ソーシャルメディア分析

ソーシャルメディア分析またはソーシャルメディアモニタリングは、 Facebook、Instagram、LinkedIn、Twitterなどのソーシャルネットワークからデータを収集して分析するプロセスです。ソーシャルメディア分析の一部は、ソーシャルメディアモニタリングまたはソーシャルリスニングと呼ばれています。これは、マーケティング担当者が製品や企業に関するオンライン会話を追跡するためによく使用されます。ある著者は、これを「膨大な量の半構造化および非構造化ソーシャルメディアデータから貴重な隠れた洞察を抽出し、情報に基づいた洞察力のある意思決定を可能にする芸術と科学」と定義しました。^[1]

ソーシャルメディアの分析には、データの識別、データ分析、情報の解釈という 3 つの主要なステップがあります。プロセス中の各ポイントで得られる価値を最大化するために、アナリストは回答すべき質問を定義する場合があります。データ分析の重要な質問は、「誰が? 何を? どこで? いつ? なぜ? どのように?」です。これらの質問は、評価する適切なデータ ソースを決定するのに役立ち、実行できる分析の種類に影響を与える可能性があります。^[2]

ソーシャルリスニングとソーシャルメディアモニタリングは密接に関連していますが、ソーシャルメディア分析内の異なるコンポーネントであり、それぞれ独自の目的を果たします。^[3]

ソーシャル メディア モニタリングでは、ソーシャル メディア プラットフォームからデータを追跡して収集し、ブランド、製品、競合他社、または関連キーワードの言及を特定します。これは、言及、共有、コメントの数などの測定指標という定量的な側面に重点を置いています。主な目的は、リアルタイムで何が言われているかを把握し、組織が直接の言及や顧客からの問い合わせに迅速に対応できるようにすることです。^[4]

一方 、ソーシャルリスニング^{[5]は、収集されたデータの質的分析をさらに深く掘り下げます。ソーシャル メディアでの言及の背後にある会話や感情を解釈して、顧客の感情、好み、新しいトレンドを理解します。ソーシャルリスニングは、データの背後にある「なぜ」に答え、戦略的決定、製品開発、マーケティング キャンペーンに役立つ洞察を提供することを目指しています。}

要約すると、ソーシャル メディア モニタリングは、指標と言及を追跡することで「何」に答えますが、ソーシャル リスニングは、根底にある感情とコンテキストを分析することで「なぜ」に答えます。

データ識別とは、分析の焦点となる利用可能なデータのサブセットを識別するプロセスです。生データは、解釈されると役立ちます。データが分析されると、メッセージを伝え始めることができます。意味のあるメッセージを伝えるデータはすべて情報になります。大まかに言うと、未処理のデータは、正確なメッセージに変換するために次の形式をとります。ノイズの多いデータ、関連データと無関係なデータ、フィルタリングされたデータ、関連データのみ、情報、漠然としたメッセージを伝えるデータ、知識、正確なメッセージを伝えるデータ、知恵、正確なメッセージとその背後にある理由を伝えるデータ。未処理のデータから知恵を引き出すには、データを処理し始め、焦点を当てたいデータを含めてデータセットを絞り込み、情報を識別できるようにデータを整理する必要があります。ソーシャルメディア分析の文脈では、データ識別とは「どの」コンテンツが興味深いかを意味します。コンテンツのテキストに加えて、次のことを知りたいのです。誰がテキストを書いたのか。どこで見つかったのか、どのソーシャルメディアの会場で表示されたのか。特定の地域の情報に興味があるのか​​。誰かがソーシャルメディアで何かを言ったのはいつなのか。^[2]

考慮する必要があるデータの属性は次のとおりです。

• 構造化データとは、フォーマットされたリポジトリ（通常はデータベース）に整理されたデータであり、その要素をアドレス指定して、より効果的な処理と分析を行えるようにするものです。非構造化データは、構造化データとは異なり、最もフォーマットされていないデータです。^[6]
• 言語: 言及数ではなく投稿の感情を知りたい場合は、言語が重要になります。
• 地域: 分析に含まれるデータが、分析の焦点となる世界の地域のみからのものになるようにすることが重要です。たとえば、目標がインドの浄水問題を特定することである場合、収集されるデータがインドからのものだけであることを確認する必要があります。
• コンテンツの種類: データの内容は、テキスト (言語を知っていれば読みやすく理解しやすい文章)、写真(絵、簡単なスケッチ、写真)、オーディオ (書籍、記事、講演、ディスカッションの音声録音)、またはビデオ (録画、ライブ ストリーム) です。
• 会場:ソーシャル メディアコンテンツは、ニュース サイトやソーシャル ネットワーキング サイト ( Facebook、Twitterなど) など、さまざまな会場で生成されています。データが収集されるプロジェクトの種類によっては、会場が非常に重要になります。
• 時間: 分析対象の時間枠内に投稿されたデータを収集することが重要です。
• データの所有権: データは非公開ですか、それとも公開されていますか?データに著作権はありますか? これらは、データを収集する前に対処する必要がある重要な質問です。

