社會媒介中心節(jié)點擴散結構及其影響力研究

郭辰+呂洪兵

內容摘要：互聯(lián)網的誕生使社會進入碎片化時代，而微博的到來，進一步將碎片化向前推進了一步。病毒營銷是隨著信息傳播技術和社會網絡發(fā)展起來的一種新型社會化網絡營銷模式，近年來被許多企業(yè)采用。作為嶄新的社會化網絡平臺，微博正在改變互聯(lián)網的發(fā)展方向和企業(yè)產品市場的推廣形式。本文采用圖論和社會網絡分析的方法，將中心節(jié)點劃分成四個維度，對微博信息傳遞的擴散結構及中心節(jié)點的影響力進行研究，發(fā)現(xiàn)不同維度中心節(jié)點的社會感染能力不同，可以為企業(yè)實施病毒營銷戰(zhàn)略提供一定借鑒。

關鍵詞：病毒營銷 社會媒介 中心節(jié)點 微博 圖論

引言

隨著現(xiàn)代科學技術的發(fā)展，信息和傳播技術（ICT）加大了人們相互影響的可能性，社交網站、微博等社會媒介都屬于ICT的范疇，這些虛擬社會網絡系統(tǒng)為企業(yè)開展市場營銷活動提供了巨大的網絡平臺。根據(jù)中國互聯(lián)網發(fā)展狀況統(tǒng)計報告，如表1所示，我國社交網站和微博用戶規(guī)模逐年增加，特別是微博用戶半年的增量都達到3000萬人左右。為此，基于社會媒介的病毒營銷方式越來越受到國內外企業(yè)的青睞。

病毒營銷是隨著社會網絡而出現(xiàn)的新型網絡營銷模式，與傳統(tǒng)的營銷模式有著本質的區(qū)別。傳統(tǒng)營銷是由企業(yè)發(fā)起的“企業(yè)-顧客”溝通，例如銷售人員與顧客之間，或大眾媒介諸如各種廣告；而病毒營銷是利用“顧客-其他顧客”互動溝通，例如顧客之間的口碑效應，而且社會化網絡和社會化媒介進一步加大了“顧客-其他顧客”互動可能性。大眾媒介的溝通效應是一對多形式，由企業(yè)控制內容，顧客只能被動接受；而顧客間的口碑傳播是多對多形式，其可能呈現(xiàn)類似傳染病傳播的指數(shù)型增長態(tài)勢，如“一傳十，十傳百”效應。

2006年基于Web2.0技術的獨立微博網站飯否、嘰歪在中國大陸浮出水面，開啟了中文微博的大門。2009年中國門戶網站新浪推出新浪微博內測版，成為門戶網站中第一家提供微博服務的網站，微博便正式進入中文上網主流人群的視野。微博時代的到來，使得各行各業(yè)的人都看到了網絡口碑營銷所帶來的商機，能否正確利用社交網絡傳播工具在激烈的市場競爭中具有決定意義。微博作為當前最為熱門的社交網絡形式，傳播范圍廣，信息量大，擁有巨大的商業(yè)價值。其中一個經典的成功案例就是電影《失戀33天》的微博營銷，制片方投入600萬用于網絡營銷，占了電影總成本的2/3，而電影在上映一周的票房就超過了兩個億，可見網絡營銷已成為企業(yè)實現(xiàn)盈利的必經之路。在基于微博的網絡營銷中，中心節(jié)點一直扮演著極其重要的角色，他們是網絡的樞紐，把不同地區(qū)、不同文化背景、不同受教育程度的人聯(lián)系在一起。

