소셜 미디어 분석

Social media analytics
이 기사는 소셜 미디어의 양적 분석에 관한 것입니다.이론적 기초에 대해서는 소셜 네트워크 분석을 참조하십시오.

소셜 미디어 분석은 페이스북, 인스타그램, 링크드인, 트위터 등 소셜 네트워크에서 데이터를 수집하고 분석하는 과정이다.이것은 일반적으로 마케팅 담당자가 제품과 회사에 대한 온라인 대화를 추적하기 위해 사용합니다.한 저자는 이를 "엄청난 반구조화 및 비정형화 소셜 미디어 데이터에서 귀중한 숨겨진 통찰력을 추출하여 정보에 입각하고 통찰력 [1]있는 의사결정을 가능하게 하는 기술 및 과학"이라고 정의했습니다.

과정

소셜 미디어를 분석하는 데는 데이터 식별, 데이터 분석 및 정보 해석의 세 가지 주요 단계가 있습니다.공정의 모든 지점에서 도출된 값을 최대화하기 위해 분석가는 답변할 질문을 정의할 수 있습니다.데이터 분석의 중요한 질문은 다음과 같습니다. "누구입니까?네? 어디요?언제, 왜, 어떻게?"이러한 질문은 평가할 적절한 데이터 소스를 결정하는 데 도움이 되며,[2] 이는 수행할 수 있는 분석 유형에 영향을 미칠 수 있습니다.

데이터 식별

데이터 식별은 분석을 위해 초점을 맞출 수 있는 데이터의 하위 집합을 식별하는 프로세스입니다.원시 데이터는 일단 해석되면 유용합니다.데이터가 분석되면 메시지 전달을 시작할 수 있습니다.의미 있는 메시지를 전달하는 모든 데이터는 정보가 됩니다.처리되지 않은 데이터는 정확한 메시지로 변환하기 위해 다음과 같은 형태를 취합니다. 잡음이 많은 데이터, 관련 및 무관한 데이터, 필터링된 데이터, 관련 데이터, 정보, 모호한 메시지, 지식, 정확한 메시지, 지혜, 정확한 메시지와 이유를 전달하는 데이터입니다.처리되지 않은 데이터에서 지혜를 얻으려면 처리를 시작하고, 초점을 맞추고 싶은 데이터를 포함하여 데이터 집합을 세분화하고, 정보를 식별하기 위한 데이터를 구성해야 합니다.소셜 미디어 분석에서 데이터 식별은 "관심 있는" 콘텐츠를 의미합니다.내용 텍스트와 더불어 우리는 그 텍스트를 누가 썼는지 알고 싶습니다.어디서 발견됐는지, 어느 소셜미디어에 나왔는지.특정 로케일의 정보에 관심이 있습니까?언제 누가 SNS에 [2]뭐라고 했어요?

고려해야 할 데이터의 속성은 다음과 같습니다.

  • 구조:구조화된 데이터는 포맷된 저장소(일반적으로 데이터베이스)에 정리된 데이터입니다.이것에 의해, 보다 효율적인 처리와 분석을 위해서, 그 요소를 주소 지정 가능하게 할 수 있습니다.정형 데이터와 달리 비정형 데이터는 형식이 가장 낮은 [3]데이터입니다.
  • 언어:댓글의 수보다 글의 감성을 알고 싶을 때 언어가 중요해집니다.
  • 지역: 분석에 포함된 데이터가 분석 대상이 되는 지역의 데이터인지 확인하는 것이 중요합니다.예를 들어 인도의 청정수 문제를 파악하는 것이 목표라면 수집된 데이터가 인도에서만 수집되었는지 확인해야 합니다.
  • 콘텐츠 유형:데이터 내용은 텍스트(언어를 알고 있으면 읽고 이해하기 쉬운 텍스트), 사진(그림, 간단한 스케치 또는 사진), 오디오(책, 기사, 토크 또는 토론의 오디오 녹음) 또는 비디오(라이브 스트림 녹화, 라이브 스트림)입니다.
  • 장소: 뉴스 사이트나 소셜 네트워킹 사이트(Facebook, Twitter 등) 등 다양한 장소에서 소셜 미디어 컨텐츠가 생성되고 있습니다.데이터가 수집되는 프로젝트의 종류에 따라 장소는 매우 중요해집니다.
  • 시간: 분석 중인 기간에 게시된 데이터를 수집하는 것이 중요합니다.
  • 데이터 소유권:데이터는 비공개입니까, 아니면 공개적으로 사용 가능합니까?데이터에 저작권이 있나요?이것들은 데이터를 수집하기 전에 다루어야 할 중요한 질문들이다.
[4] 소셜 미디어 분석 프로세스

