Wie tickt das Publikum?
Social-Media- und Big Data-Ansätze zum „Selbermachen“

Benedikt Koehler, d.core GmbH
@furukama

Nü...
Data - You‘re Soaking In It!

Quelle: http://www.flickr.com/photos/robotbastard/82761504
Die mobile Revolution

Quelle: Eigene Visualisierung der Nutzung von Facebook (blau) und Whatsapp (rot) in einem Mobile Pa...
Die mobile Revolution
Sessions im Tagesverlauf

Werktag

Wochenendtag

Quelle: Durchschnittliche Nutzung der Wecker-App im...
Echtzeit: Was bewegt Nutzer gerade jetzt?

Quelle: http://datasift.com
Places: Was passiert wo im Sendegebiet?

Quelle: Geokodierte Tweets in München und Umgebung sowie am Flughafen München. Ei...
Netzwerke: Wie hängen Dinge zusammen?

Quelle: Netzwerkanalyse von Instagram-Posts zum Hashtag #pasta. Eigene Analyse: htt...
Vorhersagen: Wie entwickeln sich die Dinge?

Quelle: Eigene Auswertung der Google Trends-Daten (li.) sowie Vorhersage von ...
Social-Media-Monitoring mit SocialMention

Quelle: http://socialmention.com
„Reichweiten“messung mit TweetReach

Quelle: http://tweetreach.com
Lokale Trends erfassen mit Trendsmap

Quelle: http://trendsmap.com
Monitoring und Analyse mit TAGS 5.0

Quelle: Twitter-Monitoring mit TAGS 5.0 und Google Documents. Mehr Informationen: htt...
Twitter-Mining mit NodeXL

Quelle: Netzwerkanalyse mit NodeXL und Excel. Download: http://nodexl.codeplex.com/
Visualisierung mit Gephi

Download unter http://gephi.org
Datenbasiertes Gedankenlesen
Big Data für
…
Vermarktung
• Besonderer Zielgruppen
• Meinungsführerschaft
• Ranking / Einflu...
Ergebnis: Datenbasiertes Gedankenlesen

Quelle: http://www.flickr.com/photos/jbcurio/2667086608/sizes/o/in/photostream/
Fragen?
Dr. Benedikt Koehler
koehler@dcore.de
@furukama
Nächste SlideShare
Wird geladen in …5
×

Wie tickt das Publikum?

614 Aufrufe

Veröffentlicht am

Vortrag über Social-Media- und Big-Data-Ansätze mit Bordmitteln auf den Lokalrundfunktagen 2013 in Nürnberg

0 Kommentare
2 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
614
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
4
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
2
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Wie tickt das Publikum?

  1. 1. Wie tickt das Publikum? Social-Media- und Big Data-Ansätze zum „Selbermachen“ Benedikt Koehler, d.core GmbH @furukama Nürnberg, 10.7.2013
  2. 2. Data - You‘re Soaking In It! Quelle: http://www.flickr.com/photos/robotbastard/82761504
  3. 3. Die mobile Revolution Quelle: Eigene Visualisierung der Nutzung von Facebook (blau) und Whatsapp (rot) in einem Mobile Panel (Arbitron Mobile, jetzt: Nielsen Radio)
  4. 4. Die mobile Revolution Sessions im Tagesverlauf Werktag Wochenendtag Quelle: Durchschnittliche Nutzung der Wecker-App im Tagesverlauf (Daten: Arbitron Mobile, jetzt: Nielsen Radio), eigene Darstellung
  5. 5. Echtzeit: Was bewegt Nutzer gerade jetzt? Quelle: http://datasift.com
  6. 6. Places: Was passiert wo im Sendegebiet? Quelle: Geokodierte Tweets in München und Umgebung sowie am Flughafen München. Eigene Darstellung.
  7. 7. Netzwerke: Wie hängen Dinge zusammen? Quelle: Netzwerkanalyse von Instagram-Posts zum Hashtag #pasta. Eigene Analyse: http://beautifuldata.net/2012/04/pastagram/
  8. 8. Vorhersagen: Wie entwickeln sich die Dinge? Quelle: Eigene Auswertung der Google Trends-Daten (li.) sowie Vorhersage von Filmeinspielergebnissen Barthelemy et al (2012) http://cs229.stanford.edu/proj2012/BarthelemyGuilloryMandal-UsingTwitterDataToPredictBoxOfficeRevenues.pdf
  9. 9. Social-Media-Monitoring mit SocialMention Quelle: http://socialmention.com
  10. 10. „Reichweiten“messung mit TweetReach Quelle: http://tweetreach.com
  11. 11. Lokale Trends erfassen mit Trendsmap Quelle: http://trendsmap.com
  12. 12. Monitoring und Analyse mit TAGS 5.0 Quelle: Twitter-Monitoring mit TAGS 5.0 und Google Documents. Mehr Informationen: http://mashe.hawksey.info/2013/02/twitter-archive-tagsv5/
  13. 13. Twitter-Mining mit NodeXL Quelle: Netzwerkanalyse mit NodeXL und Excel. Download: http://nodexl.codeplex.com/
  14. 14. Visualisierung mit Gephi Download unter http://gephi.org
  15. 15. Datenbasiertes Gedankenlesen Big Data für … Vermarktung • Besonderer Zielgruppen • Meinungsführerschaft • Ranking / Einfluss • Zielgruppenspezifische Werbeformate • Echtzeit-Targeting Programm • Echtzeit-Trends und Themeninteressen • Einbeziehung von Zuschauern / Hörern • Verstärkung der Zuschauer/Hörerbindung • Gewinnung neuer Zuschauer und Hörer
  16. 16. Ergebnis: Datenbasiertes Gedankenlesen Quelle: http://www.flickr.com/photos/jbcurio/2667086608/sizes/o/in/photostream/
  17. 17. Fragen? Dr. Benedikt Koehler koehler@dcore.de @furukama

×