Author Archive Armando Valdés

PorArmando Valdés

Análisis Multivariente aplicado al Marketing 1

Hace unos días se dio a conocer la noticia de la supresión de Google Cloud Prediction API para abril del 2018, esta herramienta sirve para crear modelos de Machine Learning ya que  es una API de aprendizaje automático basada en la nube que nos puede ayudar  a analizar  datos para agregar varias características a nuestras aplicaciones, tales como  análisis de sentimiento del cliente, detección de spam, sistemas de recomendación y más.

 

PorArmando Valdés

Ejemplo de Identificación de Influencers, caso “Pulque”

¿Qué son los influencers y por qué son importantes?

Los influencers son personas que, por su experiencia y credibilidad, tienen el poder de influir en otras,  ya que las personas se identifican con ellos, los admiran, confían y respetan su opinión, independientemente de que lo haga a través de los medios digitales o no digitales, los influencers pueden generar para las marcas, reputación, notoriedad, y una llamada a la acción.

El fenómeno de los  influencers o influenciadores se da a causa de que como espectadores, bajamos la guardia racional ante alguien a quien admiramos, cuya presencia ante un producto nos coloca en un estado de vulnerabilidad tal que de forma no consciente se activan los mecanismos emocionales en los que transferimos todo tipo de bondades al producto por el mero hecho de una asociación positiva con el emisor del mensaje. 

Identificar a los líderes de opinión que pueden ayudar a conectar a una marca de forma natural y espontánea con su público objetivo es algo de valor incalculable en este momento de saturación publicitaria; desde celebridades en un extremo de la escala a amigos en la otra, el abanico de opciones es amplio, y controlar ese poder de influencia ha dejado de ser una opción para las marcas y pasar a ser casi una asignatura obligatoria. 

Sin embargo no es tarea fácil  saber con quién hay que contar y seleccionar de entre los miles de posibles colaboradores a los que de verdad estén alineados con el tema y que cumplan con la capacidad para movilizar las opiniones, crear reacciones ante un tópico concreto y mover a la acción. 

Para la identificación de influencers a veces se utilizan  herramientas  basadas en  datos cuantitativos como el número de seguidores, la frecuencia de publicación o la viralización de contenidos en otras redes sociales, pero son los valores cualitativos como la compatibilidad con el tema, la audiencia potencial a la que pueden llegar  o el tono de los mensajes  los que nos proporcionarán una selección eficaz.

Ejemplo caso Pulque

Para este caso se analizaron los tweets que tuvieran dentro del texto la palabra “pulque” , se encontraron un total de 9,339 mensajes entre el periodo del  09/07/2016 al 25/08/2016. Los mensajes se desagregaron en retweets (compartidos) los cuales correspondieron al  40% del total, posteriormente se graficaron de manera dirigida siguiendo una estructura de usuario a usuario unidos por la interacción  de los tweets. Para el tamaño de los nodos se utilizó un indicador de segundo orden, ya que, en estudios del CIESTAAM  se resalta la importancia de no sólo considerar los vínculos directos si no también los vínculos indirectos en un proceso de intercambio de información entre diversos actores. El indicador de segundo orden que se utilizó fue el PageRank , este algoritmo creado por Google es definido como la cantidad esperada de tiempo dedicado a visitar ese nodo en una caminata al azar en la red. 

 

estructura de los retweets

Se encontró una red (Red de influencers A) compuesta por 3,738 usuarios que interactuaron entre sí un total de 3,481 veces,  se optó por segmentar la red en comunidades, ya que como mencionan algunos autores,  muchas redes complejas tienen una estructura modular subyacente, es decir, subunidades estructurales (comunidades o grupos) caracterizada por nodos altamente interconectados.

Las comunidades más grandes están representadas por diferente color en la figura “Red de influencers B” , para este caso se eligieron a cinco de ellas ( Red de influencers C) con el objetivo de ejemplificar cómo se da la interacción de mensajes compartidos entre usuarios.

El pase de diapositivas requiere JavaScript.

Ejemplo de tipo de”influencers” identificados

red influencers pulque

Grafo de Red 1

Si se mira con atención la figura “Red de influencers B”  se puede apreciar que muchas de las comunidades tienen un alto índice de centralización , es decir que un actor ejerce un papel claramente central al estar conectado con todos los nodos, los cuales necesitan pasar por el nodo central para conectarse con otros .

