Data driven positioning analysis of music streaming platforms
Müzik platformlarının veriye dayalı konumlandırma analizi
- Tez No: 810449
- Danışmanlar: DOÇ. DR. UMUT ASAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 103
Özet
Müşteri anketleri gibi geleneksel yöntemler aracılığıyla yapılan marka konumlandırma çalışmaları genellikle yanlı yanıtlar ve sınırlı içgörüler sunar. Son teknoloji doğal dil işleme algoritmalarını kullanmak, geleneksel yöntemlere kıyasla, kullanıcı incelemelerindeki duygu ve temel konuların daha kapsamlı bir şekilde anlaşılmasını sağlar. Büyük miktardaki metin verilerinden anlam ve duygular çıkararak, bu yaklaşım, marka konumlandırmasını değerlendirmek için daha verimli, daha düşük maliyetli ve daha az yanlı bir yöntem sunar. Duygu tespiti ve sınıflandırması için çeşitli konu modelleme yöntemleri kullanan önceki araştırmalarla kıyaslandığında, bu çalışma pozitif, nötr ve negatif incelemeler için ayrı konu modelleri oluşturarak bir adım daha ileri gitmektedir. Müzik platformlarındaki müşteri incelemelerinin duygusal yönlerinin derinlemesine analizi, marka konumlandırma kararlarını yönlendirebilecek değerli içgörüler sunmaktadır. Bu tez, önerilen yöntemi kullanarak rekabetin yüksek olduğu müzik platformları pazarında kullanıcı değerlendirmelerinin analizini araştırmaktadır. İlk olarak, App Store'dan Spotify, Apple Music, YouTube Music ve Amazon Music için rastgele olarak 2017'den 2023'e kadar olan bir zaman dilimini kapsayan 500'er kullanıcı incelemesi toplanmıştır. Sonrasında ön işlenmiş veriler üzerinde transformatör modeli baz alan pysentimiento adlı python kütüphnesi kullanılarak duygu analizi yapılmış ve pozitif, nötr ve negatif duygu sınıflandırmaları elde edilmiştir. Her bir duygu grubuna ait kullanıcı yorumlarını içeren pozitif, nötr ve negatif olmak üzere üç ayrı BERTopic modeli oluşturulmuştur. Analiz sonuçları, her bir veri grubunu tanımlayan konuları, her konuya dahil olan kullanıcı yorumu sayısını, her bir konuyu tanımlayan kelimeleri ve konuların birbiriyle olan ilişkilerini göstermektedir. Her bir model için konular ve kelimeler tespit edildikten sonra, her duygu kategorisi için ayrı ayrı tablolar oluşturularak konu sayısı kadar yeni sütun eklenmiştir. Her bir kullanıcı yorumu incelenmiş ve sütunlardaki 'konu'ları tanımlayan kelimeleri içeren yorumların puanı, her bir kelimenin puanı toplanarak hesaplanmış, ve buna göre konu sütunları doldurulmuştur. Elde edilen tablolar, hangi cümlenin hangi konu ile ne kadar ilişkili olduğunu göstermektedir. Sonrasında, platform ve konu bazında tablolar gruplanarak her platformun her konusu için ortanca değerler hesaplanmıştır. Sonuçlar, farklı konularla platforma özgü ilişkileri göstermektedir. Örneğin, Amazon Music işlevsellik yönleriyle ilişkilendirilirken, Apple Music ve YouTube Music uygulama özelleştirmesinde başarılı olmuştur. Spotify, özellikle uygulama özelleştirmesinde çeşitli konularda en yüksek puanları almıştır. Duygu analizi sonuçlarını doğrulamak üzere her bir platform için her bir duygu kategorisindeki puanların dağılımı, kullanıcıların App Store puanlamalarıyla paralel olup olmadığını değerlendirmek için ki-kare analizi yapılmıştır. Daha sonra, önerilen konumlandırma yaklaşımının sonuçlarını doğrulamak üzere 'uygunluk analizi' kapsamında bir grup müzik uygulaması kullanıcısından belirlenen her bir platformu ve ideal bir platformu BERTopic ile elde edilen konulara göre değerlendirilmesi istenmiş ve elde edilen sonuçlar BERTopic ile elde edilen platform puanlarıyla kıyaslanmıştır. Duygu analizi sonuçlarını doğrulamak üzere kullanıcıların duygusu ile yorum puanları arasındaki ilişkiyi analiz eden ki-kare analizi uygulanmış ve analiz sonuçlarına göre tespit edilen duygular ile yorum puanları ilişkili bulunmuştur. Bu araştırma, müzik platformlarında müşteri algıları ve marka konumlandırması üzerine değerli içgörüler sunmayı amaçlamaktadır. Doğal dil işleme kütüphanesi teknikleri ve konu modellemesi kullanılarak gerçekleştirilen çalışma, kullanıcı incelemeleri içerisinde duygusal tepkileri ve konuları kapsamlı bir şekilde analiz ederek müzik endüstrisinde stratejik karar verme sürecine katkı sağlamaktadır. Ayrıca, marka konumlandırmasını değerlendirmek için kullanıcılara doğrudan soru sormaya gerek kalmadan, düşük maliyetle, hızlı bir şekilde analiz yapmayı sağlayan yeni bir yaklaşım sunarak, stratejik karar verme sürecinde değerli içgörüler sağlamaktadır. Özetle, bu araştırma müzik platformlarındaki müşteri algıları ve marka konumlandırması konusunda önemli bir çalışma olup, müzik endüstrisinde stratejik karar verme sürecine değerli içgörüler sunmaktadır.
