条定律|网络舆情的社交分享定律 2011 年 7 月，Facebook 的 CEO 扎克伯格在一次新闻发 布会上表示，目前 Facebook 用户每天公开分享 40 亿条信息， 包括状态更新、图片等。扎克伯格解释说，根据 Facebook 统计数据，社交分享信息量以倍数增长，今天分享信息总量 是两年前的两倍，从现在开始后的一年，用户所产生的信息 分享总量将是今天的两倍。扎克伯格的社交分享定律可用一 它会有多高？多数人可能会说不足一英尺…这个长度等于 往返地球与月球 10 次…纸的厚度乘以 2 的 50 次方，数字虽 小，但翻了很多倍。”也就是说，社交共享信息量如果以 1 年为间隔，社交共享信息量将以指数 2i 的速度增长。他用这 个例子类比社交分享的力量，一个被分享 50 次的信息，它 所产生的能量是十分巨大的，有可能超过人们的想象。 这条定律之所以被提出，是源于 Facebook 的内部数据， 伯格的 社交分享定律，也表现为一条快速增长的指数曲线，预计在 可预见的未来，用户每年在线共享的信息量将增加一倍。 当然，也有人指出这可能在夸大其词，天使投资人克里 斯·迪克森（Chris Dixon）就表示，如果按照扎克伯格所说， 20 年后一条信息将被分享 1048576 次（2 的 20 次方）。不 过，移动互联网普及，人们可以随时随地转发、点赞和评论， 进一步推动社交分享信息量的指数级增长，迪克森的质疑至

一个相对稳定的范围，能互相协助，比如狒狒种群平均数量 50 左右。他还研究了 21 种不同形态的原始社会，人类在石 器时代的每一个原始村落，平均人数约 150 人。 邓巴根据猿猴的智力与社交网络进行推断提出，人的大 脑新皮层大小有限，限制了特别物种个体社交网络的规模， 人脑提供的认知能力只能使一个人维持与 148 个人的稳定人 际关系，四舍五入约是 150 人。这一数字是人们拥有的、与 自己有私人关系的朋友数量。他曾请一些居住在大都市的人， 率和亲密感不同，人们的 社交圈还细分为不同圈层。比如，亲密圈，3-5 人，遇到困 难和问题会请教或求救，是真正的朋友；同情圈，每月至少 彼此联系一次，你的喜怒哀乐会予以共情，一般有 10-15 人； 团队圈，基本是因工作联系交往比较多的人，可以达到 50 人。社交圈，稳定的社交网络关系，一般是 150 人，每年至 少会联系一次。 邓巴还发现，好友上千的社交网站用户与好友较少的用 户 友指的是一年至少联系一次的人。人们明显希望拥有大量好 友，但实际上他们的好友不可能比其他人多。邓巴还发现， 女性更擅长在社交媒体上维持好友，女性更擅长通过与他人 交流来维持关系，男性则需要在一起从事实际活动。150 人 定律被认为是很多人力资源管理以及社交网络的基础，即人 类的社交人数上限为 150 人，经常交往深入交往的人数为 2 0 人左右。 Facebook 的内部社会学家卡梅伦•马龙(Cameron

20%。作为全球最大的数字社会之一，中 国社交媒介用户已超 10 亿，超过 95%以上的移动用户通过移 动设备访问社交媒介。 在国内，既有以熟人关系为主的强连接社交媒介，如微 信、QQ 等；也有以陌生人社交为主的弱关系社交媒介，如微 博、小红书、抖音等。在这些社交媒介中，用户生产、全民 参与保证了数字内容的源源不断，也共同构建了新时代的文 化生态、传播景观。 对比分析：社交媒介内容生态特点 （一）传播模式：全民参与，建构交互关系 播者传递给接收者，再通过特定渠道进行反馈，但反馈的即 时性较弱，机会也较少。这种传播模式常见于从上到下、从 专业到非专业的权威（专业）传播中，虽然具备一定的广泛 性和权威性，但缺乏互动，受众的参与感不强。 社交媒介的传播强调全民参与和交互，形成自下而上的传播，是一种多维立体的网状结构，它通过鼓励受众参与， 在传播者和接收者之间形成新的关系，彼此沟通、共同协作。 这类传播模式更加重视受众的参与权、表达权，传播的内容 传统媒介构建的文化生态以单向性、权威性和中心化为 核心，强调主流价值和国家认同。传统传播通过固定的时段、 地域分层传播，在同一代人、同区域群体间强化集体记忆， 对社会结构的稳定起到重要作用，但其灵活性、多样性都受到较大限制。 社交媒介构建的是典型的参与式文化，其以全体网民为 主体，通过某种身份认同，积极主动地创作媒介文本、传播 媒介内容、加强网络交往所创造出来的一种自由、平等、公 开、包容、共享的新型媒介文化样式。

