TL;DR
9 min leestijdDe meeste social listening-statistieken die rondgaan zijn beweringen van leveranciers zonder uitgever, zonder jaar en zonder steekproef. De cijfers die een broncontrole doorstaan, komen uit peer-reviewed informatica en van Pew Research Center, en ze beschrijven hoe onbetrouwbaar de data is in plaats van hoe groot de markt is: een steekproefstream die 43,5 procent van het volledige volume dekt, een beste sentimentclassifier met een gemiddelde recall van 0,681, naar schatting 9 tot 15 procent bots onder de accounts, en 10 procent van de gebruikers die 80 procent van de posts schrijft.
Welke social listening-statistieken kun je echt verifiëren?
De social listening-statistieken die een broncontrole doorstaan, gaan over meetfouten in plaats van marktomvang, en ze komen uit peer-reviewed informatica en van Pew Research Center, niet uit blogs van leveranciers. Elk cijfer hieronder vermeldt de uitgever, het jaar en de steekproef, omdat een getal waarvan er één van de drie ontbreekt niet te controleren is voor wie het leest. De cijfers over marktomvang en ROI die de zoekresultaten voor deze term domineren, ontbreken om één reden: RedReplier kon voor geen enkel ervan een methodologiepagina openen.
| Statistiek | Uitgever | Jaar | Steekproef en methode |
|---|---|---|---|
| De Streaming API van Twitter gaf op een gemiddelde dag 43,5 procent van het Firehose-volume terug | Morstatter, Pfeffer, Liu en Carley, ICWSM (peer-reviewed) | 2013 | 528.592 tweets uit de steekproef tegenover 1.280.344 Firehose-tweets, 14 december 2011 tot 10 januari 2012 |
| De steekproefstream rangschikte de top-hashtags verkeerd, soms zelfs omgekeerd gecorreleerd met de volledige stream | Zelfde paper | 2013 | Kendall-rangcorrelatie over vijf dagen, tegenover 100 even grote willekeurige trekkingen |
| 9 tot 15 procent van de actieve Twitter-accounts is een bot | Varol, Ferrara, Davis, Menczer en Flammini, ICWSM (peer-reviewed) | 2017 | Classifier op meer dan 1.000 openbare accountkenmerken, getraind op een openbare botdataset plus een handmatig gelabelde set actieve accounts |
| De actiefste 10 procent van de volwassen Amerikaanse Twitter-gebruikers produceerde 80 procent van alle tweets van Amerikanen | Pew Research Center | 2019 | 2.791 volwassen Amerikaanse Twitter-gebruikers die hun handle gaven, geselecteerd uit 4.829 respondenten, enquêteantwoorden gekoppeld aan echte accountdata |
| Het beste systeem voor sentiment in Engelse tweets scoorde 0,681 gemiddelde recall, tegenover 0,333 voor een classifier met één klasse | Rosenthal, Farra en Nakov, SemEval 2017 Task 4 | 2017 | 38 teams, testset van 12.284 tweets, labels van elk minstens vijf annotatoren |
| Het beste systeem voor dezelfde taak in het Arabisch scoorde 0,583 gemiddelde recall | Zelfde paper | 2017 | Arabische testset van 6.100 tweets |
| 24 methoden voor sentimentanalyse lieten geen duidelijke winnaar zien over 18 gelabelde datasets | Ribeiro, Araujo, Goncalves, Benevenuto en Goncalves, EPJ Data Science | 2016 | Benchmark van 24 gepubliceerde methoden op 18 door mensen gelabelde datasets |
| 26 procent van de volwassen Amerikanen gebruikt ooit Reddit, 20 procent X, 71 procent Facebook | Pew Research Center, Americans' Social Media Use 2025 | 2025 | 5.022 volwassen Amerikanen, steekproef op basis van adressen, afgenomen van 5 februari tot 18 juni 2025 |
Hoeveel van het gesprek op een platform ziet een listeningtool?
