sociale data

Sociale data er information, som brugere af sociale medier deler offentligt, hvilket inkluderer metadata såsom brugerens placering, det talte sprog, biografiske data og/eller delte links. Sociale data er værdifulde for marketingfolk, der leder efter kundeindsigt, der kan øge salget eller, i tilfælde af en politisk kampagne, vinde stemmer. Der er mange typer sociale data, herunder tweets fra Twitter, opslag på Facebook, pins på Pinterest, opslag på Tumblr og check-ins på Foursquare og Yelp. Facebook for Business og Twitter Ads er to programmer, der hjælper annoncører med at bruge sociale data til at markedsføre til målrettede brugere,. som sandsynligvis vil være interesserede i deres annoncer.

Nedbrydning af sociale data

Brugere offentliggør frivilligt meget af deres sociale data, hvilket giver virksomheder gratis og nem adgang til dem. Hvis en virksomhed, der sælger billetter til sportsbegivenheder, ser, at en bruger følger flere sportshold, kan virksomheden målrette annoncer til den pågældende bruger for at forsøge at lokke hende til at købe billetter for at se sit yndlingshold spille. En anden måde, en virksomhed kan bruge sociale data på, er at levere rettidige annoncer baseret på nylige indlæg, såsom apparatannoncer for en person, der har delt, at de er på udkig efter et hjem.

Med sociale data af høj kvalitet, der er aggregeret og analyseret korrekt, kan virksomheder målrette annoncer til de personer, der er mest tilbøjelige til at købe deres produkter eller tjenester. Sociale data kan også hjælpe virksomheder med at bestemme de mest effektive steder at annoncere. Virksomheder kan forfine deres annoncering yderligere ved at indsnævre deres målgruppe efter køn, det talte sprog, brugte elektroniske enheder, alder, interesser, placering og andre faktorer. Sociale data hjælper ikke kun virksomheder med at skaffe nye kunder, men det hjælper dem også med at engagere sig yderligere med eksisterende kunder.

Analyse af sociale data

Der er normalt to trin til at analysere sociale data. Den første er at indsamle data genereret af brugere på netværkssider og derefter analysere disse data. Analyseprocessen foregår typisk i realtid - og det bruges så til at bestemme indflydelse, rækkevidde, relevans og andre overvejelser. Virksomheder, der bruger denne type dataanalyse, skal have flere ting i tankerne, herunder hvordan man skelner mellem sociale data og følelser, tidsrelevans (hvad der er relevant i dag er måske ikke i morgen), kvalitet (hvor virkningsfulde bestemte budskaber og kommentarer er fra bestemte personer ), og hvordan viral aktivitet starter og spredes.

Begrænsninger af sociale data

Sociale data er ufuldkomne af flere årsager. Det er begrænset til de oplysninger, som brugerne beslutter at dele om sig selv. For eksempel deler nogle brugere muligvis ikke deres placering eller deres køn, hvilket giver annoncører en ufuldstændig profil at arbejde med. Et andet problem er, at mange brugere på sociale medier ikke er rigtige brugere, men falske robot- eller botkonti. Selv med rigtige brugere er det ikke altid muligt at forsøge at måle deres følelser om et brand eller en politisk kandidat (kaldet "sentimentanalyse") baseret på de kommentarer, de fremsætter, fordi mange af deres kommentarer er neutrale, og algoritmer kan forkert klassificere kommentarer som positive, når de er negative og omvendt. Ydermere er mange positive og negative kommentarer, der er tilgængelige, ekstremer, hvilket gør det vanskeligt præcist at vurdere, hvordan forbrugerne generelt har det med et produkt, en tjeneste, et brand eller en politisk kandidat.