Analiza mediów społecznościowych - Social media analytics

Analiza mediów społecznościowych to proces gromadzenia i analizowania danych z sieci społecznościowych, takich jak Facebook , Instagram , LinkedIn i Twitter . Jest powszechnie używany przez marketerów do śledzenia rozmów online na temat produktów i firm. Jeden z autorów określił to jako „sztukę i naukę wydobywania cennych ukrytych spostrzeżeń z ogromnych ilości częściowo ustrukturyzowanych i nieustrukturyzowanych danych z mediów społecznościowych, aby umożliwić świadome i wnikliwe podejmowanie decyzji”.

Proces

Analiza mediów społecznościowych składa się z trzech głównych etapów: identyfikacja danych, analiza danych i interpretacja informacji. Aby zmaksymalizować wartość uzyskaną w każdym momencie procesu, analitycy mogą zdefiniować pytanie, na które należy odpowiedzieć. Ważnymi pytaniami do analizy danych są: "Kto? Co? Gdzie? Kiedy? Dlaczego? i jak?" Pytania te pomagają w określeniu odpowiednich źródeł danych do oceny, co może mieć wpływ na rodzaj analizy, którą można przeprowadzić.

Identyfikacja danych

Identyfikacja danych to proces identyfikacji podzbiorów dostępnych danych, na których należy się skoncentrować na potrzeby analizy. Surowe dane są przydatne po ich zinterpretowaniu. Po przeanalizowaniu danych może zacząć przekazywać wiadomość. Wszelkie dane, które przekazują sensowny komunikat, stają się informacją. Na wysokim poziomie nieprzetworzone dane przybierają następujące formy, aby przełożyć je na dokładną wiadomość: zaszumione dane; istotne i nieistotne dane, filtrowane dane; tylko istotne dane, informacje; dane, które przekazują niejasne przesłanie, wiedzę; dane, które przekazują precyzyjne przesłanie, mądrość; dane, które przekazują dokładny przekaz i powód, dla którego się on kryje. Aby czerpać mądrość z nieprzetworzonych danych, musimy zacząć je przetwarzać, udoskonalić zbiór danych, włączając dane, na których chcemy się skoncentrować, i organizować dane w celu identyfikacji informacji. W kontekście analityki mediów społecznościowych identyfikacja danych oznacza „jakie” treści są interesujące. Oprócz tekstu treści chcemy wiedzieć: kto napisał tekst? Gdzie został znaleziony lub w którym miejscu w mediach społecznościowych się pojawił? Czy interesują nas informacje z konkretnego regionu? Kiedy ktoś powiedział coś w mediach społecznościowych?

Atrybuty danych, które należy wziąć pod uwagę, to:

• Struktura : Dane strukturalne to dane, które zostały zorganizowane w sformatowane repozytorium — zazwyczaj bazę danych — tak, aby ich elementy można było adresować w celu bardziej efektywnego przetwarzania i analizy. Dane niestrukturalne , w przeciwieństwie do danych strukturalnych, są danymi najmniej sformatowanymi.
• Język : język staje się istotny, jeśli chcemy poznać nastawienie posta, a nie liczbę wzmianek.
• Region : ważne jest, aby upewnić się, że dane zawarte w analizie pochodzą tylko z tego regionu świata, na którym koncentruje się analiza. Na przykład, jeśli celem jest identyfikacja problemów z czystą wodą w Indiach , chcielibyśmy upewnić się, że zbierane dane pochodzą wyłącznie z Indii .
• Rodzaj treści: Treścią danych może być Tekst (tekst pisany, który jest łatwy do odczytania i zrozumienia, jeśli znasz język), Zdjęcia (rysunki, proste szkice lub zdjęcia), Audio (nagrania audio książek, artykułów, rozmów, lub dyskusje) lub Filmy (nagrywanie, transmisje na żywo).
• Miejsce: Treści w mediach społecznościowych są generowane w różnych miejscach, takich jak serwisy informacyjne i serwisy społecznościowe (np. Facebook , Twitter ). W zależności od rodzaju projektu, dla którego zbierane są dane, miejsce staje się bardzo znaczące.
• Czas: ważne jest, aby zbierać dane opublikowane w analizowanym przedziale czasowym.
• Własność danych: czy dane są prywatne czy publicznie dostępne? Czy dane są objęte prawami autorskimi ? To są ważne pytania, na które należy odpowiedzieć przed zebraniem danych.

Proces analizy mediów społecznościowych

Analiza danych

Analiza danych to zestaw czynności, które pomagają przekształcić surowe dane we wgląd, co z kolei prowadzi do nowej bazy wiedzy i wartości biznesowej . Innymi słowy, analiza danych to faza, w której przefiltrowane dane są pobierane jako dane wejściowe i przekształcane w informacje wartościowe dla analityków. Z danymi z mediów społecznościowych można przeprowadzić wiele różnych rodzajów analiz, w tym analizę postów, nastrojów , czynników nastrojów, geografii, danych demograficznych itp. Etap analizy danych rozpoczyna się, gdy wiemy, jaki problem chcemy rozwiązać i wiemy, że mamy wystarczającą ilość danych to wystarczy, aby wygenerować sensowny wynik. Skąd możemy wiedzieć, czy mamy wystarczająco dużo dowodów, aby uzasadnić wniosek? Odpowiedź na to pytanie brzmi: nie wiemy. Nie możemy tego wiedzieć, dopóki nie zaczniemy analizować danych. Analizując, czy stwierdziliśmy, że dane nie są wystarczające, powtórz pierwszą fazę i zmodyfikuj pytanie. Jeśli uważamy, że dane są wystarczające do analizy, musimy zbudować model danych.

Opracowywanie modelu danych to proces lub metoda, której używamy do organizowania elementów danych i standaryzacji, w jaki sposób poszczególne elementy danych są ze sobą powiązane. Ten krok jest ważny, ponieważ chcemy uruchomić program komputerowy na danych; potrzebujemy sposobu, aby powiedzieć komputerowi, które słowa lub tematy są ważne i czy niektóre słowa odnoszą się do tematu, który badamy.

W analizie naszych danych warto mieć do dyspozycji kilka narzędzi, aby uzyskać inną perspektywę dyskusji toczących się wokół tematu. Celem jest tutaj skonfigurowanie narzędzi do maksymalnej wydajności dla określonego zadania. Na przykład myśląc o chmurze słów , jeśli weźmiemy dużą ilość danych wokół specjalistów komputerowych, powiedzmy „architekt IT” i zbudujemy chmurę słów, bez wątpienia największym słowem w chmurze będzie „architekt”. Ta analiza dotyczy również wykorzystania narzędzi. Niektóre narzędzia mogą dobrze radzić sobie z określaniem sentymentu, podczas gdy inne mogą lepiej rozkładać tekst na formę gramatyczną, która pozwala nam lepiej zrozumieć znaczenie i użycie różnych słów lub fraz. Wykonując analizę analityczną, trudno jest wyliczyć każdy krok, jaki należy podjąć w analitycznej podróży. Jest to podejście iteracyjne, ponieważ nie ma określonego sposobu działania.

Taksonomia i wnioski wynikające z tej analizy są następujące:

• Głębokość analizy: proste statystyki opisowe oparte na danych przesyłanych strumieniowo , analiza ad hoc zgromadzonych danych lub dogłębna analiza przeprowadzona na zgromadzonych danych. Ten wymiar analizy jest tak naprawdę uzależniony od ilości czasu dostępnego na opracowanie wyników projektu. Można to uznać za szerokie kontinuum, w którym czas analizy waha się od kilku godzin na jednym końcu do kilku miesięcy na drugim końcu. Ta analiza może odpowiedzieć na następujące rodzaje pytań:
  • Ile osób wspomniało o Wikipedii w swoich tweetach?
  • Który polityk miał najwięcej polubień podczas debaty ?
  • Który konkurent zbiera najwięcej wzmianek w kontekście biznesu społecznościowego ?
• Pojemność komputera: ilość procesora potrzebna do przetworzenia zestawów danych w rozsądnym czasie. Numery pojemności muszą odpowiadać nie tylko potrzebom procesora, ale także pojemności sieci potrzebnej do pobierania danych. Ta analiza może być przeprowadzana w czasie rzeczywistym, prawie w czasie rzeczywistym, doraźna eksploracja i głęboka analiza. Analiza w czasie rzeczywistym w mediach społecznościowych jest ważnym narzędziem, gdy próbujemy zrozumieć postrzeganie danego tematu przez społeczeństwo w miarę jego rozwoju, aby umożliwić reakcję lub natychmiastową zmianę kursu. W analizie w czasie zbliżonym do rzeczywistego zakładamy, że dane są pozyskiwane do narzędzia w tempie mniejszym niż w czasie rzeczywistym. Analiza ad hoc to proces mający na celu udzielenie odpowiedzi na jedno konkretne pytanie. Produktem analizy ad hoc jest zazwyczaj raport lub podsumowanie danych. Głęboka analiza oznacza analizę, która obejmuje długi czas i obejmuje dużą ilość danych, co zwykle przekłada się na wysokie wymagania dotyczące procesora.
• Domena analizy: Domena analizy jest ogólnie podzielona na zewnętrzne media społecznościowe i wewnętrzne media społecznościowe. Przez większość czasu, gdy ludzie używają terminu media społecznościowe, mają na myśli zewnętrzne media społecznościowe. Obejmuje to treści generowane z popularnych serwisów społecznościowych, takich jak Twitter , Facebook i LinkedIn . Wewnętrzne media społecznościowe obejmują korporacyjną sieć społecznościową , która jest prywatną siecią społecznościową służącą do wspomagania komunikacji w biznesie.
• Prędkość danych: Prędkość danych w mediach społecznościowych można podzielić na dwie kategorie: dane w spoczynku i dane w ruchu. Wymiary prędkości danych w ruchu mogą odpowiedzieć na pytania takie jak: Jak zmienia się nastawienie ogółu społeczeństwa do graczy w trakcie meczu? Czy tłum wyraża pozytywne nastawienie do gracza, który faktycznie przegrywa mecz? W takich przypadkach analiza jest wykonywana na bieżąco. W tej analizie ilość wyprodukowanych szczegółów jest bezpośrednio skorelowana ze złożonością narzędzia lub systemu analitycznego . Bardzo złożone narzędzie generuje więcej szczegółów. Drugim rodzajem analizy w kontekście prędkości jest analiza danych w spoczynku. Ta analiza jest wykonywana po pełnym zebraniu danych. Przeprowadzenie tej analizy może dostarczyć informacji, takich jak: który z produktów Twojej firmy ma najwięcej wzmianek w porównaniu z innymi? Jaki jest względny sentyment wokół Twoich produktów w porównaniu z produktem konkurencji?

Interpretacja informacji

Spostrzeżenia pochodzące z analizy mogą być tak różne, jak oryginalne pytanie, które zostało postawione w pierwszym kroku analizy. Na tym etapie, ponieważ odbiorcami informacji są nietechniczni użytkownicy biznesowi, istotna staje się forma prezentacji danych. W jaki sposób dane mogą mieć sens, aby można je było wykorzystać w podejmowaniu dobrych decyzji? Wizualizacja (grafika) informacji jest odpowiedzią na to pytanie.

Najlepsze wizualizacje to takie, które ujawniają coś nowego na temat podstawowych wzorców i relacji zawierających dane. Ujawnienie wzorców i ich niedopowiedzenie odgrywają kluczową rolę w procesie podejmowania decyzji. Podczas wizualizacji danych należy wziąć pod uwagę przede wszystkim trzy kryteria.

