Escolar Documentos
Profissional Documentos
Cultura Documentos
Claudia Freire2
Resumo: o artigo visa contribuir para o campo da Comunicação, na área dos Estudos de
Internet, ao propor uma reflexão sobre métodos de pesquisa, abordando a técnica
denominada Monitoramento das Redes Sociais ou social media monitoring (SMM)
enquanto ferramenta para a coleta e análise dos conteúdos gerados nas conversações em
redes sociais. O objetivo é apresentar categorias comuns de investigação e padrões em
relatórios de pesquisa a partir de sistemas ou robôs que monitoram, coletam e analisam o
conteúdo online. Os resultados demonstram que as categorias alcance, relações de
sentimento e engajamento compõem esboço metodológico comum nos resultados.
Palavras-chave: monitoramento de redes sociais; métodos e técnicas de pesquisa na
internet; social media monitoring (SMM).
Artigo apresentado no Eixo 7 – Redes sociais na Internet e Sociabilidade online do VI Simpósio Nacional da
Associação Brasileira de Pesquisadores em Cibercultura realizado de 06 a 08 de novembro de 2012.
2
4
O congresso internacional eMetrics está completando uma década de debates e publicações sobre marketing e
análise de dados da internet. Mais informações em: http://www.emetrics.org/history.php Acesso em 03 jun. 2012.
2
mais eficiente e
democrático nos dias atuais, quando apoiado por “uma riqueza de
ferramentas eficazes para fazer trabalhos que antes eram inacessíveis (KAUSHIK, 2010,
p. 12). Para Drula (2012, p. 77) aspectos relacionados à sociabilidade na internet
provocaram importantes mudanças nos processos de coleta de dados e métodos utilizados
para analisar diferentes fenômenos como a ocorrência de virais e top trends nas redes
sociais. “O conteúdo gerado por profissionais ou usuários, livre ou pago, compartilhado
ou auferido deve ser mensurado e analisado.” (DRULA, 2012, p. 77).
5
ROI: Return on investment, sigla utilizada para referir-se ao cálculo da taxa de retorno de investimentos em
publicidade e ações de marketing. No caso do monitoramento, a taxa deve incluir o valor dispensando ao uso de
software de monitoramento.
(volume de posts, vídeos e demais conteúdos gerados que estão relacionados a
determinadas temáticas), a interpretação (limitações humanas de tempo. Ainda que os
dados possam ser coletados em tempo real, a análise raramente é realizada na mesma
proporção de tempo) e a diversidade dos usos e comportamento das pessoas na rede
(apropriações, usos e intenções dos usuários nas plataformas de interação online que não
estavam previstos dificultam a identificação das ações dos usuários). Denominada nos
âmbitos acadêmicos e de mercado por “big data”, os conteúdos criados por usuários nas
redes sociais, de acordo com Dumbill (2012) referem-se a dados que excedem a
capacidade de processamento dos sistemas de banco de dados convencionais. Entre as
principais características estão o volume, a velocidade e a variabilidade. Para lidar e gerar
valor a partir desses dados é preciso escolher caminhos alternativos para processá-los.
Por isso, a necessidade e a escolha de ferramentas com as quais as empresas,
personalidades públicas ou usuários irão investir implica, desde o início, no formato e
tipos de relatórios que farão sentido como métodos para obter resultados significativos.
Saad Corrêa; Bertocchi (2012) e Lima Jr. (2011) falam dos desafios para a área do
jornalismo ao lidar com o grande volume de dados disponíveis online. Recentemente,
Anderson e Rainie (2012) publicaram relatório6 baseado em opiniões de especialistas e
usuários sobre o impacto para o futuro na era do “Big Data”. Alguns resultados,
instigantes, apontaram para certas preocupações como o efeito de transparência
relacionado às agendas de poder de governos e corporações; o papel do juízo humano
diante da habilidade dos algoritmos em antecipar os resultados de análise de dados.
Aspectos educativos de treinamento dos profissionais com capacidade analítica, e o
déficit em países menos favorecidos que estarão sempre à merce das análise também
foram ressaltados. Como resultado, o relatório mostrou a expectativa de especialistas e
trabalhadores deste novo campo de conhecimento para com a previsão de melhor
compreensão de quem somos como seres humanos, a partir da análise de dados que
possibilitariam trazer à tona um panorama mais completo sobre o cenário mundial.
