Lý thuyết bài giảng môn Phân tích dữ liệu xã hội nội dung về "Phân tích mạng và Bản đồ mạng xã hội với NODE XL"

Phân tích mạng và Bản đồ mạng xã hội với NODE XL
CHƯƠNG MỤC TIÊU (slide 2)
Các loại mạng xã hội khác nhau và cách chúng được xây dựng
Các công cụ phân tích mạng và việc sử dụng chúng
Phân tích mạng xã hội là gì? (slide 3)
Mạng là nền tảng của phương tiện truyền thông xã hội và có thể mang những hiểu
biết kinh doanh hữu ích. Phân tích mạng bao gồm xây dựng, phân tích và hiểu các
mạng truyền thông xã hội.
Social Media Analytics có thể được sử dụng cho nhiều mục đích khác nhau và nó
bao gồm cả phân tích mạng.
Phân tích mạng có thể được sử dụng để xác định các nút có ảnh hưởng (ví dụ: mọi
người và tổ chức) hoặc vị trí của họ trong mạng
Hiểu cấu trúc tổng thể của một mạng.
Rút ngắn thời gian nghiên cứu khách hàng tiềm năng và những người có ảnh hưởng
trong ngành, đồng thời cung cấp thông tin chi tiết có giá trị để đánh giá hiệu quả
tiếp thị trong các mạng đang được kiểm tra.
Nhìn chung, mục đích của phân tích mạng là để làm như sau (slide 7)
Hiểu cấu trúc mạng tổng thể; ví dụ, số lượng nút, số lượng liên kết, mật độ, hệ số
phân cụm và đường kính.
Tìm các nút có ảnh hưởng và thứ hạng của chúng; ví dụ, trung tâm về mức độ, độ
gần gũi và độ gần gũi.
Tìm các liên kết có liên quan và thứ hạng của chúng; ví dụ: trọng lượng, độ giữa và độ trung tâm.
Tìm các nhóm con gắn kết; ví dụ: xác định cộng đồng trong mạng.
Điều tra tính đa hợp; ví dụ, phân tích so sánh giữa các lỗi chính tả liên kết khác
nhau, chẳng hạn như bạn bè và kẻ thù.
Mạng lưới truyền thông có phản ánh văn hóa xã hội? Mạng của Hàn Quốc
( mật độ = 0,86) về cơ bản dày hơn mạng của Hoa Kỳ (mật độ = 0,26)
Tính gắn kết nhóm Mạng của Hàn Quốc (0,86) so với mạng của Hoa Kỳ (0 ,50), cho thấy rằng mạng của Hàn Quốc có nhiều khả năng hình
Nghiên cứu điển hình ví dụ: Nghiên cứu mạng Twitter thành “bè phái”
về Tổ chức phi lợi nhuận của Hoa Kỳ và Hàn Quốc —
Các thuật ngữ chung về Mạng xã hội (slide 9) Mạng (Network)
Ở cấp độ rất cơ bản, mạng là một nhóm các nút được liên kết với nhau. Các nút (còn được gọi là
đỉnh) có thể đại diện cho bất kỳ thứ gì, bao gồm cá nhân, tổ chức, quốc gia, máy tính, trang web
hoặc bất kỳ thực thể nào khác. Các liên kết (còn được gọi là liên kết, cạnh hoặc cung) thể hiện
mối quan hệ giữa các nút trong mạng.
Mạng xã hội (Social networks)
Mạng xã hội là một nhóm các nút, đại diện cho các thực thể xã hội như con người hoặc tổ chức
và các liên kết được hình thành bởi các thực thể xã hội này. Ví dụ, các liên kết có thể đại diện
cho các mối quan hệ, tình bạn và quan hệ thương mại. Mạng xã hội có thể tồn tại cả trong thế
giới thực và trực tuyến và bổ sung cho nhau. Thế giới trực tuyến giúp tạo ra những kết nối tốt
hơn trong thế giới của chúng ta. Mạng giữa các bạn cùng lớp là một ví dụ về mạng xã hội trong
thế giới thực. Hơn nữa, mạng theo dõi Twitter là một ví dụ về mạng xã hội trực tuyến. Trong
mạng theo dõi Twitter, các nút là người dùng Twitter và liên kết giữa các nút đại diện cho mối
quan hệ theo dõi người theo dõi (Le., Ai đang theo dõi ai) giữa những người dùng.
Trang mạng xã hội (Social network Site)(s lide 10)
Trang mạng xã hội là một phần mềm có mục đích đặc biệt (hoặc công cụ truyền thông xã
hội) được thiết kế để hỗ trợ các mối quan hệ xã hội hoặc nghề nghiệp. Facebook, Google+
và Linkedin là những ví dụ về các trang mạng xã hội. Mạng xã hộiSo ( cial networking)
Hành động hình thành, mở rộng và duy trì các mối quan hệ xã hội được gọi là mạng xã hội.
Phân tích mạng xã hội (Social network analysis)
Phân tích mạng xã hội là khoa học nghiên cứu và hiểu về mạng xã hội và mạng xã hội.
Đây là một lĩnh vực có nền tảng vững chắc với nguồn gốc từ nhiều lĩnh vực khác nhau bao
gồm lý thuyết đồ thị, xã hội học, duy nhất thông tin và khoa học truyền thông.
Network Analysis and Social Network - Phân tích mạng và mạng xã hội (Slide 11)
Các loại mạng xã hội phổ biến - Common Social Media Network Types (slide 12)
Mạng tình bạn (Friendship Networks)
Loại mạng xã hội phổ biến nhất là mạng tình bạn, chẳng hạn như Instagram, Twitter và
Snapchat. Mạng lưới tình bạn cho phép mọi người duy trì mối quan hệ xã hội và chia sẻ
nội dung với những người mà họ liên kết chặt chẽ, chẳng hạn như gia đình và bạn bè. Các
nút trong các mạng này là con người và các liên kết là các mối quan hệ xã hội (ví dụ: tình
bạn, gia đình và các hoạt động).
Mạng lưới theo dõi-người theo dõi (Follower- Following Networks)
Trong mạng lưới theo dõi-người theo dõi, người dùng theo dõi (hoặc theo dõi) những
người dùng khác mà họ quan tâm. Twitter là một ví dụ điển hình về mạng theo dõi nơi
người dùng theo dõi những người, thương hiệu và tổ chức có ảnh hưởng. Ví dụ: các nút
trong các mạng này là con người, thương hiệu và tổ chức, và các liên kết đại diện cho các
mối quan hệ theo sau (ví dụ: ai đang theo dõi ai). Dưới đây là hai thuật ngữ Twitter phổ biến.
