TL;DR
9 min czytaniaWiększość krążących statystyk social listeningu to twierdzenia dostawców bez wydawcy, roku i próby. Te, które wytrzymują sprawdzenie źródła, pochodzą z recenzowanych prac informatycznych i z Pew Research Center, a opisują raczej zawodność danych niż wielkość rynku: próbkowany strumień obejmujący 43,5 procent pełnego wolumenu, najlepszy klasyfikator nastrojów ze średnią czułością 0,681, szacunkowo 9 do 15 procent kont będących botami oraz 10 procent użytkowników piszących 80 procent postów.
Które statystyki social listeningu da się naprawdę zweryfikować?
Statystyki social listeningu, które wytrzymują sprawdzenie źródła, dotyczą błędu pomiaru, a nie wielkości rynku, i pochodzą z recenzowanych publikacji informatycznych oraz z Pew Research Center, a nie z blogów dostawców. Każda poniższa liczba ma podanego wydawcę, rok i próbę, bo wartości bez któregokolwiek z tych elementów czytelnik nie jest w stanie sprawdzić. Dominujących w wynikach wyszukiwania danych o wielkości rynku i zwrocie z inwestycji tu nie ma z jednego powodu: RedReplier nie zdołał otworzyć strony z metodologią dla żadnej z nich.
| Statystyka | Wydawca | Rok | Próba i metoda |
|---|---|---|---|
| Streaming API Twittera zwracało przeciętnego dnia 43,5 procent wolumenu Firehose | Morstatter, Pfeffer, Liu i Carley, ICWSM (recenzowane) | 2013 | 528 592 tweetów z próby wobec 1 280 344 tweetów z Firehose, od 14 grudnia 2011 do 10 stycznia 2012 |
| Próbkowany strumień błędnie szeregował najpopularniejsze hashtagi, czasem wręcz odwrotnie niż pełny strumień | Ta sama praca | 2013 | Korelacja rang Kendalla w ciągu pięciu dni, wobec 100 losowań tej samej wielkości |
| 9 do 15 procent aktywnych kont na Twitterze to boty | Varol, Ferrara, Davis, Menczer i Flammini, ICWSM (recenzowane) | 2017 | Klasyfikator oparty na ponad 1 000 publicznych cech kont, trenowany na publicznym zbiorze botów i ręcznie oznaczonych aktywnych kontach |
| Najaktywniejsze 10 procent dorosłych użytkowników Twittera w USA stworzyło 80 procent wszystkich tweetów z USA | Pew Research Center | 2019 | 2 791 dorosłych użytkowników Twittera w USA, którzy podali swoje nazwy, wybranych spośród 4 829 respondentów, odpowiedzi powiązane z danymi kont |
| Najlepszy system analizy nastrojów angielskich tweetów osiągnął średnią czułość 0,681, wobec 0,333 klasyfikatora jednoklasowego | Rosenthal, Farra i Nakov, SemEval 2017 Task 4 | 2017 | 38 zespołów, zbiór testowy 12 284 tweetów, etykiety od co najmniej pięciu oceniających każda |
| Najlepszy system w tym samym zadaniu po arabsku osiągnął średnią czułość 0,583 | Ta sama praca | 2017 | Arabski zbiór testowy 6 100 tweetów |
| 24 metody analizy nastrojów nie wyłoniły jednego zwycięzcy w 18 oznaczonych zbiorach danych | Ribeiro, Araujo, Goncalves, Benevenuto i Goncalves, EPJ Data Science | 2016 | Porównanie 24 opublikowanych metod na 18 zbiorach oznaczonych przez ludzi |
| 26 procent dorosłych w USA kiedykolwiek korzysta z Reddita, 20 procent z X, 71 procent z Facebooka | Pew Research Center, Americans' Social Media Use 2025 | 2025 | 5 022 dorosłych w USA, dobór na podstawie adresów, badanie od 5 lutego do 18 czerwca 2025 |
Jaką część rozmów na platformie widzi narzędzie do nasłuchu?
