Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.

1

Company Proprietary and Confidential Copyright Info Goes Here Just Like

This

Text Mining

#Huamaní Díaz, Lina

#Silva Mestanza, Abraham

2


This

Introducción

87

309

750

1292

1529

2009 2010 2011 2012 2013

Evolución de los usuarios peruanos de Twitter (Miles de usuarios)

45%

55%

Actualmente se tiene 1.5

millones de cuentas

El mayor porcentaje de

Tuiteros son hombres

La mayoría de tuiteros es

menor a 25 años.

Mile

s d

e u

su

ario

s

60%

35%

6%

2%

< 25 Años

25-35 Años

36-45 Años

> 45 Años

3


This

¿Qué es Text Mining?

El text mining es el análisis de

información no estructurada, la cual se

puede encontrar en redes sociales.

La minería de datos no estructurados

o text mining, usará modelamiento

estadístico y técnicas de aprendizaje

para convertir este lenguaje en

información de interés para el usuario.

4


This

Linkedin Facebook

Twitter Google +

Redes Sociales

http://www.google.com.pe/url?sa=i&rct=j&q=cibernauta&source=images&cd=&cad=rja&docid=qOkHi71Fg4aQoM&tbnid=c3Puo2SF0UspHM:&ved=0CAUQjRw&url=http://revistaliterartedigital.blogspot.com/2011/12/nemesio-martin-roman-arias-provincia-de.html&ei=u_0TUoFduKngA-KsgMAB&bvm=bv.50952593,d.dmg&psig=AFQjCNHPJoLwDuYIENsn141xtDUF_PWU0g&ust=1377128204382728

http://www.google.com.pe/url?sa=i&rct=j&q=Linkedin&source=images&cd=&cad=rja&docid=4_Bv-jTg30FmqM&tbnid=8j5JYr3CFd8SQM:&ved=&url=https://lab-aids.com/education-in-america/stem&ei=GP4TUs_5OKPkyQHGuoCQDg&bvm=bv.50952593,d.dmg&psig=AFQjCNF-DSfjclOIVjs9M8qypLWlc8eo_A&ust=1377128345406121

http://www.google.com.pe/url?sa=i&rct=j&q=Twitter&source=images&cd=&cad=rja&docid=Uuzj6ezEA-9fLM&tbnid=wQuOlmPEBn0rJM:&ved=0CAUQjRw&url=http://eledelengua.com/ldelengua-67-hablando-sobre-twitter-en-el-aula-de-espanol/&ei=d_8TUtbrB4rk4APksICYCw&bvm=bv.50952593,d.dmg&psig=AFQjCNGbCAaxpSQ3wo_dKHvR9ESmtvoYAg&ust=1377128656057539

5


This

¿Qué es Twitter?

Twitter es una plataforma social de

las más usadas en la actualidad y en

crecimiento en número de usuarios.

Como plataforma social cada usuario la

usará con un objetivo, chatear, ver lo que

dicen o hacen otras personas, etc.

http://www.google.com.pe/url?sa=i&rct=j&q=interfaz de twitter&source=images&cd=&cad=rja&docid=4Rxpc1B9d8uu2M&tbnid=1vnosfy77MMvMM:&ved=0CAUQjRw&url=http://twitter.antoniogarrido.es/la_interfaz_web_de_twitter.html&ei=EAgUUoS9HZOs4AOUsoGIAg&psig=AFQjCNFyWi5TCvosv6ysXvZtwOU3HcQ-eQ&ust=1377130804368222

6


This

¿Que tan valioso es twitter para los estadísticos?

• ¿Es una gran fuente de datos a explotar?

• ¿Qué se hace con esta información?

• ¿Es aplicable la estadística a este tipo de datos?

• ¿Se pueden usar todas las técnicas estadísticas

con estos datos?

• ¿La data es libre?

http://www.google.com.pe/url?sa=i&rct=j&q=estad%C3%ADsticos&source=images&cd=&cad=rja&docid=ZaCoTdZLoTy7mM&tbnid=NRTDCusVNhwqFM:&ved=0CAUQjRw&url=http://200.26.114.51/ipaussWebII/TemplateFrameEstadisticas.html&ei=9QkUUs7rMJLl4APHhoCIBg&psig=AFQjCNHIexTlA7BbuszyO92FAuPsfZl_fQ&ust=1377131369663150

7


This

Aplicación: Segmentación de Usuarios de Twitter en Lima Metropolitana de acuerdo a la naturaleza de sus publicaciones.

