Webinaari viestijöille 16.1.2020, Harto Pönkä, Innowise

1. Twitterin
algoritmit, ajankohtaiset
ilmiöt ja verkostot
16.1.2020
Harto Pönkä
Innowise

2. “Algoritmi on ohjelma, joka
suorittaa tietyn tehtävän käytössä
olevan datan ja määrättyjen
sääntöjen perusteella.
Se järjestelee todellisuutta
kuin näkymätön käsi.
2

3. Twitterin algoritmien muutokset
3
2017: relevantit twiitit
juuri sinulle,
280 merkkiä
2015: sillä välin kun olit
poissa -suositukset
2014: suositut twiitit,
aiheet ja käyttäjät
2016: algoritmin
valitsemat twiitit ensiksi
(aiheutti kritiikkiä)
Lähteinä mm. https://blog.hootsuite.com/twitter-algorithm/, https://buffer.com/library/twitter-timeline-algorithm ja
https://www.socialmediatoday.com/news/understanding-twitters-timeline-algorithm-to-make-your-brand-stand-out-in/550462/
2018: käyttäjien
laatupisteytys ja
”terveellisemmät”
keskustelut
2019: parhaat tai
aikajärjestys -valinta
2012: mainosalusta,
mainostetut twiitit
2006: aikajärjestys,
140 merkkiä

4. “Vuodesta 2016 lähtien et
todennäköisesti ole enää nähnyt
kaikkien seuraamiesi käyttäjien
twiittejä.
Algoritmin päätöksille ei ole
valitusoikeutta.
4

5. Twitterin uutisvirran algoritmi (2017-)
Nykyisin näet twiitit oletuksena tässä
järjestyksessä:
1. Suositut viimeaikaiset twiitit
2. Vanhempia twiittejä, joiden Twitter
päättelee kiinnostavan sinua
(jos olet ollut jonkin aikaa pois Twitteristä)
3. Loput seuraamiesi käyttäjien twiitit
aikajärjestyksessä
Lisäksi virran alussa on mainoksia.
5
Lähde ja kuva: Alfred Lua, 2018, How the Twitter Timeline Works (and 6 Simple Tactics to Increase Your Reach,
https://buffer.com/library/twitter-timeline-algorithm
Algoritmi valitsee näytettävät twiitit
joka kerta, kun päivität uutisvirran.

6. Mitä twiittejä algoritmi nostaa?
▪ Viimeaikaiset twiitit, jotka ovat saaneet
nopeasti reaktioita (tykkäyksiä,
retwiittejä ja kommentteja)
▪ Vanhemmat twiitit, jotka ovat saaneet
runsaasti reaktioita
▪ Twiitit, joihin seuraamasi ”laadukkaat”
käyttäjät ovat reagoineet
▪ Twiitit, joissa lähetetään live-videota
▪ Twiitit, joissa on mukana kuvia, GIF:ejä,
videoita tai äänestyksiä
▪ Twiitit, joihin olet jo reagoinut
▪ Twiitit, joiden Twitterin tekoäly päättelee
kiinnostavan sinua toiminnastasi kerätyn
datan perusteella
6
Lähteet: Twitter, 2017, https://blog.twitter.com/engineering/en_us/topics/insights/2017/using-deep-learning-at-scale-in-twitters-timelines.html,
Alfred Lua, 2018, https://buffer.com/library/twitter-timeline-algorithm (myös kuvat)

7. 7
Kuva: Pixabay
Algoritmia voi
manipuloida
Uudelle julkaisulle voidaan
hankkia nopeasti reaktioita
esim. haippirinkien avulla ja
muilla keinoilla, jolloin
algoritmi päättelee sen
suosituksi ja näyttää sitä
useammille.
Näkyvyyden hankkiminen on sallittua niin
kauaa, kun reaktioista ei makseta muille.

