社交網(wǎng)絡(luò)意見領(lǐng)袖的內(nèi)容特征影響力及其傳播中的趨同性

徐 翔

(同濟大學藝術(shù)與傳媒學院，上海 201803)

意見領(lǐng)袖的概念可追溯到20世紀40年代，是由拉扎斯菲爾德等人針對政治傳播領(lǐng)域而提出，意見領(lǐng)袖是構(gòu)成信息和影響的重要來源，并能左右多數(shù)人態(tài)度傾向的少數(shù)人。(1)Lazarsfeld P F, Berelson B, and Gaudet H. The People’s Choice： How the Voter Makes Up His Mind in a Presidential Campaign[M]. New York： Columbia University Press. 1948.在當今強勢崛起的以用戶為單位主體的社交網(wǎng)絡(luò)媒體中，“意見領(lǐng)袖”依然在意見擴散、影響力輻射的媒介實踐中扮演著重要角色，并成為網(wǎng)絡(luò)傳播、網(wǎng)絡(luò)營銷、社會學等多領(lǐng)域研究的熱門對象。有關(guān)網(wǎng)絡(luò)、微博、社交媒體意見領(lǐng)袖的研究，多數(shù)關(guān)注各種信息、話題、觀點如何經(jīng)由這些節(jié)點得到有效傳播。(2)蔣翠清，朱義生，丁勇.基于UGC下的意見領(lǐng)袖發(fā)現(xiàn)研究[J].情報雜志，2011，30(10)： 82-85.(3)胡勇，張翀斌，王禎學，等.網(wǎng)絡(luò)輿論形成過程中意見領(lǐng)袖形成模型研究[J].四川大學學報(自然科學版)，2008(2)： 347-351.但是在“意見領(lǐng)袖”的影響力之外，還有一種可稱為“意見典范”的影響力模式，后者缺乏前者那樣的充分理論自覺和重視，相關(guān)的實證分析也顯不足。本研究所指向的任務(wù)，其一是明確聚焦“意見典范”的現(xiàn)象與內(nèi)涵，突出意見領(lǐng)袖易被忽視的“意見典范”角色和功能；其二是在驗證意見領(lǐng)袖與意見典范的角色關(guān)聯(lián)基礎(chǔ)上，探究意見典范所內(nèi)蘊的用戶擴散效能及其帶來的用戶趨同性。

一、 意見典范的內(nèi)涵

社交網(wǎng)絡(luò)宛如一種“文化工業(yè)”或“媒介流水線”，是對原本自主、多樣媒介的用戶范本的大規(guī)模復制?！耙庖姷浞丁睆娬{(diào)的，不是“意見領(lǐng)袖”的意見、態(tài)度、訊息使得其他用戶接收、反饋、認同的影響力，而是使其他用戶在整體內(nèi)容上朝向“典范用戶”發(fā)生或高或低的趨似、同化的影響力。

(一) 用戶內(nèi)容基本單元的層面： 從內(nèi)容碎片到內(nèi)容整體

意見領(lǐng)袖顯現(xiàn)的是一種影響力的流動和傳遞，作為一種有效節(jié)點，使得信息、意見、態(tài)度可以在社交網(wǎng)絡(luò)中更好擴散。有關(guān)社交網(wǎng)絡(luò)意見領(lǐng)袖的研究，多數(shù)關(guān)注意見領(lǐng)袖對于訊息、消息的傳播效力、(4)王晨旭，管曉宏，秦濤，等.微博消息傳播中意見領(lǐng)袖影響力建模研究[J].軟件學報，2015，26(6)： 1473-1485.行為特征、(5)丁漢青，王亞萍.SNS網(wǎng)絡(luò)空間中“意見領(lǐng)袖”特征之分析——以豆瓣網(wǎng)為例[J].新聞與傳播研究,2010(3)： 83-92，112.地位(6)韓運榮,高順杰.微博輿論中的意見領(lǐng)袖素描——一種社會網(wǎng)絡(luò)分析的視角[J].新聞與傳播研究,2012,19(3)： 61-69.和“兩級傳播”等問題。但是其中容易忽視的而又與零散帖子擴散效果緊密相關(guān)的是，意見領(lǐng)袖的高影響力不僅表現(xiàn)于訊息和意見的有效擴散，也表現(xiàn)于自身作為一種內(nèi)容基本單位，在社交網(wǎng)絡(luò)中的同化與擴散。

每個用戶的內(nèi)容生產(chǎn)中，零散發(fā)布的信息確實是碎片化的，但是每個個體的獨特性體現(xiàn)在，這些碎片背后的某種統(tǒng)一性，構(gòu)建著意見領(lǐng)袖個人的“信息指紋”、內(nèi)容“人設(shè)”和內(nèi)容“氣質(zhì)”。而這些整體性的內(nèi)容特征，同樣是個體在其影響力流動中所傳遞的不可忽視的重要成分。在此意義上，要求重視碎片拼圖背后的個體特征。高影響力用戶的作用，不只是對于消息和意見的有效傳播，也應(yīng)包括對個體“精神世界”的引領(lǐng)和約制。(7)熊澄宇，張錚.在線社交網(wǎng)絡(luò)的社會屬性[J].新聞大學,2012(3)： 1-6.一個用戶內(nèi)容綜合所形成的主題、風格、“議程”與“內(nèi)容類型”等因素，潛在地形成一種規(guī)約和話語方式，這類似于一種內(nèi)容生產(chǎn)的“人設(shè)”和“氣質(zhì)”，隱在地牽制著一個用戶說什么和不說什么，側(cè)重于什么議程和抑制什么議程。在社交網(wǎng)絡(luò)和社會化媒體中，信息行為的基本單位不僅僅是被發(fā)帖、轉(zhuǎn)發(fā)、評論的“內(nèi)容片段”，也是從事這些內(nèi)容所聚合成的具有統(tǒng)一性的用戶/個體。過于強調(diào)內(nèi)容和符號片段，會導致把用戶作為整體單元的內(nèi)容源切分為一個個破碎化的帖子或訊息的“原子”和“分子”。把所生產(chǎn)的訊息和內(nèi)容碎片按照所屬的用戶組裝和還原到“用戶單元”，就會呈現(xiàn)出原本碎片所不具備的新的特征與似同性。

(二) 用戶影響力的層面： 從帖子內(nèi)容擴散到用戶整體內(nèi)容特征的擴散

作為意見領(lǐng)袖的用戶，其局部的帖子、意見、內(nèi)容，會對其他用戶產(chǎn)生作用，發(fā)生擴散或產(chǎn)生反饋與效果。但一些情況下，即使這些零散帖子未產(chǎn)生實際的與意見領(lǐng)袖地位匹配的影響力，也依然不能否證這些帖子整體的內(nèi)容特征，可能對于其他用戶、被影響者所產(chǎn)生的擴散、流動、同化。媒介效果中的“潛文本”(8)徐翔，鄺明艷.接受與效果研究中的“潛文本”——文學理論與傳播研究的交叉視角[J].文藝理論研究,2010(1)： 121-124.“沉默輿論”(9)徐翔.“沉默輿論”的傳播機理及功能研究[J].南京社會科學，2015(10)： 112-117.等多種因素，共同介入用戶“主體性”(subjectivity)的同質(zhì)化再生產(chǎn)，使得即使是看似無傳播效果的內(nèi)容，也發(fā)生其擴散力與傳導力?？此茻o短期效果的帖子蘊含的“休眠效應(yīng)”，可能使得當下未體現(xiàn)出傳播效果的帖子在長周期后，被其他受眾接受、吸納以及融合轉(zhuǎn)換。由于審視用戶內(nèi)容的基本單位發(fā)生了變化，對于意見典范的影響力的考察不再像意見領(lǐng)袖那樣強調(diào)熱帖、“10萬+”博文的有效生產(chǎn)發(fā)布，而是強調(diào)用戶整體產(chǎn)生的一種“春風化雨”“內(nèi)容氣質(zhì)”的傳遞，而這同樣是一種在社交網(wǎng)絡(luò)中不可忽視的影響力。

社交網(wǎng)絡(luò)意見領(lǐng)袖的主要衡量標尺，是與其他用戶之間的“發(fā)布信息—接受或反饋”“關(guān)注—被關(guān)注”之間的影響—被影響關(guān)系。意見領(lǐng)袖由于其意見影響力以及與其他用戶之間更高的互動、“吸關(guān)”“圈粉”強度，其帖子對其他用戶產(chǎn)生的影響、發(fā)生的轉(zhuǎn)發(fā)和擴散更強，總體上發(fā)生“典范化”的影響勢能也更顯著。高影響力用戶或“流量”明星，在“同質(zhì)化”的集群中，增強所影響的社群內(nèi)的用戶信息擴散。輿情場勢理論認為，意見領(lǐng)袖具有的同化能力可產(chǎn)生形似區(qū)域狀的輿情場，通過社交網(wǎng)絡(luò)場域節(jié)點中的“振動(閃爍)粒子”，同化受眾，形成場內(nèi)受眾認知、情感及行為等向場源主體靠攏的過程。這種“閃爍”微粒越明亮，意見領(lǐng)袖影響力越強，且意見流內(nèi)極勢(public opinion field polar)愈凸顯。(10)Ghiassi M, Skinner J, Zimbra D. Twitter Brand Sentiment Analysis： A Hybrid System Using N-Gram Analysis and Dynamic Artificial Neural Network[J]. Expert Systems with Applications, 2013, 40(16)： 6266-6282.意見流內(nèi)極勢又進一步強化其同化能力。(11)Borge R, Marc E D V. Opinion Leadership in Parliamentary Twitter Networks： A Matter of Layers of Interaction?[J]. Journal of Information Technology & Politics, 2017, 14(3)： 263-276.對推特的研究指出，用戶和她/他的直接粉絲之間存在著信息內(nèi)容和主題上的同質(zhì)現(xiàn)象。對博客用戶的社會網(wǎng)絡(luò)分析指出，普通博客用戶在線上更容易陷入特定主題的交流社區(qū)，關(guān)注對象常常集中在特定的核心博客上。(12)Weng J, Lim E P, Jiang J, et al. Twitterrank： Finding Topic-Sensitive Influential Twitterers[C]// Proceedings of the Third International Conference on Web Search and Web Data Mining, WSDM 2010. New York, NY, USA, ACM, February 4-6, 2010.社交網(wǎng)絡(luò)用戶的信息表達、意見表達不是任意的和異質(zhì)化的，而是容易受到人氣用戶、高影響力用戶的影響，朝著有限定性的方向去接觸、關(guān)注、表達。(13)王曉光.博客社區(qū)內(nèi)的非正式交流： 基于網(wǎng)絡(luò)鏈接的實證分析[J].情報學報，2009，28(2)： 248-256.

社交媒體的高顯示度用戶、中心用戶，具有內(nèi)容特征有限化、類型的窄化這些吸引著用戶內(nèi)容特質(zhì)的收斂。對微博的研究顯示，各類內(nèi)容主題在微博信息擴散效果和用戶的擴散能力方面都表現(xiàn)出強弱分化。這使得用戶的內(nèi)容生產(chǎn)、傳達減少著內(nèi)容的豐富性，而窄化、模板化的意味會得到加強。(14)羅春海，劉紅麗，胡海波.微博網(wǎng)絡(luò)中用戶主題興趣相關(guān)性及主題信息擴散研究[J].電子科技大學學報，2017，46(2)： 458-468.曹洵和張志安的研究顯示，微博中公知型意見領(lǐng)袖群落分散，公共討論弱化；而營銷類、娛樂類用戶成為微博意見領(lǐng)袖群體的主流。(15)曹洵，張志安.社交媒體意見群體的特征、變化和影響力研究[J].新聞界，2017(7)： 24-30.“娛樂至死”“營銷致死”等優(yōu)勢用戶類型，加強廣大用戶朝少數(shù)優(yōu)勢“范本”及其“模因”(16)理查德·道金斯.自私的基因[M].盧允中，譯.長春： 吉林人民出版社,1998： 192.集中的態(tài)勢。傳媒發(fā)展過程中仍然存在著的“合法性危機”及其導致的“強迫機制”“模仿機制”“社會規(guī)范機制”相互作用，最終使得傳媒出現(xiàn)相當程度的同質(zhì)化。(17)蔡衛(wèi)平.傳媒同質(zhì)化現(xiàn)象動因探析[J].當代傳播，2008(3)： 34-36.社交媒體“人人都有麥克風”的自主性和草根化背景下，是部分優(yōu)勢用戶更強的同質(zhì)化擴散，及其帶來的用戶獨特性、個性化的消解和用戶趨同圈層的增強。

(三) 意見典范的內(nèi)涵與闡述

社交網(wǎng)絡(luò)用戶內(nèi)容生產(chǎn)中，其一： 內(nèi)容的基本單位，不僅僅可以是意見領(lǐng)袖研究模式下所經(jīng)常涉及的意見、帖子、訊息等局部化、碎片化的信息內(nèi)容(代稱為CA1)，也可以是用戶內(nèi)容構(gòu)成的整體特征/特質(zhì)(代稱為CA2)；其二： 影響力的基本模式，不僅僅可以是意見、帖子、訊息等局部化、碎片化的信息內(nèi)容所產(chǎn)生的擴散力與傳播效能(代稱為CB1)，也可以是某個用戶整體的內(nèi)容特征/特質(zhì)所產(chǎn)生的擴散力與傳播效能(代稱為CB2)。本文所謂的用戶內(nèi)容整體特質(zhì)或特征，是在社交網(wǎng)絡(luò)的內(nèi)容生產(chǎn)中，一個用戶區(qū)別于另一個用戶的內(nèi)容特質(zhì)，而不是一條帖子區(qū)別于另一條帖子的特質(zhì)；是一個用戶相似于另一個用戶的內(nèi)容特質(zhì)，而不是一條帖子相似于另一條帖子的特質(zhì)。

在上述基礎(chǔ)上，明確提出“意見典范”的現(xiàn)象及其概念，并作為后續(xù)分析其機理的基礎(chǔ)。把社交網(wǎng)絡(luò)、社會化媒體中的“意見典范”角色和現(xiàn)象界定為(簡稱為C0)： 社交網(wǎng)絡(luò)中存在的這樣一些用戶，他們把用戶的各條帖子或所有發(fā)布的內(nèi)容，統(tǒng)合為反映著用戶內(nèi)容特征的“信息基因”“信息指紋”的整體，這種整體內(nèi)容特質(zhì)具有流向其他用戶的擴散力和傳播效果，使其他用戶產(chǎn)生對于該種“用戶內(nèi)容整體特質(zhì)”的不同程度的接納、吸收與相似化、同質(zhì)化作用。

與意見領(lǐng)袖不同，意見典范符合CA2和CB2兩種條件： (CA2)意見典范強調(diào)的內(nèi)容擴散、用戶內(nèi)容特質(zhì)擴散的基本單位，是從內(nèi)容碎片到用戶的內(nèi)容整體特征；(CB2)意見典范的影響力模式，是從帖子的擴散力到“用戶整體內(nèi)容特質(zhì)”的擴散力。圖1顯示了用戶作為意見典范的作用方式和路徑，也即從“用戶內(nèi)容整體特質(zhì)”部分到其他用戶的流動；粗細不等的實線(以區(qū)別于虛線)，表示意見典范對于其他用戶的強弱不等的擴散效果。

