Facebook est-il en train de se terminer?

Récemment, ce document a attiré beaucoup d'attention (par exemple de WSJ ). En gros, les auteurs concluent que Facebook perdra 80% de ses membres d’ici 2017.

Ils fondent leurs revendications sur une extrapolation du modèle SIR , un modèle compartimental fréquemment utilisé en épidémiologie. Leurs données sont tirées des recherches Google pour "Facebook", et les auteurs utilisent la disparition de Myspace pour valider leur conclusion.

Question:

Les auteurs font-ils une erreur de "corrélation n'implique pas causalité"? Ce modèle et cette logique ont peut-être fonctionné pour Myspace, mais est-il valable pour tout réseau social?

Mise à jour : Facebook répond

Conformément au principe scientifique "la corrélation égale la causalité", nos recherches ont démontré sans équivoque que Princeton risquait de disparaître complètement.

Nous ne pensons pas vraiment que Princeton ou l’alimentation en air du monde aille bientôt. Nous aimons Princeton (et de l’air) », et ajoutons un dernier rappel:« toutes les recherches ne sont pas créées égales - et certaines méthodes d’analyse conduisent à des conclusions assez folles.

Jusqu'à présent, les réponses se sont concentrées sur les données elles- mêmes, ce qui est logique avec le site sur lequel il est activé et ses failles.

Mais je suis un épidémiologiste en calcul mathématique par inclination, alors je vais aussi parler un peu du modèle lui-même, car il est également pertinent pour la discussion.

Dans mon esprit, le plus gros problème avec le papier n'est pas les données de Google. Les modèles mathématiques en épidémiologie traitent en permanence des données confuses et, à mon avis, les problèmes que cela pose pourraient être résolus au moyen d’une analyse de sensibilité relativement simple.

Le plus gros problème, à mes yeux, est que les chercheurs se sont "voués au succès", ce qui devrait toujours être évité dans la recherche. Ils le font dans le modèle qu'ils ont décidé d'adapter aux données: un modèle SIR standard.

En bref, un modèle SIR (qui signifie «susceptible (S) infectieux (I) récupéré» (R)) est une série d’équations différentielles qui suivent l’état de santé d’une population exposée à une maladie infectieuse. Les individus infectés interagissent avec les individus sensibles et les infectent, puis, avec le temps, passent à la catégorie des personnes guéries.

Cela produit une courbe qui ressemble à ceci:

Beau, n'est-ce pas? Et oui, celui-ci est pour une épidémie de zombies. Longue histoire.

Dans ce cas, la ligne rouge représente ce qui est modélisé comme "utilisateurs de Facebook". Le problème est le suivant:

Dans le modèle SIR de base, la classe I finira inévitablement et inévitablement par approcher zéro de façon asymptotique .

Ça doit arriver. Peu importe que vous modélisiez des zombies, la rougeole, Facebook ou Stack Exchange, etc. Si vous le modélisez avec un modèle SIR, la conclusion inévitable est que la population de la classe infectieuse (I) tombe à environ zéro.

Il existe des extensions extrêmement simples du modèle SIR qui rendent cette affirmation fausse. Vous pouvez également faire revenir des personnes de la classe récupérée (R) dans réceptive (S) (essentiellement, ce sont les personnes qui ont quitté Facebook en remplaçant ne revenez jamais "sur" je pourrais y retourner un jour "), ou vous pouvez faire venir de nouvelles personnes dans la population (ce serait la petite Timmy et Claire obtenir leurs premiers ordinateurs).

Malheureusement, les auteurs ne correspondaient pas à ces modèles. Ce problème est d'ailleurs largement répandu dans la modélisation mathématique. Un modèle statistique est une tentative pour décrire les modèles de variables et leurs interactions dans les données. Un modèle mathématique est une affirmation de la réalité . Vous pouvez obtenir un modèle SIR adapté à beaucoup de choses, mais votre choix d'un modèle SIR est également une affirmation du système. À savoir qu'une fois qu'il atteint son maximum, il se dirige vers zéro.

Incidemment, les sociétés Internet utilisent des modèles de rétention des utilisateurs qui ressemblent énormément à des modèles épidémiques, mais ils sont aussi considérablement plus complexes que celui présenté dans le document.

Mon principal souci avec cet article est qu'il se concentre principalement sur les résultats de recherche Google. Il est un fait bien établi que l’utilisation des smartphones est à la hausse ( Pew Internet , Brandwatch ) et que les ventes d’ordinateurs traditionnels sont en baisse (peut-être simplement en raison du vieil ordinateur qui fonctionne toujours) ( Slate , ExtremeTech), car de plus en plus de personnes utilisent un smartphone pour accéder à Internet. Étant donné qu’il existe une application Facebook native pour iOS, Android, Blackberry et Windows Phone (au moins), il n’est pas surprenant que le nombre de requêtes de Google pour "facebook" ait considérablement diminué. Si les utilisateurs n'ont plus besoin d'ouvrir un navigateur et de taper "facebook.com" dans la barre d'adresse, cela aurait certainement un impact négatif sur le nombre de recherches. En fait, le nombre d'utilisateurs de FB utilisant l'application a considérablement augmenté ( TechCrunch , Forbes ).

Je pense que cette étude n’est qu’une "corrélation intéressante, euh" qui a été poussée trop loin par des médias alarmistes; "Saviez-vous que le monde change? Quelle surprise!"

Eh bien, cet article établit le fait que le nombre de recherches Google sur Facebook correspond parfaitement à une certaine courbe. Donc, au mieux, on peut prédire que les recherches sur Facebook diminueront de 80%. Ce qui pourrait être faisable, parce que Facebook pourrait devenir tellement omniprésent que personne n'aurait besoin de chercher à ce sujet.

Le problème avec ce type de modèles est qu’ils supposent qu’aucun autre facteur ne peut influencer la dynamique de la variable observée. Cette hypothèse est difficile à justifier lorsqu'il s'agit de données relatives à des personnes. Par exemple, ce modèle suppose que Facebook ne peut rien faire pour contrer la perte de ses utilisateurs, ce qui est une hypothèse très discutable.

À mon avis, Google Trend ne peut pas produire un bon ensemble de données pour ce cas d'étude. Google trend indique à quelle fréquence un terme est recherché avec Google. Il existe donc au moins deux raisons de douter de la prévision:

• Nous ne savons pas si l'utilisateur recherche sur Google Facebook pour se connecter ou s'il recherche des informations sur Facebook.

Facebook n'est pas seulement un site, c'est un phénomène, avec de nombreux articles, livres et un film à ce sujet. Facebook Inc. a commencé le 18 mai 2012 à vendre des actions au public et à se négocier sur le NASDAQ. Google Trend vous montre les deux: les recherches du site et les recherches du "phénomène". Les nouvelles choses ont toujours un impact important sur la masse, la télévision a eu un impact important sur la masse. Personne ne écrit d'articles à ce sujet mais reste l'un des appareils les plus utilisés.

• La plupart des utilisateurs ne cherchent pas "facebook" sur Google pour se connecter

Avec les applications mobiles et les marque-pages, un utilisateur ayant une connaissance suffisante de la recherche sur Internet "facebook" sur Google ne le fait que la première fois, puis enregistre la page en tant que favori ou télécharge l'application. Le graphique ci-dessous représente la tendance de Google pour Wikipedia . Il semble que nous n'utiliserons pas Wikipedia à l'avenir. Évidemment, ce n’est pas vrai. Nous n’avons tout simplement pas accès à wikipedia en tapant "wikipedia". Nous cherchons simplement et ensuite nous utilisons la page wikipedia ou nous utilisons le signet pour y accéder.

Ce document soulève quelques problèmes de base:

• Il suppose une corrélation entre les requêtes des moteurs de recherche sur un réseau social croissant et l'augmentation de leurs effectifs. Cela peut avoir été corrélé dans le passé, mais pas dans le futur.

• Il y a très peu de nouveaux grands réseaux sociaux. Vous pouvez presque les compter sur une main. Friendster, Myspace, Facebook, Google+. En outre, Stack Exchange, Tumblr et Twitter fonctionnent de la même manière que les réseaux sociaux. Est-ce que quelqu'un prédit que Twitter est fini? Bien au contraire, il semble avoir un grand élan. Il n'y a pas beaucoup de mention ou d'étude des autres pour voir si elles correspondent. D'une certaine manière, existe-t-il une tendance entre 5-7 points de données? (Le nombre de réseaux sociaux.) C'est simplement trop peu de données pour tirer des conclusions sur l'avenir.

• Facebook déplacé Myspace. C'était la dynamique principale. Il ne considère pas l'idée qu'une infection en déplace une autre, il a tendance à les considérer séparément. Qu'est-ce qui déplace Facebook? Google+? Twitter? L'interaction et la "défection" des clients d'une marque ou d'un produit à l'autre est le phénomène critique dans ce domaine.

• Les réseaux sociaux coexistent. On peut être membre de plusieurs sites. Il est vrai que les membres peuvent avoir tendance à préférer l’un à l’autre.

• Il semblerait que le meilleur modèle serait qu’une consolidation est en cours, comme en économie, comme dans le cas des automobiles, des fabricants de radio, des sites Web, etc. Comme dans toute nouvelle technologie perturbatrice, il existe de nombreux concurrents , plus tard, le champ se rétrécit, ils ont tendance à se regrouper, il y a des rachats et des fusions, et certains disparaissent dans la compétition. Nous en voyons déjà des exemples, par exemple Yahoo a récemment racheté Tumblr.