데이터 분석

데이터 분석은 원시 데이터를 통찰력으로 변환하는 데 도움이 되는 일련의 활동이며, 이는 지식과 비즈니스 가치의 새로운 기반으로 이어집니다.즉, 데이터 분석은 필터링된 데이터를 입력으로 사용하여 분석가에게 가치 있는 정보로 변환하는 단계입니다.소셜 미디어 데이터를 사용하여 게시물, 감성, 감성 드라이버, 지리, 인구 통계 분석 등 다양한 유형의 분석을 수행할 수 있습니다.데이터 분석 단계는 해결해야 할 문제가 무엇인지 알고 의미 있는 결과를 생성하기에 충분한 데이터가 있음을 알게 되면 시작됩니다.결론을 내릴 만한 충분한 증거가 있는지 어떻게 알 수 있을까요?이 질문에 대한 답은 "우리는 모른다"입니다.데이터 분석을 시작하지 않으면 알 수 없습니다.데이터가 충분하지 않은지 분석하면서 첫 번째 단계를 반복하고 질문을 수정하십시오.데이터가 분석에 충분하다고 판단되면 데이터 [2]모델을 구축해야 합니다.

데이터 모델 개발은 데이터 요소를 구성하고 개별 데이터 요소가 서로 어떻게 관련되어 있는지를 표준화하기 위해 사용하는 프로세스 또는 방법입니다.이 단계는 데이터 상에서 컴퓨터 프로그램을 실행하고 싶기 때문에 중요합니다.어떤 단어나 테마가 중요한지, 그리고 특정 단어가 우리가 탐구하는 주제와 관련이 있는지를 컴퓨터에 알려주는 방법이 필요합니다.

델의 데이터를 분석할 때는, 토픽을 중심으로 행해지고 있는 논의에 대해서 다른 견해를 얻을 수 있도록, 몇개의 툴을 자유롭게 사용할 수 있는 것이 편리합니다.여기서의 목적은 특정 태스크의 피크시에 실행할 툴을 설정하는 것입니다.예를 들어 클라우드라는 단어를 생각할 때 컴퓨터 전문가에 대한 대량의 데이터를 수집하면 다음과 같이 말할 수 있습니다.IT 아키텍트"와 클라우드라는 단어를 구축했습니다. 클라우드에서 가장 큰 단어는 단연 '아키텍트'입니다.이 분석은 도구 사용에 관한 것이기도 합니다.어떤 도구들은 감정을 잘 결정할 수 있고, 다른 도구들은 우리가 다양한 단어나 구문의 의미와 사용을 더 잘 이해할 수 있는 문법적인 형태로 텍스트를 더 잘 분해할 수 있습니다.분석 분석을 수행할 때 분석 여정에 필요한 모든 단계를 열거하는 것은 어렵습니다.그것은 일을 [2]하는 데 정해진 방법이 없기 때문에 매우 반복적인 접근이다.

이 분석에서 도출된 분류법과 통찰력은 다음과 같다.