圖1 意見典范的角色與內(nèi)涵

在關(guān)于意見典范的內(nèi)涵(C0)的基礎(chǔ)上，自然延展至對于意見典范程度的界定(簡稱為C1)： 將各個用戶所發(fā)布的內(nèi)容碎片組構(gòu)為整體后反映該用戶的整體內(nèi)容特征，則用戶的意見典范程度越強，他們的整體內(nèi)容特征與社交網(wǎng)絡(luò)中盡可能多的其他用戶具有盡可能大的相似性，其相似性越具有傳遞性。類似于“影響力”，我們也可將這種意見典范角色的傳遞性和擴散效力稱為典范力，以明確其影響力方式的特殊性。越是高程度的意見典范，這種“用戶內(nèi)容整體特質(zhì)”的影響和傳遞程度就越高，其傳遞、擴散自身“用戶內(nèi)容整體特質(zhì)”并有效影響到他人的程度和能力也越強。

基于發(fā)生擴散的基本單元的差異(也即CA1和CA2)，以及影響力層面的標的和方式的差異(也即CB1和CB2)，意見典范的角色和意見領(lǐng)袖既有關(guān)聯(lián)之處，而其所強調(diào)的中心也差異甚顯。其中，相較于意見領(lǐng)袖的研究框架側(cè)重于局部內(nèi)容的擴散和傳播效能(也即CA1和CB1)，意見典范的框架則側(cè)重于整體內(nèi)容特征的擴散和傳播效能(也即CA2和CB2)。如前所述，整體內(nèi)容與局部內(nèi)容之間存在著聯(lián)系，用戶整體內(nèi)容特質(zhì)的擴散效能也和局部擴散效果存在著不可忽視的聯(lián)系，因此我們不能割裂意見典范和意見領(lǐng)袖之間的關(guān)系，而是需要推測兩種角色間是否存在著正向的關(guān)聯(lián)性(這是后文問題Q1和假設(shè)H1將要回應(yīng)的，在此為了便于理解而提前標出)。在此基礎(chǔ)上，意見典范表示著用戶在擴散自身內(nèi)容整體特質(zhì)上的一種影響力與擴散力，雖然不同于意見領(lǐng)袖的影響力模式，但同樣是需要重視挖掘的現(xiàn)象。圖2對意見典范進行了對比性的勾連呈現(xiàn)。

圖2 結(jié)合用戶內(nèi)容擴散的意見典范內(nèi)涵

(四) 用戶作為“意見典范”的程度衡量

根據(jù)意見典范的內(nèi)涵(C0、C1)，衡量用戶作為“意見典范”的程度，是其用戶內(nèi)容整體特質(zhì)的相似性的生成、傳遞與流動?；蛘咭部梢越栌昧餍械摹澳Ｒ颉币辉~，形象地類比為，是用戶模因的傳遞與流動。如何衡量某個用戶的內(nèi)容整體特質(zhì)，在多大程度上與盡可能多的其他用戶具有盡可能高的相似度？根據(jù)本小節(jié)下文，可以從不同的角度反映這種擴散效力。由此種方式計算得到的是，每個用戶都會有“意見典范程度”，這個程度或高或低，正如每個用戶都會有一個或高或低的“粉絲規(guī)?！被颉坝绊懥Α薄?/p>

1. 作用廣度

首先，用戶與其他盡可能多的用戶具有盡可能高的內(nèi)容整體特質(zhì)相似度(參見CA2、CB2)，意味著可以初步分解為： 一個用戶與其他用戶中，相似度高于某個閾值的個數(shù)會盡可能的多。這個閾值沒有硬性的選取標準，只需不同的用戶可以具有區(qū)分度即可。本文選取該閾值為全體用戶兩兩相似度的均值，設(shè)為t，則上述衡量要求轉(zhuǎn)換為： 如果一個用戶作為意見典范的程度越強，他和其他全部用戶的相似度的值中，高于t的個數(shù)盡可能的多。這種方式，恰好與社會網(wǎng)絡(luò)分析中對于節(jié)點的“度數(shù)中心度”的衡量方式是一致的。節(jié)點的度數(shù)中間度，在SNA中是一個比較簡單的指數(shù)，反映與某節(jié)點直接相連的其他節(jié)點的個數(shù)。(18)劉軍.整體網(wǎng)分析： UCINET軟件實用指南[M].2版.上海： 格致出版社，上海人民出版社，2014： 127.這個指標在本研究中主要反映用戶的典范作用范圍的廣度，這種輻射廣度是典范影響力的一個重要方面。

2. 作用深度

當然，作用廣度在一個方面的確反映了更強的意見典范所具有的特征。弱意見典范往往難以達到這種廣度。但是，如果兩個用戶都具有很強的作用廣度，如何進一步衡量其影響程度的大小？這其中，必須要在作用廣度之外，考慮另一個重要而關(guān)鍵的因素： 作用深度。也即，如果兩個用戶的作用廣度都很大，但是其中一個用戶影響的只是眾多“無影響力”的草根用戶、底層用戶和低程度意見典范，而另一個用戶則是影響著較為多數(shù)的高影響力用戶和高程度意見典范，則顯然后者的意見典范作用是高于前者的，在全局網(wǎng)絡(luò)中也具有更強的實際作用。這種“節(jié)點所影響到的節(jié)點的影響力”，恰好與社會網(wǎng)絡(luò)分析中的經(jīng)典指標之一“特征向量中心性”(eigenvector centrality)具有一致性。在特征向量中心性中，與重要的節(jié)點連接，比單純地和更多的不重要的節(jié)點連接，具有更為令人矚目的地位。(19)拉法扎尼，阿巴西，劉.社會媒體挖掘[M].劉挺，秦兵，趙妍妍，譯.北京： 人民郵電出版社，2015： 42.因為在一些情況下，用戶雖然只對很少量有影響的人存在影響，但是這種影響程度可能超過擁有大量平庸、低影響“粉絲”。因此，該指標也可以從另一方面反映用戶作為意見典范的程度。

二、 問題分析與假設(shè)提出

在前文明確闡述意見典范的角色與內(nèi)涵的基礎(chǔ)上，繼續(xù)緊緊扣住“用戶內(nèi)容整體特質(zhì)的擴散”能力與程度這個最為核心的內(nèi)涵，分析意見典范的角色特性。(1) 由于用戶內(nèi)容整體特質(zhì)與用戶內(nèi)容碎片之間的組合關(guān)系、局部與整體關(guān)系，自然而然產(chǎn)生的問題(Qa)是： 用戶內(nèi)容整體特質(zhì)的擴散能力所指向的意見典范角色，與用戶的零散的內(nèi)容、帖子、資訊的擴散能力所指向的意見領(lǐng)袖角色及其影響力，兩者之間的關(guān)系。由此延伸為后文的假設(shè)H1。(2) 在意見典范的內(nèi)涵中，最為核心的一個方面，是用戶內(nèi)容整體特質(zhì)發(fā)生擴散中用戶的相似性流動與相似關(guān)系，這也是意見典范最具有核心性的特征。那么，繼而產(chǎn)生的問題(Qb)是： 意見典范的用戶相似關(guān)系，如何體現(xiàn)其作為意見典范的角色與程度？這其中，至少包含以下層面： b1) 意見典范與一般性的廣泛用戶、普通用戶之間的相似關(guān)系，如何體現(xiàn)自己的意見典范程度；b2) 意見典范與意見典范的相似關(guān)系，如何體現(xiàn)自己的意見典范程度。由b1提出下文假設(shè)H2；由b2提出下文假設(shè)H3、H4。全文的問題結(jié)構(gòu)及假設(shè)，如圖3：

