Dataísmo

dados ♥ métricas ♥ monitoramento

Page 2 of 3

Twitter Niche: reflexões sobre influenciadores, curadoria de conteúdo e engajamento

2015-10-01_niche

Os criadores independentes têm influenciado as redes sociais diariamente, e sua audiência pode, muitas vezes, dar mais atenção a eles do que à marca. Nesta teia, os anunciantes podem encontrar uma forma de propagar sua mensagem de forma criativa, unindo entretenimento à publicidade.

Identificando este mercado já presente no Brasil, o Twitter encontrou no país uma forma de desenvolver sua plataforma, Niche, que surgiu nos Estados Unidos.

“Há muito tempo agências e marcas têm percebido que precisam ampliar o alcance de suas ações no universo digital para falar com a maior audiência possível, e o trabalho do Niche abre grandes possibilidades. Niche seleciona e categoriza os produtores de conteúdos, entende os objetivos de agências e marcas e faz a ponte entre essas empresas e os criadores mais adequados”.

(Guilherme Ribenboim, vice-presidente do Twitter para América Latina)

 

Influenciadores: qual a sua importância?

Os produtores de conteúdo, quando influenciadores, são figuras importantes no network – ou a “teia” em que as pessoas estão interligadas. São eles que impulsionam os assuntos, propagam a informação ou as hashtags, interagem com outras pessoas que também possuem relevância no assunto, abrem conversações e ainda podem gerar comentários, compartilhamentos ou retweets, por exemplo.

Os influenciadores são medidos não somente pela quantidade de seguidores que possuem, mas também por:

  • Relevância, comumente chamada de “voz de autoridade” ou conhecimento no segmento, seja ele de moda, beleza, entretenimento (tais como seriados, novelas, programação, eventos e afins), esportes, política e tantos outros assuntos que podemos listar;

Estas personas podem ser identificadas por meio da análise de conexões (usando um modelo de Social Media Analysis ou SNA), da observação de quais são os seus laços e de qual é a intensidade e relevância daquelas pessoas, por exemplo.

Atualmente, encontramos várias empresas do mercado que terceirizam este serviço, fornecendo o estudo dos influenciadores como um produto. E foi isso que o Twitter fez, mas de uma forma um pouco diferente da tradicional, explorando as suas próprias plataformas, como o Vine: pensando nessas pessoas que geram conteúdos interessantes (e nos quais os demais usuários estão de olho), focando na curadoria de conteúdo e na escolha dos melhores influenciadores do mercado.

A relevância da curadoria de conteúdo

Para muitas marcas, o Twitter é fonte de informação e funciona como um “termômetro”. Mas o que é o Twitter Niche? E quem determina quais são os influenciadores e como eles se organizam? Ou melhor, como diz o programa de tv: quem são, onde vivem, o que comem?

O Niche é um software que já existia independentemente do Twitter e foi adquirido pela rede social em 2015. No mês de setembro deste mesmo ano, a plataforma expandiu-se no Brasil. A ferramenta foi apresentada no youPIX CON, convenção no segmento de conteúdo digital realizada no MIS (Museu da Imagem do Som), em São Paulo (SP).

Por meio do Twitter Niche, as marcas ou empresas têm acesso à comunidade criativa de forma mais direta para elaborar ações que reforçam a importância de fornecer o conteúdo não só por meio da própria persona, mas também propagando-o por meio de quem tem relevância. De acordo com o próprio Twitter:

As marcas também estão buscando parcerias com indivíduos na esperança de gerar momentos que ressoam com as pessoas que estão tentando alcançar. O talento e a criatividade em todo o panorama da mídia é incrível, e nós esperamos que esta aquisição continua a inspirar as pessoas a criar grande conteúdo.

 

Audiência x relevância

Em muitos momentos, as redes sociais das marcas se concentraram em adquirir audiência. Agora, estes anunciantes esperam que estas pessoas sejam relevantes e possam consumir de forma mais acessível a cultura da marca e o próprio produto/serviço. E a análise das redes sociais, inclusive com ferramentas como o Twitter Niche, torna esta relação mais próxima.

Desenvolver estratégias ou utilizar uma ferramenta mais focada no engajamento do que no número de seguidores ou de fãs proporciona uma métrica mais real, voltada a pessoas que realmente gostam do assunto e do outro.

O resultado é que o anunciante pode contar com uma plataforma que irá segmentar seu assunto de acordo a audiência; o criador de conteúdo pode ganhar com aquilo que quer propagar ou no que acredita. A audiência, por sua vez, tem acesso a conteúdo mais qualificado, que passa por uma escolha/curadoria, com opiniões e informações segmentadas em seus assuntos de real interesse.

Business Intelligence: ontologia, semântica e análise de dados

* Este artigo é a segunda publicação sobre ontologia e business intelligence aqui no Dataísmo. O primeiro artigo foi “Business Intelligence e ontologia: definições e apontamentos”, e este segundo fala de aplicações, modelo semântico e análise de dados. 😸

 

Aplicações ontológicas em business intelligence
(Ou como os dados podem ser ontológicos)

Em business intelligence, analisar dados consiste em processar o que está acontecendo. Quando falamos em ontologia, falamos em método e em todo o caminho para processar esses dados.

Já utilizada em linguagens de programação, a ontologia considera cada dado como parte ou objeto para a formação de uma estrutura, como se fosse um código criado por meio de indivíduos e classes.

Em business intelligence existem duas formas de lidar com os dados: a informacional e a estrutural. Se, por um lado, a estrutural foca na ferramenta, no modo informacional podemos analisar esses dados extraídos.

Ao ser aplicada para a web, a ontologia passa pelas definições de “semântica” ou “significado”:

semântica

substantivo feminino

  1. ling estudo sincrônico ou diacrônico da significação como parte dos sistemas das línguas naturais.
  2. ling num sistema linguístico, o componente do sentido das palavras e da interpretação das sentenças e dos enunciados.

 

Por significado, entende-se:

significado

substantivo masculino

  1. relação de reconhecimento, de apreço; valor, importância, significação, significância.
  2. m.q. SIGNIFICAÇÃO (‘representação mental’).

 

Depois de minerarmos os dados e começarmos a analisá-los, o próximo passo é a criação de KPIs (Key Performance Indicators, ou indicadores de desempenho).

 

KPIs e o significado dos dados

Para traçarmos os KPIs, podemos começar por perguntas que façam sentido para aquele projeto:

  • Quais métricas podemos analisar, ou o que pode ser medido?
  • Que ações podemos traçar a partir destes dados?
  • Estes dados respondem às minhas perguntas principais?
  • Estes dados são suficientes para a minha análise?
  • Qual a abordagem mais adequada para a minha análise?

O significado ontológico dos dados passa pela identificação do que é mais comum (padrões) e do que está entrando em evidência. Em outras palavras, seria a explicação de dados por meio de contexto e conhecimento:

Os conceitos e relacionamentos unidos são conhecidos como uma ontologia do modelo semântico que descreve conhecimento. Modelos semânticos permitem que os usuários façam perguntas da informação de uma forma natural e ajudar a identificar padrões e tendências desta informação e descobrir as relações entre peças diferentes de informações.

Dr. Mohammed Ahmed Turki AlSudairy na publicação Knowledge on demand approach using Business Intelligence and Ontology

 

Muito ainda precisa ser feito para desenvolvermos ferramentas cada vez mais inteligentes e que apresentem dados mais minerados, mas já é possível, hoje em dia, irmos direto para algumas etapas da análise de dados. É aí que entram a inteligência e os insights mais rápidos, acompanhando a velocidade das informações que produzimos ou observamos.

Business Intelligence e ontologia: definições e apontamentos

Não é novidade que, todos os dias, somos sobrecarregados de dados e informações. A transformação em conhecimento e sabedoria são os nossos insights, que consistem na análise do que foi apresentado e quais as oportunidades podem ser obtidas a partir deles. Em outras palavras, o trabalho da análise dos dados consiste na reflexão sobre o que foi obtido (cenário atual) e o que aquilo pode tornar-se (oportunidades, estratégias e busca por objetivos em seu negócio).

Se, por um lado, temos um mundo cada dia mais cheio de informações, por outro, nem sempre temos pessoas especializadas (ou dispostas) a analisar esse tipo de informação. E é aí que entra a importância metodológica e quase filosófica de aplicar a reflexão para saber sobre o que está sendo tratado e o que isso pode significar.

Definição e a essência da ontologia

Quando buscamos a análise, passamos por um período de mensuração, que inclui a classificação, que pode ser: a saúde da marca (se está mais positiva, negativa, apresenta neutralidade); categorias ou tags (palavras que representam temas ou assuntos) e o tipo da audiência para identificar o seu comportamento. Toda esta classificação acaba nos direcionando para vários campos. Um desses caminhos é a ontologia, que significa “o estudo do ser”.  

 

ontologia

substantivo feminino

  1. fil, segundo o aristotelismo, parte da filosofia que tem por objeto o estudo das propriedades mais gerais do ser, apartada da infinidade de determinações que, ao qualificá-lo particularmente, ocultam sua natureza plena e integral.

  2.  fil no heideggerianismo, reflexão a respeito do sentido abrangente do ser, como aquilo que torna possível as múltiplas existências [Opõe-se à tradição metafísica que, em sua orientação teológica, teria transformado o ser em geral num mero ente com atributos divinos.].

 

A ontologia foi bastante abordada pelo filósofo Martin Heidegger, escreve sobre o assunto indo um pouco além das primeiras definições de Aristóteles que consistem nas “classificações e interpretações”. Para Heidegger, existe “aquilo que é” e também “o que pode ser”. As coisas e as possibilidades. Dentro das possibilidades, existem diversos universos que podemos desenhar. O conceitos são filosóficos, mas não tão viajosos, pois eles podem ser aplicados. Se fôssemos resumir, para business intelligence a ontologia é bem prática e corresponde à nossa relação entre o dado (“o que é” e a informação/sabedoria (“o que pode ser”).

 

Aplicações da ontologia

 

A ontologia já é aplicada nas áreas de Tecnologia da Informação, Arquitetura/UX e especialmente em programação. É da base de linguagens como o Java e o CSS. Para alguns, é a tentativa de unir o “real” ao “virtual”, considerando cada dado como objeto e organizando-o para formar a cadeia de códigos. A divisão básica é composta de:

  • Indivíduos são os componentes básicos. Podem ser objetivos concretos ou abstratos. Ele compõe uma classificação de indivíduos.

 

  • Classes referem-se* a:

Um tipo definido pelo usuário que contém a “receita”, a especificação para os objetos, algo mais ou menos como o tipo inteiro contém o molde para as variáveis declaradas como inteiros. A classe envolve, associa, funções e dados, controlando o acesso a estes, defini-la implica em especificar os seus atributos (dados) e seus métodos (funções).

 

  • Toda classe possui um nome;
  • Possuem visibilidade, exemplo: public, private, protected;
  • Possuem membros como: Características e Ações.

 

* Com algumas informações da Fábrica de Software/Senac

 

Ontologia e business intelligence

A associação entre ontologia e business intelligence ainda é recente, mas já conseguimos encontrar alguns trabalhos interessantes sobre o assunto. Quando aplicamos esses conceitos, é importante separar o que se chama daquele conceito de business intelligence baseado nos códigos de programação da mais recente definição: o business intelligence como e criação de insights a partir dos dados.

 

Abordagem administrativa Abordagem tecnológica
Foco no processo de extração e pós coleta dos dados, incluindo processos externos de analisá-las para extrair informações relevantes. Focos no processo tecnológico que faz parte do processo (a ferramenta e o meio, se formos considerar

Com informações de Petrini and Pozzebon, 2003. Petrini and Pozzebon (2003)

 

Aqui, vamos abordar esta segunda definição, baseada na extração e análise de dados (data analysis). A ontologia, para a web, passa por alguns conceitos de semântica ou significado. Acompanhe o nosso próximo post, na quinta-feira, para saber mais sobre Ontologia, modelo semântico e business intelligence.

A prevenção de suicídio, o Facebook e a netnografia

2015-09-10

Artigo por Gio Sacche*

Pelo primeiro ano, a campanha #SetembroAmarelo ganha força no Brasil. Seu objetivo é dar visibilidade e fomentar a prevenção de um problema de saúde pública: a morte prematura causada pelo suicídio. Segundo a Organização Mundial de Saúde (OMS), a cada 40 segundos, uma pessoa tira a sua vida.

A Ju Dias e eu achamos que seria atual lembrar esse importante trabalho de prevenção ao suicídio pois hoje é o Dia Mundial de Prevenção ao Suicídio (World Suicide Prevention Day). No evento oficial da organização Internal Association of Suicide Prevention (IASP), especializada na luta, várias pessoas enviaram fotos de velas acesas em homenagem a pessoas que perderam ou para lembrar da discussão do assunto. As luzes são um símbolo de resistência e do que não pode se apagar: a vida. Ou, como diria a música do cantor Morrissey: “there is a light never goes out”. 😉

Há dois anos, o Facebook anunciou que se uniu ao grupo americano Save para ampliar a ação que a rede que fazia desde 2011, a prevenção de suicídio de seus usuários. O objetivo do Save é… salvar. 🙂

E, aproveitando as informações disponíveis online, existe muito mais que pode ajudar as pessoas a não terem uma morte prematura!

A dor do suicídio é silenciosa, mas os números são gritantes

Segundo dados do grupo Save, o suicídio é a terceira maior causa de mortes entre jovens entre 15 e 24 anos. Anualmente, cerca de 780 mil suicídios são cometidos. E a taxa de suicídios cresceu 60% nos últimos 50 anos. De acordo com a Revista Mundo Estranho/Superintessante, até o fim de 2007, a média de suicídios ao redor do planeta chega à marca de uma morte a cada 30 segundos. E pior: estima-se que, para cada pessoa que comete suicídio, existem pelo menos outras 20 que tentaram, mas não conseguiram consumar o ato. Esses números levaram a Organização Mundial da Saúde a criar diversas ações, como a conscientização especial no dia 10 de setembro.

O importante trabalho da Save

O pilar da organização é lidar com sentimentos e alertas:

“Acreditamos que o suicídio é evitável e que a prevenção do suicídio funciona. A fim de cumprir a nossa missão e objetivos, nós usamos o modelo de saúde pública, juntamente com campanhas de mídia e educação para aumentar a consciência de suicídio. Nós usamos uma abordagem educativa para dissipar os mitos sobre o suicídio e permitir que os outros saibam sobre as realidades que o cercam. É o que o ex-Cirurgião Geral dos EUA Dr. David Satcher chama de “crise de saúde pública”.

 

Eles fornecem material especializado para espalhar informações e ajudar a desfazer o tabu do suicídio:

“Livros educativos para jovens e adultos estão disponíveis para os programas de prevenção da comunidade, escolas, profissionais de saúde, empresas e indivíduos envolvidos com a prevenção do suicídio. Essas ferramentas valiosas são uma excelente oportunidade para construir a conscientização da comunidade, bem como ajudar aqueles em necessidade”.

 

A parceria da Save com o Facebook e as suas implicações

A parceria com a rede social potencializa o trabalho de prevenção, pois o Facebook afirma que atualmente conta com 800 milhões de usuários ativos e mais de bilhão de perfis cadastrados. A rede social já trabalhava com a profilaxia de suicídio, mas baseando-se nas denúncias de amigos do potencial suicida. Com a união com o grupo Save, o Facebook mapeia as informações de suicidas com o intuito de traçar comportamentos semelhantes. O uso dos dados irá identificar potenciais suicidas e planejar ações para a prevenção de novos casos de jovens que, por ventura, desejam abreviar as suas vidas.

 

 

O cruzamento de dados da netnografia do Facebook no mapeamento

Atualmente, sabemos que as principais causas estão a depressão, bipoloridade, esquizofrenia, outras doenças psiquiátricas, vícios em drogas, em álcool e acontecimentos marcantes (com a perda de um ente querido). O estudo pode ser feito:

Levando-se em conta páginas que os usuários que cometeram suicídio curtiram;

– Palavras ou termos mais utilizados, mensagens de familiares e amigos (que possam conter as motivações que o indivíduo teve).

Geolocalização: centros psiquiátricos, grupos de ajuda, sucessivos check-ins em casa (o que significa que a pessoa não costuma sair com frequência, acompanhados de comentários agregados nos check-ins, do tipo “não quero sair”, “não há vida lá fora”).

– Acompanhamento do cotidiano da vítima.

 

Com o uso de algoritmos, o Facebook não precisa mais de denúncias de amigos e pessoas próximas quando uma pessoa demonstrar vontade de tirar a própria vida. A rede pode entrar em contato direto para poder prevenir o pior.

Para mim, é reconfortante saber que uma das redes mais populares tem interesse e usará as informações que os usuários confiam (no sentido de divulgar dados de seu cotidiano) para realizar um estudo tão importante.

Ao buscarmos os termos suicídio e Facebook, damo-nos conta de quantos casos são anunciados e descritos nas redes sociais e podem ser prevenidos com o diagnóstico precoce e tratamento correto. O que me deixa feliz é que para isso os pesquisadores utilizaram técnicas de netnografia para coleta desses dados e para a análise e que ela será em prol da vida humana.

 

* Gio Salles trabalha com números, mas é de humanas.
BI da DM9DDB, feminista e ciclista wannabe.

Twitter: @caragliogio
Facebook: Gio Sacche
Instagram: @giosacche

Data Strategy | Data Analysis

* Este artigo é a terceira publicação de uma série de posts sobre dados aqui no dataismo. O primeiro foi sobre Meta Dados e o segundo sobre Data Mining. Acompanhe-nos para ver mais sobre mais assuntos relacionados, como o Data Sharing, nas próximas publicações. 😉

 

Depois de cuidar dos dados, o próximo passo estratégico é a chamada “data analysis”, que consiste, assim como o nome mesmo já diz, na análise dos dados. É por meio dela que vamos gerar informação, conhecimento e, por fim, a sabedoria, também chamada de insights. 

Esses conceitos parecem, à primeira vista, a mesma coisa. E é comum confundirmos. Mas, como diria a música…

“Information is not knowledge (informação não é conhecimento)
Knowledge is not wisdom (conhecimento não é sabedoria)
Wisdom is not truth (sabedoria não é a verdade)
Truth is not beauty (verdade não é beleza)
Beauty is not love (beleza não é amor)
Love is not music (amor não é música)
Music is THE BEST (música é o melhor)”

(Frank Zappa)

 

 Para melhorar um pouco, se formos dividir em etapas, encontramos a chamada Pirâmide do Conhecimento, cujo caminho que mostra como os dados viram informação. A pirâmide é representada pelo DIKW, Data-Information-Knowledge-Wisdow, baseado no modelo cartesiano (criado com base nos princípios do filósofo Descartes), que consiste em uma evolução de [d]ata (dados), [in]formation (informação), [k]nowledge (conhecimento) e [w]isdom (sabedoria). Esse modelo, hoje em dia, é utilizado para várias áreas, que incluem pesquisas em tecnologia da informação até o marketing:

Pirâmide do Conhecimento ou DIKW

Pirâmide do Conhecimento ou DIKW

Dados ➳ elementos

Sinais, símbolos, um aglomerado de números sem significados. É aquilo que foi coletado.

Exemplo: dados brutos em um arquivo de Excel, o formato, a data, a hora, o tempo da coleta.

 

Informação ➳ organização

Informações são os dados estruturados.

Exemplo: um Excel com dados tabulados, divididos por categorias de sentimento, tags do monitoramento e por rede social.

 

Conhecimento ➳ contexto

Surge quando a informação ganha uso e significado, é sintetizado e pode ser aprendido.

Exemplo: gráficos que dividem estas informações de sentimento e as tags por tipo, cor, formato… representam um crescimento ou queda e dividem-se entre barras, gráficos de pizza para mostrar a representatividade do assunto, etc.

 

Sabedoria ➳ insights

São os chamados “dados acionáveis”, integrados, organizados e explicados e, o mais importante, trazem um aprendizado válido para aplicação e são entendidos pelas pessoas que têm acesso a essas informações.

Exemplo: os dados de sentimento e as tags indicam que a marca está melhor do que no mês passado. Porém, quando comparada ao mercado, está abaixo do esperado pelos fornecedores por apresentar menor aprovação que a concorrência e receber menos citações do que o esperado.

 

Para um analista de métricas, business intelligence, monitoramento e afins, o caminho para transformar os dados em informação e, posteriormente criar ações embasadas, é fundamental. Mas isso também vale para profissionais que lidam com estatísticas, como pesquisadores. Para obter algum insight, é necessário ver a sua amostra, o que ela diz. E é interessante ir além, focando não apenas no positivo, mas também na queda e nas alterações ao longo do período. É assim que podemos identificar se algo está bom para o seu padrão (comparando com os próprios resultados) ou está ruim (olhando para fora, seja um outro segmento da pesquisa, um outro assunto ou o mercado).

A análise só produz insights verdadeiros quando possui base, podendo ser argumentada e comprovada. É ao que muitos se referem quando dizem que “números que não mentem”. Na verdade, os números justificam, não é? Mas eles também podem ocultar ou favorecer uma ideia, dependendo do seu objetivo final. Se os resultados não foram tão bons ou a análise não saiu tão boa de primeira, vale a pena ver de novo. E, principalmente, como já disse o Zappa, música é mesmo o que nos resta de melhor. É só tentar entrar no ritmo. 😉
* Continue de olho no dataismo para acompanhar os próximos passos de uma estratégia de dados: Data Sharing. Acompanhe o Twitter e o Facebook para receber novas publicações em primeira mão.

« Older posts Newer posts »

© 2017 Dataísmo

Theme by Anders NorenUp ↑