Social media analytics
Social media analytics or social media monitoring is the process of gathering and analyzing data from social networks such as Facebook, Instagram, LinkedIn, or Twitter. A part of social media analytics is called social media monitoring or social listening. It is commonly used by marketers to track online conversations about products and companies. One author defined it as "the art and science of extracting valuable hidden insights from vast amounts of semi-structured and unstructured social media data to enable informed and insightful decision-making."[1]
Process
การวิเคราะห์สื่อสังคมออนไลน์โดยทั่วไปจะดำเนินการตามขั้นตอนหลัก 3 ขั้นตอน ได้แก่ การระบุข้อมูลการวิเคราะห์ข้อมูลและการตีความข้อมูล เพื่อเป็นแนวทางในกระบวนการนี้ นักวิเคราะห์มักจะเริ่มต้นด้วยการกำหนดคำถามหรือวัตถุประสงค์ที่ชัดเจน กรอบการทำงาน5 W และ H — ใครอะไรที่ไหนเมื่อไรทำไมและอย่างไร — เป็นประโยชน์ในการกำหนดคำถามเหล่านี้ ช่วยให้นักวิเคราะห์ระบุแหล่งข้อมูลที่เกี่ยวข้องมากที่สุดและกำหนดวิธีการวิเคราะห์ที่เหมาะสม[ 2 ] เพื่อ ให้การทำงานนี้คล่องตัวขึ้น จึงมีการพัฒนาเครื่องมือวิเคราะห์ที่สร้างขึ้นเพื่อวัตถุประสงค์เฉพาะควบคู่ไปกับคุณสมบัติการวิเคราะห์ดั้งเดิมที่แพลตฟอร์มสื่อสังคมออนไลน์นำเสนอโดยตรง ทำให้องค์กรสามารถรวมศูนย์และจัดการข้อมูลของตนในเวิร์กโฟลว์ที่เป็นหนึ่งเดียวได้[ 3 ]
การระบุข้อมูล
การระบุข้อมูลคือกระบวนการระบุชุดย่อยของข้อมูลที่มีอยู่เพื่อนำมาวิเคราะห์ ข้อมูลดิบมีประโยชน์เมื่อได้รับการตีความแล้ว หลังจากที่ข้อมูลได้รับการวิเคราะห์แล้ว ข้อมูลก็จะเริ่มสื่อสารข้อความได้ ข้อมูลใดๆ ที่สื่อสารข้อความที่มีความหมายจะกลายเป็นสารสนเทศ ในระดับสูง ข้อมูลที่ยังไม่ผ่านการประมวลผลจะอยู่ในรูปแบบต่อไปนี้เพื่อแปลงเป็นข้อความที่แม่นยำ: ข้อมูลที่มีสัญญาณรบกวน; ข้อมูลที่เกี่ยวข้องและไม่เกี่ยวข้อง (ข้อมูลที่กรองแล้ว); เฉพาะข้อมูลที่เกี่ยวข้อง (สารสนเทศ); ข้อมูลที่สื่อสารข้อความคลุมเครือ (ความรู้); ข้อมูลที่สื่อสารข้อความที่แม่นยำ (ภูมิปัญญา); ข้อมูลที่สื่อสารข้อความที่แม่นยำและเหตุผลเบื้องหลัง เพื่อให้ได้ภูมิปัญญาจากข้อมูลที่ยังไม่ผ่านการประมวลผล เราจำเป็นต้องเริ่มประมวลผล ปรับปรุงชุดข้อมูลโดยการรวมข้อมูลที่เราต้องการเน้น และจัดระเบียบข้อมูลเพื่อระบุสารสนเทศ ในบริบทของการวิเคราะห์สื่อสังคมออนไลน์ การระบุข้อมูลหมายถึง "อะไร" คือเนื้อหาที่น่าสนใจ นอกเหนือจากข้อความของเนื้อหาแล้ว เราต้องการทราบว่า: ใครเป็นผู้เขียนข้อความนั้น? พบข้อความนั้นได้ที่ไหนหรือปรากฏบนแพลตฟอร์มสื่อสังคมออนไลน์ใด? เราสนใจข้อมูลจากสถานที่เฉพาะหรือไม่? มีคนพูดอะไรบางอย่างในสื่อสังคมออนไลน์เมื่อใด? [ 2 ]
