Существуют исследования, основанные на сборе десятков тысяч твитов по дипломатической теме и последующем анализе хэштегов. Такие работы позволяют количественно проследить эволюцию онлайн-дискурса по теме (например, как менялись теги #DigitalDiplomacy или #PublicDiplomacy за 5 лет), автоматически выделить ключевые темы. Однако применение методов Big Data сталкивается с трудностями: нужно отфильтровать автоматизированные аккаунты, учесть различие языков, преодолеть технические барьеры выгрузки данных. Но несмотря на эти сложности, подобные исследования дают уникальные инсайты. К примеру, с помощью кластеризации по хэштегам можно обнаружить, что аудитория цифровой дипломатии делится на несколько сегментов — один интересуется образовательными программами (теги об обменах, стипендиях), другой — политическими новостями, третий — культурными мероприятиями. Зная это, дипломатические ведомства могут персонализировать контент под каждую аудиторию. Машинное обучение также применяется для автоматической оценки тональности дипломатических сообщений: алгоритмы анализируют тон (позитивный, нейтральный, негативный) в тысячах твитов посольств, позволяя сопоставить «настроение» цифровой дипломатии разных стран или динамику тональности во время кризисов.