意見(jiàn)代表：微博社會(huì)的內(nèi)容階層及其內(nèi)聚性

□徐 翔

[同濟(jì)大學(xué) 上海 201801]

引言

微博是一種重要和典型的社交網(wǎng)絡(luò)與社交媒體應(yīng)用。微博中的用戶(hù)，隨著粉絲量、影響力的增大而成為各種大咖、大V、各種流量明星、意見(jiàn)領(lǐng)袖，這些高影響力的用戶(hù)之間，較之于低影響力的用戶(hù)之間，在內(nèi)容上是否變得相互越來(lái)越趨同？抑或相互之間變得內(nèi)容越來(lái)越差異化？

基于微博用戶(hù)數(shù)據(jù)提出用戶(hù)隨著影響力的提升，而呈現(xiàn)出“金字塔結(jié)構(gòu)”：影響力越低的“底部”層級(jí)，層級(jí)中的用戶(hù)之間的內(nèi)容差異越大、彼此之間越是松散；影響力越高的“頂部”層級(jí)，層級(jí)中的用戶(hù)之間的內(nèi)容差異越小、彼此之間越是趨同和“濃稠”；從而從底部到頂部，表現(xiàn)出由松散、內(nèi)容距離大，逐漸提升為內(nèi)容距離越來(lái)越小、越來(lái)越緊密相似的“金字塔結(jié)構(gòu)”。

采用新浪微博樣本用戶(hù)對(duì)此現(xiàn)象進(jìn)行驗(yàn)證。按照粉絲規(guī)模的高低，把24 779個(gè)樣本切分為從低到高的400個(gè)層級(jí)；為了統(tǒng)一比較口徑，進(jìn)行“等頻”分層，每層級(jí)的用戶(hù)人數(shù)相等。每個(gè)層級(jí)內(nèi)用戶(hù)內(nèi)容的相互趨同程度，分別用兩個(gè)指標(biāo)來(lái)衡量。（1）指標(biāo)a。層內(nèi)用戶(hù)的內(nèi)容平均相似度：兩兩之間內(nèi)容相似度的均值。（2）指標(biāo)b。層內(nèi)用戶(hù)內(nèi)容相似性網(wǎng)絡(luò)的“平均群聚系數(shù)”（Average Clustering Coefficient）[1]。

對(duì)于這400個(gè)層級(jí)而言，指標(biāo)a和指標(biāo)b，都隨著層級(jí)用戶(hù)平均粉絲規(guī)模的提升而同步上升，具有顯著而且高強(qiáng)度的線性相關(guān)性，如表1所示。

這種規(guī)律性的現(xiàn)象，對(duì)于上述“金字塔結(jié)構(gòu)”表現(xiàn)得非常鮮明。用戶(hù)根據(jù)粉絲規(guī)模劃分為400個(gè)層級(jí)后，隨著層級(jí)提升，越是高層級(jí)則內(nèi)部越是相互趨同化，而非差異化、松散化。相關(guān)系數(shù)甚至達(dá)到0.758乃至0.8以上，這在社會(huì)現(xiàn)象研究中是高程度的正相關(guān)性。雖然對(duì)于微博意見(jiàn)領(lǐng)袖的研究已很多，但是多數(shù)集中于意見(jiàn)領(lǐng)袖的形成與識(shí)別[2～3]、微博意見(jiàn)領(lǐng)袖有哪些重要類(lèi)型[4]、意見(jiàn)領(lǐng)袖具有怎樣的行為特征[5～6]和影響作用[7～8]，而意見(jiàn)領(lǐng)袖用戶(hù)、高影響力用戶(hù)的趨似現(xiàn)象和態(tài)勢(shì)，特別是上述金字塔結(jié)構(gòu)的演化態(tài)勢(shì)，則得到的關(guān)注尚較少。

表1 用戶(hù)層級(jí)的影響力與層級(jí)內(nèi)用戶(hù)趨同程度

本文把具有相似影響力程度且具有相似內(nèi)容的用戶(hù)層級(jí)，稱(chēng)為微博“內(nèi)容階層”。主要研究在“金字塔結(jié)構(gòu)”下，三個(gè)相關(guān)方面的問(wèn)題：（1）具有某種相同或相近影響力的用戶(hù)群，也具有相似的內(nèi)容，形成“相似用戶(hù)在同影響力層級(jí)的聚集”，是否一種普遍性的現(xiàn)象與趨勢(shì)？（2）本文后續(xù)的首要任務(wù)之一，是探討用戶(hù)為何會(huì)出現(xiàn)“內(nèi)容階層”的分化和封閉性，同影響力的用戶(hù)之間的內(nèi)容相似度高低及其內(nèi)聚性如何發(fā)生？（3）“內(nèi)容階層”在何種作用機(jī)制與條件下，會(huì)表現(xiàn)出隨著層級(jí)影響力從低到高而不斷收窄、不斷加強(qiáng)層級(jí)內(nèi)用戶(hù)相似度的“金字塔結(jié)構(gòu)”？

對(duì)于這緊密相關(guān)、連貫問(wèn)題的嘗試回答，和微博用戶(hù)、意見(jiàn)領(lǐng)袖的一種隱藏角色有關(guān)，我們稱(chēng)之為“意見(jiàn)代表”的用戶(hù)角色。這種角色長(zhǎng)期被重視程度不夠，尤其在和“意見(jiàn)領(lǐng)袖”的主角光環(huán)之下相形見(jiàn)絀。但是它是用戶(hù)的一種客觀存在的角色，對(duì)于社交網(wǎng)絡(luò)的用戶(hù)層級(jí)凝聚和分化、形成內(nèi)容階層內(nèi)聚性，具有不應(yīng)忽視的作用。從意見(jiàn)代表到內(nèi)容階層的路徑和效應(yīng)，構(gòu)成本文的中心任務(wù)。

一、微博“意見(jiàn)代表”與“內(nèi)容階層”

（一）微博“意見(jiàn)代表”的現(xiàn)象與內(nèi)涵：用戶(hù)內(nèi)容–影響力對(duì)應(yīng)性

意見(jiàn)領(lǐng)袖是網(wǎng)絡(luò)傳播與社交網(wǎng)絡(luò)領(lǐng)域的熱門(mén)研究主題。拉扎斯菲爾德等人提出，意見(jiàn)領(lǐng)袖是構(gòu)成信息和影響的重要來(lái)源，并能左右多數(shù)人態(tài)度傾向的少數(shù)人[9]。結(jié)合已有研究[10～12]我們把微博意見(jiàn)領(lǐng)袖概括為微博具有高影響力的用戶(hù)，并把影響力用于衡量用戶(hù)作為意見(jiàn)領(lǐng)袖強(qiáng)弱的程度。

