社交網路分析的應用場景有哪些

A. 請列舉社交網路可視化分析軟體有哪些,各有什麼特點

哎，社交網路可視化分析軟體當中，他們的特點是可以起到一個可視化，操作簡單並且互動感很強。

B. 對於社交網路的數據挖掘應該如何入手，使用哪些演算法

3月13日下午，南京郵電大學計算機學院、軟體學院院長、教授李濤在CIO時代APP微講座欄目作了題為《大數據時代的數據挖掘》的主題分享，深度詮釋了大數據及大數據時代下的數據挖掘。

眾所周知，大數據時代的大數據挖掘已成為各行各業的一大熱點。
一、數據挖掘
在大數據時代，數據的產生和收集是基礎，數據挖掘是關鍵，數據挖掘可以說是大數據最關鍵也是最基本的工作。通常而言，數據挖掘也稱為DataMining，或知識發現Knowledge Discovery from Data，泛指從大量數據中挖掘出隱含的、先前未知但潛在的有用信息和模式的一個工程化和系統化的過程。
不同的學者對數據挖掘有著不同的理解，但個人認為，數據挖掘的特性主要有以下四個方面：
1.應用性（A Combination of Theory and Application）：數據挖掘是理論演算法和應用實踐的完美結合。數據挖掘源於實際生產生活中應用的需求，挖掘的數據來自於具體應用，同時通過數據挖掘發現的知識又要運用到實踐中去，輔助實際決策。所以，數據挖掘來自於應用實踐，同時也服務於應用實踐，數據是根本，數據挖掘應以數據為導向，其中涉及到演算法的設計與開發都需考慮到實際應用的需求，對問題進行抽象和泛化，將好的演算法應用於實際中，並在實際中得到檢驗。
2.工程性（An Engineering Process）：數據挖掘是一個由多個步驟組成的工程化過程。數據挖掘的應用特性決定了數據挖掘不僅僅是演算法分析和應用，而是一個包含數據准備和管理、數據預處理和轉換、挖掘演算法開發和應用、結果展示和驗證以及知識積累和使用的完整過程。而且在實際應用中，典型的數據挖掘過程還是一個交互和循環的過程。
3.集合性（A Collection of Functionalities）：數據挖掘是多種功能的集合。常用的數據挖掘功能包括數據探索分析、關聯規則挖掘、時間序列模式挖掘、分類預測、聚類分析、異常檢測、數據可視化和鏈接分析等。一個具體的應用案例往往涉及多個不同的功能。不同的功能通常有不同的理論和技術基礎，而且每一個功能都有不同的演算法支撐。
4.交叉性（An Interdisciplinary Field）：數據挖掘是一門交叉學科，它利用了來自統計分析、模式識別、機器學習、人工智慧、信息檢索、資料庫等諸多不同領域的研究成果和學術思想。同時一些其他領域如隨機演算法、資訊理論、可視化、分布式計算和最優化也對數據挖掘的發展起到重要的作用。數據挖掘與這些相關領域的區別可以由前面提到的數據挖掘的3個特性來總結，最重要的是它更側重於應用。
綜上所述，應用性是數據挖掘的一個重要特性，是其區別於其他學科的關鍵，同時，其應用特性與其他特性相輔相成，這些特性在一定程度上決定了數據挖掘的研究與發展，同時，也為如何學習和掌握數據挖掘提出了指導性意見。如從研究發展來看，實際應用的需求是數據挖掘領域很多方法提出和發展的根源。從最開始的顧客交易數據分析（market basket analysis）、多媒體數據挖掘（multimedia data mining）、隱私保護數據挖掘（privacy-preserving data mining）到文本數據挖掘（text mining）和Web挖掘（Web mining），再到社交媒體挖掘（social media mining）都是由應用推動的。工程性和集合性決定了數據挖掘研究內容和方向的廣泛性。其中，工程性使得整個研究過程里的不同步驟都屬於數據挖掘的研究范疇。而集合性使得數據挖掘有多種不同的功能，而如何將多種功能聯系和結合起來，從一定程度上影響了數據挖掘研究方法的發展。比如，20世紀90年代中期，數據挖掘的研究主要集中在關聯規則和時間序列模式的挖掘。到20世紀90年代末，研究人員開始研究基於關聯規則和時間序列模式的分類演算法（如classification based on association），將兩種不同的數據挖掘功能有機地結合起來。21世紀初，一個研究的熱點是半監督學習（semi-supervised learning）和半監督聚類（semi-supervised clustering），也是將分類和聚類這兩種功能有機結合起來。近年來的一些其他研究方向如子空間聚類（subspace clustering）（特徵抽取和聚類的結合）和圖分類（graph classification）（圖挖掘和分類的結合）也是將多種功能聯系和結合在一起。最後，交叉性導致了研究思路和方法設計的多樣化。
前面提到的是數據挖掘的特性對研究發展及研究方法的影響，另外，數據挖掘的這些特性對如何學習和掌握數據挖掘提出了指導性的意見，對培養研究生、本科生均有一些指導意見，如應用性在指導數據挖掘時，應熟悉應用的業務和需求，需求才是數據挖掘的目的，業務和演算法、技術的緊密結合非常重要，了解業務、把握需求才能有針對性地對數據進行分析，挖掘其價值。因此，在實際應用中需要的是一種既懂業務，又懂數據挖掘演算法的人才。工程性決定了要掌握數據挖掘需有一定的工程能力，一個好的數據額挖掘人員首先是一名工程師，有很強大的處理大規模數據和開發原型系統的能力，這相當於在培養數據挖掘工程師時，對數據的處理能力和編程能力很重要。集合性使得在具體應用數據挖掘時，要做好底層不同功能和多種演算法積累。交叉性決定了在學習數據挖掘時要主動了解和學習相關領域的思想和技術。
因此，這些特性均是數據挖掘的特點，通過這四個特性可總結和學習數據挖掘。
二、大數據的特徵
大數據（bigdata）一詞經常被用以描述和指代信息爆炸時代產生的海量信息。研究大數據的意義在於發現和理解信息內容及信息與信息之間的聯系。研究大數據首先要理清和了解大數據的特點及基本概念，進而理解和認識大數據。
研究大數據首先要理解大數據的特徵和基本概念。業界普遍認為，大數據具有標準的「4V」特徵：
1.Volume（大量）：數據體量巨大，從TB級別躍升到PB級別。
2.Variety（多樣）：數據類型繁多，如網路日誌、視頻、圖片、地理位置信息等。
3.Velocity（高速）：處理速度快，實時分析，這也是和傳統的數據挖掘技術有著本質的不同。
4.Value（價值）：價值密度低，蘊含有效價值高，合理利用低密度價值的數據並對其進行正確、准確的分析，將會帶來巨大的商業和社會價值。
上述「4V」特點描述了大數據與以往部分抽樣的「小數據」的主要區別。然而，實踐是大數據的最終價值體現的唯一途徑。從實際應用和大數據處理的復雜性看，大數據還具有如下新的「4V」特點：
5.Variability（變化）：在不同的場景、不同的研究目標下數據的結構和意義可能會發生變化，因此，在實際研究中要考慮具體的上下文場景（Context）。
6.Veracity（真實性）：獲取真實、可靠的數據是保證分析結果准確、有效的前提。只有真實而准確的數據才能獲取真正有意義的結果。
7.Volatility（波動性）/Variance（差異）：由於數據本身含有噪音及分析流程的不規范性，導致採用不同的演算法或不同分析過程與手段會得到不穩定的分析結果。
