¿De que hablan los usuarios de Twitter en Lima Metropolitana? ¿Qué perfil tienen los usuarios de Twitter? ¿Como se aplica el Text Mining en redes sociales?
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
1. 1
Text Mining
#Huamaní Díaz, Lina
#Silva Mestanza, Abraham
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
2. Introducción
2
La mayoría de tuiteros es
menor a 25 años.
Actualmente se tiene 1.5
Evolución de los usuarios peruanos
demillones de de usuarios)
Twitter (Miles cuentas
1529
750
309
87
2009
2010
2011
2012
> 45 Años 2%
Miles de usuarios
1292
2013
36-45 Años
6%
35%
25-35 Años
< 25 Años
60%
El mayor porcentaje de
Tuiteros son hombres
45%
55%
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
3. ¿Qué es Text Mining?
El text mining es el análisis de
información no estructurada, la cual se
puede encontrar en redes sociales.
La minería de datos no estructurados
o text mining, usará modelamiento
estadístico y técnicas de aprendizaje
para convertir este lenguaje
en
información de interés para el usuario.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
3
5. ¿Qué es Twitter?
5
Twitter es una plataforma social de Como plataforma social cada usuario la
las más usadas en la actualidad y en usará con un objetivo, chatear, ver lo que
crecimiento en número de usuarios. dicen o hacen otras personas, etc.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
6. ¿Que tan valioso es twitter para los estadísticos?
•
•
•
•
•
¿Es una gran fuente de datos a explotar?
¿Qué se hace con esta información?
¿Es aplicable la estadística a este tipo de datos?
¿Se pueden usar todas las técnicas estadísticas
con estos datos?
¿La data es libre?
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
6
7. 7
Aplicación:
Segmentación de Usuarios de Twitter en Lima
Metropolitana de acuerdo a la naturaleza de
sus publicaciones.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
8. OBJETIVOS
8
Objetivo general:
Determinar los diferentes segmentos que agrupan a los usuarios de
«Twitter» en Lima Metropolitana de acuerdo al tema de sus
publicaciones.
Objetivos específicos:
Identificar al segmento que contiene la mayor parte de los usuarios de
«Twitter» en Lima metropolitana según el tema de publicación.
Establecer cuáles son los distritos de Lima Metropolitana con mayor
actividad tuitera.
Conocer que segmentos son los más relevantes dentro de los distritos
de Lima metropolitana con mayor actividad tuitera.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
9. HIPÓTESIS
9
Hipótesis general:
Existen diferentes segmentos o grupos que contienen a los usuarios de
«Twitter» en Lima Metropolitana, de acuerdo al tema de sus
publicaciones.
Hipótesis específicas:
El segmento que contiene a la mayor proporción de usuarios de
«Twitter» en Lima Metropolitana, según el tema de sus publicaciones,
es el referido a los sentimientos tales como el amor («Análisis
sentimental»).
Los distritos con mayor actividad tuitera en Lima Metropolitana son
Miraflores, San Borja y Lince.
Los segmentos más relevantes en los distritos con mayor actividad
tuitera de Lima Metropolitana son los referidos a temas sociales, tales
como el amor, la música y los deportes.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
10. DISEÑO MUESTRAL
Tipo de Investigación: Cuantitativa concluyente
Universo: Usuarios de twiter de los 43 distritos de Lima Metropolitana (No incluye la
provincia constitucional del Callao)
Marco Muestral: Usuarios registrados dentro de Lima Metropolitana
Método de muestreo: Selección aleatoria simple.
