Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile Sıralanması

Abstract

Sosyal medya, insanların faaliyetlerini, fikirlerini ve duygularını başkalarıyla paylaşmak için çok popüler bir iletişim aracıdır. Twitter, bu sosyal medya platformlarının en popülerlerinden birisidir. Twitter’da alışverişin yoğun olduğu Anneler günü, Sevgililer günü, Kara Cuma haftası gibi özel zamanlarda alışveriş kampanyaları hakkında birçok tweet oluşturulmaktadır. Tüm dünyada olduğu gibi Türkiye'de de firmalar, bu özel alışveriş zamanlarında sosyal medyada oluşturdukları etiketler ile müşterilerin dikkatini çekmeye çalışmaktadırlar.Bu çalışmada, birbirine alternatif Kara Cuma etiketleri ele alınmıştır. 2018 yılında Kara Cuma haftasından öncesi Kara Cuma haftası ve sonraki hafta olmak üzere 3 haftalık dönemde bu alternatif etiketleri içeren tweetler değerlendirilmiştir. Tweetlerin içerdiği duygular, duygu analizi ile belirlenmiştir. Etiketleri sıralamak için toplam tweet sayısı, retweet sayısı, beğeni sayısı ve kullanıcı bilgileri kullanılmıştır. Etiketler sayısal veriler, tweet değerleri, tweetlerin duygu değerleri olmak üzere üç farklı boyutta sıralanmıştır. Bu sıralama ile markaların etiket tercihine bir rehber olunması amaçlanmıştır.

Full text

SELÇUK ÜNİVERSİTESİ Cilt 23

Sayı 1

Nisan 2020
SOSYAL BİLİMLER MESLEK YÜKSEKOKULU DERGİSİ (e-ISSN: 2564-7458) SS. 131-140 / Araştırma Makalesi
Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi
ile Sıralanması
Ranking of Black Friday Hashtags with Tweet Statics and Sentiment Analysis
Günay KILIÇ

İbrahim BUDAK

Bedia Sündüz KILIÇ

ÖZ
Sosyal medya, insanların faaliyetlerini, fikirlerini ve duygularını başkalarıyla paylaşmak için çok popüler bir iletişim
aracıdır. Twitter, bu sosyal medya platformlarının en popülerlerinden birisidir. Twitter’da alışverişin yoğun olduğu
Anneler günü, Sevgililer günü, Kara Cuma haftası gibi özel zamanlarda alışveriş kampanyaları hakkında birçok tweet
oluşturulmaktadır. Tüm dünyada olduğu gibi Türkiye'de de firmalar, bu özel alışveriş zamanlarında sosyal medyada
oluşturdukları etiketler ile müşterilerin dikkatini çekmeye çalışmaktadırlar.
Bu çalışmada, birbirine alternatif Kara Cuma etiketleri ele alınmıştır. 2018 yılında Kara Cuma haftasından öncesi Kara
Cuma haftası ve sonraki hafta olmak üzere 3 haftalık dönemde bu alternatif etiketleri içeren tweetler değerlendirilmiştir.
Tweetlerin içerdiği duygular, duygu analizi ile belirlenmiştir. Etiketleri sıralamak için toplam tweet sayısı, retweet sayısı,
beğeni sayısı ve kullanıcı bilgileri kullanılmıştır. Etiketler sayısal veriler, tweet değerleri, tweetlerin duygu değerleri
olmak üzere üç farklı boyutta sıralanmıştır. Bu sıralama ile markaların etiket tercihine bir rehber olunması
amaçlanmıştır.
ANAHTAR KELİMELER
Duygu Analizi, Kara Cuma, Sosyal Medya, Twitter, Etiket
ABSTRACT
Social media is a very popular communication tool for sharing people's activities, ideas and feelings with others. Twitter
is one of the most popular of these social media platforms. On Twitter many tweets are made about shopping campaigns
at special times such as Mother's Day, Valentine's Day, and Black Friday week. Firms all over the world as well as firms
in Turkey, in this special shopping periods are trying to attract customers' attention with the hashtags they create on
social media.
In this study, alternative Black Friday hashtags are discussed. In 2018, tweets containing these hashtags were reviewed
over a three-week period, including the week before and after the Black Friday week. The emotions contained in the
tweets were determined by Sentiment Analysis. The total number of tweets, number of retweets, number of favorites and
user information were used to ranking hashtags. For this purpose, hashtags are ranked in three different dimensions as
numerical data, tweet values and tweet emotions. With this ranking, it is aimed to be a guide to the hashtag preference of
brands.
KEYWORDS
Sentiment Analysis, Black Friday, Social Media, Twitter, Hashtag
Makale Geliş Tarihi / Submission Date
25.10.2019
Makale Kabul Tarihi / Date of Acceptance
20.04.2020
Atıf
Kılıç, G., Budak, İ. ve Kılıç, B.S. (2020). Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile
Sıralanması. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 23 (1), 131-140.
 Öğretim Görevlisi., Pamukkale Üniversitesi, Bilgi İşlem Daire Başkanlığı, e-posta: gkilic@pau.edu.tr, ORCID: 0000-0003-2236-7535
 Doktora Öğrencisi, Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Sayısal Yöntemler Bilim Dalı, e-posta:
ibrahimbudak04@gmail.com, ORCID: 0000-0001-7762-6114
 Öğretim Görevlisi, Pamukkale Üniversitesi, Sağlık Hizmetleri MYO, e-posta: bskilic@pau.edu.tr, ORCID:0000-0003-3384-2725