8.Visualization（可視化）：在大數據環境下，通過數據可視化可以更加直觀地闡釋數據的意義，幫助理解數據，解釋結果。
綜上所述，以上「8V」特徵在大數據分析與數據挖掘中具有很強的指導意義。
三、大數據時代下的數據挖掘
在大數據時代，數據挖掘需考慮以下四個問題：
大數據挖掘的核心和本質是應用、演算法、數據和平台4個要素的有機結合。
因為數據挖掘是應用驅動的，來源於實踐，海量數據產生於應用之中。需用具體的應用數據作為驅動，以演算法、工具和平台作為支撐，最終將發現的知識和信息應用到實踐中去，從而提供量化的、合理的、可行的、且能產生巨大價值的信息。
挖掘大數據中隱含的有用信息需設計和開發相應的數據挖掘和學習演算法。演算法的設計和開發需以具體的應用數據作為驅動，同時在實際問題中得到應用和驗證，而演算法的實現和應用需要高效的處理平台，這個處理平台可以解決波動性問題。高效的處理平台需要有效分析海量數據，及時對多元數據進行集成，同時有力支持數據化對演算法及數據可視化的執行，並對數據分析的流程進行規范。
總之，應用、演算法、數據、平台這四個方面相結合的思想，是對大數據時代的數據挖掘理解與認識的綜合提煉，體現了大數據時代數據挖掘的本質與核心。這四個方面也是對相應研究方面的集成和架構，這四個架構具體從以下四個層面展開：
應用層（Application）：關心的是數據的收集與演算法驗證，關鍵問題是理解與應用相關的語義和領域知識。
數據層（Data）：數據的管理、存儲、訪問與安全，關心的是如何進行高效的數據使用。
演算法層（Algorithm）：主要是數據挖掘、機器學習、近似演算法等演算法的設計與實現。
平台層（Infrastructure）：數據的訪問和計算，計算平台處理分布式大規模的數據。
綜上所述，數據挖掘的演算法分為多個層次，在不同的層面有不同的研究內容，可以看到目前在做數據挖掘時的主要研究方向，如利用數據融合技術預處理稀疏、異構、不確定、不完整以及多來源數據；挖掘復雜動態變化的數據；測試通過局部學習和模型融合所得到的全局知識，並反饋相關信息給預處理階段；對數據並行分布化，達到有效使用的目的。
四、大數據挖掘系統的開發
1.背景目標
大數據時代的來臨使得數據的規模和復雜性都出現爆炸式的增長，促使不同應用領域的數據分析人員利用數據挖掘技術對數據進行分析。在應用領域中，如醫療保健、高端製造、金融等，一個典型的數據挖掘任務往往需要復雜的子任務配置，整合多種不同類型的挖掘演算法以及在分布式計算環境中高效運行。因此，在大數據時代進行數據挖掘應用的一個當務之急是要開發和建立計算平台和工具，支持應用領域的數據分析人員能夠有效地執行數據分析任務。
之前提到一個數據挖掘有多種任務、多種功能及不同的挖掘演算法，同時，需要一個高效的平台。因此，大數據時代的數據挖掘和應用的當務之急，便是開發和建立計算平台和工具，支持應用領域的數據分析人員能夠有效地執行數據分析任務。
2.相關產品
現有的數據挖掘工具
有Weka、SPSS和SQLServer，它們提供了友好的界面，方便用戶進行分析，然而這些工具並不適合進行大規模的數據分析，同時，在使用這些工具時用戶很難添加新的演算法程序。
流行的數據挖掘演算法庫
如Mahout、MLC++和MILK，這些演算法庫提供了大量的數據挖掘演算法。但這些演算法庫需要有高級編程技能才能進行任務配置和演算法集成。
最近出現的一些集成的數據挖掘產品
如Radoop和BC-PDM，它們提供友好的用戶界面來快速配置數據挖掘任務。但這些產品是基於Hadoop框架的，對非Hadoop演算法程序的支持非常有限。沒有明確地解決在多用戶和多任務情況下的資源分配。
3.FIU-Miner
為解決現有工具和產品在大數據挖掘中的局限性，我們團隊開發了一個新的平台——FIU-Miner，它代表了A Fast,Integrated,and User-Friendly System for Data Miningin Distributed Environment。它是一個用戶友好並支持在分布式環境中進行高效率計算和快速集成的數據挖掘系統。與現有數據挖掘平台相比，FIU-Miner提供了一組新的功能，能夠幫助數據分析人員方便並有效地開展各項復雜的數據挖掘任務。
與傳統的數據挖掘平台相比，它提供了一些新的功能，主要有以下幾個方面：
A.用戶友好、人性化、快速的數據挖掘任務配置。基於「軟體即服務」這一模式，FIU-Miner隱藏了與數據分析任務無關的低端細節。通過FIU-Miner提供的人性化用戶界面，用戶可以通過將現有演算法直接組裝成工作流，輕松完成一個復雜數據挖掘問題的任務配置，而不需要編寫任何代碼。
B.靈活的多語言程序集成。允許用戶將目前最先進的數據挖掘演算法直接導入系統演算法庫中，以此對分析工具集合進行擴充和管理。同時，由於FIU-Miner能夠正確地將任務分配到有合適運行環境的計算節點上，所以對這些導入的演算法沒有實現語言的限制。
C.異構環境中有效的資源管理。FIU-Miner支持在異構的計算環境中（包括圖形工作站、單個計算機、和伺服器等）運行數據挖掘任務。FIU-Miner綜合考慮各種因素（包括演算法實現、伺服器負載平衡和數據位置）來優化計算資源的利用率。
D.有效的程序調度和執行。
應用架構上包括用戶界面層、任務和系統管理層、邏輯資源層、異構的物理資源層。這種分層架構充分考慮了海量數據的分布式存儲、不同數據挖掘演算法的集成、多重任務的配置及系統用戶的交付功能。一個典型的數據挖掘任務在應用之中需要復雜的主任務配置，整合多種不同類型的挖掘演算法。因此，開發和建立這樣的計算平台和工具，支持應用領域的數據分析人員進行有效的分析是大數據挖掘中的一個重要任務。
FIU-Miner系統用在了不同方面：如高端製造業、倉庫智能管理、空間數據處理等，TerraFly GeoCloud是建立在TerraFly系統之上的、支持多種在線空間數據分析的一個平台。提供了一種類SQL語句的空間數據查詢與挖掘語言MapQL。它不但支持類SQL語句，更重要的是可根據用戶的不同要求，進行空間數據挖掘，渲染和畫圖查詢得到空間數據。通過構建空間數據分析的工作流來優化分析流程，提高分析效率。
製造業是指大規模地把原材料加工成成品的工業生產過程。高端製造業是指製造業中新出現的具有高技術含量、高附加值、強競爭力的產業。典型的高端製造業包括電子半導體生產、精密儀器製造、生物制葯等。這些製造領域往往涉及嚴密的工程設計、復雜的裝配生產線、大量的控制加工設備與工藝參數、精確的過程式控制制和材料的嚴格規范。產量和品質極大地依賴流程管控和優化決策。因此，製造企業不遺餘力地採用各種措施優化生產流程、調優控制參數、提高產品品質和產量，從而提高企業的競爭力。
在空間數據處理方面，TerraFly GeoCloud對多種在線空間數據分析。對傳統數據分析而言，其難點在於MapQL語句比較難寫，任務之間的關系比較復雜，順序執行之間空間數據分許效率較低。而FIU-Miner可有效解決以上三個難點。
總結而言，大數據的復雜特徵對數據挖掘在理論和演算法研究方面提出了新的要求和挑戰。大數據是現象，核心是挖掘數據中蘊含的潛在信息，並使它們發揮價值。數據挖掘是理論技術和實際應用的完美結合。數據挖掘是理論和實踐相結合的一個例子。
-
-

