B .U .Ü . S .B .E İŞ L E T M E A . D . Ü R E T İM Y Ö N E T İM İ V E P A Z A R L A M A B .D . T. C. T.C. ULUDAĞ ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI ÜRETİM YÖNETİMİ VE PAZARLAMA BİLİM DALI MARKA KİŞİLİĞİNİN BÜYÜK VERİ KAPSAMINDA TÜKETİCİ DUYGU ANALİZİ YÖNTEMİYLE BELİRLENMESİ (DOKTORA TEZİ) Nebi SEREN BURSA - 2023 M A R K A K İŞ İL İĞ İN İN B Ü Y Ü K V E R İ K A P S A M IN D A T Ü K E T İC İ D U Y G U A N A L İZ İ Y Ö N T E M İY L E B E L İR L E N M E S İ (D O K T O R A T E Z İ) N E B İ S E R E N B U R S A 2 0 2 3 T. C. ULUDAĞ ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI ÜRETİM YÖNETİMİ VE PAZARLAMA BİLİM DALI MARKA KİŞİLİĞİNİN BÜYÜK VERİ KAPSAMINDA TÜKETİCİ DUYGU ANALİZİ YÖNTEMİYLE BELİRLENMESİ (DOKTORA TEZİ) Nebi SEREN 0000-0003-4080-4823 Danışman Prof. Dr. Murat Hakan ALTINTAŞ BURSA - 2023 T. C. BURSA ULUDAĞ ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ MÜDÜRLÜĞÜNE İşletme Anabilim Dalı, Üretim Yönetimi ve Pazarlama Bilim Dalı’nda 711514012 numaralı Nebi SEREN’ in hazırladığı “ Marka kişiliğinin büyük veri kapsamında tüketici duygu analizi yöntemiyle belirlenmesi ” başlıklı Doktora (yüksek lisans / doktora / sanatta yeterlilik) tezi ile ilgili savunma sınavı, …23…/…03…/2023…. günü ……12:45………… - ……13:45…….…….. saatleri arasında yapılmıştır. Alınan cevaplar sonunda adayın …………Başarılı…………….. (başarılı / başarısız) olduğuna ……………….Oy Birliği………….. (oybirliği / oy çokluğu) ile karar verilmiştir. Üye (Tez Danışmanı ve Sınav Komisyonu Başkanı) Akademik Unvanı, Adı Soyadı Üniversitesi Prof. Dr. Murat Hakan ALTINTAŞ Bura Uludağ Üni Üye Akademik Unvanı, Adı Soyadı Üniversitesi Prof. Dr. Ayşe OĞUZLAR Bura Uludağ Üni Üye Akademik Unvanı, Adı Soyadı Üniversitesi Prof. Dr. Feride Bahar IŞIN Başkent Üni. Üye Akademik Unvanı, Adı Soyadı Üniversitesi Prof. Dr. Çağatan TAŞKIN Bura Uludağ Üni Üye Akademik Unvanı, Adı Soyadı Üniversitesi Dr. Ögr.Üyesi İlknur TANRIVERDİ Bandırma Üni. …23/…03/2023 Yemin Metni Doktora tezi olarak sunduğum “ Marka kişiliğinin büyük veri kapsamında tüketici duygu analizi yöntemiyle belirlenmesi ” başlıklı çalışmanın bilimsel araştırma, yazma ve etik kurallarına uygun olarak tarafımdan yazıldığına ve tezde yapılan bütün alıntıların kaynaklarının usulüne uygun olarak gösterildiğine, tezimde intihal ürünü cümle veya paragraflar bulunmadığına şerefim üzerine yemin ederim. 23. 03 .2023 Adı ve Soyadı : Nebi SEREN Öğrenci No : 711514012 Anabilim Dalı : İşletme Programı : Üretim Yönetimi ve Pazarlama Tezin Türü : Yüksek Lisans / Doktora / Sanatta Yeterlilik X SOSYAL BİLİMLER ENSTİTÜSÜ YÜKSEK LİSANS/DOKTORA İNTİHAL YAZILIM RAPORU BURSA ULUDAĞ ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI BAŞKANLIĞI’NA Tarih 23/02/2023 Prof. Dr. Murat Hakan ALTINTAŞ Danışman (Adı, Soyad, Tarih) * Turnitin programına Bursa Uludağ Üniversitesi Kütüphane web sayfasından ulaşılabilir. Tez Başlığı / Konusu: Marka Kişiliğinin Büyük Veri Kapsamında Tüketici Duygu Analizi Yöntemiyle Belirlenmesi Yukarıda başlığı gösterilen tez çalışmamın a) Kapak sayfası, b) Giriş, c) Ana bölümler ve d) Sonuç kısımlarından oluşan toplam 66 sayfalık kısmına ilişkin, 23/02/2023 tarihinde şahsım tarafından Turnitin adlı intihal tespit programından (Turnitin)* aşağıda belirtilen filtrelemeler uygulanarak alınmış olan özgünlük raporuna göre, tezimin benzerlik oranı % 2 ‘dir. Uygulanan filtrelemeler: 1- Kaynakça hariç 2- Alıntılar hariç/dahil 3- 5 kelimeden daha az örtüşme içeren metin kısımları hariç Bursa Uludağ Üniversitesi Sosyal Bilimler Enstitüsü Tez Çalışması Özgünlük Raporu Alınması ve Kullanılması Uygulama Esasları’ nı inceledim ve bu Uygulama Esasları’ nda belirtilen azami benzerlik oranlarına göre tez çalışmamın herhangi bir intihal içermediğini; aksinin tespit edileceği muhtemel durumda doğabilecek her türlü hukuki sorumluluğu kabul ettiğimi ve yukarıda vermiş olduğum bilgilerin doğru olduğunu beyan ederim. Gereğini saygılarımla arz ederim. Tarih ve İmza 23/02/2023 Adı Soyadı: Nebi SEREN Öğrenci No: 711514012 Anabilim Dalı: İşletme Programı: İşletme Doktora Statüsü: Y.Lisans Doktora i ÖZET Yazar adı soyadı Nebi SEREN Üniversite Bursa Uludağ Üniversitesi Enstitü Sosyal Bilimler Enstitüsü Anabilim dalı İşletme Bilim dalı Üretim Yönetimi Pazarlama Tezin niteliği doktora Mezuniyet tarihi ………/………/20…. Tez danışmanı Prof. Dr. Murat Hakan ALTINTAŞ MARKA KİŞİLİĞİNİN BÜYÜK VERİ KAPSAMINDA TÜKETİCİ DUYGU ANALİZİ YÖNTEMİYLE BELİRLENMESİ Bilişim teknolojilerinin baş döndürücü hızla ilerlemesi, yerleşik yöntemlerin yeniden gözden geçirilmesi gerekliliğini açıkça ortaya koymuştur. Müşterilerin işletmeleri nerede gördüğü, işletmeleri zihinlerinde hangi noktaya konumlandırdığı sorusuna cevap arayışı da internet üzerindeki kanallara kaymıştır. İnternet (hem sosyal medya hem de web sayfaları) üzerinde yapılan yorumlar, işletmeler için anlam ifade eder hale gelmiş, bu daha da ileri giderek, işletmeler hakkında neler düşünüldüğü internet üzerindeki yorumlardan hatta bazen sanal ortamdaki davranışlardan tespit edilmeye çalışılır hale gelmiştir. Bu durum günümüzde verinin değerini hızla artırmış, işletmeler içinde sahip oldukları verileri nasıl işleyecekleri ve işledikten sonra bunları nasıl anlamlandırmaları gerektiği konularında yepyeni başlıklar açmıştır. Bu teknolojik gelişmeler, her şeyden önce, işletmelere inanılmaz bir hız kazandırmış, ayrıca aynı verileri farklı perspektiflerden bakarak defalarca işlemenin çok kısa sürede mümkün olması, işletmeler için en değerli kaynaklarından birinin verileri olması sonucunu doğurmuştur. Bu çalışmada, son yıllarda sıkça başvurulan duygu analizi yöntemi farklı bir bakış açısıyla, şimdiye kadar yapılmış analiz boyutlarından daha farklı ve etiketleme işlemini basitleştiren yöntemlerle özgün hale getirilmiştir. Duygu analizi için denetimli öğrenme örneği olabilecek, makine öğrenmesi metodu kullanılarak duygu analizi yapılmış, bu esnada ihtiyaç duyulan öğrenme mekanizması marka kişiliğinin literatürdeki genel yaklaşımı olan boyutlar ele alınarak incelenmiştir. Sonuçta, turizm işletmelerine, onlar hakkında yapılan yorumların, genel olarak müşterilerin onlara hangi marka kişiliğini atfettiğini söyleyebilmeyi hedeflemektedir. Anahtar kelimeler: Büyük veri, tüketici, duygu analizi, marka kişiliği, metin analizi ii ABSTRACT Name & surname Nebi SEREN University Bursa Uludağ University Institute Institute of Social Sciences Field Business Administration Subfield Production Management and Marketing Degree awarded PhD. Date of degree awarded ………/………/20…. Supervisor Prof. Dr. Murat Hakan ALTINTAŞ DETERMINING BRAND PERSONALITY PERCEPTIONS OF CONSUMERS WITH SENTIMENTAL ANALYSIS IN BIG DATA CONTEXT The dizzying advancement of information technologies has clearly demonstrated the necessity of reconsidering established methods. The search for answers to the question of where customers see businesses and where they position them in their minds has also shifted to channels on the internet. The comments made on the Internet (both social media and web pages) have become meaningful for businesses, and this goes even further, trying to determine what is thought about businesses from the comments on the Internet and sometimes even from the behaviors in the virtual environment. This situation has increased the value of data rapidly today, and opened new topics on how businesses should process the data they have and how they should make sense of them after processing. These technological developments, first of all, have given businesses an incredible speed, and the fact that it is possible to process the same data from different perspectives in a very short time has resulted in data being one of the most valuable resources for businesses. In this study, the sentiment analysis method, which has been frequently used in recent years, has been made unique with a different perspective, different from the analysis dimensions made so far, and methods that simplify the labeling process. Sentiment analysis was made using the machine learning method, which can be an example of supervised learning for sentiment analysis, while the learning mechanism needed was examined by considering the dimensions that are the general approach of brand personality in the literature. Ultimately, it aims to be able to tell tourism businesses which brand personality the comments made about them, in general, the customers attribute to them. Keywords: Big data, consumer, sentiment analysis, brand personality, text analysis iii ÖNSÖZ Çalışmada duygu analizi yapılarak, turizm işletmelerine, tüketicilerin onlara hangi marka kişiliğini uygun gördükleri ortaya konulmaya çalışılmıştır. Literatürde son zamanlarda duygu analizi çok irdelenmiş olsa da bu çalışma ile olumsuz duygular çıkarıldıktan sonra beşli ölçek uygulanmış ve tamamen farklı bir duygu analizi yapısı ortaya konmuştur. Ayrıca denetimli ve yarı denetimli öğrenmenin en önemli sorunlarından biri olan etiketleme işlemine de bu çalışma altında geliştirilen bir uygulama ile pratikleştirme sağlanmıştır. Bursa Uludağ Üniversitesinde görevime ve eğitimime başladığım günden bu yana girdiği derslerimde bana dersleri ve dahası mesleğimi sevdiren insanlardan biri olan, danışman hocam, Prof. Dr. Murat Hakan ALTINTAŞ başta olmak üzere özellikle işletme bölümünün güler yüzlü ve anlayışlı akademisyenlerine, teşekkür ederim. Benim için hayatı daha anlamlı hale getiren Yeşim, Halil ve Ediz’e sevgilerimle ithaf ediyorum. Nebi SEREN iv İÇİNDEKİLER ÖZET i ABSTRACT ii ÖNSÖZ iii İÇİNDEKİLER iv ŞEKİLLER LİSTESİ vi TABLOLAR LİSTESİ vii KISALTMALAR TABLOSU viii GİRİŞ 1 BİRİNCİ BÖLÜM MARKA KİŞİLİĞİNİN TEMEL YAPISI 1. KİŞİLİK KAVRAMI VE TÜKETİCİ DAVRANIŞLARI İLİŞKİSİ 4 2. MARKA KİŞİLİĞİ KAVRAMI 6 2.1. MARKA KİŞİLİĞİNİN İÇERİĞİ 8 2.2. MARKA KİŞİLİĞİNDE BENLİK-UYUMU ETKİSİ 9 2.3. MARKA KİŞİLİĞİNDE İNSANLAŞTIRMANIN ETKİSİ 11 2.4. MARKA KİŞİLİĞİ BOYUTLARI VE ÖLÇEKLER 11 2.4.1. Marka Kişiliği Boyutları ve Ölçümler 12 2.4.2. Marka Kişiliğine Yönelik Çalışmaların Detayları 14 İKİNCİ BÖLÜM BÜYÜK VERİ KAVRAMI VE ANALİTİĞİ 1. BÜYÜK VERİNİN İÇERİĞİ 19 1.1. İŞLETMELERDE BÜYÜK VERİNİN KULLANIMI 21 1.2. BÜYÜK VERİNİN PAZARLAMA ALANINDA KULLANIMI 23 1.3. BÜYÜK VERİNİN MARKA ALANINDA KULLANIMI 24 2. DUYGU ANALİZİ YÖNTEMİ 29 v ÜÇÜNCÜ BÖLÜM TÜKETİCİ YORUMLARINDAN MARKA KİŞİLİĞİNİN ANALİZ EDİLMESİ 1. ARAŞTIRMANIN AMACI ve KAPSAMI 38 2. ARAŞTIRMANIN YÖNTEMİ 39 3. UYGULAMA ÇALIŞMASI 40 3.1. VERİLERİN ELDE EDİLMESİ 42 3.1.1. Verilerin Web Sayfasından Elde Edilmesi 43 3.2. VERİLERİN İŞLEME HAZIR HALE GETİRİLMESİ 46 3.3. VERİ ETİKETLEME 48 3.4. DUYGU ANALİZİNİN GERÇEKLEŞTİRİLMESİ 53 SONUÇ 59 ARAŞTIRMANIN KISITLARI VE GELECEK ÇALIŞMALAR İÇİN ÖNERİLER 63 KAYNAKÇA 65 ÖZGEÇMİŞ 76 vi ŞEKİL LİSTESİ Şekil 1: Marka tanımlama prizması 14 Şekil 2: Büyük Veride 3V’nin alt unsurları 20 Şekil 3: Sosyal Medya Analitiği için izlenecek yolun özeti 27 Şekil 4: Duygu analizinin nicelleştirilmesi 30 Şekil 5: Makine Öğrenmesi Tekniklerinin Sınıflandırılması 35 Şekil 6: Uygulamanın geliştirilme aşamaları (Uygulamaya ait akış diyagramı) 41 Şekil 7: Alınan verilere ait örnek excel dosya görüntüsü 45 Şekil 8. Veri ön işleme sonrası veri tabanının görüntüsü 47 Şekil 9: Veri ön işleme yapan kodlardan bir bölüm 48 Şekil 10: Veri Etiketleme için hazırlanan uygulamamanın kodları ve açıklanması 50 Şekil 11: Hızlı etiketleme uygulamasına ait ekran görüntüsü 51 Şekil 12: Etiketleme işleminin ardından veri tabanına ait görüntü 52 Şekil 13: Duygu analizinin gerçekleştirildiği Python kodlarından bölümler 54 Şekil 14: Ara yüz olmadan yapılan analiz sonucu örneği 55 Şekil 15: Ara yüz Sunucu Bağlantısı 56 Şekil 16: Girilen metinde analiz yapılıp sonucun gösterildiği ekran 57 Şekil 17: Arayüz ekranına girilen cümlelerin duygu analizi sonucu 57 vii TABLO LİSTESİ Tablo 1:Aaker’ın (1997) marka kişiliği ölçeğine ilişkin çalışmaların gelişimi ve içeriği 18 Tablo 2: Türkçe yazında yer alan bazı marka kişiliği boyutları 37 viii KISALTMALAR TABLOSU e-WOM - Electronic Word-of-Mouth (eWOM) (Elektronik Ağızdan Ağıza İletişim) CRM - Customer Relationship Management (Müşteri İlişkileri Yönetimi) IOT - Internet Of Things (Neslerin İnterneti) TV - Television SVM - Support Vector machine (Karar destek Sistemleri) LDA - Linear discriminant analysis (Lineer Diskriminant Analizi) k-NN - k-nearest neighbors (K en yakın komşular) PU - Pozitive and unlabeled (etiketlenmemiş pozitif) LR - Logistik regresyon Colab - Google Colaboratory Vd. - Ve diğerleri Bkz. - Bakınız 1 GİRİŞ İş zekası uygulamalarının yoğunlaştığı ve büyük veriyi oluşturma ve yönetmenin ötesinde analiz etmenin ön plana çıktığı son dönem gelişmeler güçlü bir veri yönetim mekanizmasını gerekli kılmaktadır (Agrawal vd.,2011). Diğer yandan markalar performanslarını iyileştirmek ve karlılıklarını artırmak için sosyal medya ağırlıklı olmak üzere tüketicilerin kendileri hakkındaki bilgilere erişmenin ve bunun devamında kendileri için kıymetli verileri yakalayabilmek adına dağınık verileri işlemek ve bunları işlevsel hale getirmek için ciddi yatırımlar yapmaktadırlar (Alsghaier vd., 2017). Söz konusu öncelik ve önemlilik ağırlığını pazarlama özelinde de yer almaktadır. Müşterilerin ihtiyaç alanlarını öğrenmek, tahmin etmek ve karşılamak için kullanılan büyük veri temelli çalışmalar artmaktadır. Diğer yandan daha özel bir olarak markalara yönelik tutumun bir karşılığı olan marka kişiliği boyutlarını belirlemekte yine gelişen bir alan olarak karşımıza çıkmaktadır. Literatürde marka kişiliği boyutlarının belirlenmesi ve bununla birlikte ölçümlenmesi son dönemde yoğun biçimde incelenmektedir. Özellikle Aaker’ın (1997) kavramsallaştırmasını takiben marka kişiliği olgusu hem boyut hemde alt boyut olarak genişleyen bir alana sahip olmuştur. Özellikle marka kişiliği kavramındaki kişilik olgusu kişilik kavramının esası ile bazı durumlarda örtüşmemesi, psikoloji alanı ile etkileşime girmesi, kullanılan kişilik ifadelerinin ölçüm sürecindeki yeri inceleme konusu olmaktadır (Azoulay ve Kapferer, 2003). Dolayısıyla marka kişiliğini kesin olarak betimleyen ifadelerin belirlenmesi ölçüm sürecinde ön planda yer almaktadır. İlk dönem marka kişiliği yazınında daha önce belirlenen marka kişiliği ifadeleri tüketicilere özellikle likert ölçek bağlamında değerlendirmesi sağlanmakta ve açıklayıcı faktör analizi ile sınıflandırılmaktadır (Geuens vd., 2009). Tüketicilerin teknolojik ilerlemenin bir sonucu olarak online platformlar ile sosyal medya üzerinden görüş ve düşüncelerini aktarmaya başlaması ve bunu son dönemde yoğun bir şekilde kullanıyor olması markaları değerlendirmeye yönelik tercih ettiği ve tüketici üzerinde özgün olan ifadelerin anlık ve kümülatif olarak yüksek hacimli verilerin ortaya çıkmasını sağlamıştır. Marka kişiliğinin sektöre, kültüre, kişiye, ürüne ve satın alma davranışına bağlı yapısı statik değil dinamik bir marka kişiliği olgusunun gündeme gelmesini tetiklemektedir. Büyük veriye dayalı duygu analizi yöntemiyle tüketicilerin düşüncelerinden yola çıkarak, kendi bağlamında 2 oluşan marka kişiliği boyutlarının otomatik olarak belirlenmesi tezin çıkış noktasıdır. Son dönemde, özellikle twitter gibi hızlı ve güçlü geri beslemeler sağlayan sosyal medya araçları ile tüketicilerin marka kişiliği algıları ölçümlenmeye başlamıştır (Watkins ve Lee, 2016; Cruz ve Lee, 2014). Doktora tez çalışmasının odaklandığı alan ise tekil bir otel işletmesine yönelik yönlendirilen yorumların ortaya çıkardığı marka kişiliği algısıdır. Böylelikle marka kişiliğinin temel varsayımlarından biri olan tüketici benlik ve marka kişiliği arasındaki uyum düzeyi daha iyi anlaşılmaktadır. Türkiye’de ulusal tez merkezi verilerine göre 2017-2021 yılları arasında sosyal bilimler alanında yapılmış, duygu analizi içerikli toplam beş adet doktora tezi bulunmaktadır ( https://tez.yok.gov.tr/UlusalTezMerkezi/ tarama.jsp#tabs-2 )1. Dolayısıyla mevcut doktora tezi büyük veriye dayalı bir modelleme içermeyen ancak araştırmacı tarafından hazırlanan özgün bir uygulama geliştirerek hem akademik hem de pratik katkı yapmayı hedeflemiştir. Geliştirilen uygulama neticesinde, tüketicilerin görüşlerine dayalı olarak marka bazında hangi boyutları kişilik olarak atfettiği otomatik olarak belirlenmiş olacaktır. Doğal olarak uygulama kodların yazımıyla oluşturulmuştur. Doktora tez araştırmacısının bilgisayar mühendisi olması ve gerekli kod yazımına ilişkin yetkin bilgi seviyesinde bulunması konunun teorik olarak incelenmesinin ötesinde, teknik katkı yaparak alanın sosyal bilimlerde gelişmesine ciddi katkı sunmuştur. Büyük veri içerisinden marka kişiliğini tespit çalışmaları çok detaylı şekilde devam etmektedir. Bu çalışmalarda söz konusu olan temel yapı insan düşünceleri olduğundan çalışmalarda çok geniş çerçevede sürmektedir. Aynı etkinin yaratacağı tepkiler toplumların kültürlerine, bireylerin cinsiyetine, yetiştirildeki mikro çevrenin genel davranış kalıplarına bağlı olarak değişebilmektedir. Bu bağlamda doktora tez çalışmasında mevcut çalışmaların daha ileri götürülebilmesi için literatürde kabul görmüş kişilik boyutlarına farklı bir bakış açısı ile yaklaşmanın yanında sadece tercih edilen yorumların üzerinde bir çalışma yapılarak tespit edilmeye çalışılan marka kişiliğinin daha doğru şekilde ortaya çıkarılması için çaba gösterilmiştir. Daha açık bir anlatımla, marka kişiliğinin tespiti için kullanılacak olan müşteri yorumları, web sayfalarından alınarak önce uygulamayı kullanan kişi tarafından etiketlenmelidir. Bu etiketleme literatürde 1 Aranacak kelimeler Duygu analizi, yıl 2017-2021, Tez türü doktora, Grubu sosyal seçilerek tarama yapıldığında elde edilen sonuçtur. 3 denetimli makine öğrenmesi olarak karşılık bulmaktadır. Ardından, Aaker(1997) beşli marka kişiliği boyutlarına, olumsuz etiketi ekleyerek, altı açıdan kategorize edilmektedir. Olumsuz etiketini eklenmesinin amacı, olumsuz olan yorumları öncelikle devre dışı bırakarak onları incelememize dahil etmemektir. Bu çalışmada olumsuz yorumlar ölçümlememiştir, sadece olumlu yorumların Aaker(1997) beş boyutlu marka kişiliği modelinden hangi marka kişiliği boyutun işaret ettiğini tespit edilmeye çalışılmaktadır. Ancak markaların sürekli olarak marka kişiliği yaptırması hem kesikli bir veriyi ifade etmekte, hem de maliyetli olmaktadır. Analiz sıklığının iyi ayarlanamaması durumunda marka kişiliği algısının “eskime” riski sözkonusudur. Dolayısıyla dijitalleşme çağında verinin sürekli hareket ettiği bir ortamda, anlık ve tüketicinin dilinden elde edilen verilerin kullanılması rekabet üstünlüğü sağlayacaktır. Çevrimiçi tüketici yorumlarına dayalı veriler üzerinde, algılanan marka kişiliğini tespit etmeyi hedefleyen tez çalışmasında, belirtildiği üzere ana sorunsal marka kişiliğinin tüketici yorumlarıyla eşleşmesini sağlamaktır. Bu kapsamda kurgulanan tez çalışması üç ana bölümden oluşmaktadır. Birinci bölüm, marka kişiliği olgusunun kavramsallaştırılması ve nasıl ölçüldüğünün belirlenmesine odaklanmaktadır. İkinci bölümde büyük veri analitiği temelinde duygu analizi açıklanmıştır. Son bölümde ise marka kişiliğini otomatik olarak ortaya çıkarma hedefi olan bir uygulama geliştirilmiştir. Çalışmanın temel kapsamı, internet ortamından ulaşılan kişi yorumlarını duygu analizi algoritmasına tabi tutarak kişilerin bu yorumları hangi duygular içerisinde yazdıklarını, işletmeye karşı ne hissederek yazdıklarını anlamak ve bunu yaparken marka kişiliği sınırları içerisinde kalarak işletmeye atfedilen marka kişiliğini tespit edebilmektir. Bu noktada uygulama, çok küçük değişiklikler yapılarak kapsamı değiştirilebilecek esnek bir yapıdadır. Çalışma her ne kadar otel yorumları üzerinden, bir turizm tesisine atfedilen marka kişiliğini tespit etmiş olsa da, küçük değişiklikler ile çok daha farklı işletmeler için bu çalışmayı tekrar etmek veya farklı kapsamlar çerçevesinde yapmak mümkün görünmektedir. 4 BİRİNCİ BÖLÜM MARKA KİŞİLİĞİNİN TEMEL YAPISI 1. KİŞİLİK KAVRAMI VE TÜKETİCİ DAVRANIŞLARI İLİŞKİSİ Kişilik kavramını tanımlamaya yönelik ilk dönem çalışmalar, kişiliği, daha çok kimlik oluşumunun bir parçası olarak meşru, gelişim odaklı ve çevreden etkilenen bir yapı olarak incelemiştir (Jensen, 1958). Kişilik, karakteristik düşünme, hissetme ve davranış kalıplarındaki bireysel farklılıklar temelinde, iki temel noktada inceleme alanı bulmaktadır: Birincisi, belirli kişilik özelliklerindeki bireysel farklılıkları ele alırken, diğeri, kişiliğin çeşitli unsurlarının bütüncül birlikteliğini incelemektedir (American Psychological Association, 2022). Mayer (2007), çalışmasında kişiliğin çeşitli tanımlarını vurgulayarak ortak yapının düzenli, gelişen ve kişinin eylemleriyle özdeşleşen alt unsurlar sistemi olduğunu belirterek, bu sistemin temelinde de, güdü, duygu, bilişsel model ve benliğin ön planda olduğunu vurgulamıştır. Bergner (2020), kişilik kavramını tanımlamaya ilişkin yeni bir bakış açısı oluştururken kişiliğe ilişkin belirli kalıpların var olduğunu ve bunun incelenmesi gerektiğini belirtmiştir. Bu kapsamda kişiliğin muhakkak nedensellik yönünün olması gerekmediği, kişiyi tamamen bir olgu olmadığını vurgulayarak, kavramın özünde kişiyi topluma göre dengeleyen süreklilik arz eden ve fıtrata dayalı bir niteliği olduğunu vurgulamıştır. Sheldon ve Kasser (1995, s.533) ise kişiliğin bütünleşik özelliğe sahip olduğunu ve bu bütünleşme özelliğinin tutarlılık ve uyum şeklinde gerçekleştiğini incelemiştir. Bu mantıkla incelendiğinde, tutarlılık kişinin hedefleri arasındaki bağıntıları içerirken, uyumluluk kişinin belirlediği nedenlere dayalı hedefleri takip etmeyi ve özünde tatmin edici aktiviteler gerektiren hedeflere yönelmeyi içermektedir. Özetle tutarlılık, hedeflerin birbiriyle ilişkilerini incelerken, uyumluluk, hedeflerin organik ihtiyaçlarla bağlantısına odaklanır. Snyder ve Ickes (1985), ise kişiliği sosyal davranış açısından ele alarak üç temel yapıya göre analizini gerçekleştirmiştir. Birincisi, bireylerin kendi içerisinde var olan göreceli sabit özelliklerin, meyletme anlamında var olan unsurlar temelinde incelenmesidir. İkincisi, söz konusu kişinin kendisinde var olan özellikler ile şartlar 5 arasındaki etkileşim kurulması temelindeki yaklaşımdır. Üçüncü analiz düzlemi ise, sosyal şartlara bağlı özelliklerin temelinde kişiliğin incelenmesidir. Kişilik ve tüketici davranışları arasındaki etkileşim, tezin özünü oluşturan marka kişiliğinin yapısı açısından önemli bir girdidir. Bu anlamda, söz konusu etkileşim psikoanalitik teori, sosyal teori, dürtü-tepki teorileri, özellik teorileri bağlamında incelenmekte, aynı zamanda, benlik ve yaşam tarzı açısından da yorumlanmaktadır (Kassarjian, 1971). Tüketici davranışları bağlamında kişilik, aynı zamanda tutum ve tutumu değiştirme bağlamında incelenmektedir ve tüketicinin karar veya tercih mekanizmasını etkilemektedir (Haugtvedt vd., 1992, s.256). Bu bağlamda, tüketicilerin kişiliğinin markalarla örtüşeceği ve kendi kişilik yapısı ile marka kişiliği arasında bir uyum arayışı içine gireceği düşünülebilir. Literatürde, tüketici kişiliği ve marka kişiliği arasındaki uyumun, benlik uyumu ile çalıştığı görülmektedir (Yao vd., 2015). Benzer şekilde tüketici ve marka arasındaki uyumlaştırma süreci, kişiliğin içsel veya örtük bağlamda, değişmezlik özelliği temelinde, tüketicinin markaya ilişkin bilgi işleme ve değerlendirme gücü ile ilintilidir ( Mathur vd., 2012). Huang vd. (2012), tüketici ve marka kişiliklerinin aynı olup olmadığını incelemiş olduğu çalışmada, markaya atfedilen kişilik özellikleri ile insana atfedilen kişilik özellikleri arasında bir eşleşme kurma bağlamında marka kişiliği ve insan kişilik özelliklerinin aynı anlamda faktör yapısına sahip olduğunu tespit etmiştir. Genel olarak tüketicilerin markalara yönelik kişilik uyumlaştırması, algılama ile ilgilidir. Bu bağlamda tüketicilerin markaları hangi açıdan ele aldığı ve kişilik atfettiği önemlidir. Maehle vd. (2011, s.291) çalışmalarında, iki temel sorunsalı incelemişlerdir. Bunlar, tüketicilerin hangi markaları belirli kişilik boyutlarının dışında algıladığı ve bu markalar arasında hangi ortak özellikleri dikkate aldığı ile markalara Aaker(1997) tarafından düzenlenen marka kişiliğinin hangi alt boyutlarını yakıştırdığıdır. Özetle, kişiliğin kavramsallaştırılması ve tüketicilerin marka ile olan etkileşimlerinde atfettiği marka kişiliği unsurları önemli bir inceleme alanıdır. Bu bağlamda tezin sonraki bölümlerinde söz konusu varsayım ayrıntılı olarak incelenmiştir. 