DATA MINING EN SOCIAL MEDIA

Data mining o la minería de datos, es el proceso de extraer, transformar y analizar data desde diferentes puntos de vista con el objetivo de obtener información útil. Esta información, normalmente se usa para aumentar ingresos, disminuir gastos o ambos. El data mining tiene su origen en la inteligencia artificial al igual que la estadística. Existen diferentes técnicas para extraer datos para su posterior análisis,  las más representativas son:

Regresión lineal – Es el modelo matemático que nos modela la relación entre dos variables. Una variable dependiente “Y” y una variable independiente “X”.

Árboles de decisión – Procedente de la inteligencia artificial, es un modelo de predicción dónde se constituyen diagramas de construcciones lógicas que nos categorizan una serie de condiciones que ocurren sucesivamente.

Modelos estadísticos – Son ecuaciones que se utilizan para indicar cómo diferentes factores modifican una variable de respuesta.

Clustering – Es un procedimiento de agrupación de diferentes vectores base a un mismo criterio. Éste criterio se define con una función que nos permitirá agrupar a nuestros vectores.

Con el uso del data mining aplicado a nuestras redes sociales, podremos obtener la máxima información y con ella crear estrategias para optimizar nuestras campaña y alcanzar nuestros KPI. Con la información de Redes Sociales como Twitter, podremos obtener mapas de conexión semánticos entre usuarios, análisis de sentimientos hacia nuestra marca u mineria de opiniones.

Tweets towards your brand (1)
Clasifiación de Tweets por marca

 

Para poder practicar el data mining hay que tener o bien conocimientos de lenguajes de programación o tener acceso a determinados software que nos permitan recolectar y transformar nuestros datos para poder sacar información útil.  Como lenguajes, nosotros destacaríamos Python y R. Python es un lenguaje de programación cuya sintaxis tiene como objetivo ser legible. R es un lenguaje de programación que popularmente se utiliza para el análisis estadístico y gráfico. Como software especializado destacaríamos RapidMiner, R Studio u Orange.

A continuación comentaremos algunas ideas de proyectos que se pueden llevar a cabo con R,  Python u otro software que te permita recolectar y transformar datos. Este artículo está orientado a profesionales interesados en extraer la máxima información de sus redes sociales.

  • TWITTER

Con más de 500 millones de tweets al día, es una de las plataformas de social media más importantes para cualquier empresa.

Si eres una organización que utiliza Twitter de forma activa te podría interesar saber quién es tu público objetivo y compararlo con el grupo objetivo que tienes en otras plataformas o el grupo objetivo que tú crees tener. Para ello podrías analizar a tus seguidores. A parte de los datos demográficos, sexo y edad, podría interesarte saber el porcentaje de engagement que tienen con tus publicaciones. El porcentaje de retweet, cuotas, plays en tu video etc. Además podrías comparar estos mismos datos con la competencia para analizar tu posicionamiento. De esa forma, podrías averiguar qué tipo de publicación te conviene más respecto a tu competencia.

sss
Imagen de sproutsocial.com sobre la relación tipo de publicación y retweets

Otra estudio a aplicar en Twitter cuando queramos lanzar una campaña de pago, podría ser, agrupar a todos los seguidores de nuestros competidores y una vez tengamos una lista podríamos analizar los intereses más comunes o si siguen a perfiles parecidos. Una vez tengamos la información podremos decidir qué tipo de público nos conviene más para mostrar nuestros anuncios. Podría ser que de todos los seguidores de mi competencia, tengamos que la mayoría son varones de 20 a 45 años de la zona de Cataluña, que tienen como intereses comunes la cerveza, el fútbol y los coches. Con toda esta información podríamos segmentar nuestra campaña de pago en Twitter a todos estos usuarios con los intereses comunes encontrados.

Desde Twitter, también podríamos analizar el antes y después de una campaña de marca lanzada en Twitter. Imaginemos que hemos lanzado una campaña publicitaria para aumentar la visibilidad de nuestra marca. Con los datos de Twitter podríamos averiguar qué tipo de grupo impactado ha sido quién nos ha decidido seguir, la edad, el sexo, localización geográfica e otros datos descriptivos. Pero también podríamos analizar qué tipo de palabras han usado al referirse a nuestra marca y si ellas han sido positivas u negativas.

  • FACEBOOK

Con más de 1.300 millones de usuarios activos compartiendo información de todo tipo, esta plataforma nos da infinita información sobre nuestro público objetivo. Con Facebook además de la información descriptiva, también podríamos por ejemplo averiguar el porcentaje de engagement separado por país de procedencia de nuestros usuarios. Por lo que si tenemos diferentes páginas de Facebook separadas por tipo de país. Podríamos sacar por grupo de edad y sexo, el porcentaje de engagement con nuestras publicaciones.

Pocentage de engagement con nuestras publicaciones por país
Pocentage de engagement con nuestras publicaciones por país
  • GOOGLE ADWORDS

Siendo Google el buscador más utilizado globalmente. La plataforma para anuncios de pago de Google, nos ofrece la oportunidad de impactar a aquellos usuarios que buscan por servicios o productos relacionados con lo que nosotros ofrecemos.

Podemos utilizar nuestros datos, obtenidos por data mining en nuestras Redes Sociales, para lanzar campañas de Google Adwords Display. Las campañas de Adwords pueden ser segmentadas por palabra clave, ubicaciones, intereses, temas o listas de remarketing.

Si conocemos los intereses, grupo de edad y zona geográfica de nuestro público objetivo, podemos lanzar campañas de Display segmentadas por temas o intereses. La diferencia entre estas dos reside en que la segmentación por temas permite mostrar anuncios en páginas relacionadas con el tema escogido. De lo contrario, la segmentación por intereses, permite mostrar anuncios a los usuarios que previamente han tenido un interés en un tema específico pero el anuncio se mostrará independientemente de la página en la que se encuentre el usuario.

Como ejemplo, si sabemos que nuestro público objetivo  en Twitter y Facebook  son varones de 20 a 45 años de la zona de Cataluña, que tienen como intereses comunes la cerveza, el fútbol y los coches, entonces, podríamos crear una campaña de Adwords Display segmentada a éste público.

En resumen, las posibilidades de aplicar los resultados obtenidos por data mining a tus estategias de Social Media y PPC son infinitas. Además existen centenares de ideas y ejemplos de cómo aplicar estos conocimientos en la web.  Grandes plataformas como Twitter, Facebook, Linkedin, TripAdvisor entre otros, nos ofrecen acceso a sus API para que nosotros podamos extraer los datos que nosotros necesitemos.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *