ツイッターアナリティクスのデータを基にバズの解剖
ニューヨークに行きたいかー
ツイッターをバズらせたいかー
古くないすか?
ウルトラ高校生クイズみたいなやつ? 違う、えーと、アメリカ横断ウルトラクイズ
混ざっちゃってる、いろんなのが混ざっちゃってる
俺最近クイズノックよく見てるからさ
クイズに今ハマってる。だから今日はクイズ会
を
違うよ?クイズ会じゃないよ? 違うんかい? 違うよ? 全然クイズ会じゃない。今回は
ツイッターのバズらせ方っていうね
みんなやっぱバズらせたいね。ツイッターなんてものは。Xなんてものは。そうだよ
ていうとこで
ツイッターが公式に出しているバズとは何かっていう、めちゃめちゃゴリゴリのデータ分析と、そこから
バズらせるためのツイートはこうやって作れっていう指南書みたいな
ところを僕ら目線で見たときにこのデータは使える使えないとか
こういうのを仕事で見たらこう使えばいいんじゃないのみたいな話までしていく
そんな会になっております
おもろかったでしょ?
おもしろかった。もうこれでバズれる。ねっ
俺らはもうこのエピソード公開される前にバズってるから
こわっ
バズらせたい人は
まあ俺らと一緒にバズりたいやつは最後まで聞いてくれればいいかなと思ってます
よろしくお願いします
隣のデータ分析屋さん
この番組は隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ
を叶えるポッドキャストチャンネルです
データアナリストのりょっちです
データサイエンティストのたっちゃんです
今回はみんな大好き
X
Xのデータをやっていきたいと思います
ツイッターっすね
そう、ツイッター
まだ慣れないなぁ
ねっ
あれめんどくさくない?あの
X元ツイッターみたいな
公式で書かなきゃいけないみたいな
テレビのニュースの人たちも困ってますよ
ねっ、Xじゃ伝わらんよね
伝わらんなぁ
だってツイートって言ってるしね
未知数みたいな感じで
出すから好きなんでしょ
Xっていう字が
そういう命名なんだ
知らなかった
イーロンちゃんが
へぇー
諸説あるよ
諸説あるけど
全然ユーザーに優しくないっすねでも
マジほんとそう
やっぱなんか独特な名前をね
羅列してほしいよね
一撃でわかるもの
Xだってあるしさ
だからあれもそういうことらしいよ
いらんなぁそのこだわり
wwww
でもほらあの
前さゲストで出てくれた吉田さんも
はいはい
点Xあれでも
Xは掛け算のXでしょ
確か
でほら
有名なスタートアップで言うと
レイヤーXをX
あーまあ確かにね
好きなのよみんなX
経営者の思想強めってことっすね
じゃあXついてるのは
かっこいい
じゃあ今日はX批判会ってことっすか
いやもう今日はね
今日はもうみんなのために
俺これ聞いた人全員ハッピーになる
スーパーポジティブ会だから
何話すんすか
今日のタイトルかっこいいよこれ
打率0.1%の
バズを
生み出すために
確率をデータでぶち上げる
1000回に1回バズる確率を
もっと上げていくと
そういうことですみんなバズりたいっすからね
そうよXはさ
あれ知ってる?
