Una breve discussione sul significato dell'analisi dei dati dei social network

Con il rapido sviluppo delle tecnologie informatiche, sempre più persone partecipano ai social network. Le persone sono felici di condividere informazioni rilevanti su Internet e di espandere la propria rete di contatti. Le aziende possono addirittura influenzare direttamente i clienti attraverso le piattaforme social. Tutto sembra andare meglio grazie all'avvento dei social network, ma ci sono tre caratteristiche dei social network a cui dobbiamo prestare attenzione:

1. Caratteristica 1: Su Internet coesistono contemporaneamente informazioni false e informazioni vere. Questa caratteristica è particolarmente evidente nei social network. Le persone esprimono le loro vere informazioni sui social network, ma inviano anche informazioni immaginarie, il che fa sì che le voci si trasformino molto facilmente in "fatti".

2. Caratteristica 2: Illimitato. Le informazioni possono essere espanse all'infinito nella rete e alla fine possono persino influenzare la realtà.

3. Caratteristica tre: veloce. Data la velocità vertiginosa della trasmissione delle informazioni su Internet, è probabile che le informazioni degli utenti si diffondano in un lasso di tempo breve.

Ogni informazione pubblicata è come l'onda provocata da un sasso lanciato nell'acqua. Se non vengono lanciati altri sassi, le increspature gradualmente svaniranno fino a scomparire. Questa è la funzione autopulente del social network. Considerate le tre caratteristiche sopra menzionate, affidarsi esclusivamente all'"autopulizia" è tutt'altro che sufficiente. Se si lancia un altro sasso in un certo punto del processo di diffusione delle onde, le onde originali si espanderanno o si restringeranno. Se si trova il punto giusto, queste increspature possono formare onde. Come reperire queste informazioni, identificare questi punti, ampliare la voce positiva del marchio, ridurre ed eliminare quella negativa è diventata la chiave del successo di un'azienda nel marketing sociale. È qui che l'analisi dei social network può aiutare l'azienda.

I social network sono pieni di informazioni di ogni genere che possono trasformarsi in "onde", tra cui informazioni su un prodotto, un film o una star: tutte queste informazioni possono essere ottenute gratuitamente su Internet. Si può affermare che il valore di queste informazioni di revisione per le aziende sia enorme. Se un'azienda ha accesso a questi dati e li analizza, ciò sarà molto utile per migliorare i prodotti esistenti e l'orientamento dei prodotti futuri. Attualmente, per le aziende, l'obiettivo principale dell'analisi dei social network è individuare, analizzare e comprendere i consumatori. Ottieni la comunicazione più concisa e veloce con i consumatori. Per farlo è necessario individuare la cerchia dei consumatori attraverso l'analisi dei dati e poi individuare i leader di opinione al loro interno. Attraverso gli opinion leader, il messaggio che l'azienda vuole trasmettere può essere ulteriormente ampliato e irradiato a tutto il pubblico. Attirando così consumatori più fedeli.

Esistono molti argomenti di ricerca interessanti nell'analisi dei social network. Ad esempio, l'identificazione di cerchie comunitarie nei social network, il calcolo dell'influenza personale nei social network, il modello di propagazione delle informazioni sui social network, l'identificazione di informazioni false e account robot e la previsione di mercati azionari, elezioni e malattie infettive sulla base di informazioni sui social network. L'analisi e la ricerca sui social network è un argomento interdisciplinare. Durante il processo di ricerca, solitamente vengono utilizzate come guida conclusioni e principi fondamentali della sociologia, della psicologia e persino della medicina. L'apprendimento automatico, la teoria dei grafi e altri algoritmi utilizzati nel campo dell'intelligenza artificiale vengono impiegati per simulare e prevedere i comportamenti di gruppo e le tendenze future nei social network.

La suddivisione delle cerchie sociali non si limita alle relazioni attivamente stabilite dagli utenti, ma può basarsi anche sulla suddivisione di cerchie implicite, come gli attributi di interesse. Quando due persone interagiscono frequentemente su un social network, sono veri amici anche offline? Da una prospettiva algoritmica, questo è un problema difficile da risolvere, ma se consideriamo il problema da un'altra angolazione e pensiamo alle nostre informazioni di contatto offline, se A e B hanno i rispettivi numeri di cellulare, allora la possibilità che siano veri amici offline è molto alta. Se si considerassero prodotti come Fetion, MiTalk e WeChat, se davvero potessero essere trasformati in social network basati sulle rubriche dei telefoni cellulari, potremmo formulare giudizi esaustivi sulle cerchie sociali attraverso social network eterogenei, e il valore di tutto ciò sarebbe incommensurabile.

Cosa possono guadagnare le aziende estraendo e analizzando i dati dei social network?

1. Scoperta di potenziali opportunità di business

Attraverso l'analisi e il data mining, possiamo scoprire se il distretto commerciale in cui opera un utente rientra nella copertura del distretto commerciale dell'azienda; possiamo conoscere la capacità di consumo di un utente; possiamo conoscere le preferenze di un utente e le sue recenti abitudini di acquisto; possiamo conoscere la probabilità che un utente acquisti i nostri prodotti; possiamo conoscere le strategie dei concorrenti.

