认识社会网络：你身边的连接世界 / Chapter 1: Understanding Social Networks: The World of Connections Around You

清晨你睁开眼的第一件事，大概率是摸过枕边的手机，点开社交平台：大学同学刚晒了孩子的满月照，同部门同事吐槽了昨晚的加班，小区业主群里有人问有没有人拼单新鲜的草莓，还有个你只在行业峰会上加过好友的陌生人，发了一篇你正在研究的行业报告——这些看似零散的互动，其实都编织在你身边看不见的社会网络（Social Network）里。我们每个人从出生起就嵌在这样的网络中：你呱呱坠地时连接的是父母和亲属，上学后连接的是同学和老师，工作后连接的是同事和行业伙伴，哪怕是在小区里买菜的几分钟，也会和菜摊老板、邻里邻居形成短暂的连接。过去我们总觉得“人脉”是个体化的资源，是你认识多少人的个人能力，但社会网络研究的核心发现恰恰是：你拥有的资源和机会，从来不是只由你“认识谁”决定的，而是由你所在的整个网络的结构、连接的类型和网络的传导能力共同决定的。

要理解社会网络，首先要抓住它的两个最核心组成要素：节点（Node）和连线（Tie/Edge）。很多人第一次听到这两个词会觉得抽象，但它们其实对应着我们生活中最熟悉的概念：节点就是网络中的所有“实体”，它可以是人，也可以是你所在的群聊、你工作的公司、你居住的小区、甚至一个微博话题标签——只要你把它作为分析对象，它就是网络中的一个节点。比如你微信里的每一个好友是一个节点，你加入的每一个行业群是一个节点，你常去的健身房也是一个节点。而连线则是节点之间的“连接关系”，代表两个节点之间存在互动、关联或资源流动。你和微信好友的聊天记录、你和同事的工作对接、你和邻居的拼单往来、你和行业群友的点赞互动，都是不同强度的连线。值得注意的是，连线不是只有“认识”这一种类型：你和甲方客户的连线可能代表业务合作，你和心理咨询师的连线代表服务关系，你和某个博主的连线代表内容关注，这些不同类型的连线在研究中会被赋予不同的权重，用来分析网络的运行逻辑。

很多人会把社会网络和日常说的“人际关系”混为一谈，但二者有本质的区别。我们平时说的“人际关系”，更多是聚焦于单个个体与他人的1对1关联，是线性的、个体化的：比如你和A是朋友，你和B是同事，这是两个独立的关系，人际关系的研究更多会关注你和A的关系质量、你和B的互动频率。但社会网络的核心是“结构”：它不仅关注你和A、你和B的关系，更关注A和B之间是不是也认识、你们三个人形成的这个小网络的凝聚力有多高、这个网络里的信息能不能顺畅流通。举个最常见的例子：你刚换了一份新工作，想了解公司的报销流程，你问了同部门的同事，他说他也不清楚，这时候你突然想起你之前在前公司认识的一个财务，刚好跳槽到了这家公司的财务部，你给他发了个消息，很快就拿到了详细的流程说明。在这个场景里，你和新公司财务的“人际关系”几乎为零，但你们通过前同事这个“桥梁”连接在了一起——这就是社会网络的传导性（Transitivity）：只要A和B连接，B和C连接，A和C哪怕完全不认识，也能通过B形成间接连接。而普通的人际关系研究不会关注“前同事”这个桥梁角色，只会关注你和A、你和B的1对1关系。

