社交网络的网络模型资料大全
面向社交网络的信息传播模型与算法研究
面向社交网络的信息传播模型与算法研究随着互联网的发展，社交网络成为了人们日常生活中不可或缺的一部分。
在社交网络上，人们不仅可以交流、分享，还可以获取最新、最热的信息。
在这样的背景下，信息传播的速度和影响力成为了一个研究热点。
针对这个问题，本文将介绍一些面向社交网络的信息传播模型与算法研究。
一、信息传播模型信息传播模型主要是模拟社交网络上的信息传播过程。
常见的模型有以下几种：1. 独立级联模型独立级联模型是最早的、最基础的信息传播模型之一。
该模型认为，一个用户是否接受到信息只与他的邻居是否已经接受有关，与其他因素无关。
即一个用户只有在他的邻居中有一定比例的人已经接受信息时，他才会接受信息。
该模型的特点是简单、易于理解和实现。
但是，它无法考虑用户的兴趣、个性等因素，因此实际应用上效果并不理想。
2. 独立级联扩展模型相比于独立级联模型，独立级联扩展模型引入了用户个性化的因素。
该模型认为，用户不仅会被邻居的行为影响，还受到自身特点的影响。
例如，有些用户更容易被某些话题吸引，而对其他话题则不感兴趣。
因此，在这种模型中，每个用户都有一个兴趣分布，决定了他们接受信息的能力。
该模型能够更好地模拟现实中的信息传播过程，但计算复杂度会比较高，需要借助一些优化算法。
3. 信息传播图模型信息传播图模型认为，社交网络上的传播过程可以看作是一张图。
在这张图中，每个节点代表一个用户，每个边代表信息的传递。
当一个节点接收到信息后，它会根据一定的规则将这个信息传递给它的邻居节点。
这样，信息会在网络中不断扩散，最终到达所有的用户。
该模型能够很好地描述信息的流动路径，但需要依赖一些图论的知识。
二、信息传播算法在信息传播模型的基础上，还需要考虑如何实现一个高效的信息传播算法。
以下是一些常用的算法：1. 队列算法队列算法是最简单的信息传播算法之一。
当一个节点接收到信息后，它会将这个信息加入队列中，然后依次将队列中的信息传递给它的邻居节点。
社交网络数据挖掘的算法与模型分析
社交网络数据挖掘的算法与模型分析随着互联网的快速发展，社交网络已成为人们日常生活中不可或缺的一部分。
在社交网络中，人们可以与亲朋好友进行实时交流和分享信息。
这些大规模的社交网络数据蕴含着大量有价值的信息，而社交网络数据挖掘的算法和模型正是用来从这些数据中提取出有用的知识和信息的工具。
社交网络数据挖掘涉及从社交网络中发现有价值的模式、关系和趋势。
这可以帮助企业和组织理解用户行为、预测趋势、进行个性化推荐等。
在社交网络数据挖掘的背后，有许多算法和模型用于处理和分析社交网络数据。
下面将介绍一些常见的算法和模型。
1. 社区发现算法：社区发现是社交网络数据挖掘的一个重要任务，它帮助我们找出具有紧密联系的用户群体。
常见的社区发现算法包括Louvain算法和CNM算法。
Louvain算法通过最大化社区内连接和最小化社区之间连接的模块度来发现社区结构。
CNM算法则使用最小化累计改进值的方法来发现社区。
2. 影响力传播模型：社交网络中的信息传播是一个重要的研究领域，影响力传播模型用于描述在社交网络中信息如何扩散和传播。
常见的影响力传播模型包括独立级联模型和线性阈值模型。
独立级联模型假设每个用户独立地决定是否传播信息，而线性阈值模型则考虑用户的影响力阈值。
3. 用户推荐算法：社交网络数据挖掘还可以用于个性化推荐系统。
用户推荐算法帮助我们根据用户的兴趣和行为，向其推荐感兴趣的内容。
常见的用户推荐算法包括基于内容的推荐算法和协同过滤算法。
基于内容的推荐算法通过分析用户的兴趣和内容的相似性来进行推荐。
协同过滤算法则根据用户之间的相似性和行为进行推荐。
4. 情感分析算法：社交网络中的大量文本数据可以用于情感分析。
情感分析算法通过判断文本中的情感倾向来分析用户的情感状态。
常见的情感分析算法包括基于词典的方法和基于机器学习的方法。
基于词典的方法使用情感词典来判断文本中的情感倾向，而基于机器学习的方法则通过构建分类模型来进行情感分类。
社交网络中的信息扩散模型研究
社交网络中的信息扩散模型研究社交网络的兴起和普及使得信息传播的速度和规模达到了前所未有的高度。
研究社交网络中信息传播的模型对于我们理解现代社会中信息传播的机制以及应对信息泛滥的挑战非常重要。
在本文中，我们将探讨社交网络中的信息扩散模型，并研究其影响因素和动态过程。
信息扩散模型是研究社交网络中信息传播的一种抽象化表达。
它可以帮助我们理解信息如何在社交网络中从源头传播到更广泛的用户群体。
目前，有许多不同的信息扩散模型被提出和研究，其中最常用的是SIR模型、IC模型和LT模型。
SIR模型（Susceptible-Infected-Recovered）是最早被广泛应用于研究信息传播的模型之一。
在SIR模型中，用户可以处于三种状态：易感染者（Susceptible）、感染者（Infected）和康复者（Recovered）。
在信息扩散过程中，一个感染者可以传播信息给与其相连的易感染者，易感染者被感染之后会成为感染者，但在一定时间后又会康复并成为康复者。
SIR模型可以帮助我们研究信息传播的传播速度、规模和动态变化。
IC模型（Independent Cascade）是另一种常用的信息扩散模型。
在IC模型中，每个节点有一定的概率将信息传播给其邻居节点。
当一个节点接收到信息后，它可以选择以一定的概率将信息传播给它的邻居节点，这个过程是独立进行的。
IC模型可以描述信息在社交网络中的传播路径和传播效果。
LT模型（Linear Threshold）是一种将节点的阈值引入信息传播模型的方法。
在LT模型中，每个节点有一个阈值，当其被邻居节点传播的信息激活程度超过阈值时，它会将信息传播给其他邻居节点。
通过确定节点的激活阈值，LT模型可以模拟网络中的影响力传播过程。
除了不同的信息扩散模型，社交网络的结构和特征也对信息扩散起到重要的影响。
研究发现，高度集聚的社交网络结构会促进信息的快速传播，而稀疏的社交网络结构则限制了信息的传播范围。
多层次维度之间的社交网络模型
多层次维度之间的社交网络模型社交网络在当今社会已经成为人们交流、互动和分享信息的重要渠道之一。
随着社交网络的迅猛发展和普及，人们开始意识到社交网络不仅是一个个人关系的网络，还可以通过不同层次和维度来对社交网络进行建模和分析。
本文将针对多层次维度之间的社交网络模型展开讨论，以探索其中的潜力和应用。
首先，多层次维度的社交网络模型是指通过在现有的社交网络中引入多个维度的信息来提供更加全面和准确的分析。
传统社交网络模型着重于个人之间的连接和关系，但往往无法充分考虑到个人之间的差异和复杂性。
而引入多个维度的信息，可以更好地描述个人在不同方面的社交关系。
例如，可以考虑个人的兴趣爱好、年龄、工作背景、地理位置等维度，以及他们在社交网络中的活动、互动情况等方面的信息。
其次，多层次维度之间的社交网络模型可以帮助我们更好地理解社会结构和群体行为的规律。
通过对社交网络中不同维度关系的建模和分析，可以揭示出个人之间的联系以及这些联系对于信息传播、意见形成和社交行为等方面的影响。
例如，利用社交网络模型可以研究不同兴趣群体之间的信息传播路径，从而了解信息在社交网络中的扩散规律和影响因素。
此外，还可以通过分析不同维度之间的关联性，探究社交网络中的社会团结力和影响力的形成机制。
另外，多层次维度之间的社交网络模型还可以为个性化推荐、精准营销和社交关系管理等应用提供支持。
