Twitter-dataa #Desutalksista
Suomalaiset conit kannustavat twiittamaan hashtagimainostuksineen, Twitter-läsnäolollaan ja twiittiseinillään, mutta Twitter-dataa ei ole taidettu analysoida tai ainakaan tuotu julkisuuteen pariin vuoteen. Liikkeenjohdon puolella on viisaus siitä, että se, mitä mittaat, on se, mitä saat. Tämän takia kannattaa mitata eurojen lisäksi myös laatua ja asiakastyytyväisyyttä. Conit eivät tee bisnestä, mutta sama oppi pätee niihinkin – eli jos kävijät halutaan twiittamaan, niin asiaa pitää mitata. Se on sitten eri kysymys, miksi ihmiset pitäisi saada twiittamaan, mutta se liittynee jotenkin yhteisöllisyyteen ja muihin aiheisiin joita en käsittele tällä kertaa.
Twitter-tilastojen esittelyn päättyminen johtunee siitä varmaankin siitä, että Twitter ”paransi” rajapintojaan eli teki datan hakemisen hankalaksi ja rajoitetuksi. Tämä varmaankin sen vuoksi, että Twitter meinaa tehdä bisnestä asian kanssa. joten ei ole järkevää tarjota dataa ilmaiseksi. Datan saamisen lisäksi data pitää muokata järkevään muotoon että sitä pystyy edes käsittelemään, mikä on todella nihkeää Excelin avulla. Sitten vielä havainnollisten ja näyttävien kaavioiden teko päälle, niin homma voi olla melko rasittava. Varsinkin jos se pitää tehdä joka conista erikseen.
Onneksi Vahvin tuntee vastuunsa Suomen coniskenestä ja halusi kokeilla, onnistuuko tietojen hakeminen. Valitettavasti kyllästyin siinä vaiheessa kun olisi pitänyt näyttäviä kaaviota rakentaa ja kätevää käyttöliittymää väsätä, mutta datan hakeminen, sen muokkaus ja erilaisten lukujen laskeminen kyllä onnistui. Joten olkaapa hyvät:
DesuTalksista puhuttiin oikeastaan vain DesuTalks-päivänä, mikä ei ole kovin yllättävää. Twiittejä tuolloin oli yhteensä 2071. Selvä pudotus twiittimäärissä näkyy reilun tunnin ruokatauon aikana. Twiittaus huipentui tapahtuman loppuun, jolloin kaikki kertoivat kuinka kivaa ja ihanaa oli. Yleinen trendi on myös twiittaustahdin hiipuminen iltapäivää kohti, mutta piikkejä on nähtävissä keskustelua herättävien ohjelmien alkamisen kohdalla, esim. klo 16:00-16:10 jolloin Petteri Uusitalo puhui Japanin lainsäädännöstä. Jos jaksaisi yhdistää ohjelmien aikataulut ja twiittimäärät, saisi laskettua tunnusluvun, jolla pistää ohjelmat paremmuusjärjestykseen.
Twiittaajista Anakichi oli selkeästi aktiivisiin, oli kyse kokonaismäärästä tai retweeteistä tai ihan puhtaista tweeteistä joista oli putsattu replyt ja retweetit pois. Deanmon ja muutama muu näyttivät erikoistuvan retweettaamiseen, kun taas Lammin Mikko piti orginaalia sisältöä kunniassa. Tästäkin saisi mielenkiintoisempaa, jos iskisi käyttäjäkohtaiset twiitit aikajanalle ja yhdistäisi ne ohjelmakarttaan, jolloin saisi selvitettyä, että mikä ohjelma oli kiinnostavin. Muutenhan tämä on vain ”bongaa-oma-naamasi”-tilasto.
DesuTalksin suosituin twiitti tuli tyypiltä joka ei ollut edes Talksissa. Jännittävintä kuitenkin on se, että tuo twiitti sai oikeastaan pelkästään faveja. Tästä seuraa syvällinen filosofinen kysymys siitä, mitä favella halutaan kertoa ja mitä taas retweetillä ilmaistaan? Mikko Lammi näkyy olevan paras twiittitehtailija, sillä hänen naamansa näkyy joka taulukossa 3 kertaa. Suosituimmat twiitit ovat sisällöltään vaihtelevia, mutta sekä huumorilla että oivaltavilla tilannepäivityksillä näyttäisi pääsevän kärkeen.
Suosituimmat kuvat olivat kauniita kaavioita ja hauskoja tyttöjä. Tämän kuvan vieressä oli myös hashtageihin liittyvä tilasto, mutta tätä kirjoittaessa tajusin että sen laskelmat ovat väärin, enkä jaksa korjata. Lisäksi hahmottelin WordCloudia, mutta en jaksanut vääntää siihen kivoja liukuvärejä, niin sekin jää julkaisematta. Mieleen tulee myös suhdekarttojen vääntäminen replyjen ja mentionien perusteella. Jatkokehitys on auki, mutta nämä samat tilastot ovat vedättävissä joka conista helposti.
Jatkokehitys ei koskaan lopu. Mutta kun minulla ei ole oikeastaan mitä tekemistä Desuconin tai minkään muun conin kanssa, niin tällä kertaa tämä jäi tähän vaiheeseen. Miksi sitten tein tämän? Tykkään siitä ajatuksesta, että otakut ovat teknologian edelläkävijöitä. Jos tätä jaksaisi kehittää, niin Suomen animeskenellä olisi kehittyneempi some-analyyttikka kuin suurimmalla osa yrityksistä (nollasta on helppo pistää paremmaksi). Kehittämiseen tosin tarvitaan teknisen osaamisen lisäksi ymmärrystä twiitteistä. Pitäisikö tuossa aikajanassa erotella twiitit ja retwiitit eri väreillä, koska retwiitit viestivät eri asiasta kuin normaalit twiitit? Lisäksi ymmäryksen saamiseksi pitäisi kerätä dataa useammasta tapahtumasta ja pidemmältä aikaväliltä systemaattisesti. Itseasiassa vasta isomman aineiston keräämällä analytiikka osoittaa todellisen arvonsa.
”Jos jaksaisi yhdistää ohjelmien aikataulut ja twiittimäärät, saisi laskettua tunnusluvun, jolla pistää ohjelmat paremmuusjärjestykseen.” Mitä suurempi twiittimäärä, sitä parempi ohjelma? Miksi olettaa, että kaikki twiitit ovat positiivisia? Tarvitaan myös twiittien sisällöllistä analyysiä.
Hyvä ohjelma herättää keskustelua. Twiittien sisältöanalyysi onnistuisi myös, mutta siihen kyllä tarvitsisi olla valmis kirjasto, jossa olisi lista positiivista ja negatiivisista sanoista. Lisäksi twiitit eivät ole mitään arvosteluita, jolloin neutraalit asiasta keskusteluvat kommentit eivät saisi pisteitä, mutta yltiöpäinen kaverin ohjelman kehuminen nostaisi arvoa. Vaatisi paljon hiomista.
Kiitos vastauksesta. Tarkoitin tosiaan, että herättäähän huonokin ohjelma usein keskustelua.