基于社會網絡分析看音樂排行榜的“不平等與不可預測性”及對策

■曹軍軍 趙志安

（中國傳媒大學，北京，100024）

音樂排行榜可以總結一定時期、一定范圍內有影響力的音樂作品并給其排名，形成一種關于音樂傳播的“輿情”監測，與音樂產業的決策行為互為參照。誠然，其間也有“打榜”行為的存在，但就追求社會效益而言，音樂排行榜無論如何也應當形成一種積極的導向。目前國內關于音樂排行榜的研究已有不少，但筆者閱讀了一系列這類文獻后發現：在藝術傳播的研究視野中，以及在與之相關的研發與運營等業界話題中，關于音樂排行榜，依然比較少見中觀層面的、值得文化產業運營者關注的視角。為深入探討這一狀況，筆者先選取一些以“音樂排行榜”為關鍵詞的、有足夠的代表性的文獻綜述如下。

劉曉飛的《排行榜研究意義初探：以音樂排行榜為例》（載《文化創新比較研究》2019年第33期）認為：排行榜是一種篩選、“提純”后的信息產品，有助于音樂受眾做出正確的決策；排行榜的吸引力也在于受眾的從眾心理。她的《音樂排行榜差異化研究探尋》則提出排行榜具有審美評價的作用，而且呼吁打造更加客觀、權威、富有公信力的音樂排行榜，而實現這些目標的基礎是統計口徑、方法的可靠，以及操作過程的公正、嚴謹。馬雪的《論排行榜的廣告效應》（遼寧大學碩士學位論文，2015年）尤以音樂為例，認為音樂排行榜屬于一種文化排行榜，后者是文化產業的運作方法之一，具有注意力吸附功能。此文也關注排行榜領域的現存問題，如受利益驅使的“刷榜”造假等。整體看來，目前不論是新聞傳播領域還是音樂傳播、音樂產業研究領域，關于排行榜研究，在宏觀層面已經形成了基本共識：它們都肯定了文化市場中的排行榜對大眾觀念的強大影響和引導作用，也都看到了排行榜的負面效應。

如果同時以“排行榜”和“社會網絡”為關鍵詞，則重要的關聯結果至少有兩篇文獻。楊悅的《基于網絡用戶行為的搜索排行榜研究》（北京交通大學博士學位論文，2013年）是通信與信息系統專業的一篇博士論文，研究方向為網絡理論與應用。該文以音樂搜索排行榜為研究對象，對“刷榜”現象做了建模，對NAVER 排行榜的關鍵詞共現網絡做了分析，并對中心度權重的分布規律給出了符合冪律分布的驗證。張玥的《社會網絡中用戶影響力分析技術研究》（哈爾濱工業大學博士學位論文，2015年）則充分地運用了用戶社交網絡的拓撲結構視角，通過影響廣度、影響深度和影響持續度等指標，對用戶影響等問題做了深入研究，并具有一定的可操作性。不過，這樣的研究總歸過于微觀，而且局限在理工技術層面。

筆者將在這些成果的基礎上闡述自己的思考，而這個過程不妨從一篇刊登在《科學》雜志上的論文談起。

一、現象與實證：“打榜”結果的“不平等與不可預測性”

2006年，美國普林斯頓大學的社會學教授馬修·薩爾加尼克（Matthew J.Salganik）在《科學》上發表論文《對人工模擬文化市場中的不平等與不可預測性的實驗研究》（Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market）論證：出于社會影響，文化市場中產品的傳播存在兩個特點，一是不平等，二是不可預測。薩爾加尼克筆下的社會影響模擬因素之一，便是作品排行榜對受眾選擇的干擾，而且他恰恰以音樂為例來說明這個問題。

（一）薩爾加尼克的研究設計與結論

薩爾加尼克在這篇論文中首先提出，文化產業領域存在一種普遍現象：“產品的銷量會呈現出一種‘贏者通吃’（winner-take-all）的局面”，亦即“文化傳播會出現‘巨星’（superstar）效應”——某一文化市場常常被少數人、少數品種壟斷。顯然，這對應于我們熟悉的“頭部藝人”“頭部內容”等說法。就音樂而言，“在社會影響因素下，流行的歌曲會更流行，而不流行的歌曲會更不流行”。雖然薩爾加尼克并沒有點明，但這無疑是馬太效應的一種體現，可用于描述很多領域內的兩極分化現象，也常是不平等（inequality）的重要表征。“在文化市場中，雖然好作品的傳播效果最終不會太差，差作品的傳播效果也絕不會很好，但是，什么樣的產品能最終成為熱銷的產品（或說成為‘頭部’產品），即使在很專業的評鑒人士看來，仍具有一定的不可預測性（unpredictability）”——我們不能簡單地通過產品的質量判斷它最后的銷量水平，市場表現的隨機性是無法忽視的。

