Descoberta técnica para gerar mais retweets
Não é de hoje que a IBM vem estudando o impacto das ações de comunicação em mídias sociais, como Facebook e Twitter, partindo de padrões de comportamento dos usuários.
Esta é, inclusive, uma das quatro áreas prioritárias de pesquisa do Laboratório de Pesquisas da IBM no Brasil, que completa 1 ano agora, em junho. O Brasil foi escolhido em 2010 para sediar a instalação – na época apenas o nono laboratório global da empresa – por conta das oportunidades de negócio que o país oferece.
No ano passado, a companhia mostrou avanços em duas frentes de pesquisa que objetivavam a criação de métodos para modelar e simular as interações entre os usuários do Twitter: o sistema SystemU, desenvolvido por Jeffrey Nichols, gerente de equipe no Centro de Pesquisas da IBM Almaden em San Jose, Califórnia, capaz de identificar perfis comportamentais com base na análise psicolinguística dos tweets que escrevemos; e a ferramenta de análise de sentimento Ei!, capaz de apontar tendências também pela análise do que é falado no microblog.
Agora, a revista do MIT revela mais uma iniciativa da IBM para estudar como os sites de mídia social – leia-se Twitter – ajudam a propagar informação em diversas situações, incluindo espalhar alertas e mensagens de emergência como as geradas pelo Centro de Operações da prefeitura do Rio de Janeiro (@OperacoesRio).
Com base em dois modelos de comportamento, os pesquisadores da IBM em Almaden, San Jose, junto com Kyumin Lee, da Universidade do Estado de Utah, construíram um sistema de recomendação que prevê a probabilidade de um estranho retuitar informações quando solicitado, dentro de uma janela de tempo predefinida.
O ponto de partida foi identificar os motivos que levam alguém a retuitar as informações de um estranho. Segundo os pesquisadores, ao estudar as características de usuários do Twitter foi possível identificar as mais predispostas a transmitir determinadas mensagens. E, ao fazer isso, melhorar a taxa de retweets em até 680%.
Em 2013, o SystemU já havia concluído que, compreendendo o tipo de personalidade do usuário do Twitter é possível chegar à pessoa certa, da maneira certa, na hora certa, para obter a melhor resposta possível. Não por acaso, Jeffrey Nichols é um dos quatro pesquisadores da IBM envolvidos na criação desse sistema de recomendação, baseado na ideia de que algumas pessoas tuitam mais do que outras sobre determinados temas e em determinados momentos do dia. O truque é encontrar essas pessoas e orientá-las a retransmitir a mensagem quando elas tendem a ser mais eficazes.
Como identificar os perfis? As palavras e expressões que usamos com maior frequência quando escrevemos dizem muito sobre como somos como pessoa, nossas motivações e predisposições. Da mesma forma, nosso padrão de uso do Twitter dá valiosas pistas de que podemos ser mais inclinados a retuitar certos tipos de informação.
Portanto, para fazer uma mensagem chegar mais longe, basta encontrar a pessoa certa e enviar seu tweet para ela, pedindo retweets imediatos, ou até mesmo dentro de um determinado horário, dependendo da informação que se deseja propagar.
Parece óbvio, e é. Mas como toda a teoria, colocá-la em prática exige a análise de uma série de variáveis. A arte dos meninos foi transformar tudo isso em matrizes e modelos matemáticos.
Para tanto, testaram a resposta das pessoas a dois tipos de informação: notícias locais (em San Francisco) e tweets sobre a gripe aviária, uma questão importante no momento de sua pesquisa. Em seguida, selecionaram as pessoas para receberem seus tweets.
A primeira mensagem enviada foi: “@ SFtargetuser – A man was killed and three others were wounded in a shooting … http://bit.ly/KOl2sC” Plz RT this safety news”
Das 1,9 mil pessoas que receberam o tweet, apenas 52 o reenviaram. Ou seja, 2,8%.
Já a taxa média de retweets das mensagens sobre a gripe aviária foi de 8,4%.
Em seguida, os pesquisadores usaram um algoritmo de aprendizado de máquina para procurar correlações em dados que podiam prever se alguém era mais propenso a retuitar cada uma das mensagens.
Analisaram, por exemplo, se as pessoas com contas mais antigas retuitavam mais ou se aquelas com um maior números de seguidores também com grande número de seguidores, ou se palavras negativas ou positivas usadas nos tweets poderiam ter alguma influência. Analisaram também a hora do dia que as pessoas eram mais ativas no microblog.
O resultado foi outro algoritmo de aprendizado de máquina capaz de escolher os usuários mais propensos a retuitar sobre determinado tema.
Uma vez aplicado, o sistema de recomendação aumentou a taxa retweets da notícia, de 2,8% para 13,3%, e a taxa de retweets das mensagens sobre gripe aviária, de 8,4% para 19,7%, apenas escolhendo os perfis mais adequados.
Tem mais. Quando o tweet da notícia foi enviado combinando o perfil e o seu momento de maior atividade, a taxa de retweets subiu para 19,3%.
Números significativos, que já começam a despertar a inveja comerciantes, políticos, profissionais de imprensa e de propaganda e marketing.
Já pensou se a IBM pudesse transformar o sistema em um APP permitisse a qualquer pessoa introduzir um tema de interesse e, em seguida, criar uma lista de pessoas com maior probabilidade de retuitar mensagens relacionadas a ele nas horas seguintes? Não sei quanto as vocês, mas eu gostaria muito de poder contar com uma ferramenta desse tipo.
Mas, infelizmente, segundo o pessoal da revista do MIT, os pesquisadores não mencionaram nenhum plano nesse sentido.
Fonte:Circuito De Luca