آنالیز رسانه های اجتماعی

رسانه های اجتماعی در طی چند دهه گذشته به یک مرجع مهم برای اطلاع رسانی تبدیل شده اند . آنها توانسته اند در حوزه های مختلفی از جمله : کسب وکار ، سرگرمی ، علم ، مدیریت بحران ، سیاست و … موثر واقع شوند . به همین دلیل آنالیز رسانه های اجتماعی هم برای محققان و شرکت های بزرگ از اهمیت بسیاری برخوردار گردیده است .

مهمترین دلیل محبوبیت رسانه های اجتماعی امکان اشتراک گذاری محتواهای عمومی با کمترین هزینه و در هرزمان و مکانی می باشد . امروزه تقریبا همه افراد از رسانه های اجتماعی در زندگی روزمره خود استفاده می کنند . این موضوع باعث تولید انبوه ای از داده ها گردیده است .

استفاده گسترده از رسانه های اجتماعی منجر به یک مساله پیچیده به نام “انباشت داده ها” می شود که در مقالات علمی از آن با عنوان Social Media Big Data نام برده می شود . بسیاری از متخصصان علم داده به دنبال آنالیز این داده ها به منظور شناسایی خصوصیات رفتاری کاربران ، تحلیل علائق و نیازمندی ها و بهبود فرآیندهای بازاریابی می باشند .

پلت فرم های متفاوت رسانه های اجتماعی ، توانایی به کارگیری انواع مدیا ، از جمله داده های متنی ، تصویری ، فیلم ، صوت و اطلاعات مکانی و … را دارد .

انواع داده در رسانه های اجتماعی:

به طور کلی داده های موجود در شبکه های اجتماعی را می توان به دو دسته کلی زیر تقسیم کرد :

داده های بدون ساختار(Unstructured Data)
داده های ساختار یافته(Structured Data)

به عنوان مثال در شبکه های اجتماعی “محتوای متنی” یک نوع از داده های بدون ساختار می باشد . در حالی که ارتباطاتی نظیر “فالوور/دوست” نمونه هایی از داده های ساختاریافته می باشند . رشد شبکه های اجتماعی موقعیت مناسبی را برای آنالیزهای چندوجهی و شناسایی الگوهای ارتباطی فراهم می آورد . بر اساس این الگوها می توان با آنالیز داده ها به روحیات افراد براساس روزهای هفته ، ماه ، فصل یا سال پی برد و به یک مدل جامع و کلی دست یافت .

سیستم های اطلاعاتی (IS: Information System) با انجام محاسباتی بر رروی داده های رسانه های اجتماعی به پاسخ های بسیاری درباره تاثیر عوامل مختلف بر روی رفتارهای اجتماعی دست می یابند .

آنالیز رسانه های اجتماعی

آنالیز رسانه های اجتماعی دارای پیچیدگی ذاتی بسیاری می باشد . برای کاهش این پیچیدگی متخصصان ۴ گام اساسی زیر را در نظر می گیرند :

شناسایی داده ها
جمع آوری داده ها
آماده سازی داده ها
آنالیز داده ها

حجم زیاد داده ها باعث ایجاد چالش های مختلفی در مراحل ۴ گانه فوق می شود . مشکل اساسی این است که هیچ استاندارد مدون و مشخصی برای انجام مراحل فوق (مخصوصا ۳ گام اول) وجود ندارد .

تعریف جامع رسانه های اجتماعی

در این جا مناسب است که یک تعریف جامع از رسانه های اجتماعی داشته باشیم . ما رسانه های اجتماعی را برنامه هایی مبتنی بر اینترنت می دانیم که برپایه وب۲ شکل گرفته اند . منظور از وب۲ به طور کلی محتوا می باشد . این محتوا به صورت فراگیر و مشارکتی توسط تمامی کاربران ایجاد می گردد .

در سالیان اخیر آنالیز زسانه های اجتماعی مورد توجه بسیاری از سازمان ها و نهادها قرار گرفته است . در واقع آنالیز رسانه های اجتماعی یک موضوع مهم بین رشته ای می باشد که هدف آن ترکیب ، گسترش و انطباق شیوه های تحلیل رفتار اجتماعی در رسانه های اجتماعی می باشد .