  • 분석 깊이:스트리밍 데이터, 축적된 데이터에 대한 임시 분석 또는 축적된 데이터에 대한 심층 분석을 기반으로 한 간단한 기술 통계입니다.이 분석 차원은 프로젝트 결과를 도출하는 데 사용할 수 있는 시간에 따라 결정됩니다.이는 광범위한 연속체로 간주할 수 있으며, 분석 시간은 한쪽 끝에서 몇 시간에서 다른 쪽 끝에서 몇 개월까지 다양하다.이 분석에서는 다음 유형의 질문에 답할 수 있습니다.
    • 얼마나 많은 사람들이 트위터에서 위키피디아를 언급했나요?
    • 토론에서 가장 많은 지지를 받은 정치인은 누구입니까?
    • 소셜 비즈니스와 관련하여 가장 많은 언급을 얻고 있는 경쟁사는 무엇입니까?
  • 기계 용량:적절한 기간에 데이터 세트를 처리하는 데 필요한 CPU의 양입니다.용량 번호는 CPU 요구뿐만 아니라 데이터 취득에 필요한 네트워크 용량에도 대응해야 합니다.이 분석은 실시간에 가까운 임시 탐색 및 심층 분석으로 수행할 수 있습니다.소셜 미디어에서의 실시간 분석은 특정 주제에 대한 대중의 인식을 이해하려고 할 때 중요한 도구입니다. 특정 주제는 반응이나 즉각적인 변화를 가능하게 하기 위해 전개됩니다.실시간에 가까운 분석에서는 실시간보다 낮은 속도로 데이터가 툴로 수집된다고 가정합니다.애드혹 분석은 하나의 특정 질문에 답하도록 설계된 프로세스입니다.애드혹 분석의 산출물은 일반적으로 보고서 또는 데이터 요약입니다.상세한 분석은 장기간에 걸쳐 대량의 데이터를 포함하는 분석을 의미하며, 이는 일반적으로 높은 CPU 요건을 [2]의미합니다.
  • 분석 영역:분석 영역은 크게 외부 소셜 미디어와 내부 소셜 미디어로 분류됩니다.사람들이 소셜 미디어라는 용어를 사용하는 대부분은 외부 소셜 미디어를 의미합니다.여기에는 트위터, 페이스북, 링크드인과 같은 인기 소셜 미디어 사이트에서 생성된 컨텐츠가 포함됩니다.내부 소셜 미디어에는 기업 소셜 네트워크가 포함됩니다.이것은 기업 [5]내 커뮤니케이션을 지원하기 위해 사용되는 프라이빗 소셜 네트워크입니다.
  • 데이터 속도:소셜 미디어의 데이터 속도는 두 가지 범주로 나눌 수 있습니다. 즉, 유휴 데이터와 이동 데이터입니다.이동 중인 데이터의 속도 치수는 다음과 같은 질문에 대답할 수 있다: 경기 중에 선수에 대한 일반 인구의 감정은 어떻게 변화하고 있는가?관중들은 경기에서 지고 있는 선수에 대해 긍정적인 감정을 전달하고 있나요?이 경우 분석은 도착하는 대로 이루어집니다.이 분석에서 생성되는 세부 정보의 양은 분석 도구 또는 시스템의 복잡성과 직접 관련이 있습니다.매우 복잡한 도구는 더 많은 세부 정보를 생성합니다.속도의 맥락에서 두 번째 유형의 분석은 정지 상태의 데이터 분석입니다.이 분석은 데이터가 완전히 수집되면 수행됩니다.이 분석을 실행하면 다음과 같은 통찰력을 얻을 수 있습니다.귀사 제품 중 다른 제품과 비교하여 언급이 가장 많은 제품은 무엇입니까?경쟁사 [2]제품과 비교했을 때 귀사의 제품에 대한 상대적인 감정은 어떻습니까?

정보 해석

분석에서 도출된 통찰력은 분석의 1단계에서 제기되었던 원래의 질문만큼 다양할 수 있다.이 단계에서는, 비기술적인 비즈니스 유저가 정보의 수신자이기 때문에, 데이터의 표시 형태가 중요해진다.데이터를 효율적으로 해석하여 적절한 의사결정에 사용할 수 있는 방법은 무엇일까요?이 질문에 대한 답은 정보의 시각화(그래픽)[6]입니다.

가장 좋은 시각화는 기본 패턴과 데이터가 포함된 관계에 대해 새로운 것을 드러내는 시각화입니다.패턴을 노출하고 절제하는 것은 의사 결정 과정에서 중요한 역할을 합니다.주로 데이터를 시각화할 때 고려해야 할 세 가지 기준이 있습니다.

  • 청중을 이해한다: 시각화를 구축하기 전에 목표를 설정한다.목표는 대량의 정보를 정보의 소비자에 의해 쉽게 흡수되는 형식으로 전달하는 것이다.'청중은 누구인가', '청중이 사용하는 용어를 알고 있다고 가정할 수 있는가?'라고 대답하는 것이 중요합니다.전문가 청중들은 일반 청중들과 다른 기대를 갖게 되므로,[7] 그 기대를 고려해야 한다.
  • 명확한 프레임워크를 설정합니다.분석가는 시각화가 구문적, 의미적으로 정확한지 확인해야 합니다.예를 들어, 아이콘을 사용할 때 요소는 크기, 색상 및 위치가 [7]뷰어에 전달되는 의미를 포함하여 표시되는 것과 유사해야 합니다.
  • 이야기를 하자: 분석 정보는 복잡하고 동화되기 어렵다.따라서 시각화의 목표는 정보를 이해하고 이해하는 것이다.스토리텔링은 시청자가 데이터에서 통찰력을 얻을 수 있도록 도와줍니다.시각화는 서술형으로 제시되고 기억하기 쉬운 구조로 정보를 패키지화해야 한다.이는 분석가가 의사결정자와 [7]동일하지 않은 많은 시나리오에서 중요합니다.
참고 항목: 정보 시각화

비즈니스 인텔리전스에서의 역할

BI(비즈니스 인텔리전스)는 "원시 데이터를 취득하고 비즈니스 분석을 [8]위한 의미 있고 유용한 정보로 변환하기 위한 일련의 기술 및 도구"로 설명할 수 있습니다.

