YAYIN ÇAĞINDAN SOSYAL YAYIN ÇAĞINA: RİSK YÖNETİMİNDE BİR YAPAY ZEKÂ MODELİ ÖNERİSİ

Öz

İtibar yönetimi, iletişim altyapısındaki gelişimlerle birlikte büyük değişiklikler yaşamış; Web 2.0’ın ortaya çıkması gibi iletişim mekanizmalarının gelişmesi, itibar yönetimini daha riskli bir yönetişim modeline dönüştürmüştür. Tüketiciler ve müşteriler artık geleneksel ve şirket tarafından kontrol edilen kitle iletişim kanallarına bağımlı olmamakla birlikte sosyal medyayı diğer tek yönlü iletişimi benimsemiş geleneksel kaynaklardan daha güvenilir olarak görmeye başlamıştır. Amaç: İtibarın bir sermaye olarak kurumlar nezdinde önemini vurgulamak, itibarın kurumlara sağladığı avantajları ve riskleri görünür kılmak ve çevrimiçi itibar yönetiminin gelenekselden farkını ortaya koyarak sosyal medyayı doğrudan itibarı etkileyen dolaylı bir itibar riski olduğuna yönelik bir çerçeve sunmaktır. Yöntem: Araştırma kısmında, Twitter ile işbirliği yapılarak örneklem grubunu oluşturan GSM operatörü özelinde 1200 adet veri çekilmiş, veriler yapay zekâ kütüphanaleriyle temizlenmiş, içerdikleri iletişim tonlarına göre itibara yönelik risk oranlarını temsilen kırmızı, sarı ve yeşil kategorilere ayrılmıştır. Uygulama aşamasında ise gruplara ayrılan tweetler; tweet sahibinin takipçi sayısı, ilgili tweetin erişim ve etkileşim sayısı, bulunduğu gruba göre analiz edilip, her birine seviye ağırlıkları atanarak, marka itibarını etkileyeceği negatif etki yüzdesinin tahminlemesini sağlayan çevrimiçi itibar yönetiminde uygulanabilecek yapay zekâ tabanlı bir model önerisi sunulmuştur. Bulgular: İncelenen 1200 tweetin %53,49’unu markaya karşı öfkeli kırmızı grup, %32,49’unu olumsuz deneyimi paylaşmaya odaklanan sarı grup, %13,99’unu çözüm odaklı yeşil grup oluşturmaktadır. Bu tweetlerin %85,98’inin kurum itibarını doğrudan etkileyecek bir potansiyele sahip olması, markanın itibarını tehdit eden önemli bir sonuçtur. Hedef kitlesinin benzer konularda memnuniyetsizliklerini sosyal medyada dile getiren markanın; bu süreci otomasyona çevirerek anlık olarak takip etmesi, iletişimi en kısa sürede başlatarak aksiyon alması son derece önemlidir. Şikayet tweetlerinin doğru sınıflandırılmasıyla olası riskin derecesinin anlaşılması ve dereceye göre oluşturulan iletişim stratejileriyle sürece müdahale edilmesi kriz boyutunun artmasına engel olabilecektir. Özgünlük: Çalışma kapsamında yapay zekâ, itibar yönetimi, risk yönetimi ve sosyal medya dinamiklerinin bir arada kullanıldığı ve sosyal medyada itibar yönetimine yönelik yapay zekâ modeli sunan bu çalışmanın alan yazına katkıda bulunması beklenmektedir.

Anahtar Kelimeler

• sosyal medya
• itibar yönetimi
• risk yönetimi
• çevrimiçi itibar yönetimi
• yapay zeka

From Broadcasting Era to Socialcasting: An Artificial Intelligence Model in Risk Management

