IT技术博客大学习 共学习 共进步
全部 移动开发 后端 数据库 AI 算法 安全 DevOps 前端 设计 开发者

SNS背后的科学(4)―― 信息的传播

mxwu的互联网随想 2011-02-16 22:27:20 累计浏览 3,327 次
本机暂存

    现在我们来考虑信息是如何在SNS的网络中传播的,然后,哪些因素可能会影响这种传播。

结构&聚集

    SNS由于人们的关系,会产生不同的结构。而聚集说明的是一种现象,SNS中的人是分成不同团体的,不同的团体有不同的关注点不同的兴趣点。而且,在团体内的人互相之间认识的可能性很大。这里我假设了一个网络结构,人名代表节点,连线代表他们之间认识:

    image

    很直观的,黑人、蔡依林、罗志祥、小S是一个小团体,老沉、任志强、张欣、潘石屹是一个小团体,我和我的粉丝是另外一个小团体。

盗梦空间

    以盗梦空间为例子,我们把信息的传播设定为对《盗梦空间》的看法,假设每个看过《盗梦空间》的人都会说出自己对盗梦空间的评价,然后来观察网络中每个人是如何根据周围人的想法来做决策的。

    我们先设定一些假设:

  • 网络里的人只知道周围人的想法。比如,我知道任志强是否喜欢盗梦空间,却不知道潘石屹的想法。
  • 盗梦空间是一部非常不错的电影,如果我认识的人里有2个人说好看,则我也会去看,并且表达我的看法。
  • 起点

        作为传播的最开始,有几个超级影迷,他们会主动的在网上搜集影片的信息,在大家之前首先去了电影院,然后发出积极的评价。比如,这几个影迷是罗志祥和小S:

        image

    发展

        根据我们的设定:朋友中有两个人给出正面评价,则也会去看。于是,很快,小团体内,黑人和蔡依林受到影响,也观看了《盗梦空间》。

        image

        消息在小团体内得到了迅速的传播,可是问题也很明显,罗志祥和小S对团体外的影响力十分有限,其余两个团体内的人并没有受到他们行动的影响。

    跨网络

        本来此次传播进入了一个稳态,应该终结了。可是,一个小意外,通过其他途径,任志强也观看了,于是传播接着发展。

        image

        值得注意的是:由于任志强在网路中的特殊位置――他和他所属的团体外的小S和我都有联系,于是,他一个人不经意间的一个动作改变了整个传播的态势。老沉同时受到了他和罗志祥的影响,加入了观影大军,随后,张欣、潘石屹同时受到老沉、任志强影响,也改变了。另外一个网络中的我,同时受到小S和任志强,也随之改变。

        对于任志强这样有跨界联系的人,某些时候他们的看法能够影响到整个网络。

    最终

        image[35]

        由于我个人相对有限的影响力,粉丝A和粉丝B还是没能去看盗梦空间,他们错失了一部好电影。他们剩下的机会,就是这张图以外的网络给他们足够的影响了。

    总结

        通过这些假设、观察和分析,我们可以得到以下结论:

  • SNS被割裂为不同的团体,团体与团体之间有明显的界限。
  • 信息在团体内很容易发生病毒式传播。
  • 作为起点的种子用户以及他们所处的网络位置十分重要。如果,这次的起点是粉丝A和粉丝B,那么传播不会发生,只能停滞。
  • 在一个团体内引起病毒式传播的最好方法是直接在团体内找到种子用户。
  • 信息本身的质地也会影响传播,提升信息本身的价值亦会影响传播。这里我们设定《盗梦空间》是2个人可以影响1个人。可能的情况是1.这个信息不足够有价值,需要3个人才能影响1个人,那么传播的可能性就会大大降低。 2.这个产品更加有价值,只需要1个人就能影响1个人,那么很快就会传遍整个网络。
  • 处于多个网络的人会在传播中扮演一个极为重要的角色。
  • 同分类推荐文章

    1. 对基本有序的序列排序算法 (2026-06-11 17:46:49)
    2. Four Levels Of Customer Understanding (2026-05-22 21:00:00)
    3. 除法的意义 (2026-04-12 20:52:17)

    查看更多 算法 文章 →

    建议继续学习

    1. 用邻接表实现无向图 (累计阅读 4,000)
    2. 从”引爆点”理论看微博传播 (累计阅读 3,676)
    3. 写在 0x20 岁之前 (累计阅读 3,672)
    4. SNS背后的科学(1)从六度分隔到无尺度网络 (累计阅读 3,548)
    5. 生活中的社会化网络 (累计阅读 2,806)
    6. 12个经典的行程问题 (累计阅读 2,818)
    7. X-RIME: 基于Hadoop的开源大规模社交网络分析工具 (累计阅读 2,773)
    8. 五个有趣的拓扑变换问题 (累计阅读 2,729)
    9. 轻博客产品市场几问(二) (累计阅读 2,654)
    10. UyHiP趣题:如果每个人都随大流,结果会怎样? (累计阅读 2,536)