Hvilke organisationer på Folkemødet 2018 har størst indflydelse på Twitter?

En visualisering af relationerne mellem de mest indflydelsesrige danske Twitter-konti inden for områderne journalistik, kommunikation, politik og organisationer. Har man en politisk dagsorden, er det dem her, man gerne vil i kontakt med. Data fra juni 2018.

En populær praksis for deltagere på Folkemødet er at tvinge samtlige ansatte til at retweete organisationens egne tweets for at snyde nogle algoritmer og ligge højt i søgninger på #fmdk. Men når 93% af en organisations engagement stammer fra egne ansatte, så siger det reelt ikke meget om den egentlige gennemslagskraft.

Anden del: Analyse af organisationernes Twitter-aktivitet på Folkemødet.

Autobranchen blev til Folkemødet i 2016 kåret af Overskrift.dk som den organisation med størst engagement på Twitter, men en granskning af tallene viser et lidt andet billede.

Det virker kontraproduktivt, når man antager, at for mange organisationer og virksomheders vedkommende handler indsatsen på Twitter i betydelig udstrækning om at skabe relationer og øge kontakten med typiske interessenter som politikere, journalister, opinionsdannere, NGO’ere, mv.

Så hvordan skiller man skidt fra kanel? Hvordan ved man helt præcist, hvem der er de mest relevante at få i tale, og hvordan måler man, i hvilket omfang det lykkes?

Med Folkemødet 2018 som case er her en algoritmebaseret model til digital interessentanalyse. Modellen kortlægger Twitter-netværk, identificerer key influencers samt måler ens egen digitale indflydelse hos relevante interessenter.

Det første spørgsmål, modellen vil afdække, er, hvilke af de deltagende organisationer på Folkemødet 2018 har størst digital indflydelse — eller ’social impact’ blandt tre grupper af eksterne stakeholders:

  1. Politikere og myndigheder,
  2. Journalister, kommunikation og medier,
  3. Organisationer og erhverv

Her er et smugkig på Folkemødets top 10, og ikke overraskende er det medier og politiske partier som dominerer toppen.

Listen af deltagende organisationer ved Folkemødet er indhentet fra folkemoedet.dk. Fordelingen på interessentgrupper viser scorens sammensætning. Grupperne er vægtet ens, hvorfor den nogenlunde lige fordeling.

Mere interessant bliver det, når man ser isoleret på forskellige områder. Se hele listen med over 600 registrerede deltagere længere nede.

De områdespecifikke lister er sorteret manuelt, så der tages forbehold for at have overset en organisation. Navnene er organisationens egen angivelse på Twitter.
Folkekirkens Nødhjælp, Røde Kors, Red Barnet, DanskFlygtningehjælp, Læger uden Grænser, Amnesty Danmark, UNICEF Danmark, Mellemfolkeligt Samvirke | ActionAidDK, FN’s Fødevareprogram, BØRNEfonden
Danmarks Natur, Greenpeace i Danmark, Det Økologiske Råd, Verdensnaturfonden, Klimarådet, Plastic Change, Madspild, BirdLife/DOF, Oceana
LO Danmark, DJ, Djøf, FTF, FOA, DLF, BUPL, HK Danmark, Lægeforeningen, Socialpædagogerne
DI — Dansk Industri, Dansk Erhverv, Landbrug & Fødevarer, Dansk Metal, Dansk Energi, Dansk Byggeri, Lif DK, Plastindustrien, Finans Danmark, Vindmølleindustrien
Kræftens Bekæmpelse, Dansk Selskab for Patientsikkerhed, Diabetesforeningen, Landsforeningen SIND, Hjerteforeningen, EN AF OS, Gigtforeningen, Muskelsvindfonden, AIDS-Fondet, Hjernesagen
Geelmuyden Kiese, InfomediaDk, advice, Operate A/S, PrimetimeKom, LEAD Agency, Ramboll, EHSØkommunikation, Kromann Reumert, EY Denmark

Princippet for algoritmen er enkelt og metoden tredelt:

Først identificeres stakeholders og vægtes i forhold til hinanden, så man ved, hvem der er de væsentligste og mest centralt placeret i netværket. Et follow fra statsministeren er trods alt mere interessant end fra en journaliststuderende.

Dernæst holdes de deltagende organisationer på Folkemødet op i mod dette interessentnetværk; helt konkret analyseres der i første omgang, hvor mange interessenter, der følger deltagerne på Twitter. Senere vil analysen fokusere på handlinger som svar, retweets og likes fra interessentnetværket.

Til sidst tildeles organisationerne en pointscore, hvor centrale følgere selvfølgelig giver flere point end perifere.

Folkemødedeltagerne kan således placeres i et ”Lobbyindeks”, hvor det ikke er afgørende, hvor mange followers, man har, men hvor indflydelsesrige i relevante netværk, de er.

