소셜 미디어 공간 상의 고객 간의 대화, 고객 간의 관계 등을 분석하는 새로운 분석 방법론을 통칭하여 소셜 분석, 영어로 Social Analytics 소셜 에코시스템에 귀 기울임으로써 유형화 된 조짐을 파악하고 이를 통해 수집하고 마이닝하고 예측할 뿐만 아니라 집단 지성을 활용할 수 있는 능력을 가지게 되는 것..
Why so important?
커뮤니케이션 방식의 변화
스마트폰 도입 이후에음성통화가 확연히 줄고있음
트위터, 페이스북, 카카오톡 등이음성통화의 일부를급속히 대체하는 추세
페이스북의 새로운메시징 서비스 론칭등으로 인해 변화는더욱 가속화 될 것
발표자
프레젠테이션 노트
http://www.bloter.net/archives/43597?utm_source=twitterfeed&utm_medium=twitter 인터넷의 발달로 인해 이메일이 편지라는 커뮤니케이션 툴의 입지를 약화 시켰던 것처럼, 이메일 역시 소셜미디어의 발달로 그 이용률이 날로 감소되고 있다. 소셜미디어는 친구 맺기 기능을 통해 친구에게 즉석에서 메시지를 보낼 수 있는 기능을 제공하고 있기에 굳이 이메일 창을 열어 주소를 지정하고 내용을 쓰는 것조차 번거롭게 느껴지게 만든 것이다. [그림 - 이메일 이용률 감소 추세 그래프] 소셜미디어는 특히, 스마트폰의 이용 확대로 모바일 환경에 적합하게 변모되어 트위터, 페이스북, 카카오톡과 같은 소셜미디어들은 모바일 환경에서 음성 통화가 차지하는 위치조차 위협하고 있다. [그림- 모건스탠리] 다양한 모바일 디바이스의 발달로 인해 사람들은 이제 언제 어디에서나 인터넷으로의 연결 돼 소셜미디어 공간에서 항시적으로 소통하게 되었고, 2000년대 초반부터 이동통신사들이 이상적인 비전으로 제시하던 대화에서부터 사진, 동영상에 이르기 까지 삶의 모든 것을 저장한다는 "Life Cache" 의 개념이 한층 더 현실감을 더해 가고 있는 것이다.
Why so important?
정보 검색 방식 변화Evolution of Filter
발표자
프레젠테이션 노트
모바일 빅뱅과 소셜미디어의 활성화로 인해 정보들은 끊임없이 인터넷 공간으로 흘러 들어오고 있다. 이에 따라, 검색 엔진만으로는 범람하는 정보의 홍수 속에서 옥석을 가리는 데 부족할 지경에 이르렀다. 물론, 구글이라는 강력한 검색 엔진이 그 알고리즘을 지속적으로 정교화하고 있지만, 소셜미디어들은 친구가 추천하는 정보를 보다 더 신뢰하고 주목하는 인간의 본성을 반영한 정보 필터링 메카니즘을 선보이며 구글과 인터넷 공간에서의 방문 점유율 1위 자리를 다투고 있다. 특히, 페이스북의 경우 라이크 버튼과 같은 소셜 공유 기능을 선보임으로써, 개인의 선호와 관심, 취향, 의도를 분석함으로써 보다 개인 친화적이고 연관성 높은 검색 결과를 제공할 것으로 기대되고 있다. 이러한 움직임은 검색 알고리즘과 소셜에 의한 정보 필터링 결과 중 어떤 것이 더 정확할 것인가에 대한 논란을 유발시켜 양진영을 대표하는 구글과 페이스북의 대결 구도는 아래 그림과 같이 기계와 사람의 대결로 까지 비유되며, 양대 매체 중 어떤 매체가 시장에서 승리할 것인지 그 귀추가 주목되고 있다. 한편, 구글 역시 발 빠르게 소셜 데이터를 검색 알고리즘에 반영하고 있다. 구글은 우선 로그인한 이용자의 트위터 지인 관계 등을 파악하여 "Results from people in your social circle"라는 영역을 통해 소셜네트워크 상의 내 지인들의 글들을 검색 결과 첫 페이지에 보여주고 있다. � [그림 - 구글 - 소셜 검색 결과] 또한 구글은 평판 글이 많은 주제를 상위에 랭킹하는 식으로 소셜 검색을 구현해왔는데, 최근에는 악평이라도 평판이 많으면 무조건 상위에 올리는 구글의 취약점을 이용해 일부러 질 나쁜 서비스를 제공해 온라인에 악평이 양산되도록 함으로써 구글 검색 상위 랭킹을 유지해 오던 악덕 신발 가게 주인이 적발 된 것이 이슈가 되면서 그 검색 알고리즘에 긍부정 감성 분석에 의한 평판 분석까지 덧붙이게 되었다. 이제는 검색 결과의 상위에 노출되려면 자사에 대한 고객의 옹호 글들이 얼마나 많은지까지 신경을 써야할 때가 온 것이다.
특히, 페이스북의 경우 라이크 버튼과 같은 소셜 공유 기능을 선보임으로써, 개인의 선호와 관심, 취향, 의도를 분석함으로써 보다 개인 친화적이고 연관성 높은 검색 결과를 제공할 것으로 기대되고 있다. 이러한 움직임은 검색 알고리즘과 소셜에 의한 정보 필터링 결과 중 어떤 것이 더 정확할 것인가에 대한 논란을 유발시켜 양진영을 대표하는 구글과 페이스북의 대결 구도는 아래 그림과 같이 기계와 사람의 대결로 까지 비유되며, 양대 매체 중 어떤 매체가 시장에서 승리할 것인지 그 귀추가 주목되고 있다. 한편, 구글 역시 발 빠르게 소셜 데이터를 검색 알고리즘에 반영하고 있다. 구글은 우선 로그인한 이용자의 트위터 지인 관계 등을 파악하여 "Results from people in your social circle"라는 영역을 통해 소셜네트워크 상의 내 지인들의 글들을 검색 결과 첫 페이지에 보여주고 있다. http://www.zdnet.com/blog/btl/facebook-wants-to-match-ads-to-your-digital-dna/6020 Facebook wants to match ads to your digital DNA� [그림 - 구글 - 소셜 검색 결과] http://www.yonhapnews.co.kr/economy/2010/12/03/0303000000AKR20101203010100091.HTML?audio=Y 구글 검색순위 산정방식 변경…악평많으면 뒤로 또한 구글은 평판 글이 많은 주제를 상위에 랭킹하는 식으로 소셜 검색을 구현해왔는데, 최근에는 악평이라도 평판이 많으면 무조건 상위에 올리는 구글의 취약점을 이용해 일부러 질 나쁜 서비스를 제공해 온라인에 악평이 양산되도록 함으로써 구글 검색 상위 랭킹을 유지해 오던 악덕 신발 가게 주인이 적발 된 것이 이슈가 되면서 그 검색 알고리즘에 긍부정 감성 분석에 의한 평판 분석까지 덧붙이게 되었다. 이제는 검색 결과의 상위에 노출되려면 자사에 대한 고객의 옹호 글들이 얼마나 많은지까지 신경을 써야할 때가 온 것이다.
Why so important?
Entering a new era of information정보 큐레이터의 시대
발표자
프레젠테이션 노트
Take Away: We donʼt need to directly see all the information, we need to see the “shadows” it makes. 이제 모든 정보를 직접 볼 필요없이 정보가 만들어 내는 그림자만 살펴 보면 되는 시대… 2004년 웹2.0 과 2009년 웹 squared 시대의 차이점.. 편재화 돼 버린 웹. – 팀 오릴리가 또 정립한 용어 웹 2.0 시대에는 키보드 타이핑, 링크 클릭, 위키피디어, Digg 같은 것들을 통해 집단 지성이 형성 됐다면 이제 2009년 시점에는 집단 지성은 점차 더 다양한 디바이스들의 센서 데이터에 의해 작동된다. 심지어는 사람의 작동없이도...그래서 웹스퀘어드 시대는 증강 현실의 시대.. 웹이 현실 속에서 만연하는 시대가 된다는 것 증강현실에서 레스토랑 위에 카메라를 갖다 대면 관련 리뷰글 떠오름.. 즉, 우리 시대가 정보 그림자를 가지게 된다는 의미
Why so important?
