Online pazaryerlerinin sosyal medya kanalları: Twitter duygu analizi örneği

Yıl 2024, , 1309 - 1320, 21.12.2024

Cemal Çelik , Metin Akbulut

https://doi.org/10.48146/odusobiad.1309113

Öz

İnternet kullanıcı oranlarının hızlı bir şekilde artması, E-ticaret firmalarını sosyal medya kanalları üzerine online pazaryerleriyle tanıştırma ve yatırım yapma faaliyetlerine yöneltmiştir. Müşteri ve takipçilerinin yapmış oldukları yorum ve paylaşımları dikkate alan firmalar, bu verileri anlamlandırmak için farklı yöntem ve teknolojiler kullanmaya başlamışlardır. Yapılandırılmamış metin blokları verilerinin anlamlarına göre karşılaştırılmasını sağlayacak olan farklı teknolojik araçlar ve metinler arasında aynı bağlam ve benzerlikleri tespit eden istatistiksel analizler sık başvurulan yöntemlerdir. Bu çalışmada pazaryerlerine yönelik Twitter üzerinde yapılan kullanıcıların açık yorumları Twitter API yoluyla elde edilmiş ve online pazaryerlerinde faaliyet gösteren firmaların, Twitter takipçileri tarafından firmalara yönelik yapılan kullanıcı yorumları ele alınmıştır. Paylaşılan Twitter gönderileri, duygu analizi tekniği ile polarite skoru değerlendirilerek pozitif, negatif veya nötr olma durumlarına göre online pazaryerleri karşılaştırılmıştır. Twitter paylaşımlarının duyarlılıkları hakkında; duygu sınıflandırmaları yapılarak tespit edilerek, sürpriz, endişe, kızgın, mutlu ve üzgün kategorileri elde edilmiştir. Çalışmanın pazaryerlerinde faaliyet gösteren firma ve yöneticilerine, e-pazarlama stratejilerini belirlemede, sosyal medya faaliyetlerini planlama ve uygulamada katkı sağlayacağı düşünülmektedir.

Anahtar Kelimeler

E-Perakende, Pazaryeri, Duygusal Analiz, E-Ticaret, Veri Madenciliği

Social Media Channels of Online Marketplaces: The Case of Twitter Sentiment Analysis

Öz

The rapid increase in internet user rates has led e-commerce companies to introduce and invest in online marketplaces on social media channels. Companies that take into account the comments and shares made by their customers and followers have started to use different methods and technologies to make sense of this data. Statistical analyses that detect the same context and similarities between different technological tools and texts that will allow the data of unstructured text blocks to be compared according to their meaning are frequently used methods. In this study, the explicit comments of the users made on Twitter for the marketplaces were obtained through the Twitter API and the user comments made by the Twitter followers of the companies operating in the online marketplaces were discussed. Shared Twitter posts were evaluated by polarity score with sentiment analysis technique and online marketplaces were compared according to their positive, negative or neutral status. About the sensitivities of Twitter shares; By making emotion classifications, surprise, worry, angry, happy and sad categories were obtained. It is thought that the study will contribute to the companies and managers operating in the marketplaces, in determining e-marketing strategies, planning and implementing social media activities.

Anahtar Kelimeler

Marketplace, Sentiment Analysis, E-Commerce, Data

Kaynakça

• Agarwal, A., Singh, R., & Toshniwal, D. (2018). Geospatial sentiment analysis using twitter data for UK-EU referendum. Journal of Information and Optimization Sciences, 39, 303-317.
• Ağralı, Ö., & Aydın, Ö. (2021). Metaverse ile ilgili iletilerde tweet sınıflandırması ve duygu analizi. Journal of Metaverse, 1(1), 25-30.
• Anber, H., Salah, A., & El-Aziz, A. A. (2016). A literature review on twitter data analysis. International Journal of Computer and Electrical Engineering, 8(3), https://doi.org/10.17706/IJCEE.2016.8.3.241-249
• Anggraini, N., & Suroyo, H. (2019). Comparison of sentiment analysis against digital payment “t-cash and go-pay” in social media using orange data mining. Journal of Information Systems and Informatics, 1(1), 152-163.
• Atilgan, K. Ö., & Yoğurtcu, H. (2021). Kargo firması müşterilerinin Twitter gönderilerinin duygu analizi. Çağ Üniversitesi Sosyal Bilimler Dergisi, 18(1), 31-39.
• Barney, N. (t.y.). Techtarget. https://www.techtarget.com/ searchbusinessanalytics/ definition /opinion-mining- sentiment-mining adresinden 01 Ocak 2023 tarihinde alınmiştır.
• Bashir, S., Bano, S., Shueb, S., Gul, S., Mir, A. A., Ashraf, R., . . . Noor, N. (2021). Twitter chirps for Syrian people: Sentiment analysis of tweets related to Syria Chemical Attack. International Journal of Disaster Risk Reduction, 62, 1-10.
• Bozma, G., & Kul, S. (2020). Twitter ile hisse senetleri oynaklığı tahmin edilebilir mi? Sosyoekonomi, 28(45), 315-326.
• Chehal, D., Gupta, P., & Gulati, P. (2021). COVID-19 pandemic lockdown: An emotional health perspective of Indians on Twitter. International Journal of Social Psychiatry, 1, 64-72.
• Çoban, Ö., & Tümüklü, G. (2018). Twitter duygu analizinde terim ağırlıklandırma yönteminin etkisi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24(2), 283-291.
• Dalkılıç, F., & Çam, A. (2021). Automatic movie rating by using twitter sentiment analysis and monitoring tool. Journal of Emerging Computer Technologies, 2, 55-60.
• Durmaz, S., Demir, Y. E., Elbir, A., Sığırcı, İ. O., & Diri, B. (2021). Aspect based opinion mining on hotel reviews. International Journal of Advances in Engineering and Pure Sciences, 33(28), 28-34.
• Ercan, E. (2021, Eylül 24). Hayatinritmi. Hayatinritmi: https://hayatinritmi.com.tr/karar-alma-becerisi-nasil-gelistirilir adresinden 01 Ocak 2023 tarihinde alınmiştır.
• Ercan, F. (2019). Sosyal Medyada otel işletmelerine yönelik yorumların müşteri memnuniyeti ve memnuniyetsizliği açısından analizi. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 22(2), s. 552-571. https://doi.org/10.29249/selcuksbmyd.569684
• Eyipınar, C. D., Büyükkalkan, F., & Semiz, K. (2021). Sporcu beslenmesi ile ilgili youtube video yorumlarının duygu analizi. Uluslararası Beden Eğitimi Spor ve Teknolojileri Dergisi, 2(2), 27-39.
• Featherstone, J. D., Barnett, G. A., Ruiz, J. B., Zhuang, Y., & Millam, B. J. (2020). Exploring childhood anti-vaccine and pro-vaccine communities on twitter – a perspective from influential users. Online Social Networks and Media, 20, 1-10.
• Hardeniya, T., & Borikar, D. (2016). Dictionary based approach to sentiment analysis - A review. International Journal of Advanced Engineering, Management and Science (IJAEMS), 2(5), s. 317-322.
• Heller, Martin. (2019, Mayıs 9). Infoworld, Machine learning algorithms explained: https://www.infoworld.com/article/3394399/machine-learning-algorithms-explained.html# adresinden 06 Temmuz 2022 tarihinde alınmıştır.
• Hürriyet. (2016, 11 21). Türkiye'deki en başarılı 10 e-ticaret sitesi, https://www.hurriyet.com.tr/ekonomi/kobi/turkiyedeki-en-basarili-10-e-ticaret-sitesi-40271110 01 Ocak 2023 tarihinde adresinden alınmıştır.
• Içil, H., & Şahi̇n, E. (2019). Sosyal medya uygulamalarının, marka bağlılığı ve tüketici davranışlarına etkisi: z kuşağı üzerine bir araştırma. International Journal of Multidisciplinary Studies and Innovative Technologies, 3(2), s. 188-195.
• İlhan, N., & Sağaltıcı, D. (2020). Twitter’da duygu analizi. Harran Üniversitesi Mühendislik Dergisi, 5(2), 146-156.
• Jayaraman, A. K., & Abirami, S. (2020). Opinion-based co-occurrence network for identifying the most influential product features. Journal of Engineering Research, 8(4), 185-205.
• Khalid, M., Nahar, A. J., Mohammed, S. A., & Firas, I. (2020). Sentiment analysis and classificatıon of arab Jordanian facebook comments for Jordanian telecom companies usıng lexicon-based. Approach And Machine Learning, 6(3), 247-262.
• Kilimci, Z. H. (2019). Borsa tahmini için derin topluluk modellleri (dtm) ile finansal duygu analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(2), 635-650.
• Koca, G. (2021). Bitcoin üzerine Twitter verileri ile duygu analizi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(4), 19-30.
• Koçyiğit, İ., Polat, V., & Yılmaz, M. (2021). Sosyal medya (twitter) paylaşimlarinin veri madenciliği ile duygu analizi: yalova ili örneği. YAK2021, (s. 245-252).
• Larasati, A., Maren, R., & Wulandari, R. (2021). Utilizing Elbow method for text clustering optimization in analyzing social media marketing content of indonesian e-commerce. Jurnal Teknik Industri, 23(2), 111-120.
• Mindoro, J. N., Malbog, M. A., Nipas, M. D., Susa, J. A., Acoba, A. G., & Gulmatico, J. S. (2022). Sentiment analysis in customer experience in philippine courier delivery services using vader algorithm thru chatbot interviews. 2022 Second International Conference on Power, Control and Computing Technologies (ICPC2T). https://doi.org/10.1109/ICPC2T53885.2022.9777007
• Muhammad, W., Mushtaq, M., Junejo, K. N., & Khan, M. Y. (2020). Sentiment analysis of product reviews in the absence of labelled data using supervised learning approaches. Malaysian Journal of Computer Science, 33(2), 118-132.
• Narvekar, O. (2019). Named entity recognition and aspect based sentiment analysis. International Journal of Computer Applications(46), 18-23.
• Nistor, S., Moca, M., Moldovan, D., D.B., O., & Nistor. (2021). Building a Twitter sentiment analysis system with recurrent neural networks. Sensors, 21(7), 1-24.
• Obar, J., & Wildman, S. (2015). Social media definition and the governance challenge: An introduction to the special issue. Internal Communications & Organizational Behavior eJournal., s. 1-6. https://doi.org/10.2139/SSRN.2647377
• Onani, A., & Göçkün, Ö. F. (2021). Amazon ürün değerlendirmeleri üzerinde derin öğrenme/makine öğrenmesi tabanlı duygu analizi yapılması. Avrupa Bilim ve Teknoloji Dergisi, 24, 445-448.
• Orange. (t.y.). Orangedatamining. Orangedatamining: https://orangedatamining.com/widget-catalog/text-mining/preprocesstext/ adresinden 01 Ocak 2023 tarihinde alınmıştır.
• Orange. (t.y.). Orange: https://orange3.readthedocs.io/projects/orange-visual-programming/en/latest/ widgets /visualize/heatmap.html adresinden 01 Ocak 2023 tarihinde alınmıştır.
• Öztürk, O. (2022). Hizmet hatası ve telafisi kapsamında sosyal kaygının tüketicilerin şikâyet etme niyeti üzerinde düzenleyici etkisinin araştırılması: Restoran sektöründe bir araştırma. International Journal of Social Inquiry, 15(2), s. 335−363.
• Ranjan, S., & Sood, S. (2016). Exploring Twitter for large data analysis. International Journal of Advanced Research in Computer Science and Software Engineering, 6(7), s. 325-330.
• Santur, Y. (2019). Sentiment analysis based on gated recurrent unit., (s. 1-5).
• Surjandari, I., Naffisah, M. S., & Prawiradinata, M. I. (2015). Text mining of Twitter data for public sentiment analysis of staple foods price changes. Journal of Industrial and Intelligent Information, 3(3), 253-257.
• Sülün, H. (Dü.). (2022, Mart 31). Twentify. Twentify: https://www.twentify.com/tr/blog/e-ticaretin-en-iyi-markalari adresinden 01 Ocak 2023 tarihinde alınmıştır.
• Vardarlier, P., & Zafer, C. (2020). Social media and crisis management: The case study of cambridge analytica. Celal Bayar Üniversitesi Sosyal Bilimler Dergisi (18), s. 31-44. https://doi.org/10.18026/cbayarsos.491147
• Wahyudi, A., Tirtana, A., & Langoy, L. (2023). Analysis of Gojek's brand perception utilizing Twitter hashtag: Sentiment analysis using Ekman's classification. Open Access Indonesia Journal of Social Sciences, 6(2), s. 917-925. https://doi.org/10.37275/oaijss.v6i2.153