Öz

Reputation management has undergone major changes over time with changes in communication infrastructure. Technological advances that enabled the emergence of Web 2.0 has transformed reputation management into a riskier governance model. Consumers no longer rely on traditional and controlled media but have come to view social media as more reliable than other traditional mediums which provide a one-way communication model. Purpose: The motive of this study is to emphasize the importance of reputation as a capital asset, to spotlight the advantages and risks that reputation imposes on corporate value, and to introduce the intracacies of online reputation management to propose social media as an indirect reputational risk that directly affects corporate reputation. Methodology: For this study, 1200 original data from a GSM operator were collected in cooperation with Twitter. The collected data was cleaned with artificial intelligence libraries, and they were divided into red, yellow and green categories to represent the risk ratios for reputation according to the communication tones they contain. In the implementation phase, tweets were divided into groups; an artificial intelligence-based model that can be applied in online reputation management is presented, which analyzes the number of followers of the tweet owner, the number of reach and interaction of the relevant tweet, according to the group, and assigns level weights to each, and provides an estimation of the percentage of negative impact that will affect the brand reputation. Results: Of the 1200 tweets analyzed, 53.49% fall in the angry red group, 32.49% in the yellow group, which focus on sharing the negative experience, and 13,99% in the solution-oriented green group. The fact that 85.98% of these tweets have the potential to directly affect the reputation poses a considerable risk factor. It is pivotal for brands and corporations to benefit from artificial intelligence-powered social listening to save time, money and creative energy. Understanding the degree of possible risk by correctly classifying the complaint tweets and intervening in the process with communication strategies will prevent the crisis from escalating. Originality: Deriving on notions of reputation management and artificial intelligence, this study presents an artificial intelligence model for online reputation management in social media by drawing on real-time original data.

Anahtar Kelimeler

• Social media
• Risk management
• Reputation management
• Artificial intelligence
• Online reputation management

Kaynakça

1. 2020 National Customer Rage Study. 17 Mart 2023 tarihinde customercaremc.com: https://customercaremc.com/insights/national-customer-rage-study/2020-national-customer-rage- study/ adresinden alındı.
2. Alsop, R. J. (2006). The 18 immutable laws of corporate reputation: Creating, protecting and repairing your most valuable asset. Kogan Page Publishers.
3. Argüden, Y. (2002). “Küresel Sorumluluk Anlaşması”, Kurumsal Sosyal Sorumluluk, İstanbul: ARGE Danışmanlık Yayınları, 23-30.
4. Baltacı, A. (2018). Nitel Araştırmalarda Örnekleme Yöntemleri ve Örnek Hacmi Sorunsalı Üzerine Kavramsal Bir İnceleme. Bitlis Eren Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 234-235. Başer, M. (2021). Python. Dikeyeksen Yayın Dağıtım.
5. Benthaus, J., Risius, M., ve Beck, R. (2016). Social media management strategies for organizational impression management and their effect on public perception. The Journal of Strategic Information Systems, 25(2), 127-139.
6. Bilgi Teknolojileri ve İletişim Kurumu. (2022). “Türkiye Elektronik Haberleşme Sektörü 2022: 3. Çeyrek 3 Aylık Pazar Verileri Raporu.” 7 Mayıs 2023 tarihinde https://www.btk.gov.tr/uploads/pages/pazar-verileri/2022-3-k-disi-3ocak-63f71da4999a3.pdf adresinden alındı.
7. Biswas-Diener, R. (2023, Şubat 9). The Three Types of Complaining. Psychology Today: 1 Nisan 2023 tarihinde https://www.psychologytoday.com/us/blog/significant-results/201706/the-three-types- complaining adresinden alındı.
8. Cook, S. (2012). Complaint Management Excellence: Creating Customer Loyalty through Service Recovery. Kogan Page.

