バイラルメディアによる情報拡散を行うユーザの分析

(1)

バイラルメディアによる情報拡散を行うユーザの分

析

著者

土方嘉徳

雑誌名

商学論究

巻

65 号

3 ページ

1-20

発行年

2018-03-10

URL

http://hdl.handle.net/10236/00026884

(2)

はじめに

近年､バイラルメディアという新しいタイプのメディアが注目を集めている｡バイラルメディアは Twitter や Facebook などのソーシャルメディアで拡散されることを目的とした､動画や画像を中心に構成されたメディアである｡インパクトのある動画や画像を集めて整理し､目を惹くタイトルや簡単な解説文を添え､多くの人に興味を持ってもらえるような記事を配信してい 1

土

方

嘉

徳

− 1 − 要旨近年､ニュースなどの記事の拡散を目的としたバイラルメディアが注目を集めている｡バイラルメディアは､インパクトのある動画や画像を集めて､目を惹くタイトルや簡単な解説を添えることで､多くの人に興味を持ってもらうことを狙っている｡本研究では､ソーシャルメディア上でバイラルメディアの記事を共有するユーザと､同じコンテンツであるが元のメディアの記事を共有するユーザの比較を行う｡特にユーザの特徴として､人気度､コミュニケーション指向､情報拡散の積極さ､情報への反応速度の４点に注目する｡日本､アメリカ､インドの３ケ国で分析を行う｡分析の結果､バイラルメディアを利用するユーザは新しい情報発信への感度が高く､積極的に情報を拡散する傾向があることが分かった｡キーワード：バイラルメディア (viral media)､キュレーションサイト (curation service)､ユーザ行動分析 (user behavior analysis)､情報拡散 (information diffusion) ､異文化間分析 (cross-cultural analysis)

バイラルメディアによる

情報拡散を行うユーザの分析

(3)

る｡記事は､オリジナルのコンテンツを配信することもあるが､既存のニュースメディアのニュース記事､ブログサイトのブログ記事､動画共有サイト上の動画などを収集してまとめた (キュレーションした) ものが多い｡記事を見たユーザにソーシャルメディア上で共有してもらうことで､バイラルメディアのコンテンツはインターネットで拡散される｡バイラルメディアの一般的な記事構成は分かりやすいキャッチコピーに大きな目立つシェアボタン､収集したコンテンツ､そしてコンテンツの簡単な説明となっている (第１図参照)｡多くのユーザの興味を惹くことと､多くのユーザに気軽にシェアしてもらうことが､暗黙のデザインポリシーとなっている｡バイラルメディアの記事を気に入ったユーザはシェアボタンを押し､ソーシャルメディアにバイラルメディアの記事の URL を共有する｡ソーシャルメディア上に共有された記事を閲覧した別のユーザが再び共有を行い､バイラルメディアの記事は拡散されていく｡従来のメディアは Google や Yahoo などの検索サイトからユーザを集客しているのに対し､バイラルメディアはユーザの大部分をソーシャルメディア第１図バイラルメディアの記事の例キャッチコピー大きなシェアボタンコンテンツの簡単な説明収集したコンテンツ

(4)