آنالیز شبکه های اجتماعی به طور کلی در سه حوزه زیر دارای اهمیت بسیار زیادی می باشد :

در کسب و کار
ارتباطات بحرانی (مدیریت بلایای طبیعی)
روزنامه نگاری و ارتباطات سیاسی

هر چند که رسانه های اجتماعی توانسته اند در سالیان اخیر باعث رشد و توسعه ۳ حوزه فوق شده اند . با این حال ، داده های رسانه های اجتماعی می توانند عوارض جانبی منفی زیادی را بر روی سه حوزه فوق ایجاد نمایند . شایعات و اطلاعات نادرست می توانند تاثیر منفی زیادی را بر روی رفتار کاربران دیگر داشته باشند .

همین موضوع باعث شده است که مدیران ارشد در رسانه های اجتماعی مختلف به دنبال شناسایی اطلاعات غلط و اخبار جعلی باشند . آن ها به صورت مستمر الگوریتم های خود را برای شناسایی این گونه از محتواها بروزرسانی می کنند .

آنالیز رسانه های اجتماعی فرآیندی پیچیده است . باید توجه داشت که به هر میزان که الگوریتم های آنالیز داده ای توسعه یابند ، فرآیند تولید هرزنامه ها و جعل اخبار نیز گسترش می باند .

مراحل آنالیز رسانه های اجتماعی

برای آنالیز رسانه های اجتماعی باید توجه داشت که هدف از انجام یک آنالیز چه می باشد . همچنین باید به منابع داده ها ، رویکردها ، معماری نرم افزار و شیوه های ذخیره سازی داده های نیز توجه کافی بشود . برای یک آنالیز موثر و کامل باید مراحل چهارگانه زیر در نظر گرفته شوند :

کشف (ِDiscovery) :در این مرحله به دنبال کشف ساختارهای پنهان و الگوهای مرتبط با آنها می باشیم.
ردیابی (Tracking) : در این مرحله درباره منابع داده های مورد استفاده تصمیم می گیریم .
آماده سازی (Preparation) : در این مرحله به حذف داده های نویزدار می پردازیم . داده های نویزدار شامل داده های تکراری ، دارای خطا و داده های جعلی می باشند . ما در حقیقت سعی می کنیم با تمییز کردن (Clean) داده ها ، ضریب خطا را تا حد ممکن کاهش می دهیم .
آنالیز : در این مرحله با توجه به هدف نهایی ، یک شیوه آنالیز داده ای را انتخاب می کنیم . برای آنالیز داده ها شیوه های مختلفی در نظر گرفته می شود که در حوزه های Big Data و Machine Learning قرار می گیرند .

انواع چالش های مطرح در آنالیز داده های کلان :

موضوع مهم و اساسی که باید به آن توجه شود این است که داده های رسانه های اجتماعی دارای ویژگی های داده های حجیم یا همان داده های کلان (Big Data) می باشند . داده های شبکه های اجتماعی از منابع مختلفی بدست می آیند و تعداد رکوردهای ثبت شده به حدّی است که باید برای آنالیز آنها از شیوه های مورد استفاده در داده های حجیم استفاده کرد . عوامل کلیدی زیر را باید در این نوع از آنالیزها مدنظر قرار داد :

حجم داده ها : توجه به فضای مورد نیاز برای ذخیره سازی داده ها .
سرعت : توجه به سرعت ایجاد داده ها اهمیت زیادی دارد . زیر که یک بایستی در یک مدت زمان معقول بتوان به آنالیز درستی دست یافت .
نوع داده : توجه به این واقعیت ضروری است که داده ها دارای انواع گوناگونی خواهند بود . بسیاری از این داده ها بدون ساختار هستند و برخی از آنها ساختارهای خاص خود را دارند .
صحت : باید کیفیت داده ها به حدی ارتقاء یابد که بتوان به نتایج داده ها اطمینان کرد .
یکپارچگی و اصالت داده ها : توجه به حفظ امنیت و سازگاری داده ها و همچنین استفاده از داده های ارزشمند نیز از اهمیت خاصی برخوردار است .

و در پایان …

همانگونه که شیوه های آنالیز و ارزیابی داده ها پیشرفت می کنند ، شیوه های جعل اخبار و اطلاعات نیز رشد می یابند . استفاده از شیوه های مکملی همچون مدیریت اعتماد و امنیت نرم می تواند در تحلیل درست تر داده ها به ما کمک نماید . باید توجه داشت که آنالیز شبکه های اجتماعی یک چرخه همیشگی می باشد که باید همواره بهبود یابد و شیوه های جدیدتر و موثرتر جایگزین شیوه های قدیمی تر و ناکارآمد شوند .

نویسنده : مسعود معاونی