¿Facebook está llegando a su fin?

Recientemente, este documento ha recibido mucha atención (por ejemplo, de WSJ ). Básicamente, los autores concluyen que Facebook perderá el 80% de sus miembros para 2017.

Basan sus afirmaciones en una extrapolación del modelo SIR , un modelo compartimental utilizado con frecuencia en epidemiología. Sus datos se obtienen de las búsquedas de Google para "Facebook", y los autores utilizan la desaparición de Myspace para validar su conclusión.

Pregunta:

¿Están cometiendo los autores un error de "correlación no implica causalidad"? Este modelo y lógica pueden haber funcionado para Myspace, pero ¿es válido para cualquier red social?

Actualización : Facebook responde

De acuerdo con el principio científico "la correlación es igual a la causalidad", nuestra investigación demostró inequívocamente que Princeton puede estar en peligro de desaparecer por completo.

Realmente no creemos que Princeton o el suministro de aire del mundo irán a algún lado pronto. Nos encanta Princeton (y el aire) ", y agregamos un recordatorio final de que" no todas las investigaciones se crean de la misma manera, y algunos métodos de análisis conducen a conclusiones bastante alocadas.

Las respuestas hasta ahora se han centrado en los datos en sí, lo que tiene sentido con el sitio en el que se encuentra y las fallas al respecto.

Pero soy un epidemiólogo computacional / matemático por inclinación, así que también voy a hablar un poco sobre el modelo en sí, porque también es relevante para la discusión.

En mi opinión, el mayor problema con el papel no son los datos de Google. Los modelos matemáticos en epidemiología manejan datos desordenados todo el tiempo y, en mi opinión, los problemas con ellos podrían abordarse con un análisis de sensibilidad bastante directo.

Para mí, el mayor problema es que los investigadores se han "condenado al éxito", algo que siempre debe evitarse en la investigación. Lo hacen en el modelo que decidieron ajustar a los datos: un modelo SIR estándar.

Brevemente, un modelo SIR (que significa susceptible (S) infeccioso (I) recuperado (R)) es una serie de ecuaciones diferenciales que rastrean los estados de salud de una población a medida que experimenta una enfermedad infecciosa. Los individuos infectados interactúan con individuos susceptibles y los infectan, y luego con el tiempo pasan a la categoría recuperada.

Esto produce una curva que se ve así:

Hermosa, ¿no es así? Y sí, este es para una epidemia de zombis. Larga historia.

En este caso, la línea roja es lo que se está modelando como "usuarios de Facebook". El problema es este:

En el modelo SIR básico, la clase I eventualmente, e inevitablemente, se aproximará asintóticamente a cero .

Debe suceder. No importa si está modelando zombies, sarampión, Facebook o Stack Exchange, etc. Si lo modela con un modelo SIR, la conclusión inevitable es que la población en la clase infecciosa (I) cae a aproximadamente cero.

Hay extensiones extremadamente sencillas para el modelo SIR que hacen que esto no sea cierto: o puede hacer que las personas en la clase recuperada (R) vuelvan a ser susceptibles (S) (esencialmente, serían personas que dejaron Facebook cambiando de "Estoy nunca volver "a" podría volver algún día "), o puede hacer que nuevas personas entren en la población (esto sería poco Timmy y Claire obteniendo sus primeras computadoras).

Desafortunadamente, los autores no se ajustaban a esos modelos. Este es, por cierto, un problema generalizado en el modelado matemático. Un modelo estadístico es un intento de describir los patrones de variables y sus interacciones dentro de los datos. Un modelo matemático es una afirmación sobre la realidad . Puede obtener un modelo SIR que se ajuste a muchas cosas, pero su elección de un modelo SIR también es una afirmación sobre el sistema. Es decir, que una vez que alcanza su punto máximo, se dirige a cero.

Por cierto, las empresas de Internet utilizan modelos de retención de usuarios que se parecen mucho a los modelos epidémicos, pero también son considerablemente más complejos que los presentados en el documento.

Mi principal preocupación con este documento es que se centra principalmente en los resultados de búsqueda de Google. Es un hecho bien establecido que el uso de teléfonos inteligentes está en aumento ( Pew Internet , Brandwatch ), y las ventas de computadoras tradicionales están disminuyendo (posiblemente solo debido a que las computadoras viejas aún funcionan) ( Slate , ExtremeTech), a medida que más personas usan teléfonos inteligentes para acceder a Internet. Teniendo en cuenta que hay una aplicación nativa de Facebook para (al menos) iOS, Android, Blackberry y Windows Phone, no sorprende que el número de consultas de Google para "facebook" haya disminuido significativamente. Si los usuarios ya no necesitan abrir un navegador y escribir "facebook.com" en la barra de URL, eso definitivamente afectaría negativamente el número de búsquedas. De hecho, el número de usuarios de FB que usan la aplicación ha aumentado significativamente ( TechCrunch , Forbes ).