から集めているという特徴がある｡例えば大規模ニュースメディアにおいては､検索エンジンのサイトからやってくるユーザは約50％であるのに対し1)_､バイラルメディアである grape はソーシャルメディアからアクセスするユーザが全体の82％にも及ぶ2)_｡バイラルメディアの記事は､多くの場合､既存コンテンツを収集してまとめたものであるため､オリジナリティという点では既存コンテンツに及ばない｡しかし､分かりやすいキャッチコピーや話題になりやすいコメントをつけることで､ソーシャルメディアで共有したくなる記事になっているとも考えられる｡また､記事には大きなシェアボタンがついており､ユーザが気軽にシェアできるようにしているともいえる｡このような特徴から､同じコンテンツであっても､バイラルメディアの記事を拡散するユーザと､そのコンテンツのオリジナルの記事や動画を拡散するユーザでは､性質が異なる可能性がある｡そこで本研究では､記事の拡散を､その記事の URL を含む投稿 (ソーシャルメディア上での投稿) とみなし､バイラルメディアの記事の URL をソーシャルメディア上で共有するユーザと､バイラルメディアの記事で紹介されている情報元のコンテンツの URL をソーシャルメディア上で共有するユーザを比較し､分析を行う｡ここで､ソーシャルメディア上でのユーザの行動は国 (文化) によって異なると言われている (Trepte and Masur 2012, Park, Baek and Cha 2014)｡例えばアメリカの学生はソーシャルメディアを通じて新しい友人を作ることに積極的だが､韓国の学生はソーシャルメディアを通じて有用な情報や社会的支援を求める傾向がある (Kim, Sohn and Choi 2011)｡そのため､文化による影響を考慮するために､複数の国で調査を行うべきであると考える｡文化間比較を行う際は､異なる文化に属する国を選択することが適切である｡本

1) ｢33の業界別平均検索流入 (SEO＋PPC) 割合まとめ｣､ http : // www.ginzametrics.jp / blog / referrer-pattern-average [Accessed 13 August 2017]

2) ｢バイラルメディア｢grape｣､本サービス開始後､１ヶ月で110万 PV を達成｣､ http : // www.dreamnews.jp / press / 0000092799 / [Accessed 13 August 2017]

(5)

研究では､ユーザの比較を日本､アメリカ､インドで行う｡本論文は以下のように構成されている｡まず第２章で関連研究について述べ､本研究の立ち位置を明らかにする｡次に第３章で調査方法と調査を行うために収集したデータセットについて述べる｡その後､第４章で結果､第５章で考察を述べる｡最後に､第６章で本研究のまとめを行う｡

調査方法

バイラルメディアの記事を共有するユーザと元コンテンツを共有するユーザの比較を行うにあたって､調査の方針について説明する｡また､調査の対象となるメディアの選択理由､分析に用いるデータセットの作成方法､そして比較の際に考慮するユーザ特徴の指標について説明を行う｡ 3.1 調査の方針ユーザの分析を行う際に､以下の４つのユーザ特徴に注目する｡人気度ソーシャルメディア上で人気の高いユーザは信頼性の高い情報を投稿していることが報告されている (Liao, et l. 2012)｡また､信頼性を上げるにはオ

(8)

リジナルのコンテンツを投稿することが重要であると言われている (Liao, et l. 2012)｡そのため, ソーシャルメディア上で人気のあるユーザは､バイラルメディアの記事ではなく､その情報元のメディアのコンテンツを拡散していると考えられる｡コミュニケーション指向バイラルメディアは､ソーシャルメディア上で､直観的で万人受けしやすくまとめた記事を配信している｡直観的で万人受けしやすい記事は多くのユーザが興味を持つ内容であると考えられ､日常の交流の中で話題にしやすいと予想される｡よって､バイラルメディアの記事はコミュニケーションを重視するユーザに拡散されているのかもしれない｡情報拡散の積極さ情報拡散を積極的に行うユーザは､ソーシャルメディアでのシェアボタンが大きく表示されているバイラルメディアの記事を好んで拡散するかもしれない｡情報への反応速度バイラルメディアの記事で紹介されるコンテンツは人の手で選別されているため､質がある程度保証されていると考えられる｡そのため､バイラルメディアを利用するユーザは記事が公開されると､そのコンテンツが周囲で評価されているか気にすることなく即座に拡散するのではないかと考えられる｡また､調査を行う文化 (国) の選択についても述べる｡情報の共有行動に影響を及ぼす可能性のある文化的特徴の一つとして､集団主義あるいは個人主義の区別がある｡これらの情報共有に及ぼす影響についての知見はまだないものの､これらが自己開示に及ぼす影響は広く研究されている (Chen 1995, Asai and Barnlund 1998, Ting-Toomey 1991, Barnlund 1989])｡また過去の研究によれば､集団主義は集団への帰属意識が強く同調性を重視する傾向であ

(9)

