■羅曉君（武漢大學經(jīng)濟與管理學院）

一、引言

社會網(wǎng)絡分析（Social Network Analysis，簡稱：SNA）是現(xiàn)階段國外主流社會學的一個有影響力的研究領域，作為一種研究范式和一個具體的研究領域，社會網(wǎng)絡分析有其獨特的科學性和規(guī)范性，它誕生于社會學，卻能被其他社會學科甚至自然學科廣泛接受并運用，尤其在實證研究方面，它對各門學科的貢獻尤其重大。

而對于管理類的學科來說，社會網(wǎng)絡分析具有強大的適應性與可塑性，尤其在關注消費者行為的營銷領域里，更是一種強大的研究新范式。

二、社會網(wǎng)絡分析概述

SNA的傳統(tǒng)目標是通過使用圖論來識別和描述網(wǎng)絡的結(jié)構(gòu)。當從有界網(wǎng)絡中收集數(shù)據(jù)時，個人（即自我）通常識別與其他網(wǎng)絡成員（即他人）的連接，例如通過從教室里的同伴列表中尋找朋友。這些關系的存在或不存在是有意義的，因為這些關聯(lián)描述了網(wǎng)絡的類型（例如友誼網(wǎng)絡，建議網(wǎng)絡），關系反映了網(wǎng)絡成員之間特定類型的關系。在“SNA”中，聯(lián)系往往是定向的，其中從個人（即自我）標識到朋友那里時，其代表自我的出處，當關系的改變從朋友那里變化時，代表自我的進口（Wasserman和Faust，1994）。每條關系也可以有一個權(quán)重（Valente，2010）。這種權(quán)重可以是關系的強度（排除關系弱或強）或其他關于鏈接的信息，例如建議或共享信息的類型。當關系有權(quán)重時，它被稱為有價值的網(wǎng)絡數(shù)據(jù)（Valente，2010）。除了以圖形方式說明網(wǎng)絡的結(jié)構(gòu)（即表示為“節(jié)點”的自我和表示為鏈接或“邊緣”的關系）之外，許多度量被用于表征個體（例如中心性），雙重性（例如連通性，互惠性），群體（例如聚類，封閉）或整個網(wǎng)絡（如密度，平均頂點度）。

三、社會網(wǎng)絡分析設計簡述

首先，SNA 軟件被用來捕捉社交媒體平臺所提供的數(shù)據(jù)。社交媒體提供了不同的隱私設置，例如有私人團體，私人通信，開放團體，公共團體和公眾粉絲頁面，這意味著不同程度的研究主題所需要的授權(quán)是不同的。一般可通過應用程序編程接口（API）來獲取公開可用信息。API是一套協(xié)議和工具，用于構(gòu)建用于各種軟件組件之間通信的應用軟件。在研究中，可用NodeXL 來導入社交媒體所支持的用戶信息，如：Facebook。

其次，要確定SNA 的社會網(wǎng)絡化指標，特別是度量個體網(wǎng)絡成員中心性的中介性中心度量。這些指標的選取與測量，關鍵在于其能多大程度上可以系統(tǒng)地表明網(wǎng)絡成員隨時間的中心地位。

第三，要進行了一項簡單的驗證性研究，目的是研究SNA結(jié)果在多大程度上反映了“現(xiàn)實”。迄今為止還沒有一種公認的社交媒體指標驗證方法。目前有研究表明，社交媒體信息在多大程度上與現(xiàn)實生活狀況相對應，例如社交媒體用戶在社交媒體上的好友是否也是現(xiàn)實生活中的親密朋友（Bond 等，2012）社交媒體用戶的在線表情符合他們所說的離線內(nèi)容。

四、社會網(wǎng)絡分析在營銷中的運用

近年來，研究人員已經(jīng)注意到利用大量關于用戶活動的在線微觀數(shù)據(jù)獲取可操作的潛在理解（Gopal等，2011;Marsden，2008）。研究人員還試圖結(jié)合多種計算技術(shù)來構(gòu)建更加智能的業(yè)務系統(tǒng)?！按髷?shù)據(jù)”的分析方法為各種業(yè)務問題和領域提供戰(zhàn)略優(yōu)勢和增值（Baesens，2014）。

隨著在線社交媒體的快速發(fā)展，人們對網(wǎng)絡對行為的影響以及行為如何在連接的個人中傳播變得越來越感興趣。雖然一些研究指出，與弱關系緊密聯(lián)系以在Facebook 等社交網(wǎng)絡中產(chǎn)生影響力的重要性，但研究人員發(fā)現(xiàn)，通過弱關系反復接觸社交信息對社交也是有效的影響;在社交網(wǎng)絡平臺中，反復暴露于弱網(wǎng)絡關系的興趣和偏好被認為是常見的（Kwon等，2014）。隨著社交媒體和消費者網(wǎng)絡的日益活躍，營銷管理者和研究人員對利用基于網(wǎng)絡的信息產(chǎn)生了極大的興趣。多項研究指出了病毒式營銷的社會影響力（Bruyn和Lilien，2008）。

社交媒體是指支持用戶之間社交互動的一套在線工具，涵蓋了一系列基于互聯(lián)網(wǎng)的互動應用，如YouTube，F(xiàn)acebook，Instagram，Linked In（Hansen，Schneiderman＆Smith，2011）。社交媒體這個術(shù)語經(jīng)常被用來和更傳統(tǒng)的媒體（如電視和書籍）進行對比，這些媒體向大眾傳播內(nèi)容，但不促進用戶創(chuàng)建或分享內(nèi)容（Hansen等人，2011年）。

Facebook，Twitter和亞馬遜等社交媒體網(wǎng)站允許用戶就他們感興趣的主題與他人進行交流，分享和溝通。例如，用戶可以在Facebook上“追隨”社交品牌，并對品牌頁面發(fā)布的評論或“喜歡”帖子進行評論。所有這些社交行為都會生成豐富的數(shù)據(jù)源，可以通過分析來了解在社交媒體上實體之間的互動?？梢詮倪@些數(shù)據(jù)集中提取兩種類型的交互網(wǎng)絡：顯式或隱式。顯式網(wǎng)絡是通過Facebook上的“友誼”關系或Twitter、上的“追隨”關系創(chuàng)建的，而隱式網(wǎng)絡則是通過用戶對Amazon.com 產(chǎn)品的審查行為或通過博客訂閱和評論創(chuàng)建的（Chau and Xu，2012）。當人們有共同的興趣，或者品牌有重疊的客戶時，隱性網(wǎng)絡也可能建立起來。對這種大型隱式網(wǎng)絡的分析能夠檢測到類似用戶或類似品牌的社區(qū)，從而促進有針對性的在線廣告，最終可能導致產(chǎn)品或服務的購買。

研究已經(jīng)檢查了社會定位或行為定位，即從過去的用戶行為中學習，尤其是用戶反饋（如評論和點擊），以找到用戶和廣告之間的最佳匹配。針對Facebook頁面上的“粉絲”友誼網(wǎng)絡進行的針對慈善機構(gòu)的社交廣告研究發(fā)現(xiàn)，這些廣告比沒有針對性或針對具有人口特征的廣告更有效（Goldfarb and Tucker，2011）。

社交網(wǎng)絡正被用于推廣品牌和發(fā)展品牌社區(qū)。研究還考察了在線消費者互動（De Valck等，2009）以及利用社交網(wǎng)絡促進消費者參與。社交網(wǎng)絡社區(qū)現(xiàn)在被視為品牌如何與消費者互動的核心，品牌粉絲被指出與品牌的聯(lián)系上更具情感化，并且傾向于更積極的口碑。

消費者可以通過在線社交網(wǎng)絡以多種方式互相影響。其中包括在線產(chǎn)品評論和反饋，采購/采用決策溝通，產(chǎn)品推薦以及社交品牌社區(qū)的互動（Mangold and Faulds 2009）。最近，這種交互構(gòu)建和分析隱式網(wǎng)絡引起了研究的興趣。張等人（2014 年）從Facebook粉絲頁面構(gòu)建大型隱性品牌網(wǎng)絡，調(diào)查有影響力的品牌是否擁有大量粉絲，并獲得社交用戶更多的積極評價。Chau和Xu（2012）分析了博客內(nèi)容，從博客訂閱和評論中找出隱含的網(wǎng)絡。他們使用網(wǎng)絡分析和集群來從博客收集商業(yè)智能。

但在使用社交媒體數(shù)據(jù)評估時會有一些常見的問題。首先，社交媒體是第三方平臺，因此研究人員不能控制界面設計，算法和數(shù)據(jù)（Chan＆Holosko，2016）。算法是由人們設計的，他們只做自己設計的目標，但研究人員一般無法與社交媒體公司進行談判。其次，研究人員需要考慮如何合理收集和使用這些數(shù)據(jù)。在一些國家，如美國，通過社交媒體平臺（如Skype）進行的調(diào)研可能不包括在保險范圍內(nèi)（Reamer，2015）。第三，現(xiàn)階段還沒有適當?shù)母拍罟ぞ吆脱芯渴侄蝸砗饬可缃痪W(wǎng)絡和互動。關系或社交網(wǎng)絡的客觀量度暫時不夠完善，因此限制了選擇的研究方法。

不過，目前正在出現(xiàn)的一些研究已經(jīng)部分克服了這些障礙。例如，研究人員通過社交媒體平臺的應用程序編程接口（API）在允許的參數(shù)范圍內(nèi)捕獲社交媒體數(shù)據(jù)，并使用這些數(shù)據(jù)來識別用戶的人口統(tǒng)計數(shù)據(jù)，分析群體動態(tài)，識別社會運動中的重要成員（Chan，2013），并分析社會趨勢。

這些新興的社交媒體研究背后的核心技術(shù)是社會網(wǎng)絡分析（SNA），社會網(wǎng)絡分析是從社會關系概念-社會關系的一種表達形式中得出的。社會圖由兩個主要構(gòu)建塊組成：節(jié)點和邊緣。節(jié)點（也稱為頂點，實體或項目）可以表示許多事物，例如人，團體甚至國家。邊緣（也稱為鏈接，關系，連接或關系）是網(wǎng)絡的構(gòu)建塊。邊緣將兩個節(jié)點連接在一起。邊緣可以代表許多不同類型的關系，如合作，親屬關系，友誼或引用?；谶@些社會學概念，有多種度量網(wǎng)絡中個體權(quán)重或連通性的度量標準，比如進入的連接數(shù)量，出去的連接數(shù)量或者連接的總?cè)藬?shù)（Hansen 等，2011）。

事實上，社會科學家們長期以來都提出了計算網(wǎng)絡發(fā)展和社會網(wǎng)絡中個人權(quán)重的指標（Freeman，1977），但是這些指標直到最近才在社會工作或社會科學領域得到廣泛的應用（Hansen等，2011）。各種社交媒體平臺的發(fā)展導致大量的結(jié)構(gòu)化數(shù)據(jù)向公眾開放。結(jié)合目前收集，分析和可視化社交媒體數(shù)據(jù)的研究工具，可以揭示新的見解（Hansen等，2011）。如果這些新的測量可以量化和測量隨著時間推移的社交網(wǎng)絡的變化，則可以應用雙變量和/或多變量分析，對干預研究特別有用。