Günay KILIÇ, İbrahim BUDAK, Bedia Sündüz KILIÇ 132
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
GİRİŞ
Tüketici toplumunda alışveriş, bireyin ayrılmaz bir parçası olarak nitelendirilmektedir. Alışverişin güçlü
bir şekilde baştan çıkarıcı olmasının sebeplerinden biri, kişisel memnuniyet için sınırsız seçenek sunmasıdır
(Smith ve Raymen, 2017: 679). Faber ve O'Guinn (1988) çalışmasındaki, birçok tüketici davranışı teorisi,
tüketici davranışını rasyonel ve bilişsel olarak modellemektedir. Ancak, bazı tüketici davranışları mantıksız ve
duygusaldır (Faber ve O'Guinn, 1988: 97-109; Lennon, 2011: 119). Toplumda özel günlerin artmasıyla birlikte
alışveriş miktarı da artmaktadır. Tüketiciler farkında olmadan firmaların tüketici hazzına yönelik
kampanyalarından etkilenmektedir. Özel günlere ait reklam ve pazarlama çabaları ile özel gün ekonomisi
oluşturulmuştur (Akgül ve Varinli, 2017: 3). Anneler günü, sevgililer günü, yılbaşı gibi özel günlerde
hediyeleşme ile alışverişlerin atması gibi, “Kara Cuma” haftasında markaların yaptıkları indirimler ile
alışverişin yoğun yapıldığı günlere örnek olarak verilebilir.
Kara Cuma terimi, hem Şükran Günü tatilinden sonraki gün hem de yılın en yoğun alışveriş günlerinden
biri olarak bilinmektedir. Kara Cuma pazarlama faaliyetleri, kapsamlı planlama, tabela, reklam ve promosyon
yoluyla tüketiciler açısından önemli bir alışveriş etkinliği olarak görülmektedir (Boyd Thomas ve Peters, 2011:
522). Günümüzde firmalar bu özel günlerde sosyal medyada yapılan kampanyalarla, tüketicinin özel gün
harcamalarından daha fazla pay almaya çalışmaktadır (Dilek, 2018: 171).
Sosyal medya, insan duygularını ifade etmek için gün geçtikçe daha da yaygınlaşan bir iletişim aracı
konumuna gelmektedir. Firmalar, sosyal medyayı kullanırken ve reklam yaparken belirledikleri etiketlerde
toplumun yapısını göz önünde bulundurmaktadır. Toplumun yapısına göre etiketlerin şekillenmesine
Türkiye’de Kara Cuma haftası etiketleri örnek verilebilir. Halkın büyük çoğunluğunun kendisini Müslüman
olarak ifade ettiği Türkiye’de (Başkanlığı, D. İ., 2014), mübarek gün olarak kabul edilen cuma gününün
“Kara Cuma” olarak ifade edilmesi, halk nezdinde olumsuz olarak algılandığı düşünülebilir. Bu çalışmada
markaların bu olumsuz algıdan dolayı alternatif etiketler belirlediği düşünülmektedir. Çalışmada Kara Cuma
haftası için markalar tarafından belirlenen Kara Cuma etiketlerini sıralamak ve aynı etiketi kullanacak
firmalara karar almakta yardımcı olmak amaçlanmıştır.
Karar problemlerinin çoğunda bir seçim yapmak zor ve oldukça karmaşıktır. İnsanlar genellikle
problemlerde nicel olarak iyi bir tahminde bulunmayı başaramamalarına rağmen, nitel olarak daha iyi bir
tahmin yapabilmektedirler. Çoğu durumda, bireyler duygularını metne dayalı (yazılı) veya sözlü ifadelerle
belirtmeyi tercih etmektedirler (Güngör vd., 2009: 641).
Bir metnin olumlu, olumsuz veya nötr olup olmadığını belirlemek için yapılan Duygu analizinde metin
ögelerine bakılmaktadır. SMS, sohbet mesajları, tweetler ve ürün yorumları gibi çeşitli düzeylerde Duygu
analizi yapılmaktadır (Cambria vd., 2017: 62).
Bu çalışmada, sosyal medya araçlarından olan Twitter‘daki Kara Cuma etiketleri için atılan tweetler
kullanılmıştır. Metin madenciliği araçlarından olan Duygu analizi ile yapılan değerlendirmede çalışmada
belirlenen etiketler içerdiği duygu değerlerine göre sıralanmıştır. Değerlendirme kapsamında tweetlerin
içerdiği duyguların yanı sıra toplam tweet sayısı, retweet sayısı, takipçi ve takip edilen kişi sayıları da sıralama
yapmak için kullanılmıştır. Sonuç olarak bu alternatifler üç boyutta değerlendirilmiş ve alternatifler her bir
boyutta sıralanmıştır.
1.DUYGU ANALİZİ
Duygu analizi, insanların fikirlerini, duygularını, değerlendirmelerini ve tutumlarını yazılı dilden analiz
eden bir çalışma alanıdır. Doğal dil işlemede en aktif araştırma alanlarından birisidir. Duygu analizi ve aynı
zamanda veri madenciliği, Web madenciliği ve metin madenciliği alanlarında yoğun olarak çalışılmaktadır.
Duygu analizi, işletme ve toplum açısından önemli olması nedeniyle, bilgisayar bilimi dışında yönetim
bilimleri ve sosyal bilimler gibi disiplinlerde de uygulama alanı bulmaktadır. Duygu analizinin çalışma alanı,
yorumlar, forum tartışmaları, bloglar, mikro bloglar, Twitter ve sosyal ağlar gibi sosyal medyanın farklı yönleri
ile genişlemektedir ve Duygu analizinin önemi artmaktadır (Liu, 2012: 1).
Duygu analizi; olumlu ve olumsuz görüş, duygu ve değerlendirmeleri belirlemeye yardımcı olmaktadır.
Duygu analizi üzerine yapılan çoğu çalışma, belge düzeyinde negatif incelemeleri olumlulardan ayırt etmek
için yapılmaktadır. Bununla birlikte, çoklu perspektif soru cevaplama ve özetleme, fikir odaklı bilgi çıkarma
ve metin incelemeleri gibi görevler cümle düzeyinde analiz gerektirmektedir. Örneğin, bir soru cevaplama
sisteminin, insanların görüşleri hakkındaki soruları cevaplaması gerekiyorsa, Duygu analizinin olumlu ve
olumsuz duyguların ifadelerini tam olarak belirleyebilmesi gereklidir (Wilson vd., 2005: 347). Çalışmada
kullanılan bir metnin içerdiği fikrin veya duygunun ortaya çıkarılmasına yönelik Duygu Analizi ile ilgili
yapılan çalışmaların öncülerinden bazıları özetlenmiştir.

133 Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile Sıralanması
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
Saura vd. (2019) tarafından yapılan “Kara Cuma fiyatları buna değer mi? Twitter Kullanıcılarının
Görüşlerini ve Davranış Tepkilerinin Analizi” adlı çalışmada Black Friday etkinliği, pazarlama ve şirketlerin
satışlarını artırmaya yönelik stratejileri için küresel bir fırsat haline geldiği belirtilmiştir. Bu çalışma,
İspanya'daki en büyük 23 teknoloji şirketi tarafından yayınlanan Kara Cuma 2018 tekliflerine göre sosyal
medyada kullanıcı tarafından oluşturulan içeriğin analizi yoluyla tüketici davranışını anlamayı
amaçlamaktadır. Bu amaçla, Twitter tabanlı üç adımlık bir veri metni madenciliği süreci kullanılarak
şirketlerin teklifleri hakkında analiz yapılmıştır. İlk olarak, Kara Cuma ile ilgili konuları bölmek için bir Gizli
Dirichlet Tahsis Modeli (LDA) kullanılmıştır. Bir sonraki adımda, şirketler tarafından Twitter'da yayınlanan
tekliflere yönelik duyguları belirlemek için Python kullanarak Duygu analizi gerçekleştirilmiştir. Üçüncüsü ve
son olarak, şirketlerin tanıtım ve pazarlama stratejilerini geliştirmelerine ve sosyal medyadaki müşteri
davranışlarını daha iyi anlamalarına yardımcı olabilecek iç görüleri tanımlamak için metinsel analiz adı verilen
bir veri metni madenciliği süreci gerçekleştirilmiştir. Sonuçlar, tüketicilerin özel promosyonlar ve akıllı
telefonlar gibi konular hakkında olumlu algılara sahip olduklarını göstermiştir. Bir diğer taraftan, sahtekarlık,
müşteri desteği hakaret ve gürültü gibi konular müşteriler tarafından olumsuz algılanmıştır (Saura vd., 2019:
1-13).
Hutto ve Gilbert (2014) tarafından yapılan çalışmada, Sosyal medya metinleri için Duygu analizi ele
alınmıştır. Duygu analizi için basit bir kural tabanlı model olan VADER'ı (Valence Aware Dictionary for
sEntiment Reasoning) önerilmiştir. Twitter’de yer alan 800 tweet kullanılarak yapılan çalışmada duygu
analizinin etkinliği için LIWC, ANEW, General Inquirer, SentiWordNet, Naive Bayes, Maksimum Entropi,
ve Destek Vektör Makinaları (DVM) kullanılmıştır. Yapılan analizlerden elde edilen sonuçlar
karşılaştırılmıştır. Duygu yoğunluğunu ifade etmek ve vurgulamak için dilbilgisel ve sözdizimsel kuralları
içeren beş genel kural dikkate alınmıştır. Çalışmanın sonucunda, tweet duygularını değerlendirmede önerilen
kural tabanlı VADER modelinin iyi performans gösterdiği gözlemlenmiştir (Hutto ve Gilbert, 2014: 216-225).
Abbasi vd. (2013) tarafından yapılan çalışmada, Web forumlarında duygu sınıflandırması için özellik
seçimi ele alınmıştır. İngilizce ve Arapça içerikler duygu sınıflandırması için kullanılmıştır. Arapça'nın dilsel
özelliklerini dikkate almak için belirli özellik çıkarma bileşenleri entegre edilmiştir. Entropi ağırlıklı genetik
algoritması (EWGA) ve DVM gibi yöntemler kullanılmıştır. Çalışmada kullanılan film veri seti ile ABD ve
Orta Doğu Web forumu gönderilerinde değerlendirilmiştir. Sonuç olarak EWGA'nın DVM ile kullanıldığı
deneysel sonuçların yüksek performans gösterdiği belirtilmiştir (Abbasi vd., 2013: 1-34).
Mohammad vd. (2013) tarafından yapılan çalışmada, tweetlerin Duygu analizindeki en gelişmiş halinin
inşa edilmesi ele alınmıştır. Büyük bir duygu sözlüğü oluşturmak için 775 bin tweet seti kullanılmıştır. Duygu
sözlüğü, olumlu ve olumsuz duygularla ilişkilendirilmiştir. Çalışmanın performansının değerlendirilmesi için
iki DVM algoritması kullanılmıştır. Her iki sınıflandırma algoritmadan elde edilen başarı oranlarının tatmin
edici olduğu görülmüştür (Mohammad vd., 2013: 1-7).
Mullen ve Collier (2014) tarafından yapılan çalışmada, çeşitli bilgi kaynakları ile DVM kullanılarak Duygu
analizi yapılmıştır. Metin içindeki farklı söz grubu ve sıfatlar da dâhil ederek Duygu analizine farklı bir
yaklaşım önerilmiştir. Çalışmada, Epinions.com'un film inceleme verileri derlenmiştir. Analizde DVM ile
geçmişte etkili olduğu gösterilen unigram modeller ve unigram modellerin lemmatize versiyonları
birleştirilmiştir. Yapılan deneyler, unigram özellik tabanlı DVM'lerin, gerçek değerlere sahip olumlu
ölçümlere dayanan hibrit DVM'lerden daha üstün performans sağladığı gösterilmiştir. Çalışmanın sonucunda
başarı oranının yüksek olduğu belirtilmiştir (Mullen ve Collier, 2014: 412-418).
Tan vd. (2011) tarafından yapılan çalışmada, sosyal ilişkiler hakkında kullanıcı düzeyinde Duygu analizi
yapılmıştır. Sosyal ilişiklerde "bağlantılı" olan kullanıcıların benzer görüşlere sahip olma olasılıklarının daha
yüksek olabileceği düşünülmektedir. Bu nedenle bağlantılı olduğu kişi hakkında, görüş sahibi olunabileceği
düşünülmektedir. Deneysel veriler için Twitter kaynak olarak kullanılmıştır. Twitter’da takip eden/takip edilen
veya Twitter’da kullanıcıların birbirilerini etiketleyerek ortaya çıkan tweetler derlenerek bir model
oluşturulmuştur. Bu modelden elde edilen duygu sınıflarının performansı DVM ile gerçekleştirilmiştir.
İstatistiksel olarak anlamlı duygu sınıflandırmasının yanı sıra popüler konulara ait Twitter’da etiketlenen
ortalama kullanıcı sayıları da verilmiştir (Tan vd., 2011: 1397-1405).
Wang vd. (2011) tarafından yapılan çalışmada, Twitter'da etiket düzeyinde Duygu analizi ile sınıflandırma
ele alınmıştır. Etiketlerin, tweetlerde konunun içeriğine vurgu yapmak için yaygın olarak kullanıldığı
belirtilmiştir. Çalışmada, belirli bir zaman diliminde bir etikete bağlı mesajın duygu değeri elde edilmiştir.
Bunun yanı sıra, oluşturulan mesajın cümle düzeyindeki ve belge düzeyindeki duygu analizleri belirgin bir
şekilde ortaya konulmuştur. Çalışma, etiketlenen mesajların duygu değeri, etiketlerin oluşturulan mesajla ortak
ilişkisi ve etiketlerin gerçek anlamı incelenmiştir. Bütünsel bir bakış sağlanmak amacıyla Wang vd. tarafından
sınıflandırma algoritmaları önerilmiştir. Çalışmada, Twitter’dan alınan 29195 tweet ve 2181 etiketten oluşan

Günay KILIÇ, İbrahim BUDAK, Bedia Sündüz KILIÇ 134
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
bir veri seti kullanılmıştır. DVM ve önerilen sınıflandırma algoritmaları ile duygu değerlerinin etkinliği test
edilmiştir (Wang vd., 2011: 1031-1040).
Çetinkaya ve Ceng (2018) tarafından yapılan çalışmada, Türkiye’deki Kara Cuma etkinliğinin tüketici
sinizmi bağlamında bir değerlendirmesi yapılmıştır. Tüketici sinizmi memnun olmama, alaycı, güvensiz,
şüpheci, kuşkucu, kızgın olma, onaylanmamış davranışlar gibi olumsuz duygularla ilişkilendirilmektedir.
Çalışmada sosyal medya platformlarından biri olan Twitter kullanılarak 1841 tweet ile veri kümesi
oluşturulmuştur. Duygu analizi yapılan çalışmada, pozitif, negatif ve tarafsız tweetler ortaya çıkarılmıştır. Kara
Cuma ile ilgili tweetlerin büyük bir kısmının (%72) negatif duygulara sahip olduğu belirlenmiştir. Negatif
duygu içerikli tweetler değer uyumsuzluğu, şüphecilik-güvensizlik ve yıkıcılık-saldırganlık olarak kategorize
edilmiştir. Çalışmanın sonucunda, tüketicilerin kültürel, dini ve ahlaki değerlerine Kara Cuma ile ilgili
tweetlerin uygun olmadığı ve işletmelerin farklı Kara Cuma etiketleri kullanarak kampanyalarını sürdürdükleri
gözlemlenmiştir (Çetinkaya ve Ceng, 2018: 167-180).
2.UYGULAMA
Çalışmanın bu bölümünde, araştırmanın amacı, araştırmanın yöntemi, araştırmanın kapsamı ve elde edilen
bulgulara yer verilmiştir.
2.1.Araştırmanın Amacı
Sosyal medya araçlarından biri olan Twitter’da Kara Cuma etiketleri kullanılarak atılan tweetlerin
incelenip, kullanılan etiketlerin farklı boyutlarda sıralanması amaçlanmıştır. Twitter’dan alınan metin verilerin
sayısal verilere dönüştürülmesi, sosyal medya içeriklerinin pazarlama açısından yorumlanması çalışmanın
diğer amaçlarındandır.
2.2.Araştırmanın Yöntemi
Çalışmanın amacı doğrultusunda, Duygu analizinden elde edilen duygu değerleri ve tweet istatistikleri
kullanılarak ile etiketlerin sıralaması elde edilmeye çalışılmıştır. Duygu analizi, Python dili yardımıyla
Cognitus API kullanılarak yapılmıştır.
2.3.Araştırmanın Kapsamı
Kara Cuma olarak nitelenen ve alışverişte indirimin söz konusu olduğu 2018 yılı kasım ayının son haftası
baz alınmıştır. Araştırmayı daha kapsamlı olarak ele almak için Twitter’da alternatif Kara Cuma etiketleri için
Kara Cuma haftasından önce, sonra ve o hafta için atılan toplam 2038 mesaj derlenmiştir. Araştırma üç genel
boyut atında irdelenerek; atılan mesajların etiketlere göre oranı, Etiketlerin birlikte kullanım sayısı, etiket
frekansları, etiket kullanıcı sayıları, ortalama tweet değerleri ve ortalama duygu değerleri ele alınmıştır.
Araştırma Türkiye’de kullanılan yedi adet Kara Cuma etiketleri ile sınırlıdır.
2.4.Bulgular
Sosyal medya web sitelerinde ve uygulamalarda, özellikle Twitter'da, belirli bir konuyla ilgili mesajları
tanımlamak için kullanılan bir karma işareti (#) ile gelen bir kelime veya cümleye “Etiket” denilmektedir.
Türkiye’de Kara Cuma haftası için markaların belirlediği ve en tweetlerde en çok kullanılan etiketler Tablo
1’de verilmiştir.
Tablo 1. Kara Cuma için Alternatif Etiketler
Etiket
Kod
#bereketliCuma
A1
#efsaneCuma
A2
#harikaCuma
A3
#karaCuma
A4
#muhtesemCuma
A5
#süperCuma
A6
#şahaneCuma
A7

135 Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile Sıralanması
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
Pycharm 3.7 Bütünleşik geliştirme ortamında Python dili ve Twitter’ın Tweepy paketi kullanılarak
belirlenen etiketlere ait tweetler GetOldTweets3 (https://pypi.org/project/GetOldTweets3/) kütüphanesi
kullanılarak veri seti oluşturulmuştur. Yıl içinde belli bir haftaya denk gelen Kara Cuma haftası için bütün
yıldan ziyade daha kısa bir dönemdeki verilerin yeterli olacağı düşünülmüştür. Twitter’dan Kara cuma
haftasından önceki ve sonraki haftalardaki tweetlere bakılmıştır(Erişim Tarihi: 03.12.2018). 16-22 Kasım 2018
arası önceki hafta, 23-30 Kasım 2018 Kara Cuma haftası ve 30 Kasım – 5 Aralık 2018 arası sonraki hafta
olmak üzere bu üç haftada atılan tweet sayılarındaki değişim Şekil 1’de verilmiştir.
Şekil 1. Günlük Atılan Tweetler
Şekil 1 incelendiğinde Kara Cuma haftasındaki Cuma gününe yaklaşırken tweet sayılarının arttığı, en fazla
tweetin 23 Kasım Cuma günü atıldığı görülmektedir. Kara Cuma haftasının sonunda tweet sayılarında büyük
bir düşüş gözlemlenmektedir. Şekil 1’de Kara Cuma ile alakalı tweetler için üç haftalık dönemin yeterli olduğu
Kara Cuma haftasından uzaklaştıkça verilerin azaldığı görülmektedir. Twitter gelişmiş arama ile çalışmada
kullanılan tweetlere ulaşılabilir. Örnek olarak #HarikaCuma etiketi ile ilgili tweetlere
https://twitter.com/search?q=%23%23harikaCuma%20until%3A2018-12-06%20since%3A2018-11-16
bağlantısından ulaşılabilir
Günlük atılan tweetler incelendiğinde 1334 farklı hesap tarafından 1808 tweet atıldığı tespit edilmiştir. Bir
tweet birden fazla etiket içerebildiğinden, her bir etiket için tweetler ayrı ayrı değerlendirildiğinde 2038 tweet
çalışmada kullanılmıştır.
Belirlenen etiketler ile ilgili veriler üç farklı boyutta değerlendirilmiştir. Şekil 2’de Etiketlerin
değerlendirilmesine ait hiyerarşik model verilmiştir.
Şekil 2. Hiyerarşik Model
0
200
400
600
800
1000
11.11.2018 16.11.2018 21.11.2018 26.11.2018 1.12.2018 6.12.2018
Günlük Atılan Tweet Sayıları
Etiket Değerlendirme
Boyut 1 (B1)
A1
A2
A3
...
A7
Boyut 2 (B2)
A1
A2
A3
...
A7
Boyut 3 (B3)
A1
A2
A3
...
A7

Günay KILIÇ, İbrahim BUDAK, Bedia Sündüz KILIÇ 136
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
Şekil 2’de görüldüğü üzere 7 alternatif etiket; Alternatiflerin Sayısal Değerlere Göre Sıralanması (Boyut
1), Alternatiflerin Tweet Değerlerine Göre Sıralanması (Boyut 2) ve Alternatiflerin Metinlerdeki Duygu
Analizine Göre (Boyut 3) olmak üzere üç boyutta değerlendirilmiştir. Çalışmada belirlenen boyutlar ve
alternatiflerin ilgili boyutlardaki sıralamaları şu şekildedir.
2.5.Boyut 1 (B1): Alternatiflerin Sayısal Değerlere Göre Sıralanması
Bu boyutta etiketler ile ilgili sayısal veriler ve frekanslar yer almaktadır. Öncelikle her bir tweette kaç
hastagin birlikte kulanıldığı tespit edilmiştir. Tablo 2’de etiketlerin birlikte kullanım sıklığı verilmiştir.
Tablo 2. Etiket Birlikte Kullanımı
Etiket Sayısı
Tweet Sayısı
Yüzde
1
1617
82,1646
2
320
16,2602
3
24
1,2195
4
6
0,3049
5
1
0,0508
Tablo 2 incelendiğinde 5 etiketin sadece 1 tweette birlikte kullanıldığı, 1617 tweette (% 82,1646) ise sadece
1 etiketin tercih edildiği görülmektedir. Kullanıcıların büyük çoğunluğunun tweet atarken çoğunluğunda tek
etiket tercih ettiği görülmektedir. Bu etiketleri kullanacak bir markanın da büyük olasılıkla tek etiket
kullanacağını gösterebilir. Etiketleri belirlenen boyutlarda sıralayarak markanın doğru etikete karar verirken
belirlenen boyutlardan kendisine uygun olanı seçmesi amaçlanmıştır. Tablo 3’te etiketlerin birlikte kullanımı
verilmiştir.
Tablo 3. Etiketlerin Birlikte Kullanımı
Etiket
A1
A2
A3
A4
A5
A6
A7
Toplam
A1
6
4
5
2
17
A2
6
6
89
39
8
36
184
A3
6
6
4
3
4
23
A4
4
89
4
16
7
20
140
A5
5
39
4
16
4
13
81
A6
8
3
7
4
6
28
A7
2
36
4
20
13
6
81
Tablo 3 incelendiğinde en fazla #efsaneCuma (A2) ve #karaCuma (A4) etiketlerinin birlikte kullanıldığı
(89 defa) görülmektedir. En az ise #bereketliCuma (A1) ve #şahaneCuma (A7) birlikte kullanılmıştır (2 defa).
Marka kullanacağı etiketi belirlediyse diğer markaların tercihlerini de göz önünde bulundurarak etiketin
yanında başka bir etiket kullanmak istediğinde Tablo 3’ten faydalanabilir. Tablo 4’de etiketlerin tweetler
içinde frekansları ve sıralaması verilmiştir.
Tablo 4. Etiket Frekansları
Etiket
Frekans
Sıralama
#efsaneCuma
1108
1
#karaCuma
523
2
#muhtesemCuma
158
3
#şahaneCuma
146
4
#süperCuma
41
5