Following là những người bạn theo dõi trên Twitter. Theo dõi ai đó trên Twitter có nghĩa là:
• Bạn đang đăng ký Tweet của họ với tư cách là người theo dõi.
• Các cập nhật của họ sẽ xuất hiện trên màn hình chính hoặc trang tổng quan của bạn.
• Người đó có thể gửi tin nhắn trực tiếp cho bạn.
• Bạn có thể đăng ký tweet để được thông báo khi tài khoản tweet (mặc dù bạn
không thể gửi tin nhắn trực tiếp trừ khi người đó theo dõi bạn trở lại).
Followers là những người theo dõi bạn trên Twitter. Nếu ai đó theo dõi bạn, điều đó có nghĩa là.
• Họ sẽ hiển thị trong danh sách "Người theo dõi" của bạn.
• Họ sẽ thấy các tweet của bạn trong dòng thời gian tại nhà của họ bất cứ khi nào
họ đăng nhập vào Twitter
• Bạn có thể gửi tin nhắn trực tiếp cho họ
Mạng người hâm mộ (Fan network) (slide 14)
Mạng người hâm mộ được hình thành bởi những người hâm mộ trên mạng xã hội
hoặc những người ủng hộ ai đó hoặc điều gì đó, chẳng hạn như sản phẩm, dịch vụ, cá
nhân, thương hiệu, doanh nghiệp hoặc tổ chức khác. Mạng được hình thành bởi những
người dùng mạng xã hội đã đăng ký trang người hâm mộ Facebook của bạn là một ví dụ
về mạng người hâm mộ. Các nút trong các mạng này là người hâm mộ và các liên kết đại
diện cho đồng thích, đồng nhận xét và đồng chia sẻ. Mạng lưới người hâm mộ có thể thụ
động (thông qua người đăng ký đã mua) hoặc chủ động (người theo dõi được tạo tự
nhiên, người tích cực tương tác với bài đăng của bạn).
Mạng nhóm (Group network)
Mạng nhóm được hình thành bởi những người có chung sở thích và chương trình nghị
sự. Hầu hết các nền tảng mạng xã hội đều cho phép tạo các nhóm nơi một thành viên có
thể đăng, nhận xét và quản lý các hoạt động trong nhóm. Ví dụ về các nhóm truyền thông
xã hội là các nhóm chuyên nghiệp Twitter, nhóm Yahoo và nhóm Facebook. Các nút
trong các mạng này là thành viên nhóm và các liên kết có thể đại diện cho đồng nhận xét,
đồng thích và đồng chia sẻ.
Mạng lưới chuyên nghiệp (Professional networks) (slide 15)
LinkedIn là một ví dụ điển hình về mạng lưới chuyên nghiệp nơi mọi người quản lý
danh tính nghề nghiệp của mình bằng cách tạo hồ sơ liệt kê thành tích, học vấn, quá trình
làm việc và sở thích của họ. Các thành viên LinkedIn cũng có thể tìm kiếm hồ sơ hoặc
công việc theo các từ khóa cụ thể (ví dụ: "quản lý thể thao"). Các nút trong các mạng này
có thể đại diện cho mọi người, thương hiệu hoặc tổ chức. Liên kết là quan hệ nghề
nghiệp và trong Linkedin được gọi là "kết nối" (chẳng hạn như đồng nghiệp, nhân viên
hoặc cộng tác viên). Một tính năng quan trọng của các mạng chuyên nghiệp là tính năng
xác nhận, nơi những người biết bạn có thể xác nhận các kỹ năng và trình độ của bạn.
Ngoài ra, tính năng đề xuất, nơi các thành viên chưa kết nối của mạng xã hội được đề
xuất cho người dùng, là một đặc điểm quan trọng khác.
Mạng nội dung (content networks) (slide 16)
Mạng nội dung được hình thành bởi nội dung được đăng tải bởi những người sử dụng
phương tiện truyền thông xã hội. Mạng video YouTube là một ví dụ về mạng nội dung.
Trong một mạng như vậy, các nút là nội dung truyền thông xã hội (chẳng hạn như video,
thẻ và ảnh) và các liên kết có thể đại diện cho sự tương đồng (nội dung thuộc cùng một
danh mục có thể được liên kết với nhau).
Mạng hẹn hò (dating networks)
Các mạng hẹn hò (chẳng hạn như Match.com và Tinder) tập trung vào việc kết hợp và
sắp xếp đối tác hẹn hò dựa trên Thông tin cá nhân (chẳng hạn như tuổi, giới tính, sở
thích, mối quan tâm chung và vị trí) do người dùng cung cấp. Các nút trong các mạng
này là con người và các liên kết đại diện cho các mối quan hệ xã hội (chẳng hạn như quan hệ tình cảm.
Mạng đồng tác giả (Co-authorship networks)
Mạng đồng tác giả là hai hoặc nhiều người cùng làm việc để cộng tác trong một dự án.
Wikipedia (một bách khoa toàn thư trực tuyến) là một ví dụ điển hình về một mạng đồng
tác giả dựa trên phương tiện truyền thông xã hội được tạo ra bởi hàng triệu tác giả từ
khắp nơi trên thế giới. "Một ví dụ rõ ràng hơn về mạng đồng tác giả là nền tảng
ResearchGate: một trang mạng xã hội dành cho các nhà nghiên cứu chia sẻ các bài báo,
hỏi và trả lời các câu hỏi và tìm cộng tác viên. Trong các mạng này, các nút, ví dụ: các
nhà nghiên cứu và các liên kết
Mạng cộng tác viên Co-Commenter Networks (Slide 17)
Mạng lưới người đồng bình luận được hình thành khi hai hoặc nhiều người nhận xét về
nội dung trên mạng xã hội (ví dụ: cập nhật trạng thái trên Facebook, bài đăng trên blog,
bài đánh giá nhà hàng Yelp hoặc video trên YouTube). Ví dụ, một mạng lưới người đồng
bình luận có thể được xây dựng từ các nhận xét do người dùng đăng để phản hồi lại một
video được đăng trên YouTube hoặc một trang người hâm mộ trên Facebook. Trong các
mạng này, các nút đại diện cho người dùng và một liên kết đại diện cho mối quan hệ đồng nhận xét.
