阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

关系即数据,论社交媒体的关系转换

于2017-04-01由小牛君创建

分享到:


【摘要】在大数据时代的社交媒体中,人际关系成为数据化的社会资源,或者叫做社会化的数据,社交平台的功能就是通过关系数据来实现关系转换,通过关系转换来实现平台价值。实现关系转换的路径取决于社交平台的结构,嵌入式结构和结构洞都有助于关系转换,最终通过个体价值来实现平台价值。

关系即数据

Web2.0时代,网络带给人们的不仅仅是距离上的接近感,更是一种接近于现实的真实,尤其是社交媒体( Social media)的出现,使得人与人之间的关系更是发生着微妙的变化——它源于现实,超越现实,但又不完全等同于现实。随着关系意义在社交平台中的改变,“关系转换”的问题随之而出,可以说“关系转换”带来的既是机遇也是挑战——从个体关系到社会关系,从现实关系到虚拟关系,对于媒介平台的参与者而言,如何更好的把握关系资源,弱关系如何转换为强关系,庞大的流量如何变现,个体的价值又如何彰显?……笔者认为研究“关系转换”远比研究关系本身更为重要。

一、人际关系的回归

在探讨“关系转换”的问题之际,一个不可避免的前提是如何理解“关系”这个基本概念。“关系”是一个很复杂的概念,虽然其通常是指事物之间相互作用、相互影响的状态,但在不同的学科背景下其内涵各有不同。

在社交媒体时代,“关系”首先就是一种人际关系,彭兰教授认为,社交媒体的出现使得大众传播渠道重新建立在人际传播网络之上,这既是一个有意思的回归,又是大众传播的一次飞跃。实际上,“关系”与“传播”是一对共生概念,而在“关系革命”爆发之前,“传播”更多关注的是信息内容,而却忽视了传播背后的“关系”价值。在传统媒体时代,“关系”的作用也是存在的,只不过在那个时代它的作用没有如今表现得这么突出,而其中的一个主要原因是:线性传播的媒介根本无暇关注到个体的存在价值。因此,在传统媒体时代,专业化的媒介组织对信息的生产及流通具有很高的控制权,以至于个体受众通常被视为“原子化”的存在;然而随着媒介形态的改变,网络媒体的出现,个体价值逐渐得以彰显,尤其是在当今的社交媒体时代,UGC(User Generated Content)概念的提出,使得以“我”为中心的信息传播成为了主流趋势,个体不再是被动的等待者和接受者,而是主动的创造者和传播者。从SNS网站的技术架构中,我们可以看到:从“个人展示平台”到“社会协同平台”,人际关系的互动呈现出同心圆的扩展形式。

大数据培训,就上小牛学堂

图1 当前SNS网站的基本架构图[1]

如图1所示,“个人展示平台”处于中心位置,这充分证明社交媒体对于个性化的关注已成为了平台构架与信息传播的基础。因此,在这个社交平台中,信息内容已不再是媒介组织的专利,媒介组织应当转向平台的关系建设,正如彭兰教授所说,从“内容平台”到“关系平台”,关系建设会爆发出巨大的潜力。然而,在人际关系的回归中,我们又如何重新理解社交媒体中的关系?

社科院王怡红研究员认为:“系统范式下的人际交流研究注重人的问题,它不把交流看作是一个‘语言的过程’而是一个‘人的过程’。系统理论之所以能引起研究者的长久关注,正是因为人类所有的生命形式,包括社会都必须放在一个复杂的有组织的被称为整体的环境中才能得到理解。”[2]用系统的理论来审视社交平台中的人际关系,关系的形成就不仅仅是A与B的简单形式了,更会有A与B与C,C与D与F,以及A与D与F等多而繁杂的组合,这些多而繁杂的组合用线段连接起来就会形成一系列交错的链条(关系链),而又将这些链条组合起来就会形成一张网(关系网)。在这张大网中,交流者不需要解决人与人之间的差异问题,而需要的是创建一个新的思想假定,即接受差异,以差异为依据去认识“关系”中存在的同一性与差异性的永恒张力。因此,我们应当看到,“关系”是一个动态的发展过程,在社交平台中,人际关系是嵌入的、是流动的、是自由的、是具体的。

