Znanost retweeta | 2020

Vsebina:

Anonim

Internet je poln nasvetov o tem, kdaj naj se cvrči, da bi dosegel največjo možno izpostavljenost, toda nova študija podreja trženje ljudske modrosti znanstvenemu pregledu.

William Rand, direktor Centra za kompleksnost poslovanja pri UMD-jevi poslovni šoli Robert H. Smith, skupaj s soavtorji iz oddelkov za znanstveno računanje in fiziko, je pregledal vzorce povratnih tvitov 15.000 Twitterjevih sledilcev v dveh različnih pettedenskih intervalih. 2011 in 2012, od 6.00 do 22.00 Retweetsi so še posebej dragoceni za prodajalce, ker pomagajo širiti sporočilo blagovne znamke zunaj glavnih sledilcev.

Večina tržnikov se zaveda, da obstaja vzorec za Twitter promet. Zgodaj zjutraj se nič ne dogaja. Potem se ljudje lotijo ​​dela in se intenzivno retitirajo, ko opravljajo jutranje surfanje. Število retweetov se zmanjšuje z napredovanjem dneva, z rahlim vzponom ob 17. uri. Potem se kasneje znova vzame "ko se ljudje po večerji vrnejo na svoje računalnike, ali so v baru ali restavraciji s svojimi telefoni," kot pravi Rand. Od ponedeljka do petka sledimo približno temu vzorcu, vendar soboto in nedeljo kažejo izrazito drugačno vedenje, z veliko manjšimi jutranji konici in manjšim upadanjem čez dan.

"Sezonski" model napotitve - model ljudske modrosti - bi predlagal objavo, kadar koli je vrhov tega ponavljajočega se tedenskega vzorca. (Kateri vrhovi izberete bi bilo odvisno od števila tweetov, ki jih želite poslati.)

Avtorji so primerjali ta model z dvema: prvič je sezonskemu modelu dodal komponento, ki je iskala nenavadne naraščanja in padce (zaradi, recimo velikih, novic) in ustrezno prilagodila vzorce objavljanja. Izgradili so končni model iz nič: upoštevali so individualno tweeting vedenje vsakega sledilca in napovedali njegovo verjetnost tweetanja v naslednjih 10 minutah.

Avtorji so najprej morali napisati programsko opremo, ki je zbirala tweete. Avtorji so uporabili prvih štiri tedne za vsak pettedenski čas, da so zgradili model in zadnji teden za testiranje, tako da so tweetali in gledali, kaj se je zgodilo.

Vsi trije modeli so bili dokaj učinkoviti, toda algoritem, ki so ga avtorji zapisali, ki je upošteval vedenje vsakega posameznika, je bil najuspešnejši pri ustvarjanju retweetov. Prispevek služi kot dokaz, da lahko uporaba analitičnih metod za podatke v Twitterju izboljša zmožnost blagovne znamke za širjenje svojega sporočila. Avtorji so omogočili, da je odprta programska oprema, razvita za študijo, na voljo na spletu.