Özet (Çeviri)
Traditional methods of assessing brand positioning through customer surveys often yield biased responses and limited insights. Leveraging state-of-the-art NLP algorithms allows for a more comprehensive understanding of sentiment and underlying topics within user reviews. By extracting meaning and emotions from large volumes of text data, this approach offers a more efficient, cost-effective, and less biased method of evaluating brand positioning compared to traditional approaches. Building upon previous research that used for sentiment detection and classification, this study goes a step further by constructing separate topic models for positive, neutral, and negative reviews. This in-depth analysis of the emotional aspects of customer reviews on music streaming platforms provides valuable insights that can guide brand positioning decisions. This thesis explores the analysis of user reviews on competing music streaming platforms using the suggested methodology. The study acknowledges the increasing demand for music streaming platforms, with Spotify holding the largest market share, followed by Apple Music, Amazon Music and YouTube Music. Distinct topic models are created for positive, neutral, and negative reviews. Positive reviews highlighted various aspects of the music application, such as features, functionality, playlists, customization, and emotional associations with music. Neutral reviews encompassed opinions on music consumption, app-related challenges, music subscription services, advertising, monetization, and offline use. Negative reviews discussed general music activities and technical difficulties. Further analysis involved calculating the scores of each platform for each topic. The results indicated platform-specific associations with different topics. Nextly, the results of sentiment analysis and topic modelling are checked for accuracy using statistical methods. One method is chi-square analysis, which examines the relationship between user sentiment and star ratings. This helps to confirm the sentiment analysis results and understand how users' sentiment align with their ratings. Another technique used for validation is correspondence analysis, which is applied to the contingency table of survey results. A survey is created to gather to opinions on each platform including an extra platform called ideal brand, and evaluates each platform for each topic. These validation methods ensure the reliability of the findings. By employing data-driven methods for brand positioning, this study presents a novel approach that is taking place of traditional methods commonly used in assessing brand positioning. This approach leverages the data to provide more comprehensive and subjective evaluation. This data-driven approach offers a new perspective and a more precise comprehension of customer perceptions.
Benzer Tezler
- Güzel sanatlar liselerindeki görme engelli öğrencilerin başlangıç keman eğitiminde karşılaştıkları zorluklar
Difficulties faced by visually impaired students in fine arts high schools during initial violin training
ECE ARSLAN
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimMuğla Sıtkı Koçman ÜniversitesiGüzel Sanatlar Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEYDAGÜL KAPÇAK
- Satış adedini etkileyen değişkenlerin keşfi ve duyarlılık analizi uygulaması: E-ticaret örneği
Discovery of variables affecting the number of sales and application of sensitivity analysis: E-commerce example
RABİA AYDIN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Hidrolik tahrikli sayısal denetimli bir sistemde dairesel interpolasyon hareketlerinin analizi
Analysis of circular interpolation motions in a numerical controlled hydraulic driven system
AHMET MURAT PİNAR
Doktora
Türkçe
2006
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. ABDULKADİR GÜLLÜ
- Yatçıların uzun süreli tekne bağlama yeri tercih sürecine etki eden faktörlerin analizi
Analysis of the factors affecting yachtsmen's long-term boat berthing location preference process
SİNEM ÇALIŞKAN UYANIK
Yüksek Lisans
Türkçe
2024
Denizcilikİstanbul Teknik ÜniversitesiDenizcilik Çalışmaları Ana Bilim Dalı
PROF. DR. LEYLA TAVACIOĞLU
- A conversation analytic study on the development of interactional competence in English in an online task-oriented environment
Görev-temelli çevrimiçi bir ortamda İngilizce'de etkileşimsel yeti gelişimi üzerine bir konuşma çözümlemesi çalışması
UFUK BALAMAN
Doktora
İngilizce
2016
DilbilimHacettepe ÜniversitesiYabancı Diller Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. OLCAY SERT