终达到多重结果。 社交媒体提供了关注 (收听 ) 、转发、评论、回复、 私信、对话、邮件分享等互动功能，微博还可以通过“@” 提醒和转发来实现各种形式互动。社交媒体的信息传播，就 像被吹开的蒲公英，向不同的方向进行扩散，最后信息会去 适应用户的需求，落到最合适的土地上。在社交媒体出现之 前，无论是传统媒体还是门户网站，信息传播都是单向且一 步即止的。社交媒体的关系链打通了人际传播的快捷渠道， 的快捷渠道， 只需要一个简单的转播按钮就可以把信息分享到周围的朋 友。社交媒体一条质量好的信息，在被浏览后会被多人转载 分享，这种人人分享的方式就是蒲公英式分享。信息就像被 吹开的蒲公英，向不同的方向扩散，用户也会根据自己的兴 趣对其选择性接受。 随着社交媒体影响越来越大，每个用户都可以成为信息 源头。信息从一个用户账号发出后，多个其他用户账号转发， 以其他用户账号为中心再次进行转 以其他用户账号为中心再次进行转发，然后四散扩散。根据扩散速度会分为第一圈层、第二圈层和第三圈层等。这种蒲 公英式放射状传播模式，能有效利用转发优势扩大信息覆盖， 加速信息传播速度和广度。当社交媒体用户转发积累到某个 点的时候（一般来说 10-20%的某个点，也称作引爆点），会 出现一个非常快速的增长过程，从一个缓慢的增长曲线变为 指数级增长趋势，而从低速到快速的转变非常迅即，快速传 播速度在这个点突然爆发，像病毒一样传播，形成飞轮效应

100 条定律|网络舆情的 1％法则 1％法则，也称作参与不均定律，是指社交媒体用户只 有 1％会积极创造内容，9％会进一步参与讨论，如点赞、分 享，90％只是浏览些内容，并不参与互动。意大利经济学家 维弗利度·帕累托曾提出著名定律：80/20 定律 (80/20 法 则)。他在研究中发现，意大利 80%的收入来自于 20%人口， 于是提出 80%的产出来自 20%的投入这个重要定律。后来， 得更加极端，即只有极少数人创造内容，少数人参与互动， 其余大多数人仅仅是浏览。2006 年，美国知名网站设计师杰 柯柏·尼尔森（Jakob Nielsen，2005 年提出十项使用者体验 设计优化原则）发表文章阐述了一个现象，即社交媒体用户 只有 1％（重度创作者）会积极创造内容，9％会进一步参与 讨论（如点赞、分享），90％只是浏览些内容，并不参与互 动。尼尔森将它称为“参与不均”（Participation Inequality）， x”的粗言，可看作是对潜水者的鞭策。2016 年皮尤调查显 示，尽管很多美国人已将社交媒体视为重要的新闻获取工具， 但他们很少参与新闻互动。只有约四分之一（26%）的新闻 用户经常点击社交媒体的报道链接，经常点赞的人数占比 1 6%。对新闻进行评论、分享、讨论的用户比例分别占比 8%、 11%和 5%。近年来，随着智能手机和社交媒体普及发展，特别是即 时通讯应用大量普及和人们对简短信息接受度的提高，大大

