下载掌阅APP，畅读海量书库
立即打开
几十年前，格兰诺维特提出有必要对集体行为的阈值模型进行实证研究。虽然格兰诺维特坦言，收集必要的数据相当困难，但他给出了一些或许可行的办法。 1 但直到最近，人们才通过一系列方法论研究发现，网络传播本身可能不过是海市蜃楼。有关社会网络中行为传播过程的前因后果，即谁影响谁、以何顺序传播、以何原因传播，都几乎不可能用传统的观察方法推导出来。在许多情境中，我们连传播过程是否存在都无法判定。 2 如果我们连证明传播存在都如此困难，那么确定社会网络结构是如何改变传播过程的就更遥不可及了。
然而，这正是我们要尝试完成的任务。我做了一个实验，利用互联网社群研究传播过程。在线上，我们不仅能观察传播过程的前因后果，还能确认网络结构的改变如何直接影响新行为被采用的概率。
为何对传播的实证研究如此之难？因为要完成一次令人满意的复杂传播理论测试，必须满足以下4个条件：庞大的群体（作为研究对象）、完整的采用数据、完整的网络数据，以及可复制性。
第一，庞大的群体。 对许多社会制度而言，群体规模的大小十分重要。规模越大，不一定越好，但一定会带来变化。小群体与大群体中的集体行为传播过程往往并不相同，在某些情况下甚至截然相反。 3 好消息是，如果群体规模大到一定程度，超过某一可识别的临界点，则对这一群体的研究结果便适用于规模超过临界点的所有群体，包括规模无穷大的群体。简言之，群体规模小不可能是世界小。小世界网络模型的范围条件是网络必须足够稀疏，也就是说，其群体规模必须大幅超越平均邻里规模。 4 因此，为研究小世界中的网络传播过程，群体规模必须达到一定程度。
第二，完整的采用数据。 一旦满足了群体规模的条件，我们就要知道行为在网络中传播时真实的“采用”顺序。也就是说，我们要知道是何人受何人的影响、以何顺序完成的传播。不仅如此，还有必要确定，每个人在决定采用新行为时，是否都是受社会影响而非其他可能未被观察到的因素影响，如经济变化、信息暴露、外源性影响等。举例来说，假如群体中有一部分人因为当地制造业工作机会的增加，经济状况突然变好，那几个相互联系的人就可能各自在几日内采用同一新事物，而他们所在的网络中并未出现传播现象。
第三，完整的网络数据。 与追踪网络中的采用链同样重要的是，观察所有暴露于传播之下却未被传播的人。换句话说，我们还需要追踪所有没能传播出去的路径。为此，我们就要了解群体的整个社会网络。否则，就可能出现很多人正在被传播，但暴露于传播之下的大部分人其实并未被传播的情况。 5
此外，我们要确保将网络结构与其他任何可能影响传播、容易混淆的相关变量区分开来，例如人际影响（关系的强度）、社会相似性（同质性）、互动频率、共同的信息暴露，或其他可能解释说明某事物为何通过网络关系传播的因素。举例来说，如果说群聚型网络中的人之间比随机型网络中的人之间存在更强的情感羁绊，那这两种网络中传播过程的差异可能是基于关系的强度，而非桥的宽度。
第四，可复制性。 假如我们满足了前3个条件，比方说，找到了一个容纳10万人的群体，其中人们相互连接形成了社会网络，我们观察到某传播通过网络在人与人之间传播，那观察到的传播算几次呢？答案是：1次。传播的观察结果不以个人为单位，而以群体为单位。一次观察结果不能说明群体的网络结构是否对传播结果有影响。我们必须再在几个拥有相同网络结构的独立群体中，观察到几次成功传播的结果。与此同时，我们还要在其他几个网络结构不同的独立群体中，观察到相同的传播过程未能取得同样成功的传播结果。换句话说，无论成功与失败，观察结果都要具有可复制性。我们只有在多个独立群体中多次发现以上观察结果，才能断定网络结构对社会传播存在因果效应。
我们从一开始便清楚地知道，不存在简便易行的实验方法。这4个条件每个都很难达成，要同时满足这4个条件更是难上加难。好在，过去的几十年中，人们为探索新的社会行为研究方法做出了许多努力。小组实验显示，人们有能力探索社会互动是如何导致社会影响和行为变化的可复制模式产生的。 6 与之相对，数据科学的新方法使探索群体行为中的大规模变化是如何发生的成为可能。如果我们能汲取这些方法的优点，就可能找到一种将它们结合起来的途径，帮助我们在关于传播的研究中更上一层楼。
