James Fowler over de invloed van sociale netwerken

Hoe vrienden als data, motivators, sensors en verdubbelaars in te zetten zijn

James Fowler over de invloed van sociale netwerken

James H. Fowler behaalde een doctoraat aan Harvard in 2003 en is momenteel hoogleraar Medische Genetica en Politicologie aan de Universiteit van Californië, San Diego. Zijn werk ligt op het kruispunt van de natuur en sociale wetenschappen, met een focus op sociale netwerken, gedrag, evolutie, politiek, genetica, en big data.

James werd uitgeroepen tot een van Foreign Policy's Top 100 Global Thinkers, TechCrunch's Top 20 meest innovatieve mensen in democratie en de meest originele denker van het jaar door de McLaughlin Group. Samen met Nicholas Christakis schreef James een boek over sociale netwerken voor een algemeen publiek, genaamd Connected. Het boek is vertaald in twintig talen, Editor's Choice van de New York Times Book Review en was een van Business Week's Best Books of the Year.

En we zijn erg blij dat hij 2 september spreekt in skatepark Waalhalla voor Social Science for Startups. Dit is inderdaad je laatste kans om kaarten te kopen.

Het lezen van jouw boek Connected was de eerste keer dat ik in aanraking kwam met de wetenschap van sociale netwerken. Het is een boek was een ware eyeopener. Daarna hebben mensen als Duncan Watts en Sinan Aral ook geweldig werk verricht op het gebied van de wetenschap van sociale netwerken, zowel in onderzoek als het uitleggen voor een grote publiek.

Voor degenen die niet bekend zijn met jouw werk, wat zijn de belangrijkste inzichten die je op het gebied van sociale netwerken hebt opgedaan, en waarom moeten organisaties hier iets mee?

In plaats van sociale netwerken heb ik het liever over vriendennetwerken, er is een verschil. Vriendennetwerken zijn belangrijk in minstens vier manieren voor bedrijven:

  1. Vrienden als data. We hebben de neiging om vrienden te hebben die doen wat wij doen, voelen wat wij voelen en denken wat wij denken. Dus als ik niets over jou weet, maar ik weet wel iets over je vriend, dan kan ik die informatie gebruiken om voorspellingen te doen over wat jij zal doen/voelen of denken. En omdat we online heel veel vrienden hebben en al deze stukjes informatie optellen, geeft dit ons een beter beeld van een potentiële klant.
     
  2. Vrienden als motivators. Vrienden oefenen vaak een krachtige invloed uit op elkaar. Dus als je een ​​persoon wilt bereiken, kan het effectiever zijn om in contact te komen met hun vrienden. In onze studie naar drinkgedrag waren mannen vatbaarder voor zwaar alcoholgebruik, maar vrouwen hadden meer invloed op hun gedrag. Dus paradoxaal genoeg is het effectiever om je te richten op de vrouwen dan de mannen als je zwaar alcoholgebruik tegen wilt gaan. Als je de netwerken van jouw klanten niet in kaart brengt, zul je nooit weten op wie je je het beste kunt richten.
     
  3. Vrienden als verdubbelaars. Sociale netwerken zijn exponentieel. Als de gemiddelde persoon 5 goede vrienden heeft, dan hebben ze 25 vrienden van vrienden en 125 vrienden van vrienden van vrienden. Dus een enkele verandering in een persoon kan zich verspreiden en dus veel meer verandering bewerkstelligen in een netwerk. Dit is wat wij vonden in ons Facebook-experiment (met 61 miljoen personen). We kregen 60.000 mensen aan het stemmen met een bericht op hun newsfeed. (Red: als mensen ook gestemd hadden, drukten ze op een kop "I voted", wat weer te zien was door hun vrienden.) Opmerkelijk is dat de vrienden van de mensen die dit gedrag zagen ook meer geneigd waren om te stemmen. Dit verhoogde de uiteindelijk opkomst met nog eens 280.000 mensen. Dus voor iedere persoon die rechtstreeks bereikt werd, werden er nog eens 4-5 mensen indirect bereikt, waardoor het effect van het bericht werd verveelvuldigd. Dit betekent dat als je niet het effect van je marketinginspanningen op de vrienden van je klanten meet, je waarschijnlijk het echte verhaal mist!
     
  4. Vrienden als sensoren. Uit ons werk op het gebied van de H1N1-griep bleek dat mensen in het centrum van het netwerk de neiging hebben om de griep het eerst te krijgen. Als je een tiental vrienden hebt, ben je waarschijnlijk sneller aan de beurt dan wanneer je slechts een of twee vrienden hebt. Onze steekproef van "centrale" individuen kreeg de griep meer dan twee weken eerder dan de rest in het netwerk. En ons nieuwe werk toont aan dat hetzelfde principe geldt voor Twitter, waar we kunnen voorspellen wat er viraal zal gaan, weken voor dat het gebeurt, door het monitoren van de centrale actoren in het netwerk. Met andere woorden: het sociale netwerk is een kristallen bol!




Je hebt gewerkt met de Data Science-team van Facebook, dat wij zelf ook goed kennen (Dean Eckles en onze mede-oprichter Maurits Kaptein werken vaak samen aan beinvloedingsprofielen en nieuw onderzoek). FB is natuurlijk een unieke kans om onderzoek te doen. En er zijn meer bedrijven die enorme hoeveelheden gegevens verzamelen. Het is te eenvoudig om te zeggen dat bedrijven meer over hun klanten weten nu dan ze zelf weten.

Ken je ook voorbeelden waarbij gegevens van sociale netwerken bedrijven inzichten over hun klanten geven die ze anders nooit zouden hebben gevonden?

