Twitter’da Arkadaş Önerilerinin Teknoloji ve Bilgi Yönetimine Etkisi

Sosyal medya ve sosyal ağlar, ortak bir ilgiye yönelen, birbiriyle etkileşim içerisinde hareket eden bağlı bireyler veya kuruluşlardan oluşur. Günümüzde birçok sosyal medya platformu (Facebook, Linkedin, Snapchat, Twitter vb.) farklı alanlarda özelleşmiş olsa da, milyonlarca insan tarafından kullanılmakta, birçok insanın birden fazla sosyal medya hesabı bulunmakta ve kullanıcı sayısı da günden güne hızla artmaktadır. Web 2,0 teknolojisinden sonra internetin yayın ortamı kullanıcıların karşılıklı iletişim kurup geri dönüşlerinin alındığı daha interaktif bir ortam olmuştur. Neredeyse, tüm kullanıcıların sosyal hayatları ve hatta pratik yaşamları, bu ağlardaki faaliyetleriyle ilişkili olmuştur. Profillerinin tamamının veya bir kısmının paylaşılması, arkadaş grupları, izin dâhilinde ortak paylaşımların yapılması gibi özelliklerle ortak hobilere sahip kişileri bir araya getiren bir bilgi ve teknoloji yönetimi platformu haline gelmiştir.

Bu çalışmada ise bu sosyal ağlardan biri olan Twitter’ı ve buradaki arkadaş önerilerinin nasıl oluştuğunu, arka planda bu öneriler için uygun teknolojik sistemin ne olabileceğine dair bir öneride bulunacağız. Sosyal ve karmaşık ağların ölçüleri üzerinden istatistiksel özellikler kullanılarak, önerilecek en uygun hesabın bulunma yolunu ve bu yolda teknolojinin ve bilginin nasıl kullanıldığını ve yönetildiğini anlatacağız.

1. GİRİŞ

Sosyal ağlar resmi olmadan benzer bir ilgi ile birbirine bağlanan bireylerin veya arkadaş gruplarının ortak bir platformu olarak tanımlanabilir. Bugün dünya üzerinde milyarlarca kişi bu ağları kullanıyor ve kullanım oranları da durmadan artıyor. Bazı ülkelerde insanlar sosyal medya organlarının hayatlarını nasıl etkilediği ve davranışlarını ne şekilde değiştirdiğinin farkındadır. Bu yüzden daha küçük yaşlardan, öğrencilere ve ailelere bilinçli sosyal medya kullanımı eğitimleri verilmektedir. Fakat tüm bunlara rağmen, insanların sosyal davranışlarını değiştirdiği de aşikârdır. Örnek olarak, on yıl önce hiç kimse yedikleri yemeğin veya gittiği tatilin fotoğraflarını paylaşmazken, şu anda günlük canlı yayınlar yapılmakta ve özel hayatın tüm zaman dilimleri sosyal ağlarda paylaşılmaktadır.

Bu popülerliğin arkasında ne olduğunu anlamak için önce sosyal ağları ve bu çalışmada esas alacağımız Twitter’ı tanımlamamız gerekiyor. Twitter kullanıcıların birçok kişi tarafından takip edilmesini sağlayan, kullanıcıların düşünce, duygu, haber gibi paylaşımlar yaptığı sosyal bir ağdır. 2006 yılında kurulan; günlük aktif 700 milyon civarında kullanıcısı olan, genel kullanıcı sayısının 1 milyara yaklaştığı ve ülkemizde ise 15 milyon civarında kullanıcısı olan bir sosyal ağdır.

Sosyal ağların bu denli kullanımının arkasındaki sebep ise sadece tanıdığınız insanlarla bir araya geldiğiniz bir platform değil, aynı zamanda yeni insanları ve yeni arkadaşları da bulduğunuz bir ortam yaratmasıdır.

Teknolojik tarafta arkasındaki sebep ise referans sistemleridir. Örnek olarak online alışverişin ve dijital pazarlama çalışmalarının artışı, sosyal medya ağları üzerinden satış sitelerine giriş yapılması arkadaş tavsiye sistemlerinin önemini son derece artırmıştır. Benzer ürünlerin geriye dönük takip mekanizmalarına ve bölgelerdeki yoğun satış profillerine göre tavsiye edilen ürünlerin satışı artmıştır.