Tipo de Población: Población infinita (1.5 millones de usuarios de Twiter de Lima
Metropolitana
Nivel de confianza: 95%
Margen de Error: 2.5%
Tamaño de muestra: 1500 usuarios
Periodo de Análisis: Del 04 de Junio al 04 de Julio
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
10
11. ANÁLISIS DESCRIPTIVO
11
Twiteros por Distrito
San Borja
Cercado de Lima
Magdalena del Mar
La Molina
San Miguel
Los Olivos
Jesús María
Rimac
Surquillo
San Juan de Lurigancho
Comas
Ate
San Juan de Miraflores
Carabayllo
Cieneguilla
Santa María del Mar
Independencia
Punta Hermosa
Puente Piedra
Pachacamac
Lurigancho
Ancón
Company Proprietary and Confidential
This
2%
2%
1%
1%
1%
1%
1%
1%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
4%
3%
Copyright Info Goes Here Just Like
5%
7%
9%
9%
13%
13%
12%
15%
12. Creación de las Variables
12
Variables
Política
Economía
Celulares
Computadora
Palabras mencionadas relacionadas
ollanta,nadine,congreso,alan garcia,alejandro toledo,ministro,politica
bolsa,tlc,dinero,banco,mercado,inversion,economía,exportación,importación,pymes
ipad,iphone,S4,wifi,smartphone,G3,galaxy,celular
computadora,tablet,laptop,toshiba,sony,touch,vaio,hp
Deporte
futbol,deporte,voley,markarian,gol,manuel burga,claudio pizarro,paolo guerrero,
estadio,jefferson farfan,universitario,arbitro,clásico,estadio,alianza lima,hinchas,selección de futbol,mundial brasil
Musica
Teatro
Cine
cantante,canción,disco,video clic,discoteca,compositor,fiesta,musica,concierto,giras,ritmo,radio
teatro,libreto,personajes,taquilla,obras,actor,elenco,actriz,comedia,drama
trailer,cartelera,estreno,asu mare,cinescape
Juegos
Salud
gamers,starcraft,play2,pla3,video juegos,juegos online,dota,playstation,ps3,ps2,psvita,xbox,wii,3d,god of war,psp
salud,medicina,pastilla,vacunas,virus,gripe,epidemias,cancer,
naturista,hospital,paciente,essalud,clínica,médico,doctor,enfermera
Sentimiento
Turismo
amor,cariño,flechazo,corazón,amistad,enamorado,novio,matrimonio,boda,cupido,divorcio,love,amante
machupichu,guia,feriado,turismo,viaje,vuelo,hotel,tour,viaje
Farándula
chollywood,esto es guerra,combate,enemigos publicos,rating,la noche es mia,magaly medina,gran
show,telenovelas
gastón acurio,sopa,postres,reposteria,restaurante,mixtura,cebiche,pollo a la brasa,dieta
Otras palabras encontradas
Gastronomía
Otros
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
14. SEGMENTACIÓN
14
c
1
2
Nombre
Gamers
Tecnológicos
Descripción
Gente cuyas preferencias están
ligados específicamente a todo lo
que tiene que ver con juegos de
video, sus comentarios ván desde
los últimos juegos hasta las
críticas a las consolas de juego
tales como el PS2 o el PS3.
Personas cuya afición es todo lo
relacionado a la tecnología, cuya
tendencia es más fuerte cada día,
así en este segmento
encontraremos a los amantes de
los celulares y computadortas de
moda
361
24.1%
96.1%
4.4%
8.0%
37.4%
19.4%
12.2%
3.6%
7.8%
15.0%
13.9%
16.3%
14.7%
8.6%
14.7%
8.6%
317
21.1%
41.0%
5.0%
99.1%
9.8%
12.9%
96.5%
9.1%
21.5%
22.0%
29.3%
8.5%
19.2%
41.0%
30.6%
37.5%
Absolutos
%
Juegos
Sentimientos
Computadoras
Otros
Economía
Menciones Celulares
en cada una Política
de las
Turismo
variables Salud
del estudio Teatro
gastronomía
Cine
Música
Farándula
Deporte
Tamaño
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
15. SEGMENTACIÓN
15
c
3
Nombre
Románticos
Ejecutivos
Los ejecutivos son los que
Los Románticos está conformado
comentan todo respecto a lo que
por aquellas personas las cuales
es política y economía ya que está
suelen escribir palabras de amor,
relacionado con lo que los
ya sean poemas o frase, también
apasiona, es decir su trabajo, así
y en menor intensidad comentan
mismo se ve que opinan sobre
sobre la farándula local y les gusta
salud aspecto que en otros
seguir todo lo respecto a la
estudias se ha visto es importante
música
dentro de los ejecutivos jóvenes
Descripción
Absolutos
%
Tamaño
Juegos
Sentimientos
Computadoras
Otros
Economía
Menciones Celulares
en cada una Política
de las
Turismo
variables Salud
del estudio Teatro
gastronomía
Cine
Música
Farándula
Deporte
Company Proprietary and Confidential
This
4
Copyright Info Goes Here Just Like
283
18.9%
3.2%
98.9%
22.3%
14.5%
8.1%
9.2%
10.2%
29.3%
6.4%
18.0%
30.4%
36.4%
50.9%
52.3%
20.8%
199
13.3%
6.0%
32.2%
12.6%
11.6%
84.4%
43.2%
80.9%
29.6%
66.8%
25.6%
27.1%
24.6%
19.1%
23.1%
5.5%
16. SEGMENTACIÓN
16
c
5
6
Nombre
Relajados
Diversos
Son personas cuyas principal afición
son los viajes o todo lo relacionado
al turismo, por ello sus princiaples
twits es respecto a lugares turísticos,
recomendaciones de hospedaje, etc
En este segmento se encuentran
todos los twiteros que opinan
respecto a los otros temas que
resultaron en minoría en el análisis
como por ejemplo, el clima, el
medio ambiente, etc.
