如何在不确定性中预测趋势

并非所有事物都需要意义，社交媒体上尤其如此。比如让成年人听起来感到云里雾里的“67”，就是在阿尔法世代（Gen Alpha）流行的一种没有意义的表达。虽然数字平台可以通过分析用户行为来预测潮流趋势，但人类天生难以预测，而且很容易被他人影响，算法可能难以跟上人类的奇思妙想。

数字人类学家布莱恩·索利斯 (Brian Solis) 曾说：“社交媒体关乎社会学和心理学，而非科技。”这就可以解释为何许多无关紧要的潮流会在网上迅速走红。在社交网络中，人们会无意中影响他人，也会受他人影响，即便他们素不相识。

“大家可能听说过六度分隔理论，即世界上每个人都通过不超过六层的熟人关系链接起来。这意味着通过社交网络，人与人之间的关联性其实比他们想象的更紧密，”香港中文大学（中大）商学院决策、营运与科技学系助理教授林韵端表示。

从社会学、市场营销到政治学，社交网络处于众多学科的交叉领域。在人类行为难以预测的背景下，理解观点如何在社群内传播，或是新产品能否在市场上获得成功，变得至关重要。

由于人与人之间的互动错综复杂且难以预测，要准确分析一个想法为何能广为流传，或者一款产品为何在某个群体中大受欢迎却在另一个群体中无人问津，往往颇具挑战。为破解这一复杂的问题，林教授提出计算“固定点近似值”（Fixed-point approximation） 这一方法，清晰呈现出社会影响的来回交织最终如何在整个网络中稳定下来。

“不妨想象这样一种情境：一群人打算安排一次聚会，起初计划并不明确，因为任何人都可能改变主意。当有人确认能参加时，他的朋友们可能会更愿意加入；但如果后来有人因突发状况而取消，这种变动也会在群体中产生连锁反应，”她解释道。

“所谓固定点，指的是在经历这些相互影响后，每个人接受某种观点的可能性趋于稳定、且不再改变的节点。”

利用数学公式预测趋势

在题为《社交网络上的非渐进式扩散：近似值及其应用》的论文中，林教授与同系副教授张任宇、亚利桑那州立大学助理教授章恒及香港大学教授申作军，共同开发了一个运用确定性变数计算固定点近似值的模型，以解析不可预测的社交网络中的互动模式。

固定点近似值的计算基于以下几个要素：描绘人际连接的网络结构、固有实用价值（不受他人影响时，个人对新事物的初始喜好程度）、噪音分布 （可能导致人们改变主意的随机因素），以及网络效应强度（一个人受社交圈影响的敏感程度）。

该模型提供了一种在不追踪网络中每一个连锁反应的情况下，大规模预测社会影响力的方法。它估算出在同伴影响下，每个人接纳某种趋势的可能性。比如在一个小型社区中，A购买某产品的概率为90%，而B的概率为30%。

这种方法用于那些身处规模庞大、关系紧密的社群中时最为可靠。因为在这种社群里，没有人能够轻易左右结果，众多同伴的共同影响会形成更稳定的信号。相比之下，想要预测社交联系极少的人则会困难得多，因为一个朋友的决定就可能显著改变结果，随机因素也扮演着更重要的角色。

为处理这些特殊情况，该论文提出了一个简短的补充步骤：在得出主要估计值后，把重点放在社交圈较小的个体上，为其较亲近的人可能采取的行为生成多种合理情境，然后通过计算结果平均值来修正该个体的采纳概率。林教授把该模型的计算公式发布在一个GitHub代码储存库中让公众参考（点击此处）。

“我们本质上是在寻找一个中间点，来推测人们在网络结构影响下会如何行事，”她说，“这种方法无需模拟网络中可能出现的每一种涟漪效应，却依然能准确捕捉到影响力模式，将杂乱无章、不断变化的互动转化为清晰的图象，展现出每个人接受新趋势的可能性。”

研究人员利用公开数字档案库中五个真实的脸书 (Facebook) 网络，对该模型进行测试。结果显示，他们的公式能准确测算出一个新构思获接纳的可能性，平均误差率低于3.5%。下图展示了该模型在小规模网络中的预测效率与实际结果的对比。

另外，研究人员还将该模型与其他研究网络内交互作用的模型进行了对比，发现其计算速度比基础仿真模拟快70到230倍，比高级仿真模拟快23到30倍。

在企业和社区中的广泛应用

“固定点近似值”这一方法的一大优势在于，它能够在考虑社交网络中不可预测因素的同时，迅速锁定具有关键影响力的人物，从而最大化推动某种潮流或理念的普及。这一框架适用于任何个体行为会影响他人的实际场景。

“比如在推出新产品时，总会有人率先购买，而这些早期买家可能会吸引其他消费者跟随，”林教授说。“我们的模型有助于更快地识别出首批购买者当中，哪些买家具有较大的后续响力。这些人未必拥有庞大的粉丝数量，但他们具备通过自身社交网络高效推广产品的能力。”

虽然该模型可以离线运行，但数字平台凭借其基础设施、互联性以及实时利用数据的能力，具有显著优势。因此，该模型能使平台更快响应市场变化、保持竞争优势，并适时调整策略以保持发展势头。

固定点近似值方法的另一个优点是，它能够通过考量网络影响力来帮助企业制定定价策略。对于零售商而言，这意味着该模型有助于衡量在不同价格下有多少顾客可能会购买新产品，并根据结果设定切合实际的销售目标。

利润之外，政府或社会领袖在传播重要信息或倡导新行为时，也可以利用这一模型来识别关键的社区成员，他们的参与将能最有效地带动他人。另外，该模型还能帮助我们了解如何在社群内传播这些信息，以实现广泛采纳。