Аналитика социальных данных одновременно информирует и трансформирует многие существующие практики в политике, маркетинге, инвестировании, разработке продуктов, развлечениях и средствах массовой информации. Поскольку социальные сети можно рассматривать как форму коллективной мудрости, они предоставляют интересную возможность для использования данных, которые создают конкретные прогнозы для реальных результатов. Предполагается, что действия в социальных сетях, такие как твиты, лайки и комментарии, являются индикаторами внимания потребителя к конкретному продукту.

Прогнозирование продаж и капитала бренда… правда?

Можем ли мы прогнозировать показатели продаж, используя данные социальных сетей?… И, таким образом, можем ли мы избежать использования дорогостоящих и утомительных трекеров брендов? Это были вопросы, которые находили отклик в маркетинговых отделах на заре эры прослушивания социальных сетей (2009–2010 гг.). Хотя первоначальные результаты были довольно многообещающими; таких как использование каналов социальных сетей для прогнозирования доходов от голливудских фильмов, продаж Apple iPhone, сезонных настроений и эпидемических вспышек (см. таблицу ниже, любезно предоставлено Ватрапу, Ла Кур), пика Завышенные ожидания в конце концов прошли, и быстро взяли верх разочарование. Широко распространено мнение, что данные социальных сетей были слишком шумными и предвзятыми, чтобы точно коррелировать с данными о продажах.

Да ... капитал бренда и продажи можно предсказать с потрясающей точностью

Я недавно наткнулся на этот технический документ, опубликованный Kantar TNS, и был удивлен, обнаружив, что Kantar TNS не только удалось создать показатель здоровья бренда, используя данные Twitter (Индекс здоровья бренда - BHI), но они также создали модель для прогнозирования внутреннего и внешнего объема.

Самая интересная часть находится в разделе результатов. Kantar TNS утверждает, что модель может:

  • Предскажите 85% дисперсии капитала бренда, выявленной в исследованиях капитала бренда.
  • Предскажите за 12 недель до того, когда эти изменения появятся в результатах опроса.
  • Выполните со средней средней процентной ошибкой (MAPE) модели прогнозирования продаж от 3 до 4% для локальных и внешних объемов в определенных категориях, таких как пиво.

Этот подход не только проще, быстрее и экономичнее, но и дает представление о том, как активность бренда в Twitter напрямую влияет на капитал и продажи.

Результаты прогнозов впечатляют (см. Ниже) как по уровню детализации, так и по согласованности.

Не каждый твит - хороший твит.

Ключевой момент подхода Кантара заключается в том, что подсчета количества твитов недостаточно для построения надежной модели прогнозирования. Вместо этого следует учитывать только определенные категории твитов. Такие темы, как «наследие», «предпочтения», «лояльность», «продвижение» или «цена» имеют предсказательную силу по сравнению с обычными твитами, которые только ухудшат модель.

Эта интуиция также подтверждается в тематическом исследовании, опубликованном Эйндховенским университетом, в котором говорится: … в то время как для книг и фильмов простой подсчет количества твитов дает достаточно информации для прогнозирования продаж, но это неверно для все продукты. Вместо этого для продуктов, которые вызывают меньшую активность в Твиттере, только определенные классы твитов относятся к продажам компании .

..но используйте обширный набор исторических данных

Другой важный аспект работы Кантара заключается в том, что она в значительной степени полагается на анализ временных рядов, чтобы сделать предсказание работоспособным. В частности, для обучения модели используются данные Twitter за два года (еженедельное агрегирование).

и помните ... дьявол, как всегда, кроется в деталях ..

Я думаю, что самым удивительным было то, что Kantar TNS удалось построить «адаптируемый» рабочий процесс на основе данных социальных сетей, которые можно было применить к нескольким категориям и брендам.

Такой процесс (см. Рисунок ниже) сочетает в себе вмешательство человека с машинным обучением для выявления человеческих нюансов, таких как сарказм, идиомы и сленг Твиттера. Этот процесс позволил им предоставить чистый набор данных с положительными, нейтральными и отрицательными настроениями и чистые данные, сегментированные по темам.

Заключение

Я думаю, что у таких подходов есть большой потенциал по двум причинам: во-первых, ценностное предложение этой модели ясно: заменить / дополнить средства отслеживания бренда на 100% пассивный подход, основанный на данных. Во-вторых, эта работа предоставляет еще больше доказательств того, что способность Twitter прогнозировать капитал бренда - не случайность - это естественный результат данных, которые кажутся более надежными и предсказуемыми на всех уровнях, чем традиционные опросы.

Узнать больше

Прочтите полный технический документ Kantar, нажав здесь!