社会媒介中心节点扩散结构及其影响力研究

郭辰+吕洪兵

内容摘要：互联网的诞生使社会进入碎片化时代，而微博的到来，进一步将碎片化向前推进了一步。病毒营销是随着信息传播技术和社会网络发展起来的一种新型社会化网络营销模式，近年来被许多企业采用。作为崭新的社会化网络平台，微博正在改变互联网的发展方向和企业产品市场的推广形式。本文采用图论和社会网络分析的方法，将中心节点划分成四个维度，对微博信息传递的扩散结构及中心节点的影响力进行研究，发现不同维度中心节点的社会感染能力不同，可以为企业实施病毒营销战略提供一定借鉴。

关键词：病毒营销 社会媒介 中心节点 微博 图论

引言

随着现代科学技术的发展，信息和传播技术（ICT）加大了人们相互影响的可能性，社交网站、微博等社会媒介都属于ICT的范畴，这些虚拟社会网络系统为企业开展市场营销活动提供了巨大的网络平台。根据中国互联网发展状况统计报告，如表1所示，我国社交网站和微博用户规模逐年增加，特别是微博用户半年的增量都达到3000万人左右。为此，基于社会媒介的病毒营销方式越来越受到国内外企业的青睐。

病毒营销是随着社会网络而出现的新型网络营销模式，与传统的营销模式有着本质的区别。传统营销是由企业发起的“企业-顾客”沟通，例如销售人员与顾客之间，或大众媒介诸如各种广告；而病毒营销是利用“顾客-其他顾客”互动沟通，例如顾客之间的口碑效应，而且社会化网络和社会化媒介进一步加大了“顾客-其他顾客”互动可能性。大众媒介的沟通效应是一对多形式，由企业控制内容，顾客只能被动接受；而顾客间的口碑传播是多对多形式，其可能呈现类似传染病传播的指数型增长态势，如“一传十，十传百”效应。

2006年基于Web2.0技术的独立微博网站饭否、叽歪在中国大陆浮出水面，开启了中文微博的大门。2009年中国门户网站新浪推出新浪微博内测版，成为门户网站中第一家提供微博服务的网站，微博便正式进入中文上网主流人群的视野。微博时代的到来，使得各行各业的人都看到了网络口碑营销所带来的商机，能否正确利用社交网络传播工具在激烈的市场竞争中具有决定意义。微博作为当前最为热门的社交网络形式，传播范围广，信息量大，拥有巨大的商业价值。其中一个经典的成功案例就是电影《失恋33天》的微博营销，制片方投入600万用于网络营销，占了电影总成本的2/3，而电影在上映一周的票房就超过了两个亿，可见网络营销已成为企业实现盈利的必经之路。在基于微博的网络营销中，中心节点一直扮演着极其重要的角色，他们是网络的枢纽，把不同地区、不同文化背景、不同受教育程度的人联系在一起。

文献综述

自中心节点的概念提出以来，各个领域的学者从不同角度对中心节点进行了研究，例如有的学者从社会学角度，采用定量的方法对无标度复杂网络下的中心节点的存在性进行论证；有的学者从营销学角度，采用实证分析的方法对病毒营销的传播机理进行分析；有的学者认为中心节点就是那些有着广泛社会联系的人；有的学者认为意见领袖联系人的多样性使得他们更善于发现新的事物。但据笔者所知，目前还少有学者对病毒营销中心节点在社会网络环境下的效果进行分析和讨论。Sharad Goel的研究认为，在线信息传播结构类似于病毒扩散结构。在模型中通常用节点表示个体，用边表示节点间的传输关系；Duncan J.Watts等学者基于Twitter和Yahoo的数据对病毒营销的结构以及中心节点的作用进行过分析，但上述研究都无法证实病毒营销在中国大陆网络环境下的扩散结构和信息传递效果。因此，本文基于企业在新浪微博开展病毒营销的实例和数据，分析在中国Web2.0环境下的病毒营销中心节点的扩散结构和影响力。

在市场营销学中，中心节点一般被称作“意见领袖”、“强力用户”或“影响者”。这些人对比普通大众具有3个主要特点：他们具有很强的个人魅力（例如明星）；他们在某个领域拥有丰富的知识（例如专家）；他们有着大量的社会关系（即社交广泛）。中心节点作为大众媒介和普通用户之间的连接者，他们对病毒信息的传播具有决定性意义。Jacob Goldenberg等学者采用结构方程模型证实了中心节点对网络口碑传播活动的重要作用，并发现中心节点的影响力越强，接收者参与在线口碑转发的频率也就越高。

相关假设

（一）传播模型

病毒营销的扩散结构都是基于传播网络图进行分析的，而用户间的相互关系是建立病毒营销传播网络图的关键之一。信息通过接触网络传播：每个节点代表一个人，两个点之间的边表示他们有所接触，从而信息就可能从一个节点传到另一个节点。本文根据电影推广中的微博转发数据，并借用简单的信息传递模型来表述中心节点在病毒营销中的扩散结构，如图1和图2所示。

通过图1可知，对于社会网络内部化的中心节点，社会成员间的网络关系主要以强关系为主，粉丝基本都是该意见领袖的坚定追随者，并且二次转发率较低，信息传递基本发生在第一层，病毒营销的扩散力相对较弱。而对于社会网络比较复杂的中心节点，如图2所示，社会成员间存在着较多的弱关系，粉丝呈现出跨领域的多样性，二次平均转发率的比例相对前者也较高，信息的传播能够达到第二层甚至更多，病毒信息的扩散能力更强。

（二）中心节点的影响力

为了比较不同维度的中心节点在信息传递中的作用，本文基于图论的思想，提出依据节点连通度的不同来评估病毒信息传递影响力的方法。由于病毒信息的传递不仅与微博转发的次数有关，也与转发该微博的节点在社会网络结构中所处的位置有关。为了便于分析和比较不同中心节点的病毒影响力，本文依据病毒传播的实际效果构建网络图模型。

本文研究的关于病毒营销的中心节点所处的复杂网络均为无向无权网络。因此，网络可以用图G=（V， E）表示，其中V={v1，v2，…，vn}表示G的节点集合，E={e1，e2，…，em}表示边的集合，n为网络中的节点数。一条连接点vi，vj∈V的边记为[vi，vj]，其中：endprint

定义1：节点连通度。假设e（vi，vj）表示以节点vi为起点，节点vj为终点的边数，则节点vi连通度C（i）为：

（1）

定义2：中心节点影响力。该节点对于病毒信息传递的影响力是经过它传播的信息节点的连通度的总和，即为：

（2）

依据定义2，病毒营销网络中心节点影响力由节点在社会网络中所接触的所有节点及各个节点的连通度共同决定。下面给出中心节点影响力的评估算法：

第一，For i=1 to n{ ，第二，for（每一对节点vi，vj ），第三，{计算节点vi到网络中所有其他节点之间的边的数量C（i）；}，第四，根据式（2）计算 ；}。

以上定义能够帮助企业在开展病毒营销时找到影响力较大的意见领袖，但为了能够从多种角度定位适合推广信息的中心节点，本文继续引入影响系数这一定义。

定义3：影响系数。影响系数为经过该中心节点传递的所有信息量与该中心节点有连接的节点数量之比，即为转发量和粉丝量的比值：

（3）

本文采取归一化的标准化方法，但为了方便考虑和实际意义，本文将所得数据标准化到[0.1，0.9]之间。对于越大越好型指标，用公式（4）进行标准化，最终结果如表2所示。

（4）

实证检验

（一）数据来源

本文分别选取2013年10月和2014年1月在新浪微博上关于电影推广的两个病毒营销案例数据进行实证分析，并根据中心节点与电影制作方的关系，将病毒营销扩散结构中的中心节点划分为4个维度，即直接相关、间接强相关、间接弱相关以及第三方无关。直接相关为电影的演员、工作人员；间接强相关为与电影行业相关的其他团体或个人，如影评人和电影爱好者；间接弱相关为与电影行业无关的第三方平台，但受众群体与该电影的观众群相近，如各种娱乐博主；第三方无关为与电影及受众都联系不大的团体或个人，如新闻业官方微博。