คุณลักษณะของข้อมูลที่ต้องพิจารณามีดังต่อไปนี้:
- โครงสร้าง : ข้อมูลที่มีโครงสร้างคือข้อมูลที่ได้รับการจัดระเบียบไว้ในที่เก็บข้อมูล ที่มีรูปแบบ - โดยทั่วไปคือฐานข้อมูล - เพื่อให้สามารถระบุองค์ประกอบต่างๆ ได้อย่างมีประสิทธิภาพมากขึ้นสำหรับการประมวลผลและการวิเคราะห์ข้อมูลที่ไม่มี โครงสร้างนั้น แตกต่างจากข้อมูลที่มีโครงสร้างตรงที่เป็นข้อมูลที่มีรูปแบบน้อยที่สุด[ 4 ]
- ภาษา : ภาษาจะมีความสำคัญมากขึ้นหากเราต้องการทราบถึงความรู้สึกที่แท้จริงของโพสต์ มากกว่าจำนวนการกล่าวถึง
- ภูมิภาค : สิ่งสำคัญคือต้องแน่ใจว่าข้อมูลที่นำมาวิเคราะห์นั้นมาจากภูมิภาคที่การวิเคราะห์นั้นมุ่งเน้นอยู่เท่านั้น ตัวอย่างเช่น หากเป้าหมายคือการระบุปัญหาเรื่องน้ำสะอาดในอินเดียเราก็ต้องแน่ใจว่าข้อมูลที่รวบรวมมานั้นมาจากอินเดียเท่านั้น
- ประเภทของเนื้อหา: เนื้อหาของข้อมูลอาจเป็นข้อความ (ข้อความที่เขียนขึ้น อ่านและเข้าใจง่าย หากคุณรู้ภาษานั้น) รูปภาพ (ภาพวาด ภาพร่างอย่างง่าย หรือภาพถ่าย) เสียง (บันทึกเสียงของหนังสือ บทความ การบรรยาย หรือการสนทนา) หรือวิดีโอ (บันทึก การถ่ายทอดสด)
- แหล่งที่มา: เนื้อหา สื่อสังคมออนไลน์ถูกสร้างขึ้นในหลากหลายแหล่ง เช่น เว็บไซต์ข่าวและเว็บไซต์เครือข่ายสังคมออนไลน์ (เช่นFacebook , Twitter ) แหล่งที่มามีความสำคัญอย่างยิ่ง ขึ้นอยู่กับประเภทของโครงการที่รวบรวมข้อมูล
- เวลา: การรวบรวมข้อมูลที่โพสต์ในช่วงเวลาที่กำลังวิเคราะห์นั้นมีความสำคัญ
- ความเป็นเจ้าของข้อมูล: ข้อมูลนั้นเป็นข้อมูลส่วนตัวหรือข้อมูลสาธารณะ? ข้อมูลนั้นมีลิขสิทธิ์ หรือไม่? นี่คือคำถามสำคัญที่ต้องพิจารณาก่อนเก็บรวบรวมข้อมูล
การวิเคราะห์ข้อมูล
การวิเคราะห์ข้อมูลคือชุดกิจกรรมที่ช่วยในการแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึก ซึ่งจะนำไปสู่ฐานความรู้และมูลค่าทางธุรกิจ ใหม่ กล่าวอีกนัยหนึ่ง การวิเคราะห์ข้อมูลคือขั้นตอนที่นำข้อมูลที่กรองแล้วมาเป็นข้อมูลป้อนเข้าและแปลงให้เป็นข้อมูลที่มีคุณค่าสำหรับนักวิเคราะห์ สามารถทำการวิเคราะห์ได้หลายประเภทกับข้อมูลโซเชียลมีเดีย รวมถึงการวิเคราะห์โพสต์ความรู้สึก ปัจจัยขับเคลื่อนความรู้สึก ภูมิศาสตร์ ข้อมูลประชากรฯลฯ ขั้นตอนการวิเคราะห์ข้อมูลจะเริ่มต้นเมื่อเรารู้ว่าเราต้องการแก้ปัญหาอะไรและรู้ว่าเรามีข้อมูลเพียงพอที่จะสร้างผลลัพธ์ที่มีความหมาย