Twitter Veri Seti İçeriğinin Tanımlayıcı Analiz İle Keşfi: Çevrimiçi Yemek Siparişi Üzerine Bir Uygulama

Yıl 2023, Cilt: 16 Sayı: 2, 119 - 133, 30.04.2023

Yıldırım Güneş , Murat Arıkan

https://doi.org/10.17671/gazibtd.1190184

Cited By: 1

Öz

Twitter, her konudaki kullanıcı görüşlerinin dolaşımda olduğu çevrimiçi paylaşım ağlarından biridir. Twitter’dan çekilen kullanıcı görüşlerinin analizi son dönemde yapılan akademik çalışmalarda dikkat çekici şekilde artış göstermektedir. Twitter yeni fikirlere kaynaklık yapan serbest formdaki metin içeriklerinin yanı sıra kullanıcı ve gönderilere ait meta veri ile de değerli bir bilgi kaynağıdır. Bu çalışmada çevrimiçi yemek siparişi konusunda toplanan veri setinin tanımlayıcı analiz araçları ile analizi yapılmış; buradan elde edilen sonuçlarla, işletmelerin iyileştirme/geliştirme maksadıyla kullanabilecekleri müşteri görüşlerinin veri seti içinden nasıl çıkarılabileceğini gösteren ve Twitter Veri Seti İçeriğinin Tanımlayıcı Analiz İle Keşfi olarak adlandırılan bir model sunulmuştur. Modelde analiz sonuçlarının reklam içerikli metinlerin etkisinden kurtarılması için analiz öncesi ve sonrasında uygulanabilecek yöntemler gösterilmiştir. Bu çalışmada 1 Ocak-31 Aralık 2020 tarih aralığında paylaşılmış toplam 35 428 adet tweet analiz edilmiştir. Çalışma sonunda, çevrimiçi yemek siparişine ilişkin Twitter’da yapılan paylaşımların ana gündem konularının; sipariş konusundaki kararsızlık, ürün ve hizmete duyulan güven, kadınların kişisel güvenlik endişesi, hastane yemeklerinin beğenilmemesi, sipariş sonrasında yemeklerin arkadaşlarla paylaşılmak zorunda kalınması, kuryelerin çalışma koşulları, ürün sunumunun beklenen şekilde gerçekleşmemesi, yemek siparişi üzerinden yardımlaşma, işletmelerin indirimli/joker uygulamaları, gece saatlerindeki yemek siparişi sonrasındaki pişmanlık, bir televizyon yemek programının siparişlere etkisi ve yemek siparişi ile karantina ilişkisi olduğu tespit edilmiştir.

Anahtar Kelimeler

twitter analizi, tanımlayıcı analiz, çevrimiçi yemek siparişi, çevrimiçi gıda siparişi, içerik analizi

Exploring Twitter Dataset Content by Descriptive Analysis: An Application on Online Food Ordering

Öz

Twitter is one of the online social networking sites where users’ opinions about any subject are circulating. The analysis of opinions drawn from Twitter has increaased remarkably in recent academic studies. Twitter is a valuable source of information with metadata of users and posts, as well as free-form text content that provides a source for new ideas. In this study, the data set collected on online meal ordering was analyzed with descriptive analysis tools; with the results obtained from here, a model called Exploration of Twitter Data Set Content by Descriptive Analysis, on how to extract customer opinions that businesses can use for improvement/development purposes, is presented. In the model, methods that can be applied before and after the analysis are shown in order to save the analysis results from the effects of advertising texts. In this study, a total of 35 428 tweets posted between January 1, 2020 and December 31, 2020 were analyzed. At the end of the study, it has been determined that the main topics about online meal order on Twitter are; indecision about meal order, confidence in product and service, women's personal safety concerns, hospital meals are not liked, meals have to be shared with friends after ordering, working conditions of moto couriers, product presentation does not take place as expected, discount/wildcard applications of businesses, regret after ordering meal at night, the effect of a television cooking program on orders and the relationship between online meal ordering and quarantine.

