A IBM ressalta que, com a prevalência das redes sociais: "Notícias sobre um ótimo produto podem se espalhar rapidamente. E notícias sobre um produto ruim ou uma experiência ruim com um representante de atendimento ao cliente podem se espalhar com a mesma rapidez. Os consumidores agora estão cobrando que as organizações prestem contas de suas promessas de marca e compartilhando suas experiências com amigos, colegas de trabalho e o público em geral.”

A Social Media Analytics ajuda as empresas a lidar com essas experiências e usá-las para:

• Identificar tendências relacionadas a ofertas e marcas
• Entender as conversas — o que está sendo dito e como está sendo recebido
• Extrair o sentimento do cliente em relação a produtos e serviços
• Avaliar as respostas às mídias sociais e outras comunicações
• Identificar recursos de alto valor para um produto ou serviço
• Descobrir o que os concorrentes estão dizendo e sua eficácia
• Mapear como parceiros e canais terceirizados podem afetar o desempenho

Esses insights podem ser usados não apenas para fazer ajustes táticos, como lidar com um tweet irritado, mas também para ajudar a orientar decisões estratégicas. Na verdade, a IBM acha que a Social Media Analytics agora está "sendo trazida para o centro das discussões sobre como as empresas desenvolvem suas estratégias".

Essas estratégias afetam uma variedade de atividades de negócios:

• Desenvolvimento de produtos - Analisar um agregado de postagens do Facebook, tweets e avaliações de produtos da Amazon pode fornecer uma imagem mais clara dos pontos problemáticos do cliente, das necessidades em mudança e dos recursos desejados. As tendências podem ser identificadas e rastreadas para moldar o gerenciamento das linhas de produtos existentes, bem como orientar o desenvolvimento de novos produtos.
• Experiência do cliente - Um estudo da IBM descobriu que "as organizações estão evoluindo de empresas baseadas em produtos para empresas baseadas em experiências". A análise comportamental pode ser aplicada em todos os canais de redes sociais para aproveitar micromomentos para encantar os clientes e aumentar a fidelidade e o valor vitalício.
  Branding - As redes sociais podem ser o maior grupo de foco do mundo. O processamento de linguagem natural e a análise de sentimento podem monitorar continuamente as expectativas positivas ou negativas para manter a saúde da marca, refinar o posicionamento e desenvolver novos atributos da marca.
• Análise da concorrência - Entender o que os concorrentes estão fazendo e como os clientes estão respondendo é sempre crítico. Por exemplo, um concorrente pode indicar que está abrindo mão de um nicho de mercado, criando uma oportunidade. Ou um aumento nas menções positivas para um novo produto pode alertar as organizações para os disruptores de mercado.
• Eficiência operacional – A análise profunda das redes sociais pode ajudar as organizações a melhorar a forma como avaliam a demanda. Varejistas e outros podem usar essas informações para gerenciar inventário e fornecedores, reduzir custos e otimizar recursos.

O primeiro passo para uma Social Media Analytics eficaz é desenvolver uma meta. As metas podem variar desde o aumento da receita até a identificação de problemas de serviço. A partir daí, tópicos ou palavras-chave podem ser selecionados, e parâmetros como intervalo de datas podem ser definidos. As fontes também precisam ser especificadas — respostas a vídeos do YouTube, conversas no Facebook, argumentos no Twitter, avaliações de produtos da Amazon, comentários de sites de notícias. É importante selecionar fontes pertinentes a um determinado produto, serviço ou marca.

Normalmente, um conjunto de dados será estabelecido para apoiar as metas, tópicos, parâmetros e fontes. Os dados são recuperados, analisados e relatados por meio de visualizações, que facilitam a compreensão e a manipulação.

Essas etapas são típicas de uma abordagem geral de Social Media Analytics, que pode ser mais eficaz com os recursos encontrados nas plataformas de Social Media Analytics.

• As tecnologias de processamento de linguagem natural e aprendizado de máquina identificam entidades e relacionamentos em dados não estruturados — informações não pré-formatadas para funcionar com a análise de dados. Praticamente todo o conteúdo das redes sociais não é estruturado. Essas tecnologias são críticas para obter insights significativos.
• A segmentação é uma necessidade fundamental na Social Media Analytics. Ela categoriza os participantes das redes sociais por região geográfica, idade, gênero, estado civil, status parental e outros dados demográficos. Isso pode ajudar a identificar influenciadores nessas categorias. Mensagens, iniciativas e respostas podem ser mais bem ajustadas e direcionadas ao entender quem está interagindo sobre tópicos-chave.
• A análise comportamental é usada para entender as preocupações dos participantes das redes sociais, atribuindo tipos comportamentais como usuário, recomendador, usuário potencial e detrator. Compreender esses papéis ajuda a desenvolver mensagens e respostas direcionadas para atender, mudar ou desviar as percepções dessas pessoas.
• A análise de sentimento mede o tom e a intenção dos comentários nas redes sociais. Normalmente, envolve tecnologias de processamento de linguagem natural para ajudar a entender entidades e relacionamentos para revelar atributos positivos, negativos, neutros ou ambivalentes.
• O compartilhamento de voz analisa a prevalência e a intensidade das conversas sobre marca, produtos, serviços, reputação e muito mais. Ajuda a determinar questões-chave e tópicos importantes. Também ajuda a classificar as discussões como positivas, negativas, neutras ou ambivalentes.
• A análise de clustering pode revelar conversas ocultas e insights inesperados. Ela faz associações entre palavras-chave ou frases que aparecem juntas com frequência e deriva novos tópicos, problemas e oportunidades. As pessoas que fazem bicarbonato de sódio, por exemplo, descobriram novos usos e oportunidades usando a análise de clustering.
• Dashboards e gráficos de visualização, tabelas e outras ferramentas de apresentação resumem e compartilham descobertas da Social Media Analytics — um recurso crítico para se comunicar e agir sobre o que foi aprendido. Eles também permitem que os usuários compreendam o significado e os insights mais rapidamente e analisem mais profundamente descobertas específicas sem habilidades técnicas avançadas.