マネタイズできるようになったの
あバカみたいに
あれが高いんだけど基準が
誰でも稼げるわけじゃないんだ
そう条件が
プレミアム会員あの青バッチ
はいはい
とかついてるであとは
過去3ヶ月以内の
ポストに対するインプレッションが
500万件以上
フォロワーが500人以上
うんうん
っていうところを
やっていかないといけないらしいんすよ
ってことは
バズが大事なんだよねバズが
そうですね3ヶ月に1回
バズか
えでも1バズで
500万インプはいかんよ
いやそうですよね
500万インプいくバズはもうね
どデカバズ
多分日本中みんな知ってるみたいなレベルだと思う
まっちゃん動きます的な
あまっちゃん動きます
的なやつ
まっちゃん動きます的なやつだね
まさに
あれのレベルだね
そこら辺もちょっと定量的に後で話してくるんだけど
その
このポッドキャストの
大事なところって
データ分析の話すると
言いつつ
やっぱデータアナリスト
データサイエンティスト
何しなきゃいけないかっていうと
データ分析した後に
事業貢献しなきゃいけないんすよ
そうですね
これがね意外と大事で
分析できるやつなんかも
5万といると
で分析できるだけのやつなんか
どうでもいいのよ
そうね
大事なのは
データから
ビジネスインパクトが出せるか
みたいなのが大事だから
それを今回は
ぎゅっとツイッターを事例にして
これツイッターの公式資料から
引っ張ってきてるからもう間違いありません
で
ツイッターのデータ分析
でその分析結果を
用いたアクション
まで話してく
よくある
ビジネス書で理想語って
終わるじゃなくて
ハウトゥーまで教えてくれるんですか
そういうこと
一番大事なのはそこです
最後までどういうことやるっていうのは
このポッドキャストで収録しながら
話してる内容も
じゃあこれこういうことだからこんな感じ
じゃねみたいな話まで俺らするじゃん
たまに
あれぐらいまでやっぱ言ってほしいっていう
話
よし
聞こうそれは
今回は
分析からアクションまで
ワンパッケージ
みんなこれで
バズリスト
嬉しいよ全然
自分もそれ使っていくわ
俺はこれでバズらせて
ツイッター収益化させるわ
俺もそんなにこれを
元に動いたことないから
再現性がないっていうところだけは
先にお伝えしておきましょう
まだアクション
起こしてないんですよね
お前バズって変やないかい
怖いじゃん間違いない
リツイートの数とインプレッションの関係性
100%ブーメランス
ウェイ
はいバズってない
ってなっちゃうから
そこはね
ご了承いただいた上で
僕らはあくまでデータ専門家として
アドバイスしていく感じになりましょう
了解です
はいということで
今回使っていく資料は
ツイッターにも貼っておくんだけど
ツイッターが公式で出した
ツイッターハッシュタグ
拡散の科学っていう資料があるんですよ
英語だと
アナトミーオブリツイート
アナトミーなんて言葉使ったことない
何拡散って意味
多分
分からねえ
読み上げなきゃよかったと思ってる
解剖学だって解剖学
とにかく今回は
リツイート解剖学です
だから
サブタイトル色々書いてあってかっこいいね
そもそも拡散とは
なぜ人は拡散するのか
何が拡散を加速させるのか
拡散の起こし方
いいっすね
ツイッター公式で
どんなの出してくれるんだって
しかもこれ
ジャパンが出してるんですよね
日本語の資料
みんな読める
PDFで168ページ
でかっ
確かにあたかさんの資料を超える
くらいのボリュームかもしれないですね
これはなかなかいい
材料になるんじゃないかな
これこそまさに
データを元に物事を語っていくが
ぎゅっと詰まってる資料だから
一個ずつ話していきながら
ちょっとクイズ形式でもね
話していけるといいんじゃないかなと
言うところになってます
じゃあ早速
やっていくんですけど
データ分析
やるとき
まずは全体像をつかみましょう
っていうところがあって
ツイッターの
1リツイートあたりの波及効果は
どれぐらいでしょうか
それでもフォロワーによりません?
平均だね
ちなみにだから
3ヶ月で500万インプ
インプレッションだから
表示だね
される人はツイッターから
こいつはいいってなって
広告収益をつくわけじゃん
その500万とかから
逆算してみるといいんじゃないですか
じゃあバズったなっていうリツイートの数でしょうか
個人的観測だったら
個人的観測だったら
10リツイートされたら
もうバズってんだけどな
あー
個人やからとね
けどまあ
誰もがこのツイート
知ってるっていうレベルまでいくと
やっぱり
万はいってますよね
1万は
リツイート?
そんないく?
