sociomantic labs

SNA – Theories put into practice !

2Agenda Definition & Historie

Was ist möglich & nötig?

Anwendungsbeispiele & Trends

Mitspieler

Ressourcen

Q&A & Kontakt

3Definition

Social network analysis (SNA) is a quantitative analysis ofrelationships between individuals or organizations. By quantifying such social structures it is possible to identify mostimportant actors, group formations or equivalent roles of actors within asocial network.

Kirchhoff, 2010

4Historie1933 Mayo relationships in companies

1934 Moreno sociogram

1955 Barnes term „social network“ coined

1985 Granovetter importance of weak ties

1992 Burt Structural holes, Betweenness

1994 Wassermann Social Network Analysis: Methods and Applications & Faust

2002 Dunbar Dunbar number

2003 Watts & Strogatz Small Worlds

2006 Newman, Barabási Structure and Dynamics of networks

& Watts

sociogram - Moreno 1934

5Was ist möglich?

Degreequantifiziert die soziale Aktivität einer Person

Closenessquantifiziert die Wichtigkeit einer Person im Hinblick auf Informationsverteilungspotential und den Grad der Direktheit von Vernetzungen zu anderen Personen

Betweenessquantifiziert die Wichtigkeit einer Person im Hinblick auf den Informationsfluss zwischen zwei Gruppen

Identifikation nach k-plex, k-coreIdentifikation von Gruppen nach Anzahl von geteilten Verbindungen zwischen Gruppenmitgliedern

Identifikation nach Dichte & clustering coefficientIdentifikation von Gruppen nach Intensität der Beziehungen zwischen Gruppenmitgliedern

Identifikation nach Interessen

ZentralitätenWichtigkeit einer Person

Identifikation von Gruppen

6Was ist möglich?

Informationen über Personen, deren Interessen und Verbindungen

Verbindung zwischen Personen

Aufbau und Bereitstellung einer Datenbank zu sozialen Beziehungen und Interessen von Personen basierend auf der Analyse verschiedenster, frei zugänglicher Quellen im Netz mit Hilfe von Grid-und Cloud Computing

www www

wwwwww

SocialGraph

7Was ist möglich?

Soziales Kapital Persönliche Rolle

Größe des Netzwerks

Namen der Kontakte

Stärke der Verbindungen

Persönliche Interessen Themen

Stärke des Interesses

Liste der Quellen

8Was ist nötig?

BACKEND! Datenbank Rechenleistung

Hans Müller!

9Anwendungsbeispiele CRM - Inter-Customer Relations

Welche meiner Kunden kennen sich und wer ist der Meinungsführer?

Finanzen – Credit ScoringWer ist wie Kreditwürdig?

Mediaplanung - Customer Media FootprintWo sind meine Kunden im Netz vertreten?

H

D H

D

C

10Beispiel CRM AnalyseSoziale Netzwerk Analyse (SNA)+ Kundendaten (CRM) SocialGraph API Daten

+

A B

E

I

F

G

X1

Januar Juni November

Bestellt iPhone Kennt D, H und X1 Ist mögliche Multiplikator

Bestellen iPhone Wurden in der

Kaufentscheidung von Kunde C beeinflusst

Ist noch kein Telekom Kunde Kann potentiell über

Person C als Neukunde gewonnen werden

?

CRM Daten + SocialGraph API Daten

Kunde C Möglicher Multiplikator

Kunde D + H Person X1Potentieller Neukunde

C X1

CRM Daten

KUNDE

11Beispiel Credit Scoring

Analyse des direkten Netzwerks

Abgleich des Netzwerks mit Bestandskundendatenbank

Anpassung des Angebots

12Beispiel Customer Media Footprint Wo sind meine Kunden im

Netz vertreten?

Analyse des WEB Nutzungsverhaltens nach Kundengruppen

Analyse des sozialen Kapitals

13Beispieldatensatz

Kunden

Produktin

Online Communities (%)

in MySpace

(%)

in Facebook

(% )

in XING (%)

in LinkedIn

(% )

Anzahl der

Kontakte

Durchschnitt Kontakte pro

KundeDurchschnitt

AlterAnteile Männer

und Frauen

A 60,6 8 33 17 8 112350 112 35,7 89 / 11

B 55,3 5 41 23 11 117221 119 34,1 83 / 17

C 57 12 45 16 9 278450 83 33,6 79 / 21

D 65 14 42 23 11 312723 93 32,9 77 / 23

E 68 15 57 24 13 378283 97 32,3 73 / 27

14Trends Breitere Anwendung

Social Commerce HR Online Communities Information Retrieval

Individuelles Targeting Individuelles Pricing

Thematisches Interesse (T)

QualitätdesUsers (Q)

Level dersozialen Aktivität (SA)

Q x SA x T = TKP = Fair value for money!!

15Mitspieler

16Ressourcen?Network Level

Social Network Analysis conceptAuthor

Micro

Macro

Element Level Centrality

(Degree, Closeness, Betweenness)

Bavelas (1950), Sabidussi (1966), Nieminen (1974) Bonacich (1972), Freeman (1979), Freeman (1980), Knoke & Burt (1983), Bonacich (1987), Friedkin (1991), Borgatti (2005), Burt (1992), Hage & Harary (1995), Marsden (2002), Newman (2003), Latora & Marchiori (2007)

Group Level Local Density Barnes (1969), Mitchell (1969), Niemeijer (1973), Barnes (1974) Granovetter (1976), Friedkin (1981), Snijder (1981)

Tie Strength Granovetter (1973), Friedkin (1980), Lin, Ensel & Vaughn (1981), Wellman & Wortley (1990)

Connectivity Luce (1950), Harary (1969), Krackhardt (1994), Wasserman & Faust (1994)

Network Position & Equivalence Lorrain & White (1971), Boorman & White (1976), White, Boorman & Breiger (1976), Sailer & Douglas (1978), DiMaggio & Powell (1983), DiMaggio (1986), Erickson (1988), Galaskiewicz & Burt (1991)

Clustering & Connectivity Harary, Norman & Cartwright (1965), Davis (1967),Holland & Leinhardt (1970), Cartwright & Harary (1979),

Network Neighborhood

Everett, Boyd & Borgatti (1990), Borgatti & Everett (1992),

Network

Level

Network Statistics (Degree, Distance, Shortest Path, Clustering Coefficient, Transitivity)

Mohar (1991), Barabási, Albert & Jeong (1999), Kleinberg et al. (1999), Newman, Watts & Strogatz (2002), Brandes & Erlebach (2005)

Network Models Milgram (1967), Newman, Watts & Strogatz (2002), Brandes & Erlebach (2005)

Growth of sociological publications indexed with social network in the abstract (source: Borgatti & Foster, 2003)

17Ressourcen!

LiteraturFaust & Wassemann, Social Network Analysis: Methods and Applications,1994

Barabási, Linked: How Everything Is Connected to Everything Else and What It, 2000

18

Q&A

KontaktThomas BrandhoffManaging Director

mail thomas.brandhoff@sociomantic.comphone +49 (0) 30 50 15 47 01

sociomantic labs GmbHChausseestraße 1610115 Berlin

19