Social media analytics is de praktijk van het verzamelen van gegevens van social media websites en het analyseren van die gegevens met behulp van social media analytics tools om zakelijke beslissingen te nemen. Het meest gebruikelijke gebruik van social media analytics is om het sentiment van klanten te ontginnen ter ondersteuning van marketing- en klantenserviceactiviteiten.
De eerste stap in een social media intelligence-initiatief is om te bepalen voor welke zakelijke doelen de gegevens die worden verzameld en geanalyseerd, van nut zullen zijn. Typische doelstellingen zijn het verhogen van de inkomsten, het verminderen van de kosten voor klantenservice, het krijgen van feedback over producten en diensten, en het verbeteren van de publieke opinie over een bepaald product of bedrijfsonderdeel.
Zodra de bedrijfsdoelstellingen zijn geïdentificeerd, moeten bedrijven key performance indicators (KPI’s) definiëren om de bedrijfsanalysegegevens objectief te evalueren.
Metrics to track
Bedrijfsstatistieken die zijn afgeleid van social media-analyses kunnen klantbetrokkenheid omvatten, die kan worden gemeten aan de hand van het aantal volgers voor een Twitter-account en het aantal retweets en vermeldingen van de naam van een bedrijf. Met sociale-mediamonitoring kunnen bedrijven ook bekijken hoeveel mensen hun aanwezigheid op Facebook volgen en het aantal keren dat mensen interactie hebben met hun sociale profiel door hun berichten te delen of te liken.
Meer geavanceerde vormen van sociale-media-analyse omvatten sentimentanalyse. Hierbij worden geavanceerde algoritmen voor machinaal leren die natuurlijke taal verwerken, gebruikt om de tekst in een bericht van een persoon over een bedrijf in de sociale media te ontleden om de betekenis achter de uitspraak van die persoon te begrijpen. Deze algoritmen kunnen een gekwantificeerde score creëren van de gevoelens van het publiek ten opzichte van een bedrijf op basis van interacties via sociale media en rapporten geven aan het management over hoe goed het bedrijf met klanten omgaat.
Populaire tools
Er zijn een aantal soorten social media-analysetools voor het analyseren van ongestructureerde gegevens in tweets en Facebook-posts. Naast tekstanalyse kunnen veel social media-analysetools op bedrijfsniveau de gegevens verzamelen en opslaan. Sommige van deze tools zijn afkomstig van nichespelers, terwijl meer traditionele leveranciers van analysesoftware voor ondernemingen pakketten aanbieden die speciaal zijn gericht op sociale-mediakennis.
Naarmate meer sociale-media-analyses vertrouwen op machine learning, dienen populaire open platforms zoals R, Python en TensorFlow als sociale-media-analysetools.
Belang van sociale-media-analyse
Er is een enorme hoeveelheid informatie in sociale-mediagegevens. In het verleden betaalden bedrijven marktonderzoeksbedrijven om consumenten te ondervragen en focusgroepen uit te voeren om het soort informatie te krijgen dat consumenten nu gewillig op openbare sociale-mediaplatforms posten.
Het probleem is dat deze informatie in de vorm van vrije tekst en natuurlijke taal is, het soort ongestructureerde gegevens dat analytische algoritmen van oudsher hebben. Maar naarmate machine learning en kunstmatige intelligentie zijn gevorderd, is het voor bedrijven gemakkelijker geworden om de informatie in sociale-mediaposts op een schaalbare manier te kwantificeren.
Dit stelt bedrijven in staat om informatie te extraheren over hoe het publiek hun merk waarneemt, wat voor soort producten consumenten leuk en niet leuk vinden en in het algemeen waar de markten naartoe gaan. Social media analytics maakt het voor bedrijven mogelijk om dit alles te kwantificeren zonder gebruik te maken van minder betrouwbare opiniepeilingen en focusgroepen.
