Defining, Detecting, and Characterizing Power Users in Threads. 

一、前言

• Threads 吸引了大量用戶，於推出首週即達成超過一億註冊用戶的里程碑 (https://www.bbc.com/news/technology-66153244，存取日期:2025 年 1 月 15 日)

• 社交網路分析(Social Network Analysis, SNA)是研究社交網路的基本工具，觀察建模用 戶(節點)及其之間的連結(邊)。SNA 可研究互動模式、資訊擴散過程和社交網路內 的組織動態。

• 文中統一使用「權力用戶」一詞。由於其在網路中的中心位置、資訊傳播能力和可見度， 權力用戶能吸引大量關注、影響資訊傳播，最終影響其他用戶的觀點和行為。他們的存 在對網路的凝聚力至關重要，了解網路中是否存在權力用戶，以及他們是誰、具有哪些 特徵、如何行為，對於理論和應用層面皆是具挑戰性的問題，例如可用於改進行銷策略、 識別新興趨勢，或實時分析資訊傳播。

• 作者對權力用戶的定義有雙重目標:(i)高度選擇性 highly selective(ii)希望提出一個 可應用於 Threads 及其他內容導向社交網路的權力用戶定義。作者認為:僅擁有大量連 結並不足以成為權力用戶，他們應該還盡量與大量用戶保持接近，以充當各用戶社群間 的橋樑。

• Threads 是社交網路領域中一個獨特的研究案例，因其內容導向的特性類似於 X，但其發 展模式卻仰賴 Instagram，使其在本質上與 X 有顯著差異。

研究貢獻

1. 研究者提出一種新的權力用戶定義，要求其在「度中心性(degree centrality)」、「接近中心性(closeness centrality)」、「中介中心性(betweenness centrality)」與「特 徵向量中心性(eigenvector centrality)」這四個社交網路分析中最經典的中心性指標 上皆具有極高的值。

2. 研究者展示一種偵測與特徵化 Threads 權力用戶的方法，該方法是根據此社交網路的 特性所量身打造。且這是目前文獻中首度針對 Threads 權力用戶所進行的系統性研究。

3. 研究者提供一個 Threads 的開放資料集，未來希望探討此社交平台的研究者皆可使用之。

二、文獻回顧

1. Zhang, P.; He, Y.; Haq, E.; He, J.; Tyson, G. The Emergence of Threads: The Birth of a New Social Network. arXiv 2024, arXiv:2406.19277.

作者針對 Threads 的早期使用者進行行為與互動模式分析，並提出與 Instagram 之比較，重 點放在發文頻率、內容偏好與互動模式等面向。其研究顯示，Threads 在用戶參與模式上展現 出與 Instagram 截然不同的特徵:Threads 較常吸引關於政治與人工智慧主題的討論，而 Instagram 則偏向生活風格與時尚內容。凸顯出兩平台在用戶族群以及發文與內容分佈策略上 的差異。與研究者的研究聚焦於「權力用戶」的定義、偵測與特徵化不同，此文獻的重點在 於透過貼文趨勢、內容主題與互動模式的比較，對 Threads 與 Instagram 進行剖析。

2. Bonifazi, G.; Corradini, E.; Ursino, D. Definition of status and value assortativity in complex networks and their evaluation in Threads. Soc. Netw. Anal. Min. 2024, 14, 212.

研究 Threads 中的「同質性傾向(assortativity)」，並指出該平台的同質性模式在與其他平台 相比時具有獨特性。研究也指出這一特徵源自其初生網路結構及其與 Instagram 間的既有互 動關係。此文獻與研究者的共同點在於研究平台皆為 Threads;但其研究目的不同，其重點在 於界定「地位同質性(status assortativity)」與「價值同質性(value assortativity)」的概念， 並驗證這些同質性類型是否存在於 Threads，而非關注權力用戶的相關議題。

3. Yustiawan, Y.; Maharani, W.; Gozali, A. Degree centrality for social network with Opsahl method. Procedia Comput. Sci. 2015, 59, 419–426. 專注於探討用戶在不同社交平台中所產 生的影響力

Opsahl 綜合考量了用戶的程度中心性 degree centrality 與強度 strength,，其中強度由用戶與他 人的互動頻率及互動類型所決定。Opsahl 可透過調整參數的方式，設定程度與強度在最終影 響力評估中的相對權重。(比起此文獻只使用程度中心性，本文加上其他三個中心性來看)

4. Howlader, P.; Sudeep, K. Degree centrality, eigenvector centrality and the relation between them in Twitter. In Proceedings of the International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT’16), Bangalore, India, 20–21 May 2016; IEEE: Piscataway, NJ, USA, 2016; pp. 678–682.