[ 참고. 하버드비즈니스리뷰 12월호]• 기사제목 : Branding in the Digital Age• 전통 마케팅 이론에 나오는 깔때기 비유는 더 이상 적합하지 않다고 주장하며, Customer Decision Journey 를 소개
소비자 행동 변화
Social Media = Life Cache News, Interest, Conversation, Relation, Opinion… Customer Behavior Change
발표자
프레젠테이션 노트
먹고 마시고, 만나고 대화하고, 쇼핑을 하고 집에서 TV를 보는 등 우리가 일상에서 영위하는 의식주 및 기타 활동의 대부분은 소비 행위에 기반한다. 특히, 우리의 삶 그 자체가 소셜웹 공간에 기록되는 소셜미디어 시대가 도래함에 따라 우리의 모든 소비 행위 역시 소셜 공간에 고스란히 노출되고 있다. 이제 우리는 너무도 쉽게 누가 언제 어디서 어떻게 왜 어떤 상품을 구매했고, 구매 후 이용 소감은 어땠는지와 같은 정보를 얻을 수 있게 된 것이다. 이러한 현상은 자연스럽게 소비자 행동 자체의 변화를 가져오게 되었다.� 소셜미디어로 인한 소비자 행동 변화는 다양하게 논의돼고 있으며, 최근 하버드비즈니스 리뷰 및 매킨지쿼털리와 같은 권위있는 경영 매거진들이 이에 가세해 소지자 행동 변화에 대한 새로운 이론 체계화에 박차를 가하고 있다. 그들은 전통 마케팅 이론에서 소비자 구매 의사 결정 과정을 설명할 때 자주 이용하는 깔때기 비유는 변화된 디지털 시대에는 적합하지 않다고 주장한다. 이들의 설명에 의하면, 소비자들은 전통 마케팅 이론의 깔때기 비유처럼 다양한 브랜드들을 검토 대상에 올려놓고 점차 추려 내며, 최종 구매 의사 결정을 진행하기 보다는 구매 검토(Consider) -> 평가 (Evaluation) --> Buy (구매) -> Enjoy/Advocate/Bond (즐기기, 브랜드 옹호, 애착 단계) 의 4단계 과정을 통해 구매 검토 대상을 늘였다 줄였다 하며 구매 의사 결정을 하고, 구매를 완료하고 나서도 만족 여부에 따라 긍정적 또는 부정적으로 브랜드와의 관계를 지속하고 있다는 것이다. 그들은 이렇게 변화된 소비자 행동 패턴을 ""Customer Decision Journey"로 새롭게 명명하고 있다. � 전통 깔때기 이론과 비교했을 때 또 하나 크게 변화된 점은 소비자들과 브랜드 간의 관계가 구매 단계에서 완결되는 것이 아니라 새로운 관계단계로 넘어가는 것이다. 고객은 구매 후에도 끊임없이 브랜드와 관계를 유지하며, 만족스러운 고객 경험이 지속될 경우 구매 니즈가 생겼을 때 검토, 평가 단계를 거치지 않고 구매 --> 만족스럽게 이용, 브랜드 옹호, 브랜드에 애착관계형성의 선순환 고리를 이어간다는 것이다. � 이러한 고객의 구매 의사 결정 행동 변경은 필연적으로 기업들의 생존 방식 자체의 변화를 초래한다. 즉, 이제 기업들은 소비자들의구매 의사 결정 과정 (Customer Decision Journey) 이 어떻게 형성되는지, 그 과정 속에서 자사의 브랜드는 언제 고객의 구매 리스트에 오르고, 언제 탈락하는지, 또 고객이 왜 그런 의사결정을 하는지 알아야 한다. 고객의 구매 의사 결정 과정에서 간택받지 못하는 기업은 시장에서 도태될 수 밖에 없기 때문에 이러한 고객의 구매 의사 결정 과정에 대한 심도깊은 조사와 분석의 기업의 생존 그 자체를 좌우할 수 밖에 없다. � 과거에도 소비자의 행동 분석은 기업 경영에 중요한 화두였으며, 이로 인해 다양한 리서치 방법이 발달해 왔다. 오늘날 소비자들은 자신의 브랜드 경험담을 끊임없이 소셜 미디어 공간에 털어 놓고, 이러한 브랜드 경험담은 또 다른 소비자들의 구매 의사 결정에 결정적 영향을 미치게 되었다. 따라서, 소비자 행동 분석 방법 역시 전화, 면접 조사, 설문 조사와 같은 정통 리서치 방법 뿐만 아니라 소셜미디어 공간 상의 고객 간의 대화를 수집하여 분석하는 새로운 분석 방법론을 채용하게 되었는데, 이러한 소셜 미디어 공간 상의 고객 간의 대화, 고객 간의 관계 등을 분석하는 새로운 분석 방법론을 통칭하여 소셜 분석, 영어로 Social Analytics 라고 부른다.
Why so important?
소비자 행동 변화
Understand Your Customers’ Social Behaviors!!
1. Where are your customers online?
2. What are your customers’ social behaviors online?
3. What social information or people do your customers rely on?
4. What is your customers’ social influence? Who trusts them?
5. How do your customers use social technologies in the context of your products.
발표자
프레젠테이션 노트
어디서, 어떤 소셜 행동을 한느지, 어떤 소셜 정보에 의존하는 지, 누가 영향력을 미치고 누가 신뢰를 주는지, 소셜 기술을 제품과 관련해 어떻게 활용하는지…
Why so important?
소비자 행동 변화
발표자
프레젠테이션 노트
이를 뒷받침하는 몇 가지 데이터 살펴볼까요…
Why so important?
By understanding social media, you can affect and influence.
니콜라스 크리스타키스: 사회적 네트워크를 통해 어떻게전염병을 예측할 것인가?
- Ted.com 발표
새로운 것이 퍼지는 것 같은 현상을 이해할 수 있고, 예측할 수 있는 메커니즘 소개
전염병 뿐만 아니라 애국심, 이타주의, 종교 등의 추상적인아이디어에서부터 음식섭취, 도서구매, 음주, 자전거용헬멧이나 기타 안전용구의 활용, 사람들이 구입할 제품, 전자 제품구입 등 사람과 사람 사이에 퍼질수 있는 모든 실용적인 것까지예측 가능하다고 주장
발표자
프레젠테이션 노트
소셜 공간에서의 전이 현상 = Meme 몸 속에 바이러스가 존재하듯이, 우리 뇌 속에는 엄청난 번식력을 자랑하는 “Meme”이라는 것이 존재. 이 Meme 의 자기복제 기능이 온라인에서 더 파워풀하게 작동하는 것!! - 이기적 유전자 中에서 소셜 분석이라는 분야는 단순히 소비자의 행동 분석 목적만으로 이용되지는 않는다. 때로는 웹이라는 공간 조차 뛰어 넘어 오프라인 공간에서의 소셜 관계를 분석하는 분야까지 포괄하기도 한다. 특히, 소셜 공간에는 너무나도 다양한 데이터들이 흐르고 있기 때문에 사회, 정치, 경영 등 다양한 분야에서 다양한 용도로 소셜 분석은 활용되고 있다. 하버드 대에서 의학, 보건 정책, 사회학을 가르치는 니콜라스 크리스타키스 교수는 최근 "사회적 네트워크를 통해 어떻게 전염병을 예측할 것인가?" 라는 TED 강연에서 이러한 소셜 분석의 개념과 유용성을 아주 쉽고 명쾌하게 설명해 주었다. 그는 학교 내 친구 그룹 간에 신종 플루라는 질병이 어떻게 퍼지는 지 분석함으로써, 새로운 것이 퍼지는 것 같은 현상을 이해할 수 있고, 예측할 수 있는 메커니즘 소개했는데, 전염병 뿐만 아니라 애국심, 이타주의, 종교 등의 추상적인 아이디어에서부터 음식섭취, 도서구매, 음주, 자전거용 헬멧이나 기타 안전용구의 활용, 사람들이 구입할 제품, 전자 제품 구입 등 사람과 사람 사이에 퍼질 수 있는 모든 실용적인 것까지 예측 가능하다고 주장하고 있다. 소셜미디어로 인해 변화가 일어날 수 있다는 대표적인 예, 리비아, 이집트 민주화 혁명, 대한민국 지자체 투표
Social Analytics For What?
Social Analytics For What
Prediction리트머스로서의 소셜 분석 (제품 출시 직후 시장 반응 분석)
발표자
프레젠테이션 노트
1) 리트머스로서의 소셜 분석 - � 2009년 11월 28일 국내 이동통신 역사에서 큰 획을 긋는 사건이라고도 볼 수 있는 아이폰의 예약 제품 발송 및 개통 행사가 열렸다. 아이폰 출시에 대한 시장의 반응은 초미의 관심사였는데, 당시 리서치 회사에 근무하고 있던 필자는 출시 당일부터 3일 간의 트위터, 블로그 공간의 글들을 "아이폰" 이라는 키워드로 수집하여, 네티즌들이 아이폰 출시에 대해 어떻게 반응을 보이는 지 퀵 분석을 실시했다. 분석 결과 아이폰 출시를 열렬히 기다려왔던 네티즌들의 빠른 사용 후기와 함께 출시 행사의 열기 등을 전하는 긍정적인 시장 반응이 있는 반면, 느린 배송에 대해서는 불만이 높아 지고 있음을 발견, 조사 결과를 발표하여, 다양한 언론 매체에 싣렸다.� [그림 - 발표 내용] � 이와 같이 소셜 분석은 제품의 출시 직후 시장의 반응을 가늠하는데 탁월한 기능을 발휘한다. 만일, 디자인에 승부를 건 휴대폰을 출시하여 초기 마케팅을 전개하고 있는데 소셜 웹 공간에서는 디자인보다는 해당 제품의 버그나 다른 성능에 대한 글의 비중이 더 높다면, 기업은 이에 대해 발빠른 대응을 해야 한다. 예를 들어, 제품의 버그 이슈로 인해 우월한 디자인이 전혀 부각되지 않을 경우에는 재빨리 버그를 해결하여 펌웨어 업데이트와 같은 서비스를 통해 버그 이슈의 확대를 막아야 하고, 디자인 보다는 타 성능이 시장 내에서 더 인구에 회자되고 있다면 자사의 마케팅 커뮤니케이션 전략의 초점이 잘 못돼 있는 것은 아닌지 되돌아 보아야 할 것이다.� 정부 역시 새로운 정책을 실시하기 전 또는 실시 직후에 소셜 웹 공간을 수집하여 분석함으로써, 그 정책이 국민들에게 어떻게 받아들여지고 있는지, 정책의 일부 시책 중 개선해야 될 부분은 없는지 확인하여 정책의 전개 방향을 조정해 나갈 수 있다.� 소셜 분석에서 앞선 경험을 가진 기업들은 시장의 초기 반응을 알려주는 소셜 분석의 리트머스 역할에 초점을 맞추어, 제품 출시 초기의 소셜 데이터의 량이라든지, 글의 속성이라든지와 같은 축적된 소셜 데이터 특성과 제품의 여러가지 속성을 결합해 향후 매출을 예측하는 분석 모델이 개발 가능할 것으로 판단, 관련 연구를 지속적으로 전개하고 있으며, 구글과 IBM 은 실제로 소셜 글의 양이 매출 데이터의 선행 지수로 작동하고 있음을 발견한 연구 결과를 발표하기도 했다.� [그림- the predictive power of online chatter]
Social Analytics For What
Prediction
발표자
프레젠테이션 노트
과거에는 Business Intelligence 투자가 리포팅에 포커스돼 있었다면.. 소셜 분석 시대가 되면서 비정형적이고 구조화 되지 않은 데이터 속에서 패턴을 찾아 예측을 하고자 하는 쪽으로 중심이 이동하고 있다. 사례에서 상세히 다루겠습니다.