為了檢驗這種不可預測性并探索其緣由，該文做了細心的研究設計。首先，作者假設社會影響確實會干擾音樂接受，且這種干擾可能是不平等和不可預測性的源頭之一。隨后，作者用實驗來模擬音樂受眾在文化市場中的欣賞與消費行為，并在實驗中營造音樂排行榜對受眾產生影響的情境。他采用分組實驗法，測量和比較了受眾對一些音樂作品的選擇情況，指標包括對作品的評分、下載量。如圖1 所示：第一組受眾在音樂選擇中完全進行獨立的判斷，不會看到別人的判別結果，然后將所有人對作品的評分綜合起來作為作品質量的指標；第二組受眾依次參與判別實驗，后來者的判別會受到先來者的影響（social influence）。對這兩組分別進行兩次測試：第一次測試中，受眾在選擇時可以看到已有的音樂作品被先前的受試者打了多少分；第二次測試中，受眾在選擇時可以看到作品此前的下載量從高到低的“排行榜”式結果。值得一提的是，作者給同樣的作品隨機選取了不同的受試者組——他有8 個“第二組”，相關的測試也各進行了8次，他稱其為“平行歷史”（parallel history；即“歷史的多次重演”，history replayed multiple times）。這種設計的考慮是：現實中“歷史只會發生一次”，所以面對某種音樂傳播和“打榜”的現實結果，我們無法判斷它是必然的還是偶然的。而在“平行歷史”的試驗中，如果各組受眾面對同樣作品的選擇結果及其排行基本一致，就說明排行榜確實有其可信度，反之則說明音樂傳播的結果具有較強的偶然性（在決策者而言就是一種不可預測性）。

圖1 該圖引自薩爾加尼克的論文原文，他借用基尼系數（Gini coefficient）反映作品在每組、每次的測試中表現的差距，基尼系數越大則差距越大。深灰色條形對應的是有社會影響的情況（每次測試的8 個深灰色條形對應著8 個“平行歷史”），淺灰色條形則對應著獨立判斷的情況（即第一組受試者）

結果，他證實了前述的研究假設。圖1 里的基尼系數反映出了作品間不平等的情況。兩次測試中，第二組的基尼系數均普遍高于第一組；而第二次測試的組間基尼系數差距更大。可見，社會影響確實會造成文化市場上不平等的營銷效果，而在排行榜的影響下（即社會影響加強時），這種不平等還會加劇。

經濟犯罪是刑法與經濟法之間銜接的基礎。經濟違法行為和經濟犯罪只有度的區別;由于超過了一定的度，行為才發生了質變，并因此受到不同法律的調整。因此，對于這種“度”的把握即經濟違法行為與經濟犯罪之間界限的把握是非常重要的，其也是保障刑法與經濟法之間銜接緊密、協調統一的關鍵所在。

再來看圖2：橫坐標為獨立判斷時作品的下載量（“市場份額”），用以表征作品的質量；縱坐標為有社會影響的情況下，相應作品的市場份額分布情況（因為有8 次“平行歷史”，所以橫坐標的每個點位上都有8 個縱坐標點值）。可見，在有排行榜影響的情況下，這里的非線性擬合函數曲線呈現出更明顯的波動特征，即越是高質量的作品，在“多次再現的歷史”中的市場份額表現越容易波動，這進一步昭示了偶然性及不可預測性。所以，薩爾加尼克稱：“哪些音樂成為排行榜第一（或頭部前幾位）的作品，其實是非常偶然的事情。”也就是說，音樂排行榜中的不平等是與某種程度的運氣相伴的。

圖2 該圖同樣引自薩爾加尼克的論文原文。對比可見，在有排行榜影響的情況下，音樂作品“品質”與其市場份額之間的關系更趨偶然

國內已有的關于音樂排行榜的研究也多多少少對因社會影響而生的“從眾效應”有所觸及，但對其做出實證模擬的研究較為罕見，因此，薩爾加尼克的實驗設計可以作為不錯的補充。但是，薩爾加尼克的這篇文章并沒有在科學理論上對從眾效應和不可預測性加以解釋或充實。