理想的方法莫过于保持小组实验的可控性和理论准确度，将它与群体规模、观察准确度及数据科学中的“自然环境”相结合。如果这一方法可以实现，那它就是一个能满足社会传播实验所有条件的方法。为确定这是否可行，我在互联网上进行了一场社会实验。
有效的实验设计必须让被试拥有自然的实验体验。如果被试认为自己处在人造的实验环境中，那他们的行为就可能受到这种想法左右。此处的难点在于：要在被试不知情的情况下，控制他们的社会网络结构。日常生活中，我们所在的社会网络模式是不可见的，但它还是能影响我们的选择和行为。
我之所以利用互联网进行实验，是因为人们在网上已经与陌生人积极交流了。这有助于创造关系自然的交流网络。此外，我还想找到这样一个网站，其中的互动可以让人们做出重大的行为选择。这一选择必须能被直接测定，最好还是一种能排除外源性影响的行为，这样我们就能从每一个采用者追溯到前一个采用者发出的信号。
满足以上条件后，我们就可以一边操控网络结构，一边通过社会网络观察真实的行为传播过程。当然，即便实验成功了，我们也不能说实验背后的理论观点就是绝对正确的。但在科学上，对一个观点的证伪与证实同样重要，因此无论结果如何，只要能够测试这一传播理论，我们就是向前迈进了一大步。
关于实验的起点，我曾有过几点想法。其一，我们可以选择投资网站进行实验，研究人们选股票时如何相互影响。商业媒体网站则可以让我们观察人们在下载电影、给产品评分时如何相互影响。其二，我们还可以用购物网站研究人们购买产品时的社会影响作用，或用求职网站研究社会网络对人们修改简历、选择工作的影响。不过，经过几番选择后，健康与生活方式网站脱颖而出，成为最合适的实验环境，原因有以下几点。
第一，健康网站的访问者在与陌生人互动时表现出的真诚和责任感令我印象深刻。
在《健康保险流通和责任法案》（
Health Insurance Portability and Accountability Act
）
的保护下，人们在此类网站交换了大量私人医疗数据，包括服药详情、健康日记、核磁共振和CT检查结果、诊疗报告、转诊信息等。大多数信息都是由从未谋面的人们上传、分享、评论的。但这些互动能影响患者有关服药、参加医学实验和更换医生的决定。
7
即便在内容最基础的健康网站上，涉及的不过只是锻炼、饮食、筛查方面的建议，访问者也都莫名其妙地热衷于分享和相互学习这些建议。如果这份与陌生人交流的热情能在实验环境中重现，那就可以用来研究社会网络对行为变化的影响了。
第二，健康行为十分重要。 虽然投资、应聘、产品的采用也很重要，但决定接受癌症筛查事关生命，更不要说能够拯救生命的疫苗接种行为和可能威胁生命的新药尝试行为了。
第三，健康行为和健康结果普遍存在，且往往具有社会性。 股票市场中，只有特定人群会积极参与，而实际投资的人做决定时也可能不受社会影响。与之相对，各行各业的人都要做出影响自己和周围人的健康决定。从传染病的传播到慢性病的治疗，健康决定和健康结果影响着我们每一个人，且通常与我们面临的社会影响是分不开的。 8
第四，简单传播与复杂传播的区别在健康相关的环境中尤为突出。 致命的HIV感染能通过长连接在性接触网络中快速传播，救命的PrEP药物的相关信息亦是如此。然而，健康信息与健康行为的传播之间存在重要差异。长连接网络能够快速传播新型传染病和新信息，却可能无法传播新的行为规范。我们可能需要完全不同的宽桥网络将未知的预防性治疗方法转化为可被接受的行为。
基于以上原因，健康网站或许是适合进行行为传播实验研究的平台。我会寻找人们已经在线上参与的行为，选择其中一种作为本次重点研究的对象。我为汲取灵感浏览了各种时下流行的商业网站，发现它们往往有一个共同特征，即让其成员加入健康社群，在那里他们能与彼此分享建议。虽然这些社群都是人为创建的，且通常匿名，但这些网站上的社会互动出奇地自然。“人为却自然”便是这次实验设计的准则。
接下来的问题是如何建立一个人们愿意加入的线上社群。
行为流行实验室
就建立线上社群，我选择了与哈佛大学医学院的格雷厄姆·科尔迪茨（Graham Colditz）合作。他一直在通过哈佛癌症预防中心运营癌症筛查网站，十分成功。每月有数以万计的独立访客自愿进入“您的疾病风险”（Your Disease Risk）网站，完成能为各种癌症提供风险评估的线上健康筛查。
我想在健康筛查的基础上，研究人们筛查之后自然而然会采取的行动。例如，多数患者在接受风险评估后，会收到一些建议，让他们尝试某种活动、学习某种知识、选择某种生活方式。但他们极少按建议行事。本次研究旨在了解，为人们提供正确的社会网络是否对传播筛查后建议的行为有促进作用。
我建立的线上健康社群名为“健康生活方式网络”（Healthy Lifestyle Network）。部分被试是通过“您的疾病风险”网站评估页最后的链接招募来的。其他被试则由男性健康（Men's Health）、女性健康（Women’s Health）等商业网站上的健康评估或广告招募而来。被试不会获得报酬，但有机会加入一个健康社群，他们能从该社群的其他被试那里了解新的健康资源。
招募广告强调，该社群将为访问者提供社交机会，帮助他们跟进感兴趣和担心的健康问题。这种招募策略是本次实验设计的重要特征，因为它让访问者相信他们将在网站上与陌生人认识、互动。更重要的是，它让这些互动成为访问者采用新行为的契机。因此，虽然这一社会环境是人造的，但经过设计，成了访问者与可能影响他们行为的陌生人互动的自然环境。
我们有必要从抽样的角度思考一下这意味着什么。被试仅限说英语、会用电脑并关心自己健康的人，此外还有许许多多无法参加这项研究却也十分重要的人。这项研究旨在探明，本就关心健康、易被相关网站吸引的人是否仍会因为社会网络结构而改变他们的行为。考虑到我们的招募策略，本实验的“零假设”
为：任何愿意花时间注册“健康生活方式网络”的人都有兴趣使用他们获得的健康资源。本实验旨在表明，即便在本就对健康感兴趣且易被吸引的群体中，用来传播有益资源的社会网络结构也会显著影响人们是否实际使用这些资源的决定。
为使这次实验尽量贴近现实，我们必须注意不能让被试注意到网络的存在。因为在现实生活中，人们不知道其社会网络的大规模拓扑结构是怎样的。虽然有关自我中心网络的报告经常极度不可靠，但人们通常还是认识与他们直接互动的人的，也对与其联系人互动的人有一定了解。但除此之外，人们对社会网络的大规模结构知之甚少，也不在乎。对所有人来说，重要的是与我们有直接联系的社交世界。本实验的设计就是要保留人们对社会网络的“局部”视角。方法是让被试对他们的直接联系人产生极大的兴趣，但不让他们对更大范围内社会网络的规模或结构有一点了解。复杂传播理论假定：虽然社会网络的大规模结构不会被人们直接察觉，但仍是人们是否改变行为的一个直接原因。
接下来，我们要找到一种让被试自然而然加入实验的方式，这种方式让他们能够：
· 在线上社群创建身份。
· 被随机分配到同伴社会网络中。
· 参与传播过程。
被试加入研究的入口是一个网页。网页用幽默易懂的语言对“健康生活方式网络”进行了概述，并用3个宜家风格的图标为被试展示了接下来会发生的事：被试将选择用户名和头像，与社会网络中的同伴匹配，并有机会分享和接收有关新健康资源的建议。
被试点击“开始”链接时，会被要求提供邮箱地址、勾选知情同意书。知情同意书向被试保证，网站不会泄露任何私人信息或身份信息，所有线上互动都将匿名。被试填完此页面后，就正式加入研究，可以创建在社群中代表自己的用户名和头像。最后，为使被试的档案趋于完整，他们还被要求选择一组健康目标和健康兴趣，用于辨别社群中哪些成员对他们最有益。如图3-1所示，被试完成以上步骤后就进入实验，被随机分配到两个社会网络中的一个。
图3-1 被试的注册流程和随机分配