意見(jiàn)領(lǐng)袖會(huì)對(duì)于其他用戶(hù)形成一定的同化作用。例如輿情場(chǎng)勢(shì)理論認(rèn)為，意見(jiàn)領(lǐng)袖通過(guò)社交網(wǎng)絡(luò)場(chǎng)域節(jié)點(diǎn)中的“振動(dòng)（閃爍）粒子”，同化受眾。但是對(duì)于微博、社交網(wǎng)絡(luò)的多數(shù)研究，強(qiáng)調(diào)的是核心用戶(hù)、有影響力的用戶(hù)，對(duì)于其粉絲和關(guān)注者、追隨者帶來(lái)的同質(zhì)化效應(yīng)；而不是處于相同或相近影響力的用戶(hù)群本身，如何形成或加強(qiáng)相互的同質(zhì)性。例如，有研究指出Twitter用戶(hù)和其直接粉絲之間存在著信息內(nèi)容和主題上的同質(zhì)現(xiàn)象[13]。博客中的普通用戶(hù)關(guān)注對(duì)象常常集中在特定的核心博客上，容易陷入特定主題的交流社區(qū)[14]。這些對(duì)于意見(jiàn)領(lǐng)袖的同化現(xiàn)象與作用的研究是本研究的基礎(chǔ)和借鑒。然而，高影響力的意見(jiàn)領(lǐng)袖用戶(hù)比低影響力用戶(hù)，粗看起來(lái)，并沒(méi)有理由需要和同影響力程度的其他用戶(hù)更為趨似。直接從“意見(jiàn)領(lǐng)袖”角色和特征仍然難以直接解釋的是：同影響力的用戶(hù)群體或?qū)蛹?jí)內(nèi)為何會(huì)具有相似的內(nèi)容，從而表現(xiàn)出該“影響力層級(jí)”內(nèi)的特定強(qiáng)度的用戶(hù)趨同性？對(duì)于不同的影響力層級(jí)，其層內(nèi)用戶(hù)趨同程度的高低變化受到什么樣的影響因素的作用，尤其是，為何會(huì)隨著層級(jí)影響力的變化而發(fā)生正向?qū)?yīng)的變化？

用戶(hù)的同質(zhì)化聚集以及區(qū)隔受到多種因素影響。Marshall認(rèn)為網(wǎng)絡(luò)信息技術(shù)加深了學(xué)科專(zhuān)業(yè)、社會(huì)階層、個(gè)人偏好、社會(huì)文化的壁壘，加強(qiáng)網(wǎng)絡(luò)“巴爾干化”中的個(gè)體信息相似程度[15]。Itai Himelboim等人通過(guò)社會(huì)網(wǎng)絡(luò)分析Twitter上發(fā)表意見(jiàn)的用戶(hù)，發(fā)現(xiàn)集群內(nèi)觀點(diǎn)、立場(chǎng)的同質(zhì)化明顯[16]。張志安等人的研究顯示，微博中公知型意見(jiàn)領(lǐng)袖群落分散，營(yíng)銷(xiāo)類(lèi)、娛樂(lè)類(lèi)用戶(hù)成為微博意見(jiàn)領(lǐng)袖群體的主流[17]。這些顯示社交網(wǎng)絡(luò)用戶(hù)基于某些壁壘發(fā)生“巴爾干化”的局部聚合，產(chǎn)生用戶(hù)類(lèi)型的狹窄化分布的可能。而同質(zhì)用戶(hù)如何在影響力這個(gè)因素下發(fā)生內(nèi)聚與區(qū)隔，也成為亟待繼續(xù)研究的問(wèn)題。這種壁壘不僅僅是用戶(hù)的社會(huì)身份、個(gè)體屬性等線下因素壁壘，也可能是在線的影響力和話語(yǔ)內(nèi)容特征本身帶來(lái)的壁壘，以及由此而生成的不同層級(jí)間的區(qū)隔。

針對(duì)這種在相近影響力條件下，內(nèi)容相似用戶(hù)的聚合及其變化機(jī)制，本研究強(qiáng)調(diào)的是，在用戶(hù)的“意見(jiàn)領(lǐng)袖”角色之外，一種容易被忽視的用戶(hù)角色和功能，我們稱(chēng)之為“意見(jiàn)代表”。微博網(wǎng)絡(luò)中，意見(jiàn)代表的內(nèi)涵定義如下（C0）：其他任意用戶(hù)y，若與用戶(hù)x在內(nèi)容上越相似，則y的影響力和x越接近，反之亦然；這亦等價(jià)于，若其他用戶(hù)和x在內(nèi)容相似度、影響力接近度這兩方面正相關(guān)程度越高，則用戶(hù)x的“意見(jiàn)代表”程度越強(qiáng)。這里顯現(xiàn)的是一種“內(nèi)容–影響力”上的對(duì)應(yīng)性，用戶(hù)作為一種影響力的“代表”，指涉著這個(gè)影響力層級(jí)所屬人群的內(nèi)容特征。意見(jiàn)代表不是像意見(jiàn)領(lǐng)袖那樣涉及影響力的擴(kuò)散，而是涉及某種影響力人群的代表。

為便于后文的進(jìn)行，把用戶(hù)作為意見(jiàn)代表的程度簡(jiǎn)稱(chēng)為“代表力”，以區(qū)別于用戶(hù)作為意見(jiàn)領(lǐng)袖的程度或“影響力”。對(duì)于代表力的衡量方法，直接從意見(jiàn)代表的定義（C0）就可以得到，如下（C1）：設(shè)微博中的某個(gè)用戶(hù)為x，其他用戶(hù)依次標(biāo)為序列U=[U1，U2，U3，…，Un]；U中每個(gè)用戶(hù)和用戶(hù)x的內(nèi)容余弦距離（也即1?內(nèi)容余弦相似度），依次標(biāo)為序列S=[S1，S2，S3，…，Sn]；U中每個(gè)用戶(hù)與x的影響力接近度（也即兩者影響力之差的絕對(duì)值），依次標(biāo)為序列H=[H1，H2，H3，…，Hn]；其中序列U和序列S、序列H中的每個(gè)元素順序是嚴(yán)格一一對(duì)應(yīng)的；通過(guò)H與S的皮爾遜相關(guān)系數(shù)Px的值，即可以反映用戶(hù)x作為意見(jiàn)代表程度或者“代表力”的高低。如果x的“意見(jiàn)代表程度”（或“代表力”）足夠高，則序列S和序列H應(yīng)該是顯著正相關(guān)的，從而使得，S中的元素值越大則意味著H中對(duì)應(yīng)順序的元素值也越大。其中，若Px相關(guān)系數(shù)不顯著，則表明兩者不存在直接相關(guān)性，把Px記為0；總體上，代表力Px值在[?1,+1]區(qū)間內(nèi)。Px越大，表明：其他任意用戶(hù)若與用戶(hù)x相似度越高，則影響力越接近，兩者的正相關(guān)程度很高，從而等價(jià)于用戶(hù)x作為意見(jiàn)代表的程度也越高。