文獻綜述

自中心節(jié)點的概念提出以來，各個領域的學者從不同角度對中心節(jié)點進行了研究，例如有的學者從社會學角度，采用定量的方法對無標度復雜網絡下的中心節(jié)點的存在性進行論證；有的學者從營銷學角度，采用實證分析的方法對病毒營銷的傳播機理進行分析；有的學者認為中心節(jié)點就是那些有著廣泛社會聯(lián)系的人；有的學者認為意見領袖聯(lián)系人的多樣性使得他們更善于發(fā)現(xiàn)新的事物。但據(jù)筆者所知，目前還少有學者對病毒營銷中心節(jié)點在社會網絡環(huán)境下的效果進行分析和討論。Sharad Goel的研究認為，在線信息傳播結構類似于病毒擴散結構。在模型中通常用節(jié)點表示個體，用邊表示節(jié)點間的傳輸關系；Duncan J.Watts等學者基于Twitter和Yahoo的數(shù)據(jù)對病毒營銷的結構以及中心節(jié)點的作用進行過分析，但上述研究都無法證實病毒營銷在中國大陸網絡環(huán)境下的擴散結構和信息傳遞效果。因此，本文基于企業(yè)在新浪微博開展病毒營銷的實例和數(shù)據(jù)，分析在中國Web2.0環(huán)境下的病毒營銷中心節(jié)點的擴散結構和影響力。

在市場營銷學中，中心節(jié)點一般被稱作“意見領袖”、“強力用戶”或“影響者”。這些人對比普通大眾具有3個主要特點：他們具有很強的個人魅力（例如明星）；他們在某個領域擁有豐富的知識（例如專家）；他們有著大量的社會關系（即社交廣泛）。中心節(jié)點作為大眾媒介和普通用戶之間的連接者，他們對病毒信息的傳播具有決定性意義。Jacob Goldenberg等學者采用結構方程模型證實了中心節(jié)點對網絡口碑傳播活動的重要作用，并發(fā)現(xiàn)中心節(jié)點的影響力越強，接收者參與在線口碑轉發(fā)的頻率也就越高。

相關假設

（一）傳播模型

病毒營銷的擴散結構都是基于傳播網絡圖進行分析的，而用戶間的相互關系是建立病毒營銷傳播網絡圖的關鍵之一。信息通過接觸網絡傳播：每個節(jié)點代表一個人，兩個點之間的邊表示他們有所接觸，從而信息就可能從一個節(jié)點傳到另一個節(jié)點。本文根據(jù)電影推廣中的微博轉發(fā)數(shù)據(jù)，并借用簡單的信息傳遞模型來表述中心節(jié)點在病毒營銷中的擴散結構，如圖1和圖2所示。

通過圖1可知，對于社會網絡內部化的中心節(jié)點，社會成員間的網絡關系主要以強關系為主，粉絲基本都是該意見領袖的堅定追隨者，并且二次轉發(fā)率較低，信息傳遞基本發(fā)生在第一層，病毒營銷的擴散力相對較弱。而對于社會網絡比較復雜的中心節(jié)點，如圖2所示，社會成員間存在著較多的弱關系，粉絲呈現(xiàn)出跨領域的多樣性，二次平均轉發(fā)率的比例相對前者也較高，信息的傳播能夠達到第二層甚至更多，病毒信息的擴散能力更強。

（二）中心節(jié)點的影響力

為了比較不同維度的中心節(jié)點在信息傳遞中的作用，本文基于圖論的思想，提出依據(jù)節(jié)點連通度的不同來評估病毒信息傳遞影響力的方法。由于病毒信息的傳遞不僅與微博轉發(fā)的次數(shù)有關，也與轉發(fā)該微博的節(jié)點在社會網絡結構中所處的位置有關。為了便于分析和比較不同中心節(jié)點的病毒影響力，本文依據(jù)病毒傳播的實際效果構建網絡圖模型。

本文研究的關于病毒營銷的中心節(jié)點所處的復雜網絡均為無向無權網絡。因此，網絡可以用圖G=（V， E）表示，其中V={v1，v2，…，vn}表示G的節(jié)點集合，E={e1，e2，…，em}表示邊的集合，n為網絡中的節(jié)點數(shù)。一條連接點vi，vj∈V的邊記為[vi，vj]，其中：endprint

定義1：節(jié)點連通度。假設e（vi，vj）表示以節(jié)點vi為起點，節(jié)點vj為終點的邊數(shù)，則節(jié)點vi連通度C（i）為：

（1）

定義2：中心節(jié)點影響力。該節(jié)點對于病毒信息傳遞的影響力是經過它傳播的信息節(jié)點的連通度的總和，即為：

（2）

依據(jù)定義2，病毒營銷網絡中心節(jié)點影響力由節(jié)點在社會網絡中所接觸的所有節(jié)點及各個節(jié)點的連通度共同決定。下面給出中心節(jié)點影響力的評估算法：

第一，F(xiàn)or i=1 to n{ ，第二，for（每一對節(jié)點vi，vj ），第三，{計算節(jié)點vi到網絡中所有其他節(jié)點之間的邊的數(shù)量C（i）；}，第四，根據(jù)式（2）計算 ；}。

以上定義能夠幫助企業(yè)在開展病毒營銷時找到影響力較大的意見領袖，但為了能夠從多種角度定位適合推廣信息的中心節(jié)點，本文繼續(xù)引入影響系數(shù)這一定義。

定義3：影響系數(shù)。影響系數(shù)為經過該中心節(jié)點傳遞的所有信息量與該中心節(jié)點有連接的節(jié)點數(shù)量之比，即為轉發(fā)量和粉絲量的比值：

（3）

本文采取歸一化的標準化方法，但為了方便考慮和實際意義，本文將所得數(shù)據(jù)標準化到[0.1，0.9]之間。對于越大越好型指標，用公式（4）進行標準化，最終結果如表2所示。

（4）

實證檢驗

（一）數(shù)據(jù)來源

本文分別選取2013年10月和2014年1月在新浪微博上關于電影推廣的兩個病毒營銷案例數(shù)據(jù)進行實證分析，并根據(jù)中心節(jié)點與電影制作方的關系，將病毒營銷擴散結構中的中心節(jié)點劃分為4個維度，即直接相關、間接強相關、間接弱相關以及第三方無關。直接相關為電影的演員、工作人員；間接強相關為與電影行業(yè)相關的其他團體或個人，如影評人和電影愛好者；間接弱相關為與電影行業(yè)無關的第三方平臺，但受眾群體與該電影的觀眾群相近，如各種娛樂博主；第三方無關為與電影及受眾都聯(lián)系不大的團體或個人，如新聞業(yè)官方微博。

本文選取轉發(fā)電影《甜心巧克力》營銷微博中共計33978條轉發(fā)微博，轉發(fā)微博分別來自于不同維度的16個微博博主。同時為了進一步分析在同種維度條件下，不同中心節(jié)點的擴散結構是否有異同，本文再一次選取《爸爸去哪兒》節(jié)目組通過新浪微博對其同名電影宣傳所轉發(fā)的30730條轉發(fā)微博，其中由同一維度的5位中心節(jié)點所轉發(fā)的微博數(shù)量已經占到總轉發(fā)量的83.7%，可見通過分析這5位中心節(jié)點的擴散結構便可得知微博擴散結構的基本情況。

