SlideShare a Scribd company logo
1 of 21
Download to read offline
Social Networking Analysis
Pompei 20 giugno 2015
C. Di Tullio aka Dr_Who - drwho.it
– Riccardo Luna tedxpompeii.com
“Lo abbiamo voluto come matti questo TEDx e siamo partiti due anni fa,
sì sono passati due anni da quando abbiamo registrato la licenza, e da
allora niente è stato facile. Niente. E strada facendo avremmo potuto
fermarci tante volte: dire, ok, capito, non se ne fa nulla. Peccato. Ed
invece eccoci qui”.
– Camillo Di Tullio aka Dr_Who
“Scopo dell’analisi è individuare le persone più
attive durante la conferenza e gli argomenti
maggiormente apprezzati”.
Graph Metric Value
GraphType Directed
Vertices 227
Unique Edges 576
Edges With Duplicates 332
TotalEdges 908
Self-Loops 102
Reciprocated Vertex Pair Ratio 0,065359477
Reciprocated Edge Ratio 0,122699387
Connected Components 19
Single-Vertex Connected Components 14
Maximum Vertices in a Connected Component 205
Maximum Edges in a Connected Component 837
Maximum Geodesic Distance (Diameter) 7
Average Geodesic Distance 2,516895
Graph Density 0,012709056
ad un’ora e 10 minuti dall’inizio dell’evento, questa è la situazione
In-degree
Out-degree
mappiamo i vertici in ottica multidimensionale:
ascisse: out-degree
ordinate: in-degree
dimensione: Betweenness centrality
colore: Eigenvector centrality
archi: mentions
In-degree
Out-degree
Interazione:
analizzando le medie la maggior parte dei vertici
pushano i tweet (parte bassa quadrante C)
5 i vertici che hanno il ruolo di hub: di questi due
(quadrante C) non restituiscono l’interazione (basso out-
degree) mentre gli altri 3 contribuiscono ad
alimentare la discussione in rete
A B
C D
In-degree
Out-degree
In-degree
Out-degree
Analizzando le mentions (dimensione degli archi)
Riccardo Luna e Aperdichizzi sono i vertici più citati
La suddivisione in cluster ci restituisce anche un’altra
informazione: nel pre evento i vertici individuati sono i
“ponti” di connessione tra i vari segmenti
Qualità degli opinanti:
due le dimensioni che ci restituiscono questa informazione:
Betweenness centrality ed Eigenvector centrality
La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente
all’interno del percorso che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco
al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la
colorazione, maggiore sarà questa correlazione. In questo modo è facile, nel pre evento, individuare i facilitatori
di divulgazione delle news.
Cosa si aspettano le persone?
Analizzando gli hashtags più utilizzati, nettando quello che identifica l’evento (#TEDxPompeii), vediamo come i
temi sulla Cultura, Arte, Felicità (si sapeva essere l’intervento di Saviano) sono tra quelli maggiormente utilizzati.
Graph Metric Value
GraphType Directed
Vertices 481
Unique Edges 1499
Edges With Duplicates 1898
TotalEdges 3397
Self-Loops 348
Reciprocated Vertex Pair Ratio 0,039194339
Reciprocated Edge Ratio 0,075432163
Connected Components 27
Single-Vertex Connected Components 22
Maximum Vertices in a Connected Component 450
Maximum Edges in a Connected Component 3279
Maximum Geodesic Distance (Diameter) 7
Average Geodesic Distance 2,533131
Graph Density 0,008268365
Al termine dell’evento questa la situazione (dati prelevati prima dell’esibizione finale di Arturo Brachetti)
In-degree
Out-degree
mappiamo i vertici in ottica multidimensionale:
ascisse: out-degree
ordinate: in-degree
dimensione: Betweenness centrality
colore: Eigenvector centrality
archi: mentions
In-degree
Out-degree
Interazione:
analizzando le medie la maggior parte dei vertici
pushano i tweet (parte bassa quadrante C e D)
4 i vertici che hanno il ruolo di hub: di questi due
(quadrante A C) non restituiscono l’interazione (basso
out-degree) mentre gli altri contribuiscono ad
alimentare la discussione in rete
A B
C D
In-degree
Out-degree
In-degree
Out-degree
In-degree
Out-degree
pre evento post evento
Durante l’evento è naturalmente cambiata la geografia degli opinanti: Riccardo Luna
(moderatore durante l’evento) si è arroccato come hub riducendo ovviamente
l’interazione; confermato, invece, il ruolo attivo di Aperdichizzi e TedXPompeii con
l’ingresso di Startup_Italia
In-degree
Out-degree
In-degree
Out-degree
In-degree
Out-degree
Quanto sopra indicato viene confermato
analizzando le mentions in termini di volumi
generati nelle interazioni
In-degree
Out-degree
Analizzando le mentions (dimensione degli archi)
Riccardo Luna e Aperdichizzi sono i vertici più citati
La suddivisione in cluster ci restituisce anche un’altra
informazione: anche durante l’evento i vertici individuati
sono i “ponti” di connessione tra i vari segmenti ma con
un particolare: Riccardo Luna è il target
Qualità degli opinanti:
due le dimensioni che ci restituiscono questa informazione:
Betweenness centrality ed Eigenvector centrality
La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente
all’interno che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco al rosso ci
informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la colorazione, maggiore
sarà questa correlazione. In questo modo è facile, durante l’evento, individuare i facilitatori di divulgazione delle
news.
Tra i vari interventi qual è stato il più “apprezzato”? Stante gli hashtags quello di
Nato a Vicenza nel 1942. E’ ingegnere e informatico italiano.
Insieme agli ingenieri Pier Giorgio Perotto e Giovanni De Sandre
ha realizzato nel 1964 la “Programma 101” o “P101” dell’Olivetti,
il primo personal computer della storia, cioè il primo calcolatore
commerciale ad essere digitale, programmabile, piccolo ed
economico
dati al 21 giugno fonte https://tweetreach.com/reports/14203353
Who: C. DiTullio aka DR_WHO
What: marketer & blogger
Where: drwho.it
Social Networking Analysis