Żadne narzędzie do nasłuchu nie widzi wszystkiego, a jedyny opublikowany pomiar tej luki wykazał, że próbkowany strumień Twittera obejmował przeciętnego dnia 43,5 procent pełnego wolumenu Firehose. Morstatter, Pfeffer, Liu i Carley zebrali 528 592 tweety ze Streaming API i 1 280 344 z Firehose przy tym samym filtrze między 14 grudnia 2011 a 10 stycznia 2012. Ciekawszy okazał się kształt tej luki: pokrycie spadało, gdy rzeczywisty wolumen gwałtownie rósł, więc próba rzedła dokładnie wtedy, gdy o danym temacie robiło się głośno.
Praca pochodzi z 2013 roku i opisuje API, które w tej postaci już nie istnieje, dlatego traktuj 43,5 procent jako ilustrację, a nie aktualną stałą. Zapytaj każdego dostawcę, jaką część publicznych postów na platformie pobiera jego system i w jakim oknie czasowym. Jeśli odpowiedzią nie jest liczba, patrzysz na share of voice policzony na nieznanym mianowniku. Aktualne limity dostępu znajdziesz w artykule o cenach API Twittera, a stronę archiwalną w tekście o Pushshift.
Jak dokładna jest automatyczna analiza nastrojów?
Najlepszy klasyfikator nastrojów w największym publicznym porównaniu osiągnął na angielskich tweetach średnią czułość 0,681, podczas gdy klasyfikator przypisujący wszystkiemu tę samą etykietę uzyskuje 0,333. Rosenthal, Farra i Nakov przeprowadzili tę ocenę jako SemEval-2017 Task 4, w którym 38 zespołów rywalizowało na angielskim zbiorze testowym 12 284 tweetów. Etykiety pochodziły od co najmniej pięciu oceniających i były przyjmowane, gdy zgadzało się trzech z pięciu. To samo zadanie po arabsku zakończyło się najlepszym wynikiem 0,583, więc dashboard podający jedną wartość nastrojów dla kilku języków uśrednia dwa różne poziomy dokładności.
Ribeiro i współpracownicy uzupełnili ten wniosek w EPJ Data Science w 2016 roku: uruchomili 24 opublikowane metody analizy nastrojów na 18 zbiorach oznaczonych przez ludzi i nie znaleźli metody wygrywającej we wszystkich. Dwóch dostawców może więc podać różne proporcje dla tych samych wzmianek i obaj będą uczciwi. O działaniu klasyfikatorów przeczytasz w tekście o analizie nastrojów, a każdy procent nastrojów traktuj jako pomiar z marginesem błędu.
Kto naprawdę pisze wzmianki, które liczysz?
Większość postów pisze niewielka mniejszość. Pew Research Center w kwietniu 2019 roku powiązał odpowiedzi z ankiety z rzeczywistymi danymi kont 2 791 dorosłych użytkowników Twittera w USA i ustalił, że najaktywniejsze 10 procent stworzyło 80 procent wszystkich tweetów z USA. Mediana dla użytkownika wynosiła dwa posty miesięcznie, a dla górnego decyla 138. To samo badanie wykazało, że ci użytkownicy są młodsi, zamożniejsi i lepiej wykształceni niż ogół dorosłych Amerykanów: mediana wieku 40 wobec 47 lat, 42 procent z licencjatem wobec 31 procent, 41 procent z dochodem gospodarstwa domowego powyżej 75 000 dolarów wobec 32 procent.
To właśnie ta nierównowaga sprawia, że liczba wzmianek nie jest pomiarem opinii publicznej. Zestawienie Pew o mediach społecznościowych z 2025 roku, oparte na ankiecie wśród 5 022 dorosłych Amerykanów przeprowadzonej od 5 lutego do 18 czerwca 2025, wskazuje, że z Reddita korzysta 26 procent dorosłych w USA, a z X 20 procent, więc każda platforma jest próbą z próby. Szczegóły dla poszczególnych platform znajdziesz w statystykach Reddita, statystykach Bluesky i statystykach Hacker News.
