Aunque nosotros en PiperLab entendemos las redes sociales como una fuente adicional de datos con los que enriquecer nuestros modelos, analizar mejor las audiencias y targets de las compañías o como un reflejo de la actividad humana, no podemos dejar de admirar a los usuarios de esta red social por uno de los factores más especiales que tiene: el trollismo ilustrado, es decir, esa capacidad para sacar a relucir el ingenio a partir de un tweet publicado por alguien que, en general, suele ser una persona pública.
En este caso, no nos referimos a esos comentarios ofensivos y malintencionados de los que todos sabemos casos, sino a aquellas contestaciones a reflexiones profundas que determinados personajes vierten en la de red de microblogging por excelencia. Hay miles de ejemplos, como el de Ferrán Adriá y sus disquisiciones sobre los elementos que componen la cocina (os recomiendo que los leáis, dan que pensar…). Pero en este caso nos referimos a un caso ocurrido hace poco, gracias a un tweet del dirigente de Podemos Íñigo Errejón. El tweet en cuestión es el siguiente:
Este sesudo tweet fue publicado el 19 de junio a las 22:25 (cada uno hace un viernes por la noche lo que considera oportuno) y generó un huracán en Twitter; y es que tanta profundidad en 140 caracteres hizo surgir el ingenio.
Como tantas veces ha ocurrido en la historia de Twitter, surgió un Hashtag para terminar de redondear el cachondeo en torno al tema, que fue #TuiteaComoErrejon. El fenómeno se extendió rápidamente y, menos de 24 horas después, más de 43000 interacciones en Twitter lo habían transformado en Trending Topic. Se ve en la siguiente imagen que la noche no frenó las ansias de tuitear como el joven dirigente.
Pero, ¿quiénes fueron los mayores responsables de que esto fuera así y cómo se propagó este Hashtag?
Para ello utilizamos técnicas de Social Network Analysis sobre la red de retweets relacionada con los tweets de nuestro hashtag a analizar. Dependiendo de las métricas que extraigamos de esta red, podremos encontrar diferentes tipos de usuarios. Por ejemplo, analizando el grado de salida, encontramos los usuarios que más tweets diferentes han retuiteado:
- TasiosM: 189
- PucaEscobar: 87
- PEPEROES1972: 73
- mipsicoanalisis: 69
- MarcoSocorro: 63
- eloinformada: 61
- FroilLannister: 876
- Pablo_Iglesias_: 777
- quieropolonia: 766
- theklaneh: 685
- ierrejon: 614
- Obispofobia: 426
Aunque muchas veces las redes se analizan desde un punto de vista estático, la gran mayoría de ellas tienen un aspecto temporal, ya que los enlaces entre las entidades que lo forman se activan y desactivan en el tiempo. Como se puede ver en la gráfica anterior, esto también ocurre en el caso de #TuiteaComoErrejon, ya que la actividad en Twitter tiene picos y valles. Pero, ¿cómo se refleja esto en la propagación de los tweets? Si analizamos como crece la red en el tiempo, vemos que, incluso el día después del inicio de hashtag, siguen expandiéndose los mensajes que iniciaron esta etiqueta (líneas hacía los nodos centrales de la red) lo que indica que los tiempos en los que se propagan los contenidos pueden ser muy largos.
Y es que el mundo de las redes complejas es apasionante: aparecen y desaparecen nodos y relaciones, se forman y se destruyen comunidades, podemos analizar la polarización y los grupos de intereses en conversaciones, se puede analizar el posicionamiento estratégico de marcas basándonos en sus contenidos y en cómo se distribuyen a través de sus seguidores… Pero sobre todo, son un reflejo del comportamiento humano, de lo que opinan, de dónde están, de cuándo están conectados a Internet y consumen información… y eso es un conocimiento que hasta hace muy poco no estaba disponible y que ahora está al alcance de la mano. ¿Lo estás aprovechando? Si necesitas ayuda para analizar las redes más allá del volumen, las interacciones y el sentimiento, contáctanos :)
Recursos adicionales
- Clásico tutorial sobre redes temporales en IGraph y R: http://estebanmoro.org/2012/11/temporal-networks-with-igraph-and-r-with-20-lines-of-code/
- Utilizando Twitter para predecir el paro: http://www.technologyreview.es/blog/359/30762/el-uso-de-twitter-descubre-las-zonas-con-mas-paro/
- Twitter y movilización del electorado: https://blog.twitter.com/es/2015/twitter-plataforma-clave-para-movilizar-electorado-y-captar-indecisos