意見(jiàn)領(lǐng)袖的角色只能夠確證的是，自己是具有影響力的，但是不能夠確證的是，和自己內(nèi)容相似的其他人是不是也具有影響力？以及和自己在內(nèi)容上越相似的其他人，是不是就越擁有和自己相近似的影響力？然而從深層次可以期望的是，影響力不只是指涉自己擁有影響力，也可以指涉自己擁有的影響力程度有可能通過(guò)內(nèi)容相似性而傳遞到其他用戶(hù)的影響力程度。而這種影響力的傳遞，會(huì)進(jìn)而帶來(lái)相關(guān)聯(lián)的社會(huì)后果，這也是我們對(duì)“意見(jiàn)代表”的作用與機(jī)制進(jìn)行審視的進(jìn)一步意義。

“意見(jiàn)代表”與“意見(jiàn)領(lǐng)袖”相比，差異如下：“意見(jiàn)領(lǐng)袖”強(qiáng)調(diào)的是，用戶(hù)自身內(nèi)容所可能具有的影響力，是對(duì)于自身影響力的描述；而“意見(jiàn)代表”強(qiáng)調(diào)的是，與自己內(nèi)容相似的其他用戶(hù)所可能具有的影響力，以及對(duì)于和自身同影響力層級(jí)的其他用戶(hù)在內(nèi)容上的“代表”，也是對(duì)于和自身內(nèi)容相似的其他用戶(hù)在影響力上的“代表”與“標(biāo)桿”。

上述及后文將要涉及幾個(gè)簡(jiǎn)稱(chēng)，內(nèi)涵如下。1. 影響力層級(jí)（后文簡(jiǎn)記為Z1）。在本研究中，用戶(hù)所處的影響力層級(jí)，指的是對(duì)于某用戶(hù)x而言，與該用戶(hù)x具有相同或最相近影響力的k個(gè)用戶(hù)所組成的用戶(hù)群（也包含x自身）。后文的實(shí)證分析中，選擇k=50，使得層級(jí)既不會(huì)規(guī)模太小而影響穩(wěn)定性，又不至于規(guī)模太大而包含過(guò)多的影響力差距太大的用戶(hù)。2. 內(nèi)容階層（后文簡(jiǎn)記為Z2）。指具有相同或相近影響力的k個(gè)用戶(hù)構(gòu)成的影響力層級(jí)中，這些用戶(hù)群，同時(shí)也具有很強(qiáng)的用戶(hù)內(nèi)容趨同性，形成“特定影響力–特定內(nèi)容”的對(duì)應(yīng)關(guān)系，形成微博中具有本群體的內(nèi)容特質(zhì)的、處于特定的話語(yǔ)地位的用戶(hù)“階層”。3. 影響力層級(jí)或內(nèi)容階層內(nèi)部的用戶(hù)趨同性（后文簡(jiǎn)記為Z3）。指的是，某個(gè)用戶(hù)群或用戶(hù)層級(jí)，在內(nèi)容上趨于彼此相似、各個(gè)用戶(hù)內(nèi)容“長(zhǎng)得像同一個(gè)人”的趨勢(shì)和程度。4. 影響力層級(jí)或內(nèi)容階層的內(nèi)聚性（后文簡(jiǎn)記為Z4）。Z4和前文Z3具有共同的指向；為了簡(jiǎn)化行文，后文用內(nèi)聚性，指稱(chēng)層級(jí)內(nèi)部用戶(hù)在內(nèi)容上的趨同態(tài)勢(shì)，內(nèi)聚性的高低則指代這種趨同的程度。

對(duì)于微博“意見(jiàn)代表”的現(xiàn)象，要做的基礎(chǔ)性的準(zhǔn)備工作和預(yù)調(diào)研如下：其一，通過(guò)測(cè)量，考察意見(jiàn)代表在現(xiàn)實(shí)中是否存在，在何種程度上存在，而不只是一種理論抽象；其二，既然意見(jiàn)代表和用戶(hù)的影響力存在著密切的內(nèi)在聯(lián)系，所以要考察意見(jiàn)代表和意見(jiàn)領(lǐng)袖這兩種角色之間的關(guān)系，它們是相互獨(dú)立的嗎，抑或具有重合性？

而這兩個(gè)基礎(chǔ)性的準(zhǔn)備工作都服務(wù)于后續(xù)的核心問(wèn)題：微博用戶(hù)作為“意見(jiàn)代表”的角色（C0）與程度（C1），是否以及如何作用于該用戶(hù)所處的影響力層級(jí)（Z1）內(nèi)的用戶(hù)趨同性？對(duì)此，將繼續(xù)圍繞意見(jiàn)代表，從直接和間接兩個(gè)方面，展開(kāi)這個(gè)核心問(wèn)題的分析：其一，直接層面，用戶(hù)作為意見(jiàn)代表的角色和程度，如何影響到用戶(hù)所處的影響力層級(jí)的用戶(hù)趨同性（Z3、Z4）？其二，間接層面，用戶(hù)作為意見(jiàn)代表和意見(jiàn)領(lǐng)袖的角色之間的關(guān)系，如何影響到用戶(hù)所處的影響力層級(jí)的用戶(hù)趨同性（Z3、Z4）？而這直接層面與間接層面的效應(yīng)，構(gòu)成本文路徑分析的“意見(jiàn)代表–內(nèi)容階層”效應(yīng)和作用機(jī)制的核心。

