基于大數據技術的社會化媒體傳播機制探析

□ 文/宋　凱　劉葉子

內容提要當前，社會化媒體的傳播機制相對傳統媒體是否出現了新的特點？本文基于大數據技術，對社會化媒體傳播機制進行研究后發現，這些新特點包括：從交往機制看，體現出一般社交行為向“社交網絡”擴展延伸的特點；從聯結機制看，體現出搭建社會化媒體完整網絡系統的特點；從擴散機制看，展現出信息底層擴散模式的特點。

用微博分享所見所聞、用微信與朋友溝通交流占用人們大量時間，社會化媒體已經成為人們生活的一部分。社會化媒體作為用戶彼此間用來分享信息、意見、見解、經驗和觀點的工具和平臺，縮短了人與人之間的距離，便利了用戶的溝通與交流。社會化媒體的傳播機制相對傳統媒體是否出現了新特點？海量數據的出現又為研究社會化媒體傳播機制提供了哪些新思路？社會化媒體平臺的傳播機制研究可以作為解答這些問題的切入點。

一、基于大數據的社會化媒體交往機制

社會化媒體是給予用戶極大參與空間的新型在線媒體，它們建構于互聯網技術上，核心理念是以人為本、開放、互動、共享和關系，而微博最大的特點是賦予每個個體創造并傳播內容的能力，將人與媒體的關系實現從“信息中介”到“關系網絡”的轉換，從根本上改變社會實踐的方式[1]。社會化媒體的傳播機制最重要的特點就是將人的社會關系引入到信息傳播中，社會關系成為影響信息傳播效果的重要因素。

（一）內容的自主生產

UGC（用戶產生內容）不斷演變，由最初的文本轉化為圖片及音視頻內容，用戶可以隨時隨地在網絡上分享內容，由此產生了海量的用戶數據，并且由于人人都是傳播者，生產內容的自主性、共享性不斷增強，衍生出了大量關系數據及內容數據。這些數據不同于以往單純的數字，它們聲色結合、圖文并茂，體現出非結構化的特征。比如，Facebook用戶每天共享的東西超過40億，Twitter每天處理的數據量超過3.4億；而每分鐘Tumblr博客作者會發布2.7萬個新帖子，Instagram用戶會共享3600張新照片[2]。用戶不僅會生產知識內容，同時，用戶通過社交媒體留下的“行為數據”也是社交媒體平臺最為寶貴的資源，社交平臺會不斷利用這些“行為數據”攫取用戶閱讀習慣，不斷給用戶推送相關知識，而用戶的互動同時也會生產新的內容，再由社交媒體平臺推送傳播，形成一條完整的用戶內容生產、社會交往與知識傳播的鏈條。用戶自主生產的是行為數據和知識內容的結合體，社會化媒體上的用戶以自主生產的內容為傳播載體與他人進行互動和交往。

（二）消費的自我選擇

受眾不可能對社會化媒體平臺上的所有信息全盤接受，受眾對信息的接受過程是一個能動的選擇過程。傳播學者經過研究發現，受眾會有選擇地接觸某一媒介，其往往只選擇那些能加強自己信念的信息，而拒絕那些與自己固有觀點相抵觸的信息，受眾通過大眾媒介來加強自己的觀念而不是改變自己的觀念[3]。施拉姆曾經提出過一個人們為什么選擇某種媒介的公式：選擇的或然率=報償的保證/費力的程度。通過大數據技術我們發現，在社會化媒體平臺上用戶接受自己社交圈內的信息，更愿意通過數字閱讀消耗時間，我們在社交網絡上瀏覽的信息來自同質化網絡遠大于異質化網絡或者自己主動搜索的信息。德弗勒就曾認為：影響受眾選擇性注意的因素包括認識結構上的個人差異和社會成員類型等，比如有牢固社會關系的人可能更關注與朋友和家人利益相關的問題。

在基于社會關系的社會化媒體平臺上，用戶更愿意為社會關系買單這個特點顯得尤為顯著：用戶更加關注自己社交網絡中個人傳遞的信息，比如微信朋友圈的盛行，用戶更加愿意接受和選擇相信來自朋友的信息，由此我們看到口碑傳播在營銷中的重要之處。

