Как в твиттере поменять тему: Как включить новую тёмную тему в Twitter на Android

Предварительная обработка данных в приложениях, связанных с интеллектуальным анализом данных, является обычной практикой, но также неизбежна в задаче обнаружения событий Twitter. Эта задача включает в себя такие части, как нормализация данных, удаление зашумленных данных и исправление. Задачи НЛП требуют грамматически правильного текста с определенными свойствами. Предварительная обработка — одна из основных частей подзадач анализа больших социальных данных. Короткие твиты, передаваемые через службу Twitter, как описано выше, должны быть обработаны, чтобы быть готовыми к дальнейшим вычислениям обнаружения событий.Удаление стоп-слов и знаков препинания является важным шагом в предварительной обработке задач интеллектуального анализа данных, связанных с обработкой естественного языка [38]. Также необходима идентификация URL-адресов и смайлов. Регулярные выражения могут использоваться для обнаружения URL-адресов в коротких сообщениях.

В некоторых случаях стемминг также применяется для объединения обработанных слов, в то время как слова, не относящиеся к целевому языку, также исчезают в этом процессе. Устранение слов, не относящихся к целевому языку, помогает улучшить извлеченную тему, чтобы она была на целевом языке. Токенизация — это еще одна часть предварительной обработки, которая присваивает уникальные токены каждому слову в твите. Эта часть предварительной обработки более важна в моделях, связанных с TF-IDF (Term Frequency-Inverse Document Frequency).

Некоторые методологии, такие как EvenTweet [26], используют проверку WordNet [39] как часть предварительной обработки. Этот поиск по словарю WordNet улучшает правильность предварительной обработки вывода; таким образом, в задаче обнаружения событий не будут использоваться неанглийские и некорректные слова. Сленговый перевод также используется для перевода слов, сгенерированных пользователем, в их формальное значение. NoSlang Веб-сайт также является обычным инструментом для решения этой задачи [40].

Общие процессы поиска информации из Twitter или любых других сетевых источников данных требуют специальных методов предварительной обработки. Один из этих методов — удаление нежелательных и ненужных наборов символов, таких как теги HTML. Иногда эти бесполезные наборы символов кажутся полезными (в случае кодирования и важной информации, связанной с данными). Пробелы и знаки препинания, которые также называются пробелами, должны быть отсортированы.Примером таких случаев является кандидатов наук. с неоднозначным окончанием предложения; другой пример — $ 5,79 .

Основные понятия чистого и ясного текста — это Word Token и Word Type . Первый относится к вхождениям слов, которые пронумерованы, в то время как последний подразумевает уникальные слова, которые являются записями таблицы, называемой списком словаря . Токенизация текста — это задача обработки естественного языка, направленная на разметку слов и присвоение им уникальных номеров в предложении, которые позже будут использоваться такими задачами, как выделение корней или часть тегов речи.

Как уже говорилось, предварительная обработка является важной и неизбежной частью любого алгоритма обработки естественного языка, и в случае задачи Twitter TDT она также востребована.

5. Задача обнаружения и отслеживания событий в Twitter

Задача обнаружения и отслеживания событий в Twitter — это хорошо изученная исследовательская проблема. В этом разделе подробно описаны подходы, применяемые к этой проблеме.

5.1. Обнаружение событий в Twitter: методологическая категоризация

Обнаружение и отслеживание событий в большинстве случаев состоит из известных методов интеллектуального анализа данных, которые ранее использовались в различных областях.Такие алгоритмы и методы сочетаются с методами НЛП для получения лучших результатов по сравнению с процессом тестирования алгоритмов. В этом подразделе мы попытаемся классифицировать существующие алгоритмы для этой задачи в зависимости от используемых методов интеллектуального анализа данных и НЛП.

5.1.1. Bag of Words Методы

Включающие методы этой категории в основном используют метрику для извлечения последней темы, связанной с твитами, и любые другие особенности предложения, такие как его часть речевых тегов, не принимаются во внимание. Частота документа с обратной частотой термина, сокращенно обозначаемая как, является общей метрикой среди большинства методов обнаружения или извлечения тем и описывается как (1) и (2).Соответственно, и в этих уравнениях относятся к термину и документу, которые в последнем случае можно рассматривать как единый документ, содержащий более одного твита, возможно, пару твитов или только один твит, который также может называться сообщением. Кроме того, представляет подсчет вхождений термина в документ / сообщение, а означает подсчет документов / сообщений, которые имеют по крайней мере одно вхождение.

Метрика подобия используется для сравнения двух отдельных твитов в [41].Эта метрика подобия, описанная в (3), используется как функция оценки для группировки новых сообщений; сообщение, не принадлежащее ни к какой группе, считается новой группой. Новые группы заполняются в порядке классификации новых сообщений по функции оценки. Чтобы избежать сообщений, не связанных с первым в группе, все сообщения сравниваются с первым сообщением и верхними k сообщениями.

Другой метод, описанный в [12], представляет новую архитектуру для задачи TDT, связанной с новостями, от Twitter.В этой архитектуре для выполнения этой задачи используется косинусная мера сходства вместе с TF-IDF-представлением твитов. Эта мера сходства вычисляется между твитом t и кластером c . Уравнение (4) показывает соответствующее математическое выражение. Векторы признаков и получаются из модели сообщений. Затем к этой мере сходства применяется гауссовский аттенюатор, чтобы учесть влияние временного измерения на кластеризацию. Этот вес гарантирует, что старые кластеры и сообщения не будут искажены.Эта архитектура использует отобранных вручную пользователей, которые с наибольшей вероятностью будут публиковать новости, а также систему выборки и отслеживания.

Модель BNgram , которая представлена ​​в [15] вместе с классификацией тональности и частью речевых тегов, формирует систему обнаружения трендовых тем. Модель BNgram в этом исследовании похожа на [41] с небольшими отличиями, которые подразумевают фактор повышения. Если этот коэффициент установлен на 1,5, тогда модель n-грамм содержит именованный объект; в противном случае это небольшое число, и соответствующая модель не содержит именованного объекта.На основе n -грамм TF-IDF все твиты оцениваются и на основе этих оценок затем группируются в соответствующие кластеры. Этот процесс оценки и кластеризации выполняется во временных окнах, и на каждом временном шаге твиты, относящиеся к временному окну, сравниваются с другими, которые были опубликованы ранее. Предлагаемый метод был обучен на некоторых специально подобранных наборах данных, собранных из Twitter API, которые были связаны со спортом (Чемпионат мира по крикету 2015 г.), медициной («Свиной грипп» 2015 г.) и счетами (Закон о приобретении земли).По сравнению с частыми методами исследования паттернов этот метод кажется более простым алгоритмом с точки зрения программной реализации с хорошими результатами с точки зрения выходных тем в некоторых случаях, которые постыдно не выражаются как F-мера, точность, отзыв или какие-либо связанные показатели. Единственный инструмент для работы с большими данными в социальных сетях, который использует этот метод, — это Lucene для индексации ключевых слов.

«Бибера больше нет!» — это заголовок другой статьи в этих критериях, в которой используется простой ближайший сосед среди хэштегов твитов, чтобы найти несходство ранее увиденных событий и новых [16].Эта первая система обнаружения историй использует Википедию в качестве источника информации. Википедия — это многоязычный веб-проект энциклопедии с бесплатным контентом, поддерживаемый Фондом Викимедиа и основанный на модели открытого для редактирования контента. Просмотр страницы Википедии помогает узнать, произошло ли событие недавно или это просто ложное срабатывание, обнаруженное этой системой. Простое использование ближайшего соседа среди хэштегов нескольких твитов и использование Википедии расширены до многопоточной системы обнаружения первой истории.Эта система работает так же, как и обнаружение первого сюжета в одном потоке, с той лишь разницей, что моделирование в векторном пространстве. Это моделирование векторного пространства между твитами и страницами Википедии проверяет следующее: если происходит какое-либо новое событие, оно отражается как выбор просмотров страниц пользователя в Википедии; если это было ложное срабатывание, выбор на странице, связанной с Википедией, не происходит.

Еще одна система обнаружения первого сюжета предложена в [14]. Эта система использует улучшенную версию хеширования с учетом местоположения (LSH) на расстоянии от точки запроса для обнаружения первой истории Twitter.Ограничение времени и пространства узкой проблемой поиска ближайшего соседа. Эта проблема возникает, когда огромное количество пользовательских твитов публикуется в день, и цель состоит в том, чтобы выяснить, указывают ли они на новую историю / событие или на ранее просмотренную; сохранить все эти данные и найти ближайшего соседа между ними практически невозможно. Ограничение времени относится к использованию временного окна вместо вычисления всех данных за все времена, в то время как ограничение пространства указывает на решение этой проблемы среди ограниченного количества твитов. Сходство твита с предыдущими показывает, новый он или нет, и эта задача помогает предлагаемой системе открыть новую историю или оставить ее такой, какой она была.

Другой способ получения ответов на вопрос 4-W, Who , What , When , и Where , предлагается в [42], который использует новый метод представления данных, называемый именованным вектором сущностей . Этот вектор представления данных вместе с вектором членов интегрируется как смешанный вектор для получения результатов.

Термин частотно-обратная частота документа (TF-IDF), комбинированный компонентный подход (CCA) и тематическая модель Битерма (BTM) — основные подходы, рассматриваемые в [35].Авторы стремятся решать тенденции ранжирования с использованием этих моделей и функций.

5.1.2. Вероятностные модели и классификаторы

Вероятностные тематические модели и классификаторы, описанные в этом разделе, используются для моделирования и классификации наборов данных Twitter или линий оптимизации. Один из этих подходов, представленный в [23], использует наивный байесовский классификатор, называемый NB-Text, для удовлетворения этого требования. Этому вероятностному методу обучено более 2600000 сообщений Twitter, аннотированных людьми и опубликованных в 2010 году.Этот набор данных помечен для этапов обучения и тестирования. Во-первых, классификатор под названием RW-Tweet обучен различать события реального и нереального мира. Инструментарий Weka [43] вместе с извлеченными функциями уровня кластера используется для обучения модели классификации. Этот наивный байесовский классификатор обрабатывает все сообщения в кластере как единый документ и использует метрику TF-IDF как функции. В этом классификаторе используются функции событий на уровне кластера, такие как временные, социальные, центральные и тематические функции Twitter.

TwitterStand — это название другой системы, предложенной в [12], которая группирует события с помощью наивного байесовского классификатора. Это может иметь дело с шумом и фрагментацией. Шум, по мнению авторов, — это кластеры, не относящиеся к реальным событиям; таким образом, вместо обычных пользователей используются надежные источники новостей в качестве семян, что ослабляет эту систему. Это предположение верно, когда источники новостей публикуют новости в режиме реального времени, но природа социальных сетей доказала, что пользователи — это реальные люди, которые оказались участниками события или бедствия.С другой стороны, фрагментация относится к повторяющимся кластерам, которые означают одно и то же событие. Периодическая проверка повторяющихся кластеров решает эту проблему в системе. Геолокация событий этой системы делает ее сильнее и полезнее.

5.1.3. Формальный концептуальный анализ

Формальный концептуальный анализ использовался [17] неконтролируемым образом. Набор данных RepLab 2013 [44] используется для оценки этой системы. Формальная концепция, как известно из литературы, — это подход к нахождению взаимосвязей между данными, который почти скрыт по своей природе. Это отношение может быть определено между объектами и их атрибутами. Экстент : если мы видим A как набор объектов (набор элементов), то он называется экстентом Намерение : если B является набором всех атрибутов набора A, то оно называется намерением

Формальный анализ концепции в таким способом является формализация расширения и намерение найти наиболее связанные элементы, которые обладают важными атрибутами в общей сумме.