社会网络研究从来不是某个学科的专属领域，它的跨学科属性（Interdisciplinary Nature）让它能同时解释微观的个人行为和宏观的社会现象。最早的社会网络思想可以追溯到19世纪的社会学家齐美尔（Georg Simmel），他提出了“三元闭包（Triadic Closure）”的概念：如果A和B是朋友，A和C是朋友，那么B和C也很可能成为朋友，这个理论至今还是社会网络研究的核心基础之一。到了20世纪30年代，英国人类学家拉德克利夫-布朗（A.R. Radcliffe-Brown）首次提出了“社会网络”的概念，用来分析部落社会中的关系结构。真正让社会网络研究成为独立领域的，是20世纪中后期的几个关键突破：社会学家格兰诺维特（Mark Granovetter）1973年发表的论文《找工作的力量（The Strength of Weak Ties）》提出了著名的“弱连接优势”理论，发现普通人找工作70%的机会来自弱连接（也就是那些互动较少、关系较远的人），而不是亲密朋友，因为亲密朋友的圈子和你高度重叠，信息资源相似，而弱连接能带你进入完全不同的圈子，带来新的机会[^1]；社会学家布迪厄（Pierre Bourdieu）提出的“社会资本（Social Capital）”概念，把个体通过社会网络获得的资源、支持和机会纳入了社会学的研究范畴；而计算机科学领域的图论（Graph Theory）发展，则为社会网络分析提供了数学工具：把节点看成图的顶点，连线看成图的边，就可以用数学方法计算网络的密度、中心性、社区结构等指标。

现在社会网络研究已经渗透到了几乎所有社会科学和自然科学领域：传播学用社会网络分析信息扩散和谣言传播的路径，公共卫生部门用它追踪传染病的传播链，计算机科学家用它优化社交平台的推荐算法，政治学家用它分析选举动员和政策的传播逻辑，甚至神经科学家都在用它研究大脑神经元之间的连接网络。比如新冠疫情期间，疾控部门做的流调工作本质上就是绘制传播者、密接

清晨你睁开眼的第一件事，大概率是摸过枕边的手机，点开社交平台：大学同学刚晒了孩子的满月照，同部门同事吐槽了昨晚的加班，小区业主群里有人问有没有人拼单新鲜的草莓，还有个你只在行业峰会上加过好友的陌生人，发了一篇你正在研究的行业报告——这些看似零散的互动，其实都编织在你身边看不见的社会网络（Social Network）里。我们每个人从出生起就嵌在这样的网络中：你呱呱坠地时连接的是父母和亲属，上学后连接的是同学和老师，工作后连接的是同事和行业伙伴，哪怕是在小区里买菜的几分钟，也会和菜摊老板、邻里邻居形成短暂的连接。过去我们总觉得“人脉”是个体化的资源，是你认识多少人的个人能力，但社会网络研究的核心发现恰恰是：你拥有的资源和机会，从来不是只由你“认识谁”决定的，而是由你所在的整个网络的结构、连接的类型和网络的传导能力共同决定的。

2020年新冠疫情期间，疾控部门的流调工作就是社会网络分析最典型的生活化应用：工作人员通过追踪确诊病例的行程轨迹，把每一个感染者、密接者、次密接者都作为网络节点，把他们的接触关系作为连线，最终绘制出完整的传播网络图谱。北京新发地疫情暴发时，研究人员通过这张图谱发现，一名烤鸭店老板是连接20多个确诊病例的核心节点——他既和农产品批发市场的商户有接触，又和周边的居民有交易往来，相当于两个不同圈子的“桥梁”。如果早发现这个节点，就能提前切断传播链，避免后续的大规模感染。这个案例完美体现了社会网络的核心逻辑：它不关注单个节点的属性（比如烤鸭店老板的年龄、职业），只关注节点之间的连接结构，以及这种结构如何影响信息、病毒、资源的流动。

1.1 社会网络与普通人际关系：核心差异在哪里？ / Social Network vs. Interpersonal Relationship: What is the Core Difference?

