《社交网站的数据挖掘与分析》一书的作者Matthew Russell指出，尽管针对社交媒体数据挖掘的讨论非常多，但真正采取行动的只占少数。针对数据挖掘感知的困难是阻碍社交媒体数据挖掘的一大原因，而Russell认为这样的想法是不对的。拿Twitter来举例，使用熟悉的编程语言Python来对Twitter社交媒体数据进行挖掘并不需要太高级的开发者或数据科学家技能。
对社交媒体数据进行挖掘能够帮助企业获得关键信息，提出API请求，分析销售数据能够让企业使用其中的洞察来驱动进一步的创新。本文中，Russell将为开发者介绍一些关于社交媒体数据挖掘的经验。 在首次进行社交数据挖掘时，Russell建议使用Python语言，因为其语法更加简单，数据结构能够与文本数据兼容。大多数社交媒体实体会以JSON（JavaScript Object Notation）的格式返回数据，它是一个灵活直观、基于文本的数据格式，经常应用于Web环境以便通过网络进行简单或者复杂数据结构之间的通信。Python的核心数据结构与JSON非常相似，因此在处理社交媒体数据的时候不存在门槛问题，开发者可以非常简单地创建请求。 终极数据挖掘平台每一个社交网络媒介都会为数据挖掘提供一个价值主张，但Russell认为Twitter是最佳的切入点。这与国内的微博平台相类似，它们都有简单且不对称的“加关注”模式，同时有海量的活跃用户基础（Twitter每月的活跃用户数量大概在2.32亿），这对于数据挖掘来说几乎是完美的条件。Russell将这样的应用比喻成繁忙的街道，每个街角都会有人在聊天，在这些人当中总会有一些有用的信号可以梳理出来。 从开发者的角度来看，Twitter特别适合进行数据挖掘（微博与其有很多相似之处），主要由于以下三个原因：
Russell表示，Twitter的易用性加上海量的活跃用户，使得它蕴含了难以估量的价值。然而这些潜在的价值没有得到充分的挖掘，公司管理者以及开发人员也没用把握住社交趋势给他们带来的机遇。 不止是广告那么简单目前Twitter的数据几乎全都用于声誉管理、品牌推广以及舆情分析，换句话说就是用于广告。Russell认为，随着社会化研究的逐渐深入，当你每月有2亿多活跃用户（每天的活跃用户占比更大）的时候，其实除了广告之外它还隐藏了许多其他的机会。 Russell将Twitter形容为一张兴趣图谱，或者说是一幅兴趣肖像画，它展示了个人以及小团体的兴趣所在。对于小规模群体来说，兴趣图谱可以用来预测购买行为;对于大规模群体来说，它可以用来分析社会化趋势。如果你把“加关注”的关系理解为“我对他有兴趣”的关系（事实上也的确如此），你就拥有了某种非常强大的数据聚合。当兴趣图谱运用到海量规模群体时，它潜在的有价值的洞察力就超越广告本身了。对如此体量的数据进行挖掘，它可能并不会带来直接的购买行为，但它能帮助企业理解市场的走向，特别是一些特定领域市场。目前就有一些对冲基金是在Twitter数据分析基础上设计交易模型的，这可以帮助他们做更智慧的投资。 在Russell看来，Twitter的API价值也不容忽视。API是第三方接入Twitter平台的初始点，也是创新的前提。世界上很多聪明的人会比Twitter公司本身有更多好的点子，Twitter提供的API给了他们更多机会。虽然API的数量足够多，但事实上它也没有得到充分的利用。从一个人起家的创业公司到拥有诸多开发人员的大型企业，每个人都可以利用这些资源或使用第三方的产品来进行创新。 无论是对个人还是对群体，Twitter自我组织、快速增长的数据池为我们提供了关于趋势和兴趣的直接洞察力，但它尚未完全捕获开发人员的想象力。而社交媒体数据挖掘所带来的价值，Twitter只不过是冰山一角。Russell希望企业能够开始把广告作为达到某种目的的手段，他们能够在社交媒体数据创新中发现真正的价值所在。 |
/1 