8. 8
Omat valintasi vaikuttavat silti eniten
1. Onko profiilisi avoin vai suljettu
2. Mitä käyttäjiä ja aiheita seuraat
3. Mitä/miten twiittaat ja osallistut
4. Mitä vastauksia piilotat aloittamistasi ketjuista
5. Mitä käyttäjiä ja twiittejä olet ilmiantanut
6. Keitä hiljennät tai blokkaat
7. Keiden annat vastata twiitteihisi (tulossa)

9. Haluatko sittenkin twiitit aikajärjestyksessä?
1. Klikkaa tähtikuviota Twitterin etusivulla
2. Valitse: ”Näe mieluummin uusimmat twiitit”
Twitter teki tämän valinnan uutisvirran algoritmin
saaman kritiikin vuoksi vuonna 2019.
Voit ottaa takaisin käyttöön algoritmin muokkaaman
etusivun samasta kohdasta myöhemmin.
9
Vinkki: ”Näytä sisältöasetukset” -kohdasta löydät
hakuasetukset, jossa voit valita, piilottaako Twitter sinulta
hakutuloksissa arkaluonteista sisältöä sekä estämäsi ja
hiljentämäsi käyttäjät.

10. Keskusteluketjujen algoritmi
Kaikki vastaukset eivät näy heti, vaan
algoritmi valitsee näytettävät vastaukset.
▪ Muiden vastaukset ja tykkäykset
▪ Vastaus on tärkeämpi, jos alkuperäinen
twiittaaja on vastannut siihen
▪ Seuraamiesi käyttäjien vastaukset
▪ Vastaukset käyttäjille, joita seuraat
▪ Alkuperäinen twiittaaja on voinut
piilottaa joitakin vastauksia
▪ Vastauksia voidaan piilottaa käyttäjien
huonojen laatupisteiden perusteella –
osittain riippuen suhteestasi heihin
▪ Vastausten hierarkkinen järjestys
10
Lähteet: Twitter, https://help.twitter.com/en/using-twitter/twitter-conversations,
Alfred Lua, 2018, https://buffer.com/library/twitter-timeline-algorithm (myös kuva)

11. Twitterin keräämä data
Twitterin käytöstä syntyy dataa, jonka
perusteella voidaan koostaa mm. TOP-
listoja, tilastoja ja suosituksia.
Esimerkkejä:
1) suosituimmat sisällöt, esim. kuvat,
videot, linkit, tuotteet, aiheet jne.
2) suosituimmat yhdistelmät
3) eniten kommentoidut
4) seuratuimmat käyttäjät
5) aktiivisimmat käyttäjät
6) käyttäjien kiinnostusten kohteet,
sijainnit jne.
11
Kuva: Pixabay

12. Käyttäjien kiinnostuksen kohteet
Twitter pyrkii profiloimaan käyttäjiä mm.
mainosten kohdentamista varten.
Voit tarkistaa, miten sinut on profiloitu:
https://twitter.com/settings/your_twitte
r_data/twitter_interests/interest
Listalla voi olla jopa satoja aiheita.
Twitterin profilointi ei ole kovin tarkkaa,
vaan se kerää talteen ns. kaiken.
12
Kuva: Pixabay

13. Käyttäjien laatupisteytys (2018-)
Twitter yrittää tunnistaa tekoälyn avulla
käyttäjiä, joilla voi olla huonoja vaikutuksia
muihin. Pisteytys vaikuttaa mm. näkyvyyteen
hakutuloksissa ja suosituksissa.
▪ Profiili (uutuus, s.postin varmistus, kuva, nimi ym.)
▪ Käytös ja verkosto (keitä seuraa, vastaa,
retweettaa jne.)
▪ Miten muut ovat vuorovaikutuksessa käyttäjään
(kuka blokkaa, seuraa, vastaa, retweettaa jne.)
▪ Kuinka usein käyttäjätunnusta käytetään
▪ Sensitiivinen sisältö (aikuisviihde, väkivalta jne.)
▪ Ovatko twiitit keskustelua rakentavia vai jakavia
(todennäköisesti tekoäly seuraa, aiheuttaako
käyttäjä ilmiantoja, blokkauksia jne.)
13
Lähde: Twitter, 2018,
https://blog.twitter.com/official/en_us/topics/company/2018/Setting-the-record-straight-on-shadow-banning.html

14. Laatupisteiden vaikutus (ns. shadow ban)
Käyttäjien laatupisteet vaikuttavat mm.
seuraaviin Twitterin toimintoihin:
▪ Suositellaanko käyttäjää haussa (search
suggestion ban)
▪ Näytetäänkö twiittejä hauissa (search ban)
▪ Näytetäänkö vastauksia keskusteluissa muille
(ghost ban)
▪ Näytetäänkö vastauksia keskusteluissa heti vai
vasta kun klikataan ”näytä lisää vastauksia”
(reply deboosting)
Käyttäjien laatusuodatuksen tarkistus:
https://shadowban.eu/
14
Kuvakaappaus: https://shadowban.eu/JuudasSoini (15.1.2020)

