Információ, sajtókapcsolat:

Blau Zsuzsanna
marketing kommunikációs vezető
zsuzsanna.blau@maven7.com
+36 30 210 4830

Friss topikok

Twitter

Kövess minket a Facebookon is!

Hálózatokhoz, hálózatkutatáshoz kapcsolódó információk, tanulmányok.


2016.07.26. 15:33 ntwrk.blog

A Simicska-médiabirodalom közönségének változása

Címkék: média politika kutatás internet hálózat közösségi oldal magyar politika közösségi média hálózatkutatás Orbán Viktor Simicska

“Mondom, le is írhatja, Orbán egy geci.” – Simicska Lajos hosszas rejtőzködés után ezekkel a szavakkal dühöngte körbe a sajtót miután médiabirodalmának főszerkesztői egyszerre felmondva gyakorlatilag puccsot hajtottak végre ellene 2015 februárjában. Az addig kormánypártiként konnotált HírTv, Lánchíd Rádió és Magyar Nemzet onnantól kezdve – nézői anekdotikus beszámolók szerint – egyre kritikusabban viszonyultak a Fidesz-vezetéshez. Jelen írásunkban azt vizsgáljuk, hogy ennek a változásnak van-e lenyomata a Facebookon. Eredményeink szerint igen.

A Fidesz volt pártpénztárnoka a 2002-es elbukott választások után szállt be a médiába – csökkentendő a választások elvesztéséhez vezető vélt balliberális médiatúlsúlyt. A Magyar Nemzet, a Lánchíd Rádió és a HírTV a G-napot megelőzően alapvetően a Fidesz érdekeit képviselte. A 2010-ben hatalomra kerülő Fidesz nem volt hálátlan a szolgálatokért: a médiumokba állami hirdetések áramlottak (míg a baloldaliként konnotált lapok elől elzárták ugyanezeket a csapokat). A főszerkesztők távozását követően a Simicska-érdekeltségű politikus médiumok hangneme az addigi kormányt támogatóból mindinkább az azt kritizálóba hajlott. Arra, hogy a Magyar Nemzet, a Lánchíd Rádió és a HírTV közönsége nem vette jó néven a változást csak elbeszélésekből következtethetünk.

Elemzett adatok

Elemzésünkben médiumok és parlamenti pártok Facebook oldalainak aktív rajongói táborait hasonlítottuk össze. Az oldalakat az alábbi kategóriák mentén csoportosítottuk: demokratikus ellenzéki médiumok, DK, Együtt, Fidesz, Jobbik, jobboldali/kormányt támogató médiumok, KDNP, Liberálisok, LMP, MSZP, Simicska-érdekeltségű médiumok. A pártoldalak közül csak a legutóbbi kutatásunk szerinti három legnépszerűbbet vizsgáltuk pártonként. Mivel a G-nap 2015 februárjában volt, önkényesen 2014 áprilisát vetettük össze 2016 áprilisával. A jobboldali- és a baloldaliként konnotált médiumokat kontrollként vettük be a kutatásba.

2014 2016
Posztok száma 6976 9290
Egyedi lájkolók száma 423 761 311 478

 

Közönségeltolódás

Elsőként arra voltunk kíváncsiak, hogy vajon a pártok támogatói (ez esetben posztjaik lájkolói) arányaiban hogyan változtak a két időszakban (arányokat vizsgáltunk, hogy kiszűrjük a nagyobb pártok hatását). Az alábbi ábrán az látható, hogy 2016 áprilisában arányaiban szinte minden párt szimpatizánsai jobban kedvelték a Simicska-médiabirodalom által posztolt tartalmakat. Ez a látványos változás több dologgal magyarázható – egyebek mellett azzal, hogy a Simicska érdekkörébe tartozó médiumokban maga a tartalom változott, amely generálhatta a közönség változását. Ennek a kutatásnak nem célja mindent kontrollálni – egyebek mellett például részletekbe menően nem néztük, hogy az adott oldalak milyen tartalmakat osztanak meg, nem tudhatjuk, hogy hogyan változott az oldalak elérése, stb. Azt sem tudhatjuk, hogy pontosan kik azok, akik 2014-ben és 2016-ban aktívak voltak az oldalakon. Azt azonban megnéztük, hogy vajon a Simicska-médiabirodalom posztjait 2014-ben lájkolók közül hányan voltak aktívak 2016-ban is: nos, a 2016-os lájkolók mindössze tíz százaléka volt jelen 2014-ben is (a Fidesznél ez az arány 38 százalék).

simicska.JPG

Átfedő közönségek

Az oldal-oldal hálót az alapján készítjük el, hogy hány ember volt, aki az ábrán két összekötött oldalon egyaránt lájkolt posztot 2014 áprilisában. Két pont között él van, ha volt átfedő közönség – minél vastagabb az él, annál nagyobb a két oldal lájkolói között az átfedés. A pontok mérete az oldalak egyedi lájkolóinak számát, formájuk a site-ok típusát (azaz, hogy pártoldal-e vagy médiumhoz tartozik), a színek pedig az irányultságokat, avagy az önkényes kategóriákat mutatják.

2014april.png

Oldal-oldal háló az átfedő közönség mentén 2016-ban:

2016april.png

A két háló összehasonlításából látszik, ahogy a HírTv oldala (közös lájkolókat tekintve) bekerült a demokratikus ellenzék oldalai közé miközben eltávolodott a kormánypárt vizsgált oldalaitól. A pártoknál szintén látható a szokásos megosztottság: a Fidesz és a KDNP szoros összekapcsolódása, a Jobbik különutassága, illetve a demokratikus ellenzék közös közönségen osztozása. A pártoldalak közül hagyományosan Orbán Viktor és a Fidesz rajongói oldala a legnépszerűbb, amelyeket a Jobbik oldala követ.

Átfedő tartalmak

Kíváncsiak voltunk, hogy milyen tartalmak kötik össze az egyes pártokat és a Simicska-médiabirodalmat, vagyis melyek azok a témák, amelyek leginkább izgalomba hoznak (avagy lájkolásra késztetnek) olyan Facebook felhasználókat, akik aktívak mind a Simicska-érdekeltségű pártos médiumokon, mint a demokratikus ellenzéki pártok oldalain. Ahogy az oldal-oldal hálózatból is jól látható, a demokratikus ellenzék közönségével a legnagyobb átfedésben a HírTv áll. A következő témák foglalkoztatták általánosságban ezt a közönséget 2016 áprilisában: Sándor Mária, vasárnapi boltzár körüli népszavazás-kezdeményezés majd a boltzár eltörlése, Habony Árpád ügyei, és a kötelezettségszegési eljárás a jegybank ellen. Ezen kívül az Együttel összefüggésben megjelent az oktatás helyzete, illetve DK kapcsán az Élet menete, mint átfedők által fontosnak tartott téma, amit máshol nem láttunk.

Belenéztünk abba is, hogy milyen témákat tartott érdekesnek a Fidesz, a KDNP és a Simicska-érdekeltségű médiumok átfedő közönsége, és ez a Helmut Kohl–Orbán Viktor találkozó volt.

Mindez azt sugallja, hogy a vizsgált Simicska-médiabirodalom tartalmának lájkolóihoz közel áll az demokratikus ellenzék néhány toposza, és a kormánypártoktól is az européer vonal tűnik vonzónak számukra,ahogy azt Helmut Kohl és a kötelezettségszegési eljárások témáinak megjelenése mutat. Sándor Mária mozgalma nemcsak a demokratikus ellenzéket, de a konzervatívnak gondolt közönséget is megmozgatta. A vasárnapi boltzár érzékelhetően megosztó volt, elutasítottsága pártvonalakon is túlnyúlt, amit jelen elemzés is alátámaszt.

Konkluzió

Bár egy-egy hónap vizsgálatából nem tanácsos levonni messzemenő következtetéseket (lásd Limitációk), házi kutatásunk mégis azt mutatja, hogy számottevő változás volt a Simicska-érdekeltségű pártos médiumok közönségében. Hogy ezt pontosan a G-nap okozta-e ennyi adatból nem tudhatjuk. Az azonban bizonyosnak látszik, hogy vannak olyan tartalmak, amelyek fontosak mindkét politikai oldal közönségének számára. Nem utolsó sorban pedig elmondható, hogy a médiahatás-elméleti kutatások hasonló módszertannal új muníciót kaphatnak, mivel az online közösségek preferenciáinak az elemzésével lehhetővé válik politikai és társadalmi jelenségek, csoportok, akciók dinamikájának a pontosabb megértése.


Limitációk

Jelen kutatásnak nem célja egyéb, akár rejtett összefüggéseket keresni. Az adatokból nem tudni, hogy hányan kezdték el követni vagy hagyták el az oldalakat. A pontosság kedvéért érdemes volna hosszabb időszakra is megvizsgálni ugyanezeket az összefüggéseket, kiküszöbölendő a különféle szezonalitási hatásokat is. Továbbá megfontolandó több oldal bevonása is a kutatásba.

Szerző: Tóth Borbála

Szólj hozzá!

2013.02.21. 13:42 ntwrk.blog

A Twitter nyilai

Címkék: internet hálózat social network twitter network közösségi oldal közösségi oldalak szociális hálózat közösségi média hálózatkutatás terjedés

Twitter-bird-logo-arrow.pngA Twitter szociális platformja hálózatelemzési szempontból aszimmetrikus, hiszen kapcsolatai szándékosak és irányítottak. Egy felhasználó kapcsolatait szociális gráfként értelmezve a címzett felé mutató nyilak követésével sok hasznos információkhoz juthatunk: ki tud kiről, ki kapja a legtöbb figyelmet, ki vesz részt bizonyos témákról folyó diskurzusokban, illetve azt is, hogy ki található centrális vagy periférián lévő pozícióban. A strukturális elemzések mellett mini-kísérletek is lebonyolíthatóak. Az ún. Tweetchat-ek keretein belül különböző témákról zajlanak egy egyórás beszélgetések, amelyek speciális hashtageken keresztül követhetőek. Az ábrákon látható beszélgetés például a szerencsés véletlenekről folyt, két különböző csoportban (#innochat, #ideachat).

Elsőként vegyük a kimenő kapcsolatokat. A Twitter természetéből kifolyólag ezek a kapcsolatok közvetítő funkciókat is betölthetnek, például ha a felhasználó bejelent valami a követőinek. Egy másik típus a közvetlen, irányított kapcsolat, amikor a felhasználó konkrétan említ valakit a tweetben, vagy re-tweeteli valaki más tweetjét. A re-tweet közvetítő funkciója mellett egyben visszaigazolás is az eredeti tweetelőnek, hogy üzenetét észlelték, és továbbításra érdemesnek találták.

kép1.pngA fenti hálózat a már említett szerencsés véletlenekről szóló beszélgetés leképezése. Két pont akkor áll kapcsolatban, ha a feladó pont retweetelte (RT), említette (MT) vagy megszólította (@) a címzettet jelző pontot. A kék pontok a beszélgetés résztvevői, a lilák a chat lebonyolítói, a zöldek pedig a meghívott vendégek, mindegyikük felhasználóneve külön is fel van tüntetve. A pontok mérete itt a tudatosság mentén nő, amit a direkt és indirekt kapcsolatok alapján számolnak.

