Sosyal medyada marka sayfaları takibi üzerinde fenomen etkisi : Instagram örneği

Abstract

Çalışmada C# tabanlı bir yazılımla Instagram’daki ilgili tarihteki 1.000.000 takipçisi olan gerçek kişilerin etiketlemeleri analiz edilmiştir. Takip programı iki ay boyunca çalıştırılmış, programın çalıştığı süre boyunca yapılan etiketlemelerdeki hesapların takipçi sayıları iki dakikada bir kaydedilmiş ve veri toplama aşaması etiketlenmiş sayfaların etiketleme öncesindeki zaman aralıklı takipçi sayıları da sosyal medya analiz sitelerinden alınarak tamamlanmıştır. Toplanan geçmişe dönük takipçi sayısı verileri üzerinden tahminleme yöntemi kullanılarak hesaplanan değerler grafiğe dökülmüş ve etiketleme sonrası programla toplanan veriler ile karşılaştırılmıştır. Fenomen kategorilerinin etiketlenen sayfa kategorileri üzerindeki etkisi bu grafikler kullanılarak belirlenmiştir. Sonrasında, veriler normalleştirilerek etiketlenen hesaplar üzerindeki etki değerleri ortalamaları karşılaştırılmış ve hangi fenomen grubunun daha etkili olduğu konusunda çıktılar yorumlanmıştır. Çalışma sonucunda Instagram fenomenlerinin yaptığı etiketlemelerin; basın-yayın organları, online alışveriş, sivil toplum kuruluşu-resmi kurum, telefon uygulaması, diğer ana kategorileri üzerinde takipçi sayılarına pozitif etkileri olduğu görülmüştür. Ek olarak, şarkıcı ve oyuncu kategorilerinin diğer fenomen kategorilerine kıyasla daha etkili olduğu görülmüştür.

In this study, the labellings of real persons with over 1.000.000 followers at concerned date was analysed using a C# based tracing software. The program was run for two months, the number of traced accounts’ data has been recorded in two-minute intervals and the data mining phase was completed by gathering the former follower numbers of traced accounts from social media analyse websites. Using the forecasting method over the former follower numbers, expected follower numbers were estimated and graphed to compare with the data gathered through the tracing software. The effect of the phenomenon categories on the tagged account categories were determined using these graphs. Afterwards, by normalizing data, the average effect values were compared and the output on which phenomenon category is more effective was interpreted. The results reveal that the tagging of Instagram phenomenons are acting positively on media organs, online shopping, non-governmental organizations and public enterprises, mobile applications and others categories. Additionally, the singers and actor/actress categories are appeared to be more effective than the other phenomenon categories.