Dine tweets afslører fremtidens iPhone-salg

»Min iPhone 6 bliver sendt til mit hus om mindre end en uge«, »Jeg overvejer virkelig, om jeg skal beholde min iPhone 5S eller om jeg skal have iPhone 6 & min stedfar spørger mig hver eneste dag« og »Det var endnu en iPhone-oplader, der forsvandt«.

Sådan lød tre tilfældige tweets om Apples iPhone fra brugere på det sociale medie Twitter i minutterne inden indledningen til denne artikel blev skrevet. Umiddelbart bare personlige pip om livets gang, men ud fra den slags korte beskeder kan forskere på Copenhagen Business School nu forudsige med stor præcision, hvor mange iPhones, der vil blive solgt i den kommende tid.

»Det er meget vigtig information for virksomheder, hvis de kan forudsige salg,« siger Ravi Vatrapu, der er professor i 'human computer interaction' og leder af Computational Social Science Laboratory på Copenhagen Business School (CBS)

Ravi Vatrapu underviser blandt andet i, hvordan man kan arbejde med Big Data, som er de enorme datasæt, der i stigende grad bliver tilgængelige for myndigheder og virksomheder.

I den forbindelse mødte han to studerende, der begge allerede havde mere end 10 års erfaring med at arbejde med data – Niels Buus Lassen og René Madsen. På EDOC 2014-konferencen i Tyskland har de tre sammen netop offentliggjort en metode, der kan omsætte strømmen af tweets til en krystalkugle, der kan konkurrere med dem, de har i de store investeringsbanker.

500 millioner tweets om iPhone

Når teamet valgte at se på iPhone og ikke et andet produkt, skyldes det, at Apple-produktet i årevis har været et af verdens mest omtalte. Siden 2007 har 500 millioner tweets indeholdt ordet iPhone og adskillige flere kommer til hvert minut.

Men verden er selvfølgelig mere kompleks, end at man nødvendigvis går ud og køber en iPhone, bare fordi man har skrevet om den på sin Twitter-profil, Facebook eller lignende. Så hvorfor er der sammenhæng mellem tweets og iPhone-køb?

»Vi siger, at en tweet om en iPhone viser, at en bruger er opmærksom på iPhones. Vi ved ikke, om brugeren er en eksisterende kunde eller en kommende kunde eller bare en robot, der sender automatiske beskeder ud om iPhones, men det er heller ikke vigtigt for os. Det vigtige er, at brugeren er opmærksom på produktet, og at den opmærksomhed altid vil befinde sig på et af fire stadier,« forklarer Ravi Vatrapu.

Forskerne tager udgangspunkt i en model for salg, der hedder AIDA, som siger, at vi altid går gennem fire faser, før vi køber et produkt – Awareness, Interest, Desire og Action:

• Første fase er, at man bliver opmærksom på et produkt – det kunne være at man ser en iPhone i toget, læser om den i avisen – eller ser et tweet.
  
• Dernæst følger fase 2 og 3, hvor man først får interesse for produktet og derefter begynder at foretrække det frem for konkurrenternes, f.eks. ved at læse om det eller ved at spørge vennerne til råds på de sociale medier.
  
• Endelig tager man handling i fase 4: Ved at købe – eller ved at beslutte sig for at beholde sin gamle telefon.

20 dage fra tweet til salg

Forskerne lægger antallet af tweets sammen uden at forholde sig til, om skribenten bare er i fase 1, hvor man er opmærksom på produktet (hvis man ikke er det, er det svært at skrive om) eller om man er længere i processen - for alle faser vil være et skridt på vejen mod et køb eller endeligt valg af ikke at købe: Uanset om man skriver, at man lige har opdaget, at iPhones eksisterer og derfor befinder sig i fase 1, eller om man skriver, at man har tabt sin iPhone i toilettet og vil købe en ny, så man befinder sig i fase 4.

Mens sidstnævnte eksempel nok vil føre til et hurtigt køb i løbet af få dage, kan Twitter-brugeren, der netop har opdaget iPhones eksistens, nok bruge flere dage på at nå gennem faserne og frem til et køb. Ifølge Ravi Vatrapu kan man præcist forudsige køb i et kvartal ud fra tweets op til 60 dage forud for kvartalet, men den mest præcise sammenhæng opstår med tweets 20 dage før.

»De sociale konsekvenser af tweets på salg i den virkelige verden spreder sig over 20 dage. Det er ikke teoretisk, men empirisk – vi har fundet frem til, at den tydeligste sammenhæng mellem tweets og salg opstår efter 20 dage, både før og efter er sammenhængen svagere,« siger Ravi Vatrapu. Ved at se på tweets 20 dage forud for et kvartal kan forskerne forudsige salget med en margin på plus/minus fem procent.

