O que é análise multicamada? Porque não basta olhar os dados de um só ângulo?
Sobre um tema pode haver centenas de milhares de publicações.
Grande parte das conversas pode ser negativa. A interação pode ter subido depressa num dia específico.
Cada um destes é um dado importante.
Mas nenhum, sozinho, conta a história toda.
A análise multicamada é uma abordagem que, em vez de avaliar um conjunto de dados por uma só métrica ou perspetiva, considera em conjunto diferentes dimensões analíticas para compreender as relações entre acontecimentos, comportamentos e mudanças.
Porque no mundo real os dados não se movem de forma independente.
Uma só métrica pode enganar
Suponhamos que a visibilidade de uma pessoa ou marca aumenta.
À primeira vista este aumento pode parecer um desenvolvimento positivo.
Mas no mesmo período pode ter subido o sentimento negativo, pode ter-se espalhado depressa uma crítica concreta e boa parte da conversa pode ter-se concentrado em torno de um único acontecimento.
Nesse caso:
A visibilidade subiu.
Mas a perceção pode ter piorado.
Olhando apenas para a métrica de visibilidade, esta distinção escapa.
Quando as camadas se juntam, a história muda
Compreender um movimento digital pode exigir avaliar em conjunto perguntas diferentes:
- Quanto se fala disso?
- Volume
- Como se fala disso?
- Sentimento
- O que sentem as pessoas?
- Emoção
- O que querem?
- Intenção
- Porque mudou?
- Causa raiz
- Que temas se destacam?
- Análise de temas
- Quem influencia?
- Atores e influência
- Como se propaga?
- Viralidade
- Para onde vai ao longo do tempo?
- Tendência
Cada uma destas perguntas mostra uma face diferente do mesmo acontecimento.
O valor real surge quando se tornam visíveis as relações entre estas camadas.
Os mesmos dados podem significar coisas diferentes para públicos diferentes
Os resultados agregados podem por vezes esconder divergências importantes.
Um desenvolvimento que parece positivo na opinião pública geral pode estar a ser fortemente criticado dentro de um público específico. Um tema apoiado numa plataforma pode ser interpretado de forma completamente diferente noutro ambiente.
Do mesmo modo podem surgir diferenças significativas entre países, línguas, comunidades ou períodos.
Por isso a pergunta não é apenas «Qual é o resultado geral?»
Em quem, onde e em que condições muda este resultado?
Essa pergunta também importa.
A correlação nem sempre é causa
Duas mudanças acontecerem ao mesmo tempo não significa que uma tenha causado a outra.
Por exemplo, a visibilidade de uma notícia pode ter crescido enquanto subia o sentimento negativo. Mas para perceber se a relação entre estes dois movimentos é realmente significativa é preciso avaliar o contexto mais amplo.
É aqui que a análise multicamada ganha importância.
O objetivo não é só encontrar ligações entre dados, mas questionar que relações têm de facto significado.
O quadro geral esconde-se nos detalhes
No reporte tradicional as métricas são muitas vezes mostradas separadamente.
O alcance num sítio, o sentimento noutro, a tendência noutro, a interação noutro ainda…
Porém, na vida real todas podem ser peças da mesma história.
Para compreender uma crise não basta ver a negatividade. Pode ser preciso ver em conjunto quando começou, o que a desencadeou, quem a amplificou, a que públicos se espalhou e como mudou a perceção.
Também não basta ver só a subida para compreender uma tendência. A origem, a velocidade, o público e a fiabilidade dessa subida devem ser avaliados em camadas diferentes.
A força da análise está em ver as ligações
No mundo dos dados, o achado mais importante nem sempre é o número maior.
Às vezes a informação decisiva é uma relação antes invisível entre dois pontos de dados diferentes.
Porque uma só métrica diz-lhe uma coisa.
Várias camadas podem mostrar como a história se formou.
Ver os dados importa. Ver a relação entre os dados muda o quadro.