Direct and Indirect Influence on Likes in Social Media

기술 요약: 소셜 미디어 내 '좋아요'에 대한 직접적 및 간접적 영향

문제 제기
본 연구는 온라인 소셜 네트워크 내에서의 사회적 전염(social contagion) 메커니즘을 조사하며, 특히 VKontakte(VK) 플랫폼 사용자들의 '좋아요' 행동에 초점을 맞춘다. 기존 문헌은 직접적인 이웃(거리 $d=1$)이 행동 채택에 미치는 영향에 대해서는 광범위하게 기록하고 있으나, 알고리즘 기반의 콘텐츠 큐레이션이 존재하는 대규모 환경에서 친구의 친구(거리 $d=2$)로부터 오는 간접적 영향이 독립적으로 사용자의 행동을 형성하는 정도에 대해서는 아직 이해가 부족하다. 이 분야의 핵심 과제는 진정한 사회적 영향과 혼란 변수(homophily, 유사한 개인들이 서로 연결되는 경향) 및 플랫폼 매개 노출(알고리즘이 직접적인 사용자 상호작작용이 아닌 네트워크 구조를 기반으로 콘텐츠를 노출하는 현상)을 구분하는 것이다. 저자들은 사용자가 게시물을 '좋아요' 할 확률이 직접적인 친구들의 활동을 통제했을 때도 2차 이웃의 활동에 의존하는지 여부를 밝히고자 한다.

연구 방법론
저자들은 러시아 톰스크주(Tomsk Oblast)에 위치한 VKontakte 사용자들의 거대 연결 성분(giant connected component)을 중심으로 약 290,000명의 사용자를 포함하는 대규모 데이터셋을 활용하였다. 이 데이터셋은 친구 관계와 308개의 지역 뉴스 게시물에 대한 연대순 '좋아요' 기록(총 36,286개의 좋아요, 분석된 네트워크 성분 내 사용자로부터 발생한 것은 19,599개)을 포함한다.

분석에는 기술 통계와 로지스틱 회귀 모델링의 결ผล이 사용되었다. 주요 방법론적 구성 요소는 다음과 같다:

1. 네트워크 지표: 연구는 이웃의 활동량을 정량화하기 위해 몇 가지 지표를 정의하고 분석한다:
   • $k_1$: 활성화된 직접 친구의 수 ($d=1$).
   • $k_2$: 활성화된 친구의 친구 수 ($d=2$).
   • $s$: 구조적 다양성 지수(structural diversity index), 활성화된 친구들 사이의 연결된 성분의 수로 정의됨.
   • $m$ (유도 지수, Induced Index): 활성화된 직접 이웃의 활성화된 이웃 중 최대 활성화 이웃 수 (Xie et al., 2022를 따름).
   • $m^*$ (확장 유도 지수, Extended Induced Index): 초점 노드의 모든 즉각적 이웃(해당 이웃이 활성화 상태인지 여부와 상관없이) 중에서 가장 많은 활성화된 친구 수를 나타내는 새로운 지표.
2. 회귀 분석: 저자들은 사용자가 게시물을 '좋아요' 할 확률을 예측하기 위해 일련의 로지스틱 회귀 모델을 추정하였다. 이 모델들은 $k_1$, 활성화된 친구들 사이의 밀도($\rho_1$), 구조적 다양성($s$), 그리고 다양한 형태의 2차 활동($k_2, m, m^*$)을 포함하는 공변량을 점진적으로 통합하였다.
3. 통제 및 필터링: 인과적 추론의 시점적 정확성을 확보하기 위해, 사용자의 '좋아요' 직전의 활성화된 이웃 상태를 측정하는 연대순 필터링을 적용하였다. 강건성 검사는 노드 차수(nodal degree)와 국소 클러스터링 계수에 따라 데이터를 계층화하여 수행되었다.

주요 기여

1. 확장 유도 지수($m^*$)의 도입: 본 논문은 원래의 유도 지수 $m$이나 원시 $d=2$ 노드 수와 비교하여, 간접적 영향을 포착하는 데 있어 $m^*$이 더 우수한 지표임을 제안한다. $m$이 활성화된 직접 이웃을 조건으로 하는 것과 달리, $m^*$은 비활성화된 즉각적 이웃을 통해서도 도달 가능한 2차 활동을 고려함으로써, 기존 지표로는 보이지 않는 노출 경로를 포착한다.
2. 간접 영향의 실증적 검증: 본 연구는 2차 활동($d=2$)이 직접적인 친구들의 활동을 통제하더라도 '좋아요' 행동을 예측하는 유의미한 변수라는 실증적 근거를 제공한다.
3. 직접 이웃 효과의 재평가: 분석 결과 역설적인 발견이 드러났다. 기술 통계에서는 활성화된 직접 친구의 수($k_1$)가 '좋아요'와 양의 상관관계를 보였으나, 구조적 다양성과 2차 활동 지표를 포함한 회귀 모델에서는 그 조건부 계수가 음수로 변했다.

결과

• 2차 영향: 2차 활동과 '좋아요' 확률 사이에는 상당한 양의 상관관계가 존재한다. 확장 유도 지수 $m^*$은 원시 $d=2$ 노드 수($k_2$)나 원래의 유도 지수($m$)보다 '좋아요' 행동을 가장 강력하게 예측하는 단일 변수로 나타났다. $m^*$과 '좋아요' 확률 사이의 관계는 거의 선형적인 것으로 나타났다.
• 임계 효과: 원래의 유도 지수 $m$은 $m=1$과 $m=3$에서 '좋아요' 확률이 급격히 증가하는 단계적 패턴을 보였으며, 이는 잠재적인 국소 강화 임계치(local reinforcement thresholds)를 시사한다.
• 구조적 다양성: $m^*$을 사용하는 모델에서 연결된 성분의 수($s$)는 '좋아요' 확률과 양의 상관관계를 보였으며, 이는 구조적 다양성 가설을 뒷받침한다.
• 직접 이웃의 음의 상관관계: 구조적 다양성과 2차 활동을 통제한 모델에서, 활성화된 직접 이웃의 수($k_1$)는 '좋아요' 확률과 음의 상관관계를 보였다. 저자들은 이를 억제 효과(suppression effect)가 아니라, $k_1$이 단일 커뮤니티 내의 신호 집중도를 나타내는 대리 변수로서 작용하여, 제한된 주의력과 플랫폼 랭킹 알고리즘으로 인해 사용자가 인지하는 유효 구조적 다양성을 감소시킬 수 있음을 나타내는 것으로 해석한다.
• 거리 감쇠: $d=1$ 및 $d=2$ 활동을 고려했을 때, 거리 $d \ge 3$인 노드들에 대해서는 유의미한 상관관계가 발견되지 않았다.
• 인구통계학적 특성: 남성 성별은 일반적으로 '좋아요' 확률과 낮은 상관관계를 보였으나, 이 효과는 클러스터링이나 차수가 높은 하위 샘플에서 차이를 보였다. 노드 차수는 '좋아요' 확률과 양의 상관관계를 보였다.

의의 및 주장
본 논문은 대규모 온라인 소셜 네트워크에서 유도된 퍼콜레이션(induced percolation) 메커니즘을 입증하며, 간접적 영향 경로(특히 $d=2$)가 행동 확산을 형성하는 데 핵심적인 역할을 한다는 실증적 근거를 제공한다고 주장한다. 저자들은 확장 유도 지수 $m^*$의 우수한 설명력이 플랫폼 매개 노출 메커니즘(예: 추천 및 랭킹 알고리즘)이 직접적인 이웃으로부터의 신호가 없는 상황에서도 친구의 친구가 보증한 콘텐츠에 사용자를 노출시킨다는 점을 시사한다고 본다.

본 연구는 온라인 플랫폼에서의 행동 확산을 이해하는 데 있어 고차 구조(higher-order structure)가 매우 중요하다는 결론을 내린다. 이는 '3단계 영향(three degrees of influence)' 가설이 유효할 수 있음을 시사하지만, 본 데이터셋에서 감지된 가장 강력한 비국소적 신호는 거리 $d=2$에 집중되어 있다. 연구 결과는 사회적 전염이 단순히 직접적인 동료 압력의 함수가 아니라, 네트워크의 구조적 다양성과 플랫폼 알고리즘에 의해 매개되는 2차 연결의 가시성에 의해 크게 조절된다는 점을 시사한다. 저자들은 내부 랭킹 데이터에 접근할 수 없기 때문에 플랫폼 매개 노출에 대한 해석이 추측에 기반하고 있음을 언급하였으나, 결과는 그러한 메커니즘과 일치한다.