2. BÖLÜM: SOSYAL MEDYA’YA KAVRAMSAL YAKLAŞIM
2.6. Sosyal Medya Analizi ve Uygulama Süreci
49 YouTube’da kurumlar videoları doğru etiketleme yaparak yayınlarlarsa arama motorlarında üst sıralarda çıkma olasılıklarını yükseltmektedir. YouTube Google’ın bir firması olduğundan Google yapılan aramalarda ilk sıralarda çıkmaktadır. Videolardaki dokunuşlarla hedef kitle ile duygusal bir bağ kurulması mümkün olmaktadır. Böylece güven de artmaktadır. YouTube reklâmları televizyon reklamlarından daha ölçülebilirdir.
Videoyu kaç kişinin izlediği, demografik bilgileri gibi demografik bilgilere rahatlıkla erişilebilmektedir. YouTube’da farklı tarzdaki videolarla farkındalık artırabilmektedir.
YouTube’da başarılı olunması için amaca uygun videolara paylaşılması gerektiği göz ardı edilmemelidir (Fırat, 2017: 38-39).
50 görünmemektedir. Fakat günümüzde ise özellikle sosyal medyanın sağladığı büyük veri ile sosyal medya analizi sosyal bilimlerin radarına girmiştir. Ancak sosyal medya analizi yapan yazılımların çoğu hala sayısal mantığa hitap etmektedir. Sosyal bilimler araştırmalarında kullanılmaları çok kolay değildir (Lin vd., 2012: 2759 - 2776).
Sosyal medya analizi, bir ağdaki kişileri ve bu kişilerin bağlantılı olduğu kişilerin görüntülenmesi ile ilgilidir. Bu analiz vasıtası ile kişilerin tutum ve davranışlarının, demografik özelliklerinin, sosyal paylaşımlarının öğrenilmesi mümkündür. Kurumlar, sosyal medya hesaplarını analiz ederek kurum hakkında konuşulanları öğrenebilmekte, hedef kitleleri ile interaktif iletişim kurabilmektedir (Çakır, 2016: 67).
Sosyal medya analizi ile ilgilenen veya ilgilenmek isteyen araştırmacıların karşılaşabilecekleri sayısız problem vardır. İlk sorun, büyük verinin elde edilmesiyle ilgilidir. Sosyal medya araçları üzerinden her gün milyonlarca içerik paylaşılmaktadır.
Herkese açık paylaşım yapan sosyal medya uygulamaları, bütün içeriklere ulaşılmasını sağlayan uygulamalar sunmamakta, sadece belirtilen kullanıcıların veya belirtilen içeriklerin paylaşımlarına ulaşılabilmesine imkân sağlamaktadır. Bu durumda ne zaman, kime ait ve ne söyleyen verilerin elde edileceğinin belirlenmesi hem yazılım anlamında kuvvetli algoritmalar ile desteklenmeli, hem de araştırmacılar tarafından gerçek zamanlı olarak izlenmelidir (Dorasamy ve Pomazalová, 2016: 293-294).
İkinci sorun, büyük verinin depolanmasıyla ilgilidir. İyi bir analiz için yapılan paylaşımlara ait bilgiler depolanırken içeriğin yanı sıra sayfa adı, kullanıcı adı, paylaşım saati, paylaşım lokasyonu gibi bilgiler de kaydedilmelidir. Performans için verilerin indekslenerek depolanmaları gerekmektedir. Paylaşımlar, kullanıcılar, lokasyonlar, gibi kaydedilmiş olan kolonlardan hareketle yapılan indekslemeler ile veri boyutunun artması söz konusu olabilecektir. Veri boyutu kadar depolanan verinin indirilmesi ve filtrelenmesi de önemlidir. Bu durumda veri incelenmesi ve veri depolama için kullanılacak olan
51 sistemin geniş bir internet bağlantısına sahip, yüksek kapasiteli bir bilgisayar olması gerekmektedir.
