La ciencia secreta de los retweets

Si envía un tweet a un extraño pidiéndole que lo retwittee, probablemente no se sorprendería si lo ignorara por completo. Pero si envió muchos tweets como este, tal vez algunos terminen transmitiéndose.

¿Cómo? ¿Qué hace que alguien retuitee información de un extraño? Esa es la pregunta que abordaron hoy Kyumin Lee de la Universidad Estatal de Utah en Logan y algunos amigos del centro de investigación Almaden de IBM en San José.

Estos muchachos dicen que al estudiar las características de los usuarios de Twitter, es posible identificar extraños que tienen más probabilidades de transmitir su mensaje que otros. Y al hacer esto, los investigadores dicen que han podido mejorar la tasa de retweet de los mensajes enviados a extraños hasta en un 680 por ciento.

Entonces, ¿cómo lo hicieron? La nueva técnica se basa en la idea de que algunas personas son más propensas a tuitear que otras, especialmente sobre determinados temas y en determinados momentos del día. Así que el truco consiste en encontrar a estas personas y apuntar a ellas cuando es probable que sean más eficaces.

Así que el enfoque fue sencillo. La idea es estudiar a las personas en Twitter, mirar sus perfiles y su comportamiento pasado de tuitear, en busca de pistas que indiquen que es más probable que retuiteen ciertos tipos de información. Una vez que haya encontrado a estas personas, envíeles sus tweets.

Esa es la teoría. En la práctica, es un poco más complicado. Lee y compañía querían probar la respuesta de las personas a dos tipos de información: noticias locales (en San Francisco) y tweets sobre la gripe aviar, un tema importante en el momento de su investigación. Luego crearon varias cuentas de Twitter con algunos seguidores, específicamente para difundir información de este tipo.

A continuación, seleccionaron personas para recibir sus tweets. Para las transmisiones de noticias locales, buscaron usuarios de Twitter geolocalizados en el área de la Bahía, encontrando más de 34,000 de ellos y eligiendo 1,900 al azar.

Luego enviaron un solo mensaje a cada usuario del formato:

@ SFtargetuser Un hombre murió y otros tres resultaron heridos en un tiroteo ... http://bit.ly/KOl2sC Plz RT estas noticias de seguridad

Entonces, el tweet incluía el nombre del usuario, un título breve, un enlace a la historia y una solicitud para retuitear.

De estas 1.900 personas, 52 retuitearon el mensaje que recibieron. Eso es 2.8 por ciento.

Para obtener información sobre la gripe aviar, Lee y sus compañeros buscaron personas que ya habían twitteado sobre la gripe aviar, encontraron 13,000 de ellos y eligieron 1,900 al azar. De estos, 155 retuitearon el mensaje que recibieron, una tasa de retuits del 8,4 por ciento.

Pero Lee y compañía encontraron una manera de mejorar significativamente estas tasas de retweet. Volvieron a las listas originales de usuarios de Twitter y recopilaron información públicamente disponible sobre cada uno de ellos, como su perfil personal, la cantidad de seguidores, las personas a las que seguían, sus 200 tweets más recientes y si retuitearon el mensaje que habían recibido.

A continuación, el equipo utilizó un algoritmo de aprendizaje automático para buscar correlaciones en estos datos que podrían predecir si alguien tenía más probabilidades de retuitear. Por ejemplo, analizaron si las personas con cuentas más antiguas tenían más probabilidades de retuitear o cómo la proporción de amigos a seguidores influía en la probabilidad de retuitear, o incluso cómo los tipos de palabras negativas o positivas que usaban en tweets anteriores mostraban algún vínculo. También observaron la hora del día en que las personas tuiteaban más activamente.

El resultado fue un algoritmo de aprendizaje automático capaz de seleccionar a los usuarios que tenían más probabilidades de retuitear sobre un tema en particular.

Y los resultados muestran que es sorprendentemente eficaz. Cuando el equipo envió tweets de información local a las personas identificadas por el algoritmo, el 13,3 por ciento lo retuiteó, en comparación con solo el 2,6 por ciento de las personas elegidas al azar.

Y obtuvieron resultados aún mejores cuando programaron la solicitud para que coincidiera con los períodos en los que las personas habían estado más activas en el pasado. En ese caso, la tasa de retweet se elevó al 19,3 por ciento. Esa es una mejora de más del 600 por ciento.

De manera similar, la tasa de información sobre la gripe aviar aumentó del 8,3 por ciento para los usuarios elegidos al azar al 19,7 por ciento para los usuarios elegidos por el algoritmo.

Ese es un resultado significativo que los especialistas en marketing, los políticos y las organizaciones de noticias estarán mirando con envidia.

Una pregunta interesante es cómo pueden hacer que esta técnica sea de aplicación más generalizada. Se plantea la posibilidad de una aplicación que permita a cualquier persona ingresar un tema de interés y que luego crea una lista de personas con más probabilidades de retuitear sobre ese tema en las próximas horas.

Lee y compañía no mencionan planes de este tipo. Pero si no lo explotan, seguramente habrá otros que lo hagan.

Ref: arxiv.org/abs/1405.3750 : ¿Quién retuiteará esto? Identificar e involucrar automáticamente a extraños en Twitter para difundir información

esconder