Sosiaalinen media tarjoaa yrityksille muutakin kuin alustan sisältöjen jakoon. Someseuranta tarjoaa yrityksille mahdollisuuden ymmärtää asiakasta paremmin.
Internet nosti yritysten käytettävissä olevan datan määrän tasolle, jota ei 50 vuotta sitten osattu kuvitellakaan. Luultavasti monikaan ei osaa kuvitella, kuinka paljon datan määrä tulee lisääntymään pelkästään seuraavan 10 vuoden aikana. On esitetty jopa arvioita, että digitaalisen tiedon määrä kasvaa 100 prosentin vuosivauhtia.
Teollinen internet tulee viemään datan määrän toisiin svääreihin. Teollinen internet (englannin kieliseltä nimeltään Internet of Things) tarkoittaa sitä, että fyysiset laitteet liitetään antureilla ja sensoreilla verkkoon. Nämä verkkoon liitetyt laitteet pystyvät aistimaan ympäristöään, viestimään ja toimimaan käsittelemänsä tiedon perusteella älykkäästi. Yleensä teolliseen internetiin liitetään myös sellaiset asiat kuin koneoppiminen ja tekoäly.
Datan määrä ei kasva yksistään teollisen internetin vuoksi. Myös netissä itsessään liikkuu yhä enemmän dataa, josta yritykset saattavat hyötyä. Haaste on siinä, että tämä data ei useinkaan ole numeerisessa muodossa, joten analyysi vaatii uudenlaista osaamista ja uudenlaisia sovelluksia.
”Numeerisen datan lisäksi yrityksillä on käytettävissään entistä enemmän muunkinlaista dataa, kuten sosiaalisesta mediasta kertyvää tietoa. Kun kuluttajat etsivät verkosta tietoja tuotteista ja palveluista ja vertailevat niihin liittyviä kokemuksiaan, he tuottavat samalla runsaasti tietoa, joka voisi lisätä esimerkiksi asiakasymmärrystä ja tätä kautta myyntiä”, toteaa laskentatoimen professori Teemu Malmi Aalto-yliopistosta.
Someseuranta voi olla hyvinkin monenlaista. Yleisimpiä sosiaalisessa mediassa seurattavia tietoja ovat niihin jaettujen postausten analyysit. Somekanavissa voidaan seurata esimerkiksi julkaisuajankohtia, postauksen sisällöllisiä ominaisuuksia, kattavuutta, tykkäysten ja kommenttien määrä sekä postausten jakoja. Yritys voi oppia yrityksen ja erehdyksen sekä huolellisen analysoinnin avulla, minkälaiset postaukset saavat sitoutuneita lukijoita, millaiset postaukset houkuttelevat lukijan somesta asiakkaan omille sivuille ja millaiset postaukset saavat aikaan konversioita.
Somepostausten määrien analyysi on kuitenkin vasta alkua.
Jo nyt löytyy työkaluja, jotka pystyvät tekemään laadullista analyysiä sosiaalisen median kommenteista. Yritys voi tällaisen sovelluksen avulla esimerkiksi seurata sitä, kuinka myönteistä tai kielteistä on yrityksen palvelua koskeva kommentointi somessa. Näin yritys saa arvokasta ymmärrystä asiakkaiden näkemyksistä. Lisäksi yritys voi tarvittaessa vaikkapa reagoida, jos sosiaalisessa mediassa liikkuu virhekäsityksiä yrityksen tuotteista tai palveluista.
Tulevaisuudessa sosiaalista mediaa hyödynnetään yhä enemmän myös niin sanotussa prediktiivisessä analytiikassa eli sen avulla pyritään ennakoimaan esimerkiksi tuotteen tai palvelun kysyntää.
Taloustutkimus selvitti kaksi vuotta sitten analytiikkayritysten ja markkinoijien kanssa Tekes-hankkeessa, millaista analyysia some-datasta voi oikein tehdä, millaisia johtopäätöksiä siitä voi vetää ja miten sitä voisi käyttää liiketoiminnassa päätöksenteon tukena.
Selvityksessä kävi ilmi, että vaikka tekoälyä ja supertietokoneita hyödyntämällä voimme analysoida isoja sosiaalisen median datamassoja, on kaikessa tekemisessä vielä paljon haasteita. Toimiva sosiaalisen median analyysi on koneen ja ihmisen yhteistyötä.
”Tekoälyä täytyy opettaa ja vielä tapauskohtaisesti. Jokainen analyysi-case on omansa. Kaikki analysoitava data pitää myös valmistella tekoälyä varten – sellaisenaan somen raakadata on liian raakaa, jotta mikään tekoäly saisi siitä kunnollista tolkkua”, Taloustutkimuksen Kari Roos toteaa artikkelissaan.
Hyödyllinen someanalyysi tarvitsee tutkijalta laajaa ymmärrystä eri sosiaalisen median alustojen ominaispiirteistä ja kulttuureista. Roosin mukaan kunnollinen liiketoimintaa hyödyttävä some-analyysi vaatii aikaa, sitä ei saa valmiina eikä tehtyä päivässä.
