domingo, 6 de mayo de 2018

Social Network Analytics (Analítica de Redes Sociales)



Las redes sociales constituyen una extensión ampliada del capital relacional del ser humano proyectado en plataformas como Facebook, Twitter, Instagram, Whatsapp, Google+, Pinterest, Line, Telegram, Snapchat,  Linkedn, Youtube, Tagged, Haboo, Tumblr, SoundCloud, Badoo, Spotify, Flickr y similares que permiten una interacción entre la persona, la marca, la empresa, la institución o la organización  y su red de contactos generando una visibilidad cuya privacidad es parcialmente graduable por el propio usuario(s). Es natural que en este contexto aparezca la necesidad de mejorar la efectividad del uso de las redes sociales en particular cuando se enfocan al desarrollo de modelos de negocio, la comercialización de productos servicios, la gestión transaccional de beneficios, emociones y experiencias personales, profesionales e institucionales u organizacionales donde sea aplicable. 

La analítica de redes sociales es la técnica de análisis que se utiliza para obtener las principales estadísticas de desempeño de las mismas y evaluar la performance para poder planificar una gestión efectiva de las redes sociales a las cuales estamos vinculados. Para comprender mejor este campo del conocimiento es necesario definir brevemente algunos conceptos:

Engagement: métrica que refleja la interacción entre tu red social y tu comunidad de usuarios  
CPC: Costo por Click
CPM: Costo por millar de impresiones (apariciones)
CPL: Costo por Lead 
Lead: Es la categoría de usuario interesado (potencial cliente) antes de convertirse en cliente (se llama Lead normalmente cuando se suscribe o pregunta)
Lead Nurturing: Proceso de interacción y contacto con Leads
CPA: Costo por adquisición (cuando el cliente ha comprado)
CPV: Costo por visualización: (costo total/número de visualizaciones)
CTR: Mide la tasa de Clicks como: (Número de clicks/número de impresiones) x 100
Tasa de Conversión: (Número de ventas o conversiones/Numero de contactos) x 100
ROI: Retorno de la inversión en la red social : ((Ingresos-costos totales)/Costos totales) x 100
Influencer: persona con credibilidad en alguna materia específica que tiene la capacidad de generar reacciones en el público objetivo
Follower: Usuario que sigue a otro en una red social
Hashtag: Es un tema que es tendencia en redes sociales, se usa anteponiendo # al tema
Fan: Usuario que gusta de una red social
Klout: Nivel de relevancia, popularidad, prestigio o reputación de un usuario en redes sociales
Astroturfing: Promover o genera comentarios en favor de una marca
Crowd ( -sourcing, -working, -funding, - speaking): colaboración abierta on line alrededor de un proyecto re material de recursos, trabajo, obtención de fondos o aprendizaje.
Engagement Facebook
((# me gusta + # de compartidos + # de comentarios)/ Usuarios alcanzados) x 100
Engagement Twitter
((# me gusta + # de retuits + # de menciones)/ Usuarios alcanzados) x 100
Engagement Instagram
((# me gusta + # de comentarios)/ Usuarios alcanzados) x 100
Engagement LinkedIn
((# recomendaciones + # de compartidos + # de comentarios)/ Usuarios alcanzados) x 100
Engagement Pinterest
((# me gusta + # de guardados + # de comentarios)/ Usuarios alcanzados) x 100
Engagement Google+ = ((# +1 + # de compartidos + # de comentarios)/ Usuarios alcanzados) x 100
Plataformas de Analítica de Redes sociales recomendadas:

Para twitter
https://moz.com/followerwonk/analyze
https://audiense.com/
https://tweetreach.com/

Para websites
https://analytics.google.com/
http://howsociable.com/
http://keyhole.co/

Para integrar todas tus redes sociales:
https://www.cyfe.com/
https://klout.com/home

La analítica de redes sociales se vuelve necesaria para mejorar la eficiencia en tiempos y costos del uso de las herramientas en el canal on line y para mejorar la eficacia de la comercialización y canalización de productos, servicios, beneficios, emociones o experiencias en este nuevo canal, es decir para mejorar la efectividad de las campañas que se inician en el mundo de la Internet. Este es un primer paso para la generación de data relevante que pueda servir para la toma de decisiones las cuales en una primera escala pueden analizarse en forma manual pero una vez que se generan grandes volúmenes de datos (BigData) se requiere recurrir a nuevas técnicas como la inteligencia artificial para lograr encontrar las mejores y más apropiadas estrategias que permitan integrarnos al nuevo mercado on line que queremos dominar.

Mucha suerte con la experiencia y espero que estas notas sean de utilidad para ello.