De las cinco comunidades seleccionadas podemos ver que tanto la comunidad color amarillo (Grafo de Red 1) como la comunidad de color rojo (Grafo de Red 2) presentan la característica de tener un índice de centralización alto, ya que giran en torno a un sólo usuario, siendo  @ChilangoCom el eje principal en el primer caso y @El_Baticholo en  el segundo.

Pero entonces, a parte del número de nodos que las componen, ¿Cuál es la diferencia entre estas dos redes?

 

 

Red influencers pulque

Grafo de Red 2

La comunidad de color rojo, en donde se encuentra la cuenta de @El_Baticholo, no sólo gira en torno a un sólo actor, también gira en torno a un sólo tweet (ver Anexo 1), inclusive si se mira la posición de esta comunidad con respecto a toda la red se puede observar un aislamiento. Si nos detenemos a ver el contenido del tweet emitido por esta cuenta (Anexo 1) nos podemos percatar de manera inmediata que capta a los usuarios más por su contenido humorístico que por su relación con el producto pulque, por tal motivo habría que pensarlo dos veces antes de considerar a esta cuenta dentro del grupo de influencers para esta bebida. 

En la comunidad amarilla, a diferencia de la comunidad roja, los usuarios interactuan con una mayor cantidad de mensajes (17 tweets sobre pulque)  emitidos por la cuenta líder @ChilangoCom , muestra de estos mensajes se pueden ver en el Anexo 2

A pesar de que @ChilangoCom es una cuenta que presenta una gran diversidad de contenidos, la cuenta de la revista famosa entre los capitalinos funciona como un excelente medio para difundir mensajes sobre pulque , no obstante, ¿qué tan factible es que una cuenta de 3.4 millones de seguidores acceda a promocionar un tweet sobre nuestro producto?, ésto mismo aplica para celebridades como actores, deportistas, políticos etc. , que si bien tienen un alto poder de convocatoria, la posibilidad que compartan nuestros mensajes es más reducida o incluso requeriría de  un incentivo económico.

Para las otras tres comunidades seleccionadas (verde, azul, cian) , las cuales se notan más descentralizadas, nos guiamos por el PageRank para identificar a los influencers o actores clave dentro de ella, para el caso de la comunidad verde podemos notar que aun existen actores que acaparan las interacciones , pero a diferencia de la comunidad roja o amarilla, existe una interacción entre estos actores líderes, ejemplo de estas cuentas son @adn40 (ver Anexo 3) y @AGNMex (ver Anexo 4).

Hablando de las comunidades en tonalidad azul (Grafo de Red 1), podemos observar que a pesar de no existir como tal un usuario líder ,la densidad de la red es mayor, mostrando una mayor  interacción entre los usuarios, lo cual hace pensar que en estas comunidades existen actores más relacionados con el ambiente del producto y bastaría con elegir a aquellos usuarios que se encuentre en una posición de conectividad  favorable dentro de la red para difundir un mensaje al mayor número de usuarios . En estas comunidades encontramos cuentas de usuarios más “terrenales”  como @El_pulque y @FestivalPulque (Anexo 5).

Como ideas finales se puede decir que identificar a los influencers no es una tarea fácil y que  no podemos olvidarnos que trabajamos con personas y que el mejor modo de conocer sus intereses y establecer relaciones duraderas con ellos es a través de una comunicación fluida one to one.

La identificación de influencers requiere tiempo, dedicación y esfuerzo y la clave del éxito estará en que seamos capaces de aportar contenidos de calidad, alineados con sus intereses y ajustados a los mensajes de la marca y que solo de esta manera se podrán establecer vínculos que generen beneficios para todos.

Cerramos retomando la idea de un artículo de la revista “El Profesional de la Información” que dice :

 “Es deseable que desde el mundo académico surjan propuestas teórico empíricas de medición de la influencia personal digital, acordes con el rigor y seriedad exigibles a las investigaciones científicas”.

Si quieres conocer más acerca de la identificación de influencers  en redes sociales  te invitamos a conocer nuestro programa de Data Science para el Sector Agroalimentario , recuerda también que puedes ponerte en contacto con nosotros  a través de nuestro formulario de contacto o del correo contacto@icaepp.com

Anexos

Anexo 1


Anexo 2


Anexo 3


Anexo 4


Anexo 5

cuentas Influencers de pulque

Bibliografía:

ADECEC. (2016). Trabajar con influencers. Fórmulas para una relación eficaz. Retrieved from http://www.adecec.com/pdf/adecec_presenta_la_guia_“trabajar_con_influencers._formulas_para_una_relacion_eficaz”_.pdf