9. Coombs, W. T., ve Holladay, S. J. (1996). Communication and attributions in a crisis: An experimental study in crisis communication. Journal of public relations research, 8(4), 279-295.
10. Coombs, W. T., ve Holladay, S. J. (2002). Helping crisis managers protect reputational assets: Initial tests of the situational crisis communication theory. Management communication quarterly, 16(2), 165-186.
11. (Çiğdem Penn, 2016). İtibar Algı Modeli: X-Peutation. Yüzyüze görüşme. 09.10.2016 tarihinde.
12. DiStaso, M. W., McCorkindale, T., ve Wright, D. K. (2011). How public relations executives perceive and measure the impact of social media in their organizations. Public Relations Review, 325-328.
13. Dolphin, R. R. (2004). Corporate reputation–a value creating strategy. Corporate Governance: The international journal of business in society, 4(3), 77-92.
14. Edison Research Introduces The Social Habit. (2021). 14 Nisan 2023 tarihinde www.edisonresearch.com: https://www.edisonresearch.com/edison-research-introduces-the-social- habit/ adresinden alındı.
15. Fombrun, C., ve Van Riel, C. (2003). The reputational landscape. Revealing the Corporation: Perspectives on identity, image, reputation, corporate branding, and corporate-level marketing, 223- 33.
16. Garcia, M. (2023, 02 09). How to Make a Twitter Bot in Python With Tweepy. 3 Nisan 2023 tarihinde www.realpython.com: https://realpython.com/twitter-bot-python tweepy/#:~:text=Tweepy%20is%20an%20open%20source,Data%20encoding%20and%20decoding adresinden alındı.
17. Gibson, D., Gonzales, J. L., ve Castanon, J. (2006). The importance of reputation and the role of public relations. Public relations quarterly, 51(3), 15.
18. Kılınç, U. (2011). Şikayet Yönetimi: Müşteri İşgören Etkileşiminde Sözsüz İletişim (Doktora Tezi). Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü, Aydın., 15.
19. Klein, J., ve Dawar, N. (2004). Corporate social responsibility and consumers' attributions and brand evaluations in a product–harm crisis. International Journal of research in Marketing, 21(3), 203-217.
20. Klewes, J., ve Wreschniok, R. (2009). Reputation capital Building and maintaining trust in the 21st century. In Reputation Capital: Building and Maintaining Trust in the 21st Century (pp. 1-8). Berlin, Heidelberg: Springer Berlin Heidelberg.
21. Lincoln, A. Character is like a tree and reputation like a shadow. The shadow is what we think of it; The tree is the real thing. 17 Nisan 2023 tarihinde https://www.brainyquote.com/quotes/abraham_lincoln_121094 adresinden alındı.
22. Maheswaran, D., Mackie, D. M., ve Chaiken, S. (1992). Brand name as a heuristic cue: The effects of task importance and expectancy confirmation on consumer judgments. Journal of consumer psychology, 1(4), 317-336.
23. Natural Language Toolkit (2022). 23.03.2023 tarihinde nltk.org: https://www.nltk.org/ adresinden alındı.
24. Niu , R. H., ve Fan , Y. (2016, Eylül 5). To tweet or not to tweet? Exploring the effectiveness of service recovery strategies using social media. International Journal of Operations ve Production Management, s. 1014-1036.
25. Peppers, D., ve Rogers, M. (2004). Managing Customer Relationships. Wiley.
26. ReputationX. (28 Ocak, 2023). “How to avoid the corporate pitfalls of reputational risk” 10.04.2023 tarihinde reputationx.com adresinden alındı.
27. ReputationX. (29 Ağustos, 2022). “What makes corporate reputation a valuable intangible asset?”. 10.04.2023 tarihinde reputationx.com adresinden alındı.
28. ReputationX. (6 Eylül, 2022). “All about the reputation quotient model”. 10.04.2023 tarihinde reputationx.com adresinden alındı.
29. Roulin, N., ve Levashina, J. (2016). Impression management and social media profiles. Social media in employee selection and recruitment: Theory, practice, and current challenges, 223-248.
30. Sabuncuoğlu, Z., ve Tüz, M. (19988). Örgütsel Psikoloji. 3. baskı Alfa Basın Yayın Ltd Şti.
31. Thiraviyam, T. (2018). Artificial intelligence Marketing. 20-25.
32. Vollenbroek, W., De Vries, S., Constantinides, E., ve Kommers, P. (2014). Identification of influence in social media communities. International Journal of Web Based Communities 4, 10(3), 280-297.
33. What Is Pandas In Python? Everything You Need To Know. (2023). 15 Nisan 2023 tarihinde www.activestate.com: https://www.activestate.com/resources/quick-reads/what-is-pandas-in-python- everything-you-need-to-know/ adresinden alındı.