Creo que este estudio es solo una "correlación interesante" que los medios de comunicación alarmistas llevaron demasiado lejos; "¿Sabías que el mundo está cambiando? ¡Qué inesperado!"

Bueno, este documento establece el hecho de que el número de búsquedas de Google en Facebook se ajusta muy bien a cierta curva. Entonces, en el mejor de los casos, puede predecir que las búsquedas en Facebook disminuirán en un 80%. Lo que podría ser factible, porque Facebook podría volverse tan omnipresente que nadie necesitaría buscarlo.

El problema con este tipo de modelos es que suponen que ningún otro factor puede influir en la dinámica de la variable observada. Esta suposición es difícil de justificar cuando se trata de datos relacionados con personas. Por ejemplo, este modelo supone que Facebook no puede hacer nada para contrarrestar la pérdida de sus usuarios, lo cual es una suposición muy cuestionable.

Google Trend en mi opinión no puede producir un buen conjunto de datos para este caso de estudio. La tendencia de Google muestra con qué frecuencia se busca un término con Google, por lo que hay al menos dos razones para plantear algunas dudas sobre la previsión:

• No sabemos si el usuario busca en Google Facebook para iniciar sesión o si busca información sobre Facebook

Facebook no es solo un sitio, es un fenómeno, con muchos artículos, libros y una película al respecto y Facebook Inc. el 18 de mayo de 2012 comenzó a vender acciones al público y a cotizar en el NASDAQ. Google Trend te muestra ambas cosas: las búsquedas del sitio y las búsquedas del "fenómeno". Las cosas nuevas siempre tienen un gran impacto en la masa, la televisión tuvo un gran impacto en la masa, ahora nadie escribe artículos al respecto, pero sigue siendo uno de los dispositivos más utilizados.

• La mayoría de los usuarios no buscan "facebook" en Google para iniciar sesión

Con las aplicaciones móviles y Marcadores, un usuario con un conocimiento decente de la búsqueda en Internet "facebook" en Google solo la primera vez, generalmente guarda la página como marcador o descarga la aplicación. El siguiente gráfico es la tendencia de Google para Wikipedia , parece que no utilizaremos Wikipedia en el futuro. Obviamente, esto no es cierto, simplemente no accedemos a wikipedia escribiendo "wikipedia" simplemente buscamos y luego usamos la página de wikipedia o usamos el marcador para acceder a ella.

Algunos problemas básicos se destacan con este documento:

• Asume la correlación de las consultas de los motores de búsqueda sobre una red social en aumento con el aumento de la membresía. Esto puede haberse correlacionado en el pasado, pero puede que no en el futuro.

• Hay muy pocas redes sociales nuevas y grandes. Casi puedes contarlos con una mano. Friendster, Myspace, Facebook, Google+. Además, Stack Exchange, Tumblr y Twitter funcionan de manera similar a las redes sociales. ¿Alguien predice que Twitter terminó? Por el contrario, parece tener un gran impulso. No hay mucha mención o estudio de otros para ver si encajan. En cierto modo, ¿existe una tendencia entre 5-7 puntos de datos? (El número de redes sociales). Es muy poca información para llegar a una conclusión sobre el futuro.

• Facebook desplazó a Myspace. Esa fue la dinámica principal. No considera la idea de que una infección está desplazando a otra, tiende a considerarlas por separado. ¿Qué está desplazando a Facebook? Google+? ¿Gorjeo? La interacción y la "deserción" de los clientes de una "marca" o "producto" a la otra es el fenómeno crítico en esta área.

• Las redes sociales coexisten. Uno puede ser miembro de múltiples sitios. Es cierto que los miembros tienden a preferir uno sobre el otro.

• Parecería que un modelo mucho mejor es que hay una consolidación en curso, como en economía, como automóviles, fabricantes de radio, sitios web, etc. Como en cualquier nueva tecnología disruptiva, hay muchos competidores al principio, y luego Más tarde, el campo se estrecha, tienden a consolidarse, hay compras y fusiones, y algunos desaparecen en la competencia. Ya vemos ejemplos de esto, por ejemplo, Yahoo comprando Tumblr recientemente.

