Social Network 社交網(wǎng)絡(luò)分析_數(shù)據(jù)分析師

一：什么是SNA-社交網(wǎng)絡(luò)分析

社交網(wǎng)絡(luò)分析的威力何在？我想幾個(gè)案例來(lái)說(shuō)明。

案例1：對(duì)一個(gè)毫無(wú)了解的組織（這個(gè)組織可以是一個(gè)公司，亦或是一個(gè)組織），如果能夠拿到這個(gè)組織成員之間的信息流動(dòng)記錄（例如通話(huà)記錄/或郵件記錄），那么通過(guò)SNA可以分析出誰(shuí)是這個(gè)組織的實(shí)際控制者（要知道有必要加上實(shí)際二字），誰(shuí)是這些成員中有影響力的人，那些成員更傾向于聚集在一起。對(duì)上述問(wèn)題的回答可以用來(lái)做公關(guān)-把精力用在對(duì)的人身上；用來(lái)處理組織架構(gòu)；用來(lái)游說(shuō)獲得支持--關(guān)系緊密的人會(huì)更傾向于支持同一種意見(jiàn)，一方面是由于觀(guān)點(diǎn)相同所以關(guān)系緊密，另一方面你的大部分朋友都支持的事情你總不會(huì)下臉來(lái)做那個(gè)少數(shù)派吧。

案例2:舉個(gè)現(xiàn)實(shí)中的例子吧，鵝廠(chǎng)剛推出朋友圈的時(shí)候我對(duì)這個(gè)產(chǎn)品的印象非常好，因?yàn)樗o我推薦的朋友有一些是很多年都沒(méi)有聯(lián)系，不特意提起都想不起來(lái)名字的“朋友”。包括人人網(wǎng)推薦的好友也是很精準(zhǔn)的。這些產(chǎn)品的背后就是用的SNA-朋友的朋友也是我的朋友，敵人的朋友是我的敵人，敵人的敵人是我的朋友，朋友的敵人是我的敵人。

這兩個(gè)案例是直觀(guān)印象中的社交網(wǎng)絡(luò)分析，網(wǎng)絡(luò)中的節(jié)點(diǎn)是人。如果把SNA只用在人身上那就太狹隘了。相同的思想完全可以用在物身上。例如：

案例3:豆瓣FM也是我很喜歡的一款產(chǎn)品---與你喜歡的音樂(lè)不期而遇。一些歌曲是我對(duì)某一個(gè)時(shí)期的感覺(jué)印記，有些印記記憶猶新，有些印記逐漸模糊。時(shí)不時(shí)就能在豆瓣FM和這些或清晰或模糊的印記不期而遇，讓人驚喜。為什么豆瓣FM能做到這點(diǎn)那？是它對(duì)歌曲按照什么節(jié)奏/曲調(diào)/風(fēng)格/歌詞做了分類(lèi)嗎？如果你這樣認(rèn)為那就太傻太天真了。這里的SNA每一首歌就是網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)，而你的喜歡或不再播放就給你聽(tīng)過(guò)的歌曲之間加強(qiáng)/減弱了聯(lián)系。

經(jīng)過(guò)上面三個(gè)案例，可以對(duì)SNA有個(gè)初步了解。

二：我的好友圈

一般來(lái)說(shuō)有兩大途徑來(lái)獲得好友圈：1)社交應(yīng)用/社交網(wǎng)站，比如人人/微博/微信。2)通信記錄-電話(huà)/郵件/短信。后者數(shù)據(jù)都掌握在相應(yīng)的運(yùn)營(yíng)商，前者的數(shù)據(jù)可以從應(yīng)用開(kāi)放的API或者簡(jiǎn)單粗暴一點(diǎn)自己寫(xiě)蜘蛛爬。

我采用寫(xiě)爬蟲(chóng)的方式得到了人人的好友圈。抓了兩層好友，即我的好友，和我好友的好友。其實(shí)這個(gè)層數(shù)可以自己設(shè)定，用遞歸函數(shù)很容易實(shí)現(xiàn)。唯一消耗的是運(yùn)行時(shí)間和存儲(chǔ)。即使只抓兩層好友圈，用我的筆記本也跑了15分鐘。

接下來(lái)該networkx登場(chǎng)了。一通運(yùn)算之后得到如下結(jié)果：

1)兩層好友圈

這是對(duì)7169個(gè)好友關(guān)系的做圖。當(dāng)然最中心的點(diǎn)是我自己?？梢钥吹街?chē)蝗κ窍鄬?duì)孤立的“云”，那是因?yàn)槲抑蛔チ藘蓪拥脑颉?/span>

七千多個(gè)好友，這么多層關(guān)系，如何分析？別擔(dān)心，社交網(wǎng)絡(luò)分析不是一個(gè)新興的領(lǐng)域，看米國(guó)文獻(xiàn)說(shuō)這個(gè)領(lǐng)域從六七十年代就有了，只不過(guò)是近十年火起來(lái)的。所以有一大堆現(xiàn)成的算法來(lái)基本搞定你的大部分需求。

