Según una investigación del experto norteamericano en redes sociales Dr. Ravi Singh, la “maestría” con la que el presidente de los Estados Unidos de América ha utilizado la red social Twitter le ha servido para proyectar su liderazgo, incluso a pesar del tono negativo tanto en sus propios tweets como en el de la comunidad con la que interactúa.

El estudio analiza 35,647 tweets emitidos desde la cuenta @realDonaldTrump y puede establecer una manera de actuar para conseguir la proyección de otros líderes en otras partes del mundo.

Una de las principales conclusiones del estudio indica que los tweets con sentimiento negativo pueden incrementar su engagement más que aquellos que tienen un sentimiento positivo.

También se destaca que a mayor intensidad en la emisión de tweets, el engagement con la cuenta de Trump disminuye, por lo que la volatilidad del uso que hace de Twitter también es clave para potenciar la respuesta que obtiene en esta red social.

Otra conclusión extraída del estudio indica que, aunque pareciera lo contrario según la apreciación de varios medios de comunicación, los tweets que expresaban ira no se han incrementado significativamente, mientras que los relacionados con la tristeza y la confianza sí lo han hecho.

De hecho, los tweets que reflejan alegría han generado una menor interacción con sus seguidores.  Sin embargo, el enfrentamiento en Twitter de Trump frente a sus enemigos se ha convertido no solo en un elemento que potencia el engagement sino en un problema de seguridad nacional.

El estudio indica que los “Me Gusta” en Twitter e incluso que el crecimiento en el número de seguidores (followers) no necesariamente generan mayor interacción ni contribuyen a una percepción determinada como líder de opinión.

El investigador norteamericano utilizó la herramienta de inteligencia artificial Watson Tone Analyzer, desarrollada por IBM, para analizar textos para extraer metadata tales como conceptos, palabras clave, categorías, sentimiento, emoción, relaciones y roles semánticos utilizando comprensión de lenguaje natural para evaluar la red social Twitter.

El Dr. Singh analizó 9 años que sumaron un total de 35,647 tweets emitidos desde la cuenta @realDonaldTrump y 55,59 millones de usuarios de Twitter con los que se relacionó entre el 4 de mayo de 2009 hasta el 6 de noviembre de 2018.

El estudio ilustra que variables independientes como tono, sentimiento, lingo (hashtags, menciones, URLs, emojis y abreviaciones) y pulso (volatilidad y frecuencia) son componentes esenciales para la configuración de la “Social Media Voice” (SMV).

Para más información sobre el estudio se puede contactar directamente con el Dr. Ravi -Singh en su correo electrónico Drsingh@sloan.mit.edu