- 138 tweetów miesięcznie
- Tworzą 80% wszystkich tweetów z USA
- Mediana wieku 40 lat
- 42% ma licencjat
- 41% ma dochód gospodarstwa domowego powyżej 75 000 dolarów
- 2 tweety miesięcznie
- Pozostali tworzą 20% tweetów
- Mediana wieku 47 lat
- 31% ma licencjat
- 32% ma dochód gospodarstwa domowego powyżej 75 000 dolarów
Ile twoich wzmianek nie pochodzi od ludzi?
Od 9 do 15 procent aktywnych kont na Twitterze stanowiły boty według pracy Varola, Ferrary, Davisa, Menczera i Flamminiego z konferencji ICWSM w 2017 roku, opartej na klasyfikatorze wykorzystującym ponad 1 000 publicznych cech kont i sprawdzonym na ręcznie oznaczonym zbiorze prawdziwych kont. To szacunek sprzed ośmiu lat dla jednej platformy, a dla Reddita, Bluesky, Facebooka czy Hacker News nie ma porównywalnej recenzowanej wartości, więc nie przenoś tej liczby na inne platformy.
Traktuj ją jako dolną granicę tego, jaką część skoku wzmianek warto sprawdzić, zanim trafi do raportu. Skoordynowane publikowanie udające organiczne omawiamy w tekście o astroturfingu, a scalanie powtarzającego się tekstu przed liczeniem to wykrywanie niemal identycznych duplikatów.

Jak określić margines błędu dla własnych liczb?
Oblicz margines błędu na własnej oznaczonej próbie, zamiast pożyczać branżowy punkt odniesienia. Dla proporcji przy 95-procentowym poziomie ufności:
MOE = 1.96 x sqrt(p x (1 - p) / n)
Weź 400 ręcznie oznaczonych wzmianek, z których 30 procent było negatywnych. Wtedy p wynosi 0,30, a n to 400, więc p x (1 - p) daje 0,21, po podzieleniu przez 400 otrzymujesz 0,000525, pierwiastek z tego to 0,0229, a po pomnożeniu przez 1,96 wychodzi 0,045. Twoje 30 procent negatywnych wzmianek to zatem od 25,5 do 34,5 procent, więc zmiana z 30 do 33 procent między miesiącami mieści się w tym przedziale i nie jest żadną zmianą. Do tego dochodzi błąd klasyfikatora, dlatego opisany wyżej wynik SemEval ma znaczenie, zanim komukolwiek przedstawisz trend nastrojów.

Dlaczego większość statystyk social listeningu jest niewiarygodna?
W tej kategorii dominują liczby, których pierwotnego wydawcy nie da się znaleźć. Otwórz duże zestawienie i policz pozycje: na stronie ze statystykami mediów społecznościowych Sprout Social, sprawdzonej we wrześniu 2026 roku, część danych ma podanego wydawcę i rok, a inne to sam procent bez wydawcy, roku i próby. Zestawienia cytują się nawzajem, a po dwóch lub trzech przeskokach ślad kończy się na stronie, która podaje liczbę, niczego nie mierząc.
RedReplier
Rozpocznij
Reddit, X, Bluesky i HN
Alerty o intencjach w czasie rzeczywistym
Nielimitowane odpowiedzi AI
Ocena według intencji zakupowej
Najgorzej jest z danymi o wielkości rynku i zwrocie z inwestycji, bo ich metodologia kryje się w płatnym raporcie, a liczby, której metody nie możesz sprawdzić, nie obronisz na spotkaniu. Oceny dostawców przygotowywane przez analityków publikują swoje kryteria, dlatego Forrester Wave dla social listeningu to inny rodzaj dokumentu niż zestawienie statystyk.
Badania dostawców nie są z góry dyskwalifikowane. Index edycja XX od Sprout Social jasno podaje metodę: 4 044 konsumentów, 900 specjalistów od mediów społecznościowych i 322 liderów marketingu z USA, Wielkiej Brytanii, Kanady i Australii, badanie przeprowadzone przez Glimpse między 13 a 27 września 2024. Takie ujawnienie sprawia, że dane można cytować, o ile zaznaczysz, kto za nie zapłacił.
Jak samodzielnie sprawdzić statystykę social listeningu?
