Twitter興趣聚類：通過過濾用戶歸屬地、發推位置和相關關鍵詞，Twitter建立了一系列定制化的客戶數據流。比如，通過過濾電影片名、位置和情緒標簽，你可以知道洛杉磯、紐約和倫敦等城市最受歡迎的電影是哪些。而根據用戶發布的個人行為描述，你甚至能搜索到那些在加拿大滑雪的日本游客。從這個視角看，Twitter的興趣圖譜的效率優于Facebook的社交圖譜。Twitter的用戶數據所能產生的潛在價值同樣令人驚嘆。在社交媒體網站正在收集越來越多的數據的形勢下，它們或許能找到更好的方式來利用這些數據盈利，并使其取代廣告成為自身提高收入的主要方式。這些社交網站真正的價值可能在于數據本身。相信在不久的將來，如果尋找到既能充分利用用戶數據，又可合理規避對用戶隱私的威脅，社交數據所蘊藏的巨大能量將會徹底被開啟。
Twitter情緒分析：Twitter自己并不經營每一款數據產品，但它把數據授權給了像DataSift這樣的數據服務公司，很多公司利用Twitter社交數據，做出了各種讓人吃驚的應用，從社交監測到醫療應用，甚至可以去追蹤流感疫情爆發，社交媒體監測平臺DataSift還創造了一款
金融數據產品。華爾街“德溫特資本市場”公司首席執行官保羅·霍廷每天的工作之一，就是利用電腦程序分析全球3.4億微博賬戶的留言，進而判斷民眾情緒，再以“1”到“50”進行打分。根據打分結果，霍廷再決定如何處理手中數以百萬美元計的股票。霍廷的判斷原則很簡單：如果所有人似乎都高興，那就買入;如果大家的焦慮情緒上升，那就拋售。一些媒體公司會把觀眾收視率數據打包到產品里，再轉賣給頻道制作人和內容創造者。
精確的數據一旦與社交媒體數據相結合，對未來的預測會非常準。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
