Με την αρωγή των Social Analytics οι εταιρείες εκμεταλλεύονται τα δεδομένα με σκοπό να ανακαλύψουν τι απασχολεί τους πελάτες τους και το πώς μπορούν να τους επηρεάσουν. Τι χρειάζεται, ωστόσο, να προσέξει κανείς για μια καλύτερη αξιοποίηση τους;

Είτε μας αρέσει είτε όχι, τα κοινωνικά δίκτυα έχουν γίνει πολύ σημαντικά για τις επιχειρήσεις σήμερα. Ακόμα και αν μια εταιρεία δεν εκμεταλλεύεται τις υπηρεσίες κοινωνικής δικτύωσης δεν μπορεί να αποφύγει μια συζήτηση στα κοινωνικά δίκτυα για τα προϊόντα ή το image της. Γι’ αυτό το λόγο γίνεται μια συστηματική παρακολούθηση αυτών των συζητήσεων από πολλές εταιρείες, οι οποίες επιχειρούν μέσα από αυτές να εξάγουν χρήσιμα συμπεράσματα για τις δουλειές τους. Πόση απήχηση έχει μια μάρκα; Τι αποδοχή έχουν τα μεμονωμένα προϊόντα και υπηρεσίες; Ποιοι είναι εκείνοι που διαμορφώνουν την κοινή γνώμη; Υπάρχουν τάσεις που μπορούν να επηρεάσουν τις πωλήσεις; Απάντηση σε ερωτήσεις τέτοιας φύσεως δίνουν τα Social Analytics, μέσω των οποίων αναλύεται και αξιολογείται το περιεχόμενο που δημοσιεύεται από τους χρήστες του Facebook, του Twitter και των άλλων σελίδων κοινωνικής δικτύωσης.

Συναισθηματική ανάλυση διάθεσης
Αρκετοί μεγάλοι κατασκευαστές επιχειρηματικών λύσεων software έχουν αναπτύξει γι΄ αυτό το σκοπό συστήματα ανάλυσης των κοινωνικών δικτύων. Συνήθως αυτό που κάνουν τα συστήματα ανάλυσης είναι να αποθηκεύουν σε σιλό τα δεδομένα που συλλέγουν με συγκεκριμένα κριτήρια από τις σελίδες κοινωνικής δικτύωσης. Στη συνέχεια τα αξιολογούν με εργαλεία ανάλυσης κειμένου, χρησιμοποιώντας στατικές και γλωσσικές μεθόδους. Τα προγράμματα ανάλυσης κατηγοριοποιούν αρχικά τα δεδομένα του Web και στη συνέχεια αναγνωρίζουν για ποιον ή από ποιον συζητιέται κάτι. Στο πλαίσιο μιας συναισθηματικής ανάλυσης καθορίζεται, ακολούθως, αν υπάρχει μια θετική, μια αρνητική ή μια ουδέτερη διάθεση.

Τα Social Analytics είναι ιδανικά για επιχειρήσεις που δραστηριοποιούνται σε μαζικές αγορές, όπως είναι, για παράδειγμα, οι αυτοκινητοβιομηχανίες και οι εταιρείες τηλεπικοινωνιών, εταιρείες πολύ ενεργές σε αυτόν τον τομέα. Οσο μεγαλύτερο αριθμό πελατών έχει μια εταιρεία, τόσο περισσότερες αναφορές γι’ αυτήν και τα προϊόντα της υπάρχουν στο Internet. Και κατ’ επέκταση τόσο πιο αξιόπιστα είναι τα ευρήματα των Social Analytics. Αντίθετα, τα Social Analytics έχουν μικρότερη επίδραση σε άλλες τομείς δραστηριοτήτων, όπως είναι οι επενδύσεις, οι οποίες χαρακτηρίζονται κατά κανόνα από μια “one-to-one” επικοινωνία.

