تحليلات وسائل التواصل الاجتماعي

تحديد البيانات هو عملية تحديد مجموعات فرعية من البيانات المتاحة للتركيز عليها في التحليل. تصبح البيانات الخام مفيدة بمجرد تفسيرها. بعد تحليل البيانات، يمكنها أن تبدأ في إيصال رسالة. أي بيانات تحمل رسالة ذات معنى تُصبح معلومات. بشكل عام، تتخذ البيانات غير المعالجة الأشكال التالية لترجمتها إلى رسالة دقيقة: بيانات مشوشة؛ بيانات ذات صلة وغير ذات صلة، بيانات مُفلترة؛ بيانات ذات صلة فقط، معلومات؛ بيانات تحمل رسالة غامضة، معرفة؛ بيانات تحمل رسالة دقيقة، حكمة؛ بيانات تحمل رسالة دقيقة والسبب وراءها. لاستخلاص الحكمة من البيانات غير المعالجة، نحتاج إلى البدء في معالجتها، وتحسين مجموعة البيانات من خلال تضمين البيانات التي نريد التركيز عليها، وتنظيم البيانات لتحديد المعلومات. في سياق تحليلات وسائل التواصل الاجتماعي، يعني تحديد البيانات "ما" هو المحتوى الذي يهمنا. بالإضافة إلى نص المحتوى، نريد أن نعرف: من كتب النص؟ أين وُجد أو على أي منصة من منصات التواصل الاجتماعي ظهر؟ هل نحن مهتمون بمعلومات من موقع جغرافي محدد؟ متى قال شخص ما شيئًا ما على وسائل التواصل الاجتماعي؟ ^{[ 2 ]}

فيما يلي سمات البيانات التي يجب مراعاتها:

• البنية : البيانات المهيكلة هي بيانات تم تنظيمها في مستودع مُنسق - عادةً قاعدة بيانات - بحيث يمكن الوصول إلى عناصرها لمعالجتها وتحليلها بشكل أكثر فعالية. أما البيانات غير المهيكلة ، على عكس البيانات المهيكلة، فهي أقل البيانات تنسيقًا. ^{[ 4 ]}
• اللغة : تصبح اللغة مهمة إذا أردنا معرفة مشاعر المنشور بدلاً من عدد مرات ذكره.
• المنطقة : من المهم التأكد من أن البيانات المُدرجة في التحليل تقتصر على المنطقة الجغرافية التي يركز عليها التحليل. على سبيل المثال، إذا كان الهدف هو تحديد مشاكل المياه النظيفة في الهند ، فيجب التأكد من أن البيانات المُجمعة من الهند فقط.
• نوع المحتوى: يمكن أن يكون محتوى البيانات نصًا (نصًا مكتوبًا يسهل قراءته وفهمه إذا كنت تعرف اللغة)، أو صورًا (رسومات، أو رسومات تخطيطية بسيطة، أو صور فوتوغرافية)، أو صوتًا (تسجيلات صوتية للكتب، أو المقالات، أو المحادثات، أو المناقشات)، أو مقاطع فيديو (تسجيلات، أو بث مباشر).
• المكان: يتم إنشاء محتوى وسائل التواصل الاجتماعي في أماكن متنوعة مثل المواقع الإخبارية ومواقع التواصل الاجتماعي (مثل فيسبوك وتويتر ) . وبحسب نوع المشروع الذي تُجمع البيانات من أجله، يصبح المكان ذا أهمية بالغة.
• الوقت: من المهم جمع البيانات المنشورة في الإطار الزمني الذي يتم تحليله.
• ملكية البيانات: هل البيانات خاصة أم متاحة للعموم؟ هل تخضع البيانات لأي حقوق ملكية فكرية ؟ هذه أسئلة مهمة يجب الإجابة عليها قبل جمع البيانات.

تحليل البيانات هو مجموعة الأنشطة التي تساعد في تحويل البيانات الخام إلى رؤى ثاقبة، مما يؤدي بدوره إلى قاعدة معرفية جديدة وقيمة تجارية . بعبارة أخرى، تحليل البيانات هو المرحلة التي تأخذ البيانات المُفلترة كمدخلات وتحولها إلى معلومات قيّمة للمحللين. يمكن إجراء أنواع عديدة من التحليل على بيانات وسائل التواصل الاجتماعي، بما في ذلك تحليل المنشورات، والمشاعر ، ومحركات المشاعر، والبيانات الجغرافية، والبيانات الديموغرافية ، وغيرها. تبدأ خطوة تحليل البيانات بمجرد أن نعرف المشكلة التي نريد حلها ونتأكد من امتلاكنا بيانات كافية لتوليد نتيجة ذات مغزى. كيف يمكننا معرفة ما إذا كانت لدينا أدلة كافية لتبرير استنتاج؟ الإجابة على هذا السؤال هي: لا نعرف. لا يمكننا معرفة ذلك إلا إذا بدأنا بتحليل البيانات. أثناء التحليل، إذا وجدنا أن البيانات غير كافية، نعيد المرحلة الأولى ونعدل السؤال. إذا كنا نعتقد أن البيانات كافية للتحليل، فنحن بحاجة إلى بناء نموذج بيانات. ^{[ 2 ]}

