讲不出再见吉他谱txt:微博与社会化网络

本文来自SocialBeta特约作者@叶开，汉拓科技合伙人，专注于客户关系管理和Social CRM。

微博未来不仅仅是新媒体平台，更是信息交互、应用分发和电子商务平台，如果我们把微博仅仅理解成为媒体营销是狭隘、短视的。虽然目前新浪微博是以媒体为侧重点，对于企业着重体现的是媒体营销方面的价值，但是真正能够充分吸引企业并挖掘企业潜在价值的，却是APP应用。这一切都要从微博的最基本的核心网络结构去分析，从而才能够真正的认清微博的特殊性，而不是简单的把微博当做一个话题营销。

微博逻辑的核心

我们认为：基于复杂网络理论基础之上的人际实时交互关系网络是微博逻辑的核心，一切微博营销和微博APP应用都需要构建在这个核心逻辑之上。

微博的每个人具有不同的标签，不同的人口学特征，对社会化网络资源的占有以及网络关系不是随机分布的，形成的结构也不同，并出现了诸如 “V” 名人认证这样的特殊群体；同时，由于其碎片化特性，在不断迭加的集聚和不断的沿分布指数转播中，其社会化网络是非静态的，这些都增加了微博的社会化网络的复杂性。传统的人脉网络分析基于二方、三方关系，利用密度、距离、中心性以及派系等概念对网络结构进行分析，但忽略了社会化网络形成的动态过程对结构的影响；也不能对社会化网络的度分布、最短距离、聚类系数、强链接（明星效应）等进行深入分析和合理解释，从而难以深刻揭示微博的社会化网络的结构组成以及动态变化特征，更难于在微博上进行电子商务传播和营销了。

从科学研究角度来看，最近的网络研究发现，大量的真实网络既不是规则网络，也不是随机网络，而是具有独特特征的复杂网络，这种复杂网络在20世纪末成为新的研究热点。复杂网络目前研究重点集中在网络特征的描述，而小世界效应和无标度特性是目前最受关注的两类复杂网络特征。

利用新浪微博的测试和调查数据

我们的研究小组利用新浪微博的测试和调查数据，深入分析了微博的社会化网络的特征，主要分析角度分为：经典网络特征参数、社区结构特征、小世界特征和无标度特征等四个方面。微博研究小组的整个测试和调查过程如下：

第一步，关注明星博主，尤其是娱乐、媒体、作家，并选择几个典型的明星博主，进入其一度分布（微博粉丝）群体选择关注粉丝；并针对明星博主的粉丝的粉丝（二度分布）选择关注。第二步，随机关注在“我的首页”出现的我的关注者的帖子中转发的发源人，作为随机社会化网络的节点。

第三步，在关注者的帖子观点上不断的转发、评论，直到吸引部分关注者能够关注我们，成为互相关注者。

第四步，将文字类的微博按上午9:30时段、中午12:00时段、下午5:00时段、晚上22:00时段，相同内容标注测试时间进行发布。

第五步，将相同的文字类微博增加上图片，按上午9:30时段、中午12:00时段、下午5:00时段、晚上22:00时段，相同内容标注测试时间进行发布。

第六步，采集微博的反馈数据进行估算和分析。

第七步，采集分析当前最热的话题的内容，主要是无聊娱乐的话题的转发、评论数量；采集分析热点事件话题的转发、评论数量；采集分析促销类话题的转发、评论数量。

第八步，选择部分话题，跟踪并分析其生命周期。

在测试和研究过程中，我们发现由于国内微博具有典型的人口众多、复杂的地域特色，使微博网络出现小世界现象与无标度特征。随机网络中节点之间的相互关系是随机的，体现出一种近乎理想的“民主”（所以目前微博上几乎是目前最民主的互联网阵地之一，很多关注民生或者弱势群体的呼唤和事件都来自于微博的发起和传播）；小世界网络静态地反映网络特征，表明“这个世界真小”是由于存在“短路径”的结果；而无标度网络则体现出一种动态、突出核心节点在网络中的作用。

由于微博的新锐性和碎片化，使得大多数微博还没有成为目前的主流媒体，而且由于社会复杂性和地域性等非随机因素依旧强烈地影响着网民的实际社会交往，因此，基于随机网络的方法或模型并不一定完全适合。但这并不是否认微博的社会化网络可能受到随机因素影响或者存在随机关系。小世界网络对探讨微博的社会化网络的结构是有效的，可以通过与随机网络比较，从总体上探讨相关网络的结构特点。因为在微博内部很容易受时间、发起地点、明星强链接、促销效应等原因影响而形成一些关系丰富的子网络，加之由“V”这类特殊名人微博形成的更加广泛的连接，很容易使网络具有小世界现象。

