Медиа разведка

Медиа-аналитика использует интеллектуальный анализ данных и науку о данных для анализа общественного, социального и редакционного медиа-контента . Это относится к маркетинговым системам, которые синтезируют миллиарды онлайн-разговоров в соответствующую информацию. Это позволяет организациям измерять эффективность контента и управлять ею, понимать тенденции и управлять коммуникацией и бизнес-стратегией .

Медиа-аналитика может включать программное обеспечение как услугу, используя терминологию больших данных . ^[1] Сюда входят вопросы об эффективности обмена сообщениями, доле голоса , географическом распределении аудитории, распространении сообщений, стратегии влияния , охвате журналистов, творческом резонансе и эффективности конкурентов во всех этих областях.

Медиа-аналитика отличается от бизнес-аналитики тем, что она использует и анализирует данные за пределами межсетевых экранов компании . Примерами таких данных являются пользовательский контент на сайтах социальных сетей, блогах , полях для комментариев, вики и т. д. Они также могут включать в себя другие общедоступные источники данных, такие как пресс-релизы , новости, блоги, юридические документы, обзоры и объявления о вакансиях.

Медийная разведка может также включать конкурентную разведку, в которой информация, собранная из общедоступных источников, таких как социальные сети, пресс-релизы и новостные объявления, используется для лучшего понимания стратегий и тактик, используемых конкурирующими предприятиями. ^[2]

Медиа-интеллект расширяется за счет новых технологий, таких как окружающий интеллект , машинное обучение , семантическая маркировка , обработка естественного языка , анализ настроений и машинный перевод .

Используемые технологии

Различные платформы медиа-аналитики используют разные технологии для мониторинга , управления контентом, взаимодействия с контентом, анализа данных и измерения успеха коммуникаций и маркетинговых кампаний. Эти поставщики технологий могут получать контент, собирая контент непосредственно с веб-сайтов или подключаясь к API, предоставляемому социальными сетями или другими контент-платформами, созданными для сторонних разработчиков для разработки собственных приложений и сервисов, имеющих доступ к данным. Технологические компании также могут получать данные от реселлеров данных.

Некоторые компании, занимающиеся мониторингом и аналитикой социальных сетей, обращаются к поставщикам данных каждый раз, когда конечный пользователь разрабатывает запрос. Другие архивируют и индексируют сообщения в социальных сетях, чтобы предоставить конечным пользователям доступ по требованию к историческим данным и реализовать методологии и технологии, использующие сетевые и реляционные данные. Дополнительные компании, занимающиеся мониторингом, используют сканеры и технологии поиска для поиска ссылок на ключевые слова, известные как семантический анализ или обработка естественного языка . Базовая реализация включает в себя крупномасштабную обработку данных из социальных сетей и анализ результатов, чтобы извлечь из них смысл. ^[3]

См. также

Ссылки

^ Лесли Нуччио (19 января 2015 г.). «Цифровые хлебные крошки и новые медиа-информации» . Социальные сети сегодня . Проверено 23 марта 2017 г.
^ О, Онук; Агравал, Маниш; Рао, Х. Рагхав (2013). «Информация сообщества и службы социальных сетей: теоретический анализ твитов во время социальных кризисов». МИС Ежеквартально . 37 (2): 407–426. дои : 10.25300/MISQ/2013/37.2.05 . ISSN 0276-7783 . JSTOR 43825916 . S2CID 16343216 .
^ Де, Шонак; Майти, Абхишек; Гоэл, Вритти; Шитоле, Санджай; Бхаттачарья, Авик (2017). «Прогнозирование популярности постов в Instagram для журнала о стиле жизни с помощью глубокого обучения». 2017 2-я Международная конференция по системам связи, вычислительной технике и ИТ-приложениям (CSCITA) . стр. 174–177. дои : 10.1109/CSCITA.2017.8066548 . ISBN 978-1-5090-4381-1 . S2CID 35350962 .

[FT-1] Лесли Нуччио (19 января 2015 г.). «Цифровые хлебные крошки и новые медиа-информации» . Социальные сети сегодня . Проверено 23 марта 2017 г.

[2] О, Онук; Агравал, Маниш; Рао, Х. Рагхав (2013). «Информация сообщества и службы социальных сетей: теоретический анализ твитов во время социальных кризисов». МИС Ежеквартально . 37 (2): 407–426. дои : 10.25300/MISQ/2013/37.2.05 . ISSN 0276-7783 . JSTOR 43825916 . S2CID 16343216 .

[3] Де, Шонак; Майти, Абхишек; Гоэл, Вритти; Шитоле, Санджай; Бхаттачарья, Авик (2017). «Прогнозирование популярности постов в Instagram для журнала о стиле жизни с помощью глубокого обучения». 2017 2-я Международная конференция по системам связи, вычислительной технике и ИТ-приложениям (CSCITA) . стр. 174–177. дои : 10.1109/CSCITA.2017.8066548 . ISBN 978-1-5090-4381-1 . S2CID 35350962 .

[1]

[2]

[3]