今のクイズの上行っちゃった
一番良くないやつ
やっちゃった
でもまあバズったんで
宣伝しますみたいなのあるじゃん
うんうん
あれを書いてる人の
ツイートがバズだとして
その
バズそのツイートを書いた
タイミングの
リツイート件数っていうのが
中央値が1300リツイート
うーんまあバズってるね
バズってるよね
でじゃあ
そのぐらい行った時とか
を諸々含めで
1リツイートしてもらうと
インプレッションがどんぐらい伸びるか
でこれ結構
正規分布っぽくて
平均値
329
1リツイートで
えー
で中央値で323
うんうん
だからまあ平均と中央値が合ってるから
まあまあまあ
綺麗な山なりの
分布なんでしょう
そうだねきっとねまあ違うかもしれないけど
だいたいそれが1リツイート
あたりがだいたい300インプぐらい
っていうことになってて
そうすると1300リツイート
いくと
だいたいそれだけで
39万インプになるわけですよ
なるほど
0.1%のバズを生み出すためのアクション
1バズで39万インプ
平均的に
さっきの話だと
何万つってました?500万?500万
いや遠
そうなのよ
わかるこれでまずわかるんだよね
500万やばって
収益化遠
収益化マジ遠いよ
ていうまあ
ベースがあって
だから本当にバズってどんどん起こしていかないと
そのアカウントとしての
価値というか
みたいなところみたいな話になってくるんだけど
まあこういう数字を今回はベースに
攻めていきますよ
なるほどです
ちなみにこれ1300リツイート
もされるようなツイートっていうのは
もう全
日本である全
ツイートの中で
99.9%が
そこに満たない
からこれが0.1%
の事象ってこういう定義ね
なるほどねそういうことか
今回は
1300リツイート
っていうところを目指す
0.1%の壁をどう超えていくか
っていうのをデータをベースにしながら
見ていくっていう感じね
いいね
面白そう
じゃあ
早速見ていきましょうと
でバズったツイートと
そうじゃないツイートっていうのを比べるには
これ
最近やったじゃない
比較ですよ比較実験
ABテスト
みたいなもんだね
ABテストはプラットフォーム側が
C的に
打ち分けていくような
施策のことを言うけど
2つのものを平等に比較したければ
ちゃんと分布を揃えましょう
みたいな話をしたじゃん
まさにそれで
ツイートデータのバズり分析
過去のツイートをしっかりと例にとって
それぞれバズったツイート
1300リツイート以上を
5100件
で拡散しなかった
ツイートを5100件
引っ張ってくるっていうので
今回は1200件だね
の
ツイートデータっていうのを引っ張ってくる
ツイッターっていいっすね
面白いデータ持ってますね
そうそうそう
予断でもないんだけど
これ本当はこういうのって
誰でもできたんだよね今まで
確かに確かに
ツイッターのAPIっていう
簡単に言うと
外から
誰でもこういったツイートとかを
収集できる
入り口みたいなのが開放されてて
誰でも
いろんな人のツイートを一気に
10000件とかガチャって
引っ張ってくるとかできたんだけど
イーロンマスクに変わってから
そのAPIっていうのが使えなくなったせいで
今もういろんな会社が
めちゃめちゃ困ってんだよね
そうだよね
そこも今ね試す術がない
一般人には
これでビジネスしてた人
一気に止まりましたよね
止まっただろうね
めちゃめちゃ焦ったと思うよ
かわいそうに
今までタダだったからね
まあその5100件っていうのを
ちゃんとバランス良くなるように
2019年の1月から
2020年の8月31日まで
っていう
大体1年半ぐらいから
各月300件ずつとか
ランダムに引っ張ってきて
データを見ていく
っていうような形で
なんとか事前の分布を揃えていく
っていうところからスタートしてる
これがデータ分析だ
マジ一番大事ね
事前分布揃え
最初にね
最初に聞かれるやつよ
分布揃えた?
うん
揃ってなかったす
で戻り
パスタ巻いてる?
はいはい
知らない
芸人
ネタか
巻いてないな
パスタ巻いてないわ
巻かないと
知らないんだよな
芸人知りすぎてますよね
大好きだからね
前田銀シャリのラジオ
出させてもらった時は
めちゃめちゃテンション上がってたから
そうだよね
もうねほら銀シャリさん
って言わないと
あそうですよ
銀シャリさんね
はい
境界人だから
嫌だー
こうやって嫌なやつって生まれてくるんだろうな
オーケストドリーム掴んで
ラジオとか出させてもらってるから
まあね
芸能人にも賛付けていかないと
銀シャリさんのラジオに出させてもらって
元々お笑い好きだったんで
顔がうるせえ
これみんなほとんど音声で聞いてるからですけど
自分顔見ながら喋ってるから
うるせえんだよな
そんな感じで
ポッドキャスト順調なんだけど
じゃあこのデータを準備しました
じゃあどうやって触っていきますか
っていうところで
ツイッターのデータを分析する上で
一番重要というか
ハードルになるのって
どんな部分でしょう
っていう
それはもうやっぱ文字
じゃない
正解
そうだよね
自然言語って言われるやつね
データの業界では
この言葉を
コンピューターで
分析するって
一番難しいんですよね
これ多分だから
データやってる人とかがさ
リスナーの人いるじゃん結構
だから
なんとなくね実感したことある人もいるかもしれないけど
構造化データと
非構造化データっていうね
ちょっとむずい言葉があるんだよね
そうなんだよね
人間に例えると分かりやすいですよね
赤ちゃんが何を覚えるかっていうと
視覚的に入ってくる
画像だったり音とかっていうのは
認識できるけど
言葉を意味として理解するのが一番最後じゃないですか
あーそういうことね
そうそう
それをコンピューターで実現するってなったときに
やっぱり難しいよねっていう話が
確かにそういうことか
分かりやすいかなと
天才だね
その分析ですね
そこがめっちゃむずくて
どうやってやるかっていうので
これ結構
俺は分析の手法として面白いなって思って
ちゃんと明記してくれてるのが
定量と定性を
行き来して
ちゃんと精度を上げていきながら
言葉の分析をしてますって
ちゃんとレポートに書いてるの
定量と定性
どうやってやるかっていうと
まずは
ツイートされた文章を
準備して
そのそれぞれのツイートが
どういうツイートだったのか
っていうのを
分析してあげる
例えば楽しいっていう単語が入ってるのに
悲しい話題をツイートしてる
とかっていうのは
多分ないじゃん
それぞれの単語を見ていって
単語の点数みたいなのつけてあげると
そのツイートが
驚きのツイートなのか
喜びのツイートなのか
悲しみのツイートなのか
っていうラベルがつけられる
そういうラベルがついて
本当にちゃんと綺麗に
ラベルついてるかなっていうのも
ちゃんと確認して
それをAIに読み込ませて
AIによって
全ツイートデータの
ラベルを
決めていくっていうような
作業をしてる
なるほど
これが定量の部分
定量の部分
がまさにこれ
でプラスでラベリングのところは
ちゃんと合ってるかどうかっていうのは
人間の目で確認していったっていう作業もあるらしくて
ツイートを
しっかりと切り分けられる
AIのモデルを磨き込むフェーズが
ありましたよっていうのが書いてある
レポートに
なるほどですね
意外とちゃんとやってるなっていう
めちゃめちゃ大変な作業ですね
ここが一番時間かかったんじゃないかなって感じするよね
いやまさに
いわゆる教師データ作るみたいな
ことに近いことをしてるってことですよね
そうそうそうそう
こういうツイートでこういう単語が
たくさん入ってるやつは
驚きツイートですとか
こういう単語が
いっぱい入ってるからこのツイートは
喜びツイートです
みたいな
おー道路臭い作業が
そうなんだよね
これがなかなか大変だと思うのよ
それを
ちまちまやってくれてるんですね
Twitterの中の人たちが
これをやって
AIモデルを作った結果
