Vår metod

Maktbarometern är en årligen återkommande analysrapport baserad på räckvidds- och engagemangsdata från stora, svenska sociala media-konton. Analysen görs i syfte att ta reda på vilka konton, personer och innehåll som har störst inflytande på de fyra största sociala plattformarna i Sverige.

Maktbarometern är en oberoende analys
Medieakademin är en ideell organisation som är politiskt obunden och oberoende gentemot olika kommersiella aktörer. Vi har sponsorer som stödjer våra verksamhetsmål, men vi låter givetvis inte dessa påverka vårt arbetssätt, vår analys eller våra slutsatser. I styrelsen för Medieakademin sitter journalister och forskare såväl som analytiker och representanter för olika delar av mediebranschen.

Vi som arbetat med Maktbarometern
Ansvariga för Maktbarometern är Medieakademins styrelse. Styrelsemedlemmarna Emanuel Karlsten, Gustav Martner, Anna Rosenqvist, Beata Jungselius och Fredrik Idestål har arbetat med att ta fram Maktbarometern 2020. Datainsamling och analys har gjorts av arbetsgruppen i samarbete med dataanalysföretaget TenFifty.

Verktyg, datakällor och analysarbete
I vårt arbete med Maktbarometern använder vi oss av ett flertal verktyg. Tredjepartstjänster som Social Bakers och CrowdTangle har använts och kombinerats med manuellt arbete med att sammanställa kompletterande listor över i sammanhanget intressanta konton. Detta arbete har till exempel inneburit att inhämta uppgifter från influencerbolagens egna hemsidor, Guldtubens vinnarlistor, från artiklar om ämnet i branschpress samt via publikationer och rapporter från till exempel Internetstiftelsen (Svenskarna och Internet) och Statens Medieråd.

I arbetet med Maktbarometern utgår vi ifrån en lista på stora svenska konton (här avses ”stora” som konton med 10 000 följare eller mer). Vi utger oss inte för att ha kartlagt samtliga svenska konton i denna kategori då arbetet med att hitta konton endast delvis kunnat baseras på data direkt från sociala medieplattformarnas API:er/tredjepartstjänster. I och med den manuella kompletteringen vi gjort på grund av tjänsternas begränsning av API- och data-access finns naturligtvis en risk att vi missat att inkludera konton som skulle kunnat vara relevanta.

I arbetet med Maktbarometern 2020 har vi adderat tre nya mått och presenterar i år en analys där vi utöver de parametrar vi tidigare studerat nu även inkluderar ett antal relativa mått (mer om dessa under respektive plattform nedan). Detta har vi gjort i en strävan efter att helt enkelt ge en så god beskrivning som möjligt av ett ständigt föränderligt medielandskap samtidigt som vi velat tona ned frekvens som det viktigaste måttet.

Mätperiod

Datan som ligger till grund för Maktbarometern 2020 samlades in mellan 15 augusti 2019 och 15 augusti 2020. Detta tidsspann valdes dels för att ge oss ett gediget underlag, dels för att ge tid till databehandling, analys och kvalitetssäkring. Vi har även försökt samla in data under ungefär samma tidsperioder som tidigare år (för Maktbarometern 2019 samlades data in mellan 15 juli 2018 och 15 juli 2019 och för Maktbarometern 2018 var datainsamlingsperioden 26 juni 2017 till 26 juni 2018). Efter avslutad datainsamlingsperiod gjordes en manuell kontroll av de konton som hamnat i toppen av respektive lista för att, inför presentationen av Maktbarometern i oktober 2020, kontrollera så att inga radikala förändringar skett.

Val av sociala media-plattformar
För Maktbarometern 2020 valdes likt föregående år att undersöka spridning, inflytande och makt på Facebook, Instagram, Youtube och Twitter. Valet av dessa plattformar är dels baserat på att de är de sociala plattformar som svenskarna i störst utsträckning uppger sig använda (källa: Svenskarna och Internet 2019) och dels på att deras tekniska arkitektur gör olika konton och sidor mät- och jämförbara. Vår önskan och ambition är dock att i framtiden utöka Maktbarometern med mer komplex data från fler plattformar.