Γενικά, μια ανάλυση διαθέσεων, όπως είναι αυτή που προσφέρει τα Social Analytics, μπορεί να οδηγήσει στην εξαγωγή συμπερασμάτων σχετικά με απόψεις και προτιμήσεις. Ωστόσο, μια άμεση σύνδεση μεταξύ αυτής της ανάλυσης και χρηματοοικονομικών δεικτών δεν είναι εφικτή. Γι΄ αυτό το σκοπό τα αποτελέσματα των Social Analytics χρειάζεται να αξιοποιηθούν περαιτέρω με τη χρήση πρόσθετων δεδομένων και τεχνικών ανάλυσης. Η δυσκολία που προκύπτει στην προκειμένη περίπτωση είναι ότι τα γλωσσικά περιεχόμενα είναι πολύπλοκα και ως εκ τούτου υπάρχει ένα μεγάλο ποσοστό αβεβαιότητας στα αποτελέσματα που προκύπτουν από μια αυτόματη ανάλυση περιεχόμενων μέσων κοινωνικής δικτύωσης – ήτοι από αδόμητες πληροφορίες.

Social Analytics, το πρώτο βήμα
Η μεγάλη αβεβαιότητα που υπάρχει στα αποτελέσματα σημαίνει ότι οι επιχειρήσεις, τουλάχιστον προς το παρόν, μπορούν να χρησιμοποιήσουν τα εργαλεία Social Analytics κυρίως για να αναγνωρίζουν έγκαιρα τάσεις, απόψεις, φήμες ή διαθέσεις. Για να αποκομίσει πραγματικό όφελος μια επιχείρηση από τα Social Analytics, χρειάζεται να συνδυάσει τις πληροφορίες που αποκτά από αυτά με άλλες πληροφορίες. Για παράδειγμα, μια εταιρεία μπορεί να προβάλει το λανσάρισμα ενός νέον προϊόντος στις υπηρεσίες κοινωνικής δικτύωσης και να πάρει ένα πρώτο feedback για την αποδοχή που θα έχει αυτό. Αυτό είναι το πρώτο βήμα. Στη συνέχεια χρειάζεται να συνδυαστούν αυτές οι πληροφορίες με οικονομικά στοιχεία γα να εκτιμηθεί τι αντίκτυπο θα είχε η επιτυχία αυτού του προϊόντος στην πορεία της επιχείρησης.

“Uncertain Data”
Τα”Uncertain Data” (τα μη αξιόπιστα δεδομένα) αποτελούν έναν ακόμα παράγοντα που δυσκολεύει την κατάσταση. Οπως εκτιμά η IDC, αυτά τα δεδομένα θα αποτελέσουν μια από τις μεγαλύτερες προκλήσεις που θα κληθούν να αντιμετωπίσουν οι εταιρείες τα ερχόμενα χρόνια. Αυτό σημαίνει ότι οι εταιρείες βρίσκονται όλο και πιο συχνά μπροστά σε δεδομένα, τα οποία δεν γνωρίζουν αν είναι σωστά. Αυτό αφορά φυσικά τις υπηρεσίες κοινωνικής δικτύωσης, στις οποίες, για παράδειγμα, δεν υπάρχουν αξιόπιστες πληροφορίες για τους δημιουργούς των καταχωρήσεων. Κάτι που μπορεί να θέσει υπό αμφισβήτηση την αξία των Social Analytics. Υπάρχουν εταιρείες που διαθέτουν πολύ καθαρά δομημένα σιλό δεδομένων, τα οποία έχουν αναπτυχθεί με την πάροδο του χρόνου.

Εταιρείες που πιστεύουν ότι τα πλεονεκτήματα που αποκτά κανείς μέσω των Social Analytics δεν μπορούν να αντισταθμιστούν από τα μειονεκτήματα που προκαλούνται από την αβεβαιότητα της ποιότητάς τους. Στην κακή ποιότητα των δεδομένων στα κοινωνικά δίκτυα μπορούν να συνεισφέρουν και οι ανταγωνιστές μιας εταιρείας. Και αυτό διότι οι καταχωρήσεις σε blogs και παρόμοιες δημοσιεύσεις μπορούν σχετικά εύκολα να παραποιηθούν. Από την άλλη είναι πολύ απλό και όχι δαπανηρό να καθοδηγήσει κανείς μια ομάδα από bloggers, ώστε να διαδίδουν συγκεκριμένες απόψεις στο δίκτυο. Αυτό σημαίνει ότι η ανάλυση σελίδων κοινωνικής δικτύωσης μπορεί να διαστρεβλωθεί από τέτοιες καταστάσεις.