本文选取转发电影《甜心巧克力》营销微博中共计33978条转发微博，转发微博分别来自于不同维度的16个微博博主。同时为了进一步分析在同种维度条件下，不同中心节点的扩散结构是否有异同，本文再一次选取《爸爸去哪儿》节目组通过新浪微博对其同名电影宣传所转发的30730条转发微博，其中由同一维度的5位中心节点所转发的微博数量已经占到总转发量的83.7%，可见通过分析这5位中心节点的扩散结构便可得知微博扩散结构的基本情况。

（二）结果与分析

通过表2可知，中心节点影响力的大小和该节点的微博转发量的多少基本一致，转发是微博信息传播的主要途径，也是衡量微博影响力的一个重要标志。按照维度划分的病毒影响力从大到小依次为：间接弱相关>直接相关>间接强相关>第三方无关。这是由于作为间接弱相关的娱乐博主，粉丝数量都在百万以上，甚至有的接近五百万。他们大多数都是凭借收集大量的娱乐信息来吸引粉丝，粉丝群体以青少年为主，这个群体对新鲜实物更加敏感，因此对于有着明星参演的新电影关注度较高；作为与电影直接相关的演员，他们的社会网络相对内部化，粉丝的忠诚度高，所以影响系数相对较高，但由于电影《甜心巧克力》的主演为外籍演员，他所拥有的粉丝数量远不及娱乐博主，导致影响力对比前者相差很多；作为间接强相关的中心节点，拥有的社会网络群体以电影爱好者居多，但由于《甜心巧克力》讲述的是青年男女的爱情故事，受众群体区分度较强，因此病毒影响力对比直接相关和间接弱相关的中心节点还要稍逊一些；影响系数最小的中心节点为第三方无关群体，例如新闻业博主，他们的受众群体多为新闻爱好者，对于电影的推广并不感兴趣，虽然第三方无关中心节点的社会网络比较发达，但由于他们的影响系数特别低，以至于对于电影推广信息传播的影响力和普通大众相差不大。

通过表3可知，《爸爸去哪儿》的5位主演微博的一次转发率和二次转发率以及信息扩散结构的平均深度都是十分接近的。虽然5位主演在参演本片前的身份各不相同，而且各自所拥有的粉丝数量也相差比较悬殊，但他们与电影推广方的关系都为直接相关，属于同一个维度，因此可以得出基于微博转发的同维度中心节点扩散结构具有相似性。同时，本文发现本次通过微博开展病毒营销的信息扩散结构的总体深度均为1.1左右，即中心节点扩散结构趋于扁平化，与假设中病毒传播结构层次多的特点有所差别。

企业在进行病毒营销推广时，应选择那些与企业为间接弱相关的中心节点以及拥有大量粉丝数量的直接相关中心节点为病毒的主要传播源，这样对于病毒营销的推广能够起到事半功倍的效果。同时本文也发现，病毒影响力最强的娱乐博主1，他在传递信息时并不是像其他意见领袖那样只是稍作评论，而是将信息重新加工包装了一下，使得微博更符合自己的风格，这种修饰过的“病毒”对于粉丝的感染力更强，更受欢迎，能够极大地提升病毒影响力。

结论

随着互联网技术的飞速发展，社会网络变得日益发达，通过社会媒介进行市场营销的方式越来越受到企业的重视。病毒营销的影响范围大，推行成本低等特点，使得鼠碑病毒营销渐渐成为企业积极推崇的一种营销方式。本文基于新浪微博平台的数据，采用图论和社会网络相结合的研究方法，将扩散结构中的中心节点划分成四个维度：分别为直接相关、间接弱相关、间接强相关和第三方无关。这种对维度的划分将有助于企业对复杂纷乱的中心节点进行合理地辨别与区分。

然后，本文通过对鼠碑信息传播过程中不同维度的中心节点的作用效果进行实证研究，得出间接弱相关中心节点和直接相关中心节点的病毒影响力要比其他的中心节点高出许多，这两类中心节点的转发对病毒营销的开展至关重要。因此，无论是企业开展网络鼠碑营销，还是遏止网络谣言的传播，这两类中心节点都是企业和相关单位需要重点关注的对象。另外值得一提的是，如果微博转发内容能够经过意见领袖的加工和包装之后再进行转发，病毒信息的影响系数将会得到明显的提高，即其他节点的转发意愿将会增强，因此，这样的微博将更容易被受众群体所接受和二次转发。endprint

