【導(dǎo)讀】社交媒體上的「網(wǎng)紅」是怎樣產(chǎn)生的？在一項發(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)的研究團隊合作，通過數(shù)學(xué)模型揭示了「網(wǎng)紅」崛起之路。

社交網(wǎng)絡(luò)對我們生活的影響越來越廣：在信息傳播、新技術(shù)應(yīng)用、輿論營造和形成中都發(fā)揮著關(guān)鍵作用。2020 年，推特用戶每天發(fā)送 5 億條推文，超過 8000 萬張圖片通過Instagram發(fā)布。

這些基于 UGC 的定向在線平臺在很大程度上影響了社會，社交網(wǎng)絡(luò)用戶所能接觸到的信息和受眾，遠遠超出現(xiàn)實生活中的朋友。在這個過程中，一些用戶迅速獲得人氣，成為所謂的「網(wǎng)紅」。

這些追隨者眾多的「網(wǎng)紅」的社會影響力不可小覷。，已經(jīng)深刻影響了消費者和公司在市場中的行為，2017 年，超過 70% 的美國企業(yè)聘請 Instagram 網(wǎng)紅來推廣產(chǎn)品。

網(wǎng)紅是如何產(chǎn)生的？背后的機制究竟是什么？這些問題引發(fā)了越來越多學(xué)者的關(guān)注。

論文鏈接：

https://www.nature.com/articles/s41467-021-27089-8.pdf

近日，由北京大學(xué)、瑞士蘇黎世聯(lián)邦理工大學(xué)領(lǐng)導(dǎo)的研究團隊就從數(shù)學(xué)模型角度，對社交網(wǎng)絡(luò)上的「顯著影響者」，即「網(wǎng)紅」的產(chǎn)生和被用戶關(guān)注的機制進行了分析。

這篇文章發(fā)表在近日出版的《自然·通信》上。

與 21 世紀(jì)頭十年蓬勃發(fā)展的 Facebook 和 LinkedIn 相比，當(dāng)今最流行的平臺，例如 Twitter、Instagram 或 TikTok，表現(xiàn)出一些其他明顯的特征。

最明顯的區(qū)別之一是，這些新的在線社交平臺屬于定向網(wǎng)絡(luò)，也就是說，不需要雙方同意，也可以按照算法推薦建立關(guān)系。

新網(wǎng)紅是如何產(chǎn)生的？

從直觀上，質(zhì)量更好的 UGC 更有可能吸引用戶，情感價值更高，更容易成為「網(wǎng)紅」。 但研究表明，除了少數(shù)模型之外，其他領(lǐng)域的「網(wǎng)紅」產(chǎn)生規(guī)模效應(yīng)的研究更加集中社會經(jīng)濟方面，忽略了 UGC 的影響。

之前闡釋網(wǎng)紅誕生機制的模型，基于「優(yōu)先依戀」模型。不過這種「富人會越來越富」的理論，并不能證明新的 Instagram網(wǎng)紅崛起的原因，很多網(wǎng)紅在成功之前都是沒什么名氣的。

「內(nèi)容為王」：生成內(nèi)容質(zhì)量更高

文章提出了一種簡單但可預(yù)測的網(wǎng)絡(luò)形成機制，結(jié)合了功利原則和 UGC 質(zhì)量。 研究假設(shè)用戶有共同的興趣，并將他們與定義其 UGC 質(zhì)量的屬性相關(guān)聯(lián)。

為了定義基于 UGC 的形成過程，研究人員收集了Twitter 數(shù)據(jù)集，分析連接的時間序列，發(fā)現(xiàn)有證據(jù)表明，網(wǎng)紅的形成過程源于個人對更好質(zhì)量的 UGC 的不斷搜索，并與關(guān)注者的興趣出現(xiàn)了「對齊」，即網(wǎng)紅與粉絲的興趣同質(zhì)性。

關(guān)注者的數(shù)量可以被視為網(wǎng)紅UGC質(zhì)量的agent。按照UGC質(zhì)量降序給agent進行編號。agent1被視作UGC質(zhì)量最高，agent2質(zhì)量次之，以此類推。

對于agent i，計算出新連接比之前連接的中位數(shù)排名更高（在排名中）的可能性。

研究結(jié)果與假設(shè)吻合，按照被關(guān)注可能性評估，關(guān)注者始終在追尋UGC質(zhì)量更好的網(wǎng)紅。

研究數(shù)據(jù)與純隨機結(jié)果（淺藍色）的比較，二者在統(tǒng)計學(xué)上差異顯著。

齊夫定律

齊夫定律（Zipf"s law）是由哈佛大學(xué)的語言學(xué)家喬治·金斯利·齊夫于1949年發(fā)表的實驗定律。它可以表述為：在自然語言的語料庫里，一個單詞出現(xiàn)的頻率與它在頻率表里的排名成反比。

所以，頻率最高的單詞出現(xiàn)的頻率大約是出現(xiàn)頻率第二位的單詞的2倍，而出現(xiàn)頻率第二位的單詞則是出現(xiàn)頻率第四位的單詞的2倍。

實驗證明，本研究中的模型也遵循這一縮放定律。

網(wǎng)紅粉絲的「重疊」

分析兩個網(wǎng)紅被同一個第三個用戶關(guān)注的概率也是一個有趣的問題。 換句話說，目標(biāo)是研究不同agent的粉絲集合之間的相似性。 這個相似性揭示了粉絲的共同興趣的存在。

為了驗證模型，研究人員在Twitch上收集了三個數(shù)據(jù)集，這是一個流行的在線游戲平臺，并成功驗證了模型的正確性。

這表明，本文中的模型盡管形式簡單，但已經(jīng)得出了幾個現(xiàn)實世界中影響「網(wǎng)紅」崛起的屬性。

如上圖所示，agent的粉絲在前 15 個節(jié)點之間的重疊結(jié)果和驗證數(shù)據(jù)集對照。a圖平均數(shù)值結(jié)果是從模擬中獲得的，當(dāng)達到平衡時，有 10^5 個代理。b圖來自與國際象棋類別相關(guān)的 Twitch 數(shù)據(jù)集結(jié)果。

未來方向

許多當(dāng)今最流行的在線社交網(wǎng)絡(luò)都在很大程度上基于 UGC。 此文分析了基于 UGC 的在線社交網(wǎng)絡(luò)的幾個宏觀特征。

此外，由于簡單，該模型可以向不同方向擴展，例如通過考慮不同的更新規(guī)則和社會學(xué)激勵加以豐富。另一種可能是引入多維質(zhì)量屬性，來應(yīng)對多種興趣的可能性。

該模型還可以適應(yīng)不斷增長的網(wǎng)絡(luò)形成模型，用戶可以在不同時間加入，研究一些網(wǎng)紅的崛起和。在理想情況下，這些研究可以與不同平臺的實證分析相結(jié)合，比如在新一代中占主導(dǎo)地位的 Instagram 或 TikTok等。

未來，關(guān)于推薦系統(tǒng)在社交媒體平臺上的作用，及其對用戶行為的影響的初步結(jié)果，可能進一步擴展。用戶行為與平臺機制之間的相互作用，屬于一個廣泛、未探索的研究方向，可能會進一步闡明數(shù)字化大趨勢對我們社會的影響。

參考資料：

https://www.nature.com/articles/s41467-021-27089-8#Sec2

https://www.groovypost.com/howto/instagram-tips-tricks

本文來自微信公眾號“新智元”（ID:AI_era），編輯：David，36氪經(jīng)授權(quán)發(fā)布。