เราจะรู้ได้อย่างไรว่าเรามีหลักฐานเพียงพอที่จะสรุปผลได้? คำตอบของคำถามนี้คือ: เราไม่รู้ เราไม่สามารถรู้ได้จนกว่าเราจะเริ่มวิเคราะห์ข้อมูล ในระหว่างการวิเคราะห์ หากเราพบว่าข้อมูลไม่เพียงพอ ให้ทำซ้ำขั้นตอนแรกและแก้ไขคำถาม หากเชื่อว่าข้อมูลเพียงพอสำหรับการวิเคราะห์ เราจำเป็นต้องสร้างแบบจำลองข้อมูล[ 2 ]
การพัฒนารูปแบบข้อมูลเป็นกระบวนการหรือวิธีการที่เราใช้ในการจัดระเบียบองค์ประกอบข้อมูลและกำหนดมาตรฐานว่าองค์ประกอบข้อมูลแต่ละรายการมีความสัมพันธ์กันอย่างไร ขั้นตอนนี้มีความสำคัญเพราะเราต้องการเรียกใช้โปรแกรมคอมพิวเตอร์กับข้อมูล เราจึงจำเป็นต้องมีวิธีบอกคอมพิวเตอร์ว่าคำหรือหัวข้อใดมีความสำคัญ และคำบางคำมีความเกี่ยวข้องกับหัวข้อที่เรากำลังศึกษาหรือไม่
ในการวิเคราะห์ข้อมูลของเรา การมีเครื่องมือหลายอย่างไว้ใช้งานเพื่อให้ได้มุมมองที่แตกต่างกันเกี่ยวกับการอภิปรายที่เกิดขึ้นรอบหัวข้อนั้นเป็นสิ่งที่มีประโยชน์ จุดมุ่งหมายคือการกำหนดค่าเครื่องมือให้ทำงานได้อย่างเต็มประสิทธิภาพสำหรับงานเฉพาะ ตัวอย่างเช่น หากเราคิดถึงWord Cloudหากเราใช้ข้อมูลจำนวนมากเกี่ยวกับผู้เชี่ยวชาญด้านคอมพิวเตอร์ เช่น "สถาปนิกไอที" และสร้าง Word Cloud คำที่ใหญ่ที่สุดใน Word Cloud ก็คงจะเป็น "สถาปนิก" การวิเคราะห์นี้ยังเกี่ยวกับการใช้เครื่องมือด้วย เครื่องมือบางอย่างอาจทำงานได้ดีในการกำหนดความรู้สึก ในขณะที่เครื่องมืออื่นๆ อาจทำงานได้ดีกว่าในการแยกข้อความออกเป็นรูปแบบไวยากรณ์ที่ช่วยให้เราเข้าใจความหมายและการใช้คำหรือวลีต่างๆ ได้ดีขึ้น ในการวิเคราะห์เชิงวิเคราะห์ เป็นเรื่องยากที่จะแจกแจงทุกขั้นตอนในการวิเคราะห์ มันเป็นวิธีการแบบวนซ้ำเนื่องจากไม่มีวิธีการที่กำหนดไว้ตายตัว[ 2 ]
การจำแนกประเภทและข้อมูลเชิงลึกที่ได้จากการวิเคราะห์นั้นมีดังต่อไปนี้:
- ระดับความลึกของการวิเคราะห์: สถิติเชิงพรรณนา อย่างง่าย จากข้อมูลแบบเรียลไทม์ การวิเคราะห์เฉพาะกิจจากข้อมูลที่สะสม หรือการวิเคราะห์เชิงลึกจากข้อมูลที่สะสม ระดับความลึกของการวิเคราะห์นี้ขึ้นอยู่กับระยะเวลาที่มีอยู่ในการหาผลลัพธ์ของโครงการ ซึ่งสามารถพิจารณาได้ว่าเป็นช่วงต่อเนื่องกว้างๆ โดยเวลาในการวิเคราะห์อาจมีตั้งแต่ไม่กี่ชั่วโมงไปจนถึงหลายเดือน การวิเคราะห์นี้สามารถตอบคำถามประเภทต่อไปนี้ได้:
- มีคนกี่คนที่กล่าวถึงวิกิพีเดียในทวีตของพวกเขา?
- นักการเมืองคนใดได้รับจำนวนไลค์มากที่สุดระหว่างการโต้วาที ?
- คู่แข่งรายใดได้รับการกล่าวถึงมากที่สุดในบริบทของธุรกิจเพื่อสังคม ?