Ο έλεγχος βελτιώνει τα αποτελέσματα
Μια τακτική που μπορεί να ακολουθηθεί και η οποία μπορεί να βελτιώσει την αποτελεσματικότητα των Social Analytics είναι αυτά να μην διεξάγονται από την ίδια την εταιρεία, αλλά να ανατεθεί αυτό το έργο σε τρίτες εταιρείες. Αυτές οι εταιρείες μπορούν να προσφέρουν μια ημιαυτόματη παρακολούθηση του περιεχομένου των σελίδων κοινωνικής δικτύωσης. Ετσι, τα αποτελέσματα τα οποία προσφέρουν οι τεχνικές ανάλυσης εξετάζονται αρχικά από εκπαιδευμένο προσωπικό, το οποίο τα κατηγοριοποιεί και τα αξιολογεί. Αυτό σημαίνει ότι γίνεται ένας αρτιότερος έλεγχος των αποτελεσμάτων ανάλυσης μέσω της ανθρώπινης παρέμβασης.

Αναμφίβολα, τα Social Analytics μπορούν να δώσουν στις εταιρείες μια εικόνα για το τι άποψη έχουν οι πελάτες τους γι’ αυτές. Το πόσο αντιπροσωπευτική είναι αυτή η εικόνα, εξαρτάται σε μεγάλο βαθμό από το είδος της αγοράς στο οποίο δραστηριοποιείται η εταιρεία. Η φύση των δεδομένων εξακολουθεί να περιέχει ένα μεγάλο βαθμό αβεβαιότητας, ενώ σε κάθε περίπτωση οι αποκτηθείσες πληροφορίες θα πρέπει να επεξεργαστούν εκ νέου και να συνδυαστούν με άλλες, ώστε τα τελικά συμπεράσματα να είναι περισσότερο αξιόπιστα και ακριβή.


Social Analytics, αλλά σωστά…

Υπάρχουν μερικά βασικά χαρακτηριστικά για τα Social Analytics, τα οποία αν τα κατανοήσει κανείς μπορεί να αποκομίσει ευκολότερα τα επιζητούμενα οφέλη.

1. Μεγάλο επιχειρηματικό πεδίο δράσης. Sites όπως το Facebook και το Twitter βοηθάνε τις εταιρείες να προωθήσουν στην αγορά τα νέα προϊόντα και υπηρεσίες τους, ενώ επιτρέπουν στους πελάτες να μοιράζονται τον πόνο τους σε ένα κοινό εκατομμυρίων ακροατών. Ενας μεγάλος αριθμός vendors έχει αναπτύξει μια πληθώρα από εργαλεία, συχνά βασισμένα στο cloud, τα οποία μπορούν να παρακολουθήσουν, να συλλέξουν, να αναλύσουν και να ανταποκριθούν σε συζητήσεις που γίνονται στα sites κοινωνικής δικτύωσης. Αυτά τα εργαλεία είναι κρίσιμα για τις επιχειρήσεις που θέλουν να κατανοήσουν την online αποδοχή τους. Οπως πιστεύουν, άλλωστε, οι αναλυτές της αγοράς, το Social Web είναι απλά πολύ μεγάλο, πολύ γρήγορο και γεμάτο άχρηστες πληροφορίες και spam, με αποτέλεσμα να είναι εξαιρετικά δύσκολο να μπορέσει κανείς να το χειριστεί μόνος του, χωρίς τη χρήση ειδικών εργαλείων.

2. Η αγορά έχει ωριμάσει. Τα εργαλεία Social Analytics εξελίσσονται, βελτιώνονται και προσφέρουν βαθύτερες γνώσεις για τους πελάτες, χάρη στις προόδους που έχουν επιτευχθεί στην επεξεργασία της φυσικής γλώσσας και σε άλλες τεχνικές περιοχές.

