劉瑞 楊輝旭

【摘 要】人、信息、平臺是網(wǎng)絡(luò)社群信息傳播機(jī)制的三要素。網(wǎng)絡(luò)社群分為自我組織型和平臺組織型，網(wǎng)絡(luò)社群成員分為意見領(lǐng)袖、主要成員、一般成員和邊緣成員。在探究網(wǎng)絡(luò)社群信息擴(kuò)散規(guī)模和擴(kuò)散的時空特征方面，發(fā)現(xiàn)信息遺漏率和關(guān)注人數(shù)，信息關(guān)注度和信息覆蓋率之間存在相關(guān)性。大數(shù)據(jù)、人工智能、受眾定向等新興算法技術(shù)在社群信息的內(nèi)容生產(chǎn)、投放、效果監(jiān)測上得到廣泛應(yīng)用。展望未來，區(qū)塊鏈在網(wǎng)絡(luò)社群信息傳播中的應(yīng)用前景也十分廣闊。

【關(guān)鍵詞】網(wǎng)絡(luò)社群 群體傳播 信息擴(kuò)散 算法技術(shù) 區(qū)塊鏈

一、網(wǎng)絡(luò)社群

1.網(wǎng)絡(luò)社群概念

網(wǎng)絡(luò)社群，是基于現(xiàn)實社會關(guān)系，或者基于興趣愛好、社會話題等共同的文化目標(biāo)而形成的非正式群體，廣泛存在于各種網(wǎng)站和移動端應(yīng)用中?；ヂ?lián)網(wǎng)誕生至今五十多年以來，經(jīng)歷了從大眾傳播時代的“中心化”到web1.0 時代的“去中心化”到現(xiàn)在新媒體時代的“再中心化”和“多中心化”的變化，網(wǎng)絡(luò)社群從無到有，從最初只是現(xiàn)實社群的延伸，發(fā)展到原生網(wǎng)絡(luò)社群，再形成規(guī)模不一、結(jié)構(gòu)多樣的各類網(wǎng)絡(luò)社群。

2.網(wǎng)絡(luò)社群構(gòu)成要素

網(wǎng)絡(luò)社群由三方面要素構(gòu)成：

一是有足夠的成員。一般是網(wǎng)站、論壇、APP等建立的社群平臺，然后在充分引流后經(jīng)過用戶沉淀和用戶分層，自行形成多種網(wǎng)絡(luò)社群。

二是有獨特的群體意識和規(guī)范，這也是社群獨特性的體現(xiàn)。

三是有共同的信息互動內(nèi)容。圍繞某些信息或者共同目標(biāo)，經(jīng)過充分的群體互動后在群體內(nèi)或者群體外傳播，實現(xiàn)信息的擴(kuò)散，或者共同目的最終實現(xiàn)。群體傳播分為群體內(nèi)部信息傳播和群體對外信息傳播，筆者將單獨研究群體內(nèi)部信息傳播。

3.網(wǎng)絡(luò)社群的分類

常見的網(wǎng)絡(luò)社群分類方法有以下幾種：（1）依據(jù)網(wǎng)站功能劃分，有資訊類、電商類、視頻類、社交類等；（2）依據(jù)互動類型劃分的，有論壇類、博客類、即時互動類等；（3）依據(jù)面向人群劃分的，有大眾類、文藝類、亞文化類、女性類等。筆者根據(jù)網(wǎng)絡(luò)社群的組織主體，將網(wǎng)絡(luò)社群分為自我組織型社群和平臺組織型社群。自我組織型社群，比如貼吧、QQ群、微信群、微信朋友圈上的社群，主要依靠現(xiàn)實社會關(guān)系為基礎(chǔ)組建，或者內(nèi)部已經(jīng)具有了比較成熟的行為規(guī)范。這些社群主要受現(xiàn)實社會關(guān)系或社群內(nèi)部規(guī)范所約束。而平臺組織型社群，比如在直播網(wǎng)站、論壇、微博、支付寶圈子上的社群，它們相對更加松散自由，會受到更多來自平臺的組織和管理。它們由平臺維持社群的穩(wěn)定，并起到擴(kuò)大社群影響力的作用。