データ分析とは、生データを洞察に変換する一連の活動であり、それが新たな知識基盤とビジネス価値につながります。言い換えれば、データ分析とは、フィルタリングされたデータを入力として受け取り、それをアナリストにとって価値のある情報に変換する段階です。ソーシャルメディアデータでは、投稿、感情、感情の要因、地理、人口統計などの分析を含む、さまざまな種類の分析を実行できます。データ分析のステップは、解決したい問題がわかり、意味のある結果を生成するのに十分なデータがあることがわかったら始まります。結論を正当化するのに十分な証拠があるかどうかはどうすればわかるのでしょうか。この質問に対する答えは、「わかりません」です。データの分析を開始しない限り、これを知ることはできません。分析中にデータが十分でないことが判明した場合は、最初のフェーズを繰り返して質問を変更します。データが分析に十分であると思われる場合は、データモデルを構築する必要があります。^[2]

データ モデルの開発は、データ要素を整理し、個々のデータ要素が互いにどのように関連しているかを標準化するために使用するプロセスまたは方法です。このステップは、データに対してコンピューター プログラムを実行する必要があるため重要です。どの単語またはテーマが重要か、また特定の単語が調査中のトピックに関連しているかどうかを コンピューターに伝える方法が必要です。

データの分析では、トピックに関する議論を別の視点から見るために、複数のツールを利用できると便利です。ここでの目的は、特定のタスクでツールが最高のパフォーマンスを発揮するように設定することです。たとえば、ワードクラウドについて考えてみましょう。コンピューターの専門家、たとえば「IT アーキテクト」に関する大量のデータを取得してワードクラウドを構築すると、クラウド内で最も大きな単語は間違いなく「アーキテクト」になります。この分析はツールの使用法についてもです。感情を判断するのに優れたツールもあれば、さまざまな単語やフレーズの意味と使用法をよりよく理解できるようにテキストを文法形式に分解するのに優れたツールもあります。分析を実行する際に、分析の旅で実行するすべてのステップを列挙することは困難です。決まったやり方がないため、非常に反復的なアプローチです。^[2]

その分析から得られた分類法と洞察は次のとおりです。

• 分析の深さ:ストリーミング データに基づく単純な記述統計、蓄積されたデータに対するアドホック分析、または蓄積されたデータに対して実行される詳細な分析。この分析ディメンションは、実際には、プロジェクトの結果を出すために利用できる時間の量によって決まります。これは、分析時間が数時間から数か月に及ぶ幅広い連続体として考えることができます。この分析は、次の種類の質問に答えることができます。
  • ツイートでWikipediaに言及した人は何人いますか？
  • 討論会中に最も多くの「いいね！」を獲得した政治家は誰ですか？
  • ソーシャルビジネスの文脈で最も多くの言及を集めている競合他社はどれですか?
• マシン容量: 適切な時間内にデータセットを処理するために必要なCPUの量。容量の数値は、CPU のニーズだけでなく、データを取得するために必要なネットワーク容量も考慮する必要があります。この分析は、リアルタイム、準リアルタイム、アドホック調査、および詳細分析として実行できます。ソーシャル メディアでのリアルタイム分析は、特定のトピックが展開されるにつれて一般の人々の認識を理解し、反応や即時の方向転換を可能にするための重要なツールです。準リアルタイム分析では、データがツールに取り込まれる速度はリアルタイムよりも遅いと想定されます。アドホック分析は、特定の 1 つの質問に答えるために設計されたプロセスです。アドホック分析の成果物は通常、レポートまたはデータ サマリーです。詳細分析は、長期間にわたる大量のデータを含む分析を意味し、通常は高い CPU 要件につながります。^[2]
• 分析領域: 分析領域は、外部ソーシャルメディアと内部ソーシャルメディアに大別されます。ソーシャルメディアという用語を使用する場合、ほとんどの場合、外部ソーシャルメディアを意味します。これには、Twitter、Facebook、LinkedInなどの人気のあるソーシャルメディアサイトから生成されたコンテンツが含まれます。内部ソーシャルメディアには、企業内コミュニケーションを支援するために使用されるプライベートソーシャルネットワークであるエンタープライズソーシャルネットワークが含まれます。 ^[8]
• データの速度: ソーシャルメディアのデータの速度は、静止データと移動データの 2 つのカテゴリに分けられます。移動データの速度の次元は、次のような質問に答えることができます。試合中に一般の人々の感情がプレーヤーに対してどのように変化しているか。観客は、実際に試合に負けているプレーヤーに対して肯定的な感情を伝えているのか。これらの場合、分析は到着時に行われます。この分析では、生成される詳細の量は、分析ツールまたはシステムの複雑さに直接相関しています。非常に複雑なツールは、より多くの詳細を生成します。速度のコンテキストでの 2 番目のタイプの分析は、静止データの分析です。この分析は、データが完全に収集された後に実行されます。この分析を実行すると、次のような洞察が得られます。他の製品と比較して、自社のどの製品が最も言及されているか。競合他社の製品と比較して、自社製品に対する相対的な感情はどのようなものか。^[2]

