El término ‘viral’ se ha aplicado desde hace varios años para describir la velocidad con la que se difunden las noticias a través de Internet, o de cualquier otro medio de comunicación masiva. Esto se debe a la similitud que tiene el comportamiento de la difusión de un rumor o noticia, con la propagación de una enfermedad infecciosa. De esta forma, una persona ‘infectada’ puede representar a alguien que ya conoce un chisme, que ha visto un video en alguna red social o que comenta con otros alguna noticia que se considere relevante, sea verdadera… O falsa como ocurre en muchas ocasiones.
Cuando hablamos en términos biológicos, la diseminación de un contagio depende de varios factores como: el tamaño de la población donde se produce, el número de individuos ya infectados o que se han recuperado (pero que pueden ser susceptibles de volver a enfermar), la tasa de crecimiento o decrecimiento de la población así como de uno o varios factores proporcionalidad (que podremos representar con una o varias constantes k) relacionados con la naturaleza propia del virus que se trate. En su caso relacionados con el tipo de información o credibilidad atribuida a las fuentes. Diferentes entidades biológicas pueden tener un riesgo de contagio muy alto como cuando un enfermo causa en promedio la infección de una persona, pero en otros casos puede ser más agresivo si se considera que un infectado a su vez puede causar daño a más de dos personas. En el caso de teoría de redes sociales, un “twittstar” o un “youtuber” famoso puede propagar cualquier noticia a miles o cientos de miles de personas con una sola publicación.
Al igual que cuando comienza una epidemia, es muy probable que la infección -o una noticia que va por la red- se multiplique a gran velocidad, proliferando muchas veces exponencialmente dado que encontrará pocas personas ya atacadas, o en conocimiento de la noticia. Conforme se incrementa el número de enfermos o de individuos que han visto un video o se han enterado del rumor, la velocidad de expansión decrece por la razón contraria: se va haciendo cada vez más probable que alguien a quien se le pasa el chisme ya lo conozca, o que -si se trata de un contagio biológico- cuando alguien infectado entra en su contacto él, ya se encuentre enfermo.
Existen muchos modelos matemáticos y algoritmos que se emplean para hacer predicciones o estimaciones de la afectación infecciosa, que pueden aplicarse para comprender la diseminación de rumores en la red, la proliferación de videos o ‘memes’ que logran ser famosos en cuestión de horas o días, o el éxito que acompaña al tráfico en un portal web cuando comienza a utilizar hashtags (etiquetas) sobre las que las personas están en ése momento hablado o pronunciándose. Hay por ejemplo, analizadores de tráfico de Internet y redes sociales que compaginan información sobre los llamados tópicos de tendencia que hacen los grupos humanos, o las palabras y cadenas de búsqueda más frecuentes en los buscadores de la red, tales que si se emplean efectivamente pueden multiplicar el tráfico de visitas hacia un sitio web en cuestión de horas.
Un modelo simplificado para predecir el número de ‘afectados’ o ‘infectados’ es y = kx(M-x) donde M es la población de un sitio (o equivalente a ‘seguidores’ de una cuenta en Twitter, fans en Facebook, lectores de un blog o clientes de un sitio de comercio electrónico), x es la cantidad de gente ya ‘infectada’ que ha visto un video, que conoce una noticia publicada en el sitio o que ya hizo compras anteriormente (también puede interpretarse como la cantidad de fans que esperan una actualización de contenido en una web, por ejemplo). En esta sencilla ecuación k es la constante de proporcionalidad dependiendo el fenómeno que se esté extendiendo. En otras palabras, es más ‘viral’ la difusión de un video porque exige menos esfuerzo intelectual y es más directo que un artículo falso el cual implica por lo menos leer su contenido.
Analicemos, derivado del un caso real de una persona cercana que elabora videos en YouTube: su trabajo más reciente logró tener 23,000 vistas en dos días, y su grupo de fans es aproximadamente de 82,000 personas. Si suponemos que de éstos habría 2,500 que estaban al pendiente del nuevo archivo publicado, esto arroja una K = 0.001. Si fuera la misma constante para videos (suposición errónea pero que ilustra un poco los números), una persona que afirma que en un sólo día recibió 17,000 visitas, con 510 seguidores asiduos, implicaría tener al menos una población de 33.000 seguidores. Al revisar las estadísticas de tráfico de ése sitio, encontramos que quienes estaban al pendiente de actualizaciones eran solamente 60 personas, lo cual requeriría unos 284,000 seguidores.
Las estrategias de gestión de redes sociales permiten que podamos llevar a cabo acciones concretas y publicaciones estratégicas con base en las métricas de un portal web (sean evaluadas con Google o mediante aplicaciones abiertas como Piwik), para elaborar un modelo formal de diseminación que pueda ponerse en práctica y posicione efectivamente el sitio web que se desea. De acuerdo con el comportamiento dinámico del tráfico, se ajusta el modelo y se vuelve a medir para modificar las acciones de gestión en las redes sociales y lograr un desarrollo incremental de visitantes, asiduos a los contenidos de una empresa.