Enterprise Social Media Management baseret på Data Mining af Tweets

Ulrik Uhre Brink, Kristian Michael Clarkson

AbstractSocial data er blevet en vigtig del ved lancering af et nyt produkt og anvendes især til at afholde kommunikationen med dets modtagere. De sociale medier har skabt endnu en kommunikationskanal, og igennem denne er det muligt at få indblik i brugerne og deres interaktion imellem. Blot på det sociale medie Twitter, findes der flere hundrede millioner af tweets, og antallet er stærkt stigende. Dette skaber uoverskuelighed, og det kan være svært for virksomheder at finde og vælge relevante informationer i mængden af social data.
Projektet vil blive kørt som et lean-startup og i den forbindelse vil der blive udarbejdet et produkt samt en forretningsmodel for dette. Produktet vil have form som en web-applikation, hvis formål er at præsentere analyseret social data, som er relevante for virksomhederne. På denne måde skabes overblik på et ellers uoverskueligt marked. Gennem en iterativ proces undervejs i projektet, vil forretningsmodellen blive evalueret på baggrund af erfaringer og ny viden undervejs.
Det vil i projektet forsøges at data mine Twitter for social data, for at kunne afgrænse og finde relevant information. På den måde vil det være muligt at omdanne kvantitativ data til kvalitativ data, som virksomheder kan gøre brug af.
At indhente relevant information fra social data er en længere proces, som kræver forskellige typer af delelementer, der alle er afhængige af hinanden. Gennem forskellige filtreringsmetoder vil det blive muligt at frasortere hvid støj, herunder ikke-relevante tweets såsom reklamer etc. Ved frasortering af hvid støj, vil data være gjort klar til videre analyse, således at relevante data kan indhentes. Nogle tweets er mere relevante for virksomheden end andre, og gennem forskellige sorteringsmetoder, herunder rangering af brugere, stemningsanalyse etc., vil de mest relevante tweets blive fremhævet. Disse analyser vil også kunne bestemme den generelle holdning til virksomhedens brand.
Igennem to cases, Eurovision og Voteman, vil yderligere analyse forsøge at illustrere emnerne ud fra forskellige aspekter. Ved Eurovision vil det forsøges, at forudsige vinderen af årets melodi grandprix, og hvilke andre emner der ud sprang herfra. Ved Voteman vil det forsøges at finde dets oprindelse, og illustrere hvordan det gennem forløbet har spredt sig til hele verden.
Det udarbejdede produkt vil forsøges promoveret gennem en landing-page og en opsat twitter-profil. Baseret på opsatte call-to-actions vil det være muligt at indhente informationer omkring produktets efterspørgsel på markedet og dermed afgøre, hvorvidt man bør gå videre med produktet eller ej.
TypeMaster's thesis [Academic thesis]
Year2014
PublisherTechnical University of Denmark, Department of Applied Mathematics and Computer Science
AddressRichard Petersens Plads, Building 324, DK-2800 Kgs. Lyngby, Denmark, compute@compute.dtu.dk
SeriesDTU Compute M.Sc.-2014
NoteDTU supervisor: Michael Kai Petersen, mkai@dtu.dk, DTU Compute
Electronic version(s)[pdf]
Publication linkhttp://www.compute.dtu.dk/English.aspx
BibTeX data [bibtex]
IMM Group(s)Intelligent Signal Processing


Back  ::  IMM Publications