• Zrozum odbiorców : przed zbudowaniem wizualizacji ustal cel, którym jest przekazanie dużej ilości informacji w formacie łatwo przyswajalnym przez konsumenta informacji. Ważne jest, aby odpowiedzieć „Kim jest publiczność?” oraz „Czy możesz założyć, że odbiorcy znają używaną terminologię?” Publiczność ekspertów będzie miała inne oczekiwania niż publiczność ogólna; dlatego należy wziąć pod uwagę oczekiwania.
• Stwórz jasne ramy: analityk musi upewnić się, że wizualizacja jest poprawna pod względem składniowym i semantycznym. Na przykład, gdy używamy ikony, element powinien przypominać przedmiot, który reprezentuje, pod względem rozmiaru, koloru i położenia, wszystkie komunikujące znaczenie dla widza.
• Opowiedz historię : informacje analityczne są złożone i trudne do przyswojenia, dlatego celem wizualizacji jest zrozumienie i nadanie sensu informacji. Opowiadanie historii pomaga widzowi uzyskać wgląd w dane. Wizualizacja powinna łączyć informacje w strukturę, która jest przedstawiana jako narracja i łatwa do zapamiętania. Jest to ważne w wielu scenariuszach, gdy analityk nie jest tą samą osobą, co decydent.

Rola w wywiadzie biznesowym

Business Intelligence (BI) można opisać jako „zestaw technik i narzędzi do pozyskiwania i przekształcania surowych danych w sensowne i przydatne informacje do celów analizy biznesowej”.

Sentiment Analyzer to platforma technologiczna w dziedzinie Social BI, która wykorzystuje produkty Informatica . Został zaprojektowany, aby odzwierciedlać i sugerować przesunięcie punktu ciężkości przedsiębiorstw z danych transakcyjnych na modele analizy behawioralnej. Sentiment Analyzer umożliwia firmom zrozumienie doświadczeń klientów i tworzenie pomysłów na zwiększenie satysfakcji klientów.

Wpływ na analizę biznesową

Ostatnie badania dotyczące analityki mediów społecznościowych podkreśliły potrzebę przyjęcia podejścia opartego na analizie biznesowej do zbierania, analizowania i interpretowania danych z mediów społecznościowych. Media społecznościowe stanowią obiecujące, choć wymagające, źródło danych dla analityki biznesowej. Klienci dobrowolnie rozmawiają o produktach i firmach, dając puls w czasie rzeczywistym na temat sentymentu i adopcji marki. Media społecznościowe to jedno z najważniejszych narzędzi dla marketerów w szybko zmieniającym się krajobrazie medialnym. Firmy stworzyły wyspecjalizowane stanowiska do obsługi marketingu w mediach społecznościowych. Argumenty te są zgodne z literaturą dotyczącą marketingu w mediach społecznościowych, która sugeruje, że działania w mediach społecznościowych są ze sobą powiązane i wzajemnie na siebie wpływają.

Rola w polityce międzynarodowej

Możliwości zagrożeń związanych z analityką mediów społecznościowych i eksploracją mediów społecznościowych na arenie politycznej zostały ujawnione pod koniec 2010 roku. W szczególności udział firmy zajmującej się eksploracją danych Cambridge Analytica w wyborach prezydenckich w Stanach Zjednoczonych w 2016 r. i Brexicie były reprezentatywnymi przypadkami, które pokazują pojawiające się zagrożenia związane z łączeniem eksploracji mediów społecznościowych z polityką. Pojawiło się pytanie o prywatność danych dla osób fizycznych i granice prawne, które mają zostać stworzone dla firm zajmujących się nauką danych w odniesieniu do polityki w przyszłości. Oba poniższe przykłady pokazują przyszłość, w której big data może zmienić grę polityki międzynarodowej. Jest prawdopodobne, że w następnym stuleciu polityka i technologia będą ewoluować razem. W przypadku Cambridge Analytica efekty analizy mediów społecznościowych odbiły się echem na całym świecie dzięki dwóm głównym światowym potęgom, Stanom Zjednoczonym i Wielkiej Brytanii