（二）結果與分析

通過表2可知，中心節(jié)點影響力的大小和該節(jié)點的微博轉發(fā)量的多少基本一致，轉發(fā)是微博信息傳播的主要途徑，也是衡量微博影響力的一個重要標志。按照維度劃分的病毒影響力從大到小依次為：間接弱相關>直接相關>間接強相關>第三方無關。這是由于作為間接弱相關的娛樂博主，粉絲數(shù)量都在百萬以上，甚至有的接近五百萬。他們大多數(shù)都是憑借收集大量的娛樂信息來吸引粉絲，粉絲群體以青少年為主，這個群體對新鮮實物更加敏感，因此對于有著明星參演的新電影關注度較高；作為與電影直接相關的演員，他們的社會網絡相對內部化，粉絲的忠誠度高，所以影響系數(shù)相對較高，但由于電影《甜心巧克力》的主演為外籍演員，他所擁有的粉絲數(shù)量遠不及娛樂博主，導致影響力對比前者相差很多；作為間接強相關的中心節(jié)點，擁有的社會網絡群體以電影愛好者居多，但由于《甜心巧克力》講述的是青年男女的愛情故事，受眾群體區(qū)分度較強，因此病毒影響力對比直接相關和間接弱相關的中心節(jié)點還要稍遜一些；影響系數(shù)最小的中心節(jié)點為第三方無關群體，例如新聞業(yè)博主，他們的受眾群體多為新聞愛好者，對于電影的推廣并不感興趣，雖然第三方無關中心節(jié)點的社會網絡比較發(fā)達，但由于他們的影響系數(shù)特別低，以至于對于電影推廣信息傳播的影響力和普通大眾相差不大。

通過表3可知，《爸爸去哪兒》的5位主演微博的一次轉發(fā)率和二次轉發(fā)率以及信息擴散結構的平均深度都是十分接近的。雖然5位主演在參演本片前的身份各不相同，而且各自所擁有的粉絲數(shù)量也相差比較懸殊，但他們與電影推廣方的關系都為直接相關，屬于同一個維度，因此可以得出基于微博轉發(fā)的同維度中心節(jié)點擴散結構具有相似性。同時，本文發(fā)現(xiàn)本次通過微博開展病毒營銷的信息擴散結構的總體深度均為1.1左右，即中心節(jié)點擴散結構趨于扁平化，與假設中病毒傳播結構層次多的特點有所差別。

企業(yè)在進行病毒營銷推廣時，應選擇那些與企業(yè)為間接弱相關的中心節(jié)點以及擁有大量粉絲數(shù)量的直接相關中心節(jié)點為病毒的主要傳播源，這樣對于病毒營銷的推廣能夠起到事半功倍的效果。同時本文也發(fā)現(xiàn)，病毒影響力最強的娛樂博主1，他在傳遞信息時并不是像其他意見領袖那樣只是稍作評論，而是將信息重新加工包裝了一下，使得微博更符合自己的風格，這種修飾過的“病毒”對于粉絲的感染力更強，更受歡迎，能夠極大地提升病毒影響力。

結論

隨著互聯(lián)網技術的飛速發(fā)展，社會網絡變得日益發(fā)達，通過社會媒介進行市場營銷的方式越來越受到企業(yè)的重視。病毒營銷的影響范圍大，推行成本低等特點，使得鼠碑病毒營銷漸漸成為企業(yè)積極推崇的一種營銷方式。本文基于新浪微博平臺的數(shù)據(jù)，采用圖論和社會網絡相結合的研究方法，將擴散結構中的中心節(jié)點劃分成四個維度：分別為直接相關、間接弱相關、間接強相關和第三方無關。這種對維度的劃分將有助于企業(yè)對復雜紛亂的中心節(jié)點進行合理地辨別與區(qū)分。

然后，本文通過對鼠碑信息傳播過程中不同維度的中心節(jié)點的作用效果進行實證研究，得出間接弱相關中心節(jié)點和直接相關中心節(jié)點的病毒影響力要比其他的中心節(jié)點高出許多，這兩類中心節(jié)點的轉發(fā)對病毒營銷的開展至關重要。因此，無論是企業(yè)開展網絡鼠碑營銷，還是遏止網絡謠言的傳播，這兩類中心節(jié)點都是企業(yè)和相關單位需要重點關注的對象。另外值得一提的是，如果微博轉發(fā)內容能夠經過意見領袖的加工和包裝之后再進行轉發(fā)，病毒信息的影響系數(shù)將會得到明顯的提高，即其他節(jié)點的轉發(fā)意愿將會增強，因此，這樣的微博將更容易被受眾群體所接受和二次轉發(fā)。endprint

