Komponen data Twitter

Menganalisis Data Media Sosial dengan R

Sowmya Vivek

Data Science Coach

Ringkasan pelajaran

Pengantar JSON Twitter
Ekstrak komponen metadata dari JSON
Gunakan komponen untuk mendapat insight

Twitter JSON

Satu tweet dapat memiliki lebih dari 150 komponen metadata
Tweet dan komponennya dikembalikan sebagai JavaScript Object Notation

Atribut dan nilai JSON

Atribut dan nilai untuk menjelaskan tweet dan komponennya
Contoh: screen_name menyimpan handle pengguna

Atribut dan nilai Twitter JSON

Mengonversi JSON ke data frame

JSON Twitter diubah menjadi data frame oleh pustaka rtweet
Atribut dan nilainya menjadi nama kolom dan nilai

Atribut JSON diubah ke kolom data frame

Melihat komponen tweet

# Ekstrak tweet tentang "#brexit" dengan search_tweets()
tweets_df <- search_tweets("#brexit")

# Lihat nama kolom
names(tweets_df)

Melihat komponen tweet

Komponen sebuah tweet

Menjelajahi komponen

screen_name untuk memahami minat pengguna
followers_count untuk membandingkan pengaruh di media sosial
retweet_count dan text untuk mengenali tweet populer

Minat pengguna dan jumlah tweet

screen_name adalah handle Twitter
Jumlah tweet yang diposting menunjukkan minat pada topik
Promosikan produk kepada pengguna yang berminat

Minat pengguna dan jumlah tweet

# Ekstrak tweet tentang "#Arsenal" dengan search_tweets()
twts_arsnl <- search_tweets("#Arsenal", n = 18000)

# Buat tabel pengguna dan jumlah tweet untuk topik tersebut
sc_name <- table(twts_arsnl$screen_name)
head(sc_name)

_____today_____   ___JJ23    ___SAbI__   __ambell   __Amzo__     __bobbysingh 
       1               2          3           1         1               1

Minat pengguna dan jumlah tweet

# Urutkan tabel menurun berdasarkan jumlah tweet
sc_name_sort <- sort(sc_name, decreasing = TRUE)

# Lihat 6 pengguna teratas dan frekuensi tweet
head(sc_name_sort)

 _whatthesport  footy90com  Official_ATG1   TheShortFuse   RubellM   ArsenalZone_Ind 
      176           90            88             53           48            43

Jumlah pengikut

Jumlah pengikut yang berlangganan akun Twitter
Menunjukkan popularitas akun
Ukuran pengaruh di media sosial
Pasang iklan di akun populer untuk visibilitas lebih tinggi

Bandingkan jumlah pengikut

# Ekstrak data pengguna dengan lookup_users()
tvseries <- lookup_users("GameOfThrones", "fleabag", "BreakingBad")

# Buat data frame dengan kolom screen_name dan followers_count
user_df <- tvseries[,c("screen_name","followers_count")]

Bandingkan jumlah pengikut

# Lihat jumlah pengikut untuk perbandingan
user_df

screen_name        followers_count
<chr>                   <int>
GameOfThrones          8597188            
fleabag                  58727            
BreakingBad            1240349

Jumlah retweet dan tweet populer

Retweet adalah tweet yang dibagikan ulang oleh pengguna lain
retweet_count menyimpan jumlah retweet
Jumlah retweet membantu mengidentifikasi tren
Retweet populer dapat dipakai untuk promosi merek

Jumlah retweet dan tweet populer

# Buat data frame teks tweet dan jumlah retweet
rtwt <- tweets_arsenal[,c("text", "retweet_count")]

# Urutkan data frame menurun berdasarkan jumlah retweet
library(dplyr)
rtwt_sort <- arrange(rtwt, desc(retweet_count))

Jumlah retweet dan tweet populer

# Kecualikan baris dengan teks tweet duplikat
rtwt_unique <- unique(rtwt_sort, by = "text")

Jumlah retweet dan tweet populer

# Cetak 6 unggahan unik teratas dengan retweet terbanyak
head(rtwt_unique)

retweet_count                text
<int>                        <chr>
5606            Once a Gunner, Always a Gunner. We are proud of you @alexanderiwob
3764            Emirates on Fire 🔥🔥🔥🔥 Never give up Gunners💪🏽💪🏽💪🏽 #Arsenal #CO
2798            That mood tonight ⚡️⚡️⚡️ 3️⃣ POINTS 🔴⚪️ #Arsenal #Gunners #COYG h
2741            #Arsenal fan: "I reckon we'll win the League this season." @Robbie
1687            Auba 😭😭😍😍 This is what I call happiness #aubameyang #arsenal
1166            When sky sports introduced the new Monday night football! The Sha

Ayo berlatih!

Menganalisis Data Media Sosial dengan R