Twitterの分析の共同開発技術に関する
解説資料
（株）ホットリンク内山幸樹
http://twitter.com/ucchy/ http://blog.livedoor.jp/koki_uchiyama/
本資料の位置づけ• 2010年 1１月 1日に発表された、
「ホットリンク、サイバーバズ、電通、凸版印刷、トライバルメディアハウスによる Twitterの分析技術の共同開発」
の成果を、分かりやすく理解していただくために、個人的に作成した資料です。
• 従って、内容に関する正確性の保証責任、その他のいかなる責任も、上記会社群にはありません。
開発された主な技術
• 露出指標の定量化技術
• ユーザ毎の影響力の定量化技術
• つぶやきの情報伝播経路の可視化技術
• 時間別話題内容の変化把握技術
• つぶやきの評判分析技術
某消費材ブランドのイベント事例で
• 本資料では、１０月１０日～１２日に新宿駅前で開催された、消費材ブランドのイベント（新宿駅前でのイベントを、Ustream で生中継したもの）の事例に照らして説明します。
• 露出指標の定量化技術
• ユーザ毎の影響力の定量化技術
• つぶやきの情報伝播経路の可視化技術
• 時間別話題内容の変化把握技術
• つぶやきの評判分析技術
Twitterイベントによる露出の効果は、何人が発言したのか？で測定するだけで
よいのでしょうか？
実際に、某消費財ブランドの例でみてみましょう。
2010
/9/1
0 0:
00
2010
/9/1
0 3:
59
2010
/9/1
0 8:
00
2010
/9/1
0 12
:00
2010
/9/1
0 15
:59
2010
/9/1
0 20
:00
2010
/9/1
1 0:
00
2010
/9/1
1 3:
59
2010
/9/1
1 8:
00
2010
/9/1
1 12
:00
2010
/9/1
1 15
:59
2010
/9/1
1 20
:00
2010
/9/1
2 0:
00
2010
/9/1
2 3:
59
2010
/9/1
2 8:
00
2010
/9/1
2 12
:00
2010
/9/1
2 15
:59
2010
/9/1
2 20
:00
0
200
400
600
0
1000
2000
抽出キーワード「 #axe0268」
累積発言数 発言数
発言数の推移発言者数 ８１１人
累積発言数 ２１３３回
発言数 累積発言数
これだけの費用をかけて、たった８１１人？Twitterって効果がいまいちだね？となりがちです。
実態としては発言は「伝播」します
そこで、その様子を以下の模式図でみてみましょう
Aさん2回発言
Bさん１回発言
Aさんのフォロワー３人
Bさんのフォロワー２人
Cさん1回発言
Dさん
Eさん
Fさん
Gさん発言した人
発言をフォローしている人
発言数は４回でも、情報はフォロワーに伝わります！！
イベント
実際に数えてみましょう測定項目 数値 備考
発言数 ４回 A:２回、 B:１回、C:１回
発言した人 ３人 A、 B、 Cさん
イベントの情報に接した人
７人 A、 B、 C、 D、E、 F、 Gさん
イベントの情報に接触したした総回数
１３回 A：２回、 B：１回、 C：３回、 D：２回、 E：３回、 F：１回、 G：１回
イベントの情報に接触した平均回数
１ .８６回 / 人
１３回 /７人
Aさん2回発言
Bさん１回発言
Cさん1回発言
Dさん
Eさん
Fさん
Gさん
言葉の定義
リーチ数
tGRP(TweetGRP)
＝露出数※ TV業界の GRPに相当します
フリークエンシー
発言数
発言者数
測定項目 数値 備考
発言数 ４回 A:２回、 B:１回、 C:１回
発言した人 ３人 A、 B、 Cさん
イベントの情報に接した人
７人 A、 B、 C、 D、 E、F、 Gさん
イベントの情報に接触した総回数
１３回 A：２回、 B：１回、C：３回、 D：２回、E：３回、 F：１回、G：１回
