Sosiaalisen median analytiikka. Osa data- ja informaatioanalytiikka 2016 kurssin toteutusta.

1. Data- ja
informaatioanalytiikka
5.4.2016
Sosiaalisen median analytiikka
TkT Jari Jussila

2. Big Data transaktioista interaktioihin
WEB
BIG DATA
Lähde: Yli-Pietilä & Backman 2013; Valli & Ahlgren 2013
ERP
CRM
ostotiedot
maksutiedot
segmentointi
tarjoustiedot
asiakaskohtaamiset
tukikontaktit
weblogit
tarjoushistoria A/B testaaminen
Dynaaminen
hinnoittelu
Hakukonemarkkinointi
ja optimointi
Mainosverkostot
Käyttäytymispohjainen
kohdentaminen
Dynaamiset
funnellit
Ulkopuolinen demografia
Kuvat ja videot
Puheen muuttaminen tekstiksi
Feedit
Anturi/sensoridata
Tuote / palvelu logit
SMS/MMS
Käyttäjien luoma sisältö
Mobiilidata
Klikkivirran analyysi
Sijaintidata
Sosiaaliset verkostot
Sosiaalinen mediaSentimentti

3. Sentimenttianalyysi
Sentiment Analysis

4. Sentimenttianalyysi
PositiivinenNeutraaliNegatiivinen

5. Esimerkki Twitter keskusteluiden
sentimenttianalyysista
Lähde: NEMO Sentiment & Data analyzer

6. Sentimentti aikajana
esityksenä
Lähde: NEMO Sentiment & Data analyzer

7. TOP 10 henkilöä viestien
määrän suhteen
Lähde: NEMO Sentiment & Data analyzer

8. Mitä hyötyä voisi olla
sentimenttianalyysistä?

9. Viikkoharjoitus 4:
Tee-se-itse sentimenttianalyysi
• Vaihtoehtoja sentimenttianalyysin tekemiseen
a) Analytiikkasovellukset (advanced analytics)
• SAS® Text Miner http://www.sas.com/en_us/software/analytics/text-miner.html
• SPSS Text Analytics for Surveys
http://www-03.ibm.com/software/products/fi/spss-text-analytics-surveys
• RapidMiner https://rapidminer.com/solutions/sentiment-analysis/
b) Sosiaalisen median analytiikkasovellukset
• Hootsuite https://hootsuite.com/products/insights
• Meltwater http://www.meltwater.com/fi/
• …
c) Sentimenttianalyysisovellukset
• NEMO Sentiment & Data analyzer http://seda.cloudapp.net/
• SentiStrenght http://sentistrength.wlv.ac.uk/
• …
d) Ohjelmalliset lähestymistavat
• R Sentiment package https://cran.r-project.org/src/contrib/Archive/sentiment/
• Python NLTK-trainer http://nltk-trainer.readthedocs.org/en/latest/
• …
9/6

10. Sentimenttianalyysi live
demo

11. Sentiment Analysis in Tableau
using R
Lähde: https://www.youtube.com/watch?v=YkO6IXacK7s

12. Sentimenttianalyysia
Tableaussa käyttäen R
• Asenna seuraavat ohjelmistot:
– R https://www.r-project.org/
– Rstudio https://www.rstudio.com/
• ja tarvittavat R-kirjastot
– TM, NLP ja Rserve
– Rstem
https://cran.r-project.org/src/contrib/Archive/Rstem/
– Sentiment
https://cran.r-project.org/src/contrib/Archive/
sentiment/

13. Ota kirjastot käyttöön ja käynnistä
R palvelu (run.Rserve)

14. Yhdistä Tableau ja R (Manage R
Connection)

15. Luo Tableaussa uusi
laskennallinen kenttä
• SCRIPT_STR('classify_polarity(.arg1,algorith
m="bayes", verbose=TRUE)[,
4]',ATTR([Text]))
Lähde: https://boraberan.wordpress.com/2013/12/24/sentiment-analysis-in-tableau-with-r/

