¿Ir viral? Un estudio examina la probabilidad de que las publicaciones en las redes sociales tengan un gran éxito

Una nueva investigación del Instituto de Tecnología de Florida puede determinar si una imagen o video se volverá viral en las redes sociales.

Los medios de comunicación social como Facebook, Twitter, Instagram y TikTok se han convertido rápidamente en una parte vital e integral, y a veces problemática, de la sociedad moderna. Es donde compartimos nuestras creaciones con el mundo, expresamos nuestros puntos de vista y sentimientos, y nos mantenemos conectados con las personas que nos importan.

También se han convertido en una plataforma de comunicación efectiva para celebridades, empresas, organizaciones e incluso gobiernos. De particular importancia para estas partes es generar una conciencia generalizada entre los usuarios en línea. Por lo tanto, predecir si una publicación o un tuit determinados se volverán virales, es decir, se compartirán entre una cantidad significativa de usuarios, es clave tanto para tomar decisiones de marketing inteligentes como para mitigar de manera efectiva la información errónea o la desinformación.

Este verano, Xi Zhang y Akshay Aravamudan, estudiantes de doctorado en ciencias e ingeniería informática, junto con el profesor asociado de ciencias e ingeniería informática Georgios Anagnostopoulos, presentaron su trabajo, «Predicción de popularidad en cascada de información en cualquier momento a través de procesos autoexcitantes», sobre la predicción temprana de popularidad de contenido en línea. en la 39.ª Conferencia Internacional sobre Aprendizaje Automático (ICML), una importante reunión de investigación sobre aprendizaje automático celebrada este año en Baltimore.

El nuevo esquema de predicción de popularidad de Florida Tech se basa en los procesos de puntos de Hawkes, los principios matemáticos que modelan el momento del intercambio de contenido, como reenvíos y retweets, como momentos que ocurren al azar. Los procesos del esquema son capaces de capturar la naturaleza auto-emocionante del contenido viral, lo que significa que el esquema puede modelar el fenómeno «los ricos se están volviendo más ricos» del contenido viral (por ejemplo, memes, etc.), donde el contenido popular se vuelve aún más popular, al menos durante un período de tiempo.

Esto se debe a que, cuando los usuarios lo comparten mucho en línea, muchos otros usuarios se dan cuenta y lo vuelven a compartir. Esto explica el efecto Matthew de ventaja acumulada que se observa a menudo, coloquialmente conocido como el efecto «los ricos se hacen más ricos», en las redes sociales: dentro de un período de tiempo, una publicación popular se vuelve aún más popular.

El trabajo de Zhang proporciona una forma sencilla de calcular el número promedio de futuras veces que se comparte en función de cómo le ha ido al contenido hasta ahora en términos de popularidad. Más claramente, el trabajo de Zhang permite predecir cómo evolucionará con el tiempo el intercambio de contenido en línea. «La predicción de la popularidad del contenido es una tarea desafiante», dijo Zhang, «especialmente si se intenta desde el principio, cuando el contenido se ha publicado recientemente y no ha ganado suficiente reconocimiento inicial».

El equipo formuló un esquema de predicción que es más preciso y menos computacionalmente intensivo que los enfoques actuales de vanguardia.

«Es importante poder medir rápidamente el potencial de popularidad de un tuit, cuando algunos tuits pueden volverse virales en dos o tres horas», agregó Zhang.

Otra ventaja del nuevo enfoque es su interpretabilidad. «Podemos producir predicciones útiles, pero también podemos explicar exactamente por qué nuestro modelo pronostica de la forma en que lo hace», dijo Aravamudan. «Poder hacerlo arroja nueva luz sobre los mecanismos subyacentes a la difusión de contenido popular en línea».