SlideShare una empresa de Scribd logo
1 de 72
www.datknosys.com
Francesc Arroyo
Asesor de Innovación Tecnológica
@datagoodnews
04 de Enero de 2012
Abril de 2013
Big Data para analizar Social Media
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados2
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados3
Índice
Presentación
 Sociedad aumentada
 Explosión del Big Data
 Medir el Social Media
 Preguntas
Fórum de debate
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados4
Realidad Actual:
Las Redes Sociales adoptadas plenamente en el día a día de las personas.
Entretenimiento y vida Social Relaciones profesionales Información y Comunicación
Social Media - Contexto
“Social Media is Real Life”
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados5
¿Cómo hemos llegado?
Aceptación de la tecnología Adaptación al cambio
 Utilidad
 Facilidad de uso
Fuente: http://en.wikipedia.org/wiki/Technology_acceptance_model
Fuente: http://es.wikiquote.org/wiki/Charles_Darwin
Social Media - Contexto
“No sobrevive el mas fuerte
sino el que mejor se adapta al
cambio”
Charles Darwin
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados6
Fuente: http://www.ethority.de/weblog/social-media-prisma/
Social Media - Mapa
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados7
Pasado Presente Futuro
Información
¿Qué ha pasado?
(Informes)
¿Qué está pasando?
(Indicadores, Alertas)
¿Qué va a pasar?
(Predicción)
Comprensión ¿Cómo y porqué ha pasado?
(Modelado)
¿Cuál es la siguiente acción
a tomar?
(Recomendación)
¿Qué es lo mejor y peor
que puede pasar?
(Optimización y simulación)
BUSINESS INTELLIGENCE
¿Que hacemos con todos estos datos?
Tenemos más información que nunca sobre clientes, mercado, gustos, ideas, etc.
¡¡Obtener información útil!!
Datos  Información  Decisiones
Personalizar ofertas, optimizar campañas, nuevos productos, mejorar atención…
Social Media - Datos
BUSINESS ANALYTICS
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados8
¿Cómo gestionamos los datos?
Las empresas cada vez se preocupan más de la obtención y recolección de datos.
Propiedades de los datos
 Volumen: Se ha incrementado el volumen de datos que se recogen.
 Variedad: Se ha incrementado su diversidad en forma y origen.
 Velocidad: Se ha incrementado la necesidad del real-time.
Conseguiremos esta gestión de los datos gracias a los sistemas: BigData
Social Media – Valor y propiedades de los Datos
ANTES
Problema de Almacenamiento
AHORA
Detección de nuevas oportu-
nidades y en si un activo o valor
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados9
http://www.sourcelink.com/blog/guest-author-series/2012/08/13/if-you-build-it-they-will-come
Every Minute Of the Day…
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados10
El resumen de las reflexiones anteriores:
Social Media:
Adopción de Social Media por los usuarios nos lleva a…
Adaptarnos a este nuevo entorno socio económico.
Valor Datos:
Los datos que se generan en Social Media nos lleva a…
Conseguir valor de los mismos y con los mismos.
Big Data:
El volumen, variedad y velocidad de los datos en Social Media nos lleva a…
Implantar sistemas de BigData para explotarlos y conseguir valor.
Conclusión:
Big Data es necesario para tener obtener valor de Social Media
Social Media – Big Data
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados11
Índice
Presentación
 Sociedad aumentada
 Explosión del Big Data
 Medir el Social Media
 Preguntas
Fórum de debate
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados12
Big Data
La creciente generación de datos nos genera la necesidad de tener sistemas que:
Capturen, Almacenen, Busquen, Compartan, Analicen, Visualicen
…grandes conjuntos de datos. Serán los sistemas que entendemos como:
BIG DATA
http://www.csc.com/insights/flxwd/78931-big_data_growth_just_beginning_to_explode
Con el fin de:
 Procesar todos los datos disponibles
 Sacar información de los datos
 Tomar decisiones con la información
DATOS es INFORMACIÓN…
… INFORMACIÓN es PODER
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados13
Análisis Big Data
Deberemos definir nuestro sistema Big Data según las siguientes variables:
 Variedad de los datos de origen
 Volumen de los datos generados en un periodo
 Velocidad de proceso de los datos
para conseguir de ellos información útil para negocio.
Data Velocity
Data Volume
Data Variety
GB
TB
PB
Batch
Periodic
Real-Time
BDD
Web
ReportSocial
Mobile
Marketing
CMS
Es importante analizar bien nuestras
necesidades actuales y futuras para definir
nuestro Sistema Big Data.
“How big is BIG?”
“No debemos solucionar
un problema que no tenemos.”
API
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados14
¿Cómo aplico Big Data a mis datos de Social Media?
1. Definir claramente que vamos a solucionar usando Big Data
Definir la mejora que queremos obtener y como utilizar la información.
2. Conocer “que conoces” y “que no conoces”
Conoces tus clientes, conoces tu competencia…
Pero no conoces que realmente piensan tus clientes…
3. Escoger la herramienta adecuada
Saber que quieres analizar, te ayudará a escoger la herramienta.
4. Testea tus hipótesis
Una vez tengamos datos, analizar desde diferentes perspectivas.
5. Crea las ideas y acciónalas
De los datos recibidos, las hipótesis testeadas, deben salir nuevas percepciones que nos lleven a realizar
acciones para conseguir solucionar nuestras necesidades iniciales.
“You have to separate the signal from the noise”
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados15
Análisis VisualizaciónCaptación
Arquitectura Sistema Big Data
Social Media Almacenado
Arquitectura a alto nivel de un Sistema Big Data para Social Media.
ETL BBDD
Business
Analytics BI, Reporting, Geo…TIPOLOGIA
HERRAMIENTAS
Kettle
Informatica
Talend
Flume
Infobright
Hadoop
Cassandra
Google Cloud
Knime
SAS
Mahout
RapidMiner
DKS EAP
QlikView
Tableau
JasperSoft
HERRAMIENTAS
ESPECÍFICAS
HERRAMIENTA
SOCIAL MEDIA
DKS SocialSmart
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados16
Arquitectura Sistema Big Data – Captación
Orígenes de Datos
Los orígenes de datos pueden ser cualquier fuente Social Media (o no):
Redes Sociales, foros, blogs, analytics, mailings, ventas…
Captación
Cada origen de datos puede requerir una manera de captación de datos:
Twitter: API pública, GNIP, DataSift
Facebook: GraphAPI
Blogs: Herramientas de Scraping como 80legs, rss…
Características a tener en cuenta
Volumen: Cantidad de “mensajes” que podemos recoger
Velocidad: Tiempo de recolección de los mismos
Antigüedad: Acceso a datos pasados
Privacidad: Acceso a datos privados
Precio: Que nos cuesta cada “mensaje”
Fiabilidad: Que cantidad de “mensajes” recogemos respecto al total
Captación
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados17
Arquitectura Sistema Big Data – Almacenado
Debido a la incapacidad de las BDD Tradicionales de dar solución a los retos de
los grandes volúmenes de datos, aparecen diferentes tipologías de BDD para dar
solución a sistemas “Big Data”.
Hay una tipología de BDD idónea para cada tipo de negocio:
Algunas Tipologías de BDD “Big Data”
BDD Analíticas: BBDD idóneas para optimizar el tiempo de Consulta SQL.
Implantación real: Yahoo la utiliza para calcular el precio de sus anuncios. (Hadoop)
BDD Documentales: BBDD idóneas para la gestión de “documentos”.
Implantación real: Foursquare utiliza para check-in y información geo (MongoDB)
BDD en Grafo: BBDD idóneas para datos con relaciones indeterminadas.
Implantación real: Google la utiliza para relacionar páginas web. (Plegel)
BDD Clave/Valor: BBDD idóneas para aplicaciones on-line.
Implantación real: Twitter la utiliza para su aplicación web. (Cassandra)
Infobright
Vertica
Hadoop
MongoDB
Apache CouchDB
SimpleDB
Neo4j
Plegel
FlockDB
Amazon DynamoDB
Apache Cassandra
Almacenado
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados18
Mapa de las Bases de Datos – Big Data
Non-Relational Relational
Operational
NoSQL NewSQL
Key
Value
Voldemort
BerkeleyDB Big Tables
HBASE
Graph
DEX
FlockDB
Document
Lotus Notes
CouchDB
MongoDB
Data as a Service Amazon RDS
SimpleDB Database.com
Cassandra
Analytic Teradata Infobright Greenplum
Hadoop HP Vertica Netezza InfinyDB
Cloudera
PostgreSQL SQL Server SAP Hana
New Databases
VoltDB
MemSQL
Clustering
ScaleDB
Storage
Engines
Tokutek
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados19
BDD Analíticas - Infobright
Consultas más
rápidas sin trabajo
añadido
•Sin índices
•Sin proyecciones ni
cubos
•Sin partición de datos
•Rápidos análisis ad-
hoc
Rápida carga / alta
