O monitoramento das mídias sociais, comumente conhecido na área publicitária como “social listening”, pode ser realizado das mais diversas formas e por diferentes ferramentas do mercado.
Alguns analistas podem optar por utilizar os dados agregados diretamente nas soluções próprias de cada rede social, como o Facebook Audience Insights e o Twitter Analytics; ou requisitar esses dados diretamente dos servidores das redes sociais via API, armazenando localmente e obtendo mais possibilidades de análise e cruzamento das informações.
A questão é que organizar e manter essas requisições de API de forma adequada e sempre de maneira funcional, independentemente das novas versões disponibilizadas e das restrições impostas pelas empresas donas dessas redes sociais, é uma tarefa muito árdua e que exige uma equipe de Data Science dedicada e bem estruturada, capaz de manter um Data Warehouse de múltiplas entradas e conexões. Algo que foge do alcance de muitas agências e empresas que querem monitorar suas marcas no ambiente online de forma fácil e rápida.
Para isso estão disponibilizadas diversas ferramentas de monitoramento de redes sociais pela Internet. Soluções que prometem integrar os dados dessas múltiplas mídias, gerar relatórios e insights, além de permitir que o usuário categorize os dados coletados na própria plataforma.
Neste presente artigo vou citar as duas principais soluções do mercado brasileiro: V-Tracker e Stilingue.
O V-Tracker e o Stilingue, de modo resumido, são ferramentas de coleta de comentários e publicações que através do cadastro de fontes e links de postagens é capaz de fornecer um espaço de categorização manual e automática de comentários e publicações, além de disponibilizar dashboards com gráficos, tabelas e nuvens que tentam gerar insights sobre os dados coletados.
Os relatórios e dashboards disponibilizados por essas duas ferramentas são excelentes e podem gerar insights importantes para uma campanha ou para o monitoramento de uma marca, mas por conta da pré-determinação dos modelos de visualização de dados a análise desses dados pode ficar engessada. Equipes que buscam gerar novas análises, realizar novos cruzamentos de dados entre as mídias e outras dados externos, além de criar visualizações mais criativas e funcionais para os seus dados acabam optando por uma terceira via.
Essa terceira via é obter os dados dessas ferramentas via API, que ficam responsáveis por agregar os dados das mídias sociais e disponibilizar uma plataforma de categorização mais acessível, e através de softwares estatísticos, como SPSS, R e Python, modelar e manipular esses mesmos dados, construindo novas formas de relacionar e visualizar essas informações em ferramentas de dashboard customizáveis e acessíveis.
Tanto o V-Tracker quanto o Stilingue fornecem o consumo dos dados da plataforma via API Restful, ou seja, é possível obter os dados via uma URL padrão fornecendo um token de acesso e os argumentos de seleção. Geralmente esses dados são disponibilizados no formato JSON, XML ou CSV, que podem ser facilmente lidos em ferramentas de manipulação de dados como o Excel, o Google Sheets, o SPSS, o R e o Python.
Por meio do Excel e do Google Sheets é possível realizar operações mais simples de modelagem e manipulação de dados através das funções nativas de cada ferramenta em uma interface mais amigável, além de uma pequena liberdade de criação de scripts, mas que acaba sendo limitada por conta da baixa capacidade de processar um grande número de dados.
A solução ideal é analisar esses dados através de softwares gratuitos e completos de análise estatística com o R e o Python, que exigem conhecimento da linguagem de programação de cada ferramenta, mas que entregam maior liberdade de modelagem, manipulação e até mesmo visualização de dados. Além disso, as comunidades de cada linguagem fornecem constantemente novas funções e pacotes que facilitam esse processo e geram novas formas de analisar e visualizar os dados.
Em termos de visualização de dados tanto o R quanto o Python já disponibilizam meios interessantes e criativos de gerar novos gráficos, tabelas e mapas, mas que exigem certo domínio e conhecimento da linguagem para gerar dashboards automatizados, customizáveis e de fácil compartilhamento. Portanto é nesse momento que surgem soluções de terceiros que podem facilitar esse trabalho e permitir que os consumidores dessas análises consigam obter insights de modo mais fácil, acessível e atrativo.
A minha recomendação de soluções nessa área são o Google Data Studio e o Power BI da Microsoft. Essas duas ferramentas conseguem gerar em pouco tempo e de modo simples dashboards e relatórios automatizados sem a necessidade do domínio de linguagens como HTML e Java, e de modo a manter uma conexão contínua e estável com as bases de dados que alimentam os mesmos, e independentemente da quantidade de dados conectados.
A grande vantagem do Google Data Studio é o seu fácil compartilhamento e a sua gratuidade, além da rápida integração com as ferramentas próprias de armazenamento de dados do Google, como o Big Query, o Cloud SQL e o Cloud Storage. Já o Power BI da Microsoft tem a desvantagem de ser uma ferramenta paga (pelo menos para obter todas as suas funcionalidades, como o compartilhamento online de dashboards), e a sua grande vantagem em relação à ferramenta do Google é a sua amplitude de ferramentas de visualização de dados e a segurança maior gerada pela possibilidade de armazenar os dados e gerar relatórios em servidores fechados e não em nuvem.
