Ang data ng panlipunan ay impormasyon na ibinabahagi ng mga gumagamit ng social media, na kinabibilangan ng metadata tulad ng lokasyon ng gumagamit, sinasalita ng wika, data ng biograpiya, at / o ibinahaging mga link. Mahalaga ang data sa lipunan sa mga namimili na naghahanap ng mga pananaw sa customer na maaaring dagdagan ang mga benta o, sa kaso ng isang kampanyang pampulitika, manalo ng mga boto. Maraming mga uri ng data sa panlipunan, kabilang ang mga tweet mula sa Twitter, mga post sa Facebook, mga pin sa, mga post sa Tumblr, at mga check-in sa Foursquare at Yelp. Ang Facebook para sa Negosyo at Twitter Ads ay dalawang programa na makakatulong sa mga advertiser na gumamit ng data sa panlipunan sa merkado sa mga naka-target na mga gumagamit na malamang na interesado sa kanilang mga ad.
Paglabag sa Data ng Panlipunan
Boluntaryong ginagawa ng mga gumagamit ang karamihan ng kanilang data sa panlipunan, na nagpapahintulot sa mga kumpanya na libre at madaling ma-access dito. Kung ang isang kumpanya na nagbebenta ng mga tiket sa mga kaganapan sa paligsahan ay nakikita na ang isang gumagamit ay sumusunod sa maraming mga koponan sa palakasan, ang kumpanya na iyon ay maaaring mag-target ng mga ad sa gumagamit na iyon upang subukang akitin siya upang bumili ng mga tiket upang makita ang kanyang paboritong koponan sa paglalaro. Ang isa pang paraan na maaaring magamit ng isang kumpanya ng data sa lipunan ay ang pagbibigay ng napapanahong mga ad batay sa mga kamakailang mga post, tulad ng mga ad ng appliance para sa isang taong nagbahagi na sila ay namimili para sa isang bahay.
Na may mataas na kalidad na data sa lipunan na pinagsama-sama at nasuri nang tama, maaaring mai-target ng mga kumpanya ang mga ad sa mga taong malamang na bumili ng kanilang mga produkto o serbisyo. Ang data sa panlipunan ay makakatulong din sa mga kumpanya na matukoy ang pinaka-epektibong lugar upang mag-advertise. Pinahusay ng mga kumpanya ang kanilang advertising sa pamamagitan ng pag-igit sa kanilang target na madla ayon sa kasarian, sinasalita ng wika, elektronikong aparato na ginamit, edad, interes, lokasyon, at iba pang mga kadahilanan. Ang data ng panlipunan ay hindi lamang nakakatulong sa mga kumpanya na makakuha ng mga bagong customer, ngunit makakatulong din ito sa kanila na higit na makisali sa mga umiiral nang customer.
Pag-aaral ng Social Data
Mayroong karaniwang dalawang hakbang upang masuri ang data sa lipunan. Ang una ay ang pagkolekta ng data na nabuo ng mga gumagamit sa mga site ng networking at pagkatapos ay pag-aralan ang data na iyon. Ang proseso ng pagsusuri ay karaniwang nagaganap sa real-time - at pagkatapos ay ginamit upang matukoy ang impluwensya, maabot, kaugnayan, at iba pang mga pagsasaalang-alang. Ang mga negosyong gumagamit ng ganitong uri ng pagsusuri ng data ay dapat tandaan ang ilang mga bagay, kasama na kung paano makilala sa pagitan ng data ng lipunan at sentimento, kaugnayan sa oras (kung ano ang may kaugnayan ngayon ay maaaring hindi bukas), kalidad (kung gaano kapaki-pakinabang ang ilang mga mensahe at puna ng mga tiyak na tao), at kung paano nagsisimula at kumakalat ang aktibidad ng viral.
Mga Limitasyon ng Data ng Panlipunan
Hindi sakdal ang data ng lipunan sa maraming kadahilanan. Ito ay limitado sa impormasyon na nagpasya ang mga gumagamit na ibahagi ang tungkol sa kanilang sarili. Halimbawa, ang ilang mga gumagamit ay maaaring hindi ibahagi ang kanilang lokasyon o ang kanilang kasarian, na nagbibigay sa mga advertiser ng isang hindi kumpletong profile upang gumana. Ang isa pang problema ay ang maraming mga gumagamit sa social media ay hindi tunay na mga gumagamit ngunit pekeng robot, o bot, account. Kahit na sa mga tunay na gumagamit, ang pagtatangka upang sukatin ang kanilang mga damdamin tungkol sa isang tatak o kandidato sa politika (tinawag na "pagsusuri ng sentimento") batay sa mga puna na kanilang ginagawa ay hindi laging posible dahil marami sa kanilang mga komento ay neutral at ang mga algorithm ay maaaring hindi tama ang pag-uuri ng mga puna bilang positibo kapag sila ay negatibo at kabaligtaran. Karagdagan, maraming mga positibo at negatibong mga puna na magagamit ay labis na labis, na ginagawang mahirap na tumpak na suriin kung ano ang naramdaman ng pangkalahatang tungkol sa isang produkto, serbisyo, tatak, o kandidato sa politika.