每轮实验都包含两个群体，一个为群聚型网络，一个为随机型网络。两个网络人数一致，其中每个人拥有的联系人数量也一致。群聚型网络的设计和空间网络相似，其中的邻里由带有宽桥的群聚型关系组成，各个邻里将整个群体连接在一起。随机型网络则是将群聚型网络中的关系重新分配后的形态，每个被试在群体中的暴露程度都达到最高。正如我们在第1章和第2章探讨的，重新分配的过程保证了随机型网络中的每个节点所拥有的联系人数量与群聚型网络中的完全一致，也就是说二者的度分布完全一致，但与此同时，重新分配降低了网络的群聚性，消除了邻里内及邻里间冗余的关系。 9
两个网络是在研究开始前就创建好的。当被试加入研究时，他们会被随机分配到其中一个网络拓扑中，如图3-1所示。被试先随机加入两个网络中的一个，然后随机占据该网络中的一个空白节点。被试在网络中的直接联系人即他们在“健康生活方式网络”中的“健康好友”。从被试自我中心网络的角度来看，两种网络条件没什么区别，被试知道的仅仅是自己在和一组健康好友接触。但当我们鸟瞰时，就会发现每个群体的大规模拓扑结构不尽相同。重要的是，被试无法通过建立新关系、放弃已有的关系等方式改变他们所在的社会拓扑。实验中，被试所在的网络始终不变。
图3-1展示的是核心个体（白色圆圈）被随机分配至任一实验环境的过程。网络中的黑色节点代表任一核心个体的联系人，即健康好友。在群聚型网络中，这些联系人彼此还有共同的联系人，因而建起了通往附近邻里的宽桥。与之相对，在随机型网络中，联系人之间没有冗余的关系，这使网络的暴露程度达到最高，网络中与核心个体仅两步之遥的人数也更多。灰色节点代表的是未与核心节点相连的个体。
每轮实验中都有新加入的被试被随机分配到某一实验环境中，直到两个网络完全填满。等两个网络都填满，就万事俱备只欠东风了。
最后一步是向所有新注册的被试展示他们的“好友页”。好友页上有每个被试及其健康好友的用户名、头像和健康兴趣。在两种网络中，健康好友都是通过相似的兴趣匹配而来的。每次实验中，由于两个网络的邻里规模大小都相同，所以被试好友页的结构都一样，显示的联系人数量也都相同。
如图3-2所示，最终有1 528名被试加入了“健康生活方式网络”研究。实验共进行了6轮，每轮都包含1个群聚型空间网络和1个与之对应的随机型网络。每轮实验中，两个网络都具有相同的大小、度分布和密度。在实验A中，两个网络各有98人，每个人各有6个联系人。在实验B、C、D中，每个网络各有128人，每个人各有6个联系人。在实验E和F中，每个网络各有144人，每个人各有8个联系人。被试经过如此分配之后，共被分成了12个实验群体：6个在群聚型空间网络中，6个在随机型网络中。
图3-2 6轮实验的传播时间序列
传播由网络中随机的“种子节点”发起，该节点向其在网络中的联系人发送信息，鼓励他们加入某健康论坛，即采用一种与健康相关的行为。每则信息都以邮件形式发送，邮件地址显示了采用者的用户信息，邮件内容则包含了健康论坛的注册网址。一旦某人采用了新行为，也就是注册了健康论坛，那他就会自动向健康好友发送信息，邀请他们采用新行为。之后，如果收到信息的人中有人采用了新行为，那他也会向自己的健康好友发送信息，以此类推，在网络中形成传播过程。
信息系统能准确记录采用的顺序，提供新行为在每个群体中传播的先后次序。被试只有在有一名他的联系人加入论坛时，才会收到信息。联系人中的采用者越多，被试收到的强化信号就越强烈。他有多少健康好友，就会收到最多多少封邮件。
被试点击邀请邮件中的链接后，就会进入健康论坛的注册页面。为获取访问权限，即正式采用新行为，被试需要完成一张注册表，而这是实验设计的重要一环。
注册表相当简单，被试只需输入关于健康兴趣、健身背景和生活方式的信息，就算注册成功。但这张表格的长度和难度为测定传播过程的复杂性提供了一个有用的控制参数。如果没有注册表，则仅点击邮件链接就满足加入健康论坛的条件。这就会让“采用”在本质上成为轻松的行为，类似简单传播。 10 相反，如果注册表太长，或所需信息为被试的社保账号等高度私密的信息，那说服被试注册健康论坛所需的社会强化程度就会提高，传播过程将更加复杂。
