Retweets hemliga vetenskap

Om du skickar en tweet till en främling och ber dem att retweeta den, skulle du förmodligen inte bli förvånad om de ignorerade dig helt. Men om du skickade ut många sådana här tweets, kanske ett par hamnar i slutändan förs vidare.

Hurså? Vad får någon att retweeta information från en främling? Det är frågan som Kyumin Lee från Utah State University i Logan och några kompisar från IBMs Almaden-forskningscenter i San Jose tar upp idag.

Dessa killar säger att genom att studera Twitter-användares egenskaper är det möjligt att identifiera främlingar som är mer benägna att förmedla ditt meddelande än andra. Och genom att göra detta säger forskarna att de har kunnat förbättra retweetfrekvensen för meddelanden som skickas till främlingar med upp till 680 procent.

Så hur gjorde de det? Den nya tekniken bygger på idén att vissa människor är mer benägna att twittra än andra, särskilt om vissa ämnen och vid vissa tider på dygnet. Så tricket är att hitta dessa individer och rikta in dem när de sannolikt är mest effektiva.

Så tillvägagångssättet var okomplicerat. Tanken är att studera individerna på Twitter, titta på deras profiler och deras tidigare tweetingbeteende, leta efter ledtrådar om att de kan vara mer benägna att retweeta vissa typer av information. Efter att ha hittat dessa personer, skicka dina tweets till dem.

Det är teorin. I praktiken är det lite mer involverat. Lee och co ville testa människors svar på två typer av information: lokala nyheter (i San Francisco) och tweets om fågelinfluensa, en viktig fråga vid tidpunkten för deras forskning. De skapade sedan flera Twitter-konton med ett fåtal följare, speciellt för att sända information av det här slaget.

Därefter valde de ut personer att ta emot deras tweets. För de lokala nyhetssändningarna sökte de efter Twitter-användare som var geolokaliserade i Bay-området, hittade över 34 000 av dem och valde 1 900 slumpmässigt.

De skickade sedan ett enda meddelande till varje användare av formatet:

@ SFtargetuser En man dödades och tre andra skadades i en skottlossning ... http://bit.ly/KOl2sC Snälla RT denna säkerhetsnyhet

Så tweeten inkluderade användarens namn, en kort rubrik, en länk till berättelsen och en begäran om att retweeta.

Av dessa 1 900 personer retweetade 52 meddelandet de fick. Det är 2,8 procent.

För information om fågelinfluensan letade Lee och co efter personer som redan hade twittrat om fågelinfluensan, hittade 13 000 av dem och valde 1 900 slumpmässigt. Av dessa retweetade 155 meddelandet de fick, en retweetfrekvens på 8,4 procent.

Men Lee och co hittade ett sätt att avsevärt förbättra dessa retweetfrekvenser. De gick tillbaka till de ursprungliga listorna över Twitter-användare och samlade in allmänt tillgänglig information om var och en av dem, såsom deras personliga profil, antalet följare, personerna de följde, deras 200 senaste tweets och om de retweetade meddelandet de hade fått.

Därefter använde teamet en maskininlärningsalgoritm för att söka efter korrelationer i dessa data som kan förutsäga om någon var mer benägen att retweeta. Till exempel tittade de på om personer med äldre konton var mer benägna att retweeta eller hur förhållandet mellan vänner och följare påverkade sannolikheten för retweet, eller till och med hur de typer av negativa eller positiva ord de använde i tidigare tweets visade någon länk. De tittade också på den tid på dygnet som folk var mest aktiva i att twittra.

Resultatet var en maskininlärningsalgoritm som kan välja ut användare som var mest benägna att retweeta om ett visst ämne.

Och resultaten visar att det är förvånansvärt effektivt. När teamet skickade lokala informations-tweets till individer som identifierats av algoritmen retweetade 13,3 procent det, jämfört med bara 2,6 procent av personer som valts ut slumpmässigt.

Och de fick ännu bättre resultat när de tidsinställde förfrågan att matcha de perioder då människor varit mest aktiva tidigare. I så fall steg retweetfrekvensen till 19,3 procent. Det är en förbättring med över 600 procent.

På samma sätt steg frekvensen för information om fågelinfluensa från 8,3 procent för användare som valts slumpmässigt till 19,7 procent för användare som valts av algoritmen.

Det är ett betydande resultat som marknadsförare, politiker, nyhetsorganisationer kommer att betrakta med avundsjuka.

En intressant fråga är hur de kan göra denna teknik mer allmänt användbar. Det ökar möjligheten till en app som låter vem som helst skriva in ett ämne av intresse och som sedan skapar en lista över personer som mest sannolikt kommer att retweeta om det ämnet under de närmaste timmarna.

Lee och co nämner inga planer av det här slaget. Men om de inte utnyttjar det, kommer det säkert att finnas andra som kommer att göra det.

Ref: arxiv.org/abs/1405.3750 : Vem kommer att retweeta detta? Automatiskt identifiera och engagera främlingar på Twitter för att sprida information

Dölj