Sosyal Veriyi Anlamlandırmak: Markalar Müşteriyi Dinliyor, Peki Anlıyor mu?

24 Eylül 2012 (Türk İnternet’te yayınlanan yazım)

Sosyal Veriden anlam çıkarmak için sosyal ağlardan elde edilen verilerin üzerine oturup biraz düşünmek gerekir. Birçok marka bu konuda “Sosyal Dinleme” tekniğini benimsemiş durumda: Büyük Verinin (Big Data) sosyal medyadaki karşılığı Sosyal Veridir.

Bu makalenin ilk bölümünü Sosyal Medya Yönetiminde Kullanıcıların Davranışı Değil, Niyeti Önemli – 1 başlığı altında okuyabilirsiniz.

Markalar sosyal medya pazarlamasında hızla Sosyal Veriye odaklanıyor. Ancak, Sosyal Veriyi katma değere dönüştürmek için müşteriyi dinlemek kadar müşteriyi anlamak da önemli. Bunun için de genellikle kalabalık ve gürültülü bir restorana benzeyen sosyal medyadan ara sıra uzaklaşmak gerek.


Markalar sosyal medya pazarlamasında hızla Sosyal Veriye odaklanıyor. Ancak, Sosyal Veriyi katma değere dönüştürmek için müşteriyi dinlemek kadar müşteriyi anlamak da önemli. Bunun için de genellikle kalabalık ve gürültülü bir restorana benzeyen sosyal medyadan ara sıra uzaklaşmak gerek.

Sosyal Verinin en büyük özelliği “yapılandırılmamış” olması; yani tapu, senet gibi resmi belgelerden farklı olarak Facebook, Twitter gibi sosyal ağlardaki paylaşımlardan oluşması. Ancak, Facebook’ta paylaşılan ben “X markasını seviyorum” ifadesi, nüfus kağıdımızdaki doğum yılı gibi somut, objektif bir bilgi değil… Sosyal ağlardaki veriler genelikle dağınık, sübjektif paylaşımlardan ve kişisel beğenilerden oluşur.

Sosyal medyaya kulakları tıkamalı. Hiç değilse bazen…

Sosyal medyada herkes dilediği gibi konuşabilir ama markaların pazarlama için somut, nesnel verilere ihtiyacı var. Basit bir sayısal analiz yazılımı sosyal medya verilerini “olumlu ve olumsuz görüşler” gibi genel kategorilere ayırabilir (tarama takip) ama bir sosyal medya uzmanı gibi akılcı olarak yorumlayamaz.

Sosyal medyada tarama ve takip için çeşitli yazılım araçları kullanabilirsiniz. Bu yazılımlar sürekli güncelleniyor. Öyle ki Google, Yandex ve diğer web arama motorlarındaki yazılım araçları, artık kelimelerden anlam çıkarmaya ve Facebook yayınlarının “satır aralarını” okumaya başladı. Ancak, anahtar kelimelerin yanı sıra, “Bugün hava nasıl?” gibi soruları da yorumlayan Anlamlı Web 3.0 (Semantik Web) yazılımları henüz gelişme çağında.

Bu sebeple “sosyal medya dinleme sistemleri”, markaları müşteriler konusunda aydınlatmakta yetersiz kalıyor. Bu platformlar tek başına bir kampanyanın performansını ölçemiyor veya sosyal ağlarda kampanyayı diğer kullanıcılara tanıtan “alakalı etkileyicilerin” metriğini çıkaramıyor.

Sosyal medya tarama araçları ile sadece kullanıcıların segmentasyonunu gösteren basit Excel tabloları oluşturabilirsiniz. Bu engeli aşmak için iş başa düşüyor: İşin yüzde 80’i manüel analizdir ve bunun için sosyal ağ mesajlarını tek tek okuyarak değerlendirmek gerekir.

