Noch vieles mehr ließe sich mittels der Twitter-Daten untersuchen. „Mich würde interessieren, ob Dienste, die für Empfehlungen genutzt werden, dazu führen, dass die Spannbreite der individuell konsumierten Medien zunimmt – ob ich also Dinge lese, von denen ich auf dem Wege der herkömmlichen Massenmedien gar keine Kenntnis hätte“, sagt Krishna Gummadi. Ein anderes Vorhaben: „Wir könnten herausfinden, wie sich Moden und Gepflogenheiten verbreiten.“
{1r}
So wurde es in letzter Zeit auf Twitter üblich, anstelle ellenlanger www-Adressen Kürzel einzusetzen, sogenannte Tiny-URLs. In dem Datensatz ließe sich genauestens verfolgen, wer wann welche Form von Tiny-URLs ins Spiel gebracht hat. „So etwas wäre nützlich als Anhaltspunkt dafür, wie sich Innovationen verbreiten.“
Nützliche Analysen für Marketing-Experten
Für Marketingexperten könnten die Resultate solcher Analysen durchaus nützlich sein. Auch hier ist man mittlerweile von dem Glauben an die Macht der Influentials abgerückt. „Das Web hat sich verändert. Heute ist nahezu jeder bei Xing oder Facebook angemeldet – da können wir gar nicht mehr sagen, wer der Relevanteste ist“, meint Christian Wilfer, Geschäftsführer der auf virales Marketing spezialisierten Agentur Dialog-Solutions. Und: „Es kommt immer auf das Produkt an“, ergänzt Mundpropaganda- Experte Martin Oetting von trnd. „Wenn ich einen Weichspüler bewerbe, dann gibt es dafür kaum eine Gruppe von besonders einflussreichen Vermittlern. Viel wichtiger sind hoch involvierte Normalverbraucher.“
Dementsprechend verhält es sich auch mit der Strategie der Marketing-Community trnd: Statt einiger weniger werden viele tausend Konsumenten, die sich als Produkttester auf der Online-Plattform von trnd registriert haben, mit Neuigkeiten sozusagen geimpft. Anders als bei Dialog Solutions, die mit ihrer Plattform Shareifyoulike einen ähnlichen Plan verfolgen, konzentriert sich trnd jedoch auf die Offline-Kommunikation – weil Leute ihren Freunden doch anders zuhören als den „Friends“ auf Facebook.
Bald neue Algorithmen zur Spam-Bekämpfung?
Relevant für praktische Anwendungen ist die Analyse von Netzwerken in sozialen Medien, wie sie Krishna Gummadi und seine Kollegen in Saarbrücken betreiben, aber nicht nur für die Marketing- und Innovationsforschung. Die genaue Kenntnis von Netzwerkstrukturen ist auch die Voraussetzung von Algorithmen zur Spam-Bekämpfung. Spammer steigern ihre Online-Reputation, indem sie ihre Seiten und Benutzerkonten so häufig wie möglich verlinken. Oft entstehen so aber lediglich in sich geschlossene Verlinkungs-Universen – ohne Verbindung zu den Clustern der ehrbaren Netzbürger. Mithilfe von Algorithmen lassen sich solche Spam-Cluster identifizieren und lahmlegen.
Suche im sozialen Umfeld macht Google Konkurrenz
Ein weiteres Anwendungsgebiet ist social search: die Suche nicht im World Wide Web, sondern innerhalb der Gemeinschaft Gleichgesinnter. Ein Prototyp eines solchen Suchverfahrens wurde vor einigen Jahren unter der Leitung von Gummadis damaligem Studenten Alan Mislove entwickelt, der heute als Assistant Professor an der Northeastern University in Boston lehrt. „Wir wollten wissen, wie stark man bei der Suche von der sozialen Umgebung profitieren kann“, sagt Mislove.
Wann immer einer der zehn am Projekt beteiligten Forscher eine Webseite aufrief, wurden deren Bezeichnung und Inhalt im institutseigenen Netzwerk gespeichert. Startete einer der Wissenschaftler dann eine Internetsuche, wurde ihm als Ergebnis neben der Google-Liste eine Liste aus den vom Team besuchten Webseiten präsentiert. Der Vorteil: „PeerSpective“, so der Name des Projekts, zeigte auch Einträge in Online-Bibliothekskatalogen an, die auf Google gar nicht verzeichnet sind.
Zusammengebastelte Software
Knapp acht Prozent aller tatsächlich angezeigten Suchergebnisse, so das Resultat der Pilotstudie, konnten ausschließlich mit PeerSpective gefunden werden. So gut schafft es selten jemand, sich neben Google zu behaupten. Mislove ist dies mit Software gelungen, die er innerhalb von nur einer Woche im Alleingang zusammengebastelt hat.
Ralf Grötker / MaxPlanckForschung
Stand: 11.03.2011
