سنجاقکسنجاقک
خانهپنل سوشالبلاگتماس با مادرباره ما

تمام حقوق محفوظ است.

پنل سوشالتازه‌هاخانهتماس با مادرباره ماAPIکسب درآمد
نماد تأیید MNDCp4CCmcq0FoW65JhBmnSjbmT3Uz6v
۸ عدد در شبکه‌های اجتماعی که کاملاً دقیق به نظر می‌رسند اما در واقع تخمینی هستند

۸ عدد در شبکه‌های اجتماعی که کاملاً دقیق به نظر می‌رسند اما در واقع تخمینی هستند

بسیاری از آمارهای پرکاربرد در شبکه‌های اجتماعی مانند بودجه تبلیغات، نرخ تعامل و درصد فالوورهای فیک، اندازه‌گیری‌های واقعی نیستند بلکه تخمین‌های مدل‌سازی‌شده‌اند. در این مقاله می‌آموزید کدام اعداد واقعی و کدام‌ها تخمینی هستند.

۸ مهر ۱۴۰۵
نویسنده: سعید مقدم
متریک‌های شبکه‌های اجتماعی
تحلیل داده
آنالیز سوسال مدیا
نرخ تعامل
هزینه تبلیغات

عددی که بدون اعشار و گرد کردن ارائه شود، بسیار موثق به نظر می‌رسد؛ اعدادی مثل «۴۷,۳۰۰ دلار هزینه تبلیغات»، «نرخ تعامل ۴.۲ درصدی» یا «امتیاز وایرال بودن ۸۷». وقتی چنین اعدادی را در گزارش‌های ارائه‌شده به مشتری یا کارفرما قرار می‌دهید، معمولاً کسی آن‌ها را زیر سوال نمی‌برد. اما مشکل دقیقا همین‌جاست؛ زیرا بسیاری از پرکاربردترین اعداد در شبکه‌های اجتماعی اصلاً اندازه‌گیری‌های واقعی نیستند، بلکه تخمین‌هایی هستند که لباس اعداد دقیق را به تن کرده‌اند. در ادامه بررسی می‌کنیم که کدام اعداد واقعی و کدام‌ها مدل‌سازی‌شده هستند و چگونه می‌توان بدون فریب دادن خود یا مشتریان، از اعداد تخمینی به شکلی درست استفاده کرد.

۱. هزینه تبلیغات (Ad Spend)

این مورد یکی از بزرگترین موارد تخمینی است. کتابخانه‌های تبلیغاتی پلتفرم‌هایی مانند متا، تیک‌تاک، گوگل و لینکدین، نمونه‌های خلاقانه تبلیغات و تاریخ اجرای آن‌ها را به شما نشان می‌دهند، نه بودجه دقیق رقبا. برای اکثریت قاطع تبلیغات‌کنندگان، هیچ رقم دلاری واقعی منتشر نمی‌شود. بنابراین، هر رقم هزینه‌ای که برای یک رقیب می‌بینید، استنتاج‌شده است و معمولاً بر اساس تعداد تبلیغات فعال و مدت‌زمان اجرای آن‌ها به دست می‌آید. این کارکرد یک سیگنال نسبی مفید است (مثلاً متوجه می‌شوید که «آن‌ها در این فصل بیشتر از فصل قبل هزینه کرده‌اند»)، اما برای بودجه قطعی مطلق اصلا قابل اتکا نیست. هرگز نباید آن را به عنوان یک بودجه قطعی معرفی کنید. نسخه دقیق‌تر این موضوع را قبلاً در مقاله تخمین هزینه تبلیغات رقبا بررسی کرده‌ایم.

۲. نرخ تعامل (Engagement Rate)

نرخ تعامل بسیار دقیق به نظر می‌رسد، اما در واقع یک فرمول است و این فرمول استانداردسازی نشده است. آیا باید تعاملات را بر تعداد فالوورها تقسیم کرد یا بر میزان ریچ (Reach)؟ آیا باید لایک‌ها و کامنت‌ها را شمرد یا سیو و شیرها را هم حساب کرد؟ هر انتخاب، درصد متفاوتی را برای یک پست یکسان ایجاد می‌کند. به همین دلیل است که دو ابزار مختلف ممکن است دو نرخ تعامل متفاوت برای یک اینفلوئنسر گزارش کنند و هر دو هم به نوعی «درست» باشند. لایک‌ها و کامنت‌های زیرین واقعی هستند، اما نرخی که از آن‌ها محاسبه می‌کنید یک قرارداد توافقی است. یک فرمول را انتخاب کنید، آن را به طور ثابتی به کار ببرید و موارد مشابه را با هم مقایسه کنید. ماشین‌حساب نرخ تعامل ما فرمول مورد استفاده خود را به روشنی مشخص می‌کند تا عدد به دست آمده حداقل قابل بازتولید باشد.

