Para ejemplificar algunas posibilidades, se toma como caso hipotético la combinación de técnicas analíticas de Big Data, entre ellas User Search Behaviour y Social Behaviour Analysis, Data Mining, Text Mining, PLN o Procesamiento del Lenguaje Natural y ARS o Análisis de Redes Sociales, para estudiar y segmentar usuarios de Internet aficionados a la lectura en España en 2015.
Tipos de Educacion en diferentes partes del mundo.pptx
Big data para la segmentacion de usuarios en el sector de la lectura. Jornada SEDIC 2015
1. XVII JORNADA DE GESTIÓN DE LA
INFORMACIÓN
Big Data en el diseño de
perfiles de usuarios
(sector lectura)
Jorge Serrano-Cobos
http://www.metricsalad.com
8. 8
Datos de
comportamiento
Datos descriptivos
Datos de actitud
• Género
• Edad
• Geo
• ¿Padres?
• …
• Intereses
• Necesidades
• Experiencia de usuario
• Comportamiento Social
• Prosumer vs. Pasivo
• Me gusta vs. No me gusta
• ¿Crítico?
Conoce a tucliente
Aunqueestéanonimizado
17. 17
Total Usuarios de Facebook en toda España, entre 18-+65 años: 21.000.000 cuentas
amantes de la lectura: 9.600.000 cuentas
Fuente: Facebook 2015
Datos de comportamiento
Socialbehaviour
18. 18
Total Usuarios de Facebook en toda España, entre 18-+65 años: 21.000.000 cuentas
amantes de la lectura: 9.600.000 cuentas
Fuente: Facebook 2015
61,46%
35,42%
Datos de comportamiento
Socialbehaviour
19. 19
Total Usuarios de Facebook en toda España, entre 18-+65 años: 21.000.000 cuentas
amantes de la lectura: 9.600.000 cuentas
Fuente: Facebook 2015
Datos de comportamiento
Socialbehaviour
30. 30
Apartir de ahí…
Identificar:
• “Nombre” de segmento
• Necesidades
• Características
• Proposición de valor
• Objetivos
Fuente: Silvana Churruca
• Proposición de valor
32. 32
Créditos de las fotografías
Gracias a:
• Mike Mozart https://www.flickr.com/photos/jeepersmedia/13190503525/
• Enram Kashim https://www.flickr.com/photos/emrank/3665991725/
• Gregory Smith https://www.flickr.com/photos/slobirdr/16629011100/
• Fortherock https://www.flickr.com/photos/fortherock/3898369613/
• Manchester City Library https://www.flickr.com/photos/manchesterlibrary/13245972633/
• Biblioteca de la Universidad de Zaragoza
https://www.flickr.com/photos/buzdospuntocero/11337149024/
• Writers Centre Norwich https://www.flickr.com/photos/writerscentrenorwich/18591911122/
• Silvana Churruca http://www.ux-lady.com/diy-user-personas/
33. XVII JORNADA DE GESTIÓN DE LA INFORMACIÓN
¡Gracias!
Jorge Serrano Cobos
(@serranocobos)
jorge.serrano@metricsalad.com
http://www.metricsalad.com
Notas del editor
El PLN o Procesamiento del Lenguaje Natural, puede generar agrupaciones o segmentaciones en función del análisis de textos.
Se entrena al sistema con conjuntos de datos ya clasificados previamente.
Tras el aprendizaje supervisado, el sistema puede identificar la categoría en la que clasificar un nuevo ítem, a partir de lo aprendido.
Se divide un conjunto de elementos en agrupaciones más pequeñas de elementos similares entre sí.
El sistema no se entrena, no conoce de antemano las características que hacen similar a un grupo (aprendizaje no supervisado)
Analiza las conexiones entre los elementos integrantes de una comunidad.
Esos elementos pueden ser:
Personas
Poblaciones
Páginas web
Libros
Autores…
Analiza las conexiones entre los elementos integrantes de una comunidad.
Esos elementos pueden ser:
Personas
Poblaciones
Páginas web
Libros
Autores…