Rankingmetod, Twitter:
Twitter är den plattform som Medieakademin arbetat med längst. När vår första rapport kom ut 2012 hette den just Twitterbarometern och syftet var, likt idag, att undersöka spridning och inflytande, men då endast med en plattform i fokus. När vi övergick till att arbeta med Maktbarometern utgick vi från de konton som hamnat på topplistan i Twitterbarometern 2016 (cirka 300 stycken), laddade ned data om dessa och även alla data om användare som dessa i sin tur följer.

I vår datainsamlingsprocess söktes 99 689 943 konton igenom och av dessa konstaterades 1 392 278 konton vara svenska. Av dessa var det slutligen 2 698 konton som klassificerades som stora nog (fler än 10 000 följare) för att analyseras vidare. För dessa konton räknade vi ut: 1) antal svenska följare 2) antal följare ens följare har 3) retweets av svenskar per tweet 4) antal likes från svenskar per tweet. Rankingen gjordes därefter utifrån ett summerat resultat av dessa mätningar (rankingplacering 1 + rankingplacering 2 + rankingplacering 3 + rankingplacering 4 = total ranking). På så sätt har vi fått en sammanvägd bild av hur många följare en person har, hur “viktiga” dessa följare är samt hur Twitters användare värderar det som personen skriver. Vi har valt bort möjligheten att mäta antal likes per tweet. Detta gör vi då det inte går att särskilja en öppen tweet från en reply, varför den som är flitig på att svara/kommentera skulle påverkas negativt.

Rankingmetod, Facebook:
Datan från Facebook består av information från 38 000 Facebooksidor där man antingen uppger sig vara svensk eller där man helt enkelt skriver på svenska. Sidorna har i de fall det varit möjligt sorterats utifrån andel svenska gillare/följare. Samtliga data från de kartlagda sidorna har samlats in, antal reaktioner på de poster som publicerats under mätperioden har summerats, därefter gjordes en kartläggning av hur stor andel av reaktionerna som var svenska. I begreppet “reaktioner” inkluderar vi även likes och övriga reaktioner såsom ”älska”, ”ledsen” etc. Ett manuellt arbete gjordes därefter för att komplettera informationen om de konton som inte uttalat sitt ursprung, men där vi med hjälp av faktorer som språk, följares nationalitet och kontots aktualitet i Sverige kunde bedöma dem som svenska. Rankninganalysen följde därefter samma upplägg som för Twitter men utifrån sex följande rankningsmått; 1) antal reaktioner från svenskar 2) antal reaktioner från svenskar per post 3) antal delningar gjorda av svenskar 4) antal delningar gjorda av svenskar per post 5) antal kommentarer från svenskar och 6) antal kommentarer från svenskar per post.

Rankingmetod, Youtube:
I arbetet med Youtube utgick vi ifrån de topplistor vi tagit fram för övriga plattformar och listade de största Youtube-konton i Sverige sett till antal visningar. Konton som gjort färre än två videos under året räknades bort. Andel svenskar i publiken för ett Youtube-klipp är mycket svårt att avgöra, eftersom denna data inte finns publikt tillgänglig, varför vi tvingats att manuellt avgöra samtliga Youtubers huvudsakliga språkbruk som en utgångspunkt för spridning bland svenskar. Många Youtubers har konton även på till exempel Twitter och Facebook. I dessa fall överförde vi uppgifter om andel svenskar från dessa konton och kunde genom detta uppskatta räckvidd i Sverige på Youtube. Om vi inte kunde hitta uppgifter om svenskhet genom denna metod gjordes istället en normalbedömning av kontons svenskhet utifrån ett medelvärde. I flera fall har vi också kontaktat ansvarig för Youtube-kanalen och erbjudit dem att bidra med sin egen statistik över antalet svenskar de når. Motsvarande metod som beskrivits för att ranka konton på Twitter och Facebook gjordes även för Youtube, men baserat på följande sex rankingmått: 1) antalet likes 2) antalet likes per post, viktat efter förmodad andel svenskar 3) antal kommentarer 4) antal kommentarer, viktat efter förmodad andel svenskar 5) antal visningar 6) antal visningar, viktat efter förmodad andel svenskar.

