Librería

Encargo del cliente

Análisis de la comunidad constituida en Twitter alrededor de la cuenta de la librería para detectar los factores que explican los motivos de seguimiento de sus seguidores en esta red social.

Propuesta de Network Outsight

  1. Análisis semántico agregado de las descripciones de los usuarios;
  2. Análisis de las redes de seguimiento entre seguidores. Análisis comunitario con aproximaciones cuantitativa y cualitativa.

 Objetivos planteados

  1. Evaluar la eficiencia de la propia comunidad de Twitter;
  2. Localizar influencers que contribuyan a popularizar un producto o evento para el cliente;
  3. Conocer opiniones y necesidades emergentes en la comunidad;
  4. Evaluar el rendimiento de la estrategia digital implementada;
  5. Optimizar la estrategia del Community Management;
  6. Preparar acciones comerciales sobre los distintos nichos de mercado que componen la comunidad y segmentarlos por afinidades.

Resultados obtenidos

  1. Auditoría, a partir del informe del trabajo realizado y de los resultados obtenidos en él, de la estrategia digital que la librería había llevado hasta este trabajo y propuesta de mejoras a realizar a futuro sobre esa estrategia;
  2. Conocimiento de las características de los clientes de las distintas subcomunidades que conforman la comunidad constituida en Twitter alrededor de su marca;
  3. Definición de cuál debe ser la comunicación continua con el cliente a partir del conocimiento que de él hemos obtenido;
  4. Búsqueda del público objetivo idóneo para la realización de promociones de venta específicas según sus intereses manifestados en redes;
  5. Orientación para la organización de eventos culturales que la librería realiza como seña de identidad y de diferenciación con la competencia: determinación del tipo de eventos de interés para su comunidad, toma de decisiones en cuanto a la forma, frecuencia y contenido de los mensajes a transmitir, descubrimiento de los nichos de mercado a los que dirigirse en función del contenido de los eventos, etc.;
  6. Localización de nichos rentables sobre los que trabajar para la venta de sus productos. Ejemplo: a través del trabajo realizado, encontramos un nicho de mercado difícil de localizar si no es a través del análisis comunitario. Es el nicho de lectores de novela romántica. Los lectores de novela romántica no se identifican como tales ni en tienda ni en la vida offline. Tienden a no comentar sus lecturas y no es posible identificarlos habitualmente. A través de las asociaciones libres y espontáneas que se producen en las redes, podemos descubrir un nicho tan rentable como éste. Con ello nos podemos posicionar por delante de la competencia ante un numerosísimo grupo de potenciales compradores de libros.

 Método

Tras obtener los datos respecto a las relaciones de seguimiento entre los seguidores de la librería, implementamos los siguientes análisis orientados a entender las razones que motivan las asociaciones entre las cuentas de Twitter.

1. Análisis semántico de las descripciones de los usuarios

Un primer elemento clave es saber cómo se describen a sí mismos los usuarios de Twitter. Detectamos las palabras más comunes en las descripciones de los usuarios, sus frecuencias, y eliminamos palabras poco informativas (artículos, preposiciones, adverbios, algunos verbos, etc.) para componer la siguiente nube de palabras. Las siguientes son las 100 palabras más utilizadas en las descripciones de las cuentas seguidoras de la librería, y su tamaño responde a su frecuencia de utilización:

A priori todo parecía indicar que la comunidad estaba bien construida. Los intereses de los seguidores de la librería tenían que ver exactamente con lo que vende la librería. Sin embargo, nos preguntábamos qué características particulares de los conjuntos de seguidores podían proporcionarnos alguna pista sobre cómo mejorar una estrategia, ya de por sí, buena.

2. Análisis de redes de seguimiento entre los seguidores de la librería

Las personas nos asociamos en redes sociales en base a nuestros intereses. Lo que en la literatura científica se denomina homofilia es precisamente la propensión a relacionarnos con quienes se parecen a nosotros, ya sea por edad, por género, por características culturales, etc. En Twitter se dan todas estas relaciones, pero sin duda, la más poderosa es la asociación por intereses y pasiones, haciendo que aquellas personas que se emocionan ante las mismas cosas acaben acercándose entre ellas, incluso después de un ejercicio heterofílico dirigido a conocer gente nueva en la red.