Geen enkele listeningtool ziet alles, en de enige gepubliceerde meting van het gat plaatste een Twitter-steekproefstream op een gemiddelde dag op 43,5 procent van het volledige Firehose-volume. Morstatter, Pfeffer, Liu en Carley verzamelden tussen 14 december 2011 en 10 januari 2012 met hetzelfde filter 528.592 tweets uit de Streaming API en 1.280.344 uit de Firehose. Hun scherpere bevinding was de vorm van het gat: de dekking daalde naarmate het echte volume piekte, dus de steekproef werd dunner precies wanneer een onderwerp druk werd.
Die paper is van 2013 en beschrijft een API die in die vorm niet meer bestaat, dus zie de 43,5 procent als demonstratie en niet als een actuele constante. Vraag elke leverancier welk deel van de openbare posts van een platform zijn pipeline ophaalt en over welke periode, en als het antwoord geen getal is, kijk je naar share of voice berekend op een onbekende noemer. Actuele toegangslimieten staan bij Twitter API-prijzen en de archiefkant bij Pushshift.
Hoe nauwkeurig is geautomatiseerde sentimentanalyse?
De beste sentimentclassifier in de grootste openbare benchmark voor deze taak scoorde een gemiddelde recall van 0,681 op Engelse tweets, waar een classifier die alles hetzelfde labelt 0,333 scoort. Rosenthal, Farra en Nakov voerden die evaluatie uit als SemEval-2017 Task 4, met 38 deelnemende teams op een Engelse testset van 12.284 tweets, waarvan de labels van elk minstens vijf annotatoren kwamen en werden geaccepteerd als drie van de vijf het eens waren. Dezelfde taak in het Arabisch kwam niet hoger dan 0,583, dus een dashboard dat één sentimentcijfer over meerdere talen rapporteert, middelt twee verschillende nauwkeurigheidsniveaus.
Ribeiro en collega's maakten in 2016 in EPJ Data Science het bijbehorende punt door 24 gepubliceerde sentimentmethoden op 18 door mensen gelabelde datasets te draaien, zonder één methode te vinden die overal won. Twee leveranciers kunnen dus een andere verdeling rapporteren voor dezelfde vermeldingen en allebei eerlijk zijn. Lees sentimentanalyse voor hoe de classifiers werken, en behandel elk sentimentpercentage als een meting met een foutmarge.
Wie schrijft eigenlijk de vermeldingen die je telt?
Een kleine minderheid schrijft de meeste posts. Pew Research Center koppelde in april 2019 enquêteantwoorden aan echte accountdata voor 2.791 volwassen Amerikaanse Twitter-gebruikers en ontdekte dat de actiefste 10 procent 80 procent van alle tweets van Amerikanen produceerde, waarbij de mediane gebruiker twee keer per maand postte tegenover 138 posts per maand voor dat bovenste deciel. Hetzelfde onderzoek liet zien dat die gebruikers jonger, rijker en hoger opgeleid waren dan Amerikaanse volwassenen in het algemeen: mediane leeftijd 40 tegenover 47, 42 procent met een bachelordiploma tegenover 31 procent, 41 procent met een huishoudinkomen boven 75.000 dollar tegenover 32 procent.
Die scheefheid is de reden dat een aantal vermeldingen geen meting van de publieke opinie is. Het social media-factsheet van Pew uit 2025, gebaseerd op 5.022 volwassen Amerikanen die tussen 5 februari en 18 juni 2025 zijn ondervraagd, zet 26 procent van de volwassen Amerikanen op Reddit en 20 procent op X, dus elk platform is een steekproef van een steekproef. Details per platform staan in Reddit-statistieken, Bluesky-statistieken en Hacker News-statistieken.