做这项实验，重要的是让被试遇到足够的阻力，不能通过点击链接等简单方式轻而易举地采用新行为，但与此同时注册过程也要足够简化，让我们能观察到真正的传播过程，不需要花上数月时间对注册页面进行调整。一个简单的解决办法就是使用问题足够多的注册表，让被试必须向下滚动页面才能完成注册。这项研究为新行为设置的采用门槛相当低，因此可对复杂传染理论进行保守的测试。即便如此我还是惊讶地发现，虽然注册健康论坛的“成本”极低，但还是对被试的采用行为造成了相当大的阻力。许多被试在第一次收到健康好友的邀请邮件时，点击链接后都没有进行注册。只有在他们另外收到其他健康好友的邀请邮件后，才会注册。
被试采用新行为后，会在健康论坛上体验到什么呢？在论坛中，采用者可以访问和查看数百种与生活方式、健身、营养、戒烟、减肥相关的健康资源。被试可以评价、共享这些资源，还可以查看他们已采用新行为的健康好友对资源的评论。这些功能对健康论坛的所有采用者全面开放。
论坛中的一切活动都无法对传播实验产生实际影响。一旦被试注册了论坛，他们的活动就无法触发任何额外的收发邮件的行为了。换句话说，被试决定采用“加入健康论坛”这一新行为后，就不能反悔了，他们的采用决定是一步到位、不可更改的。如前文所述，这种实验设计让采用者只能向未被激活的健康好友发送一条信息，之后他们便没有其他互动了。
健康论坛本身作为一个独立的网站运行。为了物尽其用，只要采用者想用，他们就能继续使用论坛，也可以随意返回网页，重新登录论坛。在实验结束的几个月后，论坛仍在作为采用者的免费网络资源运营着。他们每次重新登录，都能看到健康好友当前的活动信息，以及更新后的健康资源评分和信息。
不过，这个健康论坛最根本的特征是，它是为实验专门创建的网站。“健康生活方式网络”研究之外的人不可能发现它或加入它。加入论坛唯一的方式就是收到健康好友的邀请。因此，每有一个被试采用新行为，我们都能追踪到促使他们做出决定的前一个采用者。 11
每轮实验中，每次传播过程开始的时间点都是每个网络中种子节点被激活、最先发出信号的时刻。所有实验对传播过程的研究时间均为3周。
实验结果很有启发性。每轮实验中，新行为都可通过群聚型网络轻松传播。传播过程先从局部区域开始，蔓延至附近的邻里，最后传遍整个群体。图3-2展示了研究中全部12个网络完整的传播时间序列。每张线图对应一轮实验，其中深色线代表群聚型网络，浅色线代表随机型网络。
由于我们是分别对每个网络进行观察的，所以很容易进行统计。传播结束时，每个网络都会生成一个数据点，代表最终的采用人数。为了解网络结构对传播的成功是否有重大影响，我们可以收集群聚型网络中的全部6个代表最终采用人数的数据点，与随机型网络中与之对应的6个数据点进行比较。最直截了当的检验方法，就是观察群聚型网络的数据点是否始终大于随机型网络的数据点，以此进行非参数评价。不过，就算没有这种统计学检验，结论也是显而易见的。
每轮实验的结果都相差无几，即群聚型网络显著扩大了传播过程涉及的范围。为理解这种扩大作用有多明显，我们可以看一看每轮实验中所有网络的平均结果。
结果显示，平均每个群聚型网络中有53.77%的人成为采用者，平均每个随机型网络中只有38.26%的人成为采用者，也就是说，总体而言群聚型网络的平均采用率比随机型网络高40%（ p <0.01）。
进一步来说，我们不仅可以分析传播过程最终达到的范围，还能分析传播的速度。为此，我们可以重复非参数统计过程，但这一次，我们通过测算传播期间平均每秒激活的节点数量，来比较每个网络的总传播速度。
即便我们不做正式分析，用图3-2中曲线的斜率也能说明问题。每轮实验中，群聚型网络都显著提高了传播的速度。实际上，在全部6轮实验中，群聚型网络的平均传播速度比随机型网络的平均传播速度快了4倍以上（ p <0.01）。
我们可由此得出结论， 与随机型网络相比，健康论坛在群聚型网络中的传播范围更广、速度更快。 不仅如此，由于研究中从每个网络得到的观察结果都是独立且严谨的，所以我们还能得出一个因果关系结论，即群聚型网络对行为的传播有明显的改善作用。 12 要了解这是如何实现的，我们就需要研究每个网络中的传播进程。