6 2. MARKA KİŞİLİĞİ KAVRAMI Marka kişiliği “bir markayla ilişkili insan özellikleri seti” olarak tanımlanmaktadır (Aaker 1997, s.347). Rakip markaların, incelenen markadan farklarını görmek için daha derin bilgilerini elde edebilmek, işletmeye farklılaşma yolunda büyük bir avantaj sağlayacaktır. Marka kişiliği tam bu noktada devreye girmektedir, kişilik özelliği atfedilmiş markaları daha derin incelemek marka kişiliği sayesinde mümkün olmaktadır (Freling ve Forbes, 2005). Alt ve Griggs (1998), ilk bakışta sıra dışı bir fikir gibi görünen markalara insan özellikleri atfedilmesinin, başarılı markaların fiziksel ve fonksiyonel değerlerinin ötesinde katma değerler sağladığını öne sürmüşlerdir. Bu noktada markalara insan özelliklerinin atfedilmesinin işletmelere katkısının ne olacağına ilişkin düşünce, temel olarak öncelikle kişilik kavramının incelenmesini ve marka kişiliğinin kapsamının belirlenmesini gerektirmektedir. Aşağıda bu ifade edilenler ayrıntılı olarak açıklanmıştır. Tüketicilerin markaya ilişkin kurmuş oldukları etkileşimin sonucu olarak ortaya çıkan subjektif algılar temel belirleyicidir. Aslında bir insanın kişilik özellikleri, davranışı, tutumları, demografik özellikleri ve inançlarından oluşmaktadır. Bu açıdan bakıldığında marka kişiliği insan kişiliği ile uyuşmaz. En azından markaların bir davranışı yoktur. Daha çok fiziksel özellikler ve fonksiyonlar marka kişiliğini belirler (Sung ve Kim, 2010;s.640-41). Marka kişiliği tüketicilerin markaya duydukları güven ve bağlanım düzeylerini etkileyerek marka sadakati yaratmaktadır. Bu açıdan bakıldığında tüketicinin marka ile kurmuş olduğu ilişkide önemli bir değişkendir. Bu açıdan bakıldığında marka kişiliğine ilişkin atfedilen alt unsurların algısal karşılıkları önemli olmaktadır. Diğer bir ifadeyle marka kişiliğini oluşturan alt yapıların tüketicilerin algı düzeylerini de belirlediği söylenebilir (Ahmad vd., 2021). Bu açıdan bakıldığında tüketicinin markaya atfettiği kişilik karşılıklarının olumlu veya olumsuz olması bilişsel anlamda markaya duydukları tutumun bir yansıması olarak kullanılabilir. Marka kişiliği aynı zamanda tüketicinin markanın algısal anlamada nasıl olması gerektiğine ilişkin zihinsel ve duygusal olarak kavramsallaştırdığı kalıplardır. Bu açıdan bakıldığında tüketicilerin markalara kişilik üzerinden atfettikleri özellikler belirleyici olmaktadır (Hassey, 2019). Marka kişiliği genelleştirilmiş bir kavram olarak değil aynı zamanda kişiye, kültüre, demografiye ve ortama göre şekillenebilen özelliğe sahiptir. Priporas vd. (2020) çalışmalarında marka kişiliğinin kuşaklar açısından farklı algılanabileceğini belirterek 7 iktisadi sorunlar içerisinde atfedilen kişilik özelliklerinin değişebileceğini belirtmiştir. Diğer bir bakış açısı olarak Shi ve Shan’ın (2018) çalışmaları gösterilebilir. Yazarlar marka kişiliğini kullanılan dilin yapısı ve içeriğine bağlı olarak şekillenebildiğini ve bu anlamda kültür unsurlarının belirleyici olabileceğine vurgu yapmıştır. benzer şekilde kültürel unsurlar olarak değer ve inanç yapılarının üst sistem olarak marka kişiliği üzerinde etkileyici olduğunu saptamışlardır (Kuo vd., 2022; Sung ve Tinkham, 2005). Marka kişiliği ve yaşanılan bölgenin kültürel yansımaları ile olan ilişkisi ise Ahmad ve Thyagaraj’ın (2014) çalışmalarında yer almaktadır. Yazarlar literatür incelemesi ile farklı ülkelerin marka kişiliğine hangi boyutlar üzerinde baktığını incelemiş ve genel bir çerçeve çizmiştir. Marka kişilik algılarının evrensel olabileceği gibi kültürel gömüklük teorisi açısından da çalışabilecek bir yapısı olduğundan hareketle, ülkelerin kendilerine ait marka kişilik boyutlarının da oluşturabileceği ifade edilmektedir ( Bkz. Almanya’ya özgü marka kişilik boyutları, Bosnjak vd., 2007). Bu kapsamda ayrıca marka kişiliği boyutlarının kültürel geçerliliğinin yapılarak ülke uyumlaştırması çalışmaları mevcuttur (Tunca, 2014). Dolayısıyla kültürel boyutlar marka kişiliği açısından etkileyici özelliklere sahiptir. Kendi kültürel boyutlarının özellikleri tüketicilerin yansıttığı marka kişilik boyutları uyumlu olabilmektedir (Unurlu ve Uca, 2017). Marka kişiliği kültürün kendi iç mekanizmasından olduğu kadar kültürün alt unsurlarından biri olarak incelenen cinsiyet algısı açısından da tüketicilerin marka kişiliğine atıflarını etkilemektedir. Mulyanegara vd. (2009) çalışmalarında insan kişiliğinin ölçümlenmesinde literatürde yer bulan büyük beşli sınıflandırması açısından marka kişiliğini inceleyerek, cinsiyet temelli bir yaklaşımla hangi marka kişilik ifadelerinin baskın olduğunu belirlemeye çalışmışlardır. Örneğin, güvenilir marka kişiliğine atıf yapmada erkek ve kadın tüketicilerin kişilik yapılarının farklı olduğu görülmüştür. Dolayısıyla belirli bir marka kişiliğinin oluşumunda erkek ve kadının kendi kişilik yapılarının farklı olabileceği görülmektedir. Bu açıdan arketip araştırmalarında cinsiyet farklılıkları önemli görülmektedir (Mazure, 2009). Bazı çalışmalar ise marka kişiliğinde eril-dişil yüklemesinin yapıldığını belirtmektedir. Marka kişiliğinde eril-dişil ayrımının markanın cinsiyetinin de belirlenmesi açısından önem taşıdığı belirtilmiştir. Dolayısıyla tüketicilerin erillik dişillik algıları markaya yansımaktadır (Grohmann, 2009; Lieven vd., 2009). Tüketicilerin markalara yüklediği kişilik algıları ses-anlam açısından da incelenmektedir. Marka isminin ses olarak çağrıştırdığı anlam karşılığı tüketicinin 8 zihnindeki kişilik yapısıyla örtüşmekte ve buna göre biçim kazanmaktadır. Marka isminde yer alan ses, fonetik sembolizmin önerdiği gibi markanın cinsiyet hedefiyle uyumlu olduğunda, tüketiciler marka adını daha çok beğenmekte ve uyumsuz durumlara kıyasla markaya karşı daha olumlu tepkiler vermektedir. Sözkonusu anlam karşılıkları cinsiyet açısından da önemli olmaktadır (Wu vd., 2013). Özet olarak erkek ve kadın tüketicilerin benlik uyumlarının bir uzantısı olarak markalara farklı cinsiyet algıları yükledikleri söylenebilir (Das, 2014; Adomaitis ve Saiki, 2019). 2.1. MARKA KİŞİLİĞİNİN İÇERİĞİ Markalar kişilik kavramını, tüketicilerin kendilerini ifade etme biçimi veya markanın kendisini diğer tüketicilerden farklılaştırarak ağırlıklı olarak duygusal faydaları deneyimlemesi olarak ele alırlar (Phau ve Lau, 2000). Marka kişiliği ise, kavram olarak çoğunlukla yaşamsal alan içerisinde, insanlara atfedilen kişilik özelliklerine göre kavramsallaştırılmaktadır (Aaker ve Fournier, 1995). Bazı durumlarda marka kişilikleri tüketicilerin markanın kendi fiziksel özelliklerinden değil, belirli şöhretler üzerinden gerçekleştirmiş olduğu iletişim kampanyaları neticesinde oluşan ve o şöhretin kişiliğinin bir yansıması olabilir (Arora vd., 2021). Ayrıca, sosyal bilgi işleme teorisinin bir yansıması olarak, tüketicilerin teknolojik ortamlarla girdiği etkileşimlerin bir sonucu olarak zihinlerindeki marka kişiliği algılarının da değişebildiği ve oluşabildiği görülmektedir (Garanti ve Kissi, 2019). Temel varsayım olarak; tüketicilerin insani özelliklere sahip olarak algıladıkları ve özdeş gördükleri markaları seçtiği ve bu markalarla bağlantı kurduğu belirtilmektedir. Burada markaların sembolleri, fiziksel vb. özellikleri belirtilen marka kişiliğinin algısal yansımaları olarak ifade edilmektedir. Marka kişiliği, yetkin, eğlenceli veya modern yada dışadönük gibi insan kişiliklerini temsil eden unsurların genel bir yapısı olarak incelenmektedir. Tüketiciler tercih ettikleri markalar aracılığıyla bir anlamda kendi kişiliklerini de ifade ederek, kendi başarı yada sosyal statülerini gösterme olanağına sahip olmaktadırlar. Bu özdeşleşme neticesinde ortaya çıkan memnuniyet hissi zamanla tekrar satın alma ve marka sadakatini artırdığı belirtilmektedir; dolayısıyla şirketlerin marka üzerinden elde edeceği karlılık düzeyleri artmaktadır (Markovic vd., 2022, s.1). Bu 9 bağlamda, Freling ve Forbes (2005) çalışmalarında marka kişiliği olgusunun tüketicinin zihninde oluşturduğu imaj ile örtüştüğünü belirtmekte ve buradan hareketle tüketicinin arzulanan kişilik algısı ile uyum sağladığını ve bir anlamda içselleştirildiğini vurgulamıştır. Dolayısıyla marka kişiliği özü itibariyle benlik uyumu ile hareket eden bir niteliğe sahiptir. Pandey (2009), yaptığı çalışmada, günümüzde teknolojinin ve rekabetin hızına yetişmenin işletmeler için ne kadar önemli olduğunu belirtmiş ve bu rekabette gücü ele geçirmenin en kestirme yolunun da marka ile ilgili yeni geliştirmeler üzerinde çalışmak olduğunu işaret etmiştir. Bu noktada markanın, müşterilerde hangi algıyı yarattığının bilinmemesi durumunda, geliştirilemeyeceği vurgusu yaparak, bu olgu üzerinden marka kişiliğinin önemi açıklamıştır. Dolayısıyla algısal anlamda marka kişiliğini oluşturan semboller ve anlamlar, markaların doğasında olmasada, genellikle bilinçli ve bazen de bilinçsiz olarak kurumsal iletişim ve müşteri tepkileri yoluyla markayla özdeş hale gelmektedir (Wee 2004). Literatürde marka kişiliği algısı, tüketicilerin çeşitli tutumlarıyla olan ilişkisi açısında da ele alınan bir olgudur. Bu bağlamda kültürel anlamda sembolik faydaya dayalı tercihte bulunma (Özçelik ve Torlak, 2007), markalarla algısal uyumuna (Saliha ve Sakarya, 2014), ideal marka kişiliği ile algıladığı marka kişiliği ilişkisi ( Malar vd., 2012) veya marka kişiliğinin kültürler arası uyumu (Geuens vd., 2009) şeklinde çalışmalar yapılmıştır. Tüketicilerin markalara yönelik kişilik yüklemelerinin temelinde daha önce kısaca bahsedildiği gibi öz-uyum ile insanlaştırma kavramları yer almaktadır. Marka kişiliği insani özellikler bağlamında incelendiği için markaların tüketicilerini bilişsel yapılarında “insanilik” niteliği yaratmaya çalışmaktadırlar. 