let me take you by the hand and lead you through the bubbles of twitter

heute gab es einen interessanten tweet von @annalist:

also habe ich mir die accounts mal angeschaut. es wird ja viel über bubbles gesprochen, hier haben wir eine recht überschaubare menge an accounts, die allesamt sehr monothematisch schreiben, gegen mietendeckel, den berliner senat und für mehr rechte für den vermieter. es sind keine bots, aber es würde mich nicht wundern, wenn hinter dem ein oder anderen account eine agentur stünde. aus den lautesten habe ich exemplarisch mal die folgenden 15 ausgewählt (dahinter der erstellungszeitpunkt des accounts):

  • @anschi48344952 – Sep 19
  • @DannyHillborou1 – Feb 20
  • @FaireWerte – Sep 19
  • @Fazer_DDorf – Aug 18
  • @GuterVermieter – Okt 19
  • @ist_berlin – Dez 19
  • @Jasper95195901 – Sep 19
  • @joanadiskurs – Sep 19
  • @Pitty06913716 – Apr 19
  • @pkbrln – Sep 19
  • @PraktikantProfi – Mrz 20
  • @provermieter – Okt 19
  • @sebastian_hurra – Nov 19
  • @stadtvermieter – Mrz 17
  • @vermieterhai – Okt 19

das verrückte, schaut man sich die Retweets an: sie zitieren sich permanent gegenseitig. hübsch visualisiert sieht das dann so aus:

wer retweetet wen? berücksichtigt nur accounts, die mehr als 20 mal RT und quoted wurden; auf basis der jeweils letzten 1000 tweets pro account

erhöhen wir die komplexität:

wer retweetet wen? berücksichtigt nur accounts, die mehr als 5 mal RT und quoted wurden; auf basis der jeweils letzten 1000 tweets pro account

und schauen wir uns an, wer am meisten RT und quoted wurde:

wer wird retweetet? auf basis der jeweils letzten 1000 tweets pro account

schaut man sich die profile an (übrigens vorwiegend im herbst erstellt), so erkennt man doch eine gewisse monotonie, die zahlen deuten es ebenfalls an: es passiert nicht viel im leben einer vermieterin. oder sie will nicht alles der öffentlichkeit mitteilen.

benutzt habe ich übrigens accountanalysis.app von @luca (website). die bescheidenen graphiken entstanden in power bi.