图3-3依次展示了两种网络中的实际传播过程。每个方块由左至右展示了在群聚型网络及与之对应的随机型网络中，健康论坛传播经过的时间序列。在这两个序列中，最左侧的方块均代表传播过程的开始，其中仅有1个种子节点，呈黑色，群体中的其他人则呈白色。每行5个方块代表每个网络中传播的时间进程。当新的采用者出现时，代表他的节点就会变黑，为突出显示由采用者传播时激活的暴露路径，其周围的关系线也会变黑。
图3-3 线上社会网络中行为的传播
在随机型网络中，我们最先注意到的传播特征是信号到达群体中其余部分的速度之快，其中信号以激活的关系线表示。传播只经过短短几步，就让健康论坛暴露在了几乎所有人的面前。从图3-3中的黑线可看出，信息传播的速度快得惊人，这正是弱连接和小世界的典型特征。冗余关系越少，信息的暴露范围就越广。然而，虽然有关健康论坛的信息在随机型网络中得到了迅速传播，但采用率却增长缓慢。
相比之下，在群聚型网络中，信息先在局部区域传播。这种网络中的信号不会在同一时间散布至群体各部分，而会绕一圈回到它们起源的群聚型邻里中。这种关系冗余现象使信息在空间上呈集中分布态势，在一开始造成的暴露程度较低，但由此而来的采用率十分可观。
新行为一旦充满某一邻里，就会开始向附近的邻里流动，最终传播至整个群体。在接下来的几周里，每个传播过程都与瑞典地理学家托斯滕·哈格斯特朗（Torsten Hagerstrand）、瑞典皇家理工学院教授彼得·海德斯托姆、美国康奈尔大学教授戴维·斯特朗（David Strang）和美国斯坦福大学教授萨拉·索尔（Sarah A. Soule）记录的空间传播模式十分相似。 13 正如罗杰·古尔德在其有关巴黎公社的研究中所观察到的：
邻里间通过重叠的招募信息相互影响的过程，只能从含有重叠部分的整个网络的角度来分析。每个邻里的抵抗程度不同，他们在影响其他邻里的同时，也会受其他邻里影响。其中有直接影响，即来自有直接关系的邻里的影响，也有间接影响，即其他邻里受到的影响本身也来自另外的邻里，这些另外的邻里受到的影响则来自更远的邻里，以此类推。换句话说，影响过程不仅发生在彼此独立的邻里之间，还存在于有直接联系、距离不同的邻里连锁中。因此，不同邻里抵抗程度的相互影响，不仅与邻里的人数密切相关，还与重叠招募的结构密切相关。 14
19世纪巴黎社会运动的发展过程与线上健康社群中的行为传播过程十分相似，这说明空间传播过程具有不容忽视的普遍基础。我曾在第2章提到，空间传播网络之所以高效，很大程度上可能要归功于其社会互动的结构。抛开关系因素不谈，这些实验结果表明，将人们置于群聚型组织模式中，可以大幅加速行为传播的过程，无论这一群聚型组织是城市社区，还是线上社群。
为了解这些网络传播过程中人的作用，我们可以从个人层面对被试的行为展开分析，以此验证复杂传播理论是否有利于我们理解线上网络中的传播方式，也就是验证人们对社会强化的需求能否解释线上网络中的传播方式。
至少有两种社会机制可以解释为何“加入健康论坛”属于复杂传播。第一为可信度机制。虽然加入线上健康论坛是十分简单的行为，但也需要人们付出时间和精力。用户必须注册网站、浏览各个页面、查看有用的内容。虽然被试收到的第一条信息会让他们注意到健康论坛的存在，但要让他们决定采用该网站，还需要一定程度的社会证明，让他们这些潜在的采用者相信加入网站不是浪费时间。对被试来说，联系人中采用者越多，健康论坛就越可信，越可能帮助他们找到新的健康资源。第二为战略互补机制。加入健康论坛的人越多，该网站获得的用户评价和推荐数量就越多，用户期望从已经加入论坛的健康好友那里得到的好处就越多。基于这两种机制，被试收到多个联系人的邀请后，其为采用新行为付出“成本”的可能性将提高。
为确定“加入健康论坛”确实属于复杂传播，我测算了被试在收到不同数量的健康好友的邀请后，其被激活的可能性。我将人们收到1个信号后采用新行为的可能性，与他们收到2个、3个、4个强化信号后采用新行为的可能性进行了比较。
社会强化对采用新行为的影响十分明显。被试在收到第2个信号后，比其仅收到1个信号时加入论坛的概率提高了67%（ p <0.001）。我们对被试收到2个和3个信号后的采用率做了同样的对比，发现收到3个信号后的采用率比仅收到2个信号后的采用率提高了32%（ p <0.05）。 15 因此，“加入健康论坛”确实属于复杂传播。
被试收到4封邀请邮件后的采用率也高于收到3封后的采用率，但由于样本量较小，这种影响的意义有限。我从分析中得出，强化信号的增加既不会导致饱和效应，也不会降低采用的可能性。信号数量的增加可对个人的采用率带来持续的积极影响。
这也解释了为何群聚型网络中的传播更成功。 16 群聚型网络将来自采用者的信号集中为局部区域的强化信息序列，为健康论坛的可信度及其日益增长的互补价值提供了证明。这一过程将表面上冗余的社会关系转化为行为传播的有效路径。
接下来，我们可以思考一下，这些传播过程对个人采用某一行为后的投入精力有何影响。 17 在第1章，我对一步到位的和需要长期维持的行为进行了比较。包皮环切术和麻腮风疫苗的接种属于一步到位的行为，对安全套的使用、对糖尿病的治疗则属于需要维持的行为。同理，购买某一种电脑是一步到位的行为，坚持使用某一种操作系统则是需要维持的行为。
在健康行为领域，我们有必要了解一下，有关采用率的实验结果是否有助于我们理解网络结构对行为维持的影响。传播实验结束后，我让被试继续使用健康论坛。采用者可以在第一次加入论坛的几个月后，再次登录。网站会自动生成每个采用者的回访记录，这为我们了解社会强化过程是否对行为的维持有长期影响提供了一个很好的方法。
为衡量社会强化对被试加入健康论坛带来的影响，我根据采用者从健康好友那里收到邀请邮件的数量，对采用者进行了分组，之后比较了每组采用者回访健康论坛的次数。记住，被试一旦加入健康论坛，就不会再从健康好友那里收到信息了。因此，这项测试可以用来验证，触发采用的强化信号是否对长期参与也有影响。
每组的全部采用者收到的信号数量绝对一致：第1组的采用者都仅收到1个信号，第2组的采用者都收到且仅收到2个信号，第3组的采用者都收到且仅收到3个信号，以此类推。我主要在“早期采用者”也就是收到1个信号的采用者（第1组）与收到多个信号的采用者（第2组至第5组）之间进行比较。
对第1组的成员来说，1个已激活的联系人就足够触发他们加入论坛。在这一组中，仅有12%的采用者曾回访健康论坛，其中10%回访过1次，2%回访过2次。这些早期采用者的回访数量都没有超过2次。早期采用者为采用者回访健康论坛的概率提供了一条基线。之后我们可用该基线与其他组进行比较，观察社会强化是否对被试的回访率有影响。
相较于早期采用者12%的回访率，收到2个信号才加入论坛的被试中，有34%回访过论坛至少1次，其中9%回访2次、1%回访3次、1%回访4次（ p <0.001）。社会强化带来的影响不仅显著，且随着社会强化程度的加强而加深。收到过3个信号的采用者回访率为40%，其中9%回访2次、10%回访3次、1%回访4次（ p <0.001）。被试受到的强化次数越多，其与论坛的互动就越频繁。收到过4个信号的被试回访率为41%（ p <0.001），而收到过5个信号的被试回访率为45%（ p <0.01）。 18
从有关投入精力的这些发现来看，我们有必要将相关性与因果关系区分开来。有关传播的实验结果显示，社会网络与行为传播之间存在因果效应；有关投入精力的实验结果则显示，采用者接收的强化信号的多少和其对新行为的投入程度具有相关性。对于这一相关性，有许多可能的解释，例如越晚采用新行为的人，可能越忠于他们采用的行为。但也可能恰恰相反，也许早期采用者更忠于新行为，但来自多个联系人的强化信号带来了额外的激励，让较晚采用的人希望充分利用新行为。对相关性的另一种解释是，被试对健康论坛投入更多精力，是因为他们的联系人中采用者较多，带来的互补价值较高。换句话说，一个人收到的强化信号越多，就越有理由为观察其他人对网站的付出而长期使用论坛。