Aguilar-Gallegos, N., Martínez-González, E. G., Aguilar-Ávila, J., Santoyo-Cortés, H., Muñoz-Rodríguez, M., & García-Sánchez, E. I. (2016). Análisis de redes sociales para catalizar la innovación agrícola: de los vínculos directos a la integración y radialidad. Estudios Gerenciales, 32(140), 197–207. http://doi.org/10.1016/j.estger.2016.06.006

Castelló Martínez, A., & del Pino Romero, C. (2015). La comunicación publicitaria con influencers. Redmarka: Revista Académica de Marketing Aplicado, 8(14), 21–50. Retrieved from http://dialnet.unirioja.es/servlet/articulo?codigo=5159613&info=resumen&idioma=SPA

Cook, S. (2012). Tutorial 4 – Centrality Measures. Retrieved from http://www.fna.fi/blog/2012/11/05/tutorial-4-centrality-measures/

Muff, S., Rao, F., & Caflisch, A. (2005). Local modularity measure for network clusterizations. Physical Review E – Statistical, Nonlinear, and Soft Matter Physics, 72(5), 1–5. http://doi.org/10.1103/PhysRevE.72.056107

O Velázquez Álvarez, Alejandro & Aguilar-Gallegos, Norman. (2005). Manual introductorio al análisis de redes sociales. Medidas de centralidad. 10.13140/2.1.4053.7927.

Serrano-Puche, J. (2012). Herramientas web para la medición de la influencia digital: análisis de klout y PeerIndex. El Profesional de La Informacion, 21(3), 298–303. http://doi.org/10.3145/epi.2012.may.11

 

 

 

PorArmando Valdés

Tu muro de Facebook te miente!, la ilusión provocada en redes sociales

Teorías desveladas sobre la interacción humana

A partir del surgimiento de las redes sociales se han podido comprobar teorías planteadas años atrás acerca de la interacción humana. Una de las más conocidas es “La teoría de los seis grados” la cual fue inspirada por el escritor húngaro Frigyes Karinthy quién basó la trama de un breve cuento titulado Chains, en la siguiente idea: partiendo de un pequeño número de contactos se puede ir construyendo una cadena de crecimiento exponencial que puede llegar a unir a la humanidad entera. Con base en esta idea el psicólogo norteamericano Stanley Milgram en 1967 conjeturó que si tomas  dos personas del mundo al azar, podrían comunicarse entre sí pasando por una cadena de 6 eslabones o menos,  por ejemplo  en este momento podría afirmar que “Un amigo de mi amigo conoce al amigo de un amigo de una persona amiga de:” Jennifer Love, Cristiano Ronaldo o Elon Musk.

No obstante para demostrar esta teoría habría que conocer el nombre de toda la humanidad, que constituiría una base de datos prácticamente inmanejable, y además tener una lista de conocidos de todo el mundo. A pesar de eso Lars Backstrom, analista de datos de Facebook, sí fue capaz de trabajar con una muestra representativa y en 2011 junto con cuatro investigadores de la Universidad de Milán analizaron datos de 721 millones de usuarios de esa red social  (alrededor del 10% de la población en ese tiempo)  encontrando una distancia promedio entre dos miembros de 4,74 grados ( referencia aquí ) lo cual hace pensar que a lo mejor sí estamos todos muy conectados.

Otra de las teorías que se pudo desvelar es “La paradoja de la amistad” la cual a grandes rasgos dice que tus amigos tienen más amigos que tú , y no es que cualquier amigo tuyo sea más popular que tú, sino que, si haces la media de amigos de tus amigos, en un porcentaje superior al 83% de los casos sale superior al número de amigos que tienes tú. Esta teoría se expande en general a más plataformas ( tus amigos escriben más tweets que tú, los artículos de tus amigos serán más citados que los tuyos) y  según  el texto titulado  Paradoja de la Amistad Generalizada en las Redes Complejas” de Young-Ho Eom de la Universidad de Tolouse en Francia y Hang-Hyun Jo de la Universidad Aalto en Finlandia (referencia aquí ) tus amigos tendrán más dinero, fama, éxito o felicidad que tú.

Pero esta teoría más allá de hacerte sentir como un loser  por la vida, se ha utilizado en estudios para campañas de vacunación, tal como explica la catedrática Clara Grima, cuando no hay dinero ni tiempo para vacunar a todo el mundo, se puede hacer la llamada “inmunidad de grupo”: administrar lo que se tiene a un grupo de personas, pedirles que indiquen quién es su amigo más popular y vacunar a esos. “Es intentar inmunizar al mayor número posible, para que aunque no estés vacunado estés rodeado de gente que sí lo está”.