（三）分發的自主導向

著名傳播學研究專家拉斯韋爾曾指出，傳播過程是一個從傳播者到受眾的單一的線性傳播過程。而在社會化媒體平臺上的傳播過程是一種非線性、圈層、超鏈接的傳播和連接方式。基于社會關系的社會化媒體平臺是圈群式的，每個人有著不同的社交圈，比如在微信和QQ等社會平臺上我們有著不同的好友群或者QQ群，我們往往會發現每個社交圈的信息具有同質性，不同社交圈之間的信息異質化程度高。從宏觀角度來看，社會由于個人社會資本的不同又是分層的，社會化平臺同樣是層級式的，社會化媒體將具有“差序格局”的社會關系移植到互聯網上，正是由于這種社會關系向圈群化和層級化發展，傳播過程必然是非線性的，這個傳播過程錯綜復雜，每個圈群內部有著不同的信息傳播特點，不同的圈群以個體為紐帶相互影響和聯系。

二、基于大數據的社會化媒體的聯結機制

如果將社會化媒體視作一個有機運作的生命體系統的話，聯結機制和交往機制則分別完成了這個系統的基礎和搭建工作。交往機制代表了系統的雛形——即從一般社交行為向“社交網絡”的擴展延伸，為整個社會化媒體的生態系統提供了素材和血液；聯結機制則在此基礎上，基于六度空間的理論將各個節點的關系進一步深化，并在大數據技術的支持下讓連接機制更加有效地發揮作用，讓點——線——面的演變路徑逐步實現，搭建起完整的社會化媒體的網絡系統。

（一）六度空間理論及其制約條件

六度分隔是指平均來說，社會網絡中任意兩個素不相識的人之間，最多只需經過六步即可建立相互聯系。也就是說最多通過六個人你就能夠認識任何一個陌生人[4]。1967年，哈佛大學教授斯坦利·米爾格拉姆通過連鎖信件傳遞實驗發現，在發出的160封信中有42封平均經過5.5個中間人到達了目標人物。

六度空間理論雖然展現了我們生活在“小世界”的事實，但是仍然有著三方面的殘缺：一是權值問題：我們的世界是一個普遍聯系的世界，人們一生肯定會認識很多人，但實際生活中，人與人的關系是有強弱和權重的。基于血緣形成的親人、基于地緣形成的鄰里、基于愛好形成的朋友，而六度空間理論把這些關系都簡單歸結為聯系，沒有強弱之分。二是目的和結果問題：在相關實驗中被實驗者通過六度空間傳遞的是信息，但是在社會化媒體時代社會化媒體平臺想要傳遞的是聯系方式還是朋友關系是值得我們深思的問題，到達和建立聯系的過程會隨著目的的不同而發生改變。三是阻尼問題：阻尼也就是傳遞的成本和激勵，根據六度空間理論，人與人建立聯系只有六度，但是每一度的阻尼都是難以超越的。在相關實驗中，信件的傳遞看似成本很低，但是那些人愿意傳遞其實是看在朋友的面子上，這里面的成本是我們常說的“人情”，也就是關系成本，由于阻尼問題導致了160封郵件只有42封到達了目標人物。

（二）大數據解放六度空間的制約

上文闡述了六度空間理論的制約條件：權值問題；目的和結果問題；阻尼問題。大數據技術的出現完美解決了權值問題，許多基于大數據技術的社會網絡分析軟件可以對社會關系進行賦值，對關系強弱進行度量。社會化媒體是一種基于社會關系的傳播媒介，平臺上信息海量存在，這種社會關系并不是簡單的是否存在聯系，這種聯系還存在著強弱的問題。以社會網絡分析軟件Ucinet為例，在群體的中心性分析中，點度中心性、接近中心性、特征向量中心性、中介中心性是群體中心性的重要指標。其中點度中心性是代表行動者的直接社會關系，反映的是個人在網絡中的直接影響力；接近中心性基于節點之間的距離，接近中心性越高的行動者越處于整體的中心位置；特征向量中心性是分析與相鄰節點是否具有高影響力，特征向量中心性越高說明它距離信息源或高擴散的節點越近；中介中心性刻畫的是社會網絡中節點對信息流動的影響力，如果一個行動者位于許多網絡路徑上，他就可以控制兩個人之間的信息交換。

這些分析行動者中心性的重要指標在基于大數據技術的社會網絡分析軟件中可以直接賦值表示出來，社會關系在大數據軟件中得以量化，關系有了強弱大小之分。在最初的六度空間實驗中，傳遞的內容是信息，而在社會化媒體平臺上我們通過大數據技術可以看到傳遞的其實是一種社會關系，基于不同的社會關系，目的和結果也會不同，通過大數據可以更加清晰地了解各個行動者在傳播的過程中處于何種角色、基于何種目的、造成何種結果。阻尼問題受行動者主觀意識控制，無論是傳統時代還是大數據時代都屬無法解決的問題。