る一方､個人主義は独自性や自立性を重視し､識別性のあるコミュニケーションを好む傾向がある (Hall and Hall 1989)｡そこで本研究では､集団主義の国の一つとして日本､個人主義の国の一つとしてアメリカを選択した｡また､この２つの国は､人種や民族という観点において異なる国であり､文化間比較を行う価値があると考えている｡一方､上記の２つの国は先進国であるという共通点を持つ｡そこで､これらとは異なる経済新興国の代表としてインドを選択する｡過去の研究によると､数ある人工統計学的特徴のうち HDI (人間開発指数) は､自己開示を行うユーザの予測に強い説明変数になることを発見している (Reed et al. 2016)｡ HDI は､保健､教育､所得の３つの観点における達成度を数値化したもので､その国の発展の度合いと相関が高い｡ 2015年における日本とアメリカにおける HDI は､それぞれ0.90と0.92と世界の国々の中でも上位に位置づけられるが､インドは0.62でありまだ高くない3)_{｡また､ Hofstede によれ} ば､インドは集団主義に分類されるという点で日本と共通点を持つが､民族の多様性という観点で日本とは大きく異なる (Hofstede 2017)｡上記に示した文化的な違いから､日本とアメリカ､インドの３か国を選択する｡ 3.2 対象メディア対象とするバイラルメディアとして､日本では grape4)_{を､アメリカでは} BuzzFeed5)_{を､インドでは ScoopWhoop}6)_{を選択した｡現在バイラルメディ} アは大小様々なものが存在する｡本研究では､多くの情報伝搬の事例を獲得できると思われる各国で最も人気のあるものを選んだ｡本研究で対象とするソーシャルメディアは Twitter とする｡バイラルメディアの記事の共有は主に Twitter と Facebook で活発に行われているが､

3) http : // www.globalnote.jp / post-802.html [Accessed 13 August 2017] 4) http : // grapee.jp /

5) http : // www.buzzfeed.com / 6) https : // www.scoopwhoop.com /

(10)

Facebook では API の仕様により承諾を得たユーザからしか共有情報を得ることができない｡一方 Twitter は､ユーザが非公開の設定にしていない限り､ユーザのプロフィール情報やそのツイートを獲得することができる｡多数のユーザを調査対象とするため､対象のソーシャルメディアを Twitter とする｡バイラルメディアの比較対象とする情報元のメディアは､ YouTube を選択する｡バイラルメディアで紹介されるコンテンツの中でも､動画コンテンツは数が多い｡その動画コンテンツの多くは YouTube にアップロードされている｡本研究の調査では､バイラルメディアの記事を Twitter で共有したユーザと､その記事で紹介されている YouTube の動画を Twitter で共有したユーザを比較する｡ 3.3 データセット本調査では､ YouTube の動画の URL を含むツイートを行ったユーザ (以降､ YouTube ユーザ) と､その動画を題材にしたバイラルメディアの記事の URL を含むツイートを行ったユーザ (以降､バイラルメディアユーザ) を比較する｡ Twitter の検索 API を用いて､バイラルメディアの記事の URL か YouTube の動画の URL を含むツイートを取得する｡また､それらのツイートを行ったユーザのフォロー数､フォロワー数､累計ツイート数､ Twitter を開始してからの日数､直近3,200件のツイートを取得した｡直近3,200件としたのは､ Twitter の API の制限によるものである｡ただし､これらの情報はユーザ全員に対して公開されているもののみを取得対象とした｡ Twitter の検索 API では直近１週間のツイートしか取得できないため､１週間以内に投稿された動画を紹介した記事のみを収集の対象とした｡ 2016年３月８日から2016年９月８日の６ヶ月間の記事を収集した｡バイラルメディアで収集した記事の数と､その記事の URL を含むツイートを行ったユーザ数､その記事で紹介されている YouTube の動画の URL を含むツイートを行ったユーザ数は､ grape で76記事､ 4,832人､ 5,829人､ BuzzFeed で108記事､

(11)