圖3 問題結(jié)構(gòu)與假設(shè)的提出

本部分將對意見典范的內(nèi)涵(主要是C0、C1及CA2、CB2，同時也包括與之相關(guān)聯(lián)的CA1、CB1和意見領(lǐng)袖的影響力內(nèi)涵)，以及由此延展出的問題Qa、Qb，和順著問題提出的假設(shè)H1、H2、H3、H4，進一步做出細化分析。

(一) 意見領(lǐng)袖作為意見典范： 影響力的流動

對于意見典范，由前文所述的問題Qa，面臨的是： 用戶作為意見典范與意見領(lǐng)袖的程度兩者之間的關(guān)系，兩者的內(nèi)容擴散能力是否具有一致性，而非沖突或“風馬牛不相及”的兩種獨立角色？轉(zhuǎn)換和延展為另一種相關(guān)聯(lián)的問題則是： 意見典范是誰，尤其是，意見典范是不是意見領(lǐng)袖？他們是高影響力的大V或意見領(lǐng)袖？抑或是盲從“大流”、跟隨他人的“草根”、非意見領(lǐng)袖？或許后者表面上看起來，體現(xiàn)著與大多數(shù)用戶、蕓蕓眾生的更為“相似”，從而比看似精英、卓爾不凡的“大咖”更像“意見典范”。但是，這種觀點，容易存在理論和實證兩方面的困難。

對此要辨析的一個問題是： 低影響力的用戶，雖然或許會“和盡可能多的其他用戶發(fā)生盡可能大的相似”，但是這完全不同于“對盡可能多的其他用戶發(fā)生盡可能大的影響和傳遞”。因為低影響力用戶本身，缺乏對它所接收、所具備的“用戶內(nèi)容整體特質(zhì)”的再次傳遞、影響他人的效能。從個體和局部影響作用而言，或許每個個體的“典范力”有所差異；但關(guān)鍵是： 意見典范的影響對象是一批人而不是少數(shù)幾個人，這些人又會再度發(fā)生對于后續(xù)批次的其他人的傳遞和影響。這些大規(guī)模的人群，從統(tǒng)計規(guī)律上來說，它們超越于個體的巨大差異，使得無論是高度盲從的個體抑或高引領(lǐng)度的個體，都在人群傳遞網(wǎng)絡(luò)的規(guī)模效應(yīng)中被攤勻了，從而使得人群總體的網(wǎng)絡(luò)傳遞效能具有統(tǒng)計學上的平穩(wěn)性。另一方面，低影響力用戶Ulow對于大咖的完全模仿，也會使得Ulow看起來具有更高的典范性。但是這里依然需要注意，更容易發(fā)生被其他用戶模仿“人設(shè)”的，是大咖而不是小V或草根。這種模仿在增強Ulow的意見典范的程度的同時，同時也增強著被模仿的大咖的意見典范程度；而從統(tǒng)計學而言，由于大咖被模仿的概率更高、范圍更廣、程度更強，所以最后在網(wǎng)絡(luò)整體尺度表現(xiàn)的結(jié)果依然是，大咖比小V具有更高的意見典范程度。從現(xiàn)實而言，完全模仿只是小概率事件，多數(shù)用戶是同時受到多種信息來源的影響，這樣同樣也使得高程度意見典范，較之低意見典范具有更高的被模仿、被融合和傳遞的程度。

綜合上述方面，如果單從個體或微觀的局部來看，和其他用戶的更高相似度及其更高的典范、代表意義，確實是有可能因為用戶對關(guān)鍵用戶的“高模仿”或?qū)θ嗽O(shè)大流的高盲從、高跟隨而引起；但是從全局的、大規(guī)模用戶的結(jié)果而言，如果一個用戶擁有比普通水平更高的意見典范程度，則他需要具有比普通水平更高的被模仿的概率，以及對于自身內(nèi)容特質(zhì)更高的、超出普通水平的再次傳遞能力。

從實證上，如果我們?nèi)匀挥匈|(zhì)疑，堅持認為隨大流的“盲從者”才更有可能表現(xiàn)為高相似度，堅持認為意見領(lǐng)袖是“與眾不同”的精英，而不是與大眾更為相似的意見典范，那么在上述理論分析基礎(chǔ)上，“是騾子是馬”進行實測便知。這也正是本文就社交網(wǎng)絡(luò)“意見典范”，從實證上首先要分析的、也是基本的問題Q1： 意見典范到底是不是意見領(lǐng)袖？

后文的分析中，我們不是一般性地把用戶分為“是”或“不是”意見領(lǐng)袖，而是對意見領(lǐng)袖根據(jù)其影響力地位從無到最高值轉(zhuǎn)換為連續(xù)性的數(shù)值進行測量(參見第三部分第4節(jié))，并同樣把“意見典范”的程度進行從無到最高的測量，進而考察這兩種程度之間是否具有統(tǒng)計學上的正相關(guān)性。從而把Q1轉(zhuǎn)換為本文最具有基本性的假設(shè)：

H1： 用戶作為意見領(lǐng)袖的影響力程度，和他作為意見典范的程度，兩者具有顯著的正相關(guān)性。

在Q1的基礎(chǔ)上，如果越是意見領(lǐng)袖，就越具有意見典范的典范性和典范力，則進一步探討該結(jié)論的意義與社會文化后果。作為“意見典范”的特殊性質(zhì)，會對意見領(lǐng)袖的角色、特征造成一系列后果，其中一部分具有反經(jīng)驗直觀性，所以必須對其進行相連貫的、嚴謹?shù)膶嵶C檢驗。這些和問題Qb相關(guān)，具體展開為后文的H2、H3、H4(參見前文圖3)。

(二) 作為意見典范的意見領(lǐng)袖： 在獨特性和去個性之間的張力

越是高程度的意見領(lǐng)袖，其內(nèi)容是越體現(xiàn)“氣質(zhì)偶像”“陽春白雪”“不同尋常”的獨特性，還是更為貼近于普通民眾的“下里巴人”化？盡管一般“經(jīng)驗”上，凸顯高影響力、高人氣的“精英氣質(zhì)”與高端內(nèi)容“人設(shè)”，似乎才更易引發(fā)其他用戶的模仿、學習和求同。但是如果H1成立，則可以推斷： 越是意見領(lǐng)袖，則內(nèi)容上必定會越是表現(xiàn)為貼近“普羅大眾”和“蕓蕓眾生”；相反，意見領(lǐng)袖的影響力程度越低(甚至可以低到完全不是意見領(lǐng)袖)、越貼近普通大眾，他反而越是“高冷”和特異化。

推斷理由如下。若H1成立，由于越是意見典范，他傳遞自身用戶內(nèi)容整體特質(zhì)的能效就越強，以及這種傳遞具有典范化的間接傳遞和全局流動性，從而引發(fā)盡可能多的用戶、與自身盡可能相似的程度就越高。總體上，如果不存在意見典范的功能和差異等額外動因，那么任意兩個用戶它們分別和足夠大規(guī)模的N個隨機用戶的平均相似度，根據(jù)隨機抽樣的誤差分布規(guī)律，應(yīng)該是趨于相同的常數(shù)。但如果意見領(lǐng)袖同時是意見典范，則我們可以推知： 越是高程度的意見領(lǐng)袖，他和總體中足夠大規(guī)模(甚至直接擴大到全體用戶也可)的用戶之間，其平均相似度就會越高；從統(tǒng)計學上可以驗證： 高程度的意見領(lǐng)袖比之低程度的意見領(lǐng)袖，和總體內(nèi)的大規(guī)模隨機用戶的平均相似度必定會顯著更高。

雖然我們不否證零散的個體仍然會有獨特、“奇葩”之處，但這些更多的是偶發(fā)性、追求內(nèi)容個性化中的偽個性化，或者并不具有統(tǒng)計顯著性?？傮w來看，如果H1成立，則有足夠信心提出假設(shè)，并嘗試檢驗的是：