Mạng tương tự Co-Like Networks
Mạng tương tự được hình thành khi hai hoặc nhiều người thích cùng một nội dung trên
mạng xã hội. Sử dụng NodeXL (một công cụ phân tích mạng xã hội, một chiếc ô tô xây
dựng bản thử nghiệm lại dựa trên các đồng nghiệp (hai hoặc nhiều người cùng tạo ra một
nội dung tương tự) của trang người hâm mộ Facebook. Trong mạng như vậy, các liên kết
sẽ là người dùng / người hâm mộ và liên kết Facebook sẽ là mối quan hệ đồng like.
Facebook cũng sử dụng oc-like để gợi ý các thành viên khác mà họ chưa kết nối làm bạn
bè được đề xuất. Mối quan hệ đồng like có thể được nhìn thấy trên Facebook khi mọi
người chia sẻ bài đăng của người khác.
Mạng đồng xuất hiện Co-Occurrence Network (slide 18)
Mạng đồng xuất hiện được hình thành khi có thêm hai thực thể (ví dụ: từ khóa, con
người, ý tưởng và thương hiệu) cùng xuất hiện trên các phương tiện truyền thông xã hội.
Ví dụ: người ta có thể xây dựng một mạng lưới các tên thương hiệu (hoặc con người)
cùng xuất hiện để điều tra tần suất các thương hiệu (hoặc con người) nhất định cùng xuất
hiện trên các phương tiện truyền thông xã hội. Trong các mạng như vậy, các nút sẽ là tên
thương hiệu và các liên kết sẽ đại diện cho các mối quan hệ đồng xuất hiện giữa các thương hiệu.
Mạng đồng tồn tại địa lý Geo Co-Existence Network (slide 19)
Mạng đồng tồn tại địa lý được hình thành khi hai hoặc nhiều thực thể (ví dụ: người, thiết
bị và địa chỉ) cùng tồn tại trong một vị trí địa lý. Trong một mạng như vậy, nút đại diện
cho các thực thể (ví dụ: con người), trong khi các liên kết giữa chúng đại diện cho sự
đồng tồn tại. Ví dụ về mạng đồng tồn tại địa lý: Khách tham quan bảo tàng (hoặc bất kỳ
địa điểm nào) sử dụng các ứng dụng truyền thông xã hội trên thiết bị của họ để đăng ký
bằng Facebook hoặc Swarm (Foursque): các thành viên khác đã đăng ký gần đây đều
đến bảo tàng được hiển thị thành viên thông qua Người mua sắm ghé thăm các cửa hàng
truyền thống và mua sắm ở đó bằng ứng dụng hỗ trợ Bluetooth kết nối với mạng iBeacon
được cài đặt tại địa điểm đó.
Mạng siêu kết nối Hyperlink Networks
Nói một cách đơn giản, siêu kết nối là một cách để kết nối các tài liệu (chẳng hạn như
các trang web). Siêu liên kết có thể được coi là liên kết trong (tức là siêu liên kết bắt
nguồn từ các trang web khác. Đưa lưu lượng truy cập / người dùng đến trang web của
bạn) hoặc liên kết ngoài (ie., Liên kết bắt nguồn từ trang web của bạn và đi ra ngoài. Các loại mạng
Theo quan điểm kỹ thuật, các mạng được đề cập ở trên có thể được phân loại theo nhiều cách khác nhau, bao gồm:
• dựa trên sự tồn tại (Based on existence)
• dựa trên hướng liên kết (Based on direction of links)
• dựa trên phương thức (Based on mode)
• dựa trên trọng số (Based on weights)
Dựa trên sự tồn tại Dựa trên cách mạng tồn tại trực tuyến hoặc được xây dựng, chúng
có thể được phân loại như sau:
a. Mạng ngầm định (Implicit Networks)
b. Mạng rõ ràng (Explicit Networks)
Các mạng ngầm định Các mạng ngầm không tồn tại theo mặc định và cần được xây
dựng có chủ đích với sự trợ giúp của các công cụ và kỹ thuật chuyên dụng. Ví dụ về các
mạng liên kết như vậy bao gồm mạng đồng xuất hiện từ khóa, mạng đồng trích dẫn,
mạng người đồng bình luận, mạng siêu kết nối, v.v. Việc xây dựng và nghiên cứu các
mạng ngầm định có thể cung cấp thông tin và hiểu biết có giá trị. Ví dụ, một nhóm
Facebook có thể được coi là một mạng ngầm được hình thành một cách có chủ ý. Một
loại mạng ngầm khác là khi một số người dùng Twitter đăng về một sự kiện đang diễn ra
bằng cách sử dụng thẻ bắt đầu bằng # cụ thể-các thành viên được kết nối với nhau thông
qua thẻ bắt đầu bằng # và có thể xem các bài đăng của nhau có cùng thẻ bắt đầu bằng #.
Mạng rõ ràng Các mạng xã hội rõ ràng tồn tại theo mặc định; nói cách khác, chúng được
thiết kế rõ ràng để người dùng mạng xã hội tham gia. Hầu hết các mạng xã hội đều có
bản chất rõ ràng. Ví dụ về các mạng truyền thông xã hội rõ ràng bao gồm mạng tình bạn
Facebook, mạng theo dõi Twitter, mạng chuyên nghiệp Linkedin, mạng đăng ký
YouTube và mạng blogger. Trong chương này, chúng tôi sẽ tập trung vào các mạng
truyền thông xã hội rõ ràng.
Dựa trên hướng Dựa vào hướng liên kết giữa các nút, mạng có thể được phân loại thành:
a. Mạng có hướng (Directed networks)
b. Mạng không định hướng (Undirected _)
Mạng có hướng Một mạng có các liên kết có hướng giữa các nút được gọi là mạng có
hướng, như minh họa trong Hình 14.2 . Thông thường, một kết nối với một mũi tên được
vẽ để chỉ ra hướng của mối quan hệ giữa các nút. Ví dụ: mạng theo dõi người theo dõi
trên Twitter là mạng được định hướng mà hướng của mũi tên cho biết ai đang theo dõi ai
Mạng vô hướng Trong các mạng vô hướng, các liên kết giữa các nút không có bất kỳ
hướng nào, như minh họa trong Hình 14.3. Mạng tình bạn Facebook là một ví dụ về
mạng vô hướng. Ví dụ: Facebook gần đây đã thêm tùy chọn để "theo dõi bài đăng của
một số người nhất định, tương tự như Twitter. Hơn nữa, các thành viên Facebook có thể
là bạn bè trên Facebook, sau đó hủy theo dõi một số bạn bè của họ, vì vậy họ không nhìn
thấy bài đăng của bạn bè cũ của họ trên thành viên mốc thời gian.
