Los conceptos de ecología son aplicables a los mensajes de Twitter o a las aplicaciones informáticas en smarphones

A veces una foto, vídeo o texto puede propagarse a través de Internet de manera viral, mientras que otros no acapararán la atención de la gente. A veces cosas mucho más interesantes e importantes no se propagan con la misma celeridad o no se propagan en absoluto, mientras que una tontería puede llegar a todo el mundo. ¿Qué provoca este tipo de comportamiento? Según investigadores de Indiana University la simple aleatoriedad podría estar detrás de algunos de estos comportamientos.
Estos investigadores analizaron 120 retweets de 12,5 millones de usuarios de la red social Twitter y 1,3 millones de hashtags. A partir de ahí realizaron una simulación computacional de la red. Recordemos que en Twitter un tweet es un mensaje corto que se envía al sistema y un retweet es un reenvío de uno de esos mensajes procedente de otro usuario.
Estos investigadores asignaron un mismo valor a cada tweet de la simulación y luego retuitearon al azar dichos mensajes. Pese a lo caprichoso del sistema, al cabo de un tiempo algunos tweets terminaron siendo tremendamente populares y fueron retuiteados de manera persistente, mientras que otros fueron olvidados para siempre.
Alessandro Flammini dice que el modelo es similar a un ecosistema. En un ecosistema se tienen individuos que en este caso serán post que pertenecen a distintas especies (memes) que producen una descendencia en un ambiente (que en este caso es la atención de la colectividad). Pero el ecosistema puede soportar sólo un número limitado de individuos. Cuando aparecen individuos pertenecientes a una nueva especie otros individuos mueren para mantener el umbral de sostenibilidad.

Según Filippo Menczer la razón de este comportamiento es que los usuarios (simulados o reales) tienen una capacidad de atención limitada y sólo ven una proporción del total de tweets. Los mensajes que son retuiteados son más probables se ser vistos por más gente y ser a su vez retuiteados por ellos. Después de una serie de iteraciones unos tweets terminan siendo más prevalentes que los demás, son más visibles y se propagan aún más.
Cuando un meme empieza a ser popular desplaza a otros memes. La gente presta su atención a estos memes más populares y no se la presta a los demás porque simplemente tiene una capacidad limitada de atención. Según Menczer es similar a cuando hay una gran noticia en los medios que desplaza a las demás que se hayan producido en el día.
Obviamente el estudio explica cómo se pueden propagar algunos memes, pero tampoco niega la posibilidad de que otros memes estén sujetos también a otro tipo de mecanismos. Al fin y al cabo, la gente puede tener ciertos intereses y una noticia sobre la forma de las patas de un escarabajo amazónico normalmente no se propaga con celeridad.
Estos científicos no afirman que el mensaje no juegue ningún papel en el proceso de selección, pero el mecanismo de competitividad y la economía de la atención son suficientes para generar un panorama complejo de información en el que se pueden definir diferentes de patrones de dispersión.

Así por ejemplo Katherine Milkman de University of Pennsylvania analizó 7000 artículos del New York Times en un periodo de 3 meses y comprobó que las noticias capaces de excitar la emoción de los lectores eran las más reenviadas por el sistema de email.
Puede haber otros factores que influyan en la popularidad de un meme. Según otro estudio incluso la hora del día puede influir en la propagación de un tweet. Y según otros depende de la influencia de los individuos que retuitean en la red social y la frecuencia con la que postean.
Según Menczer a nivel estadístico no parece que sea necesario incluir explicaciones externas, como el atractivo del mensaje, la influencia del usuario o eventos externos para observar la dinámica global de los memes y esto le hace ser diferente de los típicos modelos epidemiológicos.
Tradicionalmente sólo se consideraba que la información se difundía gracias a "infecciones" a lo largo de los bordes de la red social y la atención se centraba en la propagación de sólo un meme ("tipo de infección") a la vez. Pero este resultado presenta un nuevo marco de estudio en el que es importante el análisis de la competitividad entre memes.
No sería necesario asumir valores intrínsecos a las ideas para explicar la diversidad en popularidad y persistencia de los memes. A nivel estadístico la competición por una limitada atención y la red social pueden proporcionar las respuestas.

