Direct Performance agora é dp6. » Branding

Afinal, como funciona o Trending Topics do Twitter?

Marco Cardozo — Wed, 23 Mar 2011 01:23:28 +0000

Embora o Twitter seja uma rede social mais do que consolidada (completou 5 anos no dia 21/3/2011 e tem mais de 460 mil novas contas criadas diariamente, além de 140 milhões de tweets/dia), ainda há muita confusão sobre o que realmente são os ‘tópicos da tendência’ e qual o seu funcionamento. Afinal, como funciona o Trending Topics do Twitter?

Muitos acreditam que os TT´s são os termos mais postados no Twitter, quando na verdade são as palavras que possuem um maior crescimento exponencial momentâneo, isto é, atingem o maior volume durante determinado período. Por exemplo: em um domingo com jogos de futebol a serem transmitidos, a probabilidade de o grande jogo da rodada aparecer nos tópicos de tendência, ou ao menos o nome de um dos times, é muito grande, pois muitos usuários tem o hábito de comentar os gols, jogadas e fazer brincadeiras sobre os times na rede social durante a partida, atingindo um maior crescimento durante o período da partida.

Acontecimentos como o Oscar, citado em post recente do blog, são muito propícios em aparecer nos Trending Topics por se tratarem de algo momentâneo e que geram discussões e comentários, onde as pessoas gostam de expressar suas opiniões, e o Twitter foi desenvolvido exatamente para isso. Segundo definição da própria ferramenta, “O Twitter é ligado às notícias mais recentes e aos acontecimentos do momento, e os nossos Tópicos da Tendência identificam estes assuntos e os tornam imediatamente popular, para ajudar as pessoas a descobrir mais sobre as ‘últimas notícias’ e os assuntos mais falados no mundo todo”.

Além dos casos sazonais, devido a alta adesão do público jovem à ferramenta, muitos assuntos teens como ‘Justin Bieber’ aparecem com grande frequência entre os TT´s, pois qualquer novo acontecimento relacionado aos seus ídolos da mídia/música são amplamente comentados nos tweets, transformando-se em um trending topic.

E onde a hashtag (#) entra nessa história?

Os marcadores servem para identificar as palavras-chave da “tweetada” de maneira a facilitar que os demais usuários encontrem os termos. Ao clicar em uma palavra marcada, você verá todas as tweetadas relacionadas a elas. Exemplo recente de utilização de um termo marcado foi o “#prayforjapan”, que identificava os tweets de apoio e solidariedade ao país.

Resultados de busca com o marcador para #prayforjapan

Essa maneira de marcar os termos principais caiu nas graças dos usuários e frequentemente identificamos essas marcações entre os Trending Topics, como no dia mundial da água (22 de março) onde 2 termos aparecem entre os tópicos de tendência: #diamundialdaagua e #diadaagua, ambos identificados com a tag.

Porém, vale ressaltar que não é necessária a utilização do marcador para que o termo apareça entre as tendências. A imagem abaixo mostra que temos também termos sem a sua utilização.

Demonstração dos tópicos de tendência com e ser marcadores

Tópicos e Tendências promovidas

Em 2010 o Twitter lançou seu ‘Promoted Topics’, tweetadas de marcas e empresas que surgem na primeira posição entre as buscas feitas por assuntos relacionados. É uma ação muito próxima do que encontramos em estratégias de SEM, onde temos o ‘anúncio’ (tweetada, no Twitter) identificado como propaganda – no caso do Twitter, um ícone ‘Promoted’ – e que aparece antes dos demais, considerados ‘orgânicos’.

Tal serviço se estende também para os tópicos de tendência e, por isso, merece destaque nesse post. Para ser uma tendência promovida o assunto deve ter um nível mínimo de popularidade no Twitter, ainda que não ao ponto de aparecer nos TT´s de forma espontânea.

Dessa maneira, estar entre os TT´s é algo próximo de uma propaganda de determinada palavra, pois usuários que não tem conhecimento do termo muitas vezes pesquisam o porque de ele estar entre as tendências daquele instante e, se gostarem, começam a acompanhar e promover ainda mais, atingindo o objetivo da ferramenta. Vejam todos os detalhes sobre o “trending Topic Promoted” no Twitter Help Center!