很多人会把社会网络和日常说的“人际关系”混为一谈，但二者有本质的区别。我们平时说的“人际关系”，更多是聚焦于单个个体与他人的1对1关联，是线性的、个体化的：比如你和A是朋友，你和B是同事，这是两个独立的关系，人际关系的研究更多会关注你和A的关系质量、你和B的互动频率。但社会网络的核心是结构（Structure）：它不仅关注你和A、你和B的关系，更关注A和B之间是不是也认识、你们三个人形成的这个小网络的凝聚力有多高、这个网络里的信息能不能顺畅流通。

举个最常见的职场例子：你刚换了一份新工作，想了解公司的报销流程，你问了同部门的同事小张，他说他也不清楚，这时候你突然想起你之前在前公司认识的一个财务主管老李，刚好跳槽到了这家公司的财务部，你给他发了个消息，很快就拿到了详细的流程说明。在这个场景里，你和新公司财务主管的“人际关系”几乎为零，但你们通过前同事小张这个“桥梁”连接在了一起——这就是社会网络的传导性（Transitivity）：如果A和B连接，B和C连接，那么A和C哪怕完全不认识，也能通过B形成间接连接。而普通的人际关系研究不会关注“小张”这个桥梁角色，只会关注你和A、你和B的1对1关系。

1967年哈佛大学心理学家斯坦利·米尔格拉姆（Stanley Milgram）做的“小世界实验”更是完美验证了网络的传导性：他随机选中了美国内布拉斯加州和堪萨斯州的100多个人，让他们给波士顿的一个陌生股票经纪人寄一封信，要求只能通过自己的熟人转寄。最终有60封信送到了目标人物手里，平均转寄次数是5.5次，也就是世界上任何两个人之间最多通过6个中间人就能建立连接，这就是闻名全球的“六度分隔理论（Six Degrees of Separation）”。这个实验第一次用实证数据证明：我们以为和自己毫无交集的陌生人，其实都通过看不见的网络连接在一起。

> 💡 电子版侧边栏提示：你可以现在打开微信好友列表，随机选一个你从来不联系的人，再选一个你完全不认识的名人，你会发现你们之间最多只需要5个中间人就能建立连接——比如你认识的人里有你同事，你同事认识你们公司的领导，你们公司的领导认识某个企业家，这个企业家认识那个名人，中间最多只需要4个中间人。

我们再通过一个对比表格更清晰地看到二者的差异： | 对比维度 | 普通人际关系 | 社会网络 | |----------|--------------|----------| | 分析单位 | 单个个体与他人的1对1关系 | 整个网络的节点集合与连接结构 | | 核心关注 | 关系的质量、互动的频率、情感的亲密度 | 连接如何传导资源、信息的传播路径、网络的结构特征 | | 典型研究问题 | “我和A的关系好不好？” “我和B一个月聊几次天？” | “A和B是不是认识？我能不能通过A认识B？这个网络里谁是最重要的信息枢纽？” | | 价值来源 | 单个关系的质量与投入 | 网络的结构优势（比如占据不同圈子的桥梁位置、拥有高凝聚力的子群体） |

还有一个常见的误区能进一步说明二者的差异：很多人觉得“我认识很多大佬，所以我人脉很好”，但如果这些大佬之间都不认识，你认识他们也没用。比如你同时认识马云、马化腾、马斯克，但他们和你没有互动，也互相不认识，你根本调动不了他们的资源；但如果你认识的是互联网圈的3个投资人，他们每周都会一起吃饭讨论项目，你认识其中一个人，就能通过这个圈子获得更多项目资源和行业信息——后者的网络结构优势远大于前者，哪怕后者的“人脉数量”远不如前者。

1.2 社会网络的核心组成要素：节点与连线 / Core Components of Social Network: Nodes and Ties

要理解社会网络，首先要抓住它的两个最核心组成要素：节点（Node）和连线（Tie/Edge）。这两个概念来自计算机科学的图论（Graph Theory），是社会网络分析的数学基础：我们可以把整个社会网络看成一张图，节点是图里的“点”，连线是图里的“线”，所有的网络分析都是基于这张图的数学计算。

