Twitter Metrics
In this post, I wanted to know who my Twitter Followers actually are and whether one can determine who is the most important follower. Maybe I should clarify “most important”. Obviously, there are different ways of determining who is “most important”. Depending on what data/criteria you are interested in, the most important Twitter follower could be the one with the highest number of followers he or she has because that is his/her potential audience (e.g. distribtion potential). That is not the only thing to look at, though. The most important twitter follower could also be determined by coming from a very specific region or country (e.g. as a source), speaking a specific langauge (e.g. as a target mediator) or the fact that he/she is a verified Twitter user (e.g. reliability, valid source, etc.). I could name a dozen more ways of defining who is important but let’s just stick to a few obvious factors. I took four different factors into consideration: Language, Country, Number of Followers and Location.

Twitter On A Map, Map, Map
The following data is anonymized but presents some interesting patterns I would like to discuss here. On this map you can see my own followers on Twitter and where they come from, according to their own specifications on Twitter. I scraped the information via the Twitter API. Once you click on one of the icons, you will find the information I was looking for (Language, Country, Number of Followers and Location). If the icon is green, the follower has less than 500 followers, yellow icons mean the followers have between 500 and 1000 followers and red followers represent Twitter users with more than 1000 followers each.

Looking at the data, this first factor – number of followers – could be one way of determining who is important in my Twitter network.

What language do they speak?
However, you could also focus on language.

Where do they come from?
In addition to that, important Twitter followers can be defined by where they come from. So, let’s say I would like to do some research on topics regarding the USA. Obviously, I would want people from the region telling me what’s going on. Consequently, the country of origin might be the most important factor. Unfortunately, a lot of Twitter users seem to not clarify where they come from – for whatever reason. This is what I found out about my Twitter followers: 104 of 470 followers did not specify where they came from. Furthermore, there were a lot of followers who picked “world” or “Interwebs” as their location which means that I am not able to track it via API. What I do see is that most of my Twitter followers seem to come from Berlin, Bonn, Hamburg, London, etc.

Twitterfied?
The last thing I checked was whether my followers where verified users by Twitter.

Conclusion
I guess there are many ways of defining who is who in your Twitter Network. Let’s not just focus on how many people are following you. Let’s look at who is who, where do they come from, what impact do they have and what criteria you would like to focues on when determining their “value”.

Während Eric Schmidt und Jared Cohen in ihrem Buch „The New Digital Age“ immer noch zwischen einer „physical world“ und einer „virtual world“ unterscheiden, würde ich mittlerweile argumentieren, dass diese Abgrenzung nicht mehr gilt – zumindest nicht für mich: Meine wichtigsten Kontaktpunkte und –arten, beruflich wie privat, finden meist leider online statt. Ohne Internetzugang werden soziale Beziehungen in jeglicher Hinsicht so stark eingeschränkt, dass dieser Zustand für mich undenkbar geworden ist.  An dieser Stelle möchte ich das ohne Wertung einfach mal so schreiben – und hinnehmen.

Spiegelt Facebook meine sozialen Kreise wider?

Mich hat nun interessiert, ob das „mappen“ meiner eigenen Facebook Freunde tatsächlich das Verhältnis und die Gewichtung meiner sozialen Kreise – virtuell und physisch – widerspiegeln. Zeigt mein Facebook Netzwerk tatsächlich meine wichtigsten Freunde und meine wichtigsten Beziehung in richtiger Relation? Mein Ego-Netzwerk auf Facebook hat mich schon immer interessiert. Im Studium habe ich mal in einem Seminar von Lothar Krempel manuell meine Facebook Freunde und die dazugehörigen Relationen aufgelistet und in Pajek visualisiert. Damals war es besonders erstaunlich zu sehen, was für eine wichtige Rolle bestimmte Leute in meinem Netzwerk gespielt haben. Deren Funktionen hatte ich teilweise völlig unterschätzt. Umso interessanter ist es zu sehen, ob sich da etwas über die Jahre geändert hat.