3. Δύσκολη αγορά. Η διαφοροποίηση ενός vendor από τους υπόλοιπους μπορεί να είναι πολύ δύσκολη, λαμβάνοντας υπόψη την πληθώρα λύσεων Social Analytics που κυκλοφορούν στην αγορά.

4. Oι CIOs δεν έχουν το μόνο λόγο. Τα Social Analytics δεν έχουν να κάνουν μόνο με τη Διεύθυνση Πληροφορικής, αλλά μπορεί να επηρεάζουν ουσιαστικά τις λειτουργίες και άλλων τμημάτων μιας εταιρείας, όπως το νομικό τμήμα, το τμήμα HR κ.λπ.

5. Τα Social Analytics δεν έχουν να κάνουν μόνο με το μάρκετινγκ.

Μικρά μυστικά επιτυχίας

Η επιτυχία ενός project ανάλυσης δεδομένων δεν είναι εύκολη και εξαρτάται από διάφορους παράγοντες. Ωστόσο, υπάρχουν μερικά μικρά μυστικά που μπορούν να οδηγήσουν στην επιτυχία: Κατανόηση των επιχειρηματικών απαιτήσεων. Αρκετά διοικητικά στελέχη επιχειρήσεων κατανοούν ότι τα analytics μπορούν να βοηθήσουν την εταιρεία τους, ωστόσο δεν ξέρουν το πώς ακριβώς . Η ακόμα χειρότερα, έχουν λανθασμένες προσδοκίες για το τι μπορούν τα analytics να κάνουν γι΄ αυτούς. Αυτό σημαίνει ότι χρειάζεται μια καλύτερη κατανόηση των επιχειρηματικών απαιτήσεων, συνδέοντάς τις με συγκεκριμένες επιχειρηματικές διαδικασίες και μετρήσιμες επιδόσεις.

Αξιολόγηση διαθέσιμων δεδομένων και πολιτικών. Είναι σημαντικό πριν υπάρξει μια βαθειά διείσδυση στα βουνά δεδομένων που συσσωρεύονται καθημερινά σε μια εταιρεία, να κατανοήσει κανείς επακριβώς τι δεδομένα έχει ένας οργανισμός, που είναι αυτά και πώς είναι δομημένα, δίνοντας ιδιαίτερη έμφαση σε μοναδικά δεδομένα που είναι διαθέσιμα στους ανταγωνιστές. Ακόμα πιο σημαντικό είναι να κατανοήσει κανείς επακριβώς πώς μπορούν να χρησιμοποιηθούν αυτά τα δεδομένα.

Η δύναμη της εικόνας. Πολλές φορές επαληθεύεται το κλασικό κλισέ, ότι μια εικόνα αξίζει όσο χίλιες λέξεις – πολύ περισσότερο αν αυτή η εικόνα είναι interactive. Το να βλέπει κανείς μια εικόνα από τα δεδομένα, τον βοηθά να κατανοήσει τι μπορεί να εκμεταλλευτεί από αυτά. Δεν πρέπει να παραμελείται η υποστήριξη SQL.Η υποστήριξη της SQL από τα εργαλεία ανάλυσης είναι σημαντική και εγγυάται τη συμβατότητα σε ένα οικοσύστημα analytics.


Από τη θεωρία στην πράξη

O Δρ. Ιωάννης Κομπατσιάρης, από το Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών, αναλύει τα κυριότερη οφέλη των Social Analytics, αποτυπώνει το ρόλο της έρευνας και καταγράφει τις κυριότερες προκλήσεις του χώρου.

netweek: Ποια πιστεύετε ότι είναι τα κυριότερα οφέλη που μπορεί να αποκομίσει μια σύγχρονη επιχείρηση από την εκμετάλλευση των εργαλείων Social Analytics;

