【导读】社交媒体上的「网红」是怎样产生的？在一项发表于《自然·通讯》的研究中|北大新研究用数学模型揭网红崛起奥秘，登上Nature子刊【导读】社交媒体上的「网红

文章图片
【导读】社交媒体上的「网红」是怎样产生的？在一项发表于《自然·通讯》的研究中，北京大学与瑞士苏黎世联邦理工大学领导的研究团队合作，通过数学模型揭示了「网红」崛起之路。
社交网络对我们生活的影响越来越广：在信息传播、新技术应用、舆论营造和形成中都发挥着关键作用。 2020年，推特用户每天发送5亿条推文，超过8000万张图片通过Instagram发布。
这些基于UGC的定向在线平台在很大程度上影响了社会，社交网络用户所能接触到的信息和受众，远远超出现实生活中的朋友。在这个过程中，一些用户迅速获得人气，成为所谓的「网红」。

文章图片
这些追随者众多的「网红」的社会影响力不可小觑。，已经深刻影响了消费者和公司在市场中的行为， 2017年，超过70%的美国企业聘请Instagram网红来推广产品。
网红是如何产生的？背后的机制究竟是什么？这些问题引发了越来越多学者的关注。

文章图片
论文链接：
https://www.nature.com/articles/s41467-021-27089-8.pdf
近日，由北京大学、瑞士苏黎世联邦理工大学领导的研究团队就从数学模型角度，对社交网络上的「显著影响者」，即「网红」的产生和被用户关注的机制进行了分析。
这篇文章发表在近日出版的《自然·通信》上。

文章图片
与21世纪头十年蓬勃发展的Facebook和LinkedIn相比，当今最流行的平台，例如Twitter、Instagram或TikTok ，表现出一些其他明显的特征。
最明显的区别之一是，这些新的在线社交平台属于定向网络，也就是说，不需要双方同意，也可以按照算法推荐建立关系。
新网红是如何产生的？
从直观上，质量更好的UGC更有可能吸引用户，情感价值更高，更容易成为「网红」。但研究表明，除了少数模型之外，其他领域的「网红」产生规模效应的研究更加集中社会经济方面，忽略了UGC的影响。
之前阐释网红诞生机制的模型，基于「优先依恋」模型。不过这种「富人会越来越富」的理论，并不能证明新的Instagram网红崛起的原因，很多网红在成功之前都是没什么名气的。
「内容为王」：生成内容质量更高
文章提出了一种简单但可预测的网络形成机制，结合了功利原则和UGC质量。研究假设用户有共同的兴趣，并将他们与定义其UGC质量的属性相关联。

文章图片
为了定义基于UGC的形成过程，研究人员收集了Twitter数据集，分析连接的时间序列，发现有证据表明，网红的形成过程源于个人对更好质量的UGC的不断搜索，并与关注者的兴趣出现了「对齐」，即网红与粉丝的兴趣同质性。
关注者的数量可以被视为网红UGC质量的agent 。按照UGC质量降序给agent进行编号。 agent1被视作UGC质量最高， agent2质量次之，以此类推。
对于agenti ，计算出新连接比之前连接的中位数排名更高（在排名中）的可能性。

文章图片
研究结果与假设吻合，按照被关注可能性评估，关注者始终在追寻UGC质量更好的网红。