Professional Documents
Culture Documents
Διπλωματική εργασία:
«ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΑ
ΚΟΙΝΩΝΙΚΑ ΔΙΚΤΥΑ»
Σεπτέμβριος 2020
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
ΕΥΧΑΡΙΣΤΙΕΣ
Θα ήθελα να ευχαριστήσω τον καθηγητή μου κ. Τσαδήρα Αθανάσιο, για την τιμή
που μου έκανε να επιβλέψει την προσπάθεια και μέσω της καθοδήγησης και
κρίσιμης συμβολής του να καταστεί εφικτή η ολοκλήρωση της παρούσας εργασίας.
Επίσης, θα ήθελα να ευχαριστήσω την οικογένειά μου για τη συνεχή στήριξη.
2
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
ΠΕΡΙΛΗΨΗ
Η χρήση των μέσων κοινωνικής δικτύωσης (social media) τα τελευταία χρόνια
συνιστά μία από τις πλέον δημοφιλείς δραστηριότητες σε παγκόσμιο επίπεδο,
καθώς ένας σημαντικά υψηλός και διαρκώς αυξανόμενος αριθμός χρηστών
μοιράζονται καθημερινά ενδιαφέροντα, γνώμες, απόψεις, ενημερώνονται και
ψυχαγωγούνται με τη βοήθεια πληθώρας εφαρμογών όπως newsgroups, virtual
chat rooms, instant messaging, weblogs, emails, video, voice data, forum discussion.
Η αλληλεπίδραση αυτή που εκδηλώνεται μεταξύ των χρηστών παράγει ένα
σημαντικό αριθμό δεδομένων και στοιχείων, η μελέτη των οποίων μέσω διαφόρων
εργαλείων ανάλυσης είναι ιδιαίτερα σημαντική, παρέχοντας πληροφόρηση επί
διαφόρων θεμάτων όπως οι προτιμήσεις των καταναλωτών, κυρίαρχες ή νέες
τάσεις κ.λπ.
Υπό το πρίσμα των ανωτέρω, αντικείμενο μελέτης της παρούσας εργασίας
αποτέλεσε η σύγκριση επιλεγμένων εργαλείων ανάλυσης κοινωνικών μέσων, με
σκοπό τον εντοπισμό κοινών, ισχυρών και αδύναμων σημείων καθώς και επιμέρους
διαφορών των προς σύγκριση εργαλείων.
Για το σκοπό αυτό αναπτύχθηκαν στον απαιτούμενο βαθμό οι θεματικές των
δικτύων και γράφων, των μέσων κοινωνικής δικτύωσης, της ανάλυσης κοινωνικών
δικτύων και της ανάλυσης συναισθήματος, προκειμένου να υποστηριχτεί και
πλαισιωθεί -σε θεωρητικό επίπεδο- η εν συνεχεία παρουσίαση και εφαρμογή
επιλεγμένων εργαλείων ανάλυσης κοινωνικών μέσων.
3
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
ABSTRACT
The use of social media in recent years is one of the most popular activities
worldwide, as a significantly high and ever-increasing number of users share daily
interests, opinions, views, information and entertainment with the help of a variety
of applications such as newsgroups, virtual chat rooms, instant messaging, weblogs,
emails, video, voice data, forum discussion.
This interaction that occurs between users produces a significant amount of data.
The study of these data through various analysis tools is particularly important,
providing information on various topics, such as consumer preferences, current or
new trends etc.
In the light of the above, the object of this study was the comparison of selected
tools for social media analysis, in order to identify common strengths and
weaknesses as well as differences of the tools to be compared.
For this purpose, the topics of networks and graphs, social media, social network
analysis and emotion analysis were developed to the required degree, in order to
support and frame - at a theoretical level - the subsequent presentation and
implementation of selected social media analysis tools.
4
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ
1. ΕΙΣΑΓΩΓΗ ........................................................................................................................... 7
1.1. Υπόβαθρο μελέτης .................................................................................................... 7
1.2. Αντικείμενο εργασίας ................................................................................................ 7
2. ΘΕΩΡΗΤΙΚΟ ΜΕΡΟΣ ΔΙΚΤΥΩΝ .......................................................................................... 9
2.1. Ορισμός & δομικά στοιχεία δικτύων ........................................................................ 9
2.2. Κατηγορίες δικτύων ................................................................................................ 10
2.3. Ποσοστικά χαρακτηριστικά δικτύων....................................................................... 12
2.4. Μέτρα κεντρικότητας (centrality measurements) .................................................. 14
2.5. Εύρεση κοινοτήτων ................................................................................................. 16
2.6. Μοντέλα δικτύων .................................................................................................... 17
2.6.1. Τυχαία δίκτυα (Erdos – Renyi model, ER) .............................................................. 18
2.6.2. Small World Network (Watts-Strogatz Model, SW) .............................................. 18
2.6.3. Τα τυχαία scale-free Network (Barabasi-Albert, BA) ............................................ 20
2.6.4. Συγκριτική επισκόπηση κυρίαρχων μοντέλων δικτύων........................................ 20
3. ΑΝΑΛΥΣΗ ΚΟΙΝΩΝΙΚΩΝ ΔΙΚΤΥΩΝ .......................................................................... 22
3.1. Βασικές έννοιες ....................................................................................................... 22
3.2. Τα Κοινωνικά Μέσα (Social media) ......................................................................... 23
3.3. Τα δημοφιλέστερα είδη των ιστότοπων κοινωνικής δικτύωσης ............................ 24
3.3.1. Facebook ......................................................................................................... 25
3.3.2. Twitter ............................................................................................................. 26
3.3.3. YouTube ........................................................................................................... 26
3.3.4. Instagram ......................................................................................................... 26
3.3.5. LinkedIn ........................................................................................................... 27
3.4. Αντιδράσεις Χρηστών στα Κοινωνικά Δίκτυα: Likes, Comments & Shares ............. 27
4. ΑΝΑΛΥΣΗ ΣΥΝΑΙΣΘΗΜΑΤΟΣ (SENTIMENT ANALYSIS) .................................................. 29
4.1. Βασικές έννοιες & ορισμοί («Ανάλυση Συναισθήματος», Εξόρυξη Γνώμης» και
«Εξόρυξη κειμένου»)........................................................................................................... 29
4.2. Σύντομη Ιστορική Αναδρομή ................................................................................... 30
4.3. Διαδικασία Ανάλυσης Συναισθήματος ................................................................... 32
4.4. Αλγόριθμοι για την Ανάλυση Συναισθήματος ........................................................ 33
5. ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ .............................................................................. 35
5.1. Mentionlytics ........................................................................................................... 35
5.2. Talkwalker................................................................................................................ 38
5
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
6
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
1. ΕΙΣΑΓΩΓΗ
1.1. Υπόβαθρο μελέτης
Τα τελευταία χρόνια, τα μέσα κοινωνικής δικτύωσης (social media) έχουν
εισχωρήσει εις βάθος στους μηχανισμούς της καθημερινότητας, επηρεάζοντας τις
άτυπες αλληλεπιδράσεις των ανθρώπων, καθώς και τις θεσμικές δομές και τις
επαγγελματικές συνήθειες. Το κύριο αίτιο πίσω από την ταχύτατη ανάπτυξη και
δημοτικότητα αυτών των προγραμμάτων είναι η έμφυτη ανάγκη του ανθρώπου για
κοινωνικοποίηση, η οποία μέσω του διαδικτύου βρίσκει νέους τρόπους έκφρασης.
Εξάλλου, ιδιαίτερο χαρακτηριστικό στοιχείο των κοινωνικών δικτύων του web
αποτελεί το γεγονός ότι η ανάπτυξη τους ξεκίνησε από τους ίδιους τους χρήστες.
Δημιουργήθηκαν και αναπτύχθηκαν κατά τη μετάβαση από το λεγόμενο web 1.0,
όπου ο χρήστης απλά επισκεπτόταν σελίδες χωρίς μεγάλες δυνατότητες δικής του
συνεισφοράς, στο web 2.0. Η ιδέα του Web 2.0, δεύτερη γενιά του διαδικτύου,
οδήγησε στη δημιουργία νέων υπηρεσιών που τα περιεχόμενα τους
δημιουργούνται από τους χρήστες, προκαλώντας την αλλαγή του τρόπου
προσφοράς των υπηρεσιών.
7
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
8
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
1
Ένα άλλο μέτρο του μεγέθους του δικτύου είναι η διάμετρος, η οποία λαμβάνει υπόψη όχι μόνο
τον αριθμό των κόμβων αλλά και το βαθμό διασύνδεσής τους (βλ. παρακάτω).
9
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Για την ανάλυση των ποσοτικών χαρακτηριστικών ενός δικτύου αυτό απαιτείται να
λάβει μία από τις δύο τυπικές του μορφές, που είναι πίνακας ή λίστα
συνδεσιμότητας/γειτνίασης. Ειδικότερα:
Ως προς τον πίνακα συνδεσιμότητας ή γειτνίασης Cij, (adjacency matrix) : Είναι
ένας Ν x N πίνακας του οποίου τα στοιχεία είναι τα βάρη των συνδέσμων cij.
1 0 0 0 0 0 0 1
2 0 0 0 1 0 0 0
0 0 1 1 0 0 1
C = 0 1 0 0 1 0 0
7 3 0 0 0 1 0 1 1
5
0 0 0 0 1 0 1
4
1
0 1 0 1 1 0
Εικόνα 1: Απεικόνιση ενός δικτύου και του πίνακα συνδεσιμότητάς του
2
Οι λίστες γειτνίασης δεν χρησιμοποιούνται συνήθως για «πυκνά» δίκτυα όπου ο αριθμός των
συνδέσμων ξεπερνά το τετράγωνο του αριθμού των κόμβων. Στην περίπτωση αυτή προτιμώνται οι
πίνακες συνδεσιμότητας ή γειτνίασης.
10
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Εικόνα 3: Οι 4 κύριοι τύποι δικτύων και οι μετασχηματισμοί τους (όλοι οι τύποι δικτύων μπορούν να εξαχθούν
από το σταθμισμένο διάγραμμα μέσω κατάλληλων μετασχηματισμών)
11
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
P(k)
2
1
k
1 2 3 4
Πυκνότητα δικτύου (Density): Πέρα από το συνολικό μέγεθος ενός δικτύου, όπως
αναφέρθηκε παραπάνω, ιδιαίτερη σημασία έχει και ο βαθμός στον οποίο τα
στοιχεία του δικτύου είναι διασυνδεδεμένα μεταξύ τους. Ένα δίκτυο μεγάλου
μεγέθους (μεγάλου αριθμού κόμβων) μπορεί να έχει ελάχιστες συνδέσεις, μεταξύ
των στοιχείων του, την ίδια στιγμή που ένα πολύ μικρότερο μπορεί να είναι πολύ
πυκνότερο.
Την έννοια αυτή της πυκνότητας του δικτύου την ορίζουμε ποσοτικά ως το πηλίκο
των πραγματικών συνδέσεων που υπάρχουν στο δίκτυο διά του αριθμού των
συνδέσεων που θα είχε ένα πλήρως διασυνδεδεμένο (fully-connected) δίκτυο ίσου
μεγέθους. Ένα πλήρως διασυνδεδεμένο δίκτυο είναι ένα δίκτυο στο οποίο κάθε
στοιχείο συνδέεται άμεσα με καθένα από τα υπόλοιπα.
12
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Το σύνολο τιμών που μπορεί να πάρει η πυκνότητα είναι από 0 μέχρι 1. Στην
περίπτωση που όλοι οι κόμβοι συνδέονται άμεσα μεταξύ τους, τότε η πυκνότητα θα
ισούται με τη μονάδα. Γενικά, όσο μεγαλύτερο είναι το δίκτυο, τόσο η πυκνότητα
θα μειώνεται, αφού οι εν δυνάμει δεσμοί θα αυξάνονται.
Απόσταση κόμβων, distance/shortest path length: Ορίζεται ως ο ελάχιστος
αριθμός συνδέσμων για να φτάσουμε από τον κόμβο i στον κόμβο j. Πρόκειται
δηλαδή για το συντομότερο μονοπάτι μεταξύ δύο κόμβων.
Σε μικρά δίκτυα η συντομότερη διαδρομή είναι εύκολο να υπολογιστεί εποπτικά. Σε
μεγαλύτερα, ωστόσο, δίκτυα χρειάζεται κανείς να καταφύγει σε πιο συστηματικές
μεθόδους για τον υπολογισμό της.
Μια αποτελεσματική τέτοια μέθοδος είναι η Αναζήτηση μέσω Πλάτους (Breadth-
first search) (Zhou & Hansen, 2006), η οποία υπολογίζει την απόσταση μεταξύ δύο
κόμβων Α και Β, ξεκινώντας από τον κόμβο Α και προχωρώντας μέσω διαδοχικών
ελέγχων των άμεσων γειτόνων ως το Β.
Το μήκος του διανύσματος της συντομότερης διαδρομής μας δίνει ένα βαθμό της
εγγύτητας μεταξύ των δύο στοιχείων στο δίκτυο. Μια μικρού μήκους συντομότερη
διαδρομή είναι ενδεικτική μιας στενότερης σχέσης μεταξύ των κόμβων.
Σημειώνεται ότι, εάν το δίκτυο είναι σταθμισμένο, λαμβάνεται υπ' όψιν και το
βάρος των συνδέσεων ανάμεσα στους κόμβους που συνδέουν τους i και j.
Διάμετρος, Diameter, d: Η διάμετρος είναι ένα ακόμα μέτρο του μεγέθους ενός
δικτύου, που σχετίζεται όμως όχι μόνο με το πλήθος των κόμβων, αλλά λαμβάνει
υπόψη του και τη διασυνδεσιμότητα.
Ορίζεται ως η μέγιστη απόσταση ανάμεσα στους κόμβους του δικτύου. Εάν το
δίκτυο αποτελείται από ασύνδετα υποδίκτυα, τότε ορίζεται ως η μέγιστη απόσταση
μεταξύ των κόμβων του μεγαλύτερου υποδικτύου. 3
Συντελεστής Συσσωμάτωσης, Clustering coefficient, Ci : Δείχνει πόσο ισχρυρή είναι
η συνδεσιμότητα γύρω από τον κόμβο i.
Σχετίζεται με το βαθμό στον οποίο οι κόμβοι του δικτύου τείνουν να σχηματίζουν
τοπικά υποδίκτυα. Σχηματικά μπορεί κανείς να συλλάβει την έννοια του συντελεστή
συσσωμάτωσης για τον κόμβο i ως τον αριθμό των τριγωνικών σχέσεων που
αναπτύσσονται μεταξύ του i και των κόμβων με τους οποίους ο i συνδέεται άμεσα.
3
Είναι έτσι το ανάλογο της διαμέτρου ενός γεωμετρικού σχήματος και αποτελεί μια καλή
προσέγγιση για το βαθμό «διασποράς» των κόμβων ενός δικτύου. H ερμηνεία της ωστόσο,
χρειάζεται προσοχή καθώς σε περιπτώσεις ακραίων, πολύ απομακρυσμένων κόμβων η τιμή της
μπορεί να μην είναι αντιπροσωπευτική.
13
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Επίσης, σχετίζεται άμεσα με την έννοια της κλίκας (clique), η οποία περιγράφει ένα
δίκτυο (ή ένα τμήμα δικτύου) του οποίου τα στοιχεία είναι πλήρως και άμεσα
διασυνδεδεμένα μεταξύ τους.
Ποσοτικά υπολογίζεται με πολλούς διαφορετικούς τρόπους, οι οποίοι δίνουν
αρκετά διαφορετικά αποτελέσματα μεταξύ τους, εκφράζοντας ωστόσο όλοι τους τις
τοπικές συσπειρώσεις στο δίκτυο. Η επιλογή του συντελεστή συσσωμάτωσης
εξαρτάται καθε φορά από την εφαρμογή.
Σημειώνεται ότι ο συντελεστής συσσωμάτωσης συγκεκριμένου κόμβου εξαρτάται
από το βαθμό του. Η σχέση με την οποία τα δύο μεγέθη συμμεταβάλλονται είναι
πολύ σημαντική για το είδος του δικτύου.
Μέσος Συντελεστής Συσσωμάτωσης, Average clustering coefficient: Πρόκειται για
μια γενικευμένη έκφραση του C (συντελεστής συσσωμάτωσης) που αναφέρθηκε
παραπάνω και αντιστοιχεί στη μέση τιμή των C για όλους τους κόμβους Ν ενός
δικτύου.
Συνιστά ένα μέτρο της συνδεσιμότητας (connectedness) ενός δικτύου. Ένα δίκτυο
στο οποίο ο μέσος συντελεστής συσσωμάτωσης είναι 0, αποτελεί ένα σύνολο
πλήρως ασύνδετων κόμβων. Από την άλλη εάν είναι 1, το δίκτυο είναι πλήρως
συνδεδεμένο με όλους τους κόμβους να συνδέονται μεταξύ τους με όλους τους
δυνατούς τρόπους, να συνθέτουν δηλαδή μια κλίκα.
14
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
To εν λόγω μέτρο εγγύτητας είναι μεν δηλωτικό της θέσης του κόμβου στο δίκτυο
από άποψη αποστάσεων, αλλά δεν αποδίδει τις διαφορές που μπορεί να υπάρχουν
μεταξύ ενός κόμβου, που απλά βρίσκεται κοντά στο κέντρο του δικτύου από
γεωμετρική άποψη, και των κόμβων που είναι και κεντρικοί από πλευράς
διασυνδεσιμότητας. Ένα μέτρο που επιτρέπει να ποσοτικοποιηθεί αυτή τη έννοια
είναι η διακεντρικότητα (betweenness centrality).
γ) Διαμεσότητα, Betweenness Centrality
Το μέτρο Betweenness Centrality είναι ένας δείκτης που αναφέρεται σε έναν κόμβο
του γράφου και είναι αυτός που μετρά πόσες φορές ο κόμβος λειτουργεί σαν
«γέφυρα» του ελάχιστου μονοπατιού που ενώνει 2 κόμβους του γράφου. Κόμβοι
που έχουν μεγάλη πιθανότητα να βρεθούν ανάμεσα σε ένα ελαχίστου μήκους
μονοπάτι μεταξύ δύο τυχαίων επιλεγόμενων κόμβων έχουν υψηλό betweenness
centrality.
Τα αποτελέσματα εν λόγω μετρικής φανερώνουν ποιοι κόμβοι βρίσκονται σε
μονοπάτια επικοινωνίας καθώς και σε ποια σημεία θα μπορούσε ο γράφος να
χωριστεί.
Είναι αναγκαίο να επισημανθεί, ότι για τον υπολογισμό των closeness και
betweenness centrality είναι απαραίτητος ο υπολογισμός των ελάχιστων
4
Συνήθως, η μετρική χρησιμοποιείται για την μέτρηση της ικανότητας σύνδεσης του κόμβου
επηρεάζοντας έτσι την δημοτικότητά του. Οι κεντρικοί κόμβοι είναι ικανοί να μεταφέρουν
πληροφορία ή να επηρεάζουν αρκετούς κόμβους σε μια γειτονία.
15
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
μονοπατιών για κάθε ζεύγος κόμβων του γραφήματος. Αυτός ο υπολογισμός, όταν ο
γράφος έχει μεγάλο αριθμό κόμβων και ακμών, είναι αδύνατος λόγω
περιορισμένων υπολογιστικών πόρων.
δ) Ποιότητα συνδέσεων, Eigenvector centrality
Η μετρική είναι κατάλληλη προκειμένου να διαπιστωθεί κατά πόσο ένας κόμβος
επηρεάζει το δίκτυο. Η τιμή κάθε κόμβου είναι αναλογική του αθροίσματος της
τιμής των κόμβων που συνδέονται με αυτόν.
Κάθε κόμβος που έχει υψηλή τιμή συνδέεται με κόμβους που έχουν επίσης υψηλή
τιμή μετρικής.
16
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Εικόνα 5: Οπτικοποίηση των βημάτων του αλγορίθμου. Η διαδικασία αποτελείται από 2 φάσεις:
Α’ φάση, όπου η modularity βελτιστοποιείται επιτρέποντας μόνο τοπικές αλλαγές των κοινοτήτων,
Β’ φάση, οι κοινότητες που βρέθηκαν συγκεντρώνονται προκειμένου να κατασκευαστεί ένα νέο δίκτυο κοινοτήτων.
Η διαδικασία επαναλαμβάνεται έως ότου μία περαιτέρω αύξηση της modularity να μην είναι δυνατή.
17
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
5
Αλλά και του μοντέλο που προτάθηκε από τον Gilbert G (n,p).
18
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Ξεκινώντας από ένα κυκλικό γράφο με n κόμβους, όπου κάθε κόμβος έχει k ακμές
και συνδέεται με τους k/2 πλησιέστερους γείτονες αριστερά του και τους k/2
πλησιέστερους γείτονες δεξιά του, κάθε ακμή επανασυνδέεται τυχαία με
πιθανότητα p. Αυτή η κατασκευή δίνει τη δυνατότητα να συντονισμού του δίκτυο
μεταξύ της κανονικότητας (p~0) και της απόλυτης διαταραχής (p~1). Επιπροσθέτως,
παρουσιάζει ιδιαίτερο ενδιαφέρον η περίπτωση στην οποία 0≤p≤1.
p=0 p=1
19
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
20
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
(α) Smal-World Network (SWN) (β) Scale-Free Network (SFN) (γ) Random Network (RN)
21
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
6
Δηλαδή, αξιοποιώντας την ανάλυση των κοινωνικών δικτύων μπορεί κανείς να αναγνωρίσει
πρότυπα/μοτίβα (patterns) μεταξύ των συνδέσεων ενός δικτύου και μέσω αυτών να γίνει αντιληπτή
η συμπεριφορά των χρηστών ή/και ο τρόπος μεταξύ τους αλληλεπίδρασης.
22
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
23
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
24
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
3.3.1. Facebook
Η λειτουργία του ξεκίνησε τον Φεβρουάριο του 2004 από τον τότε
φοιτητή του Harvard, Mark Zuckerberg. Ο αρχικός προορισμός του
Facebook ήταν για να συνδέει «συμμαθητές/συμφοιτητές» από
σχολεία και πανεπιστήμια του πανεπιστημίου του Harvard.
Ακολούθως άρχισε να επεκτείνεται παρέχοντας σε όλους τους
χρήστες τη δυνατότητα δημιουργίας προφίλ με τα προσωπικά τους στοιχεία και
μετατράπηκε σε ένα εργαλείο μέσω του οποίου συνδέονται φίλοι, συνεργάτες και
άλλοι άνθρωποι για να επικοινωνήσουν και να συγκροτήσουν ομάδες κοινού
ενδιαφέροντος.
Οι δυνατότητες που παρέχονται μέσω του Facebook είναι πολλές: επικοινωνία με
άλλους χρήστες, δικτύωση, ελεύθερη πρόσβαση σε φωτογραφίες, βίντεο και γενικά
σε υλικό που αναρτούν άλλοι χρήστες, γνωριμίες, online παιχνίδια, ενημέρωση
μέσω του newsfeed για τις πρόσφατες κινήσεις των φίλων τους κ.λπ.
25
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Σύμφωνα με τα στατιστικά του 2ου τετραμήνου του 2020 (Statista) υπήρχαν πάνω
από 2.6 δισεκατομμύρια μέλη μηνιαίως στο Facebook. Στην Ευρώπη, σύμφωνα με
το Search Engine Journal, το Facebook χρησιμοποιείται από 406 εκατομμύρια
χρήστες. Τέλος, το 42% των επιχειρήσεων θεωρούν σημαντικό εργαλείο το
Facebook για την επιχείρησή του.
3.3.2. Twitter
Δημιουργήθηκε τον Μάρτιο το 2006 με κύριο χαρακτηριστικό
ότι δε δέχεται μηνύματα μεγαλύτερα των 140 χαρακτήρων,
γνωστά ως «tweets». Τα μέλη του μπορούν να ακολουθούν τα
μηνύματα άλλων χρηστών καθώς και να απαντούν σε αυτά.
Εμπίπτει στην κατηγορία των ιστοσελίδων δημιουργίας micro-
blogging. Από την έναρξη του έχει γίνει ένας από τους δέκα (10) κορυφαίους σε
επισκεψιμότητα ιστότοπους και περιγράφεται ως «το sms του διαδικτύου». Οι
χρήστες του ξεπερνούν τα 336 εκατομμύρια μηνιαίως σε παγκόσμιο επίπεδο
(statista.com, 2019). Αξίζει να σημειωθεί ότι, σύμφωνα με το eMarketer το 66% των
επιχειρήσεων που απασχολούν πάνω από 100 άτομα διαθέτουν έναν ενεργό
λογαριασμό στο Twitter.
3.3.3. YouTube
Δημιουργήθηκε τον Φεβρουάριο του 2005
και τον Νοέμβριο του 2006 εξαγοράστηκε από
την Google. Αποτελεί έναν ισχυρό ιστότοπο, ο
οποίος προσφέρει νέους τρόπους δημιουργίας και διαμοιρασμού βίντεο και
μουσικής.
Οι χρήστες εκτός από το να παρακολουθούν και να «ανεβάζουν» βίντεο στην σελίδα
έχουν την δυνατότητα να σχολιάσουν βίντεο και τραγούδια που ακούν και να
δείξουν αν τους αρέσουν ή όχι, απλά πατώντας ένα κουμπί. Το YouTube
εκμεταλλευόμενο την δημοτικότητά του (οι μηνιαίες προβολές ξεπερνούν τις 92
δισεκατομμύρια) έχει αναπτύξει δράσεις μάρκετινγκ προσφέροντας την δυνατότητα
στις επιχειρήσεις να δημιουργούν το δικό τους κανάλι και να διαφημίζονται μέσα
από αυτό 8.
3.3.4. Instagram
Δημιουργήθηκε από τους Kevin Systrom και Mike Krieger και
ξεκίνησε τον Οκτώβριο του 2010 ως δωρεάν εφαρμογή για
κινητά αποκλειστικά για το λειτουργικό σύστημα iOS. Είναι
ιδιοκτησία του Facebook (βλ. παραπάνω). Αποτελεί μια δωρεάν
εφαρμογή κοινωνικής δικτύωσης που δίνει την δυνατότητα
8
Το 94% των 100 κορυφαίων διαφημιστών, χρησιμοποιούν το YouTube για να προωθήσουν τις
καμπάνιες τους.
26
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
3.4. Αντιδράσεις Χρηστών στα Κοινωνικά Δίκτυα: Likes, Comments & Shares
Καθώς τα κοινωνικά μέσα έχουν γίνει μέρος της καθημερινότητας, τα brands
αναγνωρίζουν την επιταγή για πιο εκτεταμένη χρήση τους και επιδιώκουν την
οικοδόμηση στενότερων σχέσεων με τους πελάτες τους. H δημιουργία
περιεχομένου στα μέσα κοινωνικής δικτύωσης αποτελεί λοιπόν η προτεραιότητά
τους (EIU, 2007; Baird & Parasnis, 2011).
27
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
28
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
29
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
και τα αισθήματα και τη γνώμη ενός ατόμου (Mullen, 2017). Από την άλλη πλευρά,
ο όρος «άποψη» αναφέρεται σε μια γνώμη ή μια κρίση που διαμορφώνεται στο
μυαλό ενός ατόμου σχετικά με ένα συγκεκριμένο θέμα. Οι διαφορές ανάμεσα στους
δύο όρους μπορεί να είναι ελάχιστες και κάθε όρος περιλαμβάνει ένα στοιχείο του
άλλου. Γι’ αυτό το λόγο, όταν ερμηνεύονται ευρέως, η Ανάλυση Συναισθήματος και
η Εξόρυξη Γνώμης αναφέρονται στο ίδιο πεδίο έρευνας (Pang & Lee, 2008).
Εντούτοις, ο όρος Ανάλυση Συναισθήματος φαίνεται να χρησιμοποιείται
περισσότερο από τον όρο Εξόρυξη Γνώμης απ’ τους ερευνητές (Pang , Lee, &
Vaithyanathan, 2002).
Η Ανάλυση Συναισθήματος είναι επίσης μια σημαντική συνιστώσα της «Εξόρυξης
Κειμένου (Text Mining)». Η Εξόρυξη Κειμένου είναι ένα διεπιστημονικό ερευνητικό
πεδίο, το οποίο συνδυάζει μηχανική μάθηση, στατιστική, γλωσσολογία
υπολογιστών, ανάκτηση πληροφοριών και εξόρυξη δεδομένων (Gupta & Lehal,
2009). Είναι μια αυτοματοποιημένη διαδικασία η οποία αποκαλύπτει νέες γνώσεις,
μοτίβα και σχέσεις που προκύπτουν από μη δομημένα δεδομένα κειμένου. Κατά
την διαδικασία «Εξόρυξης Κειμένου», τα έγγραφα κειμένου προ-επεξεργάζονται
προκειμένου να γίνουν δομημένες αναπαραστάσεις και κατόπιν εφαρμόζονται
τεχνικές εξόρυξης κειμένου για τον προσδιορισμό μοτίβων και σχέσεων. Τα
αποτελέσματα της ανάλυσης μπορούν ακόμη να απεικονιστούν ώστε να
επιτρέψουν καλύτερη κατανόηση και περαιτέρω ερμηνεία.
