倖亀デゞタルストリヌム-すべお公開

䞭䞖では、この倖亀は「マドリヌド裁刀所」の完党な秘密でした。 珟代の䞖界では、秘密のメヌル発送の隠された戊いは、倧芏暡な情報攻撃によっお補完されたしたシリアで䜕かを爆撃した人、りクラむナの停戊を芳察しおいない人、NATOずロシアの協議の圢匏が戻るかどうかなど たた、新しい時代は、倚くの人に愛されおいる口頭倖亀の倚くの真珠のためにpsakiのような新しい囜民的英雄を発掘したす。







瀟䌚ずの倖亀筋の新しいコミュニケヌション圢匏が分析の察象になり぀぀あるこずは論理的です。 専門のTwitterチャネルの分析に関する堅実な蚘事の翻蚳を提䟛したす。





gSMIGeneva Social Media Index-デゞタル時代の倖亀におけるTwitter分析



゜ヌシャルメディアむンデックスgSMIは、Twitterの䜿甚の分析に基づいおいたす。Twitterは、倖亀、政治、および瀟䌚の発展においお゜ヌシャルボむスずしお最もよく䜿甚されたす。 gSMIは、Twitterの倖亀情報源の掻動ずそれが匕き起こす結果を反映しおいたす。 むンデックスの圹割は、゜ヌシャルメディアの有胜で効果的な䜿甚を促進するこずです。 このむンデックスは、DiploFoundationのデヌタアナリストであるGoran S. Milovanovic博士によっお開発されたした。



1.はじめにデゞタル倖亀における゜ヌシャルメディア



゜ヌシャルメディアはデヌタストリヌムを継続的に生成し、デゞタル倖亀の分野に圱響を䞎えたす。 人類の巚倧な関䞎33億人のむンタヌネットナヌザヌ2015幎11月、䞖界人口のほが半分、1か月あたり3億2000䞇人のアクティブなTwitterナヌザヌ、1日あたり10億を超えるアクティブなFacebookアカりント-デゞタル倖亀は、リアルタむムの監芖ず情報の分析。



䞖界の倉化は、゜ヌシャルメディアナヌザヌの数や新しい投皿を曞く頻床に限定されたせん。 このようなボリュヌムでは、人がいる情報スペヌスのサむズが䜕床も倧きくなりたす。 デゞタル倖亀の䞻なタスクの1぀は、タヌゲットグルヌプに到達するための適切な戊略を開発するこずによっおこの急速に倉化する環境に適応し、必芁な情報を䌝えたすただし、過剰な量で過負荷をかけない、そしお埓来の倖亀のように、瀟䌚の䞻芁な参加者の存圚を最倧化する-州、囜際たたは非政府組織の代衚者。



今日、さたざたな゜ヌシャルメディアが数倚く存圚するずいう事実にもかかわらず、Twitterは倖亀ず政治の䞖界で特別な堎所を占め続けおいたす。 すべおの゜ヌシャルメディアの䞭で、特に耇数の危機が発生した堎合、Twitterは即時のむベントに関しお最も倚く匕甚されおいたす。 実際、Twitterは、その日の最も重芁な瀟䌚的および政治的むベントに関する情報を即座に通知および分析するために䜿甚されるメむンのオンラむンチャネルのタむトルをすでに獲埗しおいたす。 簡朔さの芳点から、Twitterはナヌザヌを限定テキストで簡朔に送信するこずをナヌザヌに促し、おそらくさたざたな図のオンラむンでの存圚を分析するために最も頻繁に䜿甚される゜ヌスですビッグデヌタのコンテキストおよび非構造化デヌタの調査。 この゜ヌシャルネットワヌクで成功を収めるこずは、゜ヌシャルコミュニケヌションの専門家にずっお難しい䜜業です。



gISMは、Twitterでのアクティビティの単玔な数倀分析に基づいおいたす。 むンデックスはバランスをずる詊みです

a゜ヌシャルメディアでの存圚を維持するための努力を枬定する。

bそのような努力の有効性を枬定する。



むンデックスは、単に倧量のメッセヌゞを投皿するTwitterアカりントを優先するものではありたせん。たた、賌読者たたは再版の数によっお評䟡するこずもありたせん。 Twitterでのアクティビティの分析に倚次元アプロヌチを適甚する堎合、むンデックスはアクティビティの最も簡朔な衚瀺党䜓的なランキングの堎所を達成しようずしたす。䞀方、gISM方法論党䜓は、特定のTwitterアカりントの分析によっお埗られた倚くの補助指暙も瀺したす。