Sension Analyzer는 Informatica 제품을 활용하는 Social BI 분야의 기술 프레임워크입니다.트랜잭션 데이터에서 행동 분석 모델로 전환되는 비즈니스의 초점을 반영하고 제안하도록 설계되었습니다.Sension Analyzer를 통해 기업은 고객 경험을 이해하고 [9]고객 만족도를 높이는 방법을 구상할 수 있습니다.

소셜 미디어 분석을 위한 일반적인 사용 사례 필요한 비즈니스 통찰력 소셜 미디어 분석 기술 소셜 미디어 퍼포먼스 지표
소셜 미디어 시청자 세그먼트화 인수, 성장 또는 보유를 목표로 하는 세그먼트는 무엇입니까?브랜드 또는 제품의 지지자와 영향자는 누구입니까? 소셜 네트워크 분석 적극적 지지자, 영향력 지지자
소셜 미디어 정보 검색 새로운 비즈니스 관련 주제 또는 테마는 무엇입니까?새로운 영향력 공동체가 출현하고 있습니까? 자연어 처리, 복잡한 이벤트 처리 토픽 트렌드, 감성비
소셜 미디어 노출 및 영향 유권자들 사이에서 브랜드에 대한 인식은 어떻습니까?브랜드와 경쟁사의 비교는 어떻습니까?어떤 소셜 미디어 채널이 토론에 사용되고 있습니까? 소셜 네트워크 분석, 자연어 처리 대화 범위, 속도, 목소리 공유, 청중 참여
소셜 미디어 동작 추론 비즈니스 관련 토픽과 문제 간의 관계는 무엇입니까?의사표시의 원인(구매, 이탈 등)은 무엇입니까? 자연어 처리, 클러스터링, 데이터 마이닝 관심사 또는 선호도(테마), 상관 관계, 주제 선호도 매트릭스

비즈니스 인텔리전스에 미치는 영향

소셜 미디어 분석에 대한 최근의 연구는 소셜 미디어 [10][11]데이터를 수집, 분석 및 해석하기 위해 비즈니스 인텔리전스 기반 접근 방식을 채택해야 한다는 점을 강조하고 있습니다.소셜 미디어는 비즈니스 인텔리전스를 위한 유망한 데이터 소스를 제공합니다.고객이 자발적으로 제품과 회사에 대해 논의하여 브랜드 감정과 [12]채택을 실시간으로 알려줍니다.소셜 미디어는 빠르게 진화하는 미디어 환경에서 마케터에게 가장 중요한 도구 중 하나입니다.기업은 소셜 미디어 마케팅을 담당하기 위한 전문 포지션을 만들어 왔습니다.이러한 주장은 소셜 미디어 활동이 상호 연관되어 있고 [13]서로 영향을 미친다는 것을 암시하는 소셜 미디어 마케팅에 관한 문헌과 일치한다.

국제 정치에서의 역할

정치권에서 소셜 미디어 분석과 소셜 미디어 마이닝의 위험 가능성은 2010년대 후반에 밝혀졌다.특히 2016년 미국 대선에 데이터마이닝 업체 캠브리지 Analytica의 개입과 Brexit는 소셜미디어 마이닝과 정치권의 연계 위험성을 보여주는 대표적인 사례다.이로 인해 개인에 대한 데이터 프라이버시와 향후 정치와 관련된 데이터 과학 회사에 대한 법적 경계에 대한 문제가 제기되었습니다.아래에 열거된 두 가지 예는 빅데이터가 국제 정치의 판도를 바꿀 수 있는 미래를 보여줍니다.정치와 기술이 다음 세기에 걸쳐 함께 발전할 것 같다.Cambridge Analytica의 경우 소셜 미디어 분석의 효과는 미국과 영국이라는 두 주요 강대국을 통해 전 세계에 퍼져 있습니다.

2016년 미국 대통령 선거

2016년 미국 대선 이후 불거진 스캔들은 캠브리지 Analytica와 트럼프 선거운동, 페이스북의 3자 관계였다.Cambridge Analytica는 8700만[14] 명 이상의 페이스북 사용자의 데이터를 입수하여 트럼프 캠페인의 이익을 위해 데이터를 분석했습니다.2억3000만 명의 미국 성인에 대한 수천 개의 데이터 포인트를 생성함으로써, 데이터 마이닝 회사는 어떤 개인이 트럼프 캠페인에 투표할 수 있는지 분석하고, 그 대상에게 메시지나 광고를 보내 사용자 마인드에 영향을 미칠 수 있는 잠재력을 가지고 있었다.그러면 특정 대상 유권자들은 정치적 영향력이 자신에게 안착하고 있다는 것을 의식하지 못한 채 친트럼프 메시지를 접할 수 있다.이렇게 선별된 개인이 평균 이상의 캠페인 광고를 접하게 되는 특정한 형태의 타깃팅은 "마이크로 [15]타깃팅"이라고 불립니다.2016년 선거에서 이 마이크로 타깃팅이 얼마나 큰 영향력을 가졌는지 측정하는 데 있어 큰 논란이 남아 있다.마이크로 타겟팅 광고와 소셜 미디어 데이터 분석이 정치에 미치는 영향은 2010년대 후반 현재 새로운 기술 분야로서 불분명합니다.

이는 사용자의 프라이버시 침해였지만 데이터 마이닝과 타깃 마케팅은 소셜 미디어 기업이 더 이상 대상이 되지 않는 공공 책임성을 훼손하여 민주적인 선거 시스템을 왜곡하고 "미디어 메시지를 [16]양극화하는 사용자 생성 콘텐츠" 플랫폼을 통해 지배할 수 있게 되었습니다.

2020년 미국 대통령 선거 논란

소셜 미디어 분석 회사인 CounterAction의 페이스북 정치 그룹 및 게시물 분석은 2020년 미국 대통령 선거와 2021년 미국 국회의사당 [17][18]공격과 같은 항의 운동에서 소셜 미디어 거인의 역할을 보여주었다.


Christopher Wylie가 케임브리지 Analytica 및 페이스북 데이터 스캔들 이후 의회 광장에서 열린 시위에 대해 연설합니다.

Brexit(브렉시트)

2016년 Brexit 국민투표에서 캠브리지 Analytica는 소셜 미디어에서 수집된 데이터를 사용해 논란을 일으켰다.유사한 사례로 침해 및 페이스북 데이터가 캠브리지 Analytica에 의해 취득되었습니다.그들이 2016년 EU [19]국민투표에서 영국 시민들이 유럽연합을 탈퇴하기 위해 투표하도록 장려하기 위해 이 자료를 사용했다는 우려가 있었다.3년간의 조사 끝에 2020년 [20][19]주민투표에 관여하지 않았다는 결론이 내려졌다.캠브리지 Analytica 외에도[21] AIQ와 캠브리지 대학 사이코메트릭[22] 센터와 같은 여러 데이터 회사가 [23][24]Brexit를 위한 불법 캠페인 기법을 촉진하기 위해 데이터를 남용할 수 있다는 이유로 영국 정부에 의해 고발되고 조사되었다.국민투표는 51.9%의 유권자들이 영국의 유럽연합 탈퇴를 지지하면서 끝났다.이 최종 결정은 영국 내 정치에 영향을 미쳤고 [citation needed]전 세계 정치 및 경제 기관에 파문을 일으켰다.

상용 서비스

「 」를 참조해 주세요.