Anahtar Kelimeler

descriptive analysis, online meal ordering, online food ordering, content analysis, twitter analysis

Kaynakça

• N. Mishra, ve A.A. Singh, “Use of Twitter Data for Waste Minimisation in Beef Supply Chain”, Ann Oper Res, 270 (2016), 337-359, 2016.
• Z. Shi, H. Rui, A. B. Whinston, “Content Sharing in a Social Broadcasting Environment: Evidence From Twitter”, MIS Quarterly 38(1), 123-142, 2014.
• K. H. Tan, Y. Z. Zhan, G. Ji, F. Ye, C. Chang, “Harvesting big data to enhance supply chain innovation capabilities: An analytic infrastructure based on deduction graph”, Int. J. Production Economics 165, 223-233, 2015.
• T. Nguyen, L. Zhou, V. Spiegler, P. Ieromonachou ve Y. Lin, “Big data analytics in supply chain management: A state-of-the-art literature review”, Computers and Operations Research, 98 (2018), 254-264, 2018.
• C. G. Ralha ve C. V. Silva, “A multi-agent data mining system for cartel detection in Brazilian government procurement”, Expert Systems with Applications, 39(14), 11642-11656, 2012.
• B. K. Chae, “Insights from hashtag #supplychain and Twitter Analytics: Considering Twitter and Twitter data for supply chain practice and research”, Int. J. Production Economics 165 (2015), 247-259, 2015.
• Y. Çakırel, “İşletmelerde Büyük Veri”, Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(1), 52-62, 2016.
• İ. S. Pantelidis, “Electronic Meal Experience: A Content Analysis of Online Restaurant Comments”, Food Service Management, Cornell Hospitality Quarterly 51(4), 483–491, 2010.
• M. Lee ve S. Youn, “Electronic Word of Mouth (eWOM): How eWOM Platforms Influence Consumer Product Judgment”, International Journal of Advertising, 28 (2009), 473-499, 2009.
• D. T. Allsop, B. R. Bassett ve J. A. Hoskins, “Word-of-Mouth Research: Principles and Applications”, Journal of Adevertising, 47(4), 398-411, 2007.
• M. Çetin ve M. F. Amasyalı, “Eğiticili ve Geleneksel Terim Ağırlıklandırma Yöntemleriyle Duygu Analizi”, In Signal Processing and Communications Applications Conference (SIU), Girne, KKTC, 2013.
• J. Li., A. Vishwanath ve H. R. Rao, “Retweeting the Fukushima nuclear radiation disaster”, Communications of ACM, 57(1), 78-85, 2014.
• M. Meral ve B. Diri, “Twitter Üzerinde Duygu Analizi”, IEEE 22nd Signal Processing and Communications Applications Conference, 978(1/14), 4799-4874, 2014.
• M. Çevik, S. Öztürkcan ve N. Kasap, “Sosyal Medya Analitiği: Twitter İçin Büyük Veri Yaklaşımı”, 20’nci Ulusal Pazarlama Kongresi, Eskişehir, Türkiye, 10-13 Haziran 2015.
• A. S. Akgül, C. Ertano ve B. Diri, “Twitter Verileri İle Duygu Analizi”, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(2), 106-110, 2016.
• B. Kocak, İ. Polat ve C. B. Kocak, “Twitter Kullanıcılarının Havayolu Pazarına Yönelik Duygu Kutuplarının Belirlenmesi: Bir Fikir Madenciliği Örneği”, Global Business Research Congress (GBRC), Istanbul, 26-27 Mayıs 2016,
• A. Onan, “Twitter Mesajları Üzerinde Makina Öğrenmesi Yöntemlerine Dayalı Duygu Analizi”, Yönetim Bilişim Sistemleri Dergisi, 3(2), 1-14, 2017.
• M. Albayrak, K. Topal ve V. Altıntaş, “Sosyal Medya Üzerinde Veri Analizi: Twitter”, Süleyman Demirel Üniversitesi İİBF Dergisi, 22(Kayfor15 Özel Sayısı), 1991-1998, 2017.
• Ö. Çoban ve G. Tümüklü-Özyer, “Twitter Duygu Analizinde Terim Ağırlıklandırma Yönteminin Etkisi”, Pamukkale Universitesi Müh. Bilim Dergisi, 24(2), 283-291, 2018.
• B. Taşdelen, “Twitter’da Suriyeli Mültecilere Karşı Çevrimiçi Nefret Söylemi”, Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 11(2), 562-575, 2020.
• E. Akar, Ö. Bayar ve N. Koçtürk, “İstanbul Sözleşmesi: Twitter Üzerinden Sözleşmeye Karşı Çıkanların Görüşlerine Yönelik Bir Söylem Analizi”, Uluslararası İnsan Çalışmaları Dergisi, 4(7), 2021.
• Y. Özaslan ve S. M. Uygur, “Negatif Ağızdan Ağıza İletişim ve Elektronik Ağızdan Ağıza İletişim (E-WOM): Yiyecek-İçecek İşletmelerine Yönelik Bir Araştırma”, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(3), 2014.
• E. Armağan ve Y. Eskici, “Tüketicilerin Online Yemek Servislerine Karşı Tutum, Davranış ve Satın Alma Niyetleri”, EKEV Akademi Dergisi, ICOAEF Özel Sayısı, 2019.
• M. Hingle, D. Yoon, J. Fowler, S. Kobourov, M. L. Schneider, D. Falk, R. Burd, “Collection and Visuliation of Dietary Behavior and Reasons for Eating Using Twitter”, Journal of Medical Internet Research, (J Med Internet Res,15(6), e125, 2013.
• W. Fan, M.D. Gordon, “Unveiling the Power of Social Media Analytics”, Communications of the ACM, 57(6), 74-81, 2014.
• B. S. Park, J. Jang, C. M. Chihyung Ok, “Analyzing Twitter to Explore Perception of Asian Restaurants”, Journal of Hospitality and Tourism Technology, 7(4), 2016.
• A. Singh, N. Shukla ve N. Mishra, “Social Media Data Analytics to Improve Supply Chain Management in Food Industry”, Transportion Research Part E 114, 398-415, 2018.
• R. El-Khchine, A. Amar, Z.E. Guennoun, C. Bensouda ve Y. Laaroussi, “Machine Learning for Supply Chain’s Big Data: State of the Art and Application to Social Network’s Data”, MATEC Web of Conferences 200, 00015, 2018.
• Y. E. Karabulut ve E. U. Küçüksille, “Twitter Profesyonel İzleme ve Analiz Aracı”, Teknik Bilimleri Dergisi 8(2), 17-24, 2018.
• M. Baykara, U. Göktürk, “Sosyal Medya Paylaşımlarının Duygu Analizi Yöntemiyle Sınıflandırılması”, UBMK’17, 2nd International Conference on Computer Science and Engineering, Antalya, 2017.
• A. Bruns ve S. Stieglitz, “Towards More Systematic Twitter Analysis: Metrics for Tweeting Activities”, International Journal of Social Research Methodology, 16(2), 91-108, 2013.
• E. Akçetin ve H. Turgut, “Eksik Verili İşletme Veri Tabanlarında Veri Analizi ve Veri Madenciliği Uygulamaları”, Route Educational and Social Science Journal, 22(2), 181-199, 2015.
• Internet: Yardım Merkezi, Tweetleme https://help.twitter.com/tr/using-twitter/how-to-tweet, 20.07.2022.
• D. Boyd ve K. Crawford, Critical Questions For Big Data: Provocations for a Cultural, Technological and Scholarly Phenomeno, Information,Communication, Society 15(5), 662-679, 2012.
• S. Atan ve Y. Çınar (2019), Borsa İstanbul’da Finansal Haberler ile Piyasa Değeri İlişkisinin Metin Madenciliği ve Duygu (Sentiment) Analizi ile İncelenmesi, AÜ SBF Dergisi, 74(1), 1-34, 2019.
• Internet: Şikayetler, https://www.sikayetvar.com/yemek-sepeti?page=5, 10.08 2019.
• Internet: Şikayetler, https://www.sikayetvar.com/dominos-pizza/memnuniyet/siparis, 10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/hot-doner/siparis/yemek, 10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/bereket-doner, 10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/yemek-sepeti/lahmacun,10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/hacioglu-restaurant, 10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/yemek-sepeti/firma/hamburger, 10.08.2019.
• Internet: Şikayetler, https://www.sikayetvar.com/yemek-sepeti/pide, 10.08.2019.
• Internet: A. Papuççiyan, Yemek Siparişinde Piyasaya Yeni Giren Glovo’yu Yemeksepeti ile Kıyasladık, https://webrazzi.com/2018/12/21/yemek-siparisinde-piyasaya-yeni-giren-glovoyu-yemeksepeti-ile-kiyasladik/ , 23 Ekim 2019.
• S. Tetik, Twitter Verisi ile R’de Metin Analizi Uygulaması, Lisans Bitirme Tezi, Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü, 2017.
• Internet: https://www.baylanajans.com.tr/sosyal-medya-pazarlamasinda-influencer-etkisi/, 1.08.2022.