Como um bot brasileiro se tornou uma pessoa influente no Twitter

Carina Santos parece uma usuária comum do Twitter. Segundo sua biografia, ela é uma jornalista que mora no Rio de Janeiro e trabalha na Globo. Suas mensagens são, na maior parte do tempo, links para matérias publicadas em sites da Globo.

Algumas outras vezes ela faz alguns comentários sem relação com notícia nenhuma – como uma brincadeira com o crescimento do número de pessoas que participaram da Parada Gay, ou uma série de comentários sobre a exibição de um filme Globo (aqui, aqui e aqui).

Mas, na verdade, Carina não existe. Ela é apenas um bot programado para replicar mensagens que incluem sentenças como “Globo + palavra”. E apenas com isso, ela conseguiu quase 700 seguidores. Mais do que isso: segundo a empresa de análise de mídias sociais Twitalyzer, Carina é uma personalidade online influente. Mesmo sem existir de verdade.

Carina Santos foi criada por pesquisadores da Universidade Federal de Ouro Preto com o objetivo de verificar como é fácil manipular serviços que medem a influência no Twitter. Os pesquisadores explicam como ela cria todos os seus tweets (ou melhor, copia todos eles):

O algoritmo scarina busca no Twitter sentenças como “Globo + palavra”, na qual a palavra é aleatoriamente selecionada de um dicionário. Depois disso, scarina seleciona os quatro tweets postados mais recentemente do resultado da busca para retweetar ou repostar como se fosse um tweet original. O tempo entre os posts varia aleatoriamente de 0 segundos a uma hora para evitar posts em sequência. O processo é repetido diversas vezes.

Então, basicamente, tudo o que Carina Santos faz desde 2011 é buscar comentários sobre a Globo e repostá-los como se fossem seus. Isso já atraiu quase 700 pessoas que, aparentemente, acreditam que ela é uma pessoa de verdade. O objetivo do projeto era mostrar como serviços de medição de influência no Twitter podem ser manipulados – mas eles também mostram como usuários do Twitter podem ser eganados por bots.

Manipulando a influência

O nível de influência do bot foi medido no fim de 2011, em um período de três meses após a criação de Carina, junto com outro bot criado pelo mesmo grupo.

No Twitalyzer, a pontuação de Carina chegou a 76 – o que coloca o bot não muito distante de nomes como Luciano Huck (99) e Rafinha Bastos (100). Impressionante. Como explicou Fabrício Benevenuto, professor de ciências da computação da Universidade Federal de Minas Gerais e um dos responsáveis pelo estudo, “é fácil infiltrar no Twitter com um robô e torná-lo influente”. Com os métodos de medição atuais, certamente.

Quando Carina entrou no Twitter, ela seguiu automaticamente 2 mil pessoas. Depois, foi apagando quem não seguiu de volta. Ela começou a tuitar mesmo 10 dias após ser criada, e seu Klout Score atingiu 41,8 no 17º dia – ela já era retuitada e recebia respostas de outros usuários. Como suas mensagens envolviam temas bastante comentados no Twitter, ela começou a ganhar novos seguidores mesmo sem seguir outras pessoas antes. O outro bot criado pelo mesmo grupo, @fepessoinhas2, tentou atingir 2 mil seguidores apenas na estratégia do “me segue que eu te sigo” – o que não deu certo, e após três meses de experimento, ela ficou com pouco mais de 400 seguidores. Além disso, sua pontuação no Klout foi de apenas 18, enquanto no Twitalyzer ela ficou com 9.

“Podemos concluir desde experimento que para chegar a um alto grau de influência, não é o suficiente apenas seguir usuários”, explicam os pesquisadores. É verdade: é preciso também ter conteúdo relevante, como Carina. Mesmo que esse conteúdo não seja exatamente criado pelo bot.

Atualmente, os bots estão com nível de influência bem menor do que na época do estudo – no Twitalyzer, Carina agora tem 0.1 de influência, o que já pode ser um indício de mudanças causadas por este e quem sabe outros estudos questionando a medição de influência no Twitter. Ao Huffington Post, o Twitalyzer não comentou o experimento, enquanto o Klout se defendeu afirmando que os bots ganharam pontuação baixa e que o sistema da empresa analisa mais de 400 sinais diferentes para definir influência.

Mas Benevenuto acredita que a preocupação maior agora é outra: “Talvez o problema não esteja nas pontuações, e sim no Twitter. É muito fácil infiltrá-lo.” [Huffington Post]