The purpose of this paper is to forecast housing prices in Ankara, Turkey using the artifi cial neural networks (ANN) approach. The data set was collected from one of the biggest real estate web pages during April 2013. A three-layer (input layer -one hidden layer -output layer) neural network is designed with 15 different inputs to forecast the future housing prices. The proposed model has a success rate of 78%. The results of this paper would help property investors and real estate agents in developing more effective property pricing management in Ankara. We believe that the artifi cial neural networks (ANN) proposed here will serve as a reference for countries that develop artifi cial neural networks (ANN) method-based housing price determination in future. Applying the artifi cial neural networks (ANN) approach for estimation of housing prices Journal of Marketing and Consumer Behaviour in Emerging Markets 1(5)2017Olgun Kitapci, Ömür Tosun, Murat Fatih Tuna, is relatively new in the fi eld of housing economics. Moreover, this is the fi rst study that uses the artifi cial neural networks (ANN) approach for analyzing the housing market in Ankara/Turkey. JEL classifi cation: C15, D14, R31

This study examines the relationship between the online labour force and real economic factors. Since the Online labour index is one of the main determinants of the GIG economy, this study also reveals which macroeconomic variables the GIG economy is based on. The aim of the study is to determine the effect of real economic factors (unemployment, economic growth, inflation) on the count of online platform users. As a result of the econometric analysis conducted with Turkey's data set for the period of June 2017 -January 2021, it has been determined that real economic factors have a statistically significant effect on the count of online platform users. According to the results of the analysis, the increase in unemployment rate and economic growth will cause an increase in the count of online platform users, while increase in inflation will cause an opposite effect.

Owning a residence is also considered as an investment tool, determining the price of a residence with the desired properties has become one of the most important questions to be answered in social life. In this study, price estimations of residences located in nine of the central districts of Ankara city (Turkey) were carried out via multi linear regression model and geographical distributions of these residences were revealed on GIS environment to perform various query, spatial analysis and documentation operations. In addition, thematic maps regarding residence prices in the study region were produced. Keywords: estimating the residence price; Geographical Information Systems; online marketing; regression analysis

Artan teknoloji kullanımıyla birlikte insanlar hemen her konuda görüşlerini rahatlıkla paylaşabilecekleri araç ve ortamlara sahip olmuştur. Bu fikirlerin önemli bir kısmını da yatırım ile ilgili konular oluşturmaktadır. Twitter bu konuda öne çıkmakta ve yapılan birçok çalışma için önemli bir veri kaynağı oluşturmaktadır. Birçok çalışmada Twitter üzerinden alınan fikirler analiz edilmekte ve birçok ürüne ilişkin fiyat tahmini yapılmaktadır. Öte yandan son yıllarda temettü emekliliği ve temettü yatırımcılığı özellikle küçük yatırımcı sınıfındaki bireyler için çok cezbedici bir hale gelmiş, buna bağlı olarak bireyler özellikle çocukları ve ailesi için bu yatırım kanalına yönelim göstermiştir. Bireyler ayrıca yaptıkları bu yatırımlarla ilgili Twitter platformunda paylaşımlar yapmakta ve birbirleriyle fikir alışverişinde bulunmaktadır. Bu noktada bahsedilen yatırım türünü tercih edecek kişiler hangi firmalara yatırım yapacakları konusunda bazen emin olamamaktadır. Bu çalışmanın amacı, Twitter kullanıcılarının en çok beğendiği ve yorumladığı temettü firmalarının tespit edilmesi ve alternatif yatırım portföylerinin oluşturulmasıdır. Dolayısıyla çalışmada en çok bahsedilen, en çok beğenilen, en çok yorumlanan ve en çok yönlendirilen (retweet edilen) tweet özelliklerine odaklanılmıştır. Dahası verilerden tespit edilen firmalar ile toplam beş portföy oluşturulmuştur. Bu portföylerin getiri durumları firmaların son bir yıllık getirileri baz alınarak modern portföy teorisi bağlamında verilmiştir. Portföylerden en iyi getiriyi retweet edilme durumuna göre oluşturulan portföyün oluşturduğu tespit edilmiştir. Çalışma kapsamında ortaya konan portföylerin ve içerdiği yatırım alternatiflerinin temettü yatırımcılığıyla ilgilenen tüketicilere fayda sağlayacağı düşünülmektedir.

Klasik duygu analizi yöntemlerinden farklı olarak hedef tabanlı duygu analizi (HTDA), birden fazla kategorinin olduğu karmaşık yapıdaki çevrimiçi tüketici geribildirimlerini değerlendirmede daha başarılı bir performans ortaya koyabilmektedir. Nitekim bir platformda yer alan tüketici geri bildirimleri bir ürüne ilişkin birden farklı hedefe atfedilebilmektedir ve standart duygu analizleri bu geribildirimleri analiz etmede yetersiz kalmaktadır. Literatürdeki gelişmeler gözden geçirildiğinde, HDTA çalışmalarının, duygu analizine odaklanan diğer çalışmalar içinde oldukça popüler olduğu anlaşılmaktadır. SemEval ABSA-2016 yarışmasında, HTDA için 8 farklı dilde veri setleri yayınlanmış ve ekipler duygu analizi için yarışmışlardır. Yarışmada hedef terim, kategori ve duygu sınıfı tespit etmek gibi farklı alt görevler bulunmaktadır. Bu alt görevlerin içindekilerden biri, hedef terimin tespit edilmesidir. Türkçe dili için HTDA çalışmaları oldukça sınırlıdır. Farklı diller ve farklı kelime temsil yöntemleri kullanan çalışmalar vardır. SemEval Absa 2016 yarışması Türkçe veri seti için kelime temsil yöntemlerinin etkisini inceleyen çalışma bulunmamaktadır. Bu çalışma, müşteri yorumlarındaki hedef terimlerin tespitinde farklı kelime temsil yöntemlerinin başarısının incelenmesi amacıyla gerçekleştirilmiştir. Word2Vec, Glove ve Fasttext kelime temsil yöntemleri analiz kapsamında incelenmiş ve hedef terimi en başarılı tespit edebilen yöntemin Fasttext kelime temsil yöntemi olduğu görülmüştür. Çalışmada ayrıca F-1 sınıflandırma ölçütü açısından %77 başarı oranı ile Türkçe veri seti için literatürdeki en yüksek sınıflandırma başarısı elde edilmiştir.