分析から得られる洞察は、分析のステップ 1 で提起された元の質問と同じくらい多様です。この段階では、非技術系のビジネス ユーザーが情報の受信者であるため、データの提示形式が重要になります。データを効率的に理解し、適切な意思決定に役立てるにはどうすればよいでしょうか。この質問に対する答えは、情報の視覚化 (グラフィック)です。 ^[9]

最高の視覚化とは、データに含まれる基礎となるパターンや関係性について何か新しいことを明らかにするものです。パターンを明らかにし、理解することは、意思決定プロセスにおいて重要な役割を果たします。データを視覚化する際に考慮すべき基準は主に 3 つあります。

• 視聴者を理解する:視覚化を構築する前に、大量の情報を、情報の消費者が簡単に理解できる形式で伝えるという目標を設定します。「視聴者は誰ですか?」と「視聴者は使用されている用語の知識を持っていると想定できますか?」に答えることが重要です。専門家の視聴者は一般の視聴者とは異なる期待を持っているため、その期待を考慮する必要があります。^[10]
• 明確なフレームワークを設定する：アナリストは、視覚化が構文的にも意味的にも正しいことを確認する必要があります。たとえば、アイコンを使用する場合、要素はそれが表すものと似ていて、サイズ、色、位置がすべて視聴者に意味を伝えるものでなければなりません。^[10]
• ストーリーを伝える：分析情報は複雑で理解しにくいため、視覚化の目的は情報を理解し、意味を成すことです。ストーリーテリングは、視聴者がデータから洞察を得るのに役立ちます。視覚化では、情報を物語として提示され、簡単に記憶できる構造にパッケージ化する必要があります。これは、分析者と意思決定者が同一人物ではない多くのシナリオで重要です。^[10]

ソーシャルメディア分析に関する最近の研究では、ソーシャルメディアのデータを収集、分析、解釈するためのビジネスインテリジェンスベースのアプローチを採用する必要性を強調しています。 ^{[11] [12]}ソーシャルメディアは、ビジネスインテリジェンスにとって有望ではあるものの、難しいデータソースです。顧客は自発的に製品や企業について話し合い、ブランドの感情や採用のリアルタイムの脈動を伝えます。^[13]ソーシャルメディアは、急速に進化するメディア環境において、マーケティング担当者にとって最も重要なツールの1つです。企業はソーシャルメディアマーケティングを担当する専門の役職を設けています。これらの議論は、ソーシャルメディアの活動は相互に関連しており、影響し合っていることを示唆するソーシャルメディアマーケティングに関する文献と一致しています。^[14]

MoonとIacobucci（2022）^[15]は、ソーシャルメディア分析のマーケティングへの応用に焦点を当てました。このような応用には、ソーシャルメディア上の消費者行動、企業業績へのソーシャルメディアの影響、ビジネス戦略、製品/ブランド管理、ソーシャルメディアネットワーク分析、ソーシャルメディア上の消費者プライバシーとデータセキュリティ、ソーシャルメディア上の虚偽/偏ったコンテンツが含まれます。特に、ソーシャルメディアのデータ侵害に起因するリスクの増大を考えると、消費者プライバシーとデータセキュリティはソーシャルメディアの世界でますます重要になっています。同様に、ソーシャルメディアの成長とともに、疑わしいソーシャルメディアの投稿が大幅に増加しています。LucaとServas（2015）^[16]は、競争が激化すると、企業が偽の投稿を使用する潜在的なインセンティブを持つと報告しました。したがって、疑わしい投稿（Yelpの偽のレビューなど）を識別して監視する能力を向上させることは、ソーシャルメディアプラットフォーム管理の重要な部分になっています。^[17]

