<p>El estudio y entendimiento de la influencia en Twitter puede entregar un apoyo al desarrollo de campañas virales más efectivas para esta red social. Saber cómo seleccionar a los usuarios más influyentes puede ser de gran ayuda para esparcir un mensaje importante. Este estudio se ha centrado en investigar sobre las métricas y métodos que han establecido otros autores para determinar la influencia entre usuarios. Además se han propuesto soluciones a algunos problemas que no se han abordado en las publicaciones vistas. Más específicamente, se aplicaron algunas métricas que dictan el comportamiento de los usuarios en un modelo probabilístico de influencia, el cual es un modelo para redes sociales en general, y que ha sido adaptado para Twitter.</p><p>Este modelo adaptado ha sido complementado con algunas propiedades de la teoría de grafos y otras disciplinas para obtener conclusiones valiosas en cuanto al estudio de la influencia en Twitter. El modelo se ha aplicado en un contexto determinado y se ha analizado el rendimiento comparándolo con Klout, una popular métrica de influencia online. Bajo ciertas condiciones el modelo propuesto logra imitar a Klout con una precisión considerable. Sin embargo, la principal ventaja de este modelo es que este es altamente configurable y se puede aplicar en diversos contextos</p>
<p>Understanding the role of influence on Twitter may help to contribute to the development of more effective viral marketing campaigns. Selecting influential users may help considerably in the propagation of an important message. This research has focused on the understanding of<br />metrics and methods proposed by other authors to measure user influence on social networks. On the other hand, problems that haven’t been addressed on the works of these authors have inspired some solution proposals on this research. To be more precise, metrics related to the behavior of users have been applied to an influence probability model, which is a model adapted from social networks in general, to Twitter.</p><p>This model has been complemented with some properties of graph-based theory and other disciplines in order to obtain valuable conclusions regarding the study of influence on Twitter. The model has been applied within a given context and its performance has been compared with Klout, a popular metric of online influence. Under certain conditions the proposed model achieves to imitate Klout with a fairly accurate precission. However, the main advantage of this model is that it is highly adjustable and it can be applied in a wide variety of topics</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>El estudio y entendimiento de la influencia en Twitter puede entregar un apoyo al desarrollo de campañas virales más efectivas para esta red social. Saber cómo seleccionar a los usuarios más influyentes puede ser de gran ayuda para esparcir un mensaje importante. Este estudio se ha centrado en investigar sobre las métricas y métodos que han establecido otros autores para determinar la influencia entre usuarios. Además se han propuesto soluciones a algunos problemas que no se han abordado en las publicaciones vistas. Más específicamente, se aplicaron algunas métricas que dictan el comportamiento de los usuarios en un modelo probabilístico de influencia, el cual es un modelo para redes sociales en general, y que ha sido adaptado para Twitter.</p><p>Este modelo adaptado ha sido complementado con algunas propiedades de la teoría de grafos y otras disciplinas para obtener conclusiones valiosas en cuanto al estudio de la influencia en Twitter. El modelo se ha aplicado en un contexto determinado y se ha analizado el rendimiento comparándolo con Klout, una popular métrica de influencia online. Bajo ciertas condiciones el modelo propuesto logra imitar a Klout con una precisión considerable. Sin embargo, la principal ventaja de este modelo es que este es altamente configurable y se puede aplicar en diversos contextos</p>
<p>Understanding the role of influence on Twitter may help to contribute to the development of more effective viral marketing campaigns. Selecting influential users may help considerably in the propagation of an important message. This research has focused on the understanding of<br />metrics and methods proposed by other authors to measure user influence on social networks. On the other hand, problems that haven’t been addressed on the works of these authors have inspired some solution proposals on this research. To be more precise, metrics related to the behavior of users have been applied to an influence probability model, which is a model adapted from social networks in general, to Twitter.</p><p>This model has been complemented with some properties of graph-based theory and other disciplines in order to obtain valuable conclusions regarding the study of influence on Twitter. The model has been applied within a given context and its performance has been compared with Klout, a popular metric of online influence. Under certain conditions the proposed model achieves to imitate Klout with a fairly accurate precission. However, the main advantage of this model is that it is highly adjustable and it can be applied in a wide variety of topics</p>