虽然这些观点还未得到证实，但社会强化和论坛参与之间的强相关性表明，网络结构与人们对行为投入的精力之间存在关联。 19 在线下环境中，群聚型网络可能有助于行为的维持，因为采用者的密友或与采用者长期接触的对象等强连接具备的“关系”强度能让采用者变得更加投入。但研究显示，群聚型网络的“结构”因素也可能让采用者长期投入新行为。 群聚型网络提供的强化信号，增强了新行为的可信度和互补性。对采用者而言，坚持其他人也在参与的行为或许可以让他们获得额外的价值。
对每组回访的整体分析也表明，最难被说服加入论坛的被试才是加入后投入精力最多的那批人。收到2次邀请后采用的被试回访的可能性，比仅收到1次邀请就采用的被试回访的可能性高135%。不仅如此，与收到1次邀请的采用者相比，收到3次邀请后采用的被试回访的可能性高185%，收到4次邀请后采用的被试回访的可能性高190%（ p <0.001）。由此可得，可信度机制、战略互补机制等使行为复杂化的因素，也可能增强行为被采用后的“黏性”。
这一结论还可能表明，最抵抗采用新行为的行动者，一旦被触发了阈值，就可能成为对新行为最忠诚的人。换句话说，假如某人采用新技术是因为他相信这项技术所具有的互补价值，那么他一旦接收到足够的强化信号并采用了新技术，这项技术也可能同时具有了足够的互补价值，使采用者难以割舍。某人采用新行为前的抵抗因素也可能就是他采用后维持新行为的原因。因此，在许多情况下，复杂性不一定会限制传播的过程，但为了让行为变化持续下去，复杂性确实是一道需要克服的难关。
这项有关传播的实验研究展示了一种新的研究方法，即利用线上环境来研究群体结构对人们行为的影响。这样一来，我们就能进一步探究许多新问题及过去未经检验的问题了，这着实令人兴奋，我将在第三部分和结语中进一步讨论这一方法。虽然该方法的理论意义十分可观，但并不完美。例如，这次实验研究在泛用性方面就存在几点缺陷。其中在设计方面的一大缺陷在于，现实世界的情况与这项研究不同，要让人们采用新的健康行为通常极其困难。为了采用疫苗接种、节食、日常锻炼、接受筛查等健康行为，人们可能要以时间、贫困或身体疼痛作为代价。相比之下，注册健康论坛需付出的努力较少。那么，在线上环境中得出的结果如何转化为对线下健康行为的影响呢？由于人们在决定接种疫苗或改变生活方式时面临的成本和困难更大，所以在这些情况下需要的社会强化更强。可以说，这项研究的结果相对保守。在现实情况下，人们对社会强化的需求更大，说明与在这项实验中观察到的传播过程相比，在现实世界中健康行为的传播更依赖于那些能提供社会强化的网络。
这项实验的另一大缺陷是，被试与其健康好友没有任何直接交流，被试也不了解这些好友的身份信息。这让实验排除了关系强度等易造成混淆的变量，摆脱了网络拓扑对传播过程带来的影响。但这样也导致一个问题，即当加入影响人际关系的其他因素后，网络拓扑会带来何种程度的影响。例如，过去就有传播研究表明，同质性和强大的人际影响等因素可能有利于行为的传播。
正如我在第1章和第2章讨论的那样，这些社会网络特征可能与群聚型社会关系的形成高度相关。 20 因此，如果存在关系强度或同质性带来的互动影响，则群聚型网络可能会对传播带来更大的影响。我认为，这些强化因素可能有助于增强我们已经观察到的群聚型网络对复杂传播带来的促进作用。
这些发现为我们打开了一条新思路：对传播新事物而言，关系是否冗余可能比其影响范围更重要。我们已经观察到， 人们受到来自多个传染源的社会强化后，更有可能改变行为。 这种在个人层面的观察可以转化为网络层面的现象： 要让大规模传播的范围更广、速度更快，就要靠宽桥而非长距离连接。 本次实验最出人意料的发现也许在于， 群聚型网络不仅有助于传播难以传播的新行为，而且有助于维持人们采用新行为的状态。 21 为了解这些实验结果的适用范围，我将在第二部分探讨这些结果在与行为传播相关的应用环境中的实际用途。