手把手教你如何利用“社交媒体分析学”挖掘潜在客户

与传统媒体不同,社交媒体让信息的传播者和接受者形成互动,成为了现今互联网世界不可忽视的重要组成部分,从Facebook和Twitter这样的社交网站,到YouTube等视频网站,再到各式各样的互动百科,社交媒体与人们的生活越来越近。

举例来说,用户可以在YouTube上上传视频内容,然后回复视频的评论来与观众互动。通过社交媒体实现的这种双向交流为很多公司企业提供了宝贵机会,能够让他们与终端用户直接沟通。

本文内容目录:

1,什么是“社交媒体分析学”?

2,不同的公司是如何利用社交媒体分析学的?

3,社交媒体分析学能为公司带来什么?

4,如何利用社交媒体开发潜在客户?

5,情感分析

6,潜在客户开发

7,社交媒体分析学工具

1

什么是“社交媒体分析学”?

社交媒体分析,顾名思义,就是通过分析社交媒体数据来进行商业决策。这些数据通常来自于博客、论坛、社交媒体网站,通常使用文本挖掘和自然语言处理技术,将定性数据转化成定量数据。

常见的社交媒体分析目的包括:

  • 扩大业务
  • 通过社交媒体发布广告
  • 通过社交媒体监控减少客服成本
  • 获取产品和服务的反馈
  • 获取公众对某个产品或部门的意见

2

不同的公司是如何利用社交媒体分析学的?

以下是不同公司使用社交媒体分析的主要形式:

  • 火焰检测(听取差评)
  • 扩大新产品影响力
  • 扩大品牌影响力
  • 公司形象维护
  • 发掘流行趋势
  • 分析内容传播力
  • 广告效果的测评
  • 开发潜在客户
  • 政府听取民意

3

社交媒体分析学能为公司带来什么?

  • 正确的维护好公司的官方社交媒体渠道,利用社交媒体平台分享行业知识和专业信息,来扩大公司品牌影响力和认可度。
  • 发现目标客户群体的讨论方向,发现热点,抓住潮流,发现产品和服务的痛点。
  • 跟踪本公司品牌和竞品的评价,观察用户的评价口碑。
  • 发现竞争对手与客户交流的渠道,找到他们对话的社交平台、博客、论坛或者讨论组。
  • 通过网络分析发现缝隙市场的主要影响因素。
  • 发现是否有公司内部人员未经公司允许参与外部讨论或者在社交平台发布公司信息。
  • 找出以往的和现在的竞争对手,关注他们的动态。
  • 发现行业中需要发展和改善的领域。
  • 招聘到优秀的人才。
  • 找到提高用户忠诚度的正确方法。
  • 打造品牌大使社区。
  • 发现对公司有威胁的领域。
  • 评估社交媒体上不同广告的投放效果。
  • 观察客户讨论情况,来对产品进行改善。
  • 发现销售机会。
  • 比较发现公众更喜欢哪种形式的内容。

4

如何利用社交媒体分析开发潜在客户

关键词提取:首先我们需要在初级输入(primary input)中输入种类条目,找到数据提取需要的不同关键词。举例来说,对高价的组合式橱柜,我们需要知道不同品牌的数量、名称和特点,现在流行的款式等等。同时还需要剔除一些干扰词来去掉无关信息。如果我们仅仅使用“橱柜”这个关键词,就能找到“@XXX – 竞争激烈啊! Brand-YYY @Kitchen_Art #生活方式”,这样的信息就是和组合橱柜无关了。

数据提取和数据筛选:一旦关键词列表确定了,我们就需要确定合理的查询模式来抓取有效内容。为了避免上面提到的问题,我们在输入关键词的同时也要剔除干扰词。当然我们还需要筛选正确的信息源,对组合橱柜来说,可以找Houzz.com论坛等。

将定性数据转化为定量数据:接下来我们需要通过文本挖掘和自然语言处理技术来将定性数据转化为定量数据。

演示如下图:

之后还需要通过“测试&学习”方式对上表进行调整,调整后如图:

购买意向&基本分类创建&调整:分析购买意向时,我们需要以样本数据扫描为基础,创建一个初级分类。

5

情感分析

分析语气来判断公众心态,看他们对某个产品是持积极、消极还是中立态度。

这种包含了预测模型和习惯分类法的基于Naïve Bayes分类器的分类方法能够有效提高准确度(>80%)。

语气计算流程如下:

文本挖掘:从每条动态中提取主要概念、创建变量并记录100个左右的概念。

人工情感分类:随意提取10%样本或至少5000个数据点、人工对这些数据进行分类。

预测模型:利用决策树、神经网络,SVM等算法,学习样本数据分类,从而确定分类规则。

习惯规则:基于Business Logic、 Naïve Bayes分类器等条件概率算法,建立习惯规则,提高语气情感分析的准确性。

运用分类规则:将预测算法规则和习惯规则应用到整个数据集,获取每个信息点的语气情感信息。

6

开发潜在客户

购买意向分析和语气分析结束后,我们可以将内容分为:

  • 高可能性客户
  • 中等可能性客户
  • 低可能性客户

然后着重分析高可能性和中等可能性用户的需求和痛点,然后制定沟通策略来对他们进行重点营销。

解决方案运作模式

每一个新的数据产生以后,这个数据就将根据现有规则被分到相应的分类条目中。每三个月应该对这些规则进行再验证。

7

社交媒体分析工具

目前可供市场分析师使用的社交媒体分析工具非常多,如Radian6、Sysomos、Poly Analyst (Megaputer)、HootSuite等等。这些工具可以用来分析多个渠道的数据,也有专门用于分析某个网站数据的分析工具,如Twitter分析工具,Facebook分析工具等。所有这些分析工具都能用于将定性数据转化成数据表格,可用于社交媒体监测。

还有一些使用感较好的统计工具,如R语言、SPSS文本挖掘器、SAS统计分析系统,能够用于预测建模等高级分析过程。Naive Bayes分类器可用于提高情感分析的准确度。

翻译:灯塔大数据

原文发布于微信公众号 - 灯塔大数据(DTbigdata)

原文发表时间:2017-03-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

「量子霸权」提出者John Preskill展望NISQ新时代下量子计算的11大应用前景

34780
来自专栏数据科学与人工智能

人工智能技术在移动互联网发展中的应用

智能化需求体现在两个方面 随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: 一方面是促生...

429100
来自专栏AI研习社

Caffe2 代码并入 PyTorch,贾扬清表示开发效率将迎来极大提升

AI 研习社按,对于广大深度学习开发者来说, 迎来一个重大消息——Caffe2 代码并入 PyTorch 库。

12930
来自专栏大数据文摘

深度 | 为什么要利用NLP做情感分析?

24330
来自专栏数据科学与人工智能

【陆勤阅读】什么是机器学习?

大家好!我是John Platt,我在微软创建和使用机器学习(简称ML)算法已经17年了。最近这几年机器学习开始受到广泛关注,所以人们经常问我:“什么是机器学习...

21760
来自专栏数据科学与人工智能

人工智能技术在移动互联网发展中的应用

随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: ●一方面是促生新的智能化应用,如自动驾...

36940
来自专栏安全领域

对大数据和物联网环境中数据科学自动化的见解

数据科学在任何大数据研究实践或物联网(IoT)环境中位于核心地位。数据科学涉及广泛的技术,商业和机器学习算法。数据科学的目的不仅仅在于机器学习或统计分析,而在于...

41450
来自专栏新智元

视频 | 谷歌最新研究曝光: 合作式增强学习让机器人掌握通用技能

【新智元导读】谷歌大脑、DeepMind和 Google X 的研究员正在设计一种新的实验,探讨使用多个机器人共同学习通用技能的三种可行的方法:直接从经验中学习...

35470
来自专栏挖掘大数据

大数据平台的现实思考

“目前我们正在规划我们新一代的智能数据平台;这几年以来,我们也一直在尝试做一个足够强大的数据平台来高效支持内外部的应用;我们也在不断调研全球最新的数据技术和产品...

23800
来自专栏大数据文摘

机器学习不是万能的!谷歌工程师:激发人的想象力才能创造惊艳的用户体验

19030

扫码关注云+社区

领取腾讯云代金券