この特集では、GTメソッド「ソーシャルリスニングの6つのステップ」を紹介してきました(図1)。
ただし、このような「分析の型」があったとしても、ソーシャルリスニング自体を「定型処理」として行っていくのはなかなか難しいものです。
インプットとなる情報自体が定性的なテキスト情報であり、言葉の用法そのものもどんどん変化していきます。加えて、分析対象が一般消費者向けの商材やサービスでないと使いにくいといった制約もあります。最低でも週に数百件以上の発言がないなら、全件を読んだ方がよっぽど早く、また正確に世の中の声に触れられます。
さらに、ソーシャルリスニングを将来の予測に使うことについても、まだまだ発展途上の段階といえます。特に定量データがあったり、アンケート結果があったりする場合は、ソーシャルリスニングがその補完的な役割を担うことはあっても、ソーシャルメディアだけをインプットにして「正確な予測」を導き出すのは、現状では困難だといえるでしょう。
何より、定型的には進められない最大の理由は「データアーティストが必要だ」という点に尽きます(関連記事:CMOに必須な4つの素養、その1つ「データアーティスト」が仮説を繰り出す)。
紹介したGTメソッドに則って分析を進めることは確かに可能ですが、「仮説の構築と検証」「示唆の導出」において、データアーティストのケイパビリティーが必要になります。
これらの作業を機械的な判別で代替するのは困難ですので、少なくとも現時点では、いずれのツールも自動的に「答え」を導き出してくれません。できるのはせいぜい、件数の多い順に並べるところまでです。
しかし、こんな状況だからこそ、恐れずにトライしてみることが重要だと、私は考えています。答えは出してくれなくても、以前に比べて、高度な分析が可能なツールがASPモデルで比較的安価に使えるようになってきました。