网络社群信息传播规律初探

刘瑞 杨辉旭

【摘 要】人、信息、平台是网络社群信息传播机制的三要素。网络社群分为自我组织型和平台组织型，网络社群成员分为意见领袖、主要成员、一般成员和边缘成员。在探究网络社群信息扩散规模和扩散的时空特征方面，发现信息遗漏率和关注人数，信息关注度和信息覆盖率之间存在相关性。大数据、人工智能、受众定向等新兴算法技术在社群信息的内容生产、投放、效果监测上得到广泛应用。展望未来，区块链在网络社群信息传播中的应用前景也十分广阔。

【关键词】网络社群 群体传播 信息扩散 算法技术 区块链

一、网络社群

1.网络社群概念

网络社群，是基于现实社会关系，或者基于兴趣爱好、社会话题等共同的文化目标而形成的非正式群体，广泛存在于各种网站和移动端应用中。互联网诞生至今五十多年以来，经历了从大众传播时代的“中心化”到web1.0 时代的“去中心化”到现在新媒体时代的“再中心化”和“多中心化”的变化，网络社群从无到有，从最初只是现实社群的延伸，发展到原生网络社群，再形成规模不一、结构多样的各类网络社群。

2.网络社群构成要素

网络社群由三方面要素构成：

一是有足够的成员。一般是网站、论坛、APP等建立的社群平台，然后在充分引流后经过用户沉淀和用户分层，自行形成多种网络社群。

二是有独特的群体意识和规范，这也是社群独特性的体现。

三是有共同的信息互动内容。围绕某些信息或者共同目标，经过充分的群体互动后在群体内或者群体外传播，实现信息的扩散，或者共同目的最终实现。群体传播分为群体内部信息传播和群体对外信息传播，笔者将单独研究群体内部信息传播。

3.网络社群的分类

常见的网络社群分类方法有以下几种：（1）依据网站功能划分，有资讯类、电商类、视频类、社交类等；（2）依据互动类型划分的，有论坛类、博客类、即时互动类等；（3）依据面向人群划分的，有大众类、文艺类、亚文化类、女性类等。笔者根据网络社群的组织主体，将网络社群分为自我组织型社群和平台组织型社群。自我组织型社群，比如贴吧、QQ群、微信群、微信朋友圈上的社群，主要依靠现实社会关系为基础组建，或者内部已经具有了比较成熟的行为规范。这些社群主要受现实社会关系或社群内部规范所约束。而平台组织型社群，比如在直播网站、论坛、微博、支付宝圈子上的社群，它们相对更加松散自由，会受到更多来自平台的组织和管理。它们由平台维持社群的稳定，并起到扩大社群影响力的作用。

4.网络社群成员类型

网络社群成员呈现出数量、贡献和活跃度上的差异化，笔者据此建构了一个基本的网络社群组织模式。网络社群一般分为四种社群成员，社群的信息中心是意见领袖，这种类型的成员数量少，但传播内容质量高，传播效果好。平台组织型社群的意见领袖一般为平台运营者，负责信息的筛选和再创作，起到把关人的作用。自我组织型社群的意见领袖是平台的早期发起人或者社群骨干，即首先或较多接触目标信息，将自己再加工的信息传播给其他成员的人。但这两种社群类型的意見领袖都不会形成社群内部信息的绝对垄断，一些活跃成员也会对信息加以解读，影响其他成员对信息的理解，模式图中称为“主要成员”。

此外，还有大部分不常活跃的“一般成员”。他们参与信息讨论的次数少，传播影响力小，很少主动获取更多信息。此外，还有基本不活跃的“边缘成员”，除了一些强制要求活跃度的社群，一般的社群都不乏“潜水”的成员，即基本不参与信息交流，对社群内部信息的接收不及时也不全面的群体。

二、网络社群信息扩散规律

网络社群的网络属性和社交属性，使得网络社群的信息遵循着社交网络信息的扩散规律。一般来说，我们以信息扩散规模和扩散的时空特征来测量并刻画信息扩散。信息的扩散规模，包含三个要素，即信息受关注度、信息覆盖人口、信息量。信息扩散的时空特征则包含三个要素，即信息的传播速度、信息覆盖人口和信息覆盖区域。

1.信息关注人数与遗漏率的关系模式

从传播过程上来看，网络社群中的信息传播存在一个最佳响应拐点和离散拐点。信息从意见领袖发出，受到网络社群成员的持续关注，在一定积累后达到最佳响应拐点，信息会被意见领袖进一步再创作，使得信息遗漏率降低，达到离散拐点。

