Je suis Data Analyst chez @FirstLink_bdx, mon métier c'est de cartographier internet pour comprendre ce qu'il s'y passe.
Du coup, comme je passe pas mal de temps sur Twitch, j'ai réalisé une cartographie de la plateforme pour voir ce que ça donne.
Et le résultat est fou !⬇️
Pour réaliser cette Data Analyse, j'ai récupéré les données du Top 100 Twitch FR, du lundi 24 mai 00:00 au dimanche 30 mai 23:59.
Cela m'a permis de constituer un énorme data set avec :
•2 millions de viewers uniques comptabilisés,
•1973 streamers analysés.
Dans cette cartographie, chaque nœud représente un compte Twitch actif : streamer ou viewer.
Les liens entre les nœuds représentent le temps passé par un viewer sur la chaîne d’un streamer.
La taille du nœud dépend des liens, donc du nombre de viewers uniques de chaque Streamer.
Du coup, si vous avez été actifs sur Twitch la semaine dernière, vous êtes un point sur la cartographie !
La place de chaque nœud a aussi un sens, puisqu’elle découle d’une spatialisation précise : plus deux nœuds sont proches, plus ceux-ci partagent des communautés similaires.
Vous pouvez donc essayer de déterminer votre positionnement dans la cartographie en fonction de qui vous avez regardé dans la semaine !
Mon objectif en réalisant cette cartographie, était de visualiser les différentes communautés présentent sur Twitch.
Et ça a super bien marché, tout est à sa place !
Les couleurs représentent la segmentation des communautés, calculées par un algorithme en fonction des liens :
Une première observation qu'on peut faire, c'est que les communautés peuvent se former autour de jeux :
Comment évoluent les communautés au fil du temps et des évènements sur Twitch ?
Hier soir j'étais l'invité de @Micode sur @UnderscoreTalk, pour parler de mon métier de "cartographe du web"
Voici quelques cartographies que j'y ai dévoilées, dont celle de la ZLAN :
⬇️THREAD⬇️
Pour comprendre les dynamiques de communautés, j'ai réalisé une décomposition chronologique de mon dataset initial, afin d'obtenir une carto par jour de la semaine et une axée sur les matinées.
Cette décomposition est hyper intéressante puisqu'elle montre que la structure des commus change pas mal en fonction des jours !
On peut voir par exemple que le mardi (@PopcornTalkshow) et le dimanche (Big9), @Domingo est central sur les cartographies :
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.
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.