compresión
•Velocidad de carga
de hasta 1 TB por
hora con carga
distribuida por
procesadores
•Compresión de 10:1
a 40:1+
Bajo coste
•Menos
almacenamiento y
servidores
•Subscripciones de
bajo coste
•Un 90% menos de
Administración
Rápido tiempo de
puesta en marcha
•Descargar en
cuestión de minutos
•Configuración
mínima
•Implementación en
días
¿Qué ofrece Infobright?
A IT: Alto rendimiento, administración mínima, bajo coste
A Usuarios: Acceso inmediato a los datos, rápido análisis ad hoc
Infobright es una Base de Datos Analítica de alto rendimiento, diseñada para el análisis de grandes
volúmenes de datos.
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados20
Arquitectura Sistema Big Data – Análisis
¿Qué es Text Analytics?
Proceso que permite un análisis automático y unificado
de textos provenientes de diferentes fuentes de datos
como plataformas de redes sociales, blogs o páginas de
noticias.
Variedad: Idiomas, dialectos, jergas, plataformas…
Volumen: Tweets, Post, blogs, foros, webs…
Velocidad: Real-time, 1 hora, 1 día, 1 mes?
Análisis
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados21
Arquitectura Sistema Big Data – Análisis
Limpia
el texto de:
enlaces, jerga, text
ese…
¿cómo funciona?
Corrige
ortográfica
mente las
palabras
Asigna
categorías
gramatical
es
Reconoce
personas, luga
res, organizaci
ones
Relaciona
Identifica
dependencias
 Detección del idioma
 Sentiment mining
 Identificación de cadenas léxicas
¿qué hace?
 Categorización de textos en diferentes temas.
 Descubrimiento de trending topics.
 Producto: Conocer la valoración de un producto y su competencia.
 Cliente: Conocer los temas que están captando la atención del cliente.
 SEO: Gestión crisis de reputación, optimización Ad-words.
 Empresa: Detectar la valoración de la empresa en diferentes categorías.
Aplicaciones
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados22
Arquitectura Sistema Big Data – Visualización
Visualización
La información correcta debe llegar a la persona correcta, en el momento
correcto, en el formato correcto, en el dispositivo correcto, con el detalle
correcto, etc.
Hablaríamos de distribución y presentación de la información.
¿cómo representar?
Hay muchas maneras de representar la información:
Cuadros de Mando: QlikView, Tableau
Informes: JasperReports, CristalReports
Gráficos tradicionales: Any Charts, Google Charts
Mapas: DKS GeoSmart, ESRI
Gráficos a medida: Flash
Infografías
“El exceso de información conlleva una
pérdida de interés en las audiencias que se
traduce, en muchos casos, en una falta de
comprensión de la información expuesta.”
David McCandless
Visualización
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados23
¿Qué gráfico elegir?
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados24
Índice
Presentación
 Sociedad aumentada
 Explosión del Big Data
 Medir el Social Media
 Preguntas
Fórum de debate
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados25
Herramientas Social Media
Herramientas de medición de Social Media
Hasta ahora hemos visto que para cada funcionalidad específica de la
arquitectura a alto nivel de un sistema de análisis existen varias
herramientas y cada una con unos puntos fuertes frente a las otras.
 Herramienta específica
La herramienta me soluciona la captación, el almacenamiento, el análisis o la visualización.
 Herramienta completa
La herramienta realiza el trabajo tecnológico por nosotros y solo configuro el Social Media a medir.
¿Qué valorar en estas herramientas?
Indicadores de negocio ¿Tiene toda la información que necesito?
Detalle de la información ¿Puedo llegar a comprender por que ocurre?
Usabilidad ¿Es fácil de utilizar la herramienta y comprender la misma?
Integración ¿Se puede integrar con otras herramientas o orígenes de datos?
Escalabilidad ¿Va a crecer conmigo la herramienta?
Acceso y Seguridad ¿Accesible desde diferentes entornos de manera segura?
Rapidez ¿Responde con la frecuencia esperada?
Configuración ¿Puedo configurarla según nuestras necesidades?
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados26
Herramientas Social Media - DKSSocialSmart
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados27
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados28
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados29
Según su afiliación o actividad tenemos los siguientes ROLES:
 USUARIOS
Cualquier CUENTA de una PLATAFORMA de Social Media.
 SEGUIDORES
USUARIOS que siguen un determinado PERFIL.
Especificación:
FOLLOWER AMIGO
 AUTORES
USUARIO que publica un MENSAJE.
Especificación:
Autor del TWEET Autor del POST
CONCEPTOS GENERALES – USUARIOS
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados30
CONCEPTOS GENERALES – USUARIOS
USUARIO
AUTOR
SEGUIDOR
TWEET
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados31
CONCEPTOS GENERALES – USUARIOS
USUARIO
AUTOR
AMIGOS
POST
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados32
Según el alcance y tono de su actividad tenemos los siguientes ROLES:
 INFLUENCIADOR
AUTOR que menciona una PALABRA CLAVE o menciona un PERFIL.
Deben tener un gran número de SEGUIDORES para considerarse INFLUENCIADORES
 EMBAJADORES
INFLUENCIADOR donde la mayoría de sus MENCIONES son en TONO POSITIVO
 TROLLS
INFLUENCIADOR donde la mayoría de sus MENCIONES son en TONO NEGATIVO
CONCEPTOS GENERALES – USUARIOS
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados33
CONCEPTOS GENERALES – USUARIOS
INFLUENCIADOR
SEGUIDORES
MENCIÓN
INDIRECTA
MENCIÓN
DIRECTA
TONO POSITIVO
EMBAJADOR
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados34
CONCEPTOS GENERALES – USUARIOS
INFLUENCIADOR
SEGUIDORES
MENCIÓN
INDIRECTA
MENCIÓN
DIRECTA
TONO
NEUTRO
EMBAJADOR
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados35
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados36
 PLATAFORMA
Definición: Aplicación de Social Media. Facebook, Twitter, etc.
 COMPETIDOR
Definición: Agrupación lógica de PERFILES, normalmente empresas, que usa
PLATAFORMAS para su estrategia Social Media.
 PERFIL
Definición: Canal creado dentro de una PLATAFORMA para ejecutar una parte de la estrategia Social Media.
CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO
Diagrama Selectores
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados37
CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO
PERFIL
PLATAFORMA
MENSAJE
MENCIÓN
DIRECTA
MENCIÓN
INDIRECTA
PALABRA
CLAVE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados38
CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO
PERFIL
PLATAFORMA
MENSAJE
MENCIÓN
DIRECTA
MENCIÓN
INDIRECTA
PALABRA
CLAVE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados39
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados40
Definición:
Comparativa de la repercusión de la producción de los PERFILES de cada COMPETIDOR.
BRAND PERFORMANCE
 ALCANCE
Definición: Número de SEGUIDORES de un PERFIL.
Cuando un PERFIL publica un MENSAJE este llegará como mínimo a tantos
SEGUIDORES tiene ese PERFIL. Ese será el ALCANCE del MENSAJE.
Especificación:
FOLLOWERS AMIGOS
 ACTIVIDAD
Definición: Número de MENSAJES publicados por cada PERFIL.
Especificación:
TWEET POST
“Tu eres la herramienta para el Social Media.
Twitter es solo una aplicacion para que tu crezcas e
influencies a tu sociedad.” Razan Khatib
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados41
 REPRESENTACIÓN Comparativa Competidores Comparativa Perfiles Mensajes
BRAND PERFORMANCE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados42
 REPRESENTACIÓN Comparativa Competidores Comparativa Perfiles Mensajes
BRAND PERFORMANCE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados43
 AMPLIFICACIÓN
Definición: Número de veces que un MENSAJE de un PERFIL es difundido por los USUARIOS.
Especificación:
RETWEET SHARES
 ADHESIÓN
Definición: Número de veces que un MENSAJE gusta a cualquier USUARIO.
Especificación:
FAVORITO LIKES
 CONVERSACIÓN
Definición: Número de RESPUESTAS en los MENSAJES publicados por un PERFIL.
Especificación:
RESPUESTA COMENTARIO
BRAND PERFORMANCE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados44
BRAND PERFORMANCE - DIAGRAMA
Diagrama
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados45
BRAND PERFORMANCE – EJEMPLO TWITTER
RETWEET
AMPLIFICACIÓN
MENSAJE
ACTIVIDAD
FAVORITO
ADHESIÓN
FOLLOWERS
ALCANCE
RESPUESTA
CONVERSACIÓN
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados46
BRAND PERFORMANCE – EJEMPLO FACEBOOK
LIKE
ADHESIÓN
AMIGOS
ALCANCE
MENSAJE
ACTIVIDAD
RESPUESTA
CONVERSACIÓN
SHARES
AMPLIFICACIÓN
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados47
 ENGAGEMENT
Definición: Interactuación directa de la comunidad con nuestra estrategia.
Que porcentaje de usuarios realmente interactúan:
ADHESIÓN + CONVERSACIÓN + COMENTARIO x 100
ALCANCE
 ROI
Definición: Retorno de la inversión en Social Media.
Relación de los INDICADORES de Social Media con el MARKETING más tradicional.
• Leads = ALCANCE
• Impresiones = ALCANCE x ACTIVIDAD
INDICADORES
• Interacción = AMPLIFICACIÓN, ADHESIÓN, CONVERSACIÓN
• Patrocinio = MENCIONES de terceros
 Leads: CPL (Coste por Lead): coste de adquirir un contacto.
 Impresiones: CPM (Coste por mil): coste de producir mil impactos en el público objetivo.
 Interacción: CPI (Coste de Interacción) Valor de las interacciones con los consumidores.
 Patrocinio. El coste es variable en función de la relevancia de la institución o de la persona.
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados48
INDICADORES - ROI
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados49
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados50
BRAND ASSET VALUATION
 BRAND ASSET VALUATION
Definición: Análisis que mide el valor de cada COMPETIDOR respecto a los demás.
VALOR DE LA
MARCA
ACTIVO DE LA
MARCA
FUERZA DE LA
MARCA
CONOCIMIENTO
ESTIMACIÓN
RELEVANCIA
DIFERENCIACIÓN
Valor Actual
Potencial Puntos diferenciales
Como de apropiada es
la marca a los
consumidores
(penetración)
Estima o seguimiento
de la marca
Reputación marca
Experiencia usuarios
“Branding no tiene que ver con el slogan o
logotipo, tiene que ver con tu personalidad con
quien eres tu” Mirna Bard
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados51
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados52
 CONSUMER REACTIONS
Definición:
Análisis de la actividad y MENCIONES realizadas por los USUARIOS.
Ámbito:
Analiza los mensajes realizados por USUARIOS donde se comenta:
 DIRECTAMENTE un PERFIL
 INDIRECTAMENTE una PALABRA CLAVE
 MENCIÓN
Definición:
Una MENCIÓN es un MENSAJE donde su AUTOR es cualquier USUARIO de la
PLATAFORMA, y en el MENSAJE se menciona o cita directamente un PERFIL del
COMPETIDOR o una PALABRA CLAVE del COMPETIDOR.
Especificación:
TWEET (con mención a PERFIL o PALABRA CLAVE). Puede ser DIRECTA o
INDIRECTA
POST (con POST en el muro o mención a PALABRA CLAVE). Puede ser DIRECTA
o INDIRECTA
CONSUMER REACTIONS “Las empresas que entienden el Social Media son
las que dicen con su mensaje: te veo, te escucho y
me importas” Trey Pennington
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados53
 MENCIÓN DIRECTA
Definición:
MENCIÓN donde se cita explícitamente el PERFIL o se escribe en su muro para dejar claro que
se quiere referirse a el PERFIL y que este reciba el MENSAJE.
DIRECTA: Cuando mencionan un PERFIL (@PERFIL)
DIRECTA: Cuando escriben en el muro del PERFIL
 MENCIÓN INDIRECTA
Definición:
MENCIÓN donde se cita explícitamente una PALABRA CLAVE que es seguida por un
COMPETIDOR. El AUTOR del MENSAJE no busca referirse directamente al PERFIL y que este
reciba el MENSAJE.
INDIRECTA: Cuando cualquier usuario menciona una PALABRA CLAVE en su TWEET
INDIRECTA: Cuando cualquier usuario menciona una PALABRA CLAVE en su POST
CONSUMER REACTIONS - MENCIÓN
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados54
 SENTIMIENTO
Definición:
En función del contenido del MENSAJE, una MENCIÓN tiene un SENTIMIENTO que puede ser
POSITIVO, NEUTRO o NEGATIVO
Categorías:
 POSITIVO: Cuando la MENCIÓN habla positivamente del PERFIL que menciona.
 NEUTRO: Cuando la MENCIÓN simplemente comenta sin querer
influenciar de manera positiva o negativa sobre el PERFIL que menciona.
 NEGATIVO: Cuando la MENCIÓN habla negativamente del PERFIL que menciona.
CONSUMER REACTIONS - SENTIMIENTO
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados55
CONSUMER REACTIONS - SENTIMIENTO
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados56
CONSUMER REACTIONS - DETALLE
 DETALLE DE LOS MENSAJES
Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar.
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados57
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados58
 BRAND AUDIENCE
Definición:
Análisis de los SEGUIDORES de los PERFILES de un COMPETIDOR
Ámbito:
Se centra en analizar diferentes aspectos de los SEGUIDORES de los PERFILES de un
COMPETIDOR:
 PERFIL DE LOS SEGUIDORES DE UN COMPETIDOR
 COMPARATIVA DE SEGUIDORES ENTRE COMPETIDORES
 MENSAJES DE LOS SEGUIDORES
 SEGUIDORES UNICOS
Definición:
De todos los SEGUIDORES de los PERFILES de un COMPETIDOR se cuentan sin repetidos.
 ESPECIFIDAD DEL PERFIL
Definición:
Número de SEGUIDORES que solo siguen el PERFIL de un COMPETIDOR.
BRAND AUDIENCE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados59
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados60
 INFLUENCERS
Definición:
Análisis de los AUTORES que realizan MENCIONES DIRECTAS o INDIRECTAS de un
COMPETIDOR.
Ámbito:
Se centra en analizar diferentes aspectos de los AUTORES que realizan MENCIONES de un COMPETIDOR.
 INFLUENCIADORES POR ALCANCE O ACTIVIDAD
 ANALISIS DE RELEVANCIA
 ANALISIS DE SENTIMIENTO
 INDICE KLOUT
 EMBAJADORES, TROLLS
INFLUENCERS
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados61
 DETALLE DE LOS MENSAJES
Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar.
INFLUENCERS - DETALLE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados62
TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados63
 CONTENIDOS
Definición: Análisis de todo el CONTENIDO de los MENSAJES que tienen MENCIONES
INDIRECTAS (que se ha hecho referencia a una PALABRA CLAVE de un
COMPETIDOR en el MENSAJE).
Ámbito: Se centra en analizar los CONTENIDOS de los MENSAJES con
MENCIONES INDIRECTAS para detectar las palabras que se
utilizan en ellos, a lo que llamaremos TOPICS.
 TOPIC
Definición: Palabras simples o compuestas que aparecen en el CONTENIDO de los MENSAJES
que tienen MENCIONES INDIRECTAS de PALABRAS CLAVE que siguen los
COMPETIDORES.
 TRENDING TOPIC
Definición: TOPIC más repetido según temporalidad y localización.
 CATEGORÍAS
Definición: Las CATEGORÍAS sirven para agrupar TOPICS.
CONTENIDOS
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados64
 ANALISIS POR CATEGORÍAS
ANALISIS VISUAL (GRAFO) CATEGORÍAS
CONTENIDOS
 ANALISIS POR TOPICS
TRENDING TOPICS TOPIC LIST
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados65
 DETALLE DE LOS MENSAJES
Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar.
CONTENIDOS - DETALLE
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados66
 LOCALIZACIÓN
Definición: Análisis de la ubicación de los MENSAJES LOCALIZADOS.
Ámbito: Solo se analizan la PLATAFORMA TWITTER.
Se centra en realizar un análisis geoespacial en un MAPA de los MENSAJES de
TWITTER que tienen su posición de envío informada.
 MENSAJE LOCALIZADO
Definición: MENSAJE que ha compartido su ubicación en el momento de la publicación.
 PAIS
Definición: PAIS desde donde se publica un MENSAJE.
 POBLACIÓN
Definición: POBLACIÓN desde donde se publica un MENSAJE.
 IDIOMA
Definición: IDIOMA en que está escrito un MENSAJE.
LOCALIZACIÓN
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados67
 MAPA
La visualización cartográfica nos puede ayudar con el análisis geoespacial con datos socio económicos.
LOCALIZACIÓN
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados68
 Estamos de lleno en una sociedad aumentada (Social Media)
 Big Data nos ayuda a procesador gran volumen y variedad de datos a gran
velocidad.
 Datos es información, información es poder de decisión.
 Saber que queremos mejorar, nos ayuda a plantear nuestra solución.
 Cada herramienta soluciona más o menos algunas necesidades que nos puede
plantear el Social Media. Siempre hay una más adecuada para cada caso.
 En el Social Media hay indicadores clave como ROI, engagement, brand
value, reputación, influenciadores, etc. Que nos ayudan a evaluar y mejorar
nuestras estrategias.
 Todo para estar más cerca de la gente, que es de lo que se trata el Social
Media.
CONCLUSIONES
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados69
GRACIAS POR VUESTRA ATENCIÓN
Francesc Arroyo
@datagoodnews
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados70
Índice
Presentación
 Sociedad aumentada
 Explosión del Big Data
 Medir el Social Media
 Preguntas
Fórum de debate
www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados71
Índice
Presentación
 Sociedad aumentada
 Explosión del Big Data
 Medir el Social Media
 Preguntas
Fórum de debate
¡Gracias!
Estamos a su disposición
info@datknosys.com
www.datknosys.com

