Wer sind meine Twitter-Follower? Datenvisualisierung leicht gemacht
Kommentare

Bei dem unguten Gefühl, im Dunkeln in einer kleinen Gassen verfolgt zu werden, handelt es sich sicherlich in den meisten Fällen um Einbildung, jedoch dürfte dieses Gefühl jedem bekannt sein. Übertragen auf unserer virtuelles Leben in den sozialen Netzwerken, ergibt sich nun eine neue Form der Verfolgungsangst – nämlich das ungute Gefühl, auf Twitter verfolgt zu werden, ohne genau zu wissen, wer seine Follower sind. Für alle, die dieses Gefühl kennen – oder zumindest eine Neugier dafür verspüren, wer sich aus welchem Land für seine Tweets interessiert – , hat Derrick Harris von Gigaom eine dreistufige Erklärung veröffentlicht, die veranschaulicht, wie man seine Follower ganz ohne Programmierkenntnisse ausfindig machen und visualisieren kann. Wir haben uns Harris‘ Ansatz angeschaut, für Euch zusammengefasst und auf deutsche Verhältnisse angepasst:

Ausgangspunkt

Einfach zu bedienen waren bisher, wie Harris herausstellt, nur kostenpflichtige Dienste zu denen SimplyMeasured oder Follower Wonk zählen. Andere Dienste (etwa NodeXl) ermöglichen zwar das Erstellen eines Social Graphs, stellen sich aber als recht aufwendig heraus und präsentieren nur die Ergebnisse, nicht aber grundlegende Informationen in Form von Raw Data. Auch ScraperWiki, das zwar die Raw Data anzeigt, die Informationen allerdings recht unübersichtlich darstellt, konnte Harris‘ Bedürfnissen nicht in allen Punkten gerecht werden, sodass er sich auf die Suche nach besseren Lösungen machte.

Schritt 1 : ScraperWiki-Konto eröffnen

Als ersten Schritt ist die Einrichtung eines ScraperWiki-Kontos erforderlich, das bis zu 3 Datensets mit einem jeweiligen Speicher von 8 MB kostenlos anbietet. Wer mehr Speicher oder mehr Datensets braucht, bezahlt bis zu 29 Dollar monatlich. Journalisten und Unternehmen profitieren dabei von Preisvergünstigungen. Nachdem das Konto eingerichtet ist, erstellt man ein neues Datenset und wählt die Option „Get Twitter Followers,“ wozu die Angabe des eigenen Twitter-Namens erforderlich ist. Die Zeit, die die Software bis zum Abschluss der Analyse benötigt, ist dabei abhängig von der Anzahl der Follower, da die Twitter API die Zugriffsraten begrenzt. Sind die Daten ausgelesen, kann man sich diese als Tabelle anzeigen lassen und nach Nutzernamen, Nutzer-ID, Anzahl oder anderen Kriterien ordnen lassen.

Schritt 2 : Eindeutige Ordnungskriterien aufstellen

Um zu Schritt zwei zu gelangen, ist zunächst ein Spreadsheet-Download der Ergebnisse aus ScraperWiki erforderlich. Entschließt man sich dann, die ausgelesenen Nutzer zum Beispiel nach ihrem Aufenthaltsort zu ordnen, sollte man den gemeinsamen Wert der Location-Spalte standardisieren, was, wie Harris bemerkt, etwas umständlich ist. Dabei ist sich Harris selbst nicht sicher, ob dieser Schritt tatsächlich notwendig ist, doch gestaltet er das Vorgehen etwas übersichtlicher, da man so nur ein Ergebnis für Orte wie San Francisco findet, anstatt je eine Auflistung für Fan Francisico, San Francisco, CA., San Francisco, California, SFO und so weiter aufstellen zu müssen. Entsprechend der individuellen Präferenzen kann die Benennung dabei spezifischer oder weiträumiger ausfallen.
Je nach Programm empfiehlt es sich die Informationen zur Stadt und zum Bundesland getrennt aufzulisten, anstatt diese Angaben in einer Spalte zusammenfassen. Muss die Zuordnung zu Bundesländern sein, mag sich manch einer fragen. Nun, als Deutsche legen wir in der Regel nicht so viel Wert auf die Herkunft aus einem Bundesland, zumindest nicht in dem Maße wie es Amerikaner mit ihren Bundesstaaten tun. Doch die zusätzliche Trennung nach Stadt und Bundesland kann dennoch die Tiefe der Visualisierung erhöhen, da Twitter Follower vermutlich nicht nur aus unserer Heimat kommen. 
Als Möglichkeit, die Informationen in eine Tabelle einzufügen, empfiehlt Harris Google Fusion Tables, das Ortsangaben automatisch mit den entsprechenden geografischen Informationen versieht, sofern man die Spalten manuell als Ortsangaben-beinhaltend markiert.

Schritt 3 : Visualisierung der Ergebnisse

Als dritten Schritt kann man sich die Daten schließlich mit Tools wie Tableau PublicIBM Many Eyes oder Google Fusion Tables anzeigen lassen, die alle in ihrer Bedienung leicht verständlich sind. Harris‘ Ergebnisse können sich sehen lassen und sind eine einfache und spaßige Variante, Big Datas kleinem Bruder ein Gesicht zu geben. Solltet Ihr Euch selbst mal an diesen Tools versuchen, freuen wir uns, etwas über Eure Ergebnisse zu hören!

 

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -