设想一个场景：用户在不确定质量的情况下打算买一件电子产品，她知道一位朋友已经买了，而另一位陌生人却没有购买。此时，她会决定买下这件产品吗？如果她的朋友圈里有10位朋友买了这件产品，而她还知道有10 位陌生人并未购买，那么，她的消费决策又会是怎样的呢？美国加州大学圣芭芭拉分校的安德鲁·德尔顿（Andrew Delton）和麦克斯·卡拉斯诺（Max Krasnow）两位学者的模拟研究成果表明，情不自禁相信陌生人甚至倾向于选择与陌生人合作是人类漫长进化的自然现象。那么，朋友圈和陌生人对于用户而言，谁更有利于他们做出正确的消费决策呢？

　　朋友圈和陌生人网络的绑定

　　朋友圈和陌生人网络差别在于偏好异质不同。朋友圈里往往聚集着具有同质性偏好的人，陌生人网络则是由异质性偏好的人构成。无论是偏好同质性的朋友圈还是偏好异质性的陌生人，这两张社会网络都会提升用户在做出消费决策前观察和学习的能力，同时也提升了企业把控用户社会网络的可能性和运作空间。

　　例如，亚马逊很早就在网页上为用户提示，浏览某页产品的顾客最终购买了什么，让用户了解其他人之前的消费行为。2010年开始，亚马逊与脸书（Facebook）合作，为用户提供社会评价信息。当一位用户将自己的脸书账户与亚马逊账户相联，他在亚马逊上浏览和选购一件产品时，可以看到同样这样绑定账户的好友是否购买或“点赞”了这件产品。再如，在牛仔裤体育李维斯的母公司李维·斯特劳斯（Levi Strauss）的网站上，用户既能够看到朋友们在“朋友商店（Friends Store）”的购买选择和偏好，还能够获知互不相识的陌生人在“大众商店（Everyone Store）”的这些信息。就连搜索引擎必应（Bing）也实现了用户账户与其脸书和推特等社交网络账户的绑定，让每个人都有可能观察到来自朋友圈和陌生人的两类行为信息。

　　陌生人网络何以战胜朋友圈

 　　在传统观念中，用户更有可能效仿她的朋友们。著名社会学家保罗·拉扎斯菲尔德（Paul Lazarsfeld）和罗伯特·墨顿（Robert Merton）在半个多世纪前提出的同质性理论就主张，人们通过与那些有着相似教育、社会经济地位和价值观的人交流，可以更好地认识自己。因此，相比较异质性的陌生人，同质性的朋友们的行为信息，对用户来说更加有用、更具指导性。例如，朋友买的一本书，要比路边或网络上任意一位陌生人买的书，更有可能符合用户的偏好。美国加州大学伯克利分校的学者安瑞克·莫里提（Enrico Moretti）研究发现，人们在决定看什么电影时，会倾向于朋友们的选择。

　　但这并不意味着在影响用户消费决策方面，朋友圈总是跑赢陌生人。清华大学教授陈煜波与美国两位学者的最新研究证明，随着网络规模的扩大，朋友圈极有可能产生“信息瀑布（information cascade）”现象，陌生人网络却不会。“信息瀑布&rdquo上海体育定位公司;意味着用户在观察其他人的消费行为时，忽略甚至无视自身拥有的、与观察信息冲突的信号，转而采取与其他人相似的行为，结果可能造成错误的决策。这样看来，在一定规模水平上，对“信息瀑布”具有较高绝缘性的陌生人网络，就比朋友圈更能够提供有用的产品质量信息。

　　“信息瀑布”的出现，或者说陌生人网络是否能够战胜朋友圈，取决于两个重要的行为效应。一是个体偏好效应（individual preference effect），即用户对先前行为的偏好要素越明确，作出正确产品质量判断的可能性越高。二是社会从众效应（social conforming effect），即用户遵从他人行为的可能性越高，作出正确质量判断的可能性越低。这是两个相互对立的效应，影响着人们在异质性网络中的社会学习过程。

