Estudio predictivo del uso colectivo de hashtags en museos de la red REMED

Abstract

[EN] In scientific literature, museum cultural marketing is usually studied from the perspective of the case, analyzing specific projects; or, on the contrary, in a generic way, without basing the study on data, sometimes difficult to capture. In this case, the joint activity of a sample of the museums of the REMED network on Twitter is analyzed, extracting cybermetric data from common and specific hashtags used by the members of the network. On these data, the predictive capacity (for certain parameters of success in terms of digital cultural marketing) of the negative binomial regression or Poisson regression, generalized linear model types used to work with count data (number of times that certain phenomenon occurs). As a result, we will obtain a map of certain communication characteristics used by this subset of social accounts, through this social network, whose future performance may be approximated based on the prediction capacity of different variables, which would allow those accounts to achieve better performance, in terms of digital success.

[ES] En la literatura científica se suele estudiar el marketing cultural de museos desde la perspectiva del caso, analizando proyectos específicos; o, por el contrario, de forma genérica, sin basar el estudio en datos, en ocasiones difíciles de capturar. En este caso, se analiza la actividad conjunta de una muestra de los museos de la red REMED en Twitter, extrayendo datos cibermétricos de hashtags comunes y específicos utilizados por los miembros de la red. Sobre esos datos, se estudiará y aplicará la capacidad predictiva (para ciertos parámetros de éxito en términos de marketing cultural digital) de la regresión binomial negativa o la regresión de Poisson, unos tipos de modelo lineal generalizados que se usan para trabajar con datos de conteo (número de veces que ocurre cierto fenómeno). Como resultado obtendremos un mapa de ciertas características de comunicación empleadas por este subconjunto de cuentas sociales, a través de esta red social, cuyo rendimiento futuro podrá ser aproximado en base a la capacidad de predicción de distintas variables, que permitirían a esas cuentas conseguir mejor rendimiento, en términos de éxito digital.