- Londra’daki tüm restoran verilerini scrape edip makine öğrenimi modeli kurarak Google Maps algoritmasının şehir içindeki küçük işletmelerin hayatta kalması üzerindeki yapısal etkisini analiz eden proje
- Google Maps sıralaması basit bir liste değil; relevance, distance, prominence (öne çıkmışlık) sinyalleriyle talebi aktif biçimde organize eden bir 'piyasa yapıcı' işlevi görüyor
- Yorum sayısı, yorum hızı, marka bilinirliği, web üzerindeki anılmalar tarafından kümülatif olarak güçlenen bir yapı göstererek ilk görünürlük → talep artışı → yorum artışı → ek görünürlük döngüsü yaratıyor
- Bu yapı zincir işletmeleri ve merkez bölgelerdeki restoranları avantajlı kılarken, yeni bağımsız restoranlar yorum eksikliği nedeniyle keşfedilmesi bile zor olan bir ‘cold-start problemi’ ile karşı karşıya kalıyor
- Bunu ayırt etmek için restoranın yalnızca yapısal koşullarına göre beklenen puanı (counterfactual) tahmin eden bir ML modeli kuruldu; gerçek puanla fark residual olarak hesaplanıp algoritmanın fazla ya da az değer biçtiği restoranlar belirlendi
- Ayrıca restoranlar bölge bazında toplanarak restoran merkezlerinin yapısal gücü PCA ve kümeleme ile analiz ediliyor; böylece platformun kentin yemek ekosistemini nasıl yeniden şekillendirdiği gösteriliyor
Google Maps bir dizin değil, bir piyasa yapıcı (Market Maker)
- Google Maps’in “insanların sevdiği şeyleri” pasif biçimde yansıttığı yönündeki resmi anlatının aksine, gerçekte relevance, distance, prominence gibi temel sinyaller üzerinden talebi organize ediyor
- relevance, arama terimi ile işletme metadata’sı arasındaki metin eşleşmesinden çıkarılıyor; distance ise tamamen mekânsal bir unsur
- prominence, yorum sayısı, yorum hızı, ortalama puan, marka bilinirliği, web görünürlüğü gibi unsurlardan hesaplanıyor ve politik ekonomi etkisinin başladığı nokta da burası
- İnsanların bir yerle ne kadar sık etkileşime girdiği, ondan bahsettiği ve onu zaten ne kadar tanıdığı buraya yansıyor
- Yani Google Maps talebi “yansıtan” bir araç değil, sıralama algoritmasıyla talebi organize eden bir piyasa yapıcı (market maker)
Kümülatif avantaj yapısı ve Matthew Effect
- Sıralı listedeki görünürlük ziyaretçiyi belirliyor, ziyaretçi yorum birikim hızını belirliyor, bu yorumlar da yeniden prominence sinyaline yansıyor; böylece kümülatif avantaj (cumulative advantage) oluşuyor
- Bu durum, finansal piyasalarda sermayenin bileşik getirilerle büyümesine benziyor; Robert Merton’ın Matthew Effect kavramının kebapçılara uygulanmış hali gibi
- “Olanın daha da çok olur” ilkesi
- Zincir markalar, farklı noktalardaki marka bilinirliği sayesinde avantajlı; yüksek yaya trafiğine sahip bölgelerdeki işletmeler ise aynı kalitede olsalar bile yorumları daha hızlı biriktirip prominence sıralamasında yükseliyor
- Yeni bağımsız işletmeler bir cold-start problemi ile karşılaşıyor: yorum yoksa keşfedilmeleri zor, keşfedilmezlerse yorum biriktirmeleri de zor
- Tarafsız tüketici seçimi gibi görünen şeyin, aslında algoritmanın aracılık ettiği bir piyasa tasarımı olarak anlaşılması gerekiyor
Piyasa yapıcı olarak platform
- Ekonomide piyasa yapıcı (market maker), arz ve talebi sadece yansıtmaz; likidite, eşleştirme, fiyat keşfi süreçlerini aktif biçimde şekillendiren aracı aktördür
- Google Maps gibi platformlar ise fiyat yerine görünürlüğü kontrol ederek yerel hizmetlerde benzer bir işlev görüyor
- Dijital ekonomi terminolojisinde sıralama algoritması bir attention allocator gibi çalışarak talebi belirli işletmelere yönlendirip diğerlerinden uzaklaştırıyor
Makine öğrenimiyle kurulan karşı-olgusal (counterfactual) şehir