В [17] твиты рассматриваются как объекты, а их термины — как атрибуты, что делает эту методологию очень похожей на методику, описанную в Разделе 5.1.4 как методы FPM. Предлагаемый метод пытается найти концептуальных решеток в неструктурированных данных твитов, что показывает хорошую надежность и чувствительность. Набор твитов в предлагаемой настройке этой работы считается объектами, а термины (слова) — атрибутами. Отношение указывает на то, что в твите использовался термин. Формальные концепции, извлеченные из решетки концептов, показывают темы. Некоторые из этих концепций отбрасываются, чтобы иметь лучшую тему. С помощью этой методологии можно вычислить небольшую решетку понятий и термины, в то время как больший размер корпуса и твитов и огромное количество терминов приводят к огромной решетке.В таком случае требуется стратегия выбора термина, чтобы сузить эту проблему. Большинство стратегий выбора общих атрибутов отбрасывают наименьшее количество общих атрибутов (терминов). Эта сбалансированная версия алгоритма использует периодичность каждого атрибута. Этот термин «частота» показывает порог выбора, какой термин следует использовать в решетке понятий. На каждой итерации выбираются термины с наивысшим значением, а объекты (твиты) с менее чем двумя терминами в своих атрибутах отбрасываются. Последняя итерация этой тонко настроенной стратегии выводит атрибуты с наивысшим значением и объекты, которые ими обладают.Последний шаг этой структуры — фактически создавать темы из этих решеток. Однако предыдущий шаг сократил потенциальные решетки понятий, чтобы стать кандидатами на окончательную тему. Концепция стабильности, которая была ранее предложена в [45], показывает, насколько намерение концепции зависит от объектов, доступных в степени. Это сокращение при сохранении стабильности помогает сформировать тему.

5.1.4. Методы частого анализа паттернов

Частые методы анализа паттернов были применены к задаче TDT в Twitter.Частый анализ шаблонов (FPM), на что указывает его название, представляет собой концепцию поиска часто встречающихся наборов элементов в базе данных или любом связанном хранилище данных. Простой пример этих часто повторяющихся паттернов описывается как набор кофе и пончиков, которые в большинстве случаев покупаются вместе [46].

В [19] алгоритм FPM представлен для автономного набора данных Twitter и сравнивается с другими относительными исследованиями. Алгоритм FP-роста с небольшими изменениями и использованием метрики сходства применяется для формирования набора связанных твитов, образующих тему.Паттерны взаимодействия между терминами, которые больше двух, составляют основной вклад в эту работу. Три фазы выделения темы в этом методе — это выбор термина, формирование вектора совпадения и постобработка. Первый этап указывает на то, что вероятность появления терминов в корпусе является серьезной проблемой. Вероятность, такая как полученная на этом этапе, и между новым корпусом и этим эталонным корпусом, эта вероятность сравнивается с отношением. Это соотношение является показателем, показывающим, как меняется частота термина.Более высокое соотношение означает более высокую частоту появления, и, следовательно, этот термин может появиться в последней теме. Конструкции и матрицы следующей фазы, которые позже используются для частого анализа паттернов. Матрица показывает, сколько терминов встречается в нескольких документах, а сколько раз термин встречается в нескольких документах. Косинусное сходство между этими двумя матрицами показывает, насколько термин подходит для добавления к последней теме. Сигмовидная функция используется для ограничения этого сходства и действует как порог. Заключительный этап этого алгоритма — этап очистки для удаления повторяющихся тем.

Более того, аналогичный метод, использующий FPM для обнаружения социальных событий из Twitter, представлен в [21]. На первом этапе выбираются наиболее релевантные термины из текущего набора твитов, такие как наибольшая вероятность появления. После этого шага программная версия FPM с использованием сигмовидной функции в качестве порога вычисляет сходство. Социальные аспекты, такие как, и вводятся для оценки производительности системы. Эта система работает в прямом эфире Twitter.

Идея интеллектуального анализа паттернов пакетов, представленная в [20], используется для построения пользовательского графа темы пакетов с другими различными функциями.Эти функции: номер твита , коэффициент ретвита , коэффициент ответа , номер пользователя , коэффициент перекрытия пользователей , большой коэффициент пользователя , номер пакета , интервал пакета , и интервал времени пакета . . Макро- и микровсплески определены ниже как основные составляющие этой работы.

Шаблон пакета макросов находит все кластеры в BT, в которых BT является набором тем пакета, и эта задача выполняется с использованием меры расстояния между объектами.

Шаблон микропакетов находит все подграфы в графе пользователя, такие что.

Этот алгоритм начинается с поиска набора, который содержит все частые ребра, и с использованием (алгоритм глубокого поиска) алгоритм расширения подграфа удаляет узлы, которые не удовлетворяют порогу поддержки (). Алгоритм расширения подграфа выполняется рекурсивно для расширения частых подграфов.

Анализ правил ассоциации (ARL) — еще один подход к частому поиску шаблонов в реляционных базах данных, который использовался в [18] для обнаружения событий в Twitter.ARL состоит из двух частей: предшествующей и последующей. Антецедент — это элемент, который встречается в данных, а консеквент — это элемент, обнаруженный в сочетании с антецедентом [47]. Их можно назвать как если / тогда (антецедент / последствие) шаблонами с помощью поддержки критериев для определения самых сильных и наиболее важных связей между элементами данных. В [18] два основных уравнения используются для сопоставления правил с точки зрения их подобия; они взяты из [48]. Новые правила как вклад в эту работу предлагаются для выявления последних новостей.Набор данных US Elections использовался для оценки предложенной методологии, которая показывает хорошие результаты с точки зрения F-меры, отзыва и точности.

Отслеживание динамики слов в терминах графа или преобразование предложений в графическое представление и попытка понять внутренние всплески — очень полезный метод. Графическая модель сердцебиения, представленная в [31], и ее расширенная версия [32] основаны на этом факте. Они использовали графическую аналитику для обнаружения возникающих событий из потока данных Twitter, используя формулировку на основе графа и обнаружение всплесков.Это обнаружение всплесков, называемое моделью сердцебиения, представляет собой математическую формулировку матричного анализа во время обнаружения событий из социальных сетей Twitter.

5.1.5. Подходы на основе преобразования сигналов

Подходы на основе преобразования сигналов, такие как преобразования Фурье и вейвлет-преобразования , применяют методы спектрального анализа для категоризации функций для различных свойств событий. Методология DFT (дискретного преобразования Фурье), примененная в [49], преобразует всплеск во временной области в всплеск в частотной области.Этот всплеск показывает только скачкообразное событие, но не его период. Таким образом, была применена смесь гауссовых моделей для определения периода времени этих всплесков признаков. Преобразование Фурье дано в (5), которое является обратимым, а его обратное преобразование, которое приводит к функции, дано в (6).

С этими предпосылками, известными, спектр доминирующего периода может быть объяснен дополнительно; предполагается, что этот период является периодом, в течение которого заданная частота достигает максимальной активности, или, другими словами, она является скачкообразной. Эти спецификации побудили авторов [49] разделить все характеристики на четыре основных типа: HH, HL, LH и LL (первая буква показывает доминирующий спектр мощности, а вторая буква указывает доминирующий период, в котором H означает высокий и L означает низкий). Обнаружение периодических всплесков признаков осуществляется с помощью гауссовой смеси.

Ссылка [30] представила новый онлайн-детектор событий в новостных потоках с использованием статистически значимых тестов частоты слов n грамм в пределах временного интервала.В исходной рукописи даны три определения: поток текстовых данных , алфавит и временной интервал , которые, соответственно, описываются как последовательность текстовых образцов, отсортированных по (времени), английским словам (например, «президент »И« кофе »), и временной диапазон, начиная с и заканчивая в форме. В этой терминологии событие описывается как изменение источника текстового потока, которое является неожиданным увеличением частоты n -грамм. Вычисленное значение для гипотез n -грамм дает ясное представление о правильности нулевой гипотезы, которая утверждается, что « два отдельных набора текстовых данных , из двух временных рамок генерируются из одного источника .Из-за большого разнообразия n -грамм также предлагается дерево суффиксов для хранения n -грамм. Вычисленная частота сохраняется в этой новой структуре данных, а другой алгоритм проходит по дереву для вычисления и сохранения значений вместе с ним.

Кластеризация дискретных вейвлет-сигналов слов, сгенерированных из Twitter, также является другим подходом, который используется в [50]. В отличие от преобразования Фурье, вейвлет-преобразования локализованы как во временной, так и в частотной области и, следовательно, способны идентифицировать время и длительность импульсного события в сигнале.Преобразование вейвлет-сигнала преобразует сигнал из временной области во временную и масштабную область. Семейство вейвлетов определено в

Энергия вейвлета, энтропия и H-мера также являются другими частями дискретного вейвлет-преобразования, которые дают полезную информацию о сигнале. H-мера — это нормализованная энтропия вейвлета Шеннона, которая показывает распределение сигнала по разным масштабам. Предлагаемый алгоритм EDCoW (обнаружение событий с кластеризацией сигналов на основе вейвлетов) включает три основных компонента построения сигнала, вычисления взаимной корреляции и разбиения графа на основе модульности.

Первый шаг вычисляет DF-IDF (DF — это не TF, и это означает частоту документа, а не частоту термина), показанный в следующем уравнении:

Повышение показателя DF-IDF также отражается как повышение энтропии вейвлета этого показателя . Взаимная корреляция двух разных сигналов используется для группировки слов / терминов, у которых произошло повышение энтропии вейвлета, что означает, что эти термины использовались вместе в теме, которая ранее упоминалась в повышении или случайно оказалась кандидатом на событие. Эта методология кластеризации подходит для обнаружения преобразованного сигнала. Модульная разреженная матрица формируется на последнем этапе этой работы для обнаружения событий путем кластеризации взвешенной матрицы. Эта матрица называется и имеет вид, в котором вершины, ребра и веса графа.

Похожий метод — [51], который использует LDA и вхождения хэштега. Этот метод, в отличие от [50], использует хэштеги для построения вейвлет-сигналов. LDA используется для формирования окончательной тематической модели. Еще одно различие между этой работой и [50] — это суммирование извлеченных событий, которое выполняется с помощью вывода темы LDA и, кажется, дает многообещающие результаты, но отсекает данные твита и сводит их к хэштегам.Это сокращение вредит алгоритму, но увеличивает его скорость по сравнению с последним.

5.1.6. Методы обнаружения географических событий

Методы, описанные ранее, пытаются ответить только на вопрос «Что происходит?» Однако есть еще один вопрос, на который еще предстоит ответить: «Где это произошло?» Геолокация события дает больше информации об обнаруженном событии. В [25] предлагается схема обнаружения пространственно-временных событий; он обнаруживает события, а также время их возникновения, а также геолокацию.Перед дальнейшим описанием алгоритма необходимо знать некоторые определения; эти определения пространственно-временного события и статьи .

Пространственно-временное событие — это реальный инцидент, произошедший в месте и во время, которые обозначены значком. Домен, как известно, представляет собой набор событий, которые подпадают под такие категории, как музыкальные и гражданские.

Артикул Набор целевых доменов может быть открытым или закрытым. Закрытая статья, например, обозначает статью, относящуюся к теме, и может быть новостным репортажем из этой статьи.

В этой рукописи предлагается два типа категоризации твитов, чтобы классифицировать твиты как связанные / не связанные с событием. Положительный твит — это твит, связанный с событием, а отрицательный твит, напротив, — это просто твит, не связанный с событием. Со всеми этими настройками мы можем погрузиться в концепцию этикетки . Метка твита, как известно, состоит из троек, где обозначает событие, указывает связанные твиты и выражает несвязанные твиты. Создание ярлыков — это задача классификации ярлыков определенной темы, которые также связаны / не связаны с событием.После завершения этого шага следующим шагом предлагаемой работы является обнаружение пространственно-временных событий. На этом последнем шаге вводится набор меток для конкретной темы, полученный на предыдущем шаге, и поток Twitter в реальном времени, а также выводятся наборы сетевых событий целевого домена, которые происходят или произошли в определенном месте в определенное время.

Первый шаг этой работы состоит из извлечения признаков и ранжирования релевантности. На этапе ранжирования релевантности твиты ранжируются в зависимости от того, насколько они релевантны событию с точки зрения текстового и пространственного сходства.Эти ранжированные функции затем используются классификатором твитов, который является классификатором на основе SVM (машина опорных векторов). Оценка местоположения события — последний шаг этой схемы для оценки фактического местоположения классифицированных твитов.

TEDAS — еще одна система обнаружения пространственно-временных событий, первоначально предложенная в [28]. Эта система состоит из трех основных этапов: обнаружение новых событий, ранжирование событий в соответствии с их важностью и создание пространственных и временных шаблонов обнаруженных событий и событий с наивысшим рейтингом.Java и PHP вместе с MySQL используются для создания этой системы, которая также использует Lucene, Twitter API и Google Maps для вывода окончательного удобного для пользователя вывода. Твиты, связанные с преступлениями и стихийными бедствиями, подпадают под действие этой системы. Для получения твитов было применено использование API Twitter на основе запросов. Необходим набор правил для запроса, поэтому для получения твитов используются простые правила, а затем эти правила заполняются с помощью полученных твитов. Twitter и функции, основанные на преступлениях или бедствиях, помогают на следующем этапе этой системы классифицировать полученные твиты; этот классификатор имеет точность, указанную авторами. Последний этап этой схемы использует функции, связанные с контентом, пользователем и использованием, для ранжирования обнаруженных событий, в то время как предыдущий этап сосредоточен на угадывании местоположения пользователя. Первое предположение состоит в том, что местоположение пользователя указано в его твитах с GPS-тегами, если таковые имеются; в противном случае его / ее друзья, скорее всего, будут рядом с ним. Последнее предположение гласит, что его / ее местонахождение хотя бы раз упоминается в его твитах. Одна из основных проблем такого угадывания местоположения заключается в том, что в случае второго и третьего предположений извлеченная информация может быть ложной.

Идея социальных датчиков, использованная в [29], предлагается для определения местоположения реальных бедствий в Twitter. Определение события согласно авторам — это произвольная классификация области пространства / времени. Как и предыдущий метод, эта схема также использует SVM в качестве классификатора с тремя функциями типов A, B и C, которые, соответственно, известны как статистические, ключевые и словесные контекстные особенности. Известно, что каждый твит представляет собой сенсорную ценность, и пользователи являются датчиками этой схемы.Они пишут о событии в Твиттере, что означает, что они являются датчиками, а полученные значения публикуются в виде твитов. Этот отчет полезен для обнаружения реальных бедствий, таких как землетрясения. Настоящая проблема этого предположения состоит в том, что существует вероятность ошибки, когда пользователь публикует нерелевантные твиты, которые кажутся актуальными; Примером этого, по мнению авторов, может быть этот твит: «Мой босс кому-то пожимает руку!» В этом твите в качестве основного ключевого слова используется тряска, но это не означает, что Земля трясется.Остальные особенности предыдущей части снижают вероятность ошибки, но вероятность все же есть. Для уточнения предположений предлагаются две пространственные и временные модели. Эти модели полагаются на отметку времени твита и отметку GPS. Результаты оценки и экспериментов показывают, что система показывает точность более 60 процентов по двум связанным запросам. Эта ценная система используется в Японии в качестве системы предупреждения о землетрясениях, которая со временем может спасти жизни нескольких человек.

5.1.7. Методы, основанные на глубоком обучении

Перенос обучения в глубокое обучение и особенно НЛП с использованием новых методов и подходов, таких как трансформаторы, позволили исследователям использовать предварительно обученные модели для решения различных задач.Обнаружение и отслеживание тем в Twitter также является одной из тех проблем, которые исследователи пытались решить с помощью моделей, основанных на переносе обучения, таких как BERT. TopicBERT — один из таких методов, который использует BERT для семантического сходства в сочетании с потоковым анализом графов [33]. Предлагаемая архитектура состоит из модели распознавания сущностей с глубокими именами [52], графической базы данных для хранения узлов и инструмента извлечения семантического сходства (SBERT). Вся система работает комбинированным образом, при котором различные части постоянно пытаются обновить базовую базу данных графа, а система извлечения, использующая вероятность кластеров и вероятность слов, получает темы в каждый момент. Эта система превосходит современные методы для трех разных наборов данных и является одним из первых методов, которые использовали Transformers для обнаружения и отслеживания тем из Twitter.

Комбинация семантического векторного представления твитов с алгоритмами кластеризации — еще одна методология, которая исследуется в [34]. Авторы показывают, что использование хорошего экстрактора семантических признаков в виде плотного вектора может быть весьма полезным при решении таких задач, как определение темы. Они использовали набор данных COVID-19 из Twitter и относительно определили темы.Другой аналогичный метод для COVID-19 предложен в [36]. Авторы предлагают использовать Sentence BERT и универсальный кодировщик предложений (USE) для анализа тональности в сочетании с обнаружением тем на основе LDA.

Алгоритм нечетких c-средних на основе автокодера представлен в [37]. Автоэнкодер используется для представления твитов, в то время как нечеткие c-средства являются частью метода кластеризации. Авторы сообщают о своих результатах в наборе данных Berita, который представляет собой набор индонезийских новостей из Twitter.

Использование этих методов, которые все основаны на глубоком обучении, — это новая область в НЛП, особенно методы, основанные на переносе обучения, которые используют трансформеры для семантического понимания текста.Это семантическое понимание отсутствует в других методах. Семантическая кластеризация, используемая различными методами, позволяет классифицировать тексты с разными словами в один кластер, если они имеют близкое значение. Языковые модели и предварительно обученные архитектуры на основе преобразователей, которые могут фиксировать семантическое сходство, такие как SBERT и USE, являются успешными примерами этих подходов. Эти подходы хорошо известны своей способностью понимать сложные предложения. В случае ЕГЭ он может даже сопоставлять предложения на разных языках друг другу, если они несут одно и то же семантическое значение.По сравнению с методами, не основанными на глубоком обучении, эти подходы обеспечивают семантический путь к задаче TDT в Twitter.

5.1.8. Улучшения производительности

В последнее время моделирование данных в виде изображений и их обработка на графических картах представляют собой полезный вид для ускорения обработки данных и получения результатов в реальном времени или, по крайней мере, почти в реальном времени. Как было описано ранее, TF-IDF широко используется для задач TEDT. Методология обработки данных привязки, представленная в [22], использует приближенный способ вычисления метрики TF-IDF.Подобно методам FPM (раздел 5.1.4), он использует алгоритм на основе сортировки для поиска частых элементов (твитов). Описанный алгоритм вдохновлен [53].

Первым шагом этого алгоритма является поиск наиболее частых наборов элементов. Если мы предположим, что набор B содержит все упорядоченные пары, следующим шагом будет уменьшить эти элементы по их идентификатору или просто добавить пары с одинаковым идентификатором. Последний шаг — разделить их на общее количество наборов элементов, и результатом будет TF. Весь процесс этого алгоритма может выполняться параллельно на выделенном графическом процессоре, что дает ему большую вычислительную мощность, чем обычные процессоры, и больше подходит для вычисления задачи TDT в реальном времени, потому что другие алгоритмы слабы в этом аспекте, и большинство из них применимо к автономным наборам данных.

5.1.9. Классификация коротких предложений Deep Learning: этап после TEDT

Основное различие алгоритмов и методов машинного обучения, описанных в этом разделе, заключается в том, что они не обнаруживают темы и не отслеживают события в Twitter. Вместо этого их можно рекомендовать после этапа обнаружения события или темы, на котором общее мнение пользователей усредняется по обнаруженной теме. Этот вывод может дать отличную аналитическую информацию. Алгоритмы, схемы машинного обучения и нейронные сети, отнесенные к этой категории, являются этапом обнаружения темы / события в отношении глубокого обучения.

В последнее время, с ростом методов глубокого обучения в задачах НЛП, в классификации коротких предложений и анализе тональности этих предложений произошли серьезные изменения в методах и приложениях. Глубокое обучение, как следует из его названия, позволяет вычислительным моделям иметь множество уровней абстракции для представления данных [54]. Создание унифицированных архитектур многослойных нейронных сетей для задач НЛП кажется многообещающей методологией для решения многих нерешенных проблем в этой области [55], в то время как вложения слов, такие как GloVe [56] и Word2Vec [57], предлагают новое векторное представление слов, которые также обладают сентиментальное свойство выделенных слов и может применяться в терминах матричного исчисления.

Анализ тональности коротких предложений был сосредоточен многими исследователями с многих аспектов, таких как короткие предложения (CharSCNN) [58]. С другой стороны, отличительные характеристики корпусов, полученные из Twitter, побудили исследователей найти новые алгоритмы анализа настроений и задач классификации предложений в Twitter, которые лежат в основе обнаружения тем и событий в Twitter с использованием этих новых результатов исследования.

Как и другие алгоритмы внедрения слов, CharSCNN на своем первом уровне преобразует входные слова в закодированные векторы, представляющие отдельные слова.Любое слово, такое как W , которое было закодировано в вектор на предыдущих уровнях, разделяется с точки зрения его символов, и каждый символ кодируется в другой вектор, например. Матрица векторного умножения набора дает для каждого символа, который будет встраиваться в этот слой. Представление на уровне предложения и оценка применяются, как описано на уровне символа и слова. CharSCNN был применен к двум отдельным наборам данных коротких предложений для обзоров фильмов и сообщений Twitter с размером встраивания слов 30.

Встраивание слов, зависящих от настроения, для классификации тональности Twitter, предложенной в [24], использует метод C&W из [59]. В этой рукописи предлагаются три разные нейронные сети (, и унифицированная модель) для различных стратегий решения задачи классификации настроений Twitter.

5.2. Указанный или неопределенный

На основе доступной информации о событии, которое должно быть обнаружено, метод обнаружения события можно разделить на указанный или неопределенный.Неуказанные методы в основном полагаются на обнаружение временных признаков Twitter, таких как всплески или тенденции. Эти методы не имеют предварительной информации о событии, и поэтому им необходимо классифицировать относительные события на основе импульсных свойств и кластеризовать их. Указанным системам обнаружения событий, в отличие от предыдущих, требуется некоторая информация о событии, которая может быть временем его возникновения, типом, описанием и местом проведения. Эти функции можно использовать, адаптируя традиционные методы поиска и извлечения информации (такие как фильтрация, создание и расширение запросов, кластеризация и агрегирование информации) к уникальным характеристикам твитов.Следующие подразделы классифицируют существующие методы на основе этой терминологии.

5.

Короткие сообщения в Twitter, созданные пользователями, иногда содержат очень важную информацию о реальных событиях, которые публикуются пользователями перед веб-сайтами новостных СМИ и теле- и радиоканалами. Эти короткие, но важные сообщения неизвестны системе детекторов событий, а также не определены заранее каким-либо руководителем. Рост временных и сигнальных паттернов Twitter может выявить этот факт. Например, внезапное и неожиданное увеличение использования ключевого слова или хэштега может показать внезапное влечение к этой теме и каким-то образом выявить реальное событие.Из-за этой настройки возникает двусмысленность, в то время как некоторые частые хэштеги и ключевые слова о повседневных твитах обнаруживаются как невидимые и новые события. Эффективный алгоритм обнаружения неопределенных событий должен иметь дело с такой неоднозначностью.