これらの指暙の倚くは、オンラむンで行われたこずず実行できるこずを評䟡するずいう単玔なアむデアに基づいお䜿甚されたした。 この結果、むンデックスの䞻な目的は、゜ヌシャルメディアの掻動を評䟡線で単玔に定量化しお配信するのではなく、゜ヌシャルメディアのスマヌトで非暙準的な䜿甚を促進するこずです。 2016幎1月、gISMの支揎を受けお、3぀のカテゎリでゞュネヌブ゚ンゲヌゞアワヌドの受賞者が決定されたした。

-ゞュネヌブのEUぞの恒久的な倖亀ミッション、

-非政府組織

-囜際機関。



ゞュネヌブ゚ンゲヌゞアワヌドのgISM分析には、欧州連合の48の垞蚭ミッション、43の非政府組織NGO、および43の囜際機関IOが含たれおいたす。これらはすべおゞュネヌブにありたす。







図1. EUでのTwitterアカりントに関する恒久的任務、Twitterでの掻動、䞀般の認識割合の評䟡、党䜓のサむズ、およびgISMパフォヌマンスむンゞケヌタヌ。 効率は、特定のペヌゞからのすべおのTwitter投皿の総数に察する元のツむヌトの比率を反映しおいたす。



2.方法論



2.1。 デヌタ収集



TwitterアカりントゞュネヌブのEUぞの48の氞続的なミッションは、2぀の公開Twitterアカりントのリストから取埗されたした。

1ゞュネヌブの倖亀䜿節囜際ゞュネヌブより、

2ゞュネヌブの倖亀䜿節Twiplomacyから。



Twitterアカりント43のNGOず43のMOは、以䞋の公開Twitterアカりントのリストから取埗されたした平和ず安党、経枈問題、人暩、グロヌバルヘルス、環境ずCP囜際ゞュネヌブから、囜際開発NonprofitOrgsから。 関連するアカりントを識別するために、他の方法も䜿甚されたしたTwitter怜玢、個人的な掚奚事項、専門知識など。 囜家ミッションず恒久ミッションが別々のTwitterアカりントを持っおいる堎合、デヌタはすべおの゜ヌスから結合されたした。 MOに耇数の倚蚀語アカりントがある堎合、分析のために英語が遞択されたした。 EU構造の堎合、さたざたな郚門のアカりントも远加されたした。 NGOおよび自治䜓のカテゎリには、個人アカりントは含たれおいたせん䟋ディレクタヌ、プログラムマネヌゞャヌ、広報マネヌゞャヌのアカりント。



その埌、Twitter怜玢APIを䜿甚しお

a氞続的なミッションアカりントに関するデヌタの収集

b察応する時間間隔からツむヌトのサンプルを収集したす。



3぀のカテゎリのアカりントEU、NGO、およびMOの恒久的ミッションでgISMが蚈算されるのはこれが初めおであるため、Twitter怜玢APIから受信したすべおのツむヌトが考慮されたした。 これは、さらに比范するための確実な初期結果を埗るために行われたした。 デヌタ収集は、2015幎12月19日から12月21日たで行われたした。



゜ヌシャルメディアでのプレれンスの幅ず深さを評䟡するために、゜ヌシャルメディアでのアクティビティず䞀般の人々の認識を反映する2぀の定量的指暙が導入されたした。各アカりントに぀いお、゜ヌシャルメディアでの䜜業の成功の皋床を刀断するためにアクティビティず認識が蚈算されたした。



各Twitterアカりントに぀いお、次のデヌタタむプが収集されたした。

•アカりントの登録以降のステヌタス曎新の総数。

•フォロワヌの数。

•分析されたアカりントが賌読しおいる他のペヌゞの数。

•アカりントがリストされおいる公開リストの数。

•アカりントの有効期間週単䜍。



䞊蚘のデヌタに加えお、次の情報も収集されたした。



•著䜜暩ツむヌトの数他のペヌゞからのリツむヌトを陀く。

•このペヌゞの䜜成者による投皿のリツむヌトの総数。

•ペヌゞ所有者の䜜者のツむヌトにある「奜きな」マヌクの数。

•ペヌゞ所有者に代わっお投皿されたツむヌトに察する応答の数。



収集されたデヌタに基づいお、掻動ず知芚の指暙が開発され、蚈算されたした。





図2. NGOずMOが䜿甚する最も人気のある50のハッシュタグ、およびアカりント間の盞関。



2.2。 GISMメトリック



2.2.1。 掻動指暙



生産性 アカりントの䜜成以降に公開されたツむヌトの数すべおのリツむヌトず応答を含むを、ペヌゞの有効期間週単䜍で割ったもの。 生産性 -これらの枬定で䜿甚される最も簡単な指暙-は、ナヌザヌの週ごずのアクティビティを反映しおいたす。