帕洛阿尔托学派的奠基者G·贝特森(Gregory Bateson)认为:“传播具有两个层面,即内容层面与关系层面,在传播的关系层面上,它传递的是传播过程中两个或更多的参与者的人际关系,因此,一个讯息的关系深度可以对于讯息的内容进行分类或予以构造确。”[3]之后,传播学者保罗·瓦茨莱维奇(Paul Watts Levich)等人正式指出:“人际关系是通过交流和互动建立起来的,两个人之间的交流行为定义了关系”[4]。这个观点十分重要:一方面,它揭示了社交平台中,关系分类的依据,不是别的,正是交流行为本身。而另一方面,它的价值更在于——当我们面对多重复杂的关系网络时,参与者可以从人际关系的交流行为中来发掘传播的意义,也就是说,有什么样的交流活动就有什么样的人际关系需求。这也不难解释为什么在社交平台中,一次点击或一次转发都能成为数据分析的依据,因为这不仅仅是一次点击或转发,它更是一种用户需求方向的体现,而看到用户需求也就是对个体价值的关注。

综上两方面,社交媒体中的“关系”,其本质就是一种人际关系,它让传播回归到了个体价值的层面上,而以个体价值为逻辑起点的传播过程,使得个体用户的社会化需求与媒介平台的功能扩展及经济价值保持着密切联系。“无论社交平台最终表现出哪个偏向,‘社交’与‘媒体’二者的逻辑关系却是清楚的,即社交及社会关系是基础,而媒体的功能是建立在这个基础之上的”[5]。基于社交功能的用户体验理应成为核心——社交媒体中的“关系”以人际关系为起点,其它功能应围绕个体的人际互动而展开,研究社交媒体应当从个体的社会属性出发,并将大众传播的渠道建立在人际网络之上,这对于“关系转换”的探讨具有重要意义。

二、“关系”即资源

从系统的范式来审视人际关系,我们可以发现:从个体关系到社会关系的扩展,也是个体实现社会化的动态过程,在此过程中,“关系”所携带的社会资源成为了个体更好进行社会化的工具,因此“关系”的工具性,成为了一项关键因素。社会学家马克思·韦伯就把人的合理性行动区分为:价值合理性和工具合理性,其中价值合理性是指相信一定行为的无条件价值,它强调的是动机的纯正和选择正确的手段去实现自己意欲达到的目的,而不管其结果如何;而工具合理性是指行动只由追求功利的动机所驱使,行动借助理性达到自己需要的预期目的,行动者纯粹从效果最大化的角度考虑,而漠视人的情感和精神价值[6]。而在社交媒体中,通过“关系”对社会资源进行获取,这比现实社会来得更容易也更方便。

彭兰教授借鉴社会网络理论的分析方法对社交网络这种新兴社区进行了需求层面的考察,她发现:“在传统虚拟社区,网络使用者的需求中心主要体现在人们对于社会归属的需要;而在当前以自我为中心的社会网络中,人们更多的转向了对社会资本的获取”[7]。从社会归属需求向社会资本需求的升级,体现了“关系”作为一种社会资源的存在,在社交平台的传播中正发挥着重要的作用。

目前,“关系”即资源,这一论断在学界和业界都已达成共识。从理论层面上看,斯坦利·米尔格拉姆(Stanley Milgram)的“六度分隔”理论、马克·格拉诺维特(Mark Granovetter)的“弱关系力量”、罗纳德·博特(Ronald Burt)的“结构洞”理论、邓肯·瓦茨(Duncan Watts)的“网络动力学”理论、林南的“社会资源论”等,已从经济社会的不同视角向我们阐明了“关系”这种社会资源的普遍存在与价值。因此,就目前而言,再去怀疑“关系”是否能作为一种资源的存在已经没有意义了,相反研究关系资源的本土化以及如何开发和利用关系资源,成为了传媒业影响力发挥和市场空间拓展,最为重要的发展逻辑。[8]

在本土化方面,费孝通的“差序格局”理论,同样适用于社交媒体的“关系”研究。在中国,“强、弱关系”之间的权重概念表现的更为突出,人们在人际交往的过程中会不自觉的对交往对象进行有区分性的顺序分层,由于受传统儒家文化的影响,“以关系基础”为前提的人际关系分层决定了中国社会的现实人际交往仍然是以“亲缘关系外推”作为人际认知的起点。因此,在中国社会的现实交往中,强关系的重要程度要高于弱关系,而这一特性目前在社交平台中已大为凸显。比如,基于强关系的SNS推介机制、QQ圈子的成立、新浪微博改版后的密友圈等,这一系列举措都是对“一度人脉”的功能强化。然而“一度人脉”的转换价值何在?一度之外的弱关系又将扮演何种角色?这便涉及到社交平台关系层级的分类问题——合理的层级分类将会成为媒介平台功能扩展的重点。

