Dijital Medya Yorum Analizi

folder_open Proje Detayı

Google Play Yorum Analizi

NLP Python Sentiment Analysis Data Viz

Proje Özeti

Bu proje, Google Play Store’da yer alan bir hypercasual Android oyununa ait kullanıcı yorumlarını analiz ederek oyuncu memnuniyeti, geri bildirim davranışları ve duygu eğilimleri hakkında içgörüler üretmeyi amaçlamaktadır. Türkçe’nin dil yapısına özgü zorluklar göz önünde bulundurularak, geleneksel yöntemler ile derin öğrenme tabanlı BERT modelleri karşılaştırılmış ve bağlamı daha iyi yakalayan yaklaşım tercih edilmiştir. Elde edilen sonuçlar Tableau dashboard’ları ile görselleştirilerek karar destek süreçlerine uygun hale getirilmiştir.

Problem Tanımı

Dijital oyunlarda kullanıcı geri bildirimleri çok hızlı bir şekilde birikir. Ancak bu yorumların:

close Büyük hacimli olması nedeniyle manuel analizinin mümkün olmaması
close Rating (puan) ile metinsel yorumlar arasında her zaman tutarlılık bulunmaması
close Negatif geri bildirimlerin çoğu zaman en “yararlı” yorumlar arasında yer alması
close Türkçe dil yapısı nedeniyle klasik sentiment yöntemlerinin bağlamı kaçırması

Veri ve Metodoloji

Analiz süreci, verinin ham halden stratejik bilgiye dönüşümünü kapsamaktadır.

cloud_download

Veri Toplama (Scraping)

Google Play API kullanılarak oyun yorumları, kullanıcı adları, yorum tarihleri, beğeni sayıları, verilen puanlar ve geliştirici geri dönüş bilgileri çekilmiştir.

cleaning_services

Ön İşleme (Preprocessing)

Eksik ve tutarsız veriler temizlendi

Yorum metinleri özel karakter, emoji ve noktalama işaretlerinden arındırıldı

KVKK’ya uygun şekilde kullanıcı bilgileri anonimleştirildi

Kullanıcılar için benzersiz ID’ler üretildi

Kullanıcı isimlerine dayalı olarak oluşturulan Names.xlsx dosyası üzerinden cinsiyet bilgisi (Erkek / Kadın / None) eklendi

settings

Standartlaştırma ve Feature Engineering

Beğeni sayıları 5’li kategorilere ayrılarak like_std oluşturuldu

Yorumların zamansal etkisini ölçmek için rec_std değişkeni üretildi

Geliştirici yanıtı bulunan yorumlar için response_by_comp değişkeni tanımlandı

Yorumların genel değerini ölçmek için zaman ve etkileşim ağırlıklı özel skorlar (score, score_wtho_time) tasarlandı

Sonuçlar ve İçgörüler

%51 Pozitif Geri Bildirim

%10 Kritik Sorun Bildirimi

Analiz sonucunda, en büyük sorunun reklam sıklığından ve oyunda belirli seviyeden sonra bir level tasarımının olmamasından kaynaklandığı görülmektedir.

lightbulb

İş Etkisi

Buna bağlı olarak oyun ekibine level tasarımında yapabilecekleri gelişmeyi faydalı yorumlardan elde etmesi sağlanmıştır.

Kullanılan Araçlar

Python Pandas Scikit-learn NLTK Matplotlib Tableau

Proje Linkleri

contact_support

Benzer Bir Proje mi Lazım?

Veri analizi ihtiyaçlarınız için benimle iletişime geçebilirsiniz.

İletişime Geç

Çağan Demir