影响力网络–重新认识影响力

“人在江湖，身不由己”一句话形象解开了社会影响的作用，在罗振宇的跨年演讲中，“连接”无疑是关键词之一。随着互联网和移动通信的发展，我们被置身于各种社会网络中，社会影响也顺着人与人的关系网络无声地渗透和形塑我们的观念、感受和行为，在舆论传播、消费导向、价值选择等的应用随处可见。社会影响力的研究层出不穷，也有一些经典结论，如“三度影响力原则”，也就是说一个人不仅会影响到他的朋友（一度），还会影响到朋友的朋友，以及朋友的朋友的朋友（三度），他们的行为反过来也会影响自己。

其中，如何衡量网络中个体的影响力是一个重要课题。直觉上，朋友多的人对信息传播的影响力更大，但影响本身并非如此简单。影响力具有异质性，不同年龄、性别、婚姻状态等的个体对信息或行为传播的影响及被影响程度不尽相同，而这种异质的影响又直接关系到信息或行为的传播范围。在20世纪40，50年代， 社会学家Paul Lazarsfeld 和 Elihu Katz发掘了”意见领袖”，从此，网络研究者会常常强调连结度高的个体在新的意见或信息传播中所起的作用，比如网红和大V总是备受瞩目的对象。

不过，Nature新的研究开始挑战“意见领袖”这一经典结论。北邮的Xiaochen Wang等分析了新浪微博上1016条新闻的传播模式，揭示了异质性个体对社交媒体上新闻传播的影响力【1】，**概括来说，虽然连接度高的网红型用户（后文中的H-user）会有效推动简单传播的扩散，但对于复杂传播，普通用户（后文中的L-user）更占主导作用，普通用户间的相互作用会增加信息的传播长度。**补充知识： 简单传播，又称为病毒式/接触式传播，指与传播源的一次接触就能触发传递的传播过程，比如流感或一般的信息传递。复杂传播，指需要多次接触才能触发传递的传播过程，比如对于争议性、风险性、成本高的信息，是否采纳或分享可能需要来自多方信息源的强化作用，比如购买行为。

宾大传播学院Damon Centola教授对Wang的研究有一篇评论文章【2】，本文结合Wang的论文和其评论文章，梳理其中的研究方法，结论和思考。

H-user vs. L-user 用户

论文中首先根据用户的影响强度划分出网红用户H-user, 和普通用户L-user。“关注”和“转发”是构成社交网络上新闻传播的有效途径，因此可以按用户的粉丝数和新闻转发情况来区分两种类型的用户。值得注意的是，文中采用了净信息流出（net information outflow）来量化信息传播中主导性，如果Y群体向X群里的净信息流出量为正值, 则在信息传播中，Y占主导，也更有影响。

下图中的a是用户粉丝数的分布情况。黑色所有用户，红色是转发源用户（如果A转发了B的消息，则B即为A的一个转发源）。86%的用户会从粉丝数超过10w的转发源那里转发信息。之后，作者根据用户粉丝数将所有用户分为8个社群， 图d是在不同参数情况下，社群的净信息流出情况。

在对不同的采样参数做敏感性测试后，发现粉丝数超过10w的用户在新闻传播中总是占据主导地位。因此，文中将网红用户H-users定义为粉丝数10w+的，剩下的是L-users.

传播网络的差异

新闻传播的网络结构是分析用户影响力的有形信息。文中采用网络直径(Diameter), 平均传播长度(AvP), 和相连节点间距(connected nodes distance)来表征网络结构的特点。数据统计上有些有趣的发现，比如:

1） 普通L-user用户主导时，普通用户更为活跃，新闻的传播路径更长。数据显示当L-users主导时，从L-users那里形成的转发行为达到244次，明显高于当H-users主导时的123次， 而且用户之间的影响增加了AvP。而当H-users主导时，从H-users那里的转发行为达到404次， 但并没有增加AvP, 因为这些转发都是从中心节点发出的。

2）网络直径Diameter和L-user的转发量显著相关，这也证实了L-users之间的相互影响对于长程传播的形成起到关键作用。

3）L-user主导时，网络中的用户多样性更大，每个用户对新闻传播的贡献也更大。普通用户之间的交互可以达到更多样的用户群，这和复杂传播的机制一致，即行为的发生需要来自不同信息源的确认。

