👇🏿 🤺 ✋🏽 Kami menganalisis waktu respons lawan bicara 🔉 😆 🧓

Dengan munculnya instant messenger, komunikasi telah berpindah ke level baru - kemungkinan akses instan ke lawan bicara sekarang sudah dianggap biasa.

Tetapi apakah Anda memperhatikan bagaimana kecepatan tanggapannya memengaruhi pengalaman komunikasi Anda? Berapa waktu tanggapan yang dapat diterima secara umum?

Bisakah kita mengatakan bahwa kita tidak sopan ketika menanggapi keesokan harinya? Dalam seminggu? Sebulan kemudian?

Kami tidak akan menjawab pertanyaan-pertanyaan ini di artikel ini. Tetapi tanpa kesimpulan global apa pun, kami akan melakukan studi kecil terhadap satu parameter - waktu respons lawan bicara terhadap pesan kami.

Mengambil data mentah

Untuk penelitian dalam kasus kami, Telegram paling cocok. Pertama-tama, karena ia memiliki api yang nyaman untuk Python.

Kami akan menggunakan perpustakaan telethon (berikut dokumentasinya ).

Kode untuk mengunduh riwayat obrolan sangat ringkas:

username = '<user>'

    user = await client.get_entity(username)

    timestamps_history = []

    offset = 0
    has_messages = True
    while has_messages:
        history = await client(GetHistoryRequest(
            peer=user,
            limit=200,
            offset_date=None,
            offset_id=0,
            max_id=0,
            min_id=0,
            add_offset=offset,
            hash=0))

        has_messages = False
        for message in history.messages:
            has_messages = True
            timestamps_history.append((message.date, message.out, message.message))

        offset += len(history.messages)
        if offset % 1000 == 0:
            print(offset)

Script lengkap untuk memuat dan memproses pesan dapat dilihat di sini .

Untuk melakukannya pada korespondensi Anda, saat pertama kali memulai, Anda harus masuk menggunakan nomor telepon dan kode keamanan Anda.

Telethon mengembalikan pesan dalam format yang nyaman dengan semua parameter yang diperlukan: kita membutuhkan waktu pengiriman, pengirim dan teks itu sendiri.

Mengambil waktu respons

Ada beberapa opsi nilai yang dapat Anda jelajahi. Misalnya, Anda dapat membagi dialog menjadi replika - pesan berurutan dari satu pengirim. Kemudian penundaan antara ucapan kita dan lawan bicara dapat digunakan sebagai waktu yang dipelajari.

Namun, yang lebih indikatif dan menarik adalah waktu jawaban untuk pertanyaan eksplisit - pesan yang mengandung '?' pada akhirnya.

Membangun distribusi

Jadi, kami memiliki waktu yang diukur dari jawaban lawan bicara atas pertanyaan kami. Apa yang harus dilakukan selanjutnya dengan ini? Hal paling sederhana dan pertama yang terlintas dalam pikiran adalah menghitung median dan rata-rata.

friend: her median: 73 my median: 38
friend: her mean: 5823.03 my mean: 3841.03

mom: her median: 15 my median: 21
mom: her mean: 352.32 my mean: 77.25

colleague: her median: 20.0 my median: 15
colleague: her mean: 815.08 my mean: 204.84

classmate: his median: 63 my median: 18
classmate: his mean: 2656.09 my mean: 554.58

ex: her median: 35 my median: 18.0
ex: her mean: 586.59 my mean: 999.27

Anda dapat melihat bahwa bagi orang yang berbeda arti pribadi saya tentang waktu reaksi berbeda.

Tetapi, karena kita menginginkan lebih dari dua angka, kita akan membuat distribusi nilai ini:

Dari situ, Anda dapat melihat masalah dalam data - pada waktu yang lama nilainya cukup tersebar. Ini bisa diperbaiki Mari kita coba membuat skala waktu tidak linier, tapi logaritmik. Seperti dalam kehidupan, signifikansi waktu respons menurun secara logaritmik (cukup signifikan apakah lawan bicara menjawab setelah 5 menit atau setelah 10, tetapi setelah satu hari perbedaan ini tidak terlalu signifikan).

Nah, pada akhirnya untuk setiap orang, kita dapat menambahkan analisis serupa untuk waktu jawaban kita. Secara umum, ini mungkin menunjukkan betapa kita lebih tertarik untuk berkomunikasi dengan lawan bicara, dibandingkan dengan dia. Tetapi jauh lebih akurat Anda dapat yakin bahwa minat dalam komunikasi dapat dilacak saat membandingkan reaksi kita dengan lawan bicara yang berbeda.