- Google Maps şehir talebinin bir piyasa yapıcısıysa, onun güçlendirme katmanı olmadan şehrin nasıl görüneceğini anlamak temel soru haline geliyor
- Restoranların içsel performansı ile platform görünürlüğü etkisini ayırmak için bir makine öğrenimi modeli kuruldu
- HistGradientBoostingRegressor (scikit-learn’ün gradient-boosted decision tree modeli) kullanıldı
- Büyük, dağınık ve karma tipte tablo verileri için uygun; elle tanımlamaya gerek kalmadan etkileşim etkilerini yakalayabiliyor
- Model özellikleri (features):
- Yorum sayısı (ilginin azalan etkisini yansıtmak için log dönüşümü uygulanmış)
- Mutfak türü, zincir/bağımsız ayrımı, fiyat seviyesi, işletme türü (restoran/kafe/takeaway/bar)
- Mekânsal grid üzerinden şehir içi konum
Mutfak türü sınıflandırma modeli ayrıca kuruldu
- Google Maps’te mutfak türü sınıflandırmasının hatalı ve tutarsız olduğu görüldü
- Pek çoğu “restaurant”, “cafe”, “meal takeaway” gibi belirsiz etiketlerle işaretlenmiş
- Restoran adı, menü dili ve yorum metinlerinden mutfak türünü tahmin eden ayrı bir sınıflandırma modeli kuruldu
- Dashboard’daki mutfak türü filtresi Google etiketlerine değil, makine öğrenimi çıktısına dayanıyor
- Mutfak türünün yanlış sınıflandırılması; çeşitlilik, kümelenme ve yüksek mesafeli rekabet ilişkileri analizlerini çarpıtıyor
Puan residual’ı ile algoritmik düşük değerleme ölçümü
- Tüm özellikler standart bir ön işleme pipeline’ından geçirildi (eksik veri tamamlama, encoding vb.)
- Model yalnızca platformda gözlemlenebilen özelliklerle puan arasındaki eşleşmeyi öğreniyor
- Her restoran için bir counterfactual expected rating üretildi
- Gerçek puan ile tahmin edilen puan arasındaki fark rating residual
- Pozitif residual: platformun taban çizgisine göre gerçekte daha iyi performans
- Negatif residual: algoritmanın normalde ödüllendirdiği düzeye göre zayıf performans
- Bu, yemek kalitesinin kusursuz bir ölçüsü değil ama algoritmik yanlış fiyatlamayı (algorithmic mispricing) ölçmek için güçlü bir gösterge
- Toplumsal ve gastronomik değerin, platformun yapısal olarak büyüttüğü şeylerden nerede ayrıştığını yakalıyor
Ücretli reklam görünürlüğünün sınırları
- Bazı restoranlar promoted pins ya da yerel arama reklamları için ödeme yapıyor
- Ücretli görünürlük kamuya açık olmadığından tahmin edilemiyor
- Bu da platform etkisinin ne kadar opak hale geldiğinin bir işareti
- Puan residual’ı, gözlemlenemeyen reklam harcamalarını kısmen yansıtıyor olabilir
London Food Dashboard tanıtımı
- Analiz sonuçlarını özetleyen London food dashboard oluşturuldu
- Mevcut işlevler: isme göre arama, düşük değerlenmiş iyi mekânlar (makine öğrenimi algoritmasının belirlediği) filtresi, mutfak türü, borough, fiyat seviyesi, minimum puan ve yorum sayısı filtreleri
- Beta sürüm olsa da Londra’nın algoritmik gıda ekonomisini incelemek için bir mikroskop işlevi görüyor
- Erişim adresi: laurenleek.eu/food-map
- “underrated gems” filtresi, makine öğrenimi residual’ının nasıl kullanılabileceğine bir örnek
- Daha büyük ve daha koyu baloncuklar, algoritmanın düşük değer biçtiği yerleri gösteriyor
Tekil restoranlardan algoritmik mahallelere
- Restoranlar tek başına değil, ekosistem içinde başarısız oluyor
- Platform dinamiklerinin tekil restoranlardan tüm mahalle gıda ekosistemine genişlediğinde ne olduğunu analiz etmek için ikinci bir modelleme katmanı eklendi
- Restoranlar küçük mekânsal hücrelerde toplandı (haritadaki altıgenler; karelere göre edge effect açısından daha avantajlı)
- Her bölgenin özet özellikleri hesaplandı: restoran yoğunluğu, ortalama puan, ortalama residual, toplam yorum sayısı, zincir oranı, cuisine entropy, fiyat seviyesi