在实践层面上,一方面,关系资源的流动可以释放出强大的正能量。2011年3月,奥利奥借助腾讯社交平台发动了一个“童真时刻齐分享”的社交媒体营销战役,腾讯给出了一个基于QQ空间的关系链解决方案,设计了“童真时刻在线互动——齐分享传播平台——关系圈SNS扩大传播”这三个基本环节,最终让奥利奥植根于消费者的日常生活中,增强了品牌的选择偏爱。其中产生的直接效果是QQ空间用户选择奥利奥模板写下3000万篇魔方日记,平均每个参与活动的QQ空间用户完成1.5篇奥利奥魔方日记,54%的女性用户中,有1/2的用户为妈妈受众。这个案例中最值得一提的是,基于腾讯社交关系链的好友点名活动,透过用户好友点名方式形成人际传播,展示出真实用户关系网的强大影响力,让奥利奥迅速渗透用户的好友关系圈,让用户成为奥利奥的自主传播者。此活动的成功体现出了腾讯在关系链上的绝对优势[9]。另一方面,关系资源在社交平台上的争夺也可能演化为恶性竞争。其中体现得最为突出的是“3Q大战”——两者争斗的核心症结点在于,360利用技术上的某些优势,试图在腾讯公司QQ用户间架构起一个透明的防护墙,也就是说,它把QQ公司给直接架空了,从而掌控和利用着QQ的资源,这是工信部对此事件的最后界定。这一行为体现出了360对于QQ关系资源的攫取和利用。[10]

三、“关系”即数据

“关系”即数据,这是大数据时代的核心命题。维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger)在《大数据时代》一书中,将大数据看作为“量变引发质变的革命”,他指出:“随着计算机技术全面融入社会生活,信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息,而且其增长速度也在加快。信息总量的变化导致了信息形态的变化——量变引发了质变。在大数据时代,数据等于样本总体,通过云计算对大数据进行分析、预测,会使得人们的决策更加精准,从而释放出更多数据的隐藏价值”[11]。在大数据时代,一切事物皆可量化,人们的“关系”自然也不例外。问题是“关系”如何成为数据?关系数据的价值又何在呢?

早在20世纪末,尼葛洛庞帝就在《数字化生存》一书中指出:“从原子到比特,数字技术作为一种先进生产力的代表,使得人与人之间的交流方式、生产方式、生活方式、思维模式以及行为方式都被深深打上了数字化的烙印。”[12]也就是说,人们的生产关系以及交往关系,可以通过比特的形式在虚拟世界中呈现,这样的优势在于——虚拟世界对现实世界最大程度的模拟和记录,使得社会生产效率普遍提高了。随着云计算的出现,如今上传一张图片、一段视频;点击一则分享、一项链接;转发一段文字、一句评论……这些行为都毫不例外的被数字化,并记录在了社交平台中。随着移动手机以及便携式设备的出现,人们的方位、足迹、爱好,甚至是人们的情感变化都可以成为被分析的数据。

在“人际关系的回归”中,笔者特别强调了个体与个体间的“交流行为”在传播互动中的作用——它的目的与偏向决定着社交媒体中错综复杂的关系类型。而在大数据时代,“交流行为”也成为了定义数据的指向标,可以说关系数据的形成就是人与人之间交互行为被数字化的过程。但在维克托看来,这只是第一阶段的任务,而要实现关系数据的真正价值,应当是“关系”的数据化过程。维克托认为:“数字化带来了数据化,但是数字化无法取代数据化。数字化和数据化之间存在着本质的不同”[13]。倘若以一盒多彩的巧克力豆为例,那么数字化的过程,就好比是将大盒中的一颗颗巧克力豆浓缩后,原封不动的放入到了另一个更便携的小盒中。这时,我们承认它更利于携带了,但是当我们想品尝其中特定颜色的巧克力豆时,我们仍然要去挑选;而数据化的过程,除了上述过程外,还包括了将巧克力豆按颜色、大小、形状、口味……进行分类叠放的过程,这时,当我们想吃其中特定颜色的巧克力豆时,我们只需打开盒子的相应区域,就可以轻松得到,并且在享受“特定颜色”的过程中,我们还可以感受到不同形状、不同口味的巧克力豆给我们带来的附加乐趣。因此,在社交媒体中,“关系”被数字化的过程就是“关系”在量上的积累过程;而“关系”被数据化的过程才是“关系”在质上的飞跃过程,同时,这也是“关系”真正产生价值的过程。这就从另一侧面证明了:对于关系的分类聚合在关系资源的挖掘中确实具有重要意义。

