最可能的解释是上述因素

[jannatulsani]

的综合作用，而马斯克先生对 Twitter 的积极使用、媒体对他的推文的报道以及 Twitter 自己的推荐系统加剧了这种情况。 我们还仅对过去 90 天内发过推文的 2680 万@ElonMusk 关注者进行了分析。该过滤器与我们应用于 Followerwonk 数据集和 @Twitter 的随机关注者的过滤器相匹配。 这项更具选择性的分析发现，23.42% 可能是假邮件或垃圾邮件，这个数字与估计的全球平均水平相差不远。


为什么 SparkToro 和 Followerwonk 的方法值得信赖？ 上面分析的数据集（@Twitter 的随机 100 个关注者除外，这是我们不认可的方法）范围足够大，过程也足够严格，任何具有类似公共访问权限的 Twitter 研究人 印度 电话号码 员都可以重现其结果。我们邀请任何有兴趣的人在他们自己的数据集上复制我们在这里使用的过程（并在下面更详细地描述）。 Twitter在此处提供有关其 API 产品的信息。 Followerwonk 仅从过去 90 天内在其个人资料中发布过公开推文的帐户中随机抽取样本，这清楚地表明了“活动”。



此外，Followerwonk 定期更新其个人资料数据库（每 30 天）以删除任何受保护或已删除的帐户。我们相信这个样本的规模足够大，具有统计显着性，而且经过精心设计，最接近 Twitter 可能认为的可货币化的每日活跃用户 (mDAU)。 SparkToro 的虚假关注者分析如果触发 SparkToro 在我们的虚假关注者工具中显示的大量信号，则认为该帐户是虚假的： 上图：SparkToro 系统用于识别虚假或垃圾邮件帐户的 17 个信号中的一些信号。