Ce message d'invité est une gracieuseté de Rick Kawamura, directeur du marketing chez Kapow Technologies.
Smédias sociaux les données continuent de croître à des rythmes astronomiques. L'année dernière Twitter a augmenté de 1 444 pour cent 
avec plus de 50 millions de tweets envoyés chaque jour, et Facebook compte désormais plus de 400 millions d’utilisateurs actifs. Chaque minute, 600 nouveaux articles de blog sont publiés, 34 000 tweets sont envoyés et 240 000 contenus sont partagés sur Facebook.
Les chiffres sont absolument stupéfiants. Mais les données des réseaux sociaux sont-elles crédibles? Et peut être tangible intelligence d'affaires (BI) en être extrait? [Divulgation: Kapow Technologies est un sponsor de BriefingsPodcasts directs.]
Au-delà de l'exemple de la « réalité », les sentiments des médias sociaux peuvent constituer une puissante source de données qui fournit aux organisations des renseignements en temps réel leur permettant de prendre des décisions commerciales plus stratégiques. Basés sur l'expérience avec Reality Buzz, voici cinq conseils pour extraire une réelle valeur des données des réseaux sociaux:
Les données l’emportent sur les idées reçues
Wsalut Malcolm Gladwell, auteur de Blink: le pouvoir de penser sans penserAutrement dit, les décisions commerciales fondées sur les données surpassent nettement les conjectures. Semaine après semaine Danser avec les étoiles, l'infâme Kate Gosselin a occupé jusqu'à 40 pour cent de toutes les conversations sur les réseaux sociaux. Malheureusement pour Kate, 95 % de ces commentaires étaient négatifs.
Sagesse conventionnelle a dit qu'elle devrait faire ses valises. Pourtant, les données ont montré 
Malgré toutes les conversations négatives, elle a quand même eu plus de commentaires positifs que plusieurs autres candidats, ce qui signifie qu'elle avait beaucoup moins de chances d'être éliminée. Étant donné que les téléspectateurs votent pour les candidats qu’ils aimeraient garder dans l’émission, il existe une forte corrélation avec un sentiment positif. Ce n’est qu’au cours de la quatrième semaine que le volume de commentaires positifs de Kate a diminué et qu’elle a été rejetée.
Les chefs de produit sont constamment confrontés à ce dilemme. Chargés de déterminer le prochain ensemble de fonctionnalités du produit pour générer une plus grande rentabilité, ils doivent gérer l’instinct du PDG tout en satisfaisant les besoins de ceux qui doivent le vendre, qui veulent tous deux il mieux, moins cher et plus rapide. Mais « mieux, moins cher, plus vite » n’est pas une bonne stratégie à long terme. Un bon chef de produit se tournerait vers les données pour découvrir des besoins non satisfaits et des marchés inexploités, et les médias sociaux sont un excellent endroit pour trouver ces pépites d'intelligence cachées.
Le timing est critique
UNToutes les données datant de plus de 24 heures ne valent pratiquement rien pour prédire qui sera éliminé d’une émission de télé-réalité. Il en va de même dans le monde des affaires, où il est impératif que les données soient aussi proches que possible d’un événement, car ce sont ces données qui ont le plus grand effet sur le sentiment.
Des données vieilles de plusieurs semaines peuvent s'avérer coûteuses, ce qui entraînera davantage de dommages à la marque et aux revenus.
Lors du lancement d’un nouveau produit, par exemple, les entreprises doivent tenir compte du sentiment immédiatement avant et après le lancement. Il en va de même pour une campagne marketing. Supposons que Toyota publie une annonce pleine page dans Le journal de Wall Street seulement pour recevoir un rapport sur le sentiment quelques semaines plus tard. Sans valeur. Les entreprises doivent connaître le sentiment de leurs clients juste avant de publier l'annonce pour créer le message le plus pertinent, et immédiatement après pour mesurer sa résonance auprès de leur public. Des données datant de plusieurs semaines peuvent s'avérer coûteuses, entraînant davantage de dommages à la marque et aux revenus en démontrant davantage un manque de compréhension et de réactivité face aux clients frustrés.
Ne soyez pas aveugle au facteur bruit
jeIl est facile de comprendre les tendances, les changements de dynamique, le volume de trafic et le rapport entre les sentiments positifs et négatifs. Cependant, il y a beaucoup de bruit qui peut facilement fausser les données, en particulier avec les grandes émissions très publiques comme Idole américaine. Plus le spectacle, le produit, etc. est grand, plus il y a de bruit. Ceci est particulièrement important sur Twitter, qui représente très souvent la plus grande source et le plus grand volume de données. Malgré le bruit, il existe des informations précieuses qui ne doivent pas être ignorées. Il est intéressant de noter que la majeure partie du bruit réside dans un sentiment neutre, et non positif ou négatif. Il s’agit de commentaires, d’articles et d’avis sur une marque qui ne fournissent aucune véritable opinion.
C'est pourquoi il est important de comprendre comment filtre les données pour maintenir leur qualité et leur pertinence.
Tous les sentiments sur les réseaux sociaux ne sont pas égaux
Cles entreprises doivent définir clairement leurs objectifs avant analyser les données des médias sociaux. Il existe différents degrés de sentiment, et tous ne se traduisent pas également bien. La plupart des outils d'analyse des sentiments commencent par séparer les données en groupes positifs et négatifs. Pourtant, même au sein de chaque groupe de fans, il existe différents degrés de soutien envers les candidats. En essayant de déterminer le nombre de votes pour un candidat, considérez ces données: « Je viens de voter 100 fois pour Casey » vs. « Mon top 3 est Lee, Michael et Casey » vs. retweeter un lien vers une vidéo ou un article qui mentionne Casey.
Les entreprises doivent également réfléchir à la manière de comparer un tweet, un commentaire sur Facebook et un article de blog.
La réalité est que toutes les données ne sont pas nécessaires ou n’ont pas le même poids. Pour Ido américainl, les votes sont exprimés pour la personne que vous souhaitez garder dans l'émission, donc les sentiments négatifs ont peu de corrélation avec qui sera rejeté. Cela nécessite de prendre en compte les commentaires négatifs du sentiment total pour obtenir la prédiction la plus précise. Les entreprises doivent également réfléchir à la manière de comparer un tweet, un commentaire sur Facebook et un article de blog. Chacun n’est qu’un élément de données, mais chacun compte-t-il de la même manière?
Ne regardez pas les données dans le vide Havoir connaissance des événements et des circonstances est essentiel pour comprendre et extraire des renseignements à partir des données des médias sociaux. Dans le cas de Reality Buzz, il a été utile de regarder les spectacles pour plus de contexte. Ce processus est essentiel pour que les entreprises puissent émettre d’autres hypothèses à approfondir après avoir vu le résultat.
De même, un examen manuel des données est également essentiel pour garantir la qualité et la cohérence. Par exemple, lorsqu’elles utilisent un outil automatisé d’analyse des sentiments, les entreprises peuvent évaluer les mots-clés différemment. De plus, les outils automatisés ne sont pas encore capables de distinguer les sentiments comme fonctionnels, émotionnels ou comportementaux. Ainsi, lors de la surveillance des données des réseaux sociaux, il devait y avoir une énorme différence entre « J'aime mon nouvel appareil photo Canon » et « Je viens juste de le faire ». J'ai dit à mon ami d'acheter le nouvel appareil photo Canon. Même si ces deux sentiments sont positifs, ces derniers devraient être beaucoup plus pris en compte fortement.