kép2.png

A második képen az előző hálózat látható, de a pontok méretét ezúttal kizárólag a bejövő kapcsolatok alapján határozták meg, ami gyakorlatilag nem más, mint a figyelem mennyisége, amiben az egyes felhasználók részesültek. Előnyös, ha valamelyik felhasználónak sok bejövő kapcsolata van, ami még jobb azonban, ha olyan más pontoktól kap közvetlen figyelmet, akiknek szintén sok bejövő kapcsolata van. A látványos bejövő mintázatú pontok lesznek az ún. mavenek, azaz információbrókerek.

Azzal, hogy változott a pontok méretét meghatározó tulajdonság, máris meghatározhatóak a Twitteren betöltött szerepek: vannak aktív résztvevők, míg mások arra várnak, hogy közvetlen megszólítást kapjanak. A chat vezetőjét (@blogbrevity) mindkét hálózatban nagy pont reprezentálja, ami azt mutatja, hogy jól végezte a dolgát.

kép3.png

A harmadik hálózat az integrációt vizsgálja, vagyis azt, hogy az adott felhasználó mennyire van az események „ sűrűjében”. Egy jól integrált felhasználó valószínűleg releváns dolgokról tweetel, sokszor rewteetelik, és több beszélgetésben is részt vesz. Esetünkben ők voltak a szervezők, akik összekötő szerepet töltöttek be, és biztosították a beszélgetés zavartalan folyását.

A Twitter természetesen nemcsak a személyközi kommunikáció médiuma, gyakran közvetít nagyobb csoportoknak, amiket egy felhasználó vagy egy hashtag követői alkothatnak. A chatben postolt tweetek között sok olyan is volt, aminek nem volt konkrét címzettje. A negyedik kép abban tér el az előzőektől, hogy csak az egész csoportnak szóló tweeteket mutatja, nem az interakciókat. A chat valamennyi résztvevőjét a középpontban lévő piros pont jelöli, a küllőszerű nyúlványok pedig azok a felhasználók, akiknek több mint egy, mindenkihez szóló retweetje volt. A vonalak a retweetek számának növekedésével vastagodnak.

kép4.png

Bár ez a hálózat pár óra leforgása alatt jött létre és oszlott fel, jól modellezi a nagyobb hálózatok néhány szerkezeti sajátosságát: centrum-periféria, információs brókerek, összekötő hidak és vezérek. A részvevők nagy része már ismerte egymást, és részt vett korábbi beszélgetésekben, volt azonban pár új tag is.

A legkönnyebben azonosítható csoport mindig a mag, akik között sűrű az egymásra mutató nyilak száma. Ez egy olyan alhálózat, ahol mindenki kapcsolatban van mindenkivel. Az ötödik kép ezt a magot mutatja, a könnyebb olvashatóság érdekében ezúttal nyilak nélkül. Minden pont legkevesebb 4 kapcsolattal rendelkezik, kimenővel és bejövővel egyaránt.

kép5.pngforrás: http://www.thenetworkthinkers.com/2013/02/arrows-on-twitter.html

Szólj hozzá! · 1 trackback

2013.02.15. 13:43 ntwrk.blog

Összekapcsolt közösségek

Címkék: internet hálózat social network facebook twitter network közösségi oldal közösségi oldalak szociális hálózat hálózatkutatás orgnet

Mindannyian egyszerre több online közösség tagjai vagyunk, de hogy néznek ki ezek a közösségek valójában? Milyen helyet foglalunk el bennük mi magunk, és milyen szerepeket töltünk be?

Az alábbi ábra egy valós online közösség vizuális megjelenítése, amin a pontok embereket, a vonalak pedig kapcsolatokat jelölnek. A legtöbb ilyen, és ehhez hasonló szociális hálóban három csoport különíthető el: egy sűrűn kapcsolódó középső mag, egy lazább második gyűrű, és a külső, különálló pontok alkotta kör, az ún. „lesben állók”. A közösségekben ezek a csoportok a kapcsolat erősségét jelölik, egy ember tehát lehet a magban egy csoportban, és lesben álló egy másikban.

online_community1.png

Az ábra három színe a három csoportot jelzi, az eloszlásuk és arányuk pedig megfelel a valóságban tapasztaltaknak. A lesben állók létszáma például mindig nagymértékben meghaladja a magban lévőkét, előbbi akár a teljes populáció kétharmadát is kiteheti. A csoport olyan tagokból áll, akik vagy új belépők - egyenlőre kapcsolatok nélkül - vagy olyan régiek, akik nem kívánnak kapcsolódni. Belőlük kerül ki a legtöbb távozó, de az is előfordulhat, hogy csak befogadó szerepben maradnak, például nem postolnak, csak követnek.

A zöld pontokkal jelzett második gyűrű tagjainak kevés kapcsolata van, többnyire előzetes ismeretségekből, amik lokális alhálókat alkotnak, és nem a nagyobb hálózat részei. Bár azonosulhatnak a közösséggel, nem szerves részei annak. Kapcsolataikat valószínűleg más platformokon ápolják, így nincs igazából szükségük erre a közösségre.

online_community_core2.png

A piros belső mag a közösség szíve, egymást átfedő ego-hálók sokasága. Ide tartoznak a platform vezetői, akik végig itt maradnak, és építik a közösséget. Létszámuk az összpopulációhoz képest 1 és 10% között mozoghat, ennek ellenére vonzzák a figyelmet, és elkötelezettek.