传统的社交网络模型往往只能通过分析个人之间的连接关系来实现推荐和营销，但往往无法根据个人的多维度信息进行更加细化和个性化的推荐。
而多层次维度之间的社交网络模型可以通过结合个人的兴趣爱好、地理位置和行为特征等多个维度的信息，来实现更精准和个性化的推荐和营销。
此外，社交网络模型还可以帮助用户更好地管理和维护自己的社交关系，通过分析不同维度之间的联系和关系强度，从而优化社交资源的利用和社交行为的效果。
需要指出的是，多层次维度之间的社交网络模型也面临一些挑战和问题。
首先，数据的获取和处理是一个关键问题。
基于分层模型的社交网络分析
基于分层模型的社交网络分析社交网络已经成为当今最流行的社交形态之一，它是通过技术手段将人们连接在一起，彼此交流信息和资源，分享兴趣爱好和生活经验。
社交网络的研究非常有价值，可以从中发现人际关系和社会结构的基本特征，揭示社会互动的规律和运作方式，分析网络演化的趋势和影响，推动社会学、心理学、计算科学、商业等领域的研究和应用。
社交网络分析（Social Network Analysis, SNA）是一种研究社交网络结构和功能的方法，它集成了数学、统计、网络科学和社会学的理论和方法，通过数据采集、算法分析和可视化展示等步骤，揭示出网络中的节点、边缘、群组、中心性和关键路径等特征，为社会网络的管理、设计和优化提供科学依据。
本文主要介绍基于分层模型的社交网络分析方法，重点讨论网络分层结构、节点特征和信息传播等方面的问题。
一、分层模型的概念和应用分层模型是指将社交网络分成多个层次，每个层次代表一种不同的网络关系或功能。
比如，在Facebook中，我们有好友关系、兴趣爱好关系、工作关系等多种网络形态，每种关系都有不同的节点和边缘特征。
分层模型将不同的网络层次连接起来，形成一个复杂的网络结构，它体现了网络中的多样性和复杂性。
分层模型主要用于以下三个方面：1、研究不同类型的节点和边缘特征，比较不同网络关系之间的异同；2、发现网络中的重要节点和关键路径，揭示网络结构和功能的核心；3、跨越不同网络层次，促进网络资源共享和交流。
二、网络分层结构和节点特征社交网络中的节点可以按照多种方式进行分类，例如按照节点的度数、中心性、影响力等指标进行划分；按照节点的属性、数据类型、空间位置等条件进行归纳。
在使用分层模型进行社交网络分析时，我们需要考虑以下几个层次的分类：1、节点类型层次：根据节点的属性和功能将网络分成多个类型，例如人物、组织、物品、位置、事件等。
每个节点类型有不同的度数分布、中心性以及和其他节点类型的连接密度和互动形式等特征；2、网络关系层次：根据不同种类的网络关系将社交网络分成多个层次，例如好友网络、关注网络、讨论网络、交易网络等。
社交网络中信息传播模型分析研究
社交网络中信息传播模型分析研究随着互联网技术的快速发展，社交网络成为了人们日常生活中不可或缺的一部分。
在社交网络中，信息的传播速度之快、传播规模之大令人瞩目。
了解社交网络中的信息传播模型，对于理解信息传播规律、优化信息传播策略具有重要意义。
本文将对社交网络中的信息传播模型进行分析研究。
社交网络是一个由人际关系网络构成的网络平台，人们通过这个平台进行交流、分享信息。
在社交网络中，信息传播主要是通过连接在一起的用户之间进行。
根据信息传播的特点和方式，可以将社交网络中的信息传播模型分为以下几种。
1. 病毒传播模型病毒传播模型是社交网络中最常见的传播模型之一。
这个模型类似于疾病的传播过程，一旦一个人接触到信息，他就会将信息传播给与他相连的其他用户。
然后这些用户又将信息传播给他们相连的用户，如此反复，信息就像病毒一样在社交网络中迅速传播。
病毒传播模型的特点是传播速度快，但传播范围相对有限。
2. 阈值传播模型阈值传播模型是基于信息接收者的态度或行为对信息传播的影响。
在社交网络中，每个用户都有一个接受信息的阈值，当他的朋友圈中有足够多的人传播某一信息时，他将被激励并接受该信息，并将其传播给其他人。
阈值传播模型的特点是传播范围较广，但传播速度可能略慢一些。
3. 激励传播模型激励传播模型是基于奖励机制或激励机制对信息传播的推动。
在社交网络中，用户分享信息可能是因为他们期望得到其他用户的点赞或分享。
这种激励机制能够促使用户更积极地分享信息，进而推动信息在社交网络中的传播。
激励传播模型的特点是可以提高信息的传播速度和范围。
4. 地理位置传播模型地理位置传播模型是基于用户的地理位置信息对信息传播的影响。
社交网络中的地理位置标签可以使用户更容易找到和与附近的人互动。
地理位置传播模型可以促使信息在特定地区更快地传播，适用于一些特定的信息推广、本地活动等。
在研究分析社交网络中的信息传播模型时，需要考虑以下几个方面。
1. 网络结构社交网络的网络结构对信息传播模型有着重要的影响。
面向社交网络的信息传播模型及其分析
面向社交网络的信息传播模型及其分析在信息时代，互联网成为人们生活和工作中不可或缺的一部分。
社交网络的出现，使得信息的传播速度更加快速和广泛，使得人们的思想和观念更加多元化和交流。
本文将探讨面向社交网络的信息传播模型，并对其进行分析。
一、社交网络的信息传播特点社交网络具有快速、广泛、低成本等特点。
在信息的传播方面，可以更加精确地针对特定的目标群体进行传播，定位效果更加准确。
社交网络平台的流量、互动、口碑和影响力，成为评判信息传播效果的重要标准。
因此，社交网络平台成为企业和政府宣传推广的重要渠道。
信息传播的效果评估，不仅要关注内容本身、而且要关注宣传效果和互动反馈，加强口碑传播和品牌认知。
二、社交网络的信息传播模型社交网络中的信息传播模型主要包括广播模型、随机游走模型和传染模型。
1.广播模型广播模型是社交网络中使用最广泛的一种传播模型。
它的传播效果主要取决于目标用户数和传播速度。
广播模型可以将每个节点看作一个发射器，信息从发射器开始依次触达节点，传播到指定时间点时会达到预设的人数目标。
广播模型的特点是模拟人们通过电视、广播等广告渠道进行的模糊传播。
这种传播模式的优点是，能够将信息传播到越来越多的用户，但是会占用大量的资源和时间。
2.随机游走模型随机游走模型是社交网络中比较受欢迎的一种传播模型。
它是基于随机游走算法的一种传播模型，利用路径搜索算法寻找信息传递路径，达到信息传播目标。
在寻找路径时，随机游走模型会通过邻居节点的联系寻找最短路径，并通过当前节点的邻居节点进行随机选择来实现信息点的传播。
由于该模型在搜索路径时会更加优化，让每个节点夹带信息并选择最优路径，因此传播效果更佳。
3.传染模型传染模型是以病毒传播为原型的一种传播模型。
在社交网络中，传染模型可以传递信息，并往某些节点进行传播效果。
传染模型是以人类疾病的传播过程为原型，通过模拟传染的过程来描述信息的传播。
在传染模型中，传播信息的源节点需要依次传递给周围节点，逐步扩散直至达到预设的目标节点。
社交媒体行业的社交网络分析资料
社交媒体行业的社交网络分析资料近年来，随着互联网的迅猛发展，社交媒体行业成为了人们生活中不可或缺的一部分。
社交网络分析成为了研究这一行业的重要工具，通过分析社交媒体平台上的用户关系、信息传播、社群结构等，可以揭示出行业内的一些规律和趋势。
本文将介绍社交媒体行业的社交网络分析资料，包括数据收集与分析方法、常用的分析指标以及应用案例等。
一、数据收集与分析方法1. 数据收集社交媒体平台提供了大量的数据供分析研究使用。
常见的数据收集方法包括API接口获取数据、网络爬虫等。