레퍼런스

  1. ^ Sponder, Marshall; Khan, Gohar F. (2017). Digital analytics for marketing. New York, NY. ISBN 9781138190672. OCLC 975370877.
  2. ^ a b c d e f Ganis, Matthew; Kohirkar, Avinash (2015). Social media Analytics: Techniques and insights for Extracting Business Value Out of Social Media. New York: IBM Press. pp. 40–137. ISBN 978-0-13-389256-7.
  3. ^ "What is structured data? - Definition from WhatIs.com". WhatIs.com. Retrieved 2016-12-06.
  4. ^ Ganis, Matthew; Kohirkar, Avinash (2015). Social media Analytics: Techniques and insights for Extracting Business Value Out of Social Media. New York: IBM Press. pp. 247–248. ISBN 978-0-13-389256-7.
  5. ^ Kitt, Denise (2012-05-24). "Enterprise Social Networks Explained". CRM Switch. Retrieved 2016-11-05.
  6. ^ Steele, Julie (2012-02-15). "Why data visualization matters". O'Reilly Media. Retrieved 2016-12-11.
  7. ^ a b c "The Three Elements of Successful Data Visualizations". Harvard Business Review. Retrieved 2016-12-11.
  8. ^ Adkison, D. (2013)"IBM Cognos 비즈니스 인텔리전스:IBM Cognos 비즈니스 인텔리전스를 통해 BI에 대한 실질적인 접근 방식을 알아보십시오."영국 버밍엄: Packt 출판/엔터프라이즈.http://site.ebrary.com/id/10701568
  9. ^ IT 용어집, 가트너「소셜 분석 - Gartner IT 용어집」.www.gartner.com2015년 2월 25일 취득.
  10. ^ Umar Ruhi(2014), "비즈니스 인텔리전스 프랙티스로서의 소셜 미디어 분석:「현재의 풍경과 장래의 전망」, 인터넷 소셜 네트워킹 및 가상 커뮤니티 저널, 2014년 제1권 (2014년), 문서번호 920553, DOI: 10.5171/2014.920553
  11. ^ W. Fan & Gordon, M.D. (2014년 6월 1일)"소셜 미디어 분석의 힘"컴퓨터 기계 협회ACM, 57, 6, 74 의 통신.
  12. ^ Lu, Y., Wang, F. 및 Maciejewski, R. (2014년 1월 1일)"소셜 미디어로부터의 비즈니스 인텔리전스: VAST BOX Office Challenge의 연구"IEEE 컴퓨터 그래픽스 및 애플리케이션, 34, 5).
  13. ^ Saboo, A.R., Kumar, V., & Ramani, G. (2016년 9월 1일)소셜 미디어 활동이 인간 브랜드 매출에 미치는 영향 평가.International Journal of Research in Marketing, 33, 3, 524-541.
  14. ^ Hanna, Mina; Isaak, Jim (14 August 2018). "User Data Privacy: Facebook, Cambridge Analytica, and Privacy Protection". IEEE. 51 (8): 56–59. doi:10.1109/MC.2018.3191268. S2CID 52047339.
  15. ^ Tarran, Brian (29 May 2018). "What can we learn from the Facebook—Cambridge Analytica scandal?". Significance. 15 (3): 4–5. doi:10.1111/j.1740-9713.2018.01139.x.
  16. ^ Santos, Tiago; Louçã, and Helder Coelho, Jorge; Coelho, Helder (19 February 2020). "The Digital Transformation of the Public Sphere". Systems Research and Behavioral Science. 36 (6): 778. doi:10.1002/sres.2644. S2CID 210550036.
  17. ^ 크레이그 실버맨, 크레이그 팀버그, 제프 카오, 제레미 B.메릴 (2022년 1월 4일)레코드 쇼, "페이스북은 1월 6일 공격까지 몇 달 동안 오보 및 반란 위협이 급증했다."디펜스 원 웹사이트 2021년 1월 8일 회수.
  18. ^ 크레이그 팀버그, 엘리자베스 드워스킨, 리드 알베르고티.(2021년 10월 22일)."페이스북 내부에서 1월 6일 폭력사태가 분노와 경고문구를 놓친 것에 대한 후회로 이어졌다."워싱턴 포스트 웹사이트 2022년 1월 8일 취득.
  19. ^ a b "Cambridge Analytica 'not involved' in Brexit referendum, says watchdog". BBC News. 2020-10-07. Retrieved 2022-06-13.
  20. ^ "Cambridge Analytica did not misuse data in EU referendum, says watchdog". the Guardian. 2020-10-07. Retrieved 2022-06-13.
  21. ^ "AggregateIQ Created Cambridge Analytica's Election Software, and Here's the Proof". Gizmodo. 2018-03-26. Retrieved 2022-06-13.
  22. ^ Investigation Commissioners Office (November 6, 2018). "Investigation into the use of data analytics in political campaigns" (PDF): 116. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  23. ^ "Facebook suspends Canadian firm AggregateIQ over data scandal". CNBC. 2018-04-07. Retrieved 2022-06-13.
  24. ^ "Data firm broke Canadian privacy laws with involvement in Brexit, U.S. campaigns - probe". Reuters. 2019-11-26. Retrieved 2022-06-13.
  25. ^ "Check for bookmarks with SocialMeter". TechCrunch. 2006-08-19. Retrieved 2019-12-09.