Ja, het bedrijf Activate Networks (waarvoor ik een wetenschappelijk adviseur ben) heeft voor een aantal organisaties klantnetwerken in kaart gebracht en gebruikt om invloedrijke mensen te identificeren. Zo hebben ze samen met farmaceutische bedrijven gewerkt om artsen te over te laten schakelen naar generieke geneesmiddelen. En ze hebben met zorgverzekeraars gewerkt om werknemers enthousiast te krijgen voor programma's die stimuleren om meer te bewegen. Deze projecten hebben meestal geleid to een verdubbeling van de effectiviteit van bestaande inspanningen. Ze hebben ook werknemersnetwerken in kaart gebracht om knelpunten tijdens fusies te identificeren. Deze netwerken kunnen worden omgeknoopt om de informatiestroom en productiviteit te verhogen.

Startups en het internet als geheel hebben wetenschappers meer gelegenheid gegeven om andersoortige experimenten uit te voeren en zo meer inzicht te krijgen in menselijk gedrag. Als ik jou 5 miljoen dollar zou geven die je mag investeren in een startup, welke nieuwe technologie zou je willen dat wordt ontwikkeld? En waarom?

Ik zou een sociaal netwerk laten ontwikkelen dat mensen helpt om hun eigen community te organiseren. Wij hebben grote netwerken voor het delen van informatie (Twitter), gezelligheid met vrienden (Facebook) en netwerken met collega's (LinkedIn), maar dit zijn allemaal open netwerken. Als gevolg daarvan hebben mensen niet het gevoel dat ze hun informatie veilig kunnen delen als het gaat om hun passies of aansluiting vinden met andere mensen die dezelfde doelen nastreven. Het open internet is een essentieel onderdeel van ons leven online, maar we moeten ook ommuurde tuinen hebben waar we tijd kunnen doorbrengen met mensen die zich zorgen maken over precies dezelfde dingen als wij.

Dit is ook de reden waarom ik samenwerk met een start-up genaamd Backplane. Ze hebben een communityplatform gebouwd voor artiesten als Lady Gaga, voor sociale leiders als Nelson Mandela en wereldberoemde merken zoals Coca Cola. En we werken aan online tools die organisatoren achter communities ondersteunen in het werven van nieuwe leden en hen aan elkaar koppelen om geweldige content te creëren en offline activiteiten te organiseren. Ik hoop dat een dergelijk platform communities over de hele wereld kan helpen.

Jouw focus is: sociale netwerken, gedrag, evolutie, politiek, genetica, en big data. Ik vind dat persoonlijk erg vet. Normaal gesproken zou dit betekenen dat iemand helemaal geen focus heeft. Maar in jouw geval denk ik dat het de essentie is van je werk. Ons bedrijf richt zich "alleen maar" op gedrag en big data, maar we zien dat de wetenschap van sociale netwerken meer en meer banden krijgt met gedragswetenschappen. Bijvoorbeeld hoe kuddegedrag van invloed is op positieve beoordelingen op het internet.

Waarom denk je dat het zo belangrijk is om verschillende disciplines te combineren, als je menselijk gedrag onderzoekt?

Ik denk dat het belangrijk is om disciplines te combineren, omdat er zo veel slimme mensen werken op zoveel problemen dat de kans groot is dat een deel van de onopgeloste problemen in de ene discipline zijn opgelost in een ander. Als je dwars door alle jargon heen snijdt (soms heb je een slagersmes nodig!) is er veel laaghangend fruit.

De wereld heeft behoefte aan zowel specialisten als generalisten. In de academische wereld houd ik ervan om omringd te zijn door zoveel mensen die ''s werelds expert' zijn op een bepaald onderwerp. Maar dat ben ik niet (ik heb een korte aandachtscurve!). Wat ik in plaats daarvan probeer te doen, is om een inzicht te nemen van de ene discipline en die te brengen naar de andere. Ik voel me een beetje zoals Marco Polo, ik kom altijd thuis met schatten uit verre oorden. In het begin van mijn carrière was het een uitdaging om zo te werken. Het systeem is namelijk ontworpen om experts te creëren die heersen over hun diepe, maar smalle silo's. Maar er zijn nu tal van mogelijkheden voor multidisciplinair werk. En mijn eigen universiteit (UCSD) is de perfecte plek voor iemand zoals ik, want het is jong en energiek en staat open voor ideeën die grenzen overschrijden.

Ten slotte, naar welke 3 disciplines moet een marketingwetenschapper (of datagedreven marketeer) uitkijken om in de toekomst om een ​​"oneerlijk" concurrentievoordeel te krijgen?

Ik denk dat iedereen die geïnteresseerd is in sociale media moeten leren over de offline sociale netwerken (oldschool sociologie). Ik ben nog steeds verbaasd over hoeveel mensen niet begrijpen dat we dezelfde hersenen hebben en dezelfde fundamentele sociale patronen als 100.000 jaar geleden. Technologie verandert een aantal dingen zoals snelheid en de omvang, maar de elementaire bouwstenen zijn nog steeds hetzelfde.

Iedereen die interesse heeft in big data moet zich verdiepen in genomische biostatistiek. Er zijn miljarden dollars besteed aan het ontwikkelen van nieuwe manieren om uiterst zwakke signalen te vinden in enorme hoeveelheden gegevens, dus het is niet verwonderlijk dat veel van de meest recente ontwikkelingen in de machine learning vanuit dat vakgebied komen.

En iedereen die geïnteresseerd is in menselijk gedrag moet een oogje houden op sociale fysiologie. In toenemende mate zal lichaamstaal, van knipperende ogen tot iemands houding, elektronisch worden gemeten en zal veel vertellen over wie iemand is en wat hun huidige gemoedstoestand is.

Tot ziens bij Social Science for Startups!


Delen

0
0


Er zijn 0 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.