Telekom Markalarının Haber İtibarı: 3.004 Başlık, İki YılNews Reputation of Telecom Brands: 3,004 Headlines, Two Years
Turkcell, Türk Telekom ve Vodafone hakkında iki yılda çıkan 3.004 başlığı konu ve tona göre etiketledim. En çok haber çıkan marka en iyi tona sahip değil — ve markanın kendi haber siteleri hesaba katılınca sıralama değişiyor.I labelled 3,004 headlines about Turkcell, Türk Telekom and Vodafone by topic and tone over two years. The brand with the most coverage does not have the best tone — and the ranking shifts once the brand's own news outlets are accounted for.
- Python
- Google News
- Metin analizi
- Marka itibarı
- Doğrulama
Marka itibarı ölçerken en kolay hata, çıkan haber sayısını başarı sanmaktır. Bu çalışmada Turkcell, Türk Telekom ve Vodafone hakkında Ekim 2023 – Eylül 2025 arasında Google News'te çıkan 3.004 başlığı topladım; tekilleştirip markanın başlıkta geçtiği 1.562 habere indirdim ve her birini konu ile tona göre etiketledim.
Çıkan tabloda iki şey dikkat çekiyor: en çok haber çıkan marka en iyi tona sahip değil, ve markanın kendi haber siteleri hesaba katılınca sıralama değişiyor.
Veri ve temizlik
Veri, Google News RSS üzerinden her marka için ay ay sorgulanarak toplandı — üç marka × 24 ay = 72 sorgu. Ham çıktı 3.004 satır; aynı haberin farklı kaynaklarda tekrarı ve sorgular arası çakışma temizlenince 2.765 tekil başlık kaldı.
| Adım | Karar | Gerekçe |
|---|---|---|
| 3.004 → 2.765 | Başlık bazında tekilleştirme | Aynı haber birden çok sorguda dönüyor; sayılmazsa hacim şişer |
| 2.765 → 1.562 | Marka adı başlıkta geçmeyenleri ele | Metinde adı anılan ama konusu marka olmayan haberler tonu bozuyor |
| Kaynak ayrımı | Sahip olunan medya / bağımsız basın | Markanın kendi sitesinde kendini övmesi itibar ölçüsü değildir |
| Etiketleme | 9 konu sınıfı + üç tonlu ölçek | Kural tabanlı; ayrı bir örneklemde test edildi |
Markanın başlıkta geçme oranı markadan markaya ciddi biçimde değişiyor: Turkcell'de %69,4, Türk Telekom'da %54,6, Vodafone'da %40,9. Bu filtreyi uygulamasaydım Vodafone'un haber hacmi olduğundan %60 fazla görünecekti — çünkü sorgu sonuçlarının çoğunda marka yalnızca metinde geçiyor.
Üç marka, üç farklı tablo
Net ton, olumlu başlık payından olumsuz başlık payının çıkarılmasıyla hesaplanıyor: −100 ile +100 arası. Spor sonuçları marka itibarı açısından nötr sayıldı.
| Marka | Başlık | Sesten pay | Olumlu | Olumsuz | Net ton | Net ton (bağımsız basın) |
|---|---|---|---|---|---|---|
| Turkcell | 706 | %43,7 | %34,3 | %7,2 | +27,1 | +19,2 |
| Türk Telekom | 600 | %37,1 | %25,5 | %9,7 | +15,8 | +15,7 |
| Vodafone | 311 | %19,2 | %37,6 | %5,5 | +32,2 | +32,2 |
Vodafone en az haberle en iyi tona sahip: sesten payı %19,2 ama net tonu +32,2. Turkcell ham veride +27,1 ile ikinci sırada görünüyor — ta ki haberlerin nereden geldiğine bakana kadar.