（三）大數據與社會化媒體的小世界理論

通過大數據分析技術窮舉搜索Facebook關系圖上的每條鏈接，Facebook數據分析專家小組發現，社交網絡中的每個人都可經由平均3.5個“媒介好友”而聯系起來，這一發現刷新了之前長期流行的“六度分隔”理論，即世上任何兩人皆可通過某條較短的熟人鏈條連接起來。這說明社會化媒體的出現讓世界變得越來越小：以前的六度現在一半就夠。3.5這個數字計算的是“媒介”的數量，而不是分隔度數，平均3.5個媒介對應的是“4.5度分隔”，六度對應的是“5個媒介”。

三、基于大數據的社會化媒體的擴散機制

傳播從本質上來說是信息的流動，信息就是構成傳播的基本材料。基于大數據的社會化媒體的擴散機制，則要從系統的實際運行角度切入，探討整個社會化媒體網絡的底層運轉機制，探究信息的擴散模式，并結合具體案例進行分析。

（一）社會化媒體的信息擴散特征

簡單隨機網絡這一概念更符合早期互聯網研究者們對網絡空間的期許——一個絕對平等的、去中心化的數字空間。在這張網絡中，每個節點都遵從著絕對的隨機性原則，彼此間沒有任何差異，其連接關系也是隨機生成的，這就意味著所有節點擁有相等機會獲得連接，在網絡足夠大的前提下，理論上幾乎所有節點擁有的連接數，都是基本相同的。理想化的隨機網絡模型并不現實，事實上，即便是互聯網的原教旨主義者們，也一樣在后續的研究中承認，簡單隨機網絡的模型中需要非隨機成分的優化改良。在此基礎上，復雜網絡的概念應運而生。

相比簡單隨機網絡，復雜網絡的“復雜性”，來源于它提出的樞紐節點的存在。所謂樞紐，即相對于簡單隨機網絡中的普通節點而言，前者擁有更多的連接數，這里的連接數差異并非是隨機過程中的數量波動，而是明顯的落差對比，這種差距已經大到影響節點之間的地位。在復雜網絡中，樞紐節點掌握了大量的連接數，而眾多普通節點僅依靠同樞紐節點的連接，便可以完成在網絡中的生存，獲取所需信息。在節點和連接數的關系上，復雜網絡遵從冪律分布，即一條平滑的曲線，兩端無限延伸。因為復雜網絡中，“特征尺度”意義的消解，這一網絡模型也被稱為無尺度網絡。無尺度網絡的擴散機制，顯然同簡單隨機網絡存在巨大差異。信息的傳遞效率與其產生的影響力，取決于樞紐節點們的選擇，后者成為整個網絡的信息傳播中樞。與傳統的中心化網絡不同的是，這些節點扮演的依然是媒介和中轉站的角色，他們負責將信息傳輸到各自所影響的圈層之中。因為在無尺度的網絡模型里，信息的傳輸路徑通常就是通過一個又一個的樞紐節點，進而影響擴散到更大的圈層之中，然后身處圈層中的每一個個體，又在其各自的圈層中扮演起樞紐節點的角色，進而完成又一輪的擴散傳遞。

反饋到現實中，可以將其簡單理解為意見領袖二級傳播模式的無限復制——就像各類輿情事件在社交媒體的發酵路徑一樣，最早的信源曝光后，經歷一群“大V”們的轉發，才形成了大面積的傳播，此后，“大V”們圍繞其各自的受眾圈再進行一次又一次的擴散，而信息也在這樣的過程中完成了傳播。這種底層信息的運行機制相比簡單隨機網絡要高效許多，后者需要整個網絡的所有節點協同完成信息向全網的擴散，而在復雜網絡中，樞紐節點承擔起了二傳手的作用，讓信息可以更為高效地流通傳遞。

（二）輿情分析與大數據技術融合

當前常用的網絡輿情分析方法主要有網絡調查方法、基于統計規則的模式識別方法、基于內容挖掘的主題監測方法等[5]。處理網絡輿情的技術主要是首先建立一套指標體系，再基于網絡爬蟲的網絡數據抓取、數據的預處理（主要有中文分詞、特征提取、建立VSM模型等），最后進行數據分析[6]。這種網絡輿情技術主要是在于輿情處理的準確性，忽略了網絡輿情的處理時間。

在大數據時代的網絡輿情分析數據集合從傳統樣本擴展到全體數據，目前的大數據技術可以實現24小時全天候自動獲取和采集網絡上與關注的輿情事件相關的信息，并對信息進行自動分類，情感分析，及時預警等功能；數據分析技術從描述到預測，以往的網絡輿情分析只能描述網絡輿情事件發展的狀態，何時爆發和何時消退的全過程，通過刻畫網民在網絡上留下的瀏覽、評論、轉發、點贊等行為詳細描述網絡輿情事件。在大數據時代的網絡輿情分析重點不在描述而是在預測，大數據技術可以通過對信息的分析從整體上把握用戶的心理特征、信息傳播的規律、網絡輿情發展態勢。對于政府相關部門和企業來說，最重要的是全面把握公眾的意見，識別潛伏期輿論是否存在危機，能夠未雨綢繆，防范于未然。大數據技術能為下一步決策提供數據依據，提高政府和企業對危機事件的應對速度。

（三）大數據分析下的輿情擴散機制

由于社會化媒體的無門檻性，網民可以在微博、微信、QQ等各種社會化媒體平臺上針對任何公共事件發表自己的言論，網民在這一過程中會形成眾多的數據，這些數據多是非結構性的，所以輿情事件的監測和分析需要大數據技術的加入。大數據技術可以提高網絡輿情數據的處理效率、網絡輿情分析的準確度和精確度和網絡輿情處理能力，這對分析社會化媒體輿情產生的原因、發展的過程和預測輿情發展趨勢都有著重要的意義。

微博是社交媒體平臺的典型代表，同時由于其平臺數據的開放性，利用大數據技術手段可以繪制出完整的社會化媒體信息的傳播路徑、輿情事件各個時期的特點，同時能夠體現傳播者之間的關聯以及其在整個傳播鏈條中的作用。以青島大蝦為例，其微博的傳播就是一張典型的“混沌分形圖”，美國科學家曼德勃羅特用計算機迭代出來的混沌分形圖被稱為“上帝的指紋”。輿情事件經過爆發期后，通過“財經網”等幾個微博“大V”用戶的轉發后不斷發酵，進入輿情事件的發展期，隨著時間的推移，輿情事件不斷地衰弱，進入衰弱期。

輿情事件微博的傳播一般還具有典型的冪率分布特征，服從“長尾理論”和“馬太效應”，這也是現代社會化媒體傳播機制中最主要的特點。就微博的信息傳播服從“長尾”理論來說，由于參與傳播的個體是隨機和海量的，且復雜網絡的無標度性使網絡節點不斷增長，微博信息的增長使節點比后來者有更多機會鏈接，不斷轉發使鏈接數量增加，產生無數的節點嵌套結構，網絡結構的這種分形特點，使得網絡信息的傳播結構趨向于“長尾”的無限結構。就微博信息的“馬太效應”來說，80%的轉發數都來自于占所有轉發用戶數20%的微博大V，2/8定律較為明顯[7]。

社會化媒體信息傳播的另外兩個特性：自相似性和標度不變性。就“自相似性”來說，信息在傳播過程中結構尺度一層一層縮小，同時具有嵌套重復的特點。同一信息在傳播的層次和尺度上不同，但是局部和整體的傳播結構特征是相似的，可以理解為整體與局部的傳播特征對稱性。就“標度不變性”來說，在微博信息的傳播過程中，每一次轉發的延伸組合構成了整個傳播鏈條的“長尾”，每個轉發者構成的“小長尾”其形態、不規則性對比整個傳播鏈條是一致的，可以說是社會化媒體傳播機制在大數據技術驅動下的一次微觀與宏觀的映射。

以上三種在大數據技術分析下的傳播特性對于認知社會化媒體傳播機制具有重要的啟示意義，對于社交媒體看似有限的區域和無限的傳播個體，通過大數據可視化技術讓我們能從一個不斷發展、全新的角度去理解信息傳播機制的概念。一方面可以利用圖形反饋信息傳播的發展過程；另一方面，從局部到整體的分形圖研究可以完美展示社會化媒體信息傳播機制的冪率及自相似性特征。 （作者宋凱是中國傳媒大學移動互聯與社會化媒體研究中心副研究員；劉葉子是中國傳媒大學互聯網信息專業社會化媒體方向碩士研究生）

【注釋】

[1] 喬文娟.淺析微博時代公眾話語權的提升[J].新聞世界，2011.

[2] eNet&Ciweek:社交關系與大數據的結合,催生真正的互聯網與金融領導者[N].互聯網周刊,2015.

[3] 段鵬. 傳播學基礎[M].北京：中國傳媒大學出版社,2013.

[4] 艾伯特·巴拉巴西.鏈接——商業、科學與生活的新思維[M].浙江：浙江人民出版社,2013：37.

[5] 李佳師.大數據:觀念影響速度[J].中國電子報,2013(5).

[6] 李金海,何有世,熊強.基于大數據技術的網絡輿情文本挖掘研究[J].情報雜志,2014(10):2.

[7] 朱海松.讀者來稿：杜蕾絲微博研究. http://chuansong.me/n/137318,2013-8-3.