El novio ninja

Por sugerencia de Francesc Pujol (aka @NewsReputation) he actualizado el post con la propagación de los tuits incrustados (gráficas al final)

Cuando vi el tuit de Nic Vargus (photography, writing, videogames, and very inciteful jokes. formerly IGN. pretty big muscles. had a good tweet once.) tenía alrededor de 4.000 seguidores y había conseguido más de 110.000 RTs, alcanzando su objetivo.

Me pareció interesante analizar esta propagación, similar a la de @RosierBelen que analicé en el post El poder de difusión de un buen tweet, a fin de buscar patrones comunes.

El tuit Nic Vargus se publicó a las 19:50:13 UTC y a los 30 segundos @DestinLegarie (Editorial Producer, IGN. The opinions seen here are my own and not those of my employer. I’m a writer, video editor, host, and I do much more..) realizó el primer RT. A las 20:11:24 UTC, poco más de 21 minutos después, @JuanTapas2 hizo el primer RT desde España. La propagación se inició entre aficionados al vídeo-juego y al manga incrementándose cuando entraron en la difusión perfiles con muchos seguidores.

En la siguiente imagen interactiva se muestra la propagación durante los días 26, 27 y 28 de agosto. En la parte superior aparecen para cada hora los tuits y el alcance de los usuarios que hicieron los RTs, cada uno en una escala diferente. Los tuits oscilaron de 0 a 19.257 tuits/hora y el alcance llegó a un máximo de 17.634.777 seguidores/hora. La escala de ambas medidas está ajustada visualmente para permitir la comparación.

Como se puede observar, durante la tarde-noche del 26 de agosto la propagación fue continúa pero moderada, con un máximo de 672 tuits por hora. El día 27 a las 12:47 UTC @DrZurdo y @JotDownSpain hicieron RT y aumentaron la propagación por España. Pero el momento álgido de la propagación llegó cuando retuitearon a las 14:15 UTC @TheLadBible y a las 14:26 UTC @Sethrogen. Comienza a atenuarse la difusión hasta que aparece un repunte producido por @Mamasp00n, @LeoJaime y @gunsihombing.

En la parte inferior de la imagen se recoge cómo fue la propagación según la aplicación desde que fue realizado el RT. Queda patente que la difusión se realizó desde dispositivos móviles siendo mayoría Twitter por iPhone y Twitter for Android. La tercera opción más usada fue Web client, posiblemente desde terminales fijos. El resto de opciones fueron testimoniales.

Resulta curioso que siendo mucho más usado Android que iPhone en los terminales móviles supere Twitter por iPhone a Twitter for Android salvo el día 27 de las 12:00 a las 13:59, que casualmente coincidió con la propagación en España debida a @DrZurdo y @JotDownSpain. Es posible que los amantes del video-juego, youtubers y manga tengan preferencias por iPhone salvo en España :-). También sorprende como la proporción del tipo de aplicación usada se mantenga en el tiempo.

Por sugerencia de Francesc Pujol (aka @NewsReputation) he examinado la propagación vía tuit incrustado, nueva modalidad de compartir tuits haciendo un comentario. Este tipo de tuits no son RTs pero influyen en la propagación.

De la gráfica resultante se pueden obtener algunas conclusiones como que el usuario @LubaTV pudo influir en el pico que se produjo el día 27 a las 14. El usuario @IGN también pudo influir en el repunte del día 27 a las 19 pero que @Twitter con 45 millones de usuarios influyó poco en la propagación.

Conclusiones:

  1. Al igual que en la propagación de @RosierBelen el mensaje se propagó por su contenido pero sin la ayuda de los RTs de usuarios con muchos seguidores no podría haber alcanzado tanta difusión.
  2. Además del alcance que da a conocer el tuit es muy importante cómo de cerca llega el tema al usuario que lo lee. En este caso encontró terreno abonado en usuarios aficionados al video-juego, a los youtubers y al manga, un perfil de usuario joven y muy activo en Twitter.
  3. Una vez más se constata que el alcance no lo es todo. El usuario @LubaTV con 433K de seguidores propagó proporcionalmente más que Twitter con 45 millones de seguidores porque su audiencia se identificaba mucho más con el contenido del mensaje.
  4. La viralidad está en movilidad, un tema interesante para generar contenidos adaptados al móvil.
  5. Sorprende que este tipo de perfil, joven y por tanto sin mucho poder adquisitivo tuiteen mayoritariamente desde teléfonos iPhone.

Metodología:

  • Los tuits se obtuvieron en el método GET /search/tweets de la API REST.
  • De los 110.000 RTS del tuit que había en el momento de la consulta, la API entregó 106.110 RTs, el 96% del total de la muestra.
  • Se han procesado los tuits para calcular para cada minuto el número de mensajes y el número de seguidores que tenían los que publicaron en ese minuto.
  • Se ha utilizado tableau para visualizar estos datos.
Si te ha gustado, ¡compártelo!Share on FacebookTweet about this on TwitterShare on LinkedInShare on Google+

You may also like...

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *