Pandemi döneminde Türkiye'de, kargo firmalarına yapılan şikayetlerin makine öğrenmesi yöntemleri ile analizi = During pandemic period in Turkey, analysis the complaints to the cargo companies by machine learning methods

Abstract

Bu çalışma, Türkiye'de hizmet sektörü içerisinde önemli bir yer tutan lojistik, nakliye ve kargo işletmelerinin Covid-19 salgını sırasında süreçlerini nasıl yönettiklerini keşfetmeye çalışmakta ve olumsuz sonuçlara yönelik çözümler önermektedir. Bu çalışma içerisinde kullanılan veri, pandeminin başladığı tarihten çalışmanın yürütüldüğü tarihe kadar (11.03.2020 – 30.09.2021) online bir şikâyet yönetimi web sitesinden taşımacılık ve kargo sektöründeki işletmeler ile ilgili yapılmış olan ve içerisinde Covid-19 salgını ile ilgili kelimeleri bulunduran şikâyetler Python programlama dilinde web kazıma için kullanılan Scrapy modülü ile toplanmıştır. Toplanan şikâyet verilerinin ilk olarak hangi konular üzerinden en çok şikâyet aldığını belirleyerek: "Gecikti veya Dağıtıma Çıkmadı", "Evde yok notu düşüldü veya Kapıya Getirilmedi", "Telefonlara Cevap Verilmedi", "İade Süreci", "Teslim Alınmadı veya Teslim Edilmedi" ve "Hijyen Kurallarına Uyulmadı" olmak üzere birbirinden farklı 6 kategoriye ait olabileceği saptanmıştır. Ardından, elde edilen tüm içeriğin bir kısmı kategorilendirilerek, belirlenmiş olan 6 kategoriye göre sınıflandırılmış ve eğitim verisi olarak kullanılmıştır. Eğitim verisinin etiketlenmesinde kelime bazlı ve anket yöntemiyle olmak üzere iki farklı etiket ataması yöntemi kullanılmıştır. Kalan içerik, eğitim verisinden elde edilen analizlere göre multilabel sınıflandırma algoritmalarından faydalanılarak sınıflandırılmıştır. Araştırmada elde edilen bulgulara göre en çok şikâyetin kargoların dağıtımı sırasında yaşandığı ve gecikme yaşanan vaka sayısının yüksek olduğu sonucuna varılmıştır.

This study attempts to discover how cargo, transportation, and logistics firms, which have a considerable market share in Turkey's service sector, manage their processes during the Covid-19 outbreak and suggests solutions to the adverse outcomes. The data used in the research include complaints made for firms in the cargo sector from an online complaint management website (sikayetvar.com) from the beginning of the pandemic to the date of the research (11.03.2020 – 30.09.2021), which contains the words related to the pandemic were collected with Python language and Scrapy module web scraping methods. The complaints obtained were evaluated with qualitative methods, and the six most observed topics were identified. These topics are as follows; delayed or not delivered, not at home or not delivered", phones not answered, return process, not received or delivered, and hygiene rules not followed. Complaints were classified by using multilabel classification algorithms according to the analyzes obtained from the training data created according to the determined topics. According to the findings, it was observed that the most complaints were experienced during the delivery process of parcels, and the number of delayed issues was the highest.