Social media analytics er praksis med at indsamle data fra websteder på sociale medier og analysere disse data ved hjælp af værktøjer til social media analytics for at træffe forretningsmæssige beslutninger. Den mest almindelige anvendelse af social media analytics er at udvinde kundernes følelser for at støtte marketing- og kundeserviceaktiviteter.
Det første skridt i et initiativ til social media intelligence er at bestemme, hvilke forretningsmål de data, der indsamles og analyseres, vil gavne. Typiske mål er bl.a. at øge indtægterne, reducere omkostningerne til kundeservice, få feedback på produkter og tjenester og forbedre den offentlige mening om et bestemt produkt eller en bestemt forretningsafdeling.
Når forretningsmålene er blevet identificeret, bør virksomhederne definere centrale præstationsindikatorer (KPI’er) for objektivt at evaluere dataene fra forretningsanalysen.
Metri til sporing
Forretningsmetrikker, der er afledt af analyse af sociale medier, kan omfatte kundeengagement, som kan måles ved antallet af følgere for en Twitter-konto og antallet af retweets og omtaler af en virksomheds navn. Med overvågning af sociale medier kan virksomheder også se på, hvor mange mennesker der følger deres tilstedeværelse på Facebook, og hvor mange gange folk interagerer med deres sociale profil ved at dele eller synes godt om deres indlæg.
Mere avancerede typer af analyser af sociale medier omfatter sentimentanalyser. Denne praksis indebærer sofistikerede maskinlæringsalgoritmer til behandling af naturligt sprog, der analyserer teksten i en persons indlæg på sociale medier om en virksomhed for at forstå betydningen bag den pågældendes udtalelse. Disse algoritmer kan skabe en kvantificeret score for offentlighedens følelser over for en virksomhed baseret på interaktioner på de sociale medier og give rapporter til ledelsen om, hvor godt virksomheden interagerer med kunderne.
Populære værktøjer
Der findes en række typer værktøjer til analyse af sociale medier til analyse af ustrukturerede data, der findes i tweets og Facebook-opslag. Ud over tekstanalyse vil mange værktøjer til analyse af sociale medier på virksomhedsniveau høste og gemme dataene. Nogle af disse værktøjer kommer fra nicheaktører, mens mere traditionelle leverandører af analyse-software til virksomheder tilbyder pakker dedikeret til social media intelligence.
Da flere sociale medieanalyser er baseret på maskinlæring, tjener populære åbne platforme som R, Python og TensorFlow som værktøjer til analyse af sociale medier.
Vigtigheden af analyse af sociale medier
Der er en enorm mængde information i data fra sociale medier. I årtier tidligere betalte virksomheder markedsundersøgelsesfirmaer for at udspørge forbrugere og gennemføre fokusgrupper for at få den slags oplysninger, som forbrugerne nu frivilligt poster på offentlige sociale medieplatforme.
Problemet er, at disse oplysninger er i form af fri tekst og naturligt sprog, den slags ustrukturerede data, som analytiske algoritmer traditionelt set har. Men efterhånden som maskinlæring og kunstig intelligens har udviklet sig, er det blevet lettere for virksomheder at kvantificere oplysningerne i indlæg på sociale medier på en skalerbar måde.
Det giver virksomhederne mulighed for at uddrage oplysninger om, hvordan offentligheden opfatter deres brand, hvilke produkter forbrugerne kan lide og ikke lide, og generelt hvor markederne bevæger sig hen. Social media analytics gør det muligt for virksomheder at kvantificere alt dette uden at bruge mindre pålidelige meningsmålinger og fokusgrupper.