Sosyal veride kalite yönetimi

Alakalı veri, kaliteli veridir. Sosyal medyayı iyi dinlemek, veride kalite yönetimine bağlıdır. Bunun için ham veriyi manüel olarak analiz etmeden önce otomatik elemeden geçirmek gerekir. Aksi taktirde, bir markanın sosyal medyadaki bütün enstantanelerini çekip analiz etmek haftalar alabilir!

Otomatik eleme aslında işin en kolay yanı, çünkü bu görevi yazılımlar üstleniyor. Ancak, sistemi otomatiğe bağlamadan önce, pratik bir anahtar kelime listesi oluşturmalısınız. Ardından, kriterleriniz ölçüsünde bir test süreci geliştirmeniz gerekecek. Ön eleme sistemi otomatik olabilir ama test tasarımı ve anahtar kelime seçimi manüel bir süreçtir. Deneme yanılma sürecini normal karşılayın ve anahtar kelime testleri için kendinize zaman tanıyın. Bu işin sihirli bir formülü yoktur; ön eleme sistemini optimize etmek zaman alacaktır.

Ne istediğini bilmek

Sosyal Veriyi manüel olarak analiz etmek gereksiz detayları ayıklamak ve yönettiğiniz markayla en alakalı verileri toplamaktır. En basitinden; markanızın adının bir haberde geçmesi o haberin gerçekten markanızdan söz ettiği anlamına gelmez. Twitter’da bir markanın adının kaç kez geçtiğini bilmek, kampanya faaliyetlerine pek fayda sağlamaz. Alakalı verileri tam olarak ayıklayabilmek için şu tür sorular da sormak gerekir: Hedef kitle ve şirketin kampanya hedefleri nedir? Markanın satış-pazarlama kriterleri nelerdir?

Verileri kullanışlı bir formata oturtun

Manüel analiz yorucu ve genellikle acil bir süreç olduğu için, ilk yapılması gereken şey verileri kullanışlı bir formata dökmektir. Excel’le mi, Word’le mi yoksa JPEG ekran görüntüleriyle mi daha rahat çalışıyorsunuz?

Örneğin, Excel tabloları soyal medya analizlerini modellemekte çok kullanışlıdır. Otomatik yazılımlar Sosyal Veriyi “olumlu görüş”, “olumsuz görüş” ve “nötr” gibi temel kategoriler altında toplar ve Excel bu kategorileri tek tabloda taramanızı kolaylaştırır. Ancak, otomatik sınıflandırmada ister istemez hatalar ortaya çıkacak ve manüel analizde satırları tek tek okuyarak etiketlemeniz gerekecektir.

Ham veriyi reel iş kararlarına dönüştürmek

Sırada analiz edilen verilerin nasıl kullanılacağına karar vermek var. Örneğin, paydaşlarınıza stratejik bir mesaj mı ileteceksiniz? Yoksa amacınız kampanyaya katılanların sayısını artırmak mı? Bir yol sizi pazarlama müdürüne, diğer yol ise genel müdüre götürür ve ikisinin de beklentileri farklıdır. Ekipler arasında sinerji işte bu noktada devreye girer.

Ekipler arası sinerji

Sosyal medya pazarlamacılarının Sosyal Verilerin üzerinden yeni stratejiler geliştirmek için tarama takip uzmanlarıyla işbirliği yapması gerekiyor. Pazarlamacının yapacağı en büyük hatalardan biri, tarama takip uzmanını sistemin gözü, kendini ise sistemin beyni olarak görmektir. Gerçek hayatta böyle bir ayrım yoktur. Tarama takip uzmanları, özellikle bloggerlar ve sosyal medyada aktif olanlar, sosyal ağları iyi tanırlar ve ekibe son derece etkili stratejiler önerebilirler. Bunları süslü kelimelere ve aktif kampanyalara dönüştürmek başka uzmanların işi olsa bile.

