Global Studies on Management Information Systems
Facelift Analysis in Tweets With Text Mining Algorithms
Çağla Ediz, Nilgün SarıkayaIn today’s world, people resort to medical aesthetic operations to be well-groomed, socially accepted and satisfy higher-level needs. The increase in people’s socio-cultural levels and especially the economic relief of women increases the interest in aesthetics day by day. In the developing world, people’s interest in personal care and aesthetics whets the appetite of many companies operating in the cosmetics and personal care sector. In a market with a very serious monetary size and growth potential, it is important to understand consumer behavior correctly and to construct communication messages correctly for marketing effectiveness. This study aims to provide a quantitative resource to health professionals and researchers by examining the tweets of medical aesthetic operations on the face area. In this study, medical aesthetic operations on the face, which are performed to restore the sagging and deformed facial areas due to aging, gravity, wrinkles, obesity, or environmental factors, were investigated by text mining and content analysis over tweets sent in the Twitter application. Time-varying trends and higher shared preferences for looking younger were examined. The most shared applications in tweets about facial medical aesthetic operations were examined through word counting and the use of words together, and time-dependent graphs of these methods were obtained. For this purpose, the words are divided into two groups. In the first group, the words “surgery”, and “operations”; The words in the second group are “face”, “neck”, “eyebrow”, “eye”, “eyelid”, “forehead”, “lip”. The words in the first group and the second group were matched and the word “lift” was included in each match and tweets containing these words were searched on Twitter. Between 2010-01-01 and 2022-06-01, the tweets containing the words obtained as a result of the matches were drawn using the python scrape library and processed with 42,300 tweets.
Metin Madenciliği Algoritmalarıyla Tweetlerde Yüz Germe Analizi
Çağla Ediz, Nilgün SarıkayaGünümüz dünyasında insanlar bakımlı olmak, toplumsal kabul görmek ve daha üst seviye ihtiyaçların tatmini adına medikal estetik operasyonları uygulama yoluna gitmektedirler. İnsanların sosyokültürel düzeylerinin artması ve özellikle kadınların ekonomik olarak rahatlaması estetiğe olan ilgiyi gün geçtikçe arttırmaktadır. Gelişen dünyada insanların kişisel bakıma ve estetiğe yönelik ilgileri kozmetik ve kişisel bakım sektöründe faaliyet gösteren birçok firmanın iştahını kabartmaktadır. Son derece ciddi bir parasal büyüklüğe ve büyüme potansiyeline sahip bir pazarda tüketici davranışlarının doğru anlaşılması, iletişim mesajlarının doğru kurgulanması pazarlama etkinliği açısından önem arz etmektedir. Bu çalışmanın amacı, yüz bölgesine yapılan medikal estetik operasyonların tweet’lerini inceleyerek sağlık profesyonellerine ve araştırmacılara bu konularda nicel bir kaynak sağlamaktır. Bu çalışmada, yaşlanmaya bağlı yer çekimi, kırışıklık, şişmanlık veya çevresel faktörlerle sarkan, deforme olan yüz bölgelerinin tekrar eski güzel haline kavuşabilmesi için gerçekleştirilen yüzdeki medikal estetik operasyonları tweeter uygulamasında atılan tweetler üzerinden metin madenciliği ve içerik analizleriyle araştırılmıştır. Genç görünmek için zamana göre değişen eğilimler ve daha yüksek olarak paylaşılan tercihler incelenmiştir. Kelime sayma, kelimelerin birlikte kullanımları üzerinden yüz medikal estetik operasyonlarıyla ilgili tweetlerde en çok paylaşılan uygulamalar incelenmiş ve bu metotların zamana bağlı değişim grafikleri çıkarılmıştır. Bu amaçla kelimeler iki gruba ayrılmıştır. Birinci grupta “ameliyat”, ve “operasyonlar” kelimeleri; ikinci gruptaki kelimeler ise “yüz”, “boyun”, “kaş”, “göz”, “göz kapağı”, “alın”, “dudak”, kelimeleridir. Birinci gruptaki ve ikinci gruptaki kelimeler eşleştirilmiş ve her eşleştirmeye “lift” kelimesi dahil edilmiş ve Twitter’da bu kelimeleri içeren tweet’ler aranmıştır. 2010-01-01 ile 2022-06-01 tarihleri arasında oluşturulan eşleşmeler sonucunda elde edilen kelimeleri içeren tweetler, python snscrape kütüphanesi kullanılarak çizilmiş ve 42300 tweet ile işlem yapılmıştır.
