Ученые выяснили, как предсказать популярность контента в социальных сетях

Исследования, авторы которых утверждают, что научились предсказывать, какой именно контент сумеет завоевать популярность в социальных сетях, появляются с завидным постоянством. Большинство из них основывается на одной и той же методике.

Авторы предлагают спустя короткое время после публикации того или иного контента замерить интерес пользователей к нему и методом экстраполяции предсказать, насколько популярным этот контент будет в будущем. Тем не менее, этот метод хотя и основывается на статистике, но едва ли может считаться достоверным, полагает Джастин Ченг, представляющий исследовательскую лабораторию Стэнфорда. Молодой человек утверждает, что изобрёл собственный способ по-новому взглянуть на проблему, который позволит составлять прогнозы о популярность контента в социальных сетях с большей точностью.

Так, Ченг полагает, что изучение популярности расшаренного контента в социальных сетях на ранних этапах практически ничего не даёт. По его мнению, внимание следует уделить совсем другим временным отрезкам.

В рамках своего исследования Ченг проводил анализ особенностей распространения фотографий в социальной сети Facebook спустя 28 дней начиная с того момента, когда они впервые были размещены в социальной сети в июне минувшего года.

Всего Ченг отслеживал 150 тыс. фотографий. Общее количество перепостов составило свыше 9 млн раз. Ченг определил так называемые «узлы расшаривания» — а именно, тех пользователей, которые активнее всего делились чужими фотографиями. Также исследователь учёл, какое время прошло между расшариванием и исходной публикацией в каждом конкретном случае. Все проведённые исследования дали ему возможность выстроить сеть распространения контента в социальной сети.

Ранее основным методом, используемым исследователями, было отслеживание распространения уже ставшего «вирусным» фото или видео, а потом попытки воспроизвести тот же результат с другим контентом. Как правило, результаты оказывались довольно противоречивыми. Ченг же решил использовать другой подход.

Состоял он в следующем. В качестве объекта эксперимента он выбирал фото, которым уже поделились несколько раз, и определял вероятность того, что интенсивность его распространения может возрасти вдвое.

При этом принимались во внимание разнообразные факторы. В частности, форму будущего «каскада расшаривания» определяли и характеристики фотографии — наличие на ней крупного плана, присутствие людей или животных, надписей рекламного характера и т.д. Также учитывалась исходная скорость распространения снимка и многие другие факторы. На основании этих данных исследователи составили список возможных форм «каскадов» — схем распространения контента. Самая простая из них внешне напоминает звезду — интенсивность расшаривания контента постепенно уменьшается при движении к «лучам». Остальные на порядок сложнее и учитывают огромное количество разнообразных факторов.

Разработанный Ченгом и его командой алгоритм оказался действенным. Точность прогноза относительно возрастания популярности контента в 10 раз составляла около 80%.

Ченг отмечает, что его исследование едва ли претендует на фундаментальность, но может быть использовано в качестве исходной базы для других подобных экспериментов.