Dựa trên chế độ Dựa trên thành phần của các nút, mạng có thể được phân loại thành:
a. Mạng một chế độ (one-mode)
b. Mạng hai chế độ (two-mode)
c. Mạng đa chế độ (multi-mode)
Mạng một chế độ Mạng một chế độ, như trong Hình 14.4, được hình thành giữa một tập
hợp các nút có cùng tính chất. Mạng tình bạn Facebook là một ví dụ về mạng một chế độ
nơi các nút (mọi người) hình thành mối quan hệ mạng (tình bạn).
Mạng hai chế độ Mạng hai chế độ (còn được gọi là mạng hai bên) là mạng có hai tập hợp
các nút thuộc các lớp khác nhau. Trong các mạng này, quan hệ mạng chỉ tồn tại giữa các
nút thuộc các tập hợp khác nhau. Ví dụ, hãy xem xét mạng hai chế độ, trong đó một tập
hợp các nút (vòng tròn) có thể là người dùng mạng xã hội và một tập hợp các nút (hình
vuông) khác, như trong Hình 14.5, có thể được liên kết với việc tham gia vào một loạt
các sự kiện. Người dùng được liên kết với các sự kiện họ đã tham dự.
Mạng đa chế độ Một mạng đa chế độ cũng có thể được kết nối với nhiều nút không đồng
nhất. Nó có thể được coi là hỗn hợp của mạng một và hai mạng.
Dựa trên Trọng số Các mạng cũng có thể được phân loại dựa trên trọng số được gán
cho các liên kết giữa các nút. Có hai loại mạng có trọng số: a. Mạng có trọng số b. Mạng không trọng số
Các mạng có trọng số Trong các mạng có trọng số, như thể hiện trong Hình 14.6, các
liên kết giữa các nút có trọng số nhất định để biểu thị mức độ liên kết giữa các nút. Ví
dụ, mối liên kết (mối quan hệ) giữa hai người bạn (nút) trên Facebook sẽ dày hơn nếu họ
liên lạc thường xuyên hơn. Trong khi các mạng có trọng số cung cấp thông tin phong
phú, chúng yêu cầu đủ dữ liệu lịch sử để xây dựng. Ví dụ: Facebook và Linkedin sử dụng các thuật
toán độc quyền với các mạng có trọng số để cô đọng nguồn cấp tin tức của người dùng và
người dùng với ưu tiên hướng tới những người dùng mà thành viên đã tương tác gần đây.
Instagram cũng đã thay đổi thuật toán của họ, vì vậy hình ảnh không còn xuất hiện theo
thứ tự thời gian trên newsfeed của họ nữa, nhưng dựa trên sở thích của người dùng,
Facebook gần đây đã thay đổi tab tìm kiếm của họ để hiển thị hình ảnh / video về những gì
người dùng thường nhấp vào / xem.
Mạng không có trọng số Trong các mạng không có trọng số, chẳng hạn như Hình 14.7,
Mực giữa các nút không chịu trọng số. Các dấu ngoặc kép chỉ cho biết anh ta tồn tại một
mối quan hệ và không thể cung cấp manh mối về độ bền của mối quan hệ. Các mạng chưa
được xác nhận rất dễ xây dựng nhưng có thể che giấu thông tin hữu ích Hãy nhớ rằng các
loại được phân loại ở trên không loại trừ lẫn nhau và có thể tồn tại trong một mạng duy
nhất. Ví dụ: có thể tồn tại một mạng một chế độ có trọng số có hướng. Ngoài ra, người ta
có thể xây dựng một mạng không trọng số hai chế độ vô hướng, v.v.
Các thuật ngữ mạng phổ biến
Chúng ta hãy xem xét một số thuật ngữ hoặc thuộc tính mạng phổ biến. Thuộc tính mạng
có thể được chia thành hai loại:
1 . Thuộc tính cấp nút (Node-level properties)
2 . Thuộc tính cấp mạng (Network-level properties )
Mức độ trung tâm (Degree centrality) Mức độ trung tâm của một nút đo số lượng liên
kết mà một nút có với các nút khác trong mạng. "Ví dụ: trong mạng Facebook, điều này sẽ
đo lường số lượng bạn bè chung của một thành viên. Trong mạng Twitter, nó sẽ tương
đương với số lượng người theo dõi hoặc theo dõi mà một người dùng có. Trong mạng định
hướng, mức độ có thể ở mức độ (người theo dõi) hoặc mức độ thấp (người theo dõi). Trong
mạng Twitter, mức độ (người theo dõi) là một thước đo quan trọng hơn về ảnh hưởng của
một nút hơn là mức độ ngoài (số lượng cá nhân mà một người theo dõi) Betweeness Centrality
liên quan đến vị trí trung tâm (hoặc vị trí) của một nút trong mạng,
như thể hiện trong Hình 14.9. Các nút có độ chính giữa cao có thể kiểm soát luồng thông
tin giữa các nút được kết nối do vị trí trung tâm của chúng trong mạng tha. Trong mạng
Facebook, những người dùng chiếm vị trí trung tâm (có nhiều kết nối trực tiếp hơn với
những người bạn có ảnh hưởng trong mạng) có vị trí tốt hơn để kiểm soát luồng nội dung trên mạng xã hội.
Tính trung tâm của Eigenvector (Eigenvector centrality)
Tính trung tâm của Eigenvector đo lường tầm quan trọng của một nút dựa trên các kết nối
của nó với các nút quan trọng khác trong mạng. Nó có thể cung cấp sự hiểu biết về khả
năng kết nối mạng của một nút so với những nút khác, "như được thể hiện trong Hình
14.10 . Công cụ Tìm kiếm của Google đã sử dụng các trình điều chỉnh để xếp hạng kết quả
tìm kiếm theo mức độ liên quan của chúng với kết quả truy vấn của người tìm kiếm ngay từ đầu.