- Özellikler standardize edilip PCA (ana bileşen analizi) uygulanarak tüm “restoran ekosistemi gücü” tek bir sürekli hub score içine sıkıştırıldı
- Aynı özellik uzayına K-means clustering uygulanarak bölgeler 4 yapısal tipe ayrıldı:
- elite, strong, everyday, weak hub’lar
Hub analizi sonuçları
- Desen tanıdık geliyor: Londra merkezi baskın
- Ama önemli olan hub’ların nerede olduğu değil, ne tür hub oldukları
- Ham puanlar yerine genel hub score üzerinden Londra’daki yapısal olarak en güçlü 5 restoran hub’ı belirlendi
- Yoğunluk, algoritmik dikkat, bağımsız işletmelerin hayatta kalması ve tüketici alım gücünün hizalandığı yerler
- Haritada etiketli olarak gösteriliyor
- Mahalle tartışmalarını tetiklememek için metinde sıralama açıkça listelenmiyor
Mutfak türü yoğunluğu ve Londra’nın gastronomik çeşitliliği
- Mutfak türü yoğunluğu paneli hub analizinin üstüne bindirildiğinde daha net sonuçlar ortaya çıkıyor
- Londra’daki gastronomik çeşitlilik platform ekonomisine eşit dağılmış değil
- Göçmen mutfakları, algoritmik görünürlüğün yapısal olarak zayıf olduğu kent bölgelerinde güçlü biçimde kümeleniyor
- Italian, Indian, Turkish, Chinese, Thai, British, Japanese, French, American, fish-and-chips; her biri farklı yerleşim tarihlerini, emek ağlarını, perakende biçimlerini ve sermaye/kira ilişkilerini yansıtıyor
- Bazı mutfaklar uzun ve kesintisiz koridorlar oluştururken, bazıları belirli ticaret akslarına ya da gelir gruplarına bağlı daha parçalı kümeler olarak görünüyor
- Gastronomik çeşitlilik yalnızca zevk meselesi değil: ailelerin nereye yerleştiği, hangi ticaret alanlarının ikinci kuşağın iş açabileceği kadar uzun süre ucuz kaldığı ve mutfak ekosistemi olgunlaşmadan önce göçün şehrin hangi bölgelerine yöneldiğiyle bağlantılı
Politika çıkarımları
- Bu proje bir arama problemi olarak başlayıp daha büyük bir soruya ulaşıyor
- En önemli sonuç hangi mahallenin 1 numara olduğu değil; platformların artık gündelik kentsel piyasalarda hayatta kalmayı sessizce yapılandırdığını fark etmek
- Londra’nın restoran sahnesi artık yalnızca zevklere göre organize olmuyor
- Bileşik şekilde artan görünürlük, keşfedilme geldiğinde yükselen kiralar ve tüketici gelmeden çok önce dikkati dağıtan algoritmalar tarafından organize ediliyor
- “Seçim” gibi görünen şey giderek bir sıralama sisteminin aşağı akış etkisine dönüşüyor
Algoritma şeffaflığı ve denetim ihtiyacı
- Keşfedilme artık küçük işletmelerin hayatta kalmasını şekillendiriyorsa, rekabet, adalet ve kentsel yenileme artık platform sıralama sistemlerini görmezden gelemez
- Yerel yönetimler sokakları yeniden düzenleyip ruhsatları serbestleştirse bile, algoritmik görünmezlik bazı yerleri ekonomik olarak izole edebilir
- Platform şeffaflığı ve denetlenebilirlik artık niş bir teknoloji tartışması değil; sessizce yerel ekonomi politikasının bir aracına dönüşüyor
- En azından bu ölçekte ekonomik sonuçlar doğuran sıralama algoritmaları denetlenebilir olmalı
- Finansal piyasaları denetlediğimiz gibi attention market de denetlenmeli
- Bir navigasyon uygulaması olarak Google Maps’in sahip olduğu gücün büyüklüğüne dikkat çekiliyor
2 yorum
Buna, işletme sahiplerinin yorumlara aktif şekilde müdahil olması da eklenince büyük bir verimsizlik yarattığını düşünüyorum. Zor bir mesele. Eskiden güvenip gittiğim Google Maps yorumlarıydı ama artık keşif alanı tamamen bozulmuş gibi görünüyor.
Naver Haritalar artık pek güvenilir değil; Kakao Map ise az da olsa daha iyi. Ama orada bile ücretli yorumcular olduğu için, bu tür alanlarda hizmet ne kadar büyük ve yaygınsa güvenilirlik de o kadar düşüyor.