Este es un post de invitado escrito por Beatriz Montenegro, Research Analyst en Twitter Brasil. Beatriz estudió economía y es parte del equipo de Market Insights & Analytics en Twitter desde hace más de 5 años. Para ella la investigación se trata más de preguntas que de respuestas. Conecta con ella en Twitter y LinkedIn.
Twitter existe desde hace más de 13 años y, aunque su formato y número de caracteres evolucionaron, su identidad se mantuvo basada en los mismos aspectos: horizontal, en tiempo real, culturalmente efervescente. Esa olla humeante de gente y conversación es muy atractiva para cualquier tipo de investigador.
Los datos de Twitter son uno de los muchos inputs para la escucha social y el análisis de segmentación de audiencias. La naturaleza abierta de la plataforma le permite ser una gran fuente de conversación pública. La mayoría de los investigadores de mercado estarán familiarizados con algunas de las herramientas que nos dan acceso a este tipo de información: BrandWatch, Affinio, Audiense, Sprinklr, por nombrar algunas.
Se trata no tanto de las herramientas, los procesos y los aspectos técnicos de las mismas, sino de hacia dónde me han llevado algunos puntos de vista. Estos han fundamentado algunas de mis estrategias y casos de éxito internos y externos. Dos verbos que traducen mi ángulo cuando uso Twitter como punto de partida.
No importa en qué app store o galería seas nativ@, si buscas Twitter en ellas ahora mismo descubrirás (si aún no lo sabes) que la plataforma está registrada en aplicaciones de noticias, no en redes sociales. Ese posicionamiento de marca se deriva del comportamiento de la audiencia y explica mucho sobre la calidad de agrupamiento que podemos observar en Twitter.
Al configurar una cuenta y decidir a quién seguir, lo más probable es que el usuario medio siga a los perfiles que representan sus intereses (música, televisión, noticias, política) y no necesariamente a amigos o conocidos de la vida real. La razón principal para estar en Twitter, según las personas que lo integran, es seguir las noticias y las conversaciones sobre temas de interés.
Aún a riesgo de resultar obvio, y existiendo muchas herramientas de clustering que se alimentan de esta información, las audiencias de Twitter tienden a agruparse alrededor de intereses y temas particulares. Sin embargo, lo interesante es lo que descubrimos en un estudio realizado en Reino Unido: incluso cuando las personas no están hablando sobre un tema de interés común en particular, tienden a consumir información y conversación del mismo grupo. El agrupamiento tiene como punto inicial alguna pasión y permanece aunque el tema a veces varíe. Las comunidades pueden estar unidas por un solo tema, pero tienden a unirse a otras conversaciones.
¿Y qué?
Estos flocks (agrupamientos) tienden a tener un comportamiento específico, que destaca más cuando se mira un nicho. Cuando hablamos del K-Pop, por ejemplo, puedo afirmar que representa la mayor conversación sobre un género musical a nivel mundial: en agosto de 2020 era casi ocho veces más grande que la del pop, el segundo contendiente. Sin embargo, cuando examinamos el número real de personas que hablan, el K-Pop tiene un promedio de aproximadamente 57 tuits por autor, mientras que el pop ronda apenas los 7 tuits. Había más personas tuiteando sobre la música pop pero no estaban tan vinculadas como los fanáticos del K-Pop.
Cuando lo miramos de forma cualitativa, una buena cantidad de personas hablando sobre el K-Pop en Brasil tenían una cuenta en exclusiva para ese tema. Mediante una encuesta confirmamos que casi la mitad de las personas interesadas en el género tenían una cuenta dedicada a ello (casi 2.5 veces más que los fans del pop).
Este patrón de comportamiento - fans súper organizados y comprometidos - se repite en algunos otros temas. Incluso podemos intentar construir una escala que vaya desde los temas-mainstream-del-que-todos-opinarán hasta un nicho muy comprometido.
El punto de vista que ofrezco aquí es que los datos de Twitter pueden mostrarnos cómo se comportan las personas cuando están inmersas en sus intereses. Cómo afectará esa relación lo que consumen y lo que comparten online. Si tienes la tarea de comprender a una audiencia en particular con una pasión concreta, es probable que los datos de Twitter sean un buen punto de partida.
El siguiente verbo que hoy comparto es shifting.
La naturaleza pública de Twitter permite que el análisis de las conversaciones sea bastante profundo, con una visión completa de lo que se está hablando. Hay varias formas en que podemos tomar una instantánea de un tema y analizarlo a través del volumen de tuits, el sentimiento, etc. Un giro muy interesante cuando hablamos de temas más generales y a largo plazo es observar los cambios.
Tengo dos ejemplos que lo ilustran. En 2018, recibí un informe sobre el arte callejero. Hice una serie de categorías y filtros para comprender la conversación en general, pero lo que más me gustó fue la evolución a lo largo del tiempo de la discusión sobre graffiti vs pixação (palabra que en Brasil significa la expresión y arte callejero de segunda y marginado: el graffiti es arte y la pixação es vandalismo).
A finales de 2016, São Paulo pasó por una intervención urbana muy controvertida llamada “Ciudad hermosa” (traducción libre), que sacó a la luz el debate sobre la expresión y la libertad, sobre el “verdadero” arte, entre otras cosas. Una de las conclusiones fue que si una marca quiere hablar acerca del arte callejero no puede ignorar la pixação.
Y ese ejemplo se queda en nada comparado con el siguiente: el año pasado Twitter lanzó Culture Insight through conversation, un trabajo masivo realizado con equipos internos y proveedores externos para convertir 3 años de datos de conversación en tendencias generales. Al detectar incrementos importantes en el uso de algunos hashtags y agrupar algunos comportamientos se pudo visibilizar lo que había cambiado y lo que podría conllevar en el futuro.
Si algo se mueve, debe haber un motivo. Los datos de Twitter pueden ser el primer paso para identificar algunos de esos cambios.
La agrupación y el dinamismo (flocking y shifting) son sólo algunos de los muchos comportamientos que se pueden observar y estudiar con los datos de Twitter. Lo llamo "punto de partida" porque indagar en una cantidad tan amplia y pública de información es una excelente manera de obtener contexto y formular hipótesis para probarlas más adelante. A veces, todo lo que necesitamos es ese primer paso que nos ayude a comprender lo que estamos viendo.
En Audiense estamos comprometidos con tener una red de colaboradores y líderes de la industria más diversa e inclusiva. Si estás interesad@ en colaborar con nosotros, envía un email a leticia@audiense.com incluyendo tus áreas de especialización y/o temas preferidos sobre los que quieras comentar.
Imagen de Daniele Levis Pelusi en Unsplash.