ツイートを分類
できるようになったと
16種類に分類ができると
分類するね
めちゃめちゃしてるよね
俺一個気になってんのが
今回使ってるデータ
とかって
学習データにどこまで
使ったんだろうなっていう
分析したいのは
5100件ずつのデータじゃん
けど
16個のラベルをきれいに
作るために
5100個のデータじゃ
俺は足りないと思うんだよね
倍にして
1200件でもたぶん足りないじゃん
うん
これは
この資料に書いていない
何か使っていない
ツイッターが大量にあるんじゃないかなっていう
あー確かに
モデルを作るために
使うツイートデータが
別であるよねって話か
ありそうですね
これじゃなかったら
この16個のついてるラベル
あんま信用できない気がするんだよね
まあ確かにね
あとはデータを水増しするとかで
なんとか増やしていくとかっていうのは
あるかもしれないけど
テクニックの部分ね
あとはその分類の精度
どこまで高めるかっていうところに
どれだけ重きを置いてるかにもよるかもしれないですね
そうね結局
仕事とかでそういう
AIモデル作るってなっても
納得できるラインまで
いってるかいってないかわからんけど
なんとなく当てれるし
仕事でも使えるから
これ以上開発コストかけれないよ
じゃあこれでいこうみたいな
意思決定は全然あるから
まあまあまあ
どこまでいっちゃいいのかなっていうのもあるし
そうだね
元データサイエンティスト目線で見ると
ちょっと気になるかなっていう
まあ確かにデータ量ってところはあるかもしれないですね
気になるよね
気になりますねまあでもポジティブかネガティブか
っていうところだけだったら
分けられてんじゃないですか
最低限レベル
16よだって
まあでもここ信用して
見ていかないと
信用していくしかないね
Xのままだから
そこは
じゃあどういうツイートが
バズるのかっていう
16個のラベリングがついたやつっていうのが
ツイートの感情カテゴリー
直感で
拡散されているもの
直感っていうのが驚き
喜びあとは尊い
とかリスペクトだね
あとは癒し感動
ショックっていうような
一瞬で生まれる感情
で拡散している
っていうまず6種類
が直感系で
分かれる
ツイートで言うと
ビックリみたいなのって
この資料に載ってるので言うと
1個1人乗ってない電車の写真って
珍しいじゃん
まあ始発乗っても結構
人いるしとかって東京だとありえると思うんだけど
っていうので
じゃあ人が一切
乗ってない電車の写真って
おすげえみたいな感じで
いいねとかリツイートしちゃうみたいな
っていうような驚きだったり
とか
あとはなんかこう
面白系だよね
はいはい
面白いとかあとはめちゃめちゃすごい作品
とかを作った人に対して
もうリスペクト
すごいリツイート
みたいなのとか
癒しとかほんと動物の写真
とか
あとはもう感動エピソードだよね
60文字で語る感動ストーリーみたいな
たまにあるじゃん
とかそういうのだったり
あとは誰か有名な人が亡くなったり
とかっていうようなショックの感情
とかっていう一時的に起こる感情
の
拡散の種類がある
っていう話だったりとか
これでだからまだ
6ね
16分の6
とかあとは知識系
はいはい
知識得られたなっていう
お得感
知ったっていう感じと逆に
こういうことだから注意してね
っていう注意喚起っていう
ラベルがついたり
あとは個人の主張
政治的なやつとか多いよね
多いね
同調するのと反発する
物申す系とかでまた2つ分かれる
あとは
納得したりとか
応援したりとか自分
普及があったりプレゼント企画
とかっていうののバズでもろもろで
16っていう感じ
なるほど
細かく言ってると
爆発しちゃうから
言われてみたら確かに
いいねに色々種類があるってことですね
そうそうそうそう
じゃあどういうツイート
がバズりやすいのか
っていうのをまず一番最初に
いこうか
バズりやすいツイートの特徴
1300リツイートを超えたツイートの中で
一番シェアが
