Анализ поведения пользователей соцсетей с использованием Big Data

Одна из известных мировых социальных сетей обратилась к компании СКЭНД с просьбой о написании ПО для анализа поведения пользователей: количества новых пользователей за день, их активности онлайн, шаблонов поведения, обнаружения вирусных элементов, совместного фильтрования и т.д.

Задача

Заказчик хотел отслеживать цифровые профили пользователей для того, чтобы вся необходимая информация для проведения рекламных кампаний онлайн была под рукой. Таким образом, предполагалось повысить эффективность рекламы в соцсетях. Разработанное решение для социальной сети, основанное на Big Data, обладает следующим функционалом:

  • Обработка огромного массива данных.
  • Автоматическая генерация отчетов.
  • Аналитика представлена в виде таблиц и диаграмм.
  • Режим общего просмотра.
  • Режим просмотра аналитики.
  • Первичный сбор аналитики и ее хранение осуществляется в HBASE с помощью Kafka.
  • Быстрый сбор данных с помощью Cassandra.
  • Генерация запросов на подобии SQL и их обработка в Hive.
  • Таргетированные кампании.

Подход

С учетом необходимости использования Big Data, команда разработчиков решила применить для улучшения аналитики действий пользователей онлайн ультрасовременную платформу, которая обеспечивает гибкий и управляемый доступ к аналитике цифровых профилей пользователей: статического и динамического. Это решение также анализирует различные демографические статистические данные.

Во-первых, специалисты компании СКЭНД по Big Data добавили якоря на каждую страничку социальной сети (изображение, размером 1х1) и такой подход помог маркировать и анализировать активность пользователей через cookie-файлы. Как только появлялся новый пользователь, то на его страничку добавлялся cookie-файл. Вся полученная информация собиралась в HBASE и анализировалась c помощью Kafka.

Во-вторых, эти маркеры собираются с информацией о возрасте, поле, личных тегах пользователей, и т.д. После этого, можно преобразовать ссылки пользователей и оригинальные ссылки в их постах становятся доступными. Другими словами, если такая ссылка помещается на стену, то информация о кликах и интересах пользователей анализируется таким же образом, как и просмотры. Была применена косинусная совместная фильтрация для просмотров и кликов каждого пользователя. Таким образом, если пользователь кликает на похожие ссылки и просматривает похожие стенки, то блок «смотри также» можно сформировать на основе схожих интерсов других пользователей.

Как только получены данные о цифровых профилях, добавляются фильтры на группы по возрасту, полу и тэгам. Такой анализ увеличивает релевантность предлагаемых блоков для просмотра еще на несколько долей процента.

Теперь, таргетированная кампания готова к запуску. Добавлены контрольные группы с «оригинальным» трафиком, а другие группы таргетируются посредством вирусных новостей и специальных объявлений. Также используются заранее подготовленные новости и посты для того, чтобы можно было замерить изменения в моделях поведения пользователей. Такой подход позволяет владельцу социальной сети использовать саму сеть как мощный инструмент по управлению рекламным контентом.

Результат

Внедрение Big Data в работу социальных сетей

Внедрение Big Data в работу социальных сетей, а так же активное использование статистического анализа и активного сбора данных позволяет проекту обеспечить доступ к необходимым ресурсам и позволить рекламной кампании проходить бесперебойно, затрагивать только целевую аудиторию и обеспечить нужный инструментарий. Обычный анализ «контент бустеров» позволяет сделать видимыми любые изменения в цифровом профиле пользователей и ресурсы социальной сети могут быть использованы более эффективно.

Вам нужен похожий проект?

Свяжитесь с нами

Наша команда к вашим услугам! Напишите нам, и мы ответим вам в ближайшее время.

Спасибо, что написали нам! Ваше сообщение было успешно отправлено. Мы обязательно ответим на него в ближайшее время. Пожалуйста, проверьте, получили ли Вы от нас письмо-подтверждение на указанную Вами почту.