Znajdź organizację, która pierwsza opublikowała liczbę, otwórz jej stronę zamiast cytującego ją artykułu i zapisz próbę, metodę oraz okres. Jeśli w oryginale brakuje któregokolwiek z tych elementów, liczba nie nadaje się do dokumentu, na podstawie którego ktoś będzie działać, a jeśli oryginalna strona już jej nie podaje, przestań ją powtarzać.
Potem zmierz własną pozycję, zamiast argumentować branżową średnią, bo wolumen wzmianek, podział nastrojów i czasy reakcji możesz policzyć bezpośrednio. RedReplier monitoruje Reddita, X, Bluesky, Facebooka i Hacker News w jednym miejscu i szereguje wzmianki według intencji zakupowej, a AI wyjaśnia, dlaczego każda została oznaczona. Zobacz opis narzędzia do social listeningu, analizę nastrojów w mediach społecznościowych od strony oceniania oraz wyjaśnienie, czym jest social listening.
Najczęściej zadawane pytania
Która statystyka social listeningu jest najbardziej wiarygodna?
Ustalenie Pew Research Center z 2019 roku, że najaktywniejsze 10 procent dorosłych użytkowników Twittera w USA stworzyło 80 procent wszystkich tweetów z USA. Opiera się na 2 791 użytkownikach, którzy podali swoje nazwy, więc odpowiedzi z ankiety powiązano z rzeczywistym zachowaniem, a nie z deklaracjami. Cytuj je jako pomiar dorosłych użytkowników Twittera w USA z 2019 roku i nic szerszego.
Jak dokładne są oceny nastrojów w social listeningu?
Najlepszy system w SemEval-2017 Task 4 osiągnął na angielskich tweetach średnią czułość 0,681, wobec 0,333 dla klasyfikatora przypisującego każdą wiadomość do jednej klasy. Był to otwarty konkurs 38 zespołów na zbiorze testowym 12 284 tweetów, więc to mocny wynik, a nie komercyjna norma. Ribeiro i współpracownicy wykazali w EPJ Data Science w 2016 roku, że żadna z 24 badanych metod nie wygrywała konsekwentnie w 18 zbiorach danych.
Jaki procent kont w mediach społecznościowych to boty?
Varol i współpracownicy oszacowali w recenzowanej pracy z ICWSM z 2017 roku, że boty stanowią od 9 do 15 procent aktywnych kont na Twitterze, korzystając z klasyfikatora opartego na ponad 1 000 publicznych cech kont. Dla Reddita, Bluesky, Facebooka ani Hacker News nie ma porównywalnego recenzowanego szacunku, więc podawany dla nich procent botów bez wskazania konkretnego badania jest tylko twierdzeniem.
Dlaczego dwa narzędzia do social listeningu podają różne liczby dla tej samej marki?
Pobierają różne podzbiory tych samych platform i klasyfikują nastroje różnymi modelami. Morstatter i współpracownicy pokazali w 2013 roku, że próbkowany strumień Twittera obejmował przeciętnego dnia 43,5 procent pełnego wolumenu i przy takim pokryciu błędnie szeregował najpopularniejsze hashtagi. Zapytaj każdego dostawcę, jaką część publicznych postów pobiera, w jakim oknie czasowym i jakiego modelu nastrojów używa.
Czy istnieje wiarygodna wartość wielkości rynku social listeningu?
RedReplier nie zdołał żadnej zweryfikować. Raporty o wielkości rynku widoczne w wynikach dla tego zapytania ukrywają metodologię w płatnym dokumencie, więc osoba cytująca szacunek nie może go sprawdzić. Przy uzasadnianiu budżetu korzystaj z cenników dostawców i własnej liczby śledzonych słów kluczowych, a nie z branżowej sumy, której nikt nie może skontrolować.
Czy mogę cytować statystyki social listeningu publikowane przez dostawców?
Tylko wtedy, gdy dostawca podaje obok liczby wielkość próby, grupę badanych i terminy badania, i tylko jeśli we własnym dokumencie zaznaczysz, że badanie opłacił dostawca. Index edycja XX od Sprout Social spełnia ten warunek: 4 044 konsumentów, 900 specjalistów i 322 liderów marketingu w czterech krajach, badanie Glimpse od 13 do 27 września 2024. Wpis na blogu dostawcy podający procent bez próby go nie spełnia.
