社交媒体数据挖掘：尚未开发的潜力

《社交网站的数据挖掘与分析》一书的作者Matthew Russell指出，尽管针对社交媒体数据挖掘的讨论非常多，但真正采取行动的只占少数。针对数据挖掘感知的困难是阻碍社交媒体数据挖掘的一大原因，而Russell认为这样的想法是不对的。拿Twitter来举例，使用熟悉的编程语言Python来对Twitter社交媒体数据进行挖掘并不需要太高级的开发者或数据科学家技能。

对社交媒体数据进行挖掘能够帮助企业获得关键信息，提出API请求，分析销售数据能够让企业使用其中的洞察来驱动进一步的创新。本文中，Russell将为开发者介绍一些关于社交媒体数据挖掘的经验。

在首次进行社交数据挖掘时，Russell建议使用Python语言，因为其语法更加简单，数据结构能够与文本数据兼容。大多数社交媒体实体会以JSON（JavaScript Object Notation）的格式返回数据，它是一个灵活直观、基于文本的数据格式，经常应用于Web环境以便通过网络进行简单或者复杂数据结构之间的通信。Python的核心数据结构与JSON非常相似，因此在处理社交媒体数据的时候不存在门槛问题，开发者可以非常简单地创建请求。

终极数据挖掘平台

每一个社交网络媒介都会为数据挖掘提供一个价值主张，但Russell认为Twitter是最佳的切入点。这与国内的微博平台相类似，它们都有简单且不对称的“加关注”模式，同时有海量的活跃用户基础（Twitter每月的活跃用户数量大概在2.32亿），这对于数据挖掘来说几乎是完美的条件。Russell将这样的应用比喻成繁忙的街道，每个街角都会有人在聊天，在这些人当中总会有一些有用的信号可以梳理出来。

从开发者的角度来看，Twitter特别适合进行数据挖掘（微博与其有很多相似之处），主要由于以下三个原因：

Twitter的API设计优良，访问简单

Twitter数据格式非常方便进行分析

Twitter的数据使用条款相对宽松。他们认为每一条tweet都是可以公开的，任何人都可以访问。另外不对称的关注模型使得你可以访问任何一个注册用户，而无需他通过你的关注请求。

Russell表示，Twitter的易用性加上海量的活跃用户，使得它蕴含了难以估量的价值。然而这些潜在的价值没有得到充分的挖掘，公司管理者以及开发人员也没用把握住社交趋势给他们带来的机遇。

不止是广告那么简单

目前Twitter的数据几乎全都用于声誉管理、品牌推广以及舆情分析，换句话说就是用于广告。Russell认为，随着社会化研究的逐渐深入，当你每月有2亿多活跃用户（每天的活跃用户占比更大）的时候，其实除了广告之外它还隐藏了许多其他的机会。

Russell将Twitter形容为一张兴趣图谱，或者说是一幅兴趣肖像画，它展示了个人以及小团体的兴趣所在。对于小规模群体来说，兴趣图谱可以用来预测购买行为;对于大规模群体来说，它可以用来分析社会化趋势。如果你把“加关注”的关系理解为“我对他有兴趣”的关系（事实上也的确如此），你就拥有了某种非常强大的数据聚合。当兴趣图谱运用到海量规模群体时，它潜在的有价值的洞察力就超越广告本身了。对如此体量的数据进行挖掘，它可能并不会带来直接的购买行为，但它能帮助企业理解市场的走向，特别是一些特定领域市场。目前就有一些对冲基金是在Twitter数据分析基础上设计交易模型的，这可以帮助他们做更智慧的投资。

在Russell看来，Twitter的API价值也不容忽视。API是第三方接入Twitter平台的初始点，也是创新的前提。世界上很多聪明的人会比Twitter公司本身有更多好的点子，Twitter提供的API给了他们更多机会。虽然API的数量足够多，但事实上它也没有得到充分的利用。从一个人起家的创业公司到拥有诸多开发人员的大型企业，每个人都可以利用这些资源或使用第三方的产品来进行创新。

无论是对个人还是对群体，Twitter自我组织、快速增长的数据池为我们提供了关于趋势和兴趣的直接洞察力，但它尚未完全捕获开发人员的想象力。而社交媒体数据挖掘所带来的价值，Twitter只不过是冰山一角。Russell希望企业能够开始把广告作为达到某种目的的手段，他们能够在社交媒体数据创新中发现真正的价值所在。