Sosyal ağlarda böyle bir öneri sistemi kullanıldığı belirgindir, arka planda kullandıkları teknik mekanizmayı açıklamamış olsalar da teknolojiyi doğru yönettikleri ve kullandıkları belirgindir. Çalışmanın geri kalan kısmında bu yaklaşımdan bahsedeceğiz.

2. PROBLEM TANIMI

Problemi tam olarak ortaya koymak için Twitter’ın çalışma mekanizmasını doğru analiz etmemiz lazım. Kullanıcıların metinsel olarak tweet diye adlandırılan yazıları paylaşmasına olanak sağlayan ve onu takip eden kullanıcıların görebildiği ve takipçilerin de aynı tweeti paylaşabildiği bir platformdur. Fakat takipçisi yok ise ya da yeni kayıt olmuş birisi ise Twitter’da bahse konu takip önerileri ile karşılaşır. Örneğin; “Oğuzhan ALKAN Twitter’da Okan Yeloğlu ile arkadaş oldu” bilgisi kayda değerdir. Çünkü bu bilgi sonucunda Oğuzhan Alkan’a Okan Yeloğlu’nun arkadaşlık önerileri benzerlik(aynı üniversite, ortak beğeni sayfaları, kurum, kuruluş, ilgi alanları, doğum yeri, yaş ortalaması vb.) oranının önem sırasına göre gelir. Bu bazen çeşitli sosyal medya organlarından olabileceği gibi, çeşitli web sitelerinden de veya internette dolaşırken pop-up notification şeklinde de gelebilir. Yine bazı durumlarda “tanıyor olabileceğiniz kişiler” butonu ile karşınıza çıkmakta ve var olan fotoğraflarınız üzerinden yüz taraması yaparak, arkadaş olmadığınız kişileri de önermektedir.

Bu önerilerin arkasındaki kritik değerler aynı ülkede, aynı şehirde yaşayan insan olmanın yanı sıra popülaritesi yüksek hesap, eğlence, müzik, sanat, spor, siyaset organları arasından başlangıç olarak seçilir ve akabinde kullanıcı arasından bir seçim yaptığında bilgi yönetimi devreye girerek onunla ilişkisi bulunan daha anlamlı hesaplar önerilmeye başlar. Örnek olarak bu sosyal medya uygulamalarında okuduğunuz bölüm, çalıştığınız kurum ve ortak arkadaş sayınıza kadar bilgiler analiz edilip yönetilir ve bu ortak alanlara göre arkadaş önerileri belirlenir. Bu yüzden önerilerde aynı meslek gruplarından kişileri görebilirsiniz. İlginize göre daha önce takip ettiğiniz sayfalar karşınıza çıkacaktır. Yani, kullanıcı hesap hakkındaki bilgi arttıkça, yönetimi daha kolaylaşır ve daha mantıklı arkadaş önerileri verilmeye başlar.

Twitter’ın bilgi yönetimine etkisine bir örnek verecek olursak; “2011 yılında Twitter üzerinde J. Bollen, H. Mao ve X. Zeng tarafından Dow Jones Industrial Average (DJIA) şirketlerinin hisse senetlerinin oranlarını tahmin için bir çalışma gerçekleştirilmiştir. Çalışmada günlük kapanış değerleri ile insanların Twitter’daki tutumları kullanılmış ve %86,7 oranla günlük artış/düşüş değerleri tahmin edilebilmiştir”[3]. Twitter kullanıcılarının bilgileri toplanarak sonuca gidilmiştir. Arkadaş önerilerinin arkasında da bu bilgi yönetimi mekanizması yatmaktadır.

Fakat günümüzde teknolojinin hızla gelişmesi, yapay zekâ uygulamaları ve büyük veri çözümleri bu öneri mekanizmalarını teknolojik olarak bir sisteme oturtmakta ve otomatik olarak karşımıza çıkarmaktadır. Çalışmanın ilerleyen kısmında bu teknolojik yöntemlere değineceğim. Büyük veriden nasıl değer elde edilir ve teknoloji yönetimi ile değer olarak karşımıza çıkacak doğru arkadaş önerileri yapmak adına teknoloji nasıl kullanılır sorularına çözüm önereceğim. Burada en temel husus veriyi daha doğrusu büyük veriyi doğru okumak, yönetimini doğru yapmak ve eleme süzgecinden geçirmektir. Sosyal ağlardaki kullanıcıları, kullanıcıların takipçilerini veya takipçilerinin takipçilerini yani gelen tüm bilginin ölçümleri yapılarak, istatistiki bilgileri yani kullanıcılar arasındaki ilişkileri belirlemek için temel parametleri ortaya koymak gerekmektedir.