Social Analytics For What
Early identification of risk위기 구원투수로서의 소셜분석: 중요 사건에 대한 징후와 경과를 파악
(확산, 전개) (소강, 잔존) (롱테일 상태) (재점화) 단계로 진행
발표자
프레젠테이션 노트
위기 구원투수로서의 소셜 분석� 단 한 명의 블로거 글로 인해 델의 기업 명성 및 주가까지 하락한 사례에서부터 고객의 제품 A/S 요구를 묵살했다가 불매 운동으로 까지 확산된 도시바의 사례에 이르기까지 우리는 소셜 웹 공간에서 화난 고객의 게시글이 순식간에 전파되고, 큰 파장을 일으켜 흡사 바이러스나 전염병과 같이 번지는 경우를 매일같이 목도하고 있다.� 소셜 웹 공간에서는 단 한 줄의 고객 불만 글이라도 그 글을 쓴 이가 누구이며, 그 내용이 얼마나 호소력이 있고, 얼마나 많은 이들이 오고가는 길목에 노출되었는가에 따라 그 영향력이 일파만파 확대될 수 있다. 이러한 소셜미디어의 특성으로 인해 소셜 분석은 특정 기업 또는 기관에 위기 상황이 발생했을 때 잠재적 위기 요소가 되는 게시글은 무엇인지, 위험이 소강 상태로 접어들었는지, 지속적으로 확대 발전하는 상태인지 등을 진단하는 데도 유용한 역할을 한다.� 위기 상황은 보통 기업 또는 기관이 적절하게 대처 할 경우 이슈발생 --> 확산, 전개 --> 소강, 잔존의 3단계를 거치며 진화되지만, 회피, 침묵과 같은 부적절한 대응은 이슈의 소강은 커녕, 이슈의 재점화로 연결 돼 더 큰 화를 불러일으키게 된다. 아래는 실제 위기 상황이 발생해 매일 2~3시간 단위로 소셜 웹 공간을 모니터링했을 당시 위기 상황의 전개 양상을 나타낸 그래프로, 소강, 잔존에서 재점화로 이어지는 기미를 포착하여 보고함으로써 기업에서 적절하게 대응함으로써 이슈의 확대를 효과적으로 막을 수 있었던 사례이다. (참고로, 아래는 실제 프로젝트 당시와 모양만 비슷하게 보이도록 가상의 값들을 입력하여 만든 그래프임)� [그림 - 위기관리] 이러한 위기 상황에서 기업들이 소셜 웹 공간을 열심히 모니터링하고 분석해야 하는 이유는 위기를 회피하기 위해서가 아니라 올바른 커뮤니케이션을 하기 위해서이다. 고객이 오해하고 있는 부분은 없는지, 허위 사실이 유포되고 있는 것은 없는지, 고객이 이 사태에 대해 기업이 어떻게 대처해 주기를 바라는 지 살펴보고 신중하고 적절하게 조치해야 한다.� 사실 최상의 위기 관리는 예방인데 소셜 모니터링 및 분석을 주기적으로 실행할 경우 미리 큰화가 될만한 이슈를 조기에 찾아내 미리 대처함으로써 피해를 최소화할 수 있다.�
Social Analytics For What
Prior Customer Service찾아가는 고객 서비스 툴로서의 소셜 분석: Empowered Employee with Social Analytics
발표자
프레젠테이션 노트
소셜미디어 시대를 맞아 고객은 기업들이 원하든 원치 않든 끊임없이 기업과 제품, 브랜드, 사회적 이슈에 대해 이야기 한다. 이렇게 게릴라처럼 사방 팔방에서 기업에 대해 이야기를 쏟아 내는 고객들에게 기업들은 어떻게 대응해야 할까?� 이에 대해 Empowered 라는 도서에서는 기업 내 임직원들 개개인 역시 스스로의 판단으로 개별 고객에게 즉시 응대할 수 있도록 권한을 부여받아야 한다고 주장하고 있다. 즉, 실시간 커뮤니케이션 공간인 소셜 웹 공간에서 기존의 상명 하달 식 조직 체계는 적합하지 않으며 권한 이양 받은(Empowered) 임직원만이 힘을 갖춘(Empowered) 고객들을 적절히 대응할 수 있다는 것이다.� [그림 - Empowered 도식화] � 특히, 권한 이양 받은 임직원이 불만을 털어 놓은 고객의 글을 발견하자 마자 즉시 응대할 경우 불만 고객이 오히려 브랜드 옹호자가 될 수도 있다.� 미국의 대형 유통 업체인 베스트바이의 경우 Best Buy's Twitter Help Force 라는 완벽하게 권한 이양을 받은 트위터 고객 서비스 전담 팀을 운영하면서 트위터 내에서 고객 불만 글을 발견하면 즉시 #twelpforce 라는 해쉬태그로 해당 글을 공유하여 신속하게 응대하여 고객 만족도와 충성도를 높이고 있다. �기업들은 소셜 게시글 모니터링 및 분석을 통해 불만 고객을 발견하여, 찾아가는 고객 서비스를 제공하고 이를 통해 형성된 긍정적인 고객 경험이 긍정적인 입소문으로 이어지는 선순환 구조를 만들 수 있는 것이다.
Social Analytics For What
Customer Insight Center고객 인사이트 보고로서의 소셜 분석
발표자
프레젠테이션 노트
4) 고객 인사이트 보고로서의 소셜 분석� 소셜 분석의 또 하나의 가치 중 하나는, 고객의 적나라한 목소리를 통해 고객 행동 넘어의 "동기", 즉, Why 를 알게 해 준다는 점이다. 소셜 분석의 이러한 가치를 일찌감치 알아본 해외 및 국내 리서치 업체들은 유관 상품을 개발하여 서비스를 해오고 있는데, 사실, 소셜 분석은 전통 리서치를 일부분 대체할 수 있을 뿐만 아니라 어떤 측면에서는 더 나은 결과를 가져오기도 한다. 이런 면에서 혹자는 'Listening is the new asking’ 이라고 비유하기도 한다.� 우선, 소셜 분석은 고객이 질문에 답을 하는 방식이 아니라, 자발적으로 소셜 웹 공간에 올려 놓은 글을 분석하기 때문에 질문하는 방식과 환경에 따라 영향을 받는 리서치와는 달리 전혀 편향돼지 않은(unbiased) 결과를 얻을 수 있다.� 또한, 소셜 분석은 공간적 한계를 뛰어넘는다. 인터넷 공간에는 국경이 없기 때문에 제품 출시 후 한 자리에 앉아서 북미 지역의 반응과 유럽 지역의 반응을 비교적 빠른 시일 내에 확인할 수 있다. 필자가 몸 담았던 X 리서치 회사의 경우 영어, 불어, 스페인어 뿐만 아니라 중국어, 아랍어로까지 리서치 프로젝트를 해외 출장 한 번 없이 국내에서 바로 수행한 적이 있다. 해외 리서치 프로젝트를 수행할 때 소요되는 비용보다 훨씬 적은 비용으로 보다 많은 샘플들과 국가를 커버할 수 있어 이러한 리서치 방식이 점차 각광을 받을 것으로 기대된다.� 소셜 분석의 또 다른 장점은 신속하게 결과를 얻을 수 있다는 점이다. 일반적인 리서치의 경우 조사 설계, 조사 대상자 선정 및 컨택, 조사 수행에 이르기까지 최소한으로 잡아도 1~2주는 기본으로 소요된다. 반면, 소셜 분석은 수집 및 분석과 관련하여 자동화 시스템 또는 프로세스가 존재할 경우 단 하루만에도 조사 결과를 손에 받아볼 수 있다.� 한편, 고객 인사이트 발굴에 탁월한 소셜 분석의 잇점을 최대로 활용하기 위해 자사의 R&D 및 상품 기획 프로세스 자체에 소셜 분석 과정을 포함하는 기업도 늘어 실제로 A전자 B사업부는 신규 모델에 대한 소셜 분석을 NPD(신제품개발) Process에 편입시켜 신제품 버그에 대한 초기 대응에 활용하고 있다.� 소셜 분석을 통해 제품 혁신 아이디어를 얻는 경우도 종종 있는데, Dell 사의 경우 '아이디어스톰'이라는 고객의 집단 지성을 활용하는 아이디어 발굴 커뮤니티를 아예 자체적으로 운영하고 있다.
