Social Media – Arbeitsblog

Update: Recherchealgorithmus für Social Media

Johannes — Thu, 19 Mar 2015 13:51:23 +0000

Nach einigen Experimenten, Zahlenstudien und vielen Gesprächen mit Kunden und befreundeten KollegInnen wird der Algorithmus um die folgenden Funktionen erweitert:

a) Vergleich von maximal 10 Metaebenen
b) Sichtbarmachung/Visualisierung der Abweichungen (Häufungen)
c) Darstellung der Ausschlüsse (Welche Interessen existieren nicht in allen Metaebenen?)

Die vorhandenen Funktionen werden zeitnah auf die Twitter und Google+ übertragen.

Pinterest: Update des Recherche-Algorithmus

Johannes — Thu, 12 Mar 2015 08:00:36 +0000

Im folgendem Szenarium werden die beiden Interessensebenen „Wohnzimmer“ & „Schlafzimmer“ miteinander verglichen. Die Grundfrage besteht darin, welche tiefergehenden Interessen rund um beide Wohnbereiche im Medium „Pinterest“ sichtbar werden.

Das Schlafzimmer ● Im ersten Schritt werden mit Hilfe des Algorithmus die Rohdaten zum Thema Schlafzimmer ausgelesen. Diese Daten habe ich als Interessensmatrix bereitgestellt. Um diese Rohdaten in ein vergleichsfähiges Format zu übertragen, zählt der Algorithmus die ausgelesenen Interessen zusammen.

Das Wohnzimmer ● Auch hier werden wieder die Rohdaten in Form einer Interessensmatrix ausgelesen und als Interpretationshilfe zusammengefasst.

Die Filterprozedur lässt sich dahingehend anpassen, dass eine Mindestanzahl an ausgelesenen Interessen definierbar ist. Im Vergleich der beiden Bereiche Wohn- und Schlafzimmer ist keine Mindesthäufung vorgegeben.

Vergleich: Wohnzimmer vs. Schlafzimmer ● Durch die Zusammenzählung der Interessen aus den Rohdaten je Beobachtungsobjekt bzw. Metaebene haben wir nun die Möglichkeit geschaffen, beides miteinander vergleichen zu können. (Download).

Es bieten sich hier nun folgende Interpretationsmöglichkeiten:

a) Vergleiche
1. Zeile „Ikea“ (1)
Die Häufung bei der Spalte „Wohnzimmer“ (31) und der Spalte „Schlafzimmer“ (37) zeigt, dass potentielle InteressentInnen ein relativ deckungsgleiches Interesse an Ikeaprodukten in den Räumen haben können.

2. Zeile „Vintage“ (3)
Die Häufung bei der Spalte „Wohnzimmer“ (14) und der Spalte „Schlafzimmer“ (17) deutet darauf hin, dass potentielle InteressentInnen ein relativ deckungsgleiches Interesse am Vintagestil in den Räumen haben können.

b) Häufungen
1. Hohe Häufungen deuten auf aktuelle Vorlieben.
2. Hohe Häufungen der Interessen geben Aufschluss über die inhaltliche Gestaltung der Pinwände auf Pinterest.
3. Hohe Interessenshäufungen deuten auf eine eventuell globale und plattformübergreifende (Social Media) Vorliebe hin, die sich auch für weitere Aktivitäten im Bereich Online-Marketing nutzen lässt.
4. Es lassen sich inhaltliche und logische Querverbindungen zwischen den ausgelesenen und gefilterten Interessen bilden (Wohnzimmer: Vintage => Shabby).

Aktivitäten auf Pinterest: Eine erste Bilanz

Johannes — Mon, 02 Mar 2015 12:14:23 +0000

Die konsequente Anwendung des Systems „Interessensmatrix“ auf den Themenkomplex „Wohnen und Einrichten“ ergab die folgende Entwicklung:

Auszug aus der Besucherstatistik
Lesehinweis für die folgende Zahlenreihe: Datum, Useraktivität, Besuche
Unter „Useraktivität“ verstehen wir hier die Zusammenzählung von „Klick“, „Like“ und „Repin“. Die „Besuche“ zeigen das Besucheraufkommen.

2015-02-15,134,13959 (Start: Pinwandoptimierung nach Interessensmatrix)
2015-02-16,149,14851
2015-02-17,159,15736
2015-02-18,165,16446
2015-02-19,174,17134
2015-02-20,186,18011
2015-02-21,198,18955
2015-02-22,217,20561
2015-02-23,258,22429
2015-02-24,278,23235
2015-02-25,297,24054
2015-02-26,316,24785
2015-02-27,323,25410
2015-02-28,325,25718

Ausgehend von diesen Zahlen führen wir nun ab sofort die ConversionRate-Berechnung in dieser Formel:
CR=(Besucheraktivität*100)/Besuche
ein.
Für den 15.02.2015 ergibt sich hier die CR 0,96 und für den 28.02.2015 die CR 1,26.

Besucherzusammensetzung nach Geschlecht
Female: 19191
Male: 3681
Unspecified: 2080

Interessant ist hier der enorm hohe Anteil von Besucherinnen. Man kann sicherlich unterstellen, dass in der Geschlechterauswertung eine Fehlerquote zu finden ist (Fake-Accounts, Spaß-Account, andere Geschlechtsidentität etc.). Analog zu diesen Zahlen ergibt sich dennoch die Notwendigkeit, die „Zielgruppe Frau“ hinsichtlich der Bedürfnisse und Rechercheverhalten stärker zu berücksichtigen (und dabei bitte auf sexistische Stereotypen zu verzichten).

Besucherzusammensetzung nach Sprache
German: 16433
English: 6125
Spanish: 730
Dutch: 502
French: 472

Besucherzusammensetzung nach Herkunft
Deutschland: 15751
Vereinigte Staaten: 3022
Österreich: 786
Schweiz: 622
Niederlande: 401

In den Metriken Sprache und Herkunft kann man einen deutlichen Hinweis darauf sehen, dass in Pinterest ein deutschsprachiger Markt existiert.

Friendfeed – API und Delphi

Johannes — Mon, 17 Feb 2014 22:46:57 +0000

Nach langer und intensiver Recherche entdeckte ich eine Befüllungsoption für unser beliebtes „SocialMedia“ Friendfeed.

Man benötigt hier die folgenden Units.

ffapi, httpsend, synacode, TypInfo.

Unter webdelphi.ru befindet sich eine russischsprachige Anleitung und Problemlösung der API-Anbindung sowie die Unit „ffapi“.

Ich ergänze die „piXologisch EasyPromo“ um ein entsprechendes Feature und gebe zeitnah ein Update heraus.