تطوير نموذج البيانات هو عملية أو منهجية نستخدمها لتنظيم عناصر البيانات وتوحيد كيفية ارتباطها ببعضها. هذه الخطوة مهمة لأننا نريد تشغيل برنامج حاسوبي على البيانات؛ فنحن بحاجة إلى طريقة لإخبار الحاسوب بالكلمات أو المواضيع المهمة، وما إذا كانت كلمات معينة مرتبطة بالموضوع الذي ندرسه.

في تحليل بياناتنا، من المفيد توفر عدة أدوات متاحة لاكتساب منظور مختلف للمناقشات الدائرة حول الموضوع. الهدف هنا هو تهيئة الأدوات لتحقيق أقصى أداء لمهمة محددة. على سبيل المثال، عند التفكير في سحابة كلمات ، إذا جمعنا كمية كبيرة من البيانات حول متخصصي الحاسوب، ولنقل "مهندس تقنية المعلومات"، وأنشأنا سحابة كلمات، فمن المؤكد أن الكلمة الأكبر في السحابة ستكون "مهندس". يتعلق هذا التحليل أيضًا باستخدام الأدوات. قد تُجيد بعض الأدوات تحديد المشاعر، بينما قد تُجيد أدوات أخرى تحليل النصوص إلى شكل نحوي يُتيح لنا فهم معنى واستخدام الكلمات أو العبارات المختلفة بشكل أفضل. عند إجراء التحليل، يصعب حصر كل خطوة من خطوات رحلة التحليل. إنه نهج تكراري إلى حد كبير، إذ لا توجد طريقة محددة لإنجاز الأمور. ^{[ 2 ]}

التصنيف والرؤى المستمدة من هذا التحليل هي كما يلي:

• عمق التحليل: يشمل ذلك الإحصاءات الوصفية البسيطة المستندة إلى البيانات المتدفقة ، والتحليل المخصص للبيانات المتراكمة، أو التحليل المعمق للبيانات المتراكمة. ويتأثر هذا البُعد التحليلي بشكل كبير بالوقت المتاح للوصول إلى نتائج المشروع. ويمكن اعتباره سلسلة متصلة واسعة، حيث يتراوح وقت التحليل من بضع ساعات في أحد طرفيها إلى عدة أشهر في الطرف الآخر. ويمكن لهذا التحليل الإجابة عن أنواع الأسئلة التالية:
  • كم عدد الأشخاص الذين ذكروا ويكيبيديا في تغريداتهم؟
  • أي سياسي حصل على أكبر عدد من الإعجابات خلال المناظرة ؟
  • أي منافس يحظى بأكبر عدد من الإشارات في سياق الأعمال الاجتماعية ؟
• سعة الجهاز: مقدار وحدة المعالجة المركزية اللازمة لمعالجة مجموعات البيانات خلال فترة زمنية معقولة. يجب أن تشمل أرقام السعة ليس فقط احتياجات وحدة المعالجة المركزية، بل أيضًا سعة الشبكة اللازمة لاسترجاع البيانات. يمكن إجراء هذا التحليل في الوقت الفعلي، أو شبه الفعلي، أو الاستكشاف المخصص، أو التحليل المعمق. يُعد التحليل في الوقت الفعلي على وسائل التواصل الاجتماعي أداةً مهمةً لفهم تصور الجمهور لموضوع معين أثناء تطوره، مما يسمح بالتفاعل أو تغيير المسار فورًا. في التحليل شبه الفعلي، نفترض أن البيانات تُدخل إلى الأداة بمعدل أقل من الوقت الفعلي. التحليل المخصص هو عملية مصممة للإجابة على سؤال محدد واحد، وعادةً ما يكون ناتجه تقريرًا أو ملخصًا للبيانات. أما التحليل المعمق، فيشمل تحليلًا يمتد على فترة زمنية طويلة ويتضمن كمية كبيرة من البيانات، وهو ما يترجم عادةً إلى متطلبات عالية لوحدة المعالجة المركزية. ^{[ 2 ]}
• مجال التحليل: يُصنَّف مجال التحليل عمومًا إلى وسائل التواصل الاجتماعي الخارجية ووسائل التواصل الاجتماعي الداخلية. غالبًا ما يُقصد بمصطلح "وسائل التواصل الاجتماعي" وسائل التواصل الاجتماعي الخارجية، والتي تشمل المحتوى المُنشأ من مواقع التواصل الاجتماعي الشهيرة مثل تويتر وفيسبوك ولينكدإن . أما وسائل التواصل الاجتماعي الداخلية فتشمل شبكة التواصل الاجتماعي المؤسسية ، وهي شبكة تواصل اجتماعي خاصة تُستخدم لتسهيل التواصل داخل المؤسسة. ^{[ 6 ]}
• سرعة البيانات: يمكن تقسيم سرعة البيانات في وسائل التواصل الاجتماعي إلى فئتين: البيانات الراكدة والبيانات المتحركة. تُجيب أبعاد سرعة البيانات المتحركة على أسئلة مثل: كيف يتغير رأي الجمهور العام تجاه اللاعبين أثناء المباراة؟ هل يُظهر الجمهور مشاعر إيجابية تجاه اللاعب الخاسر؟ في هذه الحالات، يُجرى التحليل فور ورود البيانات. في هذا التحليل، يرتبط مستوى التفاصيل المُنتجة ارتباطًا مباشرًا بمدى تعقيد أداة أو نظام التحليل . تُنتج الأداة الأكثر تعقيدًا كمية أكبر من التفاصيل. أما النوع الثاني من التحليل في سياق السرعة فهو تحليل البيانات الراكدة. يُجرى هذا التحليل بعد اكتمال جمع البيانات. يُمكن أن يُوفر هذا التحليل رؤى قيّمة مثل: أي منتجات شركتك حظيت بأكبر عدد من الإشارات مقارنةً بالمنتجات الأخرى؟ ما هو مستوى المشاعر السائدة حول منتجاتك مقارنةً بمنتجات المنافسين؟ ^{[ 2 ]}