More Related Content

Viewers also liked

Marketing non convenzionale: approccio
Marketing non convenzionale: approccioMarketing non convenzionale: approccio
Marketing non convenzionale: approccio
Camillo Di Tullio
 

Viewers also liked (20)

Italia italiae
Italia italiaeItalia italiae
Italia italiae
 
Motori - Intelligenza Collettiva
Motori - Intelligenza CollettivaMotori - Intelligenza Collettiva
Motori - Intelligenza Collettiva
 
Hackfood report
Hackfood reportHackfood report
Hackfood report
 
Birds1344 Who
Birds1344 WhoBirds1344 Who
Birds1344 Who
 
Ipotesi di analisi lista twitter
Ipotesi di analisi lista twitterIpotesi di analisi lista twitter
Ipotesi di analisi lista twitter
 
Social Networking Analysis MarketersFestival 2016
Social Networking Analysis MarketersFestival 2016 Social Networking Analysis MarketersFestival 2016
Social Networking Analysis MarketersFestival 2016
 
Brainstorming
BrainstormingBrainstorming
Brainstorming
 
Marketing non convenzionale: approccio
Marketing non convenzionale: approccioMarketing non convenzionale: approccio
Marketing non convenzionale: approccio
 
Text mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativaText mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativa
 
#BereBasilicata al Vinitaly 2016
#BereBasilicata al Vinitaly 2016#BereBasilicata al Vinitaly 2016
#BereBasilicata al Vinitaly 2016
 
Essere brand
Essere brandEssere brand
Essere brand
 
Web Marketing Festival 2016 visto con gli occhi dei BigData
Web Marketing Festival 2016 visto con gli occhi dei BigDataWeb Marketing Festival 2016 visto con gli occhi dei BigData
Web Marketing Festival 2016 visto con gli occhi dei BigData
 
24hrs Camp Per Rome Camp 2008
24hrs Camp  Per Rome Camp 200824hrs Camp  Per Rome Camp 2008
24hrs Camp Per Rome Camp 2008
 
Dr_Who's Words
Dr_Who's WordsDr_Who's Words
Dr_Who's Words
 
TEDxVicenza_2016_Social_Networking_Analysis
TEDxVicenza_2016_Social_Networking_AnalysisTEDxVicenza_2016_Social_Networking_Analysis
TEDxVicenza_2016_Social_Networking_Analysis
 
#FoodPorn Community Detection
#FoodPorn Community Detection#FoodPorn Community Detection
#FoodPorn Community Detection
 
How can Big data accelerate CDN services ?
How can Big data accelerate CDN services ?How can Big data accelerate CDN services ?
How can Big data accelerate CDN services ?
 
Subscriber Churn Prediction Model using Social Network Analysis In Telecommun...
Subscriber Churn Prediction Model using Social Network Analysis In Telecommun...Subscriber Churn Prediction Model using Social Network Analysis In Telecommun...
Subscriber Churn Prediction Model using Social Network Analysis In Telecommun...
 
