UNIVERSIDADE DE VIGO Escuela de Ingeniera de Telecomunicacin

UNIVERSIDADE DE VIGO Escuela de Ingeniería de Telecomunicación Diseño e implementación de una aplicación web para el cálculo del nivel de influencia de los usuarios de las redes sociales Facebook y Twitter Autor: Esteban Otero Camiña Tutora: Yolanda Blanco Fernández 23/11/2012

Índice Ø Motivación Ø Objetivos Ø Las redes sociales. Facebook y Twitter Ø Tecnologías Ø Implementación • Antecedentes • Arquitectura • Implementación del cálculo Ø Casos de uso. Interpretación de resultados Ø Conclusiones Ø Líneas futuras

Motivación Ø Ámbito creciente de las redes sociales Ø Importancia del nivel de influencia ØInterés comercial para la difusión de una idea, producto, etc. Ø Cálculo del nivel de influencia no trivial Ø Herramientas actuales incompletas

Objetivos Objetivo: Creación de una aplicación para el cálculo del nivel de influencia con dos características fundamentales: Evitar la propagación de la Ø Cálculoinfluencia inferido desilano actividad existe del unausuario en varias redes sociales en conjunto relación estrecha que lo justifique Ø Inclusión en el cálculo de la ponderación del nivel de relación del usuario con sus contactos

Las Redes Sociales Ø Expansión y popularidad Ø Modelo seguimiento/suscripción VS modelo amigo (ida y vuelta) Ø Tipo de información compartida. Contenido VS perfil. Ø Disponibilidad de API completa y flexible

Las Redes Sociales. Facebook Ø Más de 800 millones de usuarios Popularidad Ø Modelo de amigo (ida y vuelta) 900 800 Ø Información personal. Enfatiza el perfil 700 600 Ø Graph API. SDK (Software Development Kit) Millones de usuarios 500 400 300 200 100 0 Facebook Twitter Millones de Usuarios Google+ Linkedin Facebook Twitter Google+ Linkedin 900 555 170 150

Las Redes Sociales. Twitter Ø Más de 500 millones de usuarios Popularidad Ø Modelo de seguimiento/suscripción 900 800 (followers/friends) 700 600 Ø Información enfatiza el contenido. Noticias Millones de usuarios 500 400 300 Ø Rest API. Librerias 200 100 0 Facebook Twitter Millones de Usuarios Google+ Linkedin Facebook Twitter Google+ Linkedin 900 555 170 150

Tecnologías Ø Servidor Apache. Tiempo de ejecución Ø Lenguaje PHP • Compatibilidad con Graph API y Rest API • Compatibilidad con servidor Apache • Amplia comunidad. Multitud de documentación Ø Klout. Nivel de influencia inicial de los contactos • Herramienta actual más completa • API disponible

Implementación. Antecedentes Ø Aplicación TIF Ø Antecedentes (Facebook. Grader, Twitter. Grader, Tweet. Stats, Plus. Clout, Klout) Ø Diferencias • Inferencia del nivel de influencia en varias redes sociales en conjunto • Ponderación de las relaciones entre el usuario y sus contactos para evitar la propagación de la influencia si no está justificada

Implementación. Arquitectura Ø Cliente / Servidor

Implementación. Cálculo Ø Diagrama de flujo

Implementación. Cálculo Ø Modelado de la red social del usuario • Consultas Graph API y Rest API

Implementación. Cálculo Ø Cálculo del nivel de influencia inicial de cada contacto • Contactos Twitter → Klout (API) • Contactos Facebook → Cálculo propio Ø Valores entre 0 y 100

Implementación. Cálculo Ø Ponderación del peso del los enlaces • Contactos Facebook: • Contactos Twitter:

Implementación. Cálculo Ø Cálculo final del nivel de influencia

Casos de uso Ø Número de contactos: alto / bajo Ø Influencia inicial de los contactos: muy influyentes / poco influyentes • Ø Intensidad de las relaciones: fuerte / débil •

Casos de uso Ø Alto número de contactos (177), muy influyentes y relación fuerte • Usuario con 29 contactos de Twitter y 148 contactos de Facebook Comparativa TIF vs Klout 90 80 Nivel de Influencia üInfluencias altas üPonderación del peso de los enlaces → Valores Klout mayores que TIF 70 60 50 40 30 20 10 0 Prueba Prueba Prueba 2 3 4 5 6 7 8 9 10 Klout 82 64 59 78 85 51 69 71 58 76 TIF 69. 032 53. 987 50. 905 65. 003 71. 505 39. 015 63. 129 61. 871 55. 883 69. 023 Prueba 1

Casos de uso Ø Alto número de contactos (119), muy influyentes y relación débil • Usuario con 46 contactos de Twitter y 73 contactos de Facebook ü Influencias elevadas similares con Klout ü Ponderación del peso de los enlaces (relación débil) → Valores de TIF mucho menores Nivel de Influencia Comparativa TIF vs Klout 90 80 70 60 50 40 30 20 10 0 ü Influencia inicial 67, 47% frente a un 62, 27% en el caso anterior üPonderación del peso de los enlaces (relación débil) → Valores mucho menor Prueba Prueba Prueba 1 2 3 4 5 6 7 8 9 10 Klout 51 55 71 77 58 51 63 71 56 61 TIF 23. 313 24. 029 29. 905 31. 003 22. 505 18. 015 21. 129 30. 871 21. 88299999 28. 023

Casos de uso Ø Alto número de contactos (136), poco influyentes y relación fuerte • Usuario con 39 contactos de Twitter y 97 contactos de Facebook Comparativa TIF vs Klout ü Valor similar al anterior ü Compensación contactos poco influyentes VS relación fuerte ü Ponderación del peso de los enlaces (relación fuerte) → Valores de TIF incluso mayores Nivel de Influencia 25 20 15 ü Klout menor que TIF 10 5 0 Klout TIF Prueba 1 21 23. 129 Prueba 2 19 16. 029 Prueba 3 17 15. 905 Prueba 4 15 15. 103 Prueba 5 23 20. 505

Casos de uso Ø Alto número de contactos (146), poco influyentes y relación débil • Usuario con 83 contactos de Twitter y 63 contactos de Facebook Comparativa TIF vs Klout ü Valores de Klout similares (independientes de la relación) üPonderación del peso de los enlaces (relación débil) → Valores de TIF menores que Klout Nivel de Influencia 25 ü Relación débil → Valor TIF menor 20 15 ü Klout valor similar al caso anterior. Independiente de la relación 10 5 0 Klout TIF Prueba 1 16 13. 939 Prueba 2 15 11. 029 Prueba 3 20 12. 905 Prueba 4 17 12. 103 Prueba 5 19 13. 505

Casos de uso Ø Bajo número de contactos (28), poco influyentes y relación fuerte • Usuario con 11 contactos de Twitter y 17 contactos de Facebook Comparativa TIF vs Klout 14 ü Valor bajo de influencia similar al caso anterior üCompensación contactos poco influyentes VS relación fuerte ü Relación fuerte → Mayor valor de TIF que Klout 12 Nivel de Influencia ü Valores de Klout independientes de la relación üPonderación del peso de los enlaces (relación fuerte) → Valores de TIF mayores que Klout en ciertos casos 10 8 6 4 2 0 Klout TIF Prueba 1 10 10. 303 Prueba 2 11 9. 917 Prueba 3 12 12. 299 Prueba 4 11 9. 001 Prueba 5 13 10. 908

Casos de uso Ø Bajo número de contactos (29), poco influyentes y relación débil • Usuario con 9 contactos de Twitter y 20 contactos de Facebook Comparativa TIF vs Klout 14 ü Influencia inicial de 11, 38% vs 10, 68% del caso anterior ü Valores muy similares al caso ü Ponderación del peso de los anterior enlaces (relación débil) ü Valores mayores que TIF ü Valores muy inferiores ü Valor de Klout muy similares al caso anterior ü Ponderación de los enlaces → nivel de influencia mucho menor en. TIF Nivel de Influencia 12 10 8 6 4 2 0 Klout TIF Prueba 1 10 0. 192 Prueba 3 Prueba 4 11 10 13 1. 321 0. 9770000001 2. 5 Prueba 5 10 1. 506

Conclusiones Ø Medida objetiva del nivel de influencia no trivial Ø Inferencia de la actividad en varias redes sociales Ø Importancia del nivel de las relaciones establecidas con los contactos → ponderación de los enlaces Ø Evitar la propagación de la influencia desde los contactos al usuario si no se justifica

Líneas futuras Ø Desarrollo abierto → incorporación de nuevos parámetros que vayan surgiendo en las API’s Ø Integración de TIF en una pagina canvas de Facebook Ø Inclusión de la red Google+ → Si API disponible Ø Desarrollo para plataformas móviles (Android)

Gracias