Sosiale data er informasjon som brukere av sosiale medier offentlig deler, som inkluderer metadata som brukerens plassering, snakkespråk, biografiske data og / eller delte lenker. Sosiale data er verdifulle for markedsførere som leter etter kundeinnsikt som kan øke salget eller, i tilfelle av en politisk kampanje, vinne stemmer. Det er mange typer sosiale data, inkludert tweets fra Twitter, innlegg på Facebook, pins på, innlegg på Tumblr og innsjekking på Foursquare og Yelp. Facebook for Business og Twitter-annonser er to programmer som hjelper annonsører å bruke sosiale data til å markedsføre til målrettede brukere som sannsynligvis vil være interessert i annonsene sine.
Å bryte ned sosiale data
Brukere offentliggjør frivillig mye av sosiale data, noe som gir selskaper fri og enkel tilgang til dem. Hvis et selskap som selger billetter til atletiske begivenheter ser at en bruker følger flere idrettslag, kan det selskapet målrette annonser mot den brukeren for å prøve å lokke henne til å kjøpe billetter for å se favorittlaget hennes spille. En annen måte et selskap kan bruke sosiale data på er å tilby rettidige annonser basert på nylige innlegg, for eksempel apparatannonser for noen som har delt at de handler etter et hjem.
Med høykvalitets sosiale data som er samlet og analysert riktig, kan selskaper målrette annonser mot folk som mest sannsynlig vil kjøpe sine produkter eller tjenester. Sosiale data kan også hjelpe selskaper med å bestemme de mest effektive stedene å annonsere på. Bedrifter kan avgrense annonseringen ytterligere ved å begrense målgruppen etter kjønn, språk som er talt, elektronisk utstyr brukt, alder, interesser, beliggenhet og andre faktorer. Sosiale data hjelper ikke bare bedrifter med å skaffe nye kunder, men det hjelper dem også til å samarbeide videre med eksisterende kunder.
Analyse av sosiale data
Det er normalt to trinn for å analysere sosiale data. Den første er å samle inn dataene som genereres av brukere på nettverksnettsteder, og deretter analysere dataene. Analyseprosessen foregår typisk i sanntid - og den brukes deretter til å bestemme påvirkning, rekkevidde, relevans og andre hensyn. Bedrifter som bruker denne typen dataanalyser, må huske flere ting, inkludert hvordan man kan skille mellom sosiale data og følelser, tidsrelevans (det som er relevant i dag er kanskje ikke i morgen), kvalitet (hvor innvirkning visse meldinger og kommentarer er av bestemte personer), og hvordan viral aktivitet starter og sprer seg.
Begrensninger i sosiale data
Sosiale data er ufullkomne av flere grunner. Det er begrenset til informasjonen som brukerne bestemmer seg for å dele om seg selv. For eksempel kan det hende at noen brukere ikke deler sin beliggenhet eller sitt kjønn, og gir annonsører en ufullstendig profil å jobbe med. Et annet problem er at mange brukere på sosiale medier ikke er reelle brukere, men falske robot- eller botkontoer. Selv med virkelige brukere er det ikke alltid mulig å prøve å måle sine følelser om en merkevare eller politisk kandidat (kalt "sentimentanalyse") basert på kommentarene de gir, fordi mange av kommentarene deres er nøytrale og algoritmer kan feilaktig klassifisere kommentarer som positive når de er negative og omvendt. Videre er mange positive og negative kommentarer som er tilgjengelige ekstremer, noe som gjør det vanskelig å nøyaktig evaluere hvordan forbrukere samlet sett føler om et produkt, en tjeneste, et merke eller en politisk kandidat.