5,633人､ 15,836人､ ScoopWhoop で42記事､ 658人､ 2,412人であった｡日本､アメリカ､インドのユーザかどうかの判定については､日本のユーザは言語設定が日本語､アメリカのユーザは言語設定が英語でタイムゾーンがアメリカ､インドのユーザは言語設定が英語でタイムゾーンがインドという基準で選定した｡ 3.4 ユーザ特徴の指標４つのユーザの特徴に対する具体的な指標を説明する｡人気度人気度には､フォローフォロワー比と､一日あたりのリストに登録される数を用いる (Bakshy, et al. 2011)｡リストとは､ Twitter が提供する機能の一つである｡リストを用いると､ユーザは特定のユーザを選び､そのユーザだけで構成されるタイムラインを作成することができる｡フォローフォロワー比 FF は､フォロー数 follows とフォロワー数 followers から下記の式で算出される｡ FF＝followers / follows この値が高いユーザは､他のユーザを積極的にフォローしなくても､多くのフォロワーを獲得できる傾向にあると言える (Ghosh, et al. 2012)｡つまり､フォロワーにとって有益な情報を発信し､フォロワーの関心を集めるユーザであると言える (Hofman, Mason and Watts 2011)｡ユーザがリストに入れられている数を Lists､利用日数を Span とし､一日あたりのリスト登録さ

れる数 Listsdayを計算する｡

Listsday＝Lists / Span

コミュニケーション指向

コミュニケーション指向には､ツイート中のリプライの割合を用いる (Kwak, et al. 2010)｡リプライとは､指定したユーザに宛てて送られるツイー

(12)

トである｡取得したユーザのツイートの数 Tweets に対するリプライ数

Replies の割合 Rreplyを以下の計算式により算出した｡

Rreply＝Replies / Tweets

情報拡散の積極さ

情報拡散の積極さには､ツイートにハッシュタグが含まれる割合､ツイートに URL が含まれる割合､ツイート中のリツイートの割合､そしてツイート中の引用の割合から判定する (Cha et al. 2010)｡ Twitter では､ハッシュタグを利用すると､特定の話題に関するツイートをフォロワー以外のユーザにも検索してもらいやすくできる｡また､情報の詳細は別の Web ページなどで提供されることが多く､ツイートにはその URL のみ含むことも多い｡リツイート (RT) とは､ツイートを再投稿することであり､自分が投稿したツイートだけでなく他のユーザのツイートもリツイート可能である｡引用とは､他のユーザのツイートに自身のコメントを付与して投稿することである｡取得したユーザのツイートの数 Tweets に対する､ハッシュタグが含まれるツイートの数 Hashtags､ URL が含まれるツイートの数 URLs､リツイー

ト数 Retweets､引用の数 Quotes のそれぞれの割合 Rtags､ Rurl､ Rrt､ Rqtを以下

の計算式により算出した｡

Rtags＝Hashtags / Tweets

Rurl＝URLs / Tweets

Rrt＝Retweets / Tweets

Rqt＝Quotes / Tweets

情報への反応速度

情報への反応速度には､元コンテンツあるいはバイラルメディアの記事の

投稿時刻 timecontentとそれを共有するツイートが投稿された時刻 timetweetとの

差t [hour] を利用する (Tan, Friggeri and Adamic 2016)｡

(13)

調査結果

ユーザの特徴に関する指標について､各国ごとにバイラルメディアユーザと YouTube ユーザの比較を行った｡各指標のデータの分布を確認したところ､これらは正規分布であるとは言えないことが分かった (第２図_{(a) と} 第２図_{(b) に例を示す)｡そこで以降の分析では中央値を用いる｡有意差の} 確認にはマン・ホイットニーの U 検定を用いる｡第１表に４つのユーザの特徴に関するそれぞれの指標について､日本､アメリカ､インドのバイラルメディアユーザの中央値と､ YouTube ユーザの中央値を記す｡太文字で表記されている部分は､それぞれの国で各ユーザ群のデータの分布について､有意差があることを示すものである ( p＜.05)｡人気度第１表より､人気度に関するそれぞれの指標 (FF, Listsday) について､日本､アメリカ､インドそれぞれの国において､バイラルメディアユーザと YouTube ユーザにおいて､有意差があることが分かる ( p＜.05)｡インドにおいては､バイラルメディアユーザの方が YouTube ユーザと比較して人気度が高く､日本とアメリカでは､ YouTube ユーザの方がバイラルメディア第２図データの分布の例 (a) FF (日本のバイラルメディアユーザ) (b)t (日本のバイラルメディアユーザ) 0.0 0.5 1.0 1.5 2.0 0 20 40 60 80 100 0 .00 .20 .40 .60 .81 .0 密度 0 .00 0 .01 0 .02 0 .03 0 .04 0 .05 密度時間

