In the Advertising Industry With Artificial Neural Networks Application Extraction User Profile: CHINA – TURKEY CASE

Abstract

Turkey which is an important tourist spot in the world has various attempts to increase market share. In addition to, 2018 is announced as "Turkey Tourism Year" in China which is the most populous country in the world. It has various opportunities in China which has sent fewer tourist according to its available capacity to Turkey. Turkey's accomplished promotion activities can improve its share in $110 billion China market. With this study it has aimed to support Turkey's promotion activities by find out Chinese tourist profiles who has expected to prefer Turkey. Chinese tourists routes, include domestic and all other countries, were gathered from the TripAdvisor site, which is intensively used by consumers. With this study, it has determined Chinese tourists Turkey preferences potential with artificial neural networks, in case of go abroad. In this context, firstly, the developed model was tested with different performance criteria. Performance evaluation criteria are: accuracy rate, specificity, sensitivity, kappa coefficient, F-measure. with high accuracy in the result of the study, it has been shown that can be determine Chinese who will prefer Turkey for travel. In this way, it has been contributed to answer of "the right person" which is an important question in Turkey's promotion activities in China.

Keywords

• Marketing,Promotion,User Profile,Turkey Tourism Year,China Tourism,Artificial Neural Networks

Yapay Sinir Ağları ile Reklam Sektöründe Kullanıcı Profili Çıkarma Uygulaması: Çin – Türkiye Örneği

Abstract

Dünya turizminde önemli noktalardan olan Türkiye’nin pazar payını arttırmak için çeşitli girişimleri bulunmaktadır. Bununla birlikte, dünyanın en kalabalık ülkesi Çin’de 2018 yılı “Türkiye Turizm Yılı” ilan edilmiştir. Türkiye’ye mevcut kapasitesine göre nispeten az turistin geldiği Çin çeşitli fırsatları barındırmaktadır. Türkiye’nin yapacağı başarılı tutundurma faaliyetleri 110 milyar dolarlık Çin pazarındaki payının artmasını sağlayabilecektir. Çalışma ile Türkiye’yi tercih etmesi beklenen Çinli turistlerin profilleri çıkarılarak Türkiye’nin tutundurma faaliyetlerine katkı sağlanması amaçlanmaktadır. Tüketicilerce yoğun kullanıma sahip TripAdvisor sitesinden Çinlilerin tüm ülkelerdeki ve ülkelerindeki seyahat geçmişleri toplanmıştır. Çalışma ile Çinlilerin yurtdışı seyahatlerinde Türkiye’yi tercih etme potansiyelleri yapay sinir ağları ile belirlenmiştir. Bu bağlamda öncelikle, geliştirilen model farklı performans kriterleri ile test edilmiştir. Performans değerlendirme kriterleri şunlardır: doğruluk oranı, özgüllük, duyarlılık, kappa katsayısı, F-Ölçümü. Çalışmanın sonucunda yüksek doğruluk oranına sahip, Türkiye’yi seçecek Çinlilerin belirlenmesi sağlanmıştır. Bu sayede uygun profil seçimi sağlanarak Türkiye turizmi ile ilgili reklamlar Çinlilere gösterilmesine katkı sağlanmıştır.

Keywords

• Pazarlama,Tutundurma,Kullanıcı Profili,Türkiye Turizm Yılı,Çin Turizmi,Yapay Sinir Ağlar

References

1. [1] L. Heyne, “Electronic Word of Mouth – a New Marketing Tool ?”, Univ. Appl. Sci., c. 49, 2009.
2. [2] Nielsen, “Under The Influence: Consumer Trust in Advertising”, 2013. .
3. [3] W. Internet ve U. Statistics, “Internet World Stats Usage and Population Statistics”, 2018. [Çevrimiçi]. Available at: http://www.internetworldstats.com/stats.htm. [Erişim: 06-Haz-2018].
4. [4] D. Zarrella, The Social Media Marketing Book, sayı 1. 2010.
5. [5] S. Kemp, “Digital in 2017: Global Overview”, wearesocial.com, 2017. .
6. [6] M. S. Yadav, K. de Valck, T. Hennig-Thurau, D. L. Hoffman, ve M. Spann, “Social commerce: A contingency framework for assessing marketing potential”, J. Interact. Mark., c. 27, sayı 4, ss. 311–323, 2013.
7. [7] TripAdvisor, “Media Center”, TripAdvisor, 2018. [Çevrimiçi]. Available at: https://tripadvisor.mediaroom.com/us. [Erişim: 16-May-2018].
8. [8] “Media Center”, TripAdvisor, 2017. [Çevrimiçi]. Available at: https://tripadvisor.mediaroom.com/2018-05-10-TripAdvisor-Has-a-Massive-Influence-on-a-5-Trillion-and-Growing-Global-Travel-Economy-According-to-New-Oxford-Economics-Study. [Erişim: 16-May-2018].

9. [9] R. Turner, “Travel & Tourism Economic Impact 2017: World”, World Travel & Tourism Council, 2017. [Çevrimiçi]. Available at: https://www.wttc.org/-/media/files/reports/economic-impact-research/regions-2017/world2017.pdf. [Erişim: 18-May-2018].
10. [10] Alison Millington, “The most visited cities around the world in 2017 - Business Insider”, Business Insider, 2017. [Çevrimiçi]. Available at: http://uk.businessinsider.com/the-most-visited-cities-around-the-world-in-2017-2017-9/#1-bangkok-thailand-202-million-international-visitors-30. [Erişim: 06-Haz-2018].
11. [11] TÜİK, “Turizm İstatistikleri, IV.Çeyrek: Ekim-Aralık ve Yıllık, 2017”, Türkiye İstatistik Kurumu, 2018. .
12. [12] C. N. T. Administration, “2017 China Tourism Facts & Figures”, www.travelchinaguide.com, 2017. [Çevrimiçi]. Available at: https://www.travelchinaguide.com/tourism/2017statistics/. [Erişim: 18-May-2018].
13. [13] TÜİK, “Giriş Yapan Yabancı ve Vatandaşlar”, Türkiye İstatistik Kurumu, 2017. [Çevrimiçi]. Available at: http://www.tuik.gov.tr/PreTablo.do?alt_id=1072.
14. [14] M. K. Uçar, M. R. Bozkurt, C. Bilgin, ve K. Polat, “Automatic detection of respiratory arrests in OSA patients using PPG and machine learning techniques”, Neural Comput. Appl., c. 28, sayı 10, ss. 2931–2945, Eki. 2017.
15. [15] J. Farajzadeh, A. Fakheri Fard, ve S. Lotfi, “Modeling of monthly rainfall and runoff of Urmia lake basin using ‘feed-forward neural network’ and ‘time series analysis’ model”, Water Resour. Ind., c. 7–8, ss. 38–48, Eyl. 2014.
16. [16] M. Zounemat-kermani, O. Kisi, ve T. Rajaee, “Performance of radial basis and LM-feed forward artificial neural networks for predicting daily watershed runoff”, Appl. Soft Comput., c. 13, sayı 12, ss. 4633–4644, Ara. 2013.
17. [17] Reha Alpar, Spor, Sağlık ve Eğitim Bilimlerinden Örneklerle Uygulamalı İstatistik ve Geçerlik - Güvenirlik. Detay Yayıncılık, 2016.