DİJİTAL OYUN GERİ BİLDİRİMLERİNİN DUYGU ANALİZİ İLE İNCELENMESİ: E-WOM’DAN R-WOM’A GEÇİŞ MÜMKÜN MÜ?
OĞUZHAN AYDIN, YUNUS SARICA
Çevrim içi platformlardaki yorumların devasa boyutlara ulaşması bu geri bildirimlerin insan zihniyle bütüncül bir şekilde değerlendirilmesini pek mümkün kılmamaktadır. Bu çerçevede çevrim içi platformlarda yürütülecek pazar ve pazarlama araştırmaları için maliyet, zaman, emek ve bilginin değeri açısından avantaj sağlayacak yeni araçlara ihtiyaç duyulmaktadır. Bu çalışmanın temel amacı, e- WoM verilerini duygu analizi yöntemiyle değerlendirerek oyun türlerine göre pazar bölümlendirmesi yapılıp yapılamayacağını test etmektir. Araştırma kapsamında Metacritic web sitesindeki PlayStation 5 konsoluna ait en yüksek puanı alan 100 video oyununun kullanıcı yorumları incelenmiştir. Kullanıcı yorumlarının otomatik olarak çekilmesi ve işlenmesi Web kazıma yöntemleri ve Python programlama dili kullanılarak gerçekleştirilmiştir. Her bir oyun için yapılan toplam 44065 yorum, Sentiment analiziyle (duygu analizi) değerlendirilmiştir. Bu çerçevede oyun türlerine göre polarite skorları açısından farklılık testleri yapılmıştır. Kullanıcı yorumları, duygu analizi yöntemiyle çözümlenerek oyun türlerine göre tutarlı sonuçlar verdiği görülmüştür. Kavramsal olarak aksiyon ve macera türü oyunlar arasında net bir ayrım yapmak mümkün değildir. Dolayısıyla çalışmanın test sonuçlarına göre aksiyon ve macera türü oyunlar arasında anlamlı bir farklılığa rastlanmamıştır. Öte yandan yarış, rol yapma, nişancı, benzersiz ve macera/aksiyon türü oyunlar arasında polarite skorları açısından anlamlı farklılıklar söz konusudur. Araştırmada ortaya çıkan bulgular, e-WoM ve r-WoM uygulamalarının oyun sektöründeki pazarlama stratejilerine nasıl katkı sunabileceğine dair alternatif bir bakış açısı sunmaktadır.
Anahtar Kelimeler (Keywords): Yapay Zekâ, Metin Madenciliği, Web Kazıma, Duygu Analizi, Dijital Oyunlar, e-WoM, r-WoM
ANALYSİNG DİGİTAL GAME FEEDBACK WİTH SENTİMENT ANALYSİS: IS IT POSSİBLE TO TRANSİTİON FROM E-WOM TO R-WOM?
The vast number of comments on online platforms makes it nearly impossible to evaluate this feedback holistically using only the human mind. In this context, there is a need for new tools that offer advantages in terms of cost, time, labour, and informational value for market and marketing research conducted on online platforms. The main purpose of this study is to test whether market segmentation can be achieved based on game genres by evaluating e-WoM data using sentiment analysis methods. For this research, user reviews of the top 100 highest-rated video games for the PlayStation 5 console on the Metacritic website were analysed. The automated extraction and processing of user reviews were conducted using web scraping techniques and Python programming. A total of 44,065 comments across all games were evaluated using sentiment analysis. Within this framework, difference tests were conducted to compare polarity scores across different game genres. Sentiment analysis of user comments showed consistent results according to game genres. Conceptually, however, a clear distinction between action and adventure games was not feasible. As a result, no significant difference was found between these two genres based on the study’s test results. On the other hand, there were significant differences in polarity scores between racing, role-playing, shooting, unique, and adventure/action game types. The findings of this study provide an alternative perspective on how e-WoM and r-WoM applications can contribute to marketing strategies within the gaming industry.
Anahtar Kelimeler (Keywords): Artificial Intelligence, Text Mining, Web Scraping, Sentiment Analysis, Digital Games, e-WoM, r-WoM
Tam Metin 93