Social Media Analytics란 무엇인가요?

실무자와 분석가 모두 Facebook, YouTube, Instagram, Twitter, LinkedIn, Reddit 등 다양한 웹사이트와 채널을 통해 소셜 미디어가 무엇인지 알고 있습니다.

Social Media Analytics는 개별 채널에서 수집한 좋아요, 팔로우, 리트윗, 미리 보기, 클릭 수, 노출 수 등의 지표보다 더 광범위합니다. 또한 LinkedIn 또는 Google Analytics와 같은 마케팅 캠페인을 지원하는 서비스에서 제공하는 보고와도 다릅니다.

Social Media Analytics는 웹 검색 도구와 유사하게 작동하도록 특별히 설계된 소프트웨어 플랫폼을 사용합니다. 키워드 또는 주제에 대한 데이터는 여러 채널에 걸쳐 있는 검색어 또는 웹 '크롤러'를 통해 검색됩니다. 텍스트 조각이 반환되고, 데이터베이스에 로드되고, 분류 및 분석되어 의미 있는 인사이트를 도출합니다.

Social Media Analytics에는 소셜 리스닝의 개념이 포함되어 있습니다. 리스닝이란 소셜 채널에서 문제와 기회가 있는지 모니터링하는 것입니다. Social Media Analytics 도구는 일반적으로 리스닝과 성과 분석을 포함하는 보다 포괄적인 보고에 리스닝을 통합합니다.

IBM은 소셜 미디어가 널리 보급됨에 따라 다음과 같이 지적합니다. "훌륭한 제품에 대한 소식은 빠르게 퍼져나갑니다. 또한 불량 제품이나 고객 서비스 담당자와의 좋지 않은 경험에 대한 뉴스도 마찬가지로 빠르게 퍼질 수 있습니다. 이제 소비자들은 브랜드가 자신들의 약속에 대해 책임을 지게 하고, 친구, 동료, 일반 대중과 그 경험을 공유하고 있습니다."

Social Media Analytics는 기업이 이러한 경험을 해결하고 이를 다음과 같이 활용할 수 있도록 지원합니다.

• 제품 및 브랜드와 관련된 트렌드 파악
• 대화 이해 - 대화 내용 및 수용 방식
• 제품 및 서비스에 대한 고객 감정 도출
• 소셜 미디어 및 기타 커뮤니케이션에 대한 반응 측정
• 제품 또는 서비스에 대한 고부가가치 기능 식별
• 경쟁업체의 의견과 그 효과 파악
• 타사 파트너 및 채널이 성과에 미치는 영향 매핑

이러한 인사이트는 화가 난 트윗을 처리하는 것과 같은 전술적 조정을 수행하는 데 사용할 수 있을 뿐만 아니라 전략적 결정을 내리는 데 도움이 될 수 있습니다. 실제로 IBM은 Social Media Analytics가 이제 "기업의 전략 개발 방식에 대한 핵심 논의에 포함되고 있다"고 말합니다.

이러한 전략은 다양한 비즈니스 활동에 영향을 미칩니다.

• 제품 개발 - Facebook 게시물, 트윗 및 Amazon 제품 리뷰를 종합적으로 분석하면 고객의 문제점, 변화하는 요구 사항 및 원하는 기능을 더욱 명확하게 파악할 수 있습니다. 트렌드를 파악하고 추적하여 기존 제품 라인의 관리를 구체화하고 신제품 개발을 안내할 수 있습니다.
• 고객 경험 - IBM의 연구에 따르면 "조직은 제품 주도형 비즈니스에서 경험 주도형 비즈니스로 진화하고 있다"고 합니다. 소셜 채널 전반에 걸쳐 행동 분석을 적용하여 미세한 순간을 활용해 고객을 만족시키고 충성도와 평생 가치를 높일 수 있습니다.
• 브랜딩 - 소셜 미디어는 세계에서 가장 큰 포커스 그룹일 수 있습니다. 자연어 처리 및 감정 분석은 긍정적 또는 부정적 기대치를 지속적으로 모니터링하여 브랜드 건전성을 유지하고 포지셔닝을 개선하며 새로운 브랜드 속성을 개발할 수 있습니다.
• 경쟁사 분석: 경쟁사가 무엇을 하고 있고 고객이 어떻게 반응하고 있는지 이해하는 것은 항상 중요합니다. 예를 들어, 경쟁사가 틈새 시장을 무시하고 있다면 이는 기회가 될 수 있음을 의미합니다. 또는 신제품에 대한 긍정적인 언급이 급증하는 것은 조직에게 있어 시장에 혼란이 올 것이라는 경보 역할을 할 수 있습니다.
• 운영 효율성: 소셜 미디어에 대한 심층 분석은 조직이 수요를 측정하는 방법을 개선하는 데 도움이 될 수 있습니다. 소매업체 및 기타 업체는 해당 정보를 사용하여 재고 및 공급업체를 관리하고 비용을 절감하며 리소스를 최적화할 수 있습니다.

효과적인 Social Media Analytics을 위한 첫 번째 단계는 목표를 세우는 것입니다. 목표는 수익 증대부터 서비스 문제 파악에 이르기까지 다양합니다. 여기에서 주제 또는 키워드를 선택하고 날짜 범위와 같은 매개변수를 설정할 수 있습니다. YouTube 동영상에 대한 응답, Facebook 대화, Twitter 논쟁, Amazon 제품 리뷰, 뉴스 사이트의 댓글과 같은 출처도 지정해야 합니다. 특정 제품, 서비스 또는 브랜드와 관련된 출처를 선택하는 것이 중요합니다.

일반적으로 목표, 주제, 매개변수 및 출처를 지원하기 위해 데이터 세트가 설정됩니다. 데이터를 쉽게 이해하고 조작할 수 있는 시각화를 통해 데이터를 검색, 분석 및 보고합니다.

이러한 단계는 Social Media Analytics 플랫폼의 기능을 통해 더 효과적으로 만들 수 있는 일반적인 Social Media Analytics 접근 방식의 전형적인 단계입니다.

• 자연어 처리 및 머신 러닝 기술은 데이터 분석에 사용할 수 있도록 미리 포맷되지 않은 정보인 비정형 데이터에서 개체와 관계를 식별합니다. 사실상 모든 소셜 미디어 콘텐츠는 구조화되어 있지 않습니다. 이러한 기술은 의미 있는 인사이트를 도출하는 데 매우 중요합니다.
• 세분화는 Social Media Analytics에서 기본적인 요구 사항입니다. 소셜 미디어 참가자를 지역, 연령, 성별, 결혼 여부, 부모 상태 및 기타 인구 통계별로 분류합니다. 해당 범주에서 영향력 있는 사람을 식별하는 데 도움이 될 수 있습니다. 주요 주제에 대해 누가 상호 작용하는지 파악하면 메시지, 이니셔티브 및 응답을 더 잘 조정하고 타기팅할 수 있습니다.
• 행동 분석은 사용자, 추천자, 잠재 사용자 및 비추천자와 같은 행동 유형을 지정하여 소셜 미디어 참가자의 우려 사항을 이해하는 데 사용됩니다. 이러한 역할을 이해하면 그들의 인식을 충족, 변경 또는 편향시키기 위한 표적 메시지와 응답을 개발하는 데 도움이 됩니다.
• 감정 분석은 소셜 미디어 댓글의 어조와 의도를 측정합니다. 일반적으로 자연어 처리 기술을 통해 개체와 관계를 이해하여 긍정, 부정, 중립 또는 양가적 속성을 파악하는 데 도움을 줍니다.
• 음성 공유는 브랜드, 제품, 서비스, 평판 등에 관한 대화의 인기도와 강도를 분석합니다. 이는 주요 문제와 중요한 주제를 결정하는 데 도움이 됩니다. 또한 토론을 긍정적, 부정적, 중립적 또는 양가적 토론으로 분류하는 데도 도움이 됩니다.
• 클러스터링 분석을 통해 숨겨진 대화와 예상치 못한 인사이트를 발견할 수 있습니다. 자주 함께 등장하는 키워드나 문구를 연관 지어 새로운 주제, 이슈, 기회를 도출합니다. 예를 들어 베이킹 소다를 만드는 사람들은 클러스터링 분석을 사용하여 새로운 용도와 기회를 발견했습니다.
• 대시보드와 시각화 차트, 그래프, 표 및 기타 프레젠테이션 도구는 Social Media Analytics 결과를 요약하고 공유할 수 있는 기능으로, 학습한 내용을 전달하고 조치를 취하는 데 매우 중요합니다. 또한 사용자는 고급 기술 없이도 의미와 인사이트를 더 빠르게 파악하고 특정 결과를 더 깊이 살펴볼 수 있습니다.