Ways of Seeing Data: Towards a Critical Literacy for Data Visualisations as R...
Ways of Seeing Data: Towards a Critical Literacy for Data Visualisations as R...Ways of Seeing Data: Towards a Critical Literacy for Data Visualisations as R...
Ways of Seeing Data: Towards a Critical Literacy for Data Visualisations as R...
 
Engineering the Future: The Socio-Economic Case for Gender Equality
Engineering the Future: The Socio-Economic Case for Gender EqualityEngineering the Future: The Socio-Economic Case for Gender Equality
Engineering the Future: The Socio-Economic Case for Gender Equality
 

Similar to TEDxPompeii Social Networking Analysis

Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
Social Media Lab
 
Cittadinanza digitale
Cittadinanza digitaleCittadinanza digitale
Cittadinanza digitale
cslaviarte
 
Information Design: Visualizzazione di Informazioni Quantitative
Information Design: Visualizzazione di Informazioni QuantitativeInformation Design: Visualizzazione di Informazioni Quantitative
Information Design: Visualizzazione di Informazioni Quantitative
Duccio Schiavon
 
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Matteo Busanelli
 
Digitale analogico
Digitale analogicoDigitale analogico
Digitale analogico
imartini
 

Similar to TEDxPompeii Social Networking Analysis (18)

Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
Duccio Schiavon - Information Design: Visualizzazione di Informazioni Quantit...
 
Social Intellignece e sentiment analysis
Social Intellignece e sentiment analysisSocial Intellignece e sentiment analysis
Social Intellignece e sentiment analysis
 
Cittadinanza digitale
Cittadinanza digitaleCittadinanza digitale
Cittadinanza digitale
 
Information Design: Visualizzazione di Informazioni Quantitative
Information Design: Visualizzazione di Informazioni QuantitativeInformation Design: Visualizzazione di Informazioni Quantitative
Information Design: Visualizzazione di Informazioni Quantitative
 
Dispersion centrality
Dispersion centralityDispersion centrality
Dispersion centrality
 
social Media Monitoring, Modulo N.5
social Media Monitoring, Modulo N.5social Media Monitoring, Modulo N.5
social Media Monitoring, Modulo N.5
 
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De FrancisciLa visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
 
G.A. Barbieri, Istat, Presentazione del Rapporto sulla conoscenza
G.A. Barbieri, Istat, Presentazione del Rapporto sulla conoscenzaG.A. Barbieri, Istat, Presentazione del Rapporto sulla conoscenza
G.A. Barbieri, Istat, Presentazione del Rapporto sulla conoscenza
 
G. A. Barbieri, Presentazione del Rapporto sulla conoscenza, 22 febbraio 2018
G. A. Barbieri, Presentazione del Rapporto sulla conoscenza, 22 febbraio 2018G. A. Barbieri, Presentazione del Rapporto sulla conoscenza, 22 febbraio 2018
G. A. Barbieri, Presentazione del Rapporto sulla conoscenza, 22 febbraio 2018
 
Relazione
RelazioneRelazione
Relazione
 
Tecnologia e persona
Tecnologia e personaTecnologia e persona
Tecnologia e persona
 
Networking Lezione 21 Novembre
Networking Lezione 21 NovembreNetworking Lezione 21 Novembre
Networking Lezione 21 Novembre
 
Data Driven UX - Content Strategy
Data Driven UX - Content StrategyData Driven UX - Content Strategy
Data Driven UX - Content Strategy
 
Data Driven UX
Data Driven UX Data Driven UX
Data Driven UX
 
Social Network Analysis
Social Network Analysis Social Network Analysis
Social Network Analysis
 
Gli Altmetrics tra noi: un nuovo concetto d’impatto
Gli Altmetrics tra noi: un nuovo concetto d’impattoGli Altmetrics tra noi: un nuovo concetto d’impatto
Gli Altmetrics tra noi: un nuovo concetto d’impatto
 
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
 
Digitale analogico
Digitale analogicoDigitale analogico
Digitale analogico
 

TEDxPompeii Social Networking Analysis

  • 1. Social Networking Analysis Pompei 20 giugno 2015 C. Di Tullio aka Dr_Who - drwho.it
  • 2. – Riccardo Luna tedxpompeii.com “Lo abbiamo voluto come matti questo TEDx e siamo partiti due anni fa, sì sono passati due anni da quando abbiamo registrato la licenza, e da allora niente è stato facile. Niente. E strada facendo avremmo potuto fermarci tante volte: dire, ok, capito, non se ne fa nulla. Peccato. Ed invece eccoci qui”.
  • 3.
  • 4. – Camillo Di Tullio aka Dr_Who “Scopo dell’analisi è individuare le persone più attive durante la conferenza e gli argomenti maggiormente apprezzati”.
  • 5.
  • 6.
  • 7. Graph Metric Value GraphType Directed Vertices 227 Unique Edges 576 Edges With Duplicates 332 TotalEdges 908 Self-Loops 102 Reciprocated Vertex Pair Ratio 0,065359477 Reciprocated Edge Ratio 0,122699387 Connected Components 19 Single-Vertex Connected Components 14 Maximum Vertices in a Connected Component 205 Maximum Edges in a Connected Component 837 Maximum Geodesic Distance (Diameter) 7 Average Geodesic Distance 2,516895 Graph Density 0,012709056 ad un’ora e 10 minuti dall’inizio dell’evento, questa è la situazione
  • 8. In-degree Out-degree mappiamo i vertici in ottica multidimensionale: ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions In-degree Out-degree Interazione: analizzando le medie la maggior parte dei vertici pushano i tweet (parte bassa quadrante C) 5 i vertici che hanno il ruolo di hub: di questi due (quadrante C) non restituiscono l’interazione (basso out- degree) mentre gli altri 3 contribuiscono ad alimentare la discussione in rete A B C D In-degree Out-degree
  • 9. In-degree Out-degree Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici più citati La suddivisione in cluster ci restituisce anche un’altra informazione: nel pre evento i vertici individuati sono i “ponti” di connessione tra i vari segmenti Qualità degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente all’interno del percorso che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la colorazione, maggiore sarà questa correlazione. In questo modo è facile, nel pre evento, individuare i facilitatori di divulgazione delle news.
  • 10. Cosa si aspettano le persone? Analizzando gli hashtags più utilizzati, nettando quello che identifica l’evento (#TEDxPompeii), vediamo come i temi sulla Cultura, Arte, Felicità (si sapeva essere l’intervento di Saviano) sono tra quelli maggiormente utilizzati.
  • 11.
  • 12. Graph Metric Value GraphType Directed Vertices 481 Unique Edges 1499 Edges With Duplicates 1898 TotalEdges 3397 Self-Loops 348 Reciprocated Vertex Pair Ratio 0,039194339 Reciprocated Edge Ratio 0,075432163 Connected Components 27 Single-Vertex Connected Components 22 Maximum Vertices in a Connected Component 450 Maximum Edges in a Connected Component 3279 Maximum Geodesic Distance (Diameter) 7 Average Geodesic Distance 2,533131 Graph Density 0,008268365 Al termine dell’evento questa la situazione (dati prelevati prima dell’esibizione finale di Arturo Brachetti)
  • 13.
  • 14. In-degree Out-degree mappiamo i vertici in ottica multidimensionale: ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions In-degree Out-degree Interazione: analizzando le medie la maggior parte dei vertici pushano i tweet (parte bassa quadrante C e D) 4 i vertici che hanno il ruolo di hub: di questi due (quadrante A C) non restituiscono l’interazione (basso out-degree) mentre gli altri contribuiscono ad alimentare la discussione in rete A B C D In-degree Out-degree
  • 15. In-degree Out-degree In-degree Out-degree pre evento post evento Durante l’evento è naturalmente cambiata la geografia degli opinanti: Riccardo Luna (moderatore durante l’evento) si è arroccato come hub riducendo ovviamente l’interazione; confermato, invece, il ruolo attivo di Aperdichizzi e TedXPompeii con l’ingresso di Startup_Italia
  • 16. In-degree Out-degree In-degree Out-degree In-degree Out-degree Quanto sopra indicato viene confermato analizzando le mentions in termini di volumi generati nelle interazioni
  • 17. In-degree Out-degree Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici più citati La suddivisione in cluster ci restituisce anche un’altra informazione: anche durante l’evento i vertici individuati sono i “ponti” di connessione tra i vari segmenti ma con un particolare: Riccardo Luna è il target Qualità degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente all’interno che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la colorazione, maggiore sarà questa correlazione. In questo modo è facile, durante l’evento, individuare i facilitatori di divulgazione delle news.
  • 18. Tra i vari interventi qual è stato il più “apprezzato”? Stante gli hashtags quello di Nato a Vicenza nel 1942. E’ ingegnere e informatico italiano. Insieme agli ingenieri Pier Giorgio Perotto e Giovanni De Sandre ha realizzato nel 1964 la “Programma 101” o “P101” dell’Olivetti, il primo personal computer della storia, cioè il primo calcolatore commerciale ad essere digitale, programmabile, piccolo ed economico
  • 19. dati al 21 giugno fonte https://tweetreach.com/reports/14203353
  • 20.
  • 21. Who: C. DiTullio aka DR_WHO What: marketer & blogger Where: drwho.it Social Networking Analysis