Datactif Social Network Analyzer. Case Study

Το DATACTIF®SoNetA είναι ένα σύστημα ανοικτής αρχιτεκτονικής βασισμένο στην Τεχνητή Νοημοσύνη (natural language processing, neural networks, fuzzy logic, support vector machine, genetic algorithms, κλπ..) που επεξεργάζεται συγκεντρωτικά δεδομένα από το διαδίκτυο και πιο συγκεκριμένα από μέσα κοινωνικής δικτύωσης και εκτελεί τις ακόλουθες εργασίες : 🔛 Data Collection from the web 🔛 Communities Detection 🔛 Influence Analysis 🔛 Sentiment Analysis 🔛 Audience Segmentation 🔛 Prediction 🔛 Recommender System 🔛 Polarization Analysis 🔛 Term analysis & Fact extraction.

Influence analysis

Η ανεύρεση και στόχευση όσων ασκούν επιρροή, θεωρείται ως το καλύτερο μέσο για την ενίσχυση των μηνυμάτων προκειμένου να αντισταθμιστεί η αυξανόμενη τάση των πελατών να αγνοούν τις παραδοσιακές προσπάθειες επικοινωνίας.

Οι άνθρωποι που ασκούν Επιρροή είναι ενεργοί κοινωνικά, connected, δημιουργοί τάσεων και επηρεάζουν τα μεγαλύτερα κοινωνικά σύνολα ακόμα και αν πιστεύουν το αντίθετο από αυτούς.

Έτσι μια επιχειρηματική οντότητα πρέπει να επικεντρωθεί όχι μόνο στους πιστούς της πελάτες αλλά και σε αυτούς με την μεγαλύτερη επιρροή και παράλληλα σε όσους συσχετίζονται ισχυρά με αυτούς (followers).

Άνω γράφημα μεγάλη αλυσίδα ΣΜ: τα μέλη που ασκούν επιρροή

καθώς και οι κύριοι λόγοι που εκδηλώθηκε αυτή

στους κοινωνικούς τους κύκλους.

Άνω γράφημα μεγάλη εταιρία τροφίμων: τα μέλη που ασκούν επιρροή

καθώς και οι κύριοι λόγοι που εκδηλώθηκε αυτή

στους κοινωνικούς τους κύκλους.

Sentiment Analysis

Η Ανάλυση συναισθήματος επεξεργάζεται τα σχόλια των χρηστών και τα κατατάσει σε θετικά και αρνητικά (probabilities). Αλλά πιο σημαντική είναι η περαιτέρω ανάλυση και αξιολόγηση των λόγων των θετικών και αρνητικών δεικτών.

Με τη χρήση των CONCEPT & TERMS EXTRACTION μπορούμε να προσδιορίσουμε και να κατανοήσουμε τους λόγους (μερικές φορές άγνωστοι σε μια επιχείρηση) για την ικανοποίηση και τη δυσαρέσκεια των πελατών.

Ο Overall SENTIMENT δεικτης αυτοκινητοβιομηχανίας είναι Ουδέτερος.

Concept Extraction

To Concept extraction προσδιορίζει την αναδυόμενη σημασιολογία που χαρακτηρίζει το περιεχόμενο των επικοινωνιών των χρηστών. Οι έννοιες εξάγονται από τα διαθέσιμα σχόλια χρησιμοποιώντας αλγόριθμους εποπτευόμενης μάθησης και τεχνικές επεξεργασίας φυσικής γλώσσας.

Polarization Analysis

Σε συνέχεια των SENTIMENT ANALYSIS & TERMS EXTRACTION έχουμε το POLARIZATION ANALYSIS που μετρά conflict ανάμεσα σε υποσύνολα της κοινότητας και ερευνα τους λόγους.

Στην περίπτωση ΣΜ παρουσιάσθηκαν φαινόμενα POLARIZATION κυρίως εξ΄αιτίας της κακής σηματοδότησης των promotions

Στην περίπτωση εταιρίας κινητής τηλεφωνίας παρουσιάσθηκαν φαινόμενα POLARIZATION με πιο σημαντικό αυτό με αναφορά στους Ασιατικούς ελέφαντες του ζωωλογικού πάρκου

Posts Evaluation

Στην περίπτωση ΣΜ βλέπουμε ότιοι πελάτες επικροτούν ενέργειες κοινωνικής ευθύνης

Στην περίπτωση εταιρίας καλλυντικών βλέπουμε ότι το μεγάλο impact ανακοινώσεων και προσφορών δεν είναι πάντα συνώνυμο και θετικού sentiment για την μάρκα

Audience Behavioral Segmentation

Audience Psychological Segmentation

Other Functions

Competition Analysis
CRM enrichment with Social Network Analysis findings
Campaign Effectiveness Prediction
etc...

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>#<<<<<<<<<<<<<<<<<<<<<<<

Big Data Analysis

O τελικός στόχος όμως των εφαρμογών τηε DIRECTING είναι η ανάλυση των πραγματικών Big Data όπου όλα τα δεδομένα μιας εταιρίας (transactional data, έρευνες ικανοποίησης, ιστορικό ενεργειών marketing, κλπ..) συνδυάζονται με όλα τα δεδομένα από το web, αναλύονται και προσφέρουν έτσι μια συνολική εικόνα της εταιρίας

Financial Sector

Automotive Sector

Health Sector