（二）微博“意見(jiàn)代表”與內(nèi)容階層：同影響力用戶(hù)的內(nèi)容趨同

本小節(jié)針對(duì)的核心問(wèn)題，是從“意見(jiàn)代表”的角度和直接層面，來(lái)探討微博用戶(hù)中為何會(huì)形成“相近影響力的用戶(hù)具有相似內(nèi)容”的對(duì)應(yīng)性，從而加強(qiáng)用戶(hù)所處的影響力層級(jí)內(nèi)部的趨同性？尤其是，用戶(hù)作為“意見(jiàn)代表”的角色和程度，是否以及如何作用于用戶(hù)所處的“影響力層級(jí)”內(nèi)部趨同性的程度（Z3、Z4）？

從意見(jiàn)代表的內(nèi)涵定義（C0）可以知道，一個(gè)用戶(hù)的“意見(jiàn)代表”程度越高，則和他內(nèi)容越相似的用戶(hù)影響力就越接近，也就意味著和一個(gè)“意見(jiàn)代表”內(nèi)容最為相似的k個(gè)用戶(hù)的影響力和該“意見(jiàn)代表”越接近乃至于趨同。其結(jié)果就是，當(dāng)一個(gè)用戶(hù)的意見(jiàn)代表程度足夠高的情況下，就會(huì)形成相似內(nèi)容的用戶(hù)，其具有和他相似的影響力。換一個(gè)角度來(lái)看，具有相同或相近影響力的用戶(hù)，表現(xiàn)出更高的內(nèi)容相似度，而非彼此之間的內(nèi)容差異、雜亂和隨機(jī)化。也即，和該“意見(jiàn)代表”的影響力相同或相近的其他用戶(hù)，和“意見(jiàn)代表”的內(nèi)容相似度，會(huì)隨著“意見(jiàn)代表”程度提升而升高。由于各個(gè)用戶(hù)都和“意見(jiàn)代表”的相似度提高，導(dǎo)致這些用戶(hù)相互的差異也在減少，共同點(diǎn)變得越來(lái)越多，從而層級(jí)內(nèi)各個(gè)用戶(hù)越像同一個(gè)人，彼此相似度越高。最終結(jié)果是，越強(qiáng)的“意見(jiàn)代表”所處的影響力層級(jí)內(nèi)的用戶(hù)，內(nèi)容相似度越高。

如果用戶(hù)x的“意見(jiàn)代表”程度越高，則意味著該用戶(hù)x作為該影響力層級(jí)的“內(nèi)容代表”的程度越強(qiáng)，其他與該用戶(hù)x同影響力的用戶(hù)就和x的內(nèi)容相似度越高，兩者的正相關(guān)程度、可預(yù)測(cè)性越強(qiáng)。

總體而言，用戶(hù)的“意見(jiàn)代表”程度，雖然只是用戶(hù)個(gè)體的角色特征，但是卻會(huì)帶來(lái)對(duì)于微博整體中的層級(jí)分化。對(duì)于微博的全局用戶(hù)系統(tǒng)而言，會(huì)形成一個(gè)個(gè)“內(nèi)容相似且影響力接近”的內(nèi)容階層（Z2），而不是用戶(hù)之間內(nèi)容相似但影響力差距雜亂化、隨機(jī)化，或影響力相似的一群用戶(hù)但相互之間內(nèi)容差異雜亂化、隨機(jī)化。更為重要的是，用戶(hù)的意見(jiàn)代表程度，直接關(guān)系到這種“內(nèi)容階層”內(nèi)部的緊密性，或者說(shuō)，關(guān)系到該用戶(hù)所處的影響力階層內(nèi)部的趨同性高低。使得微博全局系統(tǒng)中，用戶(hù)不僅出現(xiàn)基于影響力的“內(nèi)容分層”，而且這種層級(jí)的趨同、內(nèi)聚程度受到該用戶(hù)的意見(jiàn)代表程度的正向作用力。

由上分析，可得假設(shè)H1：任意用戶(hù)x的意見(jiàn)代表程度，對(duì)于該用戶(hù)所處的影響力層級(jí)內(nèi)的用戶(hù)趨同程度，具有正向作用。

用戶(hù)作為意見(jiàn)代表的代表力程度，回應(yīng)了用戶(hù)“內(nèi)容階層”（Z2）是否可能的問(wèn)題，也直接作用于用戶(hù)所處的同影響力層級(jí)內(nèi)的趨同程度（Z3、Z4）。而用戶(hù)所處的影響力層級(jí)內(nèi)的趨同程度的高低，正是本研究從“意見(jiàn)代表”要面向的核心對(duì)象之一，它關(guān)系到微博社會(huì)中的層級(jí)分化以及層級(jí)分化的松散或稠密演變。

（三）微博“意見(jiàn)代表”與內(nèi)容階層的金字塔結(jié)構(gòu)

本小節(jié)針對(duì)的核心問(wèn)題，是從意見(jiàn)代表的間接層面，尤其是意見(jiàn)代表和用戶(hù)影響力之間的關(guān)系，來(lái)探討微博中“相近影響力的用戶(hù)具有相似內(nèi)容”的對(duì)應(yīng)性，是否以及如何與“意見(jiàn)代表”有正向關(guān)聯(lián)？尤其是，“意見(jiàn)代表”用戶(hù)是否以及如何通過(guò)其和“意見(jiàn)領(lǐng)袖”角色的關(guān)系，間接作用于“意見(jiàn)代表”所處的影響力層級(jí)內(nèi)部趨同性的程度？

這里，我們首先需要探討意見(jiàn)代表和意見(jiàn)領(lǐng)袖的角色關(guān)系。高程度的意見(jiàn)代表是誰(shuí)？是高影響力的意見(jiàn)領(lǐng)袖嗎？抑或是低影響力的“普羅大眾”更容易作為代表？這兩者都和用戶(hù)的影響力密切相關(guān)，關(guān)系到用戶(hù)的影響力程度或者對(duì)于自身影響力的傳遞程度。對(duì)于這個(gè)問(wèn)題，容易有兩種誤識(shí)：一種是不認(rèn)為意見(jiàn)代表的分布有什么規(guī)律，認(rèn)為他們?cè)诟鞣N小咖、中咖、大咖里面的分布是“差不多”的、均勻或隨機(jī)的；另一種誤識(shí)，認(rèn)為他們主要是處于影響力最底層的“普羅大眾”或“下里巴人”等最為草根和“群氓”的用戶(hù)，因?yàn)檫@些低影響力的用戶(hù)看似無(wú)個(gè)性的蕓蕓眾生，他們中的每個(gè)人似乎都可以很好地“代表”其自身所處的影響力層級(jí)的其他用戶(hù)，反映這些同為低影響力用戶(hù)的共同“無(wú)個(gè)性”、無(wú)辨識(shí)度的特征。