El concepto de ecosistema también se puede extender al mercado de las aplicaciones para smartphones. El éxito de tanto el Iphone de la infame Apple computer como los teléfonos Android se basan en una comunidad de programadores que realizan pequeños programas que corren en ese tipo de terminales. Se pueden descargar de un sitio en Internet especialmente dedicado a ello y se pueden ofrecer tanto a un precio muy reducido como gratuitamente. En este último caso la financiación se hace a través de publicidad, o a través de autopublicidad para comprar la versión de pago (a veces vista casi como donativo). Muchos programadores hacen dos versiones del mismo programa para ambos sistemas operativos.
Cuando este modelo de negocio empezó a funcionar hizo rico a algún que otro adolescente con capacidad de programación cuando una de sus aplicaciones se propagó y se compró masivamente. Esto ha hecho que muchos programadores hayan intentado vivir de este modelo de negocio, pero el ecosistema está bastante lleno y ya hay cientos de miles de aplicaciones en busca de comprador. Como en el caso de twitter visto anteriormente, unas aplicaciones tienen existo mientras que otras caen en el olvido. Aquí la búsqueda de atención conlleva la búsqueda de comprador.

Según Soo Ling Lim y Peter Bentley, ambos de University College London, el mercado de aplicaciones es un ecosistema autorregulado que no admite copias. Han presentado sus resultados en un congreso reciente. Estos investigadores han simulado este tipo de mercado (al parecer Apple no proporciona datos reales sobre este asunto) como si fuera un ecosistema y revelan qué es lo que hace a una aplicación tener éxito. Este modelo de vida artificial simula el comportamiento de los consumidores y de los desarrolladores en relación a este tipo de aplicaciones. La simulación imita cuatro tipos de comportamiento entre los desarrolladores en orden de ética decreciente: innovadores, optimizadores, ordeñadores y copiones.
Cuando una aplicación tiene éxito y se vende bien puede ocurrir que otros desarrolladores intenten aprovecharse del éxito de otro y sacar su propia versión, que pueden ser imitaciones de diversa calidad que intenten confundir al comprador. Si es una copia tal cual el desarrollador puede arriesgarse a que se le prohíba vender nunca más en el sitio. Es aquí en donde entra la simulación, en la que se pueden realizar todo tipo de comportamientos sin riesgo alguno.
Los innovadores serían los que lanzarían aplicaciones novedosas, mientras que los optimizadores harían mejoras sobre la misma fórmula. A veces los innovadores son los que optimizan sus propios productos para así tratar de adaptarse al ambiente.

En las simulaciones se comenzaba con las cuatro categorías de desarrolladores e igual número de aplicaciones. Si se forzaba las proporciones de aplicaciones de cada grupo para que fueran constantes, los copiones hacían gran parte del negocio, pero al cabo de un tiempo su ventaja desaparecía del ecosistema por falta de productos novedosos y los usuarios descontentos abandonaban la plataforma en busca de otra más sana.
En otras simulaciones, como en el caso real, las elecciones de los consumidores dictaban qué aplicación prosperaba y cuál se hundía. Bajo estas condiciones los optimizadores vendían más aplicaciones, seguidos de los innovadores y los ordeñadores, dejando a los copiones fuera del mercado. Lo curioso del resultado es que los copiones se quedan fuera del negocio sin necesidad de que la compañía dueña de la plataforma legisle en su contra.

La manera en la que la compañía muestra los éxitos de ventas condiciona el negocio. Los usuarios tienden a guiarse a través de la lista de los 25 más vendidos en las distintas categorías. Las simulaciones mostraron que una actualización más frecuente de estas listas de éxitos hacía que los compradores compraran más frecuentemente.
Lim y Bentley sugieren eliminar la regla contra copiones por innecesaria y una actualización de las listas de éxitos más frecuente.

Estos investigadores señalan además que ciertas buenas ideas se pueden quedar en la cuneta al no recibir ningún tipo de publicidad, mientras que otras aplicaciones tampoco venden más. Una manera de mejorar esto consistiría en modificar el portal de la plataforma de venta para así ayudar a los usuarios a encontrar las aplicaciones que les gustaría tener.