浅谈社交网络数据分析的意义

随着信息技术的迅猛发展，参与到社交网络的人越来越多，人们乐于在网络中去分享自己的相关信息，拓展自己的人脉。企业甚至能通过社交平台去直接影响客户，一切都似乎因为社交网络的出现而变的美好，但是有社交网络有三点特性需要我们注意 ：

1.特性一：网络虚假信息与真实信息同时存在。在社交网络中这种特性尤为突出。人们会在社交网络中会表达自己的真实信息，但是也会在其中发出自己臆想的信息，导致的结果是极容易让谣传成为”事实”

2.特性二：无界。信息可以在网络中无限扩展，甚至最后影响到现实

3.特性三：快速。由于网络信息传递的爆炸性速度使得用户的信息很可能在短期内扩散。

每一条发布的信息，如同石块入水所散开的涟漪，如果不继续投入石块，则涟漪会逐渐淡化直至消失，这便是社交网络的自洁功能，由于有以上三个特性的存在，仅仅依靠“自洁“是远远不够的。如果在涟漪扩散过程中的某个点再继续投入一块石头，则原有涟漪会扩大或者缩小，只要找准了点位，这些涟漪就可能形成波浪。如何去找到这些信息，找准这些点位，扩大品牌正面声量、减少并消除负面声量成为企业在社会化营销中制胜的关键，这个时候社交网络分析就能给企业带来帮助。

社交网络中充斥着各种可能成为“波浪“的信息，有针对一款产品的，有针对某部电影的，还有针对某位明星的——这些信息都可以从网上免费获取。这些评论信息对于企业的价值可以说是巨大的。一个企业如果掌握了这些数据，再加以分析，无论是对现有产品的改进还是对未来产品的走向都是十分有帮助的。目前对于企业来说，社交网络分析主要关注点在于找到消费者，并能分析消费者，了解消费者。与消费者达到最简洁快速的沟通。这就需要通过数据分析找到消费者所在的圈子，进而找到圈子中的意见领袖，通过意见领袖让企业想传达的信息进一步扩大，辐射整个圈子。从而吸纳更多的忠实消费者。

社交网络的分析存在着许多有意思的研究课题。例如，在社交网络中社区圈子的识别、 社交网络中人物影响力的计算、信息在社交网络上的传播模型、虚假信息和机器人账号的识别、基于社交网络信息对股市、大选以及传染病的预测等。社交网络的分析和研究是一个交叉领域的学科，在研究过程中，通常会利用社会学、心理学甚至是医学上的基本结论和原理作为指导，通过人工智能领域中使用的机器学习、图论等算法对社交网络中的群体行为和未来的趋势进行模拟和预测。

社交圈子的划分并不仅局限于用户主动建立起来的关系上，还可以通过其隐性圈子的划分，如兴趣属性。当两个人在社交网络中互动很频繁时，他们在线下是否也是真实的好友？从算法的角度来说，这是个很难解决的问题，但如果我们换一个角度来思考这个问题，想想我们的线下联系方式，如果A跟B互相拥有对方的手机号，那他们是线下真实好友的可能性就非常大了。包括飞信、米聊、微信等产品，如果真的能够做成基于手机通讯录的社交网络，我们就可以通过异构的社交网络对社交圈子进行综合性的判断，其价值不可估量。

通过社交网络数据挖掘并加以分析，企业能获得什么？

1.潜在商机的发现

通过数据挖掘与分析，可以发现某个用户的活动商圈是否在企业的商圈覆盖范围内；可以知道某个用户的消费能力；可以知道某个用户的喜好及最近的购买习惯；可以知道某个用户会购买自己产品的概率;可以知道竞争对手的策略。

寄生在Facebook这样的社交网站上的社交游戏公司Zynga，它聪明的利用了用户数据，从中挖掘出大量商机。据《彭博商业周刊》披露，这个社交游戏巨头大约每天要收集600亿个数据点，包括人们一般玩多久游戏，什么时候玩，喜欢购买什么游戏物品等等。该公司的数学极客们用这些数据来分析哪些人喜欢逛自己朋友的农场和城市(Zynga开发的游戏)，人们都喜欢买哪些虚拟物品以及他们给自己的朋友赠送虚拟物品的频率等。然后他们就会得出这样一个重大的发现：经常收到朋友虚拟礼物的人会更喜欢玩游戏，收不到或不那么经常收到的则不太喜欢玩游戏。Zynga的数据分析部门副总裁Ken Rudin表示：根据这个发现，一群数学极客们又想出了解决办法——那些不那么经常收到礼物的玩家我们会让他们更加容易的找到建城(Zynga游戏)的工具，这样他们就不会过于依靠他人的礼物了。Zynga的意图很明显：分析用户行为，揣摩用户心理，然后适时为每个独特行为习惯的用户提供更有针对性的服务。

2.危机预警

通过数据挖掘与分析，可以对一些网络中突然发布的一条可能对企业产生危机的信息即时的监控起来。并追踪其传播路径，找到其中的关键节点。利用＂乱石＂打散其传播轨迹。从而让危机尽快消失。一个企业面对社交媒体中网民创造的成千上万，甚至几百万的讨论内容，想要通过人工去判断哪些口碑对品牌有利，哪些将会成为品牌危机是个不可能完成的任务。而舆情监测则可以围绕某一监测领域或事件，经过科学部署的不间断的数据收集与分析的过程，前期需要对收集范围和关键词群进行设

置，中期对采集的数据进行过滤、分组、聚类等预处理，后期对数据进行分析，并以分析报告的形式让品牌了解到自身的口碑状况。我们发现百度指数显示2011年以前没有任何关于“舆情监测”的搜索记录，然而随着社交媒体的发展，品牌逐渐意识危机公关的重要性，也更加深入的认识到数据挖掘，数据分析在危机预警中不可忽视的作用。

3.效果预测

通过数据挖掘与分析，可以通过对企业已掌控的圈子，消费群体的黏着度，事件的时序，传播的投入上去事先预测相关的效果。从而让企业能花最少的钱得到最大的产出。在2010年，惠普实验室的研究人员Sitaram Asur和Bernardo Huberman发现，通过Twitter可以了解人们兴趣的变化，从而准确预测电影票房收入。他们统计了一部电影名字在Twitter上出现的次数，收集了3个月内与电影相关的约300万个tweet，发现电影名字出现的频率与电影的票房收入存在很强的相关性。Bernardo Huberman说：”我们的预测非常准确。”以僵尸片《杀出狂人镇》为例。研究小组预测这部影片在美国上映的首周票房为1680万美元，实际数字为1606万美元。我们分析推文并衡量推文产生的速度。并且认为，关于某部电影的推文产生速度越快，大家越有可能去观看这部电影。”

然而，人们对社交网络数据的挖掘和分析都还处于相对初级的阶段，大规模、高维度数据的挖掘方法还在不断地演化。目前来看，文本语言的情感分析等很多基础性问题仍然还不能得到有效解决，对深入研究社交网络造成了一些限制。但随着人工智能研究水平的不断提高，尤其是认知神经科学与人工智能技术相结合的研究，让我们看到了人工智能的新希望。当我们真正有能力解决这些问题以后，社交网络将会成为帮助我们预测未来趋势的有利工具。相信到那时企业将可以借助于社交网络的数据挖掘与分析制定出更精准、广泛、有效的社会化营销体系，更好的服务于品牌认知的建立及市场销售的提升。