（二）植入網絡科學與社會網絡分析視角后的觀察

對剛才說到的問題，網絡科學與社會網絡分析領域已有進一步的闡釋（薩爾加尼克的上述論文其實也是其“子領域”之一，即“網絡傳染”研究領域的一個著名案例）。茲再舉一例：美國威廉與瑪麗學院的麗薩·安德森（Lisa Anderson）等曾于1997年做了個經典的模擬實驗，深入解釋了從眾效應帶來的偶然性或不可預測性。

一個看不到內部的罐子里有2 個紅球、1 個藍球。受試者僅被告知罐子里有3 個球，要么是紅色，要么是藍色，然后被允許從罐子里抓取1個球，看后放回，再自行推斷罐子里是藍球多還是紅球多，并將推斷結果公布出來。受試者有多人，后來的受試者不能知道前面的人看到的究竟是藍球還是紅球，但可以看到他們公布的推斷結果。這個實驗可以揭示一種“集體錯判”的風險：如果前兩位受試者恰好都抓到藍球，那么第三位受試者即使抓到紅球，也很有可能斷言罐子里藍球更多。這里，受試者做出推斷的一個重要依據是：在前面的眾多受試者中，是覺得紅球多的人占了多數，還是覺得藍球多的人更多。也就是說，他的判斷“從眾”了。重復進行這項實驗會得到若干種隨機結果，但這些情況整體上可以分為兩類：第一，如果聲稱紅球多的和聲稱藍球多的人數始終不分伯仲，那么后來的受試者仍然將莫衷一是，隨機的判斷結果會繼續出現；第二，一旦兩個陣營的人數拉開了一點差距，這種差距就很可能一直放大，判別結果的序列也會從波動走向穩定，“倒向”其中一方，也就是說集體找到真相，或者集體錯判。這種“馬太效應”同樣存在于音樂傳播領域，只不過現實中“球”的顏色更為多樣罷了。

其實，人際關系是研究社會影響時的一個核心問題。對此，社會網絡分析是一種常見且有效的實證方法，也就是將人際關系用數學中的圖論知識加以形式化（建模），然后進行量化研究。這種圖主要由“節點”和“邊”構成：節點可以表示各種人或物，邊可以表示各類關系。上述抽球實驗也是社會網絡分析的一個分支領域“網絡動態學”中的案例。就此，可以回到本文論題：我們說，排行榜情況的演變一直都處在一個有社交屬性的、受社會網絡制約的環境中。在排行榜收集數據之初，也就是作品之間尚未拉開差距的階段，什么樣的作品能獲得較高的下載量，其實是帶有一些隨機成分的，正如抽到紅球還是藍球必然有一個概率因素。而一旦排行榜的數據格局發展到一定階段，某些參與者脫穎而出并逐步顯現“稱霸”態勢，馬太效應就很可能無法逆轉了，這時作品本身質量的因素可能會徹底邊緣化，優秀作品排名較靠后也不足為奇。①在社會網絡分析的角度上，這個不難理解的話題還有更加發人深省的解釋。比如羅家德就曾以經濟為例闡述道：如果收入不平等的格局改變起來很艱難，那不是因為低收入者不夠“拼”或高收入者足夠“拼”，而是人際關系的結構因素，即網絡社群圖所表達的社會關系結構在起著深層次的作用。在“不同階層的人大都在努力，都渴望富裕”的動機驅使下，社會網絡中的人會傾向于與更富者建立關系，并不惜貢獻資源以維持這些紐帶，結果讓更富者更“受寵”，更易于聚集資源。參見羅家德著《社會網分析講義》，社會科學文獻出版社2005年版，第206頁。這個觀點同樣可以用來解釋文化領域、音樂領域的排行榜。大部分受試者看到已有的排行榜時，肯定傾向于優先試聽排行榜“頭部”那些高下載量的音樂，導致排行靠前的音樂更有可能被下載。這樣，不斷更新的排行榜表現出的下載頻次的不平等就會更加嚴重，進而更為強烈地影響后來的受試者。

在社會關系因素影響下，音樂排行榜下載次數的格局演化也可基于另一種統計分布來描述，即冪律分布。應該注意的是，冪律分布不同于一般獨立發生的現象（比如社會成員的身高、體重分布）在統計中的正態分布。冪律分布通常可以用公式