6
O levantamento foi realizado online com aproximadamente um milhão de pessoas dentre especialistas em internet,
pesquisadores e trabalhadores da área recrutados via e-mail, convite para a conferência, ou link compartilhado no
Twitter, Google+, Facebook a partir do Centro de Pesquisas Pew Internet & American Life Project e Elon
University. Uma vez que os dados são baseados em uma amostra não-aleatória, uma margem de erro não pode ser
calculada, e os resultados não são projetáveis a qualquer outra população do que as pessoas que participam na
amostra. Disponível em: http://pewinternet.org/Reports/2012/Future-of-Big-Data.aspx Acesso em 20 jul. 2012.
4
De certa maneira, até
mesmo surpreendente, modelos de relatórios extraídos das ferramentas de monitoramento
online muito relembram o método estruturalista de análise
6
(FRAGOSO;
RECUERO; AMARAL, 2011, p. 63). A tarefa humana de coletar dados e compor uma
amostra probabilística a partir das conversações online sempre foi uma questão
complexa, quase impossível, devido às características de escala e instabilidade do
conteúdo publicado. Markahn e Baym (2009, p. 173) analisam o histórico das pesquisas
qualitativas realizadas a partir de dados online. As pesquisadoras levantam questões
acerca dos estudos qualitativos, dentre elas a coleta e interpretação de dados on e offline,
questões de privacidade, autenticidade, veracidade, repetição e a permanência dos
resultados de pesquisa. Uma vez coletados, os dados rapidamente se reconfiguram,
sendo permitido aos usuários deletá-los a qualquer momento, mesmo que esses conteúdos
continuem a fazer parte da amostra dos pesquisadores. Questões como impermanência de
dados e cálculo de amostragem nas redes sociais podem, entretanto, ser solucionadas
quando se insere um sistema ou algorítimo responsável pela coleta e atualização do
conteúdo publicado online. O robô é capaz não apenas de calcular amostras
probabilísticas do conteúdo coletado, propor índices próprios de análise, como também
indicar usuários com os quais seria vantajoso realizar uma pesquisa utilizando métodos
qualitativos. Nesse sentido, o monitoramento online avança enquanto técnica de pesquisa,
superando alguns dos desafios do passado, ao dispor para os pesquisadores e para o
mercado todo o conteúdo publicado nas redes sociais sobre determinada palavra-chave.
Isso não quer dizer que não haja contradições explícitas no processo e resultado
apresentados nos relatórios, nem que esse deva ser o único método a sem empregado.
Pelo contrário, essa primeira configuração ainda pode ser considerada “artesanal”,
conforme Dyson (2001), cheia de imperfeições, ou um primeiro esboço de uma área
tecnológica que pretende ser aprimorada por cientistas e pesquisadores, no futuro
próximo.
8
De maneira que a
proposta de estabelecer marcadores semânticos que propiciem a análise de conteúdo
efetuada por robôs continua sendo menos eficaz que o julgamento e classificação de
dados por pessoas. É por isso que, em algumas plataformas de monitoramento online, a
classificação do conteúdo é realizada por humanos e não por máquinas. Sponder (2012, p.
285) “(...) prevê o surgimento de algoritmos de aprendizado
7
Ferramenta comercial, desenvolvida em 2008, possibilita a extração de relatórios quantitativos a partir de URLs no
Twitter, Facebook, YouTube, LinkedIn e Google+ Disponível em: http://www.socialbakers.com/ Acesso em 18 out.
2011.
8
Disponível em: http://www.facebook.com/RedeGlobo Acesso em 09 fev. 2012.
coleta de dados extraídos no período de 30 de abril a 31 de maio de 2012.; Scup9 em
relatório de monitoramento das conversações a respeito da telenovela Cheias de charme,
na rede social YouTube e Twitter, dados coletados em 04/05/2012, total: 508 posts;
Brandviewer10 em relatório de monitoramento sobre as conversações a respeito da
telenovela Amor eterno amor, na rede social Twitter, YouTube e Facebook, dados
coletados na semana de 22 a 28/07/2012, total 17 posts.
