NodeXL: de browser voor het tijdperk van sociale netwerken #TNWEurope

De wereld bestaat uit social media, we zijn er met z’n allen heen verhuisd. De uitdaging daarbij is dat het gaat om een constante en vooral verwarrende stroom van informatie. De Social Media Research Foundation is een non-profitorganisatie die wil helpen het inzicht in sociale netwerken te vergroten door een tool beschikbaar te stellen. Een tool die ook voor niet-technische mensen bruikbaar is.

Netwerkbrowser

Marc Smith, director van de SMRF, vertelde tijdens The Next Web over de ambities van de stichting. “Wij zijn geïnspireerd op Mozilla en Firefox. En eigenlijk willen we een ander soort Firefox zijn. Firefox is een browser die één pagina laat zien. Wij maken een ‘network browser’, wij laten de relaties zien in een netwerk.”

“Networks are the dominant explanation for society.” Maar helaas is de kennis over en het inzicht in netwerken ongelijk verdeeld. Veel tools voor sociale-netwerkanalyse zijn niet bruikbaar voor mensen zonder technische achtergrond. De SMRF wil iedereen inzicht geven in hoe mensen met elkaar ‘connecten’ en begrijpen hoe macht werkt. En dan niet alleen op de fysieke pleinen als Tahir Square, maar juist ook in de online versies, die vele malen groter zijn.

“Crowds matter. Er zit informatie in en vorm. Je kunt zien of de crowd blij is of niet.” NodeXL, de tool van SMRF, onthult de vorm van de online crowds. En daarmee krijgen we inzicht in hoe social media écht werken.

Social media gaat om het doorgeven van zaken van de een naar de ander. Dat proces laat patronen na. Dat is belangrijk om te beseffen. Het is namelijk nog nooit eerder voorgekomen in de geschiedenis dat de meester interactie tussen mensen gedocumenteerd wordt. We maken connecties met elkaar door een mail ter versturen, of elkaar te ‘frienden’ op Facebook.

Network Analysis Data Flow

Het proces van het analyseren van netwerkdata bestaat uit een aantal stappen:

1. Data provider: je hebt een provider van data nodig en je moet over de data kunnen beschikken. NodeXL maakt het daarom simpel om data uit bronnen als Twitter te halen.
2. Data container: de data moet worden verwerkt, wat in het geval van NodeXL gebeurt in Excel, omdat dat een veel gebruikte tool is. De NodeXL-app biedt een extra tab in Excel aan voor de analyse.
3. Data analysis: voor de analyse van data wordt een groot aantal voorgeprogrammeerde network metrics aangeboden.
4. Data visualisation: de software verzorgt de visualisatie van de data automatisch.

De tool maakt het daarmee mogelijk om snel inzicht te krijgen in key influencers (“You can actually see who is the ‘mayor’ of your hashtag!”), subgroepen en bridges – de mensen die weinig connecties hebben, maar met hun connecties wel groepen met elkaar verbinden. En het toont de vorm van netwerken aan, zoals ‘hubs & spokes’, bridges en ‘islands’ – de mensen die nog geen onderdeel zijn van het netwerk en daarmee interessant zijn als targets voor bijvoorbeeld ‘new business’.

6 typen Twitter-netwerken

Als voorbeeld van de verschillende vormen van netwerken noemt Smith een onderzoek dat zij hebben uitgevoerd waarin 6 verschillende vormen werden onderscheiden:

1. Polarized crowd: twee grote groepen met weinig onderlinge connecties.
2. Tight crowd: mensen met veel onderlinge connecties.
3. Brand clusters: veel niet-verbonden deelnemers.
4. Community clusters: veel kleinere groepen.
5. Broadcast network: een hub & spoke-structuur waarbij veel mensen verbonden zijn met één persoon of instantie door diens berichten te verspreiden.
6. Support network: net als het broadcast network is het support network een hub & spoke-structuur, maar in dit geval zijn de verbindingen naar buiten gericht vanuit de hub, omdat deze contact met de deelnemers opneemt.

Bron afbeeldingen: pewinternet.org

Inzicht in netwerkstructuur

Het (her)kennen van de structuur van je community of netwerk is interessant, helemaal als je vervolgens kunt achterhalen hoe die structuur afwijkt van de ideale structuur voor het doel dat je nastreeft. Dus: is het mogelijk om een bestaande structuur te beïnvloeden en de structuur aan te passen?

Ja, dat is mogelijk. Soms. En niet altijd even makkelijk of zelfs wenselijk. SMRF heeft de mogelijkheden voor deze ‘migration paths’ in kaart gebracht in onderstaande diagram.

Bron afbeelding: connectedaction.net – klik op de afbeelding voor een grote weergave

NodeXL is een mooie start. Persoonlijk verwacht ik dat er in de komende jaren nog veel meer tools zullen komen die het – ook voor non-nerds – mogelijk maakt dit soort inzichten te verkrijgen. Het gemak en de visualisatie kunnen op het eerste gezicht beter, maar het maakt de sociale-netwerkanalyse bereikbaarder voor iedereen en kan daarmee het vakgebied een flinke duw in de rug geven.