O Que Muda E Como Se Preparar

Neste primeiro de maio, ironicamente, o Facebook passou a "dificultar" o serviço dos profissionais da querida área de monitoramento de redes sociais. Nessa data, passaram a valer as recentes regras das APIs do Facebook. O principal choque pro mercado de supervisionamento de redes sociais é que nenhuma ferramenta, nem sequer usuário, será capaz de fazer arrecadação de fatos brutos a partir de procura de termos. Isso significa que não teremos mais acesso ao texto bruto ou ao perfil dos usuários (nem sequer nome e avatar!) de quem mencionar as marcas em suas timelines (fora de páginas e grupos).

Os impactos negativos desta modificação são os mais óbvios e imediatos. Em primeiro local, as marcas que tentavam localizar dificuldades específicos de compradores individuais a partir do supervisionamento de posts públicas não poderão mais fazê-lo. Agências e consultorias de procura que realizavam estudos qualitativos baseados no modo discursivo/expressivo de usuários não poderão mais fazer isto no Facebook (por esse caso há algumas possibilidades, mas de pequeno escala - e conteúdo para outro artigo). Ações de engajamento que envolviam a participação ativa dos usuários em seus próprios perfis assim como minguarão, uma vez que não será possível monitorar as menções para reportar resultados. Tudo isso traz impactos óbvios para os modelos de serviços e receita de agências e ferramentas. Todavia chorar pelo leite derramado não socorro.

Dessa maneira vamos aproveitar o que for possível, dadas as condições. Segue uma listagem de objetos comentados que pode acudir muito agora de disrupção. Não duvido nada que, daqui um tempo, muitas pessoas chegarão perguntando: alguém conhece uma ferramenta sem custo algum que pegue esses fatos do Facebook? E ainda por cima irão xingar o Facebook por ter restrito os detalhes desta maneira.

• 
  
  • Estar pronto para vender
  
  

• 
  
  • Planeje bem tudo o que pretende expor na reunião
  
  

• 
  
  • Teorias pra tudo
  
  

• 
  
  • Suporte para montar seu salão de cabeleireiro
  
  

Se você quer dados legais, bem agregados, organizados, não só no Facebook, no entanto em todas as algumas redes, você deve pagar por uma ferramenta. Social media não é gratuitamente, como ainda muita gente pensa. Há um trabalho sério por trás de tudo. Antes de deslocar-se pra dicas técnicas, gostaria de recordar da importancia de se refletir a atuação por esse mercado não só em termos da receita que você vai receber hoje com uma plataforma específica.

Contudo assim como em termos de saúde da internet como um todo. O modelo de negócio do Facebook , ao inverso de organizações como Google e Twitter, não se baseia pela livre circulação de dicas na web, mas sim na construção de barreiras para que tudo fique dentro do Facebook. Não é à toa que Tim Berners-Lee, um dos inventores da web, alertou sobre o perigo que o Facebook traz aos princípios da Web.

Ano passado, nos dez anos do Facebook, escrevi como o Facebook ficou um "ponto obrigatório de passagem", um grau de centralização de poder muito prejudicial. Para comparar, recomendo o texto, também de minha autoria "250 milhões de motivos para defender o Twitter". Para uma visão mais ligada à pesquisa acadêmica, leia o ótima texto "The redistribution of methods: on intervention in digital social research, broadly conceived", da Noortje Marres. De 2012, discute como a abundância de dados sociais hoje traz novas oportunidades e desafios pra construção de entendimento, de forma especial para a busca acadêmica. Um dos motivos é a centralização destes fatos em organizações como Facebook e Google.

3 anos depois, o Facebook piorou bastante a ocorrência pra todos. Então, falaremos de como se aprontar pro novo paradigma de supervisionamento no Facebook. Em primeiro território, uma pequena revisão de como vai funcionar. Como falamos acima, o Facebook não entregará os detalhes brutos pra nenhuma ferramenta. Nem sequer pra Datasift, fornecedora de detalhes (que ferramentas como o BrandCare contratam).

A Datasift vai ser a intermediária pra aplicação das regras nos fatos, por meio de sistemas como Biblioteca de Classifiers, Modelos Baseados em Regras e Machine Learning Models. Um detalhe relevante pra mencionar é que esse processamento de detalhes não acontecerá nem sequer nos servidores da Datasift. Entretanto dentro dos servidores do Facebook. O defeito (e chance) dessas 3 lógicas é que a análise de sentimento ou classificação automatizada são, como todos sabem, qualquer coisa muito complexo. E consideravelmente imprecisa. Abaixo temos um exemplo de configuração na interface da Datasift.

Em ótimo português, uma das linhas significa que textos sobre o assunto estas marcas automotivas sendo monitoradas que contenham as expressões "recall, fault, broke down ou broken" serão marcadas com o código de Feature(Característica/Estilo) chamado Reliability (Confiabilidade). Em ferramentas de monitoramento, como o BrandCare, transformamos o estabelecimento de regras para uma forma bem fácil como pela tela abaixo. Ou seja, para o usuário conclusão, o estabelecimento de regras simples como estas é alguma coisa bem simples.

No modelo, esta série de expressões como "barato" e "caro" são ligadas a um atributo: por este caso o aspecto "Preço". Isso significa que, quanto às regras, porção das práticas que serão feitas com a transformação de detalhes no Facebook de imediato são realizadas em alguns projetos de monitoramento. No caso acima, esta e muitas novas regras são transformadas em gráficos com indicadores sobre isso as marcas monitoradas.

Exemplificando, uma série de regras e parâmetros customizados são enviados pro Facebook e ele retorna fatos que serão transformados pelas ferramentas em gráficos. É como ocorre no momento em que se usa regras geralmente. Contudo há um grande ponto que, pela minha avaliação, é um dos mais problemáticos nesta alteração. Quem trabalha bem com regras de processamento de texto/linguagem natural, avanço continuamente os dados ao averiguar, em amostras dos textos, se tais regras resultaram em aplicações adequadas de códigos, tags e sentimento.

Mas isto não será possível mais com o Facebook. Você não conseguirá ver nos próprios detalhes se aquelas duzentos regras adicionadas que processam 4 1 mil palavras chave para gerar 40 tags diferentes estão 100% precisas. Para fazer isto, será preciso recorrer a uma sabedoria ampla das execuções de conversação, além de trabalhar com modelagem e testes, usando outros parâmetros textuais pra se aplicar aos textos do Facebook.