Añadiendo la estructura de red a la difusión de información

Presentación de Pound: Proceso para Optimización y Comprensión de Difusión de Red
Viendo el bosque desde los árboles.

Dao Nguyen y Andrew & Adam Kelleher

Los análisis web tradicionales proporcionan una visión limitada sobre la web social. Pueden "empaquetar" a los espectadores de una historia de acuerdo a desde donde se hace clic, y nos dicen cuántos hay en cada paquete. Esa información es valiosa y está especialmente adaptada a un mundo de "pre-compartir". Pero los análisis web tradicionales son fundamentalmente incapaces de captar lo que realmente sucede en la red social en la actualidad; borran su estructura de árbol inherente.



Como una de las principales organizaciones de noticias sociales y de entretenimiento, BuzzFeed tiene su contenido compartido por decenas de millones de personas cada mes. Más del 75% de nuestros 200M de usuarios mensuales provienen de fuentes sociales sociales u oscuros. Esta escala proporciona una oportunidad única para aprender acerca de la estructura de árbol de la difusión de la red de contenido social. ¿Qué sucede cuando usted pia algo y un seguidor lo recoge y lo comparte en Facebook, y luego uno de sus amigos lo publica en un blog, y luego un lector de correos electrónicos de TI a sus amigos? ¿Qué podemos aprender de cómo el contenido realmente mueve a través de la web social?

¿Qué es Pound?

Pound es una nueva tecnología, patentada que capta cómo las historias BuzzFeed propagan en la web social. De ello se desprende propagaciones de un partícipe a otro, a través de todas las visitas posteriores, incluso a través de redes sociales y plataformas de uno-a-uno de intercambio como Gchat y correo electrónico.
Pound es el Process for Optimizing and Understanding Network Diffusion [Proceso de Optimización y Comprensión de la Red de Difusión].
Pound  no almacena los nombres de usuario o cualquier información de identificación personal (PII) con los acontecimientos de las acciones. Cada nodo en el gráfico compartir es anónimo. No somos capaces de averiguar que un usuario está mirando a los datos del gráfico. Los datos de Pound se recogen sobre la base de un hash oscilante, anónimo en la URL del partícipe como un código UTM.
La recopilación y almacenamiento de este tipo de datos de difusión de la red era un desafío de ingeniería fuerte. Pound, bajo una carga típica, es capaz de manejar más de 10.000 peticiones web por segundo antes de escalar. Como resultado, ahora almacenar más datos en Pound en un solo mes que todos los otros datos que hemos recopilado previamente para la optimización del contenido desde el inicio de BuzzFeed.
El conocimiento que tuvo lugar en este conjunto de datos sin precedentes podría ayudarnos a entender nuestro contenido mejor, comprender mejor a nuestros lectores, y entender la web social mejor. Armado con esa comprensión, podemos tener mayor alcance y mayor impacto para nuestros lectores y en el mundo.

Tres cosas que hemos aprendido a partir de datos de Pound hasta ahora

1. Se trata de los bosques, no los árboles.

Al principio pensamos que los datos podrían ser representados en un solo diagrama de "árbol" como la de arriba. Pero rápidamente nos dimos cuenta de que todos los envíos que tiene cientos o miles de partícipes iniciales, cada uno la raíz de su propio árbol. El gráfico de Pound para cada historia por lo tanto se parece más a un bosque de un árbol. Y en este bosque, los árboles pueden parecer radicalmente diferente. Algunos son de grasa (un montón de nodos intermedios), algunos son finas; algunos son profundos (un montón de intercambio de cascadas), algunas de ellas poco profunda; algunos tienen propagaciones entre redes, otros no. La estructura del bosque y sus árboles nos dice con gran detalle sobre cómo se propaga cada puesto.

2. Las redes sociales y las promociones deben ser valorados por el conjunto de su cascada de aguas abajo.

En febrero de este año, BuzzFeed publicó un post sobre un vestido. Ha sido visto más de 38 millones de veces.
Los datos mostraron Pound, posiblemente por primera vez en la historia, cómo un post viral se extendió a través de millones de partícipes a través de redes sociales, sistemas de mensajería, sitios de noticias y blogs.


Análisis y visualización de Adam Kelleher

La imagen de arriba es el gráfico de difusión de la red que tiene sus raíces en la página principal de Facebook BuzzFeed. Eso significa que muestra todos los espectadores aguas abajo de las promociones del puesto "vestido" en esa página. La mayoría de los nodos son de color azul oscuro, lo que significa que hace clic de Facebook. Los nodos blancos son los espectadores hacen clic de una fuente no social, como un blog o un sitio de noticias. También hay algunos pequeños nodos de luz azul en la esquina inferior izquierda que representan los espectadores de Twitter. Este grupo es principalmente Facebook (azul oscuro), lo cual tiene sentido porque el "partícipe inicial" era un mensaje de Facebook.