通过这些方法可以获取用户关系、用户行为、信息传播路径等各种数据。
2. 数据预处理在进行社交网络分析之前，需要对原始数据进行预处理。
预处理的主要目的是清理无效数据、处理缺失值、标准化数据格式等。
常见的预处理方法包括数据清洗、数据转换、数据集成等。
3. 数据分析社交网络分析常用的数据分析方法包括节点中心性分析、社群检测、信息传播路径分析等。
节点中心性分析可以衡量一个节点在网络中的重要性，有助于识别关键用户。
社群检测可以揭示网络中的社群结构，帮助发现用户群体的特征和交互模式。
信息传播路径分析可以追踪信息在网络中的传播路径，了解信息传播的规律和机制。
二、常用的社交网络分析指标1. 度中心性（Degree centrality）度中心性指节点在网络中的连接数量，即节点的度数。
度中心性较高的节点一般具有较多的关系和影响力，在社交媒体行业中可能是一些受欢迎的用户或关键意见领袖。
2. 聚类系数（Clustering coefficient）聚类系数度量一个节点的邻居节点之间的连接密度。
一个节点的聚类系数越高，说明其邻居节点之间的联系越紧密，可能形成一个社群或圈子。
3. 介数中心性（Betweenness centrality）介数中心性度量一个节点在其他节点间传递信息的程度。
介数中心性较高的节点通常在信息传播中起到了桥梁的作用，能够连接不同的社群或群体。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
从信息传播、用户行为、网络结构等角度讨论社交网络的网络模型
第十五组-第九题 小组成员：李国清，毕嘉鸿，孟凡辉，胡升波
SNS(SocialNetworkingServices)即社交网络,是人们根据六度分割理论创立的面向社会性网络的互联网服务。广义的说,一切将建立关系功能视为互动核心的网络产品都可以归于SNS的大概念之下,典型的包括Facebook、人人网、开心网等,国内知名的微博比如新浪微博,除了信息发布,也全面整合了各种社交功能,比如聊天、微群、分类汇聚的社区等,所以也属于SNS应用范畴。
1967年,哈佛大学的心理学教授StanleyMilgram创立了六度分割理论,简单地说,你和任何一个陌生人之间所间隔的人不会超过6个,也就是说,最多通过6个人你就能够认识任何一个陌生人。按照六度分隔理论,每个个体的社交圈都不断放大,最后成为一个大型网络。这是社会性网络(Social Networking)的早期理解。后来有人根据这种理论,创立了面向社会性网络的互联网服务,通过熟人的熟人来进行网络社交拓展,比如蜂巢网Artcomb,Friendster,微软的Wallop等。但熟人的熟人,只是社交拓展的一种方式,并非社交拓展的全部。因此,现在一般所谓的SNS,其含义已经远不止熟人的熟人这个层面。比如根据相同话题进行凝聚(如贴吧)、根据学习经历进行凝聚(如Face book)、根据周末出游的相同地点进行凝聚等,都被纳入SNS的范畴。 SNS网络结构主要有以下4个方面组成:用户、内容、社会网络、工具。这种结构通过建立低门槛的参与方式,使用户能够简单方便地贡献内容,又通过订阅机制帮助个人运营社会网络,建立滚雪球式的反馈模式,有效形成了诱发网络效应的机制。 从社交网络服务的内涵来看,其本质是将现实中的社会圈子模拟移植到网络上,依据不同的属性和爱好建立和拓宽个人社交网。跟踪并分析SNS中信息的过程有利于我们认识并且理解SNS中信息的扩散过程,从而更加有效地利用SNS开放平台。 下面就从SNS社区中信息传播的特点,就其传播方式、传播途径、传播行为和传播特征进行了研究,接着以新浪微博为例,以具体的实例为基础,总结并提出了几个典型的SNS传播路径模型。 传播方式 SNS兼具一对一、一对多的传播形态,可以向某一个好友进行单一的传播,也可以向整个熟人关系网络进行传播。传播者可以向追随者传播信息,而追随者可以选择转发或评论信息,或者改变跟随对象不接受信息,从而使一个点可与互联网上的无数个点相连接,最终形成一对多、一对一、多对多和多对一这几种传播的组合方式。
