BAGAIMANA TAGAR TRENDING OLEH BOT?

by Andi Rahman

Oleh Ismail Fahmi

Thread ini untuk "educational only," agar publik bisa tahu bagaimana sebuah tagar bisa trending, dengan cara mudah, di posisi top 5 selama 3-4 jam. Tapi oleh bantuan bot.  Dan buat yg bikin trending, supaya lebih natural metodenya.

TRENDING TOPICS TWITTER 11:00 WIB  
Ceritanya di layar "Trending Topics" Drone Emprit, ada tagar tentang Omnibus Law yang trending beberapa jam. Padahal sekarang publik lagi adem ayem soal OL ini. Mahasiswa dan Kpoppers belum punya agenda terkait.  Jadi deh, saya monitor.

TRENDING DARI JAM 8:00 SD 11:00  
Tagar ini langsung trending, naik turun di posisi 5-3, dari pukul 8 pagi sampai 11 siang.

TREN TAGAR  
Untuk bisa dapat tren pada pukul 8-11, persiapan ternyata harus dimulai beberapa jam sebelumnya.   Grafik tren ini memperlihatkan persiapan kira-kira mulai jam 5 pagi, kecepatan mencapai 50% pada pukul 6-7. Lalu digas pelan-pelan hingga kecepatan maks 100% pukul 9-10.

Pada saat gas mulai pol itu, posisi trending ada di ranking 5 sd 3. Lalu turun hingga pukul 11 kurang.   Dari volume data, tak banyak jumlah mention yang dibutuhkan. Tapi volume penambahan cuitan per menit diatur agar dideteksi oleh algoritma Twitter sebagai tagar trending.

DISTRIBUSI TWIT BERDASARKAN LOKASI USER  
Selain kecepatan penambahan cuitan, lokasi usernya juga harus terdistribusi luas, tidak dari satu titik kota saja, agar dianggap trending.  Tampak di peta, distribusi lokasi user diset mulai dari Sumatera, Jawa, Kalimantan, dan Sulawesi.

DISTRIBUSI TWIT BERDASARKAN LOKASI USER  
Untuk tagar yang dimonitor ini, lokasi terbanyak berada di Semarang, Bandung, Bogor, Surabaya, Jakarta, Balikpapan, Medan, Bukittinggi, Tulungagung, Ngawi, dst.  Menarik, biasanya Jakarta yang tertinggi. Kali ini Semarang.

ANALISIS BOT  
Kita cek apakah tagar ini natural digerakkan oleh manusia?   Dari analisis Drone Emprit, total ada minimal 629 user aktif. Dari 44.20% yg berhasil dianalisis, proporsi "cyborg" hingga "bot" cukup tinggi. Human sedikit. Akibatnya score botnya 3.02, tidak natural.

AKUN DENGAN BOT SCORE 4-5  
Sebagai contoh, kita lihat daftar akun yang menurut machine learning dianggap bot.  Salah satu akun, follower 182, memposting 26 cuitan, semua mengandung tagar yg sama, plus tagar kode spt #LIft4, #FYdx6, dan dalam waktu singkat (13:44, 13:45), dst.

Normalnya user Twitter, kalau mencuit ndak pake kode random seperti itu. Kode ini biasanya dipakai untuk mengelabui algoritma Twitter, agar tidak dianggap spam. Biasanya karena teks yang sama juga dicuitkan oleh akun (bot) lain.

TOP HASHTAGS  
Analisis hastags memperlihatkan ada satu tagar yang diangkat. Kadang bisa 2 atau lebih tagar yang digunakan bersamaan, sehingga memenuhi TT Twitter.  Yang menarik, banyak tagar berupa kode random spt izA4i, 3i1Wp, F357K, dst (duh susah ngetik pake jempol haha).

DISTRIBUSI JUMLAH TWIT BERDASARKAN JUMLAH FOLLOWER  
Cara lain mendeteksi bot adalah dengan memplot grafik distribusi jumlah cuitan berdasarkan jumlah follower user yg mencuitkan.   Tagar ini banyak dicuitkan oleh user yang minim follower, 0-3, 4-25.

CONTOH CUITAN USER 0 FOLLOWER  
User di bawah ini followernya 0, mencuitkan teks panjang dalam waktu yang berdekatan. Dan selalu menyertakan tagar berupa kode random. Normal user tidak melakukan ini.

SNA  
Untuk membuat trending, cukup dengan beberapa akun yang akan diamplifikasi ramai-ramai (lihat node yang besar). Serta akun yang tersebar dan mencuitkan tagar yang sama.

KESIMPULAN  
Beberapa hal penting untuk membuat trending topic:
- jumlah akun yang terlibat
- sebaran akun berdasarkan geografi
- kenaikan jumlah percakapan per menit, per jam  
Biar tidak dianggap spam:
- teks bervariasi
- tipe postingan bervariasi (twit, rt, reply)
- temporal

TRENDING TOPIC NATURAL OLEH KPOPPERS  
Sebagai perbandingan, kita lihat bagaimana Kpoppers bikin trending topik. Meski teksnya banyak yang sama, tapi oleh Twitter tidak dideteksi sebagai spam shg diblokir secara masif.

TEKS YANG SAMA  
Sebagai contoh, saat tagar #GagalkanOmnibusLaw, #JegalSampaiGagal, #JEGALSAMPAIBATAL, #MosiTidakPercaya, dan #DPRRIKhianatiRakyat trending bersamaan, Kpoppers sudah sepakat mengangkat teks yang akan digunakan bersama-sama, seperti bisa dilihat di tabel ini.

WIJI THUKUL  
Semua cuitan di atas diambil oleh Drone Emprit khusus yang mengandung keyword "wiji thukul," sehingga didapat teks puisi dan rangkaian tagar yang mengandung keyword ini.

SNA: JARINGAN YANG MENYEBAR, DECENTRALISTICS, INTERCONNECTED  Kekuatan Kpopper dari jaringannya masif tapi tidak terpusat. Dengan begini, bisa didapat pola posting yang random, serentak, dan meyebar.

SEBARAN LOKASI KPOPPERS  
Sebaran geografisnya jelas meluas, ada dimana-mana. Hampir di seluruh provinsi, bahkan ada yang di luar negeri.   Jaringan yang masif di atas dengan sebaran lokasi seperti ini, cukup untuk membuat apapun tagar yang diangkat menjadi trending topik.

BOT ANALYSIS KPOPPERS  
Analisis bot menunjukkan lebih banyak yang terdeteksi sebagai human atau mendekati human. Cyborg terdeteksi agak tinggi, mungkin karena banyak juga kpoppers yg tipe postingannya tidak variatif (misal hanya RT saja).   Bot score juga rendah, 1.95, natural.

TOP HASHTAGS  Pada saat yang sama, beberapa hashtags trending, dengan volume mention yang tinggi. Dan di sini tidak ditemukan hashtags dengan kode random seperti contoh trending oleh bot sebelumnya.

CLOSING  Trending topic bukan segalanya, meski kadang diperlukan.   "Don't follow a trend. Follow your heart."  -- Krist Novoselic

Link: https://twitter.com/ismailfahmi/status/1315294991900532743