Es precisamente la teoría anterior  la que da pie a la teoría que nos atañe en esta ocasión ya que hay una ilusión similar que hace ciertas ideas, imágenes y otros tipos de información en redes sociales  parezcan mucho más populares de lo que en realidad son, a este fenómeno se le conoce como  “ilusión de la mayoría”.

Tu muro de Facebook te miente !!!

La ilusión de la mayoría fue descrita por primera vez por investigadores de la Universidad de California (referencia aquí) , y a grandes rasgos explica que los individuos generalmente no son conscientes del comportamiento de otros y lo estiman a partir del comportamiento de sus amigos cercanos, lo que puede ser una fuente de error ya que un individuo puede observar un comportamiento o atributo en la mayor parte de sus amigos, a pesar de que es poco frecuente en la red en su conjunto. 

Lo anterior es propiciado por la estructura de la red social subyacente, ya que puede  distorsionar las observaciones sobre un individuo. Para explicar ésto retomaremos el ejemplo dado por Kristina Lerman, Xiaoran Yan y Xin-Zeng Wu  

La ilusión de la mayoría en las redes sociales

Grafo de Red “A”

En la imagen Grafo de Red “A” tenemos representada una determinada red social, Facebook por ejemplo, y se han unido con líneas aquellos que son amigos entre sí.

En esta red se han coloreado tres nodos de color rojo, color que representa una determinada  idea o tendencia a la cual llamaremos “pensamiento rojo“.

¿Es el pensamiento rojo es una idea habitual en la red?, la respuesta es NO ya que sólo 3 de 14  nodos (21%) lo presentan. Sin embargo si se les pregunta a cualquiera de los 11 usuarios en gris dirán que el pensamiento rojo está en más del 50% de sus amigos.

 

 

 

Redes sociales la ilusión de la mayoría

Grafo de Red “B”

En el Grafo de Red “B” se toman a tres nodos (verde, azul y amarillo) para preguntarles acerca del pensamiento rojo, el nodo amarillo percibe ese pensamiento en el 66% de sus amigos, por su parte el nodo azul en el 75% y para el nodo verde en el 100% de sus amigos. 

Ahora ¿ésto mismo ocurriría si pintamos de rojo otros tres usuarios distintos de la red? , la respuesta nuevamente es NO ya que depende de la posición en la red en la que se encuentre el individuo, también interviene la estructura de la red ya que la capacidad de influencia de un vértice de alto grado tiene sobre la percepción de los otros vértice de la red depende de la estructura de la misma, es más marcada en las redes en las que los vértices de alto grado tienden a estar conectados a vértices con grado bajo.

 

 

Problema u oportunidad en las Redes Sociales

La ilusión de la mayoría podría parecer inofensiva en redes sociales cuando  se trata de compartir memes de los Simpson, pero no lo es cuando se aceptan como normales comportamientos de tipo misógino, xenófobo, clasista, homófobo, etc.  propiciados por la aparente popularidad a nivel local de una opinión minoritaria. 

La oportunidad se presenta cuando se identifican a aquellos nodos más conectados  dentro de las Redes Sociales  “influencers” y se toman como promotores de un mensaje de paz y amor, o en su defecto para crear la “ilusión de la mayoría” en pro de nuestro producto o servicio.

Si quieres conocer más acerca de la identificación de influencers  en redes sociales  te invitamos a conocer nuestro programa de Data Science para el Sector Agroalimentario , recuerda también que puedes ponerte en contacto con nosotros  a través de nuestro formulario de contacto o del correo contacto@icaepp.com

 

 

 

 

PorArmando Valdés

Feria Nacional de la Cultura Rural, cómo se vivió en Twitter

El día de ayer domingo se dio por terminada la vigésimo segunda edición de la Feria Nacional de la Cultura Rural y la trigésimo tercera Feria del Libro en la Universidad Autónoma Chapingo. La primera busca promover y difundir la autenticidad de la artesanía mexicana y la segunda es considerada como uno de los encuentros culturales y de lectura más importantes de la región.

En esta ocasión se pretende dar un panorama acerca cómo fue  la actividad en Twitter con relación a estos eventos y cuáles fueron los actores relevantes en la difusión de información por esta plataforma.

¿Qué es Twitter y por qué analizarlo?