Az ilyen online szervezeteket gyakran más szervezetek vagy cégek hozzák létre, akik profitálni szeretnének belőlük. Amit azonban gyakran figyelmen kívül hagynak, azok a felhasználói igények. Megfelelő stratégia nélkül látogatóik azonnal távoznak, amint egy új közösség jelentik meg a piacon, erre már számos példát láttunk: SixDegrees-->Friendster-->Orkut-->MySpace-->Facebook--> ?. A technológia mellett a hangsúly a kapcsolatokon van, az emberek szívesen maradnak annál, amit már ismernek, és amiken keresztül új dolgokat ismerhetnek meg, ebben pedig elengedhetetlen a belső mag létezése.

Egy közösséget kiaknázni kívánó szervezetnek tehát rájuk kell koncentrálnia, hiszen nemcsak folyamatosan növelik a hálózat méretét és sűrűségét, de el sem hagyják azt. Méretéből kifolyólag a hálózatkutatás módszereivel ez a csoport mérhető, feltérképezhetőek az információs csatornák, és az időbeli változásaik. A kapcsolatokon keresztül vizsgálhatóvá válik a közösségek hatása az egyéni döntésekre, illetve az is, hogy ezek a döntések hogyan formálják magát a közösséget.

Az adott közösség építése nemcsak új emberek belépéséből áll. Emberekre és kapcsolataikra is szükség van, hiszen az általuk létrejövő új mintázatok azok, amik kulcsfontosságúak lesznek a későbbiekben, és amik fenntartják a már meglévő tagok érdeklődését.

Forrás:
http://orgnet.com/community.html

Szólj hozzá!

2013.01.24. 10:41 ntwrk.blog

Személyre szabott szociális háló 2. - Wolfram Alpha újratöltve

Címkék: kutatás internet hálózat social network facebook network közösségi oldal közösségi oldalak szociális hálózat közösségi média hálózatkutatás classmates

Előző cikkünkben már bemutattuk a Wolfram Alpha Facebook elemző alkalmazását, ami most újabb praktikákkal gazdagodott, és még színesebb képet ad szociális hálónkról.

1_2.jpg

Az első frissítés a vizualizációban történt, ahol a kapcsolatok már aszerint színeződnek (1.kép), hogy milyen csatornákon keresztül kapcsolódnak hozzánk ismerőseink. Vegyünk egy példát: ha egyetemi hallgató a felhasználó, sok egyetemi ismerőssel rendelkezik, és egy nagyobb középiskolás baráti körrel. Lehetnek olyan egyetemi barátok, akik közös középiskolába jártak, és hídként jelennek meg a hálózatban, mint a két egyébként különálló baráti csoport összekötői. Az új színezési módok új szűrési lehetőségeket is lehetővé tesznek (kor, nem, párkapcsolati státusz, tartózkodási hely szerinti szűkítés), amikkel új fényben jelenhet meg ismerősi körünk, és olyan kérdésekre kaphatunk válaszokat, mint: egy korosztályba tartoznak a szülővárosunkból származó barátaink, egy baráti körből kerülnek ki házas ismerőseink, és ki a legpopulárisabb egyetemi ismerősünk? Az egér mozgatásával az egyes pontok személyazonosságára is fény derül, egy klikk pedig a profiljukra irányít minket.

2_2.jpg

Összességében öt „szerep” különíthető el a hálózatban: insiderek és outsiderek, szomszédok és gatewayek és összekötők (2.kép). Az insiderek és outsiderek egymás ellenpárjai: az insidernek sok közös ismerőse van a felhasználóval (pl. közösen kezdték az egyetemet), míg az outsiderekkel vagy nagyon kevés közös barát van, vagy egy sem (pl. egy ismerős akivel egy nyaralás során találkoztak). A gatewayek és szomszédok hasonló ellenpárok: a gateway, vagy kapu barátnak sok olyan kapcsolata van, ami a felhasználó saját hálóján kívülre mutat (pl. az egyetemi újság szerkesztője), míg egy szomszéd kevés a közös körön kívüli ismerőssel rendelkezik (pl. a felhasználó ikertestvére).

A vizualizáción és a szerepeken túl az Alpha csapata meglévő adatbázisát kamatoztatva olyan dolgokat tud megmutatni, amiket egyébként nem látnánk. A barátaink tartózkodási helyének elemzésével a földrajzi kapcsolatok is felrajzolhatóak: ki a földrajzi szempontból legérdekesebb ismerős, ki van a legközelebb az északi sarkhoz vagy az egyenlítőhöz, de még azt is, hogy ki tartózkodik a legmagasabban a tengerszint felett (3.kép).

3_1.jpg

A geográfiai távlatokon túl történeti aspektusban is vizsgálhatóvá válik a profilunk, ha a riportunk tetején engedélyezzük, hogy a Wolfram adatokat gyűjtsön róla. Amint elég információ gyűlt össze, email értesítőt kapunk, és megtekinthetjük a profilunk evolúcióját. A Facebbok History Analytics  összegyűjti mely ismerősink költöztek el, vagy házasodtak össze és egy ábrán mutatja azt, ami egyébként feledésbe merült a Timeline folyamában.

A proszociális felhasználók tudományos célokra is felajánlhatják adataikat, amiken a Wolfram kutatói a későbbiekben mintákat keresnek. Az adat donorok segítségével további fejlesztéseken dolgoznak majd.

A szoftver az alábbi linken érhető el. Figyelem! Továbbra is addiktív.

