رسانه‌های اجتماعی به‌عنوان یک روش تحقیق

در جهان امروز بحث و تبلیغات فراوانی پیرامون رسانه‌های اجتماعی وجود دارد. جای تعجب نیست؛ زیرا رسانه خودش راهکارهای تبلیغاتی زیادی ایجاد کرده است.طبق منحنی تبلیغات فناوری‌های جدید گارتنر، به دنبال یک دوره حداکثری تبلیغات و انتظارات، دوره حداقلی و رکود گسترده‌ای می‌آید که باعث می‌شود ما نسبت به فناوری‌ای که قبول کرده، روی ما تأثیر گذاشته و به ارزش ذاتی آن معتقد هستیم حساس‌تر بشویم و سؤالاتی پیش آید: آیا واقعاً کاری که نوید داده شده را انجام می‌دهد؟ چطور بدانم که می‌توانم به این اطلاعات اعتماد کنم؟ آیا من ROI (بازگشت سرمایه‌گذاری) را به‌واسطه آن به دست خواهم آورد؟
در موقعیت اشاره شده فناوری جدید باید توسعه پیدا کرده و به اثبات برساند که سزاوار است یک بخش با ثبات، پایدار و ادامه‌دار از جهان ما بشود. این جایگاهی است که به اعتقاد من رسانه‌های اجتماعی در آن قرار دارند و اکنون برای رسانه‌های اجتماعی زمان آن است که قابلیت خود را به‌عنوان یک روش تحقیق به اثبات برسانند.

طبق تجربه من، متقاعد کردن مردم درباره اینکه ارزش بالقوه بزرگی در داده‌های اجتماعی برای درک و فهم کاربران به‌طور عمیق وجود دارد زمان زیادی نمی‌برد. در علم نظری این بخشی کوچک از یک تصمیم‌گیری آسان بدون نیاز به تفکر است زیرا که همه این گفتگوهای بدون طراحی و خود به خودی شامل دیدگاه‌ها،‌ بینش‌ها و نظراتی خواهد بود که مردم چطور فکر کرده و احساس می‌کنند، مراقب و نگران چه هستند و چه چیز می‌خواهند.
هر شکلی از تحقیق کاربر در نهایت یک نسخه از تجربیات صحیح و واقعی از گروه‌ها و افراد است. برای هر روش تحقیقی خلاصه کردن و فهم تجربه پیچیده بشری به‌طور کامل غیر ممکن است. هر چه منابع بیشتری در تحقیق شما استفاده شود ایده دقیق و موثق‌تری خواهید داشت.
بنابراین، درحالی‌که من هرگز پیشنهاد نمی‌کنم که رسانه اجتماعی به‌عنوان یک روش تحقیق باید جایگزین دیگر اشکال جمع‌آوری اطلاعات پیرامون آنچه مردم می‌خرند و اینکه چرا می‌خرند بشود، قطعاً این یک فرصت مهم خواهد بود که به‌طور باورنکردنی مانع حذف منبع داده‌های جدید غنی از ترکیب تحقیق شما می‌شود.
بسیاری از محققان بازار از پذیرش کامل یک روش تحقیق اجتماعی یا ترکیب کردن رسانه‌های اجتماعی در ترکیب تحقیق در یک مسیر و طریق کاملاً یکپارچه و جامع جلوگیری کرده‌اند. به عقیده من این به دلیل عدم درک فرصت بالقوه برای یافتن نظر و بینش ارزشمند نیست بلکه به دلیل مباحث و مشکلات مشاهده شده و محدودیت‌های این نوع از داده‌هاست.
افزایش کسب‌وکار بینش محور محقق بازار را در مرکز بعضی از مهم‌ترین تصمیمات راهبردی که در بسیاری از بزرگ‌ترین شرکت‌های جهان جهت درک بهتر چالش‌های بالقوه، مشکلات و موانع پیروی روش تحقیق اجتماعی اتخاذ می‌شوند قرار داده است. من مصاحبه‌هایی با شماری از افراد حرفه‌ای با استعداد و با تجربه ^[۱]CMI انجام داده‌ام. دو مطلب تکرار شده در این مصاحبه‌ها وجود داشت:

