A social media analytics a közösségi médiaoldalakról történő adatgyűjtés és az adatok elemzése a közösségi médiaanalitikai eszközök segítségével, üzleti döntések meghozatala érdekében. A közösségi médiaanalitika leggyakoribb felhasználási területe a vásárlói vélemények bányászata a marketing- és ügyfélszolgálati tevékenységek támogatása érdekében.
A közösségi médiaanalitikai kezdeményezés első lépése annak meghatározása, hogy az összegyűjtött és elemzett adatok milyen üzleti célokat szolgálnak. Tipikus célok közé tartozik a bevételek növelése, az ügyfélszolgálati költségek csökkentése, a termékekkel és szolgáltatásokkal kapcsolatos visszajelzések megszerzése, valamint egy adott termékről vagy üzletágról alkotott közvélemény javítása.
Az üzleti célok meghatározása után a vállalkozásoknak meg kell határozniuk a kulcsfontosságú teljesítménymutatókat (KPI-k) az üzleti elemzési adatok objektív értékeléséhez.
A nyomon követendő mérőszámok
A közösségi médiaelemzésből származó üzleti mérőszámok közé tartozhat az ügyfelek elkötelezettsége, amelyet egy Twitter-fiók követőinek számával, valamint a vállalat nevének újratweeteléseinek és említéseinek számával lehet mérni. A közösségi médiafigyeléssel a vállalkozások azt is megnézhetik, hogy hányan követik jelenlétüket a Facebookon, és hogy az emberek hányszor lépnek interakcióba a közösségi profiljukkal azáltal, hogy megosztják vagy lájkolják a bejegyzéseiket.
A közösségi médiaelemzés fejlettebb típusai közé tartozik a hangulatelemzés. Ez a gyakorlat kifinomult, természetes nyelvet feldolgozó gépi tanulási algoritmusokat foglal magában, amelyek elemzik egy személy közösségi média posztjának szövegét egy vállalatról, hogy megértsék a személy kijelentése mögött rejlő jelentést. Ezek az algoritmusok a közösségi média interakciók alapján számszerűsített pontszámot tudnak létrehozni a nyilvánosság vállalat iránti érzelmeiről, és jelentéseket adnak a vezetőségnek arról, hogy a vállalat milyen jól működik együtt az ügyfelekkel.
Népszerű eszközök
A közösségi médiaelemző eszközök számos típusa létezik a tweetekben és Facebook-bejegyzésekben található strukturálatlan adatok elemzésére. A szövegelemzés mellett számos vállalati szintű közösségi médiaanalitikai eszköz összegyűjti és tárolja az adatokat. Ezen eszközök némelyike hiánypótló szereplőktől származik, míg a hagyományosabb vállalati analitikai szoftvergyártók a közösségi médiaelemzésre szánt csomagokat kínálnak.
Mivel több közösségi médiaelemzés támaszkodik a gépi tanulásra, az olyan népszerű nyílt platformok, mint az R, a Python és a TensorFlow szolgálnak közösségi médiaelemző eszközként.
A közösségi médiaelemzés jelentősége
A közösségi média adatai óriási mennyiségű információt tartalmaznak. Az elmúlt évtizedekben a vállalkozások piackutató cégeknek fizettek azért, hogy megkérdezzék a fogyasztókat és fókuszcsoportokat végezzenek, hogy megszerezzék azokat az információkat, amelyeket a fogyasztók ma már szívesen posztolnak a nyilvános közösségi médiaplatformokra.
A probléma az, hogy ezek az információk szabad szöveg és természetes nyelv formájában vannak, olyan strukturálatlan adatok, amelyeket az analitikai algoritmusok hagyományosan. A gépi tanulás és a mesterséges intelligencia fejlődésével azonban a vállalkozások számára könnyebbé vált a közösségi médiás bejegyzésekben szereplő információk skálázható módon történő számszerűsítése.
Ez lehetővé teszi a vállalkozások számára, hogy információkat nyerjenek arról, hogyan érzékeli a közönség a márkájukat, milyen termékeket szeretnek és nem szeretnek a fogyasztók, és általában arról, hogy merre tartanak a piacok. A közösségi médiaanalitika lehetővé teszi a vállalkozások számára, hogy mindezt a kevésbé megbízható közvélemény-kutatások és fókuszcsoportok nélkül számszerűsítsék.