قد تتنوع النتائج المستخلصة من التحليل بتنوع السؤال الأصلي المطروح في الخطوة الأولى. في هذه المرحلة، وبما أن مستخدمي الأعمال غير التقنيين هم متلقو المعلومات، يصبح شكل عرض البيانات بالغ الأهمية. كيف يمكن فهم البيانات بكفاءة لاستخدامها في اتخاذ قرارات سليمة؟ يكمن الحل في تمثيل المعلومات بيانيًا (باستخدام الرسوم البيانية) . ^{[ 7 ]}

أفضل الرسوم البيانية هي تلك التي تكشف عن جوانب جديدة في الأنماط والعلاقات الكامنة وراء البيانات. ويلعب الكشف عن هذه الأنماط وفهمها دورًا محوريًا في عملية اتخاذ القرار. وهناك ثلاثة معايير أساسية يجب مراعاتها عند تمثيل البيانات بيانيًا.

• فهم الجمهور : قبل تصميم الرسوم البيانية ، حدد هدفًا، وهو إيصال كميات كبيرة من المعلومات بصيغة يسهل على متلقي المعلومات استيعابها. من المهم الإجابة على سؤال "من هو الجمهور؟" و"هل يمكن افتراض أن الجمهور على دراية بالمصطلحات المستخدمة؟". يختلف جمهور الخبراء عن الجمهور العام في توقعاته، لذا يجب مراعاة هذه التوقعات. ^{[ 8 ]}
• ضع إطار عمل واضحًا: يحتاج المحلل إلى التأكد من صحة التمثيل المرئي من الناحيتين التركيبية والدلالية. على سبيل المثال، عند استخدام أيقونة، يجب أن يكون العنصر مشابهًا للشيء الذي يمثله، مع مراعاة أن الحجم واللون والموقع جميعها تنقل المعنى للمشاهد. ^{[ 8 ]}
• سرد القصص : المعلومات التحليلية معقدة ويصعب استيعابها، لذا فإن هدف التمثيل المرئي هو فهم هذه المعلومات واستيعابها. يساعد سرد القصص المشاهد على استخلاص رؤى قيّمة من البيانات. ينبغي أن يُقدّم التمثيل المرئي المعلومات في هيكل يُعرض كسرد يسهل تذكره. وهذا مهم في كثير من الحالات التي لا يكون فيها المحلل هو نفسه صانع القرار. ^{[ 8 ]}

• بالإضافة إلى المنصات على مستوى المؤسسات، غالباً ما يستخدم الأفراد ومنشئو المحتوى أدوات أصغر حجماً للمراقبة البسيطة لسلوك الجمهور ومقاييس التفاعل.

