社會網(wǎng)絡(luò)分析方法（SNA）是一類考慮了多個(gè)行動者間社會關(guān)系的方法論浊吏，適用于研究諸如學(xué)校、企業(yè)救氯、組織到國家的一個(gè)整體單位找田。考慮到網(wǎng)絡(luò)中存在的巨大關(guān)系網(wǎng)絡(luò)着憨，本文將從社交和內(nèi)容產(chǎn)品角度出發(fā)墩衙，介紹這一方法論的基本概念和實(shí)際運(yùn)用。

1.社區(qū)中的關(guān)系建立

首先要明確SNA中的兩個(gè)重要元素：行動者（actor）和關(guān)系甲抖。

行動者：以個(gè)體為單位漆改，在圖中用圓圈代表一個(gè)行動者。

關(guān)系：兩個(gè)行動者間是否存在聯(lián)系准谚，用連線表示挫剑，區(qū)分無向和有向。

關(guān)系矩陣是一個(gè)N*N的矩陣柱衔，縱橫分別表示行動者樊破，1代表存在關(guān)系愉棱，0代表不存在關(guān)系。在無向圖中捶码，可以以對角線為分割羽氮，僅看下半部分，但有向圖中惫恼，必須畫出完整矩陣。

以知乎用戶為例澳盐，用戶有權(quán)選擇關(guān)注或不關(guān)注他人祈纯，粉絲相對被關(guān)注者就是一個(gè)有指向性的關(guān)系，而被關(guān)注者也有權(quán)選擇是否關(guān)注這個(gè)粉絲叼耙，所以有向圖中含有的信息更豐富腕窥。

以用戶A-E為例，最多可以產(chǎn)生25個(gè)關(guān)系筛婉。第一行代表A關(guān)注了B和D簇爆，第一列代表A被B和E關(guān)注。

在社群圖中爽撒，可以看更直接清晰看到兩兩用戶間的關(guān)系入蛆，這個(gè)五個(gè)用戶構(gòu)成的局部網(wǎng)可以看做是知乎用戶網(wǎng)絡(luò)的一個(gè)縮影。

2.KOL形成

上圖中反映的指向和指出每個(gè)用戶的線條數(shù)不盡相同硕勿，而衡量這一指標(biāo)哨毁，有助于理解整個(gè)社區(qū)內(nèi)的“權(quán)力”流向，簡單理解源武，即一個(gè)行動者獲得越多的箭頭指向數(shù)扼褪，那他在這個(gè)社區(qū)中的位置和威望越高。

這里通常用中心度來量化這一指標(biāo)粱栖，指代某點(diǎn)的密集性话浇，這一指標(biāo)被稱為度中心性（Degree Centrality）。

局部中心度（絕對）：某點(diǎn)的出入度之和闹究；

局部中心度（相對）：實(shí)際度數(shù)/可能產(chǎn)生聯(lián)系的最多度數(shù)幔崖；

整體中心度：某點(diǎn)與其他點(diǎn)的捷徑距離（到其他點(diǎn)的最短途徑）之和。

計(jì)算上圖五個(gè)用戶的中心度關(guān)系跋核，可以發(fā)現(xiàn)A/B/C/D四個(gè)用戶的局部中心度和整體中心度相等岖瑰，E用戶則處于邊緣狀態(tài)。

利用軟件分析度數(shù)砂代，可以更直觀看到這個(gè)微型社區(qū)的權(quán)力關(guān)系蹋订。

以八個(gè)用戶的相互關(guān)注關(guān)系重復(fù)上述步驟，可以看到更加直觀的顯示刻伊，很明顯A用戶在小世界中與最多的用戶產(chǎn)生聯(lián)系露戒，是中心人物椒功。

除了度中心度，衡量指標(biāo)還有接近中心度智什、中間中心度动漾，分別用來表示和KOL有關(guān)聯(lián)的關(guān)鍵人物以及作為中間人的程度。

3.興趣圈拓?fù)鋱D

以上圖八個(gè)用戶為例荠锭，ADCE用戶間構(gòu)成一個(gè)“循環(huán)”旱眯，其長度為4，其中間還包含ABCD這個(gè)長度也為4的環(huán)证九，和ABD删豺、BCD兩個(gè)長度為3的環(huán)。

考慮到關(guān)系的有向性愧怜，ABD是一個(gè)有向環(huán)呀页，可以遵循A-D-B完成完整閉環(huán)，而ADCE雖然用線相連拥坛，但不在一個(gè)固定方向的持續(xù)鏈上蓬蝶，只能算作是半環(huán)。

