肖邦明，黃敏學(xué)，廖俊云

武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072

交易型社區(qū)的網(wǎng)絡(luò)閉包機制研究

肖邦明，黃敏學(xué)，廖俊云

武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072

以中國最大的交易型網(wǎng)站淘寶網(wǎng)為平臺，選取不同活躍度的交易型社區(qū)作為研究對象，從社會網(wǎng)絡(luò)分析視角探討不同社區(qū)活躍度下交易型社區(qū)成員之間關(guān)系網(wǎng)絡(luò)的閉包機制?；谝话憔W(wǎng)絡(luò)閉包相關(guān)理論，進(jìn)一步考慮關(guān)系的方向以及交易型社區(qū)本身的信息性和功能性特征對其成員之間關(guān)系構(gòu)建的影響。借助以Selenium為核心工具編寫的爬蟲程序，獲取淘寶幫派網(wǎng)頁上在同一主題下規(guī)模相似的4個具有不同社區(qū)活躍度的社區(qū)成員相互之間關(guān)系構(gòu)建(相互關(guān)注和成為粉絲)的數(shù)據(jù)，運用圖布局算法的Gephi軟件，將所有樣本社區(qū)的整體關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行可視化呈現(xiàn)，通過構(gòu)建關(guān)系形成概率的風(fēng)險模型和基于SAS 9.2工具的參數(shù)檢驗得到研究結(jié)論。研究結(jié)果表明，活躍度較低的交易型社區(qū)內(nèi)成員之間的關(guān)系網(wǎng)絡(luò)閉包主要受選擇性影響機制的驅(qū)動，而基于互惠性和傳染性的社會性影響對成員的關(guān)系構(gòu)建都具有負(fù)向的影響；活躍度較高的交易型社區(qū)內(nèi)成員之間的關(guān)系網(wǎng)絡(luò)閉包會同時受到社會性影響和選擇性影響的驅(qū)動，并且社會性影響比選擇性影響具有更強的作用；不論是在活躍度較低還是活躍度較高的交易社區(qū)，社會性影響和選擇性影響的交互影響對社區(qū)成員的關(guān)系網(wǎng)絡(luò)閉包具有顯著的正向影響。這些研究結(jié)果可以幫助交易型社區(qū)的管理者和參與者從宏觀角度觀察社區(qū)的整體結(jié)構(gòu)及其動態(tài)演化過程，同時也能從微觀角度了解社區(qū)中成員之間相互關(guān)系構(gòu)建的規(guī)律。

交易型社區(qū)；網(wǎng)絡(luò)閉包；互惠性；傳染性；選擇性影響

1 引言

隨著互聯(lián)網(wǎng)從Web 1.0的計算機交互時代進(jìn)入Web 2.0的用戶交互時代[1]，傳統(tǒng)的電子商務(wù)模式開始向社會化商務(wù)模式邁進(jìn)[2]，社會網(wǎng)絡(luò)服務(wù)(social network service, SNS)不僅用于Facebook、騰訊QQ等一些社交類網(wǎng)站，同時也被廣泛應(yīng)用于淘寶、eBay等一些具有交易性質(zhì)的網(wǎng)站。一些研究認(rèn)為用戶在社交網(wǎng)站上建立起來的社會網(wǎng)絡(luò)對網(wǎng)站本身經(jīng)濟效益的影響是間接的[2-3]，而且由于活躍用戶的數(shù)量太少而很難對網(wǎng)站的經(jīng)濟效益帶來顯著影響；另外，用戶在交易性較強的社區(qū)中建立起來的社會網(wǎng)絡(luò)能夠帶來更直接的經(jīng)濟價值[3]，如“蘑菇街”中的買家之間可以相互建立“粉絲”關(guān)系從而分享產(chǎn)品和購物經(jīng)驗，亞馬遜中的賣家之間也通過相互之間的超鏈接增加店鋪的瀏覽量。本研究選擇交易型社區(qū)作為研究背景主要出于兩個方面的原因。①交易型社區(qū)中的大部分用戶在加入社區(qū)時是彼此陌生的，他們在社區(qū)中形成的關(guān)系主要是基于社區(qū)范圍內(nèi)可觀察到的社區(qū)行為，如發(fā)帖、回帖、關(guān)系網(wǎng)絡(luò)構(gòu)建等，這有助于在研究中控制線上用戶的線下交互；②與基于朋友關(guān)系的社交型社區(qū)(如騰訊QQ、Facebook等)相比，交易型社區(qū)中的用戶主要由具有購買意愿的買家和擁有網(wǎng)絡(luò)店鋪的賣家構(gòu)成，因此對營銷研究具有更為直接的經(jīng)濟意義[4]。

事實上，交易型社區(qū)的關(guān)系構(gòu)建模式上具有二模嵌入的特性[5-6]，因為交易型社區(qū)在其成員特質(zhì)、成員動機、關(guān)系性質(zhì)、關(guān)系來源、關(guān)系演進(jìn)動力等方面與傳統(tǒng)的社交型社區(qū)有著本質(zhì)的不同。本研究基于社會網(wǎng)絡(luò)的閉包機制[7-10]揭示交易型社區(qū)網(wǎng)絡(luò)演進(jìn)過程中網(wǎng)絡(luò)閉包(即社區(qū)關(guān)系構(gòu)建)的特殊性和差異性，旨在幫助企業(yè)有效地將用戶的社會性融入交易社區(qū)的經(jīng)濟性中以實現(xiàn)其社會化商務(wù)價值。

2 相關(guān)研究評述和假設(shè)

2.1 社區(qū)的分類以及交易型社區(qū)的相關(guān)研究

隨著Web 2.0技術(shù)的發(fā)展，傳統(tǒng)社區(qū)的發(fā)展已經(jīng)突破了地域的限制，網(wǎng)絡(luò)交互技術(shù)的出現(xiàn)使不同地域的人們可以彼此交流，從而形成各種各樣的社區(qū)。因此，劃分社區(qū)的主要標(biāo)準(zhǔn)已經(jīng)不再是地域位置，而是更多的關(guān)注社區(qū)成員的特質(zhì)(如成員的社會角色和人口統(tǒng)計特征)和社區(qū)建立的動機(如情感、興趣和交易等)。由于不同的學(xué)者在社區(qū)研究中解決的主要問題不同，研究的側(cè)重點也不一樣，因而關(guān)注的社區(qū)類型也不一樣[11]，其中以人際關(guān)系為基礎(chǔ)的社交網(wǎng)絡(luò)研究最為廣泛，成為學(xué)者們進(jìn)行虛擬社區(qū)演化研究的重點[7-10]。隨著電子商務(wù)時代向社會化商務(wù)時代的轉(zhuǎn)變[4]，淘寶、騰訊拍拍和eBay易趣等交易型社區(qū)在中國蓬勃發(fā)展，但相應(yīng)的研究卻相對較少。許多學(xué)者對虛擬社區(qū)的社會網(wǎng)絡(luò)分析主要以非盈利的關(guān)系型社交網(wǎng)絡(luò)為主，如維基百科、博客社區(qū)和社交網(wǎng)絡(luò)等[2-3]。在社會化商務(wù)時代，交易型社區(qū)正是將社會交互的社會性轉(zhuǎn)化為經(jīng)濟性的關(guān)鍵紐帶，一個常見的管理策略是將社交網(wǎng)絡(luò)推廣方式應(yīng)用到交易型社區(qū)中，通過擴大社區(qū)成員和強化關(guān)系性質(zhì)達(dá)到管理者所期待的經(jīng)濟效果，表1給出交易型社區(qū)與廣泛研究所關(guān)注的社交型社區(qū)的主要區(qū)別。

表1交易型社區(qū)與社交型社區(qū)的不同
Table1DifferencesbetweenTansactionalCommunityandSocialCommunity

區(qū)分維度社交型社區(qū)交易型社區(qū)成員角色朋友、親人、同學(xué)商人、買家、賣家動機需求以情感交流為主以商業(yè)信息交流為主關(guān)系來源固有的社會關(guān)系;新建社交關(guān)系既有的交易關(guān)系;潛在的交易關(guān)系社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)直接的人際交往為主,社會資本以功能、信息為紐帶的間接關(guān)系社區(qū)演化動力規(guī)范性社會影響信息性社會影響

由于交易型社區(qū)同樣是由社會成員組成，因此，并不能說交易型社區(qū)與社交型社區(qū)存在絕對的區(qū)別，事實上，一些非?；钴S的交易型社區(qū)往往也會體現(xiàn)出明顯的社交型社區(qū)的特點，如成員之間更多地受到規(guī)范性的社會影響，社區(qū)的信息性和功能性作用相對減弱，成員之間的社交性特點反而更加突出等。另外，由于交易型社區(qū)的社會化商務(wù)特性，根據(jù)不同形態(tài)的社區(qū)特點區(qū)分成員在關(guān)系構(gòu)建模式中的差異性就顯得更為必要。因為在交易型社區(qū)中，社區(qū)的活躍程度往往存在較大的差異，如果社區(qū)的參與者僅僅只關(guān)注和參與活躍的社區(qū)，一方面在吸引“粉絲”方面要面對更大的競爭環(huán)境，另一方面也會失去很大一部分的潛在消費者。事實上，交易型社區(qū)中活躍的圈子只是很少一部分，對于大部分不活躍的圈子如果同樣能夠了解他們的關(guān)系構(gòu)建特點，就能夠幫助交易型社區(qū)中的用戶在這些具有更多潛在消費者的圈子中吸引“粉絲”和擴大自身的影響力。

因此，本研究在探索交易型社區(qū)中成員之間的關(guān)系構(gòu)建時，重點關(guān)注不同社區(qū)活躍程度下社區(qū)成員關(guān)系構(gòu)建機制的差異性?；诰W(wǎng)絡(luò)閉包機制區(qū)分出兩類主要的關(guān)系演化機制，一類是由外至內(nèi)的社會性影響，即成員的關(guān)系構(gòu)建主要受社會規(guī)范的驅(qū)動，如互惠性和傳染性等機制；另一類則是由內(nèi)至外的選擇性影響，即成員的關(guān)系構(gòu)建主要受個人特點和自身興趣愛好的驅(qū)動，如基于共同好友的相似性和基于共同社區(qū)活動內(nèi)容的相似性等。并具體分析交易型社區(qū)中的成員在面對不同活躍程度的社區(qū)時，社會性影響和選擇性影響在其關(guān)系構(gòu)建機制中的差異性。

2.2 基于網(wǎng)絡(luò)閉包機制的社會性和選擇性網(wǎng)絡(luò)關(guān)系構(gòu)建

已有關(guān)于網(wǎng)絡(luò)演進(jìn)的相關(guān)研究中，往往通過閉包過程模擬網(wǎng)絡(luò)中成員之間的關(guān)系構(gòu)建。已有的關(guān)于網(wǎng)絡(luò)閉包的理論考慮了互惠性、傳染性、相似性等閉包機制對整個網(wǎng)絡(luò)關(guān)系演化的推進(jìn)[7-10]，Crandall等[9]認(rèn)為，這些促進(jìn)社會網(wǎng)絡(luò)中成員之間相互構(gòu)建關(guān)系的機制主要可以分為兩類，一類是由外至內(nèi)的社會性影響，這類機制在社交性突出的一些網(wǎng)絡(luò)社區(qū)中更為明顯(如Facebook和人人網(wǎng)等)，即成員在決定與誰構(gòu)建關(guān)系時會更多地受周圍人的影響以及社會規(guī)范的影響[10-11]；另一類是由內(nèi)至外的選擇性影響，這類在一些以信息或興趣愛好等作為中介的二模網(wǎng)絡(luò)社區(qū)中更為明顯[12-13](如維基百科和百度貼吧等)，即成員在決定與誰構(gòu)建關(guān)系時會更多地考慮自身的行為特點和興趣愛好。圖1給出已有研究中基于網(wǎng)絡(luò)閉包理論的主要關(guān)系構(gòu)建機制。

在圖1中，子圖(a)和子圖(b)主要體現(xiàn)了網(wǎng)絡(luò)社區(qū)中成員基于由外至內(nèi)的社會性影響而產(chǎn)生的網(wǎng)絡(luò)閉包，子圖(a)表示閉包產(chǎn)生于兩個社區(qū)成員I與J之間，背后的機制是一種互惠的影響(因為J在之前向I發(fā)出了連接)；而子圖(b)就是一種社會影響(傳染)的閉包形式(傳染路徑為J-M-I)；子圖(c)和子圖(d)體現(xiàn)了網(wǎng)絡(luò)社區(qū)中的成員基于由內(nèi)至外的選擇性影響而產(chǎn)生的網(wǎng)絡(luò)閉包，分別是基于共同好友和共同社區(qū)活動相似性程度的閉包形式。由于子圖(b)中涉及的傳染路徑與子圖(c)和子圖(d)中涉及共同好友和共同社區(qū)活動都可能不止1個，因此也是一種基于多個節(jié)點的閉包形式。另外，圖1中關(guān)于傳染的描述僅僅只是考慮了兩個社區(qū)成員之間相隔兩個步長的情形，在接下來具體的實證研究部分，本研究會分別考慮兩個社區(qū)成員之間從2個步長到6個步長之間的距離對傳染閉包機制造成的影響。根據(jù)社會網(wǎng)絡(luò)的小世界特性[12]，大部分社會網(wǎng)絡(luò)中的節(jié)點之間相隔的步長不會超過6步，因此本研究僅考慮步長為6步以內(nèi)的傳染性的顯著性。

注：I、J、M、N為社區(qū)中的成員，E為社區(qū)活動；實線箭頭表示社區(qū)成員間的歷史關(guān)系，虛線箭頭表示本研究預(yù)測產(chǎn)生的新關(guān)系。

圖1社交型社區(qū)的一般網(wǎng)絡(luò)閉包形式
Figure1TheGeneralFormsofNetworkClosureinSocialCommunity

2.2.1 社會性的影響與交易型社區(qū)的網(wǎng)絡(luò)演進(jìn)

在社會網(wǎng)絡(luò)閉包機制的相關(guān)研究中，社會性的影響是指網(wǎng)絡(luò)社區(qū)中的成員之間在關(guān)系構(gòu)建時主要受到來自周圍環(huán)境的社會規(guī)范影響，即社區(qū)中的成員會按照一些顯著的社會規(guī)范和準(zhǔn)則來調(diào)整自己的行為模式[14-16]。已有研究中關(guān)于社會性影響的網(wǎng)絡(luò)閉包機制主要包括互惠性和傳染性兩種，其中互惠性是指人們的一些行為(善意或惡意)是基于他人對自己的行為做出的反饋[17]，在一些研究中，互惠性通常被認(rèn)為是人際關(guān)系具有的基本特性[18-20]。一些學(xué)者用實證方法證明了互惠性在網(wǎng)絡(luò)演化中起到的重要作用，Yoeli等[19]在研究網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)演化時認(rèn)為互惠結(jié)構(gòu)的影響在網(wǎng)絡(luò)發(fā)展一開始就具有非常顯著的影響，但是該影響的強度是穩(wěn)定的，并沒有隨著時間的推移而增強；Carpenter等[20]在研究網(wǎng)絡(luò)組織的關(guān)系建立時認(rèn)為直接互惠(即時利益的互惠)和間接互惠(通過中介傳導(dǎo)的互惠)是合作網(wǎng)絡(luò)演化的兩個基本原則。但是也有學(xué)者從相反的角度探討互惠性的關(guān)系模式帶來的負(fù)面影響。由于互惠性是基于大量的社會交互基礎(chǔ)上的，因此互惠性本身需要的關(guān)系投入成本較高，這些成本和風(fēng)險包括時間消耗和信息重復(fù)(反復(fù)的交互)、關(guān)系無效率(搭順風(fēng)車)、關(guān)系嵌入帶來的責(zé)任和壓力[21]。事實上，互惠性在社會網(wǎng)絡(luò)的閉包機制中是否具有正向的影響取決于該社區(qū)在多大程度上受到社會性的影響。例如，在成員之間交互頻繁的社區(qū)中，社會化的特征會更加突出，因此成員更容易感受到彼此的社會性規(guī)范；而在成員之間交互稀少的社區(qū)中，成員之間感受到的社會化特征較弱，他們在關(guān)系構(gòu)建時更多地關(guān)注社區(qū)的信息性和功能性，因此他們更容易受到基于自身特征的選擇性機制的驅(qū)使來構(gòu)建社區(qū)關(guān)系?；诖?，本研究提出假設(shè)。

H1a在活躍程度較高的交易型社區(qū)中，成員之間頻繁的交互使社區(qū)的社會化特征更加突出，基于社會性影響的網(wǎng)絡(luò)閉包機制更為顯著，因此，社區(qū)成員更注重社會規(guī)范而愿意構(gòu)建互惠的社區(qū)關(guān)系；

H1b在活躍程度較低的交易型社區(qū)中，成員之間稀少的交互使社區(qū)的信息性和功能性特征更加突出，基于選擇性影響的網(wǎng)絡(luò)閉包機制更為顯著，因此，社區(qū)成員更注重交互成本和避免信息冗余，從而回避互惠關(guān)系的形成。

社會性影響下的另一種主要的網(wǎng)絡(luò)閉包機制是社會傳染，不同于生物、物理領(lǐng)域中的網(wǎng)絡(luò)傳染模型研究，本研究中的虛擬社區(qū)是由人組成的，因此網(wǎng)絡(luò)中“傳染”的主要動力來源于社區(qū)成員之間的社會影響[22-24]。Young[24]在他的研究中將社會傳染定義為“在社會網(wǎng)絡(luò)中，當(dāng)某成員關(guān)注的人采取了某種行為時，該成員也隨即采取此行為的現(xiàn)象”，而社會傳染在本質(zhì)上是指社會網(wǎng)絡(luò)中的成員受到周圍鄰居行為的影響而調(diào)整和改變自身行為模式的一種社會化現(xiàn)象[25]。在一個活躍的交易型社區(qū)中，成員之間頻繁的交互增強了該社區(qū)的社會化特性，因此，社區(qū)中的成員會更容易受到社會傳染的驅(qū)使而在關(guān)系構(gòu)建的模式上更多地受到其周圍鄰居的影響[26]；而在一個活躍度較低的交易型社區(qū)中，成員之間較少的交互導(dǎo)致他們感受到的社會化特征并不顯著，因此，信息性和功能性在整個社區(qū)中起主導(dǎo)作用[27]，即社區(qū)中的成員在構(gòu)建關(guān)系時更注重信息的豐富性和多樣性，而當(dāng)信息從成員J傳導(dǎo)至成員I的路徑越來越多時(即傳染性越來越強時)，成員J本身的重要性就會相對降低，這時成員I對成員J構(gòu)建關(guān)系的概率也會降低。基于此，本研究提出假設(shè)。

H2a在活躍程度更高的交易型社區(qū)中，成員之間頻繁的交互使社區(qū)的社會化特征更加突出，基于社會性影響的網(wǎng)絡(luò)閉包機制更為顯著，因此，社區(qū)成員更容易受周圍鄰居行為的影響而形成傳染性的網(wǎng)絡(luò)閉包；

H2b在活躍程度較低的交易型社區(qū)中，成員之間稀少的交互使社區(qū)的信息性和功能性特征更加突出，基于選擇性影響的網(wǎng)絡(luò)閉包機制更為顯著，因此，社區(qū)成員更注重信息來源的豐富性和多樣性而回避傳染性的網(wǎng)絡(luò)閉包。

圖2描述了交易型社區(qū)中成員在社會性影響下面臨對互惠性閉包和傳染性閉包的選擇。

(a)

(b)

2.2.2 選擇性影響與交易型社區(qū)的網(wǎng)絡(luò)演進(jìn)

選擇性影響是社會網(wǎng)絡(luò)閉包的另一個重要的機制，與之前提到的社會性影響不同，它更多的受到網(wǎng)絡(luò)成員自身的行為特點和興趣愛好的影響[28-30]。Kossinets等[8]在對43 553名在校學(xué)生的實證研究中認(rèn)為，該學(xué)校的學(xué)生相互之間主要通過選擇性機制構(gòu)建關(guān)系，他們在研究中通過記錄學(xué)生共同參與的課堂數(shù)量作為學(xué)生之間相似性的測算，研究發(fā)現(xiàn)一開始相互陌生的學(xué)生之間會隨著相似性的增加而逐漸相互構(gòu)建關(guān)系。Crandall等[9]進(jìn)一步探討選擇性影響與社會影響的交互作用對網(wǎng)絡(luò)社區(qū)中成員之間關(guān)系演化的影響，選取的網(wǎng)絡(luò)虛擬社區(qū)包括Wikipedia和LiveJournal，認(rèn)為兩種不同類型的網(wǎng)絡(luò)閉包機制相互促進(jìn)并正向影響社區(qū)內(nèi)成員之間關(guān)系構(gòu)建的概率?？梢姡x擇性影響是社區(qū)演化中的一個重要機制，不論是在社交網(wǎng)絡(luò)中還是在交易型社區(qū)中，這種“物以類聚，人以群分”的網(wǎng)絡(luò)演化機制都會存在。因此，本研究認(rèn)為，不論是在活躍度較低還是活躍度較高的交易型社區(qū)中，隨著社區(qū)成員共同參與的社區(qū)活動和認(rèn)識的社區(qū)好友數(shù)量增加，成員之間的相似性也會隨著增加，他們基于選擇性的網(wǎng)絡(luò)閉包機制會正向影響彼此之間的關(guān)系構(gòu)建。基于此，本研究提出假設(shè)。

H3在交易型社區(qū)中，不論是對于活躍的還是不活躍的圈子，成員之間基于共同社區(qū)好友和共同社區(qū)活動的相似性越高，越會正向影響成員之間的關(guān)系構(gòu)建。

圖3給出在選擇性影響機制下，網(wǎng)絡(luò)社區(qū)中的成員基于共同好友的相似性和共同參與社區(qū)活動的相似性而面臨的網(wǎng)絡(luò)閉包選擇。

(a)基于共同社區(qū)成員(b)基于共同社區(qū)活動

圖3交易型社區(qū)成員在選擇性
影響下面臨的閉包選擇
Figure3NetworkClosureunderSelectionEffectinTransactionalCommunity

3 研究方法和數(shù)據(jù)分析

3.1 基于Selenium工具的網(wǎng)絡(luò)關(guān)系數(shù)據(jù)抓取

本研究使用的數(shù)據(jù)來源于中國最大的電子商務(wù)網(wǎng)站淘寶網(wǎng)。2010年前后，淘寶網(wǎng)推出了淘寶幫派(bangpai.taobao.com)，目的在于發(fā)展交易型平臺中的網(wǎng)絡(luò)社區(qū)。在淘寶幫派推出后，淘寶網(wǎng)中的所有用戶(包括買家和賣家)都可以通過這樣的平臺構(gòu)建基于各種興趣愛好或品牌產(chǎn)品的網(wǎng)絡(luò)社區(qū)，這些社區(qū)往往被劃分為各個類別，如服飾、美容、生活等板塊，淘寶中的所有用戶都可以免費和自由地創(chuàng)建或加入幫派，有些幫派的創(chuàng)建者需要以驗證的方式允許一些淘寶用戶加入他們的幫派，為了控制幫派創(chuàng)建者個人的偏好和選擇對社區(qū)發(fā)展帶來的影響，本研究選取的樣本社區(qū)都是在同一個主題板塊下(即服飾主題)具有不同社區(qū)活躍程度的一些社區(qū)。另外，為了控制社區(qū)規(guī)模對成員關(guān)系構(gòu)建的影響，本研究選取的樣本社區(qū)成員均在1 000人左右。具體來講，在服飾主題下選取了4個社區(qū)作為樣本，截止到數(shù)據(jù)抓取時間(2013年8月18日)，這些社區(qū)的成員數(shù)分別為976個、897個、1 003個和971個。本研究根據(jù)社區(qū)成員的人均活動數(shù)量(即成員在社區(qū)論壇板塊的平均發(fā)帖和回帖數(shù)量)測算社區(qū)活躍度。本研究選取的4個樣本社區(qū)是在同一主題和相似的社區(qū)規(guī)模下，在社區(qū)活躍程度上具有較明顯的差異，在實證部分主要探討在交易型社區(qū)中，不同社區(qū)活躍度下的社區(qū)成員在關(guān)系構(gòu)建機制上的差異性，從而幫助社區(qū)管理者針對不同活躍度的交易型社區(qū)做出相應(yīng)的管理決策，以促進(jìn)社區(qū)關(guān)系的演化和社區(qū)成員之間的關(guān)系構(gòu)建。

本研究基于Selenium工具在Eclipse平臺上編寫針對淘寶幫派社區(qū)的爬蟲程序，將選取的4個交易型社區(qū)的全部數(shù)據(jù)儲存在SQL Server中，表2給出對抓取的全部數(shù)據(jù)字段的具體解釋。Selenium是一個開源的可再編輯的頁面操作和信息獲取工具，其基本原理就是模擬人對網(wǎng)絡(luò)頁面進(jìn)行翻頁和信息提取操作，如進(jìn)入社區(qū)中每個成員的個人主頁并對其關(guān)注列表和粉絲列表進(jìn)行自動的翻頁查詢和信息記錄，如成員ID、關(guān)注數(shù)量、粉絲數(shù)量和關(guān)系構(gòu)建時間等。

所有數(shù)據(jù)從網(wǎng)頁中提取出來并儲存在數(shù)據(jù)庫之后，按照帶時間信息的矩陣格式對這些動態(tài)的網(wǎng)絡(luò)關(guān)系和社區(qū)活動進(jìn)行預(yù)處理，以方便后期的變量計算和模型檢驗。本研究構(gòu)建At和Bt兩類矩陣，分別儲存動態(tài)的關(guān)系網(wǎng)絡(luò)數(shù)據(jù)和動態(tài)的社區(qū)活動數(shù)據(jù)。矩陣At是一組非對稱的方塊矩陣，t為該矩陣記錄的網(wǎng)絡(luò)關(guān)系的截止日期(以日為單位)；矩陣Bt是一組非方塊矩陣，t為該矩陣記錄的網(wǎng)絡(luò)成員參與社區(qū)活動的截止日期(以日為單位)。因此，這兩類矩陣分別記錄了社區(qū)成員在時間t上的網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)(At)和參與的具體社區(qū)活動(Bt)，本研究后續(xù)對互惠性、傳染性和選擇性等主要變量的測量都基于這兩類矩陣來計算。

3.2 變量測量和網(wǎng)絡(luò)閉包模型構(gòu)建

本研究選取的交易型社區(qū)(淘寶圈子)中所有成員網(wǎng)絡(luò)關(guān)系的形成主要來源于兩個部分，第一部分是成員間直接的關(guān)注和粉絲；第二部分是圈子中成員間通過社區(qū)活動形成的間接關(guān)系，即二模的網(wǎng)絡(luò)結(jié)構(gòu)[5-6]。虛擬社區(qū)中所有成員間的關(guān)系構(gòu)成一個有向圖，本研究通過Matlab將儲存在SQL Server中的全部社區(qū)成員有向關(guān)系數(shù)據(jù)以矩陣的方式表述出來，該矩陣的行和列就是社區(qū)中所有成員的ID，如果成員i關(guān)注了成員j，那么在對應(yīng)的第i行第j列的取值為1，即linki,j=1，否則為0。因此，全部社區(qū)成員構(gòu)成的初始矩陣就是一個二值型的非對稱方塊矩陣A，每個變量的測量和表述也是基于矩陣A的運算。

表2基于Selenium工具抓取的淘寶圈子基本信息
Table2DataDescriptioninTaobaoCommunityBasedonSelenium

數(shù)據(jù)名稱及類型數(shù)據(jù)解釋數(shù)據(jù)格式成員個人中心網(wǎng)絡(luò)信息成員ID淘寶圈子中每個成員唯一特有的身份文本型成員粉絲關(guān)注該成員的全部用戶ID文本型成員關(guān)注該成員所關(guān)注的全部用戶ID文本型社區(qū)成員個人特質(zhì)信息入圈時間圈子中每個成員加入圈子的時間(精確到日)日期型用戶個人主頁用來進(jìn)入圈子中成員個人空間的鏈接地址鏈接地址用戶積分用來衡量圈子用戶在圈子中的經(jīng)歷和地位數(shù)值型瀏覽量該成員的個人主頁被瀏覽的次數(shù)數(shù)值型社區(qū)成員參與社區(qū)活動信息帖子ID虛擬社區(qū)中帖子的唯一地址文本型發(fā)帖者ID每個帖子的發(fā)起者ID文本型回復(fù)者ID每個帖子的回復(fù)者ID文本型發(fā)帖時間圈子中每條帖子出現(xiàn)的時間數(shù)值型回復(fù)時間每條帖子中每個社區(qū)成員回復(fù)帖子的時間數(shù)值型

3.2.1 互惠性的測量

根據(jù)Tanimoto等[18]對互惠性的解釋，本研究在具體操作中將用戶之間的相互關(guān)注作為互惠性的測量。具體來講，當(dāng)某用戶i在t時刻之前(即t-1)收到來自用戶j的關(guān)注，那么如果在之后的一段時間里，用戶i在t時刻關(guān)注了用戶j，本研究將其視為一條互惠性的連接。具體的計算方法為

(1)

其中，Reci,j,t為在t時刻是否存在一條從用戶i到用戶j的互惠性連接，linkj,i,t-1為截止到t時刻(即矩陣At在t=t-1時刻的狀態(tài))，用戶j是否已經(jīng)關(guān)注了i。

3.2.2 傳染性的測量

基于已有研究中對社會傳染的定義，傳染對網(wǎng)絡(luò)成員的影響來源于網(wǎng)絡(luò)成員周圍鄰居的行為擴散[22-24]，本研究對具有傳染影響力的鄰居的范圍限制在6個步長之內(nèi)。因為根據(jù)社交網(wǎng)絡(luò)的小世界特性[12]，一個典型的社交網(wǎng)絡(luò)中節(jié)點與節(jié)點之間的平均距離一般少于6個步長，考慮到超過6個步長以外的鄰居涉及到的節(jié)點數(shù)量可能包括網(wǎng)絡(luò)中大部分的成員，從而帶來龐大的數(shù)據(jù)及計算復(fù)雜度，而且這些過遠(yuǎn)距離鄰居的實際傳染作用可能并不顯著，因此，本研究選擇成員6個步長以內(nèi)的鄰居作為節(jié)點行為社會傳染的顯著范圍，并且在算法中定義節(jié)點對節(jié)點行為傳染的影響強度也會隨著他們之間的距離增加而減弱。具體的計算方法為

(2)

3.2.3 選擇性的測量

根據(jù)選擇性影響的定義，網(wǎng)絡(luò)中的成員可能會因為已經(jīng)具有的相似性而選擇性的發(fā)出連接，從而使自己嵌入網(wǎng)絡(luò)中[28-30]，與Kossinets等[8]的研究相似，本研究測算成員i與成員j相似性時，同時考慮了二者基于社區(qū)成員的相似性和基于社區(qū)活動的相似性，前者表示i與j共同認(rèn)識的社區(qū)成員，后者表示i與j共同參與的社區(qū)活動。本研究在測量虛擬社區(qū)中成員之間相似性時，利用原始矩陣At計算基于共同朋友的相似性，利用原始矩陣Bt計算基于共同社區(qū)活動的相似性，即

(3)

3.2.4 模型的控制變量

為了控制樣本中社區(qū)成員自身特性的差異性對關(guān)系構(gòu)建帶來的影響，本研究將成員i的社區(qū)經(jīng)驗(Expi)和社區(qū)存在時間(Timi)作為模型的控制變量。這主要是因為有些成員會比另一些成員更為活躍或加入社區(qū)的時間更久，因此更愿意在社區(qū)中構(gòu)建更多的關(guān)系，或更積極地在社區(qū)論壇中參與發(fā)帖和討論。在具體操作中，對社區(qū)成員i的社區(qū)經(jīng)驗的測量直接應(yīng)用社區(qū)平臺基于社區(qū)成員的活躍程度等指標(biāo)而給出的社區(qū)經(jīng)驗分?jǐn)?shù)，本研究通過對每個社區(qū)成員的跟蹤記錄得到樣本社區(qū)中成員在每天的社區(qū)經(jīng)驗分?jǐn)?shù)，而對成員i的社區(qū)存在時間的測量則直接根據(jù)每個成員加入社區(qū)時間來獲得。需要注意的是，社區(qū)經(jīng)驗和加入社區(qū)時間是對社區(qū)成員自身特性的兩個不同的測量，因為一些成員雖然加入社區(qū)時間很久卻很少參與社區(qū)論壇討論等社區(qū)活動，因此其社區(qū)經(jīng)驗并不會很高。

