Social Network Analysis: hoe je inzicht krijgt in netwerken op social media
Ontdek wat er online om je heen gebeurt en welke impact je maakt
- Artikel
- Data Science
Wanneer je organisatie actief is op social media en je de online strategie wilt optimaliseren, moet je weten wat er online om je heen gebeurt en wat de impact is van jouw activiteiten. Social Network Analysis kan je daarbij helpen. We leggen je uit wat het is, hoe het werkt en voor welke doeleinden je het kunt toepassen.
Met Social Network Analysis maak je in één keer de (meestal complexe) netwerken op social media inzichtelijk. Deze methode geeft inzicht in de invloed van personen, de verbondenheid tussen personen en het bereik van informatie.
Waarom Social Network Analysis?
Er bestaan verschillende methodes om sociale-mediadata te analyseren. Welke methode geschikt is, hangt af van de vraag die je wilt beantwoorden. Als je bijvoorbeeld inzicht wilt in de onderwerpen die online worden besproken, kun je deze methode combineren met andere Social Listening methodes.
Het voornaamste voordeel van Social Network Analysis is dat je in relatief korte tijd inzichtelijk kunt maken wat er op grote schaal op social media gebeurt. Je ziet in één oogopslag de samenhang tussen veel verschillende actoren (bijvoorbeeld de communicatie tussen heel veel Twitteraars). Iets wat met andere methodes niet mogelijk is. Je kunt bijvoorbeeld een netwerk van online vrienden of volgers in kaart brengen en zien hoe informatie beweegt door een netwerk van social media-gebruikers.
Deze inzichten zijn met name handig voor de online marketing-, communicatie- en PR-afdelingen van organisaties. Bijvoorbeeld wanneer veel klantencontact via social media verloopt of social media wordt ingezet voor de zichtbaarheid van de organisatie, bijvoorbeeld met online campagnes. Ook kan Social Network Analysis het verschil maken voor organisaties voor wie de publieke opinie belangrijk is.
Hoe werkt het?
Network Analysis is gebaseerd op het deelgebied in de wiskunde dat de eigenschappen van grafen bestudeert. Door middel van een grafenstructuur kun je relaties tussen ‘objecten’ modelleren.
Een graaf (netwerk) bestaat uit een verzameling punten (meestal nodes, vertices of actors genoemd) waarvan sommige verbonden zijn door lijnen. Deze lijnen worden vaak aangeduid met de term edges, links of ties en representeren relaties tussen de punten.
Hieronder zie je een graaf met zes nodes waarvan bijvoorbeeld node 6 via een edge verbonden is met node 4:
Er bestaan veel structuren die als een graaf kunnen worden weergeven. Denk bijvoorbeeld aan een schematische routekaart met de afstanden tussen plaatsen of dataverkeer van en naar servers.
Wanneer we social media onderzoeken, praten we over Social Network Analysis, omdat we relaties tussen mensen, groepen, en organisaties in kaart brengen en meten.
Wat kun je met Social Network Analysis op social media?
Ook een online netwerk kun je als een graaf weergeven, waarbij social media gebruikers de nodes vertegenwoordigen. De relaties tussen de nodes (de edges) worden gekenmerkt door vriendschappen of communicatie.
Door een netwerk te analyseren kun je onder andere achterhalen:
- Of er verschillende ‘social media bubbles’ (clusters) bestaan*;
- Wie de meest invloedrijke personen zijn binnen het netwerk;
- Wie belangrijke rollen vervullen in het netwerk, namelijk personen:
- die de brug slaan tussen verschillende netwerken/clusters;
- die belangrijke hubs vormen binnen een netwerk/cluster;
- die de meest ‘populaire’ personen (influencers) zijn op basis van aantal volgers/vrienden, hoe iemand wordt getagd of hoe vaak zijn/haar content wordt gedeeld;
- die activators zijn omdat ze actief informatie doorspelen of bediscussiëren.
*Clusters zijn groepen mensen die vooral binnen die groep met elkaar communiceren, maar nauwelijks communiceren met personen in een andere groep. Het zou bijvoorbeeld zo kunnen zijn dat docenten Data Science onderling kennis met elkaar delen, en Data Scientists in de praktijk onderling ervaringen delen, maar dat er tussen de docenten en de praktijk helemaal geen informatie wordt gedeeld. Een ander voorbeeld is polarisatie bij politieke discussies waarbij social media-gebruikers vooral communiceren met gelijkgestemden.
3 toepassingen van Social Network Analysis
1. Social Network Analysis als basis voor je strategie
De inzichten die je uit bovenstaande analyse haalt zijn waardevolle input voor je marketing-, PR, communicatie- of voorlichtingsstrategie. Zo kun je achterhalen hoe vaak er wordt gesproken over je merk of een ander onderwerp en door wie. Maar ook welke clusters van social media-gebruikers er zijn én of er influencers of activators betrokken zijn.
2. Inzicht in het bereik van je social media-campagne
Je kunt ook het bereik van een social media-campagne in kaart brengen. Wie deelden de campagnes met wie en welke personen hebben daarbij een belangrijke rol gespeeld?
3. Grip op een PR crisis
Een ander voorbeeld is de manier waarop negatieve informatie zich verspreid op social media bij een PR crisis. Je kunt bijvoorbeeld achterhalen welke personen een grote invloed hebben op het verspreiden van die informatie. Zo weet je beter tot wie je je moet richten en kun je overwegen samen te werken met influencers of activators.
Praktijkcases
Vind je bovenstaande toepassingen interessant klinken? Dan vraag je je vast af hoe dit eruit ziet in de praktijk. We leggen het je binnenkort stap voor stap uit aan de hand van twee actuele praktijkcases: de veelbesproken ontwikkelingen rondom het Corona virus en Super Tuesday.
Case: de publieke opinie op Twitter omtrent de Corona-maatregelen
De Corona-maatregelen zijn een veel besproken onderwerp op Twitter. Het crisisteam probeert ook de legitimiteit voor de keuze voor bepaalde maatregelen onder het publiek te behouden. Hoe Social Network Analysis hiervoor kan worden ingezet? Lees de praktijkcase >
Oud-collega Anika Batenburg was een Data Science Consultant bij Digital Power
Anika heeft een PhD op het gebied van online communities. Ze is een enthousiaste onderzoeker met kennis van statistiek, onderzoeksdesign, online netwerken, en automatische tekstanalyse. Ze is geïnteresseerd in het complete plaatje, en denkt daarom graag op strategisch niveau mee met de organisatie.
1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?
Meld je aan voor onze maillijst en blijf 'up to data':