同時，本文通過對直接相關維度和間接弱相關維度中心節(jié)點的轉發(fā)頻率進行分析，得出該兩種維度中心節(jié)點的信息傳遞樹的深度大都僅在1.1左右，“病毒”信息擴散結構趨于扁平化，這與設想當中病毒式“一傳十，十傳百”的擴散結構有所差異。由于較少的傳遞層級將有礙病毒營銷的開展，縱向傳遞深度較為局限。因此，企業(yè)在開展病毒營銷時，在重視上述兩種中心節(jié)點的基礎上，還應該進一步從橫向出發(fā)，通過選取大量的中心節(jié)點同時進行信息傳遞，以期達到橫向擴大信息傳播范圍的效果。例如，可以采用Duncan Watts所提出的“海量種子”營銷方法，即在營銷過程中選取大量的中心節(jié)點同時進行信息傳遞，這樣才能達到病毒營銷的最優(yōu)效果。

參考文獻：

1.中國互聯(lián)網絡信息中心.中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告[R].中國互聯(lián)網絡信息中心，2013

2.Hoffman，Donna L，Novak，Thomas P，Marketing in hypermedia computer mediated environments：conceptual foundations[J].Journal of Marketing. Vol. 60（July 1，1996）

3.郭琛.社交網絡分析與信息傳播研究[D].復旦大學，2012

4.Gladwell，M，The Tipping Point-How Little Things Can Make a Big Difference[M].New York， Abacus，1994

5.Jacob Goldenberg，Sangman Han，Donald R. Lehmann，& Jae Weon Hong，The Role of Hubs in the Adoption Process[J].Journal of Marketing.Vol. 73（March 2009）

6.謝婧，劉功申，蘇波等.社交網絡中的用戶轉發(fā)行為預測[J].上海交通大學學報，2013，47（4）

7.Sharad Goel，Duncan J. Watts，Daniel G.The Structure of Online Diffusion Networks. Proc. of the 13th ACM Conference on Electronic Commerce（EC 2012）

8.Sun T，Youn S，Wu G，Kuntarapom M.Online word-of-mouth （or mouse）：an exploration of its antecedents and consequences[J].Journal of Computer-Mediated Communication，2006，11（4）

9.陳靜，孫林夫.復雜網絡中節(jié)點重要度評估[J].西南交通大學學報，2009，44（3）

10.殷國鵬.消費者認為怎樣的在線評論更有用？—社會性因素的影響效應[J].管理世界， 2012（12）

11.郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學學報，2010（8）

12.Duncan J.Watts，Jonah Peretti，Viral marketing for the real world[J].Harvard Business Review，Vol. 2007（May）endprint

同時，本文通過對直接相關維度和間接弱相關維度中心節(jié)點的轉發(fā)頻率進行分析，得出該兩種維度中心節(jié)點的信息傳遞樹的深度大都僅在1.1左右，“病毒”信息擴散結構趨于扁平化，這與設想當中病毒式“一傳十，十傳百”的擴散結構有所差異。由于較少的傳遞層級將有礙病毒營銷的開展，縱向傳遞深度較為局限。因此，企業(yè)在開展病毒營銷時，在重視上述兩種中心節(jié)點的基礎上，還應該進一步從橫向出發(fā)，通過選取大量的中心節(jié)點同時進行信息傳遞，以期達到橫向擴大信息傳播范圍的效果。例如，可以采用Duncan Watts所提出的“海量種子”營銷方法，即在營銷過程中選取大量的中心節(jié)點同時進行信息傳遞，這樣才能達到病毒營銷的最優(yōu)效果。

參考文獻：

1.中國互聯(lián)網絡信息中心.中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告[R].中國互聯(lián)網絡信息中心，2013

2.Hoffman，Donna L，Novak，Thomas P，Marketing in hypermedia computer mediated environments：conceptual foundations[J].Journal of Marketing. Vol. 60（July 1，1996）

3.郭琛.社交網絡分析與信息傳播研究[D].復旦大學，2012

4.Gladwell，M，The Tipping Point-How Little Things Can Make a Big Difference[M].New York， Abacus，1994

5.Jacob Goldenberg，Sangman Han，Donald R. Lehmann，& Jae Weon Hong，The Role of Hubs in the Adoption Process[J].Journal of Marketing.Vol. 73（March 2009）

6.謝婧，劉功申，蘇波等.社交網絡中的用戶轉發(fā)行為預測[J].上海交通大學學報，2013，47（4）

7.Sharad Goel，Duncan J. Watts，Daniel G.The Structure of Online Diffusion Networks. Proc. of the 13th ACM Conference on Electronic Commerce（EC 2012）

8.Sun T，Youn S，Wu G，Kuntarapom M.Online word-of-mouth （or mouse）：an exploration of its antecedents and consequences[J].Journal of Computer-Mediated Communication，2006，11（4）

9.陳靜，孫林夫.復雜網絡中節(jié)點重要度評估[J].西南交通大學學報，2009，44（3）

10.殷國鵬.消費者認為怎樣的在線評論更有用？—社會性因素的影響效應[J].管理世界， 2012（12）

11.郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學學報，2010（8）

12.Duncan J.Watts，Jonah Peretti，Viral marketing for the real world[J].Harvard Business Review，Vol. 2007（May）endprint

同時，本文通過對直接相關維度和間接弱相關維度中心節(jié)點的轉發(fā)頻率進行分析，得出該兩種維度中心節(jié)點的信息傳遞樹的深度大都僅在1.1左右，“病毒”信息擴散結構趨于扁平化，這與設想當中病毒式“一傳十，十傳百”的擴散結構有所差異。由于較少的傳遞層級將有礙病毒營銷的開展，縱向傳遞深度較為局限。因此，企業(yè)在開展病毒營銷時，在重視上述兩種中心節(jié)點的基礎上，還應該進一步從橫向出發(fā)，通過選取大量的中心節(jié)點同時進行信息傳遞，以期達到橫向擴大信息傳播范圍的效果。例如，可以采用Duncan Watts所提出的“海量種子”營銷方法，即在營銷過程中選取大量的中心節(jié)點同時進行信息傳遞，這樣才能達到病毒營銷的最優(yōu)效果。

參考文獻：

1.中國互聯(lián)網絡信息中心.中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告[R].中國互聯(lián)網絡信息中心，2013

2.Hoffman，Donna L，Novak，Thomas P，Marketing in hypermedia computer mediated environments：conceptual foundations[J].Journal of Marketing. Vol. 60（July 1，1996）

3.郭琛.社交網絡分析與信息傳播研究[D].復旦大學，2012

4.Gladwell，M，The Tipping Point-How Little Things Can Make a Big Difference[M].New York， Abacus，1994

5.Jacob Goldenberg，Sangman Han，Donald R. Lehmann，& Jae Weon Hong，The Role of Hubs in the Adoption Process[J].Journal of Marketing.Vol. 73（March 2009）

6.謝婧，劉功申，蘇波等.社交網絡中的用戶轉發(fā)行為預測[J].上海交通大學學報，2013，47（4）

7.Sharad Goel，Duncan J. Watts，Daniel G.The Structure of Online Diffusion Networks. Proc. of the 13th ACM Conference on Electronic Commerce（EC 2012）

8.Sun T，Youn S，Wu G，Kuntarapom M.Online word-of-mouth （or mouse）：an exploration of its antecedents and consequences[J].Journal of Computer-Mediated Communication，2006，11（4）

9.陳靜，孫林夫.復雜網絡中節(jié)點重要度評估[J].西南交通大學學報，2009，44（3）

10.殷國鵬.消費者認為怎樣的在線評論更有用？—社會性因素的影響效應[J].管理世界， 2012（12）

11.郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學學報，2010（8）

12.Duncan J.Watts，Jonah Peretti，Viral marketing for the real world[J].Harvard Business Review，Vol. 2007（May）endprint