Sosyal medya pazarlamasında başarılı olmak isteyen yöneticilerin, işin mutfağı hakkında en azından temel bilgi sahibi olması gerekir. Başarı; “medyacıların”, “müştericilerin” ve yöneticilerin sosyal medyayı ne kadar cidiye aldığına bağlıdır.

Sosyal Ağlarda Niyet Modelleme ve Anlamlı Web 3.0 detayları için yerimiz kalmadı. Teknik ayrıntıları bir sonraki yazıda ele alacağım.

Not: Bu makalenin ilk bölümünü, “Sosyal Medya Yönetiminde Kullanıcıların Davranışı Değil, Niyeti Önemli – 1” başlığı altında okuyabilirsiniz.

Markalar sosyal medya pazarlamasında hızla Sosyal Veriye odaklanıyor. Ancak, Sosyal Veriyi katma değere dönüştürmek için müşteriyi dinlemek kadar müşteriyi anlamak da önemli. Bunun için de genellikle kalabalık ve gürültülü bir restorana benzeyen sosyal medyadan ara sıra uzaklaşmak gerek.

Sosyal Verinin en büyük özelliği “yapılandırılmamış” olması; yani tapu, senet gibi resmi belgelerden farklı olarak Facebook, Twitter gibi sosyal ağlardaki paylaşımlardan oluşması. Ancak, Facebook’ta paylaşılan ben “X markasını seviyorum” ifadesi, nüfus kağıdımızdaki doğum yılı gibi somut, objektif bir bilgi değil… Sosyal ağlardaki veriler genelikle dağınık, sübjektif paylaşımlardan ve kişisel beğenilerden oluşur.

Sosyal medyaya kulakları tıkamalı. Hiç değilse bazen…

Sosyal medyada herkes dilediği gibi konuşabilir ama markaların pazarlama için somut, nesnel verilere ihtiyacı var. Basit bir sayısal analiz yazılımı sosyal medya verilerini “olumlu ve olumsuz görüşler” gibi genel kategorilere ayırabilir (tarama takip) ama bir sosyal medya uzmanı gibi akılcı olarak yorumlayamaz.

Sosyal medyada tarama ve takip için çeşitli yazılım araçları kullanabilirsiniz. Bu yazılımlar sürekli güncelleniyor. Öyle ki Google, Yandex ve diğer web arama motorlarındaki yazılım araçları, artık kelimelerden anlam çıkarmaya ve Facebook yayınlarının “satır aralarını” okumaya başladı. Ancak, anahtar kelimelerin yanı sıra, “Bugün hava nasıl?” gibi soruları da yorumlayan Anlamlı Web 3.0 (Semantik Web) yazılımları henüz gelişme çağında.

Bu sebeple “sosyal medya dinleme sistemleri”, markaları müşteriler konusunda aydınlatmakta yetersiz kalıyor. Bu platformlar tek başına bir kampanyanın performansını ölçemiyor veya sosyal ağlarda kampanyayı diğer kullanıcılara tanıtan “alakalı etkileyicilerin” metriğini çıkaramıyor.

Sosyal medya tarama araçları ile sadece kullanıcıların segmentasyonunu gösteren basit Excel tabloları oluşturabilirsiniz. Bu engeli aşmak için iş başa düşüyor: İşin yüzde 80’i manüel analizdir ve bunun için sosyal ağ mesajlarını tek tek okuyarak değerlendirmek gerekir.

Sosyal veride kalite yönetimi

Alakalı veri, kaliteli veridir. Sosyal medyayı iyi dinlemek, veride kalite yönetimine bağlıdır. Bunun için ham veriyi manüel olarak analiz etmeden önce otomatik elemeden geçirmek gerekir. Aksi taktirde, bir markanın sosyal medyadaki bütün enstantanelerini çekip analiz etmek haftalar alabilir!