Posts relacionados

Uma metodologia qualitativa para Buzz Intelligence: o Índice de Buzz

Gabriel Ishida — Thu, 09 Sep 2010 18:11:58 +0000

Em metodologia científica, uma das grandes dificuldades sempre foi encontrar métodos eficazes em análise qualitativa. Questionários, entrevistas, focus group, pesquisa de campo, enfim, todas essas formas são consideradas como as mais tradicionais nas ciências humanas. Com exceção da pesquisa de campo (principalmente a linha de observação participante de Malinowski), todas as metodologias caem na quantificação das informações. Por exemplo, em uma base qualitativa de questionários, as respostas dadas se transformam em dados estatísticos, de uma forma ou de outra. Sendo assim, o qualitativo e o quantitativo possuem uma relação direta e, em muitos casos, complementar.

Em uma análise de Buzz, o qualitativo é a nossa base. Não há como: precisamos ler e observar todos os fatores geradores do buzz: desde tweets até vídeos postados no Youtube. Mas todos esses dados só se transformam em informações se houver uma análise cuidadosa de cada elemento formador da base. Ou seja, mesmo com um volume de dados muito grande, é necessário que toda base esteja preparada para a análise.

A maioria das metodologias de análise qualitativa possuem uma relação direta com o quantitativo. O Índice de Buzz não foge à regra.

A forma mais tradicional de se preparar a base de análise é a polarização. Consiste em classificar cada post em negativo, positivo ou neutro, de acordo com os objetivos da análise. Deve-se tomar cuidado com o tom de discurso e as intenções do emissor no post, já que lidamos com conteúdo gerado por seres humanos, ou seja, em tudo há um sentido subjetivo. E para analisar isso, (por enquanto) nenhuma máquina, software ou qualquer coisa dotada de sistema binário consegue fazer, apenas o próprio ser humano.

Com uma base toda polarizada, já podemos começar a cruzar as informações e gerar uma análise. Um dos métodos utilizados aqui na Direct Performance é o Índice de Buzz (IB).

Índice de Buzz (IB)

O IB é um gráfico composto pelo volume total de posts, o volume de posts positivos e neutros. Basicamente, é um termômetro do buzz, dado em termos percentuais. Através dele, podemos saber qual a polaridade geral do buzz, saber se há um grande volume de posts neutros, se tem mais posts positivos, etc. E também é possível estabelecer comparações entre as bases analisadas, já que a distribuição espacial do gráfico favorece uma visão comparativa.

Um ponto interessante do Índice de Buzz é a capacidade em descobrir quando um buzz neutro é composto por predominância de posts neutros ou se há uma equivalência entre posts negativos e positivos. Se, em um buzz neutro (entre 45% a 55% de IB), o gráfico tende, no eixo X, para a esquerda, concluímos que o buzz é neutro por conta da predominância de posts neutros. Se o gráfico tende para a direita, concluímos que o buzz é neutro pela equivalência de volume entre os posts negativos e positivos.

Na escala comparativa, também conseguimos concluir quando um buzz possui maior volume de posts que outro, através do espaço ocupado no gráfico. Vejam o exemplo:

Na comparação com o Buzz B, podemos concluir que o Buzz A tem um volume e um índice de buzz maiores (55%), além de um maior percentual de posts neutros. No Buzz B, percebemos que há uma predominância de posts negativos, gerando o índice de buzz negativo (39%).

Mesmo oferecendo dados estatísticos em um gráfico, o Índice de Buzz tem um pé e meio no qualitativo, já que para formar esse painel, foi necessário analisar qualitativamente os dados coletados. Além disso, o IB nos fornecerá uma direção de análise, já que saberemos aonde nos focar e aonde poderemos pesquisar dentro do buzz. Então, conforme disse no começo do post, o Índice de Buzz é mais um exemplo de metodologia qualitativa com um toque quantitativo.

Sinta-se à vontade para comentar e perguntar.

Posts relacionados

Termos institucionais devem estar presentes em Campanhas de Adwords?

