Dergiler / Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi / 2020 / Cilt: 20 - Sayı: 1

SOSYAL MEDYA ETKİNLİĞİNİN ÖLÇÜMÜ: FİRMALARIN TWITTER KULLANIMINA İLİŞKİN BİR İNCELEME

MEASURING THE EFFECTIVENESS OF SOCIAL MEDIA: AN INVESTIGATION OF COMPANIES’ TWITTER USE

Sayfa
121–146
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Firmalar hakkındaki tweet sayısı, tweet değeri(olumlu, olumsuz, nötr), takipçi kazanımı, yanıt sayısı, retweet sayısı ve beğenisayısı başlıklarından oluşan Twitter etkinliğinin ölçüm kriterleri ele alınarak birbaşarı sıralaması yapılmış ve en başarılı firmanın kozmetik, en düşük sıralamayasahip firmanın ise elektronik sektöründen olduğu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı farklı sektörlerde faaliyet gösteren lider rakip firmalarınsosyal medya etkinliklerinin ölçülmesidir.
📊
Temel Bulgular & Veri:Bu kapsamda, 2018 Şubat ayı boyuncaTwitter kullanıcılarının kozmetik, pazaryeri ve elektronik sektöründe faaliyetgösteren rakip firmalar hakkında yaptıkları paylaşımlar ve bu firmaların kurumsalTwitter hesaplarından yapmış oldukları paylaşımlar Sosyal Medya Madenciliğiyöntemi ile analiz edilmiştir.
💡
Sonuç & Katkı:Firmalar hakkındaki tweet sayısı, tweet değeri(olumlu, olumsuz, nötr), takipçi kazanımı, yanıt sayısı, retweet sayısı ve beğenisayısı başlıklarından oluşan Twitter etkinliğinin ölçüm kriterleri ele alınarak birbaşarı sıralaması yapılmış ve en başarılı firmanın kozmetik, en düşük sıralamayasahip firmanın ise elektronik sektöründen olduğu tespit edilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2018 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmanın amacı farklı sektörlerde faaliyet gösteren lider rakip firmalarınsosyal medya etkinliklerinin ölçülmesidir. Bu kapsamda, 2018 Şubat ayı boyuncaTwitter kullanıcılarının kozmetik, pazaryeri ve elektronik sektöründe faaliyetgösteren rakip firmalar hakkında yaptıkları paylaşımlar ve bu firmaların kurumsalTwitter hesaplarından yapmış oldukları paylaşımlar Sosyal Medya Madenciliğiyöntemi ile analiz edilmiştir. Firmalar hakkındaki tweet sayısı, tweet değeri(olumlu, olumsuz, nötr), takipçi kazanımı, yanıt sayısı, retweet sayısı ve beğenisayısı başlıklarından oluşan Twitter etkinliğinin ölçüm kriterleri ele alınarak birbaşarı sıralaması yapılmış ve en başarılı firmanın kozmetik, en düşük sıralamayasahip firmanın ise elektronik sektöründen olduğu tespit edilmiştir. Tweet değerinisaptayabilmek için Duygu Analizi gerçekleştirilmiştir ve olumlu tweet oranınınkozmetik firmaları için daha fazla olduğu sonucuna ulaşılmıştır.

Abstract

The aim of this study was to measure the social media effectiveness of the leading competitors in different sectors. In this context, the feeds of Twitter users about competitors in cosmetics, marketplace and electronic sectors and the feeds shared by the companies’ corporate Twitter accounts during February 2018 were analysed using Social Media Mining method. A success ranking was made by evaluating the measurement criteria of Twitter effectiveness consisting of number of tweets, tweet value (positive, negative, neutral), follower gain, number of responses, number of retweets and number of likes. It was determined that the most successful company was from cosmetics and the lowest ranked company was from electronic sector. In order to determine tweet value, Sentiment Analysis was carried out and the number of positive tweets were found to be the highest for the companies in the cosmetics sector.

🔖

Bu Makaleye Atıf Yap

AYAN, B., CAN, M., GÜRSOY, U. T. (2022). SOSYAL MEDYA ETKİNLİĞİNİN ÖLÇÜMÜ: FİRMALARIN TWITTER KULLANIMINA İLİŞKİN BİR İNCELEME. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 20 - Sayı: 1, 121–146. https://ajindex.com/articles/426659

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. Akgül, E.S., Ertano C. ve Diri, B., (2016),
  2. Sentiment Analysis with Twitter, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(2), s.106-110.
  3. Akundi, A., Tseng, B., Wu, J., Smith, E., Subbalakshmi, M. ve Aguirre, F., (2018), Text Mining to Understand the Influence of Social Media Applications on Smartphone Supply Chain, Procedia Computer Science, 140, s.87-94.
  4. Ayata, D., Saraçlar, M. ve Özgür, A. (2017), Turkish Tweet Sentiment Analysis with Word Embedding and Machine Learning, Proceedings of the 25th Signal Processing and Communications Applications Conference (SIU), s.1-4.
  5. Blasi, S., Brigato, L., ve Sedita, S.R. (2020), Eco-friendliness and Fashion Perceptual Attributes of Fashion Brands: An Analysis of Consumers’ Perceptions Based on Twitter Data Mining, Journal of Cleaner Production, 244, s.1-11.
  6. Bonzanini, M. (2016), Mastering Social Media Mining with Python, Birmingham: Packt Publishing. BoomSocial. “Alışveriş Sektörü İstatistikleri (Twitter)”. Erişim tarihi: 01.01.2018, https://www.boomsocial.com
  7. Boyd, D. M. ve Ellison, N. B. (2007), Social Network Sites: Definition, History, and Scholarship, Journal of Computer-Mediated Communication, 13(1), s.210-230.
  8. Can, U. ve Alatas, B. (2017), Duygu Analizi ve Fikir Madenciliği Algoritmalarının İncelenmesi, International Journal of Pure and Applied Sciences, 3(1), s.75-111.
  9. Çoban, Ö., Özyer, B. ve Özyer, G. T. (2015), Sentiment Analysis for Turkish Twitter Feeds, Proceedings of the 23rd Signal Processing and Communications Applications Conference, s.2388-2391.
  10. Danneman, N. ve Heimann R. (2014),
  11. Social Media Mining with R, Packt Publishing Ltd. Durukan, T., Bozaci, I., ve Hamsioglu, A. B. (2012). An Investigation of Customer Behaviours in Social Media. European Journal of Economics, Finance and Administrative Sciences, 44(44), 148-159.
  12. Evans, D. (2008), Social Media Marketing: An Hour a Day, Willey Publishing. Freelon, D. (2013), ReCal OIR: Ordinal, Interval, and Ratio Intercoder Reliability as a Web Service, International Journal of Internet Science, Vol.8, No:1, ss.10-16.
  13. Greco, F. ve Polli, A. (2019), Emotional Text Mining: Customer Profiling in Brand Management, International Journal of Information Management, s. 1-8. (Article in Press). Grover, P., Kar, A.K. ve Davies, G. (2018), “Technology Enabled Health” – Insights from Twitter Analytics with a Socio-Technical Perspective, International Journal of Information Management, 43, s.85-97.
  14. Gunelius, S. (2011), 30 Minute Social Media Marketing: Step By