Δρ. Ιωάννης Κομπατσιάρης: Είναι γνωστό ότι στα κοινωνικά δίκτυα υπάρχει τεράστιος όγκος πληροφορίας που ανανεώνεται συνεχώς και αφορά τις επιχειρήσεις. Τα σχετικά δεδομένα μπορεί να βρίσκονται στις σελίδες και λογαριασμούς των επιχειρήσεων στα κοινωνικά μέσα, αλλά και στο λογαριασμό και αναρτήσεις οποιουδήποτε χρήστη. Χωρίς την κατάλληλη επεξεργασία αυτά τα δεδομένα όχι μόνο δεν έχουν κάποια ιδιαίτερη χρησιμότητα, αλλά μπορεί να αποτελούν και πηγή επιχειρηματικού κινδύνου, συμβάλλοντας στη δημιουργία αρνητικής φήμης.

Οταν αυτά τα δεδομένα ξεπεράσουν ένα μέγεθος, είναι πολύ χρήσιμη η αυτόματη παρακολούθησή τους και στη συνέχεια επεξεργασία τους, αυτό που ονομάζουμε Social Analytics, ώστε να εξαχθούν χρήσιμα συμπεράσματα όπως θετικά ή αρνητικά σχόλια, προφίλ χρηστών και χρήστες που επηρεάζουν τη γνώμη του κοινού σχετικά με την επιχείρηση και τα προϊόντα ή υπηρεσίες της και πολλά άλλα. Τα συμπεράσματα μπορούν να οδηγήσουν σε κρίσιμες αποφάσεις που αφορούν τεχνικές marketing, υπεράσπιση της φήμης της εταιρείας, νέες τάσεις και απαιτήσεις που προέρχονται από το ευρύ κοινό, σε μεγέθη που οι παραδοσιακές προσεγγίσεις δημοσκοπήσεων δεν μπορούν να προσεγγίσουν με το ίδιο κόστος.

netweek: Ποια πιστεύετε ότι είναι εκείνα τα χαρακτηριστικά που θα κάνουν μια λύση Social Analytics να ξεχωρίζει από τις υπόλοιπες;

Δρ. Ιωάννης Κομπατσιάρης: Η όλη διαδικασία των Social Analytics δεν είναι απλή και απαιτεί πολλά απαιτητικά βήματα. Η συνεχής και ολοκληρωμένη παρακολούθηση όσο το δυνατόν περισσότερων κοινωνικών δικτύων και δεδομένων αποτελεί την πρώτη πρόκληση. Στη συνέχεια οι δυνατότητες επεξεργασίας, η αξιοπιστία και η ακρίβεια των αποτελεσμάτων αποτελούν σημαντικά χαρακτηριστικά, για παράδειγμα, η δυνατότητα ανάλυσης με μεγάλο βαθμό αξιοπιστίας αν ένα σχόλιο είναι θετικό ή αρνητικό για την εταιρεία.

Οι διαδικασίες αυτές έχουν ιδιαίτερη αξία για πολύ μεγάλο όγκο δεδομένων οπότε απαιτούνται και οι κατάλληλες τεχνικές παρουσίασης και οπτικοποίησης (visualization) των δεδομένων και των αποτελεσμάτων σε πραγματικό χρόνο, ώστε να είναι χρήσιμα στο χρήστη. Τέλος, θα πρέπει όλα τα αποτελέσματα να μπορούν να συνδεθούν με επιχειρηματικές διαδικασίες και τμήματα, ώστε να μπορούν να ληφθούν οι κατάλληλες αποφάσεις. Επίσης, δεν πρέπει να ξεχνάμε προσεγγίσεις όπου υπάρχουν στοχευόμενες ενέργειες για συλλογή κατάλληλων δεδομένων, για παράδειγμα μέσω διαγωνισμών και τεχνικών gamification.

netweek: Mε ποιο τρόπο η έρευνα μπορεί να συμβάλει στη εξέλιξη των Social Analytics; Εχετε κάποια απτά παραδείγματα από τα σχετικά ερευνητικά projects στα οποία έχετε λάβει μέρος;

Δρ. Ιωάννης Κομπατσιάρης: Τα τελευταία χρόνια υπάρχει τεράστιο ενδιαφέρον και πρόοδος στη σχετική περιοχή με συνεισφορές από πολλές κατευθύνσεις όπως επεξεργασία δεδομένων και πολυμέσων (data mining), αρχιτεκτονικές κατανεμημένης και παράλληλης επεξεργασίας και αποθήκευσης και πολλών άλλων. Πολλά από τα ερευνητικά αποτελέσματα έχουν ωριμάσει,ώστε να προσφέρονται πλέον ως εμπορικές υπηρεσίες.

