Аналитика

Как найти лидеров мнений в Twitter с помощью NodeXL

Цель: отследить лидеров мнений в Twitter по определенной тематике. Конечно, для этого можно было применить пошаговый алгоритм поиска инфлюенсеров, но он времязатратен и не очень-то эффективен для русскоязычного сегмента. В этот раз мы призвали на помощь надстройки для MS Excel.

Что такое NodeXL

Для решения задачи мы использовали надстройку для MS Excel под названием NodeXL. Устанавливается просто, требует .Net Framework. Так как этот инструмент работает через API Twitter, то он подвержен ограничениям. Среди них: парсинг не более 18000 твитов (всего, а не для одного аккаунта Twitter), ограничение на запросы количества «друзей» аккаунта и прочее. Полученные данные, как правило, имеют давность не более пары недель, то есть нельзя проанализировать, что происходило в Twitter год назад, разве что по запросу было очень мало активности на большом временном промежутке. Зато функционал NodeXL позволяет провести анализ и визуализацию связей аккаунтов. При первом запуске NodeXL следует дать доступ к работающему аккаунту Twitter, чтобы он получил доступ к API. Для этого в первый раз сервис нужно запустить, отметив первый чекбокс, как на картинке:

Сбор данных

Возьмем популярный 4-5 июля 2015 года хэштег #селфископом. В эти дни в Киеве начала работу новая патрульная служба, и селфи с охранниками правопорядка стало мастхев-фото в телефоне каждого киевлянина. Отправляем запрос NodeXL парсить Twitter по запросу #селфископом, но из-за кириллицы наш запрос в программе выглядит так: Ищем только тех людей, кто в своих твитах использовал этот тег, в «друзья» к ним не заглядываем, так как можно попасть на ограничения API. В итоге получаем таблицы:

Edges — это собственно твиты (от кого, кому, содержание, время, и прочее);
Vertices — аккаунты, за которыми была замечена нужная активность.

Генерируем предварительный график связей, чтобы визуализировать эти данные: Каждая точка — это аккаунт, который упоминал #селфископом. Каждая стрелка — связь между двумя аккаунтами (упоминание, ретвит, и так далее) Кольца, так называемые self-loop, — простые твиты без упоминания кого-либо, разговор «сам с собой». Стоит отметить, что таблицы NodeXL генерирует самостоятельно, а вот для построения графика нужно выбрать соответствующую опцию:

Анализ данных

Для решения нашей задачи мы анализировали далеко не все показатели, а только метрики по «входящим», «исходящим» связям и метрику eigenvector centrality, которая выделяет «важность» того или иного аккаунта для данной тематики. Включаем автозаполнение полей таблицы, чтобы в соответствии с «важностью» менялся размер точки на графике и подписывались имена аккаунтов. Заодно и отключаем отображение колец self-loop. После чего группируем все ноды (узлы аккаунтов) в кластеры: Обновляем нашу визуализацию: Каждый цвет - отдельная группа аккаунтов, которые имеют между собой определенную связь. Чтобы навести порядок, отделяем группы друг от друга, все «одиночки» (которые ни с кем не общаются, а просто вещают) попадают в отдельную группу: Сразу можно выделить явных «авторитетов»: usebassykyiv, lbagatska, radiosvoboda, pavlosheremt. Но есть и интересный аккаунт mmaxbot. Тоже множество связей, но вот авторитетности нет (обратите внимание на диаметр точки). Почему так? Потому что связанная с ним группа аккаунтов не имеет внешних связей, в то время как другие имеют связи между собой, то есть взаимодействуют не только с «центром». Это характерный симптом сети ботов. Ниже показаны связи между разными нодами: Группа аккаунтов справа — это пользователи, которые затвитили хэштег (возможно, сами сделали селфи с копом и выложили твит) без какой-либо связи с другими аккаунтами. Также можно отследить, как хронологически распространялся тег #селфископом пользователями Twitter. Для этого используем динамические фильтры (dynamic filters): При изменении значений этих фильтров визуализация будет динамически отображать только те связи, которые соответствуют данным параметрам. Подведем итог.