楔子

为什么豆瓣小组长期以来从没像微博热门话题一样出个超级大新闻，但豆瓣小组又能长时间维持不错的用户活跃度？

为什么人人网曾经一度比它的模仿对象Facebook搞得更加蒸蒸日上、充满朝气，结果到后来人人要挂了，Facebook还没死？

微博当时怎么火起来的？后来中途是怎么又陷入低谷？再后来又为啥神乎其神的走出低谷，比原先更火爆了？顺便，微博现在算安全了吗，好日子有多久？

……

社交网站关心的是，怎么才能吸引用户加入进来，怎么才能让用户活跃下去；而作为个人，在社交关系上，通常是希望能跟自己在乎的朋友保持长期活跃的情谊；跟生意上的伙伴保持长期稳定的合作关系等等。

不论是学生社团、创业团队、公司员工还是一支部队、一方民众，怎么把人心聚集起来，怎么把这个社交网络搞得“有声有色”，无疑是一个非常重要的问题。在面对实际场景时，解决方案是纷繁复杂的；但将这个问题抽象提炼之后，一个横跨理论和实际的结果会是怎样的呢？

文章简介

最近我们实验室在Scientific Reports上发表了一篇论文，探究个体在社交网络中持久活跃能力的问题（社交网络持久性，social network persistence）。社交网络的持久性是网络鲁棒性（robustness）研究的重要部分。过去的研究认为网络的鲁棒性来源于网络的拓扑结构，而在实际的社交网络中，网络结构和个体状态存在协同演化和级联反应，社交网络的持久性受拓扑结构和个体状态共同作用的影响。

图1：三种不同增长模式下社交网络演化过程示意

在该项目中，我们建立了一个节点活动与网络结构协同演化的模型，将社交网络的增长模式按吸引用户的方式分为三类：流行性优先（popularity-first）、相似性优先（similarity-first）或均匀随机（random）。

图2：个体自发活跃度h对最终活跃节点所占比例的影响

结果表明，当节点拥有高自发活动（spontaneous activity），流行性优先的增长模式获得更高的网络持久性；否则，节点在较低的自发活动下，相似性优先的连接模式更好。此外，相似性优先增长模式几乎不受节点自发活动的影响，保持稳定的持久性；流行性优先的增长模式却对此非常敏感，成正相关。进一步的，将流行性优先与相似性优先的策略耦合，在较短时间内连续加入相似的节点，同时再加入少量高流行性的节点可获得最高的持久性。该理论值甚至达到单一的流行性增长方式或相似性优先增长模式下网络持久性的数倍。

图3：网络最终活跃占比对混合比例w和个体活跃度h的反应

因此，节点的相似性对网络的持久性具有基础性的作用，而适当考虑流行性带来的两个方面的耦合效应可以进一步增强网络的持久性。

启示

我们的实验结果对认识和理解某些社交网络的发展很有帮助。这里以人人网和新浪微博为例，做一个详细的对比说明。

人人网的增长模式是以用户相似性为基础的。高三毕业的用户需要跟高中同学保持联系，同时又结识大学的新朋友，继而有了人人网的兴起。当用户的新鲜劲（自发活跃）结束之后，人人网没能留住一部分用户。一个普遍的现象是，大一新生在人人网上异常活跃，到了大三、大四、就业之后，便渐渐淡出人人网。其实这一情况在其他社交网站中也非常普遍，人人网还是有机会像豆瓣、Facebook一样，保有剩下的活跃用户，继续保持不错的活跃水平。然而，后来的大一新生已经连加入人人网这件事都懒得做、不愿做，造成的级联反应是大范围的大一新生不再加入人人网。此外，人人网上老是分享老梗、周期性的冒出来老掉牙的消息，已经加入的用户也对人人网更加失去了兴趣。人人网里失去了大三、大四之后用户需要的东西。自此，人人网逐渐走向消亡。

微博早期的增长模式是用户流行性优先的。微博先是招揽各路名人、明星加入微博；这些名人的粉丝也随之加入微博，及时了解偶像动态。同样的，微博在早期的迅速扩张之后，在2013-2015年期间，曾经经历过类似人人网的低谷，大量用户在自发活跃一段时间后也失去了新鲜感。微博采用的策略是（也许是今日头条给的灵感）——挖掘与名人、新闻有关的热门微博、超级话题；完善微博和话题下的评论和讨论；引入了短视频等多媒体形式。依靠这些高流行性用户和高流行性的话题带动用户积极参与讨论互动；同时一些兴趣话题又把兴趣相近的用户连接起来，一条微博下方评论的点赞数可能远远超过了微博内容本身。在2016年7-8月份期间，奥运会、乒乓球、张继科、洪荒少女、王宝强、马蓉等等各类头条话题、还有这些热门话题诡异的情节走向，彻底引爆了新浪微博。终于微博的市值也在这一年超过了它全球范围内的对手，推特。

1. Papadopoulos, F., Kitsak, M., Serrano, M. á., Boguñá, M. & Krioukov, D. Popularity versus similarity in growing networks. Nature 489, 537–540 (2012).

2. Jin, X., Jin, C., Huang, J. & Min, Y. Coupling effect of nodes popularity and similarity on social network persistence. Scientific Reports 7, 42956 (2017).

   
   

论文在线地址(含下载):

http://www.nature.com/articles/srep42956