關(guān)于這兩種角色的關(guān)系，我們面臨三種不同的可能性：可能1，用戶(hù)作為意見(jiàn)代表的程度和作為意見(jiàn)領(lǐng)袖的程度是正相關(guān)的；可能2，用戶(hù)作為意見(jiàn)代表的程度和作為意見(jiàn)領(lǐng)袖的程度是負(fù)相關(guān)的；可能3，用戶(hù)作為意見(jiàn)代表的程度和作為意見(jiàn)領(lǐng)袖的程度是不相關(guān)的。

如果驗(yàn)證成立的是可能1，則會(huì)意味著：用戶(hù)的影響力越高，則其“意見(jiàn)代表”程度越高，而與其同影響力層級(jí)的k個(gè)用戶(hù)的趨同程度就越強(qiáng)，從而表現(xiàn)為在意見(jiàn)代表和意見(jiàn)領(lǐng)袖的共同角色作用下，用戶(hù)的影響力越高則其影響力層級(jí)內(nèi)的用戶(hù)越是彼此“長(zhǎng)得像同一個(gè)人”。在此基礎(chǔ)上，會(huì)形成影響力底部層級(jí)內(nèi)部用戶(hù)松散、彼此內(nèi)容距離稀疏、缺乏相似性，影響力頂部層級(jí)相互似同、內(nèi)容距離窄密，表現(xiàn)為底松頂緊、逐漸遞減的“金字塔”結(jié)構(gòu)。如果驗(yàn)證成立的是可能2，則基于相似的原理，微博用戶(hù)全局會(huì)形成底部稠密、頂部松散、逐漸變化的“倒金字塔”結(jié)構(gòu)。如果驗(yàn)證成立的是可能3，則由底到頂缺乏明顯規(guī)律性的變化趨勢(shì)，可能表現(xiàn)為既非金字塔也非倒金字塔的平衡結(jié)構(gòu)?；谖⒉┳罱K表現(xiàn)出來(lái)的是“金字塔結(jié)構(gòu)”，所以我們可以推測(cè)的是，成立的是可能1。否則后兩種的可能2、可能3，都只會(huì)導(dǎo)致倒金字塔結(jié)構(gòu)或平衡結(jié)構(gòu)，而不是金字塔結(jié)構(gòu)。這樣，我們提出前后關(guān)聯(lián)的兩個(gè)假設(shè)：

H2：任意用戶(hù)x的意見(jiàn)代表程度，對(duì)于該用戶(hù)的意見(jiàn)領(lǐng)袖程度具有正向作用。

H3：任意用戶(hù)x的意見(jiàn)領(lǐng)袖程度，對(duì)于該用戶(hù)所處的影響力層級(jí)內(nèi)的用戶(hù)趨同程度具有正向作用。

H2和H3的假設(shè)如果成立，意味著：同影響力層級(jí)的內(nèi)收，不僅受到用戶(hù)的代表力的作用，也受到“意見(jiàn)代表”和“意見(jiàn)領(lǐng)袖”的共同作用，其中“意見(jiàn)代表”通過(guò)“意見(jiàn)領(lǐng)袖”而對(duì)于用戶(hù)的影響力層級(jí)趨同性產(chǎn)生間接效果，而“意見(jiàn)領(lǐng)袖”則起著連接“意見(jiàn)代表”與用戶(hù)影響力層級(jí)趨同性的中介效應(yīng)。內(nèi)容階層的分化與影響力層級(jí)的內(nèi)聚是金字塔結(jié)構(gòu)的前提；而“金字塔結(jié)構(gòu)”則進(jìn)一步表明這種影響力層級(jí)的內(nèi)聚趨同，受到用戶(hù)的“意見(jiàn)代表”的間接作用，從而表現(xiàn)出與用戶(hù)影響力的關(guān)聯(lián)越來(lái)越強(qiáng)。

（四）整合后的“意見(jiàn)代表–內(nèi)容階層”模型（RLC）與路徑分析

對(duì)于前文的三個(gè)子假設(shè)H1、H2、H3進(jìn)行整合，形成下述的“一主線、兩路徑”的問(wèn)題結(jié)構(gòu)和邏輯關(guān)系。“一主線”是：用戶(hù)的“意見(jiàn)代表”角色（C0、C1），是否以及如何加強(qiáng)用戶(hù)所處的“影響力層級(jí)”內(nèi)部趨同性，使得用戶(hù)產(chǎn)生“特定影響力–特定內(nèi)容特征”的對(duì)應(yīng)現(xiàn)象？或者說(shuō)，意見(jiàn)代表如何形成與加強(qiáng)內(nèi)容階層內(nèi)部的趨同性和內(nèi)聚性？圍繞這個(gè)主線，從直接路徑和間接路徑兩方面展開(kāi)。直接路徑是：用戶(hù)的意見(jiàn)代表程度，直接作用于該用戶(hù)所處的影響力層級(jí)、加強(qiáng)其層級(jí)內(nèi)的趨同性（假設(shè)H1）。間接路徑是：意見(jiàn)代表同時(shí)也是意見(jiàn)領(lǐng)袖（假設(shè)H2），從而通過(guò)其意見(jiàn)領(lǐng)袖的程度，作用于該用戶(hù)所處的影響力層級(jí)，加強(qiáng)其層級(jí)內(nèi)的趨同性，并且在此過(guò)程中表現(xiàn)出影響力層級(jí)的“金字塔結(jié)構(gòu)”現(xiàn)象（假設(shè)H3）。

最終形成直接路徑和間接路徑整合后的作用關(guān)系模型（圖1所示），命名為“意見(jiàn)代表–內(nèi)容階層”效應(yīng)模型。其中的三個(gè)要素：起始的自變量要素指涉為意見(jiàn)代表，中介性的變量指涉為意見(jiàn)領(lǐng)袖，終端的因變量指涉為內(nèi)容階層，結(jié)合三者的英文單詞首字母，將該模型簡(jiǎn)稱(chēng)為“RLC”模型。采取Amos軟件進(jìn)行路徑分析，考察RLC模型中各子路徑的效應(yīng)和總體模型的擬合狀況。

二、研究方法和操作過(guò)程

圍繞上文的“一主線、兩路徑”及其H1、H2、H3組成的路徑分析模型，針對(duì)用戶(hù)的意見(jiàn)代表角色和程度如何影響、加強(qiáng)微博社會(huì)“內(nèi)容階層”的分化與凝聚，選取新浪微博的用戶(hù)樣本，進(jìn)行實(shí)證檢驗(yàn)與分析。

