Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Оценка эффективности распространения информации в социальных медиа

2,552 views

Published on

В рамках конференции Internet Life главный аналитик Wobot Александра Сивуха представила доклад «Оценка эффективности распространения информации в социальных медиа».

В докладе на конкретных кейсах из области маркетинговых и политических исследований рассмотрена собственная методика анализа последствий информационных всплесков. Моделирование пост-эффекта на основе собираемых ретроспективных данных делает возможным как реальное сравнение отношения пользователей к бренду или персоне «до и после», так и прогноз реакций пользователей на будущие события.

Published in: Business
  • Be the first to comment

Оценка эффективности распространения информации в социальных медиа

  1. 1. Оценка эффективностираспространения информации всоциальных медиаАлександра Сивуха,главный аналитикa.sivuha@wobot-research.com27.05.2013
  2. 2. Измерение эффекта распространенияинформации в социальных медиа2Измерение эффекта коммуникации необходимо в случае:Репутационных рисков для персоныРекламных вирусовЧерного пиара для бренда и др.Метод моделирования поможет:Оценить влияние информационного вброса на дальнейшее поведениепользователей в социальных медиа в отношении бренда или персоныСпрогнозировать эффекты от распространения информации в схожихситуациях
  3. 3. Мониторинг всплеска (Вобот)Влияние информационного всплеска на дальнейшее отношение пользователей кбренду3050100150200250300Общая динамика в мартеСредняя динамика за месяцДинамика за март без хомякаинфоповодаДинамика за март без инфоповода
  4. 4. Оценка информационного влияния.Стандартные метрикиПервичная аудиторияВторичная аудиторияПотенциальная(вирусная) аудитория(Считает размер потенциальной аудитории)(Измеряет насколько хорошо фаны/подписчики реагируют на контент)Охват (Reach)Вовлеченность (Engagement)4
  5. 5. Проблемы стандартных метрик5Для оценки реального эффекта используется моделирование ситуациивсплеска на основе собранных данных ретроспективыОхватЗанижение (люди могут распространять контент не через социальныемедиа, либо в закрытом доступе от системы мониторинга)Завышение (измеряется лишь потенциальный суммарный охват)ВовлеченностьНеверная интерпретация социальной вовлеченности в социальных медиа(например, пользователи отозвались на шутку, либо проблема привлеклавнимание лишь из-за популярности топ-блоггера)
  6. 6. Моделирование кейсаМодель всплеска информационного повода:Измерение «пост - эффекта»02004006008001000120014001600180025/02/2013 02/03/2013 07/03/2013 12/03/2013 17/03/2013 22/03/2013 27/03/2013 01/04/2013 06/04/2013ВсплескПост-эффектКоличество упоминанийК (потенциал)р (скорость роста)6
  7. 7. 020040060080010001200140001/12/201202/12/201203/12/201204/12/201205/12/201206/12/201207/12/201208/12/201209/12/201210/12/201211/12/201212/12/201213/12/201214/12/201215/12/201216/12/201217/12/201218/12/201219/12/201220/12/201221/12/201222/12/201223/12/201224/12/201225/12/201226/12/201227/12/201228/12/201229/12/201230/12/201231/12/2012050100150200250300Кейс 1. Интернет - магазиныМагазин 1. Рекламный вирусОхват потенциальной аудитории=3 500 000 читателейВовлеченность=0,05%Магазин 2. Негативный отзыв от топ-блоггераОхват потенциальной аудитории=3 000 000 читателейВовлеченность=0,1%7
  8. 8. -5000500100015002000Кейс 1. Интернет - магазины-5000500100015002000-50050100150200250Магазин 1Магазин 2ГруппыТоп - блоггерыПериод всплескаПериод всплескаКоличество упоминанийКоличество упоминаний8
  9. 9. Пост-эффект. Рекламный вирус050010001500200025003000350040004500500008/10/2012 07/11/2012 07/12/2012 06/01/2013 05/02/2013 07/03/2013Количество упоминанийK=3500 P=0.02K=4500 P=0.0459После запуска рекламного вируса кривая накопленных отзывов пользователей становится круче(коэффициент р): то есть, можно предсказать более интенсивную коммуникацию пользователейпо поводу интернет - магазина в следующем месяце. Пост – эффект рекламного вирусаположительный.
  10. 10. Пост-эффект. Урон репутации0500100015002000250030003500400041150.00 41200.00 41250.00 41300.00 41350.00 41400.00Сентябрь Октябрь Ноябрь Декабрь Январь Февраль Март Апрель 2013Количество упоминанийK=2500 P=0.005K=5500 P=0.00510Несмотря на черный пиар интернет магазина, кривая накопленных отзывов практически неизменилась. Пост-эффект отсутствует.
  11. 11. Кейс 2. ГубернаторПредсказание эффекта от следующего всплеска в момент его старта:05001000150020002500300025/02/2013 07/03/2013 17/03/2013 27/03/2013 06/04/2013 16/04/2013 26/04/2013 06/05/2013 16/05/2013Статья 2Количество упоминанийK=1000 P=0.5K=2600 P=0.511Навальный о губернаторе Х в марте и апреле написал 2 критических поста.На начальном этапе следующего всплеска стало возможным предсказать предел количестваупоминаний (К) и общую динамику отзывов пользователей (р) на основе первого вброса.Статья 1
  12. 12. ВыводыСтандартные метрики – охват и вовлеченность не дают полногопредставления эффекта от информационных вбросов. В кейсе 2-хинтернет магазинов эти два параметра оказались примерноравными, однако последующий реальный эффект в социальныхмедиа заметно отличался.Моделирование пост-эффекта на основе ретроспективных данныхделает возможным:1. Реальную оценку дальнейшего отношения пользователей кбренду или персоне2. Прогнозы реакции пользователей на будущие схожие события12
  13. 13. Спасибо за внимание)13

×