Análisis de los Tweets de los minoristas de alimentación que operan en España y UK. Cómo el análisis del contenido generado por los usuarios en Twitter puede ayudar a las cooperativas agroalimentarias a establecer mejores relaciones con sus clientes
-
Published:2023-04-12
Issue:
Volume:143
Page:e85557
-
ISSN:1885-8031
-
Container-title:REVESCO. Revista de Estudios Cooperativos
-
language:
-
Short-container-title:Rev. estud. coop.
Author:
Borrero Sánchez Juan DiegoORCID
Abstract
Twitter es una destacada plataforma de medios sociales utilizada ampliamente por las empresas alimentarias para compartir información con los consumidores. Este estudio tiene como objetivo determinar el comportamiento en Twitter de diferentes minoristas de alimentación que operan en España y el Reino Unido para arrojar luz sobre sus intereses y afinidades. El estudio recopiló y analizó un total de 54.000 tweets de las cuentas oficiales de Twitter de 17 minoristas de alimentación. Analizando el contenido generado por los minoristas de alimentación en Twitter con el recuento de palabras, el análisis de contenido generado por estos usuarios y el análisis de redes sociales, se detectaron algunas características que podrían ser relevantes para los proveedores de estos minoristas de alimentación. La identificación de las diferencias en la actividad y las comunicaciones en Twitter, así como también las afinidades entre algunos de ellos, confirman el potencial de los datos de Twitter como fuente de información para realizar estudios de marketing en general. Del mismo modo, descubrimos que la adopción de la analítica de datos de Twitter por los responsables de marketing de las cooperativas agroalimentarias podría ser muy útil para avanzar en las estrategias centradas en el cliente. Finalmente, la investigación presenta las limitaciones y propone nuevas líneas de trabajo futuro.
Publisher
Universidad Complutense de Madrid (UCM)
Subject
Economics and Econometrics,Social Sciences (miscellaneous)
Reference47 articles.
1. Aggrawal, N. and Arora, A. (2016) Visualization, analysis and structural pattern infusion of DBLP co-authorship network using Gephi. IEEE 2016 2nd International Conference on Next Generation Computing Technologies (NGCT), pp. 494-500. DOI: 10.1109/NGCT.2016.7877466. 2. Alaparthi, S. and Mishra, M. (2021) BERT: A sentiment analysis odyssey. Journal of Marketing Analytics, Vol. 9, Nº 2, pp. 118-126. DOI:10.1057/s41270-021-00109-8. Andrews, R.L. and Currim, I.S. (2004) Behavioural differences between consumers attracted to shopping online versus traditional supermarkets: implications for enterprise design and marketing strategy. International Journal of Internet Marketing and Advertising, Vol. 1, Nº 1, pp. 38-61. DOI: 10.1504/IJIMA.2004.003689 3. Angelopoulos, S. and Merali, Y. (2017) Sometimes a cigar is not just a cigar: Unfolding the transcendence of boundaries across the digital and physical. ICIS international conference in information systems. Vol. 17. https://aisel.aisnet.org/icis2017/SocialMedia/Presentations/17. 4. Araújo Britto Sass, C., Colombo Pimentel, T., Gonzalez Barandela Aleixo, M., Mendes Dantas, T., Cyrino Oliveira, F.L., Queiroz de Freitas, M., Gomes da Cruz, A. and Almeida Esmerino, E. (2020) Exploring social media data to understand consumers’ perception of eggs: a multilingual study using Twitter. Journal of Sensory Studies, Vol. 35, Nº 6. DOI: 10.1111/joss.12607. 5. Barabási, A. L. (2016) Network science. Cambridge University Press. Bastian, M., Heymann, S. and Jacomy, M. (2009) Gephi: an open source software for exploring and manipulating networks. Association for the Advancement of Artificial Intelligence (www.aaai.org). Extracted from https://gephi.org/publications/gephi-bastian-feb09.pdf (accessed 23 February 2021). Bisogni, C.A., Winter Falk, L., Madore, E., Blake, C.E., Jastran, M., Sobal, J. and Devine, C.M. (2007) Dimensions of everyday eating and drinking episodes. Appetite, Vol. 48, Nº 2, pp. 218–231. DOI: 10.1016/j.appet.2006.09.004. Blondel, V.D., Guillaume, J.L., Lambiotte, R. and Lefebvre, E. (2008) Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, Vol. 2008, Nº 10, P10008. DOI: 10.48550/arXiv.0803.0476.
|
|