Devenir viral? Une étude examine la probabilité que les publications sur les réseaux sociaux atteignent les sommets

Une nouvelle recherche du Florida Institute of Technology peut déterminer si une photo ou une vidéo deviendra virale sur les réseaux sociaux.

Les médias sociaux tels que Facebook, Twitter, Instagram et TikTok sont rapidement devenus une partie vitale et intégrale – et parfois gênante – de la société moderne. C’est là que nous partageons nos créations avec le monde, exprimons nos points de vue et nos sentiments et restons connectés aux personnes qui comptent pour nous.

Ils sont également devenus une plate-forme de communication efficace pour les célébrités, les entreprises, les organisations et même les gouvernements. Il est particulièrement important pour ces parties de sensibiliser largement les utilisateurs en ligne. Prédire si une publication ou un tweet donné va devenir viral, c’est-à-dire être partagé entre un nombre important d’utilisateurs, est essentiel à la fois pour prendre des décisions marketing intelligentes et pour atténuer efficacement la mésinformation/désinformation.

Cet été, Xi Zhang et Akshay Aravamudan, doctorants en génie informatique et en sciences, ainsi que le professeur agrégé en génie informatique et en sciences Georgios Anagnostopoulos, ont présenté leur travail, « Anytime Information Cascade Popularity Prediction via Self-Exciting Processes », sur la prédiction précoce de la popularité des contenus en ligne. à la 39e Conférence internationale sur l’apprentissage automatique (ICML), un premier rassemblement de recherche sur l’apprentissage automatique qui s’est tenu cette année à Baltimore.

Le nouveau schéma de prédiction de popularité de Florida Tech est basé sur les processus ponctuels de Hawkes, les principes mathématiques qui modélisent le moment du partage de contenu, tels que les reposts et les retweets, comme des moments aléatoires. Les processus du schéma sont capables de capturer la nature auto-excitante du contenu viral, ce qui signifie que le schéma peut modéliser le phénomène « les riches s’enrichissent » du contenu viral (par exemple, les mèmes, etc.), où le contenu populaire devient encore plus populaire, au moins pendant un certain temps.

En effet, les utilisateurs le partageant beaucoup en ligne, de nombreux autres utilisateurs en prennent connaissance et le repartagent eux-mêmes. Cela explique l’effet Matthew souvent observé de l’avantage accumulé – familièrement connu sous le nom d’effet « les riches s’enrichissent » – dans les médias sociaux : en un laps de temps, un message populaire devient encore plus populaire.

Le travail de Zhang fournit un moyen simple de calculer le nombre moyen de futurs partages en fonction de la façon dont le contenu s’est comporté jusqu’à présent en termes de popularité. Plus simplement, les travaux de Zhang permettent de prédire comment le partage de contenu en ligne va évoluer dans le temps. « La prédiction de la popularité du contenu est une tâche difficile », a déclaré Zhang, « surtout si elle est tentée tôt, lorsque le contenu n’a été publié que récemment et n’a pas acquis suffisamment de notoriété initiale. »

L’équipe a formulé un schéma de prédiction plus précis et moins gourmand en calculs que les approches de pointe actuelles.

« Il est important de pouvoir évaluer rapidement le potentiel de popularité d’un tweet, alors que certains tweets peuvent devenir viraux en deux ou trois heures », a ajouté Zhang.

Un autre avantage de la nouvelle approche est son interprétabilité. « Nous pouvons produire des prédictions utiles, mais nous pouvons également expliquer exactement pourquoi notre modèle prévoit comme il le fait », a déclaré Aravamudan. « Pouvoir le faire éclaire d’un jour nouveau les mécanismes qui sous-tendent la diffusion de contenus populaires en ligne. »