E-ticaret sitelerinde yer alan tüketici yorumlarının metin madenciliği yöntemleri ile analizi

Abstract

Günümüzde teknolojide yaşanan hızlı gelişmeler sonucunda tüketiciler, online alışveriş ortamını geleneksel alışveriş ortamına kıyasla daha fazla tercih etmektedir. Online alışveriş sürecinde müşterilerin bir ürünü satın alma aşamasında faydalandığı en önemli kaynaklardan biri tüketici yorumlarıdır. Ürünü satın alan müşterilerin paylaştığı yorumlar, başka müşterilerin satın alma kararını ve ürünün markası hakkındaki düşüncelerini etkilemektedir. Ancak ürün yorumlarında ürün ile ilgisi olmayan çok sayıda gereksiz yoruma rastlanılmakta ve bu durum ürün hakkında bilgi veren yorumlara ulaşmayı zorlaştırmaktadır. Öte yandan tüketicilerin paylaştığı yorumlarda kelimelerin konuşma dilinde yazılması, kısaltılması, noktalama işaretlerinin lüzumsuz veya fazla kullanılması gibi gürültü oluşturan durumlar da işlenecek metin verilerinin analizi zorlaşmakta ve bu zorlukların üstesinden gelebilmek için metin madenciliği tekniklerinden yararlanılmaktadır. Bu nedenle bu çalışmada metin madenciliği teknikleri kullanılarak online alışveriş sitelerinden daha önce alışveriş yapan müşterilerin, deneyimleri yönünde paylaştıkları çevrimiçi yorumların ürün ile alakalı olup olmadığının tespit edilmesi amaçlanmıştır. Bu amaçla öncelikle, Türkiye’nin önde gelen online pazar yerlerinden www.trendyol.com sitesinde yer alan farklı kategorilerdeki 21 ürüne ait 4795 adet yorum içeren bir veri seti oluşturulmuştur. Daha sonra bu veri seti üzerinde Terim Frekansı ve Ters Doküman Frekansı yöntemleri kullanılarak kelime vektörleri oluşturulmuştur. Son olarak, k-En Yakın Komşu (kNN), Naive Bayes, Karar Ağacı, Destek Vektör Makinesi (DVM) ve Derin Öğrenme sınıflandırma algoritmaları kullanılarak yorumlar sınıflandırılmış ve en yüksek başarı %81.61 doğruluk değeri ile DVM algoritması ile elde edilmiştir. Yapılan bu çalışma tüketicilere yalnızca ürün ile ilgili yorumları filtreleme imkânı sunacağından satın alma aşamasında karar vermelerini kolaylaştıracağı düşünülmektedir. Ayrıca online satış yapan firmalar ürün hakkında paylaşılan müşteri düşüncelerini dikkate alarak zayıf ve eksik yönlerini yeniden gözden geçirme fırsatı bulabileceklerdir.

Today, as a result of rapid developments in technology, consumers prefer the online shopping environment more than the traditional shopping environment. Consumer comments are one of the most essential resources that customers benefit from when purchasing a product online. The comments shared by the customers who bought the product affect the purchasing decision of other customers and their thoughts about the brand of the product. However, there are numerous needless remarks unrelated to the product in the product comments, making it difficult to find the comments that provide information on the goods. On the other hand, in the comments shared by consumers, in cases where the words are written in spoken language, shortened, or excessive use of punctuation marks, the analysis of the text data to be processed becomes difficult and text mining techniques are used to overcome these difficulties. Therefore, the purpose of this study is to figure out, using text mining techniques, if online comments posted by customers who have previously made purchases from online shopping sites are relevant to the product. For this purpose, at first, a data set of 4795 comments on 21 products from various categories was constructed on www.trendyol.com, one of Turkey's top online marketplaces. Then, word vectors were created on this data set by using Term Frequency and Inverse Document Frequency methods. Finally, the comments were classified using the k Nearest Neighbor, Naive Bayes, Decision Trees, Support Vector Machine (SVM) and Deep Learning classification algorithms, and the highest success was obtained with the SVM algorithm with an accuracy value of 81.61%. It is thought that this study will make it easier for consumers to decide at the purchasing stage, as it will provide the opportunity to filter only the comments about the product. Additionally, online retailers will have the chance to assess their flaws and shortcomings by considering the comments made by customers regarding the merchandise.