3. TEKNOLOJİ YÖNETİMİ İLE ARKADAŞ TAVSİYESİ

Twitter’ın 500 milyonu aşkın kayıtlı kullanıcısı vardır ve neredeyse günde 50 milyon tweet üretilmektedir. Twitter’da herkese açık ve özel hesaplardan oluşmaktadır. Bununla birlikte çok sayıda sahte Twitter hesabı ve sahte Twitter takipçileri adı verilen büyüyen bir iş ekosistemi oluşmuştur. Bu iş ekosisteminde sahte hesapların satılması sonucunda başka hesaplar sizi takip etmektedir. Sahte takipçiler 1000 takipçi başına ortalama 18 $’lık bir fiyata satılmaktadır. Sahte hesapların toplam Twitter kullanıcılarının % 4’ünü oluşturduğu tahminini dikkate alarak, pazarın büyüklüğünü tahmin edebiliriz.[12]

Tavsiye sistemleri için en olumsuz senaryo işte bu hesaplardır. Satılan sahte hesapların gücünden yararlanarak, Twitter’da “Trend Olan Konular ve Hesaplar” kolayca bir yönlendirme gerçekleştirilebilir. Bu da tavsiye sistemlerinin yanlış yönlendirmelerine sebep olur. Dolayısıyla çözüm olarak; tavsiye sistemleri için birçok teknolojik metot kullanılmaktadır. Fakat teknoloji yönetimini daha iyi anlamak adına bunların arasından grafik tabanlı bir öneri sistemine değineceğim. Bu teknoloji iki temel işlemden oluşmaktadır; filtreleme ve karar verme. Filtreleme yapılırken, işlenecek kullanıcıları azaltmak için daha yüksek olasılıklı düğümler kullanılır ve sıralama yapılır. Sıralama yapılırken kullanılan düğümlerin yoğunluğuna göre sıralamaya karar verilir.

3.1 YÖNTEM

Değinecek olduğum sistem, temel olarak sosyal ağların yapısal özelliklerine dayanmaktadır. Öneri mekanizması harekete geçerken önemli özelliklere sahip bir kullanıcı grubunu filtrelemek ve karar vermek için de sosyal ağların grafik topolojisini kullanmaktadır. Topoloji sonucunda ortaya çıkan kullanıcıların etrafında kümelenen kullanıcılar ve grafikte yanında ve yöresinde bulunan kullanıcılar, uzaklık sırasına göre önem derecesi verilerek karşımıza çıkmaktadır.

3.1.1 Filtreleme

Filtrelemeyi gerçekleştirmek için grafikte bahsettiğimiz kümelenme için katsayı(kümelenme katsayısı) kavramını bilmek gerekmektedir. Araştırmayı yaparken uyguladığımız yöntem “rasgele seçilen birinden arkadaşınızı ya da arkadaşınızın bir arkadaşını tanıyor olmanın daha muhtemel” olduğu gerçeğini göz önünde bulundururuz. Böylece, filtreleme yaparken, kümelenme topolojisinde komşu düğümleri ve öneri mekanizmasında merkez düğüme yakın olan düğümleri seçerek başlarız.


Yukarıdaki topolojide her cihazı bir kullanıcı olarak düşünelim. Birbiriyle doğrudan ilişkili olan düğümleri seçmek öneri yapmak açısında daha mantıklıdır. Aksi takdirde iki ya da üç atlama ile ulaşacağımız arkadaş önerisi mantıksız olacaktır. Filtrelemenin temel mantığı da budur.