Sahip olunan medya etkisi
Turkcell'in analize giren başlıklarının %25,4'ü markanın kendi haber kanallarından geliyor (Turkcell Medya, Turkcell Blog gibi). Bu kaynaklarda net ton +50,3 — beklendiği gibi, çünkü marka kendi mecrasında olumsuz haber yayımlamıyor.
| Marka | Sahip olunan medya payı | Net ton (ham) | Net ton (bağımsız) | Fark |
|---|---|---|---|---|
| Turkcell | %25,4 | +27,1 | +19,2 | −7,9 |
| Türk Telekom | %0,2 | +15,8 | +15,7 | −0,1 |
| Vodafone | %0,0 | +32,2 | +32,2 | 0,0 |
Bu, itibar ölçümünde en sık atlanan ayrıntı. Kendi mecrasını güçlü kullanan bir marka, hiçbir şey değişmeden daha iyi bir tabloya sahip görünür. Turkcell ile Türk Telekom arasındaki fark ham veride 11,3 puan; bağımsız basına bakıldığında 3,5 puana iniyor.
Tonu ne belirliyor?
Her başlık dokuz konu sınıfından birine atandı. Konu bazında net ton, markaların nerede kazanıp nerede kaybettiğini gösteriyor.
| Konu | Turkcell | Türk Telekom | Vodafone |
|---|---|---|---|
| Teknoloji & altyapı | +72,2 | +54,9 | +65,1 |
| Sosyal sorumluluk & etkinlik | +58,3 | +23,9 | — |
| Finans & hisse | — | +35,1 | +41,2 |
| Ürün, tarife & kampanya | +39,5 | −1,8 | +35,2 |
| Regülasyon, siyaset & hukuk | −14,3 | −20,0 | — |
| Kesinti & şikâyet | −100,0 | — | — |
Üç markanın da en güçlü olduğu alan aynı: teknoloji ve altyapı. Ayrıştıkları yer ürün ve tarife haberleri — Turkcell'de +39,5, Vodafone'da +35,2 iken Türk Telekom'da −1,8.
İki olay, iki farklı hikâye
Kronik: internet zamları
58 olumsuz başlığın 30'u her yaz duyurulan internet zamlarıyla ilgili. Olumsuz haberler Haziran 2025'te 10, Ağustos 2025'te 9, Haziran 2024'te 8 adetle zirve yapıyor — yani sorun bir kerelik değil, takvimli ve tekrar eden bir kalıp.
Akut: 9 Nisan kesintisi
Nisan 2025'te 15 olumsuz başlık var; 11'i 9 Nisan şebeke kesintisiyle ilgili. Diğer 23 ayın hiçbirinde bu sayıya yaklaşılmıyor. "Kesinti & şikâyet" konusundaki net ton −100: bu başlıkların tamamı olumsuz.
İkisi farklı yönetim gerektiriyor. Tekrar eden bir kalıp iletişimle değil fiyatlama ve beklenti yönetimiyle çözülür; tek seferlik bir kriz ise hızlı ve şeffaf bilgilendirmeyle.
Etiketler ne kadar güvenilir?
Ton ve konu, kural tabanlı bir sözlükle atandı. Kuralların işe yarayıp yaramadığını ölçmek için iki ayrı örneklem kullandım.
| Örneklem | n | Doğruluk | Cohen κ | Olumsuz kesinlik | Olumsuz duyarlılık |
|---|---|---|---|---|---|
| Geliştirme | 150 | %88,7 | 0,797 | 0,818 | 1,000 |
| Ayrı tutulan (holdout) | 150 | %78,7 | 0,636 | 0,941 | 0,727 |
Kuralların geliştirildiği örneklemde doğruluk %88,7; kurallar sabitlendikten sonra hiç görülmemiş 150 başlıkta %78,7'ye düşüyor. Aradaki 10 puan, aynı veriyle hem kural yazıp hem test etmenin maliyeti — raporlanması gereken sayı ikincisi.
Daha önemlisi: holdout örnekleminde elle etiketlenen net ton 21,3, sözlüğün ürettiği 18,7. Yani kurallar tonu sistematik olarak biraz karamsar ölçüyor ama markalar arası sıralamayı bozacak düzeyde değil. Mutlak değerler değil, karşılaştırmalar güvenilir.