Social Analytics For What
Communication Strategy resource커뮤니케이션 나침반으로서의 소셜 분석
발표자
프레젠테이션 노트
누구에게 어떤 메시지를 어떤 방식으로 전달할 것인가를 항상 고민하는 커뮤니케이션 전략 부서에게 있어 소셜 분석 결과는 명확한나침반 역할을 한다. 소셜 분석 결과를 매체 별로 들여다 보면 똑같은 회사의 제품에 대해서도 평가 글들이 조금씩 다른데, 이는 구성원이 다르고 매체의 목적 자체가 다르기 때문이다. 아주 쉬운 예로 다음 아고라 게시판과 조선일보 게시판의 글 내용과 논조는 같은 이슈에 대해서도 아주 상반된 경우가 많다.� 그러므로, 기업은 보다 효과적인 커뮤니케이션을 전개하기 위해 타겟 고객이 주로 어디에 포진돼 있는지, 경쟁사와 비교했을 때 특히 취약한 매체는 없는지, 자사에 특히 부정적이거나, 우호적인 여론을 주도하는 빅마우스 고객은 없는지 등을 파악해야 한다. 즉, 타겟 고객의 주 이용 사이트 분석 및 각 사이트 별 메시지 분석을 통해 매체 전략 수립에 활용하는 것이다.� 소셜 데이터 분석 기법 중 사회 연결망 분석할 경우 소셜 웹 공간에서 특정 주제 별로 대화의 허브 역할을 하는 사람과 대화 주제를 한 집간에서 다른 집간으로 전파하는 사람이 누구인지 파악할 수 있고, 심층 분석을 통해 각 대화 참여자의 영향력을 분석하고, 주제에 대해 우호적인지, 비판적인지와 같은 성향 분석도 가능하기 때문에 소셜 대화 참여자들에 대한 분석이 특히 주목을 받고 있는데, 한가지 유의할 점은 이러한 대화 참여자들 간의 역학 관계를 이용하여 대화를 조정하고, 통제하려 할 경우엔 역효과가 일어나고 그 반향은 무서울 정도라는 점이다. 이러한 분석 결과는 조정하고, 통제하는 쪽 보다는 제대로 이해하고 다가가고자 하는 쪽에 유의미하게 활용될 수 있을 것이다.� 소셜 분석은 광고 전략 수립의 백데이터로서도 탁월한 기능을 발휘한다. 자사 및 경쟁사 브랜드에 대해 고객이 자주 쓰는 단어가 무엇인지 키워드분석을 진행할 경우 고객에게 쉽게 다가가고 받아들여질 만한 컨셉 및 메시지 개발에 활용할 수 있고 광고 모델에 대한 평판 분석을 통해 광고 모델 선정에도 활용할 수 있다. 실제로 G 광고대행사의 경우 20-30대 타깃인 화장품의 광고모델에 대한 네티즌들의 광고 평가 게시글을 수집하여 광고 전략수립 및 광고주 설득용 자료로 활용하고 있다.� 또한, 정부 및 공공 기관의 경우 정책과 관련하여 논란이 심한 이슈가 있을 경우 소셜 모니터링 분석을 통해 오해가 있거나, 허위 사실이 있는 이슈에 대해서는 해명을, 설명이 부족한 부분에 대해서는 충분한 정보를 릴리스하는 등의 커뮤니케이션을 전개할 수 있고, 국민의 여론을 정책 방향 결정에 반영할 수 있다.
Social Analytics For What
Social Media Measurement성과 측정 도구로서의 소셜 분석
Business Goal 고객에게 바라는 행동 How to Measure & KPI Priority
발표자
프레젠테이션 노트
소셜 분석은 수행을 위한 방향성 수립 뿐만 아니라, 수행에 대한 성과를 측정하는 데도 유의미한 도구이다. 소셜미디어를 이용한 마케팅 활동이 주목을 받으면서 소셜미디어 마케팅의 ROI 에 대한 논란도 뜨거워 지고 있는데, 소셜 분석은 소셜 마케팅 활동 뿐만 아니라 오프라인 PR 활동에 대한 성과 측정에도 활용 될 수 있다.� 예를 들어, 새로운 휴대폰 모델 출시 후 디자인의 강점을 부각하는 오프라인 PR활동이 전개되는 와중에 소셜 웹공간에서는 해당 제품의 디자인보다는 다른 특성이 인구에 회자되고 있다면, 해당 PR활동이 성공적으로수행되고 있다고 판단하기는 어려울 것이다. 이럴 경우 PR활동의 방향을 디자인에서 소셜 웹 공간에서 긍정적 반응을 얻고 있는 다른 특성을 강조하는 쪽으로 틀거나, 디자인에 대한 PR활동을 더욱 강화해야 할 것이다. 또한, 제품 관련 기사의 양과 소셜 웹 공간의 글의 양을 트렌드 그래프로 비교해 보면 아래의 그림처럼 기사가 집중되는 시기에 소셜 웹 공간에서의 대화도 집중되는 경향이 일반적인데, 기사가 집중되는 것에 비해 소셜 웹 공간에서의 대화가 활발하지 않을 경우 원인을 파악하여 개선하기 위한 노력을 기울여야 할 것이다. [그림 - PR효과 측정]� 성과 측정을 위해 소셜 분석을 할 경우에는 성공 여부를 판가름할 수 있는 지표(Key Performance Indicator) 수립이 가장 중요한데, 이 KPI 는 소셜 마케팅 활동의 목적을 무엇으로 정하느냐에 따라 달라진다. 만일, 자사 관련 소식들을 주기적으로 공유함으로써 소셜 웹 공간에서 자사에 대한 인지도(Brand Awareness)와 고객의 관여도(Brand Engagement) 및 입소문(Word of Mouth)을 활성화하기 위한 목적으로 소셜 마케팅 활동을 전개한다면 소셜 웹 공간 속의 자사에 대한 글의 량, 소셜 웹 공간에 공유된 링크를 통한 자사 사이트로의 방문 유입 수, 소셜 웹 공간에 공유한 글의 조회수, 댓글 수 등 이 중요한 지표가 될 수 있을 것이다. 목적 별 지표는 소셜 마케팅 활동을 전개하는 매체가 블로그냐, 트위터냐, 페이스북이냐에 따라 다시 상세하게 정의될 수 있다. 아래는 블로그 운영 시의 목적 별 KPI 의 예시로, 기업들은 자사의 소셜 마케팅 활동의 목적을 구체화하여 매체 별로 고객에게 바라는 행동을 기술하고 이를 어떻게 측정할 것인가를 정의함으로써 자사만의 소셜 마케팅 활동 성과 측정 메트릭스를 만들 수 있다. [그림-블로그 KPI]� 소셜미디어 성과 측정은 지금 이 순간에도 토론이 활발하게 진행되고 있는 분야인지라 이 주제만 가지고 30분 내지 한시간 강의 가능 �
Social Analytics For What
Business Intelligence 의사 결정 플랫폼으로서의 소셜 분석
발표자
프레젠테이션 노트
지금까지 열거한 소셜 분석의 유용성은 궁극적으로 바이럴 전략, 광고 메시지 전략과 같은 기능 차원의 전략에서부터 경쟁사 대비 차별화 전략, 시장 환경 분석에 의한 신제품 출시 전략과 같은 장기적 기업의 생존 전략에 이르기까지 관할하는 의사 결정 지원 플랫폼으로서의 역할을 하게 될 것이다.� 즉, 소셜 웹 공간의 다양한 데이터가 기업의 다양한 비지니스 기능으로 통합 돼 적절한 의사 결정으로 귀결되는 프로세스가 일상화 될 것이다. 소셜 웹은 검색을 통해 상시적 접근이 가능한 공간이기 때문에 그 분석 기능의 성능 차이는 있늘 지언정 대기업이 됐든 중소기업이 됐든 의사 결정의 근거로 소셜 데이터를 중요하게 받아들일 것은 자명하다.� 소셜 웹 공간의 데이터가 적절한 필터링 과정을 거쳐 고객 서비스, 제품 개발, 마케팅, HR, 재무, 영업 부문으로 흘러 들어가 의사 결정에 반영된다는 것이다. 소셜 미디어로 인한 비즈니스 수행 자체의 변화 흐름 중 특히 주목할 부분은 소셜 CRM 이라는 영역으로 SAS, ORACLE, IBM 과 같은 대형 IT기업들까지 뛰어 들어 소셜 분석 기술의 각축장이 될 것으로 전망된다. 소셜 분석 벤더에 대해서는 별도의 장에서 보다 상세히 다루고자 한다. 중요한 것은 소셜미디어의 발전으로 우라 주변에는 금광과 같이 파면 팔 수록 의미있는 인사이트를 얻을 수 있는 소셜 데이터가 널려 있다는 점이다. "새로운 토양이자, 석유, 젖줄"로 까지 비유되는 데이터들을 어떻게 유의미하게 분석하여 활용할 것인가가 새로운 화두인 것이다.� 참고 --> Data is new soil and oil
Social Analytics For What
Social Analytics & Business
Social Commerce
Social Innovation
- Social Learning
- Social KMS
SocialCollaboration
고객을 내 옹호자로!!Sales 증대 마케팅 캠페인 최적화
ROI 분석
신속하고 저렴한 고객 리서치제품, 서비스 혁신 사내 집단 지성 활용
인프라 구축
Target MarketingROI 분석
범 조직 적 협업 프로젝트 관리 가능
- SocialCustomer
CareService
- Social CEM
Social MKTCampaingn
ManagementSocial
Analytics
위기관리 바이럴마케팅
효과측정
이미지 분석
일반평판분석고객지원
이슈여론 분석
초기반응 R&D/아이디어
시장환경분석
발표자
프레젠테이션 노트
그러면 소셜 분석으로 인해 더욱 풍성해지고 힘을 얻을 business 영역은 무엇일까?? Business Function 별로.. 목적과 유용성 측면에서 봤을 때…
Social Analytics Methodology
Social Analytics Methodology
DiagnosisFor OptimalCampaignScenarioMarketing DB
Customer DB
Social Network Data
AR + LBS + Map Real Customer data
Social Analytics
Marketing Analytics
ReportingActionAnalyticsData Source
E-mailSMSTwitterFacebookPop-upCall Center
CashbagDC couponPersonalCare Service
Right CustomerRight ChannelRight Message
TargetedCustomer
Marketing Channel
Marketing Message
홍보, PR /판촉/ 이벤트/ CRM/ 매스 미디어
발표자
프레젠테이션 노트
수집 분류/분석 리포팅 Action
Social Analytics Methodology
시스템 구성 – 골든플래닛 예시
MS SQL
Data Crawler Data 분류기 Social Data
Text DB
Html DB
블로그수집기
카페수집기
트위터수집기
기타지정사이트
기타 SNS
KDLP(형태소분석)
GP_Classifier(분류기)
Topic Dic(주제어사전)
Emo_Dic(감성사전)
Ontology Dic(온톨로지분석)
데이터정량화
발표자
프레젠테이션 노트
감성분석은 분석대상을 추출하여 형태소분석 주제어카테고리분석을 바탕으로 Class, Instance, Property, Relation의 종속관계와 인과관계를 온톨리지 영역에서 분석 및 추출하여 긍정.부정의 감성을 판별한다. ※ 온톨리지란 사람들이 보고 느끼고 생각하는 것에 대해 서로간 합의를 통해 개념적으로 컴퓨터로 다룰 수 있는 형태로 표현한 모델이 며 구성요소로는 클래스(class), 인스턴스(instance), 관계(relation), 속성(property)으로 구분할 수 있다 ex) Class: 삼성 , Instance: 삼성 LCD-A10, Property: 비싸다.좋다 등, Relation:삼성은 모니터생산업체이다
Social Analytics Methodology
소셜 데이터 수집
수집, 분류/분석 주기 결정API Limit, 가용 서버 자원에 따라 hourly, daily, weekly 결정
When
Where
What
각 종 SNS (트위터, 페이스북, 포스퀘어, 블로그, 카페, 옥션, 아고라, SLR, 세티즌… )
- 제품 및 서비스의 종류에 따라 타겟 고객이달라지기 때문에 매체 선택도 달라짐
Ex) GTX 조사를 블로그로??