2 komment

2012.12.20. 12:54 ntwrk.blog

Rezidensek szociális hálója

Címkék: internet social network network közösségi oldal orvosok közösségi oldalak szociális hálózat rezidensek adatbányász quantia MD

A háziorvosok nagy bosszúságára véget ért az a kor, amikor az emberek könyvekhez és enciklopédiákhoz, vagy ideális esetben szakértőkhöz fordulnak egészségükkel kapcsolatos információkért. A rezidensektől a laikusokig ma már mindenki az interneten informálódik.

WSJ-photo-of-residents-in-training1.jpg

Egy új online felület, a Quantia MD kifejezetten az ő igényeikhez igazodik. Az oldal nem más, mint egy kollaborációs adatbázis, mintegy 160 ezer taggal, ami szociális hálózatként funkcionál. A platform lehetőséget biztosít orvosok számára, hogy megosszák tudásukat, és praxisukkal kapcsolatos tapasztalatokat.

A Resident Exchange Social Network szíve egy országos könyvtár, ami egy sor mélyre ható prezentációt tartalmaz, amiket vezető rezidensek készítettek. Az oldal az egészségügyi kérdések mellett olyan információkat is ad, ami segíthet azon problémák megoldásában, amikkel a rezidensek napi szinten találkoznak a gyorsan változó egészségügyi környezetben. A tagok asztali számítógépekről, tabletekről és okostelefonokról érhetik el az oldalt.

A rezidens időszak gyakran megviseli az orvostanoncokat, akiknek nagy segítségére lehet a korukbeliek vagy tapasztaltabb rezidensek támogatása. A stressz csökkentésével így arra koncentrálhatnak, amihez a legjobban értenek – életek mentésére.

Az oldal és toviábbi információk az alábbi linken érhetőek el.

Szólj hozzá!

2012.10.31. 10:18 ntwrk.blog

A social média lesz a demokrácia megmentője?

Címkék: politika kutatás internet hálózat social network választások facebook obama network közösségi oldal romney közösségi oldalak közösségi média hálózatkutatás

A Nature szeptemberi cikke arról számol be, hogy egy szavazásra buzdító social media alkalmazás mérhető hatással volt a politikai aktivitásra. A Californiai Egyetem munkatársai a Facebookkal közösen az első olyan kutatást bonyolították le, amely egy ilyen közvetlen hatást bizonyít.

democrat-republican-FDA-USer-Fees-Inspections-Lobbying-canslerconsulting.jpg-2.jpg

2010. novemberében, minden amerikai Facebook felhasználót egy emlékeztető fogadott a hírfolyamában, ami arra hívta fel a figyelmét, hogy aznap (kongresszusi) választások vannak, és információk voltak megadva a közeli szavazófülkékről, valamint egy „Én szavaztam” opcióval a profiljukon is feltüntethették, ha éltek a lehetőséggel. Egy folyamatos számlálóval azt is láthatták, hogy hányan szavaztak már. A „get out the vote” célközönsége a modern demokráciák apatikus szavazója, módszere pedig roppant egyszerű: megmutatja azon ismerőseink képét, akik már szavaztak. A metódus működik, ugyanis nemzeti szinten 340 ezerrel (!) növelte a leadott szavazatok számát.

app.jpg

A kutatás kimutatta, hogy a hatás elsősorban az erős kötéseken  (közeli barátok, rokonok stb.) keresztül terjed, ezzel azt sugallva, hogy a gyenge kötésekkel szemben a virtuális terekben ezek azok, amelyek befolyásolják a magatartást. 

A kísérlet keretein belül két, egyenként 600 ezer felhasználót tartalmazó kontroll csoport is véletlenszerűen kiválasztásra került. Az egyik csoport nem látta ismerősei profilképét, csak az üzenetet kapta meg, míg a másik csoport semmilyen emlékeztetésben nem részesült. A nyilvános szavazati adatok alapján kimutatták, hogy az online kampány 60 ezer szavazatért közvetlenül, további 280 ezerért pedig közvetve volt felelős. Utóbbit a kutatók „szociális fertőzés”-nek nevezték, és gyakrolatilag a szavazó barátok szavazó ismerőseinek felel meg.

i-voted1.gifÉrdekesség, hogy a „szavazott” státuszú emberek 4%-a nem mondott igazat, tehát nem ment el ténylegesen szavazni. A poltikai orientációról nem sokat tudni, mivel a felhasználók csupán 1%-a vállalja nyilvánosan, hogy melyik oldalra húz a szíve.

A kampány azért nem elhanyagolható, mert az eddigi, politikai aktivitást serkenteni célzó próbálkozások közül egyik sem bizonyult áttörően sikeresnek. A legbeváltabb módszer az ajtóról ajtóra járás, amit önkéntesek végeznek. A legkevésbé hatékony ösztönző az email, ami azonban gyakran még a spam szűrőkig sem ér el. A politikai befolyáson kívül olyan más közösségekkel is kísérleteznek a kutatók, mint a dohányzással, az alkoholfogyasztással vagy a fogyókúrás  programokkal kapcsolatos csoportok.

A kísérletől a NY Times és a BBC is beszámolt.

Szólj hozzá!

2012.09.21. 13:22 ntwrk.blog

A barátság paradoxona – miért van a barátainknak több barátja, mint nekünk?

Címkék: internet hálózat social network facebook barátság elmélet matematika járvány közösségi oldal baráti szociális hálózat hálózatkutatás

Az első ránézésre szociális jelenség mögött alapvető aritmetikai törvényszerűség áll.