- 138 tweets per maand
- Produceren 80% van alle tweets van Amerikanen
- Mediane leeftijd 40
- 42% heeft een bachelordiploma
- 41% heeft een huishoudinkomen boven 75.000 dollar
- 2 tweets per maand
- Produceren de overige 20% van de tweets
- Mediane leeftijd 47
- 31% heeft een bachelordiploma
- 32% heeft een huishoudinkomen boven 75.000 dollar
Hoeveel van je vermeldingen zijn geen mensen?
Tussen 9 en 15 procent van de actieve Twitter-accounts waren bots, volgens Varol, Ferrara, Davis, Menczer en Flammini op ICWSM in 2017, met een classifier gebouwd op meer dan 1.000 openbare accountkenmerken en gevalideerd tegen een handmatig gelabelde set echte accounts. Dat is een schatting van acht jaar oud voor één platform, en er bestaat geen vergelijkbaar peer-reviewed cijfer voor Reddit, Bluesky, Facebook of Hacker News, dus neem het getal niet mee naar andere platforms.
Gebruik het als ondergrens voor hoeveel van een piek in vermeldingen nader bekeken moet worden voordat het in een rapport belandt. Gecoördineerd posten dat organisch moet lijken, wordt besproken in astroturfing, en het samenvoegen van herhaalde tekst vóór het tellen in near-duplicate detection.

Hoe zet je een foutmarge op je eigen cijfers?
Bereken de foutmarge op je eigen gelabelde steekproef in plaats van een branchebenchmark te lenen. Voor een proportie bij 95 procent betrouwbaarheid:
MOE = 1,96 x sqrt(p x (1 - p) / n)
Neem 400 vermeldingen die je met de hand hebt gelabeld, waarvan 30 procent negatief was. Dan is p 0,30 en n 400, dus p x (1 - p) is 0,21, gedeeld door 400 geeft 0,000525, waarvan de wortel 0,0229 is, vermenigvuldigd met 1,96 geeft 0,045. Je 30 procent negatief ligt dus tussen 25,5 procent en 34,5 procent, en een verschuiving van maand op maand van 30 naar 33 procent valt binnen die band en is geen verandering. De fout van de classifier komt hier nog bovenop, en daarom doet het SemEval-cijfer hierboven ertoe voordat je iemand over een sentimenttrend briefet.

Waarom zijn de meeste social listening-statistieken onbetrouwbaar?
De categorie wordt gedomineerd door getallen waarvan de oorspronkelijke uitgever niet te vinden is. Open een groot overzicht en tel de items: op de pagina met social media-statistieken van Sprout Social, gecontroleerd in september 2026, noemen sommige cijfers een uitgever en een jaar, terwijl andere een percentage geven zonder uitgever, zonder jaar en zonder steekproef. Overzichten citeren elkaar vervolgens, en na twee of drie stappen eindigt het spoor bij een pagina die het getal beweert zonder iets te meten.
RedReplier
Aan de slag
Reddit, X, Bluesky en HN
Realtime meldingen op intentie
Onbeperkt AI-antwoorden
Gerangschikt op koopintentie
Cijfers over marktomvang en ROI zijn het ergste geval, omdat de methodologie erachter in een betaald rapport zit, en een getal waarvan je de methode niet kunt openen, is een getal dat je in een vergadering niet kunt verdedigen. Analistenbeoordelingen van de leveranciers publiceren wel hun criteria, en daarom is de Forrester Wave voor social listening een ander soort document dan een statistiekenoverzicht.
Onderzoek van leveranciers is niet automatisch ongeldig. De Index-editie XX van Sprout Social vermeldt haar methode helder: 4.044 consumenten, 900 social professionals en 322 marketingleiders in de VS, het VK, Canada en Australië, afgenomen door Glimpse tussen 13 en 27 september 2024. Die openheid maakt de cijfers citeerbaar, zolang je erbij zegt wie ervoor betaald heeft.
Hoe controleer je zelf een social listening-statistiek?