People : 성별, 연령, 직업, 위치, 관심, 성향, 영향력 분석, 사회 연결 망 내 위치, 소셜테크노그라픽..
Contents : 주제, 긍부정, 영향력 (댓글, 조회수, 클릭율)매체, 작성일..
Relation : 브랜드 옹호 성향, Like 관계, 친구 관계..
발표자
프레젠테이션 노트
수집 과정은 분석 목적에 따라 언제, 어디서, 무엇을 가져와 분석할 것인지에 대해 정교하게 설계하는 데서부터 시작된다. 우선 "언제"라는 이슈는 소셜 분석에 대한 시간의 틀을 어떻게 가져갈 것인가?를 결정하는 것을 의미한다. 최근 한 달간의 데이터만을 살펴볼 것인가? 아니면 최근 몇 개월 또는 최근 몇 년의 데이터들을 가져올 것인가? 이를 결정하는 것 역시 분석의 목적 및 분석 대상의 특징과 저장 공간 확보 여부에 따라 달라진다. 예를 들어, 화장품 신제품 개발을 목적으로 소셜 분석을 실시한다면 화장품은 계절 별로 고객의 선호가 달라지는 만큼 최소 1년의 데이터는 분석을 해 보아야 시즌 별 고객의 화장품 브랜드에 대한 관심의 변화를 파악할 수 있을 것이다. 신제품 출시 전 후의 반응을 알아보고자 한다면 출시 전 일정 기간, 출시 후 일정 기간의 데이터를 수집하여 분석해봐야 한다. 만일 가전 제품 폭발과 같은 위기 상황에서 시시각각 변하는 여론에 대응하기 위한 목적으로 모니터링을 하는 것이라면 오전, 오후, 저녁과 같이 시시 각각 수집을 진행하여 이상 징후를 찾아야 할 것이다. 한편, 저장 공간이 충분하고, 검색 엔진의 크롤러에 맞먹는 성능의 크롤러가 있을 경우에는 어디에 있는 데이터들을 얼마나 오래 전에 작성된 것부터 가져올 지 결정한 다음 데이터들을 한꺼번에 수집한 후 그 이후부터는 업데이트 된 정보들만 주기적으로 가져오면 될 것이다. 반면, 저장 공간이 불충분할 경우에는 필요에 따라 필요한 만큼의 데이터를 수집해 오는 것이 저장 공간의 효율성과 데이터의 유지 관리 비용 측면에서 유리할 것이다. � "어디"의 이슈는 내 타겟 고객이 소셜 웹 공간 어디에서 자사의 제품과 브랜드에 대해 대화를 하고 있는가를 규명하는 것을 의미한다. 만일 지방 자치 단체의 정책에 대한 지역 주민의 의견을 조사하여 정책 의사 결정에 반영하기 위한 목적으로 소셜 분석을 수행한다면 해당 지역 주민들이 자주 이용하는 커뮤니티, 게시판의 데이터를 수집해야 한다. 참고로 이런 정책, 정치적 이슈에 대한 분석이 진행되는 경우에는 빠지면 안되는 매체 중 하나가 다음 아고라이다. 물론, 다음 아고라의 위세가 예전 같지 않다고는 하지만 정치적 이슈에 대한 토론이 가장 활발한 게시판 중 하나임에는 틀림없기 때문이다. 한편, 국내에서는 아직 출시되지 않은 IT 기기를 국내에서 출시하고자 하는 목적이라면 국내에는 유저가 없기 때문에 해외 유저들의 해당 기기에 대한 평가 글들을 수집하여 분석해야 할 것이다. IT 기기들의 경우 유저들이 활발하게 활동하는 대상 커뮤니티들이 휴대폰, 카메라, 게임기 등 그 종류에 따라 달라지기 때문에 제품의 유형과 종류 별로 수집 대상 사이트가 달라지는 것은 당연하다. 분석의 목적과 분석 대상에 따라 데이터를 어디에서 가져올 것인가를 결정하는 것이 결국 분석 결과가 타겟 고객의 니즈를 얼마나 잘 반영하느냐를 좌우하기 때문에 수집 전에 충분한 사전 조사와 리서치가 필요하며, 때로는 사이트 별 데모 그래픽 데이터를 제공하는 랭키, 인터넷 메트릭스, 코리안클릭과 같은 데이터들을 참고해야 할 경우도 있다. � [그림 - 관련 통계 ex- 트위터 이용자 - 성별 + 연령] � 사실, 웹 공간의 모든 데이터를 수집하여 자체 보유하고 있어 전수 조사가 가능한 수준이라면 언제, 어디의 이슈에 그리 민감할 필요는 없다. 그러나, 전수 조사가 아닐 경우 언제, 어디의 데이터를 긁어올 것인가가 결국은 리서치 프로젝트에서 샘플링을 전체를 잘 반영할 수 있도록 얼마나 잘 설계하느냐가 궁극적으로 분석 결과의 신뢰도를 좌지우지하는 것처럼 소셜 분석을 위한 데이터 수집 시에도 신중한 설계가 필요하다. 예를들어 특정 산업 내에서 경쟁하는 3개 브랜드에 대해 온라인 상의 평판을 알아보기 위한 소셜 분석 프로젝트를 수행할 경우 소셜 웹 공간 전체에서 매체 별로 관련 글이 차지하는 비중을 조사하여 아래와 같이 층화 샘플링 설계를 한 후 수집을 시작해야 한다.� [그림 - 층화 샘플링]� 한편, 하루에도 50만 개의 트윗 글들이 생산되는 트위터 공간을 분석 대상으로 삼을 경우 전수 조사를 하는 것은 절대 쉬운 일이 아니다. (2010년 2월 트위터 사 공식 발표 기준 -http://blog.twitter.com/2010/02/measuring-tweets.html) 특히, 주관적인 분류 기준을 이용해 트윗 글들을 수동으로 수집 및 분류하여 리포팅을 하고자 할 경우에는 수작업을 할 수 있는 인원 수에 한계가 있기 때문에 매일 매일의 특정 시간 구간 별로 트윗 글을 일정량 씩 주기적으로 모으는 시간을 고려한 샘플링을 실시해야 한다.�[그림 - 예시 - 트위터 시간대 별 층화 샘플링 - 트윗글이 활발하게 게재되는 오전 11시부터 오후 5시까지, 월~금요일간 2주동안 수집] � "무엇을 분석할 것인가"의 이슈 역시 분석의 목적과 연관이 깊다. 특히, ROI 측정을 목적으로 데이터를 수집할 경우 활동의 목적을 분명히 해야 KPI를 정의하고 KPI 측정을 위한 데이터 수집을 진행할 수 있다. 일반적으로 누가 누구를 알고, 어떤 친구를 공통적으로 가지고 있는지, 어떤 사람들끼리 서로 자주 대화를 나누는지, 네트웍 상에서 누가 가장 조용하고 누가 가장 말이 많은지, 또는 누가 가장 영향력이 높거나, 인기가 있는지, 사람들이 무엇에 대해 대화를 나누는 지, 그들이 주제에 대해 호의적으로 이야기하는지 아니면 부정적으로 이야기하는지가 소셜 웹 분석의 주요 이슈이며, 매체에 따라 가져와야할 데이터는 천차만별이다.
Social Analytics Methodology
소셜 데이터 수집
수집대상- 네이버블로그- 네이버카페- 다음블로그- 다음카페
- 다음아고라- 네이트블로그
- 기타지정사이트
URL 분석
Page 분석
ParameterParser
Target Frame
Format 분석
검색어Parsing
Browser Crawling
HTTPRequest
EventHandler
ContentsDownloader
Social Data Layer
Item Parser
Formatter
iFrame분석기
Crawler
발표자
프레젠테이션 노트
예를들어 블로그의 글을 수집한다고 할 경우 작성된 개별 게시글의 글 내용, 고유주소, 작성자, 작성일, 조회수, 스크랩수, 해당 글에 대한 댓글 별 댓글 내용, 작성자, 작성 시간 등이 그 수집 대상이 되며, 해당 블로그 자체에 대한 정보인 블로그 명, 블로그 주소, 블로그 누적 방문자수, 일방문자수, 이웃수, RSS 구독자 수 등을 매체의 영향력을 판가름하기 위해 추가로 수집한다. 지식인, 카페(클럽), 포럼, 게시판도 작성된 글의 내용과 해당 글의 주소, 작성자, 작성일 등과 개별 댓글 정보들이 기본으로 수집되는 데이터이며, 매체 자체 또는 작성자에 대해 그 영향력 평가를 위해 사이트에서 제공하는 데이터를 추가로 수집하기도 한다.� 트위터의 경우 트위터가 오픈 플랫폼을 지향하기 때문에 트위터에서 제공하는 API 를 통해 다양한 데이터를 수집할 수 있다. Twitter API 를 통해 수집 가능한 데이터가 어떤 것이 있고, 어떻게 API 를 활용하는지에 대한 정보는 Twitter API documentation을 참고하면 되며,(http://dev.twitter.com/doc) 아래는 트위터 유저에 대해 기본적으로 가져올 수 있는 데이터와, 타임라인에서 가져올 수 있는 데이터의 예시이다.� 트위터리안 고객변수: 이름, 가입일, 스크린네임, Favorite Count, 프로필웹페이지주소, 표준시간, 사용언어, 위치정보(위.경도), 프로필, 위치(주소), Friends 수, Follower 수 , Description 타임라인 변수: 트윗글, 현 위치정보, 사용디바이스 or Twitter Client Site,Favorited, Retweeted, Retweet Count, Contributor, in_reply_to_user_id, ,in_reply_to_screen_name)� [그림 - 트위터 유저 데이터 엑셀 시트]� 한가지 유의할 점은 트위터 본사의 API 를 통해 데이터를 수집하고 활용할 경우 Twitter API rules (http://dev.twitter.com/pages/api_terms) 문서나 terms of service(http://twitter.com/tos) 를 준수해야 하기 때문에 수집할 수 있는 데이터 량 등이 분석하기에 흡족할 만한 수준이 아닐 수도 있다. 그러다 보니 API 를 통하지 않고 검색 엔진의 크롤러가 작동하는 방식을 이용해 트위터 사의 데이터를 주기적으로 수집하는 업체들도 존재하며, 트위터 본사에서는 이러한 수집 방식은 달가와 하지 않기 때문에 창과 방패처럼 데이터 수집에 대해 막고 뚫는 과정이 반복되기도 한다.� 페이스북도 트위터와 유사하게 API 를 통해 Users (개인 아이디), Pages (페이지 명), Groupts (페이스북 그룹명), Status messages, 사진, 앨범, 비디오, 노트 등에 대해 다양한 데이터를 조회할 수 있으며, 상세한 내용은 페이스북 개발자 문서를 참고하기 바란다. (http://developers.facebook.com/docs/), 참고로 아래는 필자의 아이디 명으로 페이스북 그래프 API 를 호출한 화면이다.� https://graph.facebook.com/ottugui [그림 - 페이스북 그래프 API 2]� 단, 페이스북은 최근들어 개인정보 보호 이슈와 관련하여 많은 비난과 주목을 받았었기 때문에 관련 규정이 엄격한 편이다. 그래서, 페이스북 데이터들은 기본적으로 계정 주인이 자신의 데이터에 접근가능하도록 허용하는 절차를 거친 다음에야 접근이 가능하다. 페이스북 데이터 조회 및 접근 방법은 Graph API (http://developers.facebook.com/docs/reference/api/) 를 참고하면 되며, 정보 접근에 대한 허용을 요청하기 위해서는 페이스북의 접근 권한 관련 문서 (authentication guide - http://developers.facebook.com/docs/authentication) 를 참고하기 바란다. 한편, 페이스북 그래프 API 를 통해 제공되는 데이터는 SQL 과 비슷한 형태인 Facebook Query Language, or FQL, 로도 데이터 조회를 할 수 있다.http://developers.facebook.com/docs/reference/fql/ 언제, 어디서, 무엇을 수집할 것인가를 정한 다음에는 어떻게 수집할 것인가에 대한 기술적 검토도 해야 한다. 사실 거창하게 분석할 필요가 없다면 개인이 1~2시간 마음잡고 앉아서 카피 앤 페이스트 방식으로 데이터 수집을 할 수도 있기 때문에 사람의 힘을 이용해 수동으로 데이터 수집할 것인지, 기계를 이용해 자동으로 수집할 것인지 ROI 측면에서 검토하여 수집 방법을 결정해야 한다. 또한, 수동 수집이 아니라 기계적 수집 방식을 이용할 경우 API 를 통해 허용된 데이터만 가져올 것인가 아니면 웹크롤링 방식으로 데이터를 가져올 것인가도 결정해야 하고, 수집 대상 사이트가 수집을 막는 방침이라면 심지어는 사람의 브라우징을 시뮬레이션하는 형태의 느리지만, 절대 블락당하지 않는 수집 방식을 채택해야 할 수도 있다.� 마케터나 의사결정자들이 이러한 기술적 이슈에 대한 디테일을 알 필요는 없을 것이다. 다만, 어떤 단계를 거치고 각각의 단계가 어떤 과정을 거치는 지를 이해하면 그만큼 분석에 대한 요구 사항을 잘 정리하여 전달할 수 있을 것이다.
Social Analytics Methodology
소셜 데이터 수집
Request Token
ServiceProvider Grants
Social Data Layer
Authentication
GrantToken
Obtain UserAuthentication
ServiceProvider
Consumer
GrantAccess Token
AccessProtectedResources
User Scan User Info Scan
Language Filter
TweetScan
Twit Collector
Network분산처리
MutiThread실행
발표자
프레젠테이션 노트
Authentication: oAuth 인증방식을 거쳐 복수개의 계정을 이용하여 API를 통해 인증 데이터 수집 시 멀티쓰레드방식을 통해 동시에 여러 프로세스를 독립적으로 실행시키며 네트워크 점유율 분석 후 분산처리를 통해 안정적이고 빠른 수집을 한다.
Social Analytics Methodology
소셜 데이터 분류
Blog
Social Network Collect Layer
Cafe
Portal
Twitter
기타 SNS
Analysis Layer
기계학습 자동분류
Class
Ontology Layer
Instance Property Relation
형태소사전카테고리사전
감성분석사전
감성분석분류사전
정형분석
비정형분석
Reporting Layer
체언, 용언추출
사용자변수마이닝
사용자변수교차분석
마케팅 리소스최적화분석
종속관계분석(Taxonomic Relation)
인과관계분석(Non-
taxonomic Relation)
긍부정지수
트랜드분석
여론주도분석
발표자
프레젠테이션 노트
2) 분류/분석 과정� 수집된 정보는1차적으로 해당 정보가 주제와 관련성이 있는 글인지 유효성 필터링 과정을 거치게 된다. 기계적으로 특정 키워드를 포함하는 모든 글을 수집했을 경우 해당 텍스트를 포함은 하고 있지만, 주제와 전혀 관련이 없는 글도 수집될 수 있고, 이런 데이터를 포함하여 분류, 분석 과정이 진행될 경우 Garbage In, Garbage Out 법칙에 따라 쓰레기 데이터가 들어갔기 때문에 쓰레기 데이터가 나올 수 밖에 없다. 예를들어 "가방"이라는 키워드로 수집을 했을 경우 멍청한 기계는 "아버지가 방에 들어가셨다"라는 문장 역시 가져오는 것이다. 때로는 이런 멍청한 수집 결과를 가져오는 데이터의 패턴을 사람이 발견하여 이를 필터링 룰로 적용함으로써 수집 자체를 튜닝할 수도 있고, 더 나아가 사람의 유효성 필터링 결과 데이터를 기초 학습 데이터로 삼아 기계가 스스로 학습하여 결과가 갈수록 좋아지게 만들 수도 있다. 참고로 기계 학습과 관련된 영역은 다양한 알고리즘이 활용되고 설명하려면 그만큼 어려운 기술 용어들을 언급해야 하기에 본서에서는 기계 학습이라는 것도 있다는 정도만 이야기하고자 한다.� 이렇게 유효성 필터링 과정을 거쳐 정제된 데이터는 분류의 목적에 따라 대,중, 소,세의 카테고라이징 작업을 거쳐 최종 긍부정 감성 분석 단계를 거치게 된다. 이 과정 역시 사람에 의해 수동으로 이루어질 수도, 수동과 자동이 섞여 있을 수도, 완전 자동으로 구현될 수도 있다. 이해를 돕기 위해 자동 분류, 분석 과정의 흐름을 살펴보면 다음과 같다. 예를 들어 "가격 거품이 심하더군요" 라는 문장이 들어오면 분류기는 문장을 "가격(가격이라는 속성값 추출) 거품(체언-사전에 없어 속성값은 추출X) 이(조사) 심하(부정적 감성) 더군요.