ムルガナンタムとガンディー（2020）は、ソーシャルメディアユーザーの好み、感情、行動、マーケティングデータがソーシャルメディア分析に関連していることを証明するために、多基準意思決定（MCDM）モデルを提案しました。インターネットユーザーは密接につながっており、社会的イデオロギーとソーシャルネットワークにおいて高い相互影響を示し、それがビジネスインテリジェンスに影響を与えます。^[18]

ソーシャルメディア分析とソーシャルメディアマイニングが政治の場に及ぼす危険性の可能性は、 2010年代後半に明らかになった。特に、データマイニング企業ケンブリッジ・アナリティカの2016年米国大統領選挙への関与とBrexitは、ソーシャルメディアマイニングと政治を結びつけることの危険性を示す代表的な事例である。これにより、個人のデータプライバシーの問題と、将来的に政治に関連してデータサイエンス企業に設定される法的境界の問題が浮上した。以下に挙げた2つの例は、ビッグデータが国際政治のゲームを変える可能性がある未来を示している。次の世紀を通じて、政治とテクノロジーは共に進化していく可能性が高い。ケンブリッジ・アナリティカの事例では、ソーシャルメディア分析の影響が米国と英国の2大世界大国を通じて世界中に波及した。

2016年のアメリカ大統領選挙後に起きたスキャンダルは、ケンブリッジ・アナリティカ、トランプ陣営、フェイスブックの三者関係に関係するものでした。ケンブリッジ・アナリティカは、8,700万人を超える^[19]無知なフェイスブックユーザーのデータを取得し、トランプ陣営のためにそのデータを分析しました。2億3,000万人の米国成人に関する何千ものデータポイントを作成することで、このデータマイニング会社は、どの個人がトランプ陣営に投票するよう促される可能性があるかを分析し、そのターゲットにメッセージや広告を送り、ユーザーの考え方に影響を与えることができました。特定のターゲット有権者は、政治的な影響が自分たちに及んでいることにさえ気づかずに、トランプ支持のメッセージにさらされることになります。選ばれた個人に平均以上の量の選挙広告を紹介するこのような特定の形式のターゲティングは、「マイクロターゲティング」と呼ばれています。^[20]このマイクロターゲティングが2016年の選挙に及ぼした影響の大きさを測定することは、依然として大きな論争を呼んでいます。 2010 年代後半の時点では、新興技術分野としてのマイクロターゲティング広告とソーシャル メディア データ分析が政治にどのような影響を与えるかは不明です。

これはユーザーのプライバシーの侵害であったが、データマイニングとターゲットマーケティングは、ソーシャルメディア企業がもはや負う必要のない公的説明責任を弱体化させ、民主的な選挙制度を歪め、「メディアのメッセージを二極化するユーザー生成コンテンツ」のプラットフォームに支配されることを許した。^[21]

ソーシャルメディア分析会社カウンターアクションによるFacebookの政治グループと投稿の分析は、 2020年の米国大統領選挙の覆しや2021年の米国議会議事堂襲撃などの抗議運動におけるソーシャルメディア大手の役割を明らかにした。^{[22] [23]}

2016年のEU離脱国民投票の際、ケンブリッジ・アナリティカはソーシャルメディアから収集したデータの使用をめぐって物議を醸した。同様のケースでは、侵入事件が発生し、ケンブリッジ・アナリティカがFacebookのデータを入手した。2016年のEU離脱国民投票で英国民に離脱投票を促すために同社がデータを使用したのではないかとの懸念があった。[24] 3年間の調査の後、2020年に国民投票^への関与はなかったという結論に達した。^{[25] [24]ケンブリッジ・アナリティカ以外にも、} AIQ ^[26]やケンブリッジ大学心理測定センター^[27]など複数のデータ企業が、違法な離脱キャンペーン手法を促進するためにデータを悪用した疑いで英国政府から告発され、調査を受けた。^{[28] [29]}国民投票は、投票者の51.89%が英国のEU離脱を支持する結果となった。この最終決定は英国内の政治に影響を及ぼし、世界中の政治・経済制度に波紋を呼んだ。^[30]

• ソーシャルメディア測定
• 感情分析
• 周囲環境認識
• データマイニング
• ソーシャルメディアマイニング
• ソーシャルメディアインテリジェンス
• ソーシャルネットワーク分析