La science secrète des retweets

Si vous envoyez un tweet à un inconnu en lui demandant de le retweeter, vous ne seriez probablement pas surpris s'il vous ignore complètement. Mais si vous envoyez beaucoup de tweets comme celui-ci, peut-être que quelques-uns finiront par être transmis.

Comment venir? Qu'est-ce qui pousse quelqu'un à retweeter les informations d'un inconnu ? C'est la question posée aujourd'hui par Kyumin Lee de l'Utah State University à Logan et quelques amis du centre de recherche IBM d'Almaden à San Jose.

Ces gars disent qu'en étudiant les caractéristiques des utilisateurs de Twitter, il est possible d'identifier des inconnus qui sont plus susceptibles de transmettre votre message que d'autres. Et ce faisant, les chercheurs disent qu'ils ont été en mesure d'améliorer le taux de retweet des messages envoyés à des étrangers jusqu'à 680 %.

Alors comment ont-ils fait ? La nouvelle technique repose sur l'idée que certaines personnes sont plus susceptibles de tweeter que d'autres, notamment sur certains sujets et à certains moments de la journée. L'astuce consiste donc à trouver ces personnes et à les cibler au moment où elles sont susceptibles d'être les plus efficaces.

L'approche était donc simple. L'idée est d'étudier les individus sur Twitter, en examinant leurs profils et leur comportement de tweet passé, à la recherche d'indices indiquant qu'ils pourraient être plus susceptibles de retweeter certains types d'informations. Après avoir trouvé ces personnes, envoyez-leur vos tweets.

C'est la théorie. En pratique, c'est un peu plus compliqué. Lee et co ont voulu tester la réponse des gens à deux types d'informations : les actualités locales (à San Francisco) et les tweets sur la grippe aviaire, un sujet important au moment de leurs recherches. Ils ont alors créé plusieurs comptes Twitter avec quelques followers, notamment pour diffuser des informations de ce genre.

Ensuite, ils ont sélectionné des personnes pour recevoir leurs tweets. Pour les émissions d'informations locales, ils ont recherché les utilisateurs de Twitter géolocalisés dans la région de la Baie, en trouvant plus de 34 000 d'entre eux et en choisissant 1 900 au hasard.

Ils ont ensuite envoyé un message unique à chaque utilisateur du format :

@SFtargetuser Un homme a été tué et trois autres ont été blessés dans une fusillade… http://bit.ly/KOl2sC Plz RT ces nouvelles de sécurité

Le tweet comprenait donc le nom de l'utilisateur, un court titre, un lien vers l'histoire et une demande de retweet.

Sur ces 1 900 personnes, 52 ont retweeté le message qu'elles ont reçu. C'est 2,8%.

Pour les informations sur la grippe aviaire, Lee et ses collègues ont recherché des personnes qui avaient déjà tweeté sur la grippe aviaire, en trouvant 13 000 d'entre elles et en choisissant 1 900 au hasard. Parmi eux, 155 ont retweeté le message qu'ils ont reçu, soit un taux de retweet de 8,4 %.

Mais Lee et co ont trouvé un moyen d'améliorer considérablement ces taux de retweet. Ils sont revenus aux listes originales d'utilisateurs de Twitter et ont collecté des informations accessibles au public sur chacun d'eux, telles que leur profil personnel, le nombre de followers, les personnes qu'ils ont suivies, leurs 200 tweets les plus récents et s'ils ont retweeté le message qu'ils avaient reçu.

Ensuite, l'équipe a utilisé un algorithme d'apprentissage automatique pour rechercher des corrélations dans ces données qui pourraient prédire si quelqu'un était plus susceptible de retweeter. Par exemple, ils ont cherché à savoir si les personnes ayant des comptes plus anciens étaient plus susceptibles de retweeter ou comment le ratio amis/abonnés influençait la probabilité de retweet, ou même comment les types de mots négatifs ou positifs qu'ils utilisaient dans les tweets précédents montraient un lien. Ils ont également examiné le moment de la journée auquel les gens étaient le plus actifs dans les tweets.

Le résultat a été un algorithme d'apprentissage automatique capable de sélectionner les utilisateurs les plus susceptibles de retweeter sur un sujet particulier.

Et les résultats montrent qu'il est étonnamment efficace. Lorsque l'équipe a envoyé des tweets d'informations locales aux personnes identifiées par l'algorithme, 13,3% l'ont retweeté, contre seulement 2,6% des personnes choisies au hasard.

Et ils ont obtenu des résultats encore meilleurs lorsqu'ils ont chronométré la demande pour qu'elle corresponde aux périodes où les gens avaient été les plus actifs dans le passé. Dans ce cas, le taux de retweet est passé à 19,3 %. C'est une amélioration de plus de 600 pour cent.

De même, le taux d'information sur la grippe aviaire est passé de 8,3 % pour les utilisateurs choisis au hasard à 19,7 % pour les utilisateurs choisis par l'algorithme.

C'est un résultat important que les spécialistes du marketing, les politiciens et les organes de presse regarderont avec envie.

Une question intéressante est de savoir comment ils peuvent rendre cette technique plus généralement applicable. Cela soulève la perspective d'une application qui permet à n'importe qui d'entrer un sujet d'intérêt et qui crée ensuite une liste de personnes les plus susceptibles de retweeter sur ce sujet dans les prochaines heures.

Lee and co ne mentionnent aucun plan de ce genre. Mais s'ils ne l'exploitent pas, alors il y en aura sûrement d'autres qui le feront.

Réf : arxiv.org/abs/1405.3750 : qui va retweeter ça ? Identifier et engager automatiquement des étrangers sur Twitter pour diffuser des informations

cacher