Spatio-temporal analysis of meta-data semantics of market shares over large public geosocial media data
Spatio-temporal analysis of meta-data semantics of market shares over large public geosocial media data
复制标题
大型公共地理社交媒体数据市场份额元数据语义的时空分析
DOI：
10.1080/17489725.2018.1547428
复制
发表时间：
2018
影响因子：
2.3
通讯作者：
Rey, Sergio J.
中科院分区：
文献类型：
--
作者：
Almaslukh, Abdulaziz;Magdy, Amr;Rey, Sergio J.
监测市场份额随时间和空间的变化是商业公司及其第三方本地代理商调整销售活动和营销努力以实现利润最大化的必要和持续的任务。本文使用社交媒体数据作为廉价和最新的来源来揭示嵌入在公共地理社会数据集元数据中的隐含语义。我们使用Twitter数据作为丰富地理社交数据的主要例子。这些数据与几个元数据属性相关联。使用这些元数据，我们对发布tweet的源平台进行地理空间分析，例如来自苹果或安卓设备。我们的分析研究了2016-2017年2年间美国连接州的所有县。我们发现，国家层面的市场结构掩盖了县域范围内的巨大差异。此外，我们发现美国的平台分布和市场份额具有很强的空间自相关性。此外，我们还展示了两年来有趣的变化，这些变化促使我们在不同的空间和时间水平上进行进一步的分析。除了空间自相关的正式测试结果和空间马尔可夫分析之外，我们的研究结果还得到了位置商和市场主导地位的可视化地图的支持。
Monitoring market share changes over space and time is an essential and continuous task for commercial companies and their third-party local agents to adjust their sale campaigns and marketing efforts for profit maximisation. This paper uses social media data as a cheap and up-to-date source to reveal the implicit semantics that are embedded in the meta-data of public geosocial datasets. We use Twitter data as a prime example of rich geosocial data. These data are associated with several meta-data attributes. Using this meta-data, we perform a geospatial analysis for the source platform from which a tweet is posted, e.g. from Apple or Android device. Our analysis studies all counties in US connected states over 2 years 2016–2017. We show that market structure at the national level masks substantial variation at the county scale. Moreover, we find strong spatial autocorrelation in platform distribution and market share in the US. In addition, we show interesting changes over the 2 years that motivates further analysis at different spatial and temporal levels. Our results are supported with visual maps of location quotients and market dominance, in addition to formal test results of spatial autocorrelation, and spatial Markov analysis.
可视化用户定义的、有区别的地理时态 Twitter 活动
DOI：
--
发表时间：
2014
期刊：
International Conference on Web and Social Media
影响因子：
--
作者：
Ingmar Weber;Venkata Rama Kiran Garimella
通讯作者：
Venkata Rama Kiran Garimella
使用 PySAL 开放地理空间分析
DOI：
10.3390/ijgi4020815
发表时间：
2015
期刊：
ISPRS Int. J. Geo Inf.
影响因子：
--
作者：
S. Rey;L. Anselin;Xun Li;R. Pahle;J. Laura;Wenwen Li;Julia Koschinsky
通讯作者：
Julia Koschinsky
区域经济统计分析中的空间数据配置及相关问题
DOI：
10.1007/978-94-009-2395-9
发表时间：
1989
期刊：
American journal of physiology. Renal physiology
影响因子：
--
作者：
G. Arbia
通讯作者：
G. Arbia