137 Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile Sıralanması
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
#bereketliCuma
41
5
#harikaCuma
21
7
Tablo 4 incelendiğinde tweetlerde en fazla tercih edilen etiketin A2 (#efsaneCuma) olduğu görülmektedir.
En az tercih edilen etiket ise A3 (#harikaCuma) olmuştur. Twitter’da enfazla etiketler çok konuşulan konular
arasında girmekte ve twitter kullanıcıları için gündem olarak görüntülenmektedir. Marka attığı tweet ile
gündem listesine girmek istiyor ise en fazla tercih edilen etiketi kullanmak isteyebilir. Tablo 5’da etiketlerin
kullanıcılar açısından değerlendirilmesine ulaşılabilir.
Tablo 5. Etiketlerin Kullanıcı Sayıları
Etiket
Kişi Sayısı
Sıralama
#efsaneCuma
818
1
#karaCuma
448
2
#muhtesemCuma
114
3
#şahaneCuma
105
4
#süperCuma
31
5
#harikaCuma
16
6
#bereketliCuma
13
7
Tablo 5’ya bakıldığında Tablo 4’e benzer şekilde A2 (#efsaneCuma) alternatifinin farklı kullanıcılar
tarafından en fazla tercih edilen alternatif olduğu görülmektedir. A1 (#bereketliCuma) ise en az kullanıcıya
sahip alternatif etiket olmuştur. Bu boyuttaki değerlendirmede kullanıcılar arasında en sık kullanılan etiket A2
(#efsaneCuma) olarak ortaya çıkmıştır. Tüketicilerin en yaygın kullandığı etiket A2 olup markalar için sözü
edilen tüketicilere ulaşmada A2 etiketini kullanması doğru bir tercih olarak değerlendirilmektedir.
2.6.Boyut 2 (B2): Alternatiflerin Tweet Değerlerine Göre Sıralanması
Tweetlerin değerlerini oluşturan iki etmen vardır. Bunlardan biri tweeti atan hesabın etkisi diğeri tweetin
toplam etkileşimidir. Popüler kullanıcıların ve etkileşimi yüksek hesapların tweetleri belirli etiketler
oluşturmaktadır. Bu etiketler daha sonra benzer tweet atacak kullanıcıları etkilemektedir. Tweeti atan hesabın
etkisine Galatasaray Spor Kulübü teknik direktörü Fatih Terim’in 21 Aralık 2017 de attığı ve yüzbinlerce hesap
tarafından beğenilen, retweet edilen ve yorum yapılan tweeti
(https://twitter.com/fatihterim/status/943934216177319936?lang=tr Erişim Tarihi:15.04.2020) örnek olarak
gösterilebilir. Bahsedilen twitte “Neredee kalmıştık” Galatasaray taraftarları tarafından slogan halini almış ve
birçok tweette kullanılmıştır. Tweet atan hesabın etkisi () Eşitlik (1) ile ifade edilmiştir
(Razis ve Anagnostopoulos, 2014: 187).
  
 󰇛󰇜󰇛
  󰇜 (1)
Burada;
= Tweet atan hesabın etkisinin ölçümünü ifade eder.
= Belirli bir k anına kadar o hesaptan atılan tweet sayısını ifade eder.
 = k. tweet atılana kadar geçen gün sayısıdır.
= Bir hesabı takip eden kullanıcı sayısını belirtir.
= Bir hesabın takip eden kullanıcı sayısı belirtir.
󰇛󰇜= Büyüklük sırasını göstermektedir.
Eşitlik (1)’de önce tweet atan hesabın etkisi ölçüldükten sonra tweetin değerini ortaya koymak için o
tweetin toplam etkileşim değeri Eşitlik (2) ile hesaplanır. Toplam etkileşim değeri için atlan tweetin favori ve
retweet sayılarının toplamının  tabanındaki karşılığıdır. Burada Eşitlik (1)’deki gibi normalize etmek için
toplam etkileşimin  tabanındaki karşılığı alınmıştır. Her bir tweet için tweet değeri ise, Eşitlik (3) ile
hesaplanır.
 = 󰇛  󰇜 (2)
 = (3)