(14)

ユーザよりも人気度が高い｡コミュニケーション指向同じく第１表より､コミュニケーション指向に関する指標 (Rreply) について､日本､アメリカ､インドそれぞれの国において､バイラルメディアユーザと YouTube ユーザの間で有意差があった ( p＜.05)｡日本においては､バイラルメディアユーザの方が YouTube ユーザと比較してコミュニケーションを好む傾向が高く､アメリカとインドでは､ YouTube ユーザの方がバイラルメディアユーザよりもコミュニケーションを好む傾向が高い結果となった｡情報拡散の積極さ第１表より､情報拡散の積極さに関するそれぞれの指標 (Rtags､ Rurl､ Rrt､ Rqt) について､日本におけるツイート中の RT の割合 (Rrt) を除いた全ての指標で､バイラルメディアユーザと YouTube ユーザとの間で有意差があった ( p＜.05)｡日本､アメリカ､インドの３ヶ国の全ての国においてバイラルメディアユーザの方が YouTube ユーザよりも情報拡散に積極的であることが分かる｡情報への反応速度第１表より､情報への反応速度に関する指標 (t) について､日本､アメリカ､インドそれぞれの国で､バイラルメディアユーザと YouTube ユーザの間で有意差があることが分かった ( p＜.05)｡全ての国において､バイラルメディアユーザの方が YouTube ユーザと比較して情報への反応速度が早い結果となった｡

(15)

考察

情報拡散の積極さと情報への反応速度日本､アメリカ､インドの３ヶ国に共通して情報への反応速度は､バイラルメディアユーザが YouTube ユーザよりも早いという結果であった｡中でもインドは他の国に比べて､反応速度が突出して高かった｡情報拡散の積極さに関しても３ヶ国共に､バイラルメディアユーザが YouTube ユーザよりも高かった｡よって､バイラルメディアユーザは新しい情報発信に対する感度が高く､積極的に情報を拡散する傾向があると言える｡この行動の違いには､以下のような理由が考えられる｡一つ目は､バイラルメディアには､ソーシャルメディアへのシェアボタンが大きくレイアウトされており､情報共有行動を起こすリマインダーのような役割を果たすことである｡二つ目は､バイラルメディアでは何らかの元コンテンツから記事が作成されており､バイラルメディアで取り上げられるということは､コンテンツに一定の質や価値が保証されていることである｡このため､バイラルメディアユーザは躊躇することなく情報拡散した可能性がある｡ 第１表バイラルメディアユーザと YouTube ユーザの比較 日本アメリカインド

バイラル YouTube バイラル YouTube バイラル YouTube FF 0.84 0.94 0.90 0.97 1.32 0.93 Listsday 0.0034 0.0045 0.0060 0.0064 0.0160 0.0056 Rreply 0.046 0.026 0.073 0.089 0.050 0.082 Rtags 0.008 0.003 0.036 0.027 0.006 0.004 Rurl 0.035 0.008 0.050 0.035 0.051 0.041 Rrt 0.040 0.039 0.092 0.085 0.102 0.069 Rqt 0.0004 0.0003 0.0034 0.0030 0.0062 0.0020 t 18.0 39.8 16.2 31.6 12.3 39.5

(16)