C. 一個人的成功不在於他的個人能力有多強,而在於其調動資源的能力。這句話的理

摘要 社群電商是最近幾年隨移動互聯網而發展起來的一種新型的電商模式，雖然它並沒有顛覆傳統電商或移動電商，但是在模式上對傳統電商和移動電商做了較大的深化和延伸。在表現形式上，社群電商是一套用戶管理體系，通過將用戶社群化而充分激活沉澱用戶，與傳統的用戶管理方式相比較，社群電商更注重用戶之間的情感聯系，通過社交網路工具對用戶進行社群化改造，利用社會化媒體工具充分調動社群成員的活躍度和傳播力。在社群電商模式下，用戶因為被好的內容吸引，被良好的情感所激勵，極大提升了用戶在電商平台中的信任度和歸屬感，因而促成了更多的交易，完成商業變現。

D. 社交網路數據分析與應用

社交網路數據分析與應用
根據最近的一份調查數據顯示，美國互聯網媒體的市值已達10890億美元，是傳統媒體的3倍，類似的在中國，根據艾瑞咨詢發布的2014年第二季度網路經濟核心數據顯示，截止2014年6月30日，中國主要上市互聯網公司市值前五的為騰訊（1405.6億美元）、網路（654.5億美元）、京東（389.7億美元）、奇虎360（120.9億美元）、唯品會（111.9億美元）。與此同時，以Facebook，Twitter，微博，微信等為代表的社交網路應用正蓬勃發展，開啟了互聯網時代的社交概念。據全球最大的社會化媒體傳播咨詢公司We Are Very Social Limited分析指出，目前社交類軟體使用的人數已達25億——佔世界總人數約的35%，另據艾瑞咨詢發布的2014年第二季度社區交友數據顯示，2014年5月，社區交友類服務月度覆蓋人數達到4.7億，在總體網民中滲透率為92.5%；2014年5月社交服務在移動App端月度覆蓋人數為1.9億人，其中微博服務在移動端優勢較為明顯，月度覆蓋人數達到1.1億人；互聯網媒體和社交網路是Web2.0時代兩個非常重要的應用，那麼一個自然的問題是這兩個領域將會如何互動發展？本報告主要從數據分析（非財務、非戰略）的角度嘗試探討網路結構會給互聯網媒體帶來什麼樣的機遇和挑戰。具體而言，我們根據自己的研究經驗只關注以下幾個方面：新聞、影音和搜索，根據艾瑞咨詢發布的2013網路經濟核心數據顯示，這三部分的收入佔到中國市值TOP20互聯網企業總市值的32.16%，其重要性不可忽視。我們通過具體的案例並結合理論前沿做探索性的研討。
一、音樂推薦
根據《2013中國網路音樂市場年度報告》顯示，2013年底，我國網路音樂用戶規模達到4.5億。其中，手機音樂用戶人數由2012年的0.96億增長到2013年的2.91億，年增長率達203%。從網路音樂用戶規模的飛躍式增長可以看到音樂流媒體服務蘊含著巨大的商機。在國外，科技巨頭爭奪音樂市場的野心也初露端倪，今年年初，蘋果斥資30億美元買下Beats Electronics，而谷歌也隨後收購了流媒體音樂服務提供商Songza。
音樂產業在新媒體時代占據重要地位。本報告主要關注移動互聯網環境下在線音樂服務商（酷狗音樂、QQ音樂、天天動聽等）的發展現狀並且對當前的音樂個性化推薦提出我們的一些見解。
1.1 音樂推薦與社交網路
根據國內知名研究機構CNIT-Research 8月份發布的《2014年第二季度中國手機音樂APP市場報告》的數據顯示，排名前三的手機音樂App為酷狗音樂、QQ音樂、天天動聽。他們所佔的市場份額分別為：20.1%，17.0%以及15.8%。
酷狗音樂 QQ音樂 天天動聽
其中，酷狗音樂和天天動聽憑借在在線音樂領域長期積累的用戶資源、高品質音質、卓越的UI界面以及完美的下載體驗取勝。而QQ音樂主要依附強大的社交工具QQ應運而生，可謂是「社交音樂」領域的先驅者。從2014年第二季度手機音樂數據來看，QQ音樂增勢迅猛，連續三個月用戶下載量增速均超過行業增速水平，而酷狗音樂、天天動聽均增速低於市場行業增速，用戶市場份額有所下降。
根據速途研究院對手機音樂用戶願景的調查顯示，有58%的用戶希望增強個性化音樂推薦的功能，這說明有很多用戶在收聽音樂時其實並不清楚自己喜歡什麼類型的歌曲，如果音樂電台能根據用戶的個人喜好「猜出」用戶喜歡什麼歌曲並為其進行推薦，那將會給用戶帶來意想不到的完美體驗。目前的很多音樂軟體都支持推薦這一功能。以下是音樂App市場中常見的音樂產品的個性化推薦以及定製方式：
酷狗音樂 QQ音樂 天天動聽
根據研究，推薦模式主要分為以下幾種：（1） 熱點推薦，可以根據大眾的搜索記錄，通過排行榜的形式得到，也可以根據近期發生的音樂娛樂事件推薦，如中國好聲音、我是歌手等；（2）根據用戶的聽歌記錄推薦，包括用戶對每首歌的喜惡記錄；（3）根據地理位置信息結合用戶興趣進行推薦；（4）根據用戶喜歡的歌手信息進行推薦。但是，以上這些推薦模式都沒有能夠充分利用社交網路的信息。在社交網路風靡全球的時代，有越來越多的音樂服務商發現，社交網路可以幫助商家留住更多的用戶，同時，充分利用社交網路信息將帶來更加卓越完美的用戶體驗。可以看到，酷狗音樂和天天動聽都允許用戶使用第三方賬戶（微博、QQ）進行綁定登錄，並提供分享到微博、微信等選項；QQ音樂特設了「動態」專欄，用於顯示好友分享的音樂。另外，酷狗和QQ音樂都可以通過定位的方式推薦附近的志趣相投的好友。
酷狗音樂 QQ音樂 天天動聽
上述事實說明，社交音樂存在巨大的潛力和價值。那麼，這一方面有無突出的企業呢？其中英國的Last.fm和中國的QQ音樂可以算得上是這方面的一個代表。
Last.fm QQ音樂
Last.fm是 Audioscrobbler 音樂引擎設計團隊的旗艦產品，有遍布232個國家超過1500萬的活躍聽眾。2007年被CBS Interactive以2.8億美元價格收購，目前，Last.fm是全球最大的社交音樂平台。QQ音樂是中國互聯網領域領先的網路音樂平台及正版數字音樂服務提供商，在中國手機音樂市場所佔份額躋身四大巨頭（其他三個分別是酷狗、天天動聽、酷我），月活躍用戶已達到3億，是中國社交音樂領域的領軍人物。