8


This

Objetivo general: Determinar los diferentes segmentos que agrupan a los usuarios de

«Twitter» en Lima Metropolitana de acuerdo al tema de sus publicaciones.

Objetivos específicos: Identificar al segmento que contiene la mayor parte de los usuarios de

«Twitter» en Lima metropolitana según el tema de publicación.

Establecer cuáles son los distritos de Lima Metropolitana con mayor actividad tuitera.

Conocer que segmentos son los más relevantes dentro de los distritos de Lima metropolitana con mayor actividad tuitera.

OBJETIVOS

9


This

Hipótesis general: Existen diferentes segmentos o grupos que contienen a los usuarios de

«Twitter» en Lima Metropolitana, de acuerdo al tema de sus publicaciones.

Hipótesis específicas: El segmento que contiene a la mayor proporción de usuarios de

«Twitter» en Lima Metropolitana, según el tema de sus publicaciones, es el referido a los sentimientos tales como el amor («Análisis sentimental»).

Los distritos con mayor actividad tuitera en Lima Metropolitana son Miraflores, San Borja y Lince.

Los segmentos más relevantes en los distritos con mayor actividad tuitera de Lima Metropolitana son los referidos a temas sociales, tales como el amor, la música y los deportes.

HIPÓTESIS

10


This

DISEÑO MUESTRAL

Tipo de Investigación: Cuantitativa concluyente

Universo: Usuarios de twiter de los 43 distritos de Lima Metropolitana (No incluye la

provincia constitucional del Callao)

Marco Muestral: Usuarios registrados dentro de Lima Metropolitana

Método de muestreo: Selección aleatoria simple.

Tipo de Población: Población infinita (1.5 millones de usuarios de Twiter de Lima

Metropolitana

Nivel de confianza: 95%

Margen de Error: 2.5%

Tamaño de muestra: 1500 usuarios

Periodo de Análisis: Del 04 de Junio al 04 de Julio

11


This

ANÁLISIS DESCRIPTIVO

0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0%

1% 1% 1% 1% 1%

1% 2%

2% 3%

4% 5%

7% 9% 9%

12% 13%

13% 15%

Ancón

Lurigancho

Pachacamac

Puente Piedra

Punta Hermosa

Independencia

Santa María del Mar

Cieneguilla

Carabayllo

San Juan de Miraflores

Ate

Comas

San Juan de Lurigancho

Surquillo

Rimac

Jesús María

Los Olivos

San Miguel

La Molina

Magdalena del Mar

Cercado de Lima

San Borja

Twiteros por Distrito

12


This

Creación de las Variables

Variables Palabras mencionadas relacionadas

Política ollanta,nadine,congreso,alan garcia,alejandro toledo,ministro,politica

Economía bolsa,tlc,dinero,banco,mercado,inversion,economía,exportación,importación,pymes

Celulares ipad,iphone,S4,wifi,smartphone,G3,galaxy,celular

Computadora computadora,tablet,laptop,toshiba,sony,touch,vaio,hp

Deporte futbol,deporte,voley,markarian,gol,manuel burga,claudio pizarro,paolo guerrero, estadio,jefferson farfan,universitario,arbitro,clásico,estadio,alianza lima,hinchas,selección de futbol,mundial brasil

Musica cantante,canción,disco,video clic,discoteca,compositor,fiesta,musica,concierto,giras,ritmo,radio

Teatro teatro,libreto,personajes,taquilla,obras,actor,elenco,actriz,comedia,drama

Cine trailer,cartelera,estreno,asu mare,cinescape

Juegos gamers,starcraft,play2,pla3,video juegos,juegos online,dota,playstation,ps3,ps2,psvita,xbox,wii,3d,god of war,psp

Salud salud,medicina,pastilla,vacunas,virus,gripe,epidemias,cancer, naturista,hospital,paciente,essalud,clínica,médico,doctor,enfermera