万条微博，其中，中 国军舰全速驶向事发海域总曝光量超过 4079 万次。这印证 了中国一句俗语，“传言动动嘴”，转发千万条；“更正跑断 腿”，只有几千条。 2016 年 9 月，《经济学人》杂志封面文章《社交媒体时 代的后真相政治》，有一张数据显示的是 Facebook 文章被分 享的次数，证明了真相跑不过谣言。谣言与辟谣本身就是一 场博弈。轻信谣言是因为人的潜意识会很自觉地排斥那些和 我们价值 新闻聚合网站 Buzzfeed 研究发现，美国大选期间，相比 传统媒体新闻，假新闻在社交媒体传播速度更快。特朗普竞 选期间，社交媒体的假新闻、阴谋论一度泛滥成灾，“调查 希拉里邮件门的 FBI 探员被谋杀”“披萨店内窝藏与希拉里 有关恋童癖团伙”等假新闻曾重挫希拉里的支持率。据统计， 在美国总统投票日前的三个月，社交网站的选举假新闻，比 真实新闻还要更受关注。来自虚假新闻网站与极端博客页面的 20 大选举新闻，转 发率却只有 740 万。 社交媒体一次又一次的爆料、辟谣、再爆料、再辟谣的 循环模式，使受众厌烦媒体对所谓事实的郑重报道，看到信 息第一时间不是思考信息是否是事实，而是怀疑整个事实的 真实性。人们对假新闻假消息早已习以为常，见怪不怪了， 即使出现大量未经证实的假新闻、假消息，很少有人会持续 关注后期对假新闻的纠错报道。真相在社交媒体时代被严重 屏蔽、忽略，劣币已成功驱逐良币。《忽悠的原理与技巧》

把想法信息传递给其他人，从而创造一种连锁反应。他在研 究后得出 3 个主要原则：精神、感伤和标识。他还总结了三 个关键因素，包括诉诸精神上的拥有、诉诸情感、诉诸公正 逻辑。今天，爆款文章像病毒一样在社交媒体传播，每个人 主动转发，就像发了红包给他们，可以用亚里斯多德的观点 来解释这一现象。 宾夕法尼亚大学沃顿商学院市场营销学教授乔纳·伯杰 和同事凯瑟琳·米尔克曼做过一个“为什么内容是病毒性 像病毒一样入侵》一书提出，一件事物能够具有感染力，并 带来大量的传播，主要由六条原则（STEPPS 原则）决定： 社交货币、诱因、情绪、公共性、实用价值和故事。符合这 六条原则，可以让产品、思想、行为像病毒一样扩展。这六个原则相互独立，其中某一个或几个原则发挥作用就能引爆 流行趋势。 一是社交货币（Social Currency）。社交货币是一种可以 诱发传播的因素。人们倾向保持他人对自己的良好印象，期 待获得来自家 故事的有效结合，能让品牌在人们心中迅速流淌。 这六条原则，归结起来体现了三个要素。一是与己有关。 研究发现，超过 40%的人谈论的话题都体现着个人经验与私 人关系。用户需要自我形象，那就需要传播、分享与表达， 这些都需要消费社交货币。我的形象、我的故事、我的朋友， 哪怕一件奇葩经历，只要有参与性，就能让用户非常快地自 我复制，如购买豪车证、购买豪宅证，喜提辽宁号、喜提复 兴号等。二是利益诉求。既有物质利益，又有精神利益。物

，人工智能生成的虚假信息已多次干扰美国 政治选举。在 2023 年 2 月芝加哥市长选举第一轮投票前夕， 社交媒体出现一段关于候选人保罗·瓦拉斯的视频，伪造瓦 拉斯的声音发表言论，声称“警察随随便便就可以射杀嫌疑 人”，并呼吁削减警察经费。在瓦拉斯向社交媒体平台发出 投诉后，社交媒体删除了这段视频，但该视频在下架前已经 被浏览了数千次。人们对瓦拉斯的语音录音是否伪造视而不 见。美国政 制造社会就某些政治问题形成共识的假象；削弱政府对选民 需求的响应，破坏政府反应能力，；左右公众舆论，加剧分 歧；打击或欺骗选民，降低选民参与选举的积极性；破坏对选举过程的信任。[4]从自动电话到社交帖子，不同类型信 息即便在没有人工智能生成内容的情况下，也一定会继续传 播，但生成内容可能使大规模信息输出的成本更低、更容易 被世界各地的选民们采信，也更难被识别和揭穿。例如，深 度伪造和语 试图阻止民主党选民投票。恶意行为者还可以利用生成的图 像，使通过虚假账户影响受众的行为看起来更可信。现在， 人工智能可以轻易创建大量人物资料。自动化流程也有助于 更快捷地同时 操纵这些虚假账户。最后，在社交媒体上或 通过代理网站分享的大量不同内容的文本可以被用来制造 社会就某些政治问题形成共识的假象，或散播不同的叙事， 而不会像过去那样出现令人起疑的语法错误和行话误用。网 络上缺乏高质量的、以少数族裔语言呈现的选举相关信息，

年美国 总统大选和英国脱欧两只黑天鹅。在此之前，美西方国家凭 借硬实力优势和对全球舆论的强大掌控能力在世界各地进 行渗透，形成了一套干涉他国内政和渗透颠覆的手段。然而， 伴随互联网影响的深入，社交媒体的全球拓展，人工智能等 新兴技术开始介入政治文化生活，潜移默化的变革力量不断 累积。最终，这股技术力量在 2016 年充分爆发，影响了美 国大选和英国脱欧，改变了世界对人工智能安全风险的认知。 应用爆红表明数据和算法驱动的智能传播将走向主流，意味 着信息传播范式再次革新，即从大众媒体时代的对所有人的 大规模传播，到社交媒体时代所有人对所有人的开放传播， 进一步迭代到智能媒体时代信息和内容的自动交互传播，即 一种基于深度学习技术和大数据的自动化传播。大众传播、 社交传播、智能传播三者共存，既相互竞争和替代，也相互 联动和协同，共同构成开放复杂的传播体系。三是媒体格局 变革。未来，伴随具身智能普及化应用，人工智能如同一个 目前，各种插件涵盖实时信息检索、订机票、在线点餐、交 通导航、企业办公、流程优化、内容生成、图文跨模态处理、 知识检索和问答、语言学习和翻译、产品营销和推荐、行业 垂直应用等领域。未来，人工智能应用场景将日益广泛：从 社交媒体到广告创意，从游戏到影视娱乐，从编程到深度写 稿，从平面设计到文字翻译等，创作、创意、解答、咨询、 翻译、客服等原本需要人类创作的行业或事务，其工作流程 正将被替代，促进生产方式、科研范式、教育形式、生活方

安全性碰撞测试的说明》。三、事件传播情况 本次事件在短时间内引起了广泛关注，传播声量达到 53,731，媒体传播力高达 889,593,968，表明信息在媒体间 的传播效果极为显著。 同时也是社交媒体时代舆情引爆的典型范例，其核心 在于一个极具争议性的视觉素材，通过多平台、多圈层的 联动，迅速突破圈层，成为社会性话题。 主要传播话题方面，从最初少数人对理想 i8 安全性的 惊叹，迅速 牌标识进行处理，直接将其作为“反派”角色呈现。这一行 为被东风柳汽指责为严重侵权，涉嫌违反《反不正当竞争 法》，引发了关于商业竞争边界的大讨论。 品牌态度与公关应对面对质疑，理想汽车高管在社交媒体上“隔空喊话”， 邀约“直播复测”的强硬姿态，被舆论普遍视为傲慢与挑衅， 进一步激化了矛盾。而后续发布的道歉声明，则被部分舆 论解读为在压力下的“服软”，整个公关应对节奏失据，充 满争议。 营销策划，并关注其港股股价的剧烈波动。泛娱乐/搞笑类 将事件完全娱乐化，创作了大量“理想 i8 撞万物”的梗 图和段子。这些内容消解了事件的严肃性，但也极大地助 推了其在社交圈的传播广度。网民情绪与观点 社交媒体的评论区是观察公众真实情绪和观点的最佳 窗口。根据情绪雷达数据显示，公众情绪主要集中在质疑 （23.33%）和惊讶（25.00%）上，这两种情绪的占比最高， 显示出公众对于理想汽车碰撞测试结果持有较大的疑问和