Το εργαστήριο Πολυμέσων, Γνώσης και Ανάλυσης Κοινωνικών Δικτύων του ΕΚΕΤΑ-ΙΠΤΗΛ συμμετέχει και συντονίζει σχετικά έργα όπως το SocialSensor, όπου αναπτύσσονται τεχνολογίες για συνεχή συλλογή δεδομένων από πολλαπλά κοινωνικά δίκτυα, ανίχνευση τάσεων (topic and trend detection), ανίχνευση χρηστών με μεγάλη επιρροή (influencers detection), αναγνώριση θετικών και αρνητικών σχολίων και άλλα.

Χαρακτηριστικό παράδειγμα εφαρμογής Social Analytics για οργανισμό αποτελεί αυτή που έγινε στο Διεθνές Φεστιβάλ Κινηματογράφου Θεσσαλονίκης όπου μέσω ανάλυσης αναρτήσεων στο twitter, ανιχνεύονται κατά τη διάρκειά του θετικά ή αρνητικά σχόλια για ταινίες, δημοφιλή θέματα και πρόσωπα, χρήστες με μεγάλη επιρροή στο κοινό και άλλα. Αυτά παρέχονται στο κοινό του φεστιβάλ και στους οργανωτές που έχουν τη δυνατότητα για μια συλλογική «ματιά» στην εξέλιξη του φεστιβάλ, μέσω των αναρτήσεων χιλιάδων επισκεπτών.

netweek: Ποιες πιστεύετε είναι οι μελλοντικές προκλήσεις στο χώρο των Social Analytics;

Δρ. Ιωάννης Κομπατσιάρης: Μελλοντικά η προφανής πρόκληση είναι η δυνατότητα συλλογής όσο το δυνατόν περισσότερων δεδομένων σε πραγματικό χρόνο, με υψηλή ακρίβεια στην ανάλυσή τους. Εμφανίζονται όμως ήδη και νέα θέματα: ένα σημαντικό είναι η αξιοπιστία των δεδομένων και της ανάλυσης, ανάλογα με την εφαρμογή που θα χρησιμοποιηθεί. Είναι, πλέον, συνηθισμένες περιπτώσεις αναρτήσεων πλαστού περιεχομένου (π.χ. κατασκευασμένων εικόνων) που μπορεί να οδηγήσει σε παραπλανητικά αποτελέσματα. Αναπτύσσονται, ήδη, τεχνικές που προσπαθούν να εκτιμήσουν και την αξιοπιστία του περιεχομένου με βάση δεδομένα όπως το προφίλ του χρήστη, δεδομένα τοποθεσίας, γνησιότητα εικόνων.

Τέλος, πολύ σημαντικά και δύσκολα θέματα αποτελούν η ασφάλεια, η προστασία και η αξία των δεδομένων των χρηστών. Οταν χρησιμοποιούνται ακόμη και ελεύθερα διαθέσιμα δεδομένα (public) χρηστών σε διαδικασίες επεξεργασίας, των οποίων τα αποτελέσματα έχουν εμπορικό όφελος και κέρδος, τότε έχει ο χρήστης δικαίωμα στα κέρδη αυτά; Και αν ναι, πόσο είναι αυτό και με ποιο πλαίσιο μπορεί να εξασφαλιστεί; Είναι δύσκολα ερωτήματα και το εργαστήριο Πολυμέσων, Γνώσης και Ανάλυσης Κοινωνικών Δικτύων συμμετέχει σε πρόσφατα ερευνητικά έργα (REVEAL, USEMP), τα οποία καλούνται να βρουν απαντήσεις και προσεγγίσεις στα θέματα αυτά.