• Un concept similaire pourrait concerner la consolidation des réseaux de télévision et leur appartenance à de grands conglomérats, par exemple les grandes entreprises de médias possédant de nombreux actifs de médias. En effet, Myspace a été acheté par News Corporation.

• La meilleure solution consiste à rechercher davantage d'analogies entre l'économie et les infections (biologie). Les entreprises qui achètent des clients à des concurrents et qui adoptent des produits présentent en effet de nombreux parallèles épidémiologiques. Il existe de forts parallèles avec les races évolutives de la "reine rouge" [voir le livre Red Queen de Ridley ]. Il peut y avoir des connexions à un domaine appelé bionomique .

• Un autre modèle de base concerne les produits en concurrence les uns avec les autres et comportant divers "obstacles à l'entrée" permettant aux clients de passer d'une marque à une autre. Il est vrai que le coût du basculement est très bas dans le cyberespace. C'est semblable aux marques de bières en concurrence pour les clients, etc.

• Dans un modèle asymptotique, il est beaucoup plus probable qu'un réseau augmente le nombre de ses membres vers un maximum asymptotique, puis tend à se stabiliser . Au début du plateau, il ne sera pas évident que ce soit un plateau.

Cela dit, je pense qu’il contient des idées très valables et engageantes et qu’il est susceptible d’encourager de nombreuses recherches. Il est révolutionnaire, novateur et doit être légèrement ajusté dans ses revendications. Je suis ravi de cette utilisation de Stack Exchange et de l'analyse collaborative de la sagesse / intelligence collective. (Maintenant, si seuls les reporters effectuant des recherches sur le sujet liraient cette page attentivement avant de préparer leurs extraits sonores simplistes.)

La question n'est pas "si" mais "quand".

Que cela finisse est déjà garanti. http://www.ted.com/talks/geoffrey_west_the_surprising_math_of_cities_and_corporations.html

Je prends la tête avec l'utilisation du modèle SIR. Il vient avec des hypothèses.

Une des hypothèses est que finalement tout le monde est "récupéré". Les infections ne sont pas perpétuelles, contrairement à l’adoption de la technologie (considérons l’automobile, par exemple).

Si l'entreprise est vouée à la mort, les relations entre les personnes susceptibles, infectées et récupérées peuvent être adéquatement modélisées par un modèle de RAS particulier. Cela ne signifie pas que le modèle décrit toutes les saisons avant la fin de la vie. Il ne prend pas en compte les autres forces - le contexte. Facebook faisait partie du contexte de fin de "Myspace" et, si un SIR était approprié pour une utilisation uniquement sur Myspace, il ne l'était pas pour une utilisation de réseau social car de nombreux utilisateurs avaient des comptes sur les deux et passaient à une utilisation à dominante FB.

J'ai fouillé dans le modèle zombie, et même dans certains ajustements SIR non zombie, et un SIR ponctué de temps et de population est plus approprié ici. Ce n'est pas un modèle universel, il a ses forces et ses faiblesses. Cela signifie que le SIR est imparfait, même pour les systèmes pour lesquels il a été conçu. Une telle imperfection fondamentale de la cible suggère que, sans utilisation prudente, une application en dehors de la zone cible peut être, ceteris paribus, plus problématique que d’autres modèles.

Pour répondre à ta question

Ce modèle et cette logique ont peut-être fonctionné pour MySpace, mais est-il valable pour tout réseau social?

Probablement pas. Les données historiques ne peuvent prédire des événements futurs que si l'environnement est similaire. Ce document suppose que le nombre total d'utilisateurs et de requêtes de Google est une constante, ce qui n'est bien sûr pas le cas. Maintenant, cet article peut en dire plus sur Google que sur Facebook.

Cependant, compte tenu de la montée et de la chute rapides de nombreux autres réseaux sociaux tels que MySpace et d’autres, je pense que l’on peut supposer en toute sécurité qu’il ya une grande chance que Facebook ne soit plus le réseau social dominant dans 5 ans.

Si nous examinons la carte des réseaux sociaux, le modèle d'épidémie s'applique dans certains cas.

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

L'article pourrait avoir d'autres exemples (Friendster et Orkut sont un bon exemple de déclinaison massive de ses utilisateurs) et en prenant en compte le fait que les gens migrent normalement vers un autre réseau social offrant de meilleurs services ou de nouveaux services .

Facebook innove dans la façon dont les gens communiquent. Comparé à Orkut , un utilisateur devait entrer un autre profil de personne pour voir ses mises à jour. D'autre part, sur Facebook, les flux sont maintenant sur sa propre chronologie. C'est un changement majeur.

Ce modèle et cette logique ont peut-être fonctionné pour MySpace, mais est-il valable pour tout réseau social?

IMHO, les gens ne quittent pas le réseau social. Ils migrent, en fonction d'un service, d'une fonctionnalité ou d'une expérience améliorés.

La question est: y aura-t-il un meilleur réseau social? Peut-être Google +.