最近幾年，社交平臺(tái)的涌現(xiàn)與飛速發(fā)展，使得我們獲取內(nèi)容的方式發(fā)生了天翻地覆的變化，同時(shí)也造就了一批又一批在網(wǎng)絡(luò)上具有影響力的人，或者說，“網(wǎng)紅”。
這些網(wǎng)絡(luò)紅人是如何誕生的？對(duì)于這個(gè)問題，你的腦海里可能已經(jīng)浮現(xiàn)出了一些案例。但對(duì)于科學(xué)家來說，要系統(tǒng)性地解答這個(gè)問題并不容易，因?yàn)?span>我們對(duì)于網(wǎng)絡(luò)社交平臺(tái)的理解還非常有限。
最近，在一項(xiàng)發(fā)表于《自然·通訊》的研究中，北京大學(xué)與瑞士蘇黎世聯(lián)邦理工大學(xué)領(lǐng)導(dǎo)的研究團(tuán)隊(duì)合作，通過數(shù)學(xué)模型揭示了“網(wǎng)紅”崛起之路。
當(dāng)我們對(duì)比今天與十余年前的社交平臺(tái)，會(huì)發(fā)現(xiàn)如今主流的社交網(wǎng)絡(luò)有一個(gè)明顯的特點(diǎn)：用戶的內(nèi)容獲取不再建立在互加好友的基礎(chǔ)上，現(xiàn)在眾多社交平臺(tái)的核心是用戶生產(chǎn)的內(nèi)容（User-Generated Content）。以推特為例，每天用戶會(huì)生產(chǎn)5億條推特內(nèi)容。而話題標(biāo)簽和平臺(tái)內(nèi)部的搜索引擎使得用戶可以按照自己的興趣搜索內(nèi)容、構(gòu)建基于自身興趣的社群。同時(shí)，在這個(gè)網(wǎng)絡(luò)中，一些用戶迅速取得了巨大的影響力，成為“網(wǎng)紅”。
基于這樣的模式，我們?cè)谔骄俊熬W(wǎng)紅”崛起之路時(shí)，需要理解兩個(gè)問題：用戶生產(chǎn)的內(nèi)容與快速成長(zhǎng)的“網(wǎng)紅”之間有著怎樣的關(guān)聯(lián)？由此產(chǎn)生的社交網(wǎng)絡(luò)有哪些特征？
一個(gè)直觀的影響因素是內(nèi)容質(zhì)量：更高質(zhì)量的內(nèi)容顯然更有機(jī)會(huì)吸引其他用戶的關(guān)注。當(dāng)然，要建立社交網(wǎng)絡(luò)的動(dòng)態(tài)模型，只考慮這一個(gè)因素顯然不夠。但遺憾的是，眾多已有的數(shù)學(xué)模型在這個(gè)問題上都不適用。
因此，研究團(tuán)隊(duì)結(jié)合了現(xiàn)代社交平臺(tái)的特點(diǎn)和既有模型，提出了一個(gè)預(yù)測(cè)社交網(wǎng)絡(luò)形成的簡(jiǎn)單數(shù)學(xué)模型。在這個(gè)模型中，內(nèi)容質(zhì)量是主要影響因素，此外作者也考慮了用戶的功利主義原則。用戶會(huì)根據(jù)自己的興趣，基于內(nèi)容質(zhì)量決定關(guān)注與否。
在一個(gè)由6000多名科學(xué)家組成的網(wǎng)絡(luò)中，研究團(tuán)隊(duì)針對(duì)推特?cái)?shù)據(jù)測(cè)試了他們的模型，從而獲得了網(wǎng)絡(luò)形成的動(dòng)態(tài)過程。
結(jié)果表明，這些用戶想要提高自己接收的內(nèi)容的質(zhì)量，因此他們會(huì)持續(xù)搜索優(yōu)質(zhì)內(nèi)容提供者，從而形成自己的社交平臺(tái)網(wǎng)絡(luò)。在這個(gè)過程中，他們會(huì)重點(diǎn)評(píng)判內(nèi)容與自身興趣的一致性、內(nèi)容同質(zhì)性，以及質(zhì)量有多高。
此外，研究團(tuán)隊(duì)還利用這個(gè)模型分析了最終的平衡狀態(tài)。
從這個(gè)網(wǎng)絡(luò)的入度分布，也就是與某個(gè)節(jié)點(diǎn)（內(nèi)容生產(chǎn)者）相連的其他節(jié)點(diǎn)（關(guān)注者）的數(shù)量中，他們發(fā)現(xiàn)了一個(gè)特別的模式：生產(chǎn)最高質(zhì)量?jī)?nèi)容的用戶的粉絲數(shù)量，是第二名的兩倍、第三名的三倍，以此類推……這個(gè)規(guī)律符合齊夫定律（Zipf’s law）。值得一提的是，根據(jù)初步預(yù)測(cè)結(jié)果，當(dāng)模型模擬真實(shí)世界的推薦算法，即根據(jù)用戶的喜好進(jìn)行推薦時(shí)，這個(gè)結(jié)果依然牢固。
從這個(gè)模型中，研究者還發(fā)現(xiàn)，模擬產(chǎn)生的網(wǎng)絡(luò)特征與真實(shí)世界的相似，例如存在較小的聚集系數(shù)。這個(gè)網(wǎng)絡(luò)的出度分布，或者說是其中的用戶關(guān)注他人的情況，則接近伽馬分布。
隨后，研究者還利用真實(shí)社交平臺(tái)的數(shù)據(jù)驗(yàn)證了這個(gè)模型。他們選取的是一個(gè)名為Twitch的在線游戲玩家平臺(tái)。驗(yàn)證結(jié)果顯示，這個(gè)模型在模擬社交網(wǎng)絡(luò)的形成情況時(shí)，比以往的模型更加貼近實(shí)際。
作者指出，盡管這個(gè)模型較為簡(jiǎn)單，但它已經(jīng)為我們揭示了當(dāng)今基于用戶生產(chǎn)內(nèi)容的社交網(wǎng)絡(luò)的宏觀特征。也正是因?yàn)楹?jiǎn)單，這個(gè)模型還能向不同方向拓展，探索不同條件下的網(wǎng)絡(luò)形成過程。
未來的研究將進(jìn)一步探究，在不同的平臺(tái)、不同的算法機(jī)制之下，“網(wǎng)紅”誕生之路以及用戶在社交平臺(tái)中的表現(xiàn)又是怎樣的。這些研究不足以保證你成為“網(wǎng)紅”，但它為“網(wǎng)紅”的形成機(jī)制提出了見解，并且再一次提醒我們：內(nèi)容才是王道。
參考資料：
[1] Pagan， N。， Mei， W。， Li， C。 et al。 A meritocratic network formation model for the rise of social media influencers。 Nat Commun （2021）。 https：//doi.org/10.1038/s41467-021-27089-8
[2] What influences the rise of influencers？ Retrieved Dec 1st， 2021 from https：//phys.org/news/2021-12-what-influences-the-rise-of.html