Social Analytics médias: sommes-nous presque là encore?

Les entreprises ont essayé de casser l'analyse des sentiments et des mesures de portée sociale depuis des années, mais à quel point sont-ils à tourner analyse sociale dans la mine d'or qu'il aurait toujours dû être?


  Comme avec tous les succès dans l'ère du numérique, des médias sociaux a fait la transition rapide de nouveau, cool et le domaine de la jeune génération, pour devenir tout simplement partie du paysage culturel.

Ce faisant, il est tombé sous le regard du monde des affaires, des analystes et des chefs d'entreprise relevant aussi bien sur eux-mêmes pour exploiter ce nouveau moyen de suivi de la clientèle.

Société après que la société a puisé dans le Twitter lance d'incendie - la totalité du flux de tweets envoyés à travers le monde et au-delà - mais l'analyse des sentiments au début était notoirement peu fiables. Il ya eu des améliorations depuis, mais avec des taux de précision leaders de l'industrie continuent de baisser quelque peu en deçà de la norme souhaitée pour les domaines de l'analyse, ne investissant dans sentiment social de suivi présentent une bonne valeur?

Que vous soyez une entreprise, un gouvernement ou d'exploitation dans le troisième secteur, la capacité de mesurer la façon positive ou négative d'un individu se sent sur le produit ou service que vous offrez est clairement une valeur inestimable. La capacité de faire cela sans avoir à s'engager directement avec cette personne est un fantasme de l'OCM.

Il ne prend pas beaucoup de réflexion sur - vous pouvez avoir la perception de votre marque écoutés directement à vous sous une forme aisément compréhensible, et il n'y a pas de risque que le client se sente harcelé ou d'intrusions.

L'analyse des sentiments sociale a décollé vers 2010 et était basé sur des listes de mots qui servent à établir les émotions véhiculées par un Tweet ou tout autre poste en ligne. Des listes de mots positifs et négatifs et des phrases courtes ont reçu des valeurs de sentiment prédéfinis, et le texte a été ensuite attribuer une note globale selon laquelle ceux qui y figurent.

Au début, cette approche a été criblée de pièges - Comment tu le code pour les doubles négations ou des homonymes? Comment savez-vous si un mot comme «malade» est utilisé au sens traditionnel ou argot?

«Analyse des sentiments est une tâche très complexe pour une machine parce que des variables mous et durs multiples et souvent imprévisibles qui entrent en jeu lors de l'interpréter., Le principal problème étant que le sentiment d'une phrase se trouve que rarement dans la phrase elle-même et la place enracinée dans le contexte culturel autour de cette phrase ", a déclaré Francesco D'Orazio, CIO du Groupe d'analyse sociale FACE ferme.

"Cela nécessite l'algorithme pour calculer une grande quantité d'informations densément interconnecté de répondre à une question assez simple en termes humains. Un peu comme demander à un Martien de nous dire si la mention« Margaret Thatcher est bien vivant en Grande-Bretagne moderne "est positif ou négatif ", a déclaré D'Orazio.

Taux de précision initiale dans l'analyse des sentiments étaient si bas que pour être pratiquement inutile, et la vérification manuelle sont restés une option attrayante, avec des pertes de vitesse compensées par des gains en termes de fiabilité. Mais après quelques années d'expérimentation, il ya maintenant peu de doute que les analystes éminents ont atteint un stade où les idées qu'ils livrent de sentiment social sont une valeur ajoutée réelle pour une grande variété d'organisations.
Briser le plafond de 70%

DataSift, fournisseur de données du groupe de FACE et la plus grande société dans le monde avec des autorisations d'analyser, reconditionner et revendre des aliments du Twitter lance d'incendie, réalise désormais d'exactitude de 70% de son suivi de sentiment, un des fondateurs de taux et CTO Nick demandes Halstead est le plus précis figurer dans l'industrie.

«Celui qui dit qu'ils sont de mieux en mieux de 70% [aujourd'hui] ment, d'une manière générale», a déclaré Halstead.

"Il ya eu une nette évolution au cours des trois dernières années - la difficulté avec l'analyse des sentiments est vraiment sur la compréhension du contexte de celle-ci, et la technologie a certainement eu mieux nous commençons à combler l'écart, et nous sommes bien au-delà. listes de mots maintenant ", a déclaré Halstead.

DataSift et Groupe FACE ont tous deux tournés vers le bon vieux intelligence humaine façonné comme un moyen de tester et d'améliorer leurs algorithmes.

«Nous utilisons [tâche crowdsourcing marché] Amazon Mechanical Turk pour tester nos résultats chaque semaine, et nous devons utiliser trois personnes par tweet ou commentaire. Même avec l'homme que vous obtenez seulement une précision de 85% parce que les avis divergent sur l'opportunité d'un mot est positif ou négative, et le point de vue d'une personne d'un sujet peut être différente de celle d'un spécialiste. Nous sommes à environ 6.000 tweets par semaine de cette manière ", a déclaré Halstead.

DataSift effectue l'analyse des sentiments sur chaque tweet unique en cinq langues - anglais, allemand, français, espagnol et portugais - et est en train d'ajouter, expressions suivantes chinois d'intérêt de clients.

Ses algorithmes sont fabriqués en utilisant des techniques de traitement du langage naturel (NLP) et sont réglés séparément pour chaque langue pour tenir compte des différences structurelles. La langue anglaise est souvent ridiculisé pour sa complexité et de règles de grammaire labyrinthiques, mais dans l'analyse des sentiments cela peut effectivement être un avantage.

«La complexité est en fait mieux pour les ordinateurs parce que vous avez de plus en plus détaillées structure qui peut être« compris »[par un algorithme]. Ponctuation, par exemple, peut être utilisé par un ordinateur pour voir quelle partie d'une phrase d'un qualificatif négatif se réfère à », a déclaré Halstead.
Les données démographiques

Alors que l'intelligence humaine peut aider à court terme, une solution à long terme au problème de contexte est porteur d'une analyse séparée pour exploiter les données démographiques du contenu des médias sociaux.

«Nous sommes la seule société au monde qui possède des données démographiques complètes pour Twitter Nous avons localisation, âge, sexe, de salaire -. Toutes sortes de choses», a déclaré Halstead.

À la lumière des événements en cours , il convient de souligner que ces données sont recueillies au moyen de messages et d'autres détails affichés publiquement sur ​​Twitter - personne n'est minières votre DMS.

Suite à la publication plus tôt cette année de Pew recherche sur Internet dans les caractéristiques démographiques des différents réseaux de médias sociaux, les critiques se sont demandé si l'analyse Twitter ajoute réellement de la valeur pour une entreprise donnée le réseau social présente un groupe social déjà biaisé, mais Halstead désaccord.

«Non échantillonné groupe social est représentatif de tout le monde, mais si vous avez la démographie dans les métadonnées, et vous pouvez marier que les données démographiques votre entreprise a sur vos clients dans le monde réel, vous pouvez obtenir des résultats très précis entre les deux », at-il dit.

C'est là que les avantages de Google Analytics sociale à une OCM sont les plus évidents. Les données autour d'un produit spécifique - que ce soit les chiffres de ventes, le trafic Web ou une autre source - peut facilement être adapté aux données sociales pour répondre à des questions comme «qu'est-ce que les femmes dans la tranche d'âge 30-40 pensent de produits x, et comment at-il changé dans les heures qui ont suivi le lancement de notre nouvelle campagne de publicité à la télévision? "

Et nous parlons ici des exemples concrets, pas seulement meilleur des cas, comme le montre l'exemple ci-dessous.

«Dell a récemment eu une situation où le sentiment est soudainement allé négative pour un produit spécifique. Ce fut un coup et complètement en dehors du sentiment attendu. Dell a réussi à creuser dans les détails, détecter une réponse négative forte était spécifique à un prix publié», a déclaré Patrick Morrissey, vice-président du marketing chez DataSift.

"Ils ont mené un examen interne, faire un changement des prix mondiaux sur le web et inverser le sentiment de retour au positif. Tout cela s'est passé en moins de vingt quatre heures. C'est quelque chose qui ne serait pas été noté pendant des semaines ou des mois si l'impact financier de être capable d'intercepter et d'action ce qu'un changement était assez important. "

À bien des égards c'est gros volumes de données dans sa forme la plus pure - la combinaison de plusieurs flux de données diverses à la poursuite des aperçus en temps réel ou quasi-réel. Velocity, la variété et le volume - DataSift utilise une version personnalisée de Hadoop qui permet à ses analystes d'examiner individuellement des milliards de messages sociaux dans une requête donnée - sont tous là.
Devraient analyse sociale est la priorité?