Más contenido relacionado

La actualidad más candente

Administracion Del Conocimiento Para La Empresa Digital
Administracion Del   Conocimiento Para La Empresa DigitalAdministracion Del   Conocimiento Para La Empresa Digital
Administracion Del Conocimiento Para La Empresa Digital
tecnomaru
 
La qualité des Données et Métadonnées Ouvertes
La qualité des Données et Métadonnées OuvertesLa qualité des Données et Métadonnées Ouvertes
La qualité des Données et Métadonnées Ouvertes
Open Data Support
 

La actualidad más candente (20)

Presentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosPresentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datos
 
Data Governance — Aligning Technical and Business Approaches
Data Governance — Aligning Technical and Business ApproachesData Governance — Aligning Technical and Business Approaches
Data Governance — Aligning Technical and Business Approaches
 
Dcam v2.2 table_of_contents_
Dcam v2.2 table_of_contents_Dcam v2.2 table_of_contents_
Dcam v2.2 table_of_contents_
 
TOGAF - Fase A
TOGAF - Fase ATOGAF - Fase A
TOGAF - Fase A
 
Best Practices in Metadata Management
Best Practices in Metadata ManagementBest Practices in Metadata Management
Best Practices in Metadata Management
 
Data Analytics PowerPoint Presentation Slides
Data Analytics PowerPoint Presentation SlidesData Analytics PowerPoint Presentation Slides
Data Analytics PowerPoint Presentation Slides
 
Propuesta de un modelo de analítica de datos
Propuesta de un modelo de analítica de datosPropuesta de un modelo de analítica de datos
Propuesta de un modelo de analítica de datos
 
Introduction to Big Data Analytics and Data Science
Introduction to Big Data Analytics and Data ScienceIntroduction to Big Data Analytics and Data Science
Introduction to Big Data Analytics and Data Science
 
Master Data Management
Master Data ManagementMaster Data Management
Master Data Management
 
Vue d'ensemble Dremio
Vue d'ensemble DremioVue d'ensemble Dremio
Vue d'ensemble Dremio
 
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
 
DAS Slides: Building a Data Strategy – Practical Steps for Aligning with Busi...
DAS Slides: Building a Data Strategy – Practical Steps for Aligning with Busi...DAS Slides: Building a Data Strategy – Practical Steps for Aligning with Busi...
DAS Slides: Building a Data Strategy – Practical Steps for Aligning with Busi...
 
Administracion Del Conocimiento Para La Empresa Digital
Administracion Del   Conocimiento Para La Empresa DigitalAdministracion Del   Conocimiento Para La Empresa Digital
Administracion Del Conocimiento Para La Empresa Digital
 
Sistema de Procesamiento de Transacciones
Sistema de Procesamiento de TransaccionesSistema de Procesamiento de Transacciones
Sistema de Procesamiento de Transacciones
 
Data Engineering.pdf
Data Engineering.pdfData Engineering.pdf
Data Engineering.pdf
 
Data Governance & Data Steward Certification
Data Governance & Data Steward CertificationData Governance & Data Steward Certification
Data Governance & Data Steward Certification
 
Analisis de En Case Forensics
Analisis de En Case ForensicsAnalisis de En Case Forensics
Analisis de En Case Forensics
 
Data Governance PowerPoint Presentation Slides
Data Governance PowerPoint Presentation Slides Data Governance PowerPoint Presentation Slides
Data Governance PowerPoint Presentation Slides
 
La qualité des Données et Métadonnées Ouvertes
La qualité des Données et Métadonnées OuvertesLa qualité des Données et Métadonnées Ouvertes
La qualité des Données et Métadonnées Ouvertes
 
Introducción a Business Intelligence
Introducción a Business IntelligenceIntroducción a Business Intelligence
Introducción a Business Intelligence
 

Destacado

Planeación de una uai
Planeación de una uaiPlaneación de una uai
Planeación de una uai
julyana_pa
 

Destacado (20)

Big Data y Redes Sociales: Ejemplos y casos de éxito
Big Data y Redes Sociales: Ejemplos y casos de éxitoBig Data y Redes Sociales: Ejemplos y casos de éxito
Big Data y Redes Sociales: Ejemplos y casos de éxito
 
1 big data y redes sociales
1 big data y redes sociales1 big data y redes sociales
1 big data y redes sociales
 
Customer Analytics: de text analytics a Voice of Customer
Customer Analytics: de text analytics a Voice of CustomerCustomer Analytics: de text analytics a Voice of Customer
Customer Analytics: de text analytics a Voice of Customer
 
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep CurtoCustomer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
 
Big Data. Complejidad,algoritmos y su procesamiento
Big Data. Complejidad,algoritmos y su procesamientoBig Data. Complejidad,algoritmos y su procesamiento
Big Data. Complejidad,algoritmos y su procesamiento
 
Visibilidad e impacto de las publicaciones científicas: el caso de las Cienci...
Visibilidad e impacto de las publicaciones científicas: el caso de las Cienci...Visibilidad e impacto de las publicaciones científicas: el caso de las Cienci...
Visibilidad e impacto de las publicaciones científicas: el caso de las Cienci...
 