而博客和论坛是一对多或点对面的传播模式,由一个传播者向不明规
模与特征的受众发布信息,什么样的受众何时会看到这条信息,又会做出什么反应都是未知的,传受双方之间没有任何确定性联系。 传播途径 SNS网站融合了多种媒介,是一种音视频及文本兼具的集大成式媒介,为网络人际传播提供了丰富、便捷的交流手段。它以声音、表情、肢体语言为主体的人际传播与以文字、视觉图像为主体的大众传播于一体,运用多元化传播符号,使得信息达到了高度逼真的还原,模拟恢复现实情景,有利于增加信任,促成判断。
SNS网站涵盖了从个人导向到群体导向,从简单通讯到群体网络协作
的多元化功能,可以满足多人一起工作和娱乐的需求,甚至让上百人聚集在一起召开会议、讨论问题、分享照片、欣赏音乐都成为可能。
传播行为 博客和论坛主要在非熟人圈子中进行信息传递,对于信息将被谁获得、获得以后又会采取怎样的举动等等一律不予控制。而SNS不但强调熟人或者建立信赖关系个体间的交流,在相互确认身份的前提下进行点对点或者点对面的。
传播特征 SNS通过绑定移动设备可以做到信息的生产和发布同步,其基于一对多的人际关系网络,可以快速进行同步交流,具有较强的互动性,即时性非常强,体现了人际间的微妙关系。
用户行为 关于在社交网络 (Social Network Service, SNS) 上, 用户到底想要什么, 这个问题一直在想并且想了很久, 最近对个人认识体系有个相对完整的想法, 感觉还是用沟通模型来解释比较好 在得到这个想法前, 翻看了很多别的地方的讨论, 包括知乎上被转比较多那个 "上人人网就是为了泡妞" 的说法, 如果抛开这些非持续性的稳定需求, SNS 也好, IM 等也好, 最后一定还是回到沟通的本质上来. 虽然人人的早期 (当时还是校内和 5Q 在 PK), 以及其他的很多 SNS (比如早期的 51.com, 还有陌陌) 的第一波增长都是约炮, 但是约炮的人毕竟还是有限, 做成十万或百万规模还行, 而且有道德和法律风险, 要想继续做大, 必须还是走正路, 就还是沟通。在这里把不同的沟通模型拿进来看, 个人感觉主要的差异性在: 1) 实时与否; 2)
反馈与否; 3) 私密与否; 4) 重要与否. 当然这个划分方法不一定能很好区别, 不过大体来看可以如此. 实时性是指是否可以异步进行, 还是必须参与方必须实时参与; 反馈是说沟通是否单向, 收到消息的人是否需要反馈, 在这如果加个强要求就是是否必须反馈; 私密是说这个沟通是否有限制参与方, 非预期内的人是否也能参与; 重要表示对参与方的重视程度, 比如是否需要当面或书面等方式表达. 按我这个定义, 把常用的方式列举如下 (后面符号分别表示是否 实时/反馈/私密/重要, o 表是 x 表否 ? 表可能) 会议 o/o/o/o 聊天 o/o/x/x 电话 o/o/o/o 短信 x/o/o/o 电邮 x/o/o/o IM ?/o/o/x SNS x/o/?/x 博客 x/?/x/? 微信 ?/o/o/? 基本上越重要的事情应该是需要当面说, 并且最好是有记录的, 而一些随便的东西就不一定要当面, 而且不一定要是同步通讯, 再随便一点就也可以不要求私密性, 博客谁都可以看, 在轻松环境下的聊天也可以任何人都来参与. 另外一个比较大的差异就是是否需要反馈, 这事是你自说自话就行了, 还是必须有其他人反馈你才能继续下去, 或有动力持续下去.
