Řekl jsem si, že místo osobního zhodnocení toho, kdo byl na konferenci New Media Inspiration 2014 hot a kdo ne, přidám nějaký nový pohled – Social Network Analysis. V průběhu dne jsem sledovat, kdo o konferenci tweetuje, kdo koho retweetuje a zmiňuje ve svých tweetech, aby přišel na to, kdo přilákal největší pozornost. A protože internet boří vzdálenosti, klidně se mohlo stát, že to nebude ani jeden ze speakerů či posluchačů, ale třeba Dan Dočekal.

První analýzu jsem dělal až v cca 13.40. Z Twitter API jsem získal celkem 288 vazeb (tweetů, mentions, retweetů) od 151 uživatelů.

Ve vizualizaci jsou odlišeny clustery lidí, kteří spolu mohou nějak souviset – například spolu pracují, kamarádí se nebo chodí do školy (není to ale pravidlo, základ je v tom, kdo s kým interaguje). U těch menších se projevila soutěž s QR kódy, ale celkově mohla maximálně přidat nové mosty mezi komunitami, jejichž členové se neznali.

Pěkné na tom je, že celá analýza využívá, jak by řekl Josef Šlerka a nebo Obama, „just metadata“. A stejně jako Jamese Bonda kybernetické bezpečnosti ani mě nezajímal obsah samotných tweetů.

Pro definici toho, kdo vyvolával největší zájem na Twitteru, jsem si vybral metriku In-Degree. Ta v případě mojí analýzy vyjadřuje, kolik daný člověk získal zmínek a retweetů (samotné tweety jsem v této fázi odstranil).

TOP uživatelé dle In-Degree (13:40)
josefslerka	30
petrkou	12
justxsi	11
nminspiration	9
medvidekpu	8
stunome	7
korinektomas	7
vjkombajn	7
zbiejczuk	6
ulmanaz	4

Další krok jsem dělal v cca 16.10. Tato analýza už byla trochu bohatší – celkem 479 vazeb od 160 uživatelů.

Josef Šlerka byl stále nejvíce zmiňovaný (minimálně retweetovaný – Josef Šlerka zřejmě moc netweetoval), ale doháněl ho úspěšně Kombajn a další. Zajímavé na tom je, že Kombajn nebyl speakr. Do průběhu NMI zasáhla také externí událost – zablokování Facebook Stránky Žít Brno. Tuto událost spojil s hashtagem konference právě poslední nepřítomný nespeakr v TOP 10 Dan Dočekal.

Zabili @zitbrno parchanti, prosím #nmi14 o minutu ticha a retweet http://t.co/86nBGUKx1F

— Daniel Dočekal (@Medvidekpu) February 8, 2014

 

TOP uživatelé dle In-Degree (16:10)
josefslerka	31
vjkombajn	25
lubos	24
hondzyk76	21
justxsi	12
zitbrno	11
petrkou	10
medvidekpu	9
simindr	9
ditamorg	8

Poslední analýzu jsem dělal v 19.30 už z afterparty v klubu K4. Z pohledu množství vytažených dat to bylo nejlepší – celkem 845 vazeb od 229 uživatelů.

Kombajn dotáhl své snažení, ale na Josefa už se nikdo nedostal. Pěkně se nám „dovyšvihl“ Honzdyk76 Suda a z nespeakrů přibyl také Adam Zbiejczuk.

TOP uživatelé dle In-Degree (19:30)
josefslerka	40
vjkombajn	33
lubos	32
hondzyk76	22
petrkou	15
nminspiration	14
zbiejczuk	13
simindr	13
justxsi	12
zitbrno	11

Podíval jsem se ještě na TOP uživatele a In-Degree z jiného pohledu, abych viděl jejich vývoj v čase. Z grafu je pěkně vidět, jak některým relativně novým speakrům na NMI vyskočily reakce po jejich přednáškách (Luboš Louženský, Honza (76) Suda). Např. Soňa Příborská (justXsi, s přednáškou o Quantified Self) přenášela již dopoledne a následně už buď nebyla sama nijak aktivní, nebo zájem přednášejících utáhli jiní speakři.

Objevil se ale metodologický háček..

To, proč jsem původně dělal tři kola téhle analýzy, mělo ještě jeden záměr – zjistit, jak se liší data, která mi Twitter na vyhledávání klíčového výrazu „#nmi14 OR #nmi2014“ vrátí. A rozdíly byly značné.

Pohled na množství tweetů a uživatelů bych ani neřešil, i když se výrazně liší i při stejném nastavení analýzy. Podle všeho jsem na limit Twitter API nedosáhl, ale nevím, jak to ověřit (mám za to, že by mi to řeklo, ať si počkám a pak by analýza pokračovala). Když jsem se ale detailně díval do dat, zjistil jsem, že některé tweety, které byly v předchozím kole analýzy, v dalším kole chyběly. A podle všeho to nesouviselo s časem.

Rozhodl jsem se tedy všechny výsledky spojit a odstranit duplicity (podle času a URL tweetu). Celkem jsem tedy pracoval s tweety od 229 uživatelů a celkovým počtem 1 476 vazeb.

Kdo byl největším propojovatelem tweetujících?

Z dat, která z vyhledávání na Twitteru můžete vydolovat, lze získat ještě další informace. Třeba o tom, kdo propojoval uživatele a klastry (skupiny uživatelů) mezi sebou. Přidal jsem ještě pohled na metriku Betweeness Centrality, která právě důležitost z pohledu propojování ukazuje. A v té nám povyskočil nad Josefa Šlerku právě Kombajn. Když se potom podíváte na celou desítku lidí, je dost pravděpodobné, že jich hodně budete znát.

Top 10 Users, Ranked by Betweenness Centrality	Betweenness Centrality
vjkombajn	8199,69017
josefslerka	7315,035735
petrkou	5413,471901
lubos	3792,952019
ulmanaz	2875,336624
hondzyk76	2361,282682
zbiejczuk	2257,41149
nminspiration	2156,623974
petrandrysek	2039,116062
zitbrno	1962,387521

Nakonec by se tedy dalo říct, že speakeři měli určitou výhodou v získávání slávy v podobě retweetů a mentions. Ale letošní New Media Inspiration může být důkazem toho, že se můžete zviditelnit i přínosným přispíváním ve virtuální vrstvě konference. Napadá mě, že to může být i dobrá příležitost pro firmy, které nemohou, nebo nechtějí např. do partnerství investovat. Každopádně nezapomínejte, že na Twitteru vám nudné selfpromo rozhodně nevyjde, na rozdíl od některých jiných českých konferencí.

Metodologie analýzy

Získávání dat a analýzu jsem mohl provést díky NodeXL. Data jsou výsledkem vyhledávání výrazu „#nmi14 OR #nmi2014“ z 8.2.2014. Zajímaly mě aktivní vazby mezi uživateli, kteří byli aktivní na Twitteru v souvislosti s konferencí – jako signál označující vazbu jsem využil tweety (pak jde o tzv. selfloop), mentions a retweety (vazba od uživatele A k uživateli B). V analýze nejsou zahrnuty informace o tom, kdo koho sleduje.

Z povahy analýzy jde o vizualizaci sítě s orientací (directed graph). Data byla vizualizována v NodeXL Fruchterman-Reingold algoritmem a clustrována algoritmem Clauset-Newman-Moore.

New Media Inspiration se povedla

A nakonec to zhodnocení – byl jsem překvapený, že se mi líbilo víc přednášek než minulý rok. I přes pomalejší start to pak mělo drive. Hodně jsem ocenil, že jsem se nemusel moc rozhodovat o tom kam půjdu – program mi sedl také. Z povídání ostatních jsem nabyl dojmu, že se občas slabé místo objevilo, ale já se jim vyhnul. Takže se těším na příští rok, možná už to napočtvrté vyjde s nějakou tou přednáškou.