2.2. MARKA KİŞİLİĞİNDE BENLİK-UYUMU ETKİSİ Marka kişiliği markalara uygun olduğu düşünülen ve insan kişiliğini ifade eden unsurların kullanılması şeklinde kavramsallaştırılmaktadır. Bu anlamda marka kişiliği marka konumlandırmasına destek olan ve tüketicilerin kendilerini marka ile özdeş görmelerini sağlayan bir unsur olarak işlerlik kazanmaktadır. Dolayısıyla tüketici kendini markaya kişilik üzerinden yakın hissetmekte, benliği ile uyum sağlayacak bir mekanizma kurgulamakta, özetle markaya anlam yüklemektedir. Bu durum markaların insani özelliklere atfeden iç dinamiklerinin olduğu varsayımından hareket etmektedir (Azoulay 10 ve Kapferer, 2003, s 143-155). Phau ve Lau (2000) çalışmalarında öz-uyumun marka kişiliği ile olan etkileşimini ve rolünü dört ana faktör üzerinde değerlendirmişlerdir. Bunlar; – Marka ve öz-uyum ilişkisi özdeşleşme süreci içerisinde şekillenmektedir ve bu süreç içerisinde aynı zamanda tüketicinin algısı da değişebilmektedir. – Bireyci tüketicilerin, söz konusu uyumu bekleme derecesi toplumcu tüketicilere kıyasla daha güçlü bir eğilime sahiptir. – Demografik konumlandırma yapan markalar, söz konusu uyumu daha güçlü şekilde sağlamaktadırlar. – Tercih ettikleri markayla özdeşleşen tüketiciler, olmak istedikleri ve kendilerinde var olan kişilik boyutlarını, markanın algılanan kişiliğine daha iyi yansıtmaktadır. Kim vd. (2005) yaptıkları çalışmada marka ile hedef müşterileri arasında uzun vadeli bir ilişki kurma ve sürdürmenin, bir şirketin hayatta kalması ve büyümesi için kritik öneme sahip olduğunu vurgulamışlardır. Araştırmalarında, tüketici-marka ilişkisinin oluştuğu duygusal süreci incelemiş, marka kişiliği ile tüketici benlik kavramı arasındaki uyumun ilişki süreci üzerindeki olası etkilerine odaklanmıştır. Bu çalışmanın sonuçları, marka kişiliği ile tüketici benlik kavramı arasındaki uyumun sevgi, gurur ve neşe gibi duyguları alevlendirdiğini ve nihayetinde marka bağlılığı veya benlik saygısı oluşturma süreci yoluyla, uzun vadeli bir tüketici-marka ilişkisini teşvik ettiğini göstermektedir. Marka kişiliği birçok çalışmada kişinin kendi kişilik özellikleri ile markaya atfettiği kişilik özelliklerinin uyumu bağlamında incelenmiş olsa da, marka kişiliği sadece öz uyum ile ilgili bir olgu değildir. Farklı kaynaklarda marka kişiliği markanın özgünlüğü üzerinden ve hatta avantajlı oluşu üzerinden incelenmiştir. Freling vd., (2011) markanın kişiliğini aynı ürün kategorisindeki diğer markalardan farklı ve yeni olarak algılama derecesi olarak tanımlamışlardır. Yine aynı çalışmada, avantajlı olma, ayrıştırıcı bir marka kişiliği olduğu ancak hedef kitleye belirgin şekilde gösterilmezse etkinliğini yitirdiği belirtilmiştir. Bu noktada tüketicilerin sadece öz uyum kavramına değil, bazen çok daha farklı açılardan marka kişiliğine anlam yüklediği vurgulanmaktadır. 11 2.3.MARKA KİŞİLİĞİNDE İNSANLAŞTIRMANIN ETKİSİ Antropomorfizm, insan olmayan şeylere insan özelliklerinin atfedilmesi olarak açıklanmaktadır. Söz konusu kavram ilk dönemlerde, iletişim aracı olarak çizgi film ve animasyon filmlerinde kullanılmıştır. Bu aşamada, vahşi yaşam insan özelliklerine sahip şekilde tasvir edilmiştir (Hamilton, 1983). Literatürde, marka insan biçimlilik yaklaşımı, markaların “insanmış” algısı yaratmak üzere kurgulanan bir kavramdır. Bu bağlamda kavramın ana çizgisi bir markanın ürünlerinin dış görünüşünün insan fizyonomisine benzeterek, bilişsel ve duygusal yapının oluşturulması vardır (Guido ve Peluso, 2015). Tüketicilerin marka kişiliğine “insan” özelliği üzerinden yaklaşmaları insan biçimlilik eğilimi üzerinden daha güçlü şekilde gerçekleşmektedir. Guide ve Peluso (2014) markaların insanlaştırılmasının algı düzeyine göre değişebileceğini ve bunların temelde markaların bir özelliği olarak kavramsallaştırıldığını belirtmiştir. Söz konusu benzetme yaklaşımı insana hitap, insani duygular ve insana fizyonomik benzerlik şeklinde oluşturulan ve kısmen mekanik bir eğilimi temsil eden özelliğe sahiptir (Reavey vd., 2018). Markaların insanlaştırılması bu anlamda, insanda var olan özelliklerden zekayı yansıtma bağlamlı yapılabilmektedir. Son dönemde markaların teknolojiyi kullanmaları örnek verilebilir (Benyon ve Mival, 2008). Cohen (2014) çalışmasında, markaların insanlaştırılması için, aşağıda belirtilen, beş uygulama şekli önermiştir. Her biri insanlaştırılmış karakterlerin markayla ilişki kategorisine göre değerlendirilmektedir. Bunlar; markayı insan gibi gösteren karakterler, markanın sözcüsü olarak gösterilen karakterler, markanın elçisi olarak hizmet eden karakterler, marka için maskot görevi gören karakterler ve markayla dolaylı ilişkisi olan karakterlerdir. 2.4.MARKA KİŞİLİĞİ BOYUTLARI VE ÖLÇEKLER Marka kişiliğini ifade eden unsurların ve boyutların içeriği ile pazarlama literatüründe kullanılan marka kişiliği ölçeklerinin yapısı tezin inceleme alanı içerisindedir. Aşağıda öncelikle marka kişiliğini temsil ettiği düşünülen ana ve alt boyutlar anlatışmış daha sonra literatürde kullanılan ölçekler incelenmiştir. Marka kişiliğine yönelik çalışmalar, ağırlıklı olarak markanın veya markaların sahip olması gereken kişilik özelliklerini temsil eden boyutları incelemektedir. Bu bağlamda, marka kişiliğini boyutlarını inceleyen ilk dönem 12 araştırmacısı, Aaker (1997), gerçekleştirdiği çalışmada, marka kişiliğini beş ana boyutta inceleyerek, söz konusu boyutları temsil ettiğini düşündüğü kelimeleri bu boyutların altında kümelemiştir. Marka kişiliği boyutları, samimiyet, heyecan verme, yeterlilik, gelişmişlik, sağlamlık şeklinde sınıflandırılmıştır. Aaker’ ın beş boyutta sınıflandırdığı marka kişiliği ölçüm modeli, literatürde daha sonraki dönemlerde ayrıntılı olarak geliştirilmiş ve derinleştirilmiş olsa da, yine de genel kabul gören boyutlar olarak kullanılmaktadır. Diğer yandan kişilik literatüründe yer alan ölçüm modellerinin uyumlaştırılması da yapılmaktadır. Büyük beşli kişilik ölçüm modeli bu anlamda literatürde geniş yer bulan bir ölçüm yöntemidir (Mulyanegara vd, 2009). 2.4.1. Marka Kişiliği Boyutları ve Ölçümler Literatürde genel kabul göre ölçüm Aaker‘in 1997 çalışmasına dayanmaktadır. Geliştirilen ölçek marka kişiliği unsurlarını insani özelliklere atfederek olgunlaştırmış ve kültürlerarası geçerliliği olan bir ölçek haline dönüştürmüştür. Dolayısıyla, Aaker’ın marka kişiliği ölçümü insani özellikler varsayımı ile hareket etmektedir (Davies vd., 2018). Aaker’ in ölçeği her ne kadar literatürde yaygın bir ölçek olarak kullanılsa da tanımlama ve içerik açısından bazı eleştirilere açık olduğu belirtilmiştir (Smith vd., 2006). Arora ve Stoner (2009), marka kişiliğine yönelik çalışmalarda, literatürde baskın olan Aaker’ ın temel çalışmasının yeni alanlara uygulanması bağlamında içerik olarak genişletilmeye çalışıldığına vurgu yapmıştır. Yazarlar, marka kişiliği çerçevesi ve ölçeğini Aaker’ın söz konusu çalışmasına dayandırsalar da konunun kendine özgü varyasyonlar üretebilme özelliğini belirtmişlerdir. Bu bağlamda tekil nicel bir ölçekle birlikte, nitel yaklaşımların da analize alınmasının marka kişiliğini belirleme açısından güçlü sonuçlar doğuracağını ifade etmişlerdir. Ahmad ve Thyagaraj (2014) yaptıkları çalışmada, Aaker'ın marka kişiliği ölçeğinin ülkeler ve ürün kategorileri arasında eşit olarak uygulanamayacağını göstermektedir. Aaker (1997) marka kişiliğini marka ile özdeşleştirilen insan kişiliği özellikleri şeklinde açıklamıştır. Marka kişiliğini açıklamada temel yapının büyük beş yapısı olduğunun vurgulandığı çalışmada, Samimiyet, Heyecan Vericilik, Yetkinlik, Sofistikelik ve Sağlamlık temel marka kişiliği boyutları olarak vurgulanmıştır. Günümüze gelindiğinde 13 bu boyutlar hala temel yapı olarak kabul görmekle birlikte, çeşitli bakış açılarıyla eleştirilerin getirildiği, eksik olduğunun belirtildiği ya da alt boyutlar anlamında düzeltmelere ihtiyacı olabileceği vurguları yapılmaktadır. Alt boyut kavramı, kısaca yukarıda belirtilen beş marka kişiliği boyutunun anlam ifade ettiği kelimeler olarak özetlenebilir. Aaker’ in çalışmasında bu alt boyutlar; içten, dürüst, samimi, neşeli - cesur, canlı, yaratıcı, güncel - güvenilir, sorumlu, güvenli, verimli - göz alıcı, iddialı, çekici, romantik - sert, güçlü, gösterişli, sağlam olarak özetlenebilir. Literatürde marka kişiliği ölçeği olarak geliştirilen ve boyut olarak ölçümlenen çalışmalar sadece temel çalışma olarak Aaker (1997) ile değil aynı zamanda Azoulay ve Kapferer (2003) ile Geuens vd. (2009) tarafından geliştirilen ölçekler üzerinden incelenmektedir. Geuens vd. (2009) marka kişiliğinin beş faktörlü- oniki maddeli olarak boyutlandırmıştır. İlgili ölçek kültürlere arası olarak test edilmiştir. Marka kişiliği boyutları sorumluluk, hareketlilik, saldırganlık, sadelik ve duygusallık olarak belirlenmiştir. Azoulay ve Kapferer (2003) literatürde yer alan marka kişilik ölçeklerinin yapısal anlamda ölçüm gücünün eksik kaldığını ve kavramsal olarak karışıklık oluşturduğundan hareketle, marka kimliği üzerinden, klasik bağlamda, ürün performansı açısından marka kişiliğine bakış açısı geliştirmişlerdir. Bu bağlamda marka kişiliği boyutlarının eksik tanımlandığını belirterek, verilen şekildeki marka tanımlama prizmasının marka kişiliğini oluşturmada da faydalı olacağına vurgu yapmıştır. 14 Şekil 1: Marka tanımlama prizması Kaynak: Azoulay, A., & Kapferer, J. N. (2003). Do brand personality scales really measure brand personality?. Journal of brand management, 11, 143-155. George ve Anandkumar (2012) marka kişiliği ölçeklerinin (ölçümlerinin) kültürlerarası geçerliliğinin olması gerektiğini savunarak marka kişiliği envanterinin geliştirilerek uyarlama çalışmalarının yapılmasının daha doğru olabileceğini belirtmiştir. Bu varsayımı destekleyen bir bulgu olarak ise, Ivens ve Valta (2012) çalışmalarında, Aaker’ in marka kişiliği yaklaşımından hareket ederek, “aynı-homojen” marka kişiliği varsayımının geçerli olmayacağına ve teorik anlamda kurgulanan ölçümlerin veya modellerin uyarlanması gerektiğine işaret etmişlerdir. Hatta Ahmad ve Thyagaraj (2014) yaptıkları çalışmada, Aaker'in marka kişiliği ölçeğinin ülkeler ve ürün kategorileri arasında eşit olarak uygulanamayacağını göstermektedir2. Bu bağlamda, yazarlar tüketicilerin marka kişiliklerinin farklı boyutlarına göre algılarının nasıl değiştiğine odaklanmışlardır. Marka kişiliği konusu pazarlama literatüründe kendi alanın oluşturan bir kavram olarak yoğun biçimde incelenmekte ve sözkonusu temel çalışmadan hareketle, alana, koşullara ve sektöre göre ilgili boyutlar uyarlanabilmektedir. Zaman içerisinde marka kişiliğini ifade ettiği düşünülen unsurlar veya ifadeler ile kelimeler artmıştır. Aşağıda son yirmi yıl içerisinde Aaker (1997) çalışmasının nasıl evrildiği ve hangi alt unsurların ilave edildiğine ilişkin literatür incelemesi yer almaktadır. 2.4.2. Marka Kişiliğine Yönelik Çalışmaların Detayları Marka kişiliği çalışmaları incelendiğinde, farklı sektörlerde, farklı ihtiyaçlara göre boyutlar ve alt boyutlar anlamında küçük değişiklikler olsa da, genel olarak benzer marka kişiliği boyutlarının üzerinde çalışıldığı gözlemlenmektedir. Çalışmanın bu noktasında marka kişiliği çalışmalarında yıllara göre literatür derinlemesine incelenmiş, son 20 yıl (2002-2023) 3 bölüme ayrılarak (2005-2010, 2011-2016, 2017-2023) bu dönemlerde 2 Doktora tez çalışmasında araştırma aşamasında daha ayrıntılı olarak görüleceği üzere Aaker (1997) atıf yapılmış ancak konunun içeriği nedeniyle ilave ifadeler, kelimeler eklenmiştir. 15 yapılann çalışmalardan örnekler alınarak, Marka kişiliği boyutlarında ne gibi değişiklikler olduğu gözlemlenmeye çalışılmıştır (Bkz. Tablo 1). 