同时，本文通过对直接相关维度和间接弱相关维度中心节点的转发频率进行分析，得出该两种维度中心节点的信息传递树的深度大都仅在1.1左右，“病毒”信息扩散结构趋于扁平化，这与设想当中病毒式“一传十，十传百”的扩散结构有所差异。由于较少的传递层级将有碍病毒营销的开展，纵向传递深度较为局限。因此，企业在开展病毒营销时，在重视上述两种中心节点的基础上，还应该进一步从横向出发，通过选取大量的中心节点同时进行信息传递，以期达到横向扩大信息传播范围的效果。例如，可以采用Duncan Watts所提出的“海量种子”营销方法，即在营销过程中选取大量的中心节点同时进行信息传递，这样才能达到病毒营销的最优效果。

参考文献：

1.中国互联网络信息中心.中国互联网络发展状况统计报告[R].中国互联网络信息中心，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.社交网络分析与信息传播研究[D].复旦大学，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.谢婧，刘功申，苏波等.社交网络中的用户转发行为预测[J].上海交通大学学报，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.陈静，孙林夫.复杂网络中节点重要度评估[J].西南交通大学学报，2009，44（3）

10.殷国鹏.消费者认为怎样的在线评论更有用？—社会性因素的影响效应[J].管理世界， 2012（12）

11.郝媛媛，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，2010（8）

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

同时，本文通过对直接相关维度和间接弱相关维度中心节点的转发频率进行分析，得出该两种维度中心节点的信息传递树的深度大都仅在1.1左右，“病毒”信息扩散结构趋于扁平化，这与设想当中病毒式“一传十，十传百”的扩散结构有所差异。由于较少的传递层级将有碍病毒营销的开展，纵向传递深度较为局限。因此，企业在开展病毒营销时，在重视上述两种中心节点的基础上，还应该进一步从横向出发，通过选取大量的中心节点同时进行信息传递，以期达到横向扩大信息传播范围的效果。例如，可以采用Duncan Watts所提出的“海量种子”营销方法，即在营销过程中选取大量的中心节点同时进行信息传递，这样才能达到病毒营销的最优效果。

参考文献：

1.中国互联网络信息中心.中国互联网络发展状况统计报告[R].中国互联网络信息中心，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.社交网络分析与信息传播研究[D].复旦大学，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.谢婧，刘功申，苏波等.社交网络中的用户转发行为预测[J].上海交通大学学报，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.陈静，孙林夫.复杂网络中节点重要度评估[J].西南交通大学学报，2009，44（3）

10.殷国鹏.消费者认为怎样的在线评论更有用？—社会性因素的影响效应[J].管理世界， 2012（12）

11.郝媛媛，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，2010（8）

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

同时，本文通过对直接相关维度和间接弱相关维度中心节点的转发频率进行分析，得出该两种维度中心节点的信息传递树的深度大都仅在1.1左右，“病毒”信息扩散结构趋于扁平化，这与设想当中病毒式“一传十，十传百”的扩散结构有所差异。由于较少的传递层级将有碍病毒营销的开展，纵向传递深度较为局限。因此，企业在开展病毒营销时，在重视上述两种中心节点的基础上，还应该进一步从横向出发，通过选取大量的中心节点同时进行信息传递，以期达到横向扩大信息传播范围的效果。例如，可以采用Duncan Watts所提出的“海量种子”营销方法，即在营销过程中选取大量的中心节点同时进行信息传递，这样才能达到病毒营销的最优效果。

参考文献：

1.中国互联网络信息中心.中国互联网络发展状况统计报告[R].中国互联网络信息中心，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.社交网络分析与信息传播研究[D].复旦大学，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.谢婧，刘功申，苏波等.社交网络中的用户转发行为预测[J].上海交通大学学报，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.陈静，孙林夫.复杂网络中节点重要度评估[J].西南交通大学学报，2009，44（3）

10.殷国鹏.消费者认为怎样的在线评论更有用？—社会性因素的影响效应[J].管理世界， 2012（12）

11.郝媛媛，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，2010（8）

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