Twitter es una red social global gratuita online. Desde sus inicios ha ido combinando elementos de blog, mensajes de texto y emisión de contenidos multimedia. Los usuarios escriben mensajes de texto limitados a 140 caracteres, llamados tweets, enviados a cualquiera que haya elegido recibir los tweets de otros perfiles; en cada tweet es posible enlazar con otros medios e incorporar enlaces de vídeo, imágenes y hashtags4

A continuación de describen cada una de las tres principales funcionalidades de Twitter para emitir un mensaje. La primera funcionalidad corresponde a los hashtag, los cuales se pueden ser definidos como etiquetas otorgadas a un tweet o mensaje que ayudan a la búsqueda de mensajes similares o bajo la misma temática, estas etiquetas se caracterizan por que les antecede el símbolo “#”. Las otras dos vertientes son las de retweets y menciones la primera se refiere básicamente a compartir en mi cuenta el mensaje de otro usuario (símil a “compartir” en Facebook), y la segunda como su nombre lo infiere se trata de nombrar a uno o más usuarios con el objetivo de que se percate(n) del mensaje que se está publicando (símil a “etiquetar” en Facebook).

A pesar de que Twitter no es la plataforma más popular entre la comunidad,  tiene características únicas que lo distinguen de otras aplicaciones:

  • La brevedad de los tweets, y la forma cómo estos son compartidos con el resto de usuarios, indica que la naturaleza compacta de los tweets hace que sea muy fácil enviar información, permitiendo al usuario exponerse a una gran cantidad de información, para rápidamente seleccionar aquella que le interesa 3
  • A diferencia de otras redes sociales Twitter comparte estos mensajes públicamente con el resto del mundo sin necesidad de estar relacionado por una solicitud de amigo (caso Facebook), se destaca que en Twitter uno sigue a las personas de acuerdo a las ideas expresadas en sus tweets, sin necesidad de conocerlos y la relación entre usuarios puede ser asimétrica 3.
  • Para la investigación Twitter ofrece una oportunidad excepcional para el análisis de la opinión pública: los mensajes que intercambian los usuarios pueden contener información valiosa acerca de sus preferencias y su reacción a los mensajes y eventos políticos en un entorno que es accesible para el investigador1.  
  • Puede funcionar como herramienta para monitorear tendencias, descubrir noticias de última hora o actualizaciones minuto a minuto 2 
  • El uso de ésta herramienta posibilita varios beneficios para el analista: costos bajos para un volumen mayor de información; acceso rápido y fácil de un número considerable de usuarios; y con información contextual, es decir, se considera la región geográfica de la extracción de los datos5.

Feria Nacional de la Cultura Rural y Feria del Libro en Twitter

Se extrajeron aquellos tweets que tuvieran dentro del texto las palabras “Feria Chapingo”, “Feria del  Libro Chapingo” o “Feria Nacional de la Cultura Rural”. La extracción abarcó el periodo dado entre el 29/09/2017 a las 09:46:24 p. m. y el 15/10/2017 a las 08:12:48 p. m. 

Se obtuvieron un total de 649 tweets que fueron escritos o compartidos por 486 usuarios diferentes, entre las cuentas que destacan por su número de seguidores están  @algarabia (497,598 ), @SEMARNAT_mx (463,267 ) y Diario_Supremo (184,292).  En cuanto a la participación por número de mensajes emitidos destacan las cuentas de @Chapingo_visual (14), @agroecologo (13), @LaArrasante(13), @AbuelitaTexcoco (6) @HHBotellita(7) y @joseacontreras(5).

Los tweets acerca de la Feria Nacional de la Cultura Rural y Feria del Libro se desagregaron por retweets, hashtag y menciones con el fin de hacer un análisis más detallado.

Con respecto a las redes

Para el caso de retweets se encontró que abarcaban un 45% de todos los mensajes emitidos, éstos implicaron una interacción entre 308 cuentas (63% del total). Al hacer el mapeo de redes que se ilustra en la figura de abajo (nodo color naranja emite el mensaje,  nodo color azul comparte el mensaje) se encontró que de las cuentas de las cuales se compartió más su contenido fueron:  @calshawnsucio, @HHBotellita, @TorosUachpress1,@Chapingo_visual, @tania_eulalia, y @ingridebp

Al analizar los hashtag se encontró que 49 cuentas usaron 67 etiquetas diferentes en 95 tweets,  tal como se muestra en la figura de abajo (116 nodos entre cuentas y hashtag), entre las etiquetas o hashtag que más destacan  están: #chapingo, #texcoco, #feria, #méxico, es decir son con las que los usuarios asociaron a los dos eventos.

