Metodología basada en Minería de Datos para la detección de usuarios Influencers en Twitter
No Thumbnail Available
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Trujillo
Abstract
El marketing viral es una de las técnicas más usadas por las empresas para incrementar su alcance y mejorar sus ganancias. Esta técnica se realiza a través de los usuarios Influencers, personas que debido a su capacidad de persuasión muy alta sobre sus seguidores, se encargan de viralizar lo que se desea promocionar. No obstante, conocer qué Influencers son los ideales para cada público objetivo no es un proceso trivial, pues el determinar a dichos usuarios está sometido a un conjunto de criterios más allá de la simple popularidad de los mismos. Una forma a la cuales recurren las organizaciones actualmente, es el uso de servicios online de detección de Influencers, sin embargo, dichos servicios tienen un costo elevado y se presentan poco transparentes a los usuarios, quienes desconocen los criterios bajo los cuales _estos están siendo determinados. En esta tesis se propone una Metodología para la Detección de usuarios_x000D_
Influencers en Twitter, la cual sigue el proceso fundamental de Minería de Datos, hace uso de diversas técnicas de recolección de datos (Web Scraping, API s) y utiliza un conjunto de métricas de influencia para obtener una puntuación de influencia para cada usuario, que permita conseguir un ranking de los usuarios más influyentes para un público objetivo determinado._x000D_
La metodología que se propone, comprende un punto de partida muy básico, como es la definición de los tópicos de búsqueda de usuarios candidatos a Influencers, permitiendo que cualquier persona interesada pueda hacer uso de la misma, incluso acoplando nuevos criterios sobre los cuales obtener la puntuación de influencia. La metodología fue ejecutada sobre el caso de estudio: Lava Jato (Odebrecht) Perú, obteniendo el ranking de Influencers basado en los datos recolectados entre los meses de enero hasta marzo de 2019
Description
Viral marketing is one of the techniques most used by companies to increase their reach_x000D_
and improve their pro ts. This technique is carried out through the Influencers, people who_x000D_
because of their ability to persuade very high on their followers, are in charge of viralizing_x000D_
what they want to promote. However, knowing which Influencers are the ideals for each_x000D_
target audience is not a trivial process, since determining those users is subject to a set of_x000D_
criteria beyond the simple popularity of them. One way that organizations currently use is the suscription to online Influencers detection services, however, these services have a high cost and are not very transparent to users, who do not know the criteria under which they are being determined. This thesis proposes a Methodology for the Detection of In_x000D_
uencers on Twitter,_x000D_
which follows the fundamental process of Data Mining, makes use of diverse techniques of data collection (Web Scraping, APIs) and uses a set of influence metrics to obtain a score of influence for each user, which allows achieving a ranking of the most in_x000D_
uential users for a speci c target audience. The proposed methodology includes a very basic starting point, such as the de nition of the search topics of candidate users for being Influencers, allowing any interested person to make use of it, even coupling new criteria on which to obtain the influence score. The methodology was executed on the case study: Lava Jato (Odebrecht) Peru, obtaining the ranking of Influencers based on the data collected between the months of january to march 2019
Keywords
Minería de datos, Big Data, Influencers, Redes Sociales