Descripción
Absolutos
%
Tamaño
Juegos
Sentimientos
Computadoras
Otros
Economía
Menciones Celulares
en cada una Política
de las
Turismo
variables Salud
del estudio Teatro
gastronomía
Cine
Música
Farándula
Deporte
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
194
12.9%
24.2%
22.2%
12.4%
11.3%
56.7%
32.0%
6.7%
93.8%
13.9%
20.1%
21.6%
14.4%
10.3%
11.3%
4.1%
146
9.7%
15.1%
0.0%
9.6%
95.2%
11.6%
13.0%
10.3%
8.2%
5.5%
2.1%
8.9%
24.7%
13.7%
8.9%
8.2%
17. Tamaño de los segmentos encontrados
Ejecutivos Relajados
13%
13%
Románticos
19%
Tecnológicos
21%
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
Diversos
10%
Gamers
24%
17
18. SEGMENTOS POR DISTRITO
18
En el siguiente cuadro observamos cómo están distribuidos los segmentos con
respecto al distrito de los usuarios de Twiter. De dónde observamos que los distritos
con mayor actividad twitera son los distritos de: San Borja, Miraflores, Cercado de
Lima, San Isidro, Magdalena del Mar y Lince.
Código
41
18
1
27
17
14
12
33
32
30
39
13
11
Distrito
San Borja
Miraflores
Cercado de Lima
San Isidro
Magdalena del Mar
Lince
La Molina
Santiago de Surco
San Miguel
San Luis
Los Olivos
La Victoria
Jesús María
Company Proprietary and Confidential
This
Ejecutivos
10.8%
14.9%
13.6%
13.5%
11.2%
15.2%
11.0%
15.3%
7.1%
22.9%
6.7%
12.0%
26.3%
Copyright Info Goes Here Just Like
Gamers
36.2%
10.4%
24.6%
23.6%
26.1%
20.5%
22.0%
26.4%
25.0%
16.7%
23.3%
36.0%
21.1%
Otros Relajados Románticos Tecnológicos Total general
9.1%
5.6%
16.4%
22.0%
15%
7.0%
23.9%
21.9%
21.9%
13%
11.0% 11.0%
17.8%
22.0%
13%
11.8% 14.0%
16.9%
20.2%
12%
14.2% 14.9%
16.4%
17.2%
9%
13.6%
9.1%
17.4%
24.2%
9%
6.0%
12.0%
28.0%
21.0%
7%
8.3%
8.3%
19.4%
22.2%
5%
12.5% 16.1%
19.6%
19.6%
4%
8.3%
12.5%
27.1%
12.5%
3%
10.0% 10.0%
16.7%
33.3%
2%
4.0%
16.0%
16.0%
16.0%
2%
10.5% 10.5%
10.5%
21.1%
1%
19. CONCLUSIONES
19
Los segmentos encontrados son: Gamers, Tecnológicos, Románticos,
Ejecutivos, Relajados y otros.
El segmento con mayor volumen es el de los Gamers y Los Tecnológicos.
Los distritos con mayor actividad twitera son : San Borja, Miraflores,
Cercado de Lima, San Isidro, Magdalena del Mar y Lince. Que
corresponde al 70% de la población Twitera de Lima Metropolitana.
En el distrito de Miraflores los Twiteros tienen mayor preponderancia en
los segmentos Relajados y Romanticos, mientras que en el resto de
distritos no hay algun segmento que resalte.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like
20. OPORTUNIDADES
20
Otro enfoque con el cual se puede trabajar este tipo de segmentaciones es
desde el punto de vista frecuentista, es decir tomando en cuenta la
cantidad de publicaciones que hacen sobre un tema, esto permitiría ya no
sólo trabajar con una segmentación de dos fases si n también con las
segmentaciones clásicas como la jerárquica o la de k medias.
Este tipo de segmentaciones se deberían hacer en forma periódica ya que
está influenciado por los temas que comenta la gente, por ende si hay
alguna noticia de impacto puede provocar ciertos sesgos al momento de
determinar los segmentos dentro de la población.
Sería aconsejable ampliar el periodo de análisis como por ejemplo de 1
año, de tal forma de evitar los temas coyunturales que dificultan una
óptima segmentación.
La segmentación se podría ver enriquecida aumentando al análisis
variables demográficas como por ejemplo género, edad, nivel
socioeconómico, etc.
Company Proprietary and Confidential
This
Copyright Info Goes Here Just Like