對(duì)七千多個(gè)好友的基本分析如下：

---------------2014-06-08 21時(shí)32分16秒開(kāi)始整體分析----------------

社交網(wǎng)總共有7169個(gè)好友

排名前10的好友數(shù)

1--徐希文--909

2--劉杉--607

3--李超--505

4--colipso--405

5--呂秀芳--343

6--藏新汀--336

7--王大舸--312

8--王卉卉--258

9--孫昊--255

10--楊子旭--248

--------2014-06-08 21時(shí)32分16秒開(kāi)始受歡迎指數(shù)分析(基于closenes centrality)------------

受歡迎指數(shù)排名前10的好友為

1--colipso--0.51

2--馬佳--0.50

3--徐希文--0.40

4--賈麗娜--0.40

5--洛鋒--0.39

6--張偉--0.39

7--陳欣--0.39

8--王蘊(yùn)杰--0.39

9--孫峰--0.39

10--張寧--0.38

---------2014-06-08 21時(shí)35分15秒開(kāi)始樞紐指數(shù)分析(基于Betweenness centrality算法 )----------

處于樞紐節(jié)點(diǎn)的前10好友為

1--徐希文--0.21

2--colipso--0.20

3--劉杉--0.14

4--馬佳--0.12

5--李超--0.11

6--呂秀芳--0.08

7--藏新汀--0.08

8--王大舸--0.08

9--王卉卉--0.06

10--陳欣--0.05

----------2014-06-08 21時(shí)49分07秒開(kāi)始幕后黑手指數(shù)分析(基于Eigenvector centrality算法)---------

Not defined for multigraphs.

-------2014-06-08 21時(shí)49分07秒開(kāi)始Google PageRank指數(shù)分析(基于Google PageRank算法)-------

pagerank() not defined for graphs with multiedges.

 

對(duì)一些詞解釋下：

樞紐：一個(gè)人同時(shí)屬于兩個(gè)不怎么想干的群體，那么這個(gè)人就處于樞紐的位置。

幕后黑手：顧名思義，一個(gè)人不怎么和大部分人聯(lián)系，只和關(guān)鍵人物發(fā)生聯(lián)系，通過(guò)關(guān)鍵人來(lái)影響群體。

在分析中后兩個(gè)算法因?yàn)榈讓訑?shù)據(jù)構(gòu)造的社交網(wǎng)絡(luò)為無(wú)向網(wǎng)絡(luò)，所以在這一個(gè)具體分析中不適用。

2)核心交往圈

扯那么多基本人我不可能都認(rèn)識(shí)，networkx還提供了分析某人的核心交往圈的算法，還是以我為例：

---------------2014-06-08 21時(shí)20分39秒開(kāi)始整體分析----------------

社交網(wǎng)總共有502個(gè)好友

 

其他的分析因?yàn)槭怯猛粋€(gè)模塊來(lái)實(shí)現(xiàn)的，和上面相同，就不重復(fù)了。

3)圈里圈外

上面的還只是宏觀(guān)層面的結(jié)果，從微觀(guān)層面看，在大群體中也總是少不了一個(gè)一個(gè)的小圈子，這個(gè)圈子里的人關(guān)系更為緊密，有著共同的話(huà)題，一般對(duì)圈子之外的人有一定的排斥性，而對(duì)圈子里的人信任度會(huì)很高，正所謂圈里圈外。

對(duì)于一門(mén)發(fā)展了將近半個(gè)世紀(jì)的學(xué)科，還是那句話(huà)，你想到的東西早就有人想到了。

比如我的好友圈中：

第45個(gè)小圈子為:

崔文英 殷渤濤 鄭新玉 孫昊 陳欣 張辰星 陸伯文 

這是我的一幫高中同學(xué)。

4)最短路徑

已經(jīng)有非常成熟的算法來(lái)尋找社交網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)之間的最短路徑。也就是所謂的六度空間。即我如果想認(rèn)識(shí)某某，那么應(yīng)該找那些最少的中間人來(lái)達(dá)到目的？

舉一反三一下，如果是由各種書(shū)籍來(lái)組成的一個(gè)網(wǎng)絡(luò)，書(shū)是節(jié)點(diǎn)，一個(gè)人如果讀過(guò)兩本書(shū)，那么這兩本書(shū)就有個(gè)連線(xiàn)。問(wèn)題來(lái)了，在各種小說(shuō)APP上，如果一個(gè)人讀了兩本書(shū)，如何給他推薦第三本書(shū)？這兩本書(shū)最短路徑上的其它書(shū)嘛，有人會(huì)問(wèn)，這不是兩本書(shū)已經(jīng)有連線(xiàn)了，路徑不是最短了嗎？這就涉及到了路徑的權(quán)重問(wèn)題，有了權(quán)重，直接的連線(xiàn)就不一定最短咯。權(quán)重如何得到？Well,It depands.

由于我只抓了兩層好友，so，最短路徑不會(huì)超過(guò)2.