Curso de redes libres 3 sesion
Curso de redes libres 3 sesionCurso de redes libres 3 sesion
Curso de redes libres 3 sesion
 
Introduccion a las Redes Libres y a Bogota Mesh
Introduccion a las Redes Libres y a Bogota MeshIntroduccion a las Redes Libres y a Bogota Mesh
Introduccion a las Redes Libres y a Bogota Mesh
 
Big Data
Big Data Big Data
Big Data
 
Big Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector TurismoBig Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector Turismo
 
Analytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicacionesAnalytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicaciones
 
El Futuro del Marketing y la Investigación de Mercados (Daniel Falcón de Neo ...
El Futuro del Marketing y la Investigación de Mercados (Daniel Falcón de Neo ...El Futuro del Marketing y la Investigación de Mercados (Daniel Falcón de Neo ...
El Futuro del Marketing y la Investigación de Mercados (Daniel Falcón de Neo ...
 
s|ngular Data and Analytics Intro
s|ngular Data and Analytics Intros|ngular Data and Analytics Intro
s|ngular Data and Analytics Intro
 
Consumer data analysis upiloto - mayo de 2015 - compartible
Consumer data analysis   upiloto - mayo de 2015 - compartibleConsumer data analysis   upiloto - mayo de 2015 - compartible
Consumer data analysis upiloto - mayo de 2015 - compartible
 
Planeación de una uai
Planeación de una uaiPlaneación de una uai
Planeación de una uai
 
Ticologia redes sociales
Ticologia redes socialesTicologia redes sociales
Ticologia redes sociales
 
Big data&data science vfinal
Big data&data science vfinalBig data&data science vfinal
Big data&data science vfinal
 
Twitter Big Data
Twitter Big DataTwitter Big Data
Twitter Big Data
 
Bases de Datos Analiticas-Columnares
Bases de Datos Analiticas-ColumnaresBases de Datos Analiticas-Columnares
Bases de Datos Analiticas-Columnares
 
Data y Publicidad Digital
Data y Publicidad DigitalData y Publicidad Digital
Data y Publicidad Digital
 

Similar a Big Data para analizar las redes sociales

HD Insight Integracion con SQL Server Power-Pivot Excel
HD Insight Integracion con SQL Server Power-Pivot ExcelHD Insight Integracion con SQL Server Power-Pivot Excel
HD Insight Integracion con SQL Server Power-Pivot Excel
Eduardo Castro
 
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdfUNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
laubritez2001
 
Exposicion big data
Exposicion big dataExposicion big data
Exposicion big data
mateo luquez
 
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
CICE, La Escuela Profesional de Nuevas Tecnologías
 
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
CICE
 

Similar a Big Data para analizar las redes sociales (20)

Business intelligence (bi) y big data0
Business intelligence (bi) y big data0Business intelligence (bi) y big data0
Business intelligence (bi) y big data0
 
SQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight ServerSQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight Server
 
Big data
Big dataBig data
Big data
 
Big data
Big dataBig data
Big data
 
HD Insight Integracion con SQL Server Power-Pivot Excel
HD Insight Integracion con SQL Server Power-Pivot ExcelHD Insight Integracion con SQL Server Power-Pivot Excel
HD Insight Integracion con SQL Server Power-Pivot Excel
 
Que debe saber un DBA de SQL Server sobre Hadoop
Que debe saber un DBA de SQL Server sobre HadoopQue debe saber un DBA de SQL Server sobre Hadoop
Que debe saber un DBA de SQL Server sobre Hadoop
 
Big Data Introducción
Big Data IntroducciónBig Data Introducción
Big Data Introducción
 
Resumen del Microsoft Big Data Stack
Resumen del Microsoft Big Data StackResumen del Microsoft Big Data Stack
Resumen del Microsoft Big Data Stack
 
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdfUNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
 
Inteligencia de Negocios BI
Inteligencia de Negocios BIInteligencia de Negocios BI
Inteligencia de Negocios BI
 
Big Data Architecture con Pentaho
Big Data Architecture con PentahoBig Data Architecture con Pentaho
Big Data Architecture con Pentaho
 
ppt inteligencia de trabajo.pdf
ppt inteligencia de trabajo.pdfppt inteligencia de trabajo.pdf
ppt inteligencia de trabajo.pdf
 
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleoPonencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleo
 
Exposicion big data
Exposicion big dataExposicion big data
Exposicion big data
 
bi-180616123404 (1).pptx
bi-180616123404 (1).pptxbi-180616123404 (1).pptx
bi-180616123404 (1).pptx
 
Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015
 
Bigdata trabajo de investigacion
Bigdata trabajo de investigacion Bigdata trabajo de investigacion
Bigdata trabajo de investigacion
 
introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------
 
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
 
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
Business Intelligende& Big Data: Nuevos perfiles y oportunidades de empleo. P...
 

Más de DatKnoSys

Más de DatKnoSys (20)

Datknosys information
Datknosys informationDatknosys information
Datknosys information
 
Datknosys Brochure
Datknosys Brochure Datknosys Brochure
Datknosys Brochure
 
DKS EAP Presentation
DKS EAP PresentationDKS EAP Presentation
DKS EAP Presentation
 
Elevator Pitch Datknosys
Elevator Pitch DatknosysElevator Pitch Datknosys
Elevator Pitch Datknosys
 
Presentación DKS SmarKet 3.0
Presentación DKS SmarKet 3.0Presentación DKS SmarKet 3.0
Presentación DKS SmarKet 3.0
 
Presentacion servicios crawling
Presentacion servicios crawlingPresentacion servicios crawling
Presentacion servicios crawling
 
DKS SOCIALSMART SME VERSION
DKS SOCIALSMART SME VERSIONDKS SOCIALSMART SME VERSION
DKS SOCIALSMART SME VERSION
 
DKS SocialSmart versión PYME
DKS SocialSmart versión PYMEDKS SocialSmart versión PYME
DKS SocialSmart versión PYME
 
DKS EAP versión 3.0
DKS EAP versión 3.0DKS EAP versión 3.0
DKS EAP versión 3.0
 
Presentation DKS GeoSmart
Presentation DKS GeoSmartPresentation DKS GeoSmart
Presentation DKS GeoSmart
 
EAP- Enterprise Analytical portal
EAP- Enterprise Analytical portalEAP- Enterprise Analytical portal
EAP- Enterprise Analytical portal
 
Business analytics presentation
Business analytics presentationBusiness analytics presentation
Business analytics presentation
 
Presentacion business analytics
Presentacion business analyticsPresentacion business analytics
Presentacion business analytics
 
DKS DashView
DKS DashViewDKS DashView
DKS DashView
 
DKS Employ Viewer
DKS Employ ViewerDKS Employ Viewer
DKS Employ Viewer
 
DKS Employ Viewer
DKS Employ ViewerDKS Employ Viewer
DKS Employ Viewer
 
Observatorio competitivo
Observatorio competitivoObservatorio competitivo
Observatorio competitivo
 
Presentación DKS GeoSmart
Presentación DKS GeoSmartPresentación DKS GeoSmart
Presentación DKS GeoSmart
 
DKS GeoSmart ejemplo Retail
DKS GeoSmart ejemplo RetailDKS GeoSmart ejemplo Retail
DKS GeoSmart ejemplo Retail
 
Datknosys corporate presentation 2014
Datknosys corporate presentation   2014Datknosys corporate presentation   2014
Datknosys corporate presentation 2014
 

