211service.com
De geheime wetenschap van retweets
Als je een tweet naar een vreemde stuurt met de vraag om het te retweeten, zou het je waarschijnlijk niet verbazen als ze je volledig negeerden. Maar als je veel van dit soort tweets hebt verzonden, worden er misschien een paar doorgegeven.
Hoe kan dat? Wat maakt dat iemand informatie van een vreemde retweet? Dat is de vraag die vandaag wordt beantwoord door Kyumin Lee van de Utah State University in Logan en een paar vrienden van het onderzoekscentrum Almaden van IBM in San Jose.
Deze jongens zeggen dat door de kenmerken van Twitter-gebruikers te bestuderen, het mogelijk is om vreemden te identificeren die eerder geneigd zijn je bericht door te geven dan anderen. En door dit te doen, zeggen de onderzoekers dat ze de retweet-snelheid van berichten die naar vreemden zijn gestuurd met tot wel 680 procent hebben kunnen verbeteren.
Dus hoe hebben ze het gedaan? De nieuwe techniek is gebaseerd op het idee dat sommige mensen eerder tweeten dan anderen, vooral over bepaalde onderwerpen en op bepaalde tijden van de dag. De truc is dus om deze personen te vinden en ze te targeten wanneer ze waarschijnlijk het meest effectief zijn.
De aanpak was dus duidelijk. Het idee is om de individuen op Twitter te bestuderen, kijkend naar hun profielen en hun eerdere tweetgedrag, op zoek naar aanwijzingen dat ze meer kans hebben om bepaalde soorten informatie te retweeten. Als je deze personen hebt gevonden, stuur je je tweets naar hen.
Dat is de theorie. In de praktijk is het iets meer betrokken. Lee en co wilden de reactie van mensen op twee soorten informatie testen: lokaal nieuws (in San Francisco) en tweets over vogelgriep, een belangrijk probleem op het moment van hun onderzoek. Ze maakten vervolgens verschillende Twitter-accounts aan met enkele volgers, specifiek om dit soort informatie uit te zenden.
Vervolgens selecteerden ze mensen om hun tweets te ontvangen. Voor de lokale nieuwsuitzendingen zochten ze naar Twitter-gebruikers die zich in de Bay Area bevonden, vonden er meer dan 34.000 en kozen er willekeurig 1.900 uit.
Vervolgens stuurden ze een enkel bericht naar elke gebruiker van het formaat:
@ SFtargetuser Een man werd gedood en drie anderen raakten gewond bij een schietpartij … http://bit.ly/KOl2sC Plz RT dit veiligheidsnieuws
Dus de tweet bevatte de naam van de gebruiker, een korte kop, een link naar het verhaal en een verzoek om te retweeten.
Van deze 1.900 mensen hebben 52 het ontvangen bericht geretweet. Dat is 2,8 procent.
Voor de informatie over de vogelgriep jaagden Lee en co op mensen die al over vogelgriep hadden getweet, ze vonden er 13.000 en kozen er willekeurig 1.900 uit. Hiervan retweeten 155 het ontvangen bericht, een retweetpercentage van 8,4 procent.
Maar Lee en co hebben een manier gevonden om deze retweetpercentages aanzienlijk te verbeteren. Ze gingen terug naar de oorspronkelijke lijsten van Twitter-gebruikers en verzamelden openbaar beschikbare informatie over elk van hen, zoals hun persoonlijke profiel, het aantal volgers, de mensen die ze volgden, hun 200 meest recente tweets en of ze het bericht dat ze hadden ontvangen, retweeten.
Vervolgens gebruikte het team een machine learning-algoritme om te zoeken naar correlaties in deze gegevens die zouden kunnen voorspellen of iemand eerder zou retweeten. Ze keken bijvoorbeeld of mensen met oudere accounts vaker retweeten of hoe de verhouding tussen vrienden en volgers de retweet-kans beïnvloedde, of zelfs hoe de soorten negatieve of positieve woorden die ze in eerdere tweets gebruikten, een link lieten zien. Ze keken ook naar het tijdstip van de dag waarop mensen het meest actief tweeten.
Het resultaat was een machine learning-algoritme dat in staat was gebruikers te kiezen die het meest waarschijnlijk retweeten over een bepaald onderwerp.
En de resultaten laten zien dat het verrassend effectief is. Toen het team lokale informatie-tweets stuurde naar personen die door het algoritme werden geïdentificeerd, retweette 13,3 procent dit, vergeleken met slechts 2,6 procent van de willekeurig gekozen mensen.
En ze kregen nog betere resultaten toen ze het verzoek timen om overeen te komen met de perioden waarin mensen in het verleden het meest actief waren. In dat geval steeg het retweetpercentage naar 19,3 procent. Dat is een verbetering van meer dan 600 procent.
Evenzo steeg het percentage voor informatie over vogelgriep van 8,3 procent voor willekeurig gekozen gebruikers tot 19,7 procent voor gebruikers die door het algoritme werden gekozen.
Dat is een significant resultaat waar marketeers, politici en nieuwsorganisaties jaloers op zullen zijn.
Een interessante vraag is hoe ze deze techniek meer algemeen toepasbaar kunnen maken. Het roept het vooruitzicht op van een app waarmee iedereen een interessant onderwerp kan invoeren en die vervolgens een lijst maakt van mensen die de komende uren waarschijnlijk over dat onderwerp zullen retweeten.
Lee en co maken geen melding van dit soort plannen. Maar als ze het niet uitbuiten, dan zullen er zeker anderen zijn die dat wel zullen doen.
Referentie: arxiv.org/abs/1405.3750 : Wie zal dit retweeten? Automatisch vreemden op Twitter identificeren en betrekken om informatie te verspreiden