۱- بازنمایی و مدل‌سازی مهم بوده و یک نگرانی است. داده‌های رسانه‌های اجتماعی توسط یک گروه خودگزیده ایجاد می‌شود که از یک کانال تا کانال دیگر متفاوت است و لزوماً جامعه آنلاین (پیوسته) و آفلاین (غیر پیوسته) گسترده‌تر را نشان نمی‌دهد. این، سؤالی را مطرح می‌کند: آیا می‌توانم این داده‌ها را استفاده کنم که به فهم یک گروه کاربر و مصرف کننده کلی یا چیزهایی که امیدوارم از طریق کانال‌های اجتماعی به دست آورم کمک کند؟
۲- داده‌های اجتماعی اغلب به‌عنوان روش کمتر غرض‌آمیز و جانب‌دارانه توزیع می‌شود، اگرچه در واقعیت این‌طور نیست. علی‌رغم روش‌های امتحان شده ما نمی‌دانیم چطور تعصبات و سوگیری‌ها در مجموعه داده‌ها را کاهش دهیم.

هر دو نگرانی به‌طور کامل معتبر هستند و مطمئناً از نظر من به‌عنوان یک محقق، مهم به نظر می‌آیند. به‌هرحال، هیچ‌یک از این دو نباید شما را از استفاده رسانه اجتماعی به‌عنوان روش تحقیق بازدارد. اجازه بدهید پیرامون این موضوع گفتگو کنیم.

غلبه کردن بر موضوعات بازیابی:
درست است که به دلیل وجود یک تعصب و سوگیری، زمینه و گرایش انتخابی بین داده‌های اجتماعی بعید است که این داده‌ها به‌عنوان یک کل به‌طور کامل جهان آفلاین (غیر پیوسته) را مانند یک پنل وزین ارائه کنند اما این بدان معنی نیست که فهمیدن وضعیت کاربران و مصرف‌کنندگان آفلاین (غیر پیوسته) غیر ممکن است.
همان‌طور که یک پیمایش را برای هر کسی در یک صفحه و پانل انجام نمی‌دهید (مخاطب نهایی را انتخاب می‌کنید)، شما مجبور نیستید به هر کسی در رسانه‌های اجتماعی گوش داده و او را دنبال کنید. شما می‌توانید یک مخاطب را مبنی بر کاراکترها و ویژگی‌های مختلف مانند گروه‌های همسان (جمعیت‌شناسی)،‌ مراحل و درجات زندگی و علایق او انتخاب کنید. سپس شما می‌توانید آن مخاطبان را قضاوت کنید تا به ارزش داده‌های گروه‌های مختلف و اینکه چطور به‌طور متفاوت پیرامون موضوعات مختلف فکر می‌کنند پی برده و بتوانید آن را در مقابل جمعیت آفلاین، بهتر مدل‌سازی کنید.

غلبه بر تعصبات و سوگیری‌های رسانه اجتماعی:
اولین مرحله کاستن از تعصب و سوگیری پذیرفتن، فهم و درک مشکل است. رسانه‌های اجتماعی مانند همه اشکال تحقیق در معرض تعصب و سوگیری است. ما در بالا درباره تعصب، سوگیری و تورش انتخاب و گزینش بحث نمودیم اما در ادامه در سه مرحله بیشتر در جهت تجزیه‌وتحلیل شما هنگامی که باید با دقت از تعصبات و سوگیری دوری کنید وجود دارد که مرحله به مرحله جلو می‌رویم:

۱- مجموعه داده‌ها: مراحل جستجوی بولی به‌طور باورنکردنی انعطاف‌پذیرند و به شما اجازه می‌دهند که داده‌ها را تقریباً به هر روشی گردآوری، استنباط و تسهیم کنید، اما اگر توجه و مراقبت به‌موقع و مناسب به آن‌ها نشود در معرض تعصب و سوگیری هستند. اگر اصطلاحات و عبارات کلیدی برای یک موضوع معین، همه اسامی یک جنس (برند)، هشتگ های مناسب و مربوط، غلط‌های املایی رایج و غلط‌های تایپی و اصطلاحات عامیانه که می‌تواند به‌طور احتمالی موجود باشند را به‌طور کامل جستجو نکنید، ممکن است داده‌هایتان را برای کسانی که مانند شما فکر می‌کنند و حرف می‌زنند دچار انحراف کنید. حتی اگر شما موضوعی را به‌خوبی می‌دانید هم مهم است که یک بررسی دستی (در دسترس) انجام دهید تا از به چالش کشیدن قصدتان برای کاهش تعصب و سوگیری در مجموعه داده‌ها مطمئن شوید.