16 Dönem Yıl Yazar Aynı Boyutlar Kullanılmış Aaker'in Boyutlarından Farkı Aaker'in Alt Boyutları(Trait) Kullanılmış mı? Aaker'in Alt Boyutlarından Farkı Yöntem Alan Survey Yan Skala Ortak Boyutlar Farklılaşmış Boyutlar 20 05 -2 01 0 2002 Kim Vd. Evet Yok Evet Yok Faktör analizi, varimax rotation Cep telefonu Likert Anket (5- 7) Yok İn ce le n en t ü m ç al ış m al ar d a o rt ak o la n b o yu t yo k Ç ek in ge n , U yu m lu , Y ar at ıc ı, C es u r, G ü çl ü , İ lg in ç, E sk i, G ü ve n ili r, M an tı kl ı, D u yg u sa l, H o şg ö rü lü , T ek n ik , G ü ve n ili r, D ü rt ü le ri u ya n d ır an , V ic d an lı, D u yg u sa l, Yü ze ys el , S o ru m lu o lm a, A kt if , S al d ır ga n lık , B as it lik 2004 Smith ve Grime Evet Yok Hayır Batılı - Sağlamlık (Experimental design) Expert pretest & consumer ptretest. Otomotiv identical questionnaire Big Five 2006 James vd. Hayır Çekingen, Uyumlu, Yaratıcı Cesur, Güçlü, Dürtüsel, İlginç Eski, Güvenilir, Mantıklı, Duygusal, Hoşgörülü, Teknik, Güvenilir Hayır Yok multi- dimensional scaling Marka Birleşmeleri Teknoloji ve Sağlık Likert Anket (5- 7) yok 2007 Bosnjak vd. Hayır Dürtüleri uyandıran, Vicdanlı, Duygusal, Yüzeysel Hayır İstikrarlı, Sorumlu Aktif, Dinamik, Yenilikçi Agresif, Cesur Sıradan, Sade Romantik, Duygusal estimated measurement model, factor analysis Farklı sektörler online access panel Yok 2008 Zentes vd. Evet Yok Evet Yok reggression and adequacy- importance model. Farkı Sektörler ve farklı ülkeler 5 li likert Anket Yok 2008 Kim ve Jung Evet Yok Evet Yok çoklu regresyon analizi Kozmetik sektörü 5 li likert Anket Yok 2009 Geuens vd. Hayır Sorumlu olma, Aktif, Saldırganlık, Basitlik, Duygusallık Hayır İstikrarlı, Sorumlu Aktif, Dinamik, Yenilikçi Agresif, Cesur Sıradan, Sade Romantik, Duygusal Varimax döndürme ile temel bileşenler analizi Farklı sektörler 7 likert Anket Yok 2009 Lee vd. Evet Yok Hayır Olumsuz Duygulara sahip, Olumlu Duygulara sahip, Memnuniyet Varimax rotation ile Faktör analizi Restoran Anket Likert 7 Yok 2010 Long Yi lin Evet Yok Hayır dışadönüklük, uyumluluk, vicdanlılık Regresyon Analizi oyuncak and video oyunlar ropörtaj - 5&9 likert Büyük beşli 17 20 11 -2 01 6 2011 Branagan ve Hildebrad Evet Yok Evet Yok Keşifsel faktörü analizi Soft içecek ve otomotiv Pathfinder ilişkisel ağları Yok İn ce le n en t ü m ç al ış m al ar d a o rt ak o la n b o yu t yo k G el en ek çi lik , N eş e ve T re n d lik , d ış ad ö n ü kl ü k, v ic d an lıl ık , u yu m lu lu k, M em n u n iy et , D u ru m sa l, Te rc ih le re s ah ip , B en ze rs iz lik , A ile o d ak lı, M ar ka G ü ve n i, M ar ka E tk is i, M ar ka s ad ak at i, P ro fe sy o n el lik , ç ek ic ili k, M at er ya liz m , s o ru m lu , ak ti f, c es u r, b as it v e d u yg u sa l 2011 Chu ve Sung Hayır Gelenekçilik, Neşe ve Trendlik Hayır Arkadaş canlısı Sevimli Mutlu Pahalı Lüks Zarif Genç Batılı Güncel temel bileşen analizi - Doğrulayıcı faktör analizi farklı analarda Online panel Yok 2012 Huang vd. Hayır dışadönüklük, vicdanlılık, uyumluluk Hayır dikkat çeken, çarpıcı, göze çarpan, dışa dönük, aktif, gösterişli, heyecan verici, sosyal, komik, havalı, ilginç, sevecen, arkadaş canlısı, neşeli, hoş, cana yakın, çok yönlü, düşünceli, destekleyici, sıcak, konuksever, doğal, iddialı, mütevazi, gerçek, dürüst, profesyonel, verimli, pratik, güvenilir, güvenilir, çalışkan, kendine güvenen, hırslı, başarılı Keşifsel faktörü analizi (EFA) and confirmatory factor analysis (CFA) Mixed exploratory interviews Big Five 2012 Ivens ve Valta Hayır Memnuniyet, Durumsal, Tercihlere sahip Hayır yok Kümeleme Analizi Gıda, Spor malzemeleri, cilt bakımı anket n=603 Yok 2013 Kim Ve Letho Hayır Benzersizlik, Aile odaklı Hayır özgün, benzersiz, duygusal, aile odaklı Faktör analizi Anket Yok 2014 Kim ve Zhao Evet Marka Güveni Marka Etkisi Marka sadakati Hayır Yok Yapısal eşitlik modeli Giyim ve Mobil aygıt Anket yok 2014 Ridgway ve Myers Hayır Yok Hayır Yok Faktör analizi Moda Online anket& ön görüşme Yok 2015 Sung ve Choi Hayır Profesyonellik çekicilik Materyalizm Hayır Olgun Profesyonel Akıllı Güvenilir Rafine Güzel Çekici Yakışıklı Sanatsal Muhteşem Bencil Materyalist Sıkışmış Gösterişli confirmatory factor analysis (CFA) fashion to automobile and retail online anket Yok 2015 Moons ve Pelsmacker Hayır sorumlu, aktif, cesur, basit ve duygusal Hayır Yok Regresyon Analizi Elektrical car Pretests Yok 2016 Matzler vd. Hayır etkinlik, Saldırganlık, duygusallık, basitlik, sorumluluk Hayır Yok Keşifsel faktörü analizi Turizm anket 5 likert 18 20 17 -2 02 3 2017 M. Akin Hayır Yetkinlik Heyecan Geleneksellik Androjenlik Hayır Kaliteli Profesyonel Başarılı İşini İyi Yapan Güvenilir Prestijli Kendine Güvenen Kendini beğenmiş Tanınmış Sağlam Küresel İstikrarlı İyi Orijinal Harika Eğlenceli Neşeli Aktif Canlı Sempatik Liberter Çevik Genç Doyurucu Genç Tutkulu Sportif Baştan Çıkarıcı Ilımlı Mütevazı Geleneksel Tutumlu Klasik Muhafazakar Aile Odaklı Eril Asi Dişil Gösterişli Keşifsel faktörü analizi Otomobil yüzyüze anket Büyük beşli İn ce le n en t ü m ç al ış m al ar d a o rt ak o la n bo yu t yo k So ru m lu lu k, A kt iv it e, S al d ır ga n lık , B as it lik , D u yg u sa llı k, U yu m lu lu k, V ic d an lıl ık /A çı kl ık , D ış ad ö n ü kl ü k, N ev ro ti kl ik , Ç ek ic i, V ic d an lı, K o zm o po lit , C an lı, P re st ijl i, B eğ e ni le b ili rl ik , Ö zg ü n lü k, ş ef fa fl ık 2017 Zivanovic vd. Hayır H – Dürüstlük, E – Duygusallık, X – Dışadönüklük, A – Uyumluluk, C – Vicdanlılık, O – Açıklık Hayır Yok HEXAGO- altı faktör Karışık 120 marka Anket Yok 2018 Gigo ve anadkumar Hayır mutlu, genç, güvenilir, maceracı, yetkin, hesap verebilir ve çekici Hayır Yok Uzman görüşü anketi ve Tüketici Anketi 21 marka üzerinde, farklı sektörler Anket Yok 2018 Bairrada vd. Evet Yok Evet Yok Yapısal eşitlik modeli Giyim Online anket Yok 2019 Japutra ve Molinillo Hayır Sorumluluk, Aktivite, Saldırganlık, Basitlik, Duygusallık Hayır Gerçekçi, Kararlı, Sorumlu Aktif, Dinamik, Yenilikçi Agresif, Cesur Sıradan, Sade Romantik, Duygusal 7-point scale anchored Karışık sektörlerde 12 marka Anket Yok 2020 Torres vd. Evet Yok Hayır Gerçek, dürüst, samimi, sağlıklı, özgün, neşeli, Cesur, modern, heyecanlı, canlı, havalı, yaratıcı, benzersiz, güncel, Güvenilir, güvenli, akıllı, teknik, kurumsal, başarılı, lider Üst sınıf, göz alıcı, yakışıklı, çekici, kadınsı, Erkeksi, sağlam, sert, Tarihi, sanatsal, kültürel, ilginç, farklı, akılda kalıcı, meraklı, şaşırtıcı, hülyalı, sihirli, takdire şayan, Güzel, etkileyici homojen nüfus örneklemesi Turizm Anket Yok 2021 Moussa Hayır Uyumluluk, Vicdanlılık/Açıklık, Dışadönüklük, Nevrotiklik Hayır Yok Mokken ölçeklendirme 4 değişik sektörden bilinen markalar anket n=416 Büyük Beşli 2022 Struweg ve Wait Hayır Çekici, Vicdanlı, Kozmopolit, Canlı, Prestijli Hayır Çekici, üretken, özel, Organize, yetkin, yapılandırılmış, etkili Ağ bağlantılı, uluslararası, kozmopolit Dinamik, canlı, yaratıcı, atletik Kabul görmüş, lider, saygın, başarılı, hatırı sayılır tümdengelim ağırlıklı niteliksel içerik analizi Eğitim hikaye anlatımı yorumları, yaratıcı atölye Yok 2022 Kim Willems Hayır Beğenilebilirlik, Özgünlük, şeffaflık Hayır Yok PLS çoklu grup Analysis Moda ve Gıda perakendeciliği Anket Yok 2023 Motoki vd. Evet yok Hayır Yok kavramsal metafor teorisi Gıda Anket Yok Tablo 1: Aaker’ın (1997) marka kişiliği ölçeğine ilişkin çalışmaların gelişimi ve içeriği 19 İKİNCİ BÖLÜM BÜYÜK VERİ KAVRAMI VE ANALİTİĞİ 1. BÜYÜK VERİNİN İÇERİĞİ Büyük veri kavramı, yeni teknolojiler ve bunlarla bağlantılı mimarileri gerekli kılan, büyük hacimli veri olgusunu yansıtan ve bu bağlamda analiz edilmesi geleneksel yöntemlerle zor olduğu kabul edilen değişken, karmaşık, hızlı ve çeşitlilik ile betimlenen ve bu yapısı nedeniyle değer üreten bir özelliğe sahiptir (Katal vd., 2013). Son dönem itibariyle büyük veri kavramı üzerine yapılan çalışmalar, işletmecilik alanında ve özellikle pazarlama içerikli faaliyetlerde, tüketiciyi tanıma bağlamlı ve buradan hareketle tercih, tutum ve satın alma mekanizmalarını belirlemeye odaklanmaktadır. En temel ve başlangıç itibariyle müşteri ilişkileri yönetimi (ingilizce literatürde CRM olarak kullanılmaktadır) uygulamaları olarak kavramsallaştırılan süreç, ilerleyen dönemlerde büyük veri olarak konumlanmaktadır. Büyük verinin pazarlama eylemlerindeki yansımalarını iki ana boyutta incelemek mümkündür; birincisi müşteri profilinin çıkarılması, ikincisi ise veriden değer yaratılmasıdır. Söz konusu süreçte tüketicinin davranış şablonu ve eğilimlerinin veri analitiği mantığıyla çözümlenmesi hedeflenmektedir (Anshari vd., 2019, s.98-100). Kavramın gelişmesiyle birlikte, tüketicilerin ürünlere veya markalara yönelik düşüncelerinin incelenmesi ve belirlenmesi sürecinde son dönem itibari ile büyük veri metodolojisinin kullanıldığı görülmektedir. Özellikle makine öğrenmesi ile tüketicilerin markalara yönelik görüşlerinin belirlenmesi, kullanılan önemli yaklaşımlardan biridir. Bu bağlamda Makine Öğrenmesi bir yöntem olarak marka sermayesi unsurlarına ilişkin analizlerde de etkin şekilde kullanılmaktadır (Xu vd., 2022). Örneğin menşe ülke etkisi ve marka kişiliği arasındaki bağlantının belirtilen analiz ile gerçekleştirilmesi literatürde yer almaktadır (Chiang ve young, 2018). Jin vd. (2015) çalışmalarında, büyük veriyi daha geniş anlamda tanımlayabilmek için, büyük verinin kısıtlarından hareket ederek geleneksel veri tabanlarına göre en büyük farkının belirtilen bu büyük veriye ulaşmanın zorluğu olduğunu vurgulamışlardır. Bu kapsamda, ilgili çalışmada, büyük verilerin geleneksel verilerle karşılaştırıldığında, kavramın kendine özgü bazı unsurlarını belirtmişlerdir. Büyük veri 5V olarak 20 isimlendirilen, büyük hacim(huge volume), yüksek akışkanlık (high velocity), yüksek çeşitlilik(high variety), dağınıklık(low veracity) ve kıymetlilik (high value) unsurları ile karakterize edilebileceği vurgulanmıştır. Büyük verilerle analiz yapmanın asıl sorunsalı, sadece hacminde değil, verilerdeki çeşitli değişkenlerin varlığı, hızlı tepki verilmesi, ve verilerin başlangıçtaki muğlaklığıdır. Bu nedenle, sadece geleneksel ölçekli yapılandırılan verilerle değil, yarı yapılandırılmış ya da yapılandırılmamış/ham verilerle (metin, resim, video ve ses dahil) ilgilenilmesi gerektiği önerilmektedir. Jin vd., (2015) söz konusu çalışmada ayrıca, verilerin makul sürede toplanması, depolanması ve işlenmesi için yeterli kaynak bulunamayabileceğine vurgu yaparak, gerektiğinde veriye müdahale edebilme becerisi ile verilerin doğru-yanlış veya güvenilir-güvenilmez olarak sınıflandırılabilmesinin de diğer önemli zorluk olduğunu vurgulamıştır. Russom’a (2011), göre büyük verinin tanımlanması temel itibariyle verilerin depolanan boyutlarıyla ilgili olsa da analitik bağlamda çeşitlilik ve hız özellikleri inceleme alanı içerisinde yer almasının yeterli olduğu belirtilmektedir. Söz konusu yapı aşağıdaki şekilde görülebilir. Şekil 2: Büyük Veride 3V’nin alt unsurları Kaynak: Russom, P. (2011). Big data analytics. TDWI best practices report, fourth quarter, 19(4), 1-34. 21 Büyük veri özelliğine bağlı olarak devasa-heterojen veri setlerinin depolanması ve bunların yönetilmesi ile ilgili bir yapıyı ifade etmektedir. Büyük veri kavramının gelişiminde ilk dönem olarak sayılabilecek 1970’li yıllarda veritabanı araçları şeklinde, daha sonraki 10 yıllık dönem olarak 1980’li yıllarda paylaşımsız veri tabanı sistemleri şeklinde yer aldığı görülmektedir. Sonraki 10 yıllık dönem olan 1990’lı yıllarda ise, sistemin yerleşik hale geldiği ve 2000’li yıllara gelindiğinde büyük veriye yatırım yapıldığı izlenmektedir. Bu durum büyük veri işleme teknolojilerinin büyümesini tetiklemiştir. Büyük veri teknolojisi ile ilgili olgular incelendiğinde ise bulut bilişim teknolojileri Nesnelerin İnterneti (IOT) veri merkezleri, ön plana çıkmaktadır. Bu bağlamda büyük veri sürecinde veri sağlama önemli bir aşama olarak literatürde yer almaktadır. Bu noktada üç bilinen veri toplama metodu söz konusudur. Bunlar sırasıyla, log dosyaları, sensörler tarafından algılanan veriler, ağ verileri şeklinde özetlenmektedir. Veri sağlanmasında ikinci unsur ise verilerin veri tabanına işleme ve analiz etme sürecini içeren veri aktarımıdır. Üçüncü aşama ise verilerin hazır hale getirilebilmesi için bütünleştirilmesi, ayrıştırılması, ön işlenmesi ve elenmesi işlemlerini içeren ön işleme aşamasıdır (Chen vd.,2014, ss.174-182). 1.1. İŞLETMELERDE BÜYÜK VERİNİN KULLANIMI Büyük verinin işletmelerde ana ve alt alanlarla ilişkisine dayalı olarak literatürde artan oranlı bir artış izlenmektedir. Söz konusu gelişimin, girişimler (Khanra vd., 2020), finans (Nobanee, 2021), işletme ve yönetim (Ardito vd., 2019), üretim (Sahoo, 2022) bağlamında incelendiği son dönem itibariyle gözlenmektedir. Benzer şekilde pazarlama alanında da çalışmalar artmaktadır. (Pinarbasi ve Canbolat, 2019) akademik anlamdaki bu ilgi, dolaylı veya doğrudan alanın yansımalarını göstermektedir. Uygulama alanı olarak ise büyük veri karar verme süreçlerinde etkin rol oynamaktadır. Bu anlamda literatür incelemesi yapıldığında büyük verinin tüketicinin yeni eğilimlerini öğrenme ve rekabet gücü kurgulayabilme adına nasıl etkide bulunabileceğine ilişkin çalışmalar mevcuttur (Piccarozzi ve Aquilani, 2022). Ayrıca hizmet sunumu ve hizmet geliştirme süreçlerinde ortaya çıkan yönetim sorunlarını belirlemek içinde kullanıldığı görülmektedir; Bu kapsamda üç ana kategoride ortaya çıkan alt sorunların öncelikli 22 olduğu belirtilmiştir. Söz konusu sorunlar aşağıda ana başlıklar olarak belirtilmiştir (Lim vd., 2017). 