Mineração de Dados em Páginas do Facebook para Detecção de Padrões de Engajamento

O engajamento pode ser entendido como o nível de envolvimento, interação e relacionamento entre uma pessoa e uma marca. No Facebook, o conceito de engajamento está ligado às interações dos usuários com a rede (Páginas, grupos, amigos, etc.). Entender e acompanhar o engajamento dos usuários com as Páginas do Facebook, que são a vitrine das marcas e empresas na rede social, é de grande relevância para o marketing digital, como também para a detecção de eventos impactantes, principalmente porque o usuário/consumidor tem um papel de interagente muito maior hoje em dia, seja na publicidade, produção ou no consumo midiático por meio das redes sociais. Este trabalho tem como objetivos propor uma metodologia para identificar assuntos que mais engajam os usuários em Páginas do Facebook e prever postagens que levam a um alto nível de engajamento para detecção de eventos impactantes de forma automatizada. Para a análise de engajamento por assunto, foram utilizados técnicas de mineração de dados com o ​Bag of words, redução de dimensionalidade com PCA, aprendizado não supervisionado para o agrupamento de postagens semelhantes com ​k-means e aprendizado supervisionado para geração automatizada de descritores com árvore de decisão. Com esse processo metodológico foi possível identificar os assuntos que levam a um maior nível de engajamento entre os usuários com as páginas. Para detecção de eventos impactantes, em que o tempo de resposta tem grande importância, foram utilizados diferentes classificadores para predição de postagens com alto nível de engajamento. Dentre eles o SVM apresentou melhores resultados, em que foi possível identificar postagens que representam eventos importantes com uma taxa de acerto acima de 77% depois de 3 horas e 80% depois da 5º hora.