大きかったものどんな感情か
どんな感情っていうかどういう
カテゴリーのものなのかっていうところで
言うとやっぱ驚きと
楽しいとか
バズるツイートの特徴
っていうそういうのが
全体の23%
ずつを占めてる
ずつってこと合わせて半分いってるってこと
合わせてそうですね
46%
一瞬の
一瞬の感情だから
感情揺さぶるっていうのが
マジででかそうっていうのが
ここからは見えてきたりする
そうなんだそれも意外だな
でそれについで
全体のシェアの14%
を占めてるのが
応援
応援系が伸びるっていうのは
俺これね結構
意外だったというか意外でもないのかな
なんか
結構
中で盛り上がったハッシュタグが
あの
話題のカテゴリーとかでぐって上がってきたりするじゃん
確かにああいうのに近い
特定のファンがいて
好きすぎて
みんなに伝えたい
みたいな
そこに含まれる言葉とかは
頑張れとか
好きとかずっとついていきます
みたいな
これからも応援してますとか
信者だ
これが結構強くて
しかも平均
リツイート数は69000
なの
なるほど
なかなかすごいよね
応援だけでしかも
それってそのツイートした人のことを
認知してこの人応援したいって思っている
いいねだから
すごい質がいいというか
質いいよね
いいですよね
オリンピック優勝とか
は強いし
あとはジャニーズデビューとか
大バズを引き起こすから
確かに
そういうのが意外と
全体の流れとして
その
中バズりみたいなのが
100個あるとかそういうのじゃなくて
普通にズバ抜けて
当たるツイートっていうのも
結構あるっていうのが結構これの特徴
だね
なんか驚き楽しさ
楽しさ
楽しさあんまピンとこないか
楽しさ楽しいって思えるツイート
ネタかな
楽しいツイート
ネタ系
ネタ系だよね
ツッコミどころがあるとか
画像とテキストの組み合わせで
みたいな
本当に一本グランプリ的なやつだ
そうそう
草
来るコメントとかだと草とか
ワロタとか
おもろみたいな
のがめっちゃ
リアクションとしても来るような
ツイートだったりするし
リツイート数もやっぱ高いんだよね
66000件とかツイートされる
つまりここから分かるのって
今って結果だけの話をしたけど
じゃあ実際の行動に
移すとかっていうのの
アクションまで落とし込もうとすると
今のって感情を揺さぶった
こういう揺さぶった方がいいんだ
っていうところの結論とかにたどり着いたりするじゃん
確かにね
こういう材料が今からどんどん
いくつか溜まっていって
どういうツイートを作ればいいかっていう話になってくる
よしよしよし
もう発見ですよ
感情を揺さぶればいい
結構言われてるんだけどね
調べれば
うさんくさいツイッターの
インフルエンサーみたいなやつとかは
結構言ってることではあるけど
ちゃんと定量的に出てきたっていうところが
この研究の面白いところだね
うん間違いないな
ああいうの
良くないからさ
俺の経験上さ
あれを
万物の
根源であるかのように喋るじゃん
哲学者みたいなね
イデアみたいな
倫理の授業で出てきたわ
そういうのじゃなくて
本当にちゃんとデータで
話しましょうっていうのがまさにこれで
まあだから
今これを聞いて
俺が好きだったあのインフルエンサーの人が
言ってたのがその通りだった
ってなったらそれはそれで
そいつすげえなっていうのでもうプラスに捉えましょうよ
っていう感じもあるけど
まあデータの話しかしませんよ
とここでは
僕らはね
でなんかさっきちらほらさ
平均リツイートの話とかもしたんだけど
うん
結構これその
バズる確率は
さっきの驚き楽しさ
応援
とかがめちゃめちゃ高いけど
リツイートされる数っていうのはまた別だね
ああまあ確かに
そっか
1300リツイートまでいかなきゃいけないですもんね
1300リツイート以上
いくやつって本当にリツイート数でいうと
何万とか全然いくのね
うんうん
でじゃあそれの中で
どんな感情というか
どういう状況が一番
リツイート数が伸びるかっていうのが