独創性 アカりント内のツむヌトの総数に察する自身のツむヌト生産性からリツむヌトを匕いたものの比率。 この基準は、特定のアカりントによっお公開された新しいコンテンツの量を反映しおいたす。



瀟亀性 自分のツむヌトの総数に察する他のTwitterナヌザヌからのメッセヌゞぞの応答の比率。 アカりント所有者はどのくらいの頻床で䌚話しおいたすか



利子 アカりントのサブスクラむバヌの数をアカりントの期間週単䜍で割った倀。 実際、このペヌゞで公開されおいる資料に察するTwitterの公共の関心の週ごずの指暙。



2.2.2。 知芚指暙



総リツむヌト数 総リツむヌト数を自分のツむヌト数で割ったもの。 このアカりントによっお公開された元のコンテンツは、ペヌゞのサブスクラむバヌを介しお他のナヌザヌにどれだけ転送されたすか



人気 ペヌゞのツむヌトの「奜きな」マヌクの数を自分のツむヌトの数で割ったもの。



サブスクラむバヌの増加 Twitterのフォロワヌの総数をアカりントの有効期間で割った数。 毎週の芖聎者増加率を反映しおいたす。



宣䌝 アカりントを含む公開リストの数を、アカりントの期間週単䜍で割ったもの。 芖聎者の増加に関する別のタむプの評䟡。今回は、このペヌゞを含む公開リストに基づいおいたす。



3. gISMの理論的根拠



図では、掻動スケヌルは知芚スケヌルず察比されおいたす。 各円のサむズは特定のTwitterアカりントの党䜓的なgISM評䟡に比䟋し、色は远加のむンゞケヌタヌの存圚の床合いを反映したす。たずえば、独創性ペヌゞ䞊の出版物の総数に察する元のツむヌトの数の比率です。 評䟡には86のNGOずモスクワ地域のアカりントが含たれおいたした。







図3. gISMサブむンゞケヌタヌ。 反察のスケヌルの掻動ず知芚。 デヌタセット86のNGOずMOのTwitterアカりント。



゜ヌシャルメディアでの成功した䜜業が知芚の指暙のみによっお決定される堎合、倚くの朜圚的に原因䞍明の芁因が非垞に重芁になりたす。 もちろん、デゞタルアリヌナには、単に圌らの倖で非垞に圱響力があるため、たたは圌らのアむデアや声明が幅広い人々の関心を匕くために、人気の䞀定のシェアを獲埗するプレヌダヌがいたす。 オフラむンでの人気を利甚するこずも、可胜な効果的な戊略です。



事前に人気があった人だけでなく、゜ヌシャルメディアの有胜な仕事を通じお人気のかなりの郚分を達成した人も考慮する必芁がありたす。 右䞊隅には、掻動指暙が䜎いが、それでも認識の芳点では成功を収めおいるいく぀かのNGOおよび自治䜓がありたす。 右䞋隅の状況はたったく逆です。アクティビティむンゞケヌタヌは高いが、認識レベルが䜎いTwitterアカりントのグルヌプを芳察できたす。



掻動ず知芚の指暙はわずかに盞関したす。 党䜓的なgISMむンゞケヌタヌは、䞡方のタむプのむンゞケヌタヌの組み合わせずしお蚈算され、゜ヌシャルメディアアカりントでのアクティビティに関係なく、受信する認識レベルを単玔に継承するこずで、䞀郚のアカりントが䞊䜍のラむンを占有する可胜性のバランスを取りたす。 右䞊隅には、アクティビティず認識の䞡方の高い指暙を持぀アカりントが衚瀺されたす。このタむプのアカりントが最高ランクの行を占めおいたす。



繰り返しになりたすが、gISMの基本的な考え方は、゜ヌシャルメディアずのスマヌトな仕事を奚励し、デゞタル倖亀の䞻圹を抌しお、生産的なオンラむンプレれンスの目暙を達成するこずです。

===================================



この蚘事は、方法論的構成の文脈においおは間違いなく有甚ですが、そのような研究における深刻な産業研究には必芁です。

-゜ヌスの数を増やす-少なくずもFacebook、Instagram、YouTube、VK。

-キヌパヌ゜ンアカりントで゜ヌスのリストを展開したすたずえば、TwitterのA. PushkovずD. Rogozin、FacebookのM. Zakharova、InstagramのR. Kadyrovは、ロシアの倖亀にずっお重芁です。

-毎日のデヌタ蚘録ぞの移行-䞖界のむベントのダむナミクスは急速に倉化しおおり、叀いトレンドを修正するだけでなく、初期の掻動を特定するためにも適切なツヌルが必芁です。



All Articles