Johan Ugander, Brian Karrer, Lars Backstrom és Cameron Marlow egy nagy volumenű kutatás során tesztelték a jelenséget a Facebook (akkori) összes felhasználójával (!), mintegy 721 millió emberen, ami a Föld népességének 10%-át tesz ki. A 69 milliárd kapcsolat elemzése után azt tapasztalták, hogy a paradoxon az esetek 93%-ban megvalósul. Az átlagfelhasználó 190 baráttal rendelkezik, míg az átlagfelhasználó átlagbarátja 635-el.

A jelenség offline hálózatok esetén is tapasztalható, és teljes mértékben független az adott ember személyiségétől, és nem véletlenül a barátság paradoxon néven híresült el. A paradoxon forrása a súlyozott átlag, a dolog lényege pedig, hogy egy szám kétszer szerepel, egyszer átlagoljuk, egyszer súlyként. Vegyünk egy kisebb hálózatot példának (a jelenség egyébként független a hálózat szerkezetétől, a méret a szemléltetés érthetőségét szolgálja).

 friends3.jpg

Ross, Chandler, Rachel és Phoebe (jó)barátok. Ross Chandler barátja, utóbbi pedig közkedvelt személyiség sok baráttal. Rachel és Phoebe is barátok, és mindketten ismerik Chandlert. Rossnak tehát 1, Chandlernek 3, Rachelnek és Phoebenek pedig 2 barátja van. Összesen tehát 8 barát van, a 4 embernek átlagosan 2. A barátság paradoxonban ez a 2-es átlag az a szám, aminek kisebb, mint a barátok barátainak átlagos száma (a továbbiakban rang).  Valóban így van ez?

Lássuk az egyes emberek átlagos rangját: Rossnak 1, Chandlernek 3, Phoebynek és Rachelnek 2.  Képzeljünk el egy beszélgetést, ahol a barátok egymással beszélnek rangjaikról:

Ross: “Chandler rangja 3.”

Chandler: “Ross rangja 1. Rachel rangja 2. Phoebé pedig 2.”

Rachel: “Chandler rangja, Phoebe rangja 2.”

Phoebe: “Chandler rangja 3. Rachel rangja 2.”

A rangok összege 18 (3 + 1 + 2 + 2 + 3 + 2 + 3 + 2), nyolccal elosztva az átlaga pedig 2.25, ami bizony magasabb, mint 2. A paradoxonnak megfelelően tehát a barátok barátainak száma magasabb, mint a saját barátoké. A kérdés már csak az, miért? A populáris barátok, mint Chandler aránytalanul magasabb rangúak, mint az átlag, és azon felül hogy sok barátjuk van, őket is sokszor említik barátként. A fenti képletben Rosst egyszer említették, így ő 1x1-et ad hozzá; Chandler neve háromszor merült fel, rangja 3, tehát 3x3=9; Rachel és Phoebe két-két említése pedig 2x2, így a rangok átlaga (fent), nagyobb, mint a barátok tálaga (lent), a felső ezzel súlyozott átlag lesz, a négyzetre emelés így extra súlyt ad a nagy ranghoz.

képlet.JPG

Az átlagolt rang így mindig magasabb lesz, mint a sima átlag, ami nincs súlyozva.

A paradoxonnak nem meglepő módon gyakorlati alkalmazása is létezik, többek között egy járványok elterjedését megelőzni szándékozó figyelmeztető rendszer. A 2009-es H1N1 vírus kitörésekor egy Harvardon folytatott kísérlet azt is kimutatta, hogy a Chandler kaliberű, sok ismerőssel rendelkező diákok előbb megbetegedtek.

További példákkal a New York Times egyik blogja szolgál.

 

Szólj hozzá!

2012.09.17. 13:48 ntwrk.blog

Interaktív kapcsolatháló - A Facebook ismeretségek dinamikus világtérképe

Címkék: internet hálózat facebook network közösségi oldal közösségi oldalak szociális hálózat közösségi média hálózatkutatás

Korábbi cikkünkben már bemutattuk, hogyan lehet az individuális szociális média profilokból statisztikai alapanyag. Egy nagyobb léptékű kutatással most a nemzetek digitális ismeretségét demonstráljuk.

Marshall McLuhan már 1960-as évek hajnalán megjósolta, milyen hatással lesznek az új médiumok a mindennapokra, és mára már bizonyos, hogy mindannyian egy és ugyanazon globális világfalu lakói vagyunk. A tömegkommunikációs eszközök korában ugyanis a távolságok és országhatárok gyakorlatilag semmibe vesznek. Rokonok és barátok vannak mindennapos kapcsolatban, függetlenül attól, hogy melyik kontinensen élnek. A Stanfordi egyetem kutatása a Facebookon vizsgálta a jelenséget, és a várható trendeken túl, meglepő (és nyomokban mulatságos) dolgokra figyelt fel. Egy San Fransiscói céggel kollaborálva pedig még interaktív térképpel is kiegészült a kutatás.

fb_map_lang_2.jpg

Meglepő például, hogy a Kongói Demokratikus Köztársaság - a világ egyik legszegényebb nemzete Afrika szívében – erős kapcsolatban áll Ecuadorral, és az is, hogy a Közép-afrikai Köztársaság és Kazahsztán lakosait is erős baráti szálak kötik össze. Kiderült továbbá, hogy Izland legnagyobb számú bevándorló közössége a lengyeleké, és hogy Japán és Brazília immigrációs összeköttetése a XX.század elejére nyúlik vissza. További migrációs bonmot, hogy Lichtensteinben többen dolgoznak az országhatárokon túl, mint azokon belül.

