En l'article anterior, “Com identificar els millors influencers a les xarxes socials”, partíem de la definició de l'analítica de client (customer analytics), incorporàvem conceptes clau que lideren aquest camp com poden ser la customer experience o l’omnicanalitat, que ens permeten adequar els nostres productes i serveis als nostres usuaris però que requereixen una metodologia i una recollida de dades en tots els punts d'interacció amb el client perquè mitjançant la seva anàlisi en puguem predir el comportament de consum en el futur. Per finalitzar, entràvem en detall en les xarxes socials (amb quantitats ingents de dades ja a la nostra disposició) i descrivíem els media influencers.
Per comprendre més bé l'estratègia que cal seguir per identificar-los hem preparat el cas d'ús següent.
Cas d'ús en el sector de la moda. Estratègia de combinació de l'anàlisi quantitativa i qualitativa al Twitter
Suposem que el nostre objectiu és obtenir un impacte d'1 milió de retuits de la nostra última campanya de màrqueting en el sector de la moda. Per arribar a aquest objectiu a Twitter, necessitarem generar material exclusiu (text, imatges, vídeo, etc.) per tuitejar-lo des del nostre compte empresarial amb l'objectiu d'obtenir retuits de qualitat, i per a això caldrà identificar els usuaris amb més influència en la comunitat.
A través d'una anàlisi quantitativa amb eines comunes com SocialBro o TweetReach podem arribar a saber quants seguidors té un compte de Twitter i quin és l'impacte immediat de les seves accions en les xarxes socials. Tot i això, la limitació de l'enfocament quantitatiu és clara: no sabem què passa a partir del primer nivell d'interacció perquè aquestes eines no permeten mesurar com de lluny i a qui arribarà un tuit sobre la teva marca.
Per contra, eines d'anàlisi qualitativa com Tweeticer tenen en compte l'arbre de propagació i calculen la probabilitat que el tuit d'un usuari sigui retuitejat, que aquest retuit al seu torn torni a ser retuitejat, i així successivament. D'aquesta manera podem trobar aquells usuaris que, encara que a simple vista poden tenir trets quantitatius que no siguin òptims (nombre inferior de seguidors i retuits), tenen un potencial més gran per viralitzar el teu contingut.
Les eines d'anàlisi qualitativa de Twitter com Tweeticer t'ajuden a trobar els usuaris que tenen més potencial per viralitzar el teu contingut
En el sector de la moda, igual que en altres sectors, les tendències depenen força del fet que les adoptin en cercles d'influència determinats. Aquests cercles normalment contenen un o diversos usuaris clau que actuen com a líders o catalitzadors i que seran decisius per garantir l'adopció del producte. Per tant, establir i cuidar les relacions amb aquests usuaris (els influencers) serà clau per rendibilitzar millor la nostra inversió en màrqueting digital.
Usant una eina d'anàlisi quantitativa detectaríem els influencers més populars. Però si del que es tracta és d’establir una relació natural amb l’influencer, difícilment ho aconseguirem amb aquells que estan més sol·licitats. Per aquest mateix motiu, contractar un d'aquests usuaris perquè faci promoció d'algun article concret podria arribar a ser molt car. A més, tot i que aconseguim atreure’n l’atenció de forma natural o tinguem un pressupost que ens permeti realitzar una campanya conjunta, no tenim la certesa que aquest usuari sigui el que més lluny portarà el nostre missatge.
Per tant, si complementem l'ús d'eines d'anàlisi quantitativa amb Tweeticer podem trobar influencers amb més potencial viralitzador per a una sèrie de paraules clau rellevants. Aquests usuaris, com que se’ls valora per la capacitat de generar interacció més enllà del primer nivell, no tenen per què ser tan mediàtics, cosa que farà molt més fàcil que difonguin el nostre contingut, fins i tot de forma natural (sense incentius econòmics). A més, mitjançant el seu sistema de monitoratge (vegeu la imatge), Tweeticer ens permet quantificar l'impacte de la nostra campanya amb analítiques que ens permeten determinar i cuidar les relacions amb aquests influencers per aconseguir el nostre objectiu.
Article elaborat per Sergi Sales, IT Consultant d'IThinkUPC, i Dàmaris Coll, Chief Customer Support Officer de Sparsity.