создайте профиль
Секрет ретвитов
Существует секрет того, как убедить незнакомых людей репостить ваши сообщения. И алгоритм машинного обучения, кажется, его выяснил.
Если вы отправите незнакомцу сообщение с просьбой о репосте, вас, вероятнее всего, проигнорируют. Но если их будет много, то, в конечном счете, вашу просьбу выполнят. Но почему? Что заставляет пользователя репостить сообщения незнакомцев?
Этот вопрос заинтересовал Кьюмина Ли (Kyumin Lee) из Государственного университета Юты в Логане и нескольких ребят из исследовательского центра IBM в Сан-Хосе. Эти парни говорят, что изучив характеристики пользователей Twitter, можно вычислить тех, кто вероятнее всего отреагирует на ваше сообщение. Исследователи утверждают, что таким образом они смогли увеличить скорость ретвитов сообщений, посланных незнакомцам, до 680%. Так как же они это сделали? 
Итак, подход довольно прост. Необходимо изучить пользователей Twitter, просмотрев их странички и ретвиты в поисках каких-либо закономерностей (например, определенной тематики). Найдя подходящих людей, отправляйте им свои твиты.
Это теория. На практике все немного сложнее. Ли и команда хотели проверить реакцию людей на два типа информации: местные новости (в Сан-Франциско) и твиты о птичьем гриппе (очень серьезной проблеме на момент исследования). Они создали несколько аккаунтов в Twitter с несколькими последователями, в частности, для передачи информации. Затем они выбрали людей, которым они отправят твиты. Для местных новостей они искали пользователей, находящихся в районе залива. Из 34 000 найденных они выбрали случайным образом 1 900 «жертв» и отправили им одинаковые сообщения: «@ SFtargetuser «В ходе перестрелки один человек был убит, еще трое получили ранения… http://bit.ly/KOl2sC» Пожалуйста, ретвитни эту новости» Таким образом, твит включал имя пользователя, заголовок, ссылку на новость и просьбу о ретвите. Из 1 900 пользователей, 52 ретвитнули сообщение. Это 2,8%.
Для информации о птичьем гриппе Ли и команда искали тех, что уже писал о птичьем гриппе. Таких оказалось 13 000, из которых они наугад отобрали 1 900. 155 пользователей ретвитнули полученное сообщение, это 8,4%. Но Ли и ребята нашли способ значительно увеличить показатель ретвитов. Они вернулись к первоначальным спискам пользователей Twitter и собрали общедоступную информации о каждом из них: личные данные, количество последователей, 200 последних твитов и информацию о том, ретвитили ли они сообщения, которые получали. Затем команда воспользовалась алгоритмом машинного обучения в поисках связи между этими данными. Это помогло выявить тех, кто вероятнее всего откликнется на просьбу о репосте.
Например, они попытались выяснить, как отношение друзей к последователям влияет на вероятность ретвита, или связь с негативными и положительными словами из предыдущих твитов. Они также учитывали время, когда пользователи наиболее активно публиковали твиты. В результате алгоритм машинного обучения выбрал пользователей, которые скорее всего сделают ретвит по определенной теме. Итог оказался удивительным.
Такому результату могут позавидовать маркетологи, политики и новостные организации. Вопрос в том, как этот метод может быть применим. Возникает перспектива для приложений, которые позволят вводить тему и создавать список тех, кто вероятнее всего будет высказываться по этому вопросу ближайшие несколько часов. Ли и команда пока не делятся своими планами. Но если они не воспользуются новым методом, найдутся те, кто сделает это.
