微博与影响力.doc

微博与影响力 摘要: 如果按照今天的方式说，那么耶稣活着的时候只有12个关注者(followers)，而孔子也有3000个普通关注者和72个活跃关注者。而今天，耶稣是 世界第一大宗教的创始人，而孔子创立的儒家思想影响着“儒家文化圈”中各国家的无数人民。如果我们再仔细看看圣经和论语中两... 如果按照今天的方式说，那么耶稣活着的时候只有12个关注者(followers)，而孔子也有3000个普通关 注者和72个活跃关注者。而今天，耶稣是世界第一大宗教的创始人，而孔子创立的儒家思想影响着“儒家文化圈”中各国家的无数人民。如果我们再仔细看看圣经 和论语中两个人的著名言论，那么几乎所有内容都满足140字的限制，就像孔子的“自所不欲，无施于人”和耶稣的“如果你希望别人这样对你，那么你就先这样 对别人”，我们几乎可以认为他们是微博的“早期”用户，通过他们的例子，我们也许可以更好地了解今天的微博与影响力的关系，并且我们会看到结果是跟由惠普社会计算机研究所的Bernardo A. Huberman和SitarmAsur 领导的Twitter与影响力关系的研究结果是一致的， 也就是说在 微博上，现实中的经验一样有效。 让我们先从这两个人领导的另一项研究开始：利用Twitter预测好莱坞电影的收入，即Twitter对电影爱好者的影响。按照Huberman的 说法，这项研究建立在一个简单的假设之上：人们在Twitter上越迅速地“推”(推：tweet，是动词也是名词)一部电影的相关信息，那么这些人就越 有可能去电影院观看。在此假设基础之上，他们将整个研究分成两个阶段：电影上映之前在公众中的影响和从电影发布后的第二个周末开始分析该电影的受欢迎程 度。这项研究分析了与25部电影有关的300万个推，他们建立了两个算法分别用于分析电影即将上映之前的有关推和测量电影被观看之后的民众舆论变化及传播 速度。他们关于这25部电影的分析结果与后来的实际结果相比只有5％的错误，比美国著名的电影票房预测机构 HollywoodStock eXchange的结果仅低两个百分点，这两人已经为他们的算法申请了专利，但暂时还没有将其商业化的打算。 这是令人兴奋的结果， 它表明了“正确地分析社交网络可以用来预测现实”，Huberman这样说。尤其是微博在全世界越来越火，企业，机构和个人都希望从中获得利益，这个研究 结果无疑给他们照亮了“钱”途。 读者们一定会问：他们是如何做的？要回答这个问题，我们不得不去了解一下他们的另一个研究，它是上文中电影票房预测研究的基础，即Twitter与 影响力的研究。影响力一向是社会学，心理学以及社会心理学争夺的领域，各家也都提出过不同的理论。对于喜欢考察“群体”的社会学学者们来说，将社会问题， 社会现象量化始终是他们头疼的，而惠普研究所的这项研究也正是满足了一定的社会学要求，并提出了一些很有价值的量化办法，当中自然也少不了假设和直觉。比 如说他们在研究中忽略了那些没有地址链接的推，理由很简单，他们认为由于微博字数的原因，如果推中没有链接，那么一句简短的话，不管当中有什么内容都很难 造成影响，即便是有人去转发这句话，也就是说他们认为重要的推是应该能够将读者引向一个有具体内容的地方，比如一篇博客，一个新闻。这样的假设并不奇怪， 实际上Google的PageRank以及学术书籍论文中的引用都证实了这种假设的合理性。在此基础上，惠普实验室以300小时为区间，向Twitter 提取了1500万个具有唯一链接的推（也就是只考虑一个带有链接的推的最先发布者）以及其发布者的信息（关注者数量，转发数量和被转发数量，发布推的数 量），将自己的Twitter设置成私密的用户将不被考虑。研究人员在数据中发现，在所有被纳入研究的用户中存在着转发数量的巨大差异，有些用户在转发别 人的推的时候很活跃而另一些人就很被动，平均下来每个用户阅读了318个带有链接的推才会转发一次。因此，他们认为在评估影响力的时候必须要考虑到用户 的被动性。这个研究的目的就是能够量化用户的影响力，那么假如要给一个用户的影响力打分的话，有什么会影响分数呢？我们假设这个用户叫做A，那么他对整个 网络的影响力分数取决于以下指标： －影响人数：即被A影响的人数，而所谓被影响就是指被影响者实施了对A的推的转发行为，一个用户转发A的推的次数越多，A对该用户的影响力越大。 －被影响者的被动性：即被A影响的用户看到多少个来自不同用户的推才会转发一次，即这个被影响着的活跃程度，被A影响的用户的活跃程度越低，A的影响力越低，也就是意味着A的听众质量不好。 －被影响者的专注程度：即被A影响的用户的所有转发中A的推的比例，这个比例越高，就说明被影响者对A的专注程度越高，即A对这个用户的影响越大，也就是我们所说的“常客”或者“回