Sınırlar
| Sınırlama | Etkisi |
|---|---|
| Google News örnek döndürür | Bir ayın tüm haberlerini değil, ilgili gördüğü bir alt kümesini verir. Haber hacmi ve sesten pay bu veriyle ölçülemez; tablodaki "sesten pay" yalnızca bu örneklem içindeki paydır. |
| Yalnızca başlıklar okundu | Haber metni analiz edilmedi; ironi, bağlam ve başlıkla çelişen içerik kaçar. |
| Kural tabanlı etiketleme | Holdout doğruluğu %78,7. Dil modeliyle etiketleme daha isabetli olurdu ama tekrar üretilebilirliği ve maliyeti farklı bir tartışma. |
| Tekrar üretilebilirlik | Google News sıralaması zamanla değişiyor; aynı sorgular bugün birebir aynı başlıkları döndürmeyebilir. |
| Ton ≠ itibar | Haber tonu itibarın yalnızca bir bileşeni. Müşteri memnuniyeti, sosyal medya ve çalışan görüşü bu çalışmanın dışında. |
Sonuç
Üç markanın tablosu üç farklı iş sorusu üretiyor. Vodafone en az haberle en iyi tona sahip — görünürlüğü artırmak için alan var. Türk Telekom'un sorunu iletişim değil takvim: olumsuz haberlerin yarısı her yaz tekrarlayan zam duyuruları. Turkcell'in tablosu ham veride en parlak ikinci, ama bunun bir kısmı kendi mecrasından geliyor; bağımsız basına bakıldığında Türk Telekom'la arasındaki fark 11,3 puandan 3,5'e iniyor.
Metodolojik olarak bu çalışmanın en öğretici kısmı son iki tablo. Kuralları yazdığım örneklemde %88,7 doğruluk aldım; kuralları dondurup yeni 150 başlıkta test ettiğimde %78,7. Aradaki fark, "modelimiz %89 doğrulukta" cümlesinin neden tek başına bir şey anlatmadığını gösteriyor.
Kaynak kod ve çıktılar: github.com/ozgurnrttn/telekom-marka-itibar-analizi. Başlık verisi üçüncü taraf içerik barındırdığı için depoda yok; toplama betiğiyle yeniden üretilebilir. Yöntemin genel anlatımını Marka İtibar Analizi Nasıl Yapılır? yazısında ele aldım.
The easiest mistake in brand reputation work is treating news volume as success. In this study I collected 3,004 Google News headlines about Turkcell, Türk Telekom and Vodafone between October 2023 and September 2025, reduced them to the 1,562 stories where the brand actually appears in the headline, and labelled each one by topic and tone.
Two things stand out in the result: the brand with the most coverage does not have the best tone, and the ranking shifts once a brand's own news outlets are taken into account.
Data and cleaning
The data came from Google News RSS, queried month by month for each brand — three brands × 24 months = 72 queries. The raw output was 3,004 rows; removing repeats of the same story across sources and overlapping queries left 2,765 unique headlines.
| Step | Decision | Reasoning |
|---|---|---|
| 3,004 → 2,765 | Deduplicate by headline | The same story returns in several queries; left in, volume inflates |
| 2,765 → 1,562 | Drop headlines not naming the brand | Stories that merely mention the brand in the body distort the tone |
| Source split | Owned media vs independent press | A brand praising itself on its own site is not a reputation signal |
| Labelling | 9 topic classes + three-point tone | Rule-based; tested on a separate sample |
How often the brand appears in the headline varies sharply: 69.4% for Turkcell, 54.6% for Türk Telekom, 40.9% for Vodafone. Without this filter Vodafone's news volume would have looked 60% larger than it is — in most of its query results the brand only appears in the body.
Three brands, three different pictures
Net tone is the share of positive headlines minus the share of negative ones, from −100 to +100. Sports results are treated as neutral for brand reputation.
| Brand | Headlines | Share of voice | Positive | Negative | Net tone | Net tone (independent) |
|---|---|---|---|---|---|---|
| Turkcell | 706 | 43.7% | 34.3% | 7.2% | +27.1 | +19.2 |
| Türk Telekom | 600 | 37.1% | 25.5% | 9.7% | +15.8 | +15.7 |
| Vodafone | 311 | 19.2% | 37.6% | 5.5% | +32.2 | +32.2 |
Vodafone has the best tone on the least coverage: 19.2% share of voice but a net tone of +32.2. Turkcell looks second at +27.1 in the raw data — until you check where the stories come from.