В [60] предлагается система обнаружения событий под названием TwitterMonitor. TwitterMonitor выявляет возникающие темы в Twitter в режиме реального времени и предоставляет значимую аналитическую информацию, которую можно в дальнейшем использовать для выделения темы из обнаруженного события. StreamListener прослушивает поток данных Twitter API и обнаруживает прерывистые ключевые слова; эти ключевые слова затем группируются и вместе с индексом передаются в модуль анализа тенденций.Все описанные шаги образуют внутреннюю часть системы, в то время как пользовательский интерфейс суммирует всю информацию и представляет ее пользователю. Другие реализации, такие как AllTop, Radian6, Scout Lab, Sysomos, Thoora и TwitScoop, имеют пользовательский интерфейс для представления информации, собранной из различных социальных сетей, новостной ленты и других линий потоков данных, для внешнего пользователя.

TwitterStand — это еще один электронный носитель, который с использованием наивного байесовского классификатора отделяет новости от нерелевантных твитов, созданных пользователями [12].Метрика косинусного сходства вместе с взвешиванием TF-IDF классифицирует очищенные события. Система обнаружения последних новостей также подходит для этой области, которая была описана ранее [41]. Этот метод собирает, группирует, ранжирует и отслеживает последние новости из Twitter, отбирая твиты и индексируя их с помощью Apache Lucene.

Система обнаружения первой истории (FSD), предложенная в [14], использует алгоритм ранжирования на основе потоков для присвоения оценки новизны твитам, а затем группирует твиты на основе косинусного сходства между ними.Каждый твит назначается потоку, если он близок к твитам в этом потоке; в противном случае для этой новой категории создается новая ветка. Больший порог сходства приводит к тому, что тонкие категории в основном совпадают, а более низкий порог приводит к толстым нитям.

5.2.2. Обнаружение указанного события

Терминология обнаружения указанного события удаляет вопрос «Что происходит?» Он просто стремится найти «где» или «когда» это происходит. Первая часть запроса известна системе, а на последние еще предстоит ответить.

Исследователи Yahoo! Лаборатории в [61] пытались найти противоречивые события, которым пользователи не верят или имеют противоположные мнения. Обнаружение спорных событий — это процесс обнаружения событий и их ранжирования в соответствии с их противоречивостью. Авторы предложили три модели для этой задачи: прямую модель, двухступенчатую модель конвейера и двухступенчатую смешанную модель. Прямая модель оценивает событие на основе алгоритма на основе регрессии машинного обучения, двухэтапная конвейерная модель обнаруживает события из моментального снимка, а затем оценивает их на основе разногласий, а мягкая модель описанной является двухэтапной смешанной моделью.Основными классами функций, используемыми этой системой, являются функции, основанные на новостях Twitter, а также новости и полемика в сети. Эта система представляет собой интеллектуальный анализ негативного мнения пользователей, а не систему обнаружения событий, хотя она по-прежнему обнаруживает события на основе запроса сущности.

Те же авторы [61] описали в [62] другую систему, которая также извлекает дескрипторы из Twitter о событиях. Деревья решений с градиентным усилением в режиме машинного обучения с учителем используются для формирования двух основных моделей, описанных авторами: EventBasic и EventAboutness.

Многие другие методы, которые классифицируются как в этом подразделе, описаны ранее и собраны вместе в таблице 1.

5.3. Сравнение неконтролируемых и контролируемых

Алгоритмы машинного обучения обучаются как в контролируемой, так и в неконтролируемой манере. Это означает, что задача обучения может быть выполнена с использованием помеченных данных, и алгоритм машинного обучения назначается для изучения меток из данных с тегами, тогда как в неконтролируемой методологии это достигается путем обучения путем категоризации неизвестных меток данных, которые позже должны быть оценены. .Алгоритмам неконтролируемого машинного обучения труднее справиться с обучением с неизвестными метками. В этом подразделе описываются неконтролируемые и контролируемые алгоритмы для задачи Twitter TEDT; другие алгоритмы, описанные в предыдущих разделах, отбрасываются.

5.3.1. Неконтролируемые алгоритмы

Алгоритмы обнаружения событий Twitter, которые используют концепции неконтролируемого машинного обучения, в основном полагаются на алгоритмы кластеризации. Как было описано ранее, NED — это термин, используемый для идентификации новых систем обнаружения событий, которые, в отличие от RED (ретроспективное обнаружение событий), обнаруживают и идентифицируют новые события, в то время как последняя обнаруживает и идентифицирует определенные события.Неконтролируемые методы настоятельно рекомендуются для задач, требующих кластеризации неизвестных категорий, которые точно соответствуют домену NED. Кроме того, отсутствует предварительная информация о количестве классов, которые следует классифицировать, из-за динамического характера действий пользователей в социальных сетях.

5.3.2. Контролируемые алгоритмы

Наблюдение за алгоритмом кластеризации, которому нужны помеченные данные для классификации реальных событий, сгенерированных пользователем, тесно связано с категорией RED. Как описано ранее, алгоритмы RED обычно классифицируют известные события, в то время как надзор требует маркированных данных на этапе обучения.Эта терминология имеет много недостатков в реальных приложениях, таких как система обнаружения событий. Систему, предназначенную для поиска и отслеживания реальных инцидентов, нельзя обучать под наблюдением; Это связано с неизвестными событиями, которые еще не наступили, и отсутствием информации об их количестве и сущности.

6. Проблемы с данными и оценками

Twitter по своей природе обладает неструктурированными и немаркированными потоками данных, которые можно получить из сетевых или автономных источников. Источником данных в сети Twitter является API Twitter, а данные в автономном режиме — это данные Twitter в автономном режиме, полученные из различных снимков.Эти снимки обладают лучшими свойствами для оценки различий между алгоритмами или системами, которые стремятся найти события или темы в Twitter. Оценка онлайн-системы извлечения событий Twitter возможна, если входные данные представляют собой тот же самый снимок входных данных, который был записан.

Еще одним недостатком алгоритмов обнаружения и отслеживания событий, который имеет косвенное отношение к предыдущей проблеме, является время обнаружения события. Предположим, что два алгоритма или системы, такие как и, имеют одинаковую точность и отзыв при обнаружении событий и отслеживании их на снимке данных Twitter, но имеют разное время обнаружения.Время обнаружения определяется как время, которое требуется типичному алгоритму для обнаружения и идентификации событий и их отслеживания. Если эти времена (что связано с временной сложностью) одинаковы, мы можем предположить, что оба алгоритма одинаковы, но в случае разного времени следует использовать алгоритм, близкий к реальному времени, и предпочтение следует отдавать. Эта метрика не указана ни в одной из работ, которые были изучены в этой рукописи, но кажется важным шагом для определения системы обнаружения и отслеживания событий в реальном времени.В случае офлайн-систем этот показатель не важен.

Обе проблемы оценки, описанные ранее, сильно влияют на процесс оценки. Агентство перспективных оборонных исследовательских проектов (DARPA) опубликовало результаты конкурса под названием «DARPA Twitter BOT Challenge» [63]. В конкурсе приняли участие крупные компании индустрии информационных технологий (SentiMetrix, IBM, USC, DESPIC, B. Fusion, G. Tech). Для оценки ботов, созданных участниками, использовалась математическая система подсчета очков.Уравнение (9) определяет эту систему оценок. Этот конкурс был направлен на создание ботов, которые могут идентифицировать поддельных пользователей (ботов), которые публикуют сообщения в Twitter и создают влияние. Однако актуальность этого исследования важна, и оно связано с системой обнаружения и отслеживания событий, потому что система подсчета очков, используемая в этом соревновании, представляет собой обычную систему измерения, связанную с искусственным интеллектом, которая также указывает на скорость.

Может быть выделена система оценки, относящаяся к системам обнаружения событий согласно (9).Тот же самый способ оценки скорости системы обнаружения событий также используется в [64] для измерения качества систем.

Еще одним недостатком является дублирование обнаруженных событий или тем. Неправильное обнаружение событий и выявление несобытийных явлений также представляет собой огромную проблему. Причина, по которой эта проблема имеет более крупные потоки, заключается в том, что систему информирования о бедствиях в реальном времени можно обмануть и неправильно обнаружить катастрофу или даже не обнаружить ее.

Учитывая все это, система оценки / скоринга для TEDT требует, чтобы количество HITS, MISSES, отзыва, точности и скорости было рассчитано на конкретном снимке данных Twitter.В противном случае системы нельзя сравнивать друг с другом. Типичная система подсчета очков может быть известна как 10 с весами. Другие оценки и — это точность и отзывчивость алгоритма в наборе данных.

7. Заключение

Twitter как одна из крупнейших социальных сетей и сервисов микроблогов позволяет пользователям публиковать и делиться своими мыслями, сообщениями повседневной жизни и новостями о реальных событиях. Многие из сообщений этих пользователей связаны с событиями, инцидентами из реальной жизни, а некоторые — бессмысленными слухами и сюжетной информацией. Чтобы разворачивать эти реальные события и извлекать их из Twitter, нужны системы реального времени с высокой точностью и точностью. Оценка систем сталкивается с множеством проблем, таких как проблемы с данными и метриками оценки. В этой статье мы изучили некоторые системы TEDT, которые направлены на поиск, обнаружение, извлечение и отслеживание реальных инцидентов из Twitter, а также описали проблемы, связанные с оценкой таких систем. Было предложено множество категорий для классификации этих алгоритмов и методов, которые также представлены в этой статье; Кроме того, в статье предлагается еще одна категоризация, основанная на методологии полагающихся алгоритмов.Наконец, в этой статье обсуждалась методология пост-обнаружения, предложенная как классификация коротких предложений с глубоким обучением, которая может быть полезна после обнаружения событий.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Как мир пишет в Твиттере: изменение климата

Количество твитов

На этом графике показано ежедневное количество твитов, связанных с изменением климата.

Twitter обычно используется реже в выходные дни, поэтому ожидайте увидеть еженедельную схему с большим количеством твитов в будние дни.

Обратите внимание, что при наведении курсора на график в левом нижнем углу появляется панель инструментов. Это позволяет панорамирование и масштабирование, а также кнопку для сброса вида после того, как вы изучите сюжет.

Настроение с течением времени

На этом графике показано количество ежедневных твитов с отрицательным (зеленый) и положительным (синий) тонами.

Обратите внимание, что при наведении курсора на график в левом нижнем углу появляется панель инструментов. Это позволяет панорамирование и масштабирование, а также кнопку для сброса вида после того, как вы изучите сюжет.

Количество твитов по теме

На этом графике показано ежедневное количество твитов по каждой теме.

Twitter обычно используется реже в выходные дни, поэтому ожидайте увидеть еженедельную схему с большим количеством твитов в будние дни.

Обратите внимание, что при наведении курсора на график в левом нижнем углу появляется панель инструментов. Это позволяет панорамирование и масштабирование, а также кнопку для сброса вида после того, как вы изучите сюжет.

Общие

Щелкните диаграмму, чтобы увеличить версию

Политика / Мнение

Щелкните диаграмму, чтобы увеличить версию

Экономика

Щелкните диаграмму, чтобы увеличить версию

Риск / катастрофа

Щелкните диаграмму, чтобы увеличить версию

Энергия

Щелкните диаграмму, чтобы увеличить версию

Погода

Щелкните диаграмму, чтобы увеличить версию

Сельское / лесное хозяйство

Щелкните диаграмму, чтобы увеличить версию

Океаны / Вода

Щелкните диаграмму, чтобы увеличить версию

Арктика

Щелкните диаграмму, чтобы увеличить версию

Объяснение алгоритма временной шкалы Twitter (и 6 способов расширить охват)

Понимание алгоритмов социальных сетей важно для маркетологов социальных сетей, особенно потому, что это может сильно повлиять на охват бренда в социальных сетях.Мы говорили об алгоритме ленты новостей Facebook и алгоритме ленты Instagram. На этот раз мы хотели бы погрузиться в алгоритм временной шкалы Twitter.

До 2015 года на временной шкале Твиттера твиты отображались в обратном хронологическом порядке. Пытаясь улучшить работу Twitter, команда Twitter постепенно внесла изменения в способ отображения твитов на временной шкале.