Η ομοιότητα ανάμεσα στην Ανάλυση Συναισθήματος και στην Εξόρυξη Κειμένου
έγκειται στο ότι η τεχνική Ανάλυσης Συναισθήματος ξεκινά επίσης με έγγραφα
κειμένου. Η διάφορά τους όμως συναντάται στο ότι η Ανάλυση Συναισθήματος
συχνά απαιτεί συγκεκριμένους τύπους κειμένων. Πιο συγκεκριμένα, τα κατάλληλα
κείμενα για την Ανάλυση Συναισθήματος πρέπει να εμπεριέχουν απόψεις, όπως
σχόλια στα κοινωνικά δίκτυα (π.χ. tweets), αξιολογήσεις και κριτικές πελατών,
κείμενα σε blogs κα.
30
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
οποίο εφάρμοσε κατόπιν σε ένα υπολογιστικό σύστημα. Ουσιαστικά αυτό είναι ένα
από τα θεμελιώδη έργα αναφορικά με τη μέθοδο Ανάλυσης Συναισθήματος.
Λίγο αργότερα, το 1983, ο Wilks και ο Bien εισήγαγαν ένα μοντέλο πεποιθήσεων για
την κατανόηση των γλωσσών από τα υπολογιστικά συστήματα. Ακόμη περιέγραψαν
ένα σύστημα προκειμένου οι πεποιθήσεις να περιλαμβάνονται στον μηχανισμό του
υπολογιστικού περιβάλλοντος. Επίσης, ανακάλυψαν ότι η αντίληψη γύρω από ένα
συγκεκριμένο ζήτημα/ άτομο μπορεί να είναι μια παρενέργεια όταν οι πεποιθήσεις
εμπεριέχονται στον υπολογιστικό προγραμματισμό.
Ακόμη, όπως έχει αναφερθεί και στην προηγούμενη ενότητα, η Ανάλυση
Συναισθήματος έχει ισχυρή συσχέτιση με την μέθοδο Εξόρυξης Κειμένου. Ως εκ
τούτου, η Ανάλυση Συναισθήματος έχει συνδεθεί αρκετά με διάφορες έρευνες στο
πεδίο της Εξόρυξης Κειμένου που έλαβαν χώρα μετά το 1990. Για παράδειγμα, ο
Wiebe (1994) παρουσίασε έναν αλγόριθμο για να εντοπίζει την οπτική γωνία σε
αφηγηματικά διηγήματα τρίτων. Επιπλέον, ο Sack (1994) πρότεινε μια μέθοδο για
την εξόρυξη των απόψεων που εμπεριέχονται σε μεγαλύτερα σε έκταση κείμενα, η
οποία θεωρήθηκε χρήσιμη για εργασίες ανάκτησης πληροφοριών, καθώς και για
την εξαγωγή και διατύπωση απόψεων από ένα σύνολο κειμένων.
Μετέπειτα, στις αρχές της δεκαετίας του 2000, ερευνητές ξεκίνησαν να εξετάζουν
τα συναισθήματα που εμπεριέχονταν σε κείμενα. Πιο αναλυτικά, ο Kantrowitz
(2003) ανέπτυξε μια συσκευή για την ανάλυση εγγράφων κειμένου ανάλογα με το
συναίσθημα. Σύμφωνα με αυτήν τη μέθοδο, μια βαθμολογία εκχωρείται σε κάθε
όρο που εμπεριέχει συναίσθημα σε ένα έγγραφο και μια συνολική βαθμολογία
υπολογίζεται με βάση τις βαθμολογίες κάθε όρου. Το έγγραφο στη συνέχεια
ταξινομείται σύμφωνα με τη συνολική αυτή βαθμολογία. Την ίδια χρονιά
εμφανίστηκαν και οι πρώτοι ορισμοί των όρων Ανάλυση Συναισθήματος (Nasukawa
& Yi, 2003) και Εξόρυξη Γνώμης (Dave, Lawrence, & Pennock, 2003).
Ακόμη, οι Hu και Liu (2004) ήταν ανάμεσα στους πρώτους ερευνητές που
εφάρμοσαν την μέθοδο εξόρυξης κειμένου σε διαδικτυακές αξιολογήσεις
προϊόντων από πελάτες. Η μελέτη τους είχε ως αντικείμενο τη δημιουργία
περιλήψεων των διαδικτυακών αξιολογήσεων των πελατών, οι οποίες να βασίζονται
στα χαρακτηριστικά των προϊόντων. Πιο συγκεκριμένα, στα πλαίσια της έρευνας, το
επίπεδο θετικού ή αρνητικού συναισθήματος αξιολογούνταν και συνοψιζόταν για
κάθε χαρακτηριστικό του προϊόντος που περιλαμβάνονταν στην αξιολόγηση. Η
μελέτη αυτή είχε καθοριστική συνεισφορά καθώς εισήγαγε την μέθοδο Ανάλυσης
Συναισθήματος στον τομέα του μάρκετινγκ , χρησιμοποιώντας πραγματικές
διαδικτυακές αξιολογήσεις, ανοίγοντας παράλληλα το δρόμο για μεταγενέστερες
εφαρμογές της μεθόδου σε διάφορους τομείς, όπως η φιλοξενία και ο τουρισμός.
31
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
32
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
33
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
34
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
5.1. Mentionlytics
Το Mentionlytics αποτελεί ένα σύστημα
Web & Social Media Monitoring. Αυτό
που το διαφοροποιεί από τα ήδη
υπάρχοντα συστήματα είναι ότι
καταφέρνει να αντλήσει χιλιάδες αναφορές, βοηθώντας ουσιαστικά τα brands να
χτίσουν μια αξιόπιστη εικόνα για τους χρήστες τους. Η παρακολούθηση ολόκληρου
του ιστού και όχι μόνο συγκεκριμένων ιστοχώρων, καθώς και η υποστήριξη σχεδόν
όλων των δημοφιλών Social Media, πιο συγκεκριμένα των Facebook, Twitter,
Youtube και Instagram, καθιστά το Μentionlytics την νέα καινοτόμα δύναμη στην
ανακάλυψη των mentions σε παγκόσμιο επίπεδο. O όγκος της πληροφορίας που
δημιουργείται καθημερινά τόσο από τους χρήστες του διαδικτύου, όσο και από τα
εκατομμύρια online media, δεν μπορεί να αγνοηθεί από τα brands που ολοένα και
εκφράζουν την ανάγκη για ανάλυση και εκμετάλλευσή τους.
Με τη χρήση του Mentionlytics ο καθένας μπορεί να δει με έναν εξαιρετικά
εύχρηστο τρόπο και σε πραγματικό χρόνο ό,τι αναφέρεται στο διαδίκτυο για την
εταιρεία, τα προϊόντα, την αγορά αλλά και τους ανταγωνιστές του. Αρχικά το
σύστημα υποστήριζε Ανάλυση Συναισθήματος (Sentiment Analysis) μόνο στα
Αγγλικά, όμως πρόσφατα ολοκληρώθηκε η επέκταση της υποστήριξης σε πολλές
νέες γλώσσες, συμπεριλαμβανόμενων και των Ελληνικών.
Σκοπός της δημιουργίας του Mentionlytics είναι να χρησιμοποιείται από πολλές
μικρές και μεγάλες επιχειρήσεις αλλά και δημόσια πρόσωπα σε όλο τον κόσμο,
ώστε να μπορούν χωρίς κόπο να παρακολουθούν την διαδικτυακή φήμη τους. Με
αυτό τον τρόπο μπορούν να βελτιώνουν τις υπηρεσίες τους και την εικόνα τους
συνεχώς, βασιζόμενοι σε πραγματικό feedback από τον κόσμο.
35
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Χαρακτηριστικά
Εικόνα 11: Απεικόνιση αναφορών στα κοινωνικά δίκτυα και στο Web.
36
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Αγορά-Στόχος
Καθώς η ανάγκη των brands να παρακολουθούν την ηλεκτρονική τους φήμη
καθίσταται όλο και πιο απαιτητική, επεκτείνεται και στις μικρότερες επιχειρήσεις
αλλά και σε ιδιώτες (καλλιτέχνες, πολιτικούς, διασημότητες κ.λπ.) που θα
μπορούσαν να χρησιμοποιήσουν αυτόν τον πλούτο των online πληροφοριών για να
βελτιώσουν την εικόνα τους και να οικοδομήσουν μια ισχυρή διαδικτυακή
κοινότητα. Η αποστολή του Mentionlytics είναι να παρέχει αυτόματα αυτό το
37
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
5.2. Talkwalker
Το Talkwalker είναι μια πλατφόρμα
ανάλυσης των κοινωνικών μέσων που
έχει σχεδιαστεί για να μπορεί μία
εταιρεία να βελτιστοποιήσει αλλά και
να ενισχύσει την επωνυμία της.
Παρέχει πληροφορίες σχετικά με τον τρόπο με τον οποίο οι άνθρωποι μιλούν για
μία επωνυμία στους ιστότοπους κοινωνικών μέσων όπως το Facebook, το Twitter
κ.λπ. Τα αναλυτικά στοιχεία και οι αναφορές σε πραγματικό χρόνο δίνουν μια
ολοκληρωμένη εικόνα για την απόδοση της επωνυμίας ή και των σχετικών
δημοσιεύσεών, με αποτέλεσμα να μπορούν να γίνονται καλύτερες ενέργειες για τις
καμπάνιες των κοινωνικών μέσων από τη πλευρά των εταιρειών που χρησιμοποιούν
το Talkwalker.
Με σχεδόν 185 διαφορετικές γλώσσες και κάλυψη σε περισσότερους από 150
εκατομμύρια ιστότοπους σε όλο τον κόσμο, το Talkwalker μπορεί να αντλήσει τις
38
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Xαρακτηριστικά:
• Κοινωνική Ακρόαση-Παρακολούθηση σε πραγματικό χρόνο τι λένε οι πελάτες
για τις επωνυμίες, τα προϊόντα ή τις καμπάνιες της εταιρείας.
• Έρευνα τάσεων σε πραγματικό χρόνο με τη λειτουργία Trending Score.
• Χαρτογράφηση των αναφορών σε έναν παγκόσμιο χάρτη. Ο χάρτης Virality,
όπως ονομάζεται παρέχει πλήρεις και διαδραστικές λεπτομέρειες σχετικά με
διαφορετικές τάσεις σε όλο τον κόσμο, ώστε να μπορεί μία εταιρεία να
σχεδιάσει τις καμπάνιες μάρκετινγκ της όσο το δυνατόν πιο αποτελεσματικά.
• Λήψη δημογραφικών πληροφοριών, όπως ηλικία, φύλο και επάγγελμα του
κοινού.
• Δυνατότητα ανάλυσης τόσο κειμένου όσο και εικόνων, εξοικονομώντας με
αυτόν τον τρόπο χρόνο και προσπάθεια. Υπάρχουν 30 χιλιάδες ή και
περισσότερες μάρκες στη βάση δεδομένων στο Talkwalker. Επομένως,
παρέχει πληροφορίες βάσει του επίσημου λογότυπου της κάθε εταιρείας
ανάλογα με το πού εμφανίζεται στα κοινωνικά μέσα.
• Η πλατφόρμα προσφέρει προϊόντα όπως το Command Center, AI Engine, Free
Tools, Configurable Alerts, Analytics, Image/ Video Recognition, Influencer
One, Quick Search και Sentiment Analysis.
39
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υποστηριζόμενες Πλατφόρμες:
Facebook, Twitter, Instagram, YouTube, LinkedIn
Αγορά-Στόχος:
Το Talkwalker δίνει τη δυνατότητα σε εταιρείες όλων των μεγεθών να προσφέρουν
πραγματική αξία για τους πελάτες.
Τιμή:
Το Talkwalker λειτουργεί σε συνδρομή, χρεώνεται ετησίως, με τρία διαφορετικά
επίπεδα υπηρεσιών. Η κύρια διαφορά μεταξύ κάθε επιπέδου είναι πόσα
αποτελέσματα που εξάγει.
40
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
5.3. Synthesio
Η Synthesio, μια εταιρεία τεχνολογίας
Ipsos, είναι από τις σημαντικότερες
πλατφόρμες κοινωνικής ακρόασης και
δημοσιεύτηκε από μια ανεξάρτητη
ερευνητική εταιρεία. Το Synthesio
παρέχει σε brands και εταιρείες σε όλο τον κόσμο εργαλεία κοινωνικής ακρόασης
και πληροφορίες σχετικά με το κοινό, για τη μέτρηση του αντίκτυπου των
κοινωνικών συνομιλιών στα κοινωνικά μέσα.
Το Synthesio Social Media Intelligence Suite εμφανίζει ενεργές πληροφορίες - τόσο
ποιοτικές όσο και ποσοτικές - από την πιο εκτεταμένη συλλογή δεδομένων στην
αγορά. Οι επιχειρηματικές μονάδες μπορούν να αξιοποιήσουν τους πίνακες
ελέγχου (dashboards) Synthesio, τις προσαρμόσιμες αναφορές (customizable
reports) και τις οθόνες του κέντρου εντολών κοινωνικών μέσων ( social media
command center displays) - σε συνδυασμό με τις υπηρεσίες κοινωνικής ευφυΐας
Ipsos (Ipsos social intelligence services) - για τη λήψη στρατηγικών επιχειρηματικών
αποφάσεων.
41
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Xαρακτηριστικά:
• Tεχνολογία επεξεργασίας φυσικής γλώσσας - Natural Language Processing
(NLP) που εμφανίζει αυτόματα θέματα και τάσεις σε περισσότερα από 30
γραφικά στοιχεία οπτικοποίησης δεδομένων
• Tεχνολογία μηχανικής εκμάθησης Synthesio - Automated Sentiment Analysis
(ASA) σε περισσότερες από 20 γλώσσες. Επίσης παρέχει στους πελάτες την
ευελιξία να συγκεντρώνουν και να οπτικοποιούν όλα τα δεδομένα τους σε
μία τοποθεσία.
• Εξαγωγή πληροφοριών: Πρωταρχικός σκοπός του Synthesio είναι η εξαγωγή
ενεργών πληροφοριών που είναι διαθέσιμες στον ιστό. Πρόκειται για μια
υπερσύγχρονη λύση που βελτιώνει τα δεδομένα.
• Διαμορφώσιμα Dashboards (Configurable Dashboards) : Το σύστημα παρέχει
ένα προσαρμόσιμο ταμπλό που μπορεί να προσαρμοστεί ώστε να ικανοποιεί
τις ανάγκες συγκεκριμένων επιχειρήσεων. Κάθε dashboard εξαρτάται από
την εταιρεία που αξιολογεί τα δεδομένα για να προσδιορίσει εάν ταιριάζει
στις επιχειρηματικές τους απαιτήσεις.
Αγορά-Στόχος:
Το Synthesio απευθύνεται αποκλειστικά σε μεγάλες επιχειρήσεις.
Τιμή:
Το Synthesio παρέχει το λογισμικό του σύμφωνα με τις απαιτήσεις των χρηστών
του. Επομένως υπάρχει ευελιξία και ως προς την τιμή του που προσαρμόζεται
42
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
σύμφωνα με τις ανάγκες της εκάστοτε επιχείρησης. Οι πελάτες ξεκινούν με μια τιμή
εκκίνησης περίπου 1.200 $ ανά μήνα που παρέχει το μικρότερο αριθμό
διαμορφώσιμων dashboards. Tο Synthesio μετρά πολλές από τις μεγάλες
παγκόσμιες μάρκες ως πελάτες και δηλώνει ότι ορισμένοι πελάτες διατηρούν
περισσότερους από 50 πίνακες ελέγχου.
5.4. Brandwatch
Το Brandwatch είναι ένα από
τα πιο σημαντικά εργαλεία
παρακολούθησης κοινωνικών
μέσων. Προσφέρει μια ισχυρή
και αποτελεσματική πλατφόρμα παρακολούθησης και ανάλυσης κοινωνικών μέσων
που επιτρέπει στην επιχείρηση να συλλέγει, να αναλύει και να χρησιμοποιεί
σχετικές επιχειρηματικές πληροφορίες σχετικά με τα δεδομένα κοινωνικών μέσων.
Δίνει επίσης τη δυνατότητα κατανόησης των συζητήσεων των κοινωνικών μέσων για
την όποια επωνυμία. Ανιχνεύει στο διαδίκτυο ογκώδη δεδομένα κοινωνικών μέσων
από τουλάχιστον 90 εκατομμύρια πηγές και σε 27 γλώσσες.
Xαρακτηριστικά:
• Ειδοποιήσεις σε πραγματικό χρόνο: Εντοπισμός ασυνήθιστης
δραστηριότητας ή αναδυόμενων κρίσεων και αποστολή αυτόματων
ειδοποιήσεων απευθείας σε σχετικούς εσωτερικούς και εξωτερικούς
ενδιαφερόμενους.
• Παροχή χρήσιμων πληροφοριών για τις επιχειρήσεις από τη συλλογή
στοιχείων, όπως μεταδεδομένα (metadata) και γεωγραφική τοποθεσία.
43
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υποστηριζόμενες Πλατφόρμες:
Twitter, Facebook, Instagram, LinkedIn, Google
Αγορά-Στόχος:
To Brandwatch παρέχει ένα σημείο εκκίνησης για τις μικρές επιχειρήσεις με βασικές
ανάγκες. Το Brandwatch έχει αναπτύξει μια πλατφόρμα κοινωνικής ευφυΐας για
μεγαλύτερους οργανισμούς, έχοντας κατά νου πιο εξελιγμένες χρήσεις. Επομένως
συνίσταται για επιχειρήσεις μεγάλου μεγέθους.
Τιμή:
5.5. Awario
Το Awario είναι ένα εργαλείο για την
παρακολούθηση κοινωνικών μέσων και
ιστού για επιχειρήσεις οποιουδήποτε
μεγέθους. Η χρήση του Awario, πιο συγκεκριμένα, αφορά την παρακολούθηση των
αναφορών επωνυμιών , των ανταγωνιστών, της βιομηχανίας ή ακόμα δίνει και τη
δυνατότητα δημιουργίας σύνθετων ερωτημάτων για τις λιγότερο προφανείς
περιπτώσεις χρήσης. Για παράδειγμα, επιτρέπει τον εντοπισμό λογοτυπικών
αντιγράφων του περιεχομένου μίας επωνυμίας , την εύρεση αναφορών επωνυμίας
χωρίς σύνδεση με δυνατότητα μετατροπής σε συνδέσμους και την παρακολούθηση
νέων συνδέσμων προς τον ιστότοπo μιας εταιρείας.
44
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Xαρακτηριστικά:
• Λειτουργία σύνθετης αναζήτησης για τη ρύθμιση ευέλικτων ερωτημάτων και
τη βελτίωση της ακρίβειας των αποτελεσμάτων.
• Λειτουργία Influencer Tracking. Πρόκειται για τις αναφορές Influencers που
περιγράφει τους πιο σημαντικούς ανθρώπους που μιλούν για μια επωνυμία,
τους ανταγωνιστές ή τον κλάδο.
• Δωρεάν πρόσθετο εργαλείο κοινωνικής πώλησης, που ονομάζεται Leads,
για αναζητήσεις πωλήσεων στα μέσα κοινωνικής δικτύωσης. Το εργαλείο
χρησιμοποιεί προγνωστικά στοιχεία για να βρίσκει άτομα που ζητούν
προτάσεις σχετικά με ένα προϊόν ή αναζητούν μια εναλλακτική λύση για
τους ανταγωνιστές.
• Αναλυτικά στοιχεία εταιρικού επιπέδου, όπως ανάλυση συναισθήματος,
ανάλυση τοποθεσίας και γλώσσας και απεριόριστα ιστορικά δεδομένα.
Υποστηριζόμενες Πλατφόρμες:
Facebook, Twitter, Instagram, YouTube, Google+, Reddit, blogs, web.
Αγορά-Στόχος:
Tο Awario είναι ιδανικό για μικρές και μεσαίες επιχειρήσεις που επιθυμούν να
παρακολουθούν τις αναφορές των επωνυμιών τους, να παρακολουθούν τους
ανταγωνιστές και να βρίσκουν ευκαιρίες πώλησης. Το ίδιο συμβαίνει και με
agencies που θέλουν να κάνουν τις ίδιες ενέργειες για τους πελάτες τους.
45
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Τιμή:
Η τιμολόγηση του Awario ξεκινά από 29,00 $ ανά μήνα για το πρόγραμμα Starter
και μπορεί να φτάσει έως 299$ ανά μήνα για το πρόγραμμα Enterprise. Δεν
διαθέτει δωρεάν έκδοση αλλά προσφέρει δωρεάν δοκιμή.
5.6. Mention
Το Mention είναι ένα εργαλείο
παρακολούθησης κοινωνικών
μέσων και ιστού. Σαν εργαλείο
παρακολούθησης μέσων παρέχει
ειδοποιήσεις σε πραγματικό χρόνο για λέξεις-κλειδιά (keywords) και επιτρέπει
στους χρήστες να παρακολουθούν εκατομμύρια πηγές σε 42 γλώσσες. Βοηθά
επίσης στην οικοδόμηση σχέσεων, δημιουργεί δυνητικούς πελάτες και προστατεύει
τη φήμη των επιχειρήσεων που το επιλέγουν.
46
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Χαρακτηριστικά:
• Δυνατότητα άμεσης ορατότητας μέσω μίας από τις εφαρμογές της
επιχείρησης (Ιστός, Επιτραπέζιος υπολογιστής, iPhone ή Android) σε
περίπτωση που κάποιος χρήστης των social media μιλάει για την επιχείρηση
ή την επωνυμία της. Πιο συγκεκριμένα, παρέχει τη δυνατότητα λήψης
καθημερινών συνοπτικών ειδοποιήσεων που δείχνουν τις αναφορές για μια
συγκεκριμένη ημέρα. Αυτή η λειτουργεία του Mention καλύπτει μία
σημαντική ανάγκη των εταιρειών για γρήγορη ανταπόκριση στα αιτήματα,
ερωτήματα ή και παράπονα των πελατών τους αλλά και στη
παρακολούθηση των ανταγωνιστών τους.
• Δυνατότητα ρύθμισης των ειδοποιήσεων για το όνομα της επιχείρησης, τις
λέξεις-κλειδιά ή τους ανταγωνιστές και έπειτα μπορεί να γίνει λήψη αυτών
των ειδοποιήσεων μέσω e-mail ή διαφορετικά υπάρχει και η επιλογή
απευθείας ελέγχου τους στην εφαρμογή.
• Δυνατότητα επιλογής για εύρεση περισσότερων λεπτομερειών στις
«αναφορές». Για παράδειγμα, εάν στην εφαρμογή μία επιχείρηση δει ότι το
όνομά της αναφέρθηκε σε έναν ιστότοπο, μπορεί να κάνει κλικ σε αυτό και
να προβάλει τον ιστότοπο απευθείας στην εφαρμογή αναφοράς. Εάν μία
επιχείρηση βρεί ένα tweet, μπορεί να δει το βιογραφικό του ατόμου που
έστειλε το tweet πριν αποφασίσει να απαντήσει.
Υποστηριζόμενες πλατφόρμες:
Twitter, Facebook, Instagram, ιστολόγια, forums
47
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Τιμή:
To Mention δίνει την επιλογή σε κάθε επιχείρηση να επιλέξει το πακέτο που
ταιριάζει στους στόχους παρακολούθησης και δημοσίευσης των κοινωνικών μέσων
της στο διαδίκτυο. Το εύρος κυμαίνεται από 0-450$ ανά μήνα.
5.7. Sproutsocial
Το Sprout Social είναι μια
πλατφόρμα διαχείρισης και
βελτιστοποίησης κοινωνικών
μέσων για επωνυμίες και
εταιρείες όλων των μεγεθών. Αποτελεί μια ολοκληρωμένη πλατφόρμα διαχείρισης
για όλες τις ανάγκες μίας εταιρείας στα μέσα κοινωνικής δικτύωσης, καθώς της
επιτρέπει να χτίσει και να διατηρήσει την κοινότητά της, διευκολύνοντας την
έναρξη, τη συμμετοχή και την παρακολούθηση κοινωνικών συνομιλιών. Οι
δυνατότητες CRM 9 (Customer Relationship Management) μπορεί να το κάνουν
χρήσιμο και για τις μικρότερες επιχειρήσεις που αναζητούν έναν τρόπο καταγραφής
πληροφοριών σχετικά με τους δυνητικούς πελάτες τους.
9
Το CRM (Customer Relationship Management ή Διαχείριση Πελατειακών Σχέσεων) είναι μία λύση
λογισμικού, η οποία διευκολύνει μια εταιρεία κατά την αλληλεπίδρασή της με τους πελάτες της,
υφιστάμενους και δυνητικούς.
48
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Χαρακτηριστικά:
• Δυνατότητα πιο συγκεκριμένων αναζητήσεων για τους χρήστες με σκοπό να
διασφαλίσουν ότι οι περισσότερες από τις αναφορές αφορούν πραγματικά
την εταιρεία τους.
• Διαθέτει λογισμικό SaaS 10 (Software as a Service)
που προωθεί την επικοινωνία μεταξύ επιχειρήσεων και ανθρώπων.
• Λειτουργία Smart Inbox όπου επιτρέπει τη δημιουργία μιας καλύτερης
σχέσης με τους πελάτες της εταιρείας με γρήγορες απαντήσεις σε τυχόν
ερωτήσεις ή προβλήματα που μπορεί να έχουν.
• Παροχή ποικίλων εργαλείων για τη βελτιστοποίησή των σχεδίων μάρκετινγκ
της επιχείρησης.
• Επιταχύνει τη συλλογή δεδομένων, με τρόπο που μία εταιρεία μπορεί
εύκολα να αποδείξει την απόδοση μίας επένδυσης της με αποτέλεσμα την
άμεση ενημέρωση της στρατηγικής της.
Αγορά-Στόχος:
Το Sprout Social απευθύνεται τόσο σε μικρές όσο και σε μεσαίες εταιρείες, αλλά και
σε Freelancers.
10
Το SaaS είναι μια λύση λογισμικού που επιτρέπει την πρόσβαση στα δεδομένα από οποιαδήποτε
συσκευή με σύνδεση στο Διαδίκτυο και πρόγραμμα περιήγησης στο Web
49
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Τιμή: Το εύρος της τιμής ξεκινάει από τα $99 το μήνα έως και $249 το μήνα. Επίσης,
προσφέρει και δωρεάν δοκιμή.
5.8. Hootsuite
Το Hootsuite θεωρείται πολύ καλό για τη
διαχείρηση πολλών λογαριασμών
κοινωνικών μέσων με σύνδεση σε έναν μόνο πίνακα ελέγχου. Είναι σημαντικό να
σημειωθεί ότι η πρόσβαση στο Hootsuite γίνεται απευθείας από το πρόγραμμα
περιήγησης που χρησιμοποιεί η εταιρεία και ότι δεν χρειάζεται να γίνει
εγκατάσταση λογισμικού στο σύστημά της.
Το Hootsuite αναφέρεται ως η πιο διαδεδομένη πλατφόρμα διαχείρισης κοινωνικών
μέσων με περισσότερους από 16 εκατομμύρια χρήστες παγκοσμίως. Έχει σχεδιαστεί
για οργανισμούς που εκτελούν στρατηγικές σε πολλά δίκτυα κοινωνικών μέσων,
όπως το Facebook, το Instagram, το Twitter, το Linkedin, το Pinterest και το
YouTube.
50
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Χαρακτηριστικά:
• Λειτουργία μαζικού χρονοδιαγράμματος που επιτρέπει να γίνονται
προγραμματισμένες αναρτήσεις.
• Λειτουργία Hootsuite Insights που παρέχει πρόσβαση σε δεδομένα από
περισσότερες από 100 εκατομμύρια πηγές σε πραγματικό χρόνο, σε
περισσότερες από 50 γλώσσες, σε 25+ κοινωνικά δίκτυα και άλλες
πλατφόρμες. Αυτό έχει σαν αποτέλεσμα, η εξαγωγή αποτελεσμάτων ανά
τοποθεσία, γλώσσα και φύλο να γίνεται πολύ πιο εύκολα.
• Ενημέρωση σε περιπτώσεις ασυνήθιστης αύξησης του όγκου πληροφοριών
ή άλλων μέτρων.
• Παροχή Hootlet extension για την άμεση δημοσίευση περιεχομένου από
οποιαδήποτε ιστοσελίδα, χωρίς την ανάγκη σύνδεσης σε διαφορετικούς
λογαριασμούς στα social media.
• Παροχή λογισμικού Proofpoint που παρέχει ασφάλεια υψηλού επιπέδου σε
λογαριασμούς επιπέδου Enterprise.
• Παροχή ReviewTrackers, ένα εργαλείο λογισμικού που ενσωματώνεται με το
Hootsuite για τη λήψη κριτικών από περισσότερους από 85 ιστότοπους με
σκοπό να προστατεύεται και να βελτιώνεται η φήμη της επωνυμίας.
• Hootsuite Ads, μια συνεργατική πλατφόρμα που απλοποιεί τη ροή εργασιών
διαφήμισης, καθιστώντας ευκολότερη τη δοκιμή και κατ’ επέκταση την
υλοποίηση δημιουργικότερων καμπανιών.
51
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υποστηριζόμενες πλατφόρμες:
Facebook, Instagram, YouTube, LinkedIn, Twitter, Pinterest, Google+, blogs, forums
κ.α.
Τιμή:
Για το Hootsuite η τιμή κυμαίνεται από 25€ το μήνα έως και 599€ το μήνα για τις
μεγάλες επιχειρήσεις.
5.9. Brand24
Το Brand24 είναι ένα ισχυρό αλλά προσιτό
εργαλείο για όσους θέλουν να
εμβαθύνουν στην παρακολούθηση των
κοινωνικών μέσων. Εκτός από τις μεγάλες
πλατφόρμες κοινωνικών μέσων, το
Brand24 παρακολουθεί επίσης ιστολόγια, φόρουμ και άλλους ιστότοπους για
αναφορές επωνυμίας. Εκτός από τη δυνατότητα που δίνει σε μία εταιρεία για
συλλογή των αναφορών της, αναλύει την προσέγγιση των μέσων κοινωνικής
δικτύωσης, τις αλληλεπιδράσεις, το συναίσθημα και πολλά άλλα. Πρόκειται επίσης
για ένα εργαλείο παρακολούθησης μέσων που βασίζεται σε τεχνολογία AI και
52
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Χαρακτηριστικά:
• Παρακολούθηση λέξεων-κλειδιών σε διάφορες πλατφόρμες κοινωνικών
μέσων, όπως το Facebook, το Instagram, το Twitter, το TikTok και το
YouTube. Με βάση τις αναφορές, υπολογίζει την προσέγγιση των μέσων
κοινωνικής δικτύωσης και παρακολουθεί την απόδοση των hashtags.
• Discussion Volume Chart που προσδιορίζει τις ξαφνικές αλλαγές στον όγκο
των συζητήσεων με σκοπό την προστασία της εταιρικής φήμης. Στο πλαίσιο
αυτής της λειτουργίας.
• Δυνατότητα προσαρμογής των ειδοποιήσεων (alerts) με βάση της ανάγκες
της κάθε επιχείρησης.
53
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υποστηριζόμενες πλατφόρμες:
Facebook, Instagram, Twitter, Tik Tok, Youtube, Pinterest, Blogs, Forums κ.α.
Αγορά-Στόχος:
Το Brand24 απευθύνεται τόσο σε μικρές, μεσαίες όσο και σε μεγάλες επιχειρήσεις.
Τιμή:
Η τιμολόγηση στο Brand24 ξεκινά από 49$ και φτάνει έως 199$ το μήνα.
5.10. Digimind
Το Digimind Social είναι μια
διαδικτυακή πλατφόρμα που
εστιάζει στην ανάλυση κοινωνικών
μέσων για επιχειρήσεις. Ως εργαλείο
ανάλυσης κοινωνικών μέσων, το Digimind παρακολουθεί απεριόριστες πηγές
κοινωνικών μέσων και ιστού και ταξινομεί αναφορές κατά προσέγγιση. Επιτρέπει
54
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
στην εταιρεία που το χρησιμοποιεί να "ακούει" συνομιλίες που έχουν σημασία για
εκείνη σε πραγματικό χρόνο, παρέχοντας ενημερωμένες πληροφορίες και δεδομένα
που απαιτούνται για την προώθηση στρατηγικών μάρκετινγκ.
Xαρακτηριστικά:
• Ευκολία πρόσβασης και ανάλυση μεγάλων ποσοτήτων πληροφοριών με
λεπτομερή εξατομίκευση που επιτρέπει στις εταιρείες να εστιάζουν στην
καλύτερη δυνατή αλληλεπίδραση με τους καταναλωτές.
• Παροχή λογισμικού ευφυΐας (Intelligence Software) σε πραγματικό χρόνο
που βοηθά την πλήρη κατανόηση των τάσεων της αγοράς, της γνώσης των
καταναλωτών και του ανταγωνιστικού περιβάλλοντος.
• Λειτουργία Digimind AI (Artificial Intelligence) Sense που αξιοποιεί την
υβριδική προσέγγιση της μηχανικής μάθησης και της Επεξεργασίας Φυσικής
Γλώσσας (NLP), καθώς και τις δυνατότητες αναγνώρισης εικόνας (Image
Recognition), επιτρέποντας μια εντελώς νέα εμπειρία χρήστη.
• Έξυπνη ταξινόμηση (Smart Classification) : Η έξυπνη ταξινόμηση είναι η
αυτοματοποιημένη επισήμανση των αναφορών με βάση τη λογική των
χρηστών για άμεση και σχετική οργάνωση δεδομένων.
• Ανάλυση συναισθήματος (Sentiment Analysis): Οι αλγόριθμοι μηχανικής
μάθησης και NLP για ανάλυση συναισθημάτων έχουν εκπαιδευτεί σε
χιλιάδες εξειδικευμένες αναφορές, παρέχοντας έτσι υψηλότερα επίπεδα
ακρίβειας.
55
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υποστηριζόμενες πλατφόρμες:
Twitter, Facebook, Instagram, Blogs, forums
Αγορά-Στόχος:
To Digimind απευθύνεται κυρίως σε μεσαίες και μεγάλες επιχειρήσεις.
Τιμή:
Το Digimind παρέχει το λογισμικό του σύμφωνα με τις απαιτήσεις των χρηστών του.
Συνοδεύεται από ευέλικτη τιμολόγηση που προσαρμόζεται σύμφωνα με τις ανάγκες
της εκάστοτε επιχείρησης.
56
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
6.1. Mentionlytics
Με την εισαγωγή της παραπάνω λέξης – κλειδί στην εν λόγω πλατφόρμα, αρχικά
εμφανίζεται ο πίνακας ελέγχου (dashboard) όπου απεικονίζει όλες τις λειτουργίες
του εργαλείου, δίνοντας τη δυνατότητα επιλογής των social media για το οποία ο
χρήστης επιθυμεί να πληροφορηθεί.
Dashboard Mentionlytics
57
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
58
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
59
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
60
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
61
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
• Keyword/tag Cloud
Αποτελείται από λέξεις κλειδιά (keywords) ή ετικέτες (tags) τα οποία έχουν
χρησιμοποιηθεί κατά την αναζήτηση των χρηστών. Οι ετικέτες είναι συνήθως
μεμονωμένες λέξεις και η σημασία κάθε ετικέτας εμφανίζεται με διαφορετικό
μέγεθος ή χρώμα γραμματοσειράς, με το μεγαλύτερο μέγεθος να συνεπάγεται
μεγαλύτερη χρήση.
62
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
• Web Mentions
Αφορά στην ανάλυση αποκλειστικά ως προς τη σχετική δραστηριότητα που
εμφανίζεται σε websites (web mentions).
63
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
64
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
• Twitter Mentions
• Facebook Mentions
Αφορά στην ανάλυση αποκλειστικά ως προς τη σχετική δραστηριότητα που
εμφανίζεται στο Facebook.
65
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
• Youtube Mentions:
Αφορά στην ανάλυση αποκλειστικά ως προς τη σχετική δραστηριότητα που
εμφανίζεται στο Youtube.
• Instagram Mentions:
Αφορά στην ανάλυση αποκλειστικά ως προς τη σχετική δραστηριότητα που
εμφανίζεται στο Instagram.
66
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
6.2. Brand24
Εργαζόμενοι αντίστοιχα, με την εισαγωγή της επιλεγμένης λέξης – κλειδί στην εν
λόγω πλατφόρμα, αρχικά εμφανίζεται ο πίνακας ελέγχου του Brand24 με τα
διαγράμματα των αναφορών που σχετίζονται με το airbnb καθώς και της ανάλυσης
συναισθήματος.
Στη συνέχεια εμφανίζεται ο αριθμός των θετικών και αρνητικών αντιδράσεων των
χρηστών όσον αφορά το airbnb, όπως προκύπτει από την ανάλυση συναισθήματος.
Dashboard Brand24
Σχετικά με τις αναφορές, η πλατφόρμα Brand24 όπως φαίνεται και στην εικόνα
παρέχει πληροφορίες για το πως αυτές επιμερίζονται στις διάφορες κατηγορίες
μέσων κοινωνικής δικτύωσης. Με το Web να συσσωρεύει τις περισσότερες
αναφορές για το Airbnb (48.5%) και με το Twitter να συγκεντρώνει τις λιγότερες
αναφορές (0.8%).
67
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
• Context of a discussion:
Αναφέρεται στις περισσότερο χρησιμοποιούμενες λέξεις κατά τις συζητήσεις μεταξύ
των χρηστών ή κατά την αναζήτησή τους.
68
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
69
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Τέλος, παρουσιάζονται τα πιο δημοφιλή καθώς και τα πιο ενεργά προφίλ. Βάση των
αποτελεσμάτων, το Tweeter και το Youtube φαίνεται να είναι τα πιο δημοφιλή.
70
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
71
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
72
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Υπάρχει και στα δύο εργαλεία η δυνατότητα συλλογής στοιχείων μέχρι ενός έτους
πιο πριν. Ωστόσο, δεν υπάρχει η εμφάνιση των τάσεων σε μεγαλύτερο βάθος
χρόνου.
Η δυνατότητα αυτή υφίσταται μόνο στο Mentionlytics και αφορά στην κατανομή
των χρηστών ανά χώρα η οποία εμφανίζεται τόσο με σχετικό χάρτη (με των αριθμό
των αναφορών) όσο και με τη μορφή γραφημάτων (με τα αντίστοιχα ποσοστά).
Αντίθετα, στο Brand24 δεν εμφανίζει σχετικά αποτελέσματα.
73
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
74
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
7. ΣΥΜΠΕΡΑΣΜΑΤΑ
Στην παρούσα εργασία παρουσιάσθηκε το θεωρητικό πλαίσιο της ανάλυσης
δικτύων -στο βαθμό που κρίθηκε αναγκαίο- με περιγραφή των δομικών στοιχείων
αυτών, χρήσιμων δεικτών, καθώς επίσης των κυριότερων μοντέλων, ως έχουν
μελετηθεί από γνωστούς ερευνητές και προκύπτουν βάσει της διεθνούς
βιβλιογραφίας. Εν συνεχεία, παρατέθηκαν τα βασικά στοιχεία καθώς επίσης η
εξέλιξη των δημοφιλέστερων μέσων κοινωνικής δικτύωσης, ως εμφανίστηκαν στον
ψηφιακό κόσμο τα τελευταία χρόνια. Αναμφίβολα, δεν θα μπορούσε να
παραληφθεί η συνοπτική εξέταση της τεχνικής της ανάλυσης συναισθήματος και τα
κυριότερα σημεία αυτής, όπως εφαρμόζεται στα μέσα κοινωνικής δικτύωσης.
Περαιτέρω, δεδομένου ότι αντικείμενο της εργασίας αποτέλεσε η σύγκριση
εργαλείων ανάλυσης κοινωνικών μέσων, παρουσιάσθηκαν συνοπτικά δέκα σχετικά
εργαλεία/πλατφόρμες στην Ελλάδα και διεθνώς, τα οποία χρησιμοποιούν και
αξιοποιούν δεδομένα προερχόμενα από την αλληλεπίδραση μεταξύ των χρηστών
στα μέσα κοινωνικής δικτύωσης. Τα εργαλεία αυτά, παρουσιάζουν κοινά σημεία και
διαφορές που εν πολλοίς οφείλονται στον τύπο των δεδομένων/στοιχείων που
εισάγουν, στον τρόπο επεξεργασίας/ανάλυσης αυτών, καθώς και
εξαγωγής/εμφάνισης των αποτελεσμάτων, τα οποία προφανώς καλύπτουν
διαφορετικές ανάγκες και απευθύνονται σε διαφορετικό κοινό/καταναλωτές (π.χ.
ατομικό – επιχειρηματικό/εταιρικό επίπεδο, μέγεθος εταιρειών/επιχειρήσεων και
αντικείμενο αυτών κ.λπ.).
Εν προκειμένω, κατά την σύγκριση των εργαλείων ανάλυσης κοινωνικών μέσων που
επιλέχθηκαν στο πλαίσιο της παρούσας εργασίας, παρατηρήθηκαν ενδεικτικά τα
εξής:
• Για το κάθε εργαλείο που αναλύθηκε, η αγορά - στόχος ήταν κατά κύριο
λόγο επιχειρήσεις (είτε μικρού, είτε μεσαίου, είτε μεγάλου μεγέθους). Το
Mentionlytics είναι το μόνο που απευθύνεται και σε ιδιώτες ενώ αντίθετα το
Synthesio είναι το μόνο που απευθύνεται αποκλειστικά σε μεγάλες
επιχειρήσεις. To Brandwatch από την άλλη, παρότι προσανατολίζεται κυρίως
προς μεγάλες επιχειρήσεις, παρέχει σημείο εκκίνησης και για μικρές,
καλύπτοντας τις βασικές τους ανάγκες.
• Σε επίπεδο δοκιμής των εργαλείων, κάποια παρέχουν δωρεάν δοκιμή (Free
Trial) ενώ άλλα δίνουν τη δυνατότητα δημιουργίας εξατομικευμένου demo,
συνήθως με τη βοήθεια ομάδων υποστήριξης. Παρά το γεγονός ωστόσο της
δωρεάν δοκιμής, σε κάποια από αυτά, μερικά αποτελέσματα (π.χ.
διαγράμματα) δεν ήταν εμφανή.
• Υφίστανται διαφοροποιήσεις ως προς την άντληση των στοιχείων, όσον
αφορά τις υποστηριζόμενες πλατφόρμες που παρέχει το καθένα εργαλείο
(π.χ. δεν αντλούν όλες στοιχεία για το Youtube)
75
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
76
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
8. ΒΙΒΛΙΟΓΡΑΦΙΑ
Alaei, A. R., Becken, S., & Stantic, B. (2019). Sentiment analysis in tourism:
capitalizing on big data. Journal of Travel Research, 58(2), 175-191.
Baird, C. H., & Parasnis, G. (2011). From social media to social customer relationship
management. Strategy & leadership, 3(5), 30–37.
Blondel, V. D., Guillaume, J. L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of
communities in large networks. Journal of statistical mechanics: theory
and experiment, 2008(10), P10008.
Boccaletti, S., Latora, V., Moreno, Y., Chavez, M., & Hwang, D. U. (2006). Complex
networks: Structure and dynamics. Physics reports, 424(4-5), 175-308.
Carbonell, J.G. (1981). “Subjective Understanding: Computer Models of Belief
Systems”, retrieved from Ann Arbor, United States.
Costa, L. D. F., Rodrigues, F. A., Travieso, G., & Villas Boas, P. R. (2007).
Characterization of complex networks: A survey of
measurements. Advances in physics, 56(1), 167-242.
Dabbagh, N., & Reo, R. (2011). Back to the future: Tracing the roots and learning
affordances of social software. In Web 2.0-based e-learning: Applying
social informatics for tertiary teaching (pp. 1-20). IGI Global.
Dave, K., Lawrence, S., & Pennock, D. M. (2003, May). Mining the peanut gallery:
Opinion extraction and semantic classification of product reviews. In
Proceedings of the 12th international conference on World Wide Web
(pp. 519-528).
Economist Intelligence Unit (EIU) (2007). Beyond loyalty: Meeting the challenge of
customer engagement.
Gupta, V. & Lehal, G.S. (2009). “A survey of text mining techniques and applications”,
Journal of Emerging Technologies in Web Intelligence, 1(1), 60-76.
Hatzivassiloglou, V., & McKeown, K. (1997, July). Predicting the semantic orientation
of adjectives. In 35th annual meeting of the association for
computational linguistics and 8th conference of the european chapter of
the association for computational linguistics (pp. 174-181).
Hu, M. & Liu, B. (2004). “Mining and summarizing customer reviews”, ACM SIGKDD,
10th International Conference on Knowledge Discovery and Data Mining.
Kantrowitz, M. (2003). “Method and Apparatus for Analyzing Affect and Emotion in
Text”, Google Patents.
77
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Khan, A.Z.H., Atique, M. & Thakare, V.M. (2015). “Combing lexicon-based and
learning –based methods for twitter sentiment analysis”, Paper
presented at the Advanced Technologies in Computing and Networking.
Knoke, D., & Yang, S. (2008). Network fundamentals. Social network analysis, (154),
3-14.
Kumar, A., Bezawada, R., Rishika, R., Janakiraman, R., & Kannan, P. K. (2016). From
social to sale: The effects of firm-generated content in social media on
customer behavior. Journal of Marketing, 80(1), 7-25.
Lee, D., Hosanagar, K., & Nair, H. S. (2018). Advertising content and consumer
engagement on social media: evidence from Facebook. Management
Science, 64(11), 5105-5131.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human
language technologies, 5(1), 1-167.
Liu, S., Law, R., Rong, J., Li, G. & Hall, J. (2013). “Analyzing changes in hotel
customers’ expectations by trip mode”, International Journal of
Hospitality Management, 34, 359-371.
Ma, E., Cheng, M. & Hsiao, A. (2018). "Sentiment analysis – a review and agenda for
future research in hospitality contexts", International Journal of
Contemporary Hospitality Management.
Medhat, W., Hassan, A. & Korashy, H. (2014). “Sentiment analysis algorithms and
applications: a survey”, Ain Shams Engineering Journal, 5(4), 1093-1113.
Mosteller, J., & Poddar, A. (2017). To share and protect: Using regulatory focus
theory to examine the privacy paradox of consumers' social media
engagement and online privacy protection behaviors. Journal of
Interactive Marketing, 39, 27-38.
Mullen, T. (2017). “Introduction to sentiment analysis”, available at: https://lct-
master.org/files/MullenSentimentCourseSlides.pdf
Nasukawa, T., & Yi, J. (2003, October). Sentiment analysis: Capturing favorability
using natural language processing. In Proceedings of the 2nd
international conference on Knowledge capture (pp. 70-77).
Pang, B. & Lee, L. (2008). “Opinion mining and sentiment analysis”, Foundations and
Trends in Information Retrieval, 2(1-2), 1-135.
Pang, B., Lee, L. & Vaithyanathan, S. (2002). “Thumbs up? Sentiment classification
using machine learning techniques”, Empirical Methods in Natural
Language Processing (EMNLP) Conference in Philadelphia, pp. 79-86.
78
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
79
Ανάλυση Δεδομένων στα Κοινωνικά Δίκτυα Μεταπτυχιακή Εργασία
Web Sites:
https://www.mentionlytics.com/
https://www.talkwalker.com/
https://www.synthesio.com/
https://www.brandwatch.com/
https://www.awario.com/
https://www.mention.com/
https://www.sproutsocial.com/
https://www.hootsuite.com/
https://www.brand24.com/
https://www.digimind.com/
https://www.g2.com/
https://www.capterra.com/
https://influencermarketinghub.com/
https://statista.com/
80