1.2.1 节点：网络中的所有实体 / Nodes: All Entities in the Network

很多人第一次听到“节点”会觉得抽象，但它其实对应着我们生活中最熟悉的概念：节点就是网络中的所有“实体”，只要把它作为分析对象，它就是网络中的一个节点。节点不只有“人”这一种类型，常见的节点可以分为三类： 1. 自然人节点（Individual Node）：也就是具体的个人，是最常见的节点类型。比如你的微信好友、你的同事、你的家人，都是自然人节点。 2. 组织节点（Organizational Node）：也就是各类组织实体，比如你工作的公司、你毕业的大学、你加入的行业协会、你常去的健身房，都是组织节点。 3. 虚拟节点（Virtual Node）：也就是网络上的虚拟群组或话题，比如你的微信家庭群、微博的“#2024考研#”话题、豆瓣的“职场吐槽小组”，都是虚拟节点。

每个节点都有自己的属性变量（Attribute Variable），这些变量可以用来分类分析网络的特征：比如自然人的年龄、性别、职业、所在城市；组织节点的规模、行业、成立时间；虚拟节点的人数、活跃度、创建时间。比如我们可以分析“30岁左右的互联网从业者”的网络结构特点，或者“万人以上的职场社群”的信息传播效率，这些属性变量都是重要的分析维度。

1.2.2 连线：节点之间的连接关系 / Ties: Connection Relationships Between Nodes

连线代表两个节点之间存在互动、关联或资源流动，连线的类型非常丰富，常见的分类方式有三种： 1. 按方向分类：有向连线 vs 无向连线

• 有向连线（Directed Tie）：代表连接是单向的，比如你关注了某个微博博主，但博主没有关注你，这就是一条从你指向博主的有向连线；
• 无向连线（Undirected Tie）：代表连接是双向的，比如你和微信好友是双向好友，你和同事是互相认识的，这就是无向连线。

2. 按强度分类：强连接 vs 弱连接 这是社会网络研究中最经典的分类方式，最早由社会学家马克·格兰诺维特（Mark Granovetter）在1973年的经典论文《找工作的力量（The Strength of Weak Ties）》中提出：

• 强连接（Strong Tie）：互动频率高、情感亲密、信任度高的连接，比如你每天聊天的闺蜜、每周一起吃饭的同事、你的家人。格兰诺维特最初把“每周互动至少2次”作为强连接的判断标准，不过随着社交媒体的发展，这个标准也在动态调整：现在很多人和网友每周聊的次数比和同事还多，这种网友也可能变成强连接。
• 弱连接（Weak Tie）：互动较少、关系较远的连接，比如你一年聊一次的前同事、你点赞过的行业博主、你小区里见过几次面的邻居。格兰诺维特的经典研究发现，普通人找工作70%

2020年新冠疫情期间，疾控部门的流调工作就是社会网络分析最典型的生活化应用：工作人员通过追踪确诊病例的行程轨迹，把每一个感染者、密接者、次密接者都作为网络节点，把他们的接触关系作为连线，最终绘制出完整的传播网络图谱。北京新发地疫情暴发时，研究人员通过这张图谱发现，一名烤鸭店老板是连接20多个确诊病例的核心节点——他既和农产品批发市场的商户有接触，又和周边的居民有交易往来，相当于两个不同圈子的“桥梁”。如果早发现这个节点，就能提前切断传播链，避免后续的大规模感染。这个案例完美体现了社会网络的核心逻辑：它不关注单个节点的属性（比如烤鸭店老板的年龄、职业），只关注节点之间的连接结构，以及这种结构如何影响信息、病毒、资源的流动。

1.1 社会网络与普通人际关系：核心差异在哪里？ / Social Network vs. Interpersonal Relationship: What is the Core Difference?