В этом посте вы узнаете, как работает алгоритм временной шкалы Твиттера, и шесть способов расширить охват в Твиттере в 2018 году.

Обновление: теперь можно «отключить» алгоритм временной шкалы, отключив в настройках параметр «Сначала показывать лучшие твиты», чтобы твиты от людей, на которых вы подписаны, располагались в обратном хронологическом порядке.

Как работает алгоритм временной шкалы Twitter?

Прежде чем мы углубимся в подробности, было бы полезно знать, что алгоритм временной шкалы Twitter постоянно меняется.

Twitter ежемесячно проводит десятки тестов со своим графиком. Фактически, Дипак Рао, менеджер по продукту временной шкалы Twitter, сказал: «Наш алгоритм меняется почти ежедневно или еженедельно».Поскольку алгоритм временной шкалы Twitter помог увеличить ключевые показатели Twitter, вероятно, что Twitter продолжит тестирование новых идей с помощью временной шкалы5

.

Но вот и хорошие новости: Twitter, вероятно, не будет использовать полностью алгоритмическую шкалу времени , в отличие от ленты новостей Facebook или ленты Instagram. Джек Дорси, генеральный директор Twitter, сказал, что Twitter будет продолжать работать в режиме реального времени2

.

Хорошо, давайте перейдем к алгоритму.

Алгоритм временной шкалы Twitter

Временная шкала Twitter состоит из трех основных разделов:

1. Ранжированных твитов
2. «На случай, если вы это пропустили»
3. Оставшиеся твиты в обратном хронологическом порядке

Каждый раз, когда вы открываете приложение Twitter или посетите Twitter.com, алгоритм изучит все твиты из аккаунтов, на которые вы подписаны, и присвоит каждому из них оценку релевантности, основанную на нескольких факторах. Согласно Twitter и Рао, вот некоторые из факторов3

:

• Сам твит: его недавность, наличие медиа-карт (изображение или видео) и общая вовлеченность (включая ретвиты, клики, избранное и время потратил на чтение)
• Автор твита: ваши прошлые взаимодействия с этим автором, сила вашей связи с ними и происхождение ваших отношений
• Вы: твитов, которые вы сочли интересными в прошлом, как часто и насколько активно вы используете Twitter

Затем Twitter поместит твиты, которые, по его мнению, могут заинтересовать вас, в первых двух разделах — ранжированные твиты и «На случай, если вы это пропустили».

Цель состоит в том, чтобы вы могли сразу увидеть лучшие твиты, прежде чем углубляться в более длинные упорядоченные по времени разделы. Николас Кумчацки, штатный инженер-программист Twitter

Рейтинговые твиты

Этот раздел будет вверху вашего шкала времени и на первый взгляд не сильно отличается от обычной шкалы времени. Но содержит только твиты, которые, по мнению Твиттера, имеют отношение к вам. . Согласно Twitter, выбранные твиты по-прежнему должны быть упорядочены в обратном хронологическом порядке4

.(Но, судя по моему личному опыту, это может быть не так.)

Например, на скриншоте выше твиты были сделаны несколько часов назад (когда я делал снимок экрана). Я считаю, что именно это и делал алгоритм:

• Он подсчитал, что это твиты, которые мне, скорее всего, могут быть интересны,
• вытащил их из всех твитов на моей временной шкале, а
• поместил их в верхнюю часть моей шкалы времени. Лента новостей.

Несмотря на то, что между этими твитами было много твитов, алгоритм решил, что они более актуальны для меня, чем остальные.Таким образом, он поставил их на первое место в моей шкале времени.

Я обнаружил, что эти избранные твиты часто нравятся или комментируются моими аккаунтами. Я считаю, что предполагается, что если учетные записи, на которые я подписан, будут взаимодействовать с этими твитами, я, скорее всего, тоже буду взаимодействовать с ними.

«На случай, если вы его пропустили»

Этот раздел соответствует своему названию. Он показывает вам твиты, которые могут вас заинтересовать, но которые могут не отображаться на старой шкале времени, как это было довольно давно.

Кажется, этот модуль появляется на вашей шкале времени только тогда, когда вы отсутствуете в Твиттере в течение нескольких часов или дней5

.Подобно разделу ранжированных твитов, , этот раздел содержит твиты, которые, по мнению Твиттера, имеют отношение к вам . B ut выбранные твиты упорядочены в соответствии с их оценкой релевантности и могут быть получены много часов или дней назад.

Например, как вы можете видеть в приведенном выше примере, твиты не были упорядочены в обратном хронологическом порядке. Они также были сделаны более 10 часов назад — чего я, возможно, не увидел бы, если бы просто пролистывал временную шкалу в обратном хронологическом порядке.

Остальные твиты

После двух разделов вы увидите остальных твитов из аккаунтов, на которые вы подписаны, в исходном обратном хронологическом порядке . Прямо как старая хронология Twitter.

В этом разделе (а иногда и в двух выше) вы также найдете ретвиты, продвигаемые твиты и предлагаемые аккаунты для подписки. Вы даже можете увидеть твиты из аккаунтов, на которые вы не подписаны. Часто это твиты, которые, по мнению Твиттера, сделают вашу хронику более актуальной и интересной.

Согласно Twitter, вы также можете увидеть «события, представленные в верхней части вашей временной шкалы, помеченные как« Происходящие сейчас »» в мобильном приложении6

.

Совпадает ли все это с вашим опытом с временной шкалой Twitter? Если нет, будет приятно получить известие от вас в разделе комментариев ниже!

Как увеличить охват в Twitter в 2018 году

Так же, как алгоритм ленты новостей Facebook и алгоритм ленты новостей Instagram, участие, по-видимому, является основным фактором в алгоритме временной шкалы Twitter.Когда ваши твиты вызывают много взаимодействий, они будут занимать первое место в хронологии ваших подписчиков, а иногда даже показываться людям, которые не подписаны на вас.

Это большое преимущество алгоритма временной шкалы Твиттера — волновой эффект .

«Это также обеспечило то, что самые популярные твиты стали гораздо более популярными, чем раньше, что позволило им стать вирусными в беспрецедентных масштабах». — Уилл Оремус, Slate

Вот личный опыт: несмотря на то, что у меня всего около 2000 подписчиков в Твиттере, у одного из моих недавних лучших твитов было более 11000 просмотров! Это более чем в пять раз больше моих подписчиков.

Так как же увеличить охват Twitter с помощью нового алгоритма временной шкалы?

Вот несколько советов:

1. Повторно используйте свои популярные сообщения

Обычно принято часто твитить один и тот же контент. Иногда даже несколько раз в день. Вместо того, чтобы повторно использовать какой-либо твит, выбирайте только самые популярные твиты. Это потому, что с помощью нового алгоритма временной шкалы популярные твиты могут распространяться все дальше и дальше.

Например, вот материал, который мы недавно дважды опубликовали в Твиттере.

Первый твит получил 162 ретвита, 186 лайков и более 51 000 показов. У второго получилось даже лучше — 208 ретвитов, 252 лайка и более 57 000 показов.

С новыми правилами Твиттера будет лучше избегать твитов с одним и тем же содержанием. Я бы порекомендовал изменить текст или мультимедиа всякий раз, когда вы хотите повторно использовать свой популярный контент.

Вы можете повторно использовать ваши популярные публикации с помощью аналитики на панели управления Buffer. На вкладке «Сообщения» выберите «Самые популярные» и выберите желаемый период времени.

Оттуда просто нажмите «Re-Buffer» и измените твит. Я бы порекомендовал также делиться новым контентом, чтобы ваши подписчики видели не только переработанный контент.

Если вы не используете Buffer, вы можете найти свои самые популярные твиты в своей аналитике Twitter и повторно опубликовать их вручную.

2. Экспериментируйте со временем публикации

Несмотря на то, что некоторые твиты будут ранжироваться в соответствии с новым алгоритмом, большинство твитов будет отображаться в обратном хронологическом порядке. Это означает, что поиск лучшего времени для публикации по-прежнему актуален и важен. Когда вы находите время публикации, которое увеличивает вашу вовлеченность, вы также увеличиваете свои шансы на то, что ваши твиты будут размещены в верхней части хронологии ваших подписчиков.

Больше вовлеченности, больше впечатлений. Больше впечатлений, больше вовлеченности.

Лучший способ найти оптимальное время для публикации — это поэкспериментировать с разными временами. Инструменты Twitter, такие как Followerwonk и Tweriod, могут сказать вам, когда ваши подписчики наиболее активны в обычный день. Время наибольшей активности — хорошая отправная точка для тестирования.

Например, ниже приводится разбивка активности моих последователей.

Глядя на пики, я мог бы начать с экспериментов со следующими временами:

Совет: вы можете легко сохранить время публикации в Buffer и запланировать твиты заранее всего за пару кликов.

3. Попробуйте видео в Twitter

Видео постепенно становятся популярным типом контента. Согласно исследованию HubSpot, видео — один из основных типов контента, который люди хотят видеть больше в будущем7

.

И платформы социальных сетей отреагировали на эту новую тенденцию потребления.

Facebook последние несколько лет настаивает на выпуске видео. LinkedIn недавно представил собственные видеоролики LinkedIn. Кроме того, Twitter обнаружил, что вероятность ретвита видео в шесть раз выше, чем вероятность ретвита фотографий, и в три раза выше, чем вероятность ретвита GIF-файлов 8

.

Вот несколько быстрых способов начать работу с видео:

• Видео с текстом: Если у вашего бренда есть блог, просмотрите свой Google Analytics, чтобы найти самые популярные вечнозеленые сообщения блога.Затем используйте такие инструменты, как Animoto или Lumen5, которые помогут вам легко преобразовать сообщения блога в видео.
• Записи или интервью: Вы также можете записать себя, поделившись советами (в этом может помочь телесуфлер BIGVU) или взять интервью у кого-нибудь из вашей команды.
• Видео в реальном времени с Periscope: Если у вас хватит смелости, попробуйте записать себя вживую. Например, недавно мы проводили интерактивные вопросы и ответы на Periscope.

4. Стратегическое использование хэштегов

Хэштег был создан в Twitter и остается эффективной тактикой при правильном использовании.Один из лучших способов использования хэштегов — создавать фирменные хэштеги — хэштеги, привязанные к вашему бренду.

Один из наших фирменных хэштегов — #bufferchat, который мы используем для еженедельного чата в Twitter. Мы используем этот хэштег уже более трех лет. Большинство людей в нашем сообществе знакомы с ним и будут проверять хэштег, даже когда чат в Твиттере закончился. Результат?

Наши твиты #bufferchat иногда получают больше впечатлений, чем многие наши обычные твиты.

Вот еще. Когда люди присоединяются к нашему чату Twitter и используют хэштег, они помогают увеличить охват хэштега (и, косвенно, нашего бренда). С помощью нашего замечательного сообщества хэштег #bufferchat каждую неделю достигает миллионов людей!

Если вы хотите начать чат в Twitter, вам могут пригодиться эти два сообщения в блоге:

5. Ответить на упоминания

Когда мы думаем об охвате и вовлечении, мы часто думаем о наших твитах, а не о наших ответах.Но в этих ответах отсутствует секретность. ответов в Twitter позволяют получить впечатления и заинтересованность, как если бы вы делитесь частью контента.

Этот ответ службы поддержки клиентов Каринны был просмотрен более 3000 раз.

Этот ответ Ариэль #bufferchat был просмотрен почти 3000 раз.

Большинство наших ответов не получают большого количества показов — от 100 до 200 каждый. Но учитывая, что мы отправляем сотни ответов каждый день, это может очень быстро накапливаться!

Кроме того, новый алгоритм временной шкалы, кажется, позволяет более заметно выделять ответы на временной шкале ваших подписчиков, если они также подписаны на другую учетную запись.