(어미)"와 같이 분석하여 "가격이라는 속성 값에 대해 부정적인 문장이다"라고 해석을 하게 된다.� 기계적으로 대,중,소,세 분류 및 긍부정 감성 분석을 하는 영역에서는 형태소 분석과 같은 자연어 처리 기술, 위에서 언급된 기계학습과 같은 기술들, 대용량 데이터를 분산된 서버 환경에서 잘 다루기 위한 클라우드컴퓨팅 기술 등 다양한 기술을 필요로 하며, 궁극적으로 분류분석의 정확도와 신뢰도는 얼마나 사전 구축이 튼실하게 돼 있느냐에 따라 좌우된다. [그림 - 분류 프로세스]� 기계적으로 자동 분류를 할 때 유념해야 할 사항은 사실 영어, 독일어와 같은 서구권 언어의 경우 이와같는 텍스트 마이닝에 필요한 기술들을 오픈소스 소프트웨어로도 접할 수 있고 긍부정 사전도 잘 구축돼 있어 분석 결과를 상당히 신뢰할 수 있으나, 국내의 경우 맥락에 따라 긍부정 자체의 판가름이 애매한 표현이 많고(ex. 잘~~~ 한다.. 와 같은 냉소적 표현), 특정 분야에서 긍정적 의미로 쓰이는 단어가 다른 분야에서는 부정적 의미로 쓰이는 단어도 있어 그 분석 결과를 전적으로 신뢰하기는 어렵다는 점이다. 실제로 사람이 분석한 결과와 기계가 분석한 결과를 비교해 보니 그 정확도가 6~70% 정도만 되도 잘 하는 수준이었는데, 그럼에도 불구하고 기계는 동일한 기준으로 데이터를 분석하기 때문에 장기적으로 데이터가 쌓이면 그 트렌드 데이터를 통해 얻을 수 있는 인사이트는 충분히 유효하다는 것이고 기계 학습과정을 통해 분석 결과의 정확도는 지속적으로 업그레이드 될 수 있다는 점이다. 사실, 두 사람이 분석한 결과를 크로스 체크할 경우에도 8~90% 정도만 서로 맞아 떨어지기 때문에 6~70%의 정확도를 문제 삼기보다는 6~70%의 정확도로 데이터를 분류한 다음 최종 사람에 의해 검증을 해가며 정확도를 지속적으로 튜닝하면 충분히 의미있는 분석 결과를 얻을 수 있다� 분류에 있어 더 중요한 이슈는 분류 기준을 잘 설계해야 제대로 돤 인사이트를 얻을 수 있다는 점이다. 정치,경제 이슈를 다룰 때와 특정 산업의 제품을 다룰 때의 분류 기준은 당연히 다르고 같은 제품, 브랜드를 다루더라도 R&D 및 상품 기획의 목적으로 분석을 할때와 홍보나 고객서비스 목적으로 분석할 때의 분류 기준은 다르다. 예를들어 특정 자동차 브랜드의 온라인 평판을 경쟁사 대비 조사한다고 하면 아래 이미지와 같이 크게, 가격, 옵션, 디자인, 성능, 안전성, 내장, 기타로 대분류를 정하고 성능이라는 대분류에 대해서는 주행성, 승차감과 같은 중분류 체계를 가지고 갈 수 있다. 이렇게 분류 체계를 설계하기 위해서는 사전 조사를 통해 사람이 일정 량의 글들을 읽고 주관적으로 이 글은 무엇에 대한 글이다라는 코딩을 해 보는 과정과 이를 프로젝트 의뢰 기업과 수행 기업 간에 합의하는 절차가 필요하다. � [그림 - 분류 기준 예시] � 또한, 소셜 데이터를 분석할 때는 크게 사람, 콘텐츠, 관계에 따라 아래와 같은 분류 기준들이 기본적으로 검토된다.� - People : 성별, 연령, 직업, 위치, 관심, 성향, 영향력 분석, 사회 연결 망 내 위치(하나의 네트워크와 다른 네트워크를 연결시켜주는 커넥터 역할을 하는지, 네트워크의 중심에 위치하는지 등), 소셜테크노그라픽 (포레스터 리서치에서 발표한 개념으로 소셜미디어 활용 및 참여 수준에 따라 Creators (창작자), Conversationalists (대화주의자), Critics (비평가), Collectors (수집가), Joiners (참여자), Spectators (관망자), Inactives (비활성 사용자)의 7개 등급으로 나눔)� - Contents : 주제, 긍부정, 영향력(댓글, 조회수, 클릭율등을 정량적 데이터를 등급으로 구분), 매체, 작성일시에 따른 시간적 분류 - Relation : (특정 브랜드 또는 주제, 사람에 대한) 옹호/비옹호 성향, Like 관계, 친구 관계 (Following/Following)� 한편, 지금까지 설명한 대중소세 카테고리 분류를 하고 감성 분석을 하는 방식과 다른 접근 방식을 취하는 분석 방법으로 사회 연결망 분석(Scial Network Analysis)과 의미 연결망 분석(Semantic Network Analysis)도 있다. 이러한 연결망 분석은 어떠한 관계를 가지는 노드(Node)들 간의 연결을 연구하는 것으로 단일 노드가 전체 네트워크에서 얼마나 중심에 위치하는 지를 나타내는 중앙성 지표와 네트워크 내부의 노드와 노드들이 얼마나 조밀하게 엮여있는지를 나타내는 밀도 지표들을 활용하는데, 사회연결망 분석은 사람과 사람의 관계를 분석함으로써 누가 영향력자이고 누가 네트워크와 네트워크를 연결하는 커넥터 역할을 하는 지 등을 이해하는 데 도움이 된다. 의미연결망 분석은 개념 사이의 관계를 파악하는 분석 기법으로 한가지 주제에 대해 언급하는 문장 내 포함되는 단어들 사이의 관계를 분석함으로써 소셜 네트워크 내에서 구전 내용이 어떤 관계를 가지고 있는지 분석 가능하다. 이러한 연결망 분석에는 UCINET 이나 NetDraw, 국내 분석 툴로는 넷마이너와 같은 툴들이 활용된다.
Social Analytics Methodology
소셜 데이터 리포팅
기업별 Data 브랜드별 Data
이름 주소이메일
성별 생일 취미
가족 학교 직장
가족 종교 …
친구팔로어
팔로이
멤버연관자
…
Post동영상
사진
댓글 기고 …
Profile
Buddy Contents
사진
……
사진
댓글
사진
……
동영상
기고
사진
동영상
Post
댓글
사진
……
동영상
기고
사진
……
사진
……
사진
댓글
테마별 Data개인별 Data
SNA
댓글
동영상
동영상
Post
사진 기
고
기본정보
관계정보
가공정보
Social DB
산업
기업
제품
전자
유통
의류
커피
키맨
발표자
프레젠테이션 노트
개인 정보, 관계 정보, 컨텐츠 정보 등을 가공해 개인별, 테바별, 기업별, 브랜드 별 데이터 생산 및 리포팅 가능
Social Analytics Methodology
소셜 데이터 리포팅 – 액츠모 예시
[테마 별][산업분석]
Social Analytics Methodology
소셜 데이터 리포팅 (SAS 예시)
Social Analytics Methodology
소셜 데이터 리포팅 (Adobe Social Analytics 예시)
Social Analytics Outlook
Social Analytics Outlook 소셜네트워크 서비스들은 ’11년부터 애널리틱 기술을 바탕으로
커뮤니케이션과 협업하는 애플리케이션 서비스에 적용되어 ’16년도에는 대부분의 회사에 적용될 것임.
1. 클라우드 컴퓨팅
2. 모바일 애플리케이션 및미디어 태블릿
3. 차세대 애널리틱
4. 소셜 애널리틱
5. 소셜 커뮤니케이션 및 협업
6. 비디오
7. 상황인식 컴퓨팅
8. 유비쿼터스 컴퓨팅
9. 스토리지 클래스 메모리
10.패브릭 인프라 및 컴퓨터
2011년 10대 전략기술
Source : 가트너 (2010.10월)
소셜 애널리틱 (Social Analytics)
내부외부
커뮤니티
Social Application
Social Web수집 분류
분석(정량,정성)
리포팅Business Insight
소셜 커뮤니케이션과 협업 – 고객의 Contexts를 파악하여 기업의 모든업무에 적용 가속화
“가트너는2016년까지
소셜테크놀러지가 대부분의
회사애플리케이션에통합 전망”
소셜네트워크
소셜협업
소셜퍼블리싱
소셜피드백
인맥용 프로파일 관리, 전문가 찾기 등인간관계 이해/활용 - SNA
인맥간 공동 작업을 용이하게 하는기술
커뮤니티가 개인 콘텐츠 취합하여유용한 콘텐츠 저장소 만드는 기술
특정 아이템에 대해 커뮤니티로부터의견을 얻어내는 기술
페이스북, 링크드인, 프렌드스터
위키, 블로그, 크라우드소싱
유튜브, 플리커
유튜브, 디그, 딜리셔스, 아마존
“소셜분석이란 소셜 웹 공간에 가시적으로 보이는 데이터들을 수집하여, 분석 목적에 맞게데이터를 가공함으로써 유의미성을 찾아내는 일련의 과정이다. 소셜 웹 공간에 가시적으로보이는 데이터들에는 대화, 의견, 관계, 선호, 관심, 위치 정보 등이 있으며, 분석 프로세스는수집 --> 분류, 분석 --> 리포팅 의 단계로 이루어 진다.”
발표자
프레젠테이션 노트
소셜 분석은 가트너 사에서 2011년 핵심 전략 기술 Top 10 에서 4번째로 거론될 정도로 그 중요성을 인정받고 있다.
Social Analytics Outlook
The future of business is social
발표자
프레젠테이션 노트
Brian Solis 의 경우 "The future of business is social“ http://www.briansolis.com/2010/12/best-of-2010-the-future-of-business-is-social/� 소셜데이터가 소셜 CRM 을 넘어 Seamless 하고 모든 business function 과 맞물려 돌아가게 되었을 때 Enterprise 2.0
Social Analytics Outlook
Social Business Example: Social CRM
발표자
프레젠테이션 노트
소셜 엔터프라이즈 전초 단계에서 구현되는 소셜 CRM 을 예로 들면. 과거의 CRM 이 개별화 돼 있고 거래 중심 고객 관리라면 CRM 은 동시다발적, 협업 관계… 소셜미디어 시대에는 Loyalty 가 아니라 Advocacy 가 중요해 진다… - Advocate customer 를 찾으려면 소셜 Analytics 필수
Social Analytics Outlook
“Data is the New Soil and Oil.”