Lỗ cấu trúc (Structure hole)
Các lỗ cấu trúc lần đầu tiên được đưa ra bởi Burt, người đã gợi ý rằng một số nút nhất định
có lợi thế hoặc bất lợi dựa trên vị trí của chúng trong mạng. "Trong mạng truyền thông xã
hội, một số nút hoặc người dùng, vì vị trí của họ trong mạng, có thể có lợi thế hay bất lợi
khi truyền thông tin đến các nút khác trong mạng.23 Hình 14.11 cho thấy một mạng xã hội
đơn giản với bốn nút và ba lỗ hổng cấu trúc; rõ ràng, nút một có lợi thế trong việc nhận
thông tin trong mạng đó, đó là các nút thiếu hai, ba và bốn Trung tâm gần gũi
Định nghĩa: Tính trung tâm gần gũi cho biết mức độ gần của một nút với tất cả các nút
khác trong mạng. Nó được tính bằng giá trị trung bình của độ dài đường đi ngắn nhất từ
nút đến mọi nút khác trong mạng.
Nó cho chúng ta biết gì: Phép đo này tính toán các đường đi ngắn nhất giữa tất cả các nút,
sau đó ấn định cho mỗi nút một điểm dựa trên tổng các đường đi ngắn nhất của nó.
Sử dụng nó khi nào: Để tìm ra những cá nhân phù hợp nhất để ảnh hưởng đến toàn bộ
mạng một cách nhanh chóng nhất.
Chi tiết hơn một chút: Tính tập trung gần gũi có thể giúp tìm ra các ‘đài truyền hình’ tốt,
nhưng trong một mạng có tính kết nối cao, bạn thường sẽ thấy tất cả các nút có điểm giống
nhau. Điều có thể hữu ích hơn là sử dụng Closeness để tìm những người có ảnh hưởng trong một nhóm duy nhất. Betweeness Centrality
Định nghĩa: Độ trung tâm đo lường số lần một nút nằm trên đường đi ngắn nhất giữa các nút khác.
Nó cho chúng ta biết gì: Thước đo này cho biết những nút nào là 'cầu nối' giữa các nút
trong mạng. Nó thực hiện điều này bằng cách xác định tất cả các đường đi ngắn nhất và
sau đó đếm số lần mỗi nút rơi trên một nút.
Khi nào thì sử dụng: Để tìm những cá nhân ảnh hưởng đến dòng chảy xung quanh một hệ thống.
Chi tiết hơn một chút: Giữa rất hữu ích để phân tích động lực giao tiếp, nhưng nên được
sử dụng cẩn thận. Số lượng giữa các nhóm cao có thể cho thấy ai đó nắm quyền đối với
các cụm khác nhau trong mạng hoặc chỉ rằng họ ở ngoại vi của cả hai cụm.
Thuộc tính mức mạng
Các thuộc tính mạng cung cấp cái nhìn sâu sắc về cấu trúc tổng thể và tình trạng của
mạng. Các thuộc tính cấp mạng quan trọng bao gồm hệ số phân cụm, mật độ, đường
kính, mức độ trung bình và các thành phần. Hệ số phân cụm
Hệ số phân cụm là thước đo mức độ mà các nút trong một cụm mạng lại với nhau. Trong
mạng xã hội, các nút có hệ số phân cụm cao và có xu hướng hình thành với mật độ quan
hệ cao; trung bình điều này xảy ra thường xuyên hơn hai nút ngẫu nhiên hình thành các mối quan hệ tương tự. Mật độ
Mật độ của một mạng liên quan đến một số liên kết trong một mạng. Mật độ có thể được
tính bằng số lượng liên kết có trong mạng chia cho số tất cả các liên kết có thể có giữa
các cặp nút trong mạng (đối với mạng vô hướng, số lượng tất cả các liên kết có thể có có
thể được tính là n (n-1) / 2); với n là số nút trong mạng). Một mạng được kết nối đầy đủ,
trong đó mỗi nút đang liên kết trực tiếp với mọi nút khác, sẽ có mật độ là 1. Các thành phần
Các phần tử của một mạng là các mạng con biệt lập kết nối bên trong (nhưng bị ngắt kết
nối giữa) các mạng con. Trong một thành phần được kết nối, tất cả các nút đều được kết
nối và có thể truy cập được, nhưng không có đường dẫn giữa một nút trong thành phần
và bất kỳ nút nào không có trong thành phần. Thành phần chính hoặc lớn nhất của mạng
là thành phần có số lượng nút lớn nhất.
Đường kính Đường kính của mạng là đường lớn nhất trong số các đường đi ngắn nhất
được tính toán giữa bất kỳ cặp nút nào trong mạng, có thể cung cấp ý tưởng về thời gian
mất bao lâu để một số thông tin / ý tưởng / thông điệp đi qua mạng.
Mức độ trung bình Mức độ trung bình đo lường số lượng liên kết trung bình giữa các nút trong mạng.
TỔNG QUAN VỀ KHAI PHÁ WEBSITE
& PHÂN TÍCH MẠNG XÃ HỘI Mục lục
Sự phát triển của Digital Analytics and the Internet
Phân tích trang web là gì? What is Website Analysis?
Quy trình phân tích trang web_Website Analysis Process
Phân tích Web nâng cao và Web Intelligence
Phân tích mạng xã hội_Social network analysis
1. Sự phát triển của phân tích kỹ thuật số D
( igital Analytics) và Internet
Giới thiệu về Internet và World Wide Web
Phân tích kỹ thuật số so với Tiếp thị kỹ thuật số
- Phân tích kỹ thuật số là nghiên cứu các dạng dữ liệu kinh doanh khác nhau để cải
thiện trải nghiệm trực tuyến của doanh nghiệp và khách hàng của doanh nghiệp.
- Khi công nghệ Internet được phát triển, nó được tạo ra để có thể truy cập và mở rộng cho công chúng.
- Internet cho phép các công cụ tìm kiếm và phương tiện truyền thông xã hội nổi lên
như những ngành tiếp thị trực tuyến cụ thể mà sinh viên và học viên có thể học và thành thạo.
Sự phát triển của web Web 1.0 Web 2.0 Web 3.0 Web 4.0 Chỉ đọc Read-write
Riêng tư, Cá nhân hóa, Có thể Hội tụ mở rộng Tập trung vào Tập trung vào Tập trung vào cá nhân
Tương tác thông qua trợ lí công ty và doanh cộng đồng và xã ảo nghiệp hội Home page Blogs, Viết Streaming media
Robot, Người quản lý thông blogging, Wikis Live streaming minh (Intelligent Agents), Data waves: sóng data
Dữ liệu có cấu trúc so với Dữ liệu không có cấu trúc
D ữ liệu có cấu trúc
Dữ liệu không có cấu trúc
Dữ liệu có cấu trúc là định lượng và thường được
Dữ liệu phi cấu trúc là dữ liệu định tính và bao
hiển thị dưới dạng số, ngày tháng, giá trị và chuỗi.
gồm văn bản, video, âm thanh, hình ảnh, v.v.