以QQ音樂為例，我們詳細分析它在利用社交網路信息進行個性化推薦的優勢與可能存在的不足。QQ音樂依附強大的社交工具QQ而生，長期以來受到廣大用戶的喜愛，這與QQ背後的億萬級用戶是無法割離的，可以說，QQ音樂是有先天的社交優勢的。用戶登錄QQ音樂後，可以看到動態欄中顯示的好友音樂動態，同時，它還允許用戶綁定自己的微博賬號，把音樂分享給微博好友。不僅如此，QQ音樂允許用戶自己編輯生成歌單，並分享給好友，這起到了一定的自媒體的作用。在「明星部落」這一功能中，QQ音樂允許粉絲之間交流互動，並形成一定的社交規模。從上述總結中，我們已經可以看到，QQ音樂已經有意識的把社交信息融合到產品設計和運營中，以增加客戶粘性。但是從數據分析的基礎和推薦演算法的構建上，是否真正做到有效利用社交網路信息了呢？為此，使用QQ音樂於2012年全面更新升級的「猜你喜歡」功能，並發現了如下問題：當筆者沒有任何聽歌記錄時，這一模塊並不能為筆者推薦歌曲。根據提示內容，目前該功能可能主要依靠用戶的歷史聽歌記錄進行推薦。同樣的問題出現在QQ音樂館的推薦欄中：大部分初始推薦音樂來源於當下熱門音樂歌曲，缺少個性化成分。
QQ音樂：猜你喜歡 QQ音樂館
以上事實說明音樂服務商在推薦演算法上沒有充分利用社交網路的信息。事實上，在獲得用戶個人綁定社交網路賬號的基礎上，可以得到用戶的朋友關系，進一步可以獲得用戶好友的聽歌記錄，這些歌曲可以成為初始推薦曲目的備選項，將這些備選項通過一定規則（熱度、好友相似度）排序，可以用於音樂推薦；另外，眾所周知，社交網路（如微博）是明星與粉絲互動的一個重要渠道，因此，可以重點提取用戶對於社交網路中歌手以及音樂人的關注關系，以獲得對用戶偏好的推測。以上這些過程可以用下圖表示。
可以看到，在以社交網路綁定的音樂社區中，每個人並不是孤立的個體，而是通過好友關系，以及粉絲與明星的關注關系聯系起來。音樂活動的多元化為QQ音樂的推薦場景帶來了新的挑戰。我們認為存在以下幾個需要處理的問題：（1）如何高效利用好友的音樂信息對用戶進行推薦？用戶的好友眾多，每個好友會留下很多音樂記錄，這些信息綜合起來的話數量極其龐大，如何迅速整合朋友及其收聽記錄並按照優先程度排序對用戶進行推薦是提高用戶體驗的前提條件。（2）如何整合多種信息渠道進行推薦？隨著時間的推進，一個音樂賬戶留下的信息是多元化的。例如，用戶主動搜索的音樂記錄、用戶對歷史收聽音樂記錄的反饋，用戶選擇的電台種類、用戶自己總結生成的歌單、用戶對朋友分享音樂的反饋信息等。因此，如何對這些異質的信息來源進行有效整合，或者，在資源有限的情況下，如何判斷和篩選出對於提高推薦精度最有效的指標是提高音樂推薦效果的關鍵法寶。（3）如何整合當前音樂潮流趨勢與用戶個人興趣基因？音樂是充滿了潮流和娛樂性的產業，因此，用戶的音樂興趣不僅受其自身興趣基因驅使，也受到當前音樂流驅使的影響。因此，如何結合用戶個人興趣以及音樂潮流趨勢對用戶進行有效推薦，是對於音樂這一特殊娛樂行業的特別要求。綜上我們認為QQ音樂雖然是利用社交關系進行音樂推薦的先驅者，但是在利用網路數據的層面上仍有很大的改進和提升空間。
1.2 基於社交網路的音樂推薦
在此我們給出如何利用網路數據對用戶進行推薦的技術思想。由於音樂推薦場景實體的多元化，我們將常見的推薦場景列舉如下：推薦歌曲、推薦歌單、推薦電台、推薦歌手、推薦用戶。接下來，我們將從音樂分類與結構化、用戶信息整合、網路結構應用三個步驟詳細闡述我們的觀點。
音樂結構化與歸一化
1.歌曲標簽化
首先，基於音樂的不同風格，我們需要對系統中存在的海量歌曲進行分類，通過打標簽的方式，使音頻信息通過文本的方式結構化。分類的方法多種多樣，標准各異，從幾個音樂主流網站的標簽組織形式看來，主要從客觀、主觀兩個角度進行分析。從客觀的角度講，音樂可以按照流派、地域、年代、演奏樂器等方式分類，如「流行」、「搖滾」、「鄉村音樂」、「90後」、「鋼琴曲」等等，且大類下面可以設小類，如「流行」下可以設置「華語流行」、「歐美流行」等小類；從主觀的角度講，音樂風格與聽歌時的心情、場景高度相關，如分為「甜蜜」、「安靜」、「治癒」、「酒吧」、「咖啡館」等等，這種標簽使得用戶在聽音樂時彷彿有一種身臨其境的感覺，帶來更高的視聽享受。除此之外，標簽也可以由用戶自己生成，如用戶的熱搜關鍵詞記錄、用戶自行備注標簽等。這在一定程度上正是利用自媒體的形式擴充標簽庫，使之更能反應用戶興趣。
2.歌手信息提取
除了可以將歌曲標簽化，我們還可以進一步的對歌手信息進行提取。比如根據地域我們可以把歌手分為大陸、港台、歐美等，根據年代可以分為60後、70後、80後歌手，根據他們的曲風可以分為搖滾、抒情、朋克等。通過打標簽的形式把歌手進行分類，從而形成結構化的數據格式，方便以後快速清晰的定位用戶喜歡哪一類型的歌手。同樣的我們也可以對歌單、作詞者、作曲者進行標簽化處理，例如歌單的標簽可以模仿歌曲的形式，因為歌單是由歌曲組成，所以可以用歌曲的標簽來代表歌單的標簽。作詞者和作曲者的標簽可以參考歌手打標簽的方法，另外值得注意的是，由於音樂人之間形成合作、作曲、寫詞等合作關系，可以認為是一個社交網路關系，常常可以見到的現象是某些歌手與詞作者存在密切的合作關系，而這部分信息也可用於音樂的個性化推薦。例如，對於一些有特定合作的歌手和詞（曲）作者，我們應該特別留意，比如周傑倫和方文山這對組合。
3.歌詞的語義分析
歌曲的重要組成部分就是歌詞，由於歌詞屬於文本，我們不可能直接對其打標簽，所以首先要進行的是語義分析，通過語義分析我們可以大概知道歌詞的內容，比如我們可以把歌詞切分成短語，然後對每一個短語進行歸納總結，可以判斷短語的情感極性（如積極還是消極），對短語進行主題分類，由於歌詞數目龐大，可以利用自然語言處理的方式，如主題模型等預先提取主題，再通過人工加以校正。這樣就可以對歌詞進行標簽化處理了。下面我們以歌曲為例，簡要的說明具體標簽化過程。
通過標簽的形式我們可以對每個歌曲的主題予以分類和描述。用於描述一支單曲的標簽數目越多，對於音樂主題的描述就更加清晰、明朗；但同時，冗餘和重復的信息也可能越多，處理的難度就越大。因此，我們要對標簽進行排序和篩選，一個比較簡單高效的辦法是選擇最熱門的N個標簽作為我們的目標詞庫，並且對該詞庫定期進行更新。具體來說，我們將所有標簽按照重要程度由高到低進行排序，選擇前p個標簽作為我們的標簽集合。給定一首歌曲t，我們用一個超高維向量Xt=(Xt1,…,Xtp)∈?p表示它的標簽信息，其中Xtj=1表示該歌曲含有第j個標簽，否則，該歌曲不含有第j個標簽。例如對於一首鋼琴曲演奏的純音樂，對其打的標簽可能是：鋼琴曲、安靜、咖啡館等。設鋼琴曲、安靜、咖啡館分別對應於標號為1、3、5的標簽，那麼向量Xt可以表示為Xt=(1,0,1,0,1,0,…0) 。通過以上步驟，我們就可以把看似雜亂的音樂風格通過打標簽的形式進行結構化，用一個只含0、1元素的超高維向量對每首歌曲進行分類。
對於歌單、電台這些由歌曲集合而成的實體，我們也可以通過標簽的方式對其進行刻畫。例如，對於給定的一個歌單m，我們同樣用一個超高維向量

