Qualche settimana fa abbiamo visto 4 Esempi di Tecnologie di Social Media Listening e Monitoring: machine learning e deep learning per il Natural Language Processing, sentiment analysis, classificazione automatica intelligente e visual listening. Oggi continuiamo con le innovazioni che consentono a community manager, social media manager e altri professionisti del marketing digitale di guadagnare tempo e aumentare la precisione delle loro analisi.
Quando si imposta un sistema di social media listening e monitoring, esso rileva un volume elevato di menzioni sul web, sui siti di notizie e sui social network. I dati vengono poi visualizzati in vari modi, ad esempio con una curva di evoluzione delle menzioni nel tempo.
In questo modo è possibile individuare "picchi" di menzioni.
L'analisi dei picchi può essere lunga e laboriosa
Ogni social media manager sa che analizzare le cause di un picco di menzioni e messaggi può richiedere (molto) tempo, è possibile commettere errori di interpretazione e prendere decisioni sbagliate.
Il monitoraggio dell'evoluzione delle menzioni è infatti molto diffuso nelle varie applicazioni di social listening e monitoring: per l'individuazione di bad buzz e crisi, per il monitoraggio delle tendenze, per l'analisi di campagne mediatiche e di influencer, per il monitoraggio della e-reputation, per il lancio di prodotti, per l'analisi delle opinioni dei consumatori e molto altro.
Un analista virtuale ti aiuta a capire le cause dei picchi e i fattori di propagazione
Al momento, l'intelligenza artificiale permette a noi di Digimind di offrirti un analista virtuale che individua automaticamente i picchi di menzioni e le loro potenziali molteplici cause, risparmiandoti la fatica di leggere numerosi messaggi e articoli.
Sarai così in grado di utilizzare una nuova interfaccia per:
- Capire il "perché" di un picco di menzioni.
- Investite il tuo tempo e le tue competenze in un'analisi più approfondita piuttosto che in un'individuazione superficiale.
- Non perdere nessun trend, sviluppo sorprendente, inversione di tendenza, o campagna virale che riguarda la tua organizzazione e i tuoi brand.
In termini concreti, il machine learning ti indicherà i picchi insoliti e ti spiegherà se ciò è dovuto a: l'elevato utilizzo di un hashtag, l'intervento di un influencer, un livello inaspettato di interazioni su un messaggio, una notizia condivisa massicciamente sui social network, un volume sorprendente di menzioni riguardanti determinati concetti.
Analisi di picchi insoliti: reputazione, crisi e insight sui consumatori
Supponiamo che tu stia monitorando l'evoluzione delle menzioni sulle compagnie aeree, con un approccio di Consumer Insights e Customer Relations, ma anche di monitoraggio della Brand Reputation.
La rilevazione automatica dei picchi con AI Sense - Digimind Social
Negli ultimi 30 giorni, l'analista virtuale ti mostra 3 picchi anomali, uno dei quali (il picco C) è di quasi 20.000 menzioni per Lufthansa. L'AI spiega che il volume del picco C è superiore del 476% rispetto al volume abituale delle menzioni, del 135% per il picco B.
Se osserviamo il picco B (basta un clic), l'algoritmo spiega che l'annuncio della ripresa dello sciopero dei piloti della compagnia (#streik) è la causa principale di questo picco. Inoltre, è osservabile che due grandi media, Reuters e Forbes, hanno ripreso questa notizia, e ciò ha portato a una moltiplicazione del volume dei messaggi. L'analista virtuale mette quindi in evidenza le varie cause della creazione del trend, poi della sua propagazione, e infine del picco. A margine, anche una polemica sulle mascherine per i bambini in aereo è arrivata ad alimentare questo picco (#dasfliegendeklassenzimmer).
I diversi fattori che spiegano un picco tramite AI Sense - Digimind Social
L'annuncio di un nuovo sciopero interessa anche altri Paesi? Possiamo facilmente esplorare l'evoluzione delle menzioni in altre lingue.
Per la Francia, negli ultimi 30 giorni sono stati registrati 4 picchi su Lufthansa. Per il picco più importante, le cause determinate dall'AI sono sempre l'annuncio del nuovo sciopero dei piloti e la copertura da parte di AFP, di BFMTV e la condivisione dell'hashtag sciopero.
Campaign Analysis tramite l'analisi dei picchi
Quando lanci campagne multiple sui social network, una rapida analisi dei picchi durante il periodo della campagna ti aiuterà a vedere la differenza tra le menzioni naturali del tuo brand o della tua community e l'impatto delle menzioni sponsorizzate.
È il caso di una campagna video del Tech influencer Marques Brownlee, sponsorizzata dalla comunità Linus Tech Tips.
L'analisi automatica è chiara: un picco di 35.000 menzioni su Linus Tech Tips è stato generato dal tweet sponsorizzato di Marques Brownlee (29,5 mila menzioni utilizzando l'hashtag #sponsored, 72,2 mila interazioni con il tweet dell'influencer). Inoltre, la campagna è stata diffusa da oltre 58.400 menzioni.
I picchi e le loro cause intorno alla campagna influencer di Linus Tech - AI Sense - Digimind Social
Esempi di casi d'uso dell'analisi automatica dei picchi di menzioni e delle loro cause:
-
Comprendere i fattori che innescano e propagano una crisi (media, influencer, viralità). Comprendere le cause della diffusione del fermento.
- Comprendere i concetti che determinano la viralità di una crisi: argomenti sensibili.
-
Comprendere i driver di reputazione più potenti
- Analizzare i successivi driver di una campagna: condivisioni, hashtag, interazioni
-
Comprendere i concetti di viralità o di preferenza dei consumatori per il lancio di prodotti e le campagne di comunicazione.
-
Comprendere la creazione e la propagazione di hashtag spontanei divenuti popolari: movimenti sociali e culturali, proteste e sfide.
-
Comprendere l'emergere di tendenze nell'arco di settimane e mesi attraverso la progressione di concetti e hashtag.
.svg){kind=small}
