| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 553773 | 873535 | 2015 | 12 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
.2مروری بر کارهای پیشین
2-1- متن کاوی
2-2- تحلیل احساسات
2-3 هوش رقابتی و تحلیل
.3روش پیشنهادی
3-1- چارچوب پیشنهاد شده
شکل SEQ شکل \* ARABIC 1: چهارچوب تحلیل رقابتی رسانه های اجتماعی با معیارهای احساسات برای هوش رقابتی صنعت خاص
3-2- مسائل کلیدی و راه حلها
3-3- بهینه سازی کلمات کلیدی و N-Gram تغییر یافته
3-3-1- انتخاب ویژگی تغییر یافته Chi-square
شکل SEQ شکل \* ARABIC 2: روش ترکیبی پیشنهاد شده
3-3-2- مدل N- Gram تغییر یافته
4-توسعه ابزار تحلیل رسانه های اجتماعی خلاقانه
شکل 3 : اعتبار سنجی متقابل 10 چین برای گروه های جدید
شکل 4: اندازه گیری کلاسیک از متن کاوی
شکل 5: گزارش معیار احساسات رسانه اجتماعی برای Costco
شکل 6: مقایسه حجم توجهات برای شرکتهای مختلف
شکل 7: سهم درآمد پنج برند در 2014
شکل 8: توزیع رسانه برای costco
شکل 9: مشال از موضوعات مثبت و منفی پیدا شده برای costco
شکل 10: نقشه موضوعی تولید شده از ذکرهای رسانه هی اجتماعی costco
شکل 11: نقشه موضوع مثبت از ذکرهای رسانه اجتماعی Costco (برای تفسیر ارجاعات به رنگ در این تصویر، خواننده به نسخه وب این مقاله ارجاع داده می شود)
شکل SEQ شکل_ \* ARABIC 12: نقشه موضوعی منفی از ذکر رسانه های اجتماعی costco
5-مفاهیم ضمنی(پیامدها)
6- خلاصه
• Proposed a social media competitive analytics framework with sentiment benchmarks.
• Implemented an innovative business-driven social media competitive analytics tool—VOZIQ.
• Used VOZIQ to glean industry-specific marketing intelligence.
In today's competitive business environment, there is a strong need for businesses to collect, monitor, and analyze user-generated data on their own and on their competitors’ social media sites, such as Facebook, Twitter, and blogs. To achieve a competitive advantage, it is often necessary to listen to and understand what customers are saying about competitors’ products and services. Current social media analytics frameworks do not provide benchmarks that allow businesses to compare customer sentiment on social media to easily understand where businesses are doing well and where they need to improve. In this paper, we present a social media competitive analytics framework with sentiment benchmarks that can be used to glean industry-specific marketing intelligence. Based on the idea of the proposed framework, new social media competitive analytics with sentiment benchmarks can be developed to enhance marketing intelligence and to identify specific actionable areas in which businesses are leading and lagging to further improve their customers’ experience using customer opinions gleaned from social media. Guided by the proposed framework, an innovative business-driven social media competitive analytics tool named VOZIQ is developed. We use VOZIQ to analyze tweets associated with five large retail sector companies and to generate meaningful business insight reports.
Journal: Information & Management - Volume 52, Issue 7, November 2015, Pages 801–812