network blog

A Diktio Labs célja a marketing szektor átformálása, mégpedig azáltal, hogy széles körben teszi elérhetővé a hálózatkutatás legújabb módszereit.

A Maven Seven Hálózatkutató Zrt. (Maven7), a világ egyik vezető hálózatkutatással és adatbányászattal foglalkozó cége bemutatja legújabb online közösség- és véleményvezér-feltérképező termékcsaládját, a Diktio Labs™-et.

Az új brand a digitális kampányok tervezési folyamatába integrálja a hálózattudományt, és hatékonyabbá teszi a marketing szakemberek munkáját. A Diktio Labs megoldásainak köszönhetően először állhat a kommunikációs kampányok rendelkezésére egy sor hálózattudomány által vezérelt innovatív és költséghatékony tervezési eszköz.
A Diktio Labs adatközpontú megközelítése szöges ellentétben áll a leggyakrabban használt mennyiségi monitoring eszközökével. A hagyományos módszerekkel a kampányok utólagos hatásait elemzik, mint például az emberek véleményének alakulását, beszélgetéseket a témában, vagy viselkedésbeli változásokat. Ezzel szemben a Diktio Labs célja a rejtett hálózatok, struktúrák, kapcsolatok, valamint az egyéni és csoportos magatartás feltérképezése, mindezt pedig a kutatás megrendelője által kért szempontok szerint végzik az elemzők (problémák, meggyőződések, preferenciák, szokások, magatartás, stb.). Az algoritmusok és adatbányászati eszközök teljes mértékben kampányra szabhatók, ezáltal is olyan információt és betekintést nyújtva, ami eddig elérhetetlen volt.

Chris Dobson, a Diktio Labs piaci stratégiája mögött álló kommunikációs szakember szerint "A modern vállalatoknak jobban meg kell ismerniük fogyasztóik online információgyűjtési szokásait, hogy versenyképesek maradhassanak".
"Rengeteg pénz folyik el a digitális és a hagyományos marketing terén tett próbálkozások és kudarcok miatt, ennek pedig legnagyobb része teljesen felesleges kiadás. A technika segítségével ma már képesek vagyunk – számtalan szempont alapján – azonos érdeklődésű közösségeket elhatárolni, és ezáltal bármilyen kampányt, legyen az marketing, politikai vagy közösségi kampány, eredményesebbé és pontosabbá tenni. Akik nem ismerik fel a hálózatkutatás adta üzleti lehetőségeket, hamarosan nagy hátrányba kerülhetnek."
A Maven7 egyik társalapítója, a bostoni Northeastern University professzora, Barabási Albert-László a hálózatkutatás világszerte ismert és elismert úttörője . Szerinte is eljött az ideje annak, hogy a marketing teljes mértékben kihasználja a hálózattudomány által nyújtott lehetőségeket. “Mindennapjainkban menthetetlenül komplex rendszerek vesznek minket körül, kezdve a társadalmunkkal, a számítógépeken és telefonokon át, egészen az agyunkban fellelhető milliárdnyi neuronok hálózatáig. Ezek a rendszerek, bár első látásra véletlenszerűnek tűnhetnek, mégis végtelen szabály és rendszer szerint épülnek fel, melyeket megérthetünk, számszerűsíthetünk, megjósolhatunk, és akár irányíthatunk is. Mutasson egy marketingest, aki ne szeretné megismerni és felhasználni mindezt!”

A Diktio Labs termékei szinte minden nyelven elérhetők, és már több mint 15 országban bizonyítottak, köztük például Kolumbiában, Kínában, Mexikóban, Oroszországban, Nagy-Britanniában, az USA-ban és természetesen Magyarországon is. Az egyes projektekre és ügyfelekre szabott algoritmusok biztosítják a hagyományos módszerekét jóval meghaladó pontosságot és hatékonyságot.

A Maven7-ről
A Maven7 az üzleti döntéshozókat segíti azáltal, hogy nagy mennyiségű, nehezen értelmezhető adatokat elsősorban hálózatos megközelítéssel, döntéstámogatásra közvetlenül alkalmas tudássá alakít át. A vállalat a hálózatkutatás és az adatbányászat módszertanaira alapuló saját fejlesztésű eszközeivel végez elemzéseket a szervezetfejlesztésben, gyógyszeriparban, médiában és még számos más területen.

A Diktio Labs-ről
A Diktio Labs teljesen új szintre emeli a marketinget: a célozhatóság és hatékonyság javításával lehetővé teszi, hogy már a kampány indulása előtt ismertté váljanak azok, akik pozitívan fogadják majd az üzeneteket, illetve azok, akik befolyásuk által jóval nagyobb közönséget tudnak megszólítani. A Diktio Labs nem csak közvetlenül végfelhasználókkal, de marketing ügynökségekkel és tanácsadókkal is együttműködik, hogy technológiájával minél több integrált kampányhoz járulhasson hozzá.

Jelmagyarázat - Támadások felépítése:

Az élek az egyes játékosok 3-3 legrelevánsabb passzát mutatják. A nyilak a passzok irányát jelzik.

• Csak azokat a passzokat vizualizáltuk, amelyek a támadások részei voltak.
• Csak azok a passzok láthatóak, melyek az előrefelé (ellenfél kapuja felé) vezetnek vagy azonos pozíciójú (pl. középpálya-középpálya) játékosok között mentek végbe. 

Az infografikát az Avalanche Kreatív Ügynökség készítette.

Meccsek hálózatos vizualizációjával újfajta szemszögből lehet a labdarúgás világába betekintést nyerni. Mivel a Maven7 csapata igazi sportrajongó, ezért az év foci eseményét a Bajnokok Ligájának döntőjét nem hagyhattuk ki elemzési palettánkból.

Mindenki tudja, hogy “A foci egyszerű játék, 22 ember kerget egy labdát 90 percen keresztül és mindig a németek nyernek” -főleg, ha csak német csapatok játszanak. De ha olyan egyszerű lenne ez a sport miért, követnék milliók világszerte az eseményeket? Miért lenne akkora biznisz a sportfogadás, és miért is készülne elemzések tucatja? Mert a foci nem is olyan egyszerű.

Vessünk egy pillantást a két döntős legfontosabb passzainak hálózatára. Passzok (fekete él), kapura lövések (kék él) és gólok (piros élek) repkednek a játékosok között. A két hálózat vizualizációja önmagában is szép (Köszönjük Avalanche!), de a kérdés leginkább az, hogy értelmezésükkel közelebb juthatunk-e ahhoz, hogy miért is a Bayern München és nem a Borussia Dortmund győzött?

A hálózatokat elemezve könnyen azonosíthatóak a legalapvetőbb különbségek és hasonlóságok a csapatok támadási stratégiájában. A hálózati (támadási) struktúra elsőre roppant hasonló, hiszen mindkét csapat hasonló felállást (4-2-3-1) követett, és a játékosok közötti dinamikák sem térnek el különösen. A hátvédek erős kölcsönös kapcsolatokkal rendelkeznek, bár a Bayern inkább a bal, a Dortmund inkább a jobb oldalon volt erősebb. Mindkét csapat legtöbb passzt kapott játékosa középpályás, Schweinsteiger és Gündogan.

És miért pont a Bayern nyert?

Természetesen a focit azért szeretjük, mert változatos és nem minden csapat ugyanolyan. Miben különbözött a két csapat játéka leginkább szombat este? A passzolási adatok alapján a Dortmund kulcsfontosságú figurája Reus volt, amelyet igazolni látszik az is, hogy a csapat egyetlen gólját is ő harcolta ki (11-es). Csapattársai szinte minden kapu felé irányuló akcióban őt keresték passzaikkal, centrális pozíciója az ábrán jól kivehető. Adódik a kérdés, hogy mi lett volna, hogyha az eredetileg ezen a poszton játszó Götze kerül a csapatba, és így Grosskreutz helyére pedig Reus.

Jobban szemre vételezve a hálózatok felső részét jól látszik, hogy a Bayern a széleken aktívabb volt és kevésébe egy személyre központosult a támadása, mint a Dortmundnak. A bőrnadrágosok csatárai hatékonyabban működtek együtt – hálózati szavakkal élve több a kölcsönös kapcsolatuk, Ribéry támogató szerepe a baloldalon az egész támadást sokkal hatékonyabbá tette. A dortmundi támadó középpályának (egyet kivéve Błaszczykowski - Gündogan) nincsenek kölcsönös kapcsolatai sem egymással, sem pedig más csapatrészekkel. Ezzel szemben a Bayern támadó középpályásainak egy, a teljes középpályás sornak 3 kölcsönös kapcsolata van (Schweinsteiger - Ribéry, Müller – Robben, Ribéry – Martinez), ami erősebb együttműködési mintázatokat mutat a támadásban. A középpályások teljesítménye jó indikátora lehet az egész csapat teljesítményének. Schweinsteiger pontosabban játszott és passzolt (87 passz, 73 sikeres, ami 84%-os hatékonyság), mint Gündonan (56-ból 31 sikeres passz, ami 62%-os hatékonyság). A Bayernek összesen 640 passza volt 72 százalékos hatékonysággal, a Borussiának azonban csak 448 passzt sikerült, 60 százalékos hatékonysággal véghezvinnie.

Továbbá talán a két, balszélső (támadó középpályás), Ribéry és Grosskreutz passzhálózati helyzete közötti eltérés érdemel figyelmet. Míg Ribéry-t négy társa is aktívan megtalálta labdákkal, addig dortmundi riválisát csak ketten, ami szintén azt mutatja, hogy különösen a bal szélen a München lényegesen aktívabb tudott lenni ellenfelénél.

Érdekesség, hogy a müncheni gólokhoz vezető közvetlen passzok atipikusak, kevésbé voltak jellemzőek a meccsen adott játékosok között, ezért sem szerepelnek az ábrán (Robben-Mandžukić illetve Ribery-Robben).

További érdekes eredmény, hogy a kapusoktól induló támadások a Dortmundnál gyakoribbak volt, ráadásul a védelem is sokkal támadóbb jellegű focit játszott a hálózatalapján – Boateng leginkább előre adta a labdát s Dante viszont inkább hátrapasszolt.

A Millenium Villages Projekt (MVP) keretein belül több mint tizenkét létesítményt hoztak létre szaharai országokban, amik öt kulcsfunkció mentén épültek: földművelés, vállalkozás, oktatás, infrastruktúra és egészségügy. Az utóbbi kategóriában tevékenykedő csoportok közösségi és intézeti alkalmazottakból állnak, akik a mindennapokban segítik a program szervezőinek a munkáját. A kommunikáció megkönnyítésének érdekében minden táborban zárt mobiltelefonos hálózatot hoztak létre, aminek segítségével gyakorlatilag ingyen beszélhetnek egymással az egészségügyi dolgozók.

A kommunikáció megkönnyítése mellett azonban más előnye is volt a mobiltelefonos kezdeményezésnek: az adatokat felhasználva a Johns Hopkins és a Columbia egyetemek kutatói azt vizsgálhatták, hogy a mobiltelefonok hogyan bontják fel a klasszikus, hierarchikus kommunikációs csatornákat. A vizsgálathoz a hálózatkutatás eszközeit használták, aminek segítségével azonosították az információ áramlásának központi szereplőit, és a rendszerben mutatkozó trendeket.  A tradicionális kommunikációs modell a klasszikus bürokráciában elterjedt lépcsős hierarchia példáját követte, ami miatt az információ áramlása lassabb volt, hiszen minden szinten végig kellett futnia. A mobiltelefonokkal sikerül átugrani a hierarchia felesleges szintjeit, és azok a szereplők kerülhettek a központba, akik ténylegesen a munkaszervezés centrumában voltak: a nővérek helyett a főszervezők.

További információkat az alábbi linken található videóban hallhattok, ami Nadi Kaongával, a projekt egyik résztvevőjével készült.

Az esettanulmány jó példa arra, hogy a hálózatelemzés, és a telefonos adatok hogyan hasznosíthatóak az ilyen és ehhez hasonló, egészségügyi projektekben.

A 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.

A 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.

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.

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.

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.

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

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.

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.

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

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

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.

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).

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.

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.

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.

2007-ben, a Wall Street Journal különböző megosztó és kollaboráló oldalakon végzett kutatást, mintegy 25 ezer felhasználó bevonásával. Végeredményeik érdekes tendenciákat mutattak: az AOL Netscape oldalán, akkori 1 millió felhasználójával, az „érdekes” címkével ellátott postok 13%-a egyetlen felhasználótól, a 27 éves ohiói programozótól, STONERS-től származott. A Digg-en, azon postok egyharmada, amik elég érdekesnek bizonyultak a főoldalra, az oldal 30 felhasználótól kerültek ki.

A legfigyelemreméltóbb eredmény azonban a Reddittel kapcsolatban került napvilágra. 2007-ben az oldal usereinek száma 400 ezer körül mozgott, a legbefolyásosabbjuk pedig Adam Fuhrer volt, aki az igazságszolgáltatás érdekesebb híreiből, és új szoftverekből mazsolázott. Legsikeresebb témája az új Windows Vista operációs rendszer hibáinak feltárása volt. Az újságírókat nem kis meglepetés érte, amikor kiderült, hogy Adam Fuhrer 12 éves, és Torontóban él a szüleivel, ahol az általános iskola padjait koptatja.

Bár mindenkit befolyásolnak az online szociális hálók, sokan nem vagyunk tisztában vele, hogyan is működnek valójában, és hogy irányító mechanizmusaik milyen hatással vannak ránk, a felhasználókra.

Vegyük például azt, hogy az olyan oldalak, mint a Facebook, a LinkedIn vagy a Twitter nem kész siteokként bukkannak fel, hanem napi szinten változnak és fejlődnek úgy, hogy újabb és újabb emberek csatlakoznak, akik építik a maguk szociális hálóját. Tudományos kutatások (például a skálafüggetlenséggel foglalkozó elméletek) kimutatták, hogy a hálózatok fejlődése preferenciális alapon működik, vagyis minden újonnan csatlakozott nagy valószínűséggel a már populáris pontokhoz fog kapcsolódni a hálózatban. Ez a preferenciális kötődés több dologra is magyarázatot ad a hálózatokkal kapcsolatban:

1. Egy online közösség hálózata strukturálisan függ kapcsolatainak fejlődésétől. Az, hogy hogyan nézett ki ma, meghatározza milyen lesz holnap, és a holnapi változások rajzolják ki a holnaputáni képet. Miután minden változás individuális döntés végeredménye, hosszabb előrejelzéseket nehezebb adni.
2. A befolyások eloszlása Pareto 80-20-as szabályához hasonlóan nem egyenletes. Léteznek kulcsszereplők, akiknek a kezében összpontosul a hatalom, és több ezer vagy millió felhasználót tudnak elérni. Ugyanakkor nehéz megjósolni, kik lesznek ezek a felhasználót, hiszen a véletlen kiemelkedően fontos tényező a network szerveződésében. Hogy lett a 12 éves kanadai fiúból a legolvasottabb felhasználó? valószínűleg írt valami megkapót, ami felkeltette az egyik véleményvezér figyelmét, akinek a követői is felfigyeltek. A folyamat – ami szintén nem idegen a hálózatok világában – önmagát gerjesztette, hiszen minél több ember ért el Adam, azok egyre nagyobb tömegeket hoztak magukkal.

Egy pillanatra képzeljük el, hogy a Microsoft vezérigazgatói fotelében ülünk, és tudni szeretnénk, ki lesz a következő Adam Fuhrer. A szénánk nem állna különösebben jól, hiszen jobb esélyünk lenne annak megtippelésére, hogy 2023-ban milyen napokon fog sütni a nap Óbudán. Annyiban azonban biztosak lehetünk, hogy lesznek még Adam Fuhrerek, ahogy volt egy 13%-os Netscape felhasználó, és 30 Digg user, akik a postok többségét generálták.

Azt mondhatjuk, hogy bár a hálózatok szerkezeti változásai egyéni szinten megjósolhatatlanok, kollektívan viszonylag előreláthatóak. A lokális, individuális fejlemények (a véleményvezérek személye) végkimenetele kérdéses, hiszen a fenti pontokba foglalt szervezősdi módokon alapulnak. A befolyás eloszlása azonban Pareto 80-20-as szabálya mentén történik, amiből kifolyólag elkerülhetetlen lesz annak koncentrációja. A kérdés már csak az, hogy melyik szociális háló vagy üzletág lesz képes kezelni ezt  az előreláthatatlan, ugyanakkor elkerülhetetlen szerveződést?

 Az eredeti cikk itt tekinthető meg.

Az első ránézésre szociális jelenség mögött alapvető aritmetikai törvényszerűség áll.

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

Egy friss nemzetközi felmérés szerint – amelyben 1500 vállalatot vizsgáltak meg - a tudásod miatt alkalmaznak, de a személyiséged dönti el, hogy mikor rúgnak ki.

„Nem vagyunk ugyanolyanok” klisékkel mentegetőzni felesleges, amikor a pozíciónkat akarjuk megvédeni. Az eltérő személyiségeket össze lehet hangolni, úgy, hogy mindenki megtarthatja az autonómiáját, és a helye is biztos marad a cégnél. Megoldás lehet, ha feltérképezik azokat a személyiségeket, akik fontosak a cég hatékony működésében, viszont habitusuk miatt nehéz velük együtt dolgozni. Van, amikor a fizikai távolság miatt működik nehezen egy részleg, ezért a szakembereket össze kell hozni egymással, hogy gyorsabban és problémamentesen folytatódjon a kommunikáció köztük, ezáltal a vállalat működése is zökkenőmentes lesz.

