Sosiaalisen median analytiikka on käytäntö, jossa kerätään tietoja sosiaalisen median verkkosivustoilta ja analysoidaan näitä tietoja sosiaalisen median analyysityökalujen avulla liiketoimintapäätösten tekemiseksi. Sosiaalisen median analytiikan yleisin käyttötapa on asiakkaiden tunteiden louhiminen markkinoinnin ja asiakaspalvelun tukemiseksi.
Sosiaalisen median analytiikkaa koskevan aloitteen ensimmäinen vaihe on määrittää, mitä liiketoiminnallisia tavoitteita kerätyt ja analysoidut tiedot hyödyttävät. Tyypillisiä tavoitteita ovat tulojen lisääminen, asiakaspalvelukustannusten vähentäminen, palautteen saaminen tuotteista ja palveluista sekä yleisen mielipiteen parantaminen tietystä tuotteesta tai toimialasta.
Kun liiketoimintatavoitteet on määritetty, yritysten on määriteltävä keskeiset suorituskykyindikaattorit (KPI), jotta liiketoiminta-analytiikkatietoja voidaan arvioida objektiivisesti.
seurattavat mittarit
Sosiaalisen median analytiikasta saatuja liiketoimintamittareita voivat olla esimerkiksi asiakkaiden sitoutuminen (customer engagement), jota voidaan mitata Twitter-tilin seuraajamäärällä ja yrityksen nimen uudelleentwiittausten ja -mainintojen määrällä. Sosiaalisen median seurannan avulla yritykset voivat myös tarkastella, kuinka monta ihmistä seuraa heidän läsnäoloaan Facebookissa ja kuinka monta kertaa ihmiset ovat vuorovaikutuksessa heidän sosiaalisen profiilinsa kanssa jakamalla tai tykkäämällä heidän postauksistaan.
Kehittyneempiin sosiaalisen median analyysityyppeihin kuuluu sentimenttianalyysi. Tähän käytäntöön liittyy kehittyneitä luonnollista kieltä käsitteleviä koneoppimisalgoritmeja, jotka jäsentävät henkilön sosiaalisessa mediassa julkaiseman yritystä koskevan viestin tekstiä ymmärtääkseen henkilön lausuman taustalla olevan merkityksen. Nämä algoritmit voivat luoda kvantifioidun pistemäärän yleisön tunteista yritystä kohtaan sosiaalisen median vuorovaikutuksen perusteella ja antaa johdolle raportteja siitä, miten hyvin yritys on vuorovaikutuksessa asiakkaiden kanssa.
Suosittuja työkaluja
Twiiteistä ja Facebook-postauksista löytyvän jäsentymättömän datan analysoimiseen on olemassa erityyppisiä sosiaalisen median analyysityökaluja. Tekstianalyysin lisäksi monet yritystason sosiaalisen median analyysityökalut keräävät ja tallentavat tietoja. Osa näistä työkaluista on peräisin kapeilla toimijoilla, kun taas perinteisemmät yritysanalytiikkaohjelmistojen toimittajat tarjoavat sosiaalisen median tiedusteluun tarkoitettuja paketteja.
Koska yhä useampi sosiaalisen median analytiikka perustuu koneoppimiseen, suositut avoimet alustat, kuten R, Python ja TensorFlow, toimivat sosiaalisen median analytiikkatyökaluina.
Sosiaalisen median analytiikan merkitys
Sosiaalisessa mediassa olevasta datasta löytyy valtavasti tietoa. Menneinä vuosikymmeninä yritykset maksoivat markkinatutkimusyrityksille kuluttajien mielipidekyselyistä ja fokusryhmien toteuttamisesta saadakseen sellaista tietoa, jota kuluttajat nyt mielellään julkaisevat julkisille sosiaalisen median alustoille.
Ongelmana on, että tämä tieto on vapaan tekstin ja luonnollisen kielen muodossa, eli sellaista jäsentymätöntä dataa, jota analytiikka-algoritmit ovat perinteisesti. Koneoppimisen ja tekoälyn kehittyessä yritysten on kuitenkin entistä helpompi kvantifioida skaalautuvalla tavalla sosiaalisen median viesteissä olevaa tietoa.
Tämän avulla yritykset voivat poimia tietoa siitä, miten yleisö suhtautuu heidän brändiinsä, millaisista tuotteista kuluttajat pitävät ja mistä he eivät pidä ja mihin suuntaan markkinat ovat yleisesti ottaen menossa. Sosiaalisen median analytiikan avulla yritykset voivat kvantifioida kaiken tämän käyttämättä vähemmän luotettavia kyselytutkimuksia ja fokusryhmiä.