Otra red importante es la de menciones, ya que el hacer una mención es indicativo del interés que tiene el remitente de que la persona que es mencionada vea el mensaje emitido, al hacer el mapeo de esta red , el cual se encuentra representada por la figura de abajo (color naranja usuario que es mencionado, color azul usuario que hace mención) se destaca que la cuenta más mencionada es @uach_chapingo, la cual es la cuenta oficial de esta universidad.

Es importante destacar que se puede obtener una amplia cantidad de información sobre la actividad que tienen los usuarios en esta red social, y  a pesar de que en esta ocasión se ve limitada por la  cantidad de datos recolectados, este proceso se puede replicar en eventos de una mayor amplitud como lo serían los temas top o “trending topic”, de igual manera se pueden realizar durante un periodo más amplio de tiempo, imagínense el poder monitorear  la información que fluye en esta red social  en torno a un producto o servicio durante tres, seis, nueve meses o más, la información obtenida en este proceso pueden ser de gran apoyo para la toma de decisiones en la promoción  y difusión de mensajes que den a conocer nuestro producto o servicio.

Si quieres conocer más acerca del análisis de datos de diferentes plataformas te invitamos a conocer nuestro programa de Data Science para el Sector Agroalimentario , recuerda también que puedes ponerte en contacto con nosotros  a través de nuestro formulario de contacto o del correo contacto@icaepp.com

¿Qué más?

Otra de la información que se pudo obtener sobre la  Feria nacional de la Cultura Rural y la Feria del Libro fue la  distribución de los tweets emitidos por origen,  fecha y hora :

 


También se presentan algunos de los tweets con mayor interacción:







También visitamos en redes sociales:

facebook icaepp    Twitter icaepp

Referencias:

  1. Barberá, P., & Rivero, G. (2012). ¿Un tweet, un voto? Desigualdad en la discusión política en Twitter. In I Congreso Internacional en Comunicación Política y Estrategias de Campaña (pp. 1–22).
  2. Carlos de la Paz, J., Gómez Masjuán, M. E., & Pérez Alonso, B. (2016). Estrategia de comunicación en redes sociales. Escenarios teórico prácticos para los medios de comunicación en Cuba. RAZÓN Y PALABRA Primera Revista Electrónica En Iberoamérica Especializada En Comunicación, 92(92), 1–40.
  3. Curioso, W. H., & Carnero, A. M. (2011). Promoviendo la investigación en salud con Twitter. Revista Médica Herediana, 22(3), 121–130.
  4. Del Fresno García, M., Daly, A. J., & Segado Sánchez-Cabezudo, S. (2016). Identificando a los nuevos influyentes en tiempos de Internet: medios sociales y análisis de redes sociales. Revista Española de Investigaciones Sociológicas, 153, 23–42. http://doi.org/10.5477/cis/reis.153.23
  5. Litche Fragoso, P. M., & Sánchez Salinas, J. C. (2014). Uso productivo de Big Data y redes sociales en el sector turismo. Secretaría de Turismo Subsecretaría de Planeación y Política Turística Documentos de Investigación Estadística y Económica
PorArmando Valdés

El Big Data en los Artículos Científicos

Hace unos días leía que entre los nuevos avances de  Mendeley se encontraba su integración con Scopus, ésto genera que  las estadísticas que encontramos en la versión web de Mendeley ya muestren la correlación entre los datos de veces que se ha compartido una publicación en Mendeley y las citas recibidas por SCOPUS. Esto también da lugar a que los usuarios de Mendeley tengan una manera fácil de acceder y agregar metadatos de millones de publicaciones de Scopus.

Mendeley muestra cuántos lectores y descargas tienen nuestras publicaciones , y se incluye en casi todos las plataformas de medición altmétrica . Pero no sólo proporciona datos de los lectores que compartieron nuestras publicaciones que a veces pueden ser miles, si no que además da datos sobre perfiles de los lectores y áreas de procedencia temática y geográfica.

articulos cientificos

Métricas de Mendeley

Dadas la premisas anteriores surgió la duda: ¿Es posible conocer a la audiencia que indaga en artículos científicos sobre un tema en particular? y si es así ¿Cómo es el panorama de los lectores sobre Big Data en los medios científicos?.

