Social Media Data Mining – Wie es funktioniert und wer es nutzt

Heute gibt es mehr als drei Milliarden Social-Media-Nutzer, und jede Sekunde erstellen 11 Menschen ein neues Konto. Was bedeutet das?

Naja, bis du diesen Satz beendet hast, wurden Hunderttausende von Kommentaren, Tweets, Bildern und Videos in den sozialen Medien gepostet.

Es wäre eine Untertreibung zu sagen, dass soziale Medien einer der Hauptbeiträge zu Big Data sind, aber was kann man mit all diesen Informationen anfangen? Wie können Unternehmen, Forscher und sogar Regierungsbehörden beginnen, soziale Medien zu verstehen?

Eine der besten Möglichkeiten, versteckte Informationen in sozialen Medien zu finden, ist das Social-Media-Daten-Mining.

Was ist Social-Media-Daten-Mining?

Wir wissen aus unserem Leitfaden über Daten-Mining, dass dies allgemein als „Wissensentdeckung in Datenbanken“ bezeichnet wird. Dies mag für reguläres Daten-Mining zutreffen, aber Social-Media-Daten-Mining wird in einem viel größeren Maßstab durchgeführt.

Wofür wird Social-Media-Daten-Mining verwendet?

Social-Media-Daten-Mining wird verwendet, um versteckte Muster und Trends von Social-Media-Plattformen wie Twitter, LinkedIn, Facebook und anderen aufzudecken. Dies geschieht typischerweise durch maschinelles Lernen, Mathematik und statistische Techniken.

Während Daten-Mining innerhalb der internen Datenbanken und Systeme eines Unternehmens stattfindet, ist Social-Media-Daten-Mining weit weniger eingeschränkt, was und wo es erkundet.

Nachdem soziale Daten abgebaut wurden, werden die Ergebnisse an Social-Media-Analyse-Software weitergegeben, um die Erkenntnisse zu erklären und zu visualisieren.

Wie funktioniert Social-Media-Daten-Mining?

Soziale Daten müssen zuerst gesammelt und verarbeitet werden. Dies sind öffentlich zugängliche Daten, die Alter, Geschlecht, Rasse, geografische Lage, Beruf, besuchte Schulen, gesprochene Sprachen, Freunde und Verbindungen, Netzwerke, denen man angehört, und mehr umfassen können.

Dann gibt es den unstrukturierten Inhalt dessen, was man in sozialen Medien postet – wie Tweets, Kommentare und Status-Updates –, was hauptsächlich das ist, wonach Unternehmen, Firmen und Agenturen suchen, um es zu minen. Wenn deine Profile vollständig öffentlich sind, verstehe einfach, dass dies im Allgemeinen für Social-Media-Daten-Mining als fair angesehen wird.

Dann werden verschiedene Daten-Mining-Techniken angewendet. Einige Techniken können maschinelles Lernen nutzen, andere nicht. Dies hängt alles davon ab, wie tief die „Miner“ erkunden möchten.

Schließlich müssen all diese Erkenntnisse so visualisiert werden, dass sie interpretiert werden können. Während es eine Vielzahl von Datenvisualisierungs-Tools gibt, bietet Social-Media-Analyse oft eigene Visualisierungsoptionen.

So funktioniert Social-Media-Daten-Mining im Wesentlichen, also was sind einige seiner Anwendungsfälle?

Was sind einige Anwendungen des Social-Media-Daten-Minings?

Warum sollte ein Unternehmen, ein Forschungsinstitut oder eine Regierungsbehörde soziale Daten minen wollen? Nun, es gibt eine Reihe von Gründen. Hier sind einige der prominentesten:

Trendanalyse

Trendanalyse kann eine sehr wichtige Kennzahl für Unternehmen sein, die Social Listening nutzen. Zum Beispiel können Unternehmen analysieren, welche Themen, Erwähnungen und Schlüsselwörter in sozialen Medien derzeit im Trend liegen und Mining-Techniken anwenden, um zu verstehen, warum.

Diese Erkenntnis kann extrem aufschlussreich sein; lass mich dir eines der prominentesten Beispiele dafür geben, was ich meine.

Eine jüngste Analyse von SimplyMeasured kam zu dem Schluss, dass das Mining von Stimmungen auf Social-Media-Plattformen wie Twitter und Facebook im Vorfeld der US-Präsidentschaftswahl 2016 tatsächlich genauer war, um die Ergebnisse der Wahl vorherzusagen. Viele traditionelle Umfragen sagten in diesem Jahr voraus, dass Hillary Clinton die Gewinnerin sein würde.

Wie du sehen kannst, hatte der damalige Kandidat Donald Trump eine positivere Stimmung in den sozialen Medien als sein Gegner. Die negative Stimmung war fast gleichauf.

Trendanalysen lassen uns ein anderes Bild sehen und versteckte Wahrheiten verstehen.

Ereigniserkennung (soziale Heatmapping)

Ereigniserkennung – manchmal als soziales Heatmapping bezeichnet – kann eine wichtige Kennzahl für Forscher und Agenturen sein, die Social-Media-Monitoring nutzen. Das folgende Beispiel zeigt warum.

Anfang 2016 minierten Wissenschaftler am ORNL soziale Daten von Twitter, um Stromausfälle in den USA zu untersuchen. Durch die Betrachtung von Text- und Bilddaten, gepaart mit Informationen darüber, woher diese Daten stammen (geospatial), konnten sie in Echtzeit sehen, wo größere Ausfälle auftraten.

Denk nur an die vielen Möglichkeiten und Anwendungsfälle eines solchen Modells. Einer, der mir einfällt, ist während Naturkatastrophen.

Erkennung von sozialem Spam

Sogar die Social-Media-Plattformen, die wir täglich nutzen, profitieren vom Einsatz von Daten-Mining. Ein Beispiel dafür ist die Erkennung von sozialem Spam.

Du siehst es vielleicht auf Plattformen, auf denen Spammer und Bots sehr prominent sind – ich schaue auf dich, Twitter und Instagram.

Bots finden immer wieder Schlupflöcher auf diesen Plattformen, um Benutzer mit nervigem, sich wiederholendem und nutzlosem Inhalt zu spammen. Aufgrund der Leistungsfähigkeit der Automatisierung kann es einige Zeit dauern, diese Bots zu erkennen und zu beseitigen. Mit Social-Media-Daten-Mining werden Plattformen stetig besser bei der Spam-Erkennung.

Was könnte also die Spam-Erkennung auslösen? Dies könnten Dinge wie eine übermäßige Anzahl von Followern über einen extrem kurzen Zeitraum sein. Übermäßiges Twittern/Kommentieren, Taggen und Post-Updates könnten ebenfalls Auslöser sein.

Um proaktiver gegen sozialen Spam vorzugehen, hat Twitter kürzlich ein Update veröffentlicht, um die Anzahl der Konten, die ein Benutzer an einem Tag folgen kann, von 1.000 auf 400 zu begrenzen.

Das Unbekannte entdecken

Ob es sich um Social-Media-Daten-Mining oder Daten-Mining im Allgemeinen handelt, der ganze Zweck besteht darin, einzutauchen und das zu entdecken, was auf der Oberfläche nicht sichtbar ist.

Mit Fortschritten in Technologien wie maschinellem Lernen und künstlichen neuronalen Netzen wird Social-Media-Daten-Mining nur noch kreativer und tiefgründiger werden. In der Zwischenzeit solltest du sicherstellen, dass du deine Ergebnisse so visualisierst, dass sie von einem größeren Publikum verstanden werden können.

Social-Media-Analysen bieten oft eigene Visualisierungen, aber für fortgeschrittene Benutzer könnte es sich lohnen, zu sehen, welche Datenvisualisierungsoptionen es gibt.