H2： 用戶作為意見領(lǐng)袖的影響力程度越高，則他和盡可能多數(shù)的用戶乃至全體用戶，其內(nèi)容的平均相似程度越高。

而不是根據(jù)“常識”經(jīng)驗，誤認為意見領(lǐng)袖必須具有盡可能高度的獨特性或個性內(nèi)容才可助其吸引追隨者。

由于意見典范及其典范化的作用機制，意見領(lǐng)袖在此表現(xiàn)出悖論性質(zhì)： 意見領(lǐng)袖把大眾帶往“泯然眾人矣”的內(nèi)容同化的主體，反而是遠離高影響力用戶的“低層級”用戶才保留有更多的內(nèi)容獨特性和個性。

(三) 作為意見典范的意見領(lǐng)袖： 在求異和趨同之間的張力

上述只是分析了意見領(lǐng)袖和“大眾”“蕓蕓眾生”的關(guān)系，但是并未針對意見領(lǐng)袖內(nèi)部的典范化問題。本節(jié)針對的直接現(xiàn)實問題是： 高程度意見領(lǐng)袖的彼此之間，是否比低程度的意見領(lǐng)袖在彼此之間，更加似同乃至重復？

在這個問題上，容易產(chǎn)生兩種誤解： (1) 認為意見領(lǐng)袖由于須更好地“博流量”和獲取“社會注意力”、標新立異、獲取“細分”受眾，從而高程度意見領(lǐng)袖之間會比低程度的意見領(lǐng)袖之間，更加差異化；(2) 可能認為，高程度意見領(lǐng)袖彼此之間，和低程度意見領(lǐng)袖彼此之間，可能是“差不多”和隨機、接近均勻的分布，并沒有顯著的越來越相似或不相似的變化規(guī)律。應(yīng)該說，這兩種誤解觀點都是有一定迷惑力的；尤其是第(1)種，更為常見。

但是，基于H1，以及結(jié)合H2，可以推斷：

H3： 高程度意見領(lǐng)袖相互之間，比之低程度意見領(lǐng)袖相互之間，其內(nèi)容相似度更高、更為趨同化。

因為一方面，如果越是意見領(lǐng)袖就越是意見典范(由H1得)，則高意見領(lǐng)袖和高意見領(lǐng)袖之間的相互“典范化”和相互趨同作用力，就會在統(tǒng)計意義上，高于低意見領(lǐng)袖彼此之間的趨同作用力。這里，我們不否認個例的存在，但是并不認為它足以推翻統(tǒng)計學上的規(guī)律。另一方面，既然越是高意見領(lǐng)袖，就越是“泯然眾人矣”的無個性化，或者說，就越是和“大眾”具有更為貼近的平均相似度；那么可以推知，越是高意見領(lǐng)袖，其內(nèi)容獨特性、異質(zhì)性和個性被“削磨”得越嚴重，而趨近于社會總體的模式化越嚴重。這樣，越是低程度的意見領(lǐng)袖，由于各自的獨特性、異質(zhì)性保留得越多，所以彼此之間的相似、趨同程度就會越低；反而越是高程度的意見領(lǐng)袖，由于獨特性被削磨得更多，所以相互之間反而相似程度比低意見領(lǐng)袖要更高。

(四) 作為意見典范的意見領(lǐng)袖： 在階層開放和階層封閉之間的張力

如果把“意見領(lǐng)袖”分為不同程度的社會層級，那么，越是“頂端”和“精英”的意見領(lǐng)袖，就越是多樣化和包容內(nèi)部的異質(zhì)性，或越是重復化和封閉化？結(jié)合H3，既然越是高層級的意見領(lǐng)袖，彼此就越相似；那么可以推測：

H4： 高程度的意見領(lǐng)袖“階層”，層級內(nèi)部之間的相似程度和同化程度，強于低程度意見領(lǐng)袖“階層”。

隨著“意見領(lǐng)袖”階層的上升，階層內(nèi)部的用戶越來越趨于同質(zhì)化和單向度、封閉性，而非開放的去中心和異質(zhì)化，也不是一直保持均勻、無變化。盡管這不意味著高的“階層”內(nèi)部一定已經(jīng)達到了很強烈的、鐵板一塊的相似和同化程度，但是卻意味著，他們存在著相似和同化程度越來越強的現(xiàn)象。

圖4 假設(shè)之間的關(guān)系與推進

(五) 意見領(lǐng)袖作為意見典范： 假設(shè)的結(jié)構(gòu)關(guān)系

三、 研究方案與研究設(shè)計、測量指標

(一) 樣本選取與數(shù)據(jù)預(yù)處理

樣本選取新浪微博，這是中國互聯(lián)網(wǎng)時代的具有代表性的社交媒體和SNS內(nèi)容平臺。抓取新浪微博87 739個用戶所發(fā)帖子，每人按發(fā)布時間順序抓取最多4 500條，初始獲取帖子樣本1.317 7億條。所抓取的用戶帖子發(fā)布時間分布太長，不利于橫向比較，所以統(tǒng)一全部用戶只選取時間段2017年1月1日到2018年12月31日的兩年間的帖子。由于需要分析每個人的所有帖子的整體內(nèi)容特征，而且帖子所涉及的詞匯、內(nèi)容差異太大，為了穩(wěn)健和較為充分地反映個體的內(nèi)容特征，所以對于每個用戶一律隨機選取1 500條；不足1 500條的用戶不納入考察范圍。最后得到的有效用戶樣本為12 478個。

(二) 用戶的內(nèi)容整體特征的提取及其向量化表達： VSM+LSA

把單個樣本用戶的各條帖子，無順序拼接為一個長文本，然后通過向量空間模型(VSM)得到每個用戶的詞頻矩陣，作為特征向量。例如，某用戶A的內(nèi)容中，高比例出現(xiàn)“股票”“中年危機”，低比例出現(xiàn)“體育”“功夫”，而另一個用戶B高比例出現(xiàn)“養(yǎng)生”“食物”“體育”，兩者顯然是不同的內(nèi)容整體。

把詞頻轉(zhuǎn)為分布，采取常用的數(shù)據(jù)挖掘模塊sklearn，關(guān)鍵部分的函數(shù)及參數(shù)如下： 最低詞頻數(shù)(min_df)設(shè)為50, max_df設(shè)為0.3，ngram_range設(shè)為(1， 1)也即只采用一元詞。得到的詞頻矩陣，有128 082個不同的詞，也即12 478個用戶形成12 478行×128 082列的矩陣；并將詞頻矩陣中，各詞的頻數(shù)直接轉(zhuǎn)為該詞在該用戶所有詞總數(shù)中占的比例，得到L1規(guī)范化之后的詞頻矩陣X，便于在不同用戶之間的橫向比較。

對于上述經(jīng)由VSM模型轉(zhuǎn)換得到的矩陣X，采取潛在語義分析(latent semantic analysis, LSA)進行降維和內(nèi)容特征的提取。LSA利用奇異值分解(SVD)，把數(shù)萬、數(shù)十萬以上的高維詞頻矩陣，降到數(shù)千、數(shù)百的低維表示。(20)Dumais S T. Latent Semantic Analysis[J]. Annual Review of Information Science and Technology, 2004, 38(1)： 188-230.其中，對于矩陣X，進行奇異值分解，保留前k個最大的奇異值，通過降維后的k個潛在語義主題以代替、表示原有的全部詞項的信息。采用LSA把12 478行×128 082列的矩陣X，降到12 478行×500列。雖然只有500維，但保留信息的解釋比(explained_variance_ratio)為0.903，已經(jīng)達到0.9以上，充分保留了原信息特征。

本研究中，所有涉及的對于用戶內(nèi)容特征的向量化表示，都是對于用戶的內(nèi)容整體特質(zhì)/特征的提取與表示，而不是對于用戶的具體的帖子的表示。而這里的提取方法，都采取本節(jié)中所述的方法，尤其是LSA對于用戶的內(nèi)容整體特征的提取，已是文本挖掘中久經(jīng)使用的經(jīng)典手段。

(三) 用戶的內(nèi)容相似度計算： 內(nèi)容整體特征的相似度而非具體帖子的相似度

本研究的用戶的內(nèi)容相似度，一律指的是，用戶在內(nèi)容整體特質(zhì)/特征上的相似度，而不是指用戶的某些具體帖子、某條意見的相似度。參見第一部分以及圖1、圖2的意見典范內(nèi)涵中的CA2、CB2；而非CA1、CB1(其中用戶的內(nèi)容整體特質(zhì)/特征由第三部分第2節(jié)所述的方法進行提取)。

每個用戶根據(jù)其內(nèi)容提取為500維的向量之后，就可以進行用戶之間的相似度計算。在此，選擇文本挖掘中常用、穩(wěn)健的余弦相似度。任意兩個用戶Um和Un之間的內(nèi)容余弦相似度，計算方式表示為：

R(Um,Un)

式1

R(Um,Un)的計算方法為： 把這兩個用戶Um、Un的內(nèi)容經(jīng)上文所述的VSM+LSA方法，分別轉(zhuǎn)換得到兩個向量之后，求它們的余弦相似度也即兩個向量之間夾角θ的余弦，該值范圍在[-1， 1]，值越大表明這兩個用戶之間內(nèi)容越相似。

在式1的基礎(chǔ)上進行擴展，從1對1的用戶相似度，擴展到n對n的兩組用戶(每組中用戶數(shù)量n≥1)之間的相似度。表示為：

式2

式2在式1的基礎(chǔ)上，采用衡量兩組對象間的平均距離、平均相似度所常用的“類平均法”(或稱“簇平均法”，average group linkage)而擴展得到。其中G1或G2都可以有且僅有一個用戶，這種情況下也即： 式1中所計算的個體與個體之間的兩兩相似度R(Ux1，Ux2)，成為本公式中n1和n2分別=1時的特例。

(四) 用戶作為“意見領(lǐng)袖”的程度衡量

選擇常見和通用、具有很高認可度和代表性的“粉絲數(shù)”，反映用戶作為“意見領(lǐng)袖”、微博“大咖”的程度高低、強弱。張玉晨等直接通過粉絲數(shù)的規(guī)模，作為區(qū)分“大V”“中V”的唯一依據(jù)。(21)張玉晨,翟姍姍,許鑫，等.微博“中V”用戶的傳播特征及其引導力研究——以羅一笑事件為例[J].圖書情報工作,2018,62(11)： 79-87.用粗糙集理論發(fā)現(xiàn)：“粉絲數(shù)對能否成為意見領(lǐng)袖至關(guān)重要……普通網(wǎng)友如果想成為意見領(lǐng)袖首先應(yīng)該提高自己的粉絲數(shù)，這樣自己的言論才更容易引起更多人的關(guān)注參與。”(22)劉志明，劉魯.微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析[J].系統(tǒng)工程，2011，29(6)： 8-16.用戶的粉絲量對于廣大用戶來說也是最具有“實現(xiàn)難度”的一個身份指標，比之增加發(fā)帖量、“灌水”、增加關(guān)注他人的數(shù)量、多轉(zhuǎn)帖等，都要更具難度和區(qū)分度。這個指標高度直觀，可避免黑箱化和不易理解性。實際操作中，由于用戶粉絲量分布懸殊太大，因此采取式3中對數(shù)函數(shù)轉(zhuǎn)換后的形式，其中x為粉絲量的原始數(shù)值：

xnew=log2(x+1)

式3

轉(zhuǎn)換后的樣本用戶的粉絲規(guī)模指標值，分布如下圖(圖5)：

圖5 用戶樣本的粉絲規(guī)模分布直方圖(已由式3轉(zhuǎn)換后的值)

(五) 用戶作為“意見典范”的程度衡量： 廣度與深度

對用戶作為意見典范的程度予以實際測量，用于后文分析。計算總體中每兩個用戶彼此間相似度的基礎(chǔ)上，結(jié)合社會網(wǎng)絡(luò)分析(SNA)的角度考量用戶之間相似性的傳遞。由于本研究的樣本為12 478個用戶，所以計算得到用戶兩兩之間的相似度矩陣A，為12 478行×12 478 列的規(guī)模，其中第i行、第j列的值A(chǔ)ij表示第i個用戶和第j個用戶的內(nèi)容整體特征的余弦相似度。結(jié)合前文第一部分第4節(jié)中的兩個不同的方面，衡量用戶作為意見典范的程度。

1. 作用廣度

把相似度矩陣中相似度高于全體平均值的轉(zhuǎn)為1，不高于全體平均值的設(shè)為0。對該圖中的每個節(jié)點計算其相對度數(shù)中心度，也即對于某節(jié)點而言，用它所連通的節(jié)點個數(shù)/(節(jié)點總數(shù)-1)。計算工具采用SNA中廣泛使用的開源模塊networkx中的degree_centrality()函數(shù)。

2. 作用深度

本指標的計算采用開源模塊igraph中的函數(shù)eigenvector_centrality()，對原相似度矩陣A中的處于[-1， +1]范圍的值，經(jīng)由[(x+1)/2]轉(zhuǎn)換為[0， 1]之間的歸一化的值作為路徑權(quán)重，計算每個節(jié)點的特征向量中心性。

四、 實證檢驗與分析

結(jié)合第二部分對問題和假設(shè)的分析，以及第三部分對意見典范、意見領(lǐng)袖的可操作化界定，把全文要分析的4個假設(shè)H1到H4，具體化為可以實際操作的形式，并進行微博用戶數(shù)據(jù)的實證檢驗。

對最終的12 478個用戶樣本進行分析。其中，根據(jù)3.4節(jié)中的式3，得每個用戶作為意見領(lǐng)袖的影響力程度xi，并把這12 478個值依次組成序列l(wèi)ist_0=[x1，x2，x3，……，x12478]。

(一) 假設(shè)H1的轉(zhuǎn)換及檢驗

H1： 用戶作為意見領(lǐng)袖的影響力程度，和他作為意見典范的程度，兩者具有顯著的正相關(guān)性。意見典范程度的衡量見3.4節(jié)中的計算方法。H1轉(zhuǎn)換為兩個分假設(shè)：

① HP1.1： 用戶粉絲規(guī)模和該用戶內(nèi)容的作用廣度(采取度數(shù)中心度衡量)之間，具有顯著的正相關(guān)；

② HP1.2： 用戶粉絲規(guī)模和該用戶內(nèi)容的作用深度(采取特征向量中心性衡量)之間，具有顯著的正相關(guān)。

從HP1.1、HP1.2，對12 478個用戶分別得到長度都為12 478的度數(shù)中心度數(shù)值序列l(wèi)ist_a、特征向量中心度數(shù)值序列l(wèi)ist_b，它們的用戶順序和list_0對應(yīng)。其中，list_a(作用廣度： 用戶的點度中心度)和list_0的皮爾遜相關(guān)系數(shù)為0.33(p<0.001，N=12 478)，list_b(作用深度： 用戶的特征向量中心性)和list_0的皮爾遜相關(guān)系數(shù)為0.28(p<0.001，N=12 478)。

由于個體的過大“噪聲”和誤差，把用戶個體按照粉絲規(guī)模，采取數(shù)據(jù)挖掘中常用的“等頻分箱”方法，也即把粉絲規(guī)模的影響力程度序列l(wèi)ist_0劃分為從低到高的50層，每層人數(shù)的頻次相等，層序號依次為1、2、3……50；同時，每層中的用戶也分別計算其粉絲規(guī)模的均值，作為該影響力層級的平均指標。分層后的結(jié)果見表1：

表1 用戶按照粉絲規(guī)模進行影響力層級的劃分后每層用戶的意見典范程度

H1的結(jié)果顯示，用戶的粉絲規(guī)模越大，其意見典范程度所涉及的兩個方面全部越強，也即用戶的內(nèi)容整體特征擴散的廣度、深度和輻射能力越強。

(二) 假設(shè)H2的轉(zhuǎn)換及檢驗

H2： 用戶作為意見領(lǐng)袖的影響力程度越高，則他和盡可能多數(shù)的用戶乃至全體用戶，其內(nèi)容整體特征的平均相似程度越高。

HP2： 用戶粉絲規(guī)模和用戶的simglobal之間，具有顯著的正相關(guān)。

對12 478個微博用戶，逐個計算其simglobal形成長度為12 478個元素的數(shù)值序列l(wèi)ist_c。list_c和粉絲規(guī)模序列l(wèi)ist_0之間，皮爾遜相關(guān)系數(shù)為0.28(p<0.001，N=12 478)。

為了更清晰地描繪用戶的粉絲規(guī)模(也即變量list_0)與“和其他全體用戶的平均相似度”(也即變量list_c)之間的關(guān)系，把用戶粉絲規(guī)模變量list_0進行“等頻分箱”，分為等頻的50層，按照粉絲規(guī)模從低到高依次從1標到50。這樣，把用戶按照粉絲規(guī)模所代表的影響力，分為50個社會層級： 每層用戶的粉絲規(guī)模均值，每層用戶的“和其他全體用戶的平均相似度”(simglobal)的均值，兩者相關(guān)系數(shù)為0.946(p<0.01，N=50)。每個社會層級的層序號(從低到高的1至50)，其對應(yīng)的“和其他全體用戶的平均相似度”(simglobal)的均值(如圖6所示)。

圖6 分層后各層用戶simglobal均值

H2的結(jié)果顯示，用戶粉絲規(guī)模越大，他就越貼近于大眾和全體，而不是趨向“高冷”、標新立異、“卓爾不群”。

(三) 假設(shè)H3的轉(zhuǎn)換及檢驗

H3： 高程度意見領(lǐng)袖相互之間，比之低程度意見領(lǐng)袖相互之間，其內(nèi)容整體特征的相似度更高、更為趨同化。計算每個用戶，和他的“意見領(lǐng)袖”程度與其最為接近的n個用戶之間的內(nèi)容整體特征的相似度，從而考察隨著意見領(lǐng)袖程度的提高，他們之間是不是變得越來越趨近化。H3轉(zhuǎn)換為：

HP3： 假設(shè)與用戶Ux粉絲規(guī)模最為接近的n個用戶為Ux_near, 如果用戶Ux的粉絲規(guī)模越大，則Ux和Ux_near彼此之間的內(nèi)容整體特征相似度越高，皮爾遜相關(guān)系數(shù)為顯著的正相關(guān)。

當n取1的條件下，對12 478個微博用戶，逐個計算他和Ux_near的內(nèi)容整體特征相似度(參見CA1，及式2)，形成長度為12 478個數(shù)值的序列，命名為list_d1，則它和對應(yīng)的粉絲規(guī)模序列l(wèi)ist_0之間皮爾遜相關(guān)系數(shù)為0.30(p<0.001，N=12 478)。

當n依次取值1、2、3……30的條件下，分別代入HP3，計算得到的皮爾遜相關(guān)系數(shù)及其P值結(jié)果見圖7： 各相關(guān)系數(shù)的計算中，N=12 478，所有的P值全部<0.001；當n取值僅為3時，相關(guān)系數(shù)就已增長到了0.42；當n取值為10時，則已增長到了0.5以上；此后平穩(wěn)地維持在0.54左右。這顯示H3、HP3中的現(xiàn)象具有的規(guī)律性與穩(wěn)定性。

粉絲規(guī)模最近鄰用戶從1到30的條件下對HP3的檢驗

圖7 粉絲規(guī)模最為接近的n個用戶當n取值不同情況下的HP3檢驗結(jié)果

H3的結(jié)果顯示，若用戶的粉絲規(guī)模越大，則他的內(nèi)容整體特質(zhì)，和同粉絲規(guī)模的用戶之間越接近、越相似，而不是越差異化，也不是為了獲取垂直領(lǐng)域優(yōu)勢的細分化。意見領(lǐng)袖程度越高，他們就越趨同而不是趨異，朝向某種共同的“模板”和“典范”而減少相互之間的異質(zhì)性和獨特性。

(四) 假設(shè)H4的轉(zhuǎn)換及檢驗

H4： 高程度的意見領(lǐng)袖“階層”，層級內(nèi)部之間在內(nèi)容整體特征上的相似程度和用戶同質(zhì)化程度，強于低程度意見領(lǐng)袖“階層”。

對于H4，需要考察某個層級的用戶內(nèi)部的趨同性和差異性。對此結(jié)合數(shù)據(jù)挖掘中常用的“分箱化”預(yù)處理手段，對層組內(nèi)相似度的社會網(wǎng)絡(luò)分析，從兩個方面進行：

路徑之一是，考察隨著意見領(lǐng)袖“社會層級”的提高，層級內(nèi)用戶的平均群聚系數(shù)(average clustering coefficient)是否越來越大。該指標在本研究中，度量階層內(nèi)的用戶節(jié)點傾向于相似、趨近在一起的緊密程度，而不是這些用戶在內(nèi)容上各自分裂、“特立獨行”或異質(zhì)化的程度。先結(jié)合式1的計算形成層內(nèi)所有用戶兩兩之間的余弦相似度矩陣，然后對各層的余弦相似度矩陣采用開源模塊networkx中的average_clustering()函數(shù)計算該層用戶內(nèi)容的平均群聚系數(shù)。

分假設(shè)HP4.1： 把用戶按照粉絲規(guī)模從低到高地等頻“分箱化”為n層(本文選取n=50)，每層內(nèi)各用戶粉絲規(guī)模的平均值形成該層“質(zhì)心”，則層粉絲規(guī)模質(zhì)心和層用戶的平均群聚系數(shù)之間，具有顯著的正相關(guān)。

另一路徑是，考察隨著意見領(lǐng)袖“社會層級”的提高，層內(nèi)用戶的全局到達中心性(global reaching centrality)的程度是否越來越大。該指標可以反映層級內(nèi)，所有用戶的內(nèi)容“中心化”程度，而不是“去中心化”的離散、分裂，有助于反映意見領(lǐng)袖層級內(nèi)部是否圍繞某些“用戶內(nèi)容整體特質(zhì)”的中心而發(fā)生相似化、趨同化。先結(jié)合式1的計算形成層內(nèi)用戶兩兩之間的余弦相似度矩陣，然后對其采用networkx中的global_reaching_centrality()函數(shù)計算該層用戶內(nèi)容的全局到達中心性。

分假設(shè)HP4.2： 把用戶按照粉絲規(guī)模從低到高地等頻“分箱化”為n層(本文選取n=50)，每層內(nèi)各用戶粉絲規(guī)模的平均值形成該層“質(zhì)心”，則層粉絲規(guī)模質(zhì)心和層用戶的全局到達中心性之間，具有顯著的正相關(guān)。

把12 478個用戶按照粉絲規(guī)模也即list_0中的值，“分箱化”切分為從低到高的50層之后，HP4.1的相關(guān)系數(shù)檢驗結(jié)果如下： 層級粉絲規(guī)?！百|(zhì)心”和層級的平均群集系數(shù)之間的皮爾遜相關(guān)系數(shù)高達0.943(p<0.001，N=50)，已接近于完全的正相關(guān)；HP4.2的相關(guān)系數(shù)檢驗結(jié)果如下： 層級粉絲規(guī)?！百|(zhì)心”和層級的全局到達中心性之間的皮爾遜相關(guān)系數(shù)高達0.732(p<0.001，N=50)，是很高的正相關(guān)。

H4檢驗結(jié)果顯示，用戶的“意見領(lǐng)袖階層”越高，階層內(nèi)部的趨同化就越高，差異化和分裂就越少，階層內(nèi)的用戶內(nèi)容特質(zhì)構(gòu)成的系統(tǒng)變得更為封閉，而不是更為流動和開放。這種趨勢表現(xiàn)得很強烈。

五、 結(jié) 語

本文創(chuàng)新性地明確提出，對于社交網(wǎng)絡(luò)“意見領(lǐng)袖”及其影響力流動的分析中，存在如下容易忽略的理論與實踐維度： 意見領(lǐng)袖作為意見典范的角色與功能。文章以微博為對象，首先對“意見領(lǐng)袖是不是意見典范，越是意見領(lǐng)袖是否越是意見典范”的基本問題進行了驗證(H1)。其后在H1的基礎(chǔ)上，繼續(xù)回答其中潛含的“意見典范”傳播現(xiàn)象與用戶相似關(guān)系的后果： 第一，意見領(lǐng)袖隨著其作為“意見典范”程度的增強，表現(xiàn)出消解個性、獨特性的變化趨向，和“蕓蕓眾生”具有更高的貼近度、相似度，而非容易誤認為的具有更強獨特性或“高冷”“卓爾不群”(H2)；第二，意見領(lǐng)袖的程度越高則相互之間就越是相似和同化，呈現(xiàn)了越來越強的收斂化和程式化作用力，這是一種“標準化”用戶模因的社會再生產(chǎn)(H3)；第三，作為意見領(lǐng)袖的“階層”越高，則層級內(nèi)部的結(jié)構(gòu)越集聚、中心化，而非去中心化或分裂、離散的異質(zhì)化人群，整體的意見領(lǐng)袖階層越來越增強其“用戶內(nèi)容整體特質(zhì)”的封閉性(H4)。

誰更能成為最為典型的“典范”？雖然看似“草根”用戶也可以，但是根據(jù)H1的結(jié)果，這里更像是米爾斯在《權(quán)力精英》(23)賴特·米爾斯.權(quán)力精英[M].李子雯，譯.北京： 北京時代華文書局，2019： 309-332.中所述，是各種高級別的意見領(lǐng)袖“旋轉(zhuǎn)”流動的“旋轉(zhuǎn)門”，而不是大V、大咖和草根之間的閥門。用戶雖然也可能朝向低級別的某些草根用戶發(fā)生趨同，但這種可能程度更低。即使存在一些低向“模仿”或逆向流動，那也是局部的非主流現(xiàn)象或偶然現(xiàn)象，不具統(tǒng)計意義上的趨勢和規(guī)律。

后殖民主義學者斯皮瓦克針對話語權(quán)力中的底層，曾有著名的提問：“底層(Subaltern)能說話嗎？”(24)佳亞特里·斯皮瓦克.從解構(gòu)到全球化批判： 斯皮瓦克讀本[M].陳永國，等，譯.北京： 北京大學出版社，2007.這個問題對于社交網(wǎng)絡(luò)而言，同樣是一個需要審慎思考而不能輕率推測的問題。就社交網(wǎng)絡(luò)中的用戶相互作用而言，網(wǎng)絡(luò)話語權(quán)力的結(jié)構(gòu)似乎是無中心、多向的，似乎不同影響力級別的用戶，都有可能成為高“典范度”的用戶。馬克·波斯特對互聯(lián)網(wǎng)絡(luò)作為“雙向的、去中心化交流”的“第二媒介時代”的闡述，(25)馬克·波斯特.第二媒介時代[M].范靜嘩，譯.南京： 南京大學出版社，2001： 22-28.丹·吉摩爾等人認為自媒體時代 “草根媒體”動搖主流媒體信息壟斷的解讀，(26)丹·吉摩爾.草根媒體[M].陳建勛，譯.南京： 南京大學出版社，2010.都體現(xiàn)了對于底層、草根用戶話語權(quán)的“想象式賦權(quán)”。值得思考的是，盡管弱勢和草根的“用戶”節(jié)點可以取得連接權(quán)，這種連接本身的流向卻是不平等、非勻質(zhì)的，其中強影響力的用戶在平等的互連接、互影響中依然占有更有優(yōu)勢、更具話語權(quán)力的位置。根據(jù)H2(越是高意見領(lǐng)袖，則和全體用戶的平均相似度越高)中的正相關(guān)關(guān)系，反過來也是成立的： 全體用戶和越是高意見領(lǐng)袖其內(nèi)容整體特征(CA1)的相似度越高。高意見典范成為社交網(wǎng)絡(luò)“人設(shè)”風氣的“帶動人”，推動著網(wǎng)絡(luò)場域中的用戶內(nèi)容生產(chǎn)形態(tài)和生長樣態(tài)的趨同化。

在H1和H2的基礎(chǔ)上，結(jié)合H3和H4顯示，頂層意見典范日益趨于模板化并增強用戶主體的趨同和封閉，他們難以被來自底層的“異質(zhì)性”所豐富和消解；相反，高層意見典范不斷把這種同質(zhì)性和重復、封閉、窄化向下傳遞和擴散，增強社交網(wǎng)絡(luò)用戶內(nèi)容在典范化作用下的同質(zhì)性和“標準化用戶”的文化再生產(chǎn)。意見典范不只是某種易被忽視的用戶角色和用戶現(xiàn)象，也是關(guān)系到微博和社交網(wǎng)絡(luò)中的用戶整體結(jié)構(gòu)，它呈現(xiàn)出用戶趨同化的鮮明的“金字塔結(jié)構(gòu)”，而非“倒金字塔結(jié)構(gòu)”或其他常見的“紡錘結(jié)構(gòu)”“扁平結(jié)構(gòu)”等。這種金字塔結(jié)構(gòu)中，越是影響力處于低位的用戶，就越是相似度松散，彼此間的內(nèi)容整體特質(zhì)(CA2)的相似度處于低位；而越是處于影響力高位的用戶，彼此間相似度也越緊密，內(nèi)容整體特質(zhì)(CA2)的相似度也相應(yīng)地水漲船高，在H4中尤其鮮明地展示和支持了這種用戶分層后的“金字塔結(jié)構(gòu)”，其相關(guān)系數(shù)甚至高達0.73和0.94，呈現(xiàn)了用戶影響力與用戶相似程度之間的較強的正相關(guān)性。

意見典范及其在用戶之間的典范化作用，需要強調(diào)從意見領(lǐng)袖到意見典范、從內(nèi)容模因到用戶模因的基本轉(zhuǎn)向，在此過程中凸顯用戶主體作為一種內(nèi)容聚合單位在社交網(wǎng)絡(luò)中的傳遞和擴散。意見領(lǐng)袖作為意見典范的基本內(nèi)涵和特征，內(nèi)蘊著一系列帶有內(nèi)在悖論的文化邏輯，使得高影響力的典范用戶： 從對于垂范性和引領(lǐng)性的訴求而走向“文化工業(yè)”式的“標準化”以及朝向大眾的“下沉”，(27)馬克斯·霍克海默，西奧多·阿道爾諾.啟蒙辯證法——哲學斷片[M].渠敬東，曹衛(wèi)東，譯.上海： 世紀出版集團，上海人民出版社，2006： 107-152.從豐富性和獨特性而收斂于高影響力階層的封閉與“窄化”，從用戶內(nèi)容整體特質(zhì)流動的自由多向而形成再中心化、賦權(quán)分化的話語圈層。