HP Social Computing Lab關於社會化媒體影響力和消極性的研究報告

鄭昀 20100806

話說惠普有一個研究社會化網路資料採礦的 Social Computing Lab（SCL） 實驗室，領頭的是 Bernardo Huberman 博士。

他們最近發布了一個研究報告《Influence and Passivity in Social Media》，基於250萬使用者的2200萬 Tweets 資料。它的一個結論是：the correlation between popularity and influence is weaker than it might be expected，名氣和影響力沒什麼關聯，比人們期望的弱得多，High numbers of followers does not equal influence because those followers do not re-Tweet，名氣和影響力是兩碼事，粉絲多不等於有影響力，重要的是有多少人願意轉寄你的訊息。

最簡單測量你的名氣和影響力之間關係的是，發布一個能統計點擊次數的短網域名稱網址，看看到底有多少人從你的這條 Tweet 點擊，別管你有多少萬粉絲，你是否有足夠的影響力讓人點擊一個連結。

做PR或Ad的公司要注意這一點，想讓微部落格上的人幫你營銷，不要只看他的 Followers/粉絲/粉絲 數量，這數字沒啥用，要精確測量他的真正影響力。

惠普的這個研究由於並不特定針對 Twitter ，所以它的結論也適用其他社會化網路。

 

加入了 Passivity 維度

大多數人都只是資訊的消極接收者，他們並不會把東西轉寄到自己的網路裡。為了讓一個人有影響力，不應該僅僅停留在吸引別人的注意（眼球）從而變得有名上，還需要讓使用者克服他們的消極性(passivity)。

SCL 利用人在 Social Network 裡的消極性，設計了一個影響力通用模型。它還開發了一個演算法來量化網路中所有人的影響力，有點類似於HITS演算法，綜合考慮了網路的結構屬性和使用者之間的傳播行為。

一個使用者的影響力不僅依賴於他影響到的聽眾的多少，而且依賴於他們的消極性。

以前的影響力測量方法則主要基於一些個體的統計屬性，比如粉絲的數量，比如銳推(retweets)的數量。

SCL的這個演算法有很好的預測能力，比如預測一個發布連結的點擊次數上限會是多少。

SCL還發現那些高消極性的節點(node)，大多數都是垃圾製造者(spammers)或者機器人賬戶(robot users)。(註：不知道SCL如何評估@rtmeme這種機器人。)

 

實作

SCL 像銳推榜一樣也是從Twitter Search API進去，查詢包含 http 關鍵詞的 Tweets ，試圖收集齊提到連結的 Tweets(下稱“連結推”)。曆經300小時，獲得了2200萬條相關訊息，其中1500萬條的連結經過檢查是有效格式。據他們評估，這2200萬隻是那個時間段內 Twitter 全部訊息的十五分之一。

然後對這個集合中的使用者，逐一通過 Twitter API 查詢該使用者的中繼資料，尤其是 followers/followings 的數量。

這樣就得到了一個帶著時間戳記的 URL 集合，一個對應使用者的完整的 Social Graph 。

 

user retweeting rate=使用者A決定轉寄的URLs數量 / 使用者A從他的 followings(他所關注的人)接收到的 URL 數量 。

audience retweeting rate=使用者A發布的URLs中被 Followers(粉絲)所轉寄的數量 / 使用者A的一個 follower(粉絲)從A這裡所接收到的 URL 數量 。

 

很容易計算使用者之間的 pairwise influence 關係，比如在 Twitter 裡，要計算使用者A對使用者B的影響力，只需要統計B銳推A的次數即可。但你很難利用這種 pairwise influence 資訊去計算一個使用者(如@zhengyun)對整個網路的影響力。

SCL設計了 IP(Influence-Passivity) 演算法，每一個使用者都有一個 influence score 和 passivity score 。一個使用者的 passivity 得分用來評估其他人想要影響到他有多難。

該演算法有以下假設：

1、一個使用者的 influence score 依賴於她所能影響的人數以及這些人的 passivity 。

2、一個使用者的 influence score 還要考慮到，她所能影響的人專註程度(how dedicated)。

3、一個使用者的 passivity score 依賴於這樣一些人的影響力：她能接收到這些人的訊息但卻沒有被影響到。

4、一個使用者的 passivity score 還要考慮到，how much she rejects other user's influence compared to everyone else.

 

演算法迭代計算 passivity 和 influence 得分，有點像 HITS演算法 的尋找 Authority 頁面以及指向它們的 Hub 頁面。

給定一個加權有向圖(weighted directed graph，也叫帶權有向圖) G = (N,E,W)，N是所有節點的集合(nodes)，E是弧的集合，W是權值。某條弧 e = (i,j) 的權值 Wij ，代表一個比率：i 對 j 的影響力 / i 試圖施加在 j 上的全部影響力。

IP演算法將這個 graph 作為輸入。SCL 是這樣構圖的：

nodes是那些曾經發布過三條以上連結推的人。

如果使用者 j 曾經至少銳推過使用者 i 的連結推一條，那麼弧arc (i,j)就存在。這條弧的權值計算公式為：Wij=Sij/Qi，其中，Sij是使用者 i 發布的連結推中被使用者 j 銳推的數量，Qi 是使用者 i 發布的連結推數量。

最終計算時，SCL 的這個 graph 的節點數是 45萬個，1百萬條弧，平均權值是0.07。

在這個 graph 資料基礎上，SCL 計算了 PageRank、Influence和Passivity 得分、Hirsch Index.

(註：H-index ，是一種評價學術成就的方法。一名科研人員的h指數是指他至多有h篇論文分別被引用了至少h次。h指數能夠比較準確地反映一個人的學術成就。一個人的h指數越高，則表明他的論文影響力越大。例如，某人的h指數是20，這表示他已發表的論文中，每篇被引用了至少20次的論文總共有20篇。)

在 Twitter 裡，一個使用者的 H-index 是 h ，代表他的被人銳推了至少 h 次的連結推總共有 h 條。

（待續）