Sentimiento amor,cariño,flechazo,corazón,amistad,enamorado,novio,matrimonio,boda,cupido,divorcio,love,amante

Turismo machupichu,guia,feriado,turismo,viaje,vuelo,hotel,tour,viaje

Farándula chollywood,esto es guerra,combate,enemigos publicos,rating,la noche es mia,magaly medina,gran show,telenovelas

Gastronomía gastón acurio,sopa,postres,reposteria,restaurante,mixtura,cebiche,pollo a la brasa,dieta

Otros Otras palabras encontradas

13


This

Temas de publicación

3.8%

3.9%

4.4%

5.1%

6.1%

6.1%

6.2%

6.2%

6.6%

7.2%

7.5%

8.0%

9.1%

9.7%

10.2%

Salud

Deporte

Otros

Política

Farandula

teatro

gastronomía

Economía

Musica

Turismo

cine

sentimientos

juegos

Computadoras

Celulares

14


This

SEGMENTACIÓN 1 2

Gamers Tecnológicos

Gente cuyas preferencias están

ligados específicamente a todo lo

que tiene que ver con juegos de

video, sus comentarios ván desde

los últimos juegos hasta las

críticas a las consolas de juego

tales como el PS2 o el PS3.

Personas cuya afición es todo lo

relacionado a la tecnología, cuya

tendencia es más fuerte cada día,

así en este segmento

encontraremos a los amantes de

los celulares y computadortas de

moda

Absolutos 361 317

% 24.1% 21.1%

Juegos 96.1% 41.0%

Sentimientos 4.4% 5.0%

Computadoras 8.0% 99.1%

Otros 37.4% 9.8%

Economía 19.4% 12.9%

Celulares 12.2% 96.5%

Política 3.6% 9.1%

Turismo 7.8% 21.5%

Salud 15.0% 22.0%

Teatro 13.9% 29.3%

gastronomía 16.3% 8.5%

Cine 14.7% 19.2%

Música 8.6% 41.0%

Farándula 14.7% 30.6%

Deporte 8.6% 37.5%

c

Descripción

Nombre

Tamaño

Menciones

en cada una

de las

variables

del estudio

15


This

SEGMENTACIÓN 3 4

Románticos Ejecutivos

Los Románticos está conformado

por aquellas personas las cuales

suelen escribir palabras de amor,

ya sean poemas o frase, también

y en menor intensidad comentan

sobre la farándula local y les gusta

seguir todo lo respecto a la

música

Los ejecutivos son los que

comentan todo respecto a lo que

es política y economía ya que está

relacionado con lo que los

apasiona, es decir su trabajo, así

mismo se ve que opinan sobre

salud aspecto que en otros

estudias se ha visto es importante

dentro de los ejecutivos jóvenes

283 199

18.9% 13.3%

3.2% 6.0%

98.9% 32.2%

22.3% 12.6%

14.5% 11.6%

8.1% 84.4%

9.2% 43.2%

10.2% 80.9%

29.3% 29.6%

6.4% 66.8%

18.0% 25.6%

30.4% 27.1%

36.4% 24.6%

50.9% 19.1%

52.3% 23.1%

20.8% 5.5%

Absolutos

%

Juegos

Sentimientos

Computadoras

Otros

Economía

Celulares

Política

Turismo

Salud

Teatro

gastronomía

Cine

Música

Farándula

Deporte

c

Descripción

Nombre

Tamaño

Menciones

en cada una

de las

variables

del estudio

16


This

SEGMENTACIÓN 5 6

Relajados Diversos

Son personas cuyas principal afición

son los viajes o todo lo relacionado

al turismo, por ello sus princiaples

twits es respecto a lugares turísticos,

recomendaciones de hospedaje, etc

En este segmento se encuentran

todos los twiteros que opinan

respecto a los otros temas que

resultaron en minoría en el análisis

como por ejemplo, el clima, el

medio ambiente, etc.