相较前两种网络而言，作为无标度网络构造经典的BA模型以“节点增长+偏好依附连接”为基本步骤，强调网络的形成动态和网络成员间连接关系的非随机性，可能更接近微博网络的演化行为。在BA模型的构造过程中，网络规模的增长导致网络的不平衡，可以反映微博不断流入/流出带来的网络结构的变化；而偏好依附连接使得核心节点出现，可以揭示微博网络的内部经济、社会分层，以及“富者越富”的现象。

复杂网络理论中讲到，自然界中存在的大量网络是不均匀网络，即由许多子网络构成，这些子网络内部个体之间的关系比较紧密，而子网络之间个体的关系比较稀疏；这一现象在社会网络中尤其常见。Newman等将异构网络中，由不同性质、类型的节点组成的关系丰富的结构称为“社区”（子网络，小团体），并进一步指出社区内节点关系稠密，而不同社区节点之间的关系稀疏的结构——社区结构是复杂网络的特征之一（Newman）。在社会网络中，那些具有相对较强、直接、紧密、经常或积极关系的个体的集合又称为凝聚子群，是社会网络研究的重要内容。网络社区结构与凝聚子群的含义基本一致。微博由于受到发源人、发出地、人口社会学特征等因素，很容易依据自己的组织潜规则，在组织行为上体现出小团体行为。而一小部分跨社区的集聚节点，比如跨领域的媒体从业人员、明星等集聚系数较高又将众多的社区进行动态的集聚，从而形成复杂的社会化网络。

可能很多人认为微博只是话题，并不存在网络。大部分只关注了话题，却忽略了人的因素。而人方面，或者大家只关注粉丝，或粉丝的粉丝等，却忽略了另一个重要部分：following（关注者）。关注什么人？关注他做什么？关注了可以怎么样？关注后目的是什么？following的关注和粉丝又是怎么样的？他的话题和标签是怎么样的？深入去了解就会发现，微博的核心是人的社交网络+社交话题。网络分正向和反向，即following和follower，而网络又分度分布（层级）。这就组成了你的微博的社交网络。

新浪微博为研究微博的社会化网络特征提供了典型平台样本。我们研究小组以微博为基础对社会化网络工具的整体网络特征进行了分析，以下是四个主要的分析角度情况：

经典网络特征参数的计算是在微博测试数据的基础上手工估算完成。在考察网络二方、三方关系的基础上，计算密度、聚类系数和平均路径长度等参数。通过微博的整体网络特征，可以初步探讨揭示微博的社会化网络结构。从各家微博的用户群体定位不同来看，不同的微博其社会化网络结构决定了微博群体不同的相互融合状况和不同的关系传播特点。所以可以推测出的是，新浪微博与腾讯微博的社会化网络是具有差异性的。

小世界现象揭示了一个高度聚集的包含了“局部连接”节点的子网，连同一些随机的有助于产生短路径的长距离随机连接可以提高信息传递效率。聚类系数和平均路径长度是考察小世界现象的两个重要指标。我们验证小世界现象的方法是：首先先关注某一个群体中的明星博主，并不断评论和转发其帖子，吸引其关注，进入其社会化网络；同时随机的在微博发帖和关注随机的博主；然后比较随机网络和调查网络间的聚类系数和平均路径长度。

无标度特征的分析主要是考察网络节点的度分布情况。节点的度反映了网络成员个体的交际能力，也从侧面反映网络成员占有网络资源的情况，一般而言，节点的度越大，说明其交际能力越强，占有的网络资源也较多。复杂网络中将节点度分布满足幂律分布的网络称为无标度网络。与泊松分布和高斯分布尾部呈指数下降不同，幂律分布的尾部下降很慢，因此可能会出现所谓的网络中心节点。由于能力限制，我们没有进行相关网络度分布的科学计算，而是同时通过关注明星，并关注明星的一度分布，再关注明星的二度分布，通过分析明星帖子的不断转发和通过一度分布、二度分布转发出现的频率，来比较社会化网络间的强链接效应和转发重复出现次数，从而估算社会化网络节点的强弱和度分布情况。

由于微博的明星人物作为集聚节点的重要性，我们在六度理论中寻找到好莱坞版，还有个数学家版的，以及这两者的合体好莱坞+数学家版的六度理论，对应的就称为“埃尔德什-贝肯数”，还有个流行音乐版的。在微博中，这种系数越高的节点传播深度越广，影响力度越大，对电子商务传播的价值越高。

研究小组主要有以下几个主要发现

由于不是严谨的科学计算，研究主要基于测试和集中讨论，所以其结果不能作为科学依据，但可以作为大家对微博社会化网络的认知的参考，我们研究小组主要有以下几个主要发现：

第一， 微博的社会化网络具有度分布指数2-3之间，网络直径和平均路径长度小，时间、地点的相关性等特征。微博的网络最佳传播密度不高，度分布指数在2到3之间。即使是明星微博，一度分布的转发和评论最多，二度就开始衰减，三度分布的转发几乎很少。微博的网络直径和平均路径长度小。进行企业宣传和电子商务传播，其有效的网络直径和平均路径长度小。有效到达消费者一般不会经过太多节点和路径，而路径过长后的到达基本上衰减为无效。

第二，微博网络具有明显的时间、终端、可视化和地点的度相关性。不同的客户群体，其阅读微博和转发微博的时间点是不同的，在我们的测试中中午的转发率和晚上的转发率远远高于上班工作时间，但同时中午转发的人群和晚上转发的人群不是同一聚群，类似上海和北京的区域差异特征很明显。另外，发微薄的终端也有明显的差异性，比如有web、短信、手机以及iPhone、iPad、Andriod等各种终端甚至各种如街旁等应用。这对于企业的APP应用很关键。最后，微博带有图片并带有超链接，更容易引起关注者注意并进而进行评论和转发。

第三，社区结构（小团体现象）普遍地存在于微博网络。所以在电子商务传播中，跨团队的集聚系数高的节点就很关键。微博网络中的最重要节点是集聚系数高的集聚节点，也就是那些贝肯数(Bacon number)高的跨领域的博主，这些人可能因为是媒体记者、作家评论家、主持人或者公众明星人物，跨领域比较多，所以他们的转发可以起到集聚不同社区网络的作用，从而使营销和电子商务的传播更有广度。

第四，与相应的随机网络相比，调查所获得的网络具有类似的平均距离和大的聚类系数，从而说明小世界现象存在于微博的社会化网络中。小世界现象静态地反映由于存在丰富的局部连接和很少的随机长距离连接，所以微博网络与随机网络区别显著，表明随机网络具有的理想“民主”几乎不可能出现在微博的社会化网络结构中。

第五，从明星博主现象分析得出微博社会网络具有无标度特征。无标度现象则是动态地反映网络可能的形成过程，并且强调核心节点对网络资源的占有，因此可以为揭示微博群体中出现的“明星”“名人”等社会化网络现象及其形成机制提供理论基础。微博网络的链接强弱很重要。部分明星、名人的微博具有粉丝数量多、影响力大、转发和评论数量多，链接属于强链接，而其一度分布中也有众多的强链接，基于强链接形成的强“小世界”是最具影响力的网络路径，这是电子商务所应该特别关注的。

另外，虽然小世界现象和以度幂律分布为主要特征的无标度现象广泛存在于微博网络，但由于受微博用户的性别、年龄、地域、职业等因素影响，这些复杂特征在同一人群的不同类型网络之间和不同人群的同一类型网络之间表现出不同的特点。需要说明的是，小世界中的随机长距离连接和无标度网络中的核心节点可能同微博网络中的“明星”“名人”或者其他意见领袖，因此小世界和无标度网络理论在微博的社会化网络中又相互联系。例如，根据特征指标判断，无标度网络很可能具有小世界现象。另外，这两种复杂网络都表现出信息传递快的特点，不同的是小世界网络是依靠捷径，而无标度网络是依靠中心节点。

Social CRM的社会化客户关系管理的核心

微博存在的这些复杂性特点，为进一步研究基于社会化网络的微博在企业营销服务和电子商务过程的传播与演化奠定了基础。而其核心的人和话题，恰好对应Social CRM的社会化客户关系管理的核心。

从企业的营销与服务及运营的角度出发，微博与呼叫中心、网站、电视媒体等等都是企业的一个端，只不过微博这个端更具有社会化网络的特征。因为端战略都需要有一个强大的心脏和引擎支撑，所以微博端也不可能单独存在，而需要与企业的客户数据库和业务系统、服务系统等紧密相连才能够发挥更大更多的价值。因此，只强调微博的媒体营销价值，而忽略作为一个新媒体渠道上的企业应用，则容易剑走偏锋。

从twitter的海量级别的APP来看，这才是真正推动微博平台快速发展的核心。在Twitter的平台上已经有成千上万的App应用，比如涉及到企业的有公关广告、智能分析、品牌跟踪、竞争对手跟踪、业务仪表盘、媒体营销、微博客服、自动回复和发布以及Social CRM等应用大类。

小结

社会化网络和社会化媒体会吸引更多的消费者，而APP会吸引更多的企业来有效的使用微博平台进行自己的营销、服务和销售等业务，真正把它作为一个最常用的新媒体渠道。也只有这样，微博平台、APP应用开发者以及企业才可以在这个生态链上共生共创！