A metodológiáját tekintve a projekt egy adott ország belső és külső Facebook ismeretségét vizsgálta, ami alapján rangsorolta a nemzeteket. A színek a beszélt nyelv és a hozzá tartozó kontinens alapján kerültek kiválasztásra.

A vándorlás erős összekötőnek erőnek bizonyult, azt jelezve, hogy emberek ezrei kelnek át óceánokon és országhatárokon, egy jobb élet reményében. Útjuk során nemcsak régi kapcsolatokat ápolnak, hanem új ismeretségekre is szert tesznek. Egy kiemelkedő trend az egykori gyarmatok és gyarmatosítóik közti kapcsolat fennmaradása, akiknek kulturális, nyelvi és gazdasági befolyása ma is erősen érezteti a hatását. A gazdasági összeköttetések szintén erős indikátorok, általában befektetéseket, vagy kereskedelmi kapcsolatokat sugallva.

fb_map_hun_2.jpg

A „Closer Look” opcióval két ország történelmi, gazdasági és lingvisztikai kapcsolatáról tudhatunk meg többet. Magyarországot legtöbb internacionális kapcsolata a szomszédos országokhoz és német nyelvterületekhez köti.

Az érdeklődők az alábbi linken érhetik el a térképet.

2 komment

2012.07.03. 09:54 ntwrk.blog

Social Media és a hálózatok ereje 2. – Véleményvezérek a Twitteren

Címkék: hálózat twitter network közösségi oldal social media marketing közösségi oldalak véleményvezér maven7 kol key opininon leader mapping

A Social Media használat forradalmi térnyerésének hatására a modern kor marketingesei gyakran csak kapkodják a fejüket; Facebook, Twitter, Tumblr, Flickr, Pinterest, Google+, blogok százai és a paletta még korántsem véges. Szinte lehetetlen ennyi csatornát naprakészen követni. Ráadásul nem elég ezeket az oldalakat önmagukban vizsgálni, hiszen a felhasználók által generált tartalom lényege pontosan a gyors információterjedést szolgáló hálózati hatásban érhető tetten. Mit lehet ekkor tenni? Három részes sorozatunkban a Maven7 legújabb kutatási eredményeiből szemezgetünk, melyek különös hangsúlyt fektetnek a hálózati hatásra, és egyértelműen megkönnyíthetik az online marketingesek, PR szakemberek és termék managerek életét. 

A 2006 októberében San Franciscoból útjára indított Twitter mikroblog szolgáltató kissé lassan érkezett el hazánkba. Míg a Facebook láz viszonylag hamar, már 2-3 éve megkezdődött itthon is, és ma már közel 3 milliós magyar felhasználótábora van, addig a twitteres közösség lassan növekszik és egészen kicsi; naponta körülbelül 30 ezren látogatják az oldalt. A helyzet a Tumblr-rel is hasonló - kevesen aktívak az oldalon. 

De akkor miért érdemes odafigyelni rájuk? A hazai Twitter és Tumblr felhasználók többsége nagyvárosi, de leginkább budapesti, magasabb státuszú személy. A mikroblog szolgáltatókon hihetelenül gyorsan terjednek a hírek, főleg a negatívak. Míg a hagyományos online sajtóban akár egy hétig is elcsámcsognak az újságírók egy-egy témán, addig a Twitteren 2,5 óra alatt körbeér egy információ, ha a megfelelő személytől indul útjára. Tehát nagyon fontos ezeket a médiumokat is kordában tartanunk  - amennyire csak lehetséges. Nem véletlen, hogy egyes külföldi celebritások például Charlie Sheen a maga 7 és fél millió követőjével 50 ezer dollárt kap tweetenként. A spanyol választások alatt végzett Twitter elemzésünk során például kiderült, hogy egy teljesen hétköznapi személynek is komoly hatása lehet a választókra. Azt hiszem, ezek után senkinek nem kell magyarázni, hogy ezen magas presztízsű, sokszor igen lojális fogyasztókhoz eljutó üzenetek monitorozása miért is elengedhetetlen.

Amikor hazai véleményformálókra gondolunk, például híres újságírókra, bloggerekre, sportolókra, egyértelműen azok a személyek ugranak be, akik roppant aktívak mindenféle social media platformon. Mivel hazánkban nincsenek milliós követői bázisok, nem feltétlenül a legtöbb követővel rendelkező személy a legérdekesebb az információterjedés szempontjából. Tisztában kell lennünk azzal, hogy mennyire releváns az adott tweetelő a termékünk számára, azaz üzenetei mennyire a mi fogyasztóinkat célozzák meg. Ez szövegbányászati módszerekkel kinyerhető a Twitter adatokból. Emellett az sem elhanyagolható kérdés, hogy milyen a hálózati pozíciója az adott felhasználónak. Mennyire közösek a követői például a konkurens márka vagy saját termékünk követőivel. A Twitterben az a remek a Facebookhoz képest, hogy az aktivitási adatok nyilvánosak, így kinyerhetőek az egyes felhasználókhoz köthető kapcsolathálózati adatok is.

A Twitter felhasználók kapcsolataiból többféleképpen is építhetőek hálózatok. Egyrészt felfoghatjuk az információközlőket mint adatforrásokat (ezek gyakran például márkákhoz kapcsolódó személyek vagy magának a brandnek a hivatalos oldalai), és az egyes felhasználók köthetőek ezekhez a csomópontokhoz az alapján, hogy retweetelték az adatforrás üzenetét. Ezenfelül minden felhasználónak vannak követői és barátai. A követői bázisnál jóval erősebb kapcsolatot mutat a barát státusz, ezen információk alapján is lehet hálózatokat értelmezni. (Lásd korábbi cikkünket, ahol  a közös követők és barátok alapján építettünk hálózatokat.) A következő ábrán egy FMCG termékeket árusító cég és annak versenytársaihoz köthető Twitter üzenetek retweet hálózata látszik.