16. Verkostoanalyysi
Social Network Analysis (SNA)

17. Solmut, yhteydet ja verkostot
Tähti
Ympyrä
Ketju
Maksimaalisen keskittynyt,
kaikki solmut jäsentyvät
yhden keskeisen solmun
ympärille
Keskittyneisyys äärimmäisen
vähäinen, solmut kytkeytyvät
toisiinsa ilman, että yksikään
solmu olisi keskeisempi kuin
toinen
Löyhempi kuin tähti,
mutta keskittyneempi
kuin ympyrä
0 1 1 1 1 1 1
1 0 0 0 0 0 0
1 0 0 0 0 0 0
1 0 0 0 0 0 0
1 0 0 0 0 0 0
1 0 0 0 0 0 0
0 1 0 0 0 0 1
1 0 1 0 0 0 0
0 1 0 1 0 0 0
0 0 0 1 0 1 0
0 0 0 0 1 0 1
1 0 0 0 0 1 0
0 1 1 0 0 0 0
1 0 0 1 0 0 0
1 0 0 0 1 0 0
0 1 0 0 0 1 0
0 0 1 0 0 0 1
0 0 0 1 0 0 0
0 0 0 0 1 0 0

18. 18/6
Verkostojen anatomia

19. Keskeisempiä käsitteitä
liittyen verkostoanalyysiin
19
KESKEISYYS ARVOSTUS
TÄRKEYS
Lähde: Wasserman & Faust 1994
Keskeisyysaste Läheisyys Degree
Prestige
Proximity
Prestige
Välillisyys Informaation
keskeisyys
Status or Rank
Prestige

20. • Keskeisyysaste (degree)
• Kertoo, kuinka monta suoraa yhteyttä toimijalla on muihin
toimijoihin
• Jos verkostoaineisto on suunnattu, voidaan laskea
erikseen lähettäjäkeskeisyys (outdegree) ja
vastaanottajakeskeisyys (indegree)
• Keskeisyysastetta läheinen indeksi on ego tiheys (ego
density) (Burt 1982, Knoke & Kuklinski 1982). Ego tiheys
on suhdeluku toimijan suorista yhteyksistä kaikkiin
mahdollisiin yhteyksiin suuntaamattomissa verkostoissa.
20
Keskeisyysaste (asteluku)
Lähde: Wasserman & Faust 1994

21. • Ideana on, että toimija on keskeinen jos se kykenee
nopeasti vuorovaikutukseen muiden kanssa
• Läheisyys (closeness) on toimijan lyhyimpien polkujen
summa kaikkiin verkoston muihin toimijoihin
• dij on lyhyimmän polun pituus i:n ja j:n välillä
• Huomaa tulkinnassa, että pieni arvo tarkoittaa keskeistä
pistettä
∑=
=
n
ij
iji dc
Läheisyys
Lähde: Wasserman & Faust 1994

22. • Välillisyys (betweenness) mittaa, kuinka monen
toimijaparin välisen lyhyimmän polun varrelle toimija
sijoittuu
• Jos piste sijaitsee useiden muiden pisteiden välillä, se
pystyy säätelemään esim. tiedon kulkua näiden välillä
(portinvartijat)
• Piste voi olla (lokaalisti) hyvin epäkeskeinen, mutta sen
välillisyys voi silti olla hyvin suuri
22
Välillisyys
Lähde: Wasserman & Faust 1994

23. Viikkoharjoitus 3:
Tee-se-itse Twitter verkostoanalyysi
– markkinoinnin näkökulmasta
• Asenna seuraavat ohjelmistot
– Anaconda Python 2.7
https://www.continuum.io/downloads
– Gephi https://gephi.org/
• Kerää data
– Tätä varten tarvii luoda Twitter sovellus (App)
https://apps.twitter.com/
– Nouda twiitit käyttäen seuraavaa skriptiä
https://github.com/jukkahuhtamaki/pcm-demo/
tree/master/twitter-api

24. Hyödynnetään #ohsiha
oppeja ja työkaluja

25. Ohjelmallinen sisällönhallinta 2016
Lähde: http://iislab.ee.tut.fi/piiri/groups/ohjelmallinen-sisällönhallinta-2016

26. Valitse itselle/ryhmälle
mieleinen firma/organisaatio

27. Muokkaa Python koodia
Spyderillä ja aja se

28. Avaa gexf (Graph Exchange
XML Format) tiedosto Gephillä

29. Laske verkostometriikat ja
visualisoi verkosto

30. Kiitokset
• Jukka Huhtamäki @jnkka #ohsiha
• Harri Jalonen @Jalonen #nemohanke
• Jayesh Gupta @jyshgupta