　　个体偏好效应的存在使得如今越来越大的网络异质性增加，用户因而难以明确先前行为的偏好要素，作出正确判断的可能性下降了。然而由于从众效应，异质性程度越来越高的大规模网络，降低了用户遵从他人行为的可能性，增加了用户采纳自身拥有的质量判断信息的可能性，反而有利于用户开展积极的社会学习。在小规模网络里，个体偏好效应大于社会从众效应；在大规模的网络里，社会从众效应大于个体偏好效应。

　　在此基础上，陈煜波教授等进一步提出，由于朋友圈是同质性偏好的社会网络，因此，当朋友网络规模扩大到一定程度之后，用户观察新增行为的社会学习效果，将出现边际回报递减的情况。换言之，了解一些朋友的信息，就能帮助用户作出产品价值的推断。了解更多的朋友，几乎不会改变用户的判断。用户却能够从持续增大的陌生人网络中受益，因为陌生人网络规模越大，异质性越高，而此时由于社会从众效应主导着用户的学习，这就会调动用户去积极运用自身所掌握的质量信息。图1反映了在不同规模的社会网络中，用户作出正确质量判断的可能性。

　　营销的五个秘密

　　高质量产品更适合陌生人网络 对于高质量的产品，用户身处的网络规模越大，或者了解的产品质量信息越精确，陌生人网络就会比朋友圈创造更多的销售量。原因在于，当偏好异质性的陌生人网络规模到达一个拐点，网络越大，偏好异质性就越有利于用户得到精确的信息，从而放大了用户作出有效质量判断的可能性。因此，高质量产品信息在陌生人网络，产生了比朋友圈更为巨大的影响力。

　　相反，对于低质量的产品，朋友圈则比陌生人网络更能推动这类产品的销售。这是因为“信息瀑布”的存在，使得朋友圈规模越大，用户作出错误判断的可能性较陌生人网络更高。这些偏差在市场上积聚，最终让低质量产品得利，获得较大销售量。

　　陌生人网络中，专家作用更大 现实社会网络中，总有一些专家掌握着更为准确的产品质量信息，发挥潮流引领者的作用。专家作出购买决策时，就会影响后续用户的消费决策。

　　在朋友圈里，专家的行动会让很多人跟随，而且跟进者常常忽略自己观察到的信息。但研究发现，“信息瀑布”的存在，第三个人在没有专家的情况下，反而能够作出更好的质量判断，第四个以及后续的跟进者，作出正确判断的可能性不比第三个人小。因此，在朋友圈里，专家降低了网络中后来者作出正确质量判断的可能性。而在陌生人网络中，紧随专家之后的第二个人，虽然和朋友圈里的情况一样，作出正确判断的可能性增加，但由于偏好异质性的存在，专家导致的“信息瀑布”没有发生，后面的跟进者将会融合自身拥有的信息和先前所有人（包括专家）的行为信号，这种信息整合有利于后面的决策制定，也使得专家的知识得以延续。因此，在陌生人网络，专家让产品质量的判断更加准确。

　　精准广告向左，非精准广告向右 由于“信息瀑布”的存在，使得广告策略在朋友圈和陌生人网络中产生了不一样的作用（图2）。

　　精准广告在朋友圈和陌生人网络，都能对用户作出正确的质量判断产生积极作用，不过，其程度在陌生人网络要高于朋友圈，并呈递增的趋势；在朋友圈，这种积极作用将在网络规模达到一定程度时保持不变，换言之，当朋友圈的规模比较大时，人数无论怎么增加，精准广告的积极作用都不会加强。

　　有意思的是，非精准广告在朋友圈和陌生人网络，都对用户制定正确的质量判断产生了消极作用。在朋友圈里，从第一个人到第三个人，正确判断的可能性极速递减，之后这一数值将保持平稳。而在陌生人网络，这种消极作用将随着团队规模的增加而持续下降。这是由于非精准广告，使得每个人自身拥有的信息既包括产品质量信号，也有广告传递的信息。这些掺杂在一起的信息不断积聚，让后续的用户很难有效将自身信息运用到决策中，影响了制定正确判断的可能性。而在朋友圈，“信息瀑布”很快显现在最初几位用户的决策过程中，因而没有让非精准广告带来的掺杂信息一直存在于网络当中。

　　无论高低大小，匹配就好 在网络异质性和网络积聚信息之间，存在倒U型关系。因此，仅仅为用户提供朋友圈的社会互动，对企业而言并非益事，尤其是那些提供高质量产品的企业，需要关注陌生人网络。但这并不意味着网络异质性越高越好。当异质性程度超过临界点，个体偏好效应将超越社会从众效应，成为主导力量，如果这种异质性继续加剧，消费行为信息将产生巨大噪音，不利于积极的社会学习。

　　社交登录并非“万能胶” 社交登录是指网站用户能够使用社交媒体账号登录。在社会网络规模越来越大的时代，社交登录是每个企业的最佳选择吗？回答这个问题，既要考虑企业提供的产品，还要考虑具体情境。

　　如果销售的是瞄准利基市场的新产品（例如在美国市场上的一款增白护肤品），为用户提供基于朋友圈的社交登录将更加有效。正如前文分析的原因，利基产品紧紧瞄准非常特定的细分市场，潜在规模相对较小，观察朋友们的行为有助于用户制定更为准确的质量判断。因此，可以从定位朋友圈的创新型领导者开始行动。但对于那些着眼于大众化市场的产品而言，陌生人网络可能发挥更为积极的作用。

　　当情境中的公共信息非常嘈杂（例如欠缺第三方评价的一种全新产品或者使用新技术的已知产品），高质量企业可以借助社交登录从朋友圈网络获益。因为这种情境下，陌生人行为信息的增加，将会加剧信息混乱的状况，用户更有可能作出错误的判断。当网络构成处于高度同质性和高度异质性之间的水平，即在网络规模和信息准确性相同的条件下，网络中既有熟人，也有陌生人时，信息整合的有效性最高。当网络规模越来越大，公众信息越来越准确，企业在推荐信息时，应该更加重视陌生人而非朋友圈。需要说明的是，炫耀性的产品并不在以上分析之列，因为这些产品的价值会受到已经拥有产品用户数量的影响，用户不太可能跟从朋友们的消费行为。

　　是朋友，也是最熟悉的陌生人

　　互联网时代的营销，不能用传统的眼光来判断谁是用户的朋友，谁是陌生人。美国研究人员的最新数据分析发现，伴随着诸如Pinterest（照片分享网站）、Quora（问答SNS网站）和Flipora（基于浏览历史的内容推荐引擎）等基于兴趣爱好的社交网络兴起，越来越多的用户是按照共同兴趣爱好来选择社交网站，而不是简单地把线下关系移到线上。正如一位大学老师在选择买什么书当教材时，她的同事会进入决策参考的朋友圈，而当她在选择看什么电影时，这位同事却不会出现在影响决策的朋友圈中。

　　生物学领域有种“循环磨（Circular Mill）”现象，是说几乎不能依靠视力导航的军蚁，总是通过寻找前面一只蚂蚁留下的气味等信息作出判断，结果导致它们常常没有目的地一直绕圈子，甚至陷入“自.杀螺旋”，这就是自然界的“朋友圈”。而物理学的“布朗运动”则是指任何物质的分子，不论在什么状态下，都会永不停息地做无规则的运动，而且，当物质的温度越高，分子的无规则运动就越剧烈，这就是自然界的“陌生人”。如何避免朋友圈带来死循环，如何挖掘陌生人网络的动力源，自然界的实例或许能带来些许启发。