コミュニケーション指向コミュニケーション指向に関しては国によって結果が異なっていた｡日本では､バイラルメディアユーザのコミュニケーションを好む傾向は YouTube ユーザよりも高いが､アメリカとインドでは､ YouTube ユーザの方がバイラルメディアユーザよりもコミュニケーションを好む傾向が高かった｡日本のバイラルメディアユーザのツイートをいくつか確認したところ､積極的に情報の拡散を行うだけではなく､情報拡散には関係のない個人間での会話も行っていた｡このことを定量的に確かめるために､３か国において､リプライのうち､フォロー関係にあるユーザとのリプライが占める割合と､フォロー関係にないユーザとのリプライが占める割合を調査した (第２表参照)｡この表より､日本のバイラルメディアユーザはフォロー関係にあるユーザとのリプライの占める割合が高いのに対して､アメリカとインドのバイラルメディアユーザはフォロー関係にないユーザとのリプライの占める割合が高いことが分かる｡このことからも､日本のバイラルメディアユーザは､フォロワーとの個人的な会話を行っていることが分かる｡一方､アメリカとインドでは､個人的な会話よりも､情報拡散をストイックに行っていることが伺える｡バイラルメディアには万人受けする記事が多いが､記事の内容と情報拡散を行ったユーザのコミュニケーション指向との間に関係があるかどうかは分からない結果となった｡人気度人気度に関しても国によって結果が異なっていた｡インドでは､バイラルメディアユーザの方が YouTube ユーザよりも人気度が高いが､日本とアメリカでは､ YouTube ユーザの方がバイラルメディアユーザよりも人気度が高かった｡インドでは､調査のために収集できたデータは､インドは他の２か国に比べて小さいものであった (3.2 節参照)｡インドの人口が日本やアメリカの人口よりも多いことを考えると､インドではバイラルメディアがまだあまり普及していない状況にあると思われる｡このことから､主としてイ

(17)

ンドでは新しいものを好むイノベータやアーリー・アダプタと呼ばれる層 (Rogers 1962) がバイラルメディアを使用している段階だと予想される｡ Rogers によると､イノベータやアーリー・アダプタは､流行に敏感で､情報収集を自ら行い判断するユーザを指す (Rogers 1962)｡これらのユーザは､他のユーザよりも素早く情報源を見つけることができ､また他のユーザからフォローされる数が多いという特徴がある (Imamori and Tajima 2016)｡インドのバイラルメディアユーザは情報への反応速度が極めて早く､人気度も高いという今回の結果はイノベータやアーリー・アダプタの特徴と一致している｡過去の知見で､人気の高いユーザは信頼性の高い情報を投稿することが報告されているが (Liao, et al. 2012)､日本とアメリカでは元コンテンツを情報拡散する YouTube ユーザの方が人気があり､信頼性が高いとみなされている可能性がある｡一方､インドではバイラルメディアユーザが､イノベータやアーリー・アダプタとみなされ､人気が高くなっているものと思われる｡

結論

本研究では､バイラルメディアの記事を拡散するユーザと､その情報元のメディアのコンテンツを拡散するユーザの比較を行った｡比較においては､人気度､コミュニケーション指向､情報拡散の積極さ､情報への反応速度の４点に注目した｡また日本､アメリカ､インドの３ケ国で分析を行った｡情第２表リプライのうちフォロー関係にあるユーザとのやり取りの割合と､フォロー関係にないユーザとのやり取りの割合日本アメリカインド

バイラル YouTube バイラル YouTube バイラル YouTube フォロー関係

あり 0.901 0.872 0.746 0.767 0.634 0.675 フォロー関係

(18)

報拡散の積極さと情報への反応速度については､バイラルメディアを利用するユーザは新しい情報発信への感度が高く､積極的に情報を拡散する傾向があることが分かった｡人気度とコミュニケーション指向については､国ごとに異なる結果となった｡日本のバイラルメディアユーザは特定の個人との会話も楽しむ傾向が強く､アメリカのバイラルメディアユーザは個人との会話は控える傾向にあることが分かった｡インドではまだあまりバイラルメディアが普及しておらず､新しいものを好むイノベータやアーリー・アダプタと呼ばれる層が使用している段階だと予想される｡本研究では Twitter を調査の対象としたが､情報拡散や情報共有は他のソーシャルメディアでも行われており､中でも実名制のソーシャルメディアである Facebook は無視できるものではない｡ Twitter では情報の収集や共有を目的とした使用が多いのに対して (Zhao and Rosson 2009)､ Facebook では友人との交流を目的とした使用が多い ( Joinson 2008)｡このことから､これらのソーシャルメディアにおいては､バイラルメディアの記事の共有の形態も異なるかもしれない｡今後は Facebook 上でのバイラルメディアの拡散についても調査したいと考えている｡ (筆者は関西学院大学商学部准教授) 引用文献

Asai, A. and Barnlund, D. C. (1998), “Boundaries of the Unconscious, Private, and Public Self in Japanese and Americans : a Cross-cultural Comparison,” International Journal of Intercultural Relations, Vol. 22, No. 4, pp. 431_452.

Bakshy, E., Hofman, J. M., Mason, W. A. and Watts, D. J. (2011), “Everyone’s an Influencer : Quantifying Influence on Twitter,” In Proceedings of the Fourth ACM International Conference on Web Search and Data Mining (WSDM 2011), pp. 6574, ACM.

Barnlund, D. C. (1989), Communicative Styles of Japanese and Americans : Images and Realities, Wadsworth / Thomson Learning.

Cha, M., Haddadi, H., Benevenuto, F. and Gummadi, P. K. (2010), “Measuring User Influence in Twitter : The Million Follower Fallacy,” In Proceedings of the Fourth International Conference on Weblogs and Social Media (ICWSM 2010), pp. 1017, AAAI.

Chen, G.-M. (1995), “Differences in Self-Disclosure Patterns among Americans versus Chinese : A Comparative Study,” Journal of Cross-Cultural Psychology, Vol. 26, No. 1, pp. 84

(19)

91.

Choi, S. (2015), “The Two-step Flow of Communication in Twitter-based Public Forums,” Social Science Computer Review, Vol. 33, No. 6, pp. 696_711.

Ellison, N., Steinfield, C. and Lampe, C. (2006), “Spatially Bounded Online Social Networks and Social Capital,” International Communication Association, Vol. 36, pp. 1_37.

Garg, R., Smith, M. D. and Telang, R. (2011), “Measuring Information Diffusion in an Online Community,” Journal of Management Information Systems, Vol. 28, No. 2, pp. 11_38. Ghosh, S., et al. (2012), “Understanding and Combating Link Farming in the Twitter Social

Network,” In Proceedings of the 21st International Conference on World Wide Web (WWW 2012), pp. 6170, ACM.

Hall, E. T. and Hall, M. R. (1989), Understanding Cultural Differences, Intercultural Press. G. Hofstede. (Accessed 13 August 2017). Greet Hofstede Analysis. http : // www.cyborlink.

com / besite / hofstede.htm

Hu, M., Liu, S., Wei, F., Wu, Y., Stasko, J. and Ma, K. L. (2012), “Breaking News on Twitter,” In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI 2012), pp. 27512754. ACM.

Imamori, D. and Tajima, K. (2016), “Predicting Popularity of Twitter Accounts through the Discovery of Link-Propagating Early Adopters,” In Proceedings of the 25th ACM International on Conference on Information and Knowledge Management (CIKM 2016), pp. 639648, ACM. Joinson, A. N. (2008), “Looking at, Looking up or Keeping up with People ? : Motives and Use of Facebook,” In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI 2008), pp. 10271036, ACM.

Java, A., Song, X., Finin, T. and Tseng, B. (2007), “Why We Twitter : Understanding Microblogging Usage and Communities,” In Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis, pp. 56_{65, ACM.} Katz, E. and Lazarsfeld, P. F. (1966), Personal Influence, The Part Played by People in the Flow

of Mass Communications, Transaction Publishers.