۲- قطعه‌بندی (تقسیم‌بندی) داده‌ها: شما می‌توانید داده‌ها را با استفاده از منطق بولی، دسته‌بندی و معیار گذاری بین مجموعه داده‌هایتان قطعه‌بندی (تقسیم‌بندی) کنید. هنگام جستجو مهم است که برای جستجوی موضوعات بین داده‌هایتان وقت صرف کنید تا از منحرف کردن آن به سمت روندها و تمایلاتی که شما تاکنون پیرامون آن می‌دانستید اجتناب کند. بهترین رویکرد برای قطعه‌بندی (تقسیم‌بندی) داده‌ها به‌طور واقعی این است که یک نمونه تصادفی معرف و بیانگر از مکالمه گرفته و آن را به‌طور دستی برای موضوعات، همان‌طوری که آن‌ها نشر پیدا می‌کنند و پدیدار می‌شوند کدگذاری کنید. این به شما اجازه می‌دهد که موضوعات جدیدی را کشف کرده، تعصب ذاتی در جستجو برای موضوعاتی که تاکنون پیرامون آن می‌دانستید را کاهش داده و بخش‌های بیشتری در موضوعات به دست آورید. انسان می‌تواند جزئیات کوچک اما مهمی را در برخوردها، نگرش‌ها، هیجانات، احساسات و موقعیت‌ها که داده‌های غنی‌تر و روشن‌تری وجود دارد بیابد.

۳- شرح و تفسیر تعصبات و سوگیری‌ها: همه تحقیقات به‌ویژه تحقیق کیفی به دلیل اینکه درگیر تفسیر موضوعات توسط یک کارشناس و تحلیل‌گر انسانی می‌شود در معرض تعصب و سوگیری است. آگاه بودن از این نکته، مهم‌ترین فاکتور برای کاهش اثر آن است. یک نمونه کدگذاری شده معرف همچنین در به چالش کشیدن فرضیه‌تان به‌عنوان یک پژوهشگر مفید است. این مهم است که به یاد آورید شما در حال گفتن حکایت و شرح کاربر و مصرف‌کننده هستید نه خودتان.

فاکتور دیگری هست که من اعتقاد دارم نه فقط برای داده‌های اجتماعی بلکه همه اشکال اطلاعات تجاری (کسب‌وکار) چالش برانگیزترین است. افزایش سیستم عامل‌های جستجوی دیجیتالی خودیاور بدین معنی است که حرفه مندان غیر CMI خودشان پیمایش‌ها را ایجاد و تجزیه‌وتحلیل و آمار وب و داده‌های اجتماعی را ردیابی کنند. این شانس بزرگی ارائه می‌دهد که به‌درستی بینش‌ها را سرتاسر تجارت (کسب‌وکار) توزیع می‌کند و به ما اجازه می‌دهد که به‌طور واقعی هدف رفیع یک تجارت بینش محور را درک کنیم.
این همچنین یک چالش مهم و قابل توجه را ارائه می‌دهد. کلمه «بینش» در معرض استعمال مفرط است و به عنوان نتیجه، به طور فراوان مورد سوءتفاهم قرار می‌گیرد. یک بینش و عقیده یک جدول یا شماره ثبت نیست بلکه یک ایده است که از یک انسان به دیگری ابلاغ شده تا راهی که شما می‌توانید چیزی را به طور متفاوت، بهتر یا جدید انجام بدهید را انتقال داده و برساند.
سفر از داده‌ها به بینش و از بینش به عمل شامل دو پل است که بر تعبیر و تفسیر، ارتباط و درک بشر متکی هستند. عملی شدن و قابل دسترس شدن این فرآیند برای مردم خطر خطای انسانی و مخلوط شدن و در هم پیچیدن تحقیق با عقیده و نظر را بیشتر افزایش می‌دهد.

یک رویکرد مفید برای مبارزه تیم CMI مرکزی است که بینش را از طریق تجارت (کسب‌وکار) تولید و توزیع می‌کند. به‌هرحال، طبق دیدگاه من در درازمدت نقش حرفه مندان CMI این است که جان پناه‌هایی (سدهایی) قرار دهند که گروه‌های مختلف را قادر سازد داده‌ها را بدون خطر کاوش کرده و بینش‌های مؤثر و ستبر را خودشان تولید کنند و گسترش دهند.

وقتی ما به این دست پیدا کنیم، ساختن یک کسب‌وکار بینش محور به طور کامل ممکن خواهد بود.

پانویس:
[۱]:Consumer Market Insights دیدگاه‌ها و نظرات بازار مشتریان

منبع:
این نوشته ترجمه مطلبی با این عنوان است: Social Media as a Research Methodology

مترجم: الهه ابراهیمی
کارشناسی ارشد علم اطلاعات و دانش شناسی از دانشگاه اصفهان