SNA – theories put into practice: Data Mining in Sozialen Netzwerken auf dem 9. Twittwoch zu Berlin am 10. März 2010

1. sociomantic labs
SNA – Theories put into practice !

2. Agenda 2
 Definition & Historie
 Was ist möglich & nötig?
 Anwendungsbeispiele & Trends
 Mitspieler
 Ressourcen
 Q&A & Kontakt

3. Definition 3
Social network analysis (SNA) is a quantitative analysis of
relationships between individuals or organizations.
By quantifying such social structures it is possible to identify most
important actors, group formations or equivalent roles of actors within a
social network.
Kirchhoff, 2010

4. Historie 4
1933 Mayo relationships in companies
1934 Moreno sociogram
1955 Barnes term „social network“ coined
1985 Granovetter importance of weak ties
1992 Burt Structural holes, Betweenness
1994 Wassermann Social Network Analysis: Methods and Applications
& Faust
2002 Dunbar Dunbar number
2003 Watts & Strogatz Small Worlds
sociogram - Moreno 1934
2006 Newman, Barabási Structure and Dynamics of networks
& Watts

5. Was ist möglich? 5
Zentralitäten Identifikation von Gruppen
Wichtigkeit einer Person
 Degree  Identifikation nach k-plex, k-core
quantifiziert die soziale Aktivität einer Person Identifikation von Gruppen nach Anzahl von geteilten
Verbindungen zwischen Gruppenmitgliedern
 Closeness
quantifiziert die Wichtigkeit einer Person im Hinblick  Identifikation nach Dichte &
auf Informationsverteilungspotential und den Grad
der Direktheit von Vernetzungen zu anderen Personen clustering coefficient
Identifikation von Gruppen nach Intensität der
Beziehungen zwischen Gruppenmitgliedern
 Betweeness
quantifiziert die Wichtigkeit einer Person im Hinblick
auf den Informationsfluss zwischen zwei Gruppen  Identifikation nach Interessen

6. Was ist möglich? 6
Aufbau und Bereitstellung einer
www www Datenbank zu sozialen Beziehungen
und Interessen von Personen
basierend auf der Analyse
verschiedenster, frei zugänglicher
Quellen im Netz mit Hilfe von Grid-
SocialGraph und Cloud Computing
Informationen über
Personen, deren Interessen
und Verbindungen
www www Verbindung zwischen
Personen

7. Was ist möglich? 7
 Soziales Kapital
 Persönliche Rolle
 Größe des Netzwerks
 Namen der Kontakte
 Stärke der Verbindungen
 Persönliche Interessen
 Themen
 Stärke des Interesses
 Liste der Quellen

8. Was ist nötig? 8
 BACKEND!
 Datenbank
 Rechenleistung
 Hans Müller!

9. Anwendungsbeispiele 9
 CRM - Inter-Customer Relations
Welche meiner Kunden kennen sich und wer ist der
Meinungsführer?
 Finanzen – Credit Scoring
Wer ist wie Kreditwürdig?
 Mediaplanung - Customer Media Footprint
Wo sind meine Kunden im Netz vertreten?

10. Beispiel CRM Analyse 10
Soziale Netzwerk Analyse (SNA) KUNDE +
+ Kundendaten (CRM) CRM Daten SocialGraph API Daten
CRM Daten + Kunde C Kunde D + H Person X1
SocialGraph API Daten Möglicher Multiplikator Potentieller Neukunde
A B C X1 C D H X1
?
D E F
G H I  Ist noch kein Telekom
 Bestellen iPhone Kunde
 Bestellt iPhone  Wurden in der  Kann potentiell über
 Kennt D, H und X1 Kaufentscheidung von Person C als Neukunde
 Ist mögliche Multiplikator Kunde C beeinflusst gewonnen werden
Januar Juni November

11. Beispiel Credit Scoring 11
 Analyse des direkten Netzwerks
 Abgleich des Netzwerks mit
Bestandskundendatenbank
 Anpassung des Angebots

12. Beispiel Customer Media Footprint 12
 Wo sind meine Kunden im
Netz vertreten?
 Analyse des WEB
Nutzungsverhaltens nach
Kundengruppen
 Analyse des sozialen Kapitals

13. Beispieldatensatz 13
Kunden
in in in in Anzahl Durchschnitt
in MySpace Facebook XING LinkedIn der Kontakte pro Durchschnitt Anteile Männer
Produkt Online Communities (%) (%) (% ) (%) (% ) Kontakte Kunde Alter und Frauen
A 60,6 8 33 17 8 112350 112 35,7 89 / 11
B 55,3 5 41 23 11 117221 119 34,1 83 / 17
C 57 12 45 16 9 278450 83 33,6 79 / 21
D 65 14 42 23 11 312723 93 32,9 77 / 23
E 68 15 57 24 13 378283 97 32,3 73 / 27

14. Trends 14
 Breitere Anwendung Level der
sozialen
Aktivität (SA)
 Social Commerce
 HR Thematisches
 Online Communities Interesse (T)
 Information Retrieval Q x SA x T = TKP = Fair value for money!!
 Individuelles Targeting Qualität
des
 Individuelles Pricing Users (Q)

15. Mitspieler 15

16. Ressourcen? 16
Social Network Analysis concept
Author
Network Level
Micro Element Level Centrality Bavelas (1950), Sabidussi (1966), Nieminen (1974)
Bonacich (1972), Freeman (1979), Freeman (1980),
Macro (Degree, Closeness, Betweenness)
Knoke & Burt (1983), Bonacich (1987), Friedkin
(1991), Borgatti (2005), Burt (1992), Hage & Harary
(1995), Marsden (2002), Newman (2003), Latora &
Marchiori (2007)
Group Level Local Density Barnes (1969), Mitchell (1969), Niemeijer (1973),
Barnes (1974) Granovetter (1976), Friedkin (1981),
Snijder (1981)
Tie Strength Granovetter (1973), Friedkin (1980), Lin, Ensel &
Vaughn (1981), Wellman & Wortley (1990)
Connectivity Luce (1950), Harary (1969), Krackhardt (1994),
Wasserman & Faust (1994)
Network Position & Equivalence Lorrain & White (1971), Boorman & White (1976),
White, Boorman & Breiger (1976), Sailer & Douglas
(1978), DiMaggio & Powell (1983), DiMaggio (1986),
Erickson (1988), Galaskiewicz & Burt (1991)
Clustering & Connectivity Harary, Norman & Cartwright (1965), Davis (1967),
Holland & Leinhardt (1970), Cartwright & Harary
(1979),
Network Everett, Boyd & Borgatti (1990), Borgatti & Everett
Neighborhood (1992),
Growth of sociological publications
Network Network Statistics (Degree, Distance, Shortest Path, Clustering Mohar (1991), Barabási, Albert & Jeong (1999), indexed with social network in the
Coefficient, Transitivity) Kleinberg et al. (1999), Newman, Watts & Strogatz abstract (source: Borgatti & Foster, 2003)
Level (2002), Brandes & Erlebach (2005)
Network Models Milgram (1967), Newman, Watts & Strogatz (2002),
Brandes & Erlebach (2005)

17. Ressourcen! 17
 Literatur
Faust & Wassemann, Social Network Analysis: Methods and Applications,1994
Barabási, Linked: How Everything Is Connected to Everything Else and What It, 2000

18. 18
Q&A

19. Kontakt 19
Thomas Brandhoff
Managing Director
mail thomas.brandhoff@sociomantic.com
phone +49 (0) 30 50 15 47 01
sociomantic labs GmbH
Chausseestraße 16
10115 Berlin