Análisis y visualización de Adam Kelleher

La visualización de arriba es el gráfico de difusión de la red con raíz en la cuenta de Twitter principal BuzzFeed, lo que significa que muestra todo el tráfico de aguas abajo de los seis tweets publicados por la cuenta de la vinculación a la historia "vestido". Hay unos cuantos racimos de luz azules dominadas por Twitter, pero muchos más azul oscuro Facebook dominadas queridos. También hay grupos blancos de tamaño considerable que representan las personas que recogen la historia y que enlazan con él desde un sitio web como un blog o publicación. De hecho, los clics de Twitter representan sólo una cuarta parte del total de las visitas posteriores arraigadas en la cuenta BuzzFeed Twitter!
Presentación de Pound: Proceso para Optimización y Comprensión de Difusión Red



Análisis y visualización de Adam Kelleher

El GIF anterior zoom para ver grupos sucesivos de redes de intercambio dentro de ese grupo principal de Twitter. Compartiendo saltos de Twitter a una publicación, de vuelta a Twitter, en una publicación diferente, y así sucesivamente.

3. Contenido patrocinado se comparte y se re-compartida al igual que el contenido editorial.

Hemos sabido durante mucho tiempo, pero los datos de Pound lo demuestra. He aquí un ejemplo. Equipo de Servicios Creativos de BuzzFeed asoció con Target para escribir “I Tried The Fanny Basket And It Saved My Life” justo antes del Día de los Inocentes. La entrada se ha publicado bastante éxito con más de 400.000 visitas. Echemos un vistazo a algunos de sus visualizaciones Pound.



La visualización de arriba muestra una profundidad impresionante de intercambio social: la cuota inicial llevado a siete niveles adicionales de propagación, para una profundidad máxima de ocho. (En comparación, que Twitter clúster del puesto "vestido" tuvo una profundidad máxima de 11.) Cada círculo de nodos representa una red de intercambio orgánico, o un grupo de personas que vieron el cargo como resultado de una participación orgánica. Al igual que con el post "Dress", un grupo blanco en el centro representa una publicación descubrir la historia y la vinculación a ella en su sitio.


Visualización por Adam Kelleher

Uso del zoom en este grupo capta capas y capas de grupos en red compartiendo orgánicamente este post patrocinado. Es el equivalente social del marketing boca-a-boca. Pound hace medible boca-a-boca. (Y una vez que es medible, podría ser optimizable!)

¿Qué sigue para la Pound?

Estamos muy entusiasmados con las posibilidades de utilización de Pound! Éstas son sólo algunas ideas que hemos discutido.

• ¿Podemos proponer historias que no apelar sólo a usted, sino también a sus amigos y seguidores?
• ¿Podemos utilizar los datos de Pound a las fuentes de pruebas A / B? ¿Podemos hacer que el sitio y las aplicaciones mejor no sólo para los lectores, sino también para sus amigos - y por lo tanto aumentar el impacto de nuestro sitio?
• ¿Qué tan efectivas son las promociones específicas, no sólo en función del tráfico de primer orden, pero sobre todo el intercambio de aguas abajo y el tráfico que resulta?
• ¿Podemos predecir el alcance potencial de una historia basada en su contenido u otras características al respecto?
• ¿Podemos filtrar el efecto de grandes sitios o celebridades promover nuestro contenido, aprenden lo que la gente común como realidad, y producen más del contenido adecuado para todos?

Por último, vamos a hacer todo lo anterior para contenido patrocinado? De hecho, actualmente estamos buscando socios beta que nos ayuden a pensar sobre cómo los datos de Pound se pueden beneficiar los anunciantes y sus audiencias. ACTUALIZACIÓN 28/04: Estamos buscando específicamente para socios beta entre nuestros anunciantes que trabajan con nosotros en una alianza iterativo para crear continuamente contenido y aprender de los resultados de datos.
Estaremos compartiendo más durante 2015 en todo, desde los desafíos de ingeniería y arquitectura de datos de cómo vamos a utilizar para hacer Pound BuzzFeed mejor para nuestros lectores. No tenemos todas las respuestas a estas fascinantes preguntas todavía, pero estamos trabajando duro en ellos!