Social media analytics är en metod för att samla in data från webbplatser i sociala medier och analysera dessa data med hjälp av verktyg för social media analytics för att fatta affärsbeslut. Den vanligaste användningen av sociala medieanalyser är att utvinna kundkänslor för att stödja marknadsförings- och kundserviceaktiviteter.
Det första steget i ett initiativ för intelligens i sociala medier är att fastställa vilka affärsmål som de insamlade och analyserade uppgifterna kommer att gynna. Typiska mål är bland annat att öka intäkterna, minska kostnaderna för kundtjänst, få feedback på produkter och tjänster och förbättra allmänhetens uppfattning om en viss produkt eller affärsavdelning.
När affärsmålen har identifierats bör företagen definiera nyckeltal (KPI:er) för att objektivt utvärdera data från affärsanalysen.
Mätetal att spåra
Affärsmätetal som härleds från analysen av sociala medier kan inkludera kundengagemang, vilket kan mätas genom antalet följare för ett Twitter-konto och antalet retweets och omnämnanden av ett företags namn. Med övervakning av sociala medier kan företag också titta på hur många som följer deras närvaro på Facebook och hur många gånger människor interagerar med deras sociala profil genom att dela eller gilla deras inlägg.
Mer avancerade typer av analys av sociala medier innefattar sentimentanalyser. Denna praxis innebär att sofistikerade algoritmer för maskininlärning som bearbetar naturligt språk analyserar texten i en persons inlägg i sociala medier om ett företag för att förstå innebörden bakom personens uttalande. Dessa algoritmer kan skapa en kvantifierad poäng av allmänhetens känslor för ett företag baserat på interaktioner i sociala medier och ge rapporter till ledningen om hur väl företaget interagerar med kunderna.
Populära verktyg
Det finns ett antal olika typer av verktyg för analys av sociala medier för att analysera ostrukturerade data som finns i tweets och Facebook-inlägg. Förutom textanalys kan många analysverktyg för sociala medier på företagsnivå skörda och lagra data. Vissa av dessa verktyg kommer från nischade aktörer, medan mer traditionella leverantörer av analysprogramvara för företag erbjuder paket som är avsedda för intelligens för sociala medier.
I takt med att fler analyser av sociala medier bygger på maskininlärning fungerar populära öppna plattformar som R, Python och TensorFlow som verktyg för analys av sociala medier.
Betydelsen av analys av sociala medier
Det finns en enorm mängd information i data från sociala medier. Under tidigare årtionden betalade företagen marknadsundersökningsföretag för att fråga konsumenterna och genomföra fokusgrupper för att få fram den typ av information som konsumenterna nu villigt lägger ut på offentliga plattformar i sociala medier.
Problemet är att denna information är i form av fritext och naturligt språk, den typ av ostrukturerade data som analysalgoritmerna traditionellt sett har. Men i takt med att maskininlärning och artificiell intelligens har utvecklats har det blivit lättare för företag att på ett skalbart sätt kvantifiera informationen i inlägg i sociala medier.
Detta gör det möjligt för företag att extrahera information om hur allmänheten uppfattar deras varumärke, vilken typ av produkter konsumenterna gillar och ogillar och generellt sett vart marknaderna är på väg. Analyser av sociala medier gör det möjligt för företag att kvantifiera allt detta utan att använda mindre tillförlitliga opinionsundersökningar och fokusgrupper.