作者提出一種識別 X 平台上權力用戶的方法，該方法不僅考量「度中心性」，也納入「特徵 向量中心性」

5. Alp,Z .;Ög ̆üdücü,S.IdentifyingtopicalinfluencersonTwitterbasedonuserbehaviorandnetworktopo logy.Knowl.-BasedSyst. 2018, 141, 211–221.

作者提出一種用於識別「主題性權力用戶」的方法，此方法不僅考量網路中心性指標(特別 是一種改良版的 PageRank 演算法)研究發現「真實性」穩定地提升了權力用戶的識別效果。

6. Kratzer, J.; Lettl, C.; Franke, N.; Gloor, P. The social network position of lead users. J. Prod. Innov. Manag. 2016, 33, 201–216. [CrossRef]

作者假設權力用戶在社交網絡中具有橋接不同社群的功能，並據此提出一種以「中介中心性」 為基礎的方法來評估其網絡位置。

本研究作法的貢獻:為首個同時要求用戶在所有四項經典中心性指標中皆具有極高數值 的研究。且過去在權力用戶的定義中，尚未有研究納入「接近中心性」。而接近中心性和程 度中心性的差異在於:後者偏向揭示所謂的「異數用戶」(outlier users)，即那些因其「非凡特質」而吸引大量連結的使用者;前者則更傾向突顯那些日復一日逐步累積其影響力的「平均用戶」。

三、方法論

第 3.1 節說明 Threads 資料集以及取得該資料集的方式;第 3.2 節介紹研界者用以建構與分 析 Threads 的模型;第 3.3 節闡述分析中所使用的各項衡量指標;第 3.4 節呈現研究者對「權 力用戶」的定義。

3.1 描述 Threads 資料集

• 建立資料集四步驟:(i)下載貼文與留言(ii)蒐集涉入用戶的資料(iii)評估資料品質 (iv)將資料整理為檔案。

• (i)在歐盟地區公開可取得的 Threads 動態牆中下載了所有貼文與留言

1. 時間區段:2023年12月14日至2024年2月21日間於 Threads上發布的所有貼文與留言

2. 開發了一個基於 Selenium 的爬蟲工具，收集其網址、發文用戶、內文說明、包含圖片與影片的連結、發佈時間戳記，以及獲得的按讚數
3. Threads 顯著異於其他內容導向社群平台的特點:每一則留言也同時被視為一則貼文。因此對於每一則貼文/留言，研究者也儲存了其回覆對象(即所謂的「父貼文」)

• (ii)針對每一位用戶記錄其使用者名稱、顯示名稱、個人頁面網址、個人簡介(若有)、 個人頁面上的網頁連結，以及其在研究者資料集中被記錄的追蹤者數量

• (iii)首先排除了那些其作者不在我們用戶清單中的貼文，確保資料集中所保留的每一 則貼文皆能追溯其作者。同樣地，我們也移除資料集中未曾發表任何貼文的用戶

• (iv)資料集如下:https://github.com/ecorradini/Threads_Dataset 

3.2 模型定義

• T =⟨N, A⟩

• N 為網絡 T 中的節點集合。對於每一位至少發布過一則貼文的 Threads 用戶，都對應
  一個節點 ni ∈ N。由於節點 ni 與其對應的用戶 ui 之間具有一一對應的關係，因此本文中 這兩個術語將可互換使用。A 則為網絡 T 中的有向邊集合。若存在一條有向邊 aij = (ni, nj)，則表示 ni 向 nj 發起互動;具體而言，即用戶 ui 回應了用戶 uj 所發布的貼文(留言或 貼文)，亦即 uj 成功引起了 ui 的興趣。

