• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Social Informatics >Predicting Audience Engagement Across Social Media Platforms in the News Domain
【24h】

Predicting Audience Engagement Across Social Media Platforms in the News Domain

机译：预测在新闻域中的社交媒体平台上的观众参与

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We analyze cross-platform factors for posts on both single and multiple social media platforms for numerous news outlets to better predict audience engagement, precisely the number of likes and comments. We collect 676,779 social media posts from 53 news outlets during eight months on four social media platforms (Facebook, Instagram, Twitter, and YouTube), along with the associated comments (more than 31 million) and the number of likes (more than 840 million). We develop a framework for predicting the audience engagement based on both linguistic features of the post and social media platform factors. Among other findings, results show that content with high engagement on one platform does not guarantee high engagement on another platform, even when news outlets use similar cross-platform posts; however, for some content, cross-sharing posts on a platform will increase overall audience engagement on another platform. As one of the few multiple social media platform studies, the findings have implications for the news domain, as well as other fields that distribute online content via social media.
机译：我们分析了单一和多个社交媒体平台上的跨平台因素，为众多新闻网点进行了更好地预测观众参与，恰恰是喜欢和评论的数量。在八个月内，在四个社交媒体平台（Facebook，Instagram，Twitter和YouTube）的八个月内，从53个新闻网点中收集676,779个社交媒体帖子，以及相关的评论（超过3100万）和喜欢的人数（超过8.4亿）。我们制定了一个框架，以根据职位和社交媒体平台因素的语言特征来预测观众参与。在其他发现中，结果表明，在一个平台上具有高接合的内容在另一个平台上不保证高度接合，即使新闻网点使用类似的跨平台柱;但是，对于某些内容，平台上的交叉共享帖子将增加整体观众参与另一个平台。作为少数多个社交媒体平台研究之一，该研究结果对新闻领域具有影响，以及通过社交媒体分发在线内容的其他字段。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号