»Det er mere eller mindre standarden for, hvor præcist det kan blive. Vi sagde for nyligt, at Apple kommer til at sælge 36,2 millioner telefoner i kvartalet før iPhone 6 kom på markedet – og branchens forudsigelser er omtrent det samme. Det gode ved den her slags socialvidenskab er, at vi enten har ret eller tager fejl, og vi kan se, hvor meget vi tager fejl, når salgstallene kommer fra Apple,« siger han.

Han understreger, at modellen ikke siger noget om den enkelte bruger af Twitter eller køber af en iPhone, men at sammenhængen er mellem den samlede mængde af tweets og det samlede salg.

Sætter nye standarder

Studiet af data fra sociale medier er langt fra det første af sin art. Tidligere har man kunnet forudsige indtjeningen fra store Hollywood-film meget præcist ud fra tweets om filmene i ugen op til premieren og i dens to første uger i biograferne. Men ifølge Ravi Vatrapu er trioen på Copenhagen Business School gået videre med at finpudse modellen, end man har gjort før.

»Vi har bygget videre på de eksisterende modeller og forbedret dem ved blandt andet at tage højde for, hvornår på året beskederne er sendt. Det er noget, jeg tror kunne forbedre alle forudsigelsesmodeller,« siger han.

Når forskerne korrigerer tallet for, hvornår på året Twitter-beskeden er skrevet, skyldes det blandt andet, at salget i Vesten stiger omkring jul, mens salget falder i tiden op til oktober, hvor nye iPhones typisk bliver lanceret af Apple. Men mens købere venter på den nye iPhone (i år er Apple netop kommet med iPhone 6), kan omtalen på sociale medier sagtens stige, så det er modellen bygget til at tage højde for. Modellen ser også på, hvor positive og negative beskederne er.

»Men der er potentiale for at lave betydelige forbedringer. Lige nu er der en empirisk sammenhæng mellem tweets og salg, som vi kan komme med en teoretisk forklaring på med AIDA-modellen, men vi går nu i gang med at se, om vi kan forbedre modellen,« siger Ravi Vatrapu.

Det vil forskerne blandt andet gøre ved at se på, om man kan analysere, hvilken af de fire købsfaser i AIDA-modellen, et tweet tilhører – og så f.eks. frasortere alle de tweets, der hører til i fase 4 og fortæller, at brugeren lige har købt en telefon og dermed handler om salg i fortiden, ikke fremtiden.

Svært at bruge på små produkter

På DTU mener lektor Sune Lehmann fra Institut for Matematik og Computer Science, at CBS-forskernes resultat er interessant. Han forsker i, hvordan vi anvender sociale netværk, blandt andet Twitter.

»Det ser fornuftigt ud, hvad de har lavet,« siger Sune Lehmann. Men han påpeger, at Twitter-forskningen stadig mest ser på store produkter som f.eks. den iPhone, CBS-forskerne har set på.

»Deres forskning er ikke fuldstændigt anderledes end, hvad der er lavet før – de baserer sig stadig på Huberman,« siger Sune Lehmann med henvisning til en artikel, hvor forskeren Bernardo A. Huberman fra Hewlett-Packard Laboratories i 2010 forudsagde filmindtægter ud fra data fra sociale medier. Artiklen er også citeret i CBS-forskernes artikel.

»Hubermans metode har vist sig at være problematisk, blandt andet for mindre populære fænomener. Han metoder virker for de hitfilm, han diskuterer i artiklen, men for indie-film er det sværere. Det spændende ville opstå, hvis det her ikke kun kunne bruges i forhold til verdensomspændende firmaer. iPhone er et ultrapopulært hardware, som mange snakker om på sociale medier, så spørgsmålet er, om metoden kan generaliseres til noget, der ville interessere danske virksomheder,« siger Sune Lehmann.

Han henviser også til den videnskabelige artikel ”I Wanted to Predict Elections with Twitter and all I got was this Lousy Paper”, der påpeger svagheder i mange af forskernes forsøg på at forudsige valg (ikke produktsalg) ud fra Twitter-data. Alligevel mener Sune Lehmann, at data fra Twitter er et interessant felt at forske videre i.

»Det er interessant at kigge på Twitter som signal om, hvad der sker i den virkelige verden, men det er også ufatteligt svært at kalibrere det signal, selvom der er mange dygtige folk, der arbejder på det. Men det er vildt spændende at se, om man kan få nogle solide resultater ud af Twitter-data og det kan man helt sikkert,« siger Sune Lehmann.