用社会网络分析评估KOL投放价值( 二 )

对应知乎，可以把最先形成的这个小圈理解为互相间有关系的又对某一问题同样感兴趣的人群，扩大后的大圈则是对某一话题有同样兴趣的人群。

本文插图
四、聚类
聚类技术在互联网产品中已经被广泛运用，但放在SNA下，聚类更强调等级结构性（即根据个体的社会关系进行分层）。
以八个用户的案例为例，进行了3次聚类，其中最左边的数字指代度中心性的排名， A用户因为有最大的中心度所以排名为1 。
第一层聚类结果：FGH边缘用户为一类， BD排名靠中的用户为一类。
之后继续聚类，直到所有用户归为一类停止。
圈和聚类两者之间的区别在于：派系概念依据成员相似性进行划分，形成的圈子以兴趣为交点；聚类则是按成员关系数量进行划分，是对权力等级的分类。
以知乎为例，这8名用户可能同为科技互联网话题爱好者，以3/3/2的结构分别对物联网、JAVA和人工智能感兴趣，则这三类就可以单独成为一个派系；但每个用户对用的关注和被关注关系不同， FGH用户产生的关系少，但他们可以不在同一派系中。

本文插图
五、总结
感谢广大网民贡献的用户数和关系链，目前SNA分析的应用场景已经拓展到多个领域的运用，如社交产品中的社交圈分析——基于社交关系进行的商品和内容推荐、网络信息传播等，只要有人的地方，都可以用SNA来分析强弱关系、紧密度、群体分类。
就本文探讨的KOL形成和发现来说，就可以作为商业广告投放的量化参考标准之一。
社交网络中，用来评估KOL的核心指标一般为KOL本身制造的内容及影响人群（后者量化到可收集的指标上，一般为粉丝数，即社群图中的单向关注关系，可以用多条有向线标注）。
KOL粉丝重合度和SNA中派系的概念重合。根据自定义标准：广告主可以计算出两个KOL粉丝的重合度，从而根据预期的触达次数选择重合程度。
根据不同体量KOL的圈层推算预期渗透率：SNA其实可以帮助广告主在前期就省下投放费用，当然投放后还要继续关注APRU、ROI等指标。
反推一下思考，也可以理解为什么现在买粉丝已经成为了行业普遍乱象之一。
因此在关注的基础上，很多社交产品也开始考虑其他互动因素作为参考指标，以排除僵尸粉的作乱。
作者：47 ，关注内容&社交产品，信奉keep exercising , keep learning , keep optimistic
本文由 @47 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash ，基于CC0协议。