Mobilya üretimde kullanılan farklı malzemelerin web madenciliği yöntemleri ile değerlendirilmesi

Öz

İnternet günümüzde yaygın olarak kullanılan ve içerisinde birçok alandan faydalı bilgiler bulunduran zengin bir kaynaktır. Web madenciliği ise temelde tüketiciler ve tüketicilerin pazar eğilimleri hakkındaki bilgileri bulmaya yardımcı olan bir alandır. Doğru ve güvenilir bilgi, her endüstri için kritik bir konu haline dönüşmüştür. Firmalar web madenciliği teknikleri ile elde edilen anlamlı bilgiler sayesinde daha doğru kararlar alabilmektedir. Bu çalışmada, E-ticaret web sayfalarında farklı mobilya ürünleri hakkında yapılan yorumlar, Rapidminer yazılımı ile elde edilmiştir. Ahşap ve metal malzemeden üretilmiş mobilyalar hakkında elde edilen veriler, web madenciliği ile değerlendirilmiştir. Bu amaçla günlük hayatta yaygın olarak kullanılan çalışma masası, kütüphane ve sandalye mobilyaları seçilmiştir. Tüm mobilya türleri için ayrı ayrı web ve metin madenciliği ile kelime bulutları oluşturulmuştur. Bu sayede mobilya ürünü üzerine yapılan yorumlardaki anahtar kelimeler görselleştirilmiştir. Çalışma sonuçlarına göre ahşap sandalyelerde “sağlamlık” metal sandalyelerde “oturma” ile ilgili yorumlar öne çıkmıştır. Ahşap ve metal çalışma masalarında “güzel” kelimesi öne çıkarken, ahşap kütüphanelerde “kolay”, metal kütüphanelerde “ofis” ve “paketleme” anahtar kelimeleri ortaya çıkmıştır.

Anahtar Kelimeler

• Web madenciliği
• Mobilya
• Müşteri memnuniyeti
• E-ticaret

Evaluation of different materials used in furniture production with web mining methods

Öz

The internet is a rich resource that is widely used today and contains useful information from many fields. On the other hand, web mining is basically a field that helps to find information about consumers and consumers' market trends. Accurate and reliable information has become a critical issue for every industry. Companies can make more accurate decisions thanks to the meaningful information obtained by web mining techniques. In this study, comments about different furniture products on e-commerce web pages were obtained with Rapidminer software. The data obtained about furniture made of wood and metal materials were evaluated by web mining. For this purpose, desk, library and chair furniture, which are widely used in daily life, were chosen. Word clouds were created by web and text mining separately for all furniture types. In this way, the keywords in the comments on the furniture product were visualized. According to the results of the study, the comments about "durability" in wooden chairs and "sitting" in metal chairs came to the fore. While the word “beautiful” stood out in wooden and metal desks, the keywords “easy” in wooden libraries, “office” and “packaging” in metal libraries.

Anahtar Kelimeler

• Web mining
• Furniture
• Customer satisfaction
• E-commerce

Kaynakça

1. Akyüz, İ., Akyüz, K.C., Ersen, N., Beker, M. (2017), A Research on the Customer Relationship Management in the Furniture and Other Forest Products Business (Istanbul Provincial Sample), Kastamonu Univ., Journal of Forestry Faculty, 17(1), 88-98.
2. Avcı, Ö., Bardak, T. (2018), Halkla ilişkiler kapsamında bartın tarihi galla (kadınlar) pazarı satıcılarının mutluluğunun veri madenciliğine dayalı analizi, in: Uluslararası Marmara Fen ve Sosyal Bilimler Kongresi 2018 Bildiriler Kitabı, Kocaeli/Türkiye, pp: 137–144.
3. Bardak, S., Bardak, T. (2019), Evaluation of demand for furniture products by web mining. 4th International Symposium on Innovative Approaches in Engineering and Natural Sciences, 22-24 November, Samsun, TURKEY.
4. Bardak, T., Avcı, Ö., Kayahan, K., Bardak, S. (2018a), Data mining-based analysis of traditional store and virtual store preference in the purchase of furniture, in: 6th International Conference on Science Culture and Sport, pp: 645–652.
5. Bardak, T., Peker, H., Bardak, S. (2018b), Effects examinatıon of the factors affecting the choice of type of furniture wıth data mining technique (decision tree), International Journal of Ecosystems and Ecology Science, 8(2), 249–252.
6. Beunza, J.J., Puertas, E., García-Ovejero, E., Villalba, G., Condes, E., Koleva, G., Hurtado, C., Landecho, M. F. (2019), Comparison of machine learning algorithms for clinical event prediction (risk of coronary heart disease), Journal of Biomedical Informatics, 97, 103257. DOI: 10.1016/j.jbi.2019.103257.
7. Chen M.C., Wu P.J. Hsu Y.H. (2019), An effective pricing model for the congestion alleviation of e-commerce logistics. Computers & Industrial Engineering 129, 368–376. DOI: 10.1016/j.cie.2019.01.060.
8. Djenouri, Y., Belhadi, A., Belkebir, R. (2018), Bees swarm optimization guided by data mining techniques for document information retrieval, Expert Systems with Applications, 94, 126–136. DOI: 10.1016/j.eswa.2017.10.042.