Retweet_hálózatPNG.PNG

A második ábra azt mutatja meg, hogy az egyes adatforrások között miként lehet kiválasztani azokat az oldalakat, amelyikek a legnagyobb hatással vannak a termék fogyasztóinak közösségére. A sárga négyzetek mutatják azokat a Véleményvezéreket (Key Opinion Leaders - KOL-eket), akik a közösség legnagyobb részét érik el három lépésben, valamint a legnagyobb követői, illetve barát bázissal rendelkeznek, tehát hálózati pozíciójuk centrális.   

Twitter2.PNG

A Twitter adatok elemzésével nem csak az adott termék fogyasztóinak véleményvezéreit és fontos szereplőit tudjuk meghatározni, de lokációs adatok segítségével termékelhelyezéshez kötődő kutatások is elemezhetőek. Korábbi cikkünkben ATM-el elhelyezésének optimalizálásán mutattuk be a lokációs adatok felhasználását. Lokációs adatok hálózatos megközelítéséről és geomarketingről bővebben következő cikkünkben!

Folytatása következik!

Ezt olvastad már? Social Media és a hálózatok ereje 1. - A magyar blogtér

4 komment

2009.03.25. 15:20 ntwrk.blog

Online közösségi oldalak a Geocities-től a Facebook-ig

Címkék: iwiw wiw myspace friendster facebook bebo közösségi oldal tripod geocities classmates sixdegrees social networking sites első közösségi oldal

 

Az első online közösségek közé tartozott a Geocities (1994) és a Tripod (1995). Ezeken az oldalakon ingyenes honlapot lehetett létrehozni, és kapcsolatot létesíteni más tagokkal. A Classmates.com volt az első olyan közösségi oldal, melynek célja kifejezetten a kapcsolatok létrehozása és fenntartása volt. Régi iskolatársakat és volt kollégákat lehetett megkeresni.
Az 1997-es SixDegrees.com már hasonló volt a Facebook-hoz vagy iWiW-hez, ugyanis nem csak hogy profilokat és kapcsolathálókat lehetett létrehozni, de azt is megtudhattuk, hogy valakit mely ismerőseinken keresztül érhetünk el. Ez az oldal azonban meghaladta korát, és mivel nem volt nyereséges, 2001-ben megszűnt. Több hasonló követte, melyek közül a legnépszerűbbek a Friendster (2002), a Myspace (2003) és a Bebo (2005) voltak. A Facebook 2004-ben indult, de eredetileg csak a Harvard és más amerikai egyetemek diákjai számára, és csak 2006-ban nyitotta meg kapuit a nagyközönség számára.
Népszerűségüket tekintve első helyen áll a Myspace (253 millió felhasználó), ezt követi a Facebook 175 millió felhasználóval. A Friendster az ötödik helyen áll, 90 millió felhasználóval, a Classmates.com-ot pedig „már csak” 50 millióan használják. Magyarországon a legnépszerűbb ilyen jellegű oldal az iWiW, de 2,6 millió felhasználójával messze elmarad a nagy nemzetközi közösségi oldalaktó.

 

Szólj hozzá!

2008.06.18. 19:50 ntwrk.blog

Csináld magad!

Címkék: közösségi oldal

Nem tetszik az iwiw? Túl sokan jelölnek be, akiket nem is ismersz? Meg egyáltalán a valós életben is szeretsz kilógni a sorból? Vagy csak el akarod adni a barátaidat?
Eljött a Te időd! Már lehet saját közösségi oldalad! Ilyen szolgáltatást nyújt például a neeetz.com, ahol akár témák mentén is létrehozhatsz saját közösségi oldalt. Vagy csinálj pénzt mindebből, és lépj be az APSense.com hálózatba, ahol az általad készített tartalomtól, a barátaid oldaláig mindenből pénzt csinálhatsz.

Neeetz.com
Készíthetsz egyet a családodnak, ahová csak a családtagok léphetnek be. Ez kimondottan jól jön, ha mindenkiel gyorsan akarod megosztani ugyanazt a hírt.
Egy egyesület, vagy egy baráti társaságnak is készíthetünk közösségi oldalt, vagy ha annyira jó helyen dolgozol, akkor a munkatérsaiddal is létrehozhattok egyet közösen.

A neeetz rendszerében minden belépő egy külön blogot is kap, és természetesen a képektől a munkamegbeszélések időpontjáig minden megosztható az adott közösséggel.

APSense.com
Az APSense azt a furcsa üzleti modellt alkalmazza, hogy profitjának 85%-át szétosztja aktív felhasználói között. Ezt Profit Share Systemnek nevezik, és reméljük, a google is hamarosan rátér, lévén, hogy a kereséseinket adja lényegében el.-)

Az APSense 3 megoldást kínál:
1. Az általad létrehozott oldalak/tartalmak olyan profik, hogy azokon érdemes elhelyezni hirdetést (látogatottság alapján) akkor a hirdetési bevételből akár 85% landolhat nálad - ez egyébként az iparágban a legmagasabb
2. Az általad meghívott ismerősök tartalmából is kaphatsz pénzt, amennyiben azok az 1. pontban leírtaknak megfelelnek
3. Saját hirdetőid vannak, amelyből 100% nálad marad.

Szólj hozzá!