Seeing the wood for the trees: How machine learning can help firms in identifying relevant electronic word-of-mouth in social media

Vermeer, Susan; Araujo, Theo; Bernritter, Stefan F.; Noort, Guda van

doi:10.1016/j.ijresmar.2019.01.010

Cited by 118 publications

(66 citation statements)

References 47 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Computational approaches can help here. For example, Vermeer et al (2019) used a supervised machine-learning algorithm to identify social media messages that warrant a response from businesses. They show that response-worthy messages are not always negative, which challenges the common practice of focusing more on negative consumer comments.…”

Section: Understanding and Responding To Usersmentioning

confidence: 99%

Creating, Metavoicing, and Propagating: A Road Map for Understanding User Roles in Computational Advertising

Liu‐Thompkins

Masłowska

Ren

et al. 2020

Journal of Advertising

View full text Add to dashboard Cite

Over the past two decades, everyday users have become a prominent force in the advertising landscape. They actively participate in conversations with and about brands by creating, amplifying, and interacting with brand-related messages. These user activities generate large volumes of structured and unstructured data that advertisers can mine to understand consumer interests and preferences. In this article, we survey insights from the user-generated content literature through the computational advertising lens to offer a road map for future research. Specifically, we discuss three roles that users play-as creators, metavoicers, and propagators. For each role, we present key research areas that can benefit from a computational approach, identify the opportunities and challenges, and propose questions for future research. We also discuss the practical implications of applying computational methods to study users and user-generated content for advertisers.

show abstract

Section: Understanding and Responding To Usersmentioning

confidence: 99%

Creating, Metavoicing, and Propagating: A Road Map for Understanding User Roles in Computational Advertising

Liu‐Thompkins

Masłowska

Ren

et al. 2020

Journal of Advertising

View full text Add to dashboard Cite

show abstract

“…Pesquisas na literatura revelaram que há poucos trabalhos que realizam a análise e extração de conhecimento de eWoM expressas em plataformas de reclamações online. Encontra-se o uso massificado de diversas plataformas de eWoM como fonte de dados para a geração de conhecimento, tais como: Facebook (Bahtar & Muda, 2016;Kim & Johnson, 2016;Liu, Li, Ji, North, & Yang, 2017;Vermeer, Araujo, Bernritter, & van Noort, 2019), Twitter (Chakraborty et al, 2017;Einwiller & Steilen, 2015;Vermeer et al, 2019) e reviews em loja de aplicativo (Ali, Joorabchi, & Mesbah, 2017;McIlroy, Ali, Khalid, & E. Hassan, 2016;Vu, Nguyen, Pham, & Nguyen, 2016).…”

Section: Introductionunclassified

Análise do setor de telecomunicação brasileiro: Uma visão sobre Reclamações

Sousa

Guimarães

Viana³

et al. 2020

risti

View full text Add to dashboard Cite

Resumo: Mídias digitais estão cada vez mais presentes no cotidiano do ser humano. Este fato contribui para que o volume de conteúdo gerado por usuário aumente consideravelmente. De um ponto de vista prático, as análises desses dados requerem diferentes perspectivas e métodos para se obter resultados satisfatórios. Essas análises podem subsidiar a tomada de decisão por gestores por meio da identificação de necessidades e problemas, guiando o processo de melhoria continuada de produtos e serviços. Diante disso, este trabalho propõe uma análise de reclamações postadas em uma plataforma online de reclamações, a fim de identificar pontos que orientem a tomada de decisões das empresas e, consequentemente, melhorar o relacionamento com clientes. Os resultados obtidos permitem a identificação de uma cadeia de problemas relacionados. A principal contribuição deste estudo está na provisão de uma abordagem que auxilia no planejamento estratégico de corporações, levando em consideração situações reportadas pelos consumidores.

show abstract

“…Na literatura, há diversos estudos que utilizam dados de revisões e de reclamações online obtidos de diferentes plataformas de mídias sociais tais como Twitter, Facebook, TripAdvisor, Booking.com e entre outras [Bahtar and Muda 2016, Silva et al 2017, Xiang et al 2017, Vermeer et al 2019. Geralmente, estes estudos utilizam em suas análises um conjunto amostral de dados para extrair informações que possibilitam a detecção, descrição ou previsão de padrões que influenciam na tomada de decisões teóricas e/ou práticas.…”

Section: Introductionunclassified

Análise comparativa das principais plataformas de reclamações online: implicações para análise de mídia social em negócios

Sousa¹,

Guimarães²,

Jacob³

et al. 2020

Anais Do Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2020)

View full text Add to dashboard Cite

Novas formas de relacionamento entre empresas e clientes foram introduzidas através do uso massivo de mídias sociais, e têm transformado a forma com a qual clientes tomam decisões de compras. Esta nova realidade explicitou a importância da análise do conteúdo relacionado a marcas e produtos publicados por consumidores em plataformas de mídias sociais. Nesse sentido, este artigo apresenta uma análise comparativa das duas maiores plataformas de reclamação online no Brasil, o ReclameAqui e o Consumidor.gov. Nas análises são utilizados os conteúdos provenientes de mineração de dados textuais de reclamações de cinco grandes empresas do setor de ecommerce brasileiro, com o objetivo de fornecer uma base para compreender os desafios e oportunidades nas análises destas mídias sociais em negócios. Os resultados mostram que a forma de atuação das empresas nessas plataformas deve ser especifica para cada plataforma, pois existem particularidades, tais como grupo de consumidores, conteúdo e principais tipos de problemas.

show abstract

Seeing the wood for the trees: How machine learning can help firms in identifying relevant electronic word-of-mouth in social media

Cited by 118 publications

References 47 publications

Creating, Metavoicing, and Propagating: A Road Map for Understanding User Roles in Computational Advertising

Creating, Metavoicing, and Propagating: A Road Map for Understanding User Roles in Computational Advertising

Análise do setor de telecomunicação brasileiro: Uma visão sobre Reclamações

Análise comparativa das principais plataformas de reclamações online: implicações para análise de mídia social em negócios

Contact Info

Product

Resources

About