۳. تفکیک کشوری مخاطبان در تیک‌تاک

اندپوینت جمعیتی تیک‌تاک، تفکیکی از مخاطبان بر اساس کشور به همراه درصدها در اختیارتان می‌گذارد که واقعاً کاربردی است و فراتر از چیزی است که بیشتر پلتفرم‌ها ارائه می‌دهند. اما این داده‌ها از یک نمونه‌گیری مشتق شده‌اند؛ بنابراین وقتی نوشته می‌شود «۱۶ درصد مکزیک»، یعنی «تقریباً یک ششم بر اساس یک نمونه آماری»، نه شمارش دقیق تک‌تک فالوورها. ساختار کلی (اینکه کدام کشورها تسلط دارند) را قابل اعتماد بدانید و به درصدهای دقیق به چشم تقریبی نگاه کنید.

۴. میزان ریچ (Reach) و ایمپرشن (Impressions) سایرین

ریچ و ایمپرشن معیارهای خصوصی هستند و درون پنل تحلیلی مالک حساب کاربری قرار دارند. بنابراین، هر رقم ریچ یا ایمپرشن که برای یک اینفلوئنسر یا رقیب که کنترلش را در دست ندارید ذکر شود، مدل‌سازی‌شده است و معمولاً از روی تعداد بازدیدها و تعداد فالوورها برونیابی (Extrapolate) شده است. اگر این آمار را از داشبورد خود مالک دریافت نکرده‌اید، یک تخمین است و غالباً تخمینی ناپایدار.

۵. درصدهای فالوور فیک

عبارت «این حساب ۳۴ درصد فالوور فیک دارد» بسیار تخصصی و جرم‌شناسانه به نظر می‌رسد. اما در واقع یک روش اکتشافی (Heuristic) است. ابزارهای تشخیص فالوور فیک سیگنال‌هایی مثل نسبت فالوور به فالوینگ، الگوهای تعامل و هجوم اکانت‌های کم‌کیفیت را بررسی کرده و احتمال فیک بودن را نمره‌گذاری می‌کنند. این یک تخمین با‌پایه و اساس است و برای مقایسه دو اینفلوئنسر عالی کار می‌کند، اما حقیقت محض نیست؛ شما نمی‌توانید لیست فالوورهای شخص دیگری را به صورت واقعی ممیزی کنید. از این آمار برای نشان دادن ریسک استفاده کنید، نه برای طرح اتهامی که نمی‌توانید پشتوانه آن باشید. متدولوژی در اینجا اهمیت دارد، به همین دلیل است که رویکرد خود را در مقاله تشخیص فالوورهای فیک اینفلوئنسرها با علم داده مستند کرده‌ایم.

۶. شمارش‌های گردشده‌ای که دقیق جلوه داده می‌شوند

برخی از «تعدادها» قبل از اینکه حتی به چشم شما برسند گرد شده‌اند و سپس طوری گزارش می‌شوند که گویی دقیق هستند. روشن‌ترین مثال در این زمینه، تعداد سابسکرایبرهای یوتیوب است: کانالی که عدد «222K» را نشان می‌دهد، در داده‌های پشت صحنه مقدار 222000 را برمی‌گرداند؛ این یعنی عدد دقیقاً ۲۲۲,۰۰۰ نیست، بلکه یک برچسب اختصاری است. ارائه دادن آن به عنوان یک عدد دقیق، اشتباهی پنهان است. (تعداد فالوورها در تیک‌تاک و اینستاگرام اگر فیلد مناسب را بخوانید کاملاً دقیق هستند که در مقاله تعداد دقیق فالوورها به آن پرداخته‌ایم، و تله‌های مختص یوتیوب نیز در مقاله تعداد دقیق سابسکرایبرهای یوتیوب بررسی شده‌اند).