隨便找一個(gè)：colipso ---谷雨--- 范文卓 我想認(rèn)識(shí)范，那么找谷雨就對(duì)了。

5)三人行

對(duì)于任意三個(gè)人，可以有如下16種關(guān)系：

比如對(duì)于012C這種類(lèi)型，作為中間人，是不是可以介紹另外兩人認(rèn)識(shí)那？

看看我的交往圈里面這16種類(lèi)型各占多少：

201類(lèi)型的三節(jié)點(diǎn)有94109個(gè)

021C類(lèi)型的三節(jié)點(diǎn)有0個(gè)

021D類(lèi)型的三節(jié)點(diǎn)有0個(gè)

210類(lèi)型的三節(jié)點(diǎn)有0個(gè)

120U類(lèi)型的三節(jié)點(diǎn)有0個(gè)

030C類(lèi)型的三節(jié)點(diǎn)有0個(gè)

003類(lèi)型的三節(jié)點(diǎn)有19747819個(gè)

300類(lèi)型的三節(jié)點(diǎn)有3605個(gè)

012類(lèi)型的三節(jié)點(diǎn)有0個(gè)

021U類(lèi)型的三節(jié)點(diǎn)有0個(gè)

120D類(lèi)型的三節(jié)點(diǎn)有0個(gè)

102類(lèi)型的三節(jié)點(diǎn)有1112967個(gè)

111U類(lèi)型的三節(jié)點(diǎn)有0個(gè)

030T類(lèi)型的三節(jié)點(diǎn)有0個(gè)

120C類(lèi)型的三節(jié)點(diǎn)有0個(gè)

111D類(lèi)型的三節(jié)點(diǎn)有0個(gè)

 

當(dāng)然，因?yàn)槲抑蛔チ藘蓪咏煌?，可以說(shuō)還是比較核心的交往圈，所以很多三節(jié)點(diǎn)類(lèi)型都沒(méi)有出現(xiàn)，如果抓取的層數(shù)更多，結(jié)果會(huì)更顯著。

仍然是舉一反三，網(wǎng)絡(luò)中的節(jié)點(diǎn)無(wú)論是人還是物，對(duì)于16種結(jié)構(gòu)中的每一種其實(shí)都可以制定一定的策略來(lái)達(dá)到一定的目的。上述分析已經(jīng)完成了行動(dòng)的第一步，識(shí)別目標(biāo)。

三：亂七八糟的一些想法

1)傳統(tǒng)統(tǒng)計(jì)和現(xiàn)代分析

最近同時(shí)在研究R和社交網(wǎng)絡(luò)分析，發(fā)現(xiàn)傳統(tǒng)統(tǒng)計(jì)分析方法和現(xiàn)代分析方法還是有一些差別的。

傳統(tǒng)統(tǒng)計(jì)分析方法起源于19世紀(jì)，無(wú)論是點(diǎn)估計(jì)/區(qū)間估計(jì)/假設(shè)檢驗(yàn)都是依賴(lài)于一定的分布假設(shè)前提，更不要提貝葉斯統(tǒng)計(jì)，有大量的學(xué)術(shù)研究搞定了小樣本下檢驗(yàn)整體的方法，目的是想方設(shè)法降低計(jì)算量。但問(wèn)題是現(xiàn)在的環(huán)境/用戶(hù)偏好變化非常快，也就是分布變化快。用傳統(tǒng)統(tǒng)計(jì)方法在分析的群體變化，分析的參數(shù)變化下還是有一定局限。

而現(xiàn)代的分析方法無(wú)論是蒙特卡洛模擬還是社交網(wǎng)絡(luò)分析都是基于密集計(jì)算，管你什么分布，模擬100次不夠，那就模擬10000次，100000次。根據(jù)大數(shù)定律，結(jié)果跑也跑出來(lái)了，八九不離十。

2)工具

上面的所有分析都是用python 和networkx模塊完成。Python的靈活數(shù)據(jù)結(jié)構(gòu)，大量的開(kāi)源模塊(numpy/scipy/matplotlib/networkx/webpy等等)可以說(shuō)是居家旅行，數(shù)據(jù)分析的必備良藥。清晰的語(yǔ)言規(guī)范也避免了括號(hào)風(fēng)暴。我很欣賞。

networkx分析規(guī)模的瓶頸首先在于內(nèi)存/存儲(chǔ)，其次在于算法的合理性。對(duì)于10萬(wàn)以?xún)?nèi)的節(jié)點(diǎn)數(shù)還是容易應(yīng)付的。如果節(jié)點(diǎn)數(shù)量級(jí)在于千萬(wàn)甚至億，那就得好好設(shè)計(jì)了。

3)分析價(jià)值

分析能產(chǎn)生的價(jià)值一種是用于決策/一種用在產(chǎn)品。決策的對(duì)錯(cuò)在中長(zhǎng)期能看到效果。產(chǎn)品則更直接，分析價(jià)值快速見(jiàn)于用戶(hù)數(shù)量/意見(jiàn)。