随后，尽管关注人数的增多，但由于信息热度的降低，信息量不会持续大规模增加。由此得出关注人数和遗漏率的关系规律，即网络社群中信息关注人数的增多，使得意见领袖的再创作增多，引起其他成员的纷纷围观，信息量增多。同时受到意见领袖的二级传播，主要成员的间接影响，遗漏率会降低，该信息量理论上会增大。其关系模式见图1。

如图 信息关注人数与遗漏率的关系模式

2.成员关注度与覆盖范围的关系模式

社群中的信息，总是从最开始的关注度低、覆盖范围小，到部分成员产生兴趣加以筛选和传播，成为关注度高、覆盖范围较小的信息，随后成为关注度高、覆盖范围广的信息；而随着人们兴趣降低，再成为关注度低的信息；保持一段时间的大覆盖范围后，逐渐被人们淡忘，覆盖范围变小。

以Facebook用户数据信息泄露事件对中国科技社群——“云栖社区”来看。2018年3月17日，美国纽约时报和英国观察者报（英国卫报的周日版）联合曝光，Facebook上超过5000万用户信息数据被一家名为Cambridge Analytica的公司泄露，用于在2016年美国总统大选中针对目标受众推送广告，从而影响大选结果。

此消息一出，首先在Facebook用户中“反特朗普”的民主党成员和民众内引起轰动，随后引发各国媒体争相报道，云栖社区有意见领袖发布两篇技术性帖子，当天阅读量到达200多人次。

3月21日，Facebook创始人兼首席执行官马克·扎克伯格承认公司没能保护好用户数据，还承诺将对开发者们采取更严格的数据访问限制。一时间舆论哗然。云栖社区的科普贴在此一周内被广泛转载和阅读，社区内帖子阅读量达到2万，社区“聚能聊”讨论板块有2万人关注，近百人参与对话和信息更新。4月初直至4月中旬，各大新闻媒体报道减少，云栖社区共有三篇博客更新，累计1000人浏览，讨论板块参与更新讨论的人数有所缩减。有趣的是，随着扎克伯格接受美国国会质询，更多的人关注扎克伯格回答质询时的“表情”。一条“扎克伯格是机器人”的消息走红网络，而关注数据泄露问题的成员数反而减少。

三、算法技术在网络社群信息传播中的深入运用

网络社群自身的互联网属性，使得信息技术的变化总是会导致社群信息传播机制的巨大变化。大数据、人工智能、受众定向等新兴算法技术正被广泛运用于各种信息传播中，在网络社群中主要表现在信息内容生产、信息投放和传播效果预估三个方面。展望未来，随着区块链的发展，传播技术将再次改变网络社群中人、信息、网络社群平台三者的相互关系，深刻影响网络社群信息传播。

1.算法技术在网络社群信息生产方面的应用

技术对信息内容生产的作用包含三个层面，大数据为代表的文本分析、数据新闻为代表的新闻报道和智能反馈以及人工智能为代表的文化创造。

文本分析是利用自然语言处理技术，分析文本文档、社交媒体、网页等文本数据的一种应用。利用大数据进行文本分析，可以统计社群信息文本特点，有效评价社群信息的信息源、信息价值以及自然语言的情绪和态度，可应用于网络社群信息追踪、品牌营销、舆情监控等领域。

数据新闻，又名数据驱动新闻，是基于数据的抓取、挖掘、统计、分析和可视化呈现的新型新闻报道方式。现阶段，除了少数媒体会这样处理新闻外，一些网络社群也会直接从其他网站抓取信息，经过算法可视化呈现后在站内传播，这种做法被广泛运用于某些科研论坛、追剧社区、考试求职论坛等网络社群平台中。

有的网络社群会把算法程序“拟人化”，称之为“写稿机器人”。除此之外，网络社群常见的聊天机器人也属于这一层次，聊天机器人以人类聊天数据的信息文本为基础，经过算法加工后，利用文字、语音、图片等形式与社群成员进行交流。

有学者认为，人工智能到达人类智力的标志不只是“图灵测试”，还可以是“独立得出科学规律”。网络社群信息在网络中具有共享性和协同生产的性质，既然数据统计、大数据处理和信息可视化可以由计算机介入，那么，信息内容的生产也可以由计算机介入，直至计算机可以进行文化创造。

2.算法技术在网络社群信息投放方面的应用

网络社群信息投放技术，包括以扩大信息覆盖人群为目的受众特征定向技术和上下文定向技术，完善信息覆盖区域（或使用场景）的分布式投放技术和服务人机交互的搜索引擎优化技术等。

信息投放技术是使用信息去匹配“人”的过程，通常是社群平台的自发行为，所以一般只有平台组织型网络社群才有这类投入，他们需要通过这些技术售卖广告位，或者扩大信息覆盖率。