۷. امتیازهای وایرال بودن و پیش‌بینی وایرال

هر تک‌عددی که ادعا کند میزان وایرال شدن یک پست را امتیازدهی یا پیش‌بینی می‌کند، خروجی یک مدل است، نه یک واقعیت درباره آن پست. این ممکن است مدل خوبی باشد، اما در حال ترکیب سیگنال‌های مختلف (سرعت اولیه انتشار، نرخ تعامل، اندازه فالوور) به یک امتیاز مصنوعی است. این کار برای رتبه‌بندی گزینه‌ها اشکالی ندارد؛ اما گفتن اینکه «این پست به ۲ میلیون بازدید می‌رسد» به عنوان یک حقیقت پیش‌بینی‌شده، درست نیست. آن را به عنوان یک پیش‌بینی برچسب بزنید و ورودی‌هایش را نمایش دهید.

۸. تخمین درآمد اینفلوئنسرها و نرخ نامه‌ها (Rate Cards)

عبارت «این اینفلوئنسر به ازای هر پست ۸,۴۰۰ دلار درآمد دارد» یک معیار جایگزین (Proxy) است که از روی تعداد فالوور و نرخ تعامل در کنار یک CPM فرضی ساخته شده است. این یک لنگر مذاکره است، نه یک واقعیت؛ درآمد واقعی اینفلوئنسر به شرایط قرارداد، انحصار، حقوق بهره‌برداری و قیمت‌گذاری شخصی خودش بستگی دارد. از درآمد تخمینی برای سنجش منطقی بودن یک پیشنهاد قیمت استفاده کنید، هرگز برای اثبات اینکه شخص واقعاً چقدر پول درمی‌آورد.

چگونه از تخمین‌ها به شکلی صادقانه استفاده کنیم

هیچ‌کدام از مطالب گفته‌شده به این معنا نیست که تخمین‌ها بی‌کاربرد هستند؛ آن‌ها غالباً بهترین سیگنال‌های در دسترس محسوب می‌شوند. قوانینی که به حفظ صداقت در استفاده از این اعداد کمک می‌کنند عبارتند از:

  • برچسب‌گذاری کنید: عباراتی مانند «هزینه تخمینی»، «پیش‌بینی‌شده» یا «مبتنی بر نمونه آماری». فقط یک کلمه شما را از تکرار شدن یک عدد به عنوان حقیقت در سه جلسه آینده محافظت می‌کند.
  • از آن‌ها برای مقایسه نسبی استفاده کنید، نه ادعاهای مطلق: تخمین‌ها در مقایسه‌های «الف در برابر ب» و «روند زمانی» قوی هستند، اما در تعیین اینکه «مقدار دقیق برابر با X است» ضعف دارند.
  • روش کار را نشان دهید: یک تخمین قابل بازتولید (با فرمول و ورودی‌های مشخص) قابل دفاع است. عددی که در جعبه سیاه تولید شود این‌گونه نیست.
  • روی معیارهای واقعی زیربنای کار تکیه کنید: لایک‌ها، کامنت‌ها، تعداد بازدیدهای عمومی، تعداد دقیق فالوورها (در صورت دسترسی) و زمان‌بندی‌ها همگی اندازه‌گیری‌شده هستند. تحلیل خود را بر اساس آن‌ها بسازید و امتیازهای مشتق‌شده را به عنوان لایه‌ای از تفسیر در نظر بگیرید.

تیم‌هایی متحمل ضرر می‌شوند که فراموش می‌کنند کدام اعداد کدامند. تیم‌های موفق کسانی هستند که داده‌های «اندازه‌گیری‌شده» را از «مدل‌سازی‌شده» جدا نگه می‌دارند و هرگز اجازه نمی‌دهند خروجی یک مدل به عنوان یک حقیقت مطلق ارتقا پیدا کند.

چه چیزی واقعاً دقیق است

برای اینکه دچار بدبینی بیش از حد نشوید، مواردی که واقعاً روی داده‌های عمومی اندازه‌گیری می‌شوند عبارتند از: لایک‌ها، کامنت‌ها و تعداد بازدید/پخش عمومی روی یک پست خاص؛ تعداد دقیق فالوورها در تیک‌تاک (statsV2.followerCount) و اینستاگرام (edge_followed_by.count)؛ کل بازدیدهای کانال و تعداد ویدیوها در یوتیوب؛ و زمان‌بندی پست‌ها. این‌ها واقعی هستند. اعداد «مشتق‌شده» مانند هزینه‌ها، نرخ‌ها، ریچ، امتیازها، درآمدها و موارد مشابه هستند که نیاز به برچسب «تخمین» دارند.


منبع: sociavault

نظرات

هنوز نظری ثبت نشده است.

برای ارسال نظر وارد شوید.