4.網(wǎng)絡(luò)社群成員類型

網(wǎng)絡(luò)社群成員呈現(xiàn)出數(shù)量、貢獻(xiàn)和活躍度上的差異化，筆者據(jù)此建構(gòu)了一個基本的網(wǎng)絡(luò)社群組織模式。網(wǎng)絡(luò)社群一般分為四種社群成員，社群的信息中心是意見領(lǐng)袖，這種類型的成員數(shù)量少，但傳播內(nèi)容質(zhì)量高，傳播效果好。平臺組織型社群的意見領(lǐng)袖一般為平臺運營者，負(fù)責(zé)信息的篩選和再創(chuàng)作，起到把關(guān)人的作用。自我組織型社群的意見領(lǐng)袖是平臺的早期發(fā)起人或者社群骨干，即首先或較多接觸目標(biāo)信息，將自己再加工的信息傳播給其他成員的人。但這兩種社群類型的意見領(lǐng)袖都不會形成社群內(nèi)部信息的絕對壟斷，一些活躍成員也會對信息加以解讀，影響其他成員對信息的理解，模式圖中稱為“主要成員”。

此外，還有大部分不常活躍的“一般成員”。他們參與信息討論的次數(shù)少，傳播影響力小，很少主動獲取更多信息。此外，還有基本不活躍的“邊緣成員”，除了一些強(qiáng)制要求活躍度的社群，一般的社群都不乏“潛水”的成員，即基本不參與信息交流，對社群內(nèi)部信息的接收不及時也不全面的群體。

二、網(wǎng)絡(luò)社群信息擴(kuò)散規(guī)律

網(wǎng)絡(luò)社群的網(wǎng)絡(luò)屬性和社交屬性，使得網(wǎng)絡(luò)社群的信息遵循著社交網(wǎng)絡(luò)信息的擴(kuò)散規(guī)律。一般來說，我們以信息擴(kuò)散規(guī)模和擴(kuò)散的時空特征來測量并刻畫信息擴(kuò)散。信息的擴(kuò)散規(guī)模，包含三個要素，即信息受關(guān)注度、信息覆蓋人口、信息量。信息擴(kuò)散的時空特征則包含三個要素，即信息的傳播速度、信息覆蓋人口和信息覆蓋區(qū)域。

1.信息關(guān)注人數(shù)與遺漏率的關(guān)系模式

從傳播過程上來看，網(wǎng)絡(luò)社群中的信息傳播存在一個最佳響應(yīng)拐點和離散拐點。信息從意見領(lǐng)袖發(fā)出，受到網(wǎng)絡(luò)社群成員的持續(xù)關(guān)注，在一定積累后達(dá)到最佳響應(yīng)拐點，信息會被意見領(lǐng)袖進(jìn)一步再創(chuàng)作，使得信息遺漏率降低，達(dá)到離散拐點。

隨后，盡管關(guān)注人數(shù)的增多，但由于信息熱度的降低，信息量不會持續(xù)大規(guī)模增加。由此得出關(guān)注人數(shù)和遺漏率的關(guān)系規(guī)律，即網(wǎng)絡(luò)社群中信息關(guān)注人數(shù)的增多，使得意見領(lǐng)袖的再創(chuàng)作增多，引起其他成員的紛紛圍觀，信息量增多。同時受到意見領(lǐng)袖的二級傳播，主要成員的間接影響，遺漏率會降低，該信息量理論上會增大。其關(guān)系模式見圖1。

如圖 信息關(guān)注人數(shù)與遺漏率的關(guān)系模式

2.成員關(guān)注度與覆蓋范圍的關(guān)系模式

社群中的信息，總是從最開始的關(guān)注度低、覆蓋范圍小，到部分成員產(chǎn)生興趣加以篩選和傳播，成為關(guān)注度高、覆蓋范圍較小的信息，隨后成為關(guān)注度高、覆蓋范圍廣的信息；而隨著人們興趣降低，再成為關(guān)注度低的信息；保持一段時間的大覆蓋范圍后，逐漸被人們淡忘，覆蓋范圍變小。

以Facebook用戶數(shù)據(jù)信息泄露事件對中國科技社群——“云棲社區(qū)”來看。2018年3月17日，美國紐約時報和英國觀察者報（英國衛(wèi)報的周日版）聯(lián)合曝光，F(xiàn)acebook上超過5000萬用戶信息數(shù)據(jù)被一家名為Cambridge Analytica的公司泄露，用于在2016年美國總統(tǒng)大選中針對目標(biāo)受眾推送廣告，從而影響大選結(jié)果。

