A hálózatvizualizáció felhasználási lehetőségei: egy népszerű vizsla érdeklődési körétől a termékértékesítési összefüggések feltárásáig.

1. ábra

Az 1. ábrán egy magyar Facebook celeb, Demény, a vizsla Facebook oldalának kapcsolatai láthatóak. A nyilvános oldalak „like” hálózata (melyik oldal kedveli a többi oldalt) letölthető egy egyszerű alkalmazás (netvizz) segítségével. Az adatokat ezek után szintén egy ingyenes hálózatvizualizációs eszköz, a Gephi segítségével elemeztük.

A hálózat csúcsai (nodes) az oldalakat, az élei (edges) pedig azt mutatják, hogy mely oldalak kedvelték egymást (az egyszerűsítés kedvéért nem különböztetjük meg, hogy milyen irányú a kedvelés). Az ábrán tehát azok a nyilvános Facebook oldalak szerepelnek, amelyeket kedvelt a Demény oldala, illetve amelyeket az általa kedvelt oldalak kedveltek. Bár a kedvenc vizslánk oldala csak 17 oldalt kedvelt, kiterjedt hálózatot láthatunk több témakörben. Mindez három oldalnak, témának és ezek hálózatának köszönhető, melyeket külön színekkel is jelöltünk:

• Kékkel a Futrinka Egyesület Magyar vizsla SOS – Hungary Facebook oldala, állatvédelemmel kapcsolatos
• Rózsaszínnel a Cafeblog oldala, női oldalak
• Lilával Szkiba Zsuzska – Beauty With Plus, „plus size” divattal kapcsolatos oldal látható a kedvelt oldalainak hálójával.

Míg az első témakör kézenfekvő egy vizsla esetében, addig igen érdekes és megmosolyogtató az utóbbi két hálózat dominanciája a témájukat figyelembe véve.:)

A hálózatok vizualizációja az üzleti életben is hasznos segédeszköz lehet az adataink megértésében és olyan összefüggések feltárásában, amit egyébként nehéz lenne felismerni.

2. ábra

A 2. ábrán egy apriori elemzés vizualizációja látható. A csúcsok a termékkategóriákat jelölik, a csúcsok mérete – és a feliraté – pedig a fokok nagyságát (hány termékkategóriát vásároltak az adott termékkel együtt). Az élek vastagsága a köztük lévő kapcsolat gyakoriságát (hányszor vették együtt őket), az élek színe a kapcsolat statisztikai erősségét (mekkora arányban fordult elő, hogy X termék vétele esetén az Y terméket is vették) mutatja.

Elsőre jól kivehetőek azok a termékkategóriák (pl. Daily menu, Carbonated soft drink, Water) amelyeket több termékkategóriával együtt szoktak vásárolni. Ezeknek a termékkategóriáknak a központi szerepét azért fontos felismerni, mert megszüntetésükkel potenciális értékesítésektől eshetünk el.

Ezek után a termékek együtt-vásárlásának gyakoriságát vizsgálva feltűnően erős a kapcsolat az „On sale prod”, vagyis a leárazott termékek és a fagylaltok („Ice cream”) között. Ennek a kapcsolatnak vélhetően az üzletben való termékelhelyezés lehet a magyarázata, vagyis a leárazott termékeket valószínűleg gyakran a fagylaltos hűtő mellett helyezik el.

Végül pedig egy olyan hipotézist is igazolni tudunk a kapcsolat statisztikai erőssége láttán (az él színe alapján), hogy friss ital vagy víz (Fresh drinks, Water) vásárlása esetén szinte mindig vesznek kávét is a vevők. Mint ahogy legtöbbször kekszet (Biscuits, wafersm cookies) sem vesznek víz nélkül.

Látható tehát, hogy összetett, nagyobb adatmennyiség esetén a hálózatvizualizáció kiválóan alkalmazható összefüggések és kapcsolatok felismerésére és vizsgálatára, legyenek azok kapcsolati hálók vagy értékesítési adatok.

Horváth Renáta, az IFUA Horváth & Partners tanácsadója