Cualquier compañía, hoy en día, hace un uso intensivo de las redes sociales para interactuar cara a cara con los clientes y ofrecer servicios. De esta interacción depende en buena medida la imagen de la marca ante los clientes, las oportunidades de captación de nuevas ventas y la calidad percibida en el servicio ofrecido.

Las redes sociales, a su vez, ofrecen métodos para medir distintas características de calidad y volumen de dichas interacciones; unos datos cuyo análisis permitirá mejorar el rendimiento del uso de la red social.

La problemática se presenta en la heterogeneidad de las redes sociales: unas están enfocadas al individuo (como Facebook), otras principalmente al contenido (es el caso de Twitter), otras al contenido visual específico (como ocurre con Instagram) … y los servicios de recolección de datos que ofrecen son, a su vez, heterogéneos.

Además, tras la implantación de la normativa GDPR (General Data Protection Regulation), y tras los escándalos relacionados con la intervención de datos en Facebook (caso Cambridge Analytics) muchas cosas están cambiando en la disponibilidad y las posibilidades de uso de los datos.

Durante nuestra charla debatiremos sobre estos temas que afectan a la recolección y uso de datos de redes sociales, y presentaremos un proyecto de recolección de datos modular que permite obtener datos de distintas redes sociales y almacenarlo en distintos destinos.

 

A continuación, puedes ver la presentación de la charla ‘Analizando tus Redes Sociales con Power BI’ del SolidQ Summit 2018:

 

0 Shares:
Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

You May Also Like
Leer más

Lidiando con Power BI y los límites de Google Analytics

A la hora de realizar informes tirando consultas contra el API de Google Analytics nos encontramos que normalmente, ya sea por prisa o por límites presupuestarios, se hacen informes adhoc en Power BI en modo import, evitando una arquitectura de ETL más canónica, que implicaría por ejemplo, llevar los datos a tablas en SQL Server y realizar cargas incrementales para tener un repositorio centralizado de información. Esta arquitectura podría ser o en la nube o en hardware on-premise. Detallamos algunos problemas comunes al trabajar con Power BI y Google Analytics y algunas soluciones.