Big Data para analizar las redes sociales

  • 1. www.datknosys.com Francesc Arroyo Asesor de Innovación Tecnológica @datagoodnews 04 de Enero de 2012 Abril de 2013 Big Data para analizar Social Media
  • 2. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados2
  • 3. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados3 Índice Presentación  Sociedad aumentada  Explosión del Big Data  Medir el Social Media  Preguntas Fórum de debate
  • 4. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados4 Realidad Actual: Las Redes Sociales adoptadas plenamente en el día a día de las personas. Entretenimiento y vida Social Relaciones profesionales Información y Comunicación Social Media - Contexto “Social Media is Real Life”
  • 5. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados5 ¿Cómo hemos llegado? Aceptación de la tecnología Adaptación al cambio  Utilidad  Facilidad de uso Fuente: http://en.wikipedia.org/wiki/Technology_acceptance_model Fuente: http://es.wikiquote.org/wiki/Charles_Darwin Social Media - Contexto “No sobrevive el mas fuerte sino el que mejor se adapta al cambio” Charles Darwin
  • 6. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados6 Fuente: http://www.ethority.de/weblog/social-media-prisma/ Social Media - Mapa
  • 7. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados7 Pasado Presente Futuro Información ¿Qué ha pasado? (Informes) ¿Qué está pasando? (Indicadores, Alertas) ¿Qué va a pasar? (Predicción) Comprensión ¿Cómo y porqué ha pasado? (Modelado) ¿Cuál es la siguiente acción a tomar? (Recomendación) ¿Qué es lo mejor y peor que puede pasar? (Optimización y simulación) BUSINESS INTELLIGENCE ¿Que hacemos con todos estos datos? Tenemos más información que nunca sobre clientes, mercado, gustos, ideas, etc. ¡¡Obtener información útil!! Datos  Información  Decisiones Personalizar ofertas, optimizar campañas, nuevos productos, mejorar atención… Social Media - Datos BUSINESS ANALYTICS
  • 8. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados8 ¿Cómo gestionamos los datos? Las empresas cada vez se preocupan más de la obtención y recolección de datos. Propiedades de los datos  Volumen: Se ha incrementado el volumen de datos que se recogen.  Variedad: Se ha incrementado su diversidad en forma y origen.  Velocidad: Se ha incrementado la necesidad del real-time. Conseguiremos esta gestión de los datos gracias a los sistemas: BigData Social Media – Valor y propiedades de los Datos ANTES Problema de Almacenamiento AHORA Detección de nuevas oportu- nidades y en si un activo o valor
  • 9. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados9 http://www.sourcelink.com/blog/guest-author-series/2012/08/13/if-you-build-it-they-will-come Every Minute Of the Day…
  • 10. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados10 El resumen de las reflexiones anteriores: Social Media: Adopción de Social Media por los usuarios nos lleva a… Adaptarnos a este nuevo entorno socio económico. Valor Datos: Los datos que se generan en Social Media nos lleva a… Conseguir valor de los mismos y con los mismos. Big Data: El volumen, variedad y velocidad de los datos en Social Media nos lleva a… Implantar sistemas de BigData para explotarlos y conseguir valor. Conclusión: Big Data es necesario para tener obtener valor de Social Media Social Media – Big Data
  • 11. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados11 Índice Presentación  Sociedad aumentada  Explosión del Big Data  Medir el Social Media  Preguntas Fórum de debate
  • 12. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados12 Big Data La creciente generación de datos nos genera la necesidad de tener sistemas que: Capturen, Almacenen, Busquen, Compartan, Analicen, Visualicen …grandes conjuntos de datos. Serán los sistemas que entendemos como: BIG DATA http://www.csc.com/insights/flxwd/78931-big_data_growth_just_beginning_to_explode Con el fin de:  Procesar todos los datos disponibles  Sacar información de los datos  Tomar decisiones con la información DATOS es INFORMACIÓN… … INFORMACIÓN es PODER
  • 13. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados13 Análisis Big Data Deberemos definir nuestro sistema Big Data según las siguientes variables:  Variedad de los datos de origen  Volumen de los datos generados en un periodo  Velocidad de proceso de los datos para conseguir de ellos información útil para negocio. Data Velocity Data Volume Data Variety GB TB PB Batch Periodic Real-Time BDD Web ReportSocial Mobile Marketing CMS Es importante analizar bien nuestras necesidades actuales y futuras para definir nuestro Sistema Big Data. “How big is BIG?” “No debemos solucionar un problema que no tenemos.” API
  • 14. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados14 ¿Cómo aplico Big Data a mis datos de Social Media? 1. Definir claramente que vamos a solucionar usando Big Data Definir la mejora que queremos obtener y como utilizar la información. 2. Conocer “que conoces” y “que no conoces” Conoces tus clientes, conoces tu competencia… Pero no conoces que realmente piensan tus clientes… 3. Escoger la herramienta adecuada Saber que quieres analizar, te ayudará a escoger la herramienta. 4. Testea tus hipótesis Una vez tengamos datos, analizar desde diferentes perspectivas. 5. Crea las ideas y acciónalas De los datos recibidos, las hipótesis testeadas, deben salir nuevas percepciones que nos lleven a realizar acciones para conseguir solucionar nuestras necesidades iniciales. “You have to separate the signal from the noise”
  • 15. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados15 Análisis VisualizaciónCaptación Arquitectura Sistema Big Data Social Media Almacenado Arquitectura a alto nivel de un Sistema Big Data para Social Media. ETL BBDD Business Analytics BI, Reporting, Geo…TIPOLOGIA HERRAMIENTAS Kettle Informatica Talend Flume Infobright Hadoop Cassandra Google Cloud Knime SAS Mahout RapidMiner DKS EAP QlikView Tableau JasperSoft HERRAMIENTAS ESPECÍFICAS HERRAMIENTA SOCIAL MEDIA DKS SocialSmart
  • 16. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados16 Arquitectura Sistema Big Data – Captación Orígenes de Datos Los orígenes de datos pueden ser cualquier fuente Social Media (o no): Redes Sociales, foros, blogs, analytics, mailings, ventas… Captación Cada origen de datos puede requerir una manera de captación de datos: Twitter: API pública, GNIP, DataSift Facebook: GraphAPI Blogs: Herramientas de Scraping como 80legs, rss… Características a tener en cuenta Volumen: Cantidad de “mensajes” que podemos recoger Velocidad: Tiempo de recolección de los mismos Antigüedad: Acceso a datos pasados Privacidad: Acceso a datos privados Precio: Que nos cuesta cada “mensaje” Fiabilidad: Que cantidad de “mensajes” recogemos respecto al total Captación
  • 17. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados17 Arquitectura Sistema Big Data – Almacenado Debido a la incapacidad de las BDD Tradicionales de dar solución a los retos de los grandes volúmenes de datos, aparecen diferentes tipologías de BDD para dar solución a sistemas “Big Data”. Hay una tipología de BDD idónea para cada tipo de negocio: Algunas Tipologías de BDD “Big Data” BDD Analíticas: BBDD idóneas para optimizar el tiempo de Consulta SQL. Implantación real: Yahoo la utiliza para calcular el precio de sus anuncios. (Hadoop) BDD Documentales: BBDD idóneas para la gestión de “documentos”. Implantación real: Foursquare utiliza para check-in y información geo (MongoDB) BDD en Grafo: BBDD idóneas para datos con relaciones indeterminadas. Implantación real: Google la utiliza para relacionar páginas web. (Plegel) BDD Clave/Valor: BBDD idóneas para aplicaciones on-line. Implantación real: Twitter la utiliza para su aplicación web. (Cassandra) Infobright Vertica Hadoop MongoDB Apache CouchDB SimpleDB Neo4j Plegel FlockDB Amazon DynamoDB Apache Cassandra Almacenado
  • 18. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados18 Mapa de las Bases de Datos – Big Data Non-Relational Relational Operational NoSQL NewSQL Key Value Voldemort BerkeleyDB Big Tables HBASE Graph DEX FlockDB Document Lotus Notes CouchDB MongoDB Data as a Service Amazon RDS SimpleDB Database.com Cassandra Analytic Teradata Infobright Greenplum Hadoop HP Vertica Netezza InfinyDB Cloudera PostgreSQL SQL Server SAP Hana New Databases VoltDB MemSQL Clustering ScaleDB Storage Engines Tokutek
  • 19. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados19 BDD Analíticas - Infobright Consultas más rápidas sin trabajo añadido •Sin índices •Sin proyecciones ni cubos •Sin partición de datos •Rápidos análisis ad- hoc Rápida carga / alta compresión •Velocidad de carga de hasta 1 TB por hora con carga distribuida por procesadores •Compresión de 10:1 a 40:1+ Bajo coste •Menos almacenamiento y servidores •Subscripciones de bajo coste •Un 90% menos de Administración Rápido tiempo de puesta en marcha •Descargar en cuestión de minutos •Configuración mínima •Implementación en días ¿Qué ofrece Infobright? A IT: Alto rendimiento, administración mínima, bajo coste A Usuarios: Acceso inmediato a los datos, rápido análisis ad hoc Infobright es una Base de Datos Analítica de alto rendimiento, diseñada para el análisis de grandes volúmenes de datos.
