SSMES-5: Transforma los datos de las redes sociales en información

23 mayo, 2013 by in category Investigación de Mercados tagged as , , with 0 and 0
Home > Noticias > SSMES-5: Transforma los datos de las redes sociales en información

La popularización de los medios sociales ha llevado a un aumento de la cantidad de información disponible para fines mercadotécnicos. Los conversaciones desarrolladas en la red son una fuente incuestionable de insights, generados de manera natural y espontánea, libres de las relaciones de poder en las que se inmiscuyen los individuos en contextos offline. Internet es, con ciertos límites, un campo en el que el internauta puede presumir de disfrutar de libre albedrío.

 

Los datos que contienen las redes sociales, por lo tanto, pueden considerarse como información primaria, de primera mano, sobre la que sentar las decisiones empresariales. Son datos transparentes y generados de manera no interesada. Bueno, quizás sí que haya cierto grado de autointerés en la emisión de determinados mensajes relacionados con las marcas… pero se trata de un interés en conseguir mejores niveles de satisfacción con un determinado producto o servicio. El consumidor está interesado en mejorar los productos que consume. Y las marcas, al mismo tiempo, están interesadas en conocer cómo conseguirlo.

El creciente uso de las redes sociales ha llevado aparejado una proliferación de sistemas de medida de la información de la red. Métricas cuantitativas de orígenes dudosos, cajas negras opacas que no aportan más que indescifrables números, análisis cuantitativos de datos cualitativos que no son más que pasatiempos para conocer lo que dicen de ti… La información que contiene internet es muy valiosa, pero de nada sirve si no se estructura de una manera que sea transparente y de acuerdo a unos objetivos de investigación. Los datos no son más que datos… a no ser que alguien los operativice y los deje en situación de ser accionables para los responsables de las tomas de decisión empresarial.

Con el objetivo de transformar los datos en información operativa, el instituto de investigación de mercados Target-Empirica acaba de lanzar SSMES-5 (5 Step Social Media Evaluating System). Se trata de una metodología de investigación que, resumiendo a grandes rasgos, aplica un mayor rigor metodológico en el muestreo de  los datos, a la vez que contrasta la información contenida en las redes sociales a través de las técnicas clásicas de investigación. ¿Qué impacto tiene una simple opinión en la red, si no se conoce el perfil del que lo ha emitido? ¿Qué valor tiene la información cualitativa si no se estructura y se analiza con técnicas propias de la investigación social? ¿Hasta qué punto son importantes las menciones en internet, si no se conoce su traducción en el contexto offline?  El dato es sólo la punta de un iceberg, un indicio superficial de las actitudes y los comportamientos que los consumidores desarrollan en lo más profundo de su ser.

SSMES-5 es una metodología que busca transformar el dato en información mediante cinco pasos básicos. No se puede decir que sea una metodología 100% estandarizada, reproducible por igual a cualquier tipo de investigación… cada objetivo requiere de un acercamiento distinto, que ponga el acento en las necesidades del responsable de la toma de decisiones empresariales. La metodología se debe adaptar al objeto de estudio, y no el objeto de estudio a la metodología. En cualquier caso, el cuerpo de SSMES-5 se puede entender en base a las 5 siguientes etapas:

  1. Monitorización inteligente: se localizan millones de menciones que hacen referencia al objeto que se desea estudiar, obtenidas mediante un previo trabajo de selección de keywords y booleanos que van a permitir delimitar los criterios de la información que se desea obtener. Una vez recopiladas las menciones, se toma una muestra representativa de éstas (estratificadas según variables temporales y según el medio donde se originaron) para poderlas codificar mediante un riguroso proceso manual.
  2. Análisis precisos: Por desgracia, las herramientas de codificación automáticas aún no han conseguido descifrar los contextos en los que se inmersan los mensajes (no saben diferenciar el “¡qué bonito!” de la foto de un paisaje primaveral de un más irónico “¡qué bonito!” asociado a un desastre natural). Así es que, la lógica del análisis de contenidos (estudio de las menciones a nivel numérico) y las técnicas de análisis cualitativas se tienen que fundir para hacer aquéllo que las máquinas aún no han logrado: extraer insights valiosos de los datos recopilados.
  3. Dimensionamiento a medida: la información ya operativa extraída del previo análisis de los datos de internet se tiene que contrastar, dado que se desconoce su representatividad. Hay que conocer hasta qué punto son generalizadas las opiniones online, así como observar hasta dónde puede llegar la capacidad de influencia de un emisor online en el contexto offline.
  4. Valoración exhaustiva: la información recogida es analizada en su conjunto, pretendiendo juntar de la mano los datos cualitativos, los datos cuantitativos y la información recopilada de internet. El objetivo es conseguir un cuerpo de información coherente, validada mediante una triangulación de distintas técnicas de investigación.
  5. Informes fiables y accionables: los datos, de por sí, no explican nada. En función de las preguntas que se haga el responsable de tomas de decisión empresarial respecto a un aspecto concreto de su negocio, el informe se dirige a poner el zoom en unos aspectos determinados del cuerpo de información. El objetivo es dar respuestas claras. Sin embudos.

 

Son cinco pasos metodológicos encaminados en convertir el dato en información, y la información, en capacidad de decisión. Porque esto es lo realmente importante: conseguir insights que puedan ser valiosos. Sin cajas negras, desperdiciando el monto de información irrelevante, obviando aquello que no sirve al objetivo de estudio. Y, sobre todo, con total transparencia. Porque lo implica SSMES-5 no es algo complicado de entender… es tan sólo el intentar captar el desarrollo lógico que siguen los datos en la red, y desde la red, a la población. El dato sólo se convierte en información si se estructura de la manera adecuada.

 

Add comment

© 2014 Empirica Influentials & Research