イベントの情報に接触した平均回数
１ .８６回 / 人
１３回 /７人
某消費財ブランドの事例でみてみる
発言者数 ８１１人
累積発言数 ２１３３回これだけの費用かけて、たった８００人？
単純な発言数のみだと
発言者数 ８１１人累積発言数 ２１３３回累積リーチ数 3,474,963人tGRP（露出数） 12,506,852 tGRP
フリークエンシー ３ .６回
なんと、 3日間で、・３００万人以上にリーチ！・１２００万 tGRPも！
伝播も含めて考えると
リーチ数や、 TweetGRPという数値を使うことで、Twitterの伝播効果も含めて把握できます！
• 露出指標の定量化技術
• ユーザ毎の影響力の定量化技術
• つぶやきの情報伝播経路の可視化技術
• 時間別話題内容の変化把握技術
• つぶやきの評判分析技術
誰の影響で、このイベントの情報が広がったのだろう？を知るためには、どうすればよいでしょうか？
以下の模式図でみてみましょう。
発言した人
発言をフォローしている人
Aさん1回発言
Bさん１回発言
Cさん1回発言
Dさん
Eさん
Fさん
Gさん１回発言
Hさん１回発言
イベント
あるユーザが、自分の発言によって（他の人にも興味を与え）他の人にも発言させた回数の合計
を数えます
Aさん
Bさん
Cさん
Dさん
Eさん
Fさん
Gさん
Hさん
対象者 （対象者が）影響を与えた
人
（対象者が）影響を与えた人の数
Aさん Cさん １
Bさん ０
Cさん Gさん、 Hさん
２
Dさん ０
Eさん ０
Fさん ０
・・・ ・・・
※フォロー関係（誰から誰に情報が伝播しているのか）と、発言の時間関係（どちらが先に発言したのか？）の両方を考慮しないといけません。 RTされた数のみではありません。
時間
言葉の定義
対象者 （対象者が）影響を与えた
人
（対象者が）影響を与えた人の数
Aさん Cさん １
Bさん ０
Cさん Gさん、 Hさん
２
Dさん ０
Eさん ０
Fさん ０
・・・ ・・・
影響力
某消費財ブランドの事例でみてみる単純なフォロワー数だと 影響力を見ると
名前 follower数
Aさん 299176
Bさん 208988
Cさん 205571
Dさん 49030
Eさん 34880
Fさん 22023
Gさん 9763
Hさん 8503
Iさん 8386
Jさん 5363
Kさん 5298
名前 影響力
Aさん 234
Cさん 52
Bさん 20
Oさん 14
Pさん 12
Iさん 11
Qさん 11
Rさん 10
Sさん 9
Tさん 9
Uさん 7影響力のあった人の半分以上が、 follower数の上位のユーザではない、という事実！！！自社製品の話題に影響力のあるユーザを把握できます。
• 露出指標の定量化技術
• ユーザ毎の影響力の定量化技術
• つぶやきの情報伝播経路の可視化技術
• 時間別話題内容の変化把握技術
• つぶやきの評判分析技術
このイベントの情報は、だれから誰にどう伝播したのかを目で確認
してみたくなります。
これまでの模式図を、実際のデータでみてみましょう。
「つぶやきシロー」さんの影響力が圧倒的に大きかったことがわかります。意図的に起用されていたとしたら、大成功と言えますね。
実際に図示してみましょう
タレント Aさん
全てのフォロワー情報を載せると、一枚の画面の収まらなくなるので、影響力の高いユーザから優先的に描画します
・フォントの大きさ （≒円の大きさ）：影響力・円の色の濃さ：フォロワー数・線：影響力関係（フォローし ているユーザが、時間的 に後に、そのキーワード に関して発言した）
実際に図示してみましょう
Shiro_tsubuyaki
・横軸：時間・フォントの大きさ （≒円の大きさ）： 時間毎の影響力・円の色の濃さ：フォロワー数・線：フォロー関係タレント Aさん
横軸に時間軸を入れて図示することで、時間帯毎の影響力のあったユーザの変化や、情報の広がりを目で確認することができます
