ONLINE RECEPTION ANALYSIS: BIG DATA IN QUALITATIVE MARKETING RESEARCH

ABSTRACT

Purpose The purpose of this paper is to forward an extension of reception analysis as a way to incorporate and give insight to social media mediations and big data in a qualitative marketing perspective .We propose a research method that focuses on discursive developments in consumer debates for example on YouTube a large-scale openaccess social media platform as opposed to the closed and tightknit communities investigated by netnography. Methodology/approach Online reception analysis Findings Using a combination of qualitative and quantitative methods, we find that big data can enrich online reception analyses by showing new aspects of weak tie online networks and consumers meaning making. Research limitations/implications The potential of online reception analysis is to encompass a discursive perspective on consumer interactions on large-scale open-access social media and to be able to analyze socialities that do not represent shared cultures but are more representative of transitory everyday interactions. Originality/value of paper Our method contributes to the current focus to define levels of analysis beyond research centered on individuals and individual interactions within groups to investigate other larger socialities. Further, our method also contributes by incorporating and investigating the mediatization of interaction that social media contributes with and therefore our methods actively work with the possibilities of social media. Hence, by extending the advances made by netnography into online spaces, online reception analysis can potentially inform the current status of big data research with a sociocultural methodological perspective .

INTRODUCTION

Big data is the big issue in marketing at the moment. It is proclaimed to bethe solution to end all marketing problems in the future (Manyika et al., 2011). Some even claim that with big data we can dispense with the “why” questions (Mayer-Scho¨ nberger & Cukier, 2013), however others warn against trusting big data at the same time as they worry about the surveillance that big data also represents (Boyd & Crawford, 2011). In this paper, we investigate how big data can give perspective to analyses of consumers’ interactions on large-scale open-access social media. They present a challenge to qualitative consumer research, because of the numbers of consumers interacting and their transitory engagement.

چکیده

هدف هدف از این مقاله، پیشبرد تحلیل تجزیه و تحلیل پذیرش به عنوان راهی برای ترکیب و ارائه بینش به رسانه های اجتماعی اجتماعی و داده های بزرگ در یک دیدگاه بازاریابی کیفی است. ما پیشنهاد روش تحقیقاتی که بر روی تحولات گفتمان در بحث های مصرف کننده، یوتیوب پلت فرم رسانه های اجتماعی openaccess در مقیاس بزرگ؟ به عنوان مخالفت با جوامع بسته و تنگ که توسط Netnography بررسی شده است. روش شناسی / رویکرد؟ نتایج آنلاین تجزیه و تحلیل پذیرش؟ با استفاده از ترکیبی از روش های کیفی و کمی، ما می بینیم که داده های بزرگ می توانند تجزیه و تحلیل پذیرش آنلاین را با نشان دادن جنبه های جدید شبکه های آنلاین ضعیف و مصرف کنندگان به معنای ساختن، غنی سازی کنند. محدودیت های تحقیق / پیامدها؟ پتانسیل تجزیه و تحلیل پذیرش آنلاین این است که چشم انداز تفسیری را در مورد تعاملات مصرف کننده در رسانه های اجتماعی با دسترسی آزاد به وسیله وسیع در نظر بگیریم و بتوانیم به تجزیه و تحلیل سوسیالیسم هایی که فرهنگ های مشترک را نشان نمی دهند اما بیشتر نمایانگر تعاملات روزمره گذرا باشند. اصالت / ارزش کاغذ؟ روش ما به تمرکز فعلی برای تعریف سطوح تجزیه و تحلیل فراتر از تحقیقات متمرکز بر افراد و تعاملات فردی درون گروه ها برای بررسی سایر اجتماعات بزرگتر کمک می کند. علاوه بر این، روش ما نیز با ترکیب و تحقیق رسانه سازی تعامل که رسانه های اجتماعی با آن همراه هستند، کمک می کند و بنابراین روش های ما به طور فعال با امکانات رسانه های اجتماعی کار می کند. از این رو، با گسترش پیشرفت های انجام شده توسط netnography به فضاهای آنلاین، تجزیه و تحلیل پذیرش آنلاین می تواند به طور بالقوه وضعیت فعلی تحقیقات داده های بزرگ را با دیدگاه روش شناسی اجتماعی فرهنگی مطلع است.

مقدمه

داده های بزرگ موضوع مهم در بازاریابی در حال حاضر است. این اعلام شده است که راه حل برای پایان دادن به تمام مشکلات بازاریابی در آینده اعلام (Manyika et al.، 2011). برخی حتی ادعا می کنند که با داده های بزرگ ما می توانیم با سوالات “چرا” (Mayer-Scho¨nberger & Cukier، 2013) کنار بیاییم، با این وجود دیگران در مورد اعتماد به اطلاعات بزرگ در همان زمان هشدار می دهند که نگران نظارت هستند که داده های بزرگ نیز نشان دهنده آن هستند (Boyd & Crawford، 2011). در این مقاله، ما بررسی می کنیم که چگونه داده های بزرگ می توانند به تجزیه و تحلیل تعاملات مصرف کنندگان در رسانه های اجتماعی دسترسی آزاد دسترسی پیدا کنند. آنها با توجه به تعداد مصرف کنندگان در تعامل و تعامل گذرا از آنها، چالش هایی را برای تحقیقات مصرف کننده کیفی ارائه می دهند.

Year: 2016

Publisher : IEEE

By : Gry Høngsmark Knudsen and Dannie Kjeldgaard