Dữ liệu có cấu trúc được lưu trữ trong các hàng và
Dữ liệu phi cấu trúc được lưu trữ dưới dạng tệp cột.
âm thanh, văn bản, video hoặc NoSQL DB.
Ước tính 80-90% dữ liệu kinh doanh
Ước tính 20% dữ liệu kinh doanh.
Tìm thấy trong các truy vấn hỗ trợ khách hàng,
Được tìm thấy trong các cuộc khảo sát đã kết thúc,
đánh giá trực tuyến, email, câu hỏi mở và hơn thế
như NPS (Điểm Net Promoter), điểm CSAT và nữa. phân tích trang web.
Yêu cầu nhiều không gian lưu trữ hơn.
Yêu cầu ít không gian lưu trữ hơn.
Khó phân tích nếu không có công cụ AI.
Dễ dàng phân tích với các công cụ như Excel.
Sự phát triển của phân tích kỹ thuật số
Cách phân tích web theo dõi dữ liệu web của người dùng (How Web Analytics Track User Web Data)
- Dữ liệu Internet chủ yếu được thu thập từ các tệp nhật ký máy chủ Web hoặc các
thẻ JavaScript (Web server log files or JavaScript tags), (API của bên thứ ba đến
các nguồn dữ liệu bên ngoài là một phương pháp bổ sung).
- Hầu hết các nền tảng sử dụng phương pháp JavaScript vì nó yêu cầu ít chi phí hơn
và được coi là ưu việt cho hầu hết các tình huống (nhưng không phải tất cả).
- Tệp nhật ký máy chủ web chứa thông tin về việc tải tệp xuống và trình thu thập
thông tin của công cụ tìm kiếm không được theo dõi bởi đèn hiệu Web (Web beacons).
- Mỗi trang được Web Analytics theo dõi đều có một đoạn mã JavaScript nhỏ thực
thi khi trang được tải bởi trình duyệt Web.
- Mã JavaScript trên trang web được nhà tiếp thị tùy chỉnh để nắm bắt thông tin
chính xác mà nhà tiếp thị cần cho các báo cáo Kinh doanh tài chính và Phân tích Web của họ. Internet so với Web Internet Web
Một mạng lưới toàn cầu của mạng và máy Một bộ sưu tập thông tin được truy cập tính. thông qua internet.
Thông tin truyền qua các giao thức mạng. Thông tin truyền chủ yếu qua HTTP. Cơ sở hạ tầng mạng.
Sử dụng trình duyệt để truy cập tài liệu và trang web.
Có thể truy cập thông qua nhiều cách khác Điều hướng đến các trang khác xảy ra nhau.
thông qua các siêu liên kết.
2. Phân tích Website là gì?
Why Study Web Analytics?
- Các nhà tiếp thị sử dụng dữ liệu trực tuyến để giải quyết các vấn đề kinh doanh cơ
bản bằng cách tận dụng dữ liệu có liên quan đến hoạt động kinh doanh của họ.
- Sử dụng Phân tích trang web, người dùng doanh nghiệp có thể sử dụng dữ liệu để
đo lường thành công, thay vì tin tưởng mù quáng vì lượng dữ liệu có thể xác nhận đã tăng lên đáng kể.
- Web cung cấp quyền truy cập vào một lượng dữ liệu vô hạn với chi phí thấp.
- Phân tích dữ liệu và web cung cấp dữ liệu định tính và định lượng về các trang
web và khách hàng được giám sát, bao gồm cả mục đích của khách hàng đối với
công ty và đôi khi, sự cạnh tranh và kết quả mong muốn cho các mục tiêu kinh
doanh trực tuyến và ngoại tuyến.
- Phân tích web và kỹ thuật số là một lĩnh vực rộng bao gồm nhiều hơn các trang web
- Phân tích web và kỹ thuật số không phải là một phần của “Dữ liệu lớn”. Cơ sở dữ
liệu Web Analytics được cấu trúc bởi các nhà cung cấp nền tảng.
- Ngược lại, Dữ liệu lớn phải được làm sạch, sắp xếp và cấu trúc trước khi nó trở
nên hữu ích cho hầu hết các ứng dụng.
Các trường hợp sử dụng phân tích trang web (Web Analytics Use
cases) - Tối ưu hóa các trang web.
- Tối đa hóa tiếp thị được đặt trên các trang web.
- Tìm hiểu cách điều hướng, nội dung và thẩm mỹ của trang web ảnh hưởng đến
điểm mấu chốt, điều này sẽ phù hợp với mục tiêu kinh doanh.
- Học hỏi từ những nỗ lực tiếp thị trước đây trên một trang web.
- Tối ưu hóa các chiến dịch trong tương lai để tăng chuyển đổi trên trang web.
- Đề xuất các thay đổi về trang web hoặc tiếp thị dựa trên phân tích về hành vi của trang web.
- Thực hiện thay đổi trang web hoặc đề xuất thay đổi cho những người có thẩm
quyền để thực hiện điều đó.
Yêu cầu đối với việc triển khai phân tích trang web hiệu quả
(Requirements for Effective Web Analytics Deployments)
- Để có hiệu quả với Phân tích trang web, cần có bối cảnh kinh doanh tổ
chức cụ thể ở cấp độ chi tiết, kết hợp với sự hiểu biết về cách sử dụng
phân tích để có hiệu suất cao.
- Kiến thức sâu sắc về hoạt động kinh doanh là cần thiết để thu thập báo cáo
phân tích chính xác tạo ra kết quả kinh doanh mong muốn.
Các nguyên tắc cần ghi nhớ khi giải quyết các vấn đề phân tích bao gồm:
- Lấy dữ liệu phù hợp để trả lời các câu hỏi kinh doanh đã xác định.
- Hiểu hoạt động của công ty ở mức đủ chi tiết để dữ liệu của công ty có thể
tương quan với các hoạt động kỹ thuật số của doanh nghiệp.
