Показатели вовлеченности и фокус-группы позволят вам только понять свою аудиторию
Поздравляю! Ваша социальная кампания набрала 500 000 показов. Значит, успех, правда? Ну не обязательно.
Это были положительные впечатления? Отрицательные впечатления? Смесь обоих? Получила ли кампания отклик у вашей аудитории так, как вы планировали? Показатели вовлеченности, такие как показы, могут дать конкретное определение охвата, но, скорее всего, не дадут представления о том, какие эмоции или отношения вызывала кампания.
Благодаря распространению двусторонней коммуникации и обратной связи через сайты социальных сетей, маркетологи улучшают свое понимание восприятия аудитории. В частности, с помощью анализа социальных настроений аналитики собирают и оценивают письменные отзывы в социальных сетях, чтобы определить отношение общественности к деятельности и кампаниям своей организации.
Эти реакции выходят далеко за рамки типичных показателей вовлеченности, таких как лайки или репосты. Вместо этого платформы анализа настроений интерпретируют язык в твитах, публикациях в Facebook, блогах, обзорах Amazon и других онлайн-форумах. Хотя агрегирование количества взаимодействий может показать степень воздействия кампании, анализ настроений позволяет пользователям понять суть этого воздействия.
Семантика настроений
Одна из форм анализа настроений оценивает семантическую ориентацию. Платформы анализа данных будут отсеивать сообщения и кодировать их как положительные, отрицательные или нейтральные. В определенной степени это помогает определить, была ли кампания полезной, неэффективной или даже противодействующей.
Но по мере усиления контент-маркетинга и конкуренции за участие в социальных сетях маркетологам необходимо понимать конкретные реактивные эмоции, а не только положительные или отрицательные, хорошие или плохие. Например, для дальнейшей интерпретации отрицательного отношения существует большая разница между неодобрением и гневом. Что еще более важно, стратегии по исправлению этого негативного восприятия сильно различаются.
Платформы для ознакомления
Существуют различные методы оценки и интерпретации, но в конечном итоге все сводится к выбору между платформой с приводом от человека или платформой с приводом от машины.
Самые эффективные платформы с участием человека привлекают людей для выполнения задач. Популярные платформы, такие как CrowdFlower и Amazon Mechanical Turk, собирают критическую массу, необходимую для эффективной обработки огромных объемов данных, и позволяют пользователям загружать наборы данных и инструкции.
Первоначально CrowdFlower был платформой для сбора «толпы» для выполнения обширных задач, но так часто использовался для анализа социальных настроений, что начал обучать людей проводить анализ настроений. Однако туркеры в большинстве своем необучены и получают лишь краткие инструкции.
Среди платформ анализа данных для краудсорсинга у Mechanical Turk самая низкая стоимость каждой задачи. Компромисс здесь заключается в контроле качества - другие платформы имеют более надежные процессы обеспечения качества и квалификации.
Скорее всего, вы получите наибольшую выгоду от процессов, управляемых человеком, если у вас есть небольшие наборы данных по проектам. Однако, если у вас есть срочные дедлайны, лучше всего вам подойдет платформа с приводом от машины. Люди будут выполнять задачи по своему усмотрению, поэтому нет никакой гарантии, сколько времени займет выполнение вашей задачи.
Принимая решение, помните, что машинные алгоритмы продолжают совершенствовать идентификацию и категоризацию человеческого поведения. Инновации в обработке естественного языка помогают некоторым социальным платформам создавать убедительные аргументы в пользу искусственного интеллекта над человеческим интеллектом.
Например, используя платформу НЛП Crimson Hexagon, Nespresso устанавливает и отслеживает прием целевых маркетинговых кампаний. Изначально Crimson Hexagon определила, как и почему люди пьют кофе (результат? Это общественная деятельность), чтобы определить новые рыночные возможности для Nespresso, сосредоточив внимание на роскоши.
Crimson Hexagon снова использовал свою систему анализа настроений, чтобы оценить реакцию общественности на эти маркетинговые усилия, определив с помощью традиционных публикаций в социальных сетях в дополнение к онлайн-отзывам о путешествиях, что машины в номерах в отелях создают последовательный и устойчивый положительный ажиотаж в Интернете. НЛП также выявило рост общественного намерения приобрести кофемашину Nespresso, что сделало кампании социального маркетинга успешными.