En el grafo de red anterior, las cuentas de Twitter con relaciones de seguimiento intensas han sido colocadas cercanas entre sí. El tamaño de los nodos es mayor cuanto mayores son las relaciones de seguimiento recibidas dentro del grafo, con independencia de sus cifras de followers, para así observar su poder contextualmente. Los colores han sido asignados aleatoriamente mediante un algoritmo de detección comunitaria, que ha proporcionado 6 comunidades.

3. Análisis cuantitativo

Para evitar distorsiones y observar solamente las relaciones establecidas entre seguidores, eliminamos de la red la cuenta de la librería y todas aquellas cuentas que no seguían a nadie más que a la librería. Tras los filtros, la red se compone de 4.628 nodos y 344.591 aristas; es decir, un total de 4.628 cuentas de Twitter que mantenían nada menos que 344.591 relaciones de seguimiento entre sí. Para ser una red virtual, se trata de una red muy densa, y resulta evidente que nos encontramos ante una comunidad significativamente cohesionada.

Tras analizar algunas de sus características formales mediante pruebas estadísticas nos dimos cuenta de que:

  1. En la red, las cuentas de Twitter están unidas por 2,56 grados de separación. La distancia máxima entre los dos nodos más alejados entre sí es de tan solo 8 grados. Ello indica, junto con su elevada densidad, una gran cohesión en la red. Estamos ante algo que realmente podemos denominar “comunidad”;
  2. Muy pocas cuentas son seguidas por muchas. Se trata de una red muy centralizada en la recepción de followings, lo cual indica liderazgos muy fuertes;
  3. Por contra, la red está muy descentralizada en lo referente a la emisión de followings. Ello indica que la comunidad es uniformemente proactiva a la hora de seguir a los líderes de la red, lo cual significa un alto interés en la información que estos proporcionan;
  4. Nos encontramos también con que, relacionado con la densidad de la red en su conjunto, hay un número muy elevado de nodos poderosos en términos de intermediación. Ello hace que su poder, en términos generales, sea muy bajo. No hay nodos que se encuentren en posiciones mediadoras clave, porque la mayoría de ellos están bien conectados con el conjunto de la red. Los liderazgos importantes de la red son liderazgos de opinión, no de intermediación.
4. Análisis cualitativo

Quizás la parte más importante (e interesante) de este encargo consistía en observar diferencias entre las comunidades halladas. Para ello, estudiamos cuáles eran las características de los líderes de opinión de cada comunidad por separado. Vimos quienes eran y realizamos diversos análisis semánticos con sus tuits más recientes, y alcanzamos las siguientes conclusiones:

  1. Subcomunidad Amarilla: las grandes editoriales españolas, grandes librerías y servicios online para lectores. Concentra los liderazgos más fuertes de la red;
  2. Subcomunidad Rosa: librerías, asociaciones de librerías y editoriales de pequeño tamaño. Sus liderazgos son menos fuertes que en la subcomunidad anterior;
  3. Subcomunidad Azul: editoriales independientes, revistas especializadas y asociaciones de artistas y escritories. Representante de la escena sidestream;
  4. Subcomunidad Gris: blogueros literarios, divulgadores de referencia offline e instituciones del sector librero. Es la comunidad más cohesionada;
  5. Subcomunidad Naranja: personalidades literarias, políticas, instituciones y servicios culturales. Es el cluster más disonante para con la red;
  6. Subcomunidad Verde: editoriales y consumidores de literatura infantil y juvenil.

Como vemos, aunque la red era globalmente muy densa, fuimos capaces de detectar sus particularismos y de identificar las razones de asociación de grandes cantidades de usuarios entre sí. También replicamos los algoritmos de detección comunitaria para la localización de más grupos de menor tamaño. De ello emergieron distintas comunidades de alto valor comercial. Por ejemplo, dentro de la subcomunidad verde logramos distinguir entre padres y madres consumidores de lectura infantil y jóvenes lectores de cómic y manga. Dentro de la subcomunidad amarilla, logramos identificar lectores por género: novela policíaca, romántica, etc.

Ello permitió a nuestro cliente organizar a sus seguidores según sus intereses y poder diseñar estrategias de comunicación digital orientadas a proporcionar a sus seguidores exactamente el tipo de información que desean: informándoles sobre nuevas publicaciones, eventos de su interés, o incluso utilizando la microsegmentación para hacer campañas en redes sociales.

 

Si quieres más información sobre la aplicación de todos estos trabajos a tu empresa, marca o producto, ponte en contacto con nosotros:

 

 

 

Iconos hechos por Freepik en www.flaticon.com con permiso de CC 3.0 BY

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. CERRAR