Помимо увеличения охвата, это отличная практика Twitter, которая приносит пользу вашему бизнесу. В исследовании, в котором приняли участие более 3000 пользователей Twitter, Twitter обнаружил несколько преимуществ в ответах на вопросы клиентов9

:

• Люди готовы тратить от трех до 20 процентов больше, когда бизнес отвечает на их твиты.
• Они на 44% чаще делятся своим опытом.
• И они также на 30 процентов чаще рекомендуют этот бизнес.

6. Продвигайте свои твиты

По мере того, как органический охват падает, большинство платформ социальных сетей становятся платными каналами. Если у вас есть лишний бюджет, вы могли бы поэкспериментировать с рекламой в Twitter.

Twitter упростил продвижение одного твита (как и в Facebook). Вот как это сделать:

Сначала найдите твит, который вы хотите продвигать. Зачастую твиты, получившие хорошие результаты с точки зрения органики, будут работать даже лучше при продвижении.Щелкните значок гистограммы внизу твита.

Затем нажмите «Продвигать твит» в нижнем левом углу всплывающего окна. Вам будет предложено ввести личную информацию и данные кредитной карты, если вы впервые рекламируете твит.

Затем укажите свое местоположение и бюджет. Варианты расположения и бюджета немного ограничены по сравнению с Facebook «Boost post», что упрощает выбор. Если вы предпочитаете более тонкую настройку, вы можете обратиться к своему менеджеру рекламы Twitter, чтобы создать новую кампанию с нуля.

Наконец, нажмите «Подтвердить трату», чтобы начать продвижение. Ура!

Twitter даже тестирует автоматизированную службу продвижения твитов. За 99 долларов в месяц Twitter будет автоматически усиливать ваши твиты и профиль, чтобы помочь вам увеличить охват, вовлеченность и количество подписчиков. Эта услуга все еще находится в стадии бета-тестирования, но может быть открыта для брендов, если все пойдет хорошо. (Мы проверили это сами, и вот наши результаты!)

Какой ваш любимый совет в Твиттере?

По мере того, как Twitter продолжает развиваться, маркетологам важно идти в ногу с изменениями.Хотя временная шкала Twitter может не стать полностью алгоритмической, органический охват будет продолжать падать по мере того, как все больше и больше людей и компаний будут твитить. Понимание того, как работает хронология Twitter, может помочь вам увеличить охват и вовлеченность.

Вот шесть вещей, которые вы могли бы попробовать в 2018 году, чтобы увеличить свой охват в Твиттере:

1. Повторно используйте свои популярные сообщения
2. Экспериментируйте со временем публикации
3. Попробуйте видео
4. Используйте хэштеги стратегически
5. Ответьте на упоминания
6. Продвигайте свои tweets

Какие еще тактики Twitter вы бы порекомендовали нам попробовать? Поделитесь ими ниже, и мы сможем поговорить о них.Спасибо!

—

Тема: Маркетинг в Twitter

Великолепное изображение Уильяма Бута взято с Unsplash.

Считаете ли вы эту статью полезной? Вам также может понравиться наш универсальный набор инструментов для социальных сетей.

Как использовать Twitter для бизнеса

• С миллионами ежедневных пользователей Twitter может стать мощным инструментом для повышения осведомленности о вашем бизнесе, взаимодействия с клиентами и развития потенциальных клиентов.
• Создать профиль Twitter для бизнеса просто, но, как и мускул, его нужно использовать регулярно, чтобы быть наиболее эффективным.
• Понимание того, как перемещаться по Twitter для вашего бизнеса, может иметь большое значение для роста бизнеса.
• Эта статья предназначена для владельцев бизнеса или их отделов маркетинга и коммуникаций, изучающих преимущества включения Twitter в маркетинговую стратегию их бизнеса.

От хэштегов и закрепленных твитов до списков Twitter и влиятельных лиц в социальных сетях — в Twitter есть много всего.При правильном маркетинговом плане предприятия могут использовать платформу для увеличения продаж, повышения узнаваемости бренда и улучшения обслуживания клиентов.

Twitter — это социальные сети и новостная онлайн-платформа, где люди общаются короткими сообщениями длиной до 280 символов, называемыми твитами. Twitter, основанный в 2006 году, сейчас является одной из самых популярных социальных сетей в мире.

Это может быть мощной платформой для объединения с вашими маркетинговыми усилиями в LinkedIn и Facebook. Если вы новичок в Twitter или хотите начать использовать платформу для развития своего бизнеса, вот все, что вам нужно знать об этом.

Части профиля Twitter

Ваш профиль Twitter состоит из шести частей: ваш дескриптор Twitter, имя пользователя, изображение профиля, биография, изображение заголовка и закрепленный твит. Все эти элементы должны работать слаженно, чтобы точно представлять ваш бизнес.

• Ваш дескриптор Twitter — это ваше @name, ваш идентификатор в Twitter. Это имя в конце URL-адреса вашей страницы Twitter и имя, которое другие твитеры будут использовать, чтобы отмечать вас в сообщениях. Он может содержать до 15 символов и должен помочь людям легко найти вашу компанию.
• Ваше имя пользователя или отображаемое имя отображается над дескриптором Twitter в вашем профиле и может содержать до 50 символов. Это может быть название вашего бизнеса или бренда.
• Фотография вашего профиля отображается в вашем профиле и в каждом твите, который вы публикуете, поэтому она должна визуально представлять ваш бизнес и бренд. Многие бренды используют свой логотип.
• В биографии у вас 160 символов для описания вашего бизнеса. Включите такую ​​информацию, как ваше местоположение, часы работы и URL-адрес веб-сайта.
• Вы можете использовать изображение заголовка за аватаркой, чтобы выделить рекламные акции, события или новости о своей компании. В отличие от вашего аватара, это изображение должно регулярно меняться.
• Ваш закрепленный твит — это первый твит, который люди видят, когда заходят в ваш профиль, поэтому сделайте его интересным и отражающим то, что происходит с вашим брендом. Как и в случае с изображением заголовка, вы можете изменить закрепленный твит в любое время.

Ключевой вывод: Ваш профиль в Twitter состоит из вашего дескриптора, отображаемого имени, изображения профиля и изображения заголовка, биографии и закрепленного твита.

Терминология Twitter

Эти термины важно знать при использовании Twitter в малом бизнесе.

• @: Как и на других веб-сайтах социальных сетей, вы используете символ «at» с дескриптором пользователя, чтобы пометить или упомянуть их.
• # (hashtag): Хэштег, обозначенный знаком фунта, используется для индексации слов или фраз в Twitter. Когда вы нажимаете на хэштег, Twitter автоматически показывает вам другие твиты с хэштегом. Это позволяет людям легко следить за темами и событиями.
• Блок: Если вы заблокируете учетную запись в Twitter, они не смогут подписаться на вас, добавить вас в списки Twitter или просмотреть ваши твиты. Вы также не увидите их твитов.
• Закладки: Подобно закладкам в интернет-браузере, кнопка «Закладки Твиттера» позволяет сохранять твиты, чтобы потом их было легко найти. Это особенно полезно, если вы хотите прочитать статью или посмотреть видео, на которое есть ссылка в твите, но в данный момент у вас нет времени.
• Прямые сообщения (DM): Вы часто слышите, как люди называют прямые сообщения «DM».«Эта опция позволяет вам общаться в частном чате с отдельным пользователем. Если у одного из ваших клиентов или подписчиков есть вопрос, они могут задать вам через DM. В DM нет ограничений на количество символов, поэтому ваш ответ может быть настолько подробным, насколько это необходимо. Однако , если кто-то, кого вы не подписываете на свои сообщения, по умолчанию будет отображаться в папке «запросы», поэтому вы можете не заметить его сразу. Вы можете изменить это в своих настройках.
• Follow: When you follow учетной записи, вы подписываетесь, чтобы видеть твиты этого пользователя на вашей шкале времени.
• Подписчиков: пользователей Twitter, которые подписаны на вас, могут видеть ваши твиты на своей шкале времени.
• Нравится: Вы можете лайкнуть твит, нажав на символ сердца под ним. Вы можете увидеть все, что вам понравилось, в своем профиле.
• Списки: Вы можете создавать общедоступные и частные списки других пользователей, которых вы считаете интересными. Вам не нужно следить за пользователем, чтобы включить его в список. Например, вы можете составить список местных новостных агентств или авторов, ваших конкурентов, влиятельных лиц в вашей отрасли или важных клиентов.
• Retweet: Ретвитинг похож на публикацию чьего-либо сообщения на Facebook. Если вам нравится твит и вы хотите, чтобы его видели подписчики, вы его ретвитните. Затем твит появится на шкале времени ваших подписчиков и в вашем профиле.
• Временная шкала (или домашняя шкала): На временной шкале отображаются твиты и ретвиты людей, на которых вы подписаны, а также продвигаемые твиты.
• Актуальные темы / тенденции: Это самые обсуждаемые в настоящее время темы и хэштеги в Twitter.Вы можете увидеть популярные темы в левой части вашей домашней страницы Twitter в поле «тенденции». Вы можете настроить отображение тенденций, чтобы показывать, что популярно в вашем регионе или среди людей, на которых вы подписаны.

Ключевой вывод : Чтобы использовать Twitter для бизнеса, вам необходимо знать общие термины, такие как «хэштег», «временная шкала» и «популярные темы», чтобы вы могли использовать эти источники информации. Вам также необходимо понимать, что значит подписываться, ставить закладку, блокировать, DM, @ упоминание и ретвитнуть другого пользователя или сообщение.

Поддержание порядка в ваших учетных записях должно быть приоритетом. В этом вам помогут два популярных сторонних инструмента: TweetDeck и Hootsuite.

• TweetDeck, принадлежащий Twitter, бесплатен для использования и имеет элегантный пользовательский интерфейс с настраиваемыми столбцами, в которых вы можете организовывать списки, уведомления и свой канал. Вы также можете отслеживать хэштеги в отдельных столбцах, заранее планировать твиты (чего нельзя делать на веб-сайте Twitter или в мобильных приложениях) и добавлять несколько учетных записей Twitter для одновременного управления несколькими пользователями.TweetDeck доступен через веб-браузер.
• Hootsuite, который позволяет вам управлять другими учетными записями в социальных сетях помимо Twitter, работает аналогично TweetDeck, позволяя вам планировать свои твиты, управлять своими ответами, отвечать на сообщения и твиты и в целом автоматизировать управление вашей учетной записью. Возможно, он не такой изящный и простой, как TweetDeck, поскольку он использует вкладки для каждого профиля, к которому вы подключаетесь. Hootsuite предлагает бесплатную версию, или вы можете использовать профессиональную версию за 9,99 долларов в месяц.

В Hootsuite и Twitter есть мобильные приложения для использования на смартфоне или планшете, и вы можете добавить несколько учетных записей пользователей.

Ключевой вывод: Вы можете использовать такие инструменты, как Hootsuite и TweetDeck, для управления своей учетной записью Twitter через централизованную панель управления с некоторыми возможностями автоматизации.

