Tüketicilerden bilinci dâhilinde istenen geri bildirimlerde, bir ürün ya da hizmetlere ilişkin gerçekte olandan farklı ve daha pozitif tutumlara sahip olduklarını ifade edebilmektedir. Bununla birlikte tüketicinin isteğe bağlı olarak eklediği online geri bildirimler müşterileri doğru şekilde anlamanın potansiyel bir aracı olarak görülmektedir. Akıllı telefonlara uygulama sağlayan mağazalarda yer alan uygulamalara yapılan tüketici geri bildirimlerinin incelenmesinin, gerek bu girişimlerin gerekse bu girişimleri örnek alacak rakiplerin stratejilerini belirlemeleri için önemli olduğu düşünülmektedir. Bu bağlamda, çalışmanın amacı Google Play Store üzerinden Netflix uygulamasına yapılan müşteri yorumlarının makine öğrenmesi temelli duygu analiziyle incelenmesidir. Duyguların sınıflandırılmasında makine öğrenmesi algoritmalarından destek vektör makinaları (DVM), Naïve Bayes (NB) ve karar ağaçları (KA) yöntem olarak kullanılmıştır. Çalışmanın sonucunda duygular %84,4 doğruluk değeriyle sınıflandırılmış olup en yüksek başarı performansı KA yöntemiyle yakalanmıştır. Çalışmada elde edilen sonuçların Google Play Store’da yapılan yorumların mobil girişim ve platformların stratejilerinin belirlenmesinde bir karar argümanı olarak kullanılabilmesi mümkündür. Ayrıca bu çalışmada izlenilen yol, dijital platformların müşteri geri bildirimleri temelinde hızlı karar almasına yardımcı olabilecektir.
Feedbacks which are consciously requested from the consumers can express that they have different and more positive attitudes towards a product or service than the actual one. However, online feedback, which is optionally added by the consumer, is seen as a potential tool for understanding customers correctly. It is thought that examining the consumer feedbacks to the applications in the stores that provide applications to smartphones is important for determining the strategies of both these initiatives and the competitors that will take these initiatives as an example. In this context, the aim of the study is to examine the customer comments made to the Netflix application via the Google Play Store with machine learning-based sentiment analysis. In the classification of sentiments, support vector machines (SVM), Naïve Bayes (NB) and decision trees (DT) from machine learning algorithms were used as methods. As a result of the study, sentiments were classified with an accuracy value of 84.4% and the highest success performance was achieved with the DT method. It is possible that the results obtained in the study and the comments made on the Google Play Store can be used as a decision argument in determining the strategies of mobile enterprises and platforms. In addition, the path followed in this study will help digital platforms make quick decisions based on customer feedback.
