Could Mobile Applications' Success be Increased via Machine Learning and Business Intelligence Methods?

Authors : Murat KILINÇ, Çiğdem TARHAN, Can AYDIN

Pages : 805-814

Doi:10.31590/ejosat.793069

View : 17 | Download : 10

Publication Date : 2020-12-31

Article Type : Research Paper

Abstract :Son zamanlarda, mobil platformlar için geliştirilen uygulamaların sayısı giderek artmaktadır. Geliştirilen mobil uygulamaların yayınlandığı ana platformlardan birisi olan Google Play Store’da da özellikle açık kaynak kodlu olması sebebiyle, yoğun bir geliştirici ilgisi mevcuttur. Fakat geliştirilen uygulamanın sağlayabileceği başarı ya da hangi özelliklere sahip olması gerektiği gibi unsurlar için geliştiricilerin yararlanabileceği bir platform bulunmamaktadır. Bu çalışmada da bu sorun üzerine gidilmiştir. Bu doğrultuda, geliştirilen uygulamanın özelliklerine göre bir başarı tahminlemesi ve sınıflandırma yapılması amaçlanmıştır. Ayrıca geliştirilen uygulamanın, daha önce geliştirilmiş olan uygulamaların özelliklerine göre iş zekâsı kapsamında değerlendirilmesi de çalışmanın dayanak noktalarından biridir. Araştırma kapsamında, uygulama rating tahminleri için Decision Tree Regressor (DTC), Random Forest Regressor (RFR), K-Neighbors Regressor (KNN) ve AdaBoost Regressor (ABR) kullanılmış ve metriklerin doğruluğu R kare skoru (R2), Mean Square Error (MSE) ve Root Mean Square Error (RMSE) ile test edilmiştir. Sınıflandırma tahminleri için ise Random Forest Classification (RFC), Decision Tree Classification (DTC), K-Neighbors Classification (KNC), MLP Classification (MLP), AdaBoost Classification (ABC) ve Naive Bayes (GNB) algoritmaları kullanılmış ve metriklerin doğruluğu confusion matrix ile test edilmiştir. Bu kapsamda rating tahmini için en iyi sonuçları %80.73 ile DTR ve %82.89 ile RFR, başarı sınıflandırması için en iyi sonuçları ise %86.08 ile DTC, %89.83 ile RFC algoritmaları vermiştir. Çalışma kapsamındaki makine öğrenmesi yönetimleriyle yapılan tüm tahminlemeler dinamik bir şekilde Flask framework kullanılarak web arayüzünde gösterilmiştir. Dolayısıyla, iş zekâsı ile geliştiricilerin karar desteği alabileceği bir platform oluşturulmuş ve ortaya çıkan sonuçlar analiz edilerek çalışma içerisine aktarılmıştır. Bu sayede, mobil uygulama geliştiricileri varsa eksikliklerini görebilecekler ve başarı anlamında bir öngörüye sahip olabileceklerdir.
Keywords : İş Zekası, Makine Öğrenmesi, Web Uygulamaları, Karar Destek Sistemi