- ความจุของเครื่อง: ปริมาณCPUที่จำเป็นในการประมวลผลชุดข้อมูลในช่วงเวลาที่เหมาะสม ตัวเลขความจุต้องคำนึงถึงไม่เพียงแต่ความต้องการของ CPU เท่านั้น แต่ยังรวมถึงความจุของเครือข่ายที่จำเป็นในการดึงข้อมูลด้วย การวิเคราะห์นี้สามารถดำเนินการได้แบบเรียลไทม์ ใกล้เคียงเรียลไทม์ การสำรวจเฉพาะกิจ และการวิเคราะห์เชิงลึก การวิเคราะห์แบบเรียลไทม์ในสื่อสังคมออนไลน์เป็นเครื่องมือสำคัญเมื่อพยายามทำความเข้าใจการรับรู้ของสาธารณชนเกี่ยวกับหัวข้อใดหัวข้อหนึ่งในขณะที่กำลังเกิดขึ้น เพื่อให้สามารถตอบสนองหรือเปลี่ยนแปลงทิศทางได้ทันที ในการวิเคราะห์ใกล้เคียงเรียลไทม์ เราสมมติว่าข้อมูลถูกนำเข้าสู่เครื่องมือในอัตราที่น้อยกว่าเรียลไทม์ การวิเคราะห์เฉพาะกิจเป็นกระบวนการที่ออกแบบมาเพื่อตอบคำถามเฉพาะเจาะจงเพียงคำถามเดียว ผลลัพธ์ของการวิเคราะห์เฉพาะกิจมักจะเป็นรายงานหรือสรุปข้อมูล การวิเคราะห์เชิงลึกหมายถึงการวิเคราะห์ที่ครอบคลุมระยะเวลานานและเกี่ยวข้องกับข้อมูลจำนวนมาก ซึ่งโดยทั่วไปจะส่งผลให้มีความต้องการ CPU สูง[ 2 ]
- ขอบเขตของการวิเคราะห์: ขอบเขตของการวิเคราะห์แบ่งออกเป็น สื่อสังคมออนไลน์ภายนอกและสื่อสังคมออนไลน์ภายใน โดยส่วนใหญ่แล้ว เมื่อผู้คนใช้คำว่าสื่อสังคมออนไลน์ พวกเขามักหมายถึงสื่อสังคมออนไลน์ภายนอก ซึ่งรวมถึงเนื้อหาที่สร้างขึ้นจากเว็บไซต์สื่อสังคมออนไลน์ยอดนิยม เช่นTwitter , FacebookและLinkedInสื่อสังคมออนไลน์ภายในรวมถึงเครือข่ายสังคมขององค์กรซึ่งเป็นเครือข่ายสังคมส่วนตัวที่ใช้เพื่อช่วยในการสื่อสารภายในธุรกิจ[ 6 ]
- ความเร็วของข้อมูล: ความเร็วของข้อมูลในสื่อสังคมออนไลน์สามารถแบ่งออกได้เป็นสองประเภท ได้แก่ ข้อมูลที่อยู่กับที่และข้อมูลที่กำลังเคลื่อนที่มิติของความเร็วของข้อมูลที่กำลังเคลื่อนที่สามารถตอบคำถามต่างๆ เช่น ความรู้สึกของประชากร ทั่วไป ที่มีต่อผู้เล่นเปลี่ยนแปลงไปอย่างไรในระหว่างการแข่งขัน? ฝูงชนกำลังแสดงความรู้สึกเชิงบวกต่อผู้เล่นที่กำลังแพ้เกมอยู่หรือไม่? ในกรณีเหล่านี้ การวิเคราะห์จะทำเมื่อข้อมูลมาถึง ในการวิเคราะห์นี้ ปริมาณรายละเอียดที่ผลิตได้จะสัมพันธ์โดยตรงกับความซับซ้อนของ เครื่องมือ หรือระบบการวิเคราะห์เครื่องมือที่ซับซ้อนมากจะสร้างรายละเอียดได้มากขึ้น ประเภทที่สองของการวิเคราะห์ในบริบทของความเร็วคือการวิเคราะห์ข้อมูลที่อยู่กับที่ การวิเคราะห์นี้จะดำเนินการเมื่อรวบรวมข้อมูลเสร็จสมบูรณ์แล้ว การวิเคราะห์นี้สามารถให้ข้อมูลเชิงลึกต่างๆ เช่น ผลิตภัณฑ์ใดของบริษัทของคุณที่มีการกล่าวถึงมากที่สุดเมื่อเทียบกับผลิตภัณฑ์อื่นๆ ความรู้สึกโดยรวมเกี่ยวกับผลิตภัณฑ์ของคุณเมื่อเทียบกับผลิตภัณฑ์ของคู่แข่งเป็นอย่างไร? [ 2 ]
การตีความข้อมูล
