Some examples of trendlines… #proximus, #telenet and #mobistar (dutch post)

Voorbijee 60 dagen tweets voor telenet
Licht stijgende trendlijn 

Telenet heeft een stijgende trendline. Het volume per dag is al aardig te noemen. Een van de dingen die me opviel als ik de tweets doornam was dat er tweets bijzijn over het afzeggen van een afspraak, bevestigd door telenet maar dat de onderhoudspersoon in kwestie toch voor de deur staat. Wijst waarschijnlijk op een administratief probleempje. Je merkt ook snel als er problemen zijn met het programmeren van een digicorder… ­čÖé

Merk ook op dat dit geen hashtag keyword is (#telenet heeft een gemiddelde van 5.1 tweets per dag) maar gewoon telenet (gemiddelde van 36 tweets per dag). Vangt dan ook alle tweets over telenet op, ook diegene zonder hashtag.

Proximus heeft een licht stijgende trendline. Het volume van tweets is verwaarloosbaar. Gemiddelde van 2.1 in mijn lokale database.

Mobistar heeft ook weinig tweets, maar wel meer dan proximus – mobistar heeft een gemiddelde van 5.8 tweets per dag (in mijn lokale database). Deze trendline daalt lichtjes. Sentiment in de tweets is redelijk negatief, vooral te wijten aan het iphone tekort en de bestelprocedure.

A live demo page is now available of Twitalytics.

There is now a live demo page available, showing you what Twitalytics is all about. As the name sort of says it, it’s an analytics tool for twitter.

With the demo page, you can see a basic example (for now) what Twitalytics can be used for:

  • follow twitter keywords (hashtags or just any keyword) – the demo page shows the results for the keyword #nmbs
  • every hour I scan twitter for these keywords and store the tweets about those keywords in a database
  • you get a graphical overview of the last 60 days of daily traffic (aka tweets per day) for this keyword
  • and you can see the last 30 tweets for this keyword.

The idea is that you can follow more than one keyword or search phrase, and while you can get ‘live results’ from twitter (more live than hourly, certainly) by using queries like these, you won’t necessarily get all the twitter information from the past. And you might be interested to see if your keyword is being more or less talked about.

Once most of the bugs are ironed out and some jquery niceties are added, I want to add more analytics to the results:

  • filter on language
  • adding trend lines
  • how many people are tweeting about this keyword or search phrase ?
  • from where ?
  • email notification when the number of tweets goes beyond a threshold / goes above the avarage
  • email digests
  • upping the number of days I show (how about a year of daily collection) and tweets you can instantly see.

The analytics for twitter are endless… Twitalytics !

#NMBS twitter analysis for the last 30 days.

A picture says a thousand words, they say. So here is one that shows how many tweets there were for #nmbs the last 30 days. For those of you outside Belgium, the nmbs is the flemish name for the Belgian Trainroad company. #SNCB is the french name for the same company.

(I pulled this graph and the tweet list below from my Twitalytics program that I’m working on…)

last 3O days of twitter activity for the hashtag #nmbs

With this picture you immediately notice how May 26 seems especially active. Let’s see what sort of secondary keywords people where using that day in conjunction with #nmbs:

#nmbs(69) #fail(13) #news(5) #schaarbeek(3) #fb(3) #bxl(3) #breaking(3) #bommelding(3) #terroralert(2) #noord(2) #eu(2)

We can already deduce from these keywords (and my memory of the day) that there was a bomb alert that put the whole train system out of order for several hours.

People were not happy. Out of the 69 tweets for that day about the keyword #nmbs, 13 include the secondary keyword #fail. That’s 18% percent of the tweets that can immediately be considered negative ! It’s actually more, if you check the tweets themselves.

Here’s a small extract of what the people were tweeting (this is in flemish mostly):

32398 + willemsstijn (Stijn Willems) – 2010-05-26 17:38:36

Chaos in Brussel #NMBS

32401 + crispkat (Katrien Crispeyn) – 2010-05-26 17:12:48

In Leuven dan geen personeel voor trein richting Heverlee #fail #nmbs

32404 + mhitschf (Maureen Hitschfeld) – 2010-05-26 17:09:39

What I dislike the most is the lack of information! All trains delayed and no explanation at all! #NMBS

32407 + dubtje (Jan Debonnet) – 2010-05-26 17:05:38

Als de #nmbs nu een beetje zijn best doet kan ik m’n aansluiting missen en nog een uurtje ronddraaien in brugge.

32411 + jacobvb (Jacob) – 2010-05-26 17:00:59

zucht … #nmbs #fail AGAIN! http://tweetphoto.com/24050442

32413 + miespaties (Marlies Deforche) – 2010-05-26 16:52:40

En zo een MIVB bus ontdekt v Bxl Noord nr Vilvoorde, #58 #nmbs #bommelding #hoppa

32415 + avaneech (AnneliesVaneechoutte) – 2010-05-26 16:50:39

Wat een slagveld #brusselnoord #nmbs

32416 + jnloco (Jelle Loquet) – 2010-05-26 16:39:38

RT @isabelleminnebo: Bxl Noord is nu een beetje zoals de Titanic: veel te veel mensen, agressiviteit, paniek en iedereen wil hier gewoon WEG! #bxl #nmbs #noord

32418 + jnloco (Jelle Loquet) – 2010-05-26 16:39:01

Niettegenstaande bommelding in Schaarbeek, thuisgeraakt met een minieme vertraging van 15′. #gelukzak #nmbs

32422 + bartnelis (Bart Nelis) – 2010-05-26 16:34:21

Hallo!! Mogen de reizigers voor turnhout ook eens weten waar ze aan toe zijn ? Kloothommels #nmbs #fail

It’s nice to have a timeline view on how many tweets per day. Graphs do tell more than just words and numbers…It actually gave me some more ideas to implement !

[Update:  I have added a demo page to my little app that follows the #nmbs keyword]