  • 20. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados20 Arquitectura Sistema Big Data – Análisis ¿Qué es Text Analytics? Proceso que permite un análisis automático y unificado de textos provenientes de diferentes fuentes de datos como plataformas de redes sociales, blogs o páginas de noticias. Variedad: Idiomas, dialectos, jergas, plataformas… Volumen: Tweets, Post, blogs, foros, webs… Velocidad: Real-time, 1 hora, 1 día, 1 mes? Análisis
  • 21. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados21 Arquitectura Sistema Big Data – Análisis Limpia el texto de: enlaces, jerga, text ese… ¿cómo funciona? Corrige ortográfica mente las palabras Asigna categorías gramatical es Reconoce personas, luga res, organizaci ones Relaciona Identifica dependencias  Detección del idioma  Sentiment mining  Identificación de cadenas léxicas ¿qué hace?  Categorización de textos en diferentes temas.  Descubrimiento de trending topics.  Producto: Conocer la valoración de un producto y su competencia.  Cliente: Conocer los temas que están captando la atención del cliente.  SEO: Gestión crisis de reputación, optimización Ad-words.  Empresa: Detectar la valoración de la empresa en diferentes categorías. Aplicaciones
  • 22. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados22 Arquitectura Sistema Big Data – Visualización Visualización La información correcta debe llegar a la persona correcta, en el momento correcto, en el formato correcto, en el dispositivo correcto, con el detalle correcto, etc. Hablaríamos de distribución y presentación de la información. ¿cómo representar? Hay muchas maneras de representar la información: Cuadros de Mando: QlikView, Tableau Informes: JasperReports, CristalReports Gráficos tradicionales: Any Charts, Google Charts Mapas: DKS GeoSmart, ESRI Gráficos a medida: Flash Infografías “El exceso de información conlleva una pérdida de interés en las audiencias que se traduce, en muchos casos, en una falta de comprensión de la información expuesta.” David McCandless Visualización
  • 23. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados23 ¿Qué gráfico elegir?
  • 24. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados24 Índice Presentación  Sociedad aumentada  Explosión del Big Data  Medir el Social Media  Preguntas Fórum de debate
  • 25. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados25 Herramientas Social Media Herramientas de medición de Social Media Hasta ahora hemos visto que para cada funcionalidad específica de la arquitectura a alto nivel de un sistema de análisis existen varias herramientas y cada una con unos puntos fuertes frente a las otras.  Herramienta específica La herramienta me soluciona la captación, el almacenamiento, el análisis o la visualización.  Herramienta completa La herramienta realiza el trabajo tecnológico por nosotros y solo configuro el Social Media a medir. ¿Qué valorar en estas herramientas? Indicadores de negocio ¿Tiene toda la información que necesito? Detalle de la información ¿Puedo llegar a comprender por que ocurre? Usabilidad ¿Es fácil de utilizar la herramienta y comprender la misma? Integración ¿Se puede integrar con otras herramientas o orígenes de datos? Escalabilidad ¿Va a crecer conmigo la herramienta? Acceso y Seguridad ¿Accesible desde diferentes entornos de manera segura? Rapidez ¿Responde con la frecuencia esperada? Configuración ¿Puedo configurarla según nuestras necesidades?
  • 26. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados26 Herramientas Social Media - DKSSocialSmart
  • 27. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados27 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 28. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados28 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 29. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados29 Según su afiliación o actividad tenemos los siguientes ROLES:  USUARIOS Cualquier CUENTA de una PLATAFORMA de Social Media.  SEGUIDORES USUARIOS que siguen un determinado PERFIL. Especificación: FOLLOWER AMIGO  AUTORES USUARIO que publica un MENSAJE. Especificación: Autor del TWEET Autor del POST CONCEPTOS GENERALES – USUARIOS
  • 30. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados30 CONCEPTOS GENERALES – USUARIOS USUARIO AUTOR SEGUIDOR TWEET
  • 31. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados31 CONCEPTOS GENERALES – USUARIOS USUARIO AUTOR AMIGOS POST
  • 32. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados32 Según el alcance y tono de su actividad tenemos los siguientes ROLES:  INFLUENCIADOR AUTOR que menciona una PALABRA CLAVE o menciona un PERFIL. Deben tener un gran número de SEGUIDORES para considerarse INFLUENCIADORES  EMBAJADORES INFLUENCIADOR donde la mayoría de sus MENCIONES son en TONO POSITIVO  TROLLS INFLUENCIADOR donde la mayoría de sus MENCIONES son en TONO NEGATIVO CONCEPTOS GENERALES – USUARIOS
  • 33. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados33 CONCEPTOS GENERALES – USUARIOS INFLUENCIADOR SEGUIDORES MENCIÓN INDIRECTA MENCIÓN DIRECTA TONO POSITIVO EMBAJADOR
  • 34. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados34 CONCEPTOS GENERALES – USUARIOS INFLUENCIADOR SEGUIDORES MENCIÓN INDIRECTA MENCIÓN DIRECTA TONO NEUTRO EMBAJADOR
  • 35. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados35 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 36. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados36  PLATAFORMA Definición: Aplicación de Social Media. Facebook, Twitter, etc.  COMPETIDOR Definición: Agrupación lógica de PERFILES, normalmente empresas, que usa PLATAFORMAS para su estrategia Social Media.  PERFIL Definición: Canal creado dentro de una PLATAFORMA para ejecutar una parte de la estrategia Social Media. CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO Diagrama Selectores
  • 37. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados37 CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO PERFIL PLATAFORMA MENSAJE MENCIÓN DIRECTA MENCIÓN INDIRECTA PALABRA CLAVE
  • 38. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados38 CONCEPTOS GENERALES – CONCEPTOS DE NEGOCIO PERFIL PLATAFORMA MENSAJE MENCIÓN DIRECTA MENCIÓN INDIRECTA PALABRA CLAVE
  • 39. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados39 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 40. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados40 Definición: Comparativa de la repercusión de la producción de los PERFILES de cada COMPETIDOR. BRAND PERFORMANCE  ALCANCE Definición: Número de SEGUIDORES de un PERFIL. Cuando un PERFIL publica un MENSAJE este llegará como mínimo a tantos SEGUIDORES tiene ese PERFIL. Ese será el ALCANCE del MENSAJE. Especificación: FOLLOWERS AMIGOS  ACTIVIDAD Definición: Número de MENSAJES publicados por cada PERFIL. Especificación: TWEET POST “Tu eres la herramienta para el Social Media. Twitter es solo una aplicacion para que tu crezcas e influencies a tu sociedad.” Razan Khatib
  • 41. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados41  REPRESENTACIÓN Comparativa Competidores Comparativa Perfiles Mensajes BRAND PERFORMANCE
  • 42. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados42  REPRESENTACIÓN Comparativa Competidores Comparativa Perfiles Mensajes BRAND PERFORMANCE
  • 43. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados43  AMPLIFICACIÓN Definición: Número de veces que un MENSAJE de un PERFIL es difundido por los USUARIOS. Especificación: RETWEET SHARES  ADHESIÓN Definición: Número de veces que un MENSAJE gusta a cualquier USUARIO. Especificación: FAVORITO LIKES  CONVERSACIÓN Definición: Número de RESPUESTAS en los MENSAJES publicados por un PERFIL. Especificación: RESPUESTA COMENTARIO BRAND PERFORMANCE
  • 44. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados44 BRAND PERFORMANCE - DIAGRAMA Diagrama
  • 45. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados45 BRAND PERFORMANCE – EJEMPLO TWITTER RETWEET AMPLIFICACIÓN MENSAJE ACTIVIDAD FAVORITO ADHESIÓN FOLLOWERS ALCANCE RESPUESTA CONVERSACIÓN
  • 46. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados46 BRAND PERFORMANCE – EJEMPLO FACEBOOK LIKE ADHESIÓN AMIGOS ALCANCE MENSAJE ACTIVIDAD RESPUESTA CONVERSACIÓN SHARES AMPLIFICACIÓN