Wybory prezydenckie w Stanach Zjednoczonych 2016

Skandal , że po amerykańskiej wyborach prezydenckich 2016 roku był jednym z udziałem trójdrożny relacji między Cambridge Miteinander kampanii Trump i Facebook. Cambridge Analytica pozyskała dane ponad 87 milionów nieświadomych użytkowników Facebooka i przeanalizowała je na potrzeby kampanii Trumpa. Tworząc tysiące punktów danych na 230 milionach dorosłych Amerykanów, firma zajmująca się eksploracją danych miała potencjał, aby przeanalizować, które osoby mogą zostać skłonione do głosowania na kampanię Trumpa, a następnie wysyłać wiadomości lub reklamy do wspomnianych celów i wpływać na sposób myślenia użytkowników. Konkretni wybrani docelowi wyborcy mogliby wówczas być narażeni na komunikaty popierające Trumpa, nawet nie zdając sobie sprawy z wywierania na nich wpływu politycznego. Taka specyficzna forma kierowania, w której wybrane osoby są wprowadzane do ponadprzeciętnej ilości reklam w ramach kampanii, nazywana jest „mikrotargetowaniem”. Istnieje wiele kontrowersji w kwestii mierzenia wpływu tego mikrokierowania na wybory w 2016 roku. Wpływ mikroukierunkowanych reklam i analizy danych z mediów społecznościowych na politykę jest niejasny od końca 2010 roku, jako nowo powstającej dziedziny technologii.

Chociaż było to naruszenie prywatności użytkowników, eksploracja danych i ukierunkowany marketing podważyły ​​odpowiedzialność publiczną, której podmioty mediów społecznościowych już nie podlegają, tym samym wypaczając demokratyczny system wyborczy i pozwalając na zdominowanie go przez platformy „treści generowanych przez użytkowników, [które] spolaryzowane przekaz mediów”.

Brexit

Podczas referendum w sprawie Brexitu w 2016 r. Cambridge Analytica wzbudziła kontrowersje związane z wykorzystaniem danych zebranych z mediów społecznościowych. Podobna sprawa miała miejsce, w której naruszenie danych Facebooka zostało przejęte przez Cambridge Analytica i wykorzystane do zachęcenia obywateli brytyjskich do głosowania za opuszczeniem Unii Europejskiej w referendum UE w 2016 roku . Oprócz Cambridge Analytica kilka innych firm zajmujących się danymi, takich jak AIQ i Cambridge University Psychometric Center, zostało oskarżonych, a następnie zbadane przez rząd brytyjski pod kątem możliwego nadużywania danych w celu promowania nielegalnych technik kampanii na rzecz Brexitu. W referendum 51,9% głosujących poparło wystąpienie Wielkiej Brytanii z Unii Europejskiej. Ta ostateczna decyzja wpłynęła na politykę w Wielkiej Brytanii i wywołała fale w instytucjach politycznych i gospodarczych na całym świecie.

Usługi komercyjne

• BigChampagne (nieistniejący)
• Bufor
• Echobox
• Insiflow (start-up)
• Klout
• Ostrze społecznościowe
• Piekarze socjalni
• SocialMeter (pionier, teraz nieistniejący)
• Ciepło wirusowe (nieistniejące)
• Wildfire Interactive (przejęty przez Google i zintegrowany z Google Analytics )

Zobacz też

• Pomiar mediów społecznościowych
• Analiza sentymentu
• Eksploracja danych
• Eksploracja mediów społecznościowych
• Analiza sieci społecznościowych

Bibliografia