Представники технологічних гігантів один за іншим розповідають про Big Data, Business Intelligence, Graph theory, кажуть, що все про всіх знають і можуть розповісти про людину якщо не все, то дуже багато чого. Почитавши новини, блоги та прес-релізи, виникає природне бажання отримати таку інформацію про своїх клієнтів. Крім того, інтерес викликає велика база передплатників спільнот в соціальних мережах які вже зібралися в групи за інтересами. Але що можна отримати з соціальних мереж, коли користувачі приховують більшість своїх даних? У цій статті мова піде про те як можна використовувати публічну інформацію для відновлення прихованої.

Розглянемо вік передплатників паблік Cossa в ВКонтакте (35538 ​​передплатників на 03 вересня 2013 року). Паблік не розважальний і має виражену професійну орієнтацію на SMM, який, в свою чергу, досить молодий напрямок. Мабуть, віковий розподіл (ВР) має описуватися нормальним законом з математичним очікуванням в діапазоні 20-30 років. Побудуємо ВР для тих передплатників, які вказали і не приховали дату народження.

Як видно на графіку Age distribution, понад 60% передплатників не вказали або приховали свій вік (значення n / a). Тих, хто залишився ж трохи менше 40% має цілком вистачити для оцінки вікового розподілу. Однак, на отриманому розподілі яскраво виражена частка 14-15-річних хлопчиків і дівчаток - вона така ж, як і 21-річних, в більшості своїй студентів старших курсів, і 28-річних, очевидно, «зрілих» SMM фахівців! Чому так? Мабуть, може бути, як мінімум, три причини:

1) Популярне нині думка, що ВКонтакте - синонім слів «школота», музика, і «боти». А ті, хто старше і солідніше, користуються Facebook і, відповідно, не впливають на ВР.

2) Раннє професійне «дозрівання» молодих.

3) 60% передплатників, які не вказали свій вік, можуть сильно змінити представлене розподіл. Стає очевидним, що найбільш точний розподіл може отримати лише той, хто має доступ до прихованої інформації. До речі, теж популярне сьогодні думка.

Перші дві причини можуть викликати довгі дискусії, тому перейдемо відразу до третьої. Як можна оцінити вік людини по його сторінці в соціальній мережі, якщо законно дістати закриту інформацію можливості немає і ми не є власниками / адміністраторами соціальної мережі? Визначити вік по фото - найбільш простий спосіб для людини (хоча і з істотною похибкою), але складний для автоматизації. Контент на стіні - складний метод не тільки для комп'ютера, але і для людини. І, нарешті, розглянемо варіант по друзях - «скажи мені хто твій друг і я скажу хто ти»!

Покладемо, що велика частина друзів користувача соціальної мережі - це однолітки або люди, інтереси яких збігаються з інтересами користувача. Розрахувавши середній вік друзів людини, можна оцінити вік цієї людини. Таким чином, ВР для Cossa в ВКонтакте буде виглядати:

Тепер частка передплатників з невідновлення віком становить ~ 12% - в більшості своїй це заблоковані користувачі, у яких закрито доступ до списків друзів. Відзначимо, що характер розподілу сильно змінився - молоді школярі вже зовсім не виділяються на тлі більш старших передплатників. Основний же вік цікавляться новинами Cossa в ВКонтакте - це 23-27 років. Варто звернути увагу на два стрибка для віку 17 і 23 років, які, швидше за все, пов'язані з закінченням школи і ВНЗ відповідно - випускники підписуються на паблік за профілем навчання і роботи. Експонентний спад після 27 років, мабуть, пояснюється віком користувачів у Вконтакті.

Потрібно сказати, що отримане ВР не є розподілом біологічного віку - швидше за розподілом віку інтересів і буде говорити про інтереси передплатника. Наприклад, 45-річний викладач ВНЗ додає в список друзів своїх студентів з метою інформування про майбутні заліки / іспитах. Очевидно, що вік такого користувача буде визначено в діапазоні 18-23 років. Однак, незважаючи на істотну погрішність, відновлений вік буде досить точно характеризувати інтерес користувача і йому буде цікавий матеріал про, наприклад, міжнародних студентських програмах.

Розглянутий метод оцінювання віку користувача показує, як публічно доступна інформація з соціальної мережі може бути використана для непрямої оцінки прихованих даних. Взагалі кажучи, обробка всіх доступних даних зі сторінки (активність в групі, стіна, аудіо, фото, відео і т.д.) дозволяє визначати не тільки вік / географію, а й тип користувача - читач, меломан, зацікавлений в бренд, бот.