martes, 2 de noviembre de 2010

Identificación de redes de influencia mediante Twitter

Uno de los aspectos más interesantes de las redes sociales, profesionaes y de twitter es que directamente o indirectamente mediante el uso de las APIs que proporcionan, nos permiten conocer la red de contactos de un usuario.

Esta información es muy útil para determinar la capacidad de influencia que tiene una persona sobre una determinada comunidad.

Esta información puede ser usada con diferentes propósitos:

  • Marketing One to One: el marketing actual cada vez funciona mas por recomendaciones entre relaciones de confianza. Para ello es preciso localizar personas que sean muy influyentes en al comunidad (con muchos seguidores o con seguidores que atiendan las recomendaciones recibidas) y trazar buenos planes de comunicación para estos "prescriptores" que harán nuestro trabajo de forma anónima y gratuïta por el "amor" a la marca.
  • Comprovar una cartera de clientes: hace tiempo, la cartera de clientes que podia traer un nuevo comercial en una empresa se media por el número de tarjetas (en formato papel) que tenia el usuario en su archivador privado. Hoy en dia esto ha cambiado y ahora, buena parte de esta información existe on-line y de forma pública.
A partir de aplicaciones como Twitter podemos empezar a identificar las redes de influencia de nuestros clientes/productos con lo cual no será más fácil poder trasladar argumentos de venta, pruebas iniciales, etc.

La siguiente imagen muestra una parte en el que se identifican las 140 personas más influentes del mundo.


La infografia fué realizada por la gente de IA (Information Architects) a partir del estudio proviene de la información del Twitter Research Team que publicó un estudio sobre Measuring User Influence in Twitter: The Million Follower Fallacy

Las parejas se separan antes del Verano y Navidad

Tal com vengo explicando en los últimos post, mucha es la información pública que dejamos en internet, que puede ser utilizada de forma individual o de forma agregada.

Una de las últimas curiosidades que nos ofrece esta información es un estudio que revela la evolución de roturas de parejas a lo largo del año.

La información para realizar el estudio proviene de Facebook, a partir del "relationship status" que nos indica si estamos en una relación de pareja.

El estudio revela que las semanas finales de primavera, justo antes del verano y las semanas antes de Navidad, són las semanas del año donde se separan mas parejas, según muestra la siguiene gráfica, según el calendario de EEUU.


Algunos aspectos curiosos son:

  • La mayoría de parejas se separan en lunes
  • El dia de los Inocentes de EEUU (April Fool's Day) también és un dia (puntual) que se utiliza para hechar cuentas y separarse.
  • El día con menos separaciones es el dia de Navidad

La pregunta puede ser: Y bien, ¿esto para que sirve?. 

Seguro que a más de un profesional ya se le habrá ocurrido, pero por ejemplo puede utilitzarse esta información para planifcar una campaña de marketing online para abogados del ámbito de relaciones de pareja o mediadores de conflictos. Seguro que si invierten en base a este gráfico y planifican sus jornadas de formación en periodos valle, saldran ganando.


lunes, 1 de noviembre de 2010

Twitter puede predecir la evolución del mercado de valores

La ingente cantidad de información pública que aparece en las diferentes herramientas de Microblogging (Twitter), así com en redes sociales (Facebook) es una mina aún por explotar.

Esta información, semántica, desestructurada, que se mueve rápidamente, puede contener información acerca del estado de ánimo de la sociedad, de las tendencias, de sucesos, etc... que bien analizadas, podrian ayudarnos a predecir el futuro cercano.

Las búsquedas en Google anticipan brotes de gripe
Existen casos documentados que indican que el comportamiento de las personas en determinados entornos nos puede ayudar a predecir sucesos.

Es el caso del Google Flu Trends (estado de la tendencia de la gripe) que se nutre a partir del número de búsquedas de los usuarios con temas relacionados con la gripe. Incluso en algunos casos, pueden llegar a predecir los brotes de gripe.

El estado de ánimo de los usuarios de Twitter puede predecir la evolución de la Bolsa.
Pero esto es solo el inicio. Ahora un nuevo estudio reciente del MIT revela que mediante la información existente en Twitter se puede llegar a predecir, en determinadas ocasiones, la evolución del mercado de valores.

El estudio revela que para ello han recopilado información durante 6 meses. De ellos han trabajado con un subconjunto aleatorio equivalente al 1%  del total de tweets, apartir del que han realizado el estudio.

Analizaron de forma colectiva la esperanza y el miedo para cada dia y correlacionaron estos resultados con la evolución del mercado de valores del Down Jones.

Encontraron que un porcentaje de los tweets emocionales se correlacionana de forma significativamente negativa con el Down Jones, el NASDAQ y el S&P 500, pero se aprecia una correlación positiviva con el VIX.

Por tanto, parece que haciendo una comprobación del estado emocional de Tweeter es posible predecir el mercado de valores del dia siguiente.

El estudio, con una importante base sociologica, se basa en la incidencia que pueden tener diferentes estados de ánimo en la toma de decisiones.

El objetivo inicial es tratar de identificar el estado de ánimo a patir de la aparición de determinadas palabras en twitter, como son: Esperanza, Felicidad, Miendo, Preocupación, Nervioso, Ansioso, Molesto, Positivo, Negativo y el número de apariciones diarias en los tweets de cada una de ellas. Estos resultados se comparan con la evolución de los indicadores del mercado de valores a partir de los cuales se observan las correlaciones.

IBM BigSheets ofrece soluciones para analizar información web
Los estudios comentados anteriormente parecen que solo estan al alcance de grandes compañias y centros de investigación dado que utilizan tecnologias emergentes, no consolidadas y en fase de investigación.

No obstante, existen compañías, como IBM,  que empiezan a proporcionar soluciones para obtener datos no estructurados des de internet para ser analizados y posteriormente convertir esta información en conocimiento, com es el caso de BigSheets de IBM