“朋友圈”数据：构建用户画像的新方法

　　如今，很多人为了不暴露自己的隐私，在使用社交媒体的时候很少“转发、点赞”，因为人们觉得，只要不在网上留下自己的数据，机器学习等技术就很难分析他们的行为了。但是，美国佛蒙特大学的数据科学家在《自然》杂志公布了一项研究，在推特上不用查看个人数据，只要对个人用户互相关注好友的推文数据进行分析，就能实现对个人用户社交媒体行为的精准预测。换句话说，就算你删了社交媒体账号，机器学习仍然可以通过你的好友列表来分析出你的用户画像。

　　研究人员搜集了一万三千多个推特账号，这些用户分别有150-200个好友。然后，选取每个用户好友中互动频率最高的前9位分成一组，分析这一组的9个好友的行为数据。数据科学家通过研究得出，一般的社交媒体用户，只要不是大V，通常在社交媒体上使用的词汇不超过5000个，都是一些常用的词。通过对用户好友的常用词进行分析，大致能圈定这个用户的兴趣范围。当好友组的好友数量越多时，预测就越准确，但是，当人数超过了150人，准确率会下降，因为好友数量太多的时候，双方的关联度降低了，可能不在一个兴趣圈子，行为上很难形成映射关系。也就是说，一个人社交媒体上好友的圈子，决定了他的认知范围，从而让这个人的行为可以被预测。

　　这个研究恰好证明了“信息茧房”理论，“信息茧房”指的是，人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中。佛蒙特大学在这次研究中提出，人在选择信息的时候，不仅受到兴趣的制约，还存在社交选择，社交媒体上朋友的兴趣、语言风格、活跃时间和个人用户社交媒体行为有着很强的关联，这说明一个人的“信息茧房”是通过社交圈层搭建起来的。长期处于某个圈层的人，不仅失去了接受其他圈层信息的机会，也失去了接受其他圈层信息的能力。

　　另外，文章也认为，这种技术可以让依靠获取用户信息的平台有机会钻空子，比如，一位用户坚决不给社交平台授权使用自己的数据，但这个用户的好友都向社交平台开放了权限，社交平台很可能会绕过用户来获取用户的信息。

　　大数据处理信息服务商金盛网聚WJFabric认为，大数据时代的社交具有网络化的结构，人与人之间具有共性，二者的结合使通过“朋友圈”了解目标用户成为可能。“信息茧房”也是基于用户间的互动情况而形成的。用户的社交行为，尤其是与熟人的社交互动，真实性很强，因此通过对这些内容的分析有助于了解用户特点。因此，用户的数据开发有多种途径，而了解数据的获取方法将有助于用户的自我保护。

　　金盛网聚（北京）科技有限公司成立于2012年，是一家数据处理与信息咨询服务商，公司拥有自主核心技术与服务咨询的团队， 公司“WJFbaric-互联网大数据信息监测SaaS平台”目前注册使用客户将近上万个，为企业、政府、学术机构、成功人士等提供在线信息收集、展示、阅读、存储的免费平台，公司远景致力于通过数据+计算形成可视化的人工智能决策平台。