E. 社交網路的起源，發展歷程及未來的發展趨勢。越詳細越好啊，多謝了各位

1. 社交網路的起源
   六度分割原理及社交網路的興起與發展
   有一個數學領域的猜想，名為SixDegreesofSeparation，中文翻譯包括以下幾種：六度分割理論或小世界理論等。理論指出：你和任何一個陌生人之間所間隔的人不會超過六個，也就是說，最多通過六個人你就能夠認識任何一個陌生人。
   虛擬雖然是網路世界的一種優勢，但是和商業社會所要求的實名、信用隔著一條鴻溝。通過熟人之間，通過「六度分割」產生的聚合，將產生一個可信任的網路，這其中的商業潛能的確是無可估量的。社會、網路、地域、商業、Blog、SNS，這些詞彙你也許都聽麻木了。然而一旦那些預見先機的人找到聚合它們的商業價值，被改變的絕不僅僅是網路世界。
   「社交網路」是近些年最受關注的互聯網名詞，它的英文縮寫是SNS，第一個S是Social社會化，第二個N代表Networking網路，第三個S是Services服務。SNS的概念起源於社會網路研究者提出的「六度理論」，即最多通過六個人你就能夠認識任何一個陌生人。SNS將現實中的人際關系搬到了互聯網上，讓世界上的任何一個人都能聯絡彼此。

總體來看，社交網路不僅僅是一些新潮的商業模式，從歷史維度來看，它更是一個推動互聯網向現實世界無限靠近的關鍵力量。目前，社交網路含蓋以人類社交為核心的所有網路服務形式，互聯網是一個能夠相互交流，相互溝通，相互參與的互動平台，社交網路使得互聯網從研究部門、學校、政府、商業應用平台擴展成一個人類社會交流的工具。現在社交網路更是把其范圍拓展到移動手機平台領域，藉助手機的普遍性和無線網路的應用，利用各種交友/即時通訊/郵件收發器等軟體，使手機成為新的社交網路的載體。

2.國內社交網路的發展歷史及現狀

中國社交網路的從無到有
隨著國外社交網站的日漸盛行，社交網路也開始踏入中國的互聯網世界。2003年，Uuzone在南京成立，又名優友地帶。優友是一個Web2.0公司，社交網路，你可以在優友寫Blog，使用網路IP電話，建立自己的小圈子，它是一個面向18到25歲受過良好教育的年輕人的網路社交平台。UU地帶致力於以網路溝通人與人，倡導通過網路拓展人際關系圈，讓用戶盡情享受社交和溝通的樂趣。UU地帶以提高網路誠信、建立信任溝通為己任，為互聯網應用帶來清新健康的新風尚。同時，Uuzone也定位在滿足用戶在網路「非約會、非商務」的廣泛性網路交往。
越來越多的用戶帶來社交新樂趣用戶使用UU地帶的服務，可以通過自己的朋友結識朋友的朋友，朋友的朋友的朋友„„從而獲得更多高質量的、可信任的朋友，即為優友，並創建誠信安全的個人社交圈，從結交朋友、休閑娛樂、商務投資、學習探討等等一系列的交流活動中獲得樂趣。
作為中國早期的社交網站，在中國互聯網剛剛起步的時期，確實取得了不小的成績，其用戶數量超過300萬。然而，盈利模式的不清晰，導致其後來的發展一直差強人意，同時，優友地帶有據可查的融資紀錄，除了晨興創投的100萬美元外再無其他資金注入。而目前SNS網站的廣告收入與成本支出有極大差距，盈利遙遙無期。因此，優友地帶最終於2009年停止了所有的服務，成為SNS社區洗牌中的第一個犧牲者。（二）各類社交網站層出不窮
隨著時間的推移，國內各種社交網站如雨後春筍般的出現在世人面前，諸如校內網（現人人網）、開心網、51.com、騰訊朋友、新浪微博等。
51.com成立於2005年8月。51.com致力於為用戶提供穩定安全的數據存儲空間和便捷的交流平台。51.com是由美國紅杉資本中國基金（SequoiaCapitalChina）、巨人網路集團（GiantInteractiveGroup）、海納亞洲創投（SusquehannaInternationalGroup）、英特爾資本（IntelCapital）、紅點創投（RedpointVentures）等國際著名的企業和風險基金聯合投資而成。2006年07月，入圍全球著名風險投資業媒體RedHerring2006年亞洲最具發展潛力百強排行榜。2006年09月，位於IWebChoice排名之全球華語網站21名。2006年11月，注冊用戶破5000萬。2007年05月，成功並購虛擬形象平台「Pixoart」。2007年06月，注冊用戶突破7000萬。2007年07月，與英特爾資本、紅點創投、美國紅杉資本中國基金、海納亞洲創投完成第二輪超過1500萬美元投資協議。2008年01月，注冊用戶突破1億，月獨立用戶超過2500萬。2008年01月，網路發布《2007中國空間社區（博客）研究報告》顯示，總體流量次於騰訊位居第二，用戶活躍度（以獨立IP平均頁面瀏覽量為標准）居國內首位。2008年05月，上海總部遷居至浦東新區張江高科技園區。2008年07月，與巨人網路集團、上海浦東科委等投資者完成第三輪超過5000萬美元投資協議。2008年07月，與巨人網路集團、上海浦東科委等投資者完成第三輪超過5000萬美元投資協議。2008年12月，合作廣告品牌客戶累計超過200家。2009年04月，第一款游戲產品「51游戲」上線運營，進軍網遊行業。2009年07月，推出聊天軟體「彩虹」（51掛掛升級版），形成完整的網站、游戲、IM三大產品線。2009年12月，即時交友軟體「彩虹」正式上線。2009年12月，注冊用戶突破1.78億，月獨立用戶超過4000萬。
開心網由北京開心人信息技術有限公司創辦於2008年3月，是國內第一家以辦公室白領用戶群體為主的社交網站。開心網為廣大用戶提供包括日記、相冊、動態記錄、轉帖、社交遊戲在內的豐富易用的社交工具，使其與家人、朋友、同學、同事在輕松互動中保持更加緊密的聯系。自創辦以來，開心網以發掘和滿足用戶需求、完善用戶體驗為導向，以技術和產品的不斷創新為動力，致力於為廣大用戶提供一個真實、輕松的社交互動平台。在產品方面，開心網組件主要分為基礎工具、社交遊戲和其他應用三大類，其中社交遊戲類別包括「開心城市」、「開心庄園」、「開心餐廳」等眾多熱門游戲；其他應用類別包括「天氣預報」、「在線購票」、「模擬炒股」等眾多實用工具。開心網提供的優質產品和服務深受用戶的歡迎，先後獲得「網民最喜歡的SNS類社區」、「2009年度最有價值網站（社交類）」等多項獎勵。在技術領域，開心網團隊始終致力於自主技術研發，採用國際領先的互聯網技術，包括先進的共享交互網路、數據傳輸方案、分布式存儲解決方案等，以滿足大規模用戶的各種復雜應用與海量數據交互，引領新一代互聯網科技的發展，並且通過技術創新滿足了用戶更深層次的需求。
人人網是由千橡集團將旗下著名的校內網更名而來。2009年8月4日，將旗下著名的校內網更名為人人網，社會上所有人都可以來到這里，從而跨出了校園內部這個范圍。人人網為整個中國互聯網用戶提供服務的SNS社交網站，給不同身份的人提供了一個互動交流平台，提高用戶之間的交流效率，通過提供發布日誌、保存相冊、音樂視頻等站內外資源分享等功能搭建了一個功能豐富高效的用戶交流互動平台。
朋友網原名QQ校友，是騰訊公司打造的真實社交平台，為用戶提供行業、公司、學校、班級、熟人等真實的社交場景。2011年7月5日，騰訊公司正式宣布旗下社區騰訊朋友更名為朋友網。
新浪微博是一個由新浪網推出，提供微型博客服務的類Twitter網站。用戶可以通過網頁、WAP頁面、手機簡訊、彩信發布消息或上傳圖片。新浪可以把微博理解為「微型博客」或者「一句話博客」。您可以將您看到的、聽到的、想到的事情寫成一句話，或發一張圖片，通過電腦或者手機隨時隨地分享給朋友，一起分享、討論。您還可以關注您的朋友，即時看到朋友們發布的信息（字數140字以內）。
總體來說，中國社交網站在此階段經歷了爆炸式的發展，至今形成了多家並立的局面

3.對國內社交網路的未來發展的展望
社交網路將繼續促進信息的自由流動，促進社會的進步，在和用戶交互的過程中促進人影響人。
社交網站正在成為以人際關系為聯接的互聯網互動應用的集成平台。在不久的將來，由於社交網站學生和青年白領這兩部分數量占優的網民用戶群體的特殊需求的滿足及社交網路的病毒式營銷、口碑相傳的推廣方式，將推動中國社交網站用戶的爆發式增長。由於添加了互動游戲，娛樂類社交網站的高頻次游戲應用將直接影響網站的使用頻率，將使用戶具備更高的用戶黏度。最終實現網站和用戶雙方的可延續價值更大化。
而商務社交網站出發點是商務人脈拓展，目的性較強，用戶傾向於在有特定需求時使用網站，使用頻次較低，但隨著時間的推移，商務社交網站也紛紛開始在平台上構建更多的互動，有利於商務人脈的深層次培養，商務社交網站使用頻率低的情況正在得到改善。社交網站是基於人與人之間關系的應用，親友之間口碑相傳的推廣是最有效的渠道。有近八成用戶獲知正在使用的社交網站是來自朋友、同學、同事的推薦，佔到74.6%，其他渠道獲知的均少於20%。
由於社交網站的流行，它所帶來的商業價值也是各大商家的必爭利益，因此社交網站的熱行亦將促進社會的經濟發展，促進社會進步。目前數據顯示，中國Top50位的SNS站點中，其中36個SNS站點部署了頁面廣告。廣告是目前SNS網站的主要收入來源，但在未來，除了第三方個人和公司聯合平台開發商繼續開發插件並聯合運營外，SNS站點還有可能聯合專業的網頁游戲開發商聯合開發並運營，實現更大的盈利。
社交網路在於人的現實生活中有更多的融合點，隱私問題短期內將無法解。
在最近的一次調查中，有75.8%的用戶表示，在社交網站上的好友是現實中的朋友。因此隨著網路滲透率的提升和網民對於網路應用的深入，社交網站用戶規模將會得到進一步擴大，越來越多的用戶會將更多現實生活中的人際關系延伸到網路。社交網路將與人的現實生活有更多的融合點。
由於社交網路基於對用戶真實身份的營銷，SNS網站的精準完全基於網站用戶的真實性，作為真實關系網路延伸的SNS網站會員的信息真實度較高，同時我們也可以依據用戶信息和朋友圈子去判斷一個用戶的真實程度。因此，任何網友都可以輕易地了解到每一個用戶的基本用戶屬性，也可以從用戶的使用行為中分析得出興趣、經歷、偏好、朋友圈、購物記錄，從而用戶的隱私就被暴露無遺。隨之出現社會上一些不法分子利用這些掌握的用戶人口統計和行為信息進行不法活動。
雲服務、移動計算和社交網路等技術將走向成熟並相互交融，從而形成一個全新的主流平台
過去幾年來，轉型一直是IDC（國際數據公司）年度預測的主題。這一次，迫於全球經濟衰退的壓力，一波顛覆性技術的浪潮已經形成，並在逐漸發展壯大。IDC預計，在2011年及以後的時間里，雲服務、移動計算和社交網路等技術將走向成熟並相互交融，從而形成一個全新的主流平台，無論對IT業還是其所服務的其它行業均是如此。
「2011年，我們預計這些轉型技術會發生重大轉變，即從初步接納狀態演變為初步主流態勢。」IDC高級副總裁兼首席分析師FrankGens說。「因此，我們將會看到，IT行業的活動會越來越多地圍繞著這個下一代主力平台的構建和採用來展開，其主要特點為移動、基於雲的應用和服務交付，以及社交業務和林林總總分析手段的價值發掘。這種平台的變遷將會在另一個IT支出得以強勢回升的年份飛速發展。全球IT行業的支出也將得益於新興市場的加速恢復，它將佔到2011年全球所有新增IT凈支出的一半以上。
社交網路具備更加實用的功能，富媒體化、多元化趨勢將更加明顯
網路社交不僅僅是一些新潮的商業模式，從歷史維度來看，它更是一個推動互聯網向現實世界無限靠近的關鍵力量。
隨著社交網路的發展，越來越模糊的組織邊界、越來越細分的人群以及越來越強大的個體出現在中國的主流社交網站中，所以更多媒體的嵌入，更多元化元素的滲透已經成為一種趨勢去促成社交網路的不斷更新與完善。

參考資料
六度空間理論
CNNIC中國互聯網路信息中心社交網路統計數據中國的社交媒體騰訊社交網路分析
2011社交共享發展趨勢
2010-2011年中國社交網路市場研究報告中國社交網路走向何方

F. 新媒體與運營作業:用案例分析一下社交網路分析方法在營銷中的作用。跪謝各大神解答，謝謝

一個新東西即使做得再好，也是需要出來推廣的，不推廣是不行。

G. 大數據文本分析的應用場景有哪些

1.錘子新發布的功能「BigBang」分詞功能。也算是大數據文本分析的應用，通過大數據文本分析，才能實現對詞義的准確分析，從而做到更准確的分詞。
2.網路輿情監控。這也當然是大數據文本分析的產物，提取網路文本的關鍵詞，組成語義網路之後分析語義傾向，達到輿情監控的目的。
3.社交網路情緒監控。相信大家都看到了很多網路上直播自殺、發自殺預報的這樣的事情，和輿情監控相同，就是對個人社交網路的信息進行監控，通過文本分析和機器學習的技術，分析出此人的情緒狀況，一旦出現極端的負面情緒，可以通過一定的措施避免極端行為的發生。
4.證券行業投資情報獲取。可以基於積累的大數據做進一步深層次的分析與挖掘，整合各社交網路、證券討論社區群體信息提取加工成有價值的證券投資情報，對證券投資行為做輔助分析和預報。