ข้อมูลเชิงลึกที่ได้จากการวิเคราะห์อาจมีความหลากหลายเท่ากับคำถามดั้งเดิมที่ตั้งไว้ในขั้นตอนแรกของการวิเคราะห์ ในขั้นตอนนี้ เนื่องจากผู้ใช้ทางธุรกิจที่ไม่ใช่ผู้เชี่ยวชาญด้านเทคนิคเป็นผู้รับข้อมูล รูปแบบการนำเสนอข้อมูลจึงมีความสำคัญ จะทำอย่างไรให้ข้อมูลมีความหมายอย่างมีประสิทธิภาพเพื่อให้สามารถนำไปใช้ในการตัดสินใจที่ดีได้การแสดงภาพข้อมูล (กราฟิก)คือคำตอบของคำถามนี้[ 7 ]
การแสดงภาพข้อมูลที่ดีที่สุดคือการแสดงภาพที่เผยให้เห็นสิ่งใหม่ๆ เกี่ยวกับรูปแบบและความสัมพันธ์พื้นฐานที่ซ่อนอยู่ในข้อมูล การเปิดเผยรูปแบบและการทำความเข้าใจรูปแบบเหล่านั้นมีบทบาทสำคัญในกระบวนการตัดสินใจ โดยหลักแล้วมีเกณฑ์สามประการที่ควรพิจารณาในการแสดงภาพข้อมูล
- ทำความเข้าใจกลุ่มเป้าหมาย : ก่อนสร้างภาพแสดงข้อมูล ให้ตั้งเป้าหมาย ซึ่งก็คือการถ่ายทอดข้อมูลจำนวนมากในรูปแบบที่ผู้บริโภคข้อมูลสามารถเข้าใจได้ง่าย สิ่งสำคัญคือต้องตอบคำถามว่า "กลุ่มเป้าหมายคือใคร?" และ "คุณสามารถสันนิษฐานได้หรือไม่ว่ากลุ่มเป้าหมายมีความรู้เกี่ยวกับคำศัพท์ที่ใช้?" กลุ่มเป้าหมายที่เป็นผู้เชี่ยวชาญจะมีความคาดหวังที่แตกต่างจากกลุ่มเป้าหมายทั่วไป ดังนั้นจึงต้องพิจารณาความคาดหวังเหล่านั้นด้วย[ 8 ]
- กำหนดกรอบที่ชัดเจน: นักวิเคราะห์ต้องแน่ใจว่าการแสดงภาพนั้นถูกต้องตามหลักไวยากรณ์และความหมาย ตัวอย่างเช่น เมื่อใช้ไอคอน องค์ประกอบนั้นควรมีความคล้ายคลึงกับสิ่งที่มันแทน โดยขนาด สี และตำแหน่งทั้งหมดต้องสื่อความหมายให้กับผู้ดู[ 8 ]
- เล่าเรื่อง : ข้อมูลเชิงวิเคราะห์มีความซับซ้อนและยากต่อการทำความเข้าใจ ดังนั้นเป้าหมายของการแสดงภาพคือการทำความเข้าใจและตีความข้อมูลการเล่าเรื่องช่วยให้ผู้ชมได้รับข้อมูลเชิงลึกจากข้อมูลการแสดงภาพควรจัดแพ็กเกจข้อมูลให้อยู่ในโครงสร้างที่นำเสนอในรูปแบบเรื่องเล่าและจดจำได้ง่าย ซึ่งเป็นสิ่งสำคัญในหลายสถานการณ์เมื่อนักวิเคราะห์ไม่ใช่บุคคลเดียวกันกับผู้ตัดสินใจ[ 8 ]
- นอกเหนือจากแพลตฟอร์มระดับองค์กรแล้ว บุคคลทั่วไปและผู้สร้างเนื้อหามักใช้เครื่องมือขนาดเล็กเพื่อตรวจสอบพฤติกรรมของผู้ชมและตัวชี้วัดการมีส่วนร่วมอย่างง่าย ๆ
เทคนิค
| ตัวอย่างการใช้งานทั่วไปของการวิเคราะห์ข้อมูลจากสื่อสังคมออนไลน์ | จำเป็นต้องมีความเข้าใจเชิงธุรกิจ | เทคนิคการวิเคราะห์สื่อสังคมออนไลน์ | ตัวชี้วัดประสิทธิภาพของสื่อสังคมออนไลน์ |
|---|---|---|---|
| การแบ่งกลุ่มผู้ชมสื่อสังคมออนไลน์ | ควรตั้งเป้าหมายกลุ่มลูกค้าใดสำหรับการดึงดูดลูกค้าใหม่ การขยายฐานลูกค้า หรือการรักษาฐานลูกค้าเดิม? ใครคือผู้สนับสนุนและผู้มีอิทธิพลต่อแบรนด์หรือผลิตภัณฑ์? | การวิเคราะห์เครือข่ายสังคม | ผู้สนับสนุนที่กระตือรือร้น อิทธิพลของผู้สนับสนุน |