Otomatik eleme aslında işin en kolay yanı, çünkü bu görevi yazılımlar üstleniyor. Ancak, sistemi otomatiğe bağlamadan önce, pratik bir anahtar kelime listesi oluşturmalısınız. Ardından, kriterleriniz ölçüsünde bir test süreci geliştirmeniz gerekecek. Ön eleme sistemi otomatik olabilir ama test tasarımı ve anahtar kelime seçimi manüel bir süreçtir. Deneme yanılma sürecini normal karşılayın ve anahtar kelime testleri için kendinize zaman tanıyın. Bu işin sihirli bir formülü yoktur; ön eleme sistemini optimize etmek zaman alacaktır.

Ne istediğini bilmek

Sosyal Veriyi manüel olarak analiz etmek gereksiz detayları ayıklamak ve yönettiğiniz markayla en alakalı verileri toplamaktır. En basitinden; markanızın adının bir haberde geçmesi o haberin gerçekten markanızdan söz ettiği anlamına gelmez. Twitter’da bir markanın adının kaç kez geçtiğini bilmek, kampanya faaliyetlerine pek fayda sağlamaz. Alakalı verileri tam olarak ayıklayabilmek için şu tür sorular da sormak gerekir: Hedef kitle ve şirketin kampanya hedefleri nedir? Markanın satış-pazarlama kriterleri nelerdir?

Verileri kullanışlı bir formata oturtun

Manüel analiz yorucu ve genellikle acil bir süreç olduğu için, ilk yapılması gereken şey verileri kullanışlı bir formata dökmektir. Excel’le mi, Word’le mi yoksa JPEG ekran görüntüleriyle mi daha rahat çalışıyorsunuz?

Örneğin, Excel tabloları soyal medya analizlerini modellemekte çok kullanışlıdır. Otomatik yazılımlar Sosyal Veriyi “olumlu görüş”, “olumsuz görüş” ve “nötr” gibi temel kategoriler altında toplar ve Excel bu kategorileri tek tabloda taramanızı kolaylaştırır. Ancak, otomatik sınıflandırmada ister istemez hatalar ortaya çıkacak ve manüel analizde satırları tek tek okuyarak etiketlemeniz gerekecektir.

Ham veriyi reel iş kararlarına dönüştürmek

Sırada analiz edilen verilerin nasıl kullanılacağına karar vermek var. Örneğin, paydaşlarınıza stratejik bir mesaj mı ileteceksiniz? Yoksa amacınız kampanyaya katılanların sayısını artırmak mı? Bir yol sizi pazarlama müdürüne, diğer yol ise genel müdüre götürür ve ikisinin de beklentileri farklıdır. Ekipler arasında sinerji işte bu noktada devreye girer.

Ekipler arası sinerji

Sosyal medya pazarlamacılarının Sosyal Verilerin üzerinden yeni stratejiler geliştirmek için tarama takip uzmanlarıyla işbirliği yapması gerekiyor. Pazarlamacının yapacağı en büyük hatalardan biri, tarama takip uzmanını sistemin gözü, kendini ise sistemin beyni olarak görmektir. Gerçek hayatta böyle bir ayrım yoktur. Tarama takip uzmanları, özellikle bloggerlar ve sosyal medyada aktif olanlar, sosyal ağları iyi tanırlar ve ekibe son derece etkili stratejiler önerebilirler. Bunları süslü kelimelere ve aktif kampanyalara dönüştürmek başka uzmanların işi olsa bile.

Sosyal medya pazarlamasında başarılı olmak isteyen yöneticilerin, işin mutfağı hakkında en azından temel bilgi sahibi olması gerekir. Başarı; “medyacıların”, “müştericilerin” ve yöneticilerin sosyal medyayı ne kadar cidiye aldığına bağlıdır.

Sosyal Ağlarda Niyet Modelleme ve Anlamlı Web 3.0 detayları için yerimiz kalmadı. Teknik ayrıntıları bir sonraki yazıda ele alacağım.

One Comment

Add a Comment

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir