财新传媒
位置:博客 > 集智俱乐部 > 社群发展的底层逻辑:匹配生长模型

社群发展的底层逻辑:匹配生长模型

大头针生产之谜

300年前,亚当·斯密(Adam Smith)曾经在他的著作中提到了著名的“大头针工厂”之谜。他指出:

在大头针工厂中,每个人仅仅负责整个大头针生产工序的一部分,有的负责头部的生产,有的负责针尖,有的负责拉直,有的负责包装......。然而,这些人的整体效率却比他们单独生产大头针要高得多。

大头针制造业是一个极其微小的行业,但它的分工机制却引起了大家的注意。一个工人,假设他对于大头针生产的每道工序都了如指掌,他一天下来最多也只能生产十几二十个大头针。而实际现象是要成为这样的“全才”,成本高昂。反观另一方面,如果是10个工人分别负责生产线的不同工序,每个工人精通自己的工序和步骤,一天的生产量可达12磅,近48000枚。而仅仅只需要每位工人熟悉自己的领域即可。

从效率的角度来说,10个人的效率要远大于1个人的效率的10倍。

  

这个现象我们看起来觉得习以为常,但这是为什么?生产流水线和复杂系统有什么关系?

让我们先把这个问题放到一遍,把思路转到人类社区上。

 

匹配生长模型

在一个社区群体中,随着人数的增多,人与人之间的交互必然也会随之增强。

在理想状态下,人们可以和任意一个人产生交互行为(包括他自己)。我们将交互行为量化,如两个人的社交圈,他们的交互数量是4(交互行为存在方向性, 即2*2),3个人的交互数量是9,4个人是16...人数为N的社区,交互数量为n的2次方。

这个交互量可以是沟通的频率,社区发帖量和回帖数,朋友的数量,购买商品的速度等等很多方面。

而在现实生活中,人和人之间产生的交互和活动往往会受到来自各个方面的制约,如地理位置,兴趣爱好,年龄差异,文化隔阂等等,所以实际上的活动会小于n的2次方。

根据数据的分析,我们可以得到准确的幂律指数是1.15,那2次方的幂指数是具体是通过什么样的方式下降到了1.15的呢?下面给大家介绍下一个很有意思的模型——张江教授的匹配生长模型。

为了说明这个模型,我们先来模拟一个虚拟的音乐社区。下图中一个点代表一个人,颜色的点代表这个人喜欢的一种音乐风格,初始条件是有5个人,他们分别喜欢5种不同的音乐类型;点于点之间的连边代表两个人互为好友关系。这5个人就构成了一个小型群体。

          

不久,来了一个重金属音乐风格的人,由于社区“原住民”的音乐风格都比较温柔,所以这位Heavy metal man溜达了一圈后发现自己和他们的差异太大,无法融入这个社区,所以他离开了。

随后又来一个人,他喜欢Blues,虽然他也和原社区的人都不一样,但是他能和喜欢音乐类型相近的人产生联系,这样,社区就长大了一个节点。

这样的融合过程会不断循环,节点也会不断增多。随着节点的增多,这个社区的属性就越丰富,它的包容性也会同时增强。这个时候如果一开始的Heavy metal man再次来到这里,他就有更大的概率找到兴趣相似的人,从而被这个社区接纳。

通过这个模型对社区的模拟,我们可以复现一些真实社区中的重要特性:

1.加速生长特性:一开始社区的规模小,能够接纳一个新节点的概率小,而随着社区的壮大,它的包容性增强,人们越容易在社区中找到兴趣相投的人,社区越容易接纳一个新节点,社区的生长速度逐渐加快。

2.密集化: 越是点位密集的地方,就有更大的概率增加一个节点。同时随着规模的扩大,新增节点带来的连边会越来越密集,人们的交互会越来越复杂,交互量会以比社区规模增速更快的速度增加。

3.多样化:社区增长必然会带来多样化的增多。但是社区规模越大,新增节点位于社区中心的概率越大,也就是说吸引同类人的概率越大,导致了多样化的趋势比社区的增长要慢。

关于更多匹配生长模型的科学性分析可前往文章——>粘性纽扣

无论是在虚拟的网络社区,还是在更大尺度上的城市。只要每一个个体人的能力有限,它只能感受部分信息,它的兴趣和技能只能覆盖整个社区的一小部分。它们会形成一个“局部”群体高效运作。而整个社区的活跃度也会随着这些“局部”的活跃而更加活跃起来。

让我们再回到大头针工厂,如果我们将劳动分工看作一种多样性,而人类的合作看作是一种粘连或者连接的过程,那么匹配生长模型事实上正是在刻画人类劳动分工合作的过程,即局部高效的运作推动了整体的高效。

除了社区生长之外,在这个世界中,还存在着大量超线性或亚线性的规则,这些规则的存在时刻挑战着我们习以为常的线性思维和世界观。如果你对此感兴趣的话,那么那么恭喜你找到了我们。

《规模》这本书既能让你见识一点儿世界的底层逻辑,了解一点儿物理学的“套路”,又能治愈某些流行的妄想。这本书最根本的思想,就是世间万事万物通常都不能按照简单的线性比例缩放,需要我们从线性思维过渡到复杂性思维。

作者:T.R.Y

编辑:孟婕

推荐 1