- Cung cấp báo cáo và thông tin chi tiết cho đúng người, cùng với hình ảnh
và ngôn ngữ phù hợp để thu được phản hồi tốt nhất.
3. Quy trình phân tích trang web
Quy trình phân tích trang web 5 bước:
- Xác định các mục tiêu kinh doanh khi bắt đầu dự án. - Liên kết các mục
tiêu cho từng mục tiêu kinh doanh.
- Xác định các chỉ số hiệu suất chính (KPI) liên quan đến từng mục tiêu kinh doanh.
- Xác định các giá trị mục tiêu cho từng KPI.
- Xác định các phân đoạn người / hành vi / kết quả để phân tích lý do tại
sao dự án thành công hay thất bại
Key Business Requirements (KBR) & Key Performance Indicators (KPIs)
- Key Business Requirements (KBR) vs. Key Performance Indicators (KPIs).
Các Yêu cầu Kinh doanh Chính (KBR) so với Các Chỉ số Hiệu suất Chính (KPI).
- Mapping KBRs to KPIs is an essential part of getting the value from Web
Analytics deployments. Ánh xạ KBR thành KPI là một phần thiết yếu để
nhận được giá trị từ việc triển khai Web Analytics. Web metrics
Các chỉ số web (tức là: số lần xem trang, khách truy cập, thời gian dành cho trang,
v.v.) thường được gọi là KPI và được sử dụng để đo lường hoạt động tiếp thị, việc
chỉ định này gây hiểu lầm vì những lý do sau:
- Hầu hết những cái gọi là KPI này là các Chỉ số Trung gian được tạo ra bởi
các nền tảng một cách thuận tiện và chúng hầu như không liên quan đến bất
kỳ kết quả tiếp thị kinh doanh thực tế nào. Chúng là các chỉ số, giống như
bảng điều khiển của một chiếc xe hơi chỉ ra những chẩn đoán về tốc độ và
sức khỏe của chiếc xe.
- KPI được trình bày ngoài ngữ cảnh có rất ít ý nghĩa đối với các nhà tiếp thị.
Bằng cách kết nối KPI với hoàn cảnh và mục tiêu kinh doanh, chúng trở nên khả thi.
- Hầu hết các chỉ số / KPI thường được các nhà tiếp thị kỹ thuật số sử dụng
đã lỗi thời - đặc biệt là những chỉ số thường liên quan đến thứ hạng SEO hàng đầu.
- Các chỉ số tốt nhất cho một tổ chức hầu như sẽ luôn được tùy chỉnh theo
các yêu cầu và mục tiêu kinh doanh có giá trị nhất của tổ chức. Calculated Metrics
Hầu hết các nền tảng Phân tích trang web đều cung cấp các số liệu có sẵn theo mặc
định. Chúng có các biến / thứ nguyên có thể được tùy chỉnh: người dùng định cấu
hình nền tảng để thu thập dữ liệu họ muốn, họ có thể tạo chỉ số được tính toán để
đưa vào hình ảnh hóa trang tổng quan và báo cáo tùy chỉnh.
Traffic Metrics vs Conversion Metrics
Có hai loại chỉ số web, lưu lượng truy cập dựa trên hoạt động so với chỉ số dựa trên sự kiện chuyển đổi.
Tùy thuộc vào nền tảng Phân tích web được sử dụng, các báo cáo có thể có các tên
khác nhau, nhưng chức năng giống nhau tồn tại trên hầu hết mọi nền tảng Phân tích trang web.
Website Analysis Process: Quy trình phân tích trang web
- Các chỉ số là đơn vị tiền tệ của Phân tích trang web, là một “bộ đếm đậu” tuyệt vời
chứa nhiều thông tin thông minh được tích hợp sẵn về lưu lượng truy cập Web và
chuyển đổi diễn ra trên một trang web được giám sát. Một số chỉ số phổ biến hơn là
số lượt truy cập, số lượng khách truy cập, số lần xem trang, doanh thu và thời gian đã sử dụng.
- Mỗi doanh nghiệp là duy nhất và KPI phải được điều chỉnh cho phù hợp với nhu cầu của công ty.
- Biết cách hoạt động của một ngành hoặc tổ chức giúp bạn dễ dàng xác định những
gì cần tìm và điểm chuẩn.
Intermediate Web and Social Media Metrics: Chỉ số web và phương tiện
truyền thông xã hội trung gian
- Chỉ số trung gian là dữ liệu tiếp thị nằm trong phạm vi từ lần hiển thị đến lần mua
hàng, chẳng hạn như dấu trang, lượt xem, lượt truy cập, số lượng người theo dõi,
lượt chia sẻ, lượt nhấp, lượt retweet, lượt thích…
- Google đã thuyết phục thế giới tin vào “lần nhấp”.
- Facebook cũng đã làm điều tương tự với "like"
- Twitter với “người theo dõi” và Pinterest có “ghim”.
- Phân tích trang web đã làm điều tương tự với "lượt truy cập", "khách truy cập", "số
lần xem trang", "số lần truy cập" và "tỷ lệ thoát", để nêu tên một số chỉ số nổi tiếng hơn.
Where Intermediate Metrics could be Useful? Các chỉ số trung gian có thể hữu ích ở đâu? - Khởi nghiệp
- Bất kỳ tổ chức nào xây dựng nhận thức về thương hiệu
- Các cá nhân đang xây dựng thương hiệu cá nhân của họ (tức là blogger, nhà xuất
bản, người nổi tiếng, chính trị gia, v.v.).
- Nhà quảng cáo và nhà xuất bản
- Các tình huống mà việc đo lường doanh số và doanh thu hầu như không thể xác định được.
Advanced Web Analytics and Web Intelligence Các bên liên quan
Vai trò của các bên liên quan là then chốt
Tránh trở thành một con khỉ báo cáo
Loại thông tin mà các bên liên quan muốn
- Quản lý chiến dịch đa kênh
- Tự động hóa tiếp thị - Chấm điểm khách hàng
- Tối ưu hóa điện thoại di động
Làm phong phú thêm Báo cáo Phân tích Web với Nguồn Dữ liệu Bên ngoài
Evaluating Websites: Đánh giá trang web
Nền tảng Phân tích trang web được thiết kế để đo lường hành vi của khách truy cập
trên trang web và thiết kế trang web (UX) đối với khách truy cập.