Zynga, un'azienda di social gaming che infesta siti di social network come Facebook, sfrutta abilmente i dati degli utenti per sfruttare un gran numero di opportunità di business. Secondo Bloomberg Businessweek, il gigante del social gaming raccoglie ogni giorno circa 60 miliardi di dati, tra cui per quanto tempo le persone giocano solitamente, quando giocano, quali oggetti di gioco amano acquistare e così via. I matematici esperti dell'azienda utilizzano i dati per analizzare quali persone amano visitare le Fattorie e le Città dei loro amici (giochi sviluppati da Zynga), quali oggetti virtuali le persone amano acquistare e con quale frequenza regalano oggetti virtuali ai loro amici. Poi sono giunti a una scoperta importante: le persone che ricevono spesso regali virtuali dagli amici vorrebbero giocare di più, mentre coloro che non li ricevono o li ricevono meno frequentemente vorrebbero giocare di meno. Ken Rudin, vicepresidente dell'analisi dei dati presso Zynga, ha affermato: Sulla base di questa scoperta, un gruppo di appassionati di matematica ha trovato una soluzione: per quei giocatori che non ricevono regali così spesso, renderemo più facile per loro trovare gli strumenti per costruire città (giochi Zynga), in modo che non facciano troppo affidamento sui regali degli altri. L'intento di Zynga è chiaro: analizzare il comportamento degli utenti, comprenderne la psicologia e quindi fornire tempestivamente servizi più mirati a ciascun utente, con abitudini comportamentali uniche.

2. Avviso di crisi

Attraverso il data mining e l'analisi è possibile monitorare in tempo reale qualsiasi informazione improvvisamente diffusa su Internet che possa rappresentare una crisi per l'azienda. E tracciare il suo percorso di propagazione e trovare i nodi chiave. Utilizzare delle "rocce" per interromperne la traiettoria di propagazione. Affinché la crisi possa scomparire il prima possibile. Quando un'azienda si trova ad affrontare decine di migliaia o addirittura milioni di discussioni create dagli utenti sui social media, è un compito impossibile valutare manualmente quale passaparola sia vantaggioso per il marchio e quale si trasformerà in una crisi del marchio. Il monitoraggio dell'opinione pubblica può essere incentrato su una determinata area di monitoraggio o su un evento specifico, attraverso un processo scientifico e ininterrotto di raccolta e analisi dei dati. Nella fase iniziale è necessario impostare l'ambito della raccolta e i gruppi di parole chiave.

Nella fase intermedia, i dati raccolti verranno pre-elaborati tramite filtraggio, raggruppamento, clustering, ecc. Nella fase successiva, i dati verranno analizzati e il marchio verrà informato della propria reputazione sotto forma di report di analisi. Abbiamo scoperto che Baidu Index non mostrava alcun record di ricerca per "monitoraggio dell'opinione pubblica" prima del 2011. Tuttavia, con lo sviluppo dei social media, i marchi hanno gradualmente compreso l'importanza delle relazioni pubbliche in caso di crisi e hanno una comprensione più approfondita dell'importante ruolo del data mining e dell'analisi dei dati nell'allerta di crisi.

3. Previsione dell'effetto

Attraverso l'analisi e il data mining, è possibile prevedere in anticipo gli effetti rilevanti, esaminando i circoli già controllati dall'azienda, la persistenza dei gruppi di consumatori, la tempistica degli eventi e l'investimento nella comunicazione. Ciò consente alle aziende di spendere il minimo per ottenere il massimo risultato. Nel 2010, i ricercatori di HP Labs Sitaram Asur e Bernardo Huberman scoprirono che Twitter poteva essere utilizzato per comprendere i cambiamenti negli interessi delle persone e prevedere con precisione gli incassi al botteghino dei film. Hanno contato il numero di volte in cui il nome di un film appariva su Twitter, hanno raccolto circa 3 milioni di tweet relativi al film nell'arco di 3 mesi e hanno scoperto che esisteva una forte correlazione tra la frequenza di comparsa del nome del film e gli incassi al botteghino del film. "Le nostre previsioni erano molto accurate", afferma Bernardo Huberman, prendendo come esempio il film sugli zombie "Crazy Fool". Il team di ricerca aveva previsto che il film avrebbe incassato negli Stati Uniti nella prima settimana 16,8 milioni di dollari, ma la cifra effettiva è stata di 16,06 milioni di dollari. Analizziamo i tweet e misuriamo la velocità con cui vengono generati. E credono che più velocemente vengono generati i tweet su un film, più è probabile che le persone guardino il film. ”

Tuttavia, l'estrazione e l'analisi dei dati dei social network sono ancora in una fase relativamente iniziale e i metodi di estrazione di dati su larga scala e ad alta dimensionalità sono ancora in fase di evoluzione. Attualmente, molti problemi di base, come l'analisi del sentimento del linguaggio testuale, non sono ancora stati risolti in modo efficace, il che ha causato alcune limitazioni alla ricerca approfondita sui social network. Tuttavia, con il continuo miglioramento del livello di ricerca sull'intelligenza artificiale, in particolare la ricerca che combina la neuroscienza cognitiva con la tecnologia dell'intelligenza artificiale, intravediamo nuove speranze per l'intelligenza artificiale. Quando saremo davvero in grado di risolvere questi problemi, i social network diventeranno uno strumento potente per aiutarci a prevedere le tendenze future. Credo che entro quel momento le aziende saranno in grado di utilizzare il data mining e l'analisi dei social network per sviluppare un sistema di marketing sociale più accurato, esteso ed efficace, che favorirà meglio la creazione di consapevolezza del marchio e l'aumento delle vendite sul mercato.