• Un concepto similar podría ser que las redes de televisión se consoliden y sean propiedad de grandes conglomerados, por ejemplo, las principales compañías de medios que poseen muchos activos de medios. De hecho, Myspace fue comprado por News Corporation.

• El camino a seguir es buscar más analogías entre economía e infecciones (biología). Las empresas que adquieren clientes de la competencia y la absorción de productos tienen muchos paralelos epidemiológicos. Hay fuertes paralelos con las razas evolutivas de "reina roja" [ver el libro, Reina Roja de Ridley ]. Puede haber conexiones a un campo llamado bionomics .

• Otro modelo básico son los productos que compiten entre sí y tienen varias "barreras de entrada" para que los clientes cambien de una marca a otra. Es cierto que el costo del cambio es muy bajo en el ciberespacio. Es similar a las marcas de cervezas que compiten por los clientes, etc.

• En un modelo asintótico, es mucho más probable que una red aumente sus miembros hacia un máximo asintótico y luego tiende a estabilizarse . Al principio de la meseta, no será evidente que es una meseta.

Dicho todo esto, creo que tiene algunas ideas muy válidas y atractivas y es probable que estimule mucha más investigación. Es innovador, pionero y solo necesita ajustarse un poco en sus afirmaciones. Estoy encantado con el uso de Stack Exchange y la sabiduría colaborativa / inteligencia colectiva que analiza este documento. (Ahora, si solo los periodistas que investigaran el tema leyeran toda esta página detenidamente antes de preparar sus fragmentos de sonido simplistas).

La pregunta no es "si" sino "cuándo".

Que terminará ya está garantizado. http://www.ted.com/talks/geoffrey_west_the_surprising_math_of_cities_and_corporations.html

Aprovecho el uso del modelo SIR. Viene con suposiciones.

Una de las suposiciones es que eventualmente todos están "recuperados". Las infecciones no son perpetuas, mientras que la adopción de tecnología puede serlo (considere el automóvil, por ejemplo).

Si el negocio está condenado a morir eventualmente, entonces, al atravesar la muerte, las relaciones entre susceptibles, infectados y recuperados podrían modelarse adecuadamente mediante un modelo SIR particular. Esto no significa que el modelo sea descriptivo de ninguna de las estaciones antes del final de la vida. No tiene en cuenta otras fuerzas: el contexto. Facebook era parte del contexto de fin de "Myspace" y, si bien un SIR era apropiado para uso exclusivo de Myspace, no era para uso en redes sociales porque muchos usuarios tenían cuentas en ambos y cambiaron al uso dominante de FB.

Examiné el modelo de zombie, e incluso a través de algunos ajustes de SIR no zombie, y un SIR de ventana puntuada con tiempo y población es más apropiado allí. No es un modelo universal, y tiene fortalezas y debilidades. Eso significa que el SIR es imperfecto incluso para los sistemas que fue diseñado para modelar. Tal imperfección fundamental para su objetivo sugiere que sin un uso cuidadoso, la aplicación fuera del área objetivo puede ser, ceteris paribus, más problemática que otro modelo.

Para responder tu pregunta

Este modelo y lógica pueden haber funcionado para MySpace, pero ¿es válido para cualquier red social?

Probablemente no. Los datos históricos solo pueden predecir eventos futuros si el 'entorno' es similar. Este documento asume que el total de usuarios y consultas de Google es una constante, que por supuesto no lo es. Ahora este artículo puede decir más sobre Google que sobre Facebook.

Sin embargo, en base al rápido ascenso y caída de muchas otras redes sociales como MySpace y otras, creo que uno puede asumir con seguridad que existe una gran posibilidad de que Facebook ya no sea la red social dominante en 5 años.

Si echamos un vistazo al mapa de redes sociales, hay algunos casos en los que se aplica el modelo epidémico.

http://vincos.it/world-map-of-social-networks/

El artículo podría tener algunos otros ejemplos (Friendster y Orkut son un buen ejemplo de declinación masiva de sus usuarios) y también teniendo en cuenta el hecho de que normalmente las personas migran a otra red social que ofrece servicios mejores o nuevos .

Facebook innova la forma en que las personas se comunican. En comparación con Orkut , un usuario necesitaba ingresar al perfil de otra persona para ver sus actualizaciones. Por otro lado, en Facebook, los feeds ahora están en su propia línea de tiempo. Ese es un cambio importante.

Este modelo y lógica pueden haber funcionado para MySpace, pero ¿es válido para cualquier red social?

En mi humilde opinión, la gente no abandona la red social. Migran, en función de un mejor servicio, funcionalidad o experiencia.

La pregunta es: ¿habrá una mejor red social? Quizás Google +.