Как создать корпоративную учетную запись Twitter

Twitter и другие платформы социальных сетей часто корректируют свой процесс настройки, поэтому эти шаги могут измениться в будущем, но с февраля 2021 года это шаги для создания Twitter счет для коммерческого использования:

1. Создайте аккаунт. Посетите домашнюю страницу Twitter и нажмите «Зарегистрироваться». Вам будет предложено создать имя пользователя и дескриптор Twitter, указать свой рабочий адрес электронной почты и номер телефона, а также указать дату рождения, чтобы подтвердить, что вы соответствуете возрастным требованиям для использования службы (дата вашего рождения не является общедоступной информацией). Обязательно выберите дескриптор Twitter, который четко представляет ваш бизнес, но вы можете изменить его позже, если потребуется.
2. Подтвердите свою учетную запись. После того, как вы выполните первый шаг, Twitter отправит проверочный код на указанный вами номер телефона.Введите этот код в отведенное место и нажмите «Далее».
3. Придумайте пароль. Как и следует при регистрации любой учетной записи в Интернете, убедитесь, что этот пароль трудно угадать, и что он не используется для других ваших учетных записей. Используйте сочетание букв, цифр и специальных символов, чтобы сделать его уникальным и сложным.
4. Заполните свой профиль. Теперь, когда вы предоставили основы, вам будет предложено заполнить свой профиль. Эти компоненты потребуются для полноценного бизнес-профиля в Twitter:

• • Загрузите изображение профиля. Часто это логотип вашей компании или, если вы создаете личный аккаунт для использования в деловых целях, ваше профессиональное фото. Загрузите изображение (примерно 400 на 400 пикселей) и при необходимости отрегулируйте.
  • Напишите биографию. Кратко опишите свой бизнес в этом поле длиной 160 символов. Вы можете включить один или два хэштега, которые важны для вашего бизнеса.
  • Выберите свои интересы. Затем вам будет предложено выбрать некоторые области интересов, чтобы Twitter мог порекомендовать вам последователей единомышленников.Вы можете пропустить этот этап, но это будет полезно для выбора областей интересов, связанных с вашим бизнесом. Например, если вы открываете бизнес-аккаунт в Twitter для компании, занимающейся ремонтом дома, вы можете выбрать «улучшение дома» или «дизайн интерьера» в качестве категорий интересов.
  • Выберите пользователей, которым нужно следовать из предложений. Затем вы получите список популярных учетных записей, на которые Twitter рекомендует вам подписаться. Вы можете пропустить этот шаг, если вы уже знаете, на какие учетные записи вы хотите подписаться, но хотите начать с подписки на других пользователей.Если вы принимаете некоторые из предложений Twitter, выбирайте только рекомендованные профили, относящиеся к вашему бизнесу, а не людей, которые вам лично интересны и не имеют отношения к вашему бренду или отрасли.
  • Сообщите Twitter, если вы хотите получать уведомления. Включите уведомления на данный момент, так как это лучший способ действовать и быстро отвечать другим по мере роста вашего присутствия в Twitter.
  • Загрузите обложку и другую бизнес-информацию. У вас есть еще несколько вещей, которые нужно предоставить, прежде чем ваш профиль будет заполнен.
    • Создайте обложку. Загрузите изображение или настраиваемую графику, представляющую ваш бизнес. Это может быть оригинальная фотография или иллюстрация, ваш слоган или другие фирменные изображения. Рекомендуемые размеры этого рисунка — 1500 на 500 пикселей.
    • Добавьте свое местоположение и веб-сайт. Выберите «изменить профиль» на главной странице вашего профиля, чтобы предоставить эту информацию. В поле «Местоположение», если у вашей компании несколько филиалов, выберите местоположение своей штаб-квартиры.

Ключевой вывод: Вы можете создать бизнес-профиль в Twitter, выполнив несколько простых шагов. В основном вам нужно просто предоставить основную информацию о своем бизнесе и добавить немного индивидуальности и деталей в профиль вашего бренда.

Как заставить Twitter работать на ваш бизнес

Социальные сети имеют ценность для предприятий любого размера. Он охватывает несколько демографических групп и распространяет идеи вашей компании. Как владелец бизнеса, вы должны тщательно продумать, как Twitter впишется в ваш общий план маркетинга в социальных сетях.

Вот несколько идей о том, как использовать Twitter для вашего бизнеса.

1. Используйте хэштеги.

Хэштеги — это слова или фразы с возможностью поиска, которые объединяют сотни (или тысячи) твитов. Это отличный способ сделать ваш контент более заметным за пределами ваших подписчиков. Есть много популярных хэштегов, с которыми знакомы самые активные пользователи Twitter, например #FollowFriday и #ThrowbackThursday.

Многие бренды цепляются за актуальные темы, чтобы участвовать в разговоре или продавать свою продукцию.Вы также можете создавать свои собственные хэштеги, чтобы привлечь внимание к своему бренду или мероприятиям, которые вы проводите.

Используйте только те хэштеги, которые имеют отношение к вашему контенту. Например, если вы пишете в Твиттере о создании бизнеса, вы можете использовать хэштег #entrepreneurship. Вы также должны ограничить количество используемых хэштегов. Чем больше вы используете, тем меньше вероятность того, что люди будут взаимодействовать с вашим контентом, потому что они сочтут ваши сообщения спамом.

Кроме того, каждый день смотрите на окно трендов. Поле тренда, расположенное слева от вашей временной шкалы, если вы находитесь на рабочем столе или на вкладке поиска в приложении Twitter, может подсказать, чем поделиться со своими подписчиками.Опять же, просто убедитесь, что он имеет отношение к вашему бренду и что вы используете трендовые фразы или хэштеги в своем твите.

2. Решайте проблемы с помощью личных сообщений.

Прямые сообщения развивались с годами, особенно для брендов. Это основная платформа для устранения проблем ваших клиентов и решения их проблем, и то, как вы с ними взаимодействуете, очень важно.

Разбирать индивидуальные жалобы и проблемы клиентов через прямые переписки — это разумно по нескольким причинам.Во-первых, вы не хотите, чтобы другие пользователи видели проблему и меньше думали о вашей компании. Кроме того, в DM нет ограничения на количество персонажей, что дает вам свободу правильно помогать клиентам.

По умолчанию только пользователи, на которых вы подписаны, могут отправлять вам сообщения в прямом эфире. Однако вы можете настроить свою учетную запись Twitter для получения сообщений от кого угодно, чтобы всем клиентам было проще связаться с вами. Просто зайдите в настройки конфиденциальности и включите «получать прямые сообщения от кого угодно».

3. Используйте фотографии, гифки и опросы.

Twitter позволяет добавить в сообщение до четырех фотографий. Вы также можете создавать графику для добавления в свои твиты. Не знаток Photoshop? В Интернете есть множество инструментов, которые помогут вам создать нужный образ.

Использование фотографий и GIF-файлов в ваших твитах — отличный способ найти подписчиков. Twitter имеет встроенную клавиатуру GIF; вы просто выполняете поиск по ключевому слову и выбираете клип, который лучше всего подходит для вашего твита.

Взаимодействие со своими подписчиками в Твиттере необходимо для поддержания интереса потребителей к вашему бренду.Один интересный способ привлечь ваших подписчиков — создать опрос, выполнив следующие простые шаги:

• Щелкните поле «Создать» в верхней части домашней шкалы.
• Щелкните значок «добавить опрос», который выглядит как горизонтальный график.
• Введите свой вопрос в главное поле «Написать».
• Введите свой первый вариант ответа в Вариант 1, а второй вариант в Вариант 2. Вы можете указать до четырех вариантов ответа в своем опросе; каждая опция может содержать до 25 символов.

По умолчанию опрос длится 24 часа, но вы можете сократить этот период, если хотите.

4. Делайте живые твиты.

Живые сообщения в Твиттере — еще один потенциальный способ привлечь внимание к теме в Twitter. По сути, живые сообщения в Твиттере — это когда пользователь пишет в Твиттере о своей реакции на происходящее событие, будь то развлечение или последние новости.

Чаще всего живые твиты связаны с телешоу и телепередачами. Во время подобных мероприятий нередко можно увидеть поле тенденций, заполненное связанными темами. Например, во время церемонии вручения «Оскара» вы можете увидеть официальный хэштег для шоу наград, перечисленный вместе с именами знаменитостей и фильмов, которые только что получили крупные награды.

Если вы устраиваете мероприятие и хотите, чтобы ваши посетители рассказывали о нем в прямом эфире, неплохо было бы создать свой собственный хэштег для мероприятия и поделиться им со своими участниками, чтобы они могли распространять его и следить за ним.

Когда вы пишете в прямом эфире или используете несколько твитов на одну и ту же тему, сделайте их ответами на исходный твит. Это упрощает пользователям отслеживание всего разговора.

5. Участвуйте в чатах Twitter.

Еще один способ привлечь ваших подписчиков или узнать о тенденциях в теме — это организовать чат в Твиттере на тему, имеющую отношение к вашему бренду или опыту.Чаты Twitter просты, но для их успеха требуется относительно большая и активная база подписчиков.

Чат Twitter происходит, когда несколько пользователей Twitter обсуждают определенную тему одновременно с использованием общего хэштега.

Обычно один пользователь Twitter ведет чат в определенное время с заранее подготовленными вопросами и темами для обсуждения. Ведущий будет писать в Твиттере вопросы, часто обозначаемые «Q1» (или каким-либо другим номером вопроса), а участники ответят «A1» и своими мыслями.

Чаты Twitter обычно длятся около часа. Это отличный способ показать, насколько вы активны в социальных сетях, и привлечь своих подписчиков (и их).

6. Взаимодействуйте с влиятельными лицами и клиентами.

В Твиттере важно общаться с нужными людьми. Всегда разумно взаимодействовать с вашими клиентами, чтобы они были довольны, и с потенциальными клиентами, чтобы помочь им узнать о вашем бизнесе. Возможно, вы также хотите сосредоточиться на других людях, таких как журналисты или влиятельные лица, чьи специальности имеют отношение к вашему бренду, и простой способ сделать это — использовать списки Twitter.

«[Воспользуйтесь] функцией списка Twitter, чтобы создать группы журналистов, которые дружелюбны к вашему делу или потенциальным клиентам, влиятельным лицам, [и] посетителям отраслевых выставок», — сказал Джейсон Майерс, старший менеджер по работе с клиентами в The Content Фабрика. «Затем вы можете отфильтровать шум случайных твитов подписчиков и нацелить свое участие на тех людей, которые с большей вероятностью помогут вам достичь ваших маркетинговых целей в социальных сетях».

7. Разместите рекламу в Twitter.

Twitter можно использовать бесплатно, но если вы хотите платить за продвижение своей учетной записи на платформе, у вас есть множество вариантов рекламы.

• Продвигаемые твиты: Эти объявления выглядят так же, как обычные твиты, за исключением того, что они помечены внизу как «продвигаемые» и появляются в обычных лентах Twitter пользователей, которые, возможно, еще не подписаны на вас. Рекламируемые твиты — это способ повысить вовлеченность и охватить более широкую группу пользователей за пределами вашей базы подписчиков.
• Продвигаемые аккаунты: Продвигаемые аккаунты предназначены для того, чтобы помочь брендам стать более заметными и увеличить количество подписчиков.Эти объявления отображаются в нескольких местах в Twitter, в том числе в поле «Кто подписаться» на главной странице пользователя, в домашней ленте Twitter и в результатах поиска. Рекламы вашего продвигаемого аккаунта нацелены на пользователей Twitter, интересы которых имеют отношение к вашему бренду, поэтому вы можете получить подписчиков, которые активно взаимодействуют с вашим контентом. Все объявления помечаются как «продвигаемые», как и продвигаемые твиты, поэтому пользователи могут отличать их от другого контента в своих каналах.
• Рекламируемые тренды: Рекламные тренды отображаются вверху списка актуальных тем в поле трендов в Twitter.Они также четко обозначены как «продвигаемые», но в остальном эти объявления выглядят точно так же, как и другие популярные темы, и пользователи могут взаимодействовать с ними таким же образом. В то время как продвигаемые твиты и продвигаемые аккаунты нацелены на конкретных пользователей, продвигаемые тренды видны всем пользователям в период их продвижения, в том числе в мобильном приложении Twitter. Продвигаемые тренды — хороший способ привлечь внимание людей к вашему бизнесу с помощью определенного хэштега.

В дополнение к этим параметрам в Twitter есть множество маркетинговых инструментов, которые помогут вам улучшить свои кампании.

