کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6900089 1446486 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Social media metrics and sentiment analysis to evaluate the effectiveness of social media posts
ترجمه فارسی عنوان
معیارهای رسانه های اجتماعی و تحلیل احساسات برای ارزیابی اثربخشی پست های رسانه های اجتماعی
کلمات کلیدی
معیارهای رسانه های اجتماعی، خود بازاریابی، تجزیه و تحلیل احساسات،
ترجمه چکیده
در این مقاله، نتایج تحلیل شاخصهای حمایتی خود از روشهای خودکارآمدی در رسانه های اجتماعی ارائه شده است. شرکت کنندگان شامل بازیکنان یوتیوب بودند. ما بر روی محتوای ارتباطات خود در فیس بوک تمرکز می کنیم تا تفاوت های قابل توجهی را از لحاظ ملاک ها و احساسات تفسیر فیس بوک خود ایجاد کنیم. روش تحقیق، آنالیز واریانس و تحلیل احساسات مورد استفاده قرار گرفت. تجزیه و تحلیل دسته بندی پست طبقه بندی شده نشان داد که ویدیوهای یوتیوب ارسال شده به طور قابل توجهی کمتر، نظرات و اشتراک از مخاطبان را به دست آورد. از سوی دیگر، عکس ها در مقایسه با سایر انواع پست در نمونه، به طور قابل توجهی بیشتر نشان دادند. تجزیه و تحلیل احساسات نشان می دهد که منفی بودن پیروی کننده، زمانی که فعالیت های تولید شده توسط کاربر نسبتا کم بود، نتایج مکمل ارزشمندی را برای تجزیه و تحلیل سایر شاخص های پست مانند تعداد نظرها، نظرات و سهام ارائه می کرد. نتایج نشان داد ضرورت استفاده از تکنیک های پردازش زبان طبیعی برای بهینه سازی ارتباط برند در رسانه های اجتماعی و اهمیت بررسی نظر توده ها برای درک بهتر بازخورد مصرف کنندگان برجسته شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
The present paper presents the results of an analysis of indicators underlying successful self-marketing techniques on social media. The participants included YouTube gamers. We focus on the content of their communication on Facebook to identify significant differences in terms of their user-generated Facebook metrics and commentary sentiments. Methodologically, ANOVA and sentiment analysis were applied. ANOVA of the classified post categories revealed that re-posted YouTube videos gained significantly fewer likes, comments, and shares from the audience. On the other hand, photos tended to show significantly more follower-generated actions compared to other post types in the sample. Sentiment analysis revealed underlying follower negativity when user-generated activity tended to be relatively low, offering valuable complementary results to the mere analysis of other post indicators, such as the number of likes, comments, and shares. The results indicated the necessity to utilize natural language processing techniques to optimize brand communication on social media and highlighted the importance of considering the opinion of the masses for better understanding of consumer feedback.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 130, 2018, Pages 660-666
نویسندگان
, , ,