🇪🇺 Leaders d'opinion ⚽

Récemment, le projet avorté #EuropeanSuperLeague a fait s'enflammer #Twitter.

Au cœur des millions de tweets publiés sur le sujet, des voix ont un poids particulièrement important.

Voici les #KOL du foot européen selon la #data :

[THREAD] ⤵️
Ce thread est la suite de l'analyse que j'avais partagé sur l'impact de Twitter dans l'abandon de la Super League.

Le #dataset utilisé est le même : 2,6 millions de tweets postés par 876 000 users uniques dans 5 langues (🇫🇷 🇬🇧 🇪🇦 🇮🇹 🇩🇪 )

Là où dans la première analyse je me consacrais sur les contenus (sentiment analysis, cartographies sémantiques...), ici l'objectif est d'analyser les émetteurs de contenu influents.
Petit point méthodo : quand on parle d'#influenceurs ou de #KOL, on peut les catégoriser selon différents #KPI (indicateurs).
Ici, deux angles sont retenus : dans un premier temps je vais analyser les mentions via des cartos, puis l'engagement via des graphiques interactifs.
Tous les graphiques sont disponibles en version interactive ici :

bit.ly/superleaguefl

Je vous encourage vivement à aller vous plonger dans les différents rendus interactifs en 3D : vous pouvez naviguer dedans et ainsi trouver des #KOL qui correspondent à vos critères !
Dans un premier temps, l'analyse des mentions permet de mettre en avant les leaders d'opinions sollicités.

En sous-échantillonnant mon #dataset sur la communauté anglaise, voici la cartographie d'acteurs que j'obtiens :

#dataviz
La cartographie d'acteurs met en avant différentes communautés :
🔴 Les clubs membres de la #SuperLeague
🔵 Les institutions officielles
🟤 Les médias anglais
🟣 Les sources et relais d'informations spécialisés
🟢 Les joueurs
🟡 Les clubs qui ne participent pas au projet
La première communauté représente donc les clubs et institutions (🔴 🔵 🟡) : le sujet de la polémique les concernant, leur présence majoritaire est logique.

Ce qui est reste intéressant, c'est de voir quels sont les clubs les plus mentionnés :
🥇 @ManUtd
🥈 @LFC
🥉 @Arsenal
Quand on se concentre sur les communautés "médias", on peut voir que la présence des médias anglais de sport tels que @SkySports sur Twitter est portée par les anciens joueurs aujourd'hui consultants :
🥇 @GNev2
🥈 @Carra23
🥉 @GaryLineker
En ce qui concerne les relais d'information spécialisés, cette communauté est portée par les comptes internationaux qui partagent les actualités brulantes :
🥇 @FabrizioRomano
🥈 @elchiringuitotv
🥉 @TheAthleticUK
Évidemment, s'il y a bien des acteurs du monde du foot dont les supporters attendaient la prise de parole, c'est bien les joueurs !
Dans notre liste de mentions il faut donc distinguer deux types de joueurs :
◾ Les joueurs qui ont pris la parole et ont fait réagir :
🥇 @MarcusRashford
🥈 @JHenderson
🥉 @B_Fernandes8 (prise de parole sur Instagram)

◾ Les joueurs dont on attendait une prise de parole :
🥇 @Cristiano
🥈 @HKane
🥉 @KMbappe

Les dernières communautés de la cartographie montrent que les supporters anglais attendaient une réponse politique :
D'un côté (turquoise), on trouve : @BorisJohnson ou @Conservatives
De l'autre (violet), des plateformes de pétitions en ligne : @UKChange ou @change
En étudiant le même #dataset, mais avec pour angle l'engagement (RT et likes), les #KOL varient.
Et c'est logique !
Ici, on est davantage dans une démarche qualitative : on analyse les acteurs dont la voix est soutenue.
Voici deux graphes présentant les Top Users en fonction de deux paramètres : RT à droite et Likes à gauche.

Je mets à disposition une fusion de ces graphes en 3D interactive avec le lien ci-dessous :

first-link.fr/wp-content/upl…
Ces graphes représentent chacun 3 variables : le nombre de publications en ordonnée (count), le volume d'engagement en abscisse et taille (RT ou likes) et le ratio entre les deux pour la couleur (Ratio RT ou Ratio Likes).
Ces graphes combinés nous permettent de déterminer les leaders de l'engagement sur le Twitter Foot Anglais :
🥇 @FabrizioRomano
🥈 @brfootball
🥉 Skysport : (@skysportnews & @skysportpl)
Maintenant, revenons de notre côté de la manche pour déterminer qui sont les #KOL du foot en France :

Ces deux graphes présentent à nouveau les Top Users en fonction des RT (droite) et des Likes (gauche).

(La fusion en 3D interactive dispo ici : first-link.fr/wp-content/upl…)
A partir de ces #dataviz, on peut voir divers acteurs se démarquer :
@Actufoot_ champion des comptes d'informations sur le foot en France
@Mohamedbouhafsi premier journaliste du classement
@WinamaxSport top marque engageante
Du côté de l’écosystème, on peut voir que la part des émissions de débat est importante.
Chaque chaine a son leader d'opinion :
@equipe21 - @DidierRoustan,
@AfterRMC - @DanielRiolo
(@mohammedbouhafsi s'émancipe de RMC sur Twitter et est considéré comme un relai d'infos 🟢)
Petite surprise : on retrouve une communauté youtube / twitch dans le graphe avec en Top Mention :
@FCSilmi
@Romain_Molina
@WilooFootball
@Videos2Riles
@Domingo
@TalkMyFootball
@Zack_Nani ...
Finalement, pour conclure cette analyse et répondre à la question initiale (qui sont les leaders d'opinion du Twitter foot en Europe ?), voici les graphiques de l'engagement sur mon dataset complet.

La 3d ici : first-link.fr/wp-content/upl…
📈Le relai d'informations le plus influent de Twitter est, de loin, @FabrizioRomano

🇫🇷 En terme d'engagement cumulé, le media français @Actufoot_ est deuxième d'Europe !

📊 Si l'on se concentre sur le ratio d'engagement par publication, c'est @brfootball qui se démarque.
Si vous avez des questions ou que vous souhaitez analyser la data d'un sujet, n'hésitez surtout pas à me contacter, mes DM sont ouverts 😉

Le contenu de ce thread et les visuels sont disponibles ici : bit.ly/superleaguefl

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Nicolas Bch

Nicolas Bch Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @nicolasbchb

7 May
🇪🇺 Key Opinion leaders ⚽

Recently, the failed #EuropeanSuperLeague project set #Twitter on fire.

Between the millions of tweets published on the subject, some voices had a particularly important weight.

Here are the #KOL of European football according to #data:

[THREAD]⤵️
This thread is the continuation of the analysis I shared on the impact of Twitter on the Super League collapse.

The #dataset used is the same: 2.6 million tweets posted by 876,000 unique users in 5 languages (🇬🇧 🇫🇷 🇪🇦 🇮🇹 🇩🇪 )

In my first analysis, I focused on the contents (sentiment analysis, semantic cartographies...), here the goal is to analyze the influential content providers in Europe.
Read 24 tweets
7 May
🇪🇺 #EuropeanSuperLeague

Using my #data analysis tools, I tried to measure what role Twitter played in this failure:

Without this network, would the closed league project, led by the 12 richest clubs in Europe, have had the same fate?

[THREAD] ⤵️
To analyze what happened and answer this question, I extracted a large amount of data:

2.6 million tweets posted by 876,000 unique users
5 targeted languages : 🇫🇷 🇬🇧 🇪🇦 🇮🇹 🇩🇪
56 million likes and 7.8 million retweets Image
The tweets collected start from April 17th at noon to April 22nd at midnight.

I'm going to go back over the facts chronologically so that we can relive this story from the Twitter standpoint.

First of all, here is the distribution of the tweets I collected on the period: Image
Read 33 tweets
30 Apr
🇪🇺 #EuropeanSuperLeague

En utilisant mes outils de #DataScience, j'ai essayé de mesurer quel rôle a joué #Twitter dans cet échec :

Sans ce réseau, le projet de ligue fermée mené par les 12 clubs les plus riches d'Europe aurait-il vécu le même sort ?

[THREAD] ⤵️
Pour analyser ce qu'il s'est passé et répondre à ma question, j'ai extrait une grande quantité de données :

2,6 millions de tweets postés par 876 000 users uniques
5 langues ciblées : 🇫🇷 🇬🇧 🇪🇦 🇮🇹 🇩🇪
56 millions de likes et 7,8 millions de retweets cumulés Image
Les tweets récoltés vont du 17 avril midi, jusqu'au 22 avril minuit.

Je vais revenir sur les faits chronologiquement pour qu'on revive cette histoire en suivant l'angle Twitter.

Voici tout d'abord la répartition des tweets que j'ai récupéré sur la période : Image
Read 34 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!

:(