Специалисты Microsoft Research провели исследование «вирусности» в социальных медиа

 Спонсор поста Twidium - профессиональный инструмент для раскрутки твиттер-аккаунтов.

Меня удивило, что в Microsoft проводят еще и исследования в области социальных медиа. Это скорее всего связано с социальной сетью, которую открыла корпорация год назад - Socl.

Тем не менее, проводя определенную работу по исследованию социальных сетей специалисты Microsoft делятся параллельно с нами знаниями, которые мы можем переложить и на другие социальные сети, с которыми мы ежемесячно работаем.

Итак, смотрим...

YouTube:

Привет, меня зовут Джейк Хофман, я научный специалист в компании Microsoft Research. Сегодня я расскажу вам о вирусный поиске (Viral Search). Viral Search (вирусный поиск) - это новый способ навигации, поиска и исследования контента, который распространяется в «социальных» медиа. Мы изучили сотни тысяч историй, недавно опубликованных на Twitter, просмотрели миллионы упоминаний этих историй, и воссоздали схему того, как эти истории переходят от одного человека к другому.

Вот пример истории, опубликованной Forbes, о Джереми Лин. Мы видим, что изначально история имела около миллиона последователей. Затем люди, которые следовали за Forbes, «перепостили» эту историю, и большинство из этих новых постов не последовали дальше. То есть, это пример того, что эта история прожила «два поколения». На этом все ее дальнейшие адаптации прекратились. В итоге, оказалось, что всего 150 человек «перепостили» эту историю. Это в некотором роде традиционный вид медиа, когда у нас есть некая крупная компания, которая публикует материал напрямую для клиентов, но он не распространяется далее.

Напротив, вот пример схемы вирусного видео одной популярной песни. Люди обычно имеют некоторое представление об этих вирусных видео, но до сих пор никто из людей так и не удосужился детально взглянуть на структуру этих видео. Мы же можем изучить миллион разных событий, воссоздать все эти «кластеры информации» обратившись к последователям всех тех, кто адаптирует контент, и использовать более крупные «кластеры», чтобы реконструировать весь контент в целом. Мы также можем использовать оригинальный метод «скоринга*», чтобы отделить «кластеры», являющееся вирусным, от просто популярного «кластера». Мы также можем взглянуть на все независимые «кластеры» в этой истории, построенные различными людьми. Вот – версия истории, которую мы упоминали ранее, которую создали люди, сделавшие видео. Они получили более 4 тысяч ее адаптаций, но существует также очень много версий данного контента, независимых от этой истории. Некоторые из них получили тысячи адаптаций, другие – сотни, а третьи – только десятки.

Мы также можем использовать вирусный поиск, чтобы взглянуть на то, что разные люди опубликовали в Интернете. Например, вот пост от Джима О’Рейли, включающий популярные за последние годы новости, видео и картинки. Мы видим, что его пост довольно продуктивный. Более крупные круги представляют более популярные истории. Штриховка представляет количество поколений, через которые прошла эти истории. Вот пример истории, которая с ним случилась довольно давно, как это показывает концентрический круг. Эта история прошла через многие поколения и стала очень популярной. Вот пример другой, менее популярной истории, которая достигла только 500 пользователей, и как показывает этот круг, он ее опубликовал не так давно.

Итак, вирусный поиск – это инструмент, который позволяет вам делать поиск и управлять множеством людей, которые публикуют свой контент на соц. медиа, и отделять контент, ставший просто популярными, от вирусного контента. Под вирусным контентом я имею в виду то, что он переходит от одного человека к другому через многие поколения. Спасибо!

*Скоринг (от англ. scoring – подсчет очков в игре) это модель классификации клиентской базы на различные группы, если неизвестна характеристика, которая разделяет эти группы, но известны другие факторы, связанные с интересующей нас характеристикой.

В основе скоринговых систем лежит предположение, что люди со схожими социальными показателями ведут себя одинаково. Априорно принимая такой постулат, можно строить различные статистические модели весьма полезные при ведении любого бизнеса.

Я надеюсь, что это исследование вам было полезно. Всем пока!