Netvizz App – Get The Data

Mittlerweile ist es viel einfacher, die Daten für das Ego-Netzwerk zu bekommen. Die Zeiten des manuellen Auflistens sind zum Glück vorbei – eine App (Netvizz) greift die Akteure (Knoten im Netzwerk) und deren Relationen (Kanten im Netzwerk) des eigenen Facebook Netzwerks automatisiert ab und erlaubt sogar das Exportieren in ein Gephi-freundliches Format.

Gephi – Visualize Your Network

Nachdem ich die Daten von Netvizz in Gephi importiere, entscheide ich mich für nicht-gerichtete Kanten, da es sich m.E. bei Freundschaften nicht um gerichtete Relationen handelt. Die Anzahl der Knoten (= meine Freunde) beträgt 545 (da scheinen ein paar Freunde zu fehlen – das kann mit deren Sicherheitseinstellungen zu tun haben?), die Anzahl der Kanten (= Relationen innerhalb meines Freunde-Netzwerkes) beträgt 3.247. Da ich keinen Vergleichswert habe, weiß ich leider nicht, ob es sich dabei um ein dichtes Netzwerk handelt. Das tolle bei Netvizz ist, dass ich pro Knoten auch den Namen des Freundes, das Geschlecht und, falls angegeben, die Herkunft als Attribut zu den Knoten erhalte. Das hilft mir später bei weiteren Visualisierungen. Darüber hinaus gibt es einen Age Rank, der mir sagt, wann welcher Nutzer auf Facebook beigetreten ist (?). Außerdem kann ich noch den Degree eines Knoten erkennen, der aussagt, wie viele weitere Knoten mit dem Knoten über Relationen verbunden sind.  Ich habe ein paar Freunde, mit denen ich keine weiteren Freunde teile, deren Degree ist folglich 0. Es gibt aber auch Freunde, mit denen ich sehr viele Freunde teile (mein max. = Degree beträgt 79). Average Degree der Knoten ist 11,9.

Cluster = Soziale Kreise?

Für meine erste Abbildung nutze ich den so-genannten „Force Atlas 2“-Algorithmus, der in Gephi integriert ist und die Knoten danach layoutet.

Die Kanten habe ich erstmal nicht berücksichtigt. Man erkennt bereits hier unterschiedliche Cluster, die inhaltlich auch nicht wirklich überraschend sind, denn sie zeigen im Endeffekt meine verschiedenen sozialen Kreise (Familie, Arbeit, frühere Arbeitgeber, Sportvereine, Reisen, etc.). Die Cluster formieren nach „Similarity“ – wenn also Akteure viele Ähnlichkeiten (z.B. viele gemeinsame Freunde) haben, dann liegen sie dicht beieinander. Obwohl man hier aufpassen muss, denn manche Cluster entstehen auch durch die Tatsache, dass sie alle keine gemeinsamen Freunde mit mir haben. Es gibt aber auch viele Knoten, die nicht in den Clustern liegen. Diese Knoten repräsentieren Freunde, mit denen ich entweder keine oder wenige andere Freunde teile oder es sind so-genannte Broker, die zwischen zwei Clustern stehen, die sie durch Relationen verbinden.

Vitamin B – Beziehungen!

Die nächste Abbildung zeigt die Relationen zwischen den einzelnen Knoten. Dabei ist die Größe und die Farbe der Knoten relevant. Je größer und je dunkler die Knoten, desto mehr Verbindungen können festgestellt werden (desto höher also deren Degree).

Das bedeutet, dass die größten Knoten die meisten gemeinsamen Freunde mit mir teilen. Man könnte meinen, dass sie die wichtigsten Akteure im Netzwerk sind, da sie die meisten Freunde haben. Das muss aber nicht sein – so gibt es ein paar Akteure, die verschiedene Cluster verbinden, diese Akteure nennt man Broker und sie sind beispielsweise für die Diffusion (von Informationen, etc.) ungemein wichtig, da nur sie dafür Sorge tragen, dass eine Information von einem Cluster zum nächsten gelangt. Die Broker können auch nur zwei Relationen aufweisen und trotzdem wichtiger sein als die Knoten, die tausende Relationen aufweisen – je nach Perspektive.