Para dar respuesta a estas preguntas se optó por hacer una búsqueda en Google Scholar con las instrucciones intitle:”big data” intext:”doi”, lo anterior con el objetivo de recolectar los doi de los artículos que hablaran sobre Big Data.

Google Scholar

Búsquedas en Google Scholar

Una vez llegando a la página número 100 de Google Scholar, se lograron recolectar un total de 982 Doi, de los cuales (con la ayuda de python y aprovechando la incorporación de  Mendeley con Scopus) se extrajeron datos sobre la audiencia que consultó 830  de estos documentos.

Alguna de la información que se pudo obtener entre otras cosas fue: las palabras clave más usadas, los principales países de origen de los lectores, la distribución por año de las publicaciones y la distribución de los lectores por estatus académico:

Palabras más usadas como keywords de artículos sobre Big Data

Big Data Nube

Nube de palabras más usadas en los artículos

Big Data lectores

Lectores de Big Data por estatus

A pesar de conocer esta información aún queda en el aire una pregunta (y que trataremos de resolver en un siguiente post):

¿Cuáles son las características que podrían apoyar a que un artículo científico sea más leído? 

¿Tal vez las palabras clave que utiliza , el año en que fue publicado, el o los autores?, bastaría con utilizar los datos extraídos para analizarlos estadísticamente y  dar respuesta a esta y otras preguntas

Si quieres conocer más acerca de la extracción  de datos de diferentes plataformas te invitamos a conocer nuestro programa de Data Science para el Sector Agroalimentario , recuerda también que puedes ponerte en contacto con nosotros  a través de nuestro formulario de contacto o del correo contacto@icaepp.com

 

PorArmando Valdés

Aprende como representar una “Red de Valor” de una manera innovadora

¿Qué es una Red de Valor?

El concepto de “Red de Valor” fue introducido por NaleBuff y Brandenburger en su libro “Coo-petencia” en 1997, en dicha publicación señalan que la red de valor es un diagrama  sirve para representar visualmente el juego de los negocios.

La red de valor, dicen, localiza a cada jugador en relación con todos los demás e identifica la interdependencia entre unos y otros. Es especialmente útil para señalar las formas en que una relación entre jugadores puede combinar la competencia con la cooperación.

Otra de las definiciones la encontramos en una nota del CIESTAAM que dice que la red de valor es una forma de organización de un sistema productivo especializado en una actividad en común, caracterizada por la concentración territorial de sus actores económicos y de otras instituciones, con desarrollo de vínculos de naturaleza económica y no económica que contribuyen a la creación de valor o riqueza, tanto para sus miembros como su territorio.

Elementos de una Red de Valor

Se destaca que la red de valor está conformada por 5 elementos y a diferencia de otros esquemas similares como las 5 Fuerzas de Porter, en éste se incluye el concepto de “complementador” el cual en palabras de los autores del libro  Coo-petencia es explicado como: 

“Un jugador es su complementador si los clientes valoran más el producto de usted cuando tienen el producto de otro jugador que cuando sólo tienen el producto de usted”. 

Los otros elementos de la red  de valor son: la empresa, los clientes, los proveedores y los competidores. En la figura de abajo se muestra un ejemplo de la red de valor de una empresa tequilera dado por  Muñoz y Santoyo (2011)  

Red de Valor Tequila

La Red de Valor: Actores Involucrados

Sobre el eje vertical de la red de valor están los clientes y los proveedores ( insumos, servicios y mano de obra ) de la agroindustria, en este caso de la tequilera. El dinero fluye en la dirección contraria: de los clientes a las empresas y de éstas a los proveedores.
A lo largo del eje horizontal se encuentran los competidores y los complementadores de las empresas.  En este caso el limón mexicano o la “sangrita” son complementos del tequila porque el consumidor valora más al segundo cuando se sirve acompañado por los primeros, que cuando se sirve solo. Asimismo, un complementador podría estar representado por una organización tipo integradora que, al agrupar a empresas del mismo giro para realizar funciones de compras y ventas consolidadas, permitiría ofrecer mejor servicio a los clientes.

El problema de la representación 

Si bien la representación dada en forma de “diamante”  es muy socorrida, la misma naturaleza del concepto “red” (Conjunto de entidades que se encuentran o cruzan en numerosos puntos permitiendo algún tipo de transmisión, intercambio o movimiento de algo a través de ellos) se encuentra limitada a la conexión de las mismas entidades con los mismos nodos, a sabiendas que, como mencionan Muñoz y Santoyo (2011) , existen  múltiples roles o papeles en el juego de los negocios, lo cual hace que el juego sea mucho más complicado, aunado a lo anterior el problema de la representación se magnifica cuando se percata  que cada uno de los actores además de poder desempeñar diferentes roles dentro de una red de valor, a su vez son parte de otras redes (incluyendo la red en donde ellos están el centro), ésto vuelve a la Red de Valor un entramado complejo de conexiones la cual es difícil de visualizar sólo con una representación de diamante.

