La influencia en redes sociales online bimodales a través del caso de Tripadvisor
El presente trabajo propone una aplicación de herramientas provenientes del análisis de redes sociales y de programación para la explotación de información de una comunidad online, más específicamente una red social bimodal, obtenida de la web a través del uso de la técnica de web scraping. Se detal...
Guardado en:
Autores principales: | , , |
---|---|
Lenguaje: | Español |
Publicado: |
Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística.Instituto de Investigaciones y Asistencia Tecnológica en Administración de la Escuela de Administración.
2022
|
Materias: | |
Acceso en línea: | https://repositoriodigital.uns.edu.ar/handle/123456789/6240 |
Aporte de: |
id |
I20-R126-123456789-6240 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional del Sur |
institution_str |
I-20 |
repository_str |
R-126 |
collection |
Repositorio Institucional Universidad Nacional del Sur (UNS) |
language |
Español |
topic |
Análisis de Redes Sociales Marketing Digital Influenciadores Web Scraping Tripadvisor Social network analysis Digital marketing Influencers |
spellingShingle |
Análisis de Redes Sociales Marketing Digital Influenciadores Web Scraping Tripadvisor Social network analysis Digital marketing Influencers Litterio, Mario Nantes, Esteban Alberto Larrosa, Juan Manuel La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
topic_facet |
Análisis de Redes Sociales Marketing Digital Influenciadores Web Scraping Tripadvisor Social network analysis Digital marketing Influencers |
description |
El presente trabajo propone una aplicación de herramientas provenientes del análisis de redes sociales y de programación para la explotación de información de una comunidad online, más específicamente una red social bimodal, obtenida de la web a través del uso de la técnica de web scraping. Se detallan desde un enfoque teórico y práctico los pasos seguidos en el proceso de extracción y procesamiento de la información obtenida de www.tripadvisor.com, se genera un modelo de red social que relaciona diferentes tipos de actores dentro de la red, y se aplica un modelo para detectar de individuos influyentes propuesto anteriormente por el mismo grupo de investigación. Por último se describe la aplicación de herramientas de análisis cuantitativo a los datos obtenidos como minería de texto, frecuencia y nubes de palabras.
El trabajo aborda un problema de marketing contemporáneo desde los métodos cuantitativos y la teoría de redes sociales combinando técnicas conocidas en una forma novedosa. Su resultado es el descubrimiento de información valiosa no evidente desde otros métodos de análisis. |
author |
Litterio, Mario Nantes, Esteban Alberto Larrosa, Juan Manuel |
author_facet |
Litterio, Mario Nantes, Esteban Alberto Larrosa, Juan Manuel |
author_sort |
Litterio, Mario |
title |
La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
title_short |
La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
title_full |
La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
title_fullStr |
La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
title_full_unstemmed |
La influencia en redes sociales online bimodales a través del caso de Tripadvisor |
title_sort |
la influencia en redes sociales online bimodales a través del caso de tripadvisor |
publisher |
Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística.Instituto de Investigaciones y Asistencia Tecnológica en Administración de la Escuela de Administración. |
publishDate |
2022 |
url |
https://repositoriodigital.uns.edu.ar/handle/123456789/6240 |
work_keys_str_mv |
AT litteriomario lainfluenciaenredessocialesonlinebimodalesatravesdelcasodetripadvisor AT nantesestebanalberto lainfluenciaenredessocialesonlinebimodalesatravesdelcasodetripadvisor AT larrosajuanmanuel lainfluenciaenredessocialesonlinebimodalesatravesdelcasodetripadvisor |
bdutipo_str |
Repositorios |
_version_ |
1764820504832638977 |