Rankingmetod, Instagram:
Via vår övriga insamlade data och det manuellt kompletterande arbetet fick vi fram en bruttolista på drygt 7500 Instagramkonton (även dessa med 10 000 följare eller fler). Även vad gäller Instagram är det svårt att få tag i information om kontons nationella tillhörighet, men med hjälp av samma teknik som beskriven för Youtube ovan kompletterad med en manuell språkkontroll av kommentarer på inlägg har vi kunnat kartlägga procentandel svenskar bland följare och reaktioner. Motsvarande metod som beskrivits vid rankning av konton på Twitter, Facebook och Youtube gjordes därefter även för Instagram, men utifrån följande sex rankingmått: 1) antal följare 2) antal följare, viktat efter förmodad andel svenskar 3) antal kommentarer/post 4) antal kommentarer/post, viktat på samma sätt 5) likes/post 6) antal likes/post, viktat på samma sätt. Anledningen till att vi räknar antal följare på Instagram och inte på andra plattformar är att vi här saknar ett räckviddsmått och att detta sätt är det, under givna omständigheter, bästa att konstruera ett. En brist i vår lista är att vi ännu saknar data från Instagram Stories eftersom vi inte lyckats få tillgång till data från den delen av plattformen. Detta är dock något vi jobbar på att försöka lösa inför arbete med framtida barometrar.

Rankingmetod, totallistan
Rankingen på totallistan har gjorts utifrån den empiriskt visade statistiska lagen “Zipfs lag”. Zipfs lag säger att frekvensen av ett värde i en stor mängd data ofta står i proportion till värdets plats i rang­ordningen och att det vanligaste värdet vanligtvis är ungefär dubbelt så vanligt som det näst vanligaste, ungefär tre gånger så vanligt som det värde som är nummer tre på listan, och så vidare (källa: https://it-ord.idg.se/ord/zipfs-lag/).

I vår poängberäkning har vi använt oss av denna lag för ranking av inflytande. Vi ville att måttet skulle vara flexibelt i den mening att om någon aktör är väsentligt mycket större än resten på en plattform, så ska det inte spela in för mycket och ge alltför stort utslag på totallistan. Därför valde vi att sätta placeringspoäng, vilka vi sedan kunnat vikta efter plattform. Själva placeringspoängen är baserad på det faktum att Zipfs lag visat sig fungera väl vid rankingar av annan samhällsdata. Generellt följer en mängd samhällsfenomen Zipf's lag. Klassiskt är t.ex. att det vanligaste ordet i ett språk är ungefär dubbelt så vanligt som det näst vanligaste, och detsamma gäller ofta storlek på länder i förhållande till andra, storlek på städer, trafik till världens och Sveriges största sajter och tidningar med mera.

För varje rankinglista på de fyra sociala medieplattformarna, delades en poäng ut, enligt 1/(ranking ^ 0.5), vilket modellerar att inflytande faller enligt Zipfs lag. Exponenten 0.5 beräknades från hur likes/reaktioner faller med ranking på de olika medierna. Denna formel har använts för att modellera att någon som rankas #1 på ett medium och #100 på ett annat, rimligen har mer inflytande än någon som rankas #5 på första mediet och #95 på det andra.

Vi parade sedan, delvis manuellt, samman samma individs konton på de fyra olika sociala medieplattformarna för att kunna summera ihop poängen på en totallista. Vi har manuellt säkerställt att till exempel en Youtuber som kallar sig något annat på Instagram får en totalpoäng som stämmer med deras totala räckvidd. I de fall som en person agerar med eget Instagram-konto men är del av till exempel en humorgrupp med flera medlemmar på Youtube så har vi valt att koppla samman de största kontona på respektive plattform. En person fick alltså dels poäng per plattform, dels en sammantagen poäng för samtliga konton.

För rankingen på totallistan tog vi fram en modell där inflytandet på varje plattform viktades utifrån uppgifter från Svenskarna och Internet 2019 om hur stor andel svenskar som använder respektive plattform minst en gång per vecka. Enligt denna modell fick Youtube ett värde på 0.56, Facebook 0.64, Instagram 0.51 och Twitter 0.12. I detta viktade slutresultat sätts alltså inflytande i form av placering på respektive plattform i förhållande till vilken räckvidd plattformen som sådan har bland svenskarna.

Har du frågor om vår metod eller förslag på förbättringar? Eller vill du ha en större insyn i vår mätdata och få en djupare insikt i hur makt och inflytande distribueras i sociala medier? Kontakta oss gärna!