1. Veri sağlama sorunu kategorisi  Doğru verilerin elde edilmesi ve sağlanması  Veri elde etmenin ve sunmanın müşteriler için sıkıntı oluşturması  Kaliteli veri sağlama. 2. Veri oluşturma sorunu kategorisi  İdeal veri analitiğini seçmede kaynak farklılıklarının etkisi  Farklı kaynaklardan gelen verilerin entegrasyonu ve birbirine bağlanması  Veri kullanımına ilişkin düzenleme ve kısıtlamalar  Veri gizliliğine ilişkin müşteri kaygıları. 3. Müşterilerden veri edinimi sorunu  Müşterilere yararlı olabilecek verinin tanımlanması  Yeni bilgileri paylaşmakla ilgili müşterinin sürekli güdülenmesi  Etkin hizmet sunum sürecinin tasarlanması  Paydaşların katkı sunacağı noktaların belirlenmesi. Tan (2018) ise yaptığı çalışmada, daha önceki birçok çalışmanın büyük veri analitiğinin altyapısına odaklandığına dikkat çekerek kurumsal veri analitiği kullanım becerisinin ve özellikle personelin veri analitiğini kullanım becerisi üzerinde durulan çalışmaların büyük veri çalışmalarına pozitif katkıları olacağını öne sürmüştür. Bu bağlamda, büyük verinin, bilişim teknolojileri olanakları ve stratejik karar verme konusundaki literatürden yararlanılarak iş analitiği, stratejik karar vermeye ve nihayetinde kurumsal performansa verdiği destek açısından araştırılmasının faydalı olacağına vurgu yapmıştır. Sağiroğlu ve Sinanc(2013) yaptıkları çalışmada, büyük verinin yönetimsel anlamını, şirketler veya kuruluşlar için daha zengin ve daha derin öngörüler kazanmanın ve rekabette avantaj sağlamanın bir yolu olarak özetlemişlerdir. Bu nedenle büyük veri çalışmaların titizlikle yönetilmesinin işletmenin geleceği için önemini belirterek, büyük verinin kapsamını yöntemini ve özellikle gizlilik endişelerini çalışmalarında tartışmışlardır. Chen vd. (2015) yaptıkları çalışmada, büyük veri analitiğinin örgüt üzerindeki etkisini ve büyük veri analitiğinin kullanımını kolaylaştıran temel faktörleri incelemişlerdir. Sonuçta büyük veri analitiğinin kullanımına ilişkin yöneticilerin hızla gelişen bu teknolojiden ne 23 beklemeleri gerektiğine dair başlıklar oluşturmaya çalışmışlardır. Bu çalışmada ortaya çıkan dört unsur şunlardır; kurumsal düzeyde büyük veri analitiğinin kullanımında varlık verimliliği ve iş büyümesi bağlamlı tedarik zinciri değeri yaratma, büyük veri analitiğinin kullanımının tedarik zinciri değeri yaratma üzerinde çevresel dinamizmin etkisi, teknolojik faktörlerin kurumsal büyük veri analitiğinin kullanımı üzerinde doğrudan etkisi ve organizasyonel ve çevresel faktörlerin, üst yönetim desteği yoluyla dolaylı etkisi. 1.2. BÜYÜK VERİNİN PAZARLAMA ALANINDA KULLANIMI Büyük veri kullanımının pazarlama kararları ve faaliyetleri açısından önemini ve etkisini anlayabilmek teorik anlamda kaynak temelli yaklaşıma atıf yapmaktadır. Bu bağlamda fiziki, insani ve kurumsal sermaye gücünün tüketici analitiği bağlamında tüketici eylemlerinin ve hareketliliğinin büyük veri çerçevesi içerisinde elde etme ve saklama, tüketicilerin içgörülerini davranış bağlamlı tespit etme ve bu içgörülerden dinamik bir yetenek olarak yararlanabilme şeklinde incelendiği görülmektedir (Erevelles vd., 2016). Geleneksel manada pazarlama faaliyetlerine yönelik verilerin tekdüze/sıradan ve küçük boyutlu olması veri işleme sürecini daha kolay hale getirse de, örneğin dijital bir TV platformunun üye müşterilerinin verilerine yönelik oluşturulan veri setlerinin tekdüzelikten uzaklaşmış olması büyük veri analitiğini gerekli kılmaktadır (Xu vd.,2016). Geleneksel pazarlama verileri ağırlıklı olarak demografik, işlem ve ürün yada hizmet kullanım verilerinden oluşmaktadır. Dijital anlamda verilerin ise daha çok sosyal medya içerikleri, müşterilerin sosyal ağ ilişkileri ve cep telefonu üzerinden elde edilen verilerden oluştuğu görülmektedir (Rogers ve Sexton, 2012). Dolayısıyla, büyük veri analitiği ile klasik pazarlama analitiğini kendi bağlamlarında incelemek gereklidir. Hangi veri analitiği yönteminin daha etkin olabileceği ve daha kıymetli veriler sunabileceğini tespit etmek burada verilecek kararın önceliğini oluşturmaktadır. Örneğin gerçek zamanlı verilerin işlenmesi söz konusu olduğunda büyük veri analitiğinin kullanılması daha gerçekçi olacaktır. Yine de belirli bazı durumlarda her ne kadar yavaş işlese de klasik pazarlama analitiği de göz ardı edilemeyecek sonuçlar sağlayacaktır. Dolayısıyla, büyük veri analitiği ve klasik pazarlama analitiğinin birlikte kullanımı işletmelerin pazarlama faaliyetleri açısından en etkin çözüm olacaktır (Saidali vd., 2019). Büyük veri çalışmalarının pazarlama alanında özellikle ve bazen ağırlıklı olarak metin madenciliğine 24 dayalı olarak gerçekleştirildiği görülmektedir. Mevcut doktora tezinin de inceleme alanını oluşturan büyük beşli kişilik özellikleri açısından söz konusu veri madenciliğinin kullanılmaktadır (Amado vd., 2017). Büyük verinin pazarlama alanında kullanıldığı yöntemlerden biri de tahmin algoritmalarının oluşturulmasıdır. Konut veya otomobil kredilerinden faydalanabilecek bireylerin belirlenmesi ve onlara özgü kredi oranlarının tahmin edilmesi örnek olarak verilebilir. Yine benzer şekilde bireylerin sağlıklı kalabilmeleri adına onları uyararak egzersiz, uyku veya yemek yeme davranışları gibi unsurlar konusunda tahminder de yapılmaktadır (Kopalle ve Lehmann , 2021). Dijital teknolojilerinin hızla gelişimi ve potansiyel etkisi dijital kaynaklı verilerin artan erişilebilirliği ve bu verileri analiz etme teknolojileri büyük veri analitiği açısından önemlidir. Özellikle pazarlama stratejileri kararlarında büyük veri kümelerini analiz etme ve rekabet gücü kazanma anlamında eğilimin olduğu görünmektedir. Bu anlamda fiziksel ürünlerin yanında sigorta, finans ve telekomünikasyon hizmetlerinin dijitalleşme güçleri belirtilen büyük veri analitiği dönüşümüne daha hızlı adapte olmalarını sağlamaktadır. Diğer yandan dijital teknolojiler ile işletmeler arasındaki karmaşık etkileşim mekanizması büyük verinin sunacağı etkinliği azaltan bir engel olarak incelenmektedir ( Grishikashvili vd., 2014). Büyük verinin pazarlama alanında kullanımında karşılaşılabilecek temel sorunlar ise; Verilerin çok az sayıda tüketiciden elde edilmesi veya hiç veri sağlanamaması, veri elde etme sıklığının az ve yeterince gerçek zamanlı olmaması, veri paylaşımının şirket geneline yaygınlaşmaması, verilerin müşteri düzeyinde birbiriyle ilişkilendirilememesi ve kişiselleştirilmiş pazarlama iletişiminin etkinleştirilememesidir (Rogers ve Sexton, 2012). 1.3. BÜYÜK VERİNİN MARKA ALANINDA KULLANIMI Marka konusu özelinde büyük veri kavramının kullanımı markanın ana yapılarına ilişkin olmakla birlikte ağırlıklı olarak sosyal medya üzerinden tüketicilerin marka tutum ve düşüncelerinin analiz edilmesi şeklinde gerçekleştiği görülmektedir. Literatürde bazı çalışmalar büyük verinin markaya yönelik hikayeler oluşturulması, bu hikayelerin müşterilerle paylaşılması marka fanlarının görüşlerinin alınması ve nihayetinde marka topluluklarının oluşturulması (Smith vd.,2017), müşterilerin hizmete yönelik hangi 25 alanlarda yoğunlaştığı (Giglio vd., 2020), ulusal markalamada nasıl kullanılabileceği (Chung vd., 2020) bağlamında kullanılabileceği belirtilmektedir. Büyük verinin marka yönetimi alanında avantaj sağlayabilmesi için doğal olarak elde edilen verilerin işlenmesini sağlayan teknolojilerin varlığı gerekli olmaktadır (Hernan ve Robins, 2016). Swaminathan, (2016) yaptığı çalışmada, büyük veri marka ilişkisini, ortak marka oluşturma, müşteri sadakati yaratma ve bu sadakati ölçme başlıklarında incelemiş, sonuç olarak, müşteri temelli marka sadakatinin, markalaşma üzerine pek çok araştırmanın temelini oluşturan önemli bir kavram olduğunu vurgulamaktadır. Özellikle büyük veri ve büyük veri bağlamlı yeni metotların kullanılmasının tüketicilerin markalar hakkındaki düşüncelerini anlayabilmek için önemli olduğunu belirtmişlerdir. Büyük verinin marka alanında kullanımına ilişkin gerçekleştirilen ve mevcut doktora tezinin de konusu olan analizlerden biri de duygu analizidir. Saura vd. (2019), finans sektöründe yapmış olduğu çalışmada, twitter’dan aldığı tüketici yorumlarını duygu analiziyle kategorize ederek marka tutumlarını olumlu, olumsuz ve nötr kategorilerinde sınıflandırarak şirket imajı açısından modellemiştir. Diğer bir sosyal medya platformu olarak Facebook üzerinde de sosyal ağ bağlamında duygu analizleri yapıldığı görülmektedir. Özellikle kurulan özel topluluklar içerisinde üyeler arasındaki etkileşimler incelenerek olumlu duygular tespit edildiği görülmektedir (Zhao, 2022, s. 4). Benzer şekilde duygu analiziyle twitter verileri marka otantiklik boyutlarını tespit etmek için kullanılmıştır. Söz konusu çalışmada, teknik olarak en önemli bakış açısı marka otantiklik olgusunu betimleyebilmek için elde edilen verilerde önemsiz olanların arındırılması işlemidir ( Shirdastian vd. 2019). Bahsedilen çalışmalardan elde edilen bulgular, verilerin temsilinin sağlanması ve daha sonra değerlendirmeye tabi tutularak nihai olarak en uygun yapının kurgulanması hedefinin önemli olduğunu göstermektedir (Giglio vd., 2022, s.497). Büyük veri ve marka arasındaki ilişkinin kurgulanmasında yeni bir yöntem olarak makine öğrenmesi yoluyla marka kişiliğinin tahminine yönelik çalışmalar bulunmaktadır; burada marka kişiliklerinin eşanlı olarak hem algısal hemde tüketicinin odaklandığı unsurlar açısından analiz gerçekleştirilmektedir (Pamuksuz vd., 202,s. 64-65). Bu kapsamda büyük veri ve marka arasındaki ilişkiyi belirlemede kullanılacak yöntemlerde veri algoritmalarının davranışların yapısına uygun kurgulanması gerekli olmaktadır. Doğrudan marka açısından bakıldığında verileştirme eyleminin mekanik değil daha organik bir markalaşma çalışmasını teşvik edeceği görülmektedir çünkü müşteri ile doğrudan 26 etkileşim kurma, içerik üretme ve sosyal izleme unsurları etkili olmaktadır (Aime vd., 2022, s.815,816-819). Büyük veri analizleri hizmet endüstrisinde önemli bir yer bulmaktadır. Söz konusu çalışmalar ağırlıklı olarak hizmet unsurları ve tüketici profilinin tercih açısından kümelenmesi şeklindedir ve daha çok gelecek dönem satınalma davranışını tahmin eden bir algoritma belirlenmeye çalışılmaktadır (Nilasiah vd., 2021, s.10-13;Wang vd., 2022, s. 3-7). Buradan hareketle tüketicilerin sosyal medya üzerinden markalara yönelik bilgi ve düşüncelerini yüksek hacimli veriler şekilde aktarmaları ve paylaşıma sunmaları e-WOM açısından önemli bir girdi olmaktadır. Burada önemli olan nokta paylaşım faaliyetinin içerisinde ayrıntıların ve paylaşımın yapıldığı platformun iyi incelenmesidir (Cabosky, 2016, s.174-178). Çünkü sosyal medya üzerinden elde edilen veriler firmaların kendi rekabetçi pozisyonlarını görebilmek ve buna ilişkin karar alabilmek için kullanmalarını tetiklemekte, ayrıca tüketicilerin sosyal medya üzerinden aktardıkları ifadelerle duygu eğilimlerinin oluşumunu sağlamaktadır (He, 2015, s.16-31). Literatürde büyük veri kavramı ve kullanımı açısından en önemli ve genel kabul gören veri bileşeni sosyal medya üzerinden elde edilen veriler olduğu belirtilmektedir ve bu etkileşim sosyal büyük veri şeklinde kavramsallaştırılmaktadır. Söz konusu kavramsallaştırmada sosyal medya araçları büyük veri ve verinin analizi unsurlarının birlikteliği ve kesişmeleri söz konusudur. Sosyal büyük veri analitiği temelde, ağ analitiği, metin analitiği, bilgi yayılım modelleri gibi uygulamalarda kullanılmaktadır (Bello Orgaz vd., 2016). Bu bağlamda, sosyal medya analitiği, marka tutumları açısından etkin bir araçtır. Sosyal medya analitiğinin aşağıda belirtilen sekiz temel süreç kullanılacak yöntemlerde ve analizlerde öncelikli olacaktır. Söz konusu süreçler şunlardır (Holsapple vd., 2018, s.45): - Dikkat: Bilginin elde edilmesi için gerekli olasılıkların araştırılması. - Edinim: İçsel veya dışsal kaynaklardan uygun bilginin elde edilmesi. - Tasarım: Elde edilen bilgilere yönelik eylemlerin belirlenmesi. - Değerlendirme: Alternatif eylemlerin göreceli değerini belirleyerek uygun olanın yapısallaştırılması. - Seçim: Seçilen eylemlerdeki sorunların çözmesi. 