Günay KILIÇ, İbrahim BUDAK, Bedia Sündüz KILIÇ 138
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
Her bir etiket için o etiketi içeren tweetlerin  hesaplanmış ve tweet sayısına bölünerek
ortalama tweet değerleri elde edilmiştir. Tablo 6’de etiketlerin ortalama tweet değerlerine göre sıralamaları
verilmiştir.
Tablo 6. Ortalama Tweet Değerlerine Göre Etiketler
Etiket
Ortalama Tweet Değeri
Sıralama
#harikaCuma
19,43959813
1
#karaCuma
12,05673973
2
#efsaneCuma
10,34227224
3
#muhtesemCuma
7,317917571
4
#süperCuma
5,501555788
5
#şahaneCuma
5,283877248
6
#bereketliCuma
2,69295777
7
Tablo 6 incelendiğinde ikinci boyutta en üst sırada A3 (#harikaCuma) alternatifinin bulunduğu, birinci
boyuttaki sıralamada en üstte olan A2 (#efsaneCuma) alternatifinin bu boyutta üçüncü sırada olduğu
görülmektedir. Tablo 6’ daki sıralama popüler ve etkileşimi hesaplara göre sıralamalardan oluşturulmuştur.
Markalar etkileşimi yüksek hesaplar ile aynı etiketleri kullanarak twitter gündeminde kalmak istediklerinde bu
boyuttaki değerlendirmelere bakabilirler.
2.7.Boyut 3 (B3): Alternatiflerin Metinlerdeki Duygu Analizine Göre Sıralanması
İngilizce metinlerin duygu analizi için Rapid Miner gibi veri madenciliği Paket programlarında eklentiler
mevcuttur. Türkçe dili için hazır bir paket program bulunamamıştır. Türkçe dili için yapılan çalışmalar genelde
metin kelimelerini ayrıştırılıp; metin olumlu olumsuz kelimelerin sayısına göre değerlendirmektir.
Bu çalışmada ise bir tweetin duygusunu ölçmek için Etiya Digital firması tarafından geliştirilen Cognitus
API (Application Programming Interface) kullanılmıştır. Etiya başkanı Serap Sever geliştirdikleri ücretsiz olan
API’nin Türkçe dilinde %85 in üzerinde başarılı olduğunu belirtmiştir (url1).
Cognitus API’ yi kullanmak için Python dili kullanılmış ve her bir tweetin bu API sayesinde içerdiği duygu
ölçülmüştür. Kullanılan API sağladığı servise metin gönderildiğinde içerdiği duygu hesaplanıp polarite olarak
döndürmektedir. Son kullanıcıların API’nin metnin duygusunu ölçmesi için ekstra bir hesap yapmasında gerek
yoktur. Ölçülen duygular “-1” tam olumsuz, “1” tam olumlu ve “0” yansız olmak üzere [-1,1] Aralığındadır
(url2).
Cognitus API ile bütün tweetlerin duyguları sayısallaştırılmıştır. Her bir etiket ile atılan tweetlerin toplam
duyguları, o etiketteki tweet sayısına bölünmüş bu sayede etiket için ortalama duygu değerleri elde edilmiştir.
Tablo 7’de ortalama duygu değerlerine göre etiketlerin sıralanması verilmiştir.
Tablo 7. Ortalama Duygu Değerlerine Göre Etiketlerin Sıralanması
Etiket
Ortalama Duygu Değeri
Sıralama
#süperCuma
0,216358628
1
#bereketliCuma
0,201884107
2
#muhtesemCuma
0,159257748
3
#şahaneCuma
0,132383549
4
#harikaCuma
0,02151571
5
#efsaneCuma
-0,022358261
6
#karaCuma
-0,074814239
7
Tablo 7 incelendiğinde kullanıcılar açısından bu boyutta en olumlu duyguları sahip tweetleri içeren Etiketin
A7 (#süperCuma) olduğu görülmektedir. A4 (#karaCuma) ise en olumsuz etiket olarak karşımıza çıkmaktadır.
Markalar sayısal değerlerden çok içerik ile ilgilendiğinde, daha olumlu paylaşımların arasında kendi

139 Kara Cuma Etiketlerinin Tweet İstatistikleri ve Duygu Analizi ile Sıralanması
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
paylaşımlarına yer vermek istediklerinde bu boyuttaki sıralamaları dikkate alabilirler. En olumsuz duygular
içeren etiketin A4 (#karaCuma) alternatifi olması, çalışmamızda kurguladığımız yapıyı destekler niteliktedir.
SONUÇ
Günümüzde sosyal medya, bireylerin hayatlarına önemli bir yer edinmiştir. İşletmeler de bu önemden
yararlanmak amacıyla sosyal medya alanına yatırım yapmaktadır. İşletmeler, sosyal medya araçları ile yapılan
paylaşımlarla müşteriye ne tür mal ve hizmet pazarlayacağına karar vermektedir. Sosyal medyadaki paylaşım
yoğunluklarına göre işletmelerin pazarlama yatırımları değişmektedir
Türkiye’deki alternatif Kara Cuma etiketleri üç farklı boyutta değerlendirilmiş ve her bir boyuttaki etiket
sıralamaları verilmiştir. Birinci boyutta, alternatiflerin sayısal değerlere göre sıralaması verilmiştir. Etiketlerin
birlikte kullanımı, frekansları ve kullanıcı sayıları verimiştir. Etiketlerin frekansları ve kullanıcı sıralamasında
ilk üç sırada #efsaneCuma, #karaCuma ve #muhtesemCuma yer almaktadır. İkinci boyutta, alternatiflerinin
tweet değerlerine göre sıralaması verilmiştir. İlk üç sırada, #harikacuma, #karacuma ve #efsanecuma etiketleri
yer almaktadır. Üçüncü boyutta ise, alternatiflerin tweetlerdeki duygu analizine göre sıralanması verilmiştir.
Son boyuttaki ilk üç sırada ise, #süperCuma, #bereketliCuma ve #muhtesemCuma yer almaktadır. Firmalar,
kendilerine göre önemli gördüğü boyuttaki sıralamaları dikkate alarak alternatiflerden belirlediği etiketi
kampanyalarında kullanabilirler.
Boyutlar arasında uzman görüşüne göre bir ağırlıklandırma yapılarak tüm boyutlar bir arada
değerlendirildiğinde, alternatif etiketlerden hangisinin daha uygun olduğuna karar verilebilir. Benzer yapılacak
çalışmalarda tweetler, firma ve müşteri ayrımına göre ayrı ayrı değerlendilebilir. Tweetlerdeki duyguların
etiket ve ürüne yönelik ayrımı yapılarak daha kapsamlı bir şekilde değerlendirilebilir. Bu çalışmaya benzer
şekilde diğer özel günlere ait kampanya etiketleri için de çalışmalar yapılabilir.
Sosyal medya içerikleri ve kullanılan etiketler, markalara fırsatları keşfetmeleri, zayıf yönlerini çözme ve
daha iyi müşteri hizmetleri sunmaları için yararlı kanıtlar ve bilgiler sağlamaktadır. Bu bağlamda,
müşterilerinin algılarını yönlendirmek için Kara Cuma etiketlerinin yerinde kullanılması fayda sağlayabilir.
Sosyal medya, ürün ve hizmet deneyimlerinin, fikirlerinin viral veya hızlı yayılmasıyla farkındalık ve tutku
yaratma potansiyeli sunmaktadır. Sonuç olarak, işletmelerin başarılı etiketler kullanarak sosyal medya
pazarlama stratejileri ve planlarına katılmak için proaktif bir yaklaşım benimsemeleri gerekmektedir.
Çalışma diğer sosyal medya etiketlerini içeren çalışmaların aksine sosyal medyada kullanılan etiketlerini
pazarlama aracı olarak sıralaması açısından özgündür.