3.1.2 Karar Verme

Filtrelemeden sonra karar verme prosedürü ise katsayıların ölçümünü normalleştirilmesini içerir. Her bir düğümde var olan indeksleme değeri, en yakındaki öneri sürecinin bu düğümü ve merkezi düğümü arasındaki etkileşim gücünü ölçen bir işlemin sonucudur. Yani bir başka ifade ile arka planda teknolojinin doğru yönetiminin sonucudur diyebiliriz.

İndekslerin her biri kullanılarak arkadaş önerileri gerçekleştirilmektedir. Buradaki temel fikir, öneri adımında ana düğümün arkadaşlarını, elimizdeki arkadaş listesinin arkadaşına da dâhil ediyoruz. Son olarak arkadaş önerisi belirlenirken ise kabul edilen önerileri ilk % 10’luk öneri dilimine alarak, liste sıralamasını ve indeks değerini sürekli güncelleyen bir teknolojik metot kullanıyoruz.

Belirttiğim gibi, sistemimizi kabul edilen arkadaşlar tavsiyelerinin ilk % 10’luk kısma alınması ile güncelliyoruz. Özetle, sadece grafik topolojisini göz önünde bulundurduğumuzda bile teknoloji yönetiminin yanı sıra, bilgi yönetiminin sonucu olarak yukarıda anlattığımız gerçek arkadaş olmayan bazı popülaritesi yüksek kullanıcıları önermemizin bile mantıklı bir varsayım olduğunu düşünüyoruz.

4. SONUÇ

Sonuç olarak, sosyal medyayı günümüz dünyasında çok yoğun bir şekilde insanlar farklı aktiviteler için kullanıyor. Bu platformlar hem çok eski bir arkadaşınızı bulabildiğiniz, hem yeni arkadaş edinebildiğiniz hem de sosyal çevrenizin tüm bilgilerine anında kolayca erişebileceğiniz bir medya organı haline gelmiştir. Ortak bir ilgi ile birbirine bağlanan kişilerden oluşan bu ortamlarda arkadaş öneri sistemleri, e-ticaretin sonucu olarak ortaya çıkmış, internet üzerinde satış yapan kurumların daha önce satın alınan ürüne göre reklam kampanyalarını yürüterek satışlarındaki artışı gözlemlemesiyle sosyal medya ağlarında da teknolojinin ve bilginin yönetilmesine odaklanarak kullanılmaya başlanmıştır. Şu anda bu arkadaş önerileri sistemi sosyal medya organları tarafından ciddi şekilde kullanılmaktadır. Her ne kadar mekanizmaları belirtilmemiş olsa da şu anda kullanılan yöntemlerin temelinde bilgi ve teknoloji yönetimi olduğu aşikârdır. Çünkü bu yöntemler genellikle sosyal ağın grafik topolojisi(teknoloji yönetimi ile ilişkili olarak) ve arkadaşların arkadaşları (bilgi yönetimi ile ilişkili olarak) önerilerine dayanmaktadır.

Örnek olarak Instagram, Facebook ile bağlantılıdır ve arkadaş önerilerinde karşınıza ilk olarak Facebook arkadaşlarınız çıkar, bu platformlara rehberiniz bağlıysa, önerilerde rehberinizdeki arkadaşlarınızı da görebilirsiniz. Twitter’da daha önce sayfasını incelediğiniz ve takip ettiğiniz sayfalar önerilerde üst sıralarda karşınıza çıkmaktadır. Arkadaş önerileri arasında profiline bakan kişiler, profilime kim baktıprofilime bakanları nasıl öğrenirim gibi sorularla karşılaşmış olmanızda arka planda bilginin ve teknolojinin yönetiminin önemini doğrular niteliktedir.

Fakat sosyal medya verilerini kullanarak yorumlama yapan ve analiz gerçekleştiren kişilerin karşılaştığı problemler ise paylaşım yapan kişilerin Twitter’da paylaşım yaparken; emoji, kısaltma ve farklı dillerde halk ağızı ile paylaşım yapmasıdır. Dolayısıyla sosyal medya hesapları üzerinden halkın görüş ve düşünce analizi ile duygu yorumlaması yapmak zorlaşmaktadır. Dolayısıyla geleceğe atıfta bulunmak adına, siber istihbarat faaliyetleri, veri bilimciliği ve dilimizin tam olarak kütüphanesinin oluşturulması gelecek çalışmalar adına faydalı olacaktır.