The owned-media effect
25.4% of Turkcell's headlines come from the brand's own news channels (Turkcell Medya, Turkcell Blog and similar). Net tone in those sources is +50.3 — as expected, since a brand does not publish negative news about itself.
| Brand | Owned-media share | Net tone (raw) | Net tone (independent) | Difference |
|---|---|---|---|---|
| Turkcell | 25.4% | +27.1 | +19.2 | −7.9 |
| Türk Telekom | 0.2% | +15.8 | +15.7 | −0.1 |
| Vodafone | 0.0% | +32.2 | +32.2 | 0.0 |
This is the detail most often skipped in reputation measurement. A brand that works its own channels hard looks better without anything changing. The gap between Turkcell and Türk Telekom is 11.3 points in the raw data; against independent press alone it falls to 3.5.
What drives the tone?
Every headline was assigned to one of nine topic classes. Net tone by topic shows where each brand wins and loses.
| Topic | Turkcell | Türk Telekom | Vodafone |
|---|---|---|---|
| Technology & infrastructure | +72.2 | +54.9 | +65.1 |
| CSR & events | +58.3 | +23.9 | — |
| Finance & shares | — | +35.1 | +41.2 |
| Product, tariff & campaign | +39.5 | −1.8 | +35.2 |
| Regulation, politics & law | −14.3 | −20.0 | — |
| Outage & complaints | −100.0 | — | — |
All three are strongest in the same place: technology and infrastructure. They diverge on product and tariff news — +39.5 for Turkcell and +35.2 for Vodafone, against −1.8 for Türk Telekom.
Two events, two different stories
Chronic: tariff increases
30 of the 58 negative headlines concern the internet price increases announced every summer. Negative coverage peaks at 10 in June 2025, 9 in August 2025 and 8 in June 2024 — the problem is not a one-off but a scheduled, repeating pattern.
Acute: the 9 April outage
April 2025 carries 15 negative headlines, 11 of them about the 9 April network outage. No other month in the 24 comes close. Net tone in the "outage & complaints" topic is −100: every one of those headlines is negative.
The two call for different responses. A repeating pattern is not solved by communication but by pricing and expectation management; a one-off crisis is handled with speed and transparency.
How reliable are the labels?
Tone and topic were assigned with a rule-based lexicon. To test whether the rules work I used two separate samples.
| Sample | n | Accuracy | Cohen's κ | Negative precision | Negative recall |
|---|---|---|---|---|---|
| Development | 150 | 88.7% | 0.797 | 0.818 | 1.000 |
| Held out | 150 | 78.7% | 0.636 | 0.941 | 0.727 |
On the sample the rules were written against, accuracy is 88.7%; on 150 unseen headlines after the rules were frozen, it drops to 78.7%. Those 10 points are the cost of writing and testing rules on the same data — the second number is the one to report.
More importantly: on the held-out sample the hand-labelled net tone is 21.3 against the lexicon's 18.7. The rules measure tone systematically a little pessimistically, but not enough to change the ranking between brands. Comparisons are trustworthy here; absolute values less so.
Limitations
| Limitation | Effect |
|---|---|
| Google News returns a sample | Not every story in a month, only a subset it deems relevant. News volume and share of voice cannot be measured from this data; the "share of voice" column is share within this sample only. |
| Headlines only | Article bodies were not analysed; irony, context and headline-body mismatch escape. |
| Rule-based labelling | Held-out accuracy is 78.7%. A language model would label more accurately, but reproducibility and cost are a separate discussion. |
| Reproducibility | Google News ranking shifts over time; the same queries may not return identical headlines today. |
| Tone ≠ reputation | News tone is one component. Customer satisfaction, social media and employee sentiment are outside this study. |
Conclusion
The three pictures raise three different business questions. Vodafone has the best tone on the least coverage — there is room to raise visibility. Türk Telekom's problem is not communication but the calendar: half its negative coverage is the price increase announced every summer. Turkcell looks second-best in the raw data, but part of that comes from its own channels; against independent press the gap to Türk Telekom narrows from 11.3 points to 3.5.
Methodologically the most instructive part is the last two tables. On the sample I wrote the rules against, accuracy was 88.7%; freezing the rules and testing on 150 fresh headlines gave 78.7%. That gap is why "our model is 89% accurate" says nothing on its own.
Source code and outputs: github.com/ozgurnrttn/telekom-marka-itibar-analizi. The headline data is not in the repository because it contains third-party content; it can be regenerated with the collection script. The general method is covered in How to Do Brand Reputation Analysis.