3.4 權力用戶的定義

• 其對應節點同時位於網絡 T 中在「degree 度中心性 K-Top-D」、「closeness 接近中心 性 K-Top-C」、「betweenness 中介中心性 K-Top-B」及「eigenvector 特徵向量中心性 K-Top-E」四項指標皆屬前 K% 的節點集合中

• 可預知:(i) 滿足此條件的節點數量稀少;(ii) 若存在這類節點，其在網絡中將具有高度 影響力。

• 權力用戶的若干重要特徵:

  1. 具備高入度中心性:代表其受到眾多用戶回應，是他人認可的參照對象

  2. 具備高接近中心性:代表其與其他 Threads 用戶間有中短距離連結，其所傳遞的資訊
     能迅速擴散

  3. 具備高中介中心性:代表其是串聯不同 Threads 子網絡間的戰略節點

  4. 具備高特徵向量中心性:代表其連結到其他同樣具高中心性的節點，暗示可能存在一個由權力用戶組成的主幹結構。

• 四、研究結果
  第 4.1 節把「權力用戶」的定義應用於 Threads 平台，並驗證該平台上是否確實存在權力用戶。 第 4.2 節辨識 Threads 權力用戶的特徵。第 4.3 節提出討論，旨在將依據本研究定義所辨識出的權力用戶特性，與現有文獻中其他權力用戶定義下所描述的特徵進行對比。

4.1 Threads 中的權力用戶偵測

• 觀察:(i) T 的密度 Density 與平均聚類係數 Average clustering coefficient 都非常低;(ii) 該 網絡的直徑 diameter 較大，而平均最短路徑 Average shortest path 則相對較短;(iii) 該網 絡為完全連通，因為其最大連通組件的節點數 Maximum connected component’s size 等於 整體節點總數 Number of nodes;(iv) 平均入度 Average indegree 與平均出度 Average outdegree 皆 極 低 ; (v) 入 度 與 出 度 的 同 質 性 ( indegree assortativity and outdegree assortativity)幾乎為零，這表示網絡中各節點之間的互動並不取決於其入度或出度是否 相似。

• 表示:互動尚屬初期、使用者彼此尚不熟悉，互動傾向基於內容吸引力，而非基於過去 互動頻率或社群結構。

• 圖一:僅考慮入度中心性，而未考慮出度中心性，因為入度中心性更能反映某用戶是否 成功吸引其他使用者的注意。從圖中可見，入度中心性的分佈呈現極為陡峭的冪律(power law)形式:極少數使用者能引發大量他人留言與互動(代表其貼文引起高度興趣)，而 大多數使用者則只獲得少量或零回應。

• 圖二:接近中心性，鐘型分佈，此分佈形狀接近兩個高度不同的鐘形曲線疊加，並伴隨 一個「半鐘形」分佈，此外其左右兩端皆有長尾現象。僅有少數節點的接近中心性值非 常高，意味著它們能夠以極短的路徑連結其他節點;大多數節點的接近中心性值屬於中 等或偏低水平，顯示其與其他節點的連結路徑不算太短也不算太長;同時，也存在少數 節點，其接近中心性極低，代表其連接其他節點所需的路徑相對較長。

• 圖三:中介中心性(betweenness centrality)，呈現極為陡峭的冪律，說明在 Threads 網 絡 T 中，大多數使用者並非關鍵節點，無法有效連結不同的子網絡;只有極少數使用者 具備高中介性，扮演著重要的「橋接者」角色，能在網絡內不同群體之間傳遞資訊。

• 圖四:特徵向量中心性(eigenvector centrality)，呈現極為陡峭的冪律分佈，顯示出在 網絡 T 中有大量「不重要」的節點，這些節點僅與其他同樣不重要的節點建立少數入邊 連結;同時，也存在少數幾個「重要」節點。

