北大新研究用數學模型揭網紅崛起奧秘！登上Nature子刊
社交網絡對我們生活的影響越來越廣：在信息傳播、新技術應用、輿論營造和形成中都發揮著關鍵作用。2020 年，推特用戶每天發送 5 億條推文，超過 8000 萬張圖片通過Instagram發布。
這些基于 UGC 的定向在線平臺在很大程度上影響了社會，社交網絡用戶所能接觸到的信息和受眾，遠遠超出現實生活中的朋友。在這個過程中，一些用戶迅速獲得人氣，成為所謂的「網紅」。
這些追隨者眾多的「網紅」的社會影響力不可小覷。，已經深刻影響了消費者和公司在市場中的行為，2017 年，超過 70% 的美國企業聘請 Instagram 網紅來推廣產品。
網紅是如何產生的？背后的機制究竟是什么？這些問題引發了越來越多學者的關注。
論文鏈接：
https://www.nature.com/articles/s41467-021-27089-8.pdf
近日，由北京大學、瑞士蘇黎世聯邦理工大學領導的研究團隊就從數學模型角度，對社交網絡上的「顯著影響者」，即「網紅」的產生和被用戶關注的機制進行了分析。
這篇文章發表在近日出版的《自然·通信》上。
與 21 世紀頭十年蓬勃發展的 Facebook 和 LinkedIn 相比，當今最流行的平臺，例如 Twitter、Instagram 或 TikTok，表現出一些其他明顯的特征。
最明顯的區別之一是，這些新的在線社交平臺屬于定向網絡，也就是說，不需要雙方同意，也可以按照算法推薦建立關系。
新網紅是如何產生的？
從直觀上，質量更好的 UGC 更有可能吸引用戶，情感價值更高，更容易成為「網紅」。但研究表明，除了少數模型之外，其他領域的「網紅」產生規模效應的研究更加集中社會經濟方面，忽略了 UGC 的影響。
之前闡釋網紅誕生機制的模型，基于「優先依戀」模型。不過這種「富人會越來越富」的理論，并不能證明新的 Instagram網紅崛起的原因，很多網紅在成功之前都是沒什么名氣的。
「內容為王」：生成內容質量更高
文章提出了一種簡單但可預測的網絡形成機制，結合了功利原則和 UGC 質量。研究假設用戶有共同的興趣，并將他們與定義其 UGC 質量的屬性相關聯。
為了定義基于 UGC 的形成過程，研究人員收集了Twitter 數據集，分析連接的時間序列，發現有證據表明，網紅的形成過程源于個人對更好質量的 UGC 的不斷搜索，并與關注者的興趣出現了「對齊」，即網紅與粉絲的興趣同質性。
關注者的數量可以被視為網紅UGC質量的agent。按照UGC質量降序給agent進行編號。agent1被視作UGC質量最高，agent2質量次之，以此類推。
對于agent i，計算出新連接比之前連接的中位數排名更高（在排名中）的可能性。
研究結果與假設吻合，按照被關注可能性評估，關注者始終在追尋UGC質量更好的網紅。
研究數據與純隨機結果（淺藍色）的比較，二者在統計學上差異顯著。
齊夫定律
齊夫定律（Zipf's law）是由哈佛大學的語言學家喬治·金斯利·齊夫于1949年發表的實驗定律。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的頻率大約是出現頻率第二位的單詞的2倍，而出現頻率第二位的單詞則是出現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。
網紅粉絲的「重疊」
分析兩個網紅被同一個第三個用戶關注的概率也是一個有趣的問題。換句話說，目標是研究不同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上收集了三個數據集，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，但已經得出了幾個現實世界中影響「網紅」崛起的屬性。
如上圖所示，agent的粉絲在前 15 個節點之間的重疊結果和驗證數據集對照。a圖平均數值結果是從模擬中獲得的，當達到平衡時，有 10^5 個代理。b圖來自與國際象棋類別相關的 Twitch 數據集結果。
未來方向
許多當今最流行的在線社交網絡都在很大程度上基于 UGC。此文分析了基于 UGC 的在線社交網絡的幾個宏觀特征。
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則和社會學激勵加以豐富。另一種可能是引入多維質量屬性，來應對多種興趣的可能性。
該模型還可以適應不斷增長的網絡形成模型，用戶可以在不同時間加入，研究一些網紅的崛起和。在理想情況下，這些研究可以與不同平臺的實證分析相結合，比如在新一代中占主導地位的 Instagram 或 TikTok等。
未來，關于推薦系統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字化大趨勢對我們社會的影響。