9. Güven, H. (2020), Covid-19 sürecinde e-ticaret sitelerine yöneltilen müşteri şikâyetlerinin İncelenmesi. Electronic Turkish Studies, 15(4).
10. İnan, H. Doğan, H. (2006), Müşteri odaklı web sitelerinin işletme pazarlama kararlarına ve markasına etkisi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 15(2), 191-206.
11. Karayılmazlar, S., Bardak, T., Avcı, Ö., Kayahan, K., Karayılmazlar, A. S., Çabuk, Y., Kurt, R., İmren, E. (2019). Determining the orientation in choosing furniture based on social media based on data mining algorithms: Twitter example, Türkiye Ormancılık Dergisi, 2019(4), 447–457. DOI: 10.18182/tjf.609967.
12. Khanbabaei, M., Sobhani, F. M., Alborzi, M., Radfar, R. (2018), Developing an integrated framework for using data mining techniques and ontology concepts for process improvement, Journal of Systems and Software, 137, 78–95. DOI: 10.1016/j.jss.2017.11.019.
13. Laohapensang O. (2009). Factors influencing internet shopping behavior: a survey of consumers in Thailand. Journal of Fashion Marketing and Management, 13 (4) 501-513. DOI: 10.1108/13612020910991367.
14. Li, J., Lowe, D., Wayment, L., Huang, Q. (2020), Text mining datasets of β-hydroxybutyrate (BHB) supplement products’ consumer online reviews, Data in Brief, 30, 105385. DOI: 10.1016/j.dib.2020.105385.
15. MOSDER (Mobilya Sanayicileri Derneği) (2015), Mobilya Tüketici Araştırması 2015. http://www.mobilyadergisi.com.tr/haber/mosder-2015-mobilya-tuketicisi-arastirmasi Erişim Tarihi:17.02.2021.
16. Oliveira, C., Guimarães, T., Portela, F., Santos, M. (2019), Benchmarking Business Analytics Techniques in Big Data,” Procedia Computer Science, 160, 690–695. DOI: 10.1016/j.procs.2019.11.026.
17. Patterson, P. G., Lester W. J., Richard A. S. (1997), Modeling the determinants of customer satisfaction for business-to-business professional services. Academy of Marketing Science, 25(1), 4–17. DOI: 10.1177/0092070397251002.
18. Ribeiro, J., Duarte, J., Portela, F., Santos, M. F. (2019), Automatically detect diagnostic patterns based on clinical notes through Text Mining, Procedia Computer Science, 160, 684–689. DOI: 10.1016/j.procs.2019.11.027.
19. Sarkis J., Meade L.M. Talluri S. (2004), E-logistics and the natural environment. Supply Chain Management: An International Journal 9 (4) 303-312. DOI: 10.1108/13598540410550055.
20. Schedlbauer, J., Raptis, G., Ludwig, B. (2021), Medical informatics labor market analysis using web crawling, web scraping, and text mining, International Journal of Medical Informatics, 150, 104453. DOI: 10.1016/j.ijmedinf.2021.104453.
21. Sözen, E., Bardak, T., Aydemir, D., Bardak, S. (2018), Yapay sinir ağları ve derin öğrenme algoritmaları kullanarak nanokompozitlerde deformasyonun tahmin edilmesi, Bartın Orman Fakültesi Dergisi, 20(2), 223–231. DOI: 10.24011/barofd.449563.
22. Suki N.M., Ramayah T. Suki N.M. (2008), Internet shopping acceptance examining the influence of intrinsic versus extrinsic motivations. Direct Marketing: An International Journal, 2 (2) 97-110. DOI: 10.1108/17505930810881752.
23. Türedi, H. (2010), Zonguldak ili mobilya sektöründe satış sonrası hizmet üzerine bir araştırma. Bartın Üniversitesi, Fen Bilimleri Enstitüsü, Orman Endüstri Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, 75 s.
24. URL-1.https://www.digitalplanet.com.tr/tr/blog/koronavirus-salgini-ile-gelisen-eticaret dunyasi-ve-edonusum-cozumleri-6956 (Erişim Tarihi: 01.02.2021)
25. Ülger, Y. T., Toksarı, M. (2020), E-Ticaret sitelerinin kullanılabilirliği ve başarısını etkileyen faktörlerin belirlenmesi, Giresun Üniversitesi İktisadi ve İdari Bilimler Dergisi, 6(2), 116-128. DOI: 10.46849/guiibd.823445.
26. Wen-Xiang, D., Jian-Ping, Z., Jing, L., Zhi-Ying, Y., Hua-Ying, W., Zhong- Hua, Y., Yi-Ge, Z., Wen-An, Z., Hui-Yong, H. (2019), Research on text mining of syndrome element syndrome differentiation by natural language processing, Digital Chinese Medicine, 2(2), 61–71. DOI: 10.1016/j.dcmed.2019.09.001.
27. Yagci, I. A., Das, S. (2018), Measuring design-level information quality in online reviews, Electronic Commerce Research and Applications, 30, 102–110. DOI: 10.1016/j.elerap.2018.05.010.
28. Yurtay, Y., Yavuzyılmaz, O., Bacınoğlu, N. Z., Ak, G. (2016), Mobilya Perakende Satış Sektöründe Veri Madenciliği Uygulaması, The Journal of Academic Social Sciences, 4(22), 385–385. DOI: 10.16992/ASOS.961.
29. Zhang, C., Cao, L., Romagnoli, A. (2018), On the feature engineering of building energy data mining, Sustainable Cities and Society, 39, 508–518. DOI: 10.1016/j.scs.2018.02.016.
30. Zhou, J., Cheng, C., Kang, L., Sun, R. (2018), Integration and analysis of agricultural market ınformation based on web mining, IFAC-papers online, 51(17), 778–783, DOI: 10.1016/j.ifacol.2018.08.101.