Netzwerke auf Twitter analysieren: welche Kennzahlen gibt es?

Vor einigen Wochen haben wir euch gezeigt, wie einfach es ist, Informationen über die Twitter API zu erhalten. Im nächsten Schritt betreiben wir eine Netzwerkanalyse auf Twitter.

So geht die Analyse eines egozentrierten Netzwerks auf Twitter

Egozentriert heißt, dass wir von einem bestimmten User/einer bestimmten Userin ausgehen und deren/dessen Netzwerk analysieren. Für das folgende Beispiel verwenden wir den Twitter-Account der Wiener Wochenzeitung „Falter“ (@falter_at).

Screenshot des Twitter-Profil von falter_at, dessen Netzwerk analysiert wurde

@falter_at hat über 31.000 Follower, folgt selbst aber nur 68 Accounts. Diese wenigen Accounts stehen im Fokus des folgenden Blogposts.

Wir beantworten dabei folgende Fragen:

  • Wie dicht ist das Netzwerk?
  • Wie viele Teilnetzwerke bestehen darin?
  • Und wer sind die wichtigsten Accounts in diesem Netzwerk?

Wie werden die Daten fürs Netzwerk erfasst?

Die Daten zur Berechnung der Netzwerkanalyse beziehen wir über die Twitter API. Hier kommt das Programm RStudio mit dem Packages rtweet und iGraph zum Einsatz. rtweet ermöglicht, die Daten von Twitter zu holen. Mit iGraph werden die netzwerkanalytischen Berechnungen durchgeführt.

Wenn wir die 69 Accounts (also @falter_at und die 68 Accounts, denen @falter_at folgt) als Netzwerk analysieren wollen, müssen wir dafür folgende Grundannahme treffen: wir haben es mit einem gerichteten Netzwerk zu tun. Das heißt, die Verbindungen zwischen zwei Accounts bestehen nicht bidirektional. Also z.B. @falter_at folgt @HannoSettele, aber HannoSettele folgt @falter_at nicht. Wenn wir diese Daten als Netzwerk visualisieren, entsteht ein dichtes Bild an Accounts, die mit Pfeilen zueinander verbunden sind. (Nerd-Fact: Visualisiert wird hier mit dem Fruchterman Rheingold Algorithmus.)

Visualisiertes Netzwerk der Friends von falter_at

Was lässt sich im Netzwerk berechnen? Die Kennzahlen.

Die Visualisierung ist ein Weg, etwas im Netzwerk zu zeigen. Zum Beispiel sehen wir in dem oberen Bild, dass sich viele Accounts auch gegenseitig folgen. Das lässt sich aber auch beziffern.

Kanten-Dichte

Die Maßzahl, um zu beziffern, wie dicht ein Netzwerk ist, ist die Kanten-Dichte. Unter Kante verstehen wir einen Pfeil, der zwei Accounts verbindet. Folgen sich zwei Accounts gegenseitig, wie es z.B. bei @falter_at und @radiofm4 der Fall ist, gibt es also eine Doppelkante. Die Kanten-Dichte berechnet nun den Anteil der bestehenden Kanten an allen möglichen Kanten. In unserem Beispiel liegt der Wert bei 39,49%.

Teilnetzwerke

Sogenannte Zusammenhangskomponenten geben einen Einblick darüber, wie viele Teilnetzwerke innerhalb eines Netzwerks bestehen. Hier können wir zwischen gerichteten und ungerichteten Analysen unterscheiden. Im Beispiel für @falter_at besteht das Netzwerk, wenn wir die Richtung der Kanten außer Acht lassen, aus einer Zusammenhangskomponente. Betrachten wir zusätzlich die Richtung der Kanten, haben wir es mit sechs Zusammenhangskomponenten zu tun.

Prestige

Das Prestige misst, wer der wichtigste Account innerhalb eines Netzwerks ist. Hier wird zwischen zwei Maßzahlen unterschieden. Das indegree-Prestige misst, wie viele Accounts innerhalb des Netzwerks einem bestimmten Account folgen. In unserem Beispiel sind die Top 5:

  1. @Armin Wolf (ihm folgen 56 der 69 Accounts im Netzwerk)
  2. @Florian Klenk (54)
  3. @Robert Misik (51)
  4. @Ingrid Brodnig (49)
  5. @Barbara Tóth (46).

Das Rangprestige erweitert das indegree-Prestige dahingehend, dass nicht jedeR FollowerIn gleich viel wert ist. Follower, die selbst viele Follower haben, werden dabei höher gewichtet, als Follower, die selbst keine oder wenige Follower haben. (Nerd-Fact: Google verwendet diese Logik auch beim PageRank.) Betrachten wir abermals die Top 5 verschiebt sich das Bild:

  1. @Armin Wolf (Rangprestige liegt beim Maximum von 1,0)
  2. @Florian Klenk (0,9705)
  3. @Ingrid Brodnig (0,9221)
  4. @Robert Misik (0,9026)
  5. @Barbara Tóth (0,8897)

Was wir daraus lernen?

Interessant sind diese Analysen, wenn mehrere Accounts miteinander verglichen werden. Eine andere Möglichkeit ist, nicht nur das Netzwerk inklusive dem Ego (in unserem Beispiel inklusive @falter_at) zu analysieren, sondern es auch ohne diesen Account zu betrachten und zu überprüfen, inwiefern sich Kennzahlen verschieben.

Beim Vergleich mehrerer Accounts zeigt sich dann z.B., dass ein Account mehr Teilzielgruppen ansprechen kann, wenn sein Netzwerk in mehr Zusammenhangskomponenten zerfällt. Die Kanten-Dichte wiederum zeigt den Stellenwert innerhalb der prolongierten Twitter-Blase an. Das Prestige gibt außerdem einen validen Einblick in Influencer-Analysen. Viele Möglichkeiten also, wie die DatenwerkerInnen die Social Media Beratung mit Daten untermauern.

Dich interessieren Netzwerkanalysen? Du brauchst Analysen bestimmter Netzwerke? Melde dich bei uns unter office@datenwerk.at, wir helfen dir gerne weiter!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Webseite verwendet Cookies. Mit der Nutzung der Seite stimmen Sie der Verwendung von Cookies zu. Mehr Informationen zu Cookies.
Ich habe den Hinweis gelesen.
x