Det er en anderledes, kontekstuel og betydelig datatungere tilgang end den sædvanlige optælling af likes og retweets, men målet er også at øge datakvaliteten og i højere grad anvende indsigten strategisk.

Står der ‘interessevaretagelse’ eller ‘stakeholder kommunikation’ et sted i strategien for sociale medier, så er her en model til at arbejde mere systematisk og indsigtsbaseret med digitale interessenter.

Metode

Det her afsnit er lidt langt og tørt, så hvis du bare vil se lobbyindekset, så spring videre.

Step 1 — Kortlægning af interessenter

Metoden til at kortlægge interessenter er grundlæggende en proces, hvor man over flere omgange analyserer, hvem en række twitter-konti følger, således netværket tegnes op. Jo højere kvalitet den første gruppe konti har, altså jo mere de følger hinanden og er en homogen gruppe inden for et ønsket område, jo hurtigere bliver netværket kortlagt.

$context = authorize($app_key,$app_token);
$json = file_get_contents(‘https://api.twitter.com/1.1/friends/ids.json?user_id='.$user_id,false,$context);
$followings = json_decode($json,true);

Twitters API gør det nemt at trække, hvem en offentlig profil følger, og kræver ikke meget mere end tre linjers kode. Der er dog begrænsning på, hvor ofte man må kalde API’et, så skal man analysere mange tusinde konti, bliver det en tidsudtrækkende affære. Af praktiske hensyn trækkes ikke brugernavnet, men kun et ID-nummer, så på intet tidspunkt ved jeg faktisk, hvem interessenterne er.

Første seed

De tre interessentgrupper i analysen er som nævnt:

  1. Politikere og myndigheder
  2. Journalister, kommunikation og medier
  3. Organisationer og erhverv

Det kan også være alt mulig andet, fx centrale stakeholders inden for et bestemt interessefelt som fx et sygdomsområde, miljø eller teknologi.

I princippet er en håndfuld velvalgte konti nok i første runde, men takket være Ernst Poulsens berømte lister, har vi allerede adgang til kilder af meget høj kvalitet. Skulle nogen være overset, finder algoritmen dem. Fx var Mødrehjælpen ikke på Ernsts liste over organisationer, men med denne metode blev både Mødrehjælpen og dens direktør kortlagt og tilføjet som interessenter.

Fra 23 af Ernsts lister får vi i alt 7.129 Twitterprofiler fra de tre interessegrupper. Via Twitters API analyseres hvem hver enkelt følger. I alt registreres 514.000 unikke konti og lidt over 3,4 mio relationer. Det er alt for mange, så en indsnævring er nødvendig.

Andet seed

Inden vi skærer til, udvider vi dog analysen, fordi why not? I første runde er der nemlig dukket konti op, som ikke var blandt det oprindelige seed — altså Ernst Poulsens lister, men som følges af mange fra gruppen og derfor er en del af netværksklyngen. Der er tale om 2.263 konti, og hvem de følger, skal også analyseres for at give et retvisende billede. Det giver yderligere 1,1 mio relationer.

Herefter skæres interessentnetværket ned ved at isolere de konti, som flest følger inden for gruppen. Jeg satte tærsklen ved 100 relationer, og fik således skåret netværket ned fra over 0,5 mio twitterkonti til de 5.486, som har de stærkeste relationer med hinanden og altså udgør den centrale del af interessentnetværket.

Det tog i øvrigt adskillige forsøg og sammenlagt 13 dage fra 30. maj til 11. juni at få det ramt rigtigt.

Visualisering

Netværksvisualisering med mange tusinde noder (twitterkonti) og millioner af edges (relationer) er ikke egnet til laptops. Det tager flere timer at rendere nedenstående netværk og er ikke sikker på, at der ikke bliver brændt et par transistorer af undervejs.

For at visualisere netværket importeres datasættet til Gephi, et gratis visualiseringsværktøj. Visualiseringen, udover at se cool ud, har til formål at identificere klynger, altså mindre communities inde i netværket og samtidig kvalitetssikre gruppen. Et perfekt netværk, hvor alle følger hinanden, vil være en rund bold, mens et netværk med få relationer mellem klyngerne, vil have en skæv form.

Interessentnetværket er visualiseret i Gephi med ForceAtlas2. Den lilla prik, man aner mellem politikere og nyhedsjournalister, er Greenpeace og illustrerer det sweetspot som interesseorganisationer gerne vil være placeret i.

Som det ses er interessentnetværket rimelig pænt og rundt. Etiketter er sat på ved at trække Twitter-handles på ti ID’er fra hver klynge og se på fællesnævnere.

Organisationer og erhverv er blandet ind mellem politikere og nyhedsjournalister og fremstår ikke som sin egen klynge. Det skyldes, at de helt efter hensigten orienterer sig imod politikere og journalister mere end blot imod hinanden.

I Ernsts liste over journalister, skelnes der ikke mellem fagfelt, men her skiller sportsjournalister sig tydeligt ud ved at have relativt få relationer med resten af netværket. Ved at skære dem fra, ville interessentgruppen være endnu mere præcis ift. det egentlige formål, men de får lov at blive for at illustrere metodens styrke.

Nu er interessentnetværket kortlagt, vi ved, hvem der er de centrale aktører, vi kender styrkeforholdet mellem alle konti, og vi ved hvilke klynger hver især tilhører.

Step 2 — Kortlægning af folkemødedeltagere

At finde Twitter-konti på deltagerne ved Folkemødet 2018 er en simpel men tidskrævende øvelse. Det var blot at indhente oversigten fra folkemoedet.dk og så lede efter tilhørende Twitterprofiler via Twitter.com og deltagernes websites.

Den officielle oversigt indeholder 1.125 deltagere, og det lykkedes at finde 602 Twitterkonti.

53,5% af deltagerne ved Folkemødet 2018 er altså til stede på Twitter.

Hvis en - international - organisation har en dansk Twitterkonto, er den foretrukket, og ellers er den globale konto medtaget. Enkeltpersoner er udeladt i analysen.

En Twitter-liste med deltagerne findes her https://twitter.com/jonasjuhler/lists/folkem-de-2018

Step 3 — Udregning af lobbyindekset

Princippet for udregningen er at tjekke, hvor mange fra interessentnetværket følger hver folkemødedeltager på Twitter og tildele deltageren en pointscore. Jo flere relevante følgere, jo højere score.

Interessentgruppen er indledningsvis opdelt i ti lige store grupper afhængig af deres indbyrdes styrkeforhold. Hver gruppe får en pointværdi, således at ‘tier 1’-interessenter har højere værdi end ‘tier 10’.

Herefter løbes alle folkemødedeltagerne igennem, og scoren er summen af følgernes ‘tier’-værdi. Og det var egentlig bare det.

Lobbyindekset

Skriv en mail til jonas@jonasjuhler.dk, hvis du ønsker en csv-fil af indekset inklusiv Twitter-handles tilsendt.

Her er så hele Lobbyindekset med 602 deltagende organisationer på Folkemødet. De sidste 20 har ingen score og skyldes enten, at det er en privat konto, eller at organisationen ikke følges af nogle interessenter.

For den enkelte organisation ville det nu være interessant at analysere nærmere, præcis hvordan man er placeret i de forskellige interessentgrupper. Udover followers kan analysen udvides til at omfatte handlinger som svar, retweets og likes fra interessentgruppen på organisationens tweets, som indikatorer på gennemslagskraften blandt stakeholderne.

Hvem er de vigtigste digitale stakeholders, man allerede har kontakt med og på hvilke måder kan relationen styrkes? Har man fejlbedømt andre pga lavt antal følgere, eller er nye aktører dukket op, man bør begynde sin ‘outreach-plan’ imod? Findes der andre, mindre klynger, man med fordel kan arbejde med, og skal vægtningen af interessentgrupper justeres ift organisationens specifikke strategi?

Modellen kan svare på de spørgsmål, og måned efter måned kan en ny score kalkuleres, og man kan dermed måle effekten af den digitale interessevaretagelse.

Afrunding

Hele idéen om at måle twitterkontis relative styrke minder på flere områder om Søren Pedersens Elitometer. Min model identificerer dog ikke personer, men udelukkende organisationer og virksomheder. Formålet er heller ikke at rangere en dansk twitter-elite, men at kortlægge digitale key stakeholders inden for et given interessefelt. Folkemødet som case giver dog et vis overlap. Omvendt vil en global interessentanalyse af fx ‘alzheimers’ give et helt andet resultat.

For tiden taler man meget om autenticitet, særligt hvor svært det er at gennemskue ægtheden af noget på sociale medier. Russiske bots pisker en stemning op, mens aspirerende instagram-modeller køber likes og followers så drømmen om at leve af at lave skjult reklame kan gå i opfyldelse.

Når alt er konstrueret og manipuleret, opstår behovet for at kunne se igennem mudderet og veje den egentlige tyngde af noget. Denne model til digital interessentanalyse er netop et produkt af det behov og kan anvendes i mange andre sammenhænge til at afdække mønstre og strukturer, som ligger skjult i relationerne.

Jeg hjælper i øjeblikket nogle virksomheder og organisationer med at kortlægge deres digitale stakeholders og key influencers ved hjælp af denne model. Er jeres organisation også interesseret, præsenterer jeg gerne modellen og mulighederne for jer.

Anden del: Analyse af organisationernes Twitter-aktivitet på Folkemødet.

Ressourcer

https://gephi.org/
https://twitter.com/ernstpoulsen/lists/
https://twitter.com/jonasjuhler/lists/folkem-de-2018
https://folkemoedet.dk/programmet/de-deltager-i-2018/