• Twitter Amplify: Amplify позволяет вам обмениваться телевизионным контентом в реальном времени (например, видео спортивных событий), который вы можете интегрировать с вашим брендом или спонсорами. Это может помочь вам охватить пользователей, помимо ваших текущих подписчиков, путем доставки контента целевой аудитории.
• Продвигаемое видео: В то время как Amplify дает вам возможность обмениваться видео из телепрограмм и других трансляций, продвигаемое видео еще больше открывает возможности, позволяя использовать любой вид видео и, таким образом, проявлять больше творчества в своих кампаниях.В отличие от встроенных видео YouTube, контент продвигаемого видео размещается непосредственно в Twitter и доступен только как платный маркетинговый инструмент.
• Продвижение мобильного приложения: Если ваш бренд запустил приложение, будь то краеугольный камень вашего бизнеса или дополнительный инструмент для ваших услуг, это инструмент для вас. Этот вариант позволяет настроить таргетинг на желаемую аудиторию на мобильных устройствах, чтобы увеличить количество скачиваний приложений. Вы можете создать собственное изображение и описание приложения для рекламы и настроить таргетинг на пользователей по местоположению, полу, языку и мобильной платформе.Например, если ваше приложение доступно только на устройствах iOS, вы можете настроить таргетинг на пользователей, которые получают доступ к Twitter с этих устройств. В инструменте также есть уникальная система измерения, которая показывает, как ваша кампания влияет на установку, покупки и регистрации ваших приложений.

Ключевой вывод: Чтобы увеличить свои шансы на успех в Twitter, рассмотрите возможность использования и создания хэштегов, обмена GIF-файлами и другими изображениями, создания опросов, решения проблем клиентов в частном порядке через DM и, возможно, даже оплаты рекламы, чтобы увеличить ваш охват.

Подтвержденные учетные записи в Twitter

Синяя галочка рядом с отображаемым именем пользователя указывает на подтвержденную учетную запись. Это означает, что социальная сеть считает пользователя известным брендом или влиятельным лицом и подтверждает, что пользователь является тем, кем они себя называют.

Согласно сайту, учетная запись может быть подтверждена, если Twitter определит, что она представляет общественный интерес. Обычно это отчеты общественных деятелей в области музыки, актерского мастерства, моды, правительства, политики, религии, журналистики, СМИ, спорта, бизнеса и других областях, представляющих общественный интерес.

Подтвержденный пользователь Твиттера может потерять свой подтвержденный статус, если он изменит свой дескриптор или защитит свои твиты (т. Е. Сделает свои твиты видимыми только для их подписчиков). В этих случаях Twitter автоматически проверяет учетную запись пользователя, чтобы убедиться, что она по-прежнему подходит для проверки. Учтите это, если решите провести ребрендинг.

В ноябре 2017 года Twitter приостановил процесс проверки. Многие пользователи восприняли это как поддержку Twitter и раскритиковали платформу социальных сетей за проверку аккаунтов неоднозначных людей.Однако в декабре 2020 года Twitter объявил, что возвращает процесс проверки.

Ключевой вывод: Синяя галочка подтверждает пользователям Twitter, что учетная запись является подлинным профилем влиятельного бренда или общественного деятеля. После приостановки в 2017 году программа проверки вернется в 2021 году.

Советы и уловки для Твиттера

Помимо следования передовым методам и методам, описанным выше, вы должны соблюдать эти общие правила, чтобы добиться максимального успеха в Твиттере.

Не покупайте последователей.

Вы можете покупать подписчиков в определенных сервисах, чтобы увеличить свой счет. Хотя может показаться заманчивым сделать вид, будто у вас больше подписчиков, чем на самом деле, это того не стоит. Подписчики, которых вы получаете, ненастоящие и не будут взаимодействовать с вашим брендом, поэтому они не добавляют ценности и заставляют вас плохо выглядеть, если вас узнают.

Стань мобильным.

Мобильное приложение Twitter невероятно хорошо интегрировано с веб-платформой, поэтому переход от твита на компьютере к твиту со смартфона или планшета происходит практически без проблем.

Встраивайте твиты в свой блог.

Если у вас есть активный блог на веб-сайте вашего бренда, вы можете встраивать в него твиты, чтобы продемонстрировать любой забавный контент, которым вы поделились, или комментарии ваших преданных подписчиков. Это отличный способ разместить ваши учетные записи в социальных сетях на своем веб-сайте.

Чтобы встроить твит, перейдите к твиту, которым вы хотите поделиться, и щелкните вкладку «Дополнительно» в правом верхнем углу. Появится выпадающее меню; выберите «встроить твит», и вы перейдете на новую страницу с соответствующим HTML-кодом.Оттуда просто скопируйте и вставьте код в нужное место.

Ключевой вывод: Получите максимальную отдачу от своей бизнес-учетной записи Twitter, разместив твиты на своем веб-сайте или в блоге, отправив твиты на ходу из мобильного приложения и со временем создав подлинную базу подписчиков.

Стелла Моррисон и Бриттни Морган внесли свой вклад в написание этой статьи. Некоторые интервью с источниками были проведены для предыдущей версии этой статьи.

Как хэштеги Twitter могут помочь понять изменение климата

Большинство из нас используют хэштеги Twitter для поиска актуальных тем и событий вокруг них. Для предприятий хэштеги Twitter позволяют им отслеживать, что люди говорят об их продукте, а также понимать разговоры, которые ведутся об их бренде или продукте.

Интересно, что хэштеги Twitter теперь также используются для борьбы с глобальным климатическим кризисом. По словам Эми Удельсон, директора по маркетингу платформы разработчиков Twitter в Twitter, приложение для социальных сетей обнаружило ежегодный рост на 50% для английских твитов, в которых упоминается фраза «изменение климата» или хэштег #climatechange.

Например, когда перед пандемией COVID-19 о лесных пожарах в Австралии много заголовков во всем мире, в период с декабря 2019 по март 2020 года было около 10 миллионов твитов, связанных с этим от людей со всего мира. В Индонезии наводнение в Джакарте. только за первую неделю января 2020 года было опубликовано 20 000 твитов.

Но как эти твиты могут быть использованы для борьбы с изменением климата?

По мере того, как по всему миру происходят экстремальные погодные условия, люди заходят в Twitter до, во время и после этих событий, чтобы поговорить о том, что происходит.Эти разговоры в реальном времени, основанные на социальных исследованиях и аналитике, можно использовать для мгновенного оповещения, оказания помощи и оценки ситуации на местах.

(Фото PETER PARKS / AFP)

Twitter предоставляет компаниям и частным лицам программный доступ к данным Twitter через свои общедоступные программные интерфейсы приложений (API), что позволяет им создавать приложения и инструменты для потребителей, чтобы получать информацию из Twitter. После стихийных бедствий, таких как наводнение в Джакарте в Индонезии, лесные пожары в Австралии и тайфун Хагибис в Японии, Twitter работал с Peta Bencana и официальными партнерами Twitter Brandwatch и NTT Data соответственно, чтобы помочь местным сообществам понять тенденции в данных разговоров.

Изменение климата и хэштеги Twitter

В сотрудничестве с удостоенной наград творческой студией Design I / O, Twitter представил интерактивную веб-страницу, чтобы узнать, как развивались разговоры в Twitter во время каждого экстремального погодного явления. Ключевые моменты резюмируются следующим образом:

• Раньше: Еще до того, как стихийное бедствие затронуло районы, люди пишут в Твиттере о вещах, которые они замечают в природе, например о повышении уровня воды или более сухих и более высоких, чем обычно, температурах.Люди также пишут в Твиттере о своих приготовлениях, таких как подготовка своего дома или района к пожару или создание защиты от наводнения или урагана для критических структур.
• Во время: Когда экстремальные погодные явления начинают сказываться на людях, в Твиттере начинают появляться сигналы тревоги. В разгар таких событий разговоры в Твиттере набирают обороты, когда люди пишут в Твиттере о том, что они переживают в режиме реального времени.
• После: В это время разговор в Твиттере начинает смещаться в сторону гуманитарной помощи, такой как пожертвования на предметы снабжения, спасение или медицинскую помощь, а также финансовые взносы для помощи людям в пострадавшем сообществе

«С помощью нашего общедоступного API разработчики могут создавать инновационные решения и извлекать из публичного обсуждения выводы, помогая правительствам, предприятиям и людям развивать их коллективное понимание по любой заданной теме.В связи с изменением климата твиты содержат ценную информацию о том, что происходит в мире до, во время и после этих стихийных бедствий. «Разработчики могут использовать API, чтобы анализировать такие вещи, как эволюция тенденций изменения климата с течением времени, создавать инструменты для уважительной цели или проводить академические исследования», — сказала Эми.

В то же время Эми добавила, что они видят безграничные возможности того, как разработчики могут использовать Twitter API для дальнейших исследований и инноваций, чтобы помочь понять и отреагировать на глобальную климатическую чрезвычайную ситуацию.

Сюда входит помощь местным сообществам во время непредвиденных экстремальных погодных явлений в поиске спасательных работ, совместном использовании ресурсов и сборе средств, а также в исследованиях для изучения общественного мнения по поводу изменения климата без предвзятости со стороны человека.

Эми также надеется, что успешные примеры использования также позволят им продолжить свою работу с НПО и правительствами, чтобы использовать возможности твитов для принятия обоснованных решений.

(Фото BAY ISMOYO / AFP)

«Мы увидели, как данные Twitter можно использовать в режиме реального времени для оказания жизненно важной поддержки людям на земле во время экстремальных погодных условий, таких как наводнение в Джакарте.Фактически, платформа PetaBencana.id была принята государственными учреждениями, такими как Национальное агентство по управлению в чрезвычайных ситуациях (BNPB) и НПО, для мониторинга событий наводнения, сокращения времени реагирования и обмена срочной информацией о чрезвычайных ситуациях с жителями — и даже в других странах. : Филиппины, Гонконг и Вьетнам », — сказала Эми.

Twitter также надеется сотрудничать как с государственными, так и с частными партнерами в использовании их данных в качестве инструмента анализа. Например, партнер Twitter Brandwatch обнаружил, что, хотя многие люди в Twitter указали, что изменение климата было основной причиной разрушения #AustralianBushfire, их твиты составили только 7% разговоров о том, что произошло.Это наблюдение может вызвать дискуссии и кампании о последствиях изменения климата и о том, почему к нему нельзя относиться легкомысленно.

Борьба с пандемией с помощью Twitter

Помимо изменения климата, данные хэштегов Twitter также позволили компании создавать и открывать приложения для конечной точки потока COVID-19, чтобы помочь разработчикам и исследователям получить доступ к данным для исследований в поддержку общественности хорошо.

«Мы видели, как ряд разработчиков и исследователей использовали поток данных о COVID-19, чтобы понять общественное восприятие, настроения и эволюцию отношения людей к пандемии с течением времени», — пояснила Эми.

Например, лаборатория CoMuNe Lab с Фондом Бруно Кесслера использовала данные Twitter для создания Инфодемической обсерватории COVID-19. Обсерватория анализирует геолокализованные твиты, агрегированные на уровне страны, чтобы оценить долю автоматических сообщений, размещаемых в публичных обсуждениях. Эти данные помогают создать картину, которая количественно оценивает «инфодемический риск» в конкретном месте.

Исследователи из Penn Medicine, которые создали детальную информационную панель отношения и восприятия COVID-19 в США с использованием данных Twitter, стремились информировать потенциальную общественную политику и коммуникацию в области здравоохранения с помощью этой информационной панели.

В Индии Эми указала, что разработчики использовали платформу для создания приложений и инструментов, помогающих людям находить важную информацию о медицинских услугах, кислороде, лекарствах и еде. Например, несколько разработчиков создали веб-сайты, которые упрощают пользователям расширенный поиск в Твиттере, чтобы они могли искать по местоположению и определенным ключевым словам такие вещи, как кислородные баллоны рядом с ними.

No related posts.

alexxlab Автор записи

Добавить комментарий Отменить ответ

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Комментарий *

Имя *

Email *

Сайт