時間
• 露出指標の定量化技術
• ユーザ毎の影響力の定量化技術
• つぶやきの情報伝播経路の可視化技術
• 時間別話題内容の変化把握技術
• つぶやきの評判分析技術
実際の発言から、何が良くて、何が悪かったのかを簡単に把握するにはどうすれば
よいでしょうか？
まずは、実際に某消費財ブランドの例で、良い評判
の分析結果をみてみましょう
某消費財ブランドの事例でみてみる（ポジ表現）
axe0268 声 木口亜矢 フィナーレ
リアル 湯船 杏璃ちゃん
ありがとう
かわいい 頑張る ありがとう
盛り上がる
熱い 盛り上がる
素晴らしい
たまらない
熱い かわいい 楽しみ 面白い
なる [気 ] いい エア洗い 感謝 観たい 観たい 公開 お家 映像
爆笑 残り湯 面白い 尻 凄い 楽しみ 素晴らしい
かっこいい
飲みたい すごい 良い 良い ダサい【否】
おもしろい
美味しい たまらない
人選
欲しい ほしい 香り 良い 胸 プログラム
すっごい 好き いい 楽しい スゴイ 人気 つぶやきさん 好評 絵 良い
美味しい なる [気 ] 高い [クオリティ ]
専用スポンジ 仕掛け
どきどき おもしろい
匂い いい サイコー 美人 すごい
かわいい 良い 気に入る 人気 お気に入り
少ない[ノイズ ]
がんばる ほしい モニター映像 よい お姉さんタイプ
見たい いい キレイ 深夜番組 可愛い エラい ノリ アホ お湯
うまい おもしろい
有加チャンプレゼント
すごい 熱い
楽しい アホ かわいい 欲しい 欲しいガラス張り
ドキドキ 大好き ほしい 音声 良い 愛用 懐かしい 三日間 楽しめる KONAN
楽しみ ありがとう
集計システム 良い 一番 京本有加
おもろい 京本さん 熱い すごい すごい すごい
面白い おもしろい
感謝 入浴剤
ほしい かわいい サウンド お薦め 杉原さん 深夜エロ番組
お薦め パワー 高まる[テンション ]
好き 良い 懐かしい
良い KONANさん ありがとう
ダメ【否】
楽しい 熱い ボディーソープ カメラワーク あやちゃん
上がる[テンション ]
好き 感謝 よろしい 最高 かわいい
勧める いい いい かわゆい
企画、出演タレント、放送の品質、商品等々、様々な視点からの評判を簡単に把握することができます。
仕組みの説明• キーワード「#axe0268」を含む発言の中で、評判になっている対象の言葉（対象
語）と、その評判（評判語）を、組み合わせにして表現します。– 例. 「 ちゃんって、かわいい！！」 ◯◯– → 対象語： ちゃん、評判語：かわいい◯◯– → 表現方法「 ちゃん：かわいい」◯◯
• 否定されている場合も、考慮します。– 例. 「映像がダサく無い」
• 映像：ダサい【否】 → ポジティブ– 例. 「プレゼントが、欲しくなくはない」
• プレゼント：欲しい【否】【否】 → ポジティブ
• 評判の対象が複数に渡る場合、対象語は可能性のあるものをピックアップします。– 例. 「○○のシャンプ－って匂いが良い」
• 匂い：良い• シャンプー：良い• ○○：良い
模式図２• 評判語単体ではポジティブ評判かネガティブ評判か判定がつかなくとも、周辺の
語とつなげて判定します。
– 例.「絵のクオリティが高い]• 高い → ポジ？ネガ？• 絵：高い【クオリティ】 → ポジティブ
– 例.「親会社への依存度が高い] • 高い → ポジ？ネガ？• 親会社：高い【依存度】 → ネガティブ
• 一つの文章として完結していなくとも、対象語を推定します。– 例.「 キター。まじスゲー」◯◯
• ◯◯：スゲー
• Twitter用にカスタマイズされた部分も追記すること
おわり
• ご不明点があれば、お気軽にお問い合わせください。
• ホットリンク 内山幸樹– http://twitter.com/ucchy/– http://blog.livedoor.jp/koki_uchiyama/
Recommended