除了关系的分类聚合以外,“关系”即数据的价值还体现在哪些方面呢?维克托认为,在大数据时代,数据挖掘的精髓基于三大转变:

其一,从随机采样向全体样本的分析转变。维克托指出,在过去的时代,由于受技术的限制,人们依赖于采样分析的方法,并希望通过有针对性的采样分析来推断总体上的趋势。然而,事实却是,即使人们认为全面的采样方案,依然会遗漏掉诸多细节;而在大数据时代,由于使用的是全体样本,这便使我们的分析和预测更加精准了,并且让我们更看到了以往无法看到的细节。

其二,从追求精确度向掌握大体的分析转变。在过去的时代,我们总是习惯于寻根究底,虽然问题在最后也能被解决,但过程却耗时耗力,并且在我们面对新问题时,重复的“辛劳”仍将会继续;而在大数据时代,我们不再沉迷于精确度了(事实上,大量的数据也不允许我们这样做了),掌握大体趋势便能够预测未来,也便为我们节省了很多时间,从而让我们能够做更多的事情。

其三,从因果关系向相关关系的分析转变。寻找“为什么”是人类长久以来的习惯,即使它用途不大,人们还是乐于去追寻它;而在大数据时代,我们无需知道“为什么”依然可以解决问题,因为“是什么”已经将一种可能性的答案告诉了我们[14]。
综上所述,社交媒体中的“关系”是一种可以数据化的社会资源,这无疑给“关系转换”提供了一条有效的现实路径。

四、“关系转换”的实现路径

将维克托的三大转变,投射到社交平台的“关系转换”上,我们不难发现,从全体样本到相关性的解析,社交平台正发挥着数据过滤的作用,实际上,它已经悄无声息地取代了传统第三方测量在用户与传媒组织之间形成的中介价值。而这样的“掘取”方式,使得社交平台在整个信息产业服务中的中间地位更加权威了。以下是社交平台数据挖掘与关系价值生产的流程示意图。

关系即数据

图2 社交平台数据挖掘与关系价值生产的流程示意图

笔者发现在大数据时代,“关系转换”主要形成于三个层面,即从个体关系向关系数据的转换,从关系数据向稀缺数据的转换,从稀缺数据向关系价值的转换,而在维克托看来,这就是关系从量变到质变的过程。而其中,从个体关系到最后关系价值的形成,这就是社交平台将用户社会属性向媒体经济属性转换的过程。目前,在业界实践中,经常提及的“流量变现”、“转换率”或“折现率”,就也是对这一现象的描述。因此,从个体用户关系向平台生产关系的转换,成为了如今传媒业关注的焦点。

“关系转换”是在“关系革命”的背景下提出的,而“关系革命”的动因之一正在于媒介技术的发展。试想,倘若没有云计算,电脑的存储量也未达到PB为单位(PB即Petabyte,千万亿字节,1PB=1024TB),那么大数据时代还会来临吗,关系革命还爆发吗?因此,正视媒介变革的力量,这是探讨“关系转换”的条件之一,同时也是本文为什么要选择社交媒体作为环境变量来进行考察的主要原因。在Web2.0时代,以Facebook为代表的社交新媒体的出现,对人类社会的生产和生活方式带来了颠覆性的影响。而为什么在传统媒体的时代,这种颠覆性的价值并未产生呢?而为什么带来变革的是Facebook而不是Google呢?国金证券在《“大数据”专题分析报告》中指出:“谷歌确实在关注个体,它也是大数据技术的奠基者之一,然而它停留在满足用户需求的层面上,很难使其与传统的企业联系在一起,也就是说谷歌在互联网中称雄但丝毫不影响海尔在传统市场里称霸。”[15]而Facebook的出现却不同,它以其良好的技术性(SNS社会性网络服务)、交互性以及创造性(UGC),让人们可以自由的组合在一起,它使得大众传播回归到人际关系的层面上,对于个体价值的重视,使得Facebook的平台性得到了空前提升,而在传媒语境下,平台性具有两层含义,其一是介质;其二是中间性组织[16]。这种作为中间性组织的角色强化,使得Facebook更侧重于意义服务的建构与提供,这也就导致了其平台的聚合性大大增强——以“关系”为核心的聚合方式,使得技术功能、信息内容、互动数据……不断的向媒介平台靠拢,现实与虚拟,线上与线下正形成着交互,而这样的变化无疑是颠覆性的。

因此,社交媒体的价值实现已不同于传统媒体或门户网站,它的转换路径已发生了变化,我们不能再以传统媒体的思维来衡量,应当转向的是关系平台的建构,即“关系转换”的结构。

五、嵌入性结构中的“资源流”

结构功能主义认为,结构的改变将导致系统整体功能的变化。而在社交平台中,“关系转换”的结构又将如何呈现呢?麦尚文博士根据“嵌入性”理论,率先提出了传媒产业的关系“双重嵌入”模型(图3),他指出:“一方面传媒应当嵌入公众生活的个人网络中,融入个人的工作、生活及消费圈,把握他们的需求逻辑。另一方面,传媒产业自身又镶嵌在它所处的社会网络之中,成为巨大社会网的一个节点,受到特定经济、文化与制度背景的制约。”[17]

 

关系即数据

图3 传媒产业的关系“双重嵌入”

而作为中间性组织的社交媒体,它毫无疑问的属于传媒产业的一部分。按照这一逻辑,笔者认为,在社交媒体中,“关系转换”同样呈现出双重嵌入的结构,但不同的是在嵌入的过程中“关系转换”还伴随着社会资源的流动,就像建筑中的管道系统一样,在关注管道的结构安排时,更要关注里面的水流问题——水流的方向如何,流动的是否通畅等等。而在此层面上,伯特的“结构洞”理论为我们提供了良好的视野。

“结构洞”理论认为:“社会网络中某个或某些个体和有些个体发生直接联系,但与有些个体不发生直接联系、无直接或关系间断的现象,从社会网络整体看,好像是网络结构中出现了洞穴”[18]。如图4所示,网络中共有六个参与者,从图中可以看出A的“结构洞”最多,他与B与F与C都有直接的联系,并且不存在封闭的形式,因此A可以从其他三人身上获得不重复的社会资源,并且获取资源的渠道和速度都会大大增强,因此A的关系转换最容易形成,并呈现出一种开放式的扩张结构;但D与E就不同了,如果没有B的推荐,那么D与E将会处于一种封闭的状态,而他们获得资源的速度和渠道将会大打折扣,并且资源的同质性会增强,进而导致关系转换的闭塞。因此,我们说:个体“结构洞”的数量与个体关系转换的“资源流”成正比。而在图5的整体结构中我们又可以看到,A与B所处的位置至关重要,倘若A与B的结构洞被填补,那么图5整个系统的“资源流”将会形成,并且从任意一个节点开始都能形成扩展,经过一段过程后,又都形成回流(比如从A→B→E→D→A,这就是一个资源的回流过程),而此时的回流则意味着新的关系在更大范围中形成了闭合。实际上伯特的“结构洞”与格兰诺维特“弱关系桥”的概念有异曲同工之处,倘若以“弱关系”来填补结构洞,当回流次数增多并达到一定的关系度时,封闭结构依然会形成,但不同的是开始的那个节点便会与回流的最后一个节点形成强联接。这时又假想,图5的结构是无限放大的,那么“资源流”将会无穷大,“资源回流”也将无穷大,每个节点获得的收益也将无穷大。而这一抽象的假设在社交媒体中存在着极大的可能性,因为日益成熟的SNS推介机制以及社交媒体中的意见领袖(如微博认证用户、公用大号、甚至是各种短链等)都在不断的与用户发生弱关系,并通过实实在在的利益使得弱关系向强关系转换,以此来填补结构洞,实现共赢。当前在社交媒体中颇为流行的事件营销、以及微博救助等案例,意见领袖或短链的转发很大程度上成为了该事件或新闻形成影响力的转折点。

关系即数据

图4 “结构洞”理论示意图

注:A、B、C、D、E、F代表不同的人;实线段表示已有关系,虚形椭圆代表“结构洞”。

因此,社交媒体的“关系转换”是在双重嵌入的“资源流”中实现的功能价值。而“资源流”的效率与质量以及“资源回流”的可能性“反补”将会成为平台功能扩展与维持的关键性因素。而“资源流”的质量以及“回流”的“反补”又是通过关系在结构中的位置从而实现的。由此可见,关系结构的嵌入性,就是要建构合理的节点位置,从而实现关系质量的优化。比如,对于小军而言,如果他在微博中的粉丝既有商界人士、又有体育健将、又有媒体好友、又有政界官员,那么他的这些关系在转换成资源时,就会比粉丝中只有商业人士的小明获得更多收益。而倘若小军通过小明又认识了小红,这时小军和小红可能是弱关系,但在某件事情上,小红对小军形成了帮助,这时“关系”便形成了一次回流,而小军则会意识到小红对于他来说确实很重要。而当这种“反补”增多后,小军和小红之间就可能不会通过小明进行间接联系了,这时小军和小红的弱关系就很大程度上指向于强关系的连接。由此,关系转换的价值得以形成。

社交平台的作用正是要建构这样的结构功能,它一方面能使个体用户与其圈子内的人展开互动、共享资源,维系关系;另一方面,它又要能打破圈子内关系的封闭性,通过突破时间、空间和物质成本的限制,从而形成更多、更好的“资源流动”,并赋予个体最大程度的机会,使得个体能嵌入到另外的圈子中,并顺带将自身的圈子与外界的圈子发生关系,形成交集,从而增强转换的可能性,并在整个社会网络中实现嵌入。毫无疑问,关系转换的目标是通过个体价值最大化来实现平台价值最大化。

(《现代传播》2013、11)
注释:
[1] 图2来源:黄清源,覃燕妮,罗序文.SNS建构互联网公共领域的功能[J].新闻前哨,2011(7):23.
[2] 王怡红.关系传播理论的逻辑解释——兼论人际交流研究的主要对象问题[J].新闻与传播研究,2006(2):24.
[3]韩亚,陈先红.关系传播:Web2.0时代的传播偏向[D].湖北:华中科技大学新闻与信息传播学院,2008:2.
[4] 王怡红.关系传播理论的逻辑解释——兼论人际交流研究的主要对象问题[J].新闻与传播研究,2006(2):24.
[5] 尹韵公,吴信训,刘瑞生.中国新媒体发展报告(2012)[M].北京:社会科学文献出版社,2012:83.
[6] 工具理性名片[EB/OL].百度百科.[2013-01-18].http://baike.baidu.com/view/1265371.htm.
[7] 彭兰.从社区到社会网络——一种互联网研究视野与方法的拓展[J].国际新闻界,2009(5):90.
[8] 喻国明.“关系革命”背景下的媒体角色与功能[J].新闻大学,2012(2):28.
[9] 麻震敏冯利芳艾童心.社交价值让渡:腾讯构筑开放生态圈[J].成功营销,2012(4):47.
[10] 喻国明.关系革命背景下传媒发展的关键词[J].声屏世界·广告人,2012(7):44.
[11](英)维克托·迈尔-舍恩伯格,肯尼思·库克耶著;盛杨燕,周涛译.大数据时代[M].浙江:浙江人民出版社,2010:20.
[12] (美)尼古拉斯·尼葛洛庞帝著;胡泳,范海燕译.数字化生存[M].江苏:译林出版社,1995:184-233.
[13](英)维克托·迈尔-舍恩伯格,肯尼思·库克耶著;盛杨燕,周涛译.大数据时代[M].浙江:浙江人民出版社,2010:64-73.
[14](英)维克托·迈尔-舍恩伯格,肯尼思·库克耶著;盛杨燕,周涛译.大数据时代[M].浙江:浙江人民出版社,2010:34-58.
[15] “大数据”专题分析报告[EB/OL].国金证券.[2011-12-07].http://wenku.baidu.com/view/722aa86858fafab069dc023f.html.
[16] 郑爽,谭天.媒介平台理论初探——一种新媒介组织的思考[D].广州:暨南大学新闻与传播学院,2011:7.
[17] 麦尚文.关系编织与传媒聚合发展——社会嵌入视野中的传媒产业本质诠释 [J].国际新闻界,2010(1):53.
[18] 陈婷婷.结构洞:关系的制胜点[J].三峡大学学报,2007(6):31.

大数据培训,就上小牛学堂

End.