Sekretna nauka retweetów

Jeśli wyślesz tweeta do nieznajomego, prosząc go o jego ponowne przesłanie, prawdopodobnie nie zdziwiłbyś się, gdyby całkowicie Cię zignorował. Ale jeśli wyślesz wiele takich tweetów, być może kilka z nich zostanie przekazanych dalej.

Dlaczego? Co sprawia, że ​​ktoś przesyła dalej informacje od nieznajomego? To pytanie, które zadał dziś Kyumin Lee z Utah State University w Logan i kilku kumpli z centrum badawczego IBM Almaden w San Jose.

Ci faceci twierdzą, że studiując cechy użytkowników Twittera, można zidentyfikować nieznajomych, którzy chętniej przekażą Twoją wiadomość niż inni. W ten sposób naukowcy twierdzą, że byli w stanie poprawić wskaźnik retweetowania wiadomości wysyłanych nieznajomym nawet o 680 procent.

Jak więc to zrobili? Nowa technika opiera się na założeniu, że niektórzy ludzie są bardziej skłonni do tweetowania niż inni, szczególnie w określonych tematach i o określonych porach dnia. Sztuczka polega więc na tym, aby znaleźć te osoby i namierzyć je wtedy, gdy mogą być najbardziej skuteczne.

Więc podejście było proste. Chodzi o to, aby badać osoby na Twitterze, przyglądając się ich profilom i ich wcześniejszemu tweetowaniu, szukając wskazówek, że mogą być bardziej skłonni do retweetowania niektórych rodzajów informacji. Po znalezieniu tych osób wyślij do nich swoje tweety.

Taka jest teoria. W praktyce jest to trochę bardziej zaangażowane. Lee i spółka chcieli przetestować reakcje ludzi na dwa rodzaje informacji: wiadomości lokalne (w San Francisco) i tweety na temat ptasiej grypy, istotnej kwestii w czasie ich badań. Następnie utworzyli kilka kont na Twitterze z kilkoma obserwującymi, specjalnie w celu rozpowszechniania tego rodzaju informacji.

Następnie wybrali osoby, które otrzymają swoje tweety. W przypadku lokalnych wiadomości przeszukiwali użytkowników Twittera geolokalizowanych w rejonie zatoki, znajdując ich ponad 34 000 i wybierając losowo 1900.

Następnie wysłali do każdego użytkownika pojedynczą wiadomość w formacie:

@SFtargetuser W strzelaninie zginął mężczyzna, a trzech innych zostało rannych… http://bit.ly/KOl2sC Plz RT to wiadomości dotyczące bezpieczeństwa

Tak więc tweet zawierał imię i nazwisko użytkownika, krótki nagłówek, link do historii i prośbę o retweet.

Spośród tych 1900 osób 52 przesłało ponownie otrzymaną wiadomość. To 2,8 proc.

Aby uzyskać informacje o ptasiej grypie, Lee i współpracownicy polowali na ludzi, którzy już tweetowali o ptasiej grypie, znajdując 13 000 z nich i wybierając losowo 1900. Spośród nich 155 retweetowało otrzymaną wiadomość, a odsetek retweetów wynosił 8,4 procent.

Ale Lee i spółka znaleźli sposób na znaczną poprawę tych częstotliwości retweetów. Wrócili do oryginalnych list użytkowników Twittera i zebrali publicznie dostępne informacje o każdym z nich, takie jak ich profil osobisty, liczba obserwujących, osoby, które obserwowali, 200 ostatnich tweetów i to, czy retweetowali otrzymaną wiadomość

Następnie zespół wykorzystał algorytm uczenia maszynowego do wyszukiwania korelacji w tych danych, które mogą przewidzieć, czy ktoś jest bardziej skłonny do retweetowania. Na przykład przyjrzeli się, czy osoby ze starszymi kontami były bardziej skłonne do retweetowania lub w jaki sposób stosunek znajomych do obserwujących wpływa na prawdopodobieństwo retweetowania, a nawet w jaki sposób rodzaje negatywnych lub pozytywnych słów, których użyli w poprzednich tweetach, wskazywały na jakikolwiek link. Przyjrzeli się również porze dnia, w której ludzie byli najbardziej aktywni w tweetowaniu.

W rezultacie powstał algorytm uczenia maszynowego zdolny do wybierania użytkowników, którzy najprawdopodobniej podadzą dalej dane na określony temat.

A wyniki pokazują, że jest zaskakująco skuteczny. Gdy zespół wysłał lokalne tweety informacyjne do osób zidentyfikowanych przez algorytm, 13,3% przesłało je ponownie, w porównaniu do zaledwie 2,6 procent osób wybranych losowo.

Uzyskiwali jeszcze lepsze wyniki, gdy ustalali czas żądania, aby dopasować okresy, w których ludzie byli najbardziej aktywni w przeszłości. W tym przypadku współczynnik retweetów wzrósł do 19,3 procent. To poprawa o ponad 600 procent.

Podobnie odsetek informacji o ptasiej grypie wzrósł z 8,3 procent dla użytkowników wybranych losowo do 19,7 procent dla użytkowników wybranych przez algorytm.

To znaczący wynik, na który marketerzy, politycy, organizacje informacyjne będą patrzeć z zazdrością.

Ciekawym pytaniem jest, jak mogą sprawić, że ta technika będzie bardziej powszechnie stosowana. Rodzi to perspektywę aplikacji, która pozwoli każdemu wprowadzić interesujący go temat, a następnie stworzy listę osób, które najprawdopodobniej będą retweetować na ten temat w ciągu najbliższych kilku godzin.

Lee i spółka nie wspominają o żadnych tego typu planach. Ale jeśli tego nie wykorzystają, z pewnością znajdą się inni, którzy to zrobią.

Nr ref.: arxiv.org/abs/1405.3750 : Kto to prześle dalej? Automatyczne identyfikowanie i angażowanie nieznajomych na Twitterze w celu rozpowszechniania informacji

ukryć