V posledním díle seriálu o buzz monitoringu se podíváme na zpracování dat. Položíme si otázku, jak vlastně z dat získat znalost, protože to je podstata, proč se buzz monitoringem vůbec zabýváme.
Na začátek je ještě vhodné připomenout, že buzz monitoring je jen způsob, jakým lze sbírat data. Chcete-li výzkum úspěšně zakončit, musíte mít nejdřív hypotézu, kterou chcete ověřit, nebo vyvrátit – jako u jakéhokoliv jiného výzkumu. Musíte mít konkrétní účel, nebo cíl, ke kterému směřujete.
Zdroj: digitalnewasia.com
Buzz monitoring samozřejmě můžete dělat jen “pro představu” jak moc či málo se o sledovaném tématu mluví, ale tím nezískáte to nejcennější – znalost toho, jaké názory se objevují, jaké argumenty lidé používají, jakým jazykem o problematice mluví a mnoho dalšího.
Čištění dat a analýza sentimentu
Cesta od dat ke znalosti začíná čištěním nasbíraných zmínek. U každé zmínky je třeba rozhodnout, zda spadá do tématu, nebo ne. I když je toto rozhodnutí spíše subjektivní, ve výzkumu relevanci k tématu specifikujete v zadání, a proto by se vám nemělo stát, že co jeden analytik považuje za související s projektem druhý odstraní.
Při procházení zmínek se provádí také analýza sentimentu, tedy rozhodnutí o tom, zda je zmínka pozitivní, neutrální, nebo negativní vzhledem ke zkoumanému tématu. To je hodně důležité – samotný text zmínky se může negativně vyjadřovat vůči rasismu jako takovému, ale z pohledu k Romům jako tématu je neutrální. Příklad:
„Všichni rasisti jsou úplně tupý a xenofobní, Romové jsou prostě součástí našeho města.“
Pokud by ale naším úkolem bylo zjistit, jak lidé vnímají rasisty, bude zmínka negativní. Rozhodně by šlo o dva různé projekty (nejde je úplně mixovat) a ani jedno z rozhodnutí není špatné. Způsob, jakým zmínky zpracováváte musí být vždycky součástí zadání, nebo dokumentace k výzkumu.
Osobně ji uvádím jako součást celé metodologie výzkumu, která do posledního detailu popisuje způsob, jak výzkum probíhá. Metodologie je velmi důležitá ve chvíli, kdy potřebujete udělat další kolo výzkumu (pokud není dlouhodobý v čase), nebo výzkum provádí někdo jiný. Jen při přesném popisu metodologie (a zachování postupů) je možné výsledky dvou výzkumů srovnávat.
Vizualizace jako pohled shora
Dalším krokem je vizualizace dat. Ta může mít podobu grafů, které znáte z kancelářských softwarů, ale fantazii se meze nekladou. V grafech se většinou snažíte zobrazit hlavní informace, které nám pomohou udělat si základní přehled o tématu:
- jak se vyvíjí počet zmínek o sledovaném tématu v čase,
- kde se nejčastěji diskutuje o tématu (články, sociální média, diskuze či jednotlivé weby)
- kteří konkrétní autoři o nich mluví (někde se uvádí jméno, někde přezdívka – záleží na konkrétním webu),
- jaký je sentiment témat a
- toto všechno například z pohledu podtémat.
Důležité je myslet na to, aby měla vizualizace smysl – vizualizace může být často pěkná, ale také zavádějící.
Report pak neslouží jen k tomu, aby se posílaly důležitým lidem, nebo zabíraly místo v šuplíku. Když se do reportu podíváte, zjistíte, ve kterých částech výzkumu je třeba jít do detailu. Pro konkrétní příklad si představte, že máte v půlce měsíce během dvou dnů výrazný nárůst počtu zmínek – máte indicii, ale nevíte, co se stalo. Proto se musíte přímo podívat do dat a přečíst, co přesně se dělo.
Analýza je pohled pod povrch reportů
Analýza je nejpodstatnější část. Dáváte si do souvislostí všechny indicie a hledáte jejich významy. Zjišťujete, proč máte v reportu pravidelné dvoudenní výpadky zmínek. První logickou odpovědí je, že za to mohou víkendy, kdy lidé méně píší na internetu. Jenže první interpretace nemusí být vždycky ta pravá.
Co když je to způsobené tím, že o víkendu nepíší méně lidé, ale média. Lidé by pak neměli na co reagovat a pravým důvodem by nebyl víkendový výlet do obchodního centra – tedy pokud tam nechodí novináři.
Často se říká, že se nejvíce diskuzí na českém internetu objevuje v diskuzních fórech. U některých oborů to tak rozhodně je, například u bankovnictví nebo kosmetiky. Ale i tady musíte být při interpretaci obezřetní – není to třeba způsobené tím, že se diskuzní fóra technicky monitorují lépe než Facebook s více než polovinou neveřejných profilů, nebo Twitter, který omezuje monitorovacím nástrojům přístup ke všem tweetům (navíc každý nástroj může mít limit jiný).
Takhle můžete rozebírat až donekonečna. Jenže na to nemáte prostředky, a proto se musíte dobře rozhodnout, co ještě má smysl.
Se získanými daty můžete dělat spoustu dalších věcí – můžete hledat nejvlivnější uživatele, analyzovat texty (frekvence výskytu různých slov), můžete sledovat kudy se po internetu rozšiřují informace.
Nevládky mohou také ocenit, že se podívají “za hranice svých bublin”, o kterých se v poslední době mluvilo například v souvislosti s kampaní Zelených. Díky buzz monitoringu můžete zjistit, že se v jiném koutě internetu objevují lidé nakloněni vašemu tématu, ale ještě s vámi nejsou propojeni. To je příležitost, kterou musíte přetavit v komunikační aktivitu.
My děláme buzz monitoring
Možnosti využití dat získaných pomocí buzz monitoringu jsou široké a ne úplně probádané. Ale to je přirozené, protože jde o nový nástroj. A nezapomínejme, že jde “jen” o nástroj na sběr dat – podobně jako klasický dotazník. Taky je to jen nástroj a nikoho dnes neslyšíte říkat “my děláme dotazníky”.
“My děláme buzz monitoring” zní lépe, protože to technologie není široce dostupná a know-how nemá každý. Ale to se časem může změnit a pak bychom o tom měli mluvit jinak: “snažíme se přijít na kloub tomu, kdo a kde se na internetu vyjadřuje nenávistně vůči menšinám, protože díky poznání a pochopení můžeme podniknout další kroky. To nám umožňuje buzz monitoring a další nástroje”.