Zoek de organisatie die het getal als eerste publiceerde, open die pagina in plaats van het artikel dat haar citeert, en noteer de steekproef, de methode en de periode. Als een van de drie in het origineel ontbreekt, is het cijfer niet bruikbaar in een document waarop iemand gaat handelen, en als de oorspronkelijke pagina het niet meer vermeldt, stop dan met het herhalen ervan.
Meet daarna je eigen positie in plaats van te redeneren vanuit een branchegemiddelde, want je aantal vermeldingen, je sentimentverdeling en je reactietijden zijn allemaal direct te tellen. RedReplier monitort Reddit, X, Bluesky, Facebook en Hacker News op één plek en rangschikt vermeldingen op koopintentie, met een AI-uitleg van waarom elke vermelding is gemarkeerd. Zie het overzicht van de social listening-tool, sentimentanalyse voor social media voor de scoringskant, en wat social listening is voor de definitie eronder.
Veelgestelde vragen
Wat is de betrouwbaarste social listening-statistiek?
De bevinding van Pew Research Center uit 2019 dat de actiefste 10 procent van de volwassen Amerikaanse Twitter-gebruikers 80 procent van alle tweets van Amerikanen produceerde. Ze rust op 2.791 gebruikers die hun handle gaven, zodat enquêteantwoorden werden gekoppeld aan echt postgedrag in plaats van zelf gerapporteerde activiteit. Citeer haar als een meting uit 2019 van volwassen Amerikaanse Twitter-gebruikers, en niet breder.
Hoe nauwkeurig zijn sentimentscores in social listening?
Het beste systeem in SemEval-2017 Task 4 haalde een gemiddelde recall van 0,681 op Engelse tweets, tegenover 0,333 voor een classifier die elk bericht aan één klasse toewijst. Dat was een open competitie met 38 teams op een testset van 12.284 tweets, dus het is een sterk resultaat en geen commerciële basislijn. Ribeiro en collega's ontdekten in 2016 in EPJ Data Science dat geen van de 24 geteste methoden consequent won over 18 datasets.
Welk percentage van de social media-accounts is een bot?
Varol en collega's schatten in 2017 in een peer-reviewed ICWSM-paper 9 tot 15 procent van de actieve Twitter-accounts, met een classifier op meer dan 1.000 openbare accountkenmerken. Er bestaat geen vergelijkbare peer-reviewed schatting voor Reddit, Bluesky, Facebook of Hacker News, dus een botpercentage voor die platforms zonder een genoemd onderzoek erachter is een bewering.
Waarom rapporteren twee social listening-tools verschillende cijfers voor hetzelfde merk?
Ze halen verschillende deelverzamelingen van dezelfde platforms op en classificeren sentiment met verschillende modellen. Morstatter en collega's lieten in 2013 zien dat een Twitter-steekproefstream op een gemiddelde dag 43,5 procent van het volledige volume dekte en bij die dekking de top-hashtags verkeerd rangschikte. Vraag elke leverancier welk deel van de openbare posts hij ophaalt, over welke periode, en welk sentimentmodel hij gebruikt.
Bestaat er een betrouwbaar cijfer voor de marktomvang van social listening?
RedReplier kon er geen verifiëren. De rapporten over marktomvang die op deze zoekopdracht ranken, stoppen hun methodologie in een betaald document, dus de schatting is niet te controleren voor wie haar citeert. Gebruik prijzen van leveranciers en je eigen gevolgde trefwoordaantallen voor een budgetargument, in plaats van een branchetotaal dat niemand kan controleren.
Mag ik social listening-statistieken van leveranciers citeren?
Alleen als de leverancier de steekproefgrootte, de doelgroep en de veldwerkdata naast het cijfer publiceert, en alleen als je in je eigen document vermeldt dat de leverancier voor het onderzoek betaalde. De Index-editie XX van Sprout Social haalt die lat: 4.044 consumenten, 900 professionals en 322 marketingleiders in vier landen, afgenomen van 13 tot 27 september 2024 door Glimpse. Een blogpost van een leverancier die een percentage beweert zonder steekproef haalt hem niet.