15. Miltä Twitter näyttää vuonna 2020?

16. 16
Lähde: Pew, 2019,
https://www.pewresearch.org/internet/2019/04/24/sizing-up-twitter-users-methodology/
Käyttäjät voi jakaa kolmeen ryhmään:
1. Kevytkäyttäjiin (n. 40 %), joista suurin osa ei
käytä Twitteriä päivittäin
2. Suurkäyttäjiin (n. 60 %), jotka ovat joka
suhteessa edellisiä aktiivisempia
3. Superkäyttäjiin (n. 10 % kaikista), jotka tekevät
n. 80 % kaikista twiiteistä (mediaani 138 tw/kk)
Twitterissä kuuluu aktiivisimpien mielipiteet

17. Suomalaiset twiittaajat ja lukijat per vko/kk/vv
Viikossa Kuukaudessa Vuodessa
Twiittaajia 70 000 150 000 260 000
Twiittaajia ja
lukijoita 112 000 240 000 400-800 t.
17
Arvion taustalla Pinnalla.pyppe.fi-sivuston tiedot suomalaisten Twitterin käytöstä sekä tiedot Twitterin globaalin käytön jakautumisesta twiittaamiseen ja muuhun käyttöön.

18. Suomalaisten twiittaajien määrä 2018 vs. 2019
2018 2019 Vertailu
Tammikuu 165 494 132 755 -20 %
Helmikuu 163 591 142 218 -13 %
Maaliskuu 170 163 151 031 -11 %
Huhtikuu 168 011 171 920 +2 %
Toukokuu 156 962 146 960 -6 %
Kesäkuu 145 685 137 209 -6 %
Heinäkuu 145 187 118 812 -18 %
Elokuu 156 619 120 220 -23 %
Syyskuu 150 642 126 303 -16 %
Lokakuu 148 645 147 775 -1 %
Marraskuu 185 036 * 135 516 -27 %
Joulukuu 138 482 151 828 +10 %
Datalähde: Pinnalla-laskuri, http://pinnalla.pyppe.fi/, kuva: Harto Pönkä, 8.1.2020.
*) 11/2018 lukemaan Pinnalla-laskurissa vaikuttaa huomattavasti #raking-twiitteihin tulleet ulkomaiset retwiitit.

19. 19
Kuva: Kiran Garimella/Aalto-yliopisto
Lähde: STT, 2017, https://www.sttinfo.fi/tiedote/algoritmi-voi-luoda-sopua-clintonin-ja-trumpin-kannattajien-valille?publisherId=37936456&releaseId=57059022
Verkostoituminen voi johtaa ennakkokäsityksiä vahvistaviin kupliin ja
”kaikukammioihin”. Someväittelyissä eri mieltä olevat jakaantuvat vastakkaisiin
leireihin, joiden välissä on vaikea olla.
Polarisaatio

20. 20
Lähde: Pew, 2017,
http://www.people-press.org/2017/02/23/partisan-conflict-and-congressional-outreach/pdl-02-23-17_antipathy-new-00-02/
Tuohtuneet viestit saivat keskimäärin tuplasti enemmän
tykkäyksiä ja 3-4 kertaa enemmän kommentteja kuin viestit,
joissa ei tuotu esiin erimielisyyttä.
Somessa tunne voittaa järjen

21. 21
”blokkasi”-sanan sisältävät suomenkieliset twiitit 05/2016 – 06/2019
Datalähde: Twitterin haku, kuva: Harto Pönkä, 15.7.2019.