| การค้นหาข้อมูลจากสื่อสังคมออนไลน์ | หัวข้อหรือประเด็นทางธุรกิจใหม่ๆ ที่กำลังเกิดขึ้นมีอะไรบ้าง? มีชุมชนผู้มีอิทธิพลใหม่ๆ เกิดขึ้นหรือไม่? | การประมวลผลภาษาธรรมชาติการประมวลผลเหตุการณ์ที่ซับซ้อน | แนวโน้มหัวข้อ อัตราส่วนความรู้สึก |
| การเผยแพร่และอิทธิพลบนสื่อสังคมออนไลน์ | กลุ่มผู้บริโภคมีมุมมองต่อแบรนด์อย่างไร? แบรนด์นี้เมื่อเทียบกับคู่แข่งเป็นอย่างไร? ช่องทางโซเชียลมีเดียใดบ้างที่ถูกใช้ในการพูดคุย? | การวิเคราะห์เครือข่ายสังคม การประมวลผลภาษาธรรมชาติ | ขอบเขตการสนทนา ความเร็ว ส่วนแบ่งการพูดคุย การมีส่วนร่วมของผู้ชม |
| การอนุมานพฤติกรรมบนสื่อสังคมออนไลน์ | หัวข้อและประเด็นที่เกี่ยวข้องกับธุรกิจมีความสัมพันธ์กันอย่างไร? อะไรคือสาเหตุของการแสดงเจตจำนง (เช่น การซื้อ การเลิกใช้บริการ ฯลฯ)? | การประมวลผลภาษาธรรมชาติ, การจัดกลุ่ม , การขุดค้นข้อมูล | ความสนใจหรือความชอบ (หัวข้อ) ความสัมพันธ์เมทริกซ์ความชื่นชอบในหัวข้อ |
ในการนำเทคนิคเหล่านี้ไปใช้ นักวิเคราะห์มักใช้เมตริกภายในแพลตฟอร์ม เช่น แดชบอร์ดที่ Instagram, LinkedIn หรือ Twitter นำเสนอ สำหรับกรณีการใช้งานขั้นสูงที่ต้องการการตรวจสอบข้ามแพลตฟอร์ม การวิเคราะห์ความรู้สึก หรือข้อมูลเชิงลึกของกลุ่มเป้าหมายจะใช้ ซอฟต์แวร์การฟังทางสังคมโดยเฉพาะ เช่น Brandwatch , Sprout Social , Meltwater , Hootsuite , PulsarและBrand24
ผลกระทบต่อระบบข่าวกรองธุรกิจ
งานวิจัยล่าสุดเกี่ยวกับการวิเคราะห์สื่อสังคมออนไลน์ได้เน้นย้ำถึงความจำเป็นในการนำ แนวทางที่อิงตาม ระบบธุรกิจอัจฉริยะ มา ใช้ในการรวบรวม วิเคราะห์ และตีความข้อมูลสื่อสังคมออนไลน์[ 9 ] [ 10 ]สื่อสังคมออนไลน์เป็นแหล่งข้อมูลที่มีศักยภาพ แม้ว่าจะมีความท้าทาย สำหรับระบบธุรกิจอัจฉริยะ ลูกค้าพูดคุยเกี่ยวกับผลิตภัณฑ์และบริษัทโดยสมัครใจ ทำให้เห็นถึงความรู้สึกและการยอมรับแบรนด์แบบเรียลไทม์[ 11 ]สื่อสังคมออนไลน์เป็นหนึ่งในเครื่องมือที่สำคัญที่สุดสำหรับนักการตลาดในภูมิทัศน์สื่อที่เปลี่ยนแปลงอย่างรวดเร็ว บริษัทต่างๆ ได้สร้างตำแหน่งเฉพาะเพื่อจัดการการตลาดสื่อสังคมออนไลน์ของตน ข้อโต้แย้งเหล่านี้สอดคล้องกับวรรณกรรมเกี่ยวกับการตลาดสื่อสังคมออนไลน์ที่ชี้ให้เห็นว่ากิจกรรมสื่อสังคมออนไลน์มีความสัมพันธ์กันและมีอิทธิพลต่อกันและกัน[ 12 ]
Moon และ Iacobucci (2022) [ 13 ]มุ่งเน้นไปที่การประยุกต์ใช้การวิเคราะห์สื่อสังคมออนไลน์ในด้านการตลาด การประยุกต์ใช้ดังกล่าวรวมถึงพฤติกรรมผู้บริโภคบนสื่อสังคมออนไลน์ ผลกระทบของสื่อสังคมออนไลน์ต่อประสิทธิภาพของบริษัท กลยุทธ์ทางธุรกิจ การจัดการผลิตภัณฑ์/แบรนด์ การวิเคราะห์เครือข่ายสื่อสังคมออนไลน์ ความเป็นส่วนตัวของผู้บริโภคและความปลอดภัยของข้อมูลบนสื่อสังคมออนไลน์ และเนื้อหาปลอม/มีอคติบนสื่อสังคมออนไลน์ โดยเฉพาะอย่างยิ่ง