此消息一出，首先在Facebook用戶中“反特朗普”的民主黨成員和民眾內(nèi)引起轟動，隨后引發(fā)各國媒體爭相報道，云棲社區(qū)有意見領(lǐng)袖發(fā)布兩篇技術(shù)性帖子，當(dāng)天閱讀量到達(dá)200多人次。

3月21日，F(xiàn)acebook創(chuàng)始人兼首席執(zhí)行官馬克·扎克伯格承認(rèn)公司沒能保護(hù)好用戶數(shù)據(jù)，還承諾將對開發(fā)者們采取更嚴(yán)格的數(shù)據(jù)訪問限制。一時間輿論嘩然。云棲社區(qū)的科普貼在此一周內(nèi)被廣泛轉(zhuǎn)載和閱讀，社區(qū)內(nèi)帖子閱讀量達(dá)到2萬，社區(qū)“聚能聊”討論板塊有2萬人關(guān)注，近百人參與對話和信息更新。4月初直至4月中旬，各大新聞媒體報道減少，云棲社區(qū)共有三篇博客更新，累計1000人瀏覽，討論板塊參與更新討論的人數(shù)有所縮減。有趣的是，隨著扎克伯格接受美國國會質(zhì)詢，更多的人關(guān)注扎克伯格回答質(zhì)詢時的“表情”。一條“扎克伯格是機(jī)器人”的消息走紅網(wǎng)絡(luò)，而關(guān)注數(shù)據(jù)泄露問題的成員數(shù)反而減少。

三、算法技術(shù)在網(wǎng)絡(luò)社群信息傳播中的深入運用

網(wǎng)絡(luò)社群自身的互聯(lián)網(wǎng)屬性，使得信息技術(shù)的變化總是會導(dǎo)致社群信息傳播機(jī)制的巨大變化。大數(shù)據(jù)、人工智能、受眾定向等新興算法技術(shù)正被廣泛運用于各種信息傳播中，在網(wǎng)絡(luò)社群中主要表現(xiàn)在信息內(nèi)容生產(chǎn)、信息投放和傳播效果預(yù)估三個方面。展望未來，隨著區(qū)塊鏈的發(fā)展，傳播技術(shù)將再次改變網(wǎng)絡(luò)社群中人、信息、網(wǎng)絡(luò)社群平臺三者的相互關(guān)系，深刻影響網(wǎng)絡(luò)社群信息傳播。

1.算法技術(shù)在網(wǎng)絡(luò)社群信息生產(chǎn)方面的應(yīng)用

技術(shù)對信息內(nèi)容生產(chǎn)的作用包含三個層面，大數(shù)據(jù)為代表的文本分析、數(shù)據(jù)新聞為代表的新聞報道和智能反饋以及人工智能為代表的文化創(chuàng)造。

文本分析是利用自然語言處理技術(shù)，分析文本文檔、社交媒體、網(wǎng)頁等文本數(shù)據(jù)的一種應(yīng)用。利用大數(shù)據(jù)進(jìn)行文本分析，可以統(tǒng)計社群信息文本特點，有效評價社群信息的信息源、信息價值以及自然語言的情緒和態(tài)度，可應(yīng)用于網(wǎng)絡(luò)社群信息追蹤、品牌營銷、輿情監(jiān)控等領(lǐng)域。

數(shù)據(jù)新聞，又名數(shù)據(jù)驅(qū)動新聞，是基于數(shù)據(jù)的抓取、挖掘、統(tǒng)計、分析和可視化呈現(xiàn)的新型新聞報道方式?，F(xiàn)階段，除了少數(shù)媒體會這樣處理新聞外，一些網(wǎng)絡(luò)社群也會直接從其他網(wǎng)站抓取信息，經(jīng)過算法可視化呈現(xiàn)后在站內(nèi)傳播，這種做法被廣泛運用于某些科研論壇、追劇社區(qū)、考試求職論壇等網(wǎng)絡(luò)社群平臺中。

有的網(wǎng)絡(luò)社群會把算法程序“擬人化”，稱之為“寫稿機(jī)器人”。除此之外，網(wǎng)絡(luò)社群常見的聊天機(jī)器人也屬于這一層次，聊天機(jī)器人以人類聊天數(shù)據(jù)的信息文本為基礎(chǔ)，經(jīng)過算法加工后，利用文字、語音、圖片等形式與社群成員進(jìn)行交流。

有學(xué)者認(rèn)為，人工智能到達(dá)人類智力的標(biāo)志不只是“圖靈測試”，還可以是“獨立得出科學(xué)規(guī)律”。網(wǎng)絡(luò)社群信息在網(wǎng)絡(luò)中具有共享性和協(xié)同生產(chǎn)的性質(zhì)，既然數(shù)據(jù)統(tǒng)計、大數(shù)據(jù)處理和信息可視化可以由計算機(jī)介入，那么，信息內(nèi)容的生產(chǎn)也可以由計算機(jī)介入，直至計算機(jī)可以進(jìn)行文化創(chuàng)造。

2.算法技術(shù)在網(wǎng)絡(luò)社群信息投放方面的應(yīng)用

網(wǎng)絡(luò)社群信息投放技術(shù)，包括以擴(kuò)大信息覆蓋人群為目的受眾特征定向技術(shù)和上下文定向技術(shù)，完善信息覆蓋區(qū)域（或使用場景）的分布式投放技術(shù)和服務(wù)人機(jī)交互的搜索引擎優(yōu)化技術(shù)等。

信息投放技術(shù)是使用信息去匹配“人”的過程，通常是社群平臺的自發(fā)行為，所以一般只有平臺組織型網(wǎng)絡(luò)社群才有這類投入，他們需要通過這些技術(shù)售賣廣告位，或者擴(kuò)大信息覆蓋率。

受眾特征定向技術(shù)，通過對個人行為數(shù)據(jù)的分析，找出潛在目標(biāo)群體的共同行為特征，選擇適當(dāng)?shù)纳缛浩脚_將目標(biāo)信息投放給具有共同行為特征的社群成員。上下文定向技術(shù)，則是基于此刻個人的網(wǎng)絡(luò)行為數(shù)據(jù)，實時匹配目標(biāo)信息。這兩種受眾定向技術(shù)，目前正廣泛運用于程序化廣告和交互廣告中。

分布式投放技術(shù)，主要有基于地理位置的信息投放，基于顯示終端的信息投放，還有基于網(wǎng)絡(luò)使用場景的信息投放。常見于城市生活服務(wù)、區(qū)域性營銷推廣和跨屏營銷等領(lǐng)域。

搜索引擎優(yōu)化技術(shù)，是一種使網(wǎng)站更適合搜索引擎的索引原則，并增強(qiáng)網(wǎng)站相關(guān)信息對社群成員吸引力的行為。這里的優(yōu)化不單單針對各大搜索引擎的索引優(yōu)化，還包括網(wǎng)絡(luò)社群內(nèi)部的信息搜索優(yōu)化、分類優(yōu)化和質(zhì)量優(yōu)化等。

3.算法技術(shù)在網(wǎng)絡(luò)社群信息效果預(yù)估方面的應(yīng)用

傳播效果預(yù)估方面，除了文本分析技術(shù)和信息投放技術(shù)外，還有關(guān)鍵詞技術(shù)、節(jié)點傳播能力測量技術(shù)、可信度檢測技術(shù)等。在傳播效果測量時，這些技術(shù)都不是單一使用的，而是系統(tǒng)性的綜合運用。

《Nature》曾刊登，有學(xué)者利用45個與流感相關(guān)的關(guān)鍵詞，來測量公眾對流感的關(guān)注程度，通過追蹤關(guān)鍵詞搜索的趨勢變化，預(yù)測了美國流感的暴發(fā)。路透社在Twitter 上用一款名叫Reutres News Tracer的工具來監(jiān)測隨時出現(xiàn)的各類新聞事件、檢測社交媒體信息的真實性。

它的工作流程為：（1）搜集所有可能是新聞的信息并找到原始出處；（2）找到第一轉(zhuǎn)發(fā)者；（3）對信息進(jìn)行可信度檢測，并進(jìn)行交叉比對，對真實性進(jìn)行標(biāo)注；（4）最終驗證結(jié)果從0%到100% 打分。

可見，Tracer存在于Twitter這個大型網(wǎng)絡(luò)社群平臺中，不但承擔(dān)檢測和預(yù)估傳播效果的職責(zé)，還承擔(dān)了制作數(shù)據(jù)新聞的工作。

4.區(qū)塊鏈等算法技術(shù)在網(wǎng)絡(luò)社群信息傳播中的應(yīng)用前景

除了以上的信息傳播算法技術(shù)，還有一些在其他領(lǐng)域被頻繁運用的算法技術(shù)正被引進(jìn)到網(wǎng)絡(luò)社群中，如區(qū)塊鏈技術(shù)。區(qū)塊鏈?zhǔn)欠植际綌?shù)據(jù)存儲、點對點傳輸、共識機(jī)制、加密算法等計算機(jī)技術(shù)的新型應(yīng)用模式。區(qū)塊鏈很好地解決了中介信用問題，可以在需要信用的數(shù)據(jù)共享、媒體信源認(rèn)證、跨平臺個人加密數(shù)據(jù)儲存、知識產(chǎn)權(quán)保護(hù)、實時效果監(jiān)測方面上起到積極作用。

一是區(qū)塊鏈?zhǔn)紫瓤梢酝七M(jìn)數(shù)據(jù)共享。大數(shù)據(jù)需要足夠的數(shù)據(jù)為支撐，而現(xiàn)階段數(shù)據(jù)被少數(shù)互聯(lián)網(wǎng)公司所壟斷。未來，各個網(wǎng)絡(luò)社群平臺和廣大社群成員集體維護(hù)賬本數(shù)據(jù)庫，通過共識機(jī)制算法維護(hù)數(shù)據(jù)一致性，并由算法保證數(shù)據(jù)不可篡改和掩蓋。在數(shù)據(jù)世界實現(xiàn)數(shù)據(jù)共享，形成互信關(guān)系。

二是由于數(shù)據(jù)共享的實現(xiàn)和信任關(guān)系的建成，媒體信源認(rèn)證和知識產(chǎn)權(quán)保護(hù)將順勢得到解決。

三是完善跨平臺個人加密數(shù)據(jù)儲存，涉及區(qū)塊鏈智能合約的合理性，加密技術(shù)的完善性和隱私保護(hù)與數(shù)據(jù)透明的平衡性。一旦技術(shù)成熟，將實現(xiàn)個人對數(shù)據(jù)的最大化利用，表現(xiàn)為更加精準(zhǔn)的社群營銷，更為精準(zhǔn)的社群信息推薦，以及更加便捷和完善的生活服務(wù)。

四是實現(xiàn)重要信息傳播的實時效果監(jiān)測。在一個普遍信任的網(wǎng)絡(luò)社群中，信息從產(chǎn)生到擴(kuò)散，再到離散，都可以得到量化，并且受到實時監(jiān)控。

總而言之，網(wǎng)絡(luò)社群信息傳播總是隨人、信息、網(wǎng)絡(luò)社群平臺三者的相互關(guān)系有關(guān)，關(guān)系變化的關(guān)鍵驅(qū)動因素就是技術(shù)的革新。信息總是由社群成員和社群平臺生產(chǎn)，在社群平臺上傳播，在社群中擴(kuò)散，而網(wǎng)絡(luò)社群信息傳播規(guī)律在此過程中隨著技術(shù)的發(fā)展而不斷被發(fā)現(xiàn)和完善，最終影響整個社群的信息傳播。

此外，算法技術(shù)對網(wǎng)絡(luò)社群信息傳播的研究和應(yīng)用也有反身性，會影響著網(wǎng)絡(luò)社群成員的行為以及整個網(wǎng)絡(luò)社群的信息傳播。

（作者單位：暨南大學(xué)人文學(xué)院）

【基金項目】：本文是2018年廣州市高校創(chuàng)新創(chuàng)業(yè)教育項目的階段性成果，項目批準(zhǔn)號：201709k44。

【參考文獻(xiàn)】

[1] Werner J S， James W T， Jr. 傳播理論<起源，方法與應(yīng)用> [M]. 中國傳媒大學(xué). 中國. 2016.

[2] 張大鐘. 虛擬社區(qū)組織公民行為 [M]. 上海大學(xué)出版社. 中國. 2015.

[3] 鐘瑛. 中國的新媒體社會責(zé)任報告[R]. 社會科學(xué)文獻(xiàn)出版社. 中國. 2015.

[4] 李良榮. 網(wǎng)絡(luò)新媒體概論[M].高等教育出版社. 中國. 2014.

[5] 許小可，胡海波，王成軍等. 社交網(wǎng)絡(luò)上的計算傳播學(xué)[M]. 天津大學(xué)出版社. 中國. 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.