Ein Ergebnis der Studie: Die Verteilung von 29.864 populären Geschichten auf digg.com nach der Anzahl der Diggs, die jede Geschichte erhalten hat. Die logarithmische Normalverteilung zeigt, dass mehr als die Hälfte der Geschichten 200-800 Diggs erhalten hat, wobei die Anzahl der Geschichten mit mehr als 800 Diggs allmählich auf etwa 4000 Diggs abnimmt. Bildnachweis: Fang Wu und Bernardo Huberman. © 2007 PNAS.

In einer Welt, in der täglich Millionen von Menschen mit Tausenden von Nachrichten bombardiert werden, ist es für erfolgreiche Werbe-, Marketing- und Journalismusstrategien von entscheidender Bedeutung, zu verstehen, wie einige Nachrichten bei einer großen Bevölkerung beliebt werden.

Die Forscher Fang Wu und Bernardo Huberman von den Hewlett-Packard Laboratories in Palo Alto, Kalifornien, waren der Ansicht, dass die Popularität einer Idee oder eines Artikels in einer großen Population von ihrer Neuheit abhängen sollte, die im Laufe der Zeit aufgrund einer Vielzahl von Faktoren tendenziell abnimmt. Um diese Idee zu testen, analysierten die Forscher, wie sich eine Nachricht auf der interaktiven Website digg.com verbreitet.

Ihre in PNAS veröffentlichten Ergebnisse analysieren 29.864 beliebte Digg-Artikel im Jahr 2006, wobei mehr als 1 Million Nutzer die Popularität der Beiträge bestimmen.

"Die größte Bedeutung unserer Ergebnisse ist, dass wir in großen Personengruppen eine Verbindung zwischen Neuheit und kollektiver Aufmerksamkeit herstellen konnten", sagte Huberman gegenüber PhysOrg.com . "Psychologen haben das Zusammenspiel von Neuheit und Aufmerksamkeit mit menschlichen Probanden über viele Jahre untersucht, aber niemals auf Gruppenebene in einem solchen Ausmaß."

Zu den Ergebnissen von Wu und Huberman gehört die Existenz einer natürlichen Zeitskala, über die die Aufmerksamkeit wächst und schwindet. Da die Forscher nur populäre Geschichten in Betracht zogen (diejenigen, die es auf der Titelseite geschafft haben, basierend auf einem komplexen Algorithmus), muss das anfängliche Wachstum schnell sein. Sobald jedoch eine Story auf die Titelseite gelangt ist, weisen die Daten auf eine direkte Korrelation zwischen dem durchschnittlichen Log von Diggs und der Zeitvarianz hin. Mit anderen Worten, je beliebter eine Geschichte wird, desto schneller verbreitet sie sich.

"Grundsätzlich liest zu jeder Zeit eine Gruppe von n Personen die Geschichte, gräbt sie und erzählt sie anderen, aber nur ein zufälliger Bruchteil der Erzählten liest und gräbt die Geschichte", erklärte Huberman. „Diesem Prozess, der naiv zu einem multiplikativen Wachstum der Anzahl der Diggs führen würde, wird durch die Tatsache entgegengewirkt, dass die Neuheit der Geschichte mit der Zeit abnimmt. Zusammengenommen führt dieser Prozess zu einer logarithmischen Normalverteilung der Anzahl der Diggs und zu einem schnellen Anstieg am Anfang, der sich mit einer von unseren Gleichungen vorhergesagten Rate verjüngt und mit den Daten auf hohe Genauigkeit überprüft wird. “

Was den Rückgang des Interesses an einer Geschichte angeht, so sinkt die Digg-Rate einer Geschichte im Durchschnitt nach einem gestreckten Exponentialgesetz. Dies liegt daran, dass viele Faktoren zur abnehmenden Neuheit einer erfolgreichen Story beitragen (z. B. Themenkategorie, Tageszeit, zu der sie populär gemacht wurde usw.). Da einzelne Geschichten dazu neigen, exponentiell zu verblassen, sieht das kombinierte Ergebnis wie ein gestrecktes Exponential aus. Interessanterweise wurden gestreckte Exponentiale verwendet, um andere Zerfälle zu erklären, wie die Entladung eines Kondensators und Lumineszenzzerfälle.

Die Forscher analysierten auch die Wahrscheinlichkeitsverteilung von Geschichten basierend auf der Gesamtzahl der eingegangenen Diggs, was ungefähr log-normal ist. Insbesondere klettern die beliebtesten Geschichten schnell auf 200 Diggs, aber der größte Abschnitt (20%) erreicht zwischen 400 und 600 Diggs. Danach nimmt die Verteilung der Diggs allmählich ab und eine Handvoll erreicht die 3000-Digg-Marke.

Diese Studie ist eine der ersten, die Daten zur kollektiven Aufmerksamkeit sehr großer Personengruppen in einem nicht-laboratorischen, jedoch isolierten Umfeld analysiert. Daher hoffen die Forscher, dass die Ergebnisse Experten bei der Auswahl der Elemente unterstützen, die in verschiedenen Arten von Nachrichtenmedien, Werbung oder anderen Medien angezeigt werden sollen, die für die Verbreitung ihrer Inhalte auf soziale Netzwerke angewiesen sind.

"Unsere Theorie verweist auf eine Methode zur Anzeige von Inhalten auf einem Portal", sagte Huberman. "Wenn man daran interessiert ist, die Anzahl der Aufrufe des Portals zu maximieren, dann kann man nach unserer Theorie und einigen Messungen entscheiden, ob die neuesten Geschichten zuerst (wie jetzt bei digg) oder die beliebtesten veröffentlicht werden sollen."

Mehr Informationen:

HP Information Dynamics Lab: www.hpl.hp.com/research/idl/

Wu, Fang und Huberman, Bernardo A. "Neuheit und kollektive Aufmerksamkeit". Verfahren der Nationalen Akademie der Wissenschaften . 6. November 2007, vol. 104, nein. 45, 17599 & ndash; 17601.

Copyright 2007 PhysOrg.com.
Alle Rechte vorbehalten. Dieses Material darf ohne die ausdrückliche schriftliche Genehmigung von PhysOrg.com weder ganz noch teilweise veröffentlicht, gesendet, umgeschrieben oder weiterverbreitet werden.