text mining: segmentaciónd de usuarios de twitter. lima metropolitana
Post on 29-Jun-2015
889 Views
Preview:
DESCRIPTION
TRANSCRIPT
1
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Text Mining
#Huamaní Díaz, Lina
#Silva Mestanza, Abraham
2
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Introducción
87
309
750
1292
1529
2009 2010 2011 2012 2013
Evolución de los usuarios peruanos de Twitter (Miles de usuarios)
45%
55%
Actualmente se tiene 1.5
millones de cuentas
El mayor porcentaje de
Tuiteros son hombres
La mayoría de tuiteros es
menor a 25 años.
Mile
s d
e u
su
ario
s
60%
35%
6%
2%
< 25 Años
25-35 Años
36-45 Años
> 45 Años
3
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
¿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.
4
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Linkedin Facebook
Twitter Google +
Redes Sociales
5
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
¿Qué es Twitter?
Twitter es una plataforma social de
las más usadas en la actualidad y en
crecimiento en número de usuarios.
Como plataforma social cada usuario la
usará con un objetivo, chatear, ver lo que
dicen o hacen otras personas, etc.
6
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
¿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?
7
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Aplicación: Segmentación de Usuarios de Twitter en Lima Metropolitana de acuerdo a la naturaleza de sus publicaciones.
8
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
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.
OBJETIVOS
9
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
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.
HIPÓTESIS
10
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
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
11
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
ANÁLISIS DESCRIPTIVO
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%
1% 1% 1% 1% 1%
1% 2%
2% 3%
4% 5%
7% 9% 9%
12% 13%
13% 15%
Ancón
Lurigancho
Pachacamac
Puente Piedra
Punta Hermosa
Independencia
Santa María del Mar
Cieneguilla
Carabayllo
San Juan de Miraflores
Ate
Comas
San Juan de Lurigancho
Surquillo
Rimac
Jesús María
Los Olivos
San Miguel
La Molina
Magdalena del Mar
Cercado de Lima
San Borja
Twiteros por Distrito
12
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Creación de las Variables
Variables Palabras mencionadas relacionadas
Política ollanta,nadine,congreso,alan garcia,alejandro toledo,ministro,politica
Economía bolsa,tlc,dinero,banco,mercado,inversion,economía,exportación,importación,pymes
Celulares ipad,iphone,S4,wifi,smartphone,G3,galaxy,celular
Computadora 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 cantante,canción,disco,video clic,discoteca,compositor,fiesta,musica,concierto,giras,ritmo,radio
Teatro teatro,libreto,personajes,taquilla,obras,actor,elenco,actriz,comedia,drama
Cine trailer,cartelera,estreno,asu mare,cinescape
Juegos gamers,starcraft,play2,pla3,video juegos,juegos online,dota,playstation,ps3,ps2,psvita,xbox,wii,3d,god of war,psp
Salud salud,medicina,pastilla,vacunas,virus,gripe,epidemias,cancer, naturista,hospital,paciente,essalud,clínica,médico,doctor,enfermera
Sentimiento amor,cariño,flechazo,corazón,amistad,enamorado,novio,matrimonio,boda,cupido,divorcio,love,amante
Turismo 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
Gastronomía gastón acurio,sopa,postres,reposteria,restaurante,mixtura,cebiche,pollo a la brasa,dieta
Otros Otras palabras encontradas
13
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Temas de publicación
3.8%
3.9%
4.4%
5.1%
6.1%
6.1%
6.2%
6.2%
6.6%
7.2%
7.5%
8.0%
9.1%
9.7%
10.2%
Salud
Deporte
Otros
Política
Farandula
teatro
gastronomía
Economía
Musica
Turismo
cine
sentimientos
juegos
Computadoras
Celulares
14
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
SEGMENTACIÓN 1 2
Gamers Tecnológicos
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
Absolutos 361 317
% 24.1% 21.1%
Juegos 96.1% 41.0%
Sentimientos 4.4% 5.0%
Computadoras 8.0% 99.1%
Otros 37.4% 9.8%
Economía 19.4% 12.9%
Celulares 12.2% 96.5%
Política 3.6% 9.1%
Turismo 7.8% 21.5%
Salud 15.0% 22.0%
Teatro 13.9% 29.3%
gastronomía 16.3% 8.5%
Cine 14.7% 19.2%
Música 8.6% 41.0%
Farándula 14.7% 30.6%
Deporte 8.6% 37.5%
c
Descripción
Nombre
Tamaño
Menciones
en cada una
de las
variables
del estudio
15
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
SEGMENTACIÓN 3 4
Románticos Ejecutivos
Los Románticos está conformado
por aquellas personas las cuales
suelen escribir palabras de amor,
ya sean poemas o frase, también
y en menor intensidad comentan
sobre la farándula local y les gusta
seguir todo lo respecto a la
música
Los ejecutivos son los que
comentan todo respecto a lo que
es política y economía ya que está
relacionado con lo que los
apasiona, es decir su trabajo, así
mismo se ve que opinan sobre
salud aspecto que en otros
estudias se ha visto es importante
dentro de los ejecutivos jóvenes
283 199
18.9% 13.3%
3.2% 6.0%
98.9% 32.2%
22.3% 12.6%
14.5% 11.6%
8.1% 84.4%
9.2% 43.2%
10.2% 80.9%
29.3% 29.6%
6.4% 66.8%
18.0% 25.6%
30.4% 27.1%
36.4% 24.6%
50.9% 19.1%
52.3% 23.1%
20.8% 5.5%
Absolutos
%
Juegos
Sentimientos
Computadoras
Otros
Economía
Celulares
Política
Turismo
Salud
Teatro
gastronomía
Cine
Música
Farándula
Deporte
c
Descripción
Nombre
Tamaño
Menciones
en cada una
de las
variables
del estudio
16
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
SEGMENTACIÓN 5 6
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.
194 146
12.9% 9.7%
24.2% 15.1%
22.2% 0.0%
12.4% 9.6%
11.3% 95.2%
56.7% 11.6%
32.0% 13.0%
6.7% 10.3%
93.8% 8.2%
13.9% 5.5%
20.1% 2.1%
21.6% 8.9%
14.4% 24.7%
10.3% 13.7%
11.3% 8.9%
4.1% 8.2%
Absolutos
%
Juegos
Sentimientos
Computadoras
Otros
Economía
Celulares
Política
Turismo
Salud
Teatro
gastronomía
Cine
Música
Farándula
Deporte
c
Descripción
Nombre
Tamaño
Menciones
en cada una
de las
variables
del estudio
17
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
Tamaño de los segmentos encontrados
Relajados13%
Diversos 10%
Gamers24%
Tecnológicos 21%
Románticos 19%
Ejecutivos 13%
18
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
SEGMENTOS POR DISTRITO
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 Distrito Ejecutivos Gamers Otros Relajados Románticos Tecnológicos Total general
41 San Borja 10.8% 36.2% 9.1% 5.6% 16.4% 22.0% 15%
18 Miraflores 14.9% 10.4% 7.0% 23.9% 21.9% 21.9% 13%
1 Cercado de Lima 13.6% 24.6% 11.0% 11.0% 17.8% 22.0% 13%
27 San Isidro 13.5% 23.6% 11.8% 14.0% 16.9% 20.2% 12%
17 Magdalena del Mar 11.2% 26.1% 14.2% 14.9% 16.4% 17.2% 9%
14 Lince 15.2% 20.5% 13.6% 9.1% 17.4% 24.2% 9%
12 La Molina 11.0% 22.0% 6.0% 12.0% 28.0% 21.0% 7%
33 Santiago de Surco 15.3% 26.4% 8.3% 8.3% 19.4% 22.2% 5%
32 San Miguel 7.1% 25.0% 12.5% 16.1% 19.6% 19.6% 4%
30 San Luis 22.9% 16.7% 8.3% 12.5% 27.1% 12.5% 3%
39 Los Olivos 6.7% 23.3% 10.0% 10.0% 16.7% 33.3% 2%
13 La Victoria 12.0% 36.0% 4.0% 16.0% 16.0% 16.0% 2%
11 Jesús María 26.3% 21.1% 10.5% 10.5% 10.5% 21.1% 1%
19
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
CONCLUSIONES
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.
20
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
OPORTUNIDADES
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.
21
Company Proprietary and Confidential Copyright Info Goes Here Just Like
This
GRACIAS!!!
top related