Canvs, еще одна социальная платформа для анализа настроений, может похвастаться способностью кодировать 56 различных эмоций в своем анализе. Viacom включила возможности обработки естественного языка Canvs в свой собственный продукт Viacom Velocity, который оценивает влияние маркетинговых кампаний своих партнеров через отзывы в социальных сетях.
Достижения в области обработки естественного языка позволили компьютерам преодолеть нюансы, из-за которых миллениалы (а вскоре и поколение Z) так трудно понять. Сарказм, преднамеренные и / или неосторожные орфографические ошибки, слова с множеством значений (например, больной) и постоянно меняющийся сленг делают общение с молодыми людьми невероятно сложным.
Тем не менее, есть пределы человеческой интонации, которые НЛП в его нынешнем состоянии не обязательно может понять. Хотя многие платформы могут утверждать, что понимают сложные нюансы современного английского языка, примеры сарказма или высказываний с множеством значений (например, Вы его убиваете!), безусловно, могут проскользнуть сквозь щели несовершенного искусственного интеллектуальные системы ».
Вам следует рассмотреть возможность машинной обработки естественного языка, если вы работаете в больших масштабах. Большинство платформ НЛП снижают стоимость каждой задачи по мере увеличения набора данных. Если у вас много данных о дикции и вам нужно их своевременно анализировать, лучше всего использовать платформу с машинным управлением.
Точный анализ
Телевизионные сети (особенно если они нацелены на желанную возрастную группу от 18 до 34 лет) часто используют Twitter в качестве важного источника обратной связи: CW использовало Canvs, чтобы определить, какие эмоции больше всего находят отклик у зрителей в эпизоде Стрелка. Этот анализ настроений выявил различные эмоции, связанные с каждым персонажем и исполнителем, определив, какие персонажи вызывают наиболее сильный эмоциональный интерес, что в конечном итоге помогло сети принимать более обоснованные решения по содержанию.
Итак, зачем проводить анализ социальных настроений в исследованиях рынка, если у вас все еще есть надежные традиционные методы исследования? Обычно маркетинговые исследования дают ответы на вопросы об аудитории и контенте через фокус-группы или опросы. Но поскольку обратная связь формируется на основе наводящих вопросов, выраженное мнение не обязательно является грубым или достоверным, особенно когда оно ограничивается ответами «да» или «нет» или несколькими вариантами ответов.
С другой стороны, интеллектуальный анализ данных в социальных сетях позволяет исследователям определять, о чем люди на самом деле говорят, менее преднамеренно и более спонтанно. Кроме того, вместо экстраполяции из небольшого размера выборки простота анализа огромных объемов данных часто позволяет анализировать всю совокупность или близкую к ней (например, студентки в Twitter в возрасте 18–22 лет, поступившие в колледж).
Больше, чем маркетинг
Применение анализа настроений выходит далеко за рамки маркетинговых усилий. Финансовые аналитики используют анализ настроений в Twitter и других социальных сетях, чтобы понять общественное мнение о компаниях в амбициозных усилиях по прогнозированию поведения на глобальном рынке.
Bloomberg и Thomson Reuters включили каналы Twitter в качестве основных компонентов своих самых продаваемых финансовых продуктов. IBM и Intel проанализировали ответы и публикации на своих внутренних веб-сайтах, предназначенных для сотрудников, чтобы понять отзывы сотрудников о политике или разработках в области управления персоналом.
И по мере того, как общественные опросы терпят неудачу в прогнозировании точных результатов (помните шок Брексита?), Анализ социальных настроений становится все более достоверным для выборов и политических вопросов.
Растущая популярность анализа настроений основана на его способности количественно определять то, что всегда было качественным по своей природе. Упоминания или впечатления без понимания контекста или тона в значительной степени необоснованны для понимания восприятия аудиторией бренда, телешоу, рыночных активов или политики сотрудников и государственной политики.
Независимо от вашей отрасли или тематики, анализ социальных настроений может обогатить портфель исследований аудитории вашего бренда.
Глубокое исследование аудитории - лишь одна из многих вещей, которые мы думаем о клиентах в Atlantic Media Strategies. Подпишитесь на нашу еженедельную рассылку Digital Trends Index и свяжитесь с нами в Twitter.