27 - Uygulama: Kararın yerine getirilmesi. - Geri besleme ve gözden geçirme: Bilginin elde ediniminde ve sonrasında mevcut ve algılanan çıktıların değerlendirilmesi. - Öğrenme ve davranış biçimlendirme: Geri besleme ve değerlendirme ışığında yeni bakış açıları geliştirilmesi. Sosyal medya analitiği, sadece tüketicilerle kurulan iletişimin çözümlenmesi bağlamında değil, iletişim bağlamında da kullanılan güçlü bir araçtır. Bu noktada keşfetme, takip, izleme, hazırlama, analiz etme şeklinde aşamalara sahiptir (Stieglitz v.d. 2018 s.158). Sosyal medya analitiği için izlenebilecek yapının gösterimi aşağıda görülebilir (Stieglitz ve Dang Xuan, 2013, s. 1288). Şekil 3: Sosyal Medya Analitiği için izlenecek yolun özeti Kaynak: Stieglitz, S., Mirbabaie, M., Ross, B., & Neuberger, C. (2018). Social media analytics–Challenges in topic discovery, data collection, and data preparation. International journal of information management, 39, 156-168. 28 Missirlis ve Vlachopoulou (2018, s.272) sosyal medya analitiği tanımlamaya ilişkin gerçekleştirmiş olduğu inceleme neticesinde temel olarak özellikle enformatik araçların geliştirilmesi ve değerlendirilmesi, analiz edilmesi, ölçümlenmesi kavramlarını tespit etmiştir. Sosyal medya analitiğinin pazarlama hedefleri ile bağlantılı olarak markalama, e-WOM, tüketici davranış araştırmaları ve CRM uygulamaları ile iniltili olduğu belirtilmektedir. Büyük veri analitiği kapsamında sosyal medya verilerinin kullanılması tüketicilerin markalara yönelik tutumlarını belirleme konusunda kendine has özellikleri açısından üstünlüklere sahiptir. Sosyal medyanın içerdiği veriler günlük yaşam içerisindeki tüm unsurları içeren kullanıcı fikirlerini kapsayıcıdır. Diğer yandan sosyal medya verileri hemen her zaman güncel içeriklidir ve kullanıcı yer beğenme, zaman ve beğenmeme gibi çeşitli özellikleri içeren meta datalarla birlikte çalışır. Son olarak sosyal medya verileri odaklı fakat ön işleme tabi tutulması gereken yığın-gereksiz ve spam (istenmeyen) bilgi içerir (He, 2017, s. 278). Bu açıdan bakıldığında, tüketicilerin sosyal medya üzerinden duygularını ve algılarını ifade etmesi ve aynı zamanda söz konusu unsurları paylaşmaya yönelik motivasyonunun yüksek olması sosyal medyadan elde edilecek verilerin sürecini ve fonksiyonunu doğrudan etkilemektedir. Twitter açısından bir inceleme yapıldığında tweet bazında duygusal olumluluk ile markaya yönelik duygusal olumluluk tüketicilerin beğeni ve retweet le birlikte hareket etmektedir. Marka duygusal olumluluğu retweet ve tweet arasında düzenleyici role sahiptir ( Oliveira, 2022, s.51). Sosyal medya analitiğinin bir tipolojisi yapıldığında ise pazar yönelimlilik ve yerindelik unsurları açısından müşteri ve rakiplerin eş zamanlı ve eş zamanlı olmayan bir analiz düzleminin olduğu belirtilmektedir. Eş zamanlı müşteri sosyal medya analitiği reaktif pazarlama çabalarına odaklanarak, anahtar kelime analizi, metin analizi, şikayet tespiti ve online görüş ve yorumların incelenmesi gibi faaliyetler gerçekleştirilir. Eş anlı olmayan sosyal medya analitiği ise, proaktif pazarlama çabalarını içererek, karlı müşterilerin tanımlanması, sosyal ağ analizi, web analitiği ve sentiment analizi gibi uygulamaları gerçekleştirmektedir (Lee, 2018, s.201). Sosyal medya üzerinde büyük veri analitiğine ilişkin sınıflandırma incelendiğinde dört ana unsur ortaya çıkmaktadır. Bunlar, veri kaynakları, nitelikleri, sayısal zeka ve teknikler şeklindedir. Veri kaynakları, küçük ölçekli bloglar, haberler, makaleler, internet forumları, görüşler ile soru cevap 29 bildirimleridir. Özellikler ise tanımlayıcı, belirleyici, tahmin edici ve kuralcı yaklaşımlardır. Sayısal zeka bağlamında yapay nöral ağlar, fuzzy sistemler, kolektif zeka, evrimsel hesaplama ve derin öğrenme şeklindedir. Tekniklere bakıldığında ise, modelleme, duygu analizi ve metin madenciliği şeklinde olduğu görünmektedir (Ghani vd. , 2018, s.419). Örnek olarak, online otel görüşlerinin analiz edildiği bir çalışmada (He vd. 2017, s.925-926) elde ettikleri verinin toplanması, doğal dil işleme prosesi, metin madenciliği ve duygu analizi gerçekleştirmiştir. Bu çalışmada, veri setleri küçük parçalar halinde ayrılmış, daha sonra olası kategoriler listesi geliştirilmiştir. Daha sonra her bir kategori için duygu analizi gerçekleştirilerek, olumlu, nötr ve negatif duygular kategorilendirilmiştir. Genel itibariyle sosyal medya analitiğinin özünde müşteri bilgi yönetimi vardır. Bu noktada müşteri bilgi yönetimi üç ana olgu içerisinde kullanılmaktadır. Söz konusu bilgi yönetiminin sosyal medya ile bağlantı noktası kurulduğunda ise aşağıda belirtilen kavramsallaştırma yapılmaktadır (Chua ve Banerjee, 2013, s.238-240). - Müşteriler için bilginin yönetimi: Ürünler ve pazarlar hakkında müşteriler için tedarikçi bilgisi, ürün ve hizmetlerdeki değişimin incelenmesi, müşteriler için teklifte bulunmak, ürün ve hizmetler için içerik geliştirmek. - Müşterilerden elde edilen bilginin yönetimi: Müşteri yönelimli inovasyon sağlanması, müşteri reaksiyonlarını görme, müşterilerin ayrılma nedenlerinin belirlenmesi ve müşterilerin ihtiyaç ve satın alma yönelimlerini söylemeye yönlendirme. - Müşteriler hakkındaki bilginin yönetimi: Müşteriler hakkında bilgili olma, müşteriler hakkında paylaşılan bilgi yapısı oluşturmak, farklı müşterileri aynı küme içinde değerlendirebilmek, müşteriler arasındaki bilgi değişimini sağlamak. 2. DUYGU ANALİZİ YÖNTEMİ Daha öncede belirtildiği üzere, duygu analizi, sosyal medya analitiği bağlamında, tüketicilerin markalara yönelik düşünce ve tutumlarını belirleyebilmek adına, duygu analizi önemli bir araç olarak kullanılmaktadır. Vidya vd. (2015, s.521) Twitter üzerinden 30 elde etmiş olduğu verilerle tüketicilerin algıladığı marka şöhretini analiz ederken analizinin aşamalarını şu şekilde belirlemiştir. Bir aşamada verilerin alınması, daha sonra özellik seçimi, sınıflandırma, sınıflandırmanın değerlendirilmesi ve daha sonrada marka şöhretin ölçümlenmesi şeklinde gerçekleşmiştir. Ghiassi vd. ( 2013) benzer şekilde Twitter temelli duygu analizi literatürüne ilişkin yapmış olduğu inceleme kapsamında, duygu analizinin temelde iki ana yaklaşımı içerdiğini belirtmiştir. Birinci yaklaşım kişilerin düşüncelerinin olumlu veya olumsuz şekilde incelenmesi, ikinci yaklaşım ise makine öğrenmesi algoritmaları şeklindedir. Diğer yandan duygu analizinin yazılı metin üzerinden gerçekleştirilmesi bağlamında ise puan temelli yaklaşımın ön planda olduğunu vurgulamıştır. Bu noktada Twitter mesajlarının değerlendirilmesi bağlamında, bir duygu skalası şeklinde + 1 - 1 düzleminde incelemelerini gerçekleştirmiştir. Duygu analizi sürecinin denetimli veya otomatik olarak gerçekleştirmesine yönelik ise; çok olumlu, kısmen olumlu, nötr, kısmen negatif ve tamamen negatif ölçek üzerinde uygun metinlerin bu gruplar içerisine alınması sağlanmıştır. Mostafa’nın (2013, s.4242) çalışmasında, duygu puan veya skorlarının nicelleştirilmesine yönelik geliştirdiği kısmi model aşağıda görülebilir (Bkz. Şekil 8). Şekilde Görüldüğü üzere olumlu ve olumsuz taraflarla birlikte karşıtlık değerlendirme hedefi bağlamında özel bir unsura ulaşmak ve onu pozisyonlama şeklinde bir yapı söz konusudur. Şekil 4. Duygu analizinin nicelleştirilmesi. Kaynak: Mostafa, M. M. (2019). Clustering halal food consumers: A Twitter sentiment analysis. International Journal of Market Research, 61(3), 320-337. 31 Duygu analizi temel itibariyle sosyal medya içeriğini gömük veya bir anlamda örtük şekilde, yerleşik olan duygusal yapının ortaya çıkarılmasına odaklanarak ikili bir sistem şeklinde (olumlu-olumsuz) veya nötr yapıyı ortaya koyarak bir sınıflandırma yapmayı hedeflemektedir. Bu açıdan bakıldığında duyguların bir anlamda yakalanması ve içerisindeki ana temanın denetimli veya denetimsiz bir makine öğrenme algoritması ile belirlenmesi ana olgusunu ifade eder (Verma , 2022). Örneğin, Zimbra vd., (2016) bir kahve markası hakkında yaptıkları çalışmada, birçok çalışmaya göre farklı bir yaklaşım ile duygu analizini pozitif, negatif, nötr düzleminden ileriye götürüp, iki tane ara durum ekleyerek, kesinlikle olumlu, hafif pozitif, nötr, hafif negatif, kesinlikle olumsuz şeklinde beş grupta verileri sınıflandırmışlardır. Tüketici tercih ve ya düşüncelerinin örtük şekilde yer alan yapısının açılımının sağlanması, kendi içerisinde bir süreci ve ya aşamaları içermektedir. Bir aşama da inceleme konusu olan özelliklerin ve duygu analizi cümlelerinin tanımlanması aşamasıdır. Bu tanımlama hem inceleme konusu olan özelliklerin, hem de duygu analizine konu olacak cümle setlerinin belirlenmesine atıf yapar. Daha sonra belirtilen özellik ve duygu eşleşmesi yapılarak duygu ve özellik kümeleri oluşturulur, duygulara bir değer atanır, duyguların yönelimi belirlenerek açılım kuralları belirlenir. İkinci aşamada ise tercihin tanımlanması veya unsurun tanımlanması bağlamında analizler gerçekleştirilir ( Zhang vd.2021,s.4). Genel olarak düşünüldüğünde tüketicilerin bir anlamda puanlandırılması ve görüşleri değerlendirme düzeyini belirleyen önemli bir unsurdur. Söz konusu görüşler serbest form şeklinde olabileceği gibi puanlama şeklinde de gerçekleştirilebilir. Serbest form şeklindeki görüşlere dayalı duygu analizinde kelimelerin duygu sınıflandırması genelde, amaca uygun duygu sözlükleri (corpus) ile sağlanmaktadır. Daha az duyarlı diğer bir unsur ise, müşterilerin görüşlerini temel sorunlarını olasılık modellerini kullanarak kümelemeyi hedefleyen konu modellemesidir. Bu açıdan bakıldığında duygu analizine yönelik kelimeler müşterinin belirttiği konulara atanmaktadır. Ancak bu kombinasyon sadece basit frekansları temsil ettiği için, müşterinin ayrıntılı değerlendirme modelini yakalama konusunda yetersiz kalabilmektedir (Park vd. 2021, s. 2). Sosyal medya ve kullanıcıların üretmiş olduğu içerik üzerinden bir analitiğin gerçekleştirilmesi temelde güçlü bir yorum ve bilginin paylaşımı sürecine atıf yapar. Sosyal medya bu anlamda kendi iç iletişim mekanizmasına sahip ve kullanıcıların daha 32 güçlü bir şekilde katılımının sağlandığı ve ağırlık olarak da markalara yönelik düşüncelerin ön planda olduğu güçlü bir araçtır (Morgan vd., 2021,s.2). Ibrahim ve Wang (2019, s.36) tweetlerin analiz edilmesinde kullandığı modeli çerçevelerken üç ana grup üzerinden hareket etmiştir. Birincisi veri kaynakları, ikincisi ön işleme, konu modelleme, duygu analizi, zaman serisi analizinin içerdiği metot, üçüncü grup ise tweet hacim ve duygularındaki trendler, kritik an noktaları, duygulardaki değişiklikler, konu ve gelişim alanlarının olduğu bulgu kısmıdır. Sözlük temelli (lexicon-based) yaklaşım, duyguları belirleme konusunda kullanılmaktadır. Çalışmada müşteri tweetleri üç temel kategoride de ölçümlenmiş ve gruplandırılmıştır. Bunlar, olumlu, olumsuz, nötr şeklindedir. Sözlük aynı zamanda metinde yer alan psikolojik ve davranışsal farklı boyutları ölçümlemeye yönelik olarak kelime listelerini içermektedir. Olumlu ve olumsuz ile nötr bulgular yanında, duygu analizi