Czy można ufać próbkowanemu strumieniowi Twittera przy rankingu popularnych hashtagów?
Nie przy pokryciu zmierzonym przez Morstattera i współpracowników w 2013 roku. Ich praca wykazała, że próbkowany strumień błędnie szeregował najpopularniejsze hashtagi, czasem wręcz odwrotnie niż pełny Firehose, na podstawie korelacji rang Kendalla w ciągu pięciu dni wobec 100 losowań tej samej wielkości. Dashboard oparty na próbkowanym strumieniu może tego samego dnia pokazać inny czołowy hashtag niż faktyczna aktywność na platformie.
Jak obliczyć margines błędu dla własnej próby w social listeningu?
Zastosuj wzór MOE = 1.96 x sqrt(p x (1 - p) / n) do własnej, ręcznie oznaczonej próby, a nie do branżowego punktu odniesienia. Dla 400 ręcznie oznaczonych wzmianek, z których 30 procent jest negatywnych, p wynosi 0,30, a n to 400, co daje margines błędu 4,5 punktu procentowego, więc rzeczywisty udział negatywnych wzmianek mieści się między 25,5 a 34,5 procent. Zmiana z 30 do 33 procent między miesiącami wypada w tym przedziale i nie jest realną zmianą.
Czy strona ze statystykami Sprout Social jest wiarygodnym źródłem?
To zależy, którą część Sprout Social cytujesz. Ogólne zestawienie statystyk, sprawdzone przez RedReplier we wrześniu 2026 roku, miesza dane z podanym wydawcą i rokiem z takimi, które są samym procentem. Inaczej jest z raportem Index edycja XX: podaje próbę 4 044 konsumentów, 900 specjalistów od mediów społecznościowych i 322 liderów marketingu, badanie Glimpse między 13 a 27 września 2024, więc można go cytować, o ile zaznaczysz, że opłacił je dostawca.
O co pytać dostawcę social listeningu w sprawie pokrycia danych?
Zapytaj, jaką część publicznych postów na platformie jego system faktycznie pobiera i w jakim oknie czasowym. Jeśli dostawca nie potrafi odpowiedzieć liczbą, każdy podawany przez niego share of voice jest liczony na mianowniku, którego nikt nie może sprawdzić. Pomiar Morstattera i współpracowników z 2013 roku, czyli próbkowany strumień Twittera obejmujący przeciętnego dnia 43,5 procent wolumenu Firehose, jest jedynym opublikowanym przykładem tego, jak duża może być ta luka.
Więcej naszych treści w Google
Jedno kliknięcie oznacza RedReplier jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych wiadomościach, trybie AI i Podsumowaniach AI.
Jeszcze chwila...
RedReplier
Żaden kupujący pytający o ofertę nie umknie
RedReplier śledzi Reddita, X, Bluesky i Hacker News w czasie rzeczywistym, ocenia każdy wątek pod kątem intencji zakupowej i przygotowuje odpowiedź, by dotrzeć tam jako pierwszy.
Reddit, X, Bluesky i HN
Alerty o intencjach w czasie rzeczywistym
Nielimitowane odpowiedzi AI
Ocena według intencji zakupowej
Powiązane artykuły


Strony dostawców pomijają moment, w którym analiza sentymentu zawodzi
Jak analiza sentymentu dzieli tekst na pozytywny, negatywny i neutralny, trzy stojące za nią podejścia, wzór na sentyment netto i miejsca, w których zawodzi.


Praktyczna definicja social listeningu i co on naprawdę ci mówi
Prosta definicja social listeningu: co zbiera, skąd, jak zbudować zapytanie z operatorami logicznymi i czym różni się od monitoringu.


Jakob Nielsen opublikował zasadę 90-9-1 w 2006 roku, a dowodów od tamtej pory jest niewiele
Jakob Nielsen opublikował zasadę 90-9-1 w 2006 roku: 90% społeczności online tylko czyta, 9% czasem się udziela, a 1% pisze niemal wszystko. Jak ta zasada wypada dziś.

