安博电竞

用户在点评网站上宣布的内容，
，是心田的真实想法吗？？

用户宣布点评内容时，
，是否会受到挚友的影响？？影响几何？？

市场推广职员怎样剔除同质性影响客观考察产品？？

社交网站已经成为商家吸引新用户、增强用户粘性和提升用户体验的主要工具。。。不少社交网络平台（例如美国版“公共点评”Yelp、影视剧点评网站烂番茄、中国的豆瓣网）通过允许用户点评商品或服务增添挚友间互动性，
，进而沉淀用户，
，同时商家也会凭证用户的点评刷新商品或服务。。。

安博电竞治理学院的王翀教授和相助研究者基于点评网站的大宗用户数据以及准实验的研究机制，
，发明用户间建设社交关系后，
，点评的用户会受到在他之前点评的朋侪的影响，
，倾向于给出与朋侪意见相近的点评，
，从而扭曲了产品真正的用户反馈。。。

社交网站上点评趋同，
，是挚友同质，
，照旧社交压力所致

社交网站推出点评功效的基来源理之一是口碑效应，
，它假设每个消耗者的评价是自力作出的，
，不受其他人的影响，
，这种自力客观的评价关于其他人而言才会有更有作用。。。

但本项研究的效果显示，
，消耗者的评价不是爆发于真空中，
，其他人的评价形成了奇异的语境，
，个体消耗者的意见受到了挚友的“社交推动”。。。

社交关系能对身处其中的个体造成压力，
，这种压力泉源于遵照社会规范，
，也泉源于社会身份的认同。。。除此之外，
，一些很难评估质量的商品或服务，
，例如膳食增补剂、医生的医术、汽车维修等，
，被称为“信用品”，
，这些商品和服务即便使用事后也很难客观评价其功效，
，此时个体用户就更倾向于参考朋侪的评价来推断其质量。。。书籍，
，从一个层面来说，
，也部分具备“信用品”的特质。。。

有人会说，
，那么点评内容相似也很正常。。。

若是挚友对统一件商品的评价相似仅仅是由于两人的喜欢本就相近，
，那么点评网站的运营职员大可不必担心用户谈论会越来越趋同并背离真真相形，
，由于用户的评价本就基于他自己的偏好和品位，
，社交功效不会改变这一点。。。

但若是用户是在社交关系的压力下做出与挚友相近的谈论，
，一件商品的评分就会在第一位用户的评价的基础上，
，越来越向极端生长，
，点评内容对社交关系形成了“路径依赖”，
，很难回归点评功效的初志——真实反映商品使用体验。。。

王翀教授的研究力争通过剔除掉挚友同质性的影响，
，描绘用户对商品的评价怎样受到挚友评价的影响，
，这也是这项研究的立异之处，
，以往针对社交影响力的研究通常把重心放在用户消耗行为或用户态度、偏好上。。。

研究怎样剔除“挚友同质性”

怎样将挚友同质性的影响从社交关系的影响中剥离出去？？最严谨科学的方式是随机分组实验，
，并确保每组用户中，
，成为挚友的用户的“同质性”在统一水平——这很难在现实中操作。。。

王翀教授的研究另辟蹊径，
，使用纪录了用户间何时建设挚友关系以及何时揭晓谈论的实证数据，
，识别出剔除同质性影响后的“社交推动”作用。。。

这项研究基于来自豆瓣的数据，
，使用豆瓣后台纪录的数据，
，研究者们收罗了自2008年2月到8月时代保存线上社交关系的豆瓣用户（用户信息已做脱敏处理），
，共有286140人、200万对挚友。。。

本项研究主要针对这些用户对书籍的评分（5分制）举行数据剖析，
，即便缩小到书籍规模，
，豆瓣网仍提供了海量数据：33605名用户针对20480本书孝顺了171588条评分。。。每一对挚友关系、每一条点评，
，都有准确的时间纪录。。。

研究者构建了一个因变量为“用户i对图书j的评分”的回归公式，
，在这个公式中，
，自变量包括：

? i的所有豆瓣挚友在豆瓣上对这本书的果真评分，
，取平均值

? i与所有挚友建设挚友关系与i揭晓评分的时间先后顺序，
，即：要么i先和这些人建设挚友关系，
，之后挚友揭晓对书籍的评分，
，i在此影响下揭晓评分；；要么i的非挚友揭晓了对书籍的评分，
，然后i揭晓了评分（i可能看到了别人的评分也可能没看到），
，最后i和这些人建设挚友关系（简化起见，
，假设只有这两种情形）

? 上面两个自变量的数学乘积，
，用来权衡两个变量的交互作用

在这个公式中，
，用户i对图书j的评分作为因变量保存，
，即代表我们假设i对书籍的评分爆发在挚友评分之后。。。这一假设无碍于实证数据的获取和剖析，
，由于在现实中，
，总有用户是在挚友之后揭晓评分，
，我们总能找到切合上述条件的用户。。。