H. 淺析用戶行為分析的意義及5大應用場景

淺析用戶行為分析的意義及5大應用場景
通過用戶行為分析才能知道用戶畫像、用戶在網站上個各種瀏覽、點擊、購買背後的商業真相，用戶行為分析的價值不言而喻。一、什麼是用戶行為？
用戶行為由最簡單的五個元素構成：時間、地點、人物、交互、交互的內容。
（一）什麼是用戶行為？
對用戶行為進行分析，要將其定義為各種事件。比如用戶搜索是一個事件，在什麼時間、什麼平台上、哪一個ID、做了搜索、搜索的內容是什麼。這是一個完整的事件，也是對用戶行為的一個定義；我們可以在網站或者是 APP 中定義千千萬萬個這樣的事件。
有了這樣的事件以後，就可以把用戶行為連起來觀察。用戶首次進入網站後就是一個新用戶，他可能要注冊，那麼注冊行為就是一個事件。注冊要填寫個人信息，之後他可能開始搜索買東西，所有這些都是用戶行為的事件。
（二）如何獲取用戶行為數據？
那麼，我們又該如何去監測這些用戶行為數據呢？
一種非常傳統、非常普遍的方式就是通過寫代碼去定義這個事件。在網站需要監測用戶行為數據的地方載入一段代碼，比如說注冊按鈕、下單按鈕等。載入了監測代碼，我們才能知道用戶是否點擊了注冊按鈕、用戶下了什麼訂單。
所有這些通過寫代碼來詳細描述事件和屬性的方式，國內都統稱為「埋點」。這是一種非常耗費人力的工程，並且過程非常繁瑣重復；但是大部分互聯網公司仍然僱傭了大批埋點團隊。
二、為什麼要做用戶行為分析？
既然這么麻煩，那為什麼要做用戶行為分析？
因為只有做了用戶行為分析才能知道用戶畫像、才能知道用戶在網站上個各種瀏覽、點擊、購買背後的商業真相。
簡單講，分析的主要方式就是關注流失，尤其是對轉化有要求的網站。我們希望用戶不要流失，上來之後不要走。像很多 O2O 產品，用戶一上來就有很多補貼；一旦錢燒完了，用戶就都走了。這樣的產品或者商業模式並不佳，我們希望用戶真正找到平台的價值，不停的來，不要流失。
用戶行為分析幫助分析用戶怎麼流失、為什麼流失、在哪裡流失。
比如最簡單的一個搜索行為：某一個 ID 什麼時間搜索了關鍵詞、看了哪一頁、哪幾個結果，同時這個 ID 在哪個時間下單購買了，這個整個行為都非常重要的。如果中間他對搜索結果不滿意，他肯定會再搜一次，把關鍵詞換成別的，然後才能夠搜索到結果。
用戶行為分析還能做哪些事情？
當你有了很多用戶行為數據、定義事件之後，你可以把用戶數據做成一個按小時、按天，或者按用戶級別、事件級別拆分的一個表。這個表用來做什麼？一個是知道用戶最簡單事件，比如登錄或者是購買，也可以知道哪些是優質用戶、哪些是即將流失的客戶，這樣的數據每天或每個小時都能看到。
三、用戶行為分析的五大場景
有了用戶的行為數據以後，我們有哪些應用場景呢？
拉新，也就是獲取新用戶。
轉化，比如電商特別注重訂單轉化率。
促活，如何讓用戶經常使用我們的產品。
留存，提前發現可能流失用戶，降低流失率。
變現，發現高價值用戶，提高銷售效率。
（一）拉新
2008年我在 eBay 時，我的工作就是分析 SEM 和 SEO 的每個關鍵詞的 ROI。eBay 每天要向谷歌買400萬個關鍵詞，除了SEM、SEO 我們還要分析其它各種合作夥伴渠道。比如一家小電商網站上面放了 eBay 的鏈接，而後用戶通過該鏈接最終在 eBay 上完成了購買，eBay 就會分錢給這家網站。
eBay 特別注重是哪個搜索引擎、哪個關鍵詞帶來的流量；關鍵詞是付費還是免費的。從谷歌那邊搜素引擎詞帶來了很多流量，但是這些流量是否在 eBay 上成單，所以這個數據還要跟 eBay 本身數據結合、然後再做渠道分配，到底成單的是哪個渠道。整個數據鏈要從頭到尾打通，需要把兩邊的數據整合之後才能做到。
（二）轉化
以注冊轉化漏斗為例，第一步我們知道網頁上有哪些注冊入口，很多網站的注冊入口不只一個，需要定義每個事件；我們還想知道下一步多少人、多少百分比的人點擊了注冊按鈕、多少人打開了驗證頁；多少人登錄了，多少人完成了整個完整的注冊。
期間每一步都會有用戶流失，漏斗做完後，我們就可以直觀看到，每個環節的流失率。
（三）促活
還有一個是用戶使用產品的流暢度。我們可以分析具體用戶行為，比如訪問時長，在那個頁面上停留時間特別長，尤其在 APP 上會特別明顯。再有是完善用戶畫像，拿用戶行為分析做用戶畫像是比較準的。
舉個例子，在美國有一個非常有名的在線視頻網路 Netflix。Netflix 非常有意思，通過用戶行為分析，他把你一家人都進行精準分析定義。你們一家人有多少人，是大人還是小孩，你最喜歡看的是哪三部電影？你的行為輸出越多，他的推薦就會越來越精準。
（四）留存
用戶流失不是說一下子就流失了，一些細微、小的一些行為，就能預示他將來會流失。
在LinkedIn的時候，我們要去追蹤用戶的使用行為。比如說有沒有登錄、登錄之後有沒有搜簡歷、有沒有上傳簡歷等等。用戶這些點點滴滴的行為，都很重要。有了這些數據支撐，LinkedIn的產品、銷售每天都要去看用戶報告，最簡單的就是用戶使用行為有沒有下降、哪些行為下降、哪些用戶用的特別好等，以此來維護用戶關系。
（五）變現
LinkedIn 是一家 2C 又 2B 的公司，在全球有4億的用戶，有很多真實用戶的簡歷信息。2B 的業務是LinkedIn 為每一個企業 HR 銷售的，目的就是幫助美國的企業去找中高端的人才，這裡面有很多的不同的產品線。LinkedIn 本身就是一個社交網路，用戶是經理、VP還是總監，還是業務類的，市場的、銷售的等等這些數據在 LinkedIn 上都聚合成一個公司的緯度。
通過這個簡單的分布，就可以迅速看出來人才流失情況。如果是藍的多，說明這家公司的人才吸引方面是強的，如果是紅色的多，說明這家公司人才儲備和招聘方面正處於頹勢。我們把數據展示給最終客戶，基本上就可以拿到單子。我們可以通過數據來講故事。我們一開始做了很多的報告，銷售可以拿去講故事，可以很快促進成單。
所有這些是通過用戶行為分析做出來的，不是通過拍腦門或者是第三方數據，用戶行為分析的價值不言而喻。

I. 「社交網路分析」是門怎樣的學科

首先，如其名，研究社會網路。社會網路的主體通常為人，（你要是非把貓貓狗狗物品啥的算上我也不跟你爭論），每個人為一個節點，人與人之間的關系為邊，關系有強弱有方向也有性質（如敵人情侶同盟等等）。其基礎就是離散數學的圖論。然後通過一些運算來計算聚集度，平均值啥的。也可以通過編程來實現更高層次的數據分析。然後，應用前景。眾所周知，社交網路發展飛速，數據分析也是如火如荼。

社會網路分析有助於網站進行精準廣告投放，以及內容推送，提高用戶粘性（各種商業應用我就不展開了）。在社會學上的應用，我是學商務的我也不懂，就私里揣測，人際關系難道不是人類千百年來想要解決的難題嗎，老師說的三元閉包理論真的很有用，兩個人的孤島關系是很難維持的。

J. 移動社交網路的移動社交網路的應用

隨著智能手機、車載移動終端等多種移動設備的普及，以及感測網技術的應用，使用移動終端設備來訪問社交網路逐漸成為主流。同時，利用車載GPS、手機、公共交通卡等移動終端提供的行為軌跡信息，可以對一些事件進行預測，或對基礎設施等方案作出合理性評估。
移動社交網路帶來了大量嶄新的研究和應用機會，例如位置服務、計程車異常軌跡識別與檢測、計程車最優載客尋找策略等。針對移動社交網路數據的管理與挖掘，已經成為學術界的一個研究熱點。