平均リツイート数
82000
第一位
これショック系ね
そうなんだ
そう
さっきと違うね
芸能人の人が亡くなっちゃったとか
そういうあまりよろしくないニュース
とかの時になりやすい
なんか意外っすね
さっきのいいねとはまた逆なんですね
そうだね
なるほどね
ショックがトップでそれが82000で
でもその次は
結構ポジティブで
応援に似てるんだけど
支援
がリツイートランキングでいうと第二位
うーん
これがリツイートすることによって
誰かのためになってるとか
っていうツイート
同情してしまう系とか
例えばこの資料に書いてあるやつでいうと
鉄瓶ってあるじゃん
鉄の夜間みたいな
はいはい
おばあちゃん家にあるやつ
あるかな
夜間はなんかアルミっぽいやつ
はいはい
めちゃめちゃ重い真っ黒のさ
あー
狸が化けるやつだ
そうそうそうそう
それそれ
はいはい
それってもう本当技術としても
優れてていろんな製造元とかが
言ってるんだけど
IHで使えるってことを知られてない
へーそうなんだ
ってなるじゃん
確かにそうなんだ
けどIHで使えるとかっていうポジであるのに
全然知られてない
こういうのもっと広まってほしいな
みたいなツイートってあるじゃん
たまに
みんなに知ってほしいんだけど
これってこういうことなんだよみたいな
これはリツイートで
拡散しまくれば
大元の人にとって
プラスに働くじゃんっていう
ポジのリツイート
なるほどね支援だ
そうそうそうこれが支援
でそうするとそれでバズった場合っていうのは
平均リツイート数は78000
とか
でかいよね
でも理にかなってますよね
いいねだけじゃ何もできないから
なんかしてあげようっていう
人の良さみたいなところが
現れた結果ですね
だからなんかショックなニュースで
バズるとかだとさ
なんかまあちょっと
嫌じゃん気持ち的にもあんま良くないけど
まあなんか支援とかでの
バズってめちゃめちゃ一番気持ちいいよね
そうですね
こういう人が報われてないから
誰か報われる環境にしようよ
みたいなみんなで
まああと
なんかその
ショックな出来事のツイートに対して
あのハートのいいねは
押さないっすよね
まあそうね
いいねではないんだけど
みたいな
はいはいはいけどまあ
いいねしかないし
確かにね
それが2位で3位が応援
似てるね
そう支援とか応援
とかって人のためになるようなこと
みたいなのは結構リツイートの
数としては伸びやすいらしい
ツイッターのデータからは
バズるツイートの感情揺さぶり
そうすると
一番気持ちいいのは
バズる可能性も高いし
バズった後の
インパクトもでかいから応援系だよね
確かに
これでもしこのデータだけ手元に
あってみんなが
聞いてるみんなコーワーカーさんたちが
仕事で
ちゃんとデータ分析
レポートしてあげなきゃいけません
ってなったらインサイトをしっかり
持って今のその
じゃあうちの企業は
ここでバズりますね
応援でいきたいですね
とかっていう提言ができる
確かにねいいね
いいよね
これがデータ分析ですよやっぱり
自決定まで
なるほどね
ここのね特徴が結構ね
面白いポイント
でじゃあ
バズるツイートの作り方
どんな
ツイートを作ればいいのかっていう
はい
内容の部分というか
もうちょい大枠で
テキストのみ
ビデオ
画像
あと字符
出た
これ字符でいいんだよね
字符だよね
諸説ありますよね
俺は字符派なんだけどさ
自分も字符って言いますね
でもなんかあの
字符派の人をさ
全面的に否定することもできない感じあるじゃん
わかります
っていう4種類
どれを
持っているのが良いのか
うーん
喋りすぎちゃった
後編いっちゃった
てへぺろ
編集大変なんですよね
ごめんなさい
なんとか初のシリーズ
物っていうことで許してもらって
次週は
今日のデータ分析の話を
元にバズるツイートの
作り方
っていうところをデータから
応用するってとこまで
話していくので
次回も楽しみにしておいてください
