Dr. Aslı ÖZCAN
ORCID: 0000-0003-2783-012X
aslozcn09@gmail.com
ISBN: 978-605-71074-1-1
Yayın Tarihi: 12.01.2024
Doi: 10.5281/zenodo.10496440
Sosyal medya, teknolojinin getirmiş olduğu yeniliklerle birlikte bireyler için yeni bir sosyalleşme alanı olarak ortaya çıkmıştır. Sosyal medya, kullanıcılar tarafından oluşturulan içeriği paylaşma, birlikte oluşturma, tartışma ve değiştirme için yüksek düzeyde etkileşimli platformlar veya bireyler ve topluluklar oluşturmak için mobil ve diğer web tabanlı teknolojilere bağlıdır (Sharda vd., 2014). Sosyal medya kullanım oranlarının oldukça arttığı günümüzde, sosyal medya kaynakları da her geçen gün doğru orantılı şekilde artmaktadır.
Teknolojik gelişmeler, sosyal medya platformlarında oluşturulan verinin, birikerek büyük hacimli veri yığınlarına dönüşmesine neden olmaktadır. Sosyal medya platformlarında var olan verinin büyüklüğü, dinamikliği ve zenginliği sayesinde insan davranışını temsil etme anlamında bireyleri, grupları ve toplumları anlama imkânı sunmaktadır (Batrinca ve Treleaven, 2015). Sosyal medya analitiği, çeşitli sosyal medya platformlarından veri toplama, analiz etme ve yorumlama süreçlerini içermektedir. Toplanan veriler, kullanıcıların etkileşimleri, paylaşımları, beğenileri, yorumları ve diğer aktivitelerini içermektedir. Sosyal medya analitiğinin temel amacı, kullanıcı davranışını anlamak, sosyal medya stratejilerinin performansını izlemek ve veri odaklı kararlar alarak etkileşimi ve sonuçları optimize etmektir (Akın ve G. Şimşek, 2018).
Fan ve Gordon (2014) çalışmalarında sosyal medya analitiği süreçleri için Taramak, Anlamak ve Sunmak adımlarından oluşan bir çerçeve önermiştir. Bu çerçeve aşağıda (Bkz. Şekil 1.) gösterilmiştir.
Şekil 1. Sosyal medya analitiği süreci (Fan ve Gordon, 2014, s. 77)
Taramak adımı sosyal medya platformlarında depolanan veriler incelenmektedir. Verinin incelenebilmesi için, önişleme tabii tutulması gerekmektedir. Bu aşamada, eksik veri temizliği yapılmalıdır. İkinci adım olan Anlamak adımında, gürültülü veriler için kümeleme yöntemi kullanılmalıdır. Kümeleme yönteminde, araştırılan olgu ile ilişkili anahtar terimler belirlenerek, analize ışık tutacak ana başlıklar gruplanmalıdır. Bu çerçevede veri madenciliği, sosyal ağ analizi, içerik analizi, konu modellemesi ve eğilim analizi gibi alternatif yöntemler kullanılmaktadır. Son olarak Sunmak adımında ise, araştırılan olgu ile ilgili ana başlıkları içeren genel analizleri aktaran grafikler oluşturulup sunulmaktadır (Çevik vd., 2015).
Wamba vd. (2016) yaptıkları sınıflandırmayla, sosyal medya verilerini genel hatları ile demografik veri, psikografik veri, konum verisi, ürün verisi, yönelim verisi ve davranış verisi şeklinde sınıflara ayırmaktadır. Bu sınıflandırma sayesinde sosyal medyadan elde edilen veriler, içerdikleri çıktılar ve bilgilere göre gruplara ayrılmıştır. Bu verilere elde etmek için sosyal medya analitiğinde açık kaynaklı veri tabanlarından hazır derlenmiş veri setleri, ticari veri sağlayıcılardan ücret karşılığı satın alınan veri setleri veya uygulama programlama ara yüzleri (API) aracılığı ile kullanıcının kendi derlediği veri setleri kullanılabilmektedir. (Batrinca ve Treleaven, 2015). Açık kaynaklı veri tabanlarının yanı sıra sosyal medya verilerine ticari veri sağlayıcılar aracılığı ile de ulaşılabilmektedir. Birçok sosyal medya platformu uygulama ara yüzleri ile kısıtlı veri derlenmesini sağlamakta ve fazlasını ticari veri sağlayıcıları aracılığı ile satışa da sunulmaktadır (Akın ve G. Şimşek, 2018).
Çevrimiçi kaynaklardan elde edilebilen büyük miktardaki yapılandırılmamış verilerin karar verme süreçlerine dahil edilebilmesi son derece önem arz etmektedir. Bu verinin işlenmesi ve bu verilerden anlamlı sonuçların çıkarılması ise çok daha karmaşık analiz proseslerine gereksinimi ortaya çıkarmaktadır. Metin madenciliği bu gereksinim üzerinden ortaya çıkarak yarı yapısal ve yapısal olmayan formdaki metinlerin içlerindeki örtülü bilgiyi ortaya çıkarmayı hedefleyen bilişim destekli bir süreçtir. Sosyal medya analitiği ise arka planda metin madenciliği süreçlerini içerir ve günlük konuşma dili ağırlıklı olması sebebiyle daha hassas yaklaşımlar gerektirmektedir. Metin madenciliği sürecinin yönlendirmeler ile yapılmasını sağlayan arayüz tasarımı, veri toplama aşamasında araştırmacıya elde etmek istediği verinin boyutu hakkında bilgi vermektedir. Ek olarak kullanılan açık kaynak kodlu programlama dilinde bulunan kütüphane aracılığıyla ilgili sosyal medya platformunun API’ sine bağlı olmadan veri elde edilmektedir. Bu da araştırmacılara verinin boyut ve içeriği konusunda esneklik sağlamaktadır.
Anahtar Kelimeler: Sosyal Medya, Veri, Veri Analitiği.
Kaynakça
Akın, B., & Gürsoy Şimşek, U. T. (2018). Sosyal Medya Analitiği ile Değer Yaratma: Duygu Analizi ile Geleceğe Yönelim. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(3), 797-811. https://doi.org/10.30798/makuiibf.435804
Batrinca, B., Treleaven, P.C. Social media analytics: a survey of techniques, tools and platforms. AI & Soc 30, 89–116 (2015). https://doi.org/10.1007/s00146-014-0549-4
Çevik, M., Ozturkcan, S. & Kasap, N., “Social Media Analytics: Big Data Approach for Twitter (Sosyal Medya Analitiği: Twitter için Büyük Veri Yaklaşımı),” 20th National Marketing Congress (20. Ulusal Pazarlama Kongresi), June 10-13, 2015, Eskisehir, Turkey, p.145-148.
Fan, W., & Gordon, M. D. (2014). The power of social media analytics. Communications of the ACM, 57(6), 74-81.
Sharda, R., Delen, D., Turban, E., Aronson, J., & Liang, T. (2014). Business intelligence and analytics. System for Decision Support, 398, 2014.
Wamba, S. F., Akter S., Kang H., Bhattacharya M. ve Upal M. (2016) The Primer of Social Media Analytics Journal of Organizational and End User Computing (JOEUC), 28.2: 1-12.
