Die Wissenschaft der Retweets | 2020

Inhaltsverzeichnis:

Anonim

Das Internet ist voll von Ratschlägen, wann man twittert, um maximale Aufmerksamkeit zu erlangen, aber die neue Studie unterzieht die Vermarktung von Volksweisheiten einer wissenschaftlichen Prüfung.

William Rand, Direktor des Centers for Complexity in Business an der Robert H. Smith School of Business von UMD, untersuchte zusammen mit Co-Autoren aus den Abteilungen für wissenschaftliches Rechnen und Physik die Retweeting-Muster von 15.000 Twitter-Followern in zwei verschiedenen fünfwöchigen Intervallen 2011 und 2012 von 6 bis 22 Uhr Retweets sind für Vermarkter besonders wertvoll, da sie dazu beitragen, die Botschaft einer Marke über die Kern-Follower hinaus zu verbreiten.

Die meisten Vermarkter sind sich bewusst, dass der Twitter-Verkehr ein Muster aufweist. Am frühen Morgen passiert nicht viel. Dann machen sich die Leute an die Arbeit und twittern intensiv, während sie morgens surfen. Die Anzahl der Retweets sinkt im Laufe des Tages mit einem leichten Anstieg um 17.00 Uhr. Dann geht es später wieder aufwärts, "wenn die Leute nach dem Abendessen wieder zu ihren Computern zurückkehren oder mit ihren Handys in einer Bar oder einem Restaurant sind", wie Rand es ausdrückt. Montag bis Freitag folgen ungefähr diesem Muster, aber Samstag und Sonntag zeigen ein deutlich unterschiedliches Verhalten, mit viel kleineren Morgenspitzen und weniger Rückgang während des Tages.

Ein "saisonales" Posting-Modell - das Folk-Wisdom-Modell - schlägt vor, immer dann zu posten, wenn es Spitzen in diesem wiederkehrenden Wochenmuster gibt. (Welche Peaks Sie auswählen, hängt davon ab, wie viele Tweets Sie voraussichtlich senden.)

Die Autoren verglichen dieses Modell mit zwei anderen Modellen: Das erste Modell fügte dem saisonalen Modell eine Komponente hinzu, die ungewöhnliche Schwankungen und Rückgänge (z. B. aufgrund großer Nachrichtenereignisse) untersuchte und die Posting-Muster entsprechend anpasste. Sie bauten das endgültige Modell von Grund auf neu auf: Es berücksichtigte das individuelle Twitterverhalten jedes Followers und sagte seine oder ihre Wahrscheinlichkeit für das Twittern in den nächsten 10 Minuten voraus.

Die Autoren mussten zuerst Software schreiben, die die Tweets sammelte. Für jede untersuchte fünfwöchige Periode verwendeten die Autoren die ersten vier Wochen, um ein Modell zu erstellen, und die letzte Woche, um es zu testen, indem sie twitterten und beobachteten, was passierte.

Alle drei Modelle waren einigermaßen effektiv, aber der von den Autoren geschriebene Algorithmus, der das Verhalten jedes Einzelnen berücksichtigte, war am erfolgreichsten bei der Erzeugung von Retweets. Das Papier dient als Demonstration, dass die Anwendung von Analysemethoden auf Twitter-Daten die Fähigkeit einer Marke verbessern kann, ihre Botschaft zu verbreiten. Die Autoren stellten die für die Studie entwickelte Open-Source-Software online zur Verfügung.