ความเป็นส่วนตัวของผู้บริโภคและความปลอดภัยของข้อมูลกำลังมีความสำคัญมากขึ้นเรื่อยๆ ในโลกของสื่อสังคมออนไลน์ เนื่องจากความเสี่ยงที่เพิ่มขึ้นจากการรั่วไหลของข้อมูล บนสื่อสังคมออนไลน์ ในทำนองเดียวกัน การโพสต์บนสื่อสังคมออนไลน์ที่น่าสงสัยได้เพิ่มขึ้นอย่างมากพร้อมกับการเติบโตของสื่อสังคมออนไลน์ Luca และ Servas (2015) [ 14 ]รายงานว่าบริษัทต่างๆ มีแรงจูงใจที่จะใช้การโพสต์ปลอมเมื่อมีการแข่งขันที่เพิ่มขึ้น ดังนั้น การยกระดับความสามารถของเราในการระบุและตรวจสอบการโพสต์ที่น่าสงสัย (เช่น รีวิวปลอมบน Yelp) จึงกลายเป็นส่วนสำคัญของการจัดการแพลตฟอร์มสื่อสังคมออนไลน์[ 15 ]
Muruganantham และ Gandhi (2020) เสนอแบบจำลองการตัดสินใจแบบหลายเกณฑ์ (MCDM) เพื่อพิสูจน์ว่าความชอบ ความรู้สึก พฤติกรรม และข้อมูลการตลาดของผู้ใช้สื่อสังคมออนไลน์มีความเกี่ยวข้องกับการวิเคราะห์สื่อสังคมออนไลน์ ผู้ใช้อินเทอร์เน็ตเชื่อมต่อกันอย่างใกล้ชิดและแสดงให้เห็นถึงอิทธิพลซึ่งกันและกันในระดับสูงในด้านอุดมการณ์ทางสังคมและเครือข่ายสังคม ซึ่งส่งผลต่อข้อมูลเชิงธุรกิจ[ 16 ]
บทบาทในทางการเมืองระหว่างประเทศ
ความเป็นไปได้ของอันตรายจากการวิเคราะห์และการขุดค้นข้อมูลจาก สื่อสังคมออนไลน์ ในเวทีการเมืองได้ถูกเปิดเผยในช่วงปลายทศวรรษ 2010 โดยเฉพาะอย่างยิ่ง การมีส่วนร่วมของบริษัทขุดค้นข้อมูลCambridge Analyticaในการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2016และBrexitเป็นกรณีที่แสดงให้เห็นถึงอันตรายที่เกิดขึ้นจากการเชื่อมโยงการขุดค้นข้อมูลจากสื่อสังคมออนไลน์กับการเมือง สิ่งนี้ได้ก่อให้เกิดคำถามเกี่ยวกับความเป็นส่วนตัวของข้อมูลส่วนบุคคลและขอบเขตทางกฎหมายที่จะต้องสร้างขึ้นสำหรับบริษัทวิทยาศาสตร์ข้อมูลที่เกี่ยวข้องกับการเมืองในอนาคต ตัวอย่างทั้งสองที่กล่าวถึงด้านล่างแสดงให้เห็นถึงอนาคตที่ข้อมูลขนาดใหญ่สามารถเปลี่ยนแปลงเกมการเมืองระหว่างประเทศได้ เป็นไปได้ว่าการเมืองและเทคโนโลยีจะพัฒนาไปพร้อมกันตลอดศตวรรษหน้า ในกรณีของ Cambridge Analytica ผลกระทบของการวิเคราะห์ข้อมูลจากสื่อสังคมออนไลน์ได้ส่งผลกระทบไปทั่วโลกผ่านสองมหาอำนาจของโลก ได้แก่ สหรัฐอเมริกาและสหราชอาณาจักร
การเลือกตั้งประธานาธิบดีสหรัฐอเมริกา ปี 2016
เรื่องอื้อฉาวที่เกิดขึ้นหลังการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2016 เกี่ยวข้องกับความสัมพันธ์สามฝ่ายระหว่างเคมบริดจ์ อนาลิติกา ทีมหาเสียงของทรัมป์ และเฟซบุ๊ก เคมบริดจ์ อนาลิติกา ได้รับข้อมูลของผู้ใช้เฟซบุ๊กกว่า 87 ล้านคน[ 17 ]ที่ไม่รู้ตัว และวิเคราะห์ข้อมูลเพื่อประโยชน์ของทีมหาเสียงของทรัมป์ ด้วยการสร้างจุดข้อมูลหลายพันจุดเกี่ยวกับผู้ใหญ่ชาวอเมริกัน 230 ล้านคน บริษัทขุดข้อมูลนี้มีศักยภาพในการวิเคราะห์ว่าบุคคลใดบ้างที่สามารถถูกชักจูงให้ลงคะแนนเสียงให้กับทีมหาเสียงของทรัมป์ จากนั้นจึงส่งข้อความหรือโฆษณาไปยังเป้าหมายดังกล่าวและมีอิทธิพลต่อความคิดของผู้ใช้ ผู้ลงคะแนนเสียงเป้าหมายเฉพาะสามารถได้รับข้อความสนับสนุนทรัมป์โดยไม่รู้ตัวด้วยซ้ำว่าได้รับอิทธิพลทางการเมือง รูปแบบการกำหนดเป้าหมายเฉพาะเจาะจงเช่นนี้ ซึ่งบุคคลที่เลือกได้รับการแนะนำให้รู้จักกับโฆษณาหาเสียงในปริมาณที่มากกว่าค่าเฉลี่ย เรียกว่า "การกำหนดเป้าหมายแบบไมโคร" [ 18 ]ยังคงมีข้อโต้แย้งมากมายในการวัดปริมาณอิทธิพลของการกำหนดเป้าหมายแบบไมโครนี้ในการเลือกตั้งปี 2016 ผลกระทบของการโฆษณาแบบกำหนดเป้าหมายเฉพาะกลุ่มและการวิเคราะห์ข้อมูลจากสื่อสังคมออนไลน์ต่อการเมืองยังไม่ชัดเจนในช่วงปลายทศวรรษ 2010 เนื่องจากเป็นสาขาเทคโนโลยีที่เพิ่งเกิดขึ้นใหม่
แม้ว่านี่จะเป็นการละเมิดความเป็นส่วนตัวของผู้ใช้ แต่การขุดข้อมูลและการตลาดแบบกำหนดเป้าหมายได้ทำลายความรับผิดชอบต่อสาธารณะซึ่งหน่วยงานสื่อสังคมออนไลน์ไม่ต้องปฏิบัติตามอีกต่อไป ดังนั้นจึงบิดเบือนระบบการเลือกตั้งตามระบอบประชาธิปไตยและปล่อยให้แพลตฟอร์มที่มี “เนื้อหาที่สร้างโดยผู้ใช้ [ซึ่ง] แบ่งขั้วข้อความของสื่อ” ครอบงำ[ 19 ]
ประเด็นถกเถียงในการเลือกตั้งประธานาธิบดีสหรัฐอเมริกา ปี 2020
การวิเคราะห์กลุ่มการเมืองและการโพสต์บน Facebook โดยบริษัทวิเคราะห์สื่อสังคมออนไลน์ CounterAction แสดงให้เห็นถึงบทบาทของยักษ์ใหญ่สื่อสังคมออนไลน์ในการเคลื่อนไหวประท้วง เช่นความพยายามที่จะล้มล้างผลการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2020และการโจมตีอาคารรัฐสภาสหรัฐฯ ในปี 2021 [ 20 ] [ 21 ]
เบร็กซิต
ระหว่างการลงประชามติ Brexit ในปี 2016 Cambridge Analytica ตกเป็นเป้าของการวิพากษ์วิจารณ์เนื่องจากการใช้ข้อมูลที่รวบรวมจากโซเชียลมีเดีย กรณีที่คล้ายกันนี้เกิดขึ้นอีกครั้งเมื่อ Cambridge Analytica ได้รับข้อมูลจาก Facebook และมีความกังวลว่าพวกเขาอาจใช้ข้อมูลดังกล่าวเพื่อกระตุ้นให้พลเมืองอังกฤษลงคะแนนเสียงให้ถอนตัวออกจากสหภาพยุโรปในการลงประชามติสหภาพยุโรปปี 2016 [ 22 ] หลังจากการสอบสวนเป็นเวลาสามปี ในปี 2020 สรุปได้ว่าไม่มีการเกี่ยวข้องกับการลงประชามติ[ 23 ] [ 22 ]นอกจาก Cambridge Analytica แล้ว บริษัทข้อมูลอื่นๆ อีกหลายแห่ง เช่นAIQ [ 24 ]และศูนย์จิตวิทยาแห่งมหาวิทยาลัยเคมบริดจ์[ 25 ]ก็ถูกกล่าวหาและถูกรัฐบาลอังกฤษสอบสวนเกี่ยวกับการใช้ข้อมูลในทางที่ผิดเพื่อส่งเสริมเทคนิคการรณรงค์ที่ผิดกฎหมายสำหรับ Brexit [ 26 ] [ 27 ]การลงประชามติสิ้นสุดลงด้วยคะแนนเสียง 51.89% ที่สนับสนุนการถอนตัวของสหราชอาณาจักรออกจากสหภาพยุโรป การตัดสินใจขั้นสุดท้ายนี้ส่งผลกระทบต่อการเมืองภายในสหราชอาณาจักร และส่งผลกระทบไปทั่วสถาบันทางการเมืองและเศรษฐกิจทั่วโลก[ 28 ]