派系是環(huán)概念的延伸猜惋，n-派系中的n指的是派系成員之間聯(lián)絡(luò)的最長途徑之長丸氛，我們最開始的例子（五個(gè)用戶）給出的就是一個(gè)2-派系群體。

現(xiàn)在我們來定義形成一個(gè)“社圈”的標(biāo)準(zhǔn)惨奕，如果派系的三分之二的成員完全相同雪位，則把這些派系合并為一個(gè)圈，接下去可以定義不同的標(biāo)準(zhǔn)梨撞，對這個(gè)圈進(jìn)行擴(kuò)大雹洗。對應(yīng)知乎，可以把最先形成的這個(gè)小圈理解為互相間有關(guān)系的又對某一問題同樣感興趣的人群卧波，擴(kuò)大后的大圈則是對某一話題有同樣興趣的人群时肿。

4.聚類

聚類技術(shù)在互聯(lián)網(wǎng)產(chǎn)品中已經(jīng)被廣泛運(yùn)用，但放在SNA下港粱，聚類更強(qiáng)調(diào)等級結(jié)構(gòu)性螃成，即根據(jù)個(gè)體的社會關(guān)系進(jìn)行分層。以八個(gè)用戶的案例為例查坪，進(jìn)行了3次聚類寸宏，其中最左邊的數(shù)字指代度中心性的排名，A用戶因?yàn)橛凶畲蟮闹行亩人耘琶麨?偿曙。

第一層聚類結(jié)果氮凝，F(xiàn)GH邊緣用戶為一類，BD排名靠中的用戶為一類望忆，之后繼續(xù)聚類罩阵，直到所有用戶歸為一類停止竿秆。

圈和聚類兩者之間的區(qū)別在于，派系概念依據(jù)成員相似性進(jìn)行劃分稿壁，形成的圈子以興趣為交點(diǎn)幽钢；聚類則是按成員關(guān)系數(shù)量進(jìn)行劃分，是對權(quán)力等級的分類傅是。

以知乎為例匪燕，這8名用戶可能同為科技互聯(lián)網(wǎng)話題愛好者，以3/3/2的結(jié)構(gòu)分別對物聯(lián)網(wǎng)喧笔、JAVA和人工智能感興趣谎懦，則這三類就可以單獨(dú)成為一個(gè)派系；但每個(gè)用戶對用的關(guān)注和被關(guān)注關(guān)系不同溃斋，F(xiàn)GH用戶產(chǎn)生的關(guān)系少，但他們可以不在同一派系中吸申。

5.總結(jié)

感謝廣大網(wǎng)民貢獻(xiàn)的用戶數(shù)和關(guān)系鏈梗劫，目前SNA分析的應(yīng)用場景已經(jīng)拓展到多個(gè)領(lǐng)域的運(yùn)用，如社交產(chǎn)品中的社交圈分析截碴，基于社交關(guān)系進(jìn)行的商品和內(nèi)容推薦梳侨、網(wǎng)絡(luò)信息傳播等，只要有人的地方日丹，都可以用SNA來分析強(qiáng)弱關(guān)系走哺、緊密度、群體分類哲虾。

就本文探討的KOL形成和發(fā)現(xiàn)來說丙躏，就可以作為商業(yè)廣告投放的量化參考標(biāo)準(zhǔn)之一。社交網(wǎng)絡(luò)中束凑，用來評估KOL的核心指標(biāo)一般為KOL本身制造的內(nèi)容及影響人群晒旅，后者量化到可收集的指標(biāo)上，一般為粉絲數(shù)汪诉，即社群圖中的單向關(guān)注關(guān)系废恋，可以用多條有向線標(biāo)注。KOL粉絲重合度和SNA中派系的概念重合扒寄，根據(jù)自定義標(biāo)準(zhǔn)鱼鼓，廣告主可以計(jì)算出兩個(gè)KOL粉絲的重合度，從而根據(jù)預(yù)期的觸達(dá)次數(shù)選擇重合程度该编。

根據(jù)不同體量KOL的圈層推算預(yù)期滲透率迄本，SNA其實(shí)可以幫助廣告主在前期就省下投放費(fèi)用，當(dāng)然投放后還要繼續(xù)關(guān)注APRU上渴、ROI等指標(biāo)岸梨。

反推一下思考喜颁，也可以理解為什么現(xiàn)在買粉絲已經(jīng)成為了行業(yè)普遍亂象之一，因此在關(guān)注的基礎(chǔ)上曹阔，很多社交產(chǎn)品也開始考慮其他互動因素作為參考指標(biāo)半开，以排除僵尸粉的作亂。