  • 47. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados47  ENGAGEMENT Definición: Interactuación directa de la comunidad con nuestra estrategia. Que porcentaje de usuarios realmente interactúan: ADHESIÓN + CONVERSACIÓN + COMENTARIO x 100 ALCANCE  ROI Definición: Retorno de la inversión en Social Media. Relación de los INDICADORES de Social Media con el MARKETING más tradicional. • Leads = ALCANCE • Impresiones = ALCANCE x ACTIVIDAD INDICADORES • Interacción = AMPLIFICACIÓN, ADHESIÓN, CONVERSACIÓN • Patrocinio = MENCIONES de terceros  Leads: CPL (Coste por Lead): coste de adquirir un contacto.  Impresiones: CPM (Coste por mil): coste de producir mil impactos en el público objetivo.  Interacción: CPI (Coste de Interacción) Valor de las interacciones con los consumidores.  Patrocinio. El coste es variable en función de la relevancia de la institución o de la persona.
  • 48. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados48 INDICADORES - ROI
  • 49. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados49 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 50. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados50 BRAND ASSET VALUATION  BRAND ASSET VALUATION Definición: Análisis que mide el valor de cada COMPETIDOR respecto a los demás. VALOR DE LA MARCA ACTIVO DE LA MARCA FUERZA DE LA MARCA CONOCIMIENTO ESTIMACIÓN RELEVANCIA DIFERENCIACIÓN Valor Actual Potencial Puntos diferenciales Como de apropiada es la marca a los consumidores (penetración) Estima o seguimiento de la marca Reputación marca Experiencia usuarios “Branding no tiene que ver con el slogan o logotipo, tiene que ver con tu personalidad con quien eres tu” Mirna Bard
  • 51. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados51 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 52. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados52  CONSUMER REACTIONS Definición: Análisis de la actividad y MENCIONES realizadas por los USUARIOS. Ámbito: Analiza los mensajes realizados por USUARIOS donde se comenta:  DIRECTAMENTE un PERFIL  INDIRECTAMENTE una PALABRA CLAVE  MENCIÓN Definición: Una MENCIÓN es un MENSAJE donde su AUTOR es cualquier USUARIO de la PLATAFORMA, y en el MENSAJE se menciona o cita directamente un PERFIL del COMPETIDOR o una PALABRA CLAVE del COMPETIDOR. Especificación: TWEET (con mención a PERFIL o PALABRA CLAVE). Puede ser DIRECTA o INDIRECTA POST (con POST en el muro o mención a PALABRA CLAVE). Puede ser DIRECTA o INDIRECTA CONSUMER REACTIONS “Las empresas que entienden el Social Media son las que dicen con su mensaje: te veo, te escucho y me importas” Trey Pennington
  • 53. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados53  MENCIÓN DIRECTA Definición: MENCIÓN donde se cita explícitamente el PERFIL o se escribe en su muro para dejar claro que se quiere referirse a el PERFIL y que este reciba el MENSAJE. DIRECTA: Cuando mencionan un PERFIL (@PERFIL) DIRECTA: Cuando escriben en el muro del PERFIL  MENCIÓN INDIRECTA Definición: MENCIÓN donde se cita explícitamente una PALABRA CLAVE que es seguida por un COMPETIDOR. El AUTOR del MENSAJE no busca referirse directamente al PERFIL y que este reciba el MENSAJE. INDIRECTA: Cuando cualquier usuario menciona una PALABRA CLAVE en su TWEET INDIRECTA: Cuando cualquier usuario menciona una PALABRA CLAVE en su POST CONSUMER REACTIONS - MENCIÓN
  • 54. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados54  SENTIMIENTO Definición: En función del contenido del MENSAJE, una MENCIÓN tiene un SENTIMIENTO que puede ser POSITIVO, NEUTRO o NEGATIVO Categorías:  POSITIVO: Cuando la MENCIÓN habla positivamente del PERFIL que menciona.  NEUTRO: Cuando la MENCIÓN simplemente comenta sin querer influenciar de manera positiva o negativa sobre el PERFIL que menciona.  NEGATIVO: Cuando la MENCIÓN habla negativamente del PERFIL que menciona. CONSUMER REACTIONS - SENTIMIENTO
  • 55. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados55 CONSUMER REACTIONS - SENTIMIENTO
  • 56. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados56 CONSUMER REACTIONS - DETALLE  DETALLE DE LOS MENSAJES Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar.
  • 57. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados57 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 58. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados58  BRAND AUDIENCE Definición: Análisis de los SEGUIDORES de los PERFILES de un COMPETIDOR Ámbito: Se centra en analizar diferentes aspectos de los SEGUIDORES de los PERFILES de un COMPETIDOR:  PERFIL DE LOS SEGUIDORES DE UN COMPETIDOR  COMPARATIVA DE SEGUIDORES ENTRE COMPETIDORES  MENSAJES DE LOS SEGUIDORES  SEGUIDORES UNICOS Definición: De todos los SEGUIDORES de los PERFILES de un COMPETIDOR se cuentan sin repetidos.  ESPECIFIDAD DEL PERFIL Definición: Número de SEGUIDORES que solo siguen el PERFIL de un COMPETIDOR. BRAND AUDIENCE
  • 59. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados59 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 60. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados60  INFLUENCERS Definición: Análisis de los AUTORES que realizan MENCIONES DIRECTAS o INDIRECTAS de un COMPETIDOR. Ámbito: Se centra en analizar diferentes aspectos de los AUTORES que realizan MENCIONES de un COMPETIDOR.  INFLUENCIADORES POR ALCANCE O ACTIVIDAD  ANALISIS DE RELEVANCIA  ANALISIS DE SENTIMIENTO  INDICE KLOUT  EMBAJADORES, TROLLS INFLUENCERS
  • 61. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados61  DETALLE DE LOS MENSAJES Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar. INFLUENCERS - DETALLE
  • 62. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados62 TEMARIO - FUNCIONALIDADES DKS SOCIALSMART
  • 63. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados63  CONTENIDOS Definición: Análisis de todo el CONTENIDO de los MENSAJES que tienen MENCIONES INDIRECTAS (que se ha hecho referencia a una PALABRA CLAVE de un COMPETIDOR en el MENSAJE). Ámbito: Se centra en analizar los CONTENIDOS de los MENSAJES con MENCIONES INDIRECTAS para detectar las palabras que se utilizan en ellos, a lo que llamaremos TOPICS.  TOPIC Definición: Palabras simples o compuestas que aparecen en el CONTENIDO de los MENSAJES que tienen MENCIONES INDIRECTAS de PALABRAS CLAVE que siguen los COMPETIDORES.  TRENDING TOPIC Definición: TOPIC más repetido según temporalidad y localización.  CATEGORÍAS Definición: Las CATEGORÍAS sirven para agrupar TOPICS. CONTENIDOS
  • 64. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados64  ANALISIS POR CATEGORÍAS ANALISIS VISUAL (GRAFO) CATEGORÍAS CONTENIDOS  ANALISIS POR TOPICS TRENDING TOPICS TOPIC LIST
  • 65. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados65  DETALLE DE LOS MENSAJES Siempre se debe llegar al detalle de los mensajes para comprender mejor y actuar. CONTENIDOS - DETALLE
  • 66. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados66  LOCALIZACIÓN Definición: Análisis de la ubicación de los MENSAJES LOCALIZADOS. Ámbito: Solo se analizan la PLATAFORMA TWITTER. Se centra en realizar un análisis geoespacial en un MAPA de los MENSAJES de TWITTER que tienen su posición de envío informada.  MENSAJE LOCALIZADO Definición: MENSAJE que ha compartido su ubicación en el momento de la publicación.  PAIS Definición: PAIS desde donde se publica un MENSAJE.  POBLACIÓN Definición: POBLACIÓN desde donde se publica un MENSAJE.  IDIOMA Definición: IDIOMA en que está escrito un MENSAJE. LOCALIZACIÓN
  • 67. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados67  MAPA La visualización cartográfica nos puede ayudar con el análisis geoespacial con datos socio económicos. LOCALIZACIÓN
  • 68. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados68  Estamos de lleno en una sociedad aumentada (Social Media)  Big Data nos ayuda a procesador gran volumen y variedad de datos a gran velocidad.  Datos es información, información es poder de decisión.  Saber que queremos mejorar, nos ayuda a plantear nuestra solución.  Cada herramienta soluciona más o menos algunas necesidades que nos puede plantear el Social Media. Siempre hay una más adecuada para cada caso.  En el Social Media hay indicadores clave como ROI, engagement, brand value, reputación, influenciadores, etc. Que nos ayudan a evaluar y mejorar nuestras estrategias.  Todo para estar más cerca de la gente, que es de lo que se trata el Social Media. CONCLUSIONES
  • 69. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados69 GRACIAS POR VUESTRA ATENCIÓN Francesc Arroyo @datagoodnews
  • 70. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados70 Índice Presentación  Sociedad aumentada  Explosión del Big Data  Medir el Social Media  Preguntas Fórum de debate
  • 71. www.datknosys.com© DatKnoSys S.L ( Data Knowledge Systems) - Todos los derechos reservados71 Índice Presentación  Sociedad aumentada  Explosión del Big Data  Medir el Social Media  Preguntas Fórum de debate
  • 72. ¡Gracias! Estamos a su disposición info@datknosys.com www.datknosys.com