22. “Toisten Twitter-käyttäjien estäminen eli
blokkaaminen kasvoi ”blokkasi”-twiittien
perusteella selvästi vuonna 2019 verrattuna
aiempaan. Blokkaaminen on paitsi keino
suojautua häirinnältä myös rajata erimielisiä
pois keskusteluista. Näin se voi kiihdyttää
nk. kuplautumista.
22

23. Näkyvyyden kalastelua ja vaikuttamista

24. Viraaliuden taju
24
Lähteet: Tuomas Niskakangas, 8.12.2019, https://twitter.com/TNiskakangas/status/1203729511658995713
HS, 9.12.2019, https://www.hs.fi/politiikka/art-2000006337575.html
“Viraaliainesta, pohti Helsingin Sanomien
toimittaja Tuomas Niskakangas.
Niskakangas tarjosi ideaa myös esimiehilleen
talouden ja politiikan toimituksessa. Kun
nämä eivät tuntuneet syttyvän aiheesta
riittävästi eikä asia edennyt, Niskakangas otti
ohjat omiin käsiinsä.
Heti pääministerivalinnan ratkettua
Niskakangas jakoi Twitter-tilillään HS:n
haastattelukuvista koostetun kollaasin
suomalaisen politiikan naisjohtajista.

25. Ymmärrätkö popcornin merkityksen?
25
Kuvakaappaus: Jussi Halla-aho, 8.12.2019,
https://twitter.com/Halla_aho/status/1203733373098897409
Jos et, lue Jussi Pullisen essee: Huvittunut sivullinen syö naksuja
https://www.hs.fi/sunnuntai/art-2000006342832.html
(15.12.2019)

26. Tykätyin suomenkielinen twiitti ikinä?
26
Lähde: Jani Karhulahi, 4.12.2019,
https://twitter.com/TimoSilakka81/status/1202312723591303169

27. Viranomaisviestinnän reagointi viraali-ilmiöön
27
Lähde: Verouutiset, 5.12.2019,
https://twitter.com/Verouutiset/status/1202485385017864195

28. Viranomaisviestinnän reagointi viraali-ilmiöön
28
Lähde: Tilastokeskus, 16.12.2019,
https://twitter.com/Tilastokeskus/status/1206549427172839425

29. Video huomataan – etenkin hienot ja erityisen huonot
29
Lähde: Helsingin Kaupunkiympäristön toimiala (ent. Rakennusvirasto), 28.11.2019,
https://twitter.com/HelsinkiKymp/status/1199974107284230144

30. Vuoden suosituin twiitti 2019
30
Lähde: Twitterin blogi, 9.12.2019,
https://blog.twitter.com/en_us/topics/insights/2019/ThisHappened-in-2019.html

31. 31
Esimerkkejä meemeistä. Kuvien lähteet: Ancient aliens, Imgflip.com; Niinistö ja Trump, Metropoli.net; Pepe, Wikipedia. Meemitietokanta: https://knowyourmeme.com/
Katso myös: “Sarjakuvataiteilija surmasi Pepe-sammakon – leppoisasta nettivitsistä oli tullut äärioikeiston vihasymboli”, https://yle.fi/uutiset/3-9601142
Ancient aliens
Giorgio Tsoukaloksen
kuva + teksti
Pepe
Sammakkopiirros +
teksti
Niinistö ja Trump
Kuva presidenteistä +
teksti + kuvamanipulointia
Meemeillä pidetään hauskaa ja vaikutetaan

32. Päivän meemiviesti – käyttäjien yhteinen juttu
32
Lähde: Helsingin Kaupunkiympäristön toimiala (ent. Rakennusvirasto), 28.11.2019,
https://twitter.com/HelsinkiKymp/status/1199974107284230144

33. Tunnusluvut ja tilastot

34. Twitter-tilin tunnusluvut
▪ Seuraajalukema: seuraajien
lisääntyminen kertoo suosiosta
▪ Seurattavien määrä: jos seurattavia on
huomattavasti enemmän kuin seuraajia,
se kertoo ns. seuraamisspämmistä, jolla
kalastellaan itselle takaisinseuraajia.
▪ Listattu-lukema: kertoo twiittien
kiinnostavuudesta muiden silmissä
▪ Twiittien määrä: kertoo aktiivisuudesta
▪ Twitteriin liittymisen päivä: twiittien
määrän voi suhteuttaa tähän
▪ Tykkäysten määrä: ei lukemana
kiinnostava, mutta kannattaa katsoa,
mistä käyttäjä tykkää.
34
Lähteet: Twitter, https://help.twitter.com/en/using-twitter/twitter-conversations,
Alfred Lua, 2018, https://buffer.com/library/twitter-timeline-algorithm (myös kuva)
TOP 10 valtion organisaatiot Twitterissä:
https://brandsome.fi/twitter/valtionorganisaatiot