Son olarak günümüzde paylaşımların büyük bir kısmı insanlar değil bilgisayar programları tarafından atılmaktadır. Bu çöp veri, gerçek sonuçlara ulaşmada ciddi bir engeldir. Botlar tarafından yapılmış olan paylaşımları bir algoritma ile kesin olarak tespit etmek zordur. Çünkü bu paylaşımları yapan kullanıcıların arada yaptıkları özgün paylaşımlar da bulunmaktadır. Fakat kullanıcıların günlük paylaşımları, özgün içerikleri paylaşım oranları, resim paylaşma şekilleri, gibi davranışlarından hareketle veri analizinde bazı kullanıcıların paylaşımlarına diğerlerinden daha az veya daha çok önem verilmesi sağlanabilir. Bu sayede de daha hassas bilgilere ulaşılabilir. Yani geliştirilecek olan sosyal medya analizi uygulamalarında mutlaka veriyi anlamlandırmayı sağlayacak ve gereksiz veriyi ayıklayacak algoritmaların bulunması gerekmektedir (Dorasamy ve Pomazalová, 2016: 301-313).
Sosyal medya analizi, yaygın bir veri toplama yöntemi olarak benimsendiğinde, kalite kaygılarına karşılık, daha ucuz ve daha hızlı olma avantajını ortaya koymuştur.
Fakat sosyal medyanın yarattığı yeni seçenekler, aynı zamanda geniş bir etik sorun ve kaygılar dizisi de üreterek yaygınlaşmıştır. Örneğin araştırmacı, sosyal medyada yer alan online tartışma ve görüşleri izlerken harfi harfine metin alıntısı yapmaktan kaçınmak zorundadır, çünkü alıntının kaynağı arama motorları sayesinde kolayca belli olmakta ve çoğunlukla yazanın kimliği açığa çıkmaktadır (Poynter, 2012: 524).
Sosyal medyanın sağladığı büyük veri her ne kadar iştah kabartıcı olsa da araştırmacılar için bu veriye ulaşmak çok daha kolay değildir. Zira sosyal medyanın veri yolları araçlara belli kısıtlar dahilinde; örneğin son 1 hafta içinde yapılan paylaşımlar gibi verileri sağlamaktadır (Ewbank, 2015: 26).
52 Sosyal medya analizi, sosyal medya verilerinin toplanması, verilerden anlamlı sonuçların çıkarılması ve sonuçların değerlendirilmesini kapsayan bir süreçtir. Bu süreçte takip edilen adımlar aşağıda Şekil 2-1.’de yer almaktadır.
Şekil 2-1. Sosyal Medya Analizi Süreci Kaynak: (Bonzanini, 2016: 17)
Sosyal medya analizinin sürecinin ilk adımı bir personelin yetkilendirilmesidir.
Verilerin elde edilmesi adımı, verilerine erişim uygulama programının arayüzü aracılığıyla sağlanmaktadır. Verilerin ön işlenmesi adımı, gereksiz verilerin temizlenmesi ve verilerin dönüştürülmesi uygulamasıdır. Bir sonraki adım, işlenmiş verilere, modelleme yoluyla gerekli analizlerin gerçekleştirilmesidir. Analiz sonuçlarının görselleştirilmesi ve raporlanması süreçteki bir diğer adım olarak uygulanmalıdır. Son adım olarak, veri analisti; kullanıcıların hizmet ile ilgili fikirlerini ve yorumlarını, içerik analizi yaparak değerlendirmesidir (Bonzanini, 2016: 17-20).
Belcastro ve arkadaşlarına göre, aşağıdaki adımlar ile oluşturulan bir sosyal medya analizi uygulaması için genel bir yapı şu şekildedir. Veri toplama: bu adımda, toplanan sosyal medya öğeleri bir dosya sisteminde saklanır. Veri filtreleme: Bu adım, sosyal medya öğelerini bir dizi filtreleme işlevine göre filtreler. Veri eşleme: bu adım, bir dizi harita işlevi uygulayarak her sosyal medya öğesinde bulunan bilgileri dönüştürür.
Veri bölümleme: bu adım sırasında, veriler bir birincil anahtarla parçalara bölünür ve
53 ardından ikincil bir anahtara göre sıralanır. Veri azaltma: Bu adım, sağlanan azaltma işlevine göre bir parça içinde bulunan tüm verileri toplar. Veri analizi: Bu adım, ilgili bilgiyi çıkarmak için belirli bir veri analizi işlevini kullanarak verileri analiz eder. Veri görselleştirme: Bu son adımda, istenen formatta sunmak için veri analizi sonuçlarına bir görselleştirme işlevi uygulanır. Bu adımların her biri için önceden tanımlanmış bir dizi işlev sağlar. Kullanıcılar bu işlevleri kendileri ile genişletmekte özgürdür (Belcastro vd., 2017: 687-688).