（一）樣本選取與數(shù)據(jù)預(yù)處理

根據(jù)新浪微博數(shù)據(jù)中心的資料，新浪微博月活躍用戶(hù)4.62億，月閱讀量過(guò)百億領(lǐng)域達(dá)32個(gè)[18]。新浪微博是我國(guó)具有高度的人氣和輿論覆蓋度的社會(huì)化媒介平臺(tái)。本研究采取廣覆蓋、成本相對(duì)較低的多階段抽樣。首先從新浪微博首頁(yè)47個(gè)內(nèi)容版塊（社會(huì)、國(guó)際、科技、科普、數(shù)碼、財(cái)經(jīng)、股市、明星、綜藝、電視劇、電影、音樂(lè)、汽車(chē)、體育、運(yùn)動(dòng)健身、健康、瘦身、養(yǎng)生、軍事、歷史、藝術(shù)、時(shí)尚、美妝、動(dòng)漫、宗教、萌寵、法律、視頻、上海、美女模特、美圖、情感、搞笑、辟謠、正能量、政務(wù)、游戲、旅游、育兒、校園、美食、房產(chǎn)、家居、星座、讀書(shū)、三農(nóng)、設(shè)計(jì)）中，獲取其發(fā)布者和評(píng)論者共3 501 153個(gè)用戶(hù)的數(shù)據(jù)庫(kù)，從中最終抓取到具有有效個(gè)人資料的、發(fā)帖數(shù)不少于500條的88 739個(gè)有效用戶(hù)；對(duì)這些有效用戶(hù)，再采取整群抽樣，以每頁(yè)作為一個(gè)群，抓取每人的前5頁(yè)關(guān)注者資料（新浪微博對(duì)于數(shù)據(jù)抓取的實(shí)際限制，只開(kāi)放最多為5頁(yè)×每頁(yè)20個(gè)=100位關(guān)注者）。由于不同的用戶(hù)其所關(guān)注的人可能有重復(fù)，經(jīng)過(guò)選取發(fā)帖數(shù)不少于500條、去重以及具有相匹配的個(gè)人資料等清洗環(huán)節(jié)，從這些被關(guān)注者中選取到有效用戶(hù)130 082個(gè)。

對(duì)用戶(hù)統(tǒng)一橫向的比較口徑。其一是帖子發(fā)布的時(shí)間段統(tǒng)一在2018年1月1日～2018年12月31日。其二是帖子數(shù)量，每個(gè)用戶(hù)統(tǒng)一隨機(jī)選取在上述時(shí)間段內(nèi)所發(fā)的500條帖子。以達(dá)到通過(guò)帖子樣本，“察其言、觀其人”，并進(jìn)行用戶(hù)相似度計(jì)算。

經(jīng)過(guò)上述取樣和有效數(shù)據(jù)的清洗整理，最后得到的樣本用戶(hù)為24 779個(gè)，這些用于計(jì)算的用戶(hù)有廣泛性與代表性。粉絲量、發(fā)博量、關(guān)注數(shù)等各主要指標(biāo)都包含從數(shù)十到數(shù)萬(wàn)乃至數(shù)千萬(wàn)的大范圍，各種重度/輕度、活躍/不活躍用戶(hù)都有良好覆蓋，如圖2所示。

圖2 樣本用戶(hù)的特征分布柱狀圖

（二）微博用戶(hù)作為意見(jiàn)領(lǐng)袖程度的指標(biāo)

“圈粉”能力和效果，是社交網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖、大咖的重要區(qū)分指標(biāo)，也是對(duì)于諸多微博用戶(hù)而言，最具有現(xiàn)實(shí)難度和實(shí)際經(jīng)濟(jì)價(jià)值、社會(huì)價(jià)值的事。對(duì)于社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖、大V的諸多研究突出“粉絲數(shù)”指標(biāo)的重要性[19]。用粗糙集理論發(fā)現(xiàn)，“粉絲數(shù)對(duì)能否成為意見(jiàn)領(lǐng)袖至關(guān)重要”[20]。有研究甚至把粉絲規(guī)模作為區(qū)分微博大V、中V的唯一依據(jù)[21]。本研究把粉絲規(guī)模作為微博用戶(hù)影響力的指標(biāo)，用該指標(biāo)反映用戶(hù)的意見(jiàn)領(lǐng)袖程度。實(shí)際抓取得到的粉絲數(shù)，將其原始數(shù)值x經(jīng)由對(duì)數(shù)函數(shù)轉(zhuǎn)換為log2（x+1），作為研究中的粉絲規(guī)模指標(biāo)值。

（三）用戶(hù)內(nèi)容的特征提取與向量化表示：VSM+LSA

把單個(gè)用戶(hù)的各條帖子，無(wú)順序拼接為一個(gè)長(zhǎng)文本，先通過(guò)向量空間模型（VSM）得到每個(gè)用戶(hù)的詞頻矩陣。詞頻矩陣的獲取，采取常用的模塊scikit-learn中的CountVectorizer（）函數(shù)，其中最低詞頻數(shù)min_df設(shè)為50，max_df設(shè)為0.2，只采用一元詞，由此得到詞頻矩陣X0。將X0轉(zhuǎn)為經(jīng)L1規(guī)范化的TFIDF矩陣X，轉(zhuǎn)換函數(shù)為sklearn.TfidfTransformer（norm='l1'）。

對(duì)于矩陣X，采取潛在語(yǔ)義分析（LSA）進(jìn)行降維和內(nèi)容特征提取[22]。LSA利用奇異值分解（SVD）技術(shù)，可把數(shù)十萬(wàn)以上的高維、稀疏的詞頻矩陣，降到只有數(shù)千、數(shù)百的低維表示。其中，對(duì)于矩陣X，進(jìn)行奇異值分解可得：X=TΣDT。LSA保留前k個(gè)最大的奇異值，即通過(guò)TkΣkDkT來(lái)近似地表示原用戶(hù)–詞項(xiàng)矩陣X。

本研究中，每個(gè)用戶(hù)的VSM詞頻矩陣原有113 694維，一律通過(guò)潛在語(yǔ)義分析降維到700維。降維工具選擇廣泛應(yīng)用的開(kāi)源模塊scikit-learn中的TruncatedSVD（）函數(shù)。

圖3 潛在語(yǔ)義分析對(duì)用戶(hù)內(nèi)容降維的解釋方差比

選擇700維的維度時(shí)，處于圖3中“肘拐點(diǎn)”的位置，再增加維度對(duì)于保留原信息的程度增長(zhǎng)平緩；同時(shí)，TruncatedSVD（）計(jì)算得到的解釋方差比（explained_variance_ratio_）值已達(dá)0.76，用盡可能精簡(jiǎn)的維度，提取和高效保留了原有的11余萬(wàn)維矩陣的大部分信息，從而表示用戶(hù)特征并用于用戶(hù)之間的內(nèi)容相似度的計(jì)算。

（四）用戶(hù)的內(nèi)容相似度計(jì)算：兩個(gè)用戶(hù)之間或兩組用戶(hù)之間

把每個(gè)用戶(hù)轉(zhuǎn)化為一個(gè)若干維的向量后，兩個(gè)用戶(hù)之間的內(nèi)容相似度，由計(jì)算他們各自向量的余弦相似度得到，值域在[?1，+1]，值越大表明這兩個(gè)用戶(hù)之間內(nèi)容越相似，當(dāng)該值等于1時(shí)表明這兩個(gè)用戶(hù)的相似度等于1，也即彼此相同。與之對(duì)應(yīng)的兩個(gè)用戶(hù)之間的內(nèi)容距離，則用1減去上述余弦相似度。

任意兩個(gè)用戶(hù)Um和Un之間的內(nèi)容余弦相似度，計(jì)算方式表示為：

在上述式（1）的基礎(chǔ)上進(jìn)行擴(kuò)展，從“1對(duì)1”的用戶(hù)相似度，擴(kuò)展到“n對(duì)n”的兩組用戶(hù)（每組中用戶(hù)數(shù)量n≥1）之間的相似度。任意一組用戶(hù)G1（包含n1個(gè)用戶(hù)）和另一組用戶(hù)G2（包含n2個(gè)用戶(hù)）的內(nèi)容相似度，表示為：

式（2）在式（1）的基礎(chǔ)上，采用衡量?jī)山M對(duì)象間的平均距離所常用的“類(lèi)平均法”（或稱(chēng)“簇平均法”，average group linkage）擴(kuò)展得到。其中G1或G2都可以有且僅有一個(gè)用戶(hù)。如果H（G1，G2）的值越大，表明G1、G2這兩組用戶(hù)之間兩兩的趨近、類(lèi)同乃至重復(fù)程度越高；若兩組用戶(hù)的異質(zhì)化內(nèi)容越大，則平均相似度就會(huì)越低，也即H（G1，G2）的值越小。

式2中，當(dāng)n1=n2=1時(shí)，則等同于式（1）。這種情況下：式（1）中計(jì)算的個(gè)體與個(gè)體之間的兩兩相似度R（Ux1,Ux2），成為式（2）中n1和n2分別是1時(shí)的特例。

當(dāng)n1=1而n2>1時(shí)，式（2）為計(jì)算一個(gè)用戶(hù)和一組用戶(hù)之間的平均相似度。

式（2）中，當(dāng)計(jì)算層內(nèi)用戶(hù)的平均相似度（也即前文的指標(biāo)a），此時(shí)過(guò)濾掉個(gè)體和他自身的相似度（因?yàn)樵撝档扔?）后，計(jì)算剩余元素的平均值，所以采取式（2）的微調(diào)形式

三、對(duì)于主要變量和子假設(shè)的預(yù)調(diào)研

根據(jù)對(duì)于意見(jiàn)代表的內(nèi)涵界定（見(jiàn)C0）及其程度的衡量方法（見(jiàn)C1），以及用戶(hù)向量化、用戶(hù)內(nèi)容相似度等的計(jì)算方法，最終對(duì)獲取的24 779個(gè)微博樣本用戶(hù)，計(jì)算得到每個(gè)用戶(hù)的意見(jiàn)代表程度（代表力），分布柱狀圖見(jiàn)圖4。

圖4 微博“意見(jiàn)代表”分布柱狀圖

用戶(hù)作為“意見(jiàn)代表”，并不是特殊現(xiàn)象而是普遍現(xiàn)象。全體的意見(jiàn)代表程度均值為0.037，中位數(shù)為0.041。57.7%的用戶(hù)具有正的意見(jiàn)代表程度；32%的用戶(hù)的代表力為負(fù)；只有10.3%的少數(shù)用戶(hù)的意見(jiàn)代表程度為0，不具備意見(jiàn)代表的角色和屬性。

接下來(lái)，這些“意見(jiàn)代表”的分布至關(guān)重要。用戶(hù)作為“意見(jiàn)代表”的代表力，和作為“意見(jiàn)領(lǐng)袖”的影響力，兩者的程度是否有重合性？因此，針對(duì)H2進(jìn)行驗(yàn)證。對(duì)于24 779個(gè)樣本用戶(hù)，分別取得“意見(jiàn)代表”程度的序列和影響力程度的序列：皮爾遜相關(guān)系數(shù)+0.618（p<0.001，n=24 779），斯皮爾曼相關(guān)系數(shù)+0.494（p<0.001，n=24 779）。從而意味著，對(duì)微博用戶(hù)而言，其影響力程度越高，則其意見(jiàn)代表程度越高。這兩種角色的正向兼容而非相互獨(dú)立或?qū)α⒑苤匾?，從而由意?jiàn)代表和意見(jiàn)領(lǐng)袖的共同作用機(jī)制，帶來(lái)了用戶(hù)影響力層級(jí)不斷增強(qiáng)內(nèi)容趨同的“金字塔結(jié)構(gòu)”和變化規(guī)律性。

總體上，H1、H2、H3的檢驗(yàn)過(guò)程和結(jié)果見(jiàn)表2，全部得到了檢驗(yàn)。

表2 子假設(shè)的檢驗(yàn)結(jié)果

其中，對(duì)H3的檢驗(yàn)結(jié)果，顯現(xiàn)了用戶(hù)的影響力與其影響力層級(jí)內(nèi)用戶(hù)趨同程度的高度正相關(guān)，上表已經(jīng)顯示了其高達(dá)0.8以上的相關(guān)系數(shù)，這在社會(huì)科學(xué)研究中是比較少見(jiàn)的正相關(guān)程度。其具體的可視化圖見(jiàn)圖5。這種較為強(qiáng)烈的正相關(guān)，得以形成用戶(hù)隨著影響力層級(jí)的提升而內(nèi)聚性不斷增強(qiáng)的金字塔結(jié)構(gòu)。