194 146

12.9% 9.7%

24.2% 15.1%

22.2% 0.0%

12.4% 9.6%

11.3% 95.2%

56.7% 11.6%

32.0% 13.0%

6.7% 10.3%

93.8% 8.2%

13.9% 5.5%

20.1% 2.1%

21.6% 8.9%

14.4% 24.7%

10.3% 13.7%

11.3% 8.9%

4.1% 8.2%

Absolutos

%

Juegos

Sentimientos

Computadoras

Otros

Economía

Celulares

Política

Turismo

Salud

Teatro

gastronomía

Cine

Música

Farándula

Deporte

c

Descripción

Nombre

Tamaño

Menciones

en cada una

de las

variables

del estudio

17


This

Tamaño de los segmentos encontrados

Relajados13%

Diversos 10%

Gamers24%

Tecnológicos 21%

Románticos 19%

Ejecutivos 13%

18


This

SEGMENTOS POR DISTRITO

En el siguiente cuadro observamos cómo están distribuidos los segmentos con respecto al distrito de los usuarios de Twiter. De dónde observamos que los distritos con mayor actividad twitera son los distritos de: San Borja, Miraflores, Cercado de Lima, San Isidro, Magdalena del Mar y Lince.

Código Distrito Ejecutivos Gamers Otros Relajados Románticos Tecnológicos Total general

41 San Borja 10.8% 36.2% 9.1% 5.6% 16.4% 22.0% 15%

18 Miraflores 14.9% 10.4% 7.0% 23.9% 21.9% 21.9% 13%

1 Cercado de Lima 13.6% 24.6% 11.0% 11.0% 17.8% 22.0% 13%

27 San Isidro 13.5% 23.6% 11.8% 14.0% 16.9% 20.2% 12%

17 Magdalena del Mar 11.2% 26.1% 14.2% 14.9% 16.4% 17.2% 9%

14 Lince 15.2% 20.5% 13.6% 9.1% 17.4% 24.2% 9%

12 La Molina 11.0% 22.0% 6.0% 12.0% 28.0% 21.0% 7%

33 Santiago de Surco 15.3% 26.4% 8.3% 8.3% 19.4% 22.2% 5%

32 San Miguel 7.1% 25.0% 12.5% 16.1% 19.6% 19.6% 4%

30 San Luis 22.9% 16.7% 8.3% 12.5% 27.1% 12.5% 3%

39 Los Olivos 6.7% 23.3% 10.0% 10.0% 16.7% 33.3% 2%

13 La Victoria 12.0% 36.0% 4.0% 16.0% 16.0% 16.0% 2%

11 Jesús María 26.3% 21.1% 10.5% 10.5% 10.5% 21.1% 1%

19


This

CONCLUSIONES

Los segmentos encontrados son: Gamers, Tecnológicos, Románticos, Ejecutivos, Relajados y otros.

El segmento con mayor volumen es el de los Gamers y Los Tecnológicos.

Los distritos con mayor actividad twitera son : San Borja, Miraflores, Cercado de Lima, San Isidro, Magdalena del Mar y Lince. Que corresponde al 70% de la población Twitera de Lima Metropolitana.

En el distrito de Miraflores los Twiteros tienen mayor preponderancia en los segmentos Relajados y Romanticos, mientras que en el resto de distritos no hay algun segmento que resalte.

20


This

OPORTUNIDADES

Otro enfoque con el cual se puede trabajar este tipo de segmentaciones es desde el punto de vista frecuentista, es decir tomando en cuenta la cantidad de publicaciones que hacen sobre un tema, esto permitiría ya no sólo trabajar con una segmentación de dos fases si n también con las segmentaciones clásicas como la jerárquica o la de k medias.

Este tipo de segmentaciones se deberían hacer en forma periódica ya que está influenciado por los temas que comenta la gente, por ende si hay alguna noticia de impacto puede provocar ciertos sesgos al momento de determinar los segmentos dentro de la población.

Sería aconsejable ampliar el periodo de análisis como por ejemplo de 1 año, de tal forma de evitar los temas coyunturales que dificultan una óptima segmentación.

La segmentación se podría ver enriquecida aumentando al análisis variables demográficas como por ejemplo género, edad, nivel socioeconómico, etc.

21


This

GRACIAS!!!

Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.

Technology

Transcript of Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.