Sosyal medya analizi uygulamaları ciddi bir insan gücü, algoritma havuzu ve işlemci gücüne ihtiyaç duyar. Kapsamlı analiz için uzmanlardan oluşan disiplinler arası bir ekibin kurulması ve kuvvetli bir iletişimin sağlanması önerilir. Ancak daha az kaynak kullanarak da etkin analizler yapabilir. Sosyal medyada Excel ve NodeXL yoluyla olmak üzere iki şekilde analiz yapılabilir (Ünver, 2015: 82-83).
Veri toplama süreci daha önce belirttiğimiz gibi oldukça zahmetli ve maliyetli bir süreçtir. Ancak yapılacak her sosyal medya analizi uygulaması bu kadar ciddi bir sürece ihtiyaç duymuyor olabilir ve süreç manuel olarak veri toplayacak bir şekilde halledilebilir. Eğer ki söz konusu olan bir kamu kurumu ya da nadir paylaşım yapan bir kurum ise madencilik manuel olarak yapılabilir. Herhangi bir program yahut uygulama kullanılmadan manuel raporlama gerçekleştirilebilir (Hodorog vd., 2019: 8-9).
Sık paylaşım yapan kurumlar için yapılacak benzer bir araştırmada ise sadece bir kelimenin günde binlerce kez kullanıldığı görülebilir. Kurum hakkında ortalama günlük binlerce paylaşım yapılan içerik için sosyal medya analizi yapmak oldukça zaman alacak ve hatalara meydan verebilecektir. Bin paylaşımın sadece okunması bile ciddi bir zaman alacaktır ki bu içeriklerin değerlendirilmesi ve yorumlanabilmeleri gerekmektedir. Bu durumda kurumların sosyal medya analizi için çeşitli araçlar kullanmaya ihtiyacı olacaktır (Budi vd., 2017: 157).
54 Sosyal medyada algoritmalara ihtiyaç duymadan da analizi gerçekleştirilebilir, Excel, bir milyon satıra kadar verinin analizini yapabilmektedir. Bu durumda bir aylık verinin tek bir Excel tablosunda analiz edilebilmesi söz konusudur. Bu noktada pivot tablolardan ve makrolardan yararlanarak verinin analizi yapılabilir (Ünver, 2015: 86).
Bu veriler Excel ile analiz edilerek kurum ile ilgili paylaşımların ne oranda tekrar paylaşılmış olduğu, bu paylaşımlarda yoğun olarak hangi kelimelerin kullanıldığı, paylaşımların hangi saatlerde yoğun olarak beğenildiği ve beğenen başlıca kullanıcılar raporlanabilir (Aras ve Çolaklar, 2015: 85).
Daha büyük verilerle çalışılacağı, daha detaylı istatistiklere ihtiyaç duyulan, geniş katılımlı sosyal medya olaylarının incelenmesinde, Excel’in fonksiyonları yetmediği zaman zaman sosyal medya analizi için özel uygulamaların geliştirilmesi gerekir. Bu uygulamaların geliştirilmesi kapsamlı yazılım ve analiz projeleridir. Ayrıca bu uygulamaların çalışacakları donanımın özel bir şekilde hazırlanmış olması gerekir (Olszak ve Kisiolek, 2018: 209-210).
Özel programlar yoluyla yapılan analiz süreci bazı temel bilgileri gerektirmektedir. Veri elde etme program tarafından yapılabilir. Böyle bir hizmet alınarak yazılım geliştirme bedelinin ve donanım bedelinin bir kısmının önüne geçilebilir.
Kullanıcıların demografik bilgileri elde edilerek veri anlamlandırılmaya çalışılabilir.
Aynı şekilde kullanıcıların yaş, lokasyon, eğitim durumu gibi bilgileri de tespit edilmeye çalışılabilir. Veritabanı üzerinde kullanıcıların bir listesi tutulması ve bu liste üzerinden kullanıcı önemleri değerlenmesi oldukça önemlidir. Sosyal medya analizinde otomatik atılan içerikler ile özgün içerik mutlaka birbirinden ayırt edilmelidir. Etkin bir sosyal medya analizi için özel geliştirilen uygulamalardan yararlanılabilir. Ayrıca, konusunda uzman analistlerden destek alınabilir. Büyük veri ilişkin çalışmalarda, ihtiyaçlar iyi belirlenmeli ve seçim süreci dikkatli bir şekilde yürütülmelidir (Ünver, 2015: 86-87).
55