Kim, Y., Sohn, D. and Choi, S. M. (2011), “Cultural Difference in Motivations for Using Social Network Sites : A Comparative Study of American and Korean College Students,” Computers in Human Behavior, Vol. 27, No. 1, pp. 365_372.

Kwak, H., Lee, C., Park, H. and Moon, S. (2010), “What is Twitter, a Social Network or a News Media ?,” In Proceedings of the 19th International Conference on World Wide Web (WWW 2010), pp. 591_{600, ACM.}

Liao, Q. V., Wagner, C., Pirolli, P. and Fu, W. T. (2012), “Understanding Experts’ and Novices’ Expertise Judgment of Twitter Users,” In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI 2012), pp. 24612464, ACM.

Macskassy, S. A. and Michelson, M. (2011), “Why Do People Retweet ? Anti-homophily Wins the Day !,” In Proceedings of the Fifth International Conference on Weblogs and Social Media

(20)

(ICWSM 2011), pp. 209_216.

Naaman, M., Boase, J. and Lai, C. H. (2010), “Is It Really About Me ? : Message Content in Social Awareness Streams,” In Proceedings of the 2010 ACM Conference on Computer Supported Cooperative work (CSCW 2010), pp. 189192, ACM.

Park, C. S. (2013), “Does Twitter Motivate Involvement in Politics ? Tweeting, Opinion Leadership, and Political Engagement,” Computers in Human Behavior, Vol. 29, No. 4, pp. 1641_1648.

Park, J., Baek, Y. M. and Cha, M. (2014), “Cross-cultural Comparison of Nonverbal Cues in Emoticons on Twitter : Evidence from Big Data Analysis,” Journal of Communication, Vol. 64, No. 2, pp. 333_354.

Reed, P. J., Spiro, E. S. and Butts, C. T. (2016), “Thumbs up for Privacy ? : Differences in Online Self-disclosure Behavior across National Cultures,” Social Science Research Vol. 59, pp. 155_170.

Rogers, E. (1962, 2003), Diffusion of Innovation, 5th Edition, Simon and Schuster.

Romero, D. M., Meeder, B. and Kleinberg, J. (2011), “Differences in the Mechanics of Information Diffusion across Topics : Idioms, Political Hashtags, and Complex Contagion on Twitter,” In Proceedings of the 20th International Conference on World Wide Web (WWW 2011), pp. 695704, ACM.

Tan, C., Friggeri, A. and Adamic, L. A. (2016), “Lost in Propagation ? Unfolding News Cycles from the Source,” In Proceedings of the Tenth International Conference on Weblogs and Social Media (ICWSM 2016), pp. 378387, AAAI.

S. Ting-Toomey (1991), “Intimacy Expressions in Three Cultures : France, Japan, and the United States,” International Journal of Intercultural Relations, Vol. 15, No. 1, pp. 29_46. Trepte, S. and Masur, P. K. (2016), “Cultural Differences in Social Media Use, Privacy, and

Self-disclosure,” Research Report on a Multicultural Study.

Xiong, F., Liu, Y., Zhang, Z. J., Zhu, J. and Zhang, Y. (2012), “An Information Diffusion Model based on Retweeting Mechanism for Online Social Media,” Physics Letters A, Vol. 376, No. 30, pp. 2103_2108.

Yang, J. and Counts, S. (2010), “Predicting the Speed, Scale, and Range of Information Diffusion in Twitter,” In Proceedings of the Fourth International Conference on Weblogs and Social Media (ICWSM 2010), pp. 355358, AAAI.

Watts, D. J. and Dodds, P. S. (2007), “Influentials, Networks, and Public Opinion Formation,” Journal of Consumer Research, Vol. 34, No. 4, pp. 441_458.

Wu, S., Hofman, J. M., Mason, W. A. and Watts, D. J. (2011), “Who Says What to Whom on Twitter,” In Proceedings of the 20th International Conference on World Wide Web (WWW 2011), pp. 705714. ACM.

Zhao, D. and Rosson, M. B. (2009), “How and Why People Twitter : the Role that Micro-blogging Plays in Informal Communication at Work,” In Proceedings of the ACM 2009

(21)