35. Twitter Analytics -työkalu
 Edelliset 28 päivää: twiitit, näyttökerrat, profiilin katselut, maininnat, seuraajat
 Kuukausittaiset yhteenvedot em. lukemista
 Kuukausittaiset kohokohdat: suosituin twiitti, maininta, seuraaja ja mediaa
sisältävä twiitti sekä yhteenveto
 Twiitit-välilehdeltä voit ladata twiittiesi tilastot CSV-tiedostona
 Yleisöt-välilehdeltä löytyy mm. sukupuolijakauma, mutta se poistuu 30.1.2020.
 Analytiikkatyökalun osoite: https://analytics.twitter.com/
35

36. Twiittien tunnusluvut
Analytiikkatyökalun Twiitit-välilehti
 Näyttökerrat: kuinka monta kertaa twiitti on nähty
(ei vastaa uniikkeja käyttäjiä)
 Yli 10 000 näyttöä on Suomessa hyvä
 Toiminta-aste: toiminnot / näyttökerrat
 Hyvänä tavoitteena voi pitää yli 5 %:n toiminta-
astetta. Yli 10 % on erinomainen!
 Uudelleentwiittaukset ovat hyödyllinen mittari,
sillä ne kasvattavat nopeasti näyttökertoja.
36
Toiminta-aste:
9 437 / 142 613 = 6,6 %

37. Social Blade: muutokset kuvaajina
Kuvakaappaus: Social Blade, https://socialblade.com/twitter/user/avitwiittaa/monthly (15.1.2020)
37

38. Seuraajien yhtäkkinen lisääntyminen tai vähentyminen
 Esimerkkikuvaaja on henkilöstä, joka on Socialbakers-tilastopalvelun mukaan Suomen
toiseksi seuratuin Twitter-käyttäjä
 Yhtäkkinen seuraajien lisääntyminen voi kertoa joko nopeasta suosion kasvusta (jolloin
sille yleensä löytyy helposti syy) tai seuraajien ostamisesta
 Yhtäkkinen seuraajien väheneminen johtuu Twitterin tekemistä bottitunnusten
siivouksista. Pienessä määrin se on näkynyt kaikilla todella seuratuilla käyttäjillä, mutta
nopea romahdus voi kertoa siitä, että käyttäjä oli aiemmin ostanut seuraajia.
Kuvakaappaus: Social Blade, https://socialblade.com/twitter/user/annemariayritys/monthly (15.1.2020)
Lisätietoa: https://harto.wordpress.com/2016/12/20/nain-tunnistat-twitter-seuraajien-ostajat/
38

39. Likaiset keinot, trollit ja botit

40. Trollaus
▪ Tarkoituksena ärsyttää muita
▪ Trolli-sanaa käytetään myös yksittäisistä
provosoivista viesteistä
▪ Trolli ”onnistuu”, jos joku ottaa hänet
todesta ja alkaa väittelyyn tai suuttuu
▪ Trollaus synnyttää ristiriitoja ja voi estää
järkevän keskustelun aiheesta
▪ Trolleiksi voidaan kutsua myös käyttäjiä,
jotka levittävät tiettyä aatetta tai
mielipidettä tukevaa tietoa tai
suoranaista propagandaa.
▪ Twitter poisti esim. ”Pietarin
trollitehtaaseen” (virall. Internet Research
Agency, IRA) yhdistettyjä käyttäjiä 3613
kpl lokakuussa 2018
40
Kuvakaappaus: Reijo Tossavainen, 13.1.2020,
https://twitter.com/ReijoTossavaine/status/1216727044295417863
Esimerkki: entinen PS:n kansanedustaja Reijo
Tossavainen lainaa twiittiä, joka on
todennäköisesti tarkoituksellista trollausta.