Männlich/Weiblich im Vergleich

Mein Netzwerk ist zu 55,15 Prozent männlich und zu 41,18 Prozent weiblich, falls die Angaben richtig gemacht wurden (was ich immer bezweifle, ich bin auf Facebook bspw. ein alter Mann).

Hinsichtlich dieser Betrachtung ist es aber interessant zu sehen, ob bestimmte Cluster vor allem männlich (blau) oder weiblich (rot) sind.

Bei mir scheint das ganz gut verteilt zu sein.

Die Lokalitäten

Letztlich ist noch interessant zu sehen, wo meine Freunde herkommen.

Hinsichtlich der Herkunftsländer gibt es einen eindeutigen Fokus auf Deutschland (grün), USA (rot) und England (gelb).

Erste Erkenntnisse

Facebook kann definitiv einiges über meine sozialen Kreise erfahren. Allerdings spiegelt es keineswegs meine gesamten sozialen Kreise wider, noch kann es eine richtige Gewichtung der Beziehungen darstellen. Insofern muss man Eric Schmidt und Jared Cohen vielleicht doch recht geben, dass die Abgrenzung zwischen der „virtual world“ und der „physical world“ weiterhin vorherrscht.

(a) redaktionell-interaktive Inhalte
(b) verschiedene Endgeräte und Plattformen
(c) technisch-interaktive Funktionalitäten (z.B. durch soziale Netzwerke)

Eine kleine Zusammenfassung zu dem Thema nochmal hier [ENGLISH]:

Vor allem über Richard Gutjahr’s Plattform “Rundshow” bekommt man ne Menge zu dem Thema mit – O-Ton: “Zuschauer sollen bei der Rundshow auf viele Arten mitmischen können: ein bisschen Facebook, eine Prise Twitter, Input über eine App, der direkte Chat und bei Bedarf noch ein Quentchen “Plus”, Mail darf auch nicht fehlen… Und wir Sendungsmacher wollen den Überblick behalten, tolle Beiträge für alle sammeln, diese auf verschiedenen Wege veröffentlichen und am Ende auch noch ein Best-Of präsentieren.”

Marco Maas’ Beitrag zur Rundshow ist das ultimative “Social Video Event Toolkit”. Die Tagesschau hatte es bereits zu den Berliner Landtagswahlen im Einsatz, aber auch bei TED und N-JOY war es zu sehen. Eigentlich wird damit schon das gesamte Spektrum von Social TV abgedeckt: Dieses Toolkit “kann Beiträge aus diversen Kanälen an einer Stelle bündeln und bietet ein Redaktions-Backend, mit dem diese Beiträge ausgewählt und ausgespielt werden können. Und nicht zuletzt hat SoViET den Anspruch, Sendeformate zu ermöglichen, in denen Live-Video und soziale Netzwerke integriert werden”. VERRY NICE!

Hier wird von Michael Reuter (übrigens auch im Team von Rundshow.de) ein ziemlich cooles Gadget vorgestellt – Tizi (leider noch etwas zu teuer und mit der Antenne sieht das Ding irgendwie aus wie aus dem Jahr 1996, aber es zeigt, wo’s hingeht):

Eine interessante Entwicklung kann man sicherlich bei Zeebox erwarten. Anthony Rose (baute KaZaA und den BBC iPlayer) wird mit seinem StartUp den Social TV Markt wahrscheinlich ein ganzes Stückchen aufregender machen.

Wer sich für coole Web-Videoformate interessiert, die sich inhaltlich nichts vom Mainstream sagen lassen, der schaut auf den neuen Zeit Online Blog: Netzfilmblog. Hier werden Online Filmprojekte wie Arte’s Prison Valley oder PBS’ Off Book vorgestellt, mein Lieblingsformat ist momentan allerdings das hier, das man auch bei Kickstarter unterstützen kann.