P(k)=Ck-γ

來表示，其中C為常數，而γ的取值在不同領域會有所差異，但最常取2，用以說明問題也是比較合適的。假設k為某部音樂作品在排行榜上的下載量水平，那么特定下載量水平的出現概率會隨著k的增大而迅速降低：假如下載量為2 次的作品數量是下載量為1 次的作品的1/4，那么下載量為3 次的作品則只有后者的1/9，下載量為10 次的就只有1/100 了。在文化市場上，作品的基數常常很大，但即使是1 000 萬部音樂作品中，也仍然會有下載量約為1 000 次的10 種“頭部”作品，以及多達約10 萬部下載量僅為10 次的一般作品。可見，冪律分布可以反映文化市場中所謂的“霸榜”情況。

總之，“不可預測性”的背后是偶然，但各次偶然的結果常呈現出不同水平的（即γ值有一定變動的）冪律分布特征。換言之，它們呈現出一種反映“不平等”的“必然性”。

（三）從文化傳播研究視角的補充說明

社會網絡的研究方法可以具體應用到“文化網絡”①參見約翰·斯科特（John Scott）、彼得·J.卡林頓（Peter J.Carrington）主編《社會網絡分析手冊（上）》，劉軍、劉輝等譯，重慶大學出版社2018年版，第20章“文化網絡”。領域，也就是可以涉足文化傳播的問題。筆者對此有以下幾點補充說明。

首先，大眾文化研究領域經常提到的“標準化、同質化、偽個性化”可能也是不可預測性的原因之一。音樂排行榜關注的主要還是大眾流行音樂，它們確實長期飽受同質化等詬病，所以受眾有時難以判別質量的高下殊異，從而在作品的選擇上體現出一定的隨機性。既然如此，就流行音樂評價的真正意義而言，與其花過多的精力去關注作品本身的質量，倒不如更多地關注作品的傳播規律，因為音樂傳播研究會直接觸及評價效果。（關注文化的傳播問題也是伯明翰學派的重要立場。）

第二，既然說到大眾文化，就難免與“精英文化”對比，而流行音樂和古典音樂又恰是這兩種文化的突出代表。筆者訪問中央音樂學院作曲系的姚恒璐教授時，他曾直言，相比古典音樂，流行音樂本身就不重作品文本。筆者認為這個觀點頗有道理。況且伯明翰學派也認為，流行音樂其實更重社交。那么，前面說的實驗就可以再做進一步的分組比較：換用不同的音樂形態，結果是否會有不同？在聽賞內容為古典音樂、受眾為“精英”的情況下，這種不平等、不可預測的現象還會有那么顯著嗎？

第三，以音樂為例的排行榜研究，是否和其他藝術門類的排行榜研究結果一致？從業界提供的經驗來看，確實還是有差異的。應該承認，在文化市場上，前述關于排行榜的論斷，在音樂傳播領域表現尤甚。筆者曾在一次關于社會網絡分析的教學論壇上，聽到清華大學社會學系的鄭路教授表示：如果想預測市場上某部“大制作”能不能在一定時期內“紅”起來，可以參考它的資金投入，但預測“小制作”的電影、流行音樂、大眾讀物中哪些內容能“紅”就很困難。

第四，我們要思考音樂的特殊性在哪里（比如與畫展、電影相比）。在中國傳媒大學音樂產業發展研究中心任職的本文第二作者認為，音樂“關聯性、滲透性強”的特質，讓產業實踐中“音樂+”的運營方式格外醒目；而“音樂社交”是“音樂+”的重要體現，所以音樂反倒能為社交“做媒”。這樣看來，音樂用戶之間的互動作為一種社交方式，是與音樂活動有密切聯系的，亦值得關注和研究。

這些角度都可以成為當下媒體社交大數據與文化產業研究的熱點。除此之外，從社會網絡分析的角度出發，還有可能刷新業界對排行榜研發的一些舊有認識。

二、現實問題與對策建議

音樂產業界一直有很多人士關注如何建設更有權威性和公信力的排行榜。通過前面的論述，讀者或許已然覺察，科學揭示的規律和業界人士心目中的期待有些南轅北轍，且讓人頗感意外。但是，由排行榜造成的不平等和馬太效應也會對我們有所啟發，而且我們并非全無對策。

