Research Article
BibTex RIS Cite

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

Year 2018, Volume: 1 Issue: 1, 20 - 28, 25.12.2018

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.

References

  • [1] L. Heyne, “Electronic Word of Mouth – a New Marketing Tool ?”, Univ. Appl. Sci., c. 49, 2009.
  • [2] Nielsen, “Under The Influence: Consumer Trust in Advertising”, 2013. .
  • [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] D. Zarrella, The Social Media Marketing Book, sayı 1. 2010.
  • [5] S. Kemp, “Digital in 2017: Global Overview”, wearesocial.com, 2017. .
  • [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] TripAdvisor, “Media Center”, TripAdvisor, 2018. [Çevrimiçi]. Available at: https://tripadvisor.mediaroom.com/us. [Erişim: 16-May-2018].
  • [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] 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] 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] TÜİK, “Turizm İstatistikleri, IV.Çeyrek: Ekim-Aralık ve Yıllık, 2017”, Türkiye İstatistik Kurumu, 2018. .
  • [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] TÜİK, “Giriş Yapan Yabancı ve Vatandaşlar”, Türkiye İstatistik Kurumu, 2017. [Çevrimiçi]. Available at: http://www.tuik.gov.tr/PreTablo.do?alt_id=1072.
  • [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] 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] 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] Reha Alpar, Spor, Sağlık ve Eğitim Bilimlerinden Örneklerle Uygulamalı İstatistik ve Geçerlik - Güvenirlik. Detay Yayıncılık, 2016.

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

Year 2018, Volume: 1 Issue: 1, 20 - 28, 25.12.2018

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.

References

  • [1] L. Heyne, “Electronic Word of Mouth – a New Marketing Tool ?”, Univ. Appl. Sci., c. 49, 2009.
  • [2] Nielsen, “Under The Influence: Consumer Trust in Advertising”, 2013. .
  • [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] D. Zarrella, The Social Media Marketing Book, sayı 1. 2010.
  • [5] S. Kemp, “Digital in 2017: Global Overview”, wearesocial.com, 2017. .
  • [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] TripAdvisor, “Media Center”, TripAdvisor, 2018. [Çevrimiçi]. Available at: https://tripadvisor.mediaroom.com/us. [Erişim: 16-May-2018].
  • [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] 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] 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] TÜİK, “Turizm İstatistikleri, IV.Çeyrek: Ekim-Aralık ve Yıllık, 2017”, Türkiye İstatistik Kurumu, 2018. .
  • [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] TÜİK, “Giriş Yapan Yabancı ve Vatandaşlar”, Türkiye İstatistik Kurumu, 2017. [Çevrimiçi]. Available at: http://www.tuik.gov.tr/PreTablo.do?alt_id=1072.
  • [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] 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] 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] Reha Alpar, Spor, Sağlık ve Eğitim Bilimlerinden Örneklerle Uygulamalı İstatistik ve Geçerlik - Güvenirlik. Detay Yayıncılık, 2016.
There are 17 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Articles
Authors

Muhammed Kürşad Uçar 0000-0002-0636-8645

İbrahim Topal

Publication Date December 25, 2018
Published in Issue Year 2018 Volume: 1 Issue: 1

Cite

APA Uçar, M. K., & Topal, İ. (2018). Yapay Sinir Ağları ile Reklam Sektöründe Kullanıcı Profili Çıkarma Uygulaması: Çin – Türkiye Örneği. Veri Bilimi, 1(1), 20-28.



Dergimizin Tarandığı Dizinler (İndeksler)


Academic Resource Index

logo.png

journalseeker.researchbib.com

Google Scholar

scholar_logo_64dp.png

ASOS Index

asos-index.png

Rooting Index

logo.png

www.rootindexing.com

The JournalTOCs Index

journal-tocs-logo.jpg?w=584

www.journaltocs.ac.uk

General Impact Factor (GIF) Index

images?q=tbn%3AANd9GcQ0CrEQm4bHBnwh4XJv9I3ZCdHgQarj_qLyPTkGpeoRRmNh10eC

generalif.com

Directory of Research Journals Indexing

DRJI_Logo.jpg

olddrji.lbp.world/indexedJournals.aspx

I2OR Index

8c492a0a466f9b2cd59ec89595639a5c?AccessKeyId=245B99561176BAE11FEB&disposition=0&alloworigin=1

http://www.i2or.com/8.html



logo.png