• 小結:一、度中心性、介數中心性與特徵向量中心性的分佈相似，接近中心性的分佈明 顯有別於上述三者。二、在所有類型的中心性指標中，都存在少數節點具有極高的中心 性值。(此現象也出現在接近中心性中)

• 下一步:瞭解這些這些高中心性節點是否在不同的中心性指標下皆為相同節點?探究不 同中心性指標之間是否存在相關性?發現:入度中心性與接近中心性之間呈現出強正相 關。

• 下一步:決定 K 值。K-Top-D、K-Top-C、K-Top-B 與 K-Top-E 的節點，我們需先設定 一個合適的 K 值。這個決定基於以下幾點考量:(i) 多數中心性分佈呈冪律;(ii) 我們 希望聚焦在每種中心性下最具代表性的節點上;(iii) 同時也不希望因過度收斂而忽略潛 在的重要節點與權力用戶。K = 20

• 計算同時屬於 20-Top-D、20-Top-C、20-Top-B 與 20-Top-E 的節點比例。計算結果顯示， 此類節點佔總節點數 2.59%，共 1176 位使用者。而這些節點，正是研究者定義下的權 力用戶。推論這些 Threads 上的權力用戶是非常突出、具有高度連結性、策略地位明顯， 並具備一定影響力的使用者。

4.2 Threads 權力用戶特性分析

• 這些特性使得極少數的用戶(即權力用戶)能夠對整個 Threads 平台施加巨大影響與掌 控

• 發現:權力用戶的平均入度是所有用戶的 11.96 倍(19.076/1.595)、權力用戶的中位 入度也明顯高於整體用戶的中位數

• 下一步:驗證權力用戶是否在 Threads 網絡中構成「骨幹」(backbone)，即:權力用 戶是否更傾向於彼此互動，而非與其他用戶互動。如果這樣的「骨幹」真實存在，則可 推論 Threads 中的權力用戶之間存在某種組織性結構，使其能在數量極少的情況下，強烈影響其他用戶的行為。

• 比較主網絡 T 與子網絡 P(即僅包含權力用戶與其相互連結的子網絡)。 

發現:Threads 權力用戶之間確實構成一個緊密相連的「骨幹結構」。

1. P 的密度遠高於 T(為 T 的 56.31 倍)，這顯示權力用戶間的連結程度遠高於一般用戶。

2. P 的平均聚集係數也遠高於 T(為 T 的 37.35 倍)，這說明權力用戶彼此之間更容易形成閉合三角關係(三元組)，進一步反映出他們更傾向彼此互動

3. 3. P 的標準化平均入度也高出 T(為 T 的 55.99 倍)，代表權力用戶更傾向與其他權力用戶互動。

4. P 的平均最短路徑與直徑略低於 T，顯示在權力用戶子網中資訊流動略為更快。

• 基於網絡結構本身，證實了權力用戶在資訊傳播上擁有關鍵角色，能夠顯著影響整個 Threads 用戶群的行為。說明:僅佔總用戶不到 3% 的權力用戶，竟能主導整體網絡的 動態發展。

• 下一步:除了在結構上具有優勢外，權力用戶是否還扮演了連接不同主題社群的橋梁角 色?若答案為是，則前述「骨幹結構」可視為將不同社群凝聚在一起的「黏著劑」，防 止 Threads 生態系分裂為彼此隔絕的小群體。

• 作法:透過貼文資料集，用 OpenAI 的 GPT-3.5 模型，來為每則貼文或留言萃取其代表 主題。prompt 如下:
  “Extract the main topic of discussion from the text. One word, not too specific, general topic of discussion.”(請從文字中擷取主要討論主題，一個字，不要太具體，屬於一般性的討論主題）

• 結果:辨識出 531 個不同主題，可將 Threads 視為由 531 個部分重疊的主題社群所構 成。「娛樂(Entertainment)」與「政治(Politics)」為最受關注的主題，其貼文數遠高 於其他主題;第三熱門主題為「科技(Technology)」。自第四名「體育(Sports)」開 始，各主題的貼文數呈緩慢下降趨勢。

• 圖八分為:唯一(unique)」與「共享(shared)」。「唯一」類別指的是只參與該主題 的用戶，「共享」類別則指參與該主題以及至少一個其他主題的用戶。

• 發現:

  1. 各主題的排序略有不同，例如「科技」在圖 8(全部用戶)中為第三名，而在圖 9(權 力用戶)中為第八名;「教育」則在圖 8 中為第十一名，在圖 9 中為第五名。

  2. 「shared 類別」的比例在圖 9(權力用戶)中明顯高於圖 8(全部用戶)。換句話說， 對於任一主題，屬於「共享」類別的權力用戶所佔比例，普遍高於一般用戶的比例。 這強烈支持我們的假設:權力用戶確實可能在不同主題社群之間發揮橋梁作用，而他 們所構成的「骨幹」則有如「膠水」，將 Threads 的不同社群凝聚在一起。

• 驗證上述假設的方法:
  1. 取出出現頻率最高的 50 個主題(50 個主題可組合成 2450 對主題配對。
  2. 對於每一對主題計算其共同用戶數(即兩個主題都有發言紀錄的用戶)。
  3. 針對所有共同用戶數 > 0 的主題對，計算其中共同權力用戶數佔所有共同用戶數的比例。
  4. 將所有比例平均。

• 發現:該平均值為 46.37%。而這個比例遠高於網絡中權力用戶的整體比例(2.59%)，高出 了 17.90 倍。權力用戶的確扮演了社群之間的「橋梁」，而他們所構成的網絡骨幹則發揮 了「黏合劑」的功能，連接並穩定了 Threads 的多元社群結構。深刻地塑造與主導了這個 社交網絡的運作與演化過程

4.3 討論
第 4.3.1 小節比較本研究所提出定義所識別出的權力用戶(power users)之特徵，與文獻中其 他定義所識別出的權力用戶之特徵是否有所不同。第 4.3.2 小節將從 Threads 網路的 Instagram 式成長模型出發，評估另一種可能的假設，以解釋研究者在權力用戶骨幹方面的發現。

• 識別出的權力用戶具備下列特性:極高的能見度、良好的連結性、策略性，以及強大的 影響力。此外，實驗也證實，他們能將不同興趣的 Threads 社群凝聚在一起，形成的「骨幹」網絡起到了「膠水」般的連結作用

• 因 Threads 的成長是建立在 Instagram 之上。Instagram 使用者被強烈鼓勵加入 Threads， 幾乎到了「很難不加入」的地步。這樣的成長模型讓 Threads 有別於其他內容為主的社 群網路——後者的用戶通常是自主選擇加入，而非因為另一個性質與目標完全不同的社 群平台所「推動」。

• 解釋一:權力用戶骨幹具有強大的影響力，能夠積極且有效地影響那些本身也積極參與社群生活的其他用戶。
  解釋二:Threads 上的權力用戶其實就是那些真正對這個社群平台有興趣並想要參與討論 的使用者。而其他多數使用者可能只是因為 Instagram 的強烈推播而被「迫使」加入 Threads，卻並未真正積極參與這個平台的日常互動。(權力用戶之所以主導 Threads 上 的內容與平台運作，並不是因為他們對其他使用者有強大的影響力，而是因為其他使用者根本就不關心，也不想主動參與這個平台上的討論。)

五、結論

      本文核心:提出一套方法，來定義、識別並描述 Threads 平台上的權力用戶。我們首先 根據社會網絡分析中經典的中心性指標，提出一個全新的權力用戶定義，使我們能充分運用 過去關於這些指標的研究成果。我們的權力用戶定義不僅適用於 Threads，也可以套用至其他 任何以內容為基礎的社群網路。接著驗證 Threads 中確實存在權力用戶。並進行了一系列分析 來描繪這些權力用戶的特性。首先從結構面著手，我們顯示出權力用戶如何影響資訊的傳播 與其他用戶的行為。接著從內容面進行分析，觀察權力用戶參與的討論主題，如何形成具有 共同興趣的用戶社群。
從內容的角度來看，我們發現權力用戶如同社群之間的橋樑，而其組成的骨幹網絡則是 將原本可能彼此孤立的社群「黏合」在一起的力量。