Marcos Vieira — Wed, 08 Jul 2009 14:23:46 +0000

Todos que trabalham com Links Patrocinados já viram anunciantes argumentarem:‘Estou na primeira posição da busca orgânica, minha marca é relevante para o usuário nesse contexto. Investir em meus Termos Institucionais através de Links Patrocinados é jogar dinheiro fora’.
E as agências mais conhecedoras dessa matéria (e mesmo o Google) contra-argumentam: ‘Retirando as Palavras Institucionais da campanha, a qualidade dela cairá e todas as outras palavras custarão mais caro devido a isso, o que acarretará em uma elevação de custos devido à queda de eficiência’.
Essas são duas afirmações perfeitamente plausíveis. Mas o fato é que ambas estão tão certas quanto erradas!
Isso mesmo. Às vezes anunciar em LPs para Termos Institucionais pode ser sim jogar dinheiro fora, mas às vezes é efetivamente uma medida de economia
Mas que caso é cada caso? Como saber o que fazer com minha Campanha Institucional?

Aproveitando o conhecimento matemático que possuímos internamente na Direct Performance, decidimos apresentar como resolvemos este problema de maneira lógica e assertiva, para que as agências tirem suas dúvidas, e para que os clientes não caminhem no escuro.
Não vamos entrar da discussão de o quão valioso é poder passar uma mensagem facilmente customizada para seus clientes de SEM Institucional, o que é permitido por uma estratégia de LPs. Estamos falando sobre resultados observados na forma de retorno direto.

A fórmula mágica (que nunca ninguém lhe contou) é a seguinte:
‘Se a razão entre o investimento total e o investimento em termos não-institucionais for maior que a razão entre o CTR total e o CTR não-institucional, então devemos retirar os termos institucionais’.

Fórmula ilustrativa: Se ($_total/ $_{não inst.)} > (CTR_total / CTR_{não inst}), então podemos tirar os termos institucionais.

Vou descrever dois exemplos para ficar claro como isso funciona:

Situação 1. Você investe R$ 10.000 em um campanha; desse investimento total R$ 2.000 são investidos em termos institucionais. O CTR geral é de 1,5% e seus termos não-institucionais têm CTR de 1,3%.
Com esses valores a inequação resultaria (1,25) > (1,15). Ou seja, ela é verdadeira. Isso indica que o anunciante terá economia se remover esses R$ 2.000 de termos institucionais.

Situação 2. Um outro caso seria se, para o mesmo investimento e o mesmo CTR geral, o CTR dos termos não-institucionais fosse de 1%.
Neste caso, a inequação resultaria (1,25) > (1,50) e isso não é verdade.Uma vez que a inequação não é verdadeira, você deve manter a campanha institucional.

Se você é familiar a valores de campanhas de LPs, você pode perceber que ambos os casos ilustrativos são perfeitamente possíveis, a depender do ponto de construção de marca em que está seu cliente.
Se você não tem certeza de em qual dos dois grupos você se encontra (e cá entre nós, não dá para saber isso apenas pelo feeling) as decisões que você tomou sobre esse tema até agora foram como jogar cara ou coroa:

50% de chance de economizar, 50% de chance de jogar dinheiro fora.

(Quem quiser acompanhar a explicação matemática para isso pode seguir o texto).

EXPLICAÇÃO MATEMÁTICA

Pensando na questão de retirar os termos institucionais de uma campanha, vamos analisar dois momentos: antes e depois de se retirar os termos institucionais.

Para nos ajudar, vou montar um pequeno dicionário de índices a serem utilizados aqui.
Índices
1 → Índice que remete a tudo que aconteceu antes da retirada dos termos institucionais
2 → Índice que remete a tudo que aconteceu depois da retirada dos termos institucionais
I → Termos institucionais
P → Termos de produtos, aqui sendo todos os outros termos que não são os termos I

Variáveis
S → Investimento
K → Custo por clique
H → Taxa de Clique
A → AdRank
As demais indicações são de entendimento natural (ex. C →Clique).