4) L-user主导时，相连节点距离呈非高斯分布，而H-user主导时，相连节点距离呈现高斯分布。H-user主导的新闻主要由中心点发出，他们的影响力在一级粉丝很强，但从一级粉丝开始呈高斯状陡然下降，也就意味着这些信息的传播路径不会很长。与之相反，具有争议性的新闻，也就是复杂传播，在普通用户间生根蔓延，而且信息的影响力并不像网红节点那样高斯衰退，会继续在网络中传递。

作者选取了3条典型的新闻来探究传播模式上的差异。下图展示了其中3条新闻的传播网络。a, b是两条常规新闻，c是一条有争议性的新闻，关于哪些用户更可能相互聊天，e,d,f分别是对应的节点距离分布。可以看出在结构上，news1和news2 从中心节点传播开来，而new3是通过相邻节点传播开来，形成树突状的结构，这种树突状结构导致了更长的传播路径，和非高斯的节点距离分布。

信息传播模型

一个有趣的问题是：普通用户L-users 是如何发挥他们的影响力的？ 为此，作者提出了异质影响力信息传递模型，考虑了社会强化效应和非冗余的信息记忆特点，并通过模拟实验进一步验证解释文中的发现。作者借鉴了SAR模型, 按照用户的状态分成三类， S表示用户处于尚未采纳信息（Susceptible individuals）的敏感态， A(adopted individuals) 表示已经接纳信息并且会传递给其他人的受众状态，R(recovered individuals) 表示对信息失去兴趣，也不会再转播信息。

每个时间点，受众态的用户以一定的概率向敏感态用户传递信息， 当一个敏感态用户收到一个受众态用户的通知时，他身上累积的影响力强度会被叠加上该受众态用户的影响力，当影响力强度超过某阈值时，该敏感态用户才会采用这条信息。 文中为了简单起见，所有敏感态用户有共同的阈值。相比H-users， L-users的影响力较低，文中假设了H-user只需要一步就可以传染上他的邻居，也就是简单传播，而L-users需要社会强化，也就是复杂传播。

下图描绘了该模型下的传播模式，a表示简单传播，用户1是H-user, 对用户2有很强的影响作用。b表示复杂传播，L-user 3没能影响用户4， 而当接收到用户5的影响时，用户4才接受信息 。

之后作者模拟了该模型下的信息传播。从真实数据分布中搭建了一个社交网络，来观察新闻的传播模式。通过调整参数，模拟出和真实数据相似的传播网络，并进一步解释数据中的现象。

思考

Damon教授的评论中提到该研究启发了网络科学研究的新方向，比如对用户二元划分的假设在计算上更方便，但模糊了真实世界中用户的多样性和连续性，这也将推动对异质个体影响力的研究。启发了一些研究方向。而且该研究将人们的注意力拉到对 “有影响力”这个可能被误读了的词汇的探究上，这也是社会科学中的古老问题：在解释人们影响力的差异时，是从个体特征上解释（比如外向的个性），还是他们所处的网络状态？这一问题也会进一步扩展对影响力的理解，影响力是作为个体的特性来理解，还是作为信息传播的网络状态所持有一种特性来理解，而后者在网络的不同部分有所差异。

除了在研究方向上的启发，个人在读完文章和参考文献后也有一些思考

1. 研究有时需要反直觉，对约定俗成保有批判。Damon教授的书《How Behavior Spreads》和视频【3】给了我很多启发，里面提到了一些反直觉例子。我们在看问题的时候通常带有一种直觉，这种直觉限制了我们的视角，批判的视角可能带来意外的收获。其他领域也如此， 比如曾在微博上看到有人批评Tesla车的设计滥用触摸屏，当触屏和软件代替硬件的设计理念大行其道时，奔驰从最低端到最高端一直不用触屏，如Don Norman在《Emotional Design》中所述，滥用屏幕使产品失去触觉、听觉等让人快乐的特征。

2. 重新审视个体的影响力。当二元化的标签被习惯性拿来描述人的社会属性时，诸如“网红”或”普通人”，精英”或“草根”等，撇下标签和其携带的判断，看见每个个体，是否可以带来更远的视角和更大的可能？毕竟历史也告诉我们，“普通人”和他的普通朋友们最终也可能以 “网红”的形象存在。

参考文献：

1 https://www.nature.com/articles/s41562-019-0605-7.epdf

2 https://www.nature.com/articles/s41562-019-0607-5

3 https://www.youtube.com/watch?v=o0fDcUJMzkI

潘骏杰2020-01-03 11:59:02

先走了赞 1