Social Media Monitoring

La categorización del Big Data en la monitorización

No es la primera vez que en Brandchats hablamos del Big Data por esta razón, no entraremos en detalles en términos de definición. Sin embargo, vamos a incidir en el volumen de datos y en su organización.

En la actualidad, se transfieren 639.800 gigabytes de datos por minuto en el mundo y como bien sabemos, esto no ha hecho más que empezar. De hecho, en el 2015 se calcula que el volumen de vídeos sea tan elevado que costaría 5 años poder visualizarlos todos.

Cuando hablamos de una cifra de datos tan elevada, es inevitable pensar en el caos, el desorden y por donde empezar a clasificar la información. Numerosas preguntas como ¿Qué debo medir primero? o ¿Qué datos son los más elementales para mi organización? se plantean en nuestro interior.

De la monitorización del contenido, al orden y clasificación de los resultados en dashboards.

dashboard bloggers

Dashboard BrandChats | Bloggers

El primer paso para una empresa, es recapitular los datos en bruto que circulan en la red sobre su organización. Pero antes, se deben de establecer unos parámetros básicos como elegir unos países clave a seguir, el idioma de los comentarios y saber el eje comunicacional a medir. ¿Me interesa medir un competidor? o ¿Necesito tener un mayor control de mi canal de atención al cliente? o tal vez sean las dos variables. Cuanto más claro tengamos el camino previo a seguir mejor serán los resultados. Establecer los objetivos de búsqueda por fases puede ser también una opción muy acertada.

Una vez tenemos el Big Data en nuestras manos, en algunos casos hablaremos de 3.000 menciones en otras situaciones de más de 200.000, se debe de establecer la categorización y segmentación de los datos. Una primera clasificación sería por fecha y medio de comunicación pero, ¿Es suficiente? Para comprender los picos de subidas y bajadas de información es un primer paso pero si un día concentra 8.000 menciones, ¿Un ojo humano puede clasificar de forma automática y extraer conclusiones válidas? La respuesta es no.

¿Cómo podemos clasificar la información en una solución de monitoring? Por ejemplo, en el caso de un restaurante a través del conjunto de keywords se podrían establecer categorías como “Atención al cliente”, “celebraciones”, “cantidad”, “calidad”, “comidas”,etc.

Dentro de la categoría de comida se incluirían palabras claves como “comer”, “comida”, “comiendo” de esta forma se puede conocer si la gente prefiere comer o cenar en un establecimiento. Además si se segmenta una mención por horas del día el resultado de búsqueda se afina más.

Otro caso donde la categorización es básica es en el sector bancario ya que existen clientes interesados en ingresar sus nómina y otros en contratar un plan de pensiones. Segmentar la información por categorías como “Hipotecas”, “Desahucios”, “Plan de pensiones”, “Seguros”, etc, puede ayudar y orientar mucho a este tipo de organizaciones.

Si hablamos de una marca con productos de gran consumo y muy diversos como podría ser una marca de tecnología del hogar pero que también tiene telefonía móvil tendrían que hacerse dos tipos de categorizaciones. Por un lado, clasificar en productos y después clasificar las características de cada producto. Por ejemplo, una TV se tendría que clasificar en “UHD”, “Oled”,etc.

De la clasificación de resultados a la interpretación

Una vez hemos decidido la categorización, nos interesará conocer las distintas variables de una misma categoría. Si retomamos el sector bancario y seleccionamos la categoría “nómina”, nos interesará conocer si hablan bien o mal, cual es la persona que habla más sobre el tema o el grado de influencia. Saber en que punto de un país es donde más se comenta o cuales son los días que generan más diálogo son datos importantes a conocer.

Además, podemos relacionar el concepto con la competencia ya que tal vez, un comentario nos compare, critique o nos posicione mejor con un rival del sector.

De la interpretación de los resultados a la visualización

Una vez hemos categorizado una marca y se ha decidido su interpretación, debemos pasar al punto de dar forma y color a los resultados. Algo que no debemos olvidar es que la información entra por la vista. Los cuadros de mando deben cumplir unas normas corporativas con la imagen de marca de un cliente.

Dashboard BrandChats mentions

Dashboard BrandChats | Type of mention

El lenguaje del color

En el caso de las aguas las tonalidades azules y verdes tendrán más importancia. En cambio si hablamos de un postre o chocolates las gamas marrones, liláceas y beige encajan mejor con el contenido.

El lenguaje de las formas

Para visualizar un pico de menciones, las barras o el gráfico de líneas puede ser el más adecuado sin embargo, si queremos plasmar agrupaciones, el gráfico sectorial o de anillo será el más visualmente correcto.

Incorporar elementos fotográficos como el logo de las marcas, mapas o la foto de perfil de twitter de los influencers proporcionan un soporte categórico importante.

El lenguaje iconográfico

La categorización del Big Data no sólo entiende de información clasificada en gráficos con unas formas o colores atractivos al ojo del lector.

Como bien hemos citado antes, la información proviene de numerosas fuentes y el receptor de esos datos la debe diferenciar de forma rápida por ese motivo, se asignan iconos representativos. Un icono de una cámara detectará que la fuente de información es una imagen o un icono con la letra “T” y color azul detectará que proviene de Twitter.

El lenguaje del marcar y desmarcar

Los datos nunca deben ser estáticos. ¿Cómo leemos 100.000 menciones si no podemos seleccionar según nuestras prioridades? Es vital contar con una barra de herramientas que nos permita distinguir o seleccionar. Si nos interesa ver la información sobre blogs que seguramente, es mucho menor que los datos acumulados en Twitter debemos poder jugar con las casillas de marcaje.

Conclusiones

  • El Big Data sin forma son sólo letras y números. Se necesita tiempo y un minucioso trabajo de segmentación para localizar de forma fácil la información.

  • Debemos ser conscientes que la información no se puede ingerir de un sólo golpe. Se deben establecer prioridades de análisis.

  • La información sin un contexto histórico y un seguimiento posterior es información incompleta y seguramente con conclusiones erróneas. Por lo tanto, debemos acumular datos. Sólo el tiempo, una buena clasificación junto un informe final nos orientarán en los objetivos.

  • La combinación del trabajo automatizado y el ojo humano es sinónimo del éxito. Ni una máquina detecta la ironía ni un humano clasifica de forma automática. En equipo se obtiene el resultado perfecto.