影響力を増すソーシャルメディア
ソーシャルメディアの普及に伴って生活者同士での情報発信・共有が増加しています。これにより、購買行動など生活者の意思決定に対する、口コミ（友人や知人など生活者同士のインターネット上での情報交換）の影響力はますます強まりつつあります。また、ソーシャルデータ（Twitterやブログといったソーシャルメディア上に生活者が投稿したデータ）はテキスト、画像、リンクなどの形で膨大な量が蓄積され、しかもその量は急激に増加しています。
この社会的・技術的変化をビジネスに活かすべく、従来から広告・キャンペーンの効果測定分析やコールセンターのデータ分析を行っていた企業を中心に、ソーシャルデータの活用が進みつつあります。
その一方で、ソーシャルデータの活用に興味があるものの、どのように取り組めばよいかわからない、あるいは、取り組みはじめたものの、思った成果を出せずに行き詰まりを感じている、もっと良いやり方があるのではと悩んでいる企業が多いのも事実です。今回は、ソーシャルデータの活用がうまくいっていない場合の原因と解決法を紹介します。
ソーシャルデータ分析に特有の落とし穴とその解決方法
ソーシャルデータの活用に取り組んでいるものの成果が出ない場合の原因は様々です。しかし、主要なものとして次の2つが挙げられます。
- 売上をはじめとする各種KPIとの関係性や効果を見極めるのが困難
- 口コミの発言者がどのような人なのか不明確
原因1：KPIとの関係性や効果を見極められない
第1の原因として、従来のソーシャルデータ分析では売上をはじめとする各種KPIとの関係性や効果を見極めることが困難な点があります。例として、広告・キャンペーンの効果測定の一環としてソーシャルデータ分析を行う場合を考えてみましょう。
キャンペーン施策の実行後にソーシャルデータを分析した結果、ソーシャルメディア上での商品や企業に関する言及数は平常時よりも多く、内容も自社ブランドに対する好意的な言及が多数を占めていることがわかりました。意気揚々と上長に報告すると、「ソーシャル上の言及数を増やすこと自体が目的ではないよね？ 売上アップの効果はどのぐらいなの？」と質問されて返答に困ってしまった、というケースです。
そのような問題を解決するには、従来のソーシャルデータ分析よりも、分析対象を拡大する必要があります。具体的には、分析対象をソーシャルデータのみから、ソーシャルデータ＋他のデータに拡大させた、「複合分析」を行います。
従来のソーシャルデータ分析は、ソーシャルメディア上での言及数の変化を捉えることに主眼が置かれ、売上をはじめとする各種KPIとの関係性や効果を見極めるのは困難でした。これに対して、「複合分析」は、ソーシャルデータと他のデータを組み合わせて分析することにより、各種KPIとの関係性や効果の有無などを定量的に把握することが可能となります。
原因2：ソーシャルメディア上の発言者像が見えない
第2の原因は、口コミの発言者がどのような人なのか不明確なことです。先ほどの例を使うと、「好意的な意見が多数を占めるとのことだけど、起用したタレントのファンが反応しただけでは？ そもそも、口コミの発言者はどのような人なの？」と上長から質問されて返答に困るケースです。
従来のソーシャルデータ分析は、口コミの量や語られている内容の分析に主眼を置きがちでした。そのため、口コミを発生させた生活者については性別や年代、居住地域などの簡単な属性しか推定できないという問題点があります。
このような問題を解決するためには、従来のソーシャルデータ分析とは異なる軸で分析を行う必要があります。具体的には、分析軸を特定の「キーワード」を含む口コミそのものから、その口コミをした生活者、つまり「人」に変更した「人軸分析」を行います。