41. Twitterin poistamia IRA:n trollien twiittejä (2016)
41
Poistettaessa Tennessee-tilillä oli 147 767 seuraajaa ja ”Pamela Moorella” 72 121 seuraajaa.
Lähde: Twitter, Information operations,
https://transparency.twitter.com/en/information-operations.html (poistetut tilit ja materiaalit ovat ladattavissa)

42. Maalittaminen
▪ Tarkoittaa henkilön ”ottamista maalitauluksi”
ja ihmisten usuttamista hänen kimppuunsa.
▪ Maalittamisen osana saatetaan hankkia
kohdehenkilön yhteys- ja muita tietoja.
▪ Maalittamiseen puuttumisen ongelmana on
näyttää sen tarkoituksellisuus toteen.
▪ Maalittamisesta syytetään joskus perusteetta.
▪ Kyse on osittain sosiaalisen verkoston
ilmiöstä: tuhansien ihmisten joukossa on
todennäköisesti myös häiriköintiin alttiita.
▪ Rikos ainakin silloin, jos syyllistyy
kunnianloukkaukseen, uhkaukseen tai
kiihottamiseen kansanryhmää vastaan.
▪ Maalittaminen voi liittyä mm. kehystykseen ja
valheelliseen uhriutumiseen.
42
Kuvakaappaus: Keijo Kaarisade, 14.1.2020, https://twitter.com/keijomedia/status/1216852020528865282
Lisätietoa esim. Wikipediasta: https://fi.wikipedia.org/wiki/Maalittaminen_(sosiaalinen_media) ja Nytin Vihapuhepoliisi-artikkelista: https://www.hs.fi/nyt/art-2000006065927.html
Esimerkki: Twitter-tunnus, joka on olevinaan
parodiatili poliisista, maalittaa poliitikkoa.

43. Vihapuhe ja vihamieliset viestit eduskuntavaaleissa 2019
43
Lähde: Vihan vallassa -tutkimusraportti, 4.10.2019, https://tietokayttoon.fi/julkaisut/raportti?pubid=URN:ISBN:978-952-287-786-4
Lisätietoa: Yle, 4.10.2019, https://yle.fi/uutiset/3-11005024
Kuvassa on vähintään 5 vihaviestiä lähettäneiden verkosto.
Keltainen ryhmä, 160 käyttäjää:
• Konservatiivisia ja maahanmuuttovastaisia henkilöitä
• Vastasi n. 75 %:ista vihamielisistä viesteistä
Sininen ryhmä, 53 käyttäjää:
• Liberaaleja ja vasemmistolaisia henkilöitä
• Vastasi n. 25 %:ista vihamielisistä viesteistä
Eniten vihaviestejä Twitterissä saaneet ehdokkaat.

44. Botit
▪ Botti tarkoittaa Twitter-tiliä, joka toimii
tietokoneohjelman ohjaamana.
▪ Hyödyllisiä botteja ovat esimerkiksi uutisista
ja päivän keskustelunaiheista automaattisesti
twiittaavat Twitter-tilit
▪ Haitallisia botteja ovat esimerkiksi
spämmibotit ja trollibotit.
▪ Botin tunnistaminen pelkästään Twitter-
profiilin perusteella on vaikeaa.
▪ Usein oheisen kuvan mukaisia Twitter-
tunnuksia luullaan usein boteiksi, vaikka ne
ovat ilman käyttöä jääneitä Twitter-tilejä.
▪ Botin voi tunnistaa esimerkiksi siitä, että se
kirjoittaa twiittejä vuorokauden ympäri tai
lähettää pääasiassa retwiittejä.
44
Esimerkki: pelkästään tunnuksen ja profiilin
perusteella ei voi tietää, että kyse olisi botista.

45. 45
Lähde: Faktabaari, 27.1.2018, https://twitter.com/Faktabaari/status/957230461184507904
Lisätietoa: https://faktabaari.fi/baaripuhetta/disinformaation-analysointi-ja-faktantarkistusprosessi/

46. Työkalu Twitter-tunnusten analysointiin: TruthNest
 TruthNest antaa yhteenvedon ”tyyppitägeinä”, esimerkiksi tässä TROLL ja SPAM.
 Lisäksi monipuoliset tiedot twiiteistä, hashtageista, seuraajista, seurattavista,
maininnoista, linkeistä, twiittaamiseen käytetyistä sovelluksista, kuvista, reaktioista, jne.
 https://www.truthnest.com/
Kuvakaappaus: https://app.truthnest.com/ @pepita_kekkila (15.1.2020)
46