很多人会把社会网络和日常说的“人际关系”混为一谈，但二者有本质的区别。我们平时说的“人际关系”，更多是聚焦于单个个体与他人的1对1关联，是线性的、个体化的：比如你和A是朋友，你和B是同事，这是两个独立的关系，人际关系的研究更多会关注你和A的关系质量、你和B的互动频率。但社会网络的核心是结构（Structure）：它不仅关注你和A、你和B的关系，更关注A和B之间是不是也认识、你们三个人形成的这个小网络的凝聚力有多高、这个网络里的信息能不能顺畅流通。

举个最常见的职场例子：你刚换了一份新工作，想了解公司的报销流程，你问了同部门的同事小张，他说他也不清楚，这时候你突然想起你之前在前公司认识的一个财务主管老李，刚好跳槽到了这家公司的财务部，你给他发了个消息，很快就拿到了详细的流程说明。在这个场景里，你和新公司财务主管的“人际关系”几乎为零，但你们通过前同事小张这个“桥梁”连接在了一起——这就是社会网络的传导性（Transitivity）：如果A和B连接，B和C连接，那么A和C哪怕完全不认识，也能通过B形成间接连接。而普通的人际关系研究不会关注“小张”这个桥梁角色，只会关注你和A、你和B的1对1关系。

1967年哈佛大学心理学家斯坦利·米尔格拉姆（Stanley Milgram）做的“小世界实验”更是完美验证了网络的传导性：他随机选中了美国内布拉斯加州和堪萨斯州的100多个人，让他们给波士顿的一个陌生股票经纪人寄一封信，要求只能通过自己的熟人转寄。最终有60封信送到了目标人物手里，平均转寄次数是5.5次，也就是世界上任何两个人之间最多通过6个中间人就能建立连接，这就是闻名全球的“六度分隔理论（Six Degrees of Separation）”。这个实验第一次用实证数据证明：我们以为和自己毫无交集的陌生人，其实都通过看不见的网络连接在一起。后续的研究发现，六度分隔的具体数值会随网络类型变化：在社交网络里通常是3-4度，在学术合作网络里可能只有2-3度，而在偏远地区的部落社会可能长达7-8度，但核心逻辑不变：网络的结构让远距离的连接成为可能。

> 💡 电子版侧边栏提示：你可以现在打开微信好友列表，随机选一个你从来不联系的人，再选一个你完全不认识的名人，你会发现你们之间最多只需要5个中间人就能建立连接——比如你认识的人里有你同事，你同事认识你们公司的领导，你们公司的领导认识某个企业家，这个企业家认识那个名人，中间最多只需要4个中间人。

我们再通过一个对比表格更清晰地看到二者的差异： | 对比维度 | 普通人际关系 | 社会网络 | |----------|--------------|----------| | 分析单位 | 单个个体与他人的1对1关系 | 整个网络的节点集合与连接结构 | | 核心关注 | 关系的质量、互动的频率、情感的亲密度 | 连接如何传导资源、信息的传播路径、网络的结构特征 | | 典型研究问题 | “我和A的关系好不好？” “我和B一个月聊几次天？” | “A和B是不是认识？我能不能通过A认识B？这个网络里谁是最重要的信息枢纽？” | | 价值来源 | 单个关系的质量与投入 | 网络的结构优势（比如占据不同圈子的桥梁位置、拥有高凝聚力的子群体） |

还有一个常见的误区能进一步说明二者的差异：很多人觉得“我认识很多大佬，所以我人脉很好”，但如果这些大佬之间都不认识，你认识他们也没用。比如你同时认识马云、马化腾、马斯克，但他们和你没有互动，也互相不认识，你根本调动不了他们的资源；但如果你认识的是互联网圈的3个投资人，他们每周都会一起吃饭讨论项目，你认识其中一个人，就能通过这个圈子获得更多项目资源和行业信息——后者的网络结构优势远大于前者，哪怕后者的“人脉数量”远不如前者。

1.2 社会网络的核心组成要素：节点与连线 / Core Components of Social Network: Nodes and Ties

要理解社会网络，首先要抓住