3.2.5 基于風(fēng)險模型構(gòu)建網(wǎng)絡(luò)閉包模型

在已有研究中，風(fēng)險模型常常被用來研究社會網(wǎng)絡(luò)中的關(guān)系或鏈接的形成[8]，即通過一些可以用來預(yù)測網(wǎng)絡(luò)連接出現(xiàn)的協(xié)變量計算每個時間點鏈接或關(guān)系形成的概率(事件發(fā)生風(fēng)險的概率)[31-33]。由于風(fēng)險模型考慮到了事件發(fā)生的時間因素，其基本假設(shè)是某事件發(fā)生的概率隨時間的增加而逐漸增加，相對于基于截面數(shù)據(jù)的邏輯回歸模型，風(fēng)險模型能夠更清楚地看到事件發(fā)生的過程以及事件發(fā)生背后的原因和機制?；诖耍狙芯靠紤]連接形成的時間因素，采用風(fēng)險模型探索交易型社區(qū)中成員之間關(guān)系形成的概率，構(gòu)建風(fēng)險分析模型探討成員之間的互惠性、傳染性和選擇性等主要的協(xié)變量對事件發(fā)生(即網(wǎng)絡(luò)閉包)概率的影響。全模型為

h(t)i,j=exp(α+β1Reci,j,t+β2Coni,j,t+φ1PSimi,j,t+φ2ESimi,j,t+γ1Coni,j,t·PSimi,j,t+γ2Coni,j,t·ESimi,j,t+θ1Expi+θ2Timi+ε)

(4)

其中，α為截距項，表示構(gòu)建交易型社區(qū)中成員之間關(guān)系的固定效應(yīng)；β為基于社會性影響的協(xié)變量的影響系數(shù)，β1為互惠性的影響系數(shù)，β2為傳染性的影響系數(shù)；φ為基于選擇性影響的協(xié)變量的影響系數(shù)，φ1為共同的好友數(shù)量的影響系數(shù)，φ2為共同參與活動數(shù)量的影響系數(shù)；γ為社會性影響與選擇性影響交互作用的影響系數(shù)，γ1為傳染性影響與基于共同好友的選擇性影響交互作用的影響系數(shù)，γ2為傳染性影響與基于共同參與社區(qū)活動的選擇性影響交互作用的影響系數(shù)；θ為控制變量的系數(shù)，θ1為對社區(qū)經(jīng)驗影響的控制，θ2為對成員加入社區(qū)時間影響的控制；ε為誤差項。表3給出風(fēng)險模型中主要變量定義和解釋。

3.3 數(shù)據(jù)分析及結(jié)果

本研究選取的4個淘寶幫派社區(qū)都是在“服飾”板塊下具有相似的社區(qū)規(guī)模(即社區(qū)成員數(shù)量)。圖4分別從整體上顯示這些社區(qū)在截至數(shù)據(jù)抓取時成員之間相互關(guān)注和成為粉絲的網(wǎng)絡(luò)結(jié)構(gòu)，圖4中子圖(a)、子圖(b)、子圖(c)和子圖(d)分別表示本研究選取的4個樣本社區(qū)，圖中節(jié)點和邊的布局算法來自于Mashima等[34]的研究?？紤]到簡潔性，圖4沒有標(biāo)出每個節(jié)點的用戶ID，只提供了每個交易型社區(qū)截止到數(shù)據(jù)抓取時間的關(guān)系結(jié)構(gòu)全貌，可以從宏觀上幫助管理者更清楚地了解和監(jiān)控社區(qū)的演化狀態(tài)。在圖4中，子圖(a)和子圖(c)的社區(qū)中心比較模糊，說明這兩個社區(qū)并沒有一些絕對的核心成員，而是由一些較分散的中心成員將社區(qū)向不同的方向引導(dǎo)和擴散；子圖(b)和子圖(d)中，社區(qū)的中心性較為明顯，從圖中可以看出，社區(qū)中心處存在一些核心成員將整個社區(qū)更好地凝聚在一起。由于該圖中每一個節(jié)點的ID是可以追溯到的，因此社區(qū)管理者和參與者都可以在社區(qū)演化過程中的任一時刻通過同樣的算法獲取社區(qū)的整體網(wǎng)絡(luò)結(jié)構(gòu)圖，并進(jìn)一步尋找出哪些成員正在將整個社區(qū)凝聚在一起，而哪些成員正被孤立在社區(qū)的邊緣，這些算法和結(jié)構(gòu)呈現(xiàn)對于社區(qū)管理者和參與者及時調(diào)整管理策略和關(guān)系構(gòu)建策略有重要的意義。

表3 主要變量的定義和解釋Table 3 Definitions and Explanations of Main Variables

(a)社區(qū)1的關(guān)系結(jié)構(gòu)圖布局 (b)社區(qū)2的關(guān)系結(jié)構(gòu)圖布局

(c)社區(qū)3的關(guān)系結(jié)構(gòu)圖布局 (d)社區(qū)4的關(guān)系結(jié)構(gòu)圖布局

圖4 基于圖布局算法的交易型社區(qū)網(wǎng)絡(luò)關(guān)系可視化呈現(xiàn)Figure 4 Visualization of Ties from Transactional Communities′ Social Network Based on Lay-out Algorithm

表5 運用Matlab預(yù)處理數(shù)據(jù)中主要變量的數(shù)據(jù)來源和儲存形式Table 5 Data Resources and Formats of Storage of Main Variables in Data Preprocessing Using Matlab

注：矩陣At與矩陣Bt中社區(qū)成員ID的排列順序一一對應(yīng)。

3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)的基本特性

根據(jù)圖4的可視化呈現(xiàn)，本研究選取的淘寶虛擬社區(qū)的網(wǎng)絡(luò)結(jié)構(gòu)基本特性和解釋見表4。

3.3.2 模型的極大似然估計和假設(shè)檢驗

考慮到社區(qū)關(guān)系建立是一個逐漸累積的過程，基于二模網(wǎng)絡(luò)的關(guān)系構(gòu)建可能存在一定的時間滯后，因此本研究在利用SAS 9.2檢驗(4)式時，剔除了樣本社區(qū)最近1個月的新成員，在模型穩(wěn)定性檢驗部分，分別剔除了樣本社區(qū)最近2個月和3個月的新成員，以對比模型檢驗結(jié)果是否具有顯著差異。表6～表9分別給出截止到數(shù)據(jù)抓取時間，每個樣本社區(qū)中主要變量之間的相關(guān)性矩陣。

由于樣本數(shù)量過大，SPSS不便于處理，本研究選擇在SAS 9.2中運行數(shù)據(jù)。表10給出剔除每個社區(qū)最近1個月加入的成員樣本后運用SAS 9.2對于(4)式的極大似然估計結(jié)果。

從模型的主效應(yīng)可知，本研究提出的3個基本假設(shè)均得到較好的驗證。由表10可知，在活躍度較低的社區(qū)中，社區(qū)1和社區(qū)2的平均活躍度分別為1.032和2.341，互惠性(H1)對社區(qū)成員的關(guān)系嵌入概率具有顯著的負(fù)向影響，社區(qū)1的β1=-1.870，社區(qū)2的β1=-0.610，說明在活躍度較低的社區(qū)中，成員之間往往由于彼此相互陌生而不愿采取互惠的關(guān)系構(gòu)建模式。傳染性(H2)對社區(qū)成員的關(guān)系嵌入概率也具有顯著的負(fù)向影響，社區(qū)1的β2,2=-1.902、β2,3=-0.871、β2,4=-0.002，社區(qū)2的β2,2=-0.891、β2,3=-0.061、β2,4=-0.011，可見在社區(qū)活動并不活躍的前提下，社區(qū)中成員通過鄰居之間相互擴散傳染構(gòu)建關(guān)系的現(xiàn)象并未出現(xiàn)，相反，成員之間會盡量避免這種傳染擴散可能帶來的信息冗余，從而回避通過傳染帶來的關(guān)系構(gòu)建。需要注意的是，當(dāng)社區(qū)中成員之間相隔的步長超過4時，傳染性對關(guān)系嵌入概率的影響不再顯著。在活躍度較高的社區(qū)中，社區(qū)3和社區(qū)4的平均活躍度分別為4.091和6.273，互惠性(H1)對社區(qū)成員的關(guān)系嵌入概率具有顯著的正向影響，社區(qū)3的β1=2.389，社區(qū)4的β1=3.901；傳染性(H2)對社區(qū)成員的關(guān)系嵌入概率也具有顯著的正向影響，與社區(qū)1和社區(qū)2中相比，這些完全相反的結(jié)論主要來自于社區(qū)活躍度對社區(qū)成員關(guān)系構(gòu)建行為的調(diào)節(jié)作用。當(dāng)社區(qū)活躍度處于較高水平時，社區(qū)內(nèi)成員之間變得更加熟悉，交易型社區(qū)的社交性逐漸凸顯，使社區(qū)中的成員更加重視相互之間的關(guān)系質(zhì)量，也使他們的關(guān)系構(gòu)建行為更容易受到周圍鄰居的影響。另外，與社區(qū)1和社區(qū)2中相似的結(jié)論是，傳染性對社區(qū)成員關(guān)系構(gòu)建的影響隨社區(qū)成員之間相隔的步長增加而減弱，當(dāng)社區(qū)中成員之間相隔的步長超過4時，傳染性對關(guān)系嵌入概率的影響不再顯著，社區(qū)3的β2,2=1.761、β2,3=1.218、β2,4=0.022，社區(qū)4的β2,2=2.811、β2,3=1.271、β2,4=0.031。從以上結(jié)果可知，在活躍度較低的社區(qū)中，成員相互之間的關(guān)系構(gòu)建往往會避免社會性的影響，成員會回避互惠關(guān)系的形成，也不會根據(jù)周圍鄰居的行為來改變自身的行為模式，他們更愿意基于自身的行為特點和興趣愛好而與自己感興趣的社區(qū)成員構(gòu)建關(guān)系。因此，在活躍度較低的社區(qū)中，選擇性影響是成員之間構(gòu)建關(guān)系的主要因素，社區(qū)中的成員往往會關(guān)注與自己有一定數(shù)量共同好友和共同參與的社區(qū)活動的社區(qū)成員；對于活躍度較高的社區(qū)，其成員同時會受到社會性和選擇性的影響，從兩種影響機制的系數(shù)對比可知，社會性影響在活躍的社區(qū)中對成員之間關(guān)系構(gòu)建的作用會更大，社區(qū)3的β1=2.389、β2,2=1.761、β2,3=1.218、β2,4=0.022、φ1=0.721、φ2=1.481；社區(qū)4的β1=3.901、β2,2=2.811、β2,3=1.271、β2,4=0.031、φ1=0.181、φ2=0.871。從模型交互項的結(jié)果可知，在活躍度較低的社區(qū)社會性影響與選擇性影響的交互負(fù)向影響社區(qū)成員之間關(guān)系的構(gòu)建，社區(qū)1的γ1=-0.021、γ2=-0.121，社區(qū)2的γ1=-0.212、γ2=-0.311；在活躍度較高的社區(qū)，社會性影響與選擇性影響的交互正向影響社區(qū)成員之間關(guān)系的構(gòu)建，社區(qū)3的γ1=0.125、γ2=0.213，社區(qū)4的γ1=0.081、γ2=0.172，這一研究結(jié)論與Crandall等[9]的研究結(jié)論一致。在控制變量方面，交易型社區(qū)成員的實際經(jīng)驗，除了在社區(qū)1影響不顯著外，在社區(qū)2、社區(qū)3和社區(qū)4都顯著促進(jìn)該成員在社區(qū)中的關(guān)系構(gòu)建，而單純的社區(qū)成長時間除了在社區(qū)2具有顯著地正向影響之外，在其他社區(qū)的作用都不顯著，這表明單獨以社區(qū)成員在社區(qū)中的成長時間來判斷該成員的社區(qū)經(jīng)驗以及對社區(qū)的價值貢獻(xiàn)并不合理，往往與社區(qū)成員實際的社區(qū)經(jīng)驗和為社區(qū)發(fā)展帶來的價值貢獻(xiàn)具有較大的誤差。

表6 主要變量的描述性統(tǒng)計和相關(guān)關(guān)系矩陣(社區(qū)1)Table 6 Descriptive Statistics and Correlations Matrix between Main Variables(Community 1)

注：傳染性2～傳染性6分別為步長為2～步長為6的傳染路徑數(shù)；相似性a為基于共同社區(qū)好友的相似性，相似性b為基于共同社區(qū)活動的相似性，下同。

表7 主要變量的描述性統(tǒng)計和相關(guān)關(guān)系矩陣(社區(qū)2)Table 7 Descriptive Statistics and Correlations Matrix between Main Variables(Community 2)

表8 主要變量的描述性統(tǒng)計和相關(guān)關(guān)系矩陣(社區(qū)3)Table 8 Descriptive Statistics and Correlations Matrix between Main Variables(Community 3)

表9 主要變量的描述性統(tǒng)計和相關(guān)關(guān)系矩陣(社區(qū)4)Table 9 Descriptive Statistics and Correlations Matrix between Main Variables(Community 4)

表10 交易型社區(qū)成員關(guān)系嵌入模型的極大似然檢驗結(jié)果Table 10 Maximum Likelihood Test on Ties Embeddedness in Transactional Community

注：(∑傳染性)為將所有具有顯著影響的步長內(nèi)的傳染性進(jìn)行加總；**為p<0.050，***為p<0.010，n.s.為不顯著。下同。

3.3.3 模型穩(wěn)定性檢驗

為了進(jìn)一步觀察樣本量選取的變化是否會對結(jié)果產(chǎn)生顯著影響，本研究對上述模型的結(jié)果進(jìn)行穩(wěn)定性檢驗?？紤]到關(guān)系構(gòu)建的時滯性，即社區(qū)中成員之間從互惠性、傳染性和選擇性等因素的刺激到最終形成關(guān)系的時間間隔對模型結(jié)果可能帶來的影響，本研究分別剔除每個社區(qū)中最近2個月和3個月加入社區(qū)的新成員來考察模型結(jié)果的穩(wěn)定性。表11和表12給出具體數(shù)據(jù)分析結(jié)果。

由表11和表12可知，在剔除最近2個月和3個月新加入成員樣本后，原來社區(qū)的活躍度均得到微小的提升，這是因為新加入社區(qū)成員的社區(qū)經(jīng)驗較少，并不會馬上參與到較多的社區(qū)活動中，剔除新入成員能更清楚地看出行為穩(wěn)定的社區(qū)成員的行為模式。通過與表10模型檢驗結(jié)果對比發(fā)現(xiàn)，在剔除新加入樣本后，上述提到的一些主要變量的顯著性和影響力大小仍保持了結(jié)果的穩(wěn)定性。從模型的穩(wěn)定性檢驗可進(jìn)一步看出控制變量中成員社區(qū)成長時間的作用，即在兩次不同樣本量的模型檢驗中，社區(qū)成員的社區(qū)成長時間對成員間的關(guān)系構(gòu)建均沒有顯著的影響，這也進(jìn)一步表明作為社區(qū)的管理者，不能單獨以社區(qū)成員加入社區(qū)時間的長短作為社區(qū)成員活躍度和關(guān)系構(gòu)建意愿的評價指標(biāo)，而應(yīng)該通過成員在加入社區(qū)后實際參與的社區(qū)活動數(shù)量來預(yù)測社區(qū)成員在社區(qū)內(nèi)的關(guān)系構(gòu)建意愿和對社區(qū)發(fā)展的潛在價值。因此，剔除最近2個月和3個月新加入成員樣本控制關(guān)系形成的時滯性因素，模型檢驗結(jié)果與剔除1個月樣本的結(jié)果(表10)并無顯著差異，可見模型檢驗結(jié)果具有穩(wěn)定性。

表11 交易型社區(qū)成員關(guān)系嵌入模型的穩(wěn)定性檢驗(1)Table 11 Robustness Check on Ties Embeddedness Model in Transactional Community(1)

表12 交易型社區(qū)成員關(guān)系嵌入模型的穩(wěn)定性檢驗(2)Table 12 Robustness Check on Ties Embeddedness Model in Transactional Community(2)

4 結(jié)論

4.1 研究結(jié)果

本研究通過選取淘寶幫派中在同一個主題下具有不同程度社區(qū)活躍度的社區(qū)作為研究對象，探討不同社區(qū)活躍度下交易型社區(qū)成員之間關(guān)系網(wǎng)絡(luò)閉包機制的差異性。本研究梳理社會網(wǎng)絡(luò)相關(guān)研究中對網(wǎng)絡(luò)閉包機制的研究，整理出兩類主要的網(wǎng)絡(luò)閉包機制，一類是以社會規(guī)范為基礎(chǔ)的社會性影響機制，包括二元的互惠性和來自周圍鄰居影響的傳染性；另一類是以自身行為特點相似性為基礎(chǔ)的選擇性影響機制，包括以共同好友的數(shù)量測量的關(guān)系相似性和以共同參與的社區(qū)活動測量的行為相似性。本研究對樣本社區(qū)的網(wǎng)絡(luò)整體結(jié)構(gòu)進(jìn)行全局性的呈現(xiàn)，并基于圖布局算法將樣本社區(qū)中成員之間的整體網(wǎng)絡(luò)關(guān)系可視化，幫助社區(qū)管理者更直觀地了解社區(qū)的整體結(jié)構(gòu)和中心成員以及每個成員在整個社區(qū)中所處的位置。所有樣本社區(qū)在網(wǎng)絡(luò)關(guān)系密度、網(wǎng)絡(luò)直徑、網(wǎng)絡(luò)成員和社區(qū)總存在時間(截至數(shù)據(jù)抓取時間)等指標(biāo)上具有相似的性質(zhì)，這些共同的社區(qū)性質(zhì)幫助我們將研究重點放在社區(qū)活躍度上。本研究的結(jié)果表明交易型社區(qū)中成員之間的關(guān)系構(gòu)建在不同的社區(qū)活躍度上呈現(xiàn)出不同的特點，在活躍度較低的社區(qū)中，成員相互之間的交互較少，社會性影響因素并不顯著，隨著社區(qū)活躍度的增加，成員間彼此的交互逐漸增多，交易型社區(qū)中的社會性因素也會逐漸增強，甚至強于成員基于自身特質(zhì)的選擇性的影響，成為交易型社區(qū)中成員之間關(guān)系網(wǎng)絡(luò)閉包的主要驅(qū)動機制。剔除最近2個月和3個月加入社區(qū)的成員以控制關(guān)系建立的時滯性帶來的影響，檢驗結(jié)果與剔除最近1個月加入社區(qū)的成員的結(jié)果并無顯著的差異，表明模型結(jié)果具有較好的穩(wěn)定性。

4.2 理論價值

不同于以往學(xué)者關(guān)于社交網(wǎng)絡(luò)閉包機制的研究，本研究關(guān)注交易型社區(qū)網(wǎng)絡(luò)閉包機制的差異性。通過對淘寶交易型圈子的實證分析，本研究發(fā)現(xiàn)不同活躍度的交易型社區(qū)下，成員之間關(guān)系網(wǎng)絡(luò)的閉包機制與傳統(tǒng)的社交網(wǎng)絡(luò)具有本質(zhì)的不同。在一些活躍度較低的社區(qū)，由于成員之間的交互很少，社區(qū)的社會性特征并不顯著，成員更注重社區(qū)的信息性和功能性。因此，在傳統(tǒng)的社交型社區(qū)中往往具有顯著正向影響的互惠性和傳染性網(wǎng)絡(luò)閉包機制卻在活躍度較低的交易型社區(qū)中具有相反的作用；隨著交易型社區(qū)中成員之間的交互逐漸增加，社區(qū)的社會性特征就會增強，這時的交易型社區(qū)也開始體現(xiàn)出與傳統(tǒng)的社交型社區(qū)類似的網(wǎng)絡(luò)閉包機制。本研究對交易型社區(qū)網(wǎng)絡(luò)閉包機制差異性的研究豐富了社會網(wǎng)絡(luò)相關(guān)研究基于網(wǎng)絡(luò)閉包機制對不同性質(zhì)的網(wǎng)絡(luò)社區(qū)關(guān)系構(gòu)建的理解，進(jìn)一步探索了網(wǎng)絡(luò)閉包機制的具體內(nèi)涵和適用的邊界。

4.3 管理意義

本研究希望通過對不同活躍度下交易型社區(qū)成員關(guān)系網(wǎng)絡(luò)閉包機制的研究來幫助和指導(dǎo)交易型社區(qū)的管理者和參與者更清楚地了解社區(qū)關(guān)系構(gòu)建的規(guī)律并采取相應(yīng)的管理策略。由于交易型社區(qū)中活躍度高的社區(qū)數(shù)量并不多，而作為參與者在活躍的社區(qū)中吸引用戶和擴大影響力往往需要更多的時間和成本，本研究發(fā)現(xiàn)選擇性因素在活躍度較低的社區(qū)中對成員關(guān)系構(gòu)建具有顯著的正向影響。因此，交易型社區(qū)的參與者可以嘗試在活躍度較低的社區(qū)中通過與社區(qū)成員關(guān)注一些相同的用戶和參與一些相同的社區(qū)論壇討論來吸引用戶和擴大影響力。在交易型社區(qū)中，活躍度較低的社區(qū)反而具有更多的用戶群，通過在這些社區(qū)中吸引粉絲來擴大影響力甚至能得到事半功倍的效果。在活躍度較高的交易型社區(qū)中，社區(qū)的參與者更應(yīng)該注重社區(qū)的社會性特性，因為這些社區(qū)實際上已經(jīng)通過頻繁的用戶交互而呈現(xiàn)出與社交型社區(qū)相似的特點，一些傳統(tǒng)的體現(xiàn)社會規(guī)范的行為(如互惠性和來自周圍好友的行為規(guī)范)往往能夠幫助參與者獲取更多的粉絲，從而提升其在社區(qū)中的影響力。

4.4 研究不足和未來的研究方向

本研究選取交易型社區(qū)樣本探討不同社區(qū)活躍度下成員間關(guān)系構(gòu)建的差異性，旨在幫助交易型社區(qū)的管理者和參與者更加深入地了解不同類型的社區(qū)中成員關(guān)系構(gòu)建的不同模式，但本研究仍存在不足。首先，本研究在區(qū)分不同活躍度的交易型社區(qū)時，僅選取服飾主題下4個樣本社區(qū)，將來可以進(jìn)一步通過在更多主題下的更多社區(qū)來對比研究結(jié)果，從而增強研究結(jié)論在更大社區(qū)范圍內(nèi)的適用性；另外，本研究僅探討交易型社區(qū)中成員之間的關(guān)系構(gòu)建機制，而沒有對關(guān)系的構(gòu)建與社區(qū)中成員的實際交易型行為的因果關(guān)系展開進(jìn)一步探討，未來的研究在獲取交易型社區(qū)中成員實際的交易記錄的基礎(chǔ)上，可以進(jìn)一步探討成員相互之間關(guān)系的構(gòu)建對成員的交易行為帶來的沖擊和影響。

[1]Kirpalani N.Connecting with consumers:Marketing for new marketplace realities[J].Journal of Marketing Management,2014,30(13/14):1522-1524.

[2]Curty R G,Zhang P.Social commerce:Looking back and forward[J].Proceedings of the American Society for Information Science and Technology,2011,48(1):1-10.

[3]Hoffman D,Novak T.Toward a deeper understanding of social media[J].Journal of Interactive Marketing,2012,26(2):69-70.

[4]Stephen A T,Toubia O.Deriving value from social commerce networks[J].Journal of Marketing Research,2010,47(2):215-228.

[5]Faust K.Centrality in affiliation networks[J].Social Networks,1997,19(2):157-191.

[6]Ransbotham S,Kane G C,Lurie N H.Network characteristics and the value of collaborative user-generated content[J].Marketing Science,2012,31(3):387-405.

[7]Chan K W,Li S Y.Understanding consumer-to-consumer interactions in virtual communities:The salience of reciprocity[J].Journal of Business Research,2010,63(9/10):1033-1040.

[8]Kossinets G,Watts D J.Empirical analysis of an evolving social network[J].Science,2006,311:88-90.

[9]Crandall D J,Cosley D,Huttenlocher D P,Kleinberg J M,Suri S.Feedback effects between similarity and social influence in online communities[C]∥Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York,NY:Association for Computing Machinery,2008:160-168.

[10] Fehr E,G?chter S.Cooperation and punishment in public goods experiments[J].The American Economic Review,2000,90(4):980-994.

[11] Wang E S T,Chen L S L.Forming relationship commitments to online communities:The role of social motivations[J].Computers in Human Behavior,2012,28(2):570-575.

[12] 呂琳媛,周濤.鏈路預(yù)測[M].北京:高等教育出版社,2013:57-76.

Lyu linyuan,Zhou Tao.Link prediction[M].Beijing:Higher Education Press,2013:57-76.(in Chinese)

[13] Opsahl T.Triadic closure in two-mode networks:Redefining the global and local clustering coefficients[J].Social Networks,2013,35(2):159-167.

[14] Cho Y,Hwang J,Lee D.Identification of effective opinion leaders in the diffusion of technological innovation:A social network approach[J].Technological Forecasting and Social Change,2012,79(1):97-106.

[15] van Noort G,Antheunis M L,van Reijmersdal E A.Social connections and the persuasiveness of viral campaigns in social network sites:Persuasive intent as the underlying mechanism[J].Journal of Marketing Communications,2012,18(1):39-53.

[16] Mercken L,Steqlich C,Sinclair P,Holliday J,Moore L.A longitudinal social network analysis of peer influence,peer selection,and smoking behavior among adolescents in British schools[J].Health Psychology,2012,31(4):450-459.

[17] van Veelen M,García J,Rand D G,Nowak M A.Direct reciprocity in structured populations[J].Proceedings of the National Academy of Sciences of the United States of America,2012,109(25):9929-9934.

[18] Tanimoto J,Brede M,Yamauchi A.Network reciprocity by coexisting learning and teaching strategies[J].Physical Review E,2012,85(3):032101.

[19] Yoeli E,Hoffman M,Rand D G,Nowak M A.Powering up with indirect reciprocity in a large-scale field experiment[J].Proceedings of the National Academy of Sciences of the United States of America,2013,110(Supplement 2):10424-10429.

[20] Carpenter J P,Matthews P H.Norm enforcement:Anger,indignation,or reciprocity?[J].Journal of the European Economic Association,2012,10(3):555-572.

[21] Gu F F,Hung K,Tse D K.When does guanxi matter?Issues of capitalization and its dark sides[J].Journal of Marketing,2008,72(4):12-28.

[22] Aral S.Commentary:Identifying social influence:A comment on opinion leadership and social contagion in new product diffusion[J].Marketing Science,2011,30(2):217-223.

[23] Iyengar R,Van den Bulte C,Valente T W.Opinion leadership and social contagion in new product diffusion[J].Marketing Science,2011,30(2):195-212.

[24] Young H P.Innovation diffusion in heterogeneous populations:Contagion,social influence,and social learning[J].The American Economic Review,2009,99(5):1899-1924.

[25] Christakis N A,Fowler J H.Social contagion theory:Examining dynamic social networks and human behavior[J].Statistics in Medicine,2013,32(4):556-577.

[26] Burchell K,Rettie R,Patel K.Marketing social norms:Social marketing and the social norm approach′[J].Journal of Consumer Behaviour,2013,12(1):1-9.

[27] Goodwin K A,Kukucka J P,Hawks I M.Co-witness confidence,conformity,and eyewitness memory:An examination of normative and informational social influences[J].Applied Cognitive Psychology,2013,27(1):91-100.

[28] Lewis K,Gonzalez M,Kaufman J.Social selection and peer influence in an online social network[J].Proceedings of the National Academy of Sciences of the United States of America,2012,109(1):68-72.

[29] Jiang Y,Jiang J C.Understanding social networks from a multiagent perspective[J].IEEE Transactions on Parallel and Distributed Systems,2014,25(10):2743-2759.

[30] Centola D,van de Rijt A.Choosing your network:Social preferences in an online health community[J].Social Science & Medicine,2015,125(C):19-31.

[31] 呂琳媛.復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J].電子科技大學(xué)學(xué)報,2010,39(5):651-661.

Lyu Linyuan.Link prediction of complex networks[J].Journal of University of Electronic Science and Technology of China,2010,39(5): 651-661.(in Chinese)

[32] 崔愛香,傅彥,尚明生,陳端兵,周濤.復(fù)雜網(wǎng)絡(luò)局部結(jié)構(gòu)的涌現(xiàn):共同鄰居驅(qū)動網(wǎng)絡(luò)演化[J].物理學(xué)報,2011,60(3):038901-1-038901-6.

Cui Aixiang,Fu Yan,Shang Mingsheng,Chen Duanbing,Zhou Tao.Emergence of local structures in complex network:Common neighborhood drives the network evolution[J].Acta Physica Sinica,2011,60(3):038901-1-038901-6.(in Chinese)

[33] 肖邦明,黃敏學(xué).交易型社區(qū)的病毒式營銷策略:基于社會影響、同質(zhì)性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的ABMS仿真研究[J].營銷科學(xué)學(xué)報,2015,11(1):22-38.

Xiao Bangming,Huang Minxue.Seeding strategies in transactional community:An ABMS based on social influence,homophily and network topology[J].Journal of Marketing Science,2015,11(1):22-38.(in Chinese)

[34] Mashima D,Kobourov S G,Hu Y.Visualizing dynamic data with maps[J].IEEE Transactions on Visualization and Computer Graphics,2012,18(9):1424-1437.

AStudyonNetworkClosureinTransactionalCommunity

Xiao Bangming，Huang Minxue，Liao Junyun

Economics and Management School, Wuhan University, Wuhan 430072, China

This research, based on the most active communities in the largest platform of e-business in China (Taobao.com), analyzed the differences of transactional community in the network closure mechanisms from different levels of community activities. Based on the network closure literatures, the authors take the directions of relationships and the informational and functional characteristics in transactional communities into considerations and explore their effects on the network closure among the members in transactional community. By using the Web-crawler tool and from the perspectives of social network analysis, the authors collected the network data from four sampled transactional communities with the similar community size under the same community issue. The results show that the major differences among the sampled transactional communities rely on the levels of their community activities. The authors apply Selenium, open source software programmed, to collect the static online information from the sampled four transactional communities. After the authors visualized the general structures of all the sampled transactional communities, which is based on the software of Gephi, we build up the hazard model to account for the probabilities of established relationships from a dynamic view. Then, the authors apply the statistics tool of SAS 9.2 to test the hazard model built up previously. Hence, the authors get the major results as follows: ①in the less active transactional communities, the network closure among the members in the communities is mainly driven by the mechanism of selection effect, while both the reciprocity and contagion in social influence have negative effects on network closure among the members in transactional communities; ②in the more active transactional communities, the network closure among the members in the communities is mainly driven by the mechanisms of both selection effects and social influences, while the social influence, such as reciprocity and contagion, has stronger effects once compared with the mechanism of selection effects; ③no matter it is less active transactional community or more active transactional community, the interaction between the mechanisms of social influences and selection effects have positive effects on the network closure among the members in a transactional community. The key findings from this research can help not only the managers in the transactional communities but also the participants of those communities to better understand the evolution process of the transactional communities. From the macro-level perspective, they can monitor the general structures during the process of a community evolution, and from the micro-level perspective, they can get more insights on the patterns of relationship formation among members in a transactional community.

transactional community；network closure；reciprocity；contagion；selection effects

Date:January 9th, 2015

DateJune 24th, 2015

FundedProject:Supported by the National Natural Science Foundation of China(71372127) and the Doctoral Research Program of Wuhan University(2013105010212)

Biography:Xiao Bangming (1987-, Native of Daye, Hubei), is a Ph.D.candidate in the Economics and Management School at Wuhan University. His research interests cover electronic business and social networking, etc. E-mail：bangmingshaw@163.com

F713.36

A

10.3969/j.issn.1672-0334.2015.05.011

1672-0334(2015)05-0129-16

2015-01-09修返日期2015-06-24

國家自然科學(xué)基金(71372127)；武漢大學(xué)博士生自主科研項目(2013105010212)

肖邦明(1987-)，男，湖北大冶人，武漢大學(xué)經(jīng)濟與管理學(xué)院博士研究生，研究方向：電子商務(wù)和社會網(wǎng)絡(luò)等。E-mail：bangmingshaw@163.com

□