Nosso blog

Existe uma ciência secreta para conseguir retweets

Existe um segredo para persuadir estranhos a retweetarem suas mensagens. E uma máquina de aprendizado de algoritmo descobriu.


gráfico da espera dos retweets

Se você enviar um tweet para um estranho pedindo para ele retuítar, você provavelmente não ficaria surpreso se ele te ignorar completamente. Mas se você enviou vários tweets como este, talvez alguns podem acabar sendo repassados.

O que faz alguém retuítar informações de um estranho? Essa é a pergunta dirigida por Kyumin Lee da Utah State University em Logan, e alguns amigos do centro de pesquisa Almaden da IBM em San Jose.

Esses caras dizem que, ao estudar as características de usuários do Twitter, é possível identificar estranhos que são mais propensos a transmitir a sua mensagem do que outros. E, ao fazer isso, os pesquisadores dizem que têm sido capaz de melhorar a taxa de retweet de mensagens enviadas por estranhos até 680%.

Como eles fizeram isso? A nova técnica é baseada na ideia de que algumas pessoas são mais propensas a tuitar do que outras, particularmente em determinados temas e em determinados momentos do dia. Portanto, o truque é encontrar essas pessoas e orientá-las quando eles tendem a ser mais eficaz.

A abordagem foi simples. A ideia é estudar as pessoas no Twitter, vendo os seus perfis e o comportamento passado dos seus tweets, procurando por pistas de que eles possam ser mais propensos a retuitar certos tipos de informação. Tendo encontrado essas pessoas, envie seus tweets para eles.

Essa é a teoria. Na prática, é um pouco mais complicado. Lee e co queriam testar a resposta das pessoas a dois tipos de informação: notícia local (em São Francisco) e tweets sobre a gripe aviária, uma questão importante no momento da pesquisa. Eles, então, criaram várias contas no Twitter com alguns seguidores, especificamente para transmitir informações deste tipo.

Em seguida, eles selecionaram as pessoas para receber seus tweets. Para os noticiários locais, procuraram por usuários do Twitter localizados na área da baía, encontrando mais de 34.000 deles e escolhendo 1900 de forma aleatória.

Eles, então, enviaram uma mensagem única para cada usuário, no formato: "@ SFtargetuser" Um homem foi morto e outros três ficaram feridos em um tiroteio ... http://bit.ly/KOl2sC "Plz RT esta notícia de segurança"

Então o tweet incluía o nome do usuário, uma curta manchete, um link para a história e um pedido para retuítar.

Destas 1.900 pessoas, 52 retuitaram a mensagem que receberam. Isso é 2,8%.

Para as informações sobre a gripe aviária, Lee e co procuraram por pessoas que já tinham tuitado sobre a gripe, encontrando 13.000 deles e escolhendo 1900 de forma aleatória. Destes, 155 retuitaram a mensagem, uma taxa de 8,4%.

Mas Lee e co encontraram uma maneira de melhorar significativamente estas taxas retweet. Eles voltaram para as listas originais de usuários do Twitter e coletaram informações publicamente disponíveis sobre cada um deles, como o seu perfil pessoal, o número de seguidores, as pessoas que eles seguem, os seus 200 tweets mais recentes e se eles retuitaram a mensagem que tinham recebido.

Em seguida, a equipe usou uma máquina de aprendizado de algoritmo para procurar correlações nesses dados que podem prever se alguém era mais provável de retuitar. Por exemplo, eles analisaram se as pessoas com contas mais antigas eram mais propensas a retuitar ou como a relação de amigos para seguidores influenciou a probabilidade de retweet, ou até mesmo como os tipos de palavras negativas ou positivas que eles usaram nos tweets anteriores mostraram qualquer link. Eles também analisaram a hora do dia que as pessoas eram mais ativas em tuitar.

O resultado foi uma máquina de aprendizado de algoritmo capaz de escolher os usuários que estavam mais propensos a retuitar sobre um determinado tema.

E os resultados mostram que é surpreendentemente eficaz. Quando a equipe enviou os tweets de informação locais para indivíduos identificados pelo algoritmo, 13,3% retuitou, em comparação com apenas 2,6% de pessoas escolhidas aleatoriamente.

E eles conseguiram resultados ainda melhores quando cronometraram o pedido para coincidir com os períodos em que as pessoas tinham sido mais ativas no passado. Nesse caso, a taxa de retweet subiu para 19,3%. Isso é uma melhoria de mais de 600%.

Da mesma forma, a taxa de informação da gripe aviária aumentou de 8,3% para os usuários escolhidos aleatoriamente para 19,7% para os usuários escolhidos pelo algoritmo.

Isso é um resultado significativo que os comerciantes, políticos, organizações de notícias estarão olhando com inveja.

Uma questão interessante é como eles podem fazer esta técnica mais aplicável no geral. Ela levanta a perspectiva de um aplicativo que permite que qualquer pessoa introduza um tema de interesse e que, em seguida, cria uma lista de pessoas com maior probabilidade de retuitar sobre o assunto nas próximas horas.

Lee e co não mencionam qualquer plano deste tipo. Mas se eles não explorarem isto, então certamente outros irão.

comentários via Disqus