最近幾年，社交平台的湧現與飛速發展，使得我們獲取內容的方式發生了天翻地覆的變化，同時也造就了一批又一批在網絡上具有影響力的人，或者說，“網紅”。這些網絡紅人是如何誕生的？對於這個問題，你的腦海里可能已經浮現出了一些案例。但對於科學家來說，要系統性地解答這個問題並不容易，因為我們對於網絡社交平台的理解還非常有限。
最近，在一項發表於《自然·通訊》的研究中，北京大學與瑞士蘇黎世聯邦理工大學領導的研究團隊合作，通過數學模型揭示了“網紅”崛起之路。
當我們對比今天與十餘年前的社交平台，會發現如今主流的社交網絡有一個明顯的特點：用戶的內容獲取不再建立在互加好友的基礎上，現在眾多社交平台的核心是用戶生產的內容（User-Generated Content）。以Twitter為例，每天用戶會生產5億條Twitter內容。而話題標籤和平台內部的搜索引擎使得用戶可以按照自己的興趣搜索內容、構建基於自身興趣的社群。同時，在這個網絡中，一些用戶迅速取得了巨大的影響力，成為“網紅”。
基於這樣的模式，我們在探究“網紅”崛起之路時，需要理解兩個問題：用戶生產的內容與快速成長的“網紅”之間有着怎樣的關聯？由此產生的社交網絡有哪些特徵？
一個直觀的影響因素是內容質量：更高質量的內容顯然更有機會吸引其他用戶的關注。當然，要建立社交網絡的動態模型，只考慮這一個因素顯然不夠。但遺憾的是，眾多已有的數學模型在這個問題上都不適用。
因此，研究團隊結合了現代社交平台的特點和既有模型，提出了一個預測社交網絡形成的簡單數學模型。在這個模型中，內容質量是主要影響因素，此外作者也考慮了用戶的功利主義原則。用戶會根據自己的興趣，基於內容質量決定關注與否。
在一個由6000多名科學家組成的網絡中，研究團隊針對Twitter數據測試了他們的模型，從而獲得了網絡形成的動態過程。
結果表明，這些用戶想要提高自己接收的內容的質量，因此他們會持續搜索優質內容提供者，從而形成自己的社交平台網絡。在這個過程中，他們會重點評判內容與自身興趣的一致性、內容同質性，以及質量有多高。
此外，研究團隊還利用這個模型分析了最終的平衡狀態。
從這個網絡的入度分佈，也就是與某個節點（內容生產者）相連的其他節點（關注者）的數量中，他們發現了一個特別的模式：生產最高質量內容的用戶的粉絲數量，是第二名的兩倍、第三名的三倍，以此類推……這個規律符合齊夫定律（Zipf’s law）。值得一提的是，根據初步預測結果，當模型模擬真實世界的推薦算法，即根據用戶的喜好進行推薦時，這個結果依然牢固。
從這個模型中，研究者還發現，模擬產生的網絡特徵與真實世界的相似，例如存在較小的聚集係數。這個網絡的出度分佈，或者說是其中的用戶關注他人的情況，則接近伽馬分佈。
隨後，研究者還利用真實社交平台的數據驗證了這個模型。他們選取的是一個名為Twitch的在線遊戲玩家平台。驗證結果顯示，這個模型在模擬社交網絡的形成情況時，比以往的模型更加貼近實際。
作者指出，儘管這個模型較為簡單，但它已經為我們揭示了當今基於用戶生產內容的社交網絡的宏觀特徵。也正是因為簡單，這個模型還能向不同方向拓展，探索不同條件下的網絡形成過程。
未來的研究將進一步探究，在不同的平台、不同的算法機制之下，“網紅”誕生之路以及用戶在社交平台中的表現又是怎樣的。這些研究不足以保證你成為“網紅”，但它為“網紅”的形成機制提出了見解，並且再一次提醒我們：內容才是王道。