编辑推荐：
为探究网红（influencers）转发内容的传播效果及声望偏差（prestige bias）的影响，研究人员分析超 5500 万条推文和 52 亿次转发。结果显示，网红转发的内容更易被再转发，且对信息传播影响巨大。该研究为理解网络信息传播提供新视角。
在当今数字化时代，社交媒体已成为人们生活中不可或缺的一部分，信息在网络上的传播速度之快、范围之广令人惊叹。其中，社交媒体 “网红” 的影响力不容小觑，他们就像信息传播的 “加速器”，能让某些内容迅速走红。然而，一直以来存在一个谜题：网红究竟是凭借自身独特魅力，还是有更深层次的认知因素在推动信息传播呢？这一问题不仅关乎我们对网络传播机制的理解，还与现实生活中的诸多方面，如网络营销、信息真伪辨别等密切相关。为了揭开这个谜题，来自日本的研究人员展开了深入研究，相关成果发表在《Scientific Reports》上。
研究人员为解决网红在信息传播中的具体作用机制以及声望偏差是否存在于网络环境等问题，展开了关于网络社区中网红转发内容传播的研究。他们通过分析大量数据，得出了重要结论，这对于理解网络信息传播规律、制定营销策略以及应对虚假信息传播等都有着重要意义。
研究人员采用了多种技术方法。首先，通过 Twitter（现 X）的流媒体 API 收集日本语推文数据，构建转发瀑布（repost cascade）来模拟信息传播路径。接着，利用虚拟时间线（virtual timeline）模拟用户浏览内容的过程，在此基础上计算级联转发概率（CRP） ，以此衡量信息传播效率。最后，运用混合效应逻辑回归（mixed - effects logistic regression）控制变量，深入分析各因素对转发行为的影响。
研究结果如下：
- 用户影响力分布和源帖受欢迎程度：研究人员运用 hg 指数（结合 h 指数和 g 指数，用于量化用户传播原创内容的能力）对用户影响力进行分类，将用户分为六个影响力类别。结果显示，非常高影响力（very high）类别的用户，其原创帖子平均转发数和最高转发数都最高。
- 分析二次传播中的声望偏差：通过计算 CRP 发现，在热门帖子（≥1000 次转发）的二次传播中，高影响力用户的 CRP 值显著高于低影响力用户。而且，随着帖子转发数增加，影响力类别之间 CRP 的差异更明显。在 24 小时内，高影响力用户的 CRP 始终保持较高水平。此外，对英语推文数据的分析也得到了类似结果。
- 混合效应逻辑回归分析：考虑到帖子和用户层面的异质性，研究人员进行混合效应逻辑回归分析。结果表明，高影响力类别（如 very high）的系数为正且数值较大，说明顶级网红能显著增加二次传播的可能性，同时发现内容特定因素在网络传播中也起着重要作用。
- 量化网红对二次传播的影响：网红虽然只占用户总数的 1%，却在所有帖子的二次传播中，贡献了 58.0% 的浏览量和 53.3% 的转发量。对于热门帖子（≥5000 次转发），网红的转发份额（47.7%）超过浏览份额（40.6%），表明网红分享的内容能引发更多互动。
- 首次转发用户对病毒式传播的影响：对转发瀑布的分析发现，首次转发用户的影响力与内容传播深度和复杂性密切相关。高影响力或非常高影响力用户首次转发的内容，往往能传播到更多层级，结构病毒性（structural virality）更强，传播深度（maximum depth）更大。
研究结论和讨论部分指出，该研究首次证实了网络社交网络中声望偏差的存在。高 hg 指数的用户，即便传播的不是自己的原创内容，也具有更强的传播能力，且这种影响在信息传播的早期阶段尤为明显。不过，网红对不受欢迎的帖子影响力较小，这表明声望偏差可能与网红和内容的特征都有关。研究还揭示了网红在信息传播中的双重角色，他们既是信息的广播者，能直接触达大量受众，也是放大器，能显著提高粉丝进一步分享的可能性。这项研究将文化进化理论与网络信息传播研究相联系，为后续研究网络信息传播机制、制定社交媒体营销策略以及应对虚假信息传播等提供了重要参考，有助于我们更深入地理解社交媒体环境下的信息传播现象，推动相关领域的发展。