10
personalidades e
perfis institucionais no Twitter, uma mensagem automática da plataforma é
enviada ao produtor ou responsável pela inserção do conteúdo. Devido a essa
dinâmica, conhecer o índice de alcance de determinado conteúdo na internet e o
que está sendo dito nas conversações tornou-se um indicador importante para o
mercado.
Fonte: http://www.socialbakers.com/
Base: 11.128 posts
12
− Engajamento:
mede como os fãs interagem com a página de instituições, personalidades,
programas de entretenimento, produtos e marcas no Facebook, Twitter e YouTube,
a partir do número de "Curtir", comentários e compartilhamentos calculado sobre
o número total de fãs, seguidores ou visualizações em determinado dia. A fórmula
final para calcular engajamento nas redes sociais geralmente segue os seguinte
padrão, com algumas alterações para as redes sociais:
n
E → ∑ = (C + Co + Cm)
i=1 f (F) → valor calculado por dia
Fonte: http://www.socialbakers.com/
Base: 11.128 posts
3. Considerações Finais
4. Referências bibliográficas
ANDERSON, Janna Q.; RAINIE, Lee. Big Data. Pew Research Center's Internet & American
Life Project. Washington, D.C., 2012. 41p.
BARABÁSI, Albert-Lázló. Linked: how everything is connected to everything eles and what it
means for business, science, and everyday life. New York: Plume, 2002. 294p.
14
BRANTHWAITE, Alan.
PATTERSON, Simon. The power of qualitative research in the era of social media. International
Journal of Qualitative Market Research, v. 14, n. 2, p. 430-440, 2011.
COSTIGAN, James T. Forests, trees, and internet research. IN: JONES, Steve. (Ed.) Doing
internet research: critical issues and methods for examing the net. Thousand Oaks, CA: SAGE,
1991. 299p.
DRULA, Georgeta. Social and online media research – data, metrics and methods. Review of
Applied Socio-Economic Research, v. 3, n. 1, p. 77-86, 2012.
DUMBILL, Edd. What is big data: an introduction to the big data landscape. O'Reilly Radar,
2012. Disponível em: http://radar.oreilly.com/2012/01/what-is-big-data.html Acesso em jan.
2012.
FRAGOSO, Suely; RECUERO, Raquel; AMARAL, Adriana. Métodos de pesquisa para internet.
Porto Alegre: Sulina, 2011. 239p.
FREIRE, Claudia. Desvelando a trama das conversações: ferramentas para monitorar o conteúdo
gerado por fãs de telenovela nas redes sociais Twitter, YouTube e Facebook.. In: INTERCOM
Nacional - Congresso Brasileiro de Ciências da Comunicação, 2011, v. 34.
HERRING, Susan C. Web content analysis: expanding the paradigm. IN: HUSINGER, Jeremy;
KLASTRUP, Lisbeth; ALLEN, Matthew. (Eds.) International handbook of internet research.
London: Springer Dordrecht Heidelberg, 2010. p. 233-249.
KAUSHIK, Avinar. Web analytics 2.0: the art of online accountability e science of customer
centricity. Indiana: Wiley Publising, 2010. 474p.
KIRKPATRICK, David. The facebook efect: the inside story of the company tha is connecting the
world. New York: Simon & Schuster, 2010. 372p.
LIMA JR., Walter T. Jornalismo computacional em função da “Era do Big Data”. Líbero: revista
de pós-graduação da Faculdade Cásper Líbero, v. 14, n. 28, p. 45-52, 2011.
MARKHAM, Annete N.; BAYM, Nancy K. (Ed.) Internet inquiry: conversations about method.
Thousand Oaks, CA: SAGE, 2009. 243p.
SPONDER, Marshall. Social media analytics: effective tools for building, interpreting, and using
metrics.New York: McGraw-Hill, 2012.316p.
STERNE, Jim. Social media metrics: how to measure and optimize your marketing investiment.
Hoboken, New Jersey: John Wiley&Sons, 2010. 240p.
WATTS, Duncan J. Tudo é óbvio: desde que você saiba a resposta – como o senso comum nos
engana. Tradução: Letícia Della Giacoma de França. São Paulo: Paz e Terra, 2011. 327p.
16