Persbericht

12 november, 2008

Nieuwe kijk op sociale netwerken biedt marketeers waardevolle informatie

~ SPSS helpt bij segmentatie van netwerkers op LinkedIn ~

De grote hoeveelheid en diversiteit aan online sociale netwerken biedt marktonderzoekers een efficiënte en effectieve manier om waardevolle informatie te verzamelen. De netwerksites zijn een rijke bron van meningen van onder andere beslissingnemers, waarvan de meeste meer dan bereid zijn hun visie te delen. Dit blijkt uit onderzoek van Anderson Analytics en SPSS, wereldwijd leverancier van software-oplossingen voor predictive analytics. Het onderzoek werd gehouden in samenwerking met LinkedIn, de zeer populaire netwerksite voor zakelijke contacten.

Onderzoek wijst uit dat 86 procent van de respondenten niet participeert in andere online panelonderzoeken. Hiervan is het merendeel (66 procent) betrokken bij besluitvorming of oefent hier invloed op uit. Daarnaast werd duidelijk dat deze leden het meest actief zijn op het zakelijke netwerk en over de meeste 'connections' beschikken. Dit geeft marktonderzoekers de mogelijkheid om toegang te krijgen tot de rijkste bron aan opinies, en in contact te komen met de beïnvloeders binnen de groep.

Door gebruik te maken van SPSS Predictive Analytics data- en text mining-software, lukte het Anderson Analytics om vier netwerkgroepen te identificeren binnen de dertig miljoen leden van LinkedIn. Er is een onderverdeling gemaakt tussen 'Savvy Networkers', 'Senior Executives', 'Late Adopters' en 'Exploring Options'. Dit illustreert hoe marktonderzoekers diverse groepen kunnen herkennen en het beste met deze individuen kunnen communiceren op basis van hun participatieniveau op de netwerksite.

De populariteit en het steeds belangrijker worden van Web 2.0 en sociale netwerken zorgt ervoor dat marketeers constant bezig zijn met het vinden van de juiste manier om hun voordeel te halen uit al deze informatie. Daarnaast zijn ze bezig om direct toegang te krijgen tot de leden van LinkedIn.

Sociale netwerken zoals LinkedIn veranderen de manier waarop organisaties kijken naar, en reageren op, de behoeften en het gedrag van hun klanten. Netwerksites bieden nieuwe mogelijkheden voor marketeers om te communiceren met moeilijk te bereiken groepen door middel van gerichte reclame. Het feit dat leden via de website met elkaar in contact staan, maakt het inzetten van marketing gericht op mond-tot-mondreclame extra aantrekkelijk.

"Onze bevindingen laten zien dat sociale netwerkdiensten specifieke groepen respondenten kunnen leveren die bereid zijn om mee te werken aan onderzoek," zegt Tom H.C. Anderson, managing partner bij Anderson Analytics. "Dit biedt markonderzoekers de kans om inzicht te krijgen in de voorkeuren, beweegredenen en intenties van specifieke doelgroepen. Door sociale netwerkdiensten is het mogelijk om op een goedkope, gemakkelijke en efficiënte manier miljoenen consumenten te bereiken die met panelonderzoek of focusgroepen niet bereikbaar zijn."

SPSS Predictive Analytics data- en text mining-software maakt het voor marktonderzoekers mogelijk om ongestructureerde data binnen sociale netwerken te onderzoeken. Dit vergroot het inzicht in gevoelens, voorkeuren en meningen van specifieke groepen. Hierdoor kunnen betrouwbaardere conclusies worden getrokken over consumentengedrag.

"SPSS' Predictive Analytics-software maakt het eenvoudiger om feedback te verzamelen, klantdata te analyseren, verschillende doelgroepen te segmenteren en vervolgens bruikbare resultaten in te zetten om marketing te optimaliseren", zegt Bernadette Hulswit, Marketing Manager Benelux bij SPSS. "Hiermee wordt de klanttevredenheid vergroot, klantverloop tegengegaan en de omzet verhoogd."

De vier categorieën van netwerkers zijn onderverdeeld op basis van data-analyse op het gebied van gedrag en attitude. Zo is er gekeken naar de hoeveelheid connecties, hoe vaak er wordt ingelogd, de gebruiksstijl en netwerkinteresses.

'Savvy Networkers' (9 miljoen) zijn vaak al langer lid dan andere leden, beter technisch onderlegd en vaak ook actief op andere sociale netwerken zoals Facebook. Savvy Networkers hebben de meeste connecties, namelijk 61 gemiddeld. Daarnaast maken ze meer dan andere leden van LinkedIn gebruik van de verschillende netwerkopties. Savvy Networkers hebben het tweede hoogste gemiddelde inkomen (93.500 dollar) in vergelijking met de andere groepen.

'Senior Executives' (8,4 miljoen) beschikken vaak in mindere mate over technische kennis dan de Savvy Networkers en gebruiken LinkedIn om hun bestaande zakelijke contacten te onderhouden. Ze hebben een hoog functieprofiel en worden vaak door een collega uitgenodigd op LinkedIn. Hierdoor merken ze dat veel belangrijke contacten aanwezig zijn op LinkedIn en vervolgens bouwen ze verder aan hun netwerk. Gemiddeld hebben ze 32 connecties. Senior Executives hebben het hoogste gemiddelde inkomen (104.000 dollar).

'Late Adopters' (6,6 miljoen) zijn al regelmatig door vrienden en collega's uitgenodigd om zich aan te melden bij LinkedIn voordat ze daadwerkelijk lid worden. Ze zijn geneigd om alleen vrienden en collega's in hun netwerk op te nemen en hebben de minste connecties (gemiddeld 23). Late Adopters hebben het laagste gemiddelde inkomen (88.000 dollar).

'Exploring Options' (6,1 miljoen) zijn mogelijk voorzien van werk, maar staan open voor baanaanbiedingen en kijken vaak op vacaturewebsites. Dit komt wellicht doordat ze - net als de Late Adopters - het laagste inkomen hebben (87.500 dollar). Hun technische kennis is redelijk en ze gebruiken sociale netwerken voor zowel zakelijke als persoonlijke doeleinden.

Onderzoeksmethodologie
Het onderzoek is uitgevoerd door data en text mining onder 65.873 LinkedIn-accounts (wat statistieken oplevert met een nauwkeurigheid van circa 0,39 procent). Er zijn datavisualisatie-applicaties gebruikt om overzichtelijk te maken hoe duizend accounts uit de VS en duizend internationale "seed-accounts" in contact staan met hun 51.873 directe connecties. Verder hebben 793 LinkedIn-leden deelgenomen aan een 10 minuten durend onderzoek. Dit onderzoek leverde statistieken op met een betrouwbaarheidsinterval van circa 3,48 procent. De analyse is uitgevoerd door Anderson Analytics met behulp van SPSS Predictive Analytics data mining, text mining en data collectie software.

(883 woorden)