Konfliktusok adódhatnak bármilyen cégnél, ezért fontos azt tudnunk, hogy egy szervezet is akkor hatékony, ha úgy működik, mint egy közösség, azaz akkor vagyunk hatékonyak, ha számunkra kielégítőek az emberi kapcsolataink és keressük az együttműködési lehetőségeket. A kölcsönös együttműködés tehát elhanyagolhatatlan.

„A munkahelyi struktúra szempontjából nagyon fontosak a kölcsönös kapcsolatok, vagyis, hogy olyan emberek vegyenek körül, akiktől válaszokat kapok, s akik engem is kompetensnek tartanak.” – mondja Vicsek András a Maven Seven Hálózatkutató Zrt. kutatási igazgatója, pszichológus. A teljes cikk megtekinthető a HVG Extra legújabb számában, a Pszichológia #2 –ben.

Ajánljuk olvasóink figyelmébe a Connected: The Power of Six Degrees című filmet, mely a társadalmi hálózatokról szól, illetve arról, hogyan érhető el bárki pár másik emberen keresztül. Itt a film előzetese:

Lee LeFever ötletes sorozata, a Plain in English segítségével mutatja meg nekünk, mi az internetes közösségi oldalak különlegessége.

A magyarázó kisfilmek alkotója szerint egész egyszerűen a hálózatok működtetik életünket, legyen szó utazásról, postáról vagy az áramellátásról.

A szociális hálózatok szerepe szintén nélkülözhetetlen; az esetek többségében ismerőseinken (és az ő ismerőseiken) keresztül jutunk munkához, vagy találjuk meg partnerünket.
A közösségi oldalak pedig ezeknek a valós szociális hálózatoknak egy nagy hátrányát küszöbölik ki: a rejtettséget. A kapcsolatok láthatóvá válásával pedig számos lehetőség is feltárul előttünk, gondoljunk csak az Iwiw-es üzenő falunkon napi rendszerességgel megjelenő különböző állásajánlatokra.
 

Ugyanaz a kutatócsoport, amely rámutatott az elhízás emberről-emberre történő terjedésére (lásd lent) ez alkalommal a leszokásról készített hasonló kutatást. Az eredmény: egy dohányos valószínűbben hagyja abba a dohányzást, ha a közvetlen munkatársa, barátja, házastársa vagy testvére már leszokott.

A kutatásból  kiderült, hogy a dohányosok inkább csoportosan szoknak le, és azok akik csoporttagként nem hagyják abba a dohányzást, könyen kiszorulhatnak a szociális hálózatuk peremére.

" Dohányzási szokásaink az általunk ismert emberek és az általunk ismert emberek által ismert emberek dohányzási szokásaitól is függ" - és így tovább, mondta Dr. Nicholas Christakis, a Harvard Medical School tudósa.

Az eredmények sok korábbi kutatással összhangzóan azt bizonyítják, hogy a közvetlen környezet befolyása órási az emberekre olyan döntésekben, mint a rágyújtás, fogyókúra és alkoholfogyasztás. A baráti hálózaton működő szokásterjedések felismerése a kezelések, terápiák kapcsán is új módszerek bevezetéséhez adhat indítékot.

Baráti ebéd

Az elmúlt éveben N. Christakis - a fenti tanulmány elkészítője - James Flower kollegájával, a University of California, San Diego megbízásából az elhízásról készített  tanulmányukban azt állították, hogy az elhízás ugyanúgy elterjedhet kacsolati hálózatokban, mint egy influenza vírus. A két szakember, egy három évtizedig tartó epidemológiai vizsgálatból, - amely a megfigyelt emberek kapcsolatrendszerét is tartalmazta - bányászta ki az adatokat, amelyek azt mutattál, hogy ha egy baráti társaság egyik tagja elhízott, akkor a kapcsolatában lévők is hízásnak indultak.

A kutatók, 12,067 Boston környéki ember 1971.-től, 2001-ig történő megfigyelésésből adatbányásztak. A kutatási alanyoknak meg kellett adniuk a családtagjaik, szomszédjuk nevét, a munkatársaikat és baráti kapcsolataikat is.

Nem meglepő, de a családi háló a legerősebb. Ha az élettárs leszokott a dohányzásról, akkor 67 százalék az esélye annak, hogy a másik is le hog szokni. Ugyanez egy barát leszokásánál, azt jelenti, hogy annak az esélye, hogy a dányzó barátok is leszokjanak, 36 százalékkal nő, mint alapesetben.