四、整合模型的路徑分析

對(duì)于“意見(jiàn)代表–內(nèi)容階層”模型，通過(guò)AMOS軟件進(jìn)行整體化的路徑分析。為了簡(jiǎn)化，用戶(hù)的影響力層級(jí)內(nèi)趨同程度，只采用指標(biāo)b表示（因?yàn)橹笜?biāo)a和指標(biāo)b具有高度的重合性，兩者的皮爾遜相關(guān)系數(shù)高達(dá)0.997（p<0.001），所以只選擇其中一種）。分析中涉及的三個(gè)指標(biāo)，即用戶(hù)的意見(jiàn)代表程度、影響力、影響力層級(jí)內(nèi)的用戶(hù)趨同程度（也即所采取的指標(biāo)b），全部由BLOM公式轉(zhuǎn)為正態(tài)得分值，轉(zhuǎn)換后符合正態(tài)分布的要求；模型的參數(shù)估計(jì)方法選擇常用的最大似然估計(jì)。

路徑分析的擬合效果，部分重要指標(biāo)及其判斷標(biāo)準(zhǔn)見(jiàn)表3。

各路徑的標(biāo)準(zhǔn)化回歸系數(shù)及其顯著性檢驗(yàn)如表4所示。

圖5 不同影響力層級(jí)的用戶(hù)趨同程度

表3 路徑分析的擬合判斷

表4 標(biāo)準(zhǔn)化回歸系數(shù)

圖6 路徑分析的標(biāo)準(zhǔn)化回歸系數(shù)結(jié)果

圖6所示的模型中，記“用戶(hù)作為意見(jiàn)代表的程度”為變量Vx，記“用戶(hù)的影響力程度（意見(jiàn)領(lǐng)袖程度）”為變量Vm，記因變量“影響力層級(jí)內(nèi)的用戶(hù)趨同程度”為Vy。從Vx到因變量（Vy），各路徑均顯著。經(jīng)由Vm的中間作用，這個(gè)間接作用路徑，通過(guò)Amos的Bootstrap進(jìn)行中介效應(yīng)的檢驗(yàn)，Bootstrap次數(shù)設(shè)定為1 000次；Vm的中介效應(yīng)的顯著性為0.004，標(biāo)準(zhǔn)化的中介效應(yīng)是0.317。相比較直接效應(yīng)（也即Vx作用于Vy）的0.16，中介效應(yīng)相對(duì)值足夠大，這也說(shuō)明意見(jiàn)代表–意見(jiàn)領(lǐng)袖的共同作用，于用戶(hù)內(nèi)容階層形塑的重要性。其中蘊(yùn)含著，意見(jiàn)代表和意見(jiàn)領(lǐng)袖這兩種用戶(hù)角色的兼容性與內(nèi)在的聯(lián)系。同時(shí)，也是由于這個(gè)中介效應(yīng)的重要性，使得意見(jiàn)領(lǐng)袖程度作用于因變量（Vy）所顯現(xiàn)的“金字塔結(jié)構(gòu)”，構(gòu)成本模型中的重要組成與內(nèi)蘊(yùn)現(xiàn)象。

總體而言，路徑分析的結(jié)果中，明確了Vx到Vy的直接效應(yīng)，同時(shí)也明確了從Vx經(jīng)由Vm而對(duì)因變量Vy產(chǎn)生的間接效應(yīng)；H1、H2、H3涉及到的作用與效應(yīng)具有整體性，整體模型的評(píng)估指標(biāo)優(yōu)良。

五、結(jié)語(yǔ)：從流動(dòng)走向封閉

本文的主要工作在于以下方面：（1）強(qiáng)調(diào)在作為研究熱點(diǎn)的意見(jiàn)領(lǐng)袖角色之外，容易被忽視的“意見(jiàn)代表”角色、效應(yīng)及其重要性；（2）“意見(jiàn)代表”的社會(huì)作用不是影響力的擴(kuò)散，而是影響力的分層，生成“同影響力–同內(nèi)容”的內(nèi)容階層現(xiàn)象，并正相關(guān)于這種同影響力層級(jí)內(nèi)的趨同程度，帶來(lái)微博社會(huì)的話語(yǔ)分層和封閉性；（3）對(duì)于用戶(hù)意見(jiàn)代表程度如何作用于影響力層級(jí)內(nèi)聚性的“意見(jiàn)代表–內(nèi)容階層”的效應(yīng)，進(jìn)行模型的路徑分析，支持了意見(jiàn)代表帶來(lái)的影響力層級(jí)內(nèi)聚性及其增長(zhǎng)的金字塔結(jié)構(gòu)，呈現(xiàn)了意見(jiàn)代表對(duì)于微博話語(yǔ)層級(jí)分化及其結(jié)構(gòu)的社會(huì)作用。

微博中“意見(jiàn)代表”的用戶(hù)角色與功能，使得系統(tǒng)從開(kāi)放走向封閉、從流動(dòng)走向凝聚帶來(lái)了更多可能。微博中不同影響力和話語(yǔ)地位的用戶(hù)分化為具有特定的、趨同化內(nèi)容的影響力階層，消解用戶(hù)層級(jí)內(nèi)部的異質(zhì)性、多樣性并使之趨于窄化。系統(tǒng)在層級(jí)的內(nèi)聚中，“內(nèi)容坐標(biāo)–影響力坐標(biāo)”的組合并非雜亂和隨機(jī)，而是具有其對(duì)應(yīng)性的封閉圈層。同影響力層級(jí)的用戶(hù)，由于這種封閉性而形成具有相似內(nèi)容特征、特定的影響力坐標(biāo)的內(nèi)容層級(jí)。

在作為主流研究對(duì)象的“意見(jiàn)領(lǐng)袖”占據(jù)各種研究熱點(diǎn)的背景下，“意見(jiàn)代表”的角色、功能由于看起來(lái)和實(shí)踐隔得較遠(yuǎn)，因而未被足夠重視，缺乏相關(guān)的明確的“理論自覺(jué)”與實(shí)證分析支撐。但是，“意見(jiàn)代表”本身所反映的在線社會(huì)的“用戶(hù)間性”，對(duì)于“意見(jiàn)領(lǐng)袖”等其他角色發(fā)生屬性傳遞而產(chǎn)生的層級(jí)內(nèi)聚，對(duì)于微博用戶(hù)的話語(yǔ)分層與加強(qiáng)社會(huì)壁壘的“巴爾干化”，這些是在“意見(jiàn)領(lǐng)袖”等的理論框架下難以涵括的，也是“意見(jiàn)代表”在個(gè)體角色之外承載著的更為豐富的系統(tǒng)意義與社會(huì)效應(yīng)。