Il ya des gens pour s'interroger l'empressement avec lequel de nombreuses entreprises lancent des ressources à l'analyse des sentiments sociaux, cependant, soutenant plutôt que les ressources consacrées par certaines entreprises pour l'analyse des sentiments sociaux seraient mieux utilisés pour analyser les données de CRM plus traditionnels.

«L'argent n'est généralement pas dans les médias sociaux, c'est à d'autres données non-structurées que les entreprises ont eu pendant longtemps, comme les dossiers d'appels», a déclaré Stephen Brobst, CTO de US Data Processing géant Teradata.

«Le problème avec l'analyse des médias sociaux, c'est qu'il est très sexy, mais moi-même? Je vais prendre l'argent sur le sexe.

"Les plupart des entreprises bien gérées sont à la recherche de courriels, les interactions du service client et l'interaction vocale, car c'est en fait plus une action. Ce n'est pas que les données des médias sociaux est sans valeur, mais il ya des fruits mûrs inférieur", a déclaré Brobst.

Mais même si ce n'est pas le one-size-fits-all revenus générateur de ses partisans les plus farouches voudrait nous faire croire, il ya un consensus développement que l'analyse sociale a un rôle à jouer dans toute stratégie de données grand succès.

«Souvent, la découverte la plus précieuse est basé sur les données transactionnelles et comportementales. Mais les médias sociaux ou l'analyse de sentiment vous donne plus de couleur pour informer vos décisions d'affaires et d'actions. Si je n'avais qu'un seul choix, je prendrais des données comportementales à chaque fois, mais elle n'est sociales quelque chose médias pour être ignoré. On peut ajouter une compréhension plus humaine riche d'étoffer l'information par le nombre », a déclaré Peter Worster, partenaire de Conduit de consultation des données.
Quelle est la prochaine?

Cela peut sembler bizarre au premier abord, mais le processus même d'interagir directement avec d'autres sur les médias sociaux limite l'efficacité de l'analyse sociale.

Conversations filetées sont assez difficiles à suivre sans prendre en compte l'analyse des sentiments - oeil à une conversation sur Twitter où une déclaration a été envoyé en plusieurs tweets et essayer de suivre le dialogue - et l'établissement où le sentiment a été réalisé est là-haut avec les tâches les plus difficiles DataSift de les scientifiques de données.

«Nous donnons les outils pour nos clients afin de leur permettre de suivre les conversations filetées, mais le pouvoir de comprendre si le sentiment négatif ou positif est lié à un produit ou un retour à un commentaire précédent est très bien à la fin pointe de ce domaine», a déclaré Halstead.

L'autre tendance émergente - et celui qui utilise Facebook tout comme Twitter - a été présenté l'été dernier pendant les Jeux Olympiques. Les départements de marketing utilisées analyse sociale d'apporter une approche guidée par les données de la tâche d'établir quels athlètes à parrainer après les Jeux.

"Ce n'était pas seulement tweets avec # Jeux Olympiques - c'est poubelle Nous avons une base de données de chaque athlète nommé, chaque athlète avec une poignée de Twitter, avec une page fan Facebook et ainsi de suite que les gens nous payer est d'analyser ces données pour voir.. si l'activité sociale [telle que retweets et de nouveaux adeptes] liées à leur participation ou non. Marques ensuite utilisé cette information pour décider quels athlètes à parrainer après les Jeux ", a déclaré Halstead.
D'autres réseaux sociaux

Vous pourriez être pardonné de penser analyse sociale est de 99% Twitter - c'est, après tout, la plus grande source unique de données sociales disponibles publiquement - mais Facebook Pages est une autre ressource énorme.

Commentaires, «J'aime», partage de liens et d'autres mesures fournissent, au total, environ 200m articles par jour pour l'analyse. La plupart viennent des pages et des pages pour les marques et les produits ventilateur célébrités, tandis qu'une minorité est parmi les profils personnels de ceux dont les profils sont laissés accessibles au public.

Les forums sont un autre domaine important - des centaines de millions de messages sont laissées chaque jour - et peut s'avérer particulièrement utile si l'on considère qu'ils sont déjà concentrés autour de sujets spécifiques.

Posted in: Tech