Günay KILIÇ, İbrahim BUDAK, Bedia Sündüz KILIÇ 140
Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, Yıl: 2020 Cilt: 23 Sayı:1
KAYNAKÇA
Abbasi, A., Chen, H. ve Salem, A. (2008). Sentiment Analysis In Multiple Languages: Feature Selection For Opinion
Classification in Web Forums. ACM Transactions on Information Systems (TOIS), 26(3), 12. 1-34.
Akgül, D. ve Varinli, İ. (2017). Hedonik (Hazcı) Tüketimin Özel Günlerdeki Alışveriş Kültürü Üzerindeki Etkisi ve
Ülkelerarası Karşılaştırmalı Bir Araştırma. International Journal of Social Inquiry, 10(2).
Başkanlığı, D. İ. (2014). Türkiye’de Dini Hayat Araştırması. Diyanet İşleri Başkanlığı Yayınları, Ankara
Boyd Thomas, J. ve Peters, C. (2011). An Exploratory Investigation Of Black Friday Consumption Rituals. International
Journal Of Retail & Distribution Management, 39(7), 522-537.
Cambria, E., Das, D., Bandyopadhyay, S. ve Feraco, A. (Eds.). (2017). A Practical Guide To Sentiment Analysis (Vol.
5). London: Springer.
Çetinkaya, O. A., & Ceng, E. (2018). Türkiye’deki Black Friday Etkinliğinin Tüketici Sinizmi Bağlamında Bir
Değerlendirmesi. MANAS Sosyal Araştırmalar Dergisi, 7(4), 167-180.
Dilek, Ö. (2018). Özel Günler İçin Yapılan Harcamaların Tüketici Bütçesindeki Yeri: Rize Örneği. ICPESS 2018
PROCEEDINGS Volume 2: Ecomonic Studies, 170-179.
Faber, R. J., & O'Guinn, T. C. (1988). Compulsive Consumption And Credit Abuse. Journal Of Consumer Policy, 11(1),
97-109.
Güngör, Z., Serhadlıoğlu, G. ve Kesen, S. E. (2009). A Fuzzy AHP Approach To Personnel Selection Problem. Applied
Soft Computing, 9(2), 641-646.
Hutto, C. J. ve Gilbert, E. (2014, May). Vader: A Parsimonious Rule-Based Model For Sentiment Analysis Of Social
Media Text. In Eighth International AAAI Conference on Weblogs and Social Media, 216-225
Lennon, S. J., Johnson, K. K. ve Lee, J. (2011). A Perfect Storm For Consumer Misbehavior: Shopping On Black Friday.
Clothing And Textiles Research Journal, 29(2), 119-134.
Liu, B. (2012). Sentiment Analysis And Opinion Mining. Synthesis Lectures On Human Language Technologies, 5(1),
1-167.
Mohammad, S. M., Kiritchenko, S. ve Zhu, X. (2013). NRC-Canada: Building The State-Of-The-Art in Sentiment
Analysis Of Tweets. arXiv preprint arXiv:1308.6242. 1-7.
Mullen, T. ve Collier, N. (2004). Sentiment Analysis Using Support Vector Machines With Diverse Information Sources.
In Proceedings Of The 2004 Conference On Empirical Methods In Natural Language Processing, 412-418.
Razis, G. ve Anagnostopoulos, I. (2014, September). InfluenceTracker: Rating the Impact Of A Twitter Account. In IFIP
International Conference On Artificial Intelligence Applications and Innovations (pp. 184-195). Springer, Berlin,
Heidelberg.
Saura, J. R., Reyes-Menendez, A. ve Palos-Sanchez, P. (2019). Are Black Friday Deals Worth It? Mining Twitter Users’
Sentiment And Behavior Response. Journal Of Open Innovation: Technology, Market, And Complexity, 5(3), 58,
1-13.
Smith, O. ve Raymen, T. (2017). Shopping With Violence: Black Friday Sales In The British Context. Journal of
Consumer Culture, 17(3), 677-694.
Tan, C., Lee, L., Tang, J., Jiang, L., Zhou, M. ve Li, P. (2011, August). User-Level Sentiment Analysis Incorporating
Social Networks. In Proceedings Of The 17th ACM SIGKDD International Conference On Knowledge Discovery
And Data Mining (pp. 1397-1405). ACM.
url 1: https://wise.tv/videolar/etiyanin-yeni-urunu-cognitus-dogal-dil-isleme-alaninda-ne-seviyede.html, son erişim
tarihi: 20.10.2019
url 2: https://cognitus.ai/wp-content/uploads/2019/05/Duygu-Analizi-Klavuzu.pdf, son erişim tarihi: 20.10.2019
Wang, X., Wei, F., Liu, X., Zhou, M. ve Zhang, M. (2011, October). Topic Sentiment Analysis In Twitter: A Graph-
Based Hashtag Sentiment Classification Approach. In Proceedings Of The 20th ACM International Conference
On Information And Knowledge Management (pp. 1031-1040). ACM.
Wilson, T., Wiebe, J. ve Hoffmann, P. (2005, October). Recognizing Contextual Polarity in Phrase-Level Sentiment
Analysis. In Proceedings of the Conference on Human Language Technology and Empirical Methods in Natural
Language Processing (pp. 347-354). Association for Computational Linguistics.