Analysis of Social Media Data to Optimize the Marketing Strategy of GSOM Higher Education Programs

Abstract

Выпускная квалификационная работа выполнена студентами Дорошковой Д.А., Рылеевой М.О., Лисицыной А.Д. второго курса магистратуры программы обучения “Бизнес-аналитика и большие данные”. Научный руководитель - кандидат технических наук Горовой В.А. Данное исследование посвящено изучению данных из групп абитуриентов ВШМ в социальной сети Вконтакте с помощью методов машинного обучения. Была проанализирована информация, размещенная в трех группах (абитуриенты бакалавриата, абитуриенты магистратуры и официальная группа ВШМ), и на страницах подписчиков. Использованные в исследовании данные были получены из VK API. В работе были применены следующие методы анализа данных: обработка естественного языка, анализ тональности текста, модели регрессии и бинарной классификации, а также кластерный анализ. Дополнительно для визуализации и мониторинга данных о подписчиках был построен дашборд в Yandex.DataLens. В ходе анализа было выявлено, что по сравнению с остальными факторами, самым важным для вовлеченности является содержание постов. Были обнаружены слова, оказывающие влияние на активность пользователей в сообществах ВШМ. Также были определены сегменты подписчиков на основании социально-демографических показателей и проведен анализ их интересов. Вследствие полученных результатов были сформированы рекомендации для развития маркетинговой стратегии ВШМ в социальной сети Вконтакте.

Master Thesis was carried out by students Doroshkova D.A, Ryleeva M.O., Lisitsyna A.D. of the second-year master's degree program "Master in Business Analytics and Big Data''. Supervisor of the work is candidate of engineering Gorovoy V.A. This research is devoted to the study of data from groups of GSOM applicants in the social media Vkontakte with the help of Machine Learning algorithms. The information posted in three groups (undergraduate applicants, graduate applicants and the official GSOM group) and on subscribers' pages was analysed. The data used in the study was obtained from VK API. The following data analysis methods were used: natural language processing, sentiment analysis, regression and binary classification models, and cluster analysis. Additionally, a dashboard in Yandex.DataLens was built to visualise and monitor subscriber data. The analysis revealed that, compared to the other factors, the most important for engagement was the content of the posts. We discovered “trigger” words that have an impact on user activity in GSOM communities. The subscriber segments were also identified on the basis of socio-demographic indicators and the analysis of their interests was conducted. As a result, recommendations for the development of GSOM marketing strategy in Vkontakte social network were formed.