كانت الفضيحة التي أعقبت الانتخابات الرئاسية الأمريكية لعام 2016 مرتبطة بعلاقة ثلاثية بين شركة كامبريدج أناليتيكا، وحملة ترامب، وفيسبوك. فقد استحوذت كامبريدج أناليتيكا على بيانات أكثر من 87 مليون مستخدم ^{لفيسبوك دون علمهم} ، وحللت هذه البيانات لصالح حملة ترامب. ومن خلال جمع آلاف البيانات عن 230 مليون بالغ أمريكي، تمكنت شركة التنقيب عن البيانات من تحديد الأفراد الذين يمكن التأثير عليهم للتصويت لحملة ترامب، ثم إرسال رسائل أو إعلانات إليهم للتأثير على تفكيرهم. وبذلك، كان من الممكن تعريض ناخبين مستهدفين محددين لرسائل مؤيدة لترامب دون أن يدركوا حتى التأثير السياسي الذي يتعرضون له. يُشار إلى هذا النوع من الاستهداف الدقيق، الذي يتم فيه تعريض أفراد محددين لكمية أكبر من المتوسط ​​من إعلانات الحملة، باسم "الاستهداف الدقيق". ^{[ 18 ]} ولا يزال هناك جدل كبير حول قياس مدى تأثير هذا الاستهداف الدقيق في انتخابات 2016. إن تأثير الإعلانات ذات الاستهداف الدقيق وتحليلات بيانات وسائل التواصل الاجتماعي على السياسة غير واضح حتى أواخر العقد الأول من القرن الحادي والعشرين، باعتبارها مجالاً تكنولوجياً ناشئاً حديثاً.

في حين أن هذا كان انتهاكًا لخصوصية المستخدم، فإن استخراج البيانات والتسويق الموجه قد قوّض المساءلة العامة التي لم تعد كيانات وسائل التواصل الاجتماعي خاضعة لها، وبالتالي تحريف النظام الانتخابي الديمقراطي والسماح لمنصات "المحتوى الذي ينشئه المستخدمون والذي استقطب رسالة وسائل الإعلام" بالسيطرة عليه. ^{[ 19 ]}

أظهر تحليل المجموعات السياسية والمنشورات على فيسبوك، الذي أجرته شركة تحليل وسائل التواصل الاجتماعي "كاونتر أكشن"، دور عمالقة وسائل التواصل الاجتماعي في حركات الاحتجاج، مثل محاولات قلب نتائج الانتخابات الرئاسية الأمريكية لعام 2020 ، وهجوم مبنى الكابيتول الأمريكي عام 2021. ^{[ 20 ] [ 21 ]}

خلال استفتاء خروج بريطانيا من الاتحاد الأوروبي عام 2016 ، أثارت شركة كامبريدج أناليتيكا جدلاً واسعاً لاستخدامها بيانات جُمعت من وسائل التواصل الاجتماعي. وقد حدثت حالة مماثلة عندما تم اختراق بيانات فيسبوك وحصلت كامبريدج أناليتيكا على هذه البيانات. وأثيرت مخاوف من استخدامها لهذه البيانات لحث المواطنين البريطانيين على التصويت لصالح الخروج من الاتحاد الأوروبي في استفتاء عام 2016. ^{[ 22 ]} بعد تحقيق استمر ثلاث سنوات ، خلصت الحكومة البريطانية في عام 2020 إلى عدم وجود أي تورط للشركة في الاستفتاء. ^{[ 23 ] [ 22 ]} إلى جانب كامبريدج أناليتيكا، اتُهمت عدة شركات بيانات أخرى، مثل AIQ ^{[ 24 ]} ومركز القياس النفسي بجامعة كامبريدج ^{[ 25 ]} ، ثم خضعت للتحقيق من قبل الحكومة البريطانية لاحتمال إساءة استخدامها للبيانات للترويج لأساليب حملات غير قانونية مؤيدة للخروج من الاتحاد الأوروبي. ^{[ 26 ] [ 27 ]} انتهى الاستفتاء بتأييد 51.89% من الناخبين لانسحاب المملكة المتحدة من الاتحاد الأوروبي. وقد أثر هذا القرار النهائي على السياسة داخل المملكة المتحدة، وأحدث تداعيات في المؤسسات السياسية والاقتصادية حول العالم. ^{[ 28 ]}