受众特征定向技术，通过对个人行为数据的分析，找出潜在目标群体的共同行为特征，选择适当的社群平台将目标信息投放给具有共同行为特征的社群成员。上下文定向技术，则是基于此刻个人的网络行为数据，实时匹配目标信息。这两种受众定向技术，目前正广泛运用于程序化广告和交互广告中。

分布式投放技术，主要有基于地理位置的信息投放，基于显示终端的信息投放，还有基于网络使用场景的信息投放。常见于城市生活服务、区域性营销推广和跨屏营销等领域。

搜索引擎优化技术，是一种使网站更适合搜索引擎的索引原则，并增强网站相关信息对社群成员吸引力的行为。这里的优化不单单针对各大搜索引擎的索引优化，还包括网络社群内部的信息搜索优化、分类优化和质量优化等。

3.算法技术在网络社群信息效果预估方面的应用

传播效果预估方面，除了文本分析技术和信息投放技术外，还有关键词技术、节点传播能力测量技术、可信度检测技术等。在传播效果测量时，这些技术都不是单一使用的，而是系统性的综合运用。

《Nature》曾刊登，有学者利用45个与流感相关的关键词，来测量公众对流感的关注程度，通过追踪关键词搜索的趋势变化，预测了美国流感的暴发。路透社在Twitter 上用一款名叫Reutres News Tracer的工具来监测随时出现的各类新闻事件、检测社交媒体信息的真实性。

它的工作流程为：（1）搜集所有可能是新闻的信息并找到原始出处；（2）找到第一转发者；（3）对信息进行可信度检测，并进行交叉比对，对真实性进行标注；（4）最终验证结果从0%到100% 打分。

可见，Tracer存在于Twitter这个大型网络社群平台中，不但承担检测和预估传播效果的职责，还承担了制作数据新闻的工作。

4.区块链等算法技术在网络社群信息传播中的应用前景

除了以上的信息传播算法技术，还有一些在其他领域被频繁运用的算法技术正被引进到网络社群中，如区块链技术。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链很好地解决了中介信用问题，可以在需要信用的数据共享、媒体信源认证、跨平台个人加密数据储存、知识产权保护、实时效果监测方面上起到积极作用。

一是区块链首先可以推进数据共享。大数据需要足够的数据为支撑，而现阶段数据被少数互联网公司所垄断。未来，各个网络社群平台和广大社群成员集体维护账本数据库，通过共识机制算法维护数据一致性，并由算法保证数据不可篡改和掩盖。在数据世界实现数据共享，形成互信关系。

二是由于数据共享的实现和信任关系的建成，媒体信源认证和知识产权保护将顺势得到解决。

三是完善跨平台个人加密数据储存，涉及区块链智能合约的合理性，加密技术的完善性和隐私保护与数据透明的平衡性。一旦技术成熟，将实现个人对数据的最大化利用，表现为更加精准的社群营销，更为精准的社群信息推荐，以及更加便捷和完善的生活服务。

四是实现重要信息传播的实时效果监测。在一个普遍信任的网络社群中，信息从产生到扩散，再到离散，都可以得到量化，并且受到实时监控。

总而言之，网络社群信息传播总是随人、信息、网络社群平台三者的相互关系有关，关系变化的关键驱动因素就是技术的革新。信息总是由社群成员和社群平台生产，在社群平台上传播，在社群中扩散，而网络社群信息传播规律在此过程中随着技术的发展而不断被发现和完善，最终影响整个社群的信息传播。

此外，算法技术对网络社群信息传播的研究和应用也有反身性，会影响着网络社群成员的行为以及整个网络社群的信息传播。

（作者单位：暨南大学人文学院）

【基金项目】：本文是2018年广州市高校创新创业教育项目的阶段性成果，项目批准号：201709k44。

【参考文献】

[1] Werner J S， James W T， Jr. 传播理论<起源，方法与应用> [M]. 中国传媒大学. 中国. 2016.

[2] 张大钟. 虚擬社区组织公民行为 [M]. 上海大学出版社. 中国. 2015.

[3] 钟瑛. 中国的新媒体社会责任报告[R]. 社会科学文献出版社. 中国. 2015.

[4] 李良荣. 网络新媒体概论[M].高等教育出版社. 中国. 2014.

[5] 许小可，胡海波，王成军等. 社交网络上的计算传播学[M]. 天津大学出版社. 中国. 2008.

[6]Liu R， Yang H X， Du J H. Study on Information Dissemination Mechanisms of Network Social Media Platform[C]. Singapore：Singapore Management and Sports Science Institute，2017：37-45.

[7]Ginsberg J， Mohebbi M H， Patel R S，et al. Detecting influenza epidemics using search engine query data[J]. Nature， 2008，457（7232）：1012-1014.