这个实验机制之以是能剔除挚友同质性的影响，
，要害在于豆瓣的数据库中，
，既能找到“先建设挚友关系-挚友揭晓评分-用户i揭晓评分”的数据，
，又能找到“生疏人揭晓评分-用户i揭晓评分-用户i和他们建设挚友关系”的案例。。。若是豆瓣挚友间仅保存品味相近的情形而没有社交关系的压力保存，
，那么岂论前一种情形照旧后一种情形，
，用户i的评分与他的挚友们的评分的差值应该是相同的。。。若是社交关系确实给用户i施加了一定影响，
，促使i给出和挚友靠近的评分，
，那么前一种情形下，
，i的评分应该比后一种情形更靠近于挚友评分。。。

这项爆发在真实社交网络情形里的准实验，
，数据验证了研究者们的假设：社交影响用户点评的征象确实保存。。。用户在与他人建设挚友关系后的点评，
，比未与他人建设挚友关系时点评，
，更容易受到已点评挚友的影响。。。即便思量到挚友同质性的保存，
，社交压力也在同质性的基础上进一步施展作用，
，促使挚友间的评分趋同。。。

朋侪少的人更容易受影响

为扩展研究结论的适用性，
，研究者们进一步剖析了交朋侪的时间早晚、社交网络规模（朋侪个数的几多）、书籍自己特质以及朋侪点评的时间和评分的崎岖等因素怎样影响到用户的社交压力，
，从而影响用户评分。。。数据批注：

? 相比早期交的朋侪，
，最近交的朋侪揭晓的书籍评分对用户影响更大

? 上面研究的是“多对一（所有朋侪的平均评分对用户的影响）”，
，把挚友关系拆成“一对一”后，
，社交影响力仍然保存。。。成为朋侪后，
，两个人对统一书籍的评分比成为朋侪前更靠近

? 朋侪数目越少的用户越容易受到挚友意见的影响

? 越盛行（盛行有2个层面的寄义：1. 经典水平，
，即该书籍在豆瓣上建设的时间较早；；2. 关注度，
，即该书籍被评分的次数）的书籍越容易泛起朋侪间评分相互影响的征象

? 朋侪越是最近揭晓的评分对用户影响力越大

? 朋侪评分极低的书籍（本项研究的所有书籍平均评分是4.1，
，评分低于3分界说为极低），
，同伴压力更大，
，用户容易打出和挚友相近的分数；；而评分极高（高于4分）的书籍则不保存这种倾向

研究的启发

这项研究给社交产品的从业者哪些启发呢？？

需要考察社交影响力对产品起到了正面推荐的作用照旧培育了一个极端意见一直发酵的情形。。。若是是前者，
，平台的设计者和运营者可以创立或改善点评的社交功效，
，勉励用户建设社交关系并把挚友的点评自动泛起到用户眼前；；若是是后者，
，就需要从算法、功效上阻止过多的挚友点评曝光，
，取而代之的是向用户推荐更客观的谈论内容，
，例如那些自力作出评价的用户的谈论（他的挚友没有在他之前作出谈论），
，或者当嫌疑用户的意见严重受到挚友影响时，
，在他的评价上打上特殊标签，
，以提醒看到这条评价的其他用户。。。进一步，
，要重视更普遍的社交媒体情形中普遍保存的社会影响的效果。。。虽然本项研究主要关注数目化的评价指标，
，可是在更普遍的谈论场景中社会影响同样保存。。。从事市场推广的事情职员则需要识别生产品早期的使用者和意见首脑，
，维护好他们的口碑。。。

期刊信息：由Chong (Alex) Wang, Xiaoquan (Michael) Zhang and Il-Horn Hann等合著的论文Socially Nudged: A Quasi-Experimental Study of Friends’ Social Influence in Online Product Ratings，
，2017年被Information Systems Research接受。。。

该期刊是信息系统学科领域中两大最负盛名的期刊之一，
，在其揭晓论文意味着拥有该领域最高的研究水平。。。它是由美国运营研究与治理科学研究所出书，
，涵盖信息系统和信息手艺领域的研究，
，包括认知经济学、盘算机科学、组织行为理论等，
，致力于将信息手艺应用于组织及治理，
，以提高经济和社会福利。。。所涉及研究主题，
，包括盘算机前言通讯、数据通讯，
，决议支持系统等。。。

王翀，
，安博电竞治理科学与信息系统学系副教授。。。2004年结业于北京大学数学科学学院应用数学专业，
，2006年获清华大学金融学硕士学位，
，2012年于香港科技大学商学院获得博士学位。。。2012年至2017年任教于香港都会大学商学院。。。王翀教授关注现代信息手艺，
，如互联网、区块链，
，人工智能等，
，对社会、经济系统爆发的倾覆性攻击。。。他的研究涉及社交媒体，
，平台化商业模式，
，群体智能与众包，
，金融信息手艺应用与羁系等多个前沿领域。。。他的论文揭晓于Information Systems Research，
，Journal of Management Information Systems，
，Decision Support Systems等主要国际学术期刊，
，并在Information Systems Journal担当Associate Editor。。。