E-pazaryerlerinde ürünlere yönelik kullanıcı değerlendirmelerinin inandırıcılığının makine öğrenimi ile tahminlenmesi

Abstract

Gelişen teknolojiler ile online alışveriş platformlarının kullanımı oldukça artış göstermiştir. Bu platformların geniş bir kullanıcı yelpazesine sahip olması platformların etkileyici gücünü artırmaktadır. Dolayısıyla bu platformlarda kullanıcıların yaptığı değerlendirmelerin inandırıcılıkları da bu ürünleri satın almayı düşünen kullanıcıların fikirlerini etkileyebilmektedir. Bu çalışmanın genel amacı, çevrimiçi değerlendirmelerin inandırıcılık değerlerini saptamaktır. Bu amaç doğrultusunda Mayıs 2023 - Ocak 2024 yılları arasında erişilen çevrimiçi değerlendirmeler toplanmıştır. Toplanan veriler üzerinde duygu analizi uygulanmış ve her değerlendirmenin duygu sınıfı belirlenmiştir. Makine öğrenimi modelleri karşılaştırılmış ve elde edilen verilerle uygun model eğitilmiştir. Eğitilen modelin tahmin başarısı test edilmiş ve çevreci ürünler üzerinde tahminleme yapılmıştır. Bu çalışmada elde edilen bulgular, çevrimiçi değerlendirmeye ait duygu sınıfının inandırıcılık üzerindeki etkilerini göstermektedir. Çevrecilik durumuna dair yapılan analizlerde ise çevrecilik durumunun inandırıcılık üzerinde bir etkisi olduğu gözlemlenmiştir. Çevrecilik durumuna göre ürünler bazında yapılan analizler ise inandırıcılık endeksi üzerinde anlamlı farklılıklar olduğunu göstermektedir.

With developing technologies, the use of online shopping platforms has increased significantly. The fact that these platforms have a wide range of users increases the impressive power of the platforms. Therefore, the credibility of the evaluations made by users on these platforms may also affect the opinions of users who are considering purchasing these products. The general purpose of this study is to determine the credibility values of online reviews. For this purpose, online evaluations accessed between May 2023 - Jan 2024 were collected. Sentiment analysis was applied on the collected data and the sentiment class of each evaluation was determined. Machine learning models were compared and the appropriate model was trained with the obtained data. The prediction success of the trained model was tested and predictions were made on environmentally friendly products. The findings obtained in this study show the effects of the emotion class of online evaluation on credibility. In the analysis of environmentalism, it was observed that environmentalism had an effect on credibility. Analyzes made on a product basis according to environmentalism status show that there are significant differences on the credibility index.