¿De qué otra manera se puede representar una red de valor?

Se propone una manera que obedece más a la forma de red y que permite una visualización más amplia mediante conexiones que representan el flujo de los productos o servicios entre cada actor, permitiéndonos así identificar más fácil a aquellos actores que desempeñan dos o más roles  dentro de la red e incluso se vislumbran elementos de otras redes de valor (multired).

¿Qué pasos se deben seguir?

Te proponemos que descargues el código de ejemplo donde dejamos  cargado la API de Google Chart  y la función para dibujar el gráfico de una red a tu gusto, sólo tienes que añadir los nodos y el tipo de conexiones que quieres que se representen entre ellos. Para guiarte puedes ver el video de abajo donde te mostramos los pasos a seguir. Si más por el momento esperamos que este post te sea de ayuda y recuerda que puedes ponerte en contacto con nosotros a través del formulario o del correo contacto@icaepp.com

Si quieres conocer más acerca de visualización de datos te invitamos a conocer nuestro programa de Data Science para el Sector Agroalimentario  o también si te interesa saber más sobre Red de Valor puedes pedir informes acerca de nuestro programa  de Estrategia de Gestión de Redes de Valor Agroempresarial

 

 

PorArmando Valdés

Promoción de la Carne de Conejo ¿Internet y Redes Sociales son Buena Opción?

El consumo percápita en México de la carne de conejo es bajo a comparación de los países europeos, Mendoza (2006) menciona un consumo per cápita de 150 gramos, sin embargo la misma autora señala que se tiene una demanda potencial de 14 mil toneladas de carne de conejo por año y que solamente se producen 4 mil toneladas anuales. Por tal motivo el desarrollo de esta especie es importante y se deben de modificar los sistemas de producción para hacer frente a esta demanda

La cunicultura es una alternativa real ya que en palabras de Mendoza (2006) las características especiales de esta carne (alto contenido proteico, bajo nivel de grasa y colesterol) la sitúan como una de las fuentes de proteína de origen animal de mayor valor nutritivo. Si a esto se le agrega las características particulares de la especie como: ciclos productivos cortos, alta prolificidad, excelente conversión alimenticia, baja inversión inicial y ser una de las carnes de mayor valor en el mercado, deberían situar las empresas cunícolas como actividad pecuaria de mayor

Pese a estos beneficios de la carne de conejo, Mendoza (2006) comenta que la falta de hábito de consumo de esta carne, ya sea por desconocer sus propiedades, no saberla preparar o la poca oferta, aunado a los problemas existentes en los canales de comercialización, son las causas principales que han limitado su desarrollo a nivel nacional.

Datos de la Agencia de Gestión de la Innovación AGI-Conejos Hidalgo en 2012 reportaron que el 63% de los productores mencionan a la comercialización como un problema grave de su empresa rural. Las ventas de la producción se destinan en un 46% hacia acopiadores, los cuales merman la compra y disminuyen el precio de compra en las temporadas altas de la producción de conejo, un 26% restante se hace al mercado local, con los cuales se tiene el problema que la compra de producto no es constante durante todo el año.

La incursión de los productores cunícolas en otros  mercados como las empresas procesadoras, consumidor final que valore las propiedades del producto o tiendas especializadas que les aseguren la compra del producto a un precio establecido durante todo el año y mayor al que se obtiene en el mercado local, requiere de un desarrollo de capacidades que impacte en aumentar la producción al igual que el desarrollo de canales comercialización alternativas de promoción y sobre todo de plataformas que apoyen a fomentar el consumo de la carne de conejo.

En el siguiente video se pretende  dar un panorama de la situación de la carne de conejo en  plataformas digitales  y sobre todo contestar a la pregunta ¿Internet y Redes Sociales son Buena Opción?.

Referencias:

Agencia de Gestión de la Innovación AGI Conejos Hidalgo 2012. Datos de encuesta de línea Base, Grupo Gam Consultores

Mendoza, A. B., 2006. Primer Foro Nacional de Cunicultura. Toluca, Edo de Mex. 31 de Marzo del 2006. 8p