一方面，正如所謂的“平行歷史”實驗所啟發的，一個簡單的策略恰恰是不要執拗于“唯任何一種所謂‘權威’的音樂排行榜的馬首是瞻”的觀念，要轉向“允許各家排行榜共同存在”，多“打榜”，“讓歷史多次重演”。當“打榜”排行結果的多種可能性浮現出來之后，網絡傳播隨機性和偶然性的缺陷就得到了一定程度上的填補。其實這種填補效果已經在業界出現了：正是因為各種互聯網音樂平臺或相關媒體啟用了各自統計口徑內的榜單，同樣的市場、相似的曲庫、大批被“孵化”的音樂人，才遇到了不同的打榜結果，用戶亦因此不妨綜合參考多種榜單。由此，今天的音樂文化市場上，“巨星”或“巨作”持久“霸榜”的情況才明顯減少，20世紀90年代香港地區“四大天王”熱度持久的情形也難以重演。這與排行榜能否做得更“權威”并無關系，反而可能緣于排行榜帶來的眾說紛紜、莫衷一是的局面。

另一方面，我們可以讓社會網絡分析方法及其方法論（乃至認識論）介入。既然音樂社交已經成了熱點，那么對音樂社會網絡的研究也應當提上議程。若以社會網絡的觀念為基礎，則可以用網絡模型的視角，對前述問題進行這樣的陳述：當一個新節點進入網絡之后，它會優先和網絡中的那些連接程度更高（即“節點度”的數字更大）的節點連接。在冪律分布的這一根本性質之上，還可以進一步提問：音樂排行榜的研發是否可以直接基于用社會網絡“形式化”了的模型？

筆者給出的答案是肯定的。從理論上看，在音樂的社會網絡中，節點可以表示人、作品或與之相關聯的其他要素，而“節點度”的大小則可表征音樂人、音樂作品等的聲望或影響力，社會網絡結構所揭示的“節點度”的頻數分布，也多符合冪律分布規律。①關于這一規律的解釋，屬于網絡基本拓撲性質的范疇。參見汪小帆、李翔、陳關榮編著《網絡科學導論》，高等教育出版社2012年版，第三章內關于“度分布”和“冪律分布”的內容。而排行榜結果的產生，是擺脫不了社會網絡環境中人際影響的因素的，所以才呈現出冪律分布的狀態，也就是說，其原理符合由社會網絡分析反映出的認識論思想。

在實踐中，2019年也出現了“Billboard 中國”聯合新浪微博推出的一款產品——“音樂社交排行榜”。其介紹稱，該產品打通了音樂大數據的接口，同時采納主要音視頻流媒體平臺的轉發、分享、評論、點贊、收藏等與社交有關的數據，因此可以盡量全面地評估音樂作品的社交熱度。但筆者想坦率指出，該產品統計涉及轉發、分享等的“屬性數據”，并不等于分析社會網絡、社交網絡（也有稱“社會媒體挖掘”的）中真正意義上的“關系數據”。簡單地說，“屬性數據”僅是每個用戶的轉發頻次、分享頻次等，而“關系數據”是誰“轉發給了誰”多少次、誰“分享了誰的內容”多少次之類的數據。換言之，通過關系數據，能看到對象之間的關系，以及這些關系的強度和模式。固然，轉發、分享等行為可以生成關系，其數據也可以成為搭建多元關系社會網絡數據庫的基本條件，但該產品并沒有這么做。該產品所說的全面評估，也只是擴大了樣本規模，從而降低了抽樣誤差，與對社交關系的形式化網絡建模并無太多關聯，因此令筆者頗為遺憾。

筆者認為，真正意義上的基于社會網絡的社交排行榜，應參考網絡科學中的指標和算法。這里舉兩個例子，一是中心性分析，二是凝聚子群分析（在社交媒體挖掘中也稱“社區發現”研究）。這里要專門說明一下中心性分析：節點在網絡中所處的地位的中心化程度越高，其影響力或聲望就越高，所以這是一種相當適用于排行榜評價研究的科學方法。而且，它的細分指標很豐富，如度數中心性（即有多少個邊連接著節點）、中介中心性（即一個節點在網絡交流中，多大程度上具有信息把關人的屬性）等。至于凝聚子群分析，它與中心性分析并非涇渭分明，二者在網絡科學中屬于同一套研究范式，只不過凝聚子群分析實際上是一種分類研究的體現，即根據社會網絡中關系的疏密等“計算維度”去探查網絡中的各種子社群的集聚問題。

羅家德曾經以社會關系網絡的視角形象地解釋了經濟領域中的馬太效應是如何出于行動者共同的求富動機（即出于共同的網絡行為模式）而形成的，也就是說，在一般情況下，網絡有可能會演變為一種由少數度數很高的節點作為中心（或稱核心）并向邊緣彌散至較低度數的結構，即從“核心”到“邊緣”的結構。應該指出，雖然中心性分析可以通過“中心勢指標”相當好地描述網絡的整體結構，也能通過給節點的度數做降序排列來取得評比效果，但是，文化領域的這種“核心—邊緣”結構的網絡其實是“亞健康”的，因為它往往對應著文化的單極化。羅家德隨后也提出，要想阻止這種馬太效應和亞健康網絡結構的形成，一種較有效的方式是在網絡中創造出更為多元的集結點（即那些有可能發展為高度數的節點）。①參見《社會網分析講義》，第206頁。這種多元的集結點會產生拆解網絡核心的效果，使網絡“分化”——多打榜的策略會讓更多的作品或音樂人有機會成為“頭部”，即有利于多元集結點的生成。多元，就是讓網絡分化出多個富有局部凝聚力的子群，它可以見諸圍繞多元文化形態、多元風格等形成的小眾社群。然而，即使網絡的結構已從“核心—邊緣”式轉化成“多元”式，若僅有一款真正意義上的音樂社交網絡排行榜，則基于某種中心性指標（譬如“核心—邊緣”結構中的核心度指標）的評價研究又會面臨新的局限性，因為它無法反映網絡中的分派現象，不易闡釋包含多種分化的凝聚子群的網絡結構狀態——而評鑒當代大眾文化時，更應意識到的正是“不同的不同”而非“不如的不同”。這時，不妨將評價研究適當地向分類研究傾斜，轉而觀照各個相對獨立的子群，那么，對文化市場的研究就應該傾向于對音樂社群和社區的分析等。在這方面，業界也已經有了一些調研報告，比如2019年“極光大數據”發布的“國內在線音樂社區研究報告”。但該報告同樣讓筆者感到有些遺憾：雖然它也以熱度頗高的音樂社交、社區、大數據為關鍵詞，但其調研依然限于用戶量、付費量、類型分布等基本屬性數據，與音樂社會網絡分析沒有太多關聯。

業界的操作為何難以觸及問題的本質，甚至讓人懷疑是在“蹭”概念的熱度？筆者曾與該類項目的一些負責人溝通，發現他們頗有苦衷：目前從事這類業務的通常是作為乙方的專業調研公司，但真正的社交網絡關系數據儲存在甲方的音樂平臺數據庫中，出于保護商業機密等緣故無法真正共享。比這更重要的是，互聯網行業中數據技術層面的人士對社會網絡分析等方法根本不陌生，他們在技術上更有發言權，筆者的前述研討若想更加精深，恰應師從此類人群。但是，一些頂層的產業運營決策者或許在這個方面的認識還有不足，他們的注意力更多地集中在排行榜“現象級”的輿論效應上，或者一味擔心數據不夠真實從而不夠“權威”。如果沒有甲方和乙方的有效對話，沒有決策層和技術層的有效對話，那么就更難找準正確的戰略方向，更難讓對音樂排行榜的簡單認識上升為真正意義上的對音樂社交排行榜、社群分析的認識。若回到前面的文獻綜述，可以說，微觀層面的視角和宏觀層面的視角之間缺少了一些對話，學界如此，業界也如此。筆者的行文立足中觀層面，希望能促成二者的更多相互關注。

三、結論

一旦包含社會影響因素，則在社會關系網絡的視角下，文化市場及其排行榜（尤其是音樂排行榜）產生的評價結果就會具有相當強的偶然性，這種偶然性又表現為不可預測性。而多次偶然的結果會在統計上呈現出必然的冪律分布，整體上看，也就是馬太效應和一種普遍的不平等格局。目前國內已有的關于排行榜權威性的研究和認識，尚未完全進入這個層面。所以，與其追求唯一“權威”，倒不如允許多榜并存。而若基于社會網絡分析，進一步觀察這種社會影響（或稱社交因素），也可以深化對已有的音樂社交排行榜研究、音樂社交媒體社群研究的認識——面對多元豐富的文化，排行榜的評價功能不應當被過分放大，相關學術研究不妨適當向分類研究傾斜，更深層的問題或許應傾向于社群研究（這一思路在相當程度上可溯源至對社會網絡的科學認識及其相關理論）。當然，具體的技術要素尚不在本文討論的范圍，筆者只是希望嘗試掃除一些關于音樂排行榜的思維盲點和疑惑，在基本認識層面努力推進對音樂排行榜的研究乃至文化產業領域各種排行榜的研發。