扯回到 SNS (特别是人人) 上, 这四个特征对应的分别是: 1) 实时性. 信息是否能被实时获取, 甚至实时的推送到收件人那并有明显提示. 更严格对应到人人上, 就是新鲜事的到达速度, 以及导航栏气泡/聊天窗等信息到达速度. 应该说人人对实时性要求没那么高, 最多也就是数分钟这个实时性, 有爆炸性事件能保证可以被传播, 热点内容的传播足够快就行, 类似 IM 那样的实时性要求并无太多必要 2) 反馈性. 用户行为是否需要有反馈, 且反馈是否需要有明确通知. 对应到人人上, 就是新鲜事是否可以被回复, 被分享, 被喜欢 (或其他的快速情感表达, 赞/踩等都算), 反馈的通知就还是气泡或其他推送信息了. 不过很多反馈会要求实时, 比如两个人版聊起来了, 这时候微观交流就会被从 SNS 变成 IM. 其他的反馈可以不那么实时, 但是一定要有 3) 私密性. 用户行为是否需要限制可见人或参与人. 对应到人人上, 就类似个人主页是否任何人可见所有内容, 相片等内容是否只有好友可见或更复杂的隐私模型 (这个近期也想写点东西说下) 4) 重要性. 是否需要区分不同重要性的内容? 比如我女朋友的新鲜事我一定会关注, 而一些公共主页, 类似我们爱讲冷笑话这样的, 可能就是兴趣来了看一下, 没兴趣时就不看了, 来自这些地方的新鲜事丢了就丢了我也不在乎 SNS 的默认模型不需要那么实时, 所以太过频繁的消息推送会让用户觉得反感, 获取信息的主动权应该由用户来拉, 除非是用户非常关注的信息值得去推送 (比如某屌丝暗恋关注的女神有新动态, 他可能需要去抢沙发以获得更多好感) 另外用户的行为需要获得反馈来提升 TA 的黏度, 所以当用户的信息是被朋友或陌生人看到且作出相应回应 (我看过了, 我觉得赞, 我来说几句, 我来骂醒你) 后, 这个消息一定要推送给 TA, 至于实时性与否可以分情况讨论. 另外如果是太频繁且无用的提醒, 那此反馈渠道基本就算废了 来看看现在人人网上的用户都是啥样: 1) 有人喜欢显摆, 发个照片或日志希望大家都来看看我有多牛逼, 这种人需要更多更实时的反馈, 所以消息应该尽快推给他的朋友或其他人, 并让他的朋友尽快反馈 (哪怕只是很简单的一个赞按钮), 这样能促使他更多的活跃 2) 有人喜欢观察, 就是看自己订阅的信息, 这时候需要让他的信息流的实时性和完整性更好, 同时因为其拉信息足够频繁, 所以可以让其自己决定查看方式 (新鲜事是否按时间序这时候就很重要, 同时是否支持分好友组或分类型查看也很有用) 3) 有人就是 "我跟大家说个事, 我说完了, 再见" 这样的风格, 以工作了发婚纱照和娃的照片居多, 不过其实他们还是希望有反馈的, 比如 "婚纱照真漂亮" "娃好可爱" 等, 但是他对反馈的时效性不敏感, 只要定期有一个汇总就好, 并且他很可能不会主动来看反馈, 需要我们去推送 (一天一次? 一周一次?) 4) 有人就是 "今儿大爷心情好上来看看朋友们有啥好玩的", 以工作了偶尔上来看的居多, 这些人需要尽可能快的让其获取关键信息 (主要是为了完成反馈操作), 然后再用起感兴趣的内容做扩散阅读希望能让其有更多的黏性 第一种和第二种人会是重度用户, 但第三种第四种才会是更多人的存活状态, 而且大部分人同时兼有 3\4 两种特性 第一种人需要的是更好的发布器, 让其发布内容更方便更爽, 同时把反馈尽可能快的推送给他并让他获得满足感, 并能跟其他人互动起来 第二种人需要的是更合理的信息获取方式, 优化新鲜事, 相册分享等浏览方式 (比如严格按时间序, 指定用户范围或新鲜事类型), 并给他足够简单高效的反馈让 1\3 两种用户能持续活动 第三种人更需要一个合适频度的反馈渠道 (邮箱? 合并了的手机通知?), 让他们能从发布信息获得成就感, 并保持活跃度继续发布内容或跟人交互, 过频的通知反倒会逼走他们