Retweets hemmelige videnskab

Hvis du sender et tweet til en fremmed, der beder dem om at retweete det, ville du sandsynligvis ikke blive overrasket, hvis de ignorerede dig fuldstændigt. Men hvis du udsendte mange tweets som dette, kan nogle få måske ende med at blive videregivet.

Hvorfor? Hvad får nogen til at retweete information fra en fremmed? Det er spørgsmålet, som Kyumin Lee fra Utah State University i Logan og et par venner fra IBMs Almaden-forskningscenter i San Jose stiller i dag.

Disse fyre siger, at ved at studere karakteristika for Twitter-brugere er det muligt at identificere fremmede, der er mere tilbøjelige til at videregive dit budskab end andre. Og ved at gøre dette siger forskerne, at de har været i stand til at forbedre retweet-frekvensen af ​​beskeder sendt til fremmede med op til 680 procent.

Så hvordan gjorde de det? Den nye teknik er baseret på ideen om, at nogle mennesker er mere tilbøjelige til at tweete end andre, især om bestemte emner og på bestemte tidspunkter af dagen. Så tricket er at finde disse personer og målrette dem, når de sandsynligvis vil være mest effektive.

Så tilgangen var ligetil. Ideen er at studere personerne på Twitter, se på deres profiler og deres tidligere tweeting-adfærd, lede efter spor om, at de måske er mere tilbøjelige til at retweete visse typer information. Når du har fundet disse personer, skal du sende dine tweets til dem.

Det er teorien. I praksis er det lidt mere involveret. Lee og co ønskede at teste folks reaktion på to typer information: lokale nyheder (i San Francisco) og tweets om fugleinfluenza, et væsentligt problem på tidspunktet for deres forskning. De oprettede derefter flere Twitter-konti med nogle få følgere, specifikt for at udsende information af denne art.

Dernæst valgte de folk til at modtage deres tweets. Til de lokale nyhedsudsendelser søgte de efter Twitter-brugere, der var geolokaliseret i Bay-området, og fandt over 34.000 af dem og valgte 1.900 tilfældigt.

De sendte derefter en enkelt besked til hver bruger af formatet:

@ SFtargetuser En mand blev dræbt og tre andre blev såret i et skyderi … http://bit.ly/KOl2sC Plz RT denne sikkerhedsnyhed

Så tweetet indeholdt brugerens navn, en kort overskrift, et link til historien og en anmodning om at retweet.

Af disse 1.900 personer retweetede 52 den besked, de modtog. Det er 2,8 procent.

For at få oplysninger om fugleinfluenzaen ledte Lee og co efter folk, der allerede havde tweetet om fugleinfluenza, og fandt 13.000 af dem og valgte 1.900 tilfældigt. Af disse retweetede 155 den besked, de modtog, en retweetrate på 8,4 procent.

Men Lee og co fandt en måde at forbedre disse retweet-rater markant på. De gik tilbage til de oprindelige lister over Twitter-brugere og indsamlede offentligt tilgængelige oplysninger om hver af dem, såsom deres personlige profil, antallet af følgere, de personer, de fulgte, deres 200 seneste tweets, og om de retweetede den besked, de havde modtaget.

Dernæst brugte holdet en maskinlæringsalgoritme til at søge efter korrelationer i disse data, der kunne forudsige, om nogen var mere tilbøjelige til at retweet. For eksempel så de på, om folk med ældre konti var mere tilbøjelige til at retweete, eller hvordan forholdet mellem venner og følgere påvirkede retweet-sandsynligheden, eller endda hvordan de typer negative eller positive ord, de brugte i tidligere tweets, viste et link. De så også på det tidspunkt på dagen, hvor folk var mest aktive i at tweete.

Resultatet var en maskinlæringsalgoritme, der var i stand til at vælge brugere, der med størst sandsynlighed ville retweete om et bestemt emne.

Og resultaterne viser, at det er overraskende effektivt. Da holdet sendte lokale informations-tweets til personer identificeret af algoritmen, retweetede 13,3 procent det, sammenlignet med kun 2,6 procent af de personer, der blev valgt tilfældigt.

Og de fik endnu bedre resultater, da de timede anmodningen til at matche de perioder, hvor folk havde været mest aktive tidligere. I så fald steg retweet-raten til 19,3 procent. Det er en forbedring på over 600 procent.

Tilsvarende steg antallet af oplysninger om fugleinfluenza fra 8,3 procent for brugere valgt tilfældigt til 19,7 procent for brugere valgt af algoritmen.

Det er et væsentligt resultat, som marketingfolk, politikere, nyhedsorganisationer vil se med misundelse.

Et interessant spørgsmål er, hvordan de kan gøre denne teknik mere generelt anvendelig. Det rejser udsigten til en app, der giver enhver mulighed for at indtaste et emne af interesse, og som derefter opretter en liste over personer, der højst sandsynligt vil retweete om det emne inden for de næste par timer.

Lee og co nævner ikke nogen planer af denne art. Men hvis de ikke udnytter det, så vil der helt sikkert være andre, der vil.

Ref: arxiv.org/abs/1405.3750 : Hvem vil retweet dette? Automatisk identifikation og engagering af fremmede på Twitter for at sprede information

skjule