- Social Commerce
- Social Marketing Campaign
Management Solution
- B2BC Sales Solution
- Social Customer
Care Solution
- Social Innovation
Management Solution
- Social Collaboration
Solution
- Social Customer Experience
Management Solution
- Social KMS (or Social
Wiki)
- Social Learning
Enterprise 2.0Equipped with Social Analytics
Marketing Sales Service Innovation CollaborationCustomer Experience
Learning
Social Analytics (Social Customer Insight)
출처. Altimeter 그룹 - Social CRM: The New Rules of Relationship Management
Social Analytics Case Study
Social Analytics Case Study
트위터 데이터로 주식 시장 예측
트위터 글 중 7가지 감정 요소를 집중 분석, 제일위에는 전반적인 긍부정 심리, 그 외 영역에는 행복, Alert, 확신, 친절, Vital 과 같은 요소 분석. 7가지감정 요소 중 Calm 요소 만이 Dow 존스 지수에합리적 예측 요소로 작용
특히, Calm 트렌드를 3일 정도 뒤로 미뤄 다우존스지수 트렌드와 겹쳐보았을 때 유의미하게
오버랩됨을 알 수 있음. 단, 공중이 예측 못하는 은행긴급 구제 같은 이슈는 ‘Calm’ 지수의 정확도를 낮춤
어떻게 하면 RT 를 많이 받을 수 있을지. 팔로워가 많으면… 가능하지 않을까. 가설 검증 위해 ReTweets per Followers (RTpF) 팔로워 수로 하루 받는 RT 수를 나눔 데이터 확인 결과 확실히 more followers more ReTweets. 그러나, 데이터를 보면 가끔씩 틔는 경우가 있음을 알 수 있음. 즉, 어떤 유저들은 자신과 팔로워수가 비슷한 다른 유저 대비 훨씬 더 많은 RT를 받는 경향이 있다는 점. 일단, 링크가 있는 경우 더 많이 RT됨, 특히, bit.ly url 축약 서비스를 썼을 경우 RT 율이 높음. RT 된 글에 자주 나타나는 단어 별 빈도 조사를 해 보니, you 누군가 나를 지정해 이야기 할 경우 RT 가능성 높음. 또한, Please Retweet . RT 요청을 하면 RT 될 가능성이 높고, New Blog Post 역시 RT 확률 높음 또한, Readbility 를 살펴 보았을 때 Flesch-Kincaid test 결과 RT 글으 경우 Reading grade level 6.47년 교육 수준, (다른 일반 트윗 글 6.04년) SMOG Test 역시 비슷한 테스트, RT 는 6.13 년의 학력, 일반 트윗은 5.88 년의 학력 수준
Social Analytics Case Study Location Data Mining 사례
Tweet 브랜드 ZipCode
Res Geo
@yangwise at 광화문스타벅스^^동생은요?^ 스타벅스 110 서울 종로구 광화문
사람 엄청 많아요(at 스타벅스 광화문점) @DaumPlace
스타벅스 110 서울 종로구 광화문
광화문점 스벅 ㅎㅎ (@ 스타벅스) http://4sq.com/bicoVV
스타벅스 110 서울 종로구 광화문
http://twitpic.com/3dktvo 광화문 스타벅스..ㅋㅋ 7시 50분까지 삐대다 가야징.. 나두 텀블러 하나 장만해야겠다ㅋㅋ
스타벅스 110 서울 종로구 광화문
heydayz4he광화문 스타벅스에서 자기만족적인 된장질 중. 한 번 풀어지니깐, 정말, 공부 못하겠음. 어휴. (@ STARBUCKS COFFEE w/ 2 others) http://4sq.com/9kwPDQ
#blogchat 이라는 소셜미디어 커뮤니티를 실험 대상으로 삼아 #blogchat 과 관련된 대화 데이터를 4개월 간 수집
발표자
프레젠테이션 노트
FROM_USER : 트위터 유저 아이디�2) week : 4개월 중 몇 번째 주의 데이터인지(즉, 개별 아이디의 데이터들을 주단위로 말면서 몇 주째 데이터인지 표기를 함)�3) rt : 그 주에 다른 사람으로 부터 RT 받은 건 수�4) answ : 다른 사람으로부터 멘션을 받은 건 수�5) tweets : 트윗 수�6) statement : 트윗 글 하나�7) retweet : 다른 사람에게 RT 를 보낸 건 수�amplify : Quoted RT 라고 불리는 거죠.. 다른 사람에게 코멘트를 달아 RT 를 보낸 경우입니다.�9) converse : 다른 사람에게 멘션을 보내 대화를 한 경우�10) link : 트윗을 보낼 때 link 를 포함한 경우 이렇게 고객 Segment 를 나눠 개별 Seg 특성을 기술하고, 시간의 변화에 따라 한 명의 개인이 어떤 Seg 에서 어떤 Seg 로 움직여 가는지, 시간의 흐름에 따라 Seg 비중이 바뀜에 따라 커뮤니티의 흥망성쇄가 어떻게 변화되는지 살펴봄으로써, 커뮤니티가 더 성장할 것인지 쇠퇴할 것인지까지 예측이 가능하지요. 자사에 옹호적인 고객 층을 키워나가는 마케팅 전략 수립을 위해 고객 프로필 분석을 주기적으로 하는 것 역시 소셜 데이터 분석의 중요한 흐름 중 하나가 될 것으로 생각했었는데, 마침 좋은 예시가 될 수 있을 듯 해 공유드립니다. ��출처: Social-Insight LAB > 해쉬 태그 분석 이야기 하나 소개 http://social-insight.co.kr/?p=417#ixzz1KkZhd4m8��출처: Social-Insight LAB > 해쉬 태그 분석 이야기 하나 소개 http://social-insight.co.kr/?p=417#ixzz1KkZHT2Yg
Social Analytics Case Study 소셜 마케팅 활동 성과 측정 사례
5개 지역 식당 소셜미디어 모니터링 및 분석 Case Study
가설) 보다 적극적인 소셜미디어 활동을 전개했고, 식당 주인이 소셜미디어에 대해 보다 옹호적인타임스퀘어 46번가에 위치한 하바나 센트럴이라는 식당에서의 소셜미디어 활동이 타 지역(Carmins, Bond45, Heartland Brewery/Chopshop, Blue Fin) 보다 더 활발할 것이다.
조사 방법 : Radian6 (http://www.radian6.com)를 이용, 각식당에 대해 포스퀘어 url 을 포함하여, 식당 이름 + “Times Square”" + meeting, dining, drinking, music 과 같은 다양한검색어를 조합하여 개별 식당에 대한 글의양, 글 작성자들의 트위터 팔로워 수, 아이디 등의 정보 수집 및 가공
검증) 가설대로 최근 30일 동안 하바나센트럴 식당이 비교한 4개 식당들의 평균글 수 대비 두배 가까운 글 수를 기록, 식당 전체 글 수의 1/3에 근접한 수치기록
온라인 상의 가시성이 그만큼 높다는 의미
발표자
프레젠테이션 노트
이 OTS 라는 개념이 바로 돈=수익을 의미하지는 않겠지만, 식당에서 100명이 체크인을 한다고 가정하고, 그들이 평균적으로 2명 정도의 동반자가 있고. 평균적으로 만 5천원 씩 지불한다고 하면 각 체크인의 가치를 금전적으로 환산하여 ROI 를 보여주는 것도 전혀 가당치 않은 논리는 아닐 것입니다. 또한, 매 월 하바나 센터럴 식당에서 체크인하거나, 해당 식당에 대해 트윗을 올린 사람들의 리스트를 정리하여, 전월과 비교한다면, 전월에 없었던 리스트 내 인물은 새롭게 확보된 고객 1인으로, 이번 달에도 여전히 리스트에 있다면 고객 Loyalty 라는 개념으로 환산 되게 될 것이고, 이 리스트는 재방문 유도를 위한 마케팅 타겟 대상의 역할을 하게 될 것입니다. ��출처: Social-Insight LAB > 소셜미디어 모니터링과 ROI http://social-insight.co.kr/?p=234#ixzz1KkdGHg9V
Social Analytics Case Study 사회 이슈 분석 사례
집단 지성에 의한 쌍방향 지도 맵핑, 비영리 소프트 웨어, 2007년 케냐 이슈의 영향으로 형성된 사이트
Ushahidi
발표자
프레젠테이션 노트
Ushahidi is a non-profit software company that develops free and open source software for information collection, visualization and interactive mapping. Ushahidi (Swahili for "testimony" or "witness") created a website (http://legacy.ushahidi.com) in the aftermath of Kenya's disputed 2007 presidential election (see 2007–2008 Kenyan crisis) that collected eyewitness reports of violence sent in by email and text-message and placed them on a Google map.[2] The organization uses the concept of crowdsourcing for social activism and public accountability, serving as an initial model for what has been coined as 'activist mapping' - the combination of social activism, citizen journalism and geospatial information. Ushahidi offers products that enable local observers to submit reports using their mobile phones or the internet, while simultaneously creating a temporal and geospatial archive of events. Google Person Finder: 2011 일본 지진, 구글 맵 일본 지진 현황 http://www.ushahidi.com/ http://en.wikipedia.org/wiki/Ushahidi
Social Analytics Case Study 분석 제안
트위터, 페이스북 등 소셜 마케팅 활동 성과 벤치마킹을 위한 NORM 값에 대한 고민이 필요
