Compartilhe o registro |
|
Use este identificador para citar ou linkar para este item:
https://tede2.pucrs.br/tede2/handle/tede/9974
Tipo do documento: | Dissertação |
Título: | Visual analysis approach for brands perception on social media |
Título(s) alternativo(s): | Abordagem de análise visual para a análise de marcas em redes sociais |
Autor: | Scherer, Joana Pacheco |
Primeiro orientador: | Manssour, Isabel Harb |
Resumo: | Due to the exponential growth and the quick feedback provided, Social Media has become an important information source for many areas. The thousands of data generated daily transformed Social Media into a reliable, fast, and relatively low-cost data source. So, brands note that they could use Social Media data as a marketing tool to obtain quick feedback about their products and services. However, analyzing a brand thru its Social Media is not a trivial task and raises challenges like data gathering and data analysis. To benefit from Social Media data, brands need tools that help them understand the vast amount of generated data. These tools need to be easy-to-use for brands managers that do not have programming knowledge. Thus, the objective of this work is to provide a visual analysis approach with several interactive visualization techniques to help brands obtain insights about the collected data from three social networks: Twitter, Instagram, and YouTube. Our approach provides a pipeline that can be easily extended and used without needing programming knowledge. Furthermore, three case studies are presented to demonstrate possible insights that can be identified using our approach. |
Abstract: | Devido ao seu crescimento exponencial e sua rápida capacidade de prover feedback, as redes sociais tornaram-se importantes fontes de informação para diversas áreas. A grande quantidade de dados gerados diariamente fez das redes sociais fontes de dados confiáveis, rápidas e de baixo custo. Desta forma, as marcas perceberam que poderiam utilizá-las como ferramentas de marketing para obter um rápido retorno a respeito de seus produtos e serviços. Todavia, a análise uma marca através de suas redes sociais não é trivial e apresenta desafios tais como a coleta, análise, filtrage e organização dos dados. Para que a marca possa beneficiar-se dos dados obtidos através de de redes sociais, é necessários o desenvolvimento de ferramentas que auxiliem no seu entendimento. Essas ferramentas devem ser de fácil utilização pelos gestores das marcas, sem que seja necessário noções de programação. Neste contexto, o objetivo deste trabalho é prover uma abordagem de análise visual interativa, composta por várias técnicas de visualização, que auxilie a marca a obter vantagem dos dados provenientes de três redes sociais: Twitter, Instagram e YouTube. Nossa abordagem provê um pipeline que pode ser facilmente atualizado, sem a necessidade de programar. Além disso, são apresentados três estudos de caso que demonstram a possibilidade de obter várias informações a respeito dos dados coletados através do uso da nossa abordagem. |
Palavras-chave: | Social Media Visual Analysis Interactive Visualizations Redes Sociais Análise Visual Visualizações Interativas |
Área(s) do CNPq: | CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
Idioma: | eng |
País: | Brasil |
Instituição: | Pontifícia Universidade Católica do Rio Grande do Sul |
Sigla da instituição: | PUCRS |
Departamento: | Escola Politécnica |
Programa: | Programa de Pós-Graduação em Ciência da Computação |
Tipo de acesso: | Acesso Aberto |
Restrição de acesso: | Trabalho não apresenta restrição para publicação |
URI: | http://tede2.pucrs.br/tede2/handle/tede/9974 |
Data de defesa: | 18-Jan-2021 |
Aparece nas coleções: | Programa de Pós-Graduação em Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
JOANA PACHECO SCHERER_DIS.pdf | JOANA_PACHECO_SCHERER_DIS | 5,45 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.