skorları olarak birleşik skorlarda hesaplanabilmektedir. Bileşik skor duygu skorlarının -1 ( en negatif) +1 (en pozitif) arasında normalleştirilmesidir (Kim ve Lim,2021, s.5). Duygu analizi çalışmalarında semantik analizlerde gerçekleştirebilmektedir. Bu bağlamda özellikle Twitter verileri incelenirken, her tweet metindeki olumlu olumsuz kelimeler bağlamındaki benzerliklerine göre bir veya daha fazla konu bağlamında kümelenmektedir. Her bir tweet için bir konu atandığında, sıklık hesaplamaları aynı zamanda ters sıklık frekansları incelenmektedir. Bu açıdan bakıldığında birçok periyotta tekrar eden ortak kelimeler onları etiketleme konusunda daha az önemli görülmekte, bir tweetteki daha özgün terimler, etiketlemede daha büyük bir role sahip olarak ele alınmaktadır. Bununla birlikte bu yaklaşımın kalitesinin güçlendirilmesi daha büyük verilerin varlığını ve konuların el yordamıyla düzenlenmesi ve dengelenmesini gerekli kılmaktadır ( El-Diraby, 2019, s.7). Bu açıdan bakıldığında ontolojik temelli duygu analizinin geniş ölçekli verilerin semantik bilgi temelinde varsayımlanması incelenmektedir. Diğer bir ifadeyle verilerdeki özelliklerinin yapısının ve ontolojik özelliklerinin belirlenmesi yaklaşımın özünü oluşturmaktadır. Belirtildiği üzere el yordamıyla yapısal bir biçimsellik kazandırılması temeldir. Aslında bakış açısı müşterilerin fikirlerinin iç ve dış özellikler bağlamında kavramsallaştırılmasıdır, bu durum örtük olan fikirlerin ortaya çıkarılmasını hedeflemektedir (Sun vd., 2019, s.69). Özetle Duygu analizi leksikon temelli yaklaşım bağlamında gerçekleştirildiğinde veriyi anlamak, uygulamak, etkinliğini sağlamak nispeten daha kolay olmaktadır. Denetimsiz bir yaklaşım olarak etiketlenmiş veri gerektirmemektedir ancak leksikon sözlüğün 33 varlığını gerekli kılmaktadır. Bu aşamada duygu analizinin ana mekanizmalarının incelenmesi gerekli olmaktadır. Aşağıda konuya ilişkin teorik incelemeler gerçekleştirilmiştir. Duygu analizi iç mekanizma olarak beş temel prosedürü içermektedir (Jardim ve Mora, 2022, s.201); 1) Verilerin çıkarılması 2) Verilerin ön işlemeye tabi tutulması 3) Duyguların tespiti 4) Duyguların sınıflandırılması 5) Duygular için karşıtlığın belirlenmesi Birçok çalışmada duygu analizi farklı kategorilerde tanımlanmıştır, bu farklılık aslında küçük yaklaşım farklılıklarıdır. Raghuvanshi ve Patil (2016) Yaptıkları çalışmada duygu analizini üç temel algoritma bağlamında incelemişlerdir. 1- Denetimli Öğrenme Algoritması: Denetimli öğrenme algoritmalarının en bilinenleri Karar ağaçları, Destek vektör makineleri ve Naive Bayes Sınıflandırıcılar olarak belirtilmiştir. 2- Denetimsiz Öğrenme Algoritması: Bu yaklaşımda etiketlenmemiş ham veriler ve öğrenme kalıpları sisteme verilecek bu kalıplar üzerinden makine öğrenmesi sağlanmış olacaktır. 3- Hibrit Yaklaşımlı Algoritma: Hibrit yaklaşımda, hem makine öğrenimi hem de sözlük temelli yaklaşımların kombinasyonu kullanılmıştır. Araştırmalarda, bu kombinasyonun gelişmiş sınıflandırma performansı sağladığını defalarca ispatlanmıştır. Bu üç yaklaşım içerisinde en etkili olduğu düşünülen hibrit yaklaşımı ise kendi içerisinde dört farklı tip kapsamında incelenmiştir (Raghuvanshi ve Patil, 2016). 34 a) Kelime Seviyesinde Duygu Analizi b) Cümle Seviyesinde Duygu Analizi c) Özellik Seviyesinde Duygu Analizi d) Doküman Seviyesinde Duygu Analizi Feldman (2013) ise, yaptığı çalışmada, duygu analizini beş kategoriye ayırarak incelemiştir. Bu beş kategori, belge düzeyinde duygu analizi; cümle düzeyinde duygu analizi; aspect tabanlı duygu analizi; karşılaştırmalı duygu analizi; ve, duygu sözlüğü edinimi şeklinde sıralanmıştır. Duygu analizlerinin sonunda verileri görselleştirmek son zamanlarda sıkça kullanılan bir uygulama haline gelmiştir. Çizelgeler, grafikler ve bilgi grafikleri gibi veri görselleştirmeleri, işletmelere önemli bilgileri anlık iletmek için değerli bir yol sağlamaktadır. Verilerin metin tabanlı olması durumda önemli veri noktalarını vurgulamak için çarpıcı bir görselleştirme talebinde bir kelime bulutu kullanılarak veriler donuklaştırılarak veya sabitleştirilerek istenen önemli bilgiler anında raporlandırılabilir. Kelime bulutlarının işleme şekli basit anlamda kelimelerin kaynakta görülme sıklığının daha büyük ve belirgin görülmesini sağlama şeklindedir (Gursoy vd., 2017). Sharma ve Jain (2020) yaptıkları çalışmada Duygu analizi kavramını değişik boyutlarıyla ele alarak, güvenlik açısından duygu analizinin bir özetini çıkaran çalışmalarında, ayrıca makine öğrenmesi algoritmalarını şekille özetlemişlerdir (Bkz. Şekil 5). 35 Şekil 5: Makine Öğrenmesi Tekniklerinin Sınıflandırılması Kaynak: Sharma, S., & Jain, A. (2020). Role of sentiment analysis in social media security and analytics. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 10(5), e1366. Doktora tez çalışmasının teorik açıklamalarını takiben tüketicilerin online olarak görüşlerini yansıttıkları mecralardan verilerin sağlanması aşamasına geçilerek büyük veri algortimasıyla marka kişiliklerinin sınıflandırılmasına yönelik uygulama gerçekleştirilmiştir. Öncesinde Türkiye’de büyük veri ile gerçekleştirilen ve marka kişiliğini tespite yönelik duygu analizi çalışmaları özet olarak incelenmiştir. Aşağıda söz 36 konusu çalışmalarda tespit edilen marka kişiliği boyutları ve sektörel bilgiler yer almaktadır. Yazar(lar) Maka Kişiliği Boyutları Çalışmanın Yapıldığı Sektör(ler) Dölarslan, E. Ş. (2012) Sorumluluk, Hareketlilik, Saldırganlık, Sadelik, Duyarlılık Otomobil, Spor Ayakkabı, Kolalı içecek İmrak, S. (2015) Başarılı, Yetenekli, Samimi, Sağlıklı, Heyecan Verici Cam Ev eşyası Selda, U. C. A. (2015) Samimiyet, Heyecan, Sertlik, Yetkinlik, Sofistike Şehir Pazarlaması Kayıkçı, P., & Cengiz, E. (2020) Karizmatik ve Heyecanlı, Güvenilir ve Yetkin, Samimi ve Neşeli, Androjen Alışveriş merkezleri Aysen, E. Vd. (2012) Yetkinlik, Eğlence, Tatlı Sert, Coşku, Geleneksellik, Değişmezlik Eğitim - Üniversiteler İsmail, K. Vd., (2015) Samimiyet, Heyecan, Yetenek, Görünüm, Sağlamlık Sağlık - Eczane 37 Kılıç, A., & Altay, Ş. (2018) Samimiyet, Coşku, Yetkinlik, Gelişmişlik, Sertlik Eğitim - Üniversiteler Bilgin, M. D., & Yılmaz, K. G. (2019) Yetkinlik, Heyecan, Geleneksellik, Androjenlik Perakende - Gıda Tablo 2: Türkçe yazında yer alan bazı marka kişiliği boyutları Literatürde büyük veri kullanımı alan olarak sosyal medya üzerinden tüketici görüş ve tepkileri şeklinde gerçekleştirilebildiği gibi özellikle hizmet sektöründe tüketicilerin online görüşlerinin (geri besleme) analizi şeklinde de ağırlıklı olarak kullanıldığı görülmektedir. Doktora tez çalışmasında tüketicilerin deneyimledikleri otellere ilişkin online görüşleri büyük veri mantığıyla analiz edilerek tüketicilerin marka kişiliği olarak atfettikleri sıfatlar özel olarak geliştirilen algoritma ile tespit edilmiştir. Konaklama endüstrisinde tüketiciler tarafından üretilen verilerin hacimli ve yapısallaştırılmamış niteliği büyük veri için yeni bir kaynak olarak literatürde kullanılmaktadır (Mankad vd., 2016). Otel işletmelerine yönelik tüketicilerin görüşlerinin büyük veriyle analiz edildiği çalışmalar son dönem itibariyle ağırlık kazanmaktadır. Bazı çalışmalar bu görüşleri klasik duygu analiziyle gerçekleştirirken (Park vd., 2020) diğer bazı çalışmalar makine öğrenmesi yöntemlerini tercih etmişlerdir ( Shi ve Li, 2011). Ayrıca tüketicinin yaratmış olduğu verilerin veri madenciliği ile incelendiği görmek mümkündür (Duan vd., 2013). Tezin üçüncü bölümü yukarıda belirtilen teorik yapılar çerçevesinde otel işletmelerine yönelik tüketici tutumlarının büyük veri kapsamında duygu analizi yöntemi ile belirlenmesine yönelik uygulama aşamasını iççermektedir. 38 ÜÇÜNCÜ BÖLÜM TÜKETİCİ YORUMLARINDAN MARKA KİŞİLİĞİNİN ANALİZ EDİLMESİ 1. ARAŞTIRMANIN AMACI ve KAPSAMI Tüketicilerin marka kişiliği algıları ve sınıflandırması teorik kısımda anlatıldığı üzere daha çok ve geleneksel anlamda tüketiciler üzerinde gerçekleştirilen anket çalışmaları ile belirlenmektedir. Ancak tüketicilerin bilişsel ve duygusal anlamda, zihninde marka kişiliğine yönelttiği ifadelerin, kendi kelimeleri bağlamında belirlenmesi, anket çalışması ile kendisine hazır olarak sunulan marka kişiliği boyutlarına göre daha gerçekçi bir sonuç vereceği aşikardır. Araştırmanın amacı, tüketicilerin görüşlerine ve düşüncelerin dayanarak kullandıkları ifadelerin temelinde markalara kişilik olarak neyi atfettiklerini anlamlandırarak ve dolayısıyla sınıflandırarak büyük veri bağlamında duygu analizi ile belirlemektir. Geleneksel anlamda marka kişiliği belirleme ve tespit etme çalışmaları gerek hız açısından gerek anlık veriye dayalı tespit açısından yetersiz kalmaktadır. Bu nedenle çalışmanın önem noktası bahsedilen bu iki konudur. Diğer yandan tüketiciler karar verme aşamasında yaşanmış, söylenmiş, önerilmiş fikir ve düşünceleri de dikkate almaktadırlar (Liu, 2012). Tüketicilerin görüşlerine ilişkin bilgiler ve dolayısıyla veriler son dönemde hacim ve hız açısından artan oranlı bir yükseliş sergilemektedir. Hatta sözkonusu verilerin miktarı eksabayt (1073741824 GB) boyutuna ulaştığı belirtilmektedir. Bahsedilen boyutlardaki verilerin alınması ve işlenmesi ise ayrı bir analiz sürecini gerekli kılmaktadır. Ancak büyük veri kavramını sadece verinin kapladığı alan olarak değerlendirmek hatalı olacaktır (Katal vd., 2013). Online platformlar ve sosyal medya araçları ile düşünceleri “hemen ve dolaysız, kendi kelimeleri ile aktaran” tüketici profilinin gelişimi büyük veri olarak olgunlaşan bu sistemden markaların kişilik algılarını belirlemek çalışmanın hedef noktasını oluşturmaktadır. Tez çalışmasının kapsamı, Türkiye konaklama endüstrisi(oteller) üzerine ve son beş yılda oluşan verileri içermektedir. 39 2. ARAŞTIRMANIN YÖNTEMİ Çalışmanın temel konusu, sosyal medya verileri üzerinde algılanan marka kişiliğini tespit etmek için literatürdeki marka kişiliği çalışmaları ile duygu analizi çalışmalarını bir araya getirmektir. Üzerinde durulan problem, sosyal medya yorumlarının duygu analizlerinin yapılması sonucu elde edilen müşteri eğilimlerinin marka kişiliği ile ilişkisinin tanımlanmasıdır. Aşağıda yöntemin ayrıntıları verilmiştir. Tez çalışması, tüketici yorumlarından oluşan veri kümesi kullanılarak, duygu analizi yöntemi ile gerçekleştirilmiştir. Böylece tüketicilerin yorumlarında markalara yönelik kendi ifadelerine dayalı olarak hangi marka kişilik algısının oluştuğunun otomatik olarak belirlenmesi gerçekleştirilmiştir. Dolayısıyla temel yöntem duygu analizidir, ancak diğer yazılımsal uygulamalar tez için özgün ve orijinal olarak geliştirilmiştir. Duyguyu otomatik olarak çıkarma hedefine yönelik iki ana yaklaşım bulunmaktadır. Bunlar; 1. (Lexicon-based) Sözlüğe dayalı yaklaşım. Etiketli metin veya cümle örneklerinden denetimli bir şekilde metin sınıflandırma yaklaşımıdır. 2. (Latter approach) İstatistiksel veya makine öğrenimi yaklaşımı olarak da tanımlanabilir. Sözcüklerin anlam yönelimi veya kutupsallığı ile açıklama eklenmiş sözcüklerin kullandığımız ilk yöntemin üzerinde geliştirilmiştir (Taboada vd., 2011). Uygulamanın başlangıç noktasında, denetimsiz öğrenme yolu denenmiş olsa da, sonuçta regresyon algoritması ile denetimli öğrenme yöntemi kullanılarak, sistemin hangi kelimeyi gördüğünde hangi marka kişiliği ile ilişkilendireceği sorununa odaklanılmıştır. Makine öğrenmesi, deneyimlerden öğrenilen bilgilerin otonom olarak edinilmesi ve bütünleştirilmesi yeteneğine sahip bir sistem olarak tanımlanmaktadır (Murphy, 2012). Bu çalışmada makine öğrenmesi iki temel kola ayrılarak incelenmektedir. 40 1. Denetimli Öğrenme: Verileri ve o verilerden çıkan sonuçları makineye tekrar baştan vererek bu bilgilerden bir fonksiyon çıkarılmasını sağlamaktadır. Böylece makine veriler arasındaki ilişk