Wie tickt das Publikum?

562 views

Published on

Vortrag über Social-Media- und Big-Data-Ansätze mit Bordmitteln auf den Lokalrundfunktagen 2013 in Nürnberg

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
562
On SlideShare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
0
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Wie tickt das Publikum?

  1. 1. Wie tickt das Publikum? Social-Media- und Big Data-Ansätze zum „Selbermachen“ Benedikt Koehler, d.core GmbH @furukama Nürnberg, 10.7.2013
  2. 2. Data - You‘re Soaking In It! Quelle: http://www.flickr.com/photos/robotbastard/82761504
  3. 3. Die mobile Revolution Quelle: Eigene Visualisierung der Nutzung von Facebook (blau) und Whatsapp (rot) in einem Mobile Panel (Arbitron Mobile, jetzt: Nielsen Radio)
  4. 4. Die mobile Revolution Sessions im Tagesverlauf Werktag Wochenendtag Quelle: Durchschnittliche Nutzung der Wecker-App im Tagesverlauf (Daten: Arbitron Mobile, jetzt: Nielsen Radio), eigene Darstellung
  5. 5. Echtzeit: Was bewegt Nutzer gerade jetzt? Quelle: http://datasift.com
  6. 6. Places: Was passiert wo im Sendegebiet? Quelle: Geokodierte Tweets in München und Umgebung sowie am Flughafen München. Eigene Darstellung.
  7. 7. Netzwerke: Wie hängen Dinge zusammen? Quelle: Netzwerkanalyse von Instagram-Posts zum Hashtag #pasta. Eigene Analyse: http://beautifuldata.net/2012/04/pastagram/
  8. 8. Vorhersagen: Wie entwickeln sich die Dinge? Quelle: Eigene Auswertung der Google Trends-Daten (li.) sowie Vorhersage von Filmeinspielergebnissen Barthelemy et al (2012) http://cs229.stanford.edu/proj2012/BarthelemyGuilloryMandal-UsingTwitterDataToPredictBoxOfficeRevenues.pdf
  9. 9. Social-Media-Monitoring mit SocialMention Quelle: http://socialmention.com
  10. 10. „Reichweiten“messung mit TweetReach Quelle: http://tweetreach.com
  11. 11. Lokale Trends erfassen mit Trendsmap Quelle: http://trendsmap.com
  12. 12. Monitoring und Analyse mit TAGS 5.0 Quelle: Twitter-Monitoring mit TAGS 5.0 und Google Documents. Mehr Informationen: http://mashe.hawksey.info/2013/02/twitter-archive-tagsv5/
  13. 13. Twitter-Mining mit NodeXL Quelle: Netzwerkanalyse mit NodeXL und Excel. Download: http://nodexl.codeplex.com/
  14. 14. Visualisierung mit Gephi Download unter http://gephi.org
  15. 15. Datenbasiertes Gedankenlesen Big Data für … Vermarktung • Besonderer Zielgruppen • Meinungsführerschaft • Ranking / Einfluss • Zielgruppenspezifische Werbeformate • Echtzeit-Targeting Programm • Echtzeit-Trends und Themeninteressen • Einbeziehung von Zuschauern / Hörern • Verstärkung der Zuschauer/Hörerbindung • Gewinnung neuer Zuschauer und Hörer
  16. 16. Ergebnis: Datenbasiertes Gedankenlesen Quelle: http://www.flickr.com/photos/jbcurio/2667086608/sizes/o/in/photostream/
  17. 17. Fragen? Dr. Benedikt Koehler koehler@dcore.de @furukama

×