Kun je een Twitter-steekproefstream vertrouwen voor rankings van trending hashtags?
Niet bij het dekkingsniveau dat Morstatter en collega's in 2013 maten. Hun paper liet zien dat de steekproefstream de top-hashtags verkeerd rangschikte, soms zelfs omgekeerd gecorreleerd met de volledige Firehose, op basis van Kendall-rangcorrelatie over vijf dagen tegenover 100 even grote willekeurige trekkingen. Een dashboard op een steekproefstream kan op dezelfde dag een andere top-hashtag tonen dan de echte activiteit op het platform.
Hoe bereken je een foutmarge op je eigen social listening-steekproef?
Pas de formule MOE = 1,96 x sqrt(p x (1 - p) / n) toe op je eigen met de hand gelabelde steekproef, niet op een branchebenchmark. Voor 400 met de hand gelabelde vermeldingen met 30 procent negatief is p 0,30 en n 400, wat uitkomt op een foutmarge van 4,5 procentpunt, dus het echte negatieve aandeel ligt tussen 25,5 en 34,5 procent. Een verschuiving van maand op maand van 30 naar 33 procent valt binnen die band en is geen echte verandering.
Is de statistiekenpagina van Sprout Social een betrouwbare bron?
Dat hangt af van welk deel van Sprout Social je citeert. De algemene overzichtspagina met statistieken, door RedReplier gecontroleerd in september 2026, mengt cijfers die een uitgever en een jaar noemen met andere die alleen een percentage geven. Het eigen rapport Index-editie XX van Sprout Social is anders: het noemt zijn steekproef van 4.044 consumenten, 900 social professionals en 322 marketingleiders, afgenomen door Glimpse tussen 13 en 27 september 2024, wat het citeerbaar maakt zolang je vermeldt dat de leverancier ervoor betaalde.
Welke vragen stel je een social listening-leverancier over datadekking?
Vraag welk deel van de openbare posts van een platform de pipeline van de leverancier echt ophaalt en over welke periode. Als de leverancier niet met een getal kan antwoorden, wordt elke share of voice-metric die hij rapporteert berekend op een noemer die niemand kan controleren. De meting van Morstatter en collega's uit 2013, een Twitter-steekproefstream die op een gemiddelde dag 43,5 procent van het Firehose-volume dekte, is het enige gepubliceerde voorbeeld van hoe groot dat gat kan zijn.
Zie ons vaker in Google
Met één klik markeer je RedReplier als voorkeursbron, zodat onze artikelen hoger staan in je Topverhalen, AI-modus en AI-overzichten.
Voordat je gaat...
RedReplier
Vang elke koper die vraagt om wat jij verkoopt
RedReplier houdt Reddit, X, Bluesky en Hacker News in realtime in de gaten, rangschikt elke thread op koopintentie en schrijft een concept voor je antwoord, zodat jij er als eerste bij bent.
Reddit, X, Bluesky en HN
Realtime meldingen op intentie
Onbeperkt AI-antwoorden
Gerangschikt op koopintentie
Gerelateerde artikelen


Elke leverancierspagina slaat over waar sentimentanalyse stukgaat
Hoe sentimentanalyse tekst indeelt in positief, negatief en neutraal, de drie aanpakken erachter, de formule voor netto sentiment, en waar het faalt.


Een werkbare definitie van social listening en wat het je echt vertelt
Een heldere definitie van social listening: wat het verzamelt, waarvandaan, hoe je de query opbouwt met Booleaanse operators en hoe het verschilt van monitoring.


Jakob Nielsen publiceerde de 90-9-1-regel in 2006, en het bewijs sindsdien is mager
Jakob Nielsen publiceerde de 90-9-1-regel in 2006: 90% van een online community leest alleen mee, 9% draagt soms bij, 1% schrijft bijna alles. Hoe goed klopt dat nog?