47. Työkalu bottien tunnistamiseen: Botometer
Kuvakaappaus: https://botometer.iuni.iu.edu/ (15.1.2020)
“Botometer is a joint project of the Network Science Institute (IUNI) and the Center for Complex Networks and Systems Research (CNetS) at Indiana University.”
47
https://botometer.iuni.iu.edu/

48. Bottien tietokanta: Bot Sentinel
Kuvakaappaus: https://botsentinel.com/top-100 (15.1.2020)
48
https://botsentinel.com/

49. Twitter-verkostoanalyysit

50. 50
Twiitit leviävät verkostojen kautta
Mitä useampi verkostosi jäsen retwiittaa tietyn
julkaisun, sitä todennäköisemmin näet sen.
Vaikuttaja: käyttäjä, jonka twiitit leviävät
huomattavasti keskimääräistä laajemmalle.

51. Sosiaalisen verkoston rakenne
51
Heikot sidokset ovat
merkittäviä, sillä ne
muodostavat siltoja
ryhmien välille.
Solmukäyttäjät välittävät
tietoa ja vaikuttavat.
Kiinteät ryhmät
kierrättävät joskus
tarpeetontakin tietoa.
Vahvoja sidoksia
syntyy, kun kaveri
on myös kaverin kaveri.
Ulkopuolisilla ei ole
yhteyksiä pääverkostoon.

52. Verkostodata
Sosiaalisen verkoston analyysi avulla
saadaan tietoa sen jäsenistä ja suhteista.
Tavoite  Data  Rajaus  Analyysi
Verkostoanalyysin tuloksia:
1) keskeisimmät toimijat
2) toimijoiden väliset suhteet
3) toimijoiden muodostamat ryhmittymät
4) ryhmittymien väliset suhteet
5) asiat/aiheet, jotka yhdistävät eri
toimijoita ja ryhmittymiä
52
Kuva: Eduskuntavaaliehdokkaiden klusterit Twitterissä #vaalit2019, Harto Pönkä, 2019,
https://harto.wordpress.com/2019/04/02/eduskuntavaaliehdokkaiden-klusterit-twitterissa-vaalit2019/

53. Keskeisyysluvut
A) Välillisyys (Betweenness centrality)
Kuinka monien eri toimijoiden reitillä
B) Läheisyys (Closeness centrality)
Keskimääräinen etäisyys muihin
C) Ominaisvektori (Eigenvector centrality)
Suhteellisesti painotettu keskeisyys
D) Keskeisyysaste (Degree centrality)
Lähtevät ja saapuvat yhteydet
E) Harmoninen (Harmonic Centrality)
Suhteellisesti painotettu keskeisyys
F) Katzin keskeisyys (Katz centrality)
Suhteellisesti painotettu keskeisyys
Usein käytetty keskeisyysluku on myös
Googlen hakukoneesta tuttu PageRank.
53
Kuva: Wikipedia, https://en.wikipedia.org/wiki/Centrality

54. Mielipidevaikuttajien suodattaminen verkoston massasta
54
Kuvan lähde: http://www.innowise.fi/fi/verkostoanalyysit/
Yllä on n. 3000 toimijan verkosto, josta
on suodatettu oikealla esiin 50
vaikuttajan ydinverkosto.

55. Esimerkki: verkoston jakautuminen klustereihin/ryhmiin
55
Kuvan lähde: http://www.innowise.fi/fi/verkostoanalyysit/
Ryhmä 1
Ryhmä 2
Ryhmä 4
Ryhmä 5
Ryhmä 3
Verkostoanalyysillä
voidaan selvittää,
millaisiin ryhmiin
verkoston jakautuu,
mitkä ovat eri ryhmiä
yhdistävät aiheet ja
ketkä ovat niiden
tärkeimpiä vaikuttajia.

56. Twitter-vinkit vuodelle 2020
1. Tärkeintä yhä: kiinnostavat ja oivaltavat sisällöt sekä
aktiivinen osallistuminen.
2. Tunnista väärä tieto, vaikutusyritykset ja trollaus.
3. Oppiva asenne: tutki, mittaa ja kokeile.
56

57. 57
Kysymyksiä tai
kommentteja?
Yhteystiedot
Harto Pönkä
0400500315
@hponka
harto.ponka@innowise.fi
https://www.innowise.fi/
Kiitos!