Social media analytics は、ソーシャルメディアのウェブサイトからデータを収集し、ビジネス上の意思決定を行うためにソーシャルメディア分析ツールを使用してそのデータを分析することです。 ソーシャルメディア解析の最も一般的な用途は、マーケティングや顧客サービス活動をサポートするために顧客の感情を探ることです。
ソーシャルメディア インテリジェンスの取り組みの最初のステップは、収集および分析されたデータがどのビジネス目標に役立つかを判断することです。 典型的な目標は、収益の増加、顧客サービスコストの削減、製品やサービスに関するフィードバックの取得、特定の製品や事業部門に対する世論の改善などです。
ビジネス目標が特定されたら、企業はビジネス分析データを客観的に評価するための主要業績評価指標 (KPI) を定義する必要があります。
追跡する指標
ソーシャルメディア分析から得られるビジネス指標には、Twitter アカウントのフォロー数、企業名のリツイートや言及の数で測定できる顧客関与が考えられます。
ソーシャルメディア分析のより高度なタイプには、センチメント分析が含まれます。 この実践では、高度な自然言語処理機械学習アルゴリズムが、企業に関する人のソーシャルメディア投稿のテキストを解析し、その人のステートメントの背後にある意味を理解します。 これらのアルゴリズムは、ソーシャルメディア上のやり取りに基づいて、企業に対する一般の人々の感情を数値化したスコアを作成し、企業が顧客とどれだけうまくやり取りしているかについて経営陣に報告することができます。 テキスト分析に加えて、多くの企業レベルのソーシャル メディア分析ツールは、データを採取して保存します。 これらのツールの中には、ニッチ企業が提供するものもありますが、より伝統的な企業向け分析ソフトウェア ベンダーがソーシャルメディア インテリジェンス専用のパッケージを提供しています。
多くのソーシャルメディア分析が機械学習に依存しているため、R や Python、TensorFlow など人気のオープン プラットフォームがソーシャルメディア分析ツールとしての役割を果たしています。 過去数十年間、企業は市場調査会社にお金を払って消費者に世論調査を行い、フォーカス グループを実施して、現在消費者が公共のソーシャルメディア プラットフォームに進んで投稿するような情報を入手していました。
問題は、この情報がフリー テキストと自然言語の形式であり、分析アルゴリズムが従来から持っている種類の非構造化データであることです。 しかし、機械学習と人工知能の進歩により、企業がソーシャルメディアの投稿の情報を拡張可能な方法で定量化することが容易になりました。
これにより、企業は、一般大衆が自社のブランドをどう認識しているか、消費者がどのような製品を好み、嫌っているか、一般的に市場はどこに向かっているのかという情報を抽出することが可能になりました。 ソーシャルメディア分析によって、企業は信頼性の低い世論調査やフォーカスグループを使用せずに、これらすべてを定量化することが可能になります
。
