Monitoramento e Social intelligence

8,536 views

Published on

Palestra realizada por Marcel Ayres (sócio da PaperCliQ e SOMMAR) na 3ª Imersão em Mídias Sociais - Vitória / ES (2013) - http://www.eventodemidiassociais.com.br/

Published in: Business

Monitoramento e Social intelligence

  1. 1. Monitoramentoe Social Intelligence
  2. 2. Intro PROPOSTA - SAEB Marcel Ayres @MarcelAyres Jornalista – Universidade Federal da Bahia (UFBA) Sócio da PaperCliQ – Comunicação e Estratégia Digital e SOMMAR Social Media Marketing Pesquisador no Grupo de Pesquisa em Interações, Tecnologias Digitais e Sociedade (Gits - UFBA) Organizador dos Ebooks “Mídias Sociais: Perspectivas, Tendências e Reflexões” e “Mídias Sociais e Eleições 2010”.
  3. 3. Cenário
  4. 4. Modelo Massivo Produtores Consumidores
  5. 5. Modelo Pós-Massivo Prosumidores
  6. 6. Fonte: Prism ofConversation (Brian Solis)
  7. 7. Massa de dados...
  8. 8. Rastros Digitais Experiências
  9. 9. Rastros Digitais Informação
  10. 10. Rastros Digitais Recomendações
  11. 11. Cenário atual Consumidores cada vez mais sociais
  12. 12. E o seu negócio? Virou Social? Sean MacEntee (Flickr)
  13. 13. Uma boa pergunta!Você estáouvindo o seupúblico?
  14. 14. Monitoramento
  15. 15. Monitoramento 1º momento: • Organizações são ‘impelidas’ a ouvir; • Oportunidades que vão além do ‘falar’; • Quando escutar? Ontem! Colleen AF Venable (Flickr)
  16. 16. >> Representação doprocesso demonitoramento nasMídias Sociais
  17. 17. Coleta de Dados Análise e ArmazenamentoRecomendações Ciclo do Monitoramento Adição de Classificação Informações Categorização
  18. 18. O que ouvir?Onde e O quanto se falou? Sobre o que falou? Quem falou?Quando falou?
  19. 19. Tipos: Monitoramento Parcial› O Monitoramento de Marcas eConversações pode ser realizado dediversos modos diferentes.› O Monitoramento Parcial é aquele queutiliza softwares que não permitem adiçãode informações e tratamento avançado dedados, como, por exemplo, a utilização deGoogle Reader + Google Alerts ,Ferramentas gratuitas etc.
  20. 20. Tipos: Monitoramento Pleno› O Monitoramento Pleno é oque possibilita e agrega em umaúnica plataforma as diversasetapas do monitoramento demarcas e conversações.› Em geral, ferramentas pagas.
  21. 21. Vantagens • Grandes amostras; • Acesso a pessoas/conversações públicas; • Registro das conversas e possibilidade de resgate das informações; • Caráter mais “espontâneo”.
  22. 22. Métodos de PesquisaO monitoramento não substitui outrosmétodos de obter dados e informações. Complementa! methodshop.com (Flickr)
  23. 23. Métodos de PesquisaMonitoramento se mostra como uma técnica depesquisa relevante, contudo, não irá respondertodas as perguntas desejadas pelo cliente. A) Nem todos estão conectados, além da grande variação de público entre as mídias sociais; B) Nem todos que estão conectados publicam /editam e moderam conteúdos.
  24. 24. Diferenças! • Diferenças entre métodos de feedback tradicionais e os advindos das mídias sociais; • Nas mídias sociais, os usuários estão compartilhando suas experiências e não respondendo perguntas de pesquisas. antwerpenR (Flickr)
  25. 25. Dados, dados, dados!• Trabalhar com dados não é novidade;• Antes, não era simples descobrir oque os consumidores falavam;• Hoje, há um crescimento exponencialde dados produzidos, armazenados eprocessados pela humanidade. Mrflip (Flickr)
  26. 26. Precisamos evoluir! • Somente escutar e reunir dados já não é mais suficiente; • Muitas organizações não estão tirando vantagem dos benefícios do monitoramento. Stephenhanafin (Flickr)
  27. 27. Mais do que a própria marca!• Monitoramento restrito aoimpacto da marca;• ‘O que aconteceu no Twitter?’• ‘Qual foi o sentimento?”
  28. 28. Ação!• As organizações, em geral, estãoapenas ouvindo, e não agindo;• Não estão buscando inteligêncianos dados coletados. Ste3ve (Flickr)
  29. 29. Social Intelligence
  30. 30. Social Intelligence 2º momento: • Perceber a importância dos dados das mídias sociais e agir a partir deles são duas dimensões distintas; • O monitoramento pode ser ainda mais efetivo - proativo; • Os dados devem apoiar estratégias e levar à ação. Bernhardt Soccer (Flickr)
  31. 31. Calculando os resultados! Mais dados! Menos intuição!
  32. 32. Alinhando...Conceitos:- McKinsey: forma de inteligência competitivaque é originada, coletada, analisada oudistribuída usando tecnologia social.- Forrester Research: conceito de transformardados das mídias sociais em ações demarketing e estratégias de negócios. Cubosh (Flickr)
  33. 33. De A a Z. As aplicações sãoinfinitas e vão além do Marketing.
  34. 34. Operação
  35. 35. Operação• Mídias Sociais são grandes,velozes e repletas de conteúdos –dificuldade para trabalhar semaparatos técnicos adequados;• Necessidade de desenvolvertécnicas e métodos;• Social Intelligence não éencontrada – ela é buscada. Brett Jordan (Flickr)
  36. 36. Big Data – ou, simplesmente, Data? • Big Data – Desafios e Oportunidades; • Três características fundamentais: volume, variedade e velocidade; • Revela informações que antes não podiam ser vistas a ‘olho nu’; • Possibilidade de enxergar padrões e relações que permitem tomar decisões Vruba (Flickr) mais rápidas e assertivas.
  37. 37. Novos métodos e ferramentas • Cenário convoca novas expertises; • Necessidade de equipe multidisciplinar; • Ferramentas sofisticadas aliadas a métodos de análise resultam em iniciativas como, por exemplo o Social Network Analysis (SNA); • Análise de Interações Sociais e Influenciadores. Kyle McDonald (Flickr)
  38. 38. Dados: alguns cuidados• Paradoxo: dados podem ajudar ouatrapalhar;• Perigo de se perder em meio atantos insumos ou se reter a dados‘vazios’;• Coleta e uso deve ser estratégica;• Ter as ferramentas é diferente deter tempo, recurso e conhecimentopara usá-las. Zzpza (Flickr)
  39. 39. Ferramenta é meio, não fim• Coletar os dados é apenas oprimeiro passo;•A melhor ferramenta não garante amelhor análise;• Importância da dimensão humanano processo – Extrair Significados;• Fazer as perguntas certas e obterrespostas relevantes. Zzpza (Flickr)
  40. 40. Os dados sozinhos não contam histórias Exemplo: Crescimento no número de Dados seguidores e menções Informação Conhecimento
  41. 41. Os dados sozinhos não contam histórias Exemplo: Crescimento no número de Dados seguidores e menções Informação Polêmica sobre a fabricação dos produtos gera crise de imagem Conhecimento
  42. 42. Os dados sozinhos não contam histórias Exemplo: Crescimento no número de Dados seguidores e menções Informação Polêmica sobre a fabricação dos produtos gera crise de imagem Conhecimento Elaboração de estratégias de conteúdo e relacionamento para conter a crise e diminuir a percepção negativa do produto.
  43. 43. Refinamento =O o.O =/
  44. 44. Refinamento › Indecisão (‘Ainda não sei se quero comprar esse produto’); › Comparações (‘Esta empresa tem um bom serviço, mas deixa a desejar nas instalações’); › Sarcasmos/Ironias (‘Nossa, como eu amoImagem: http://pt.aliexpress.com essa empresa. Passar 2h numa ligação, aguardando ser atendida’, ‘‘Esta empresa tem um ótimo atendimento. Só que não’)
  45. 45. Refinamento Análise de Automática de sentimento Pontos positivos • Rápida percepção geral de sentimento • Otimização de esforços (classificação em massa) Pontos negativos Impossibilidade de interpretação mais profundaImagem: http://pt.aliexpress.com • “Vejam isso: http://bit.ly/225vpw”; • “Ninguém merece Avenida Brasil’: novela ou a av.?; • “Esse cara é f***!”; • Conteúdos publicitários disfarçados.
  46. 46. Aplicações
  47. 47. Aplicações
  48. 48. Aplicações
  49. 49. Desafios
  50. 50. Desafios "Se eu perguntasse para os meus clientes o que eles desejavam, eles diriam: um cavalo mais veloz". Henry Ford
  51. 51. Desafios Demanda: • Pessoas inverterão fluxo e passarão a demandar dados (Trendwatching); • Consumidores começarão a buscar seus dados e entregá-los para organizações que ofereçam proativamente serviços e recursos para melhorias na experiência do Images_of_Money (Flickr) consumo.
  52. 52. Desafios Creep Como usar dados personalizando experiência, mas sem produzir sensação de constante vigilância ou intrusão? ZinebBenharbit (Flickr)
  53. 53. Desafios Rapidez: Como processar e aplicar rapidamente o conhecimento gerado por um volume cada vez maior de dados? daz smith (Flickr)
  54. 54. Desafios Entrega: • Traduzir massa de dados de forma clara e objetiva; • Customização para cada equipe, atendendo a necessidades específicas. Fonte: Lithium
  55. 55. DesafiosUnião:Integrar e correlacionar diferentestipos de dados podem revelarinformações valiosas para asorganizações. David Villarreal Fernández (Flickr)
  56. 56. Leituras
  57. 57. Dicas de Leitura
  58. 58. Dicas de Leitura
  59. 59. PaperCliQ: ebooks
  60. 60. + Conteúdo: www.papercliq.com.brwww.papercliq.com.br/blog Tel.: (71) 3013-1432 Av. Tancredo Neves – Ed. Esplanada Tower, 939 – Sala 403 – Caminho das Árvores | CEP 41.820-021 | Salvador-BA

×