Kunstig intelligens
Seks grunner til hvorfor analyse av SoMe data er viktig i markedsføring
mai 19, 2017 | Written by: Camilla Tønnesland
Categorized: Kunstig intelligens
Share this post:
2016 var året vi fant ut at vi ikke skal ta data fra sosiale medier for gitt når man skal gjøre offentlige meningsmålinger. To høyprofilerte begivenheter som avslørte dette var Brexit og det amerikanske presidentvalget. Resultatene av disse hendelsene ble verken spådd av avstemninger eller undersøkelser, men på bakgrunn av sosiale medier.
Politiske valgkamper og markedsføring har mange likheter. Begge går ut på å markedsføre en merkevare (kandidat versus produkt eller tjeneste), offentlig bevissthet om merkevaren og hvordan merkevaren oppfattes målt opp mot sine konkurrenter i markedet.
Men hvordan har sosiale medier blitt et så uunnværlig redskap både i valgkampanjer og markedsføring av produkter eller tjenester på så kort tid (Twitter har kun eksistert siden 2006)? Og hvorfor er det en økende bevissthet om hvor viktig analyse av sosiale meder er innenfor markedsføring?
1. Analysens hastighet
Når man skal vurdere meningsmålinger vil tradisjonelle metoder være tidkrevende. De som har jobbet med markedsundersøkelser kan nok si seg enige i det. Man må starte med å finne de riktige spørsmålene man ønsker å stille, hvem man vil spørre, og hvilken metode som passer best til undersøkelsen (for eksempel ansikt-til-ansikt, e-post, online eller telefon). Til slutt må du finne ut hva resultatene dine betyr.Dersom du har tilgang til de riktige verktøyene, finnes det raskere og enklere måter å innhente omfattende og brukbare data på. Det er faktisk mulig å innhente data fra sosiale medier kun ved noen få klikk. I motsetning til å bruke dager, om ikke uker, på å innhente og analysere ustrukturerte data, kan du analysere data fra sosiale medier i løpet av få minutter.
2. Ærlige og objektive meninger
Tradisjonelle markedsundersøkelser og meningsmålinger kan noen ganger være begrenset. De følger ofte en fast linje med spørsmål som er laget for å generere bestemte svar. For å gi dere et eksempel, så kunne jeg stilt følgende spørsmål:
Vil du beskrive produktet vår som Bra, Veldig bra eller Utmerket?
Hvis du svarer på denne rekken av spørsmål (og de fleste av oss vil svare med en autoritativ stemme, uten argument) vil svaret alltid være positivt fordi det ikke finnes andre alternativer. Slike universelle svar gjør seg ofte godt i en markedsføringsrapport, men de forklarer ikke hvorfor salget av merkevaren er i ferd med å stupe.
På den andre siden svarer ikke de som er aktive på sosiale medier på et ledende spørsmål, men legger heller ut spontane, ubevisste kommentarer og uttalelser om produkter eller tjenester. Dette gir en mer åpen og ærlig meningsmåling av et merke, som er gull verdt for bedrifter å analysere og ta med seg videre.
3. Mange synspunkter
En persons foretrukne valg av sosiale medier vil være basert på hva de vil ha og hvordan de tenker. For eksempel så tenker bibliotekarer annerledes enn filmregissører. Det er midlertidig tidkrevende å analysere flere kanaler, spesielt hvis du kun bruker analyseverktøyene som er tilkoblet hver SoMe-kanal (for eksempel Twitter eller Facebooks innebygde analyseplattformer).
Heldigvis finnes det programvarer som kan analysere flere SoMe-kanaler samtidig – inkludert blogger og fora – og deretter samlet, for å gi hele spekteret av tilgjengelige meninger og @mentions. Med denne informasjonen kan du observere trender på tvers av sosiale medier. Du kan også oppdage at import av en kommentar – god eller dårlig – ofte kan påvirkes av hvilken SoMe-plattform den er publisert på. Dette er uvurderlig data for deres SoMe-markedsplan.
4. Data fra sosiale medier kan brukes med andre markedsføringsdata
Dersom du kan lagre data fra sosiale medier og eksportere den, kan du måle denne dataen opp mot andre markedsføringsdata, og dermed finne sammenhenger som du ikke kunne ha funnet før. La oss si at du investerer en stor sum penger i to digitale merkevarekampanjer. Budsjettet er imidlertid ikke jevnt fordelt: Kampanje A får 75 % av budsjettet, mens kampanje B får 25 % av budsjettet.
Med en dataanalyse som inneholder de relevante beregningene for begge kampanjene vil du kunne se interaksjoner – visninger, klikkfrekvenser, ”bounce”-rates – men det gis ingen indikasjon på følelser. Data fra sosiale medier vil fylle dette gapet – det vil fortelle deg hva brukerne egentlig tenker og føler. Ved å sette sammen data fra sosiale medier med betalt kampanjedata, får du ny innsikt som kan forandre hele kampanjen din. Kanskje 25 % av budsjettet ditt bør gå på kampanje B og 75 % av budsjettet ditt på kampanje A.
5. Åpenbar ny innsikt om konkurrenter
En analyse av data fra sosiale medier kan avsløre hva virksomheten din eller produktet ditt gjør riktig eller galt. Ved samme prosess kan det også avsløre hvordan konkurrentene dine gjør det. Spørsmål som sosiale medier kan svare på kan for eksempel være:
1. Er konkurrentens søkeord det samme som vårt?
2. Er deres unike salgspunkt å komme seg gjennom til deres merkevareambassadører?
3. Hvorfor lykkes en av deres kampanjer, mens vår gjør ikke det?
4. Hvilken negativ følelse generer konkurrentene våre på sosiale medier, og kan dette være en mulighet for oss?
6. Minimal trening kreves
Moderne teknologi betyr at detaljert dataanalyse kan utføres av omtrent alle. Å finne datatrender er ikke lenger kun i bruk for statistikere og analytikere. Selv om spesialkunnskapene deres er viktig, tillater ny programvare at markedsførere tar eierskap til data, utforsker det og får innsikt som er relevant for deres markedskampanjer.
Selv om de nødvendige ferdighetene er minimale, kan resultatene av dataanalyse – som for sosiale medier – være dynamisk og gi til enhver som jobber med merkevarebygging.
Er du klar for å prøve?
Finn ut hvordan analyse av data fra sosiale medier kan påvirke dine markedsføringsaktiviteter. Prøv Watson Analytics for Social Media, og få 30 dager gratis prøveperiode.
Social Media & Digital Marketing
Når godt nok ikke er bra nok…
I de seneste år har vi stadig lest og hørt om selskaper i Norge og utlandet som blir utsatt for cyber angrep. Dette i form av løsepenge virus, ransomware etc. Viktige data blir kryptert for at lite vennligsinnede skal tjene penger eller rett og slett for å skape trøbbel for selskaper i form av skadeverk. […]
Venter intelligent bruk av kunstig intelligens i 2022
Den digitale hverdagen under pandemien har betydd enorme fremskritt for kunstig intelligens, både som arbeidsverktøy og hjelp til folk i hverdagen. 2022 blir det viktigste året for AI noensinne ifølge IBMs eksperter.
IBM lanserer nye lagringssystemer for virksomhetskritiske data
Dagens utfordringer for lagring, forvaltning og sikring av data er stadig voksende. Data blir sett på som virksomhetenes nye gull og vi møter stadig bedrifter som ønsker å bli bedre på hvordan de møter disse utfordringene med stadig økende krav både internt, fra eksterne samarbeidspartnere og fra eventuelle regulativer som bedriften må støtte.