در سال های اخیر پیشرفت تکنولوژی تغییرات مهمی در زندگی و جوامع امروزی ما ایجاد کرده است. امروزه اینترنت و شبکه‌های اجتماعی (Social Network) موجود در بستر آن باعث ایجاد روابط اجتماعی و اقتصادی به شکل جدید شده‌اند. به دلیل وجود اینترنت و شبکه‌های اجتماعی بستری فراهم شده که ما بتوانیم به سرعت به حجم زیادی از اطلاعات دسترسی داشته باشیم. به همین دلیل بحث جمع‌آوری اطلاعات از بستر شبکه‌های اجتماعی مانند یوتیوب، تویتر، فیسبوک و اینستاگرام به عنوان محبوب‌ترین شبکه‌های اجتماعی بسیار پر اهمیت است. توجه داشته باشید کاربران چه حجم بزرگی از اطلاعات را در این شبکه‌ها به اشتراک می‌گذارند. امروزه تنها راه نشان دادن موفقیت بخش مدیریت بازاریابی مدرن از طریق شبکه‌های اجتماعی است. با این وجود، مسئله این است که داده‌های اجتماعی دقیقاً چه هستند و باید چگونه آنها را جمع‌آوری کرد.
داده‌های شبکه‌های اجتماعی (Social Network Data) چیست؟
طبق پیش بینی ها برآورد می‌شود که در 2021 تعداد کاربران شبکه‌های اجتماعی به بیش از 3 میلیارد نفر برسد. عجیب! این بیانگر حجم عظیم داده‌ها و اطلاعات است که از طریق این بسترها تبادل می‌شوند. اساساً داده‌های شبکه‌های اجتماعی عبارتند از کلیه اطلاعات جمع‌آوری شده از شبکه‌های اجتماعی که رفتار کاربر را نشان می‌دهد. این رفتار می‌تواند شامل اعمالی مانند موارد زیر باشند:
- Likes
- Shares
- Comments
- Mentions
- Impressions
- URL clicks
- Hashtag usage
- New Followers
- Keyword analysis
فرآیند تحلیل و جمع‌آوری اطلاعات از شبکه‌های اجتماعی Social Network Analysis است که به اختصار به آن SNA گفته می‌شود.
زبان‌های برنامه‌نویسی و جمع‌آوری اطلاعات از شبکه‌های اجتماعی:
اگر می‌خواهید که از بستر شبکه‌های اجتماعی محبوب مانند (یوتیوب، تویتر، فیسبوک و اینستاگرام و …) اطلاعات جمع‌آوری کنید، منابع و ابزارهای بسیاری برای این کار وجود دارد. دو زبان‌های برنامه‌نویسی پایتون (Python) و جاوا اسکریپت (Java Script) از زبان‌های بسیار محبوب و مطرح در بین برنامه نویسان در سراسر دنیا هستند. این زبان‌ها در زمره زبان‌های هستند که برای کاوش و جمع‌آوری داده از بستر وب و شبکه‌های اجتماعی استفاده می‌شوند.
داده‌ها استخراج شده را می‌توان در یک فایل محلی مانند اکسل یا CSV و یا به صورت جدول‌های در پایگاه داده ذخیره کرد. همچنین می تواند از آنها انواع گراف را تولید کرد. اما برای انجام چنین کاری کدامیک گزینه نزدیک‌تر و بهتری به حساب می‌آید؟
جاوا اسکریپت و جمع‌آوری اطلاعات از شبکه‌های اجتماعی:
جاوا اسکریپت یک زبان سطح بالا، شی‌گرا، داینامیک و تفسیری است که مختص وب است. برنامه‌های زیادی با جاوا اسکریپت و به کمک Nodejs و jQuery برای فرآیند جمع‌آوری اطلاعات از شبکه‌های اجتماعی نوشته شده‌اند. جاوا اسکریپ به صورت مستقیم قابلیت دسترسی به DOM به کمک jQuery را دارد، این نکته بسیار مهمی است که زبان‌ها و تکنولوژی‌های دیگر از آن بی‌بهره هستند.
جاوا اسکریپت یک محدودیت بزرگ دارد و آن این است که برای استخراج داده‌ها با مقیاس بزرگ مناسب نیست.
پایتون و جمع‌آوری اطلاعات از شبکه‌های اجتماعی:
یک زبان سطح بالا، شی‌گرا و تفسیری است. پایتون انتخاب گسترده‌ای از کتابخانه‌ها و توابع داخلی را برای تجزیه و تحلیل داده‌ها ارائه می‌دهد. همچنین پایتون برای جمع‌آوری اطلاعات از بستر شبکه‌های اجتماعی دارای کتابخانه‌های (Library) قدرتمند است. با یادگیری پایتون، شما می‌توانید از کتابخانه‌های قدرتمندی مانند NumPy و Matplotlib و Pandas استفاده کنید. در اصل آنها فریم ورک‌های هستند که می‌توانید به کمک آنها تقریباً از هر بستر شبکه اجتماعی داده‌ها را استخراج کنید. پایتون نسبت به سایر زبان‌های برنامه‌نویسی سبک‌تر و کاربردی‌تر بوده و نیز کدنویسی با آن ساده‌تر است. در بحث جمع‌آوری اطلاعت از بستر Social Network برای پایتون به نسبت جاوا اسکریپ ابزارهای قدرتمند و متعددی نوشته شده است.
پایتون به قدری منعطف است که به کمک آن هر پلتفرم شبکه اجتماعی را می‌توان آنالیز و داده‌های آن را استخراج کرد. پایتون توانایی استخراج داده‌ها با مقیاس زیاد را دارا است.
نتیجه گیری:
پایتون و جاوا اسکریپت، جنبه‌های تشابه زیادی با یکدیگر دارند و همچنین تفاوت‌های آشکار زیادی نیز باهم دارند. با توجه به داده‌ها و آمارهای منتشر شده از سوی موتورهای جستجو در منابع معتبر به نظر می‌رسد که پایتون زبان انتخابی اکثر پروژه‌ها باشد. پایتون با داشتن کتابخانه‌های متعددتر انتخاب مناسب‌تری برای جمع‌آوری داده‌ها از بستر شبکه‌های اجتماعی به حساب می‌آید. برای این کار ابزارهای متعدد و بیشتری برای آن نوشته شده و منابع آموزشی بیشتری برای پایتون در اینترنت وجود دارد. با این تفاسیر به نظر می‌رسد پایتون انتخاب اول و بهتری برای جمع‌آوری اطلاعات از شبکه‌های اجتماعی باشد اما لزوما نباید در همه موارد درست باشد.
