# Repensando las métricas en las redes sociales *Badalab, Errenteria 21.11.2024* ### Medir parámetros de impacto en los medios sociales Los medios sociales han formado parte de nuestra realidad comunicativa desde hace 20 años. En general para todas las generaciones pero en especial para la más jóven, estos espacios digitales complementan o hasta sustituyen los medios tradicionales y más presenciales de redes relacionales. A medida que el uso de estas plataformas digitales se ha ido extendiendo, ha surgido la necesidad de medir el impacto que tienen las diferentes cuentas. Esta necesidad a menudo ha sido motivada por una intención comercial: tener mayor impacto permite monetizar más a los anunciantes. Los parámetros que más se usan son: 1. Número de segidoras 2. Número de visualizaciones 3. Número de *me gusta* o *likes* 4. Número de *amplificaciones* o *retweets* 5. Número de respuestas (menos usada) Estas métricas pueden tener mucho sentido si tenemos en cuenta el interés de las anunciantes, en especial las dos primeras. Sin embargo, son muy limitadas a la hora de caracterizar cualitativamente el impacto que tiene una publicación o la naturaleza de la red al rededor de una cuenta. Y creemos que esta cualidad debería ser muy relevante para muchos perfiles que, en cambio, usan las métricas cuantitativas simplistas potenciadas por las plataformas comerciales. ### Calidad vs Cantidad La autora del libro *Las redes son nuestras* comenta: >"Encontrar contenidos valiosos es menos inmediato en estos mundos, pero les nostálguiques de la internet antigua recordamos que las recomendaciones personales funcionan: vas leyendo a gente interesante, que a su vez enlaza a más gente interesante. <u>**No es tan electrizante como un algoritmo de recomendación, pero puedes tener itinerarios y conversaciones más sustanciales y cuidadosas.**</u> Si sientes que las redes sociales te están friendo el cerebro, construir comunidad a fuego lento puede ser una aventura sexy." **Marta G. Franco** *Las redes son nuestras* Esta sensación de una conversación más profunda y enri Aquesta sensació d'una conversa més profunda y enriquecedora es algo que las que habitamos el Fediverso tenemos, pero es complicado de transportar esta sensación individual y subjetiva a métricas que nos permitan compartirlo. Otro ejemplo de que la cantidad no implica mayor calidad es la encuesta siguiente, que realizó el diario El Salto. Aún teniendo menos seguidores que el resto, al Fediverso (sale como Mastodon en la publicación) recibió casi la misma cantidad de respuestas que en Twitter, Instagram o Threads juntas (256 vs 281).  ### Métricas que promueven la centralización Las métricas habitualmente usadas no capturan el patrón de muchas tipologías de conversación. En el siguiente ejemplo, representamos dos conversaciones diferentes:  El círculo grande es la publicación inicial y el resto son otras cuentas que participan de la conversación con una respuesta. Las líneas indican a qué cuenta están respondiendo. En la izquierda tenemos un tipo de comunicación dónde las cuentas sólo responden a la publicación inicial, un ejemplo de comunicación centralizada. En la derecha, tenemos que 5 cuentas interaccionan con la publicación inicial, pero estas respuestas desencadenan interacciones con 5 cuentas adicionales, una conversación más descentralizada y quizás más parecida a una conversación informal física o a un debate. Si nos fijamos con el indicador clásico de las respuestas (sólo contando las de la publicación original), parecería que la conversación de la izquierda genera el doble de interaccioens. Así pues, no captura la realidad de las interacciones ni tampoco la tipología del patró de conversación (centralizado vs descentralizado). Además, si sumamos algoritmos que premian estas métricas, es muy probable que nuestra comunicación acabe siendo transformada para encajar en ellos. ### ¿A quién podría interesar? ¿A quién podría interesar identificar mejor cuál es el patrón de sus comunicaciones y de su red? Algunos ejemplos: - Asociaciones - Librerías, clubs de lectura - Periodistas - Catalizadoras de comunidades (*influencers*) - ... ### Consultando la API del Fediverso Hace tiempo que en [Fedicat](https://fedi.cat) damos vueltas sobre desarrollar métricas cuantitativas que reflejen mejor la calidad de la comunicación, en vez de centrarse en las métricas clásicas. Las APIs de los programas del Fediverso (API: Application Programming Interface) son especialmente útiles para obtenenr información sobre las conversaciones. En una primera aproximación, creé un pequeño programa que permitía la connexión al servidor de una publicación y obtener la siguiente información: - Cantidad de respuestas - Cuentas diferentes que ha respondido - Interacciones de la autora con diferentes cuentas - Cantidad de servidores que han interaccionado - Cantidad de cuentas que no seguían a la autora que han respondido Ejemplo de respuesta: ```bash Mètriques per a la publicació: https://cosocial.ca/@evan/112457047627977316 Quantitat de respostes: 26 Comptes diferents que hi han respost: 21 Interaccions de l'autora amb diferents comptes: 4 Quantitat de servidors que hi han interaccionat: 18 Quantitat de comptes que no seguien l'autor que hi han respost: 9 | 43% ``` Como se puede ver, eso nos permite obtener diferentes informaciones, algunas más cuantitativas y otras más distribuídas. Algunas de estas informaciones tienen sentido sólo en los medios federados. ### Representación de una conversación como red Durante estos últimos meses y habiendome familiarizado un poco con las API de las herramientas del Fediverso, pensé que podríamos directamente representar una conversación en forma de red. De esta manera es más sencillo visualizar el patrón de esta red y también podemos aplicar métricas que se apliquen en redes para medir diferentes parámetros. Para generarlo, he usado el lenguaje de programación R, aunque sería fácil adaptarlo a Python.  En este ejemplo, cada nodo representa una cuenta que ha participado en forma de respuesta y las líneas representan la dirección de la interacción. Eso nos permite identificar diferentes patrones de red:  Los dos ejemplos superiores (1 y 2) representa conversaciones con menos participantes que las inferiores (3 y 4), pero en ambos casos se puede observar que hay dos conversaciones más centralizadas (2 y 3) y otras que han generado más respuestas a diferentes participantes (1 y 4.) ### Métricas de red a aplicar A partir de aquí, se pueden aplicar diferentes algoritmos de redes o ecosistemas. Gorka identificó algunas capas interesantes que he intentado aplicar: - Compromiso en la Comunidad: niveles de interacción de más pasivo a más activo. - Diversidad hacia dentro: descentralización de la conversación en diferentes participantes. - Diversidad hacia fuera: participación en la conversación por parte de diferentes instancias. #### Adaptación de la Pirámide del Compromiso He adaptado la [pirámide del compromiso](), que mide el grado de participación activa en una comunidad, a las métricas que podemos medir en el Fediverso. Propongo: 1. **Nivel conocimiento**: A cuantas seguidoras les llega tu mensaje. 2. **Nivel de adhesión**: el número de reacciones pasivas (favoritos y republicaciones). 3. **Nivel participación**: el número de respuestas. 4. **Nivel interacción**: el número de respuestas pero favoreciendo las que no sigan a la autora original como parámetro de descentralización. Y se podría representar con este gráfico:  En la izquierda observamos la representación en red de la conversación ( los colores indican el servidor al cual pertenece la cuenta). En la derecha tendríamos el porcentaje de los niveles de adhesión (2), participación (3) e interacción (4) respecto al número de seguidoras que tiene la cuenta de la publicación original (es decir el nivel de conocimiento). El valor encima de las barras es el valor absoluto de estos niveles (es decir el número absoluto de reacciones o respuestas). Es útil poder hacer este análisis a nivel de conversación, pero también sería útil poder hacrlo a nivel de cuenta. Evaluar cuál es el perfil medio de itneracciones. Para hacer este análisis he automatizado el código para poder hacer la media de las últimas 20 publicaciones (sin contar respuestas). Si analizamos las conversaciones representadas en el apartado anterior:  Podemos ver como los diferentes patrones de conversación afectan a esta pirámide de participación. Las conversaciones más descentralizadas tienen una parte superior más amplia que las que son más centralizadas. Podemos ver que en la convesación inferior izquierda, hay un nivel de adhesión más alto que en la conversación inferior derecha (>600 vs 353), pero en cambio en la última los niveles de participación e interacción son muy superiores. #### Diversidad interna y externa Si recordamos algunas métricas que queríamos representar: Si recordem algunes mètriques més que voliem representar: - Diversidad hacia dentro: descentralización de la conversación en diferentes participantes. - Diversidad hacia fuera: participación en la conversación por parte de diferentes instancias. Para poder analizarlo utilizo los siguientes algoritmos que se utilizan en el campo de redes, ecología o inmunología: - Diversidad interna: utilizamos el índice de Gini en los receptores. Este índice es una medida de desigualdad. Valor de 0 a 1, un valor más bajo indica una distribución más equitativa. - Diversidad externa: utilizamos la entropía de Shannon en los servidores, índice que cuantifica la dificultad de predecir y por tanto la diversidad de la población. Un valor más alto sugiere una red más descentralizado. Una vez más podemos observar como la simplificación a un solo valor a través de estos índices refleja bastante bien los patrones de las conversaciones que analizamos:  *En este caso los dos índices se aplican a la red de conversación y por lo tanto analizan la diversidad interna.* ### Aplicación online para hacer el análisis Para facilitar el uso de estas métricas y trabajar en analizar grupos de conversaciones diferentes he desarrollado [la siguiente herramienta](https://ratg.cat/apps/FediXarxes-App/FediXarxes/):  Por ahora sólo se puede analizar una sola conversación, pero en el futuro se puede añadir el análisis de cuenta. ### Efecto de diferentes variables al patrón de conversación Con estas herramientas ya podemos comparar cómo afectan diferentes variables a nuestros patrones comunicativos: + Comparar entre medios sociales (siempre que sean accesibles sus datos) + Temática de la publicación + Tipo de cuenta (personal, de comercio, asociación...) + Tipología de seguidoras + Momento del día de la publicaición + Tiempo de presencia en el Fediverso (red más o menos madura) Las métricas también nos permiten ver evolución a lo largo del tiempo, hecho que puede ser muy útil para evaluar la consecución de objetivos. ### Conclusiones Hacen falta métricas que nos permitan medir no sólo la cantidad sino también la calidad de nuestras comunicaciones. La accesibilidad de las APIs del Fediverso nos facilita la representación de conversaciones en red, abriendo un mundo de posibilidades. El análisis de las redes conversacionales nos permitirá entender qué tipo de comunicación estamos teniendo y nos permitirá evaluar si es la que queremos o si nos hace falta mejorarla, más allá de métricas simplistas comerciales.