Assim, a retirada dos Termos Institucional implica em uma economia de S_I1 (Investimento Institucional do primeiro momento) que já não será mais investido. Aqui assumimos a hipótese sensível de que todos os cliques que o site teria passariam a vir por resultado orgânico (o que acontece com uma freqüência razoável).
Mas como invariavelmente as campanhas institucionais possuem um CTR (ou H) elevado, sem elas, o CTR geral deve cair, e o S_P2 (Investimento em Produtos no segundo momento), que depende do desempenho geral da campanha, deve ser maior que o S_P1; resultado direto da perda de eficiência da campanha.
Portanto o que queremos saber é se a economia da retirada dos termos institucionais é maior que a perda de eficiência correspondente. Em outros termos:

S_I1 > S_P2 – S_P1 ?

A perda de eficiência afeta apenas o investimento. Vamos manter o volume de Cliques (C_P1=C_P2) e seu AdRank (A_P1=A_P2); com isso queremos dizer que teremos perda de eficiência, mas manteremos o mesmo volume de resultados. Assim saberemos o que acontece no caso da única alteração ser a remoção das palavras I.
Como S_I1 e S_P1 são conhecidos, precisamos buscar S_P2.
Decorre da definição de mídia e da ausência de termos I:

K₂ = K_P2 = S_P2 / C_P2
S_{P2 =}K_{P2 *} C_P2

Sabemos que o AdRank é derivado do Índice de Qualidade (Q) e do CPC ofertado.

A = Q * K

Sendo Q = Q(H_H, H, Q_G)
H_H = CTR histórico
H = CTR do grupo de palavras
Q_G = Qualidade geral dos demais elementos da campanha

Aproximando:

Q ~ H_H(t) * H * Q_G

Assumindo essa aproximação como suficientemente precisa e uma vez que A_P1 = A_P2 chegamos a:

Q_P1* K_P1 = Q_P2* K_P2
H_H1(t) * Q_G1 * H_P1* K_{P1 =}H_H2(t) * Q_G2 * H_P2* K_P2

Mas
Q_GP1 = Q_GP2
H_P1 = H_P2

Então:
H_H1(t)* K_{P1 =}H_H2(t) * K_P2
K_P2 = K_P1 * H_H1(t) / H_H2(t)

Conclui-se que:
K_P2 = S_P1 / C_P1 * H_H1(t) / H_H2(t)

No momento em que retiramos as palavras (t=0) teremos H_H1(0) = H₁e H_H2(0) = H₁uma vez que não houve acumulo de histórico para a nova configuração de conta ainda e o passado de ambas as situações são iguais. Assim sendo

Para t = 0
K_P2 = S_P1 / C_P1
S_P2 / C_P2 = S_P1 / C_P1

Se C_P1 = C_P2, então teríamos S_P2 = S_P1
E para a comparação teríamos t = 0:
S_I1 > S_P2 – S_P1
S_I1 > 0
O que é sempre verdade. Ou seja, naturalmente, eliminar os termos institucionais é sempre bom no primeiro momento.

Mas como lim _t_→inf. H_H2(t) = H_P2, Então:
Consequentemente CTR histórico com o passar do tempo passa a depender de H₁ e H_P2:

K_P2 = S_P1 / C_P1 * H₁ / H_P2
S_P2 / C_P2 = S_P1 / C_P1 * H₁ / H_P2
S_P2= S_P1 * H₁ / H_P2

Relembrando que o que queremos é S_I1 > S_P2 – S_P1. Então:
S_I1 > S_P1 * H₁ / H_P2 – S_P1

Substituindo H_P2 = H_P1:
S_I1 > S_P1 * H₁ / H_P1 – S_P1

Retomando:
S₁= S_I1 + S_P1
S_I1= S₁ – S_P1

Substituindo essa equação, vemos:
S₁ – S_P1 > S_P1 * H₁ / H_P1 – S_P1
S₁ > S_P1 * H₁ / H_P1
S₁/ S_P1 > H₁ / H_P1

Ou seja, com o passar do tempo a comparação que tem que ser respeitada para que exista ganho econômico na retirada das campanhas Institucionais é S₁/ S_P1 > H₁ / H_P1.