Những câu hỏi sau đây có thể đóng vai trò là hướng dẫn sơ bộ khi xem bất kỳ trang
web nào. Phân tích trang web lần đầu tiên và mọi nền tảng Phân tích trang web sẽ có
thể làm sáng tỏ những điều sau:
- Những trang nào đang hoạt động tốt cho các mục đích mà chúng dự định?
- Những trang nào nhận được lưu lượng truy cập thấp hoặc không có?
- Những khu vực nào trong trang web mà khách truy cập bỏ / rời khỏi?
- Những trang nào là trang thoát cao?
- Những chiến dịch nào đang thúc đẩy thành công trên một trang web và những
chiến dịch nào chỉ gây tốn kém chúng tôi tiền nhưng không cung cấp giá trị kinh doanh?
- Sản phẩm hoặc dịch vụ nào đang bán và không bán?
Key Performance Indicators (KPIs): Các chỉ số hiệu suất chính (KPI)
Các chỉ số KPI điển hình được ngành sử dụng:
• Bán lẻ: xem sản phẩm, thanh toán, mua hàng
• Phương tiện: đăng ký, đăng ký cuộc thi, xem trang, xem video
*Tài chính: nộp đơn đăng ký, đăng nhập, sử dụng các công cụ tự phục vụ
• Du lịch: đặt phòng (mua hàng), chiến dịch nội bộ (nhấp qua), tìm kiếm (định giá hành trình)
• Viễn thông: mua hàng, khách hàng tiềm năng, sử dụng các công cụ tự phục vụ
• Công nghệ cao: tải xuống whitepaper, RFP, hoàn thành biểu mẫu, yêu cầu hỗ trợ
• Ô tô: gửi khách hàng tiềm năng, yêu cầu báo giá, tải xuống tài liệu quảng cáo
Data Segmentation: Phân đoạn dữ liệu
Nền tảng Phân tích web cung cấp phân đoạn tùy chỉnh (các phần dữ liệu) có thể thông
báo cho các quyết định kinh doanh — và về mặt này, chúng nổi trội hơn các loại nền tảng phân tích khác.
Measuring Customer Acquisition: Đo lường chuyển đổi của khách hàng
Khi khách truy cập vào một trang web, họ tạo ra dữ liệu. Các nhà tiếp thị có thể đo
lường tác động của các hoạt động của khách truy cập khi chúng diễn ra trên trang web. Traffic Sources Organic search Website referrals Direct traffic Paid search traffic
Other types of campaign traffic Social media
Time Spent” Calculations in Web Analytics: Các tính toán dành thời gian”
trong Phân tích trang web
When it comes to calculating how long the visit to a page lasts (called a pageview);
when a visit results in a single pageview, it is referred to as a “bounce (bounce rate).”
Khi nói đến việc tính toán thời lượng truy cập vào một trang kéo dài (được gọi là một
lần xem trang); khi một lượt truy cập dẫn đến một lần xem trang, nó được gọi là “số
trang không truy cập (tỷ lệ thoát).” Google Data Studio Scorecards
Display your key metric and KPI: Hiển thị chỉ số và KPI chính của bạn
Applying style to your Scorecards: Áp dụng phong cách cho Thẻ điểm của bạn
Comparing to previous periods: So với kỳ trước
Using table in Google Data Studio Creating tables
Applying formatting and styles: Áp dụng định dạng và kiểu
Using conditional formatting: Dùng định dạng có điều kiện
Creating calculations: Tạo tính toán
Using Pivot tables: Sử dụng bảng tổng hợp
Comparing to previous periods: So với kỳ trước Time Series Graphs
Creating time series graphs: Tạo đồ thị chuỗi thời gian
Using different date periods: Sử dụng các khoảng thời gian ngày khác nhau
Applying styles to time series graphs: Áp dụng kiểu cho đồ thị chuỗi thời gian
Comparisons to previous periods: So sánh với các kỳ trước Filter
Use other fields as fields: Sử dụng các trường khác làm trường - Country - Sources
Applying filters to Graphs and visualizations: Áp dụng bộ lọc cho Đồ thị và hình ảnh hóa
Using data explorer: Sử dụng trình khám phá dữ liệu Other Visualizations
Column and Bar Graphs: Đồ thị cột và thanh
Area Graphs: Đồ thị vùng
Pie Graphs: Đồ thị hình tròn
Geographical Analysis: Phân tích địa lý
Custom Visualizations: Hình ảnh hóa tùy chỉnh
Interactive Google Analytics DASHBOARD: Bảng tổng quan
Trang tổng quan tương tác 1
Trong hoạt động thực tế này, bạn sẽ tạo một báo cáo tương tác cho dữ liệu Google Analytics của mình. - Tạo một báo cáo mới
- Đặt tên cho báo cáo - Trang tổng quan Google Analytics
- Tạo kết nối với kết nối dữ liệu Google Analytics mẫu
- Tạo tiêu đề và tiêu đề cho báo cáo của bạn Tạo các Thẻ điểm sau - Phiên - Người dùng
- Những người dùng mới - Tỷ lệ thoát
Tạo biểu đồ khu vực xếp chồng hiển thị các phiên theo Danh mục thiết bị - Tạo chỉ số tùy
chọn cho Người dùng và Người dùng mới
Tạo biểu đồ thanh hiển thị Số phiên theo nguồn - Hiển thị 15 người hàng đầu - làm cho biểu đồ tương tác
Tạo bộ lọc cho Quốc gia Tạo bộ lọc Ngày
Thử nghiệm với việc chọn các Quốc gia và Nguồn khác nhau
Trang tổng quan tương tác 2
Trong hoạt động thực tế này, bạn sẽ tạo trang thứ hai cho báo cáo Google Analytics của mình.
- Thêm Trang 2 vào báo cáo của bạn
- Thêm bảng hiển thị số lần xem trang cho mỗi Tiêu đề trang - làm cho bảng tương tác
- Tạo bản đồ thế giới hiển thị số lượng người dùng mới theo Quốc gia - tạo tính tương tác
- Tạo biểu đồ Hình tròn hiển thị Người dùng mới theo giới tính - tạo tính tương tác
- Tạo biểu đồ Cột hiển thị Người dùng mới theo Độ tuổi - tạo tính tương tác
- Tạo biểu đồ Hình tròn hiển thị Người dùng mới theo Danh mục thiết bị - tạo tính tương tác - Thêm bộ lọc Ngày
- Thử nghiệm với việc chọn các tùy chọn khác nhau để lọc báo cáo.