以下概念来源：维基百科
社会网络概念：社会网络（Social network），是由许多节点以及节点间关系构成的一个网络结构。节点通常是指个人或组织。社会网络代表各种社会关系，经由这些社会关系，把从偶然相识的泛泛之交到紧密结合的家人关系的各种人们或组织串连起来。
社交网络分析起源于社会学，随着互联网和社交媒体的普及，它广泛应用于多个领域，如社会科学、市场营销、公共健康、政治学、信息科学等。社交网络分析通过量化和可视化节点之间的关系，帮助人们理解群体动态、传播模式以及个体在群体中的影响力。
在社交媒体平台（如Facebook或微博）上，社交网络分析可以用来识别影响力最大的用户，分析信息在不同群体中的传播路径。
- 社交媒体研究🗣️：在Twitter或微博这样的社交平台上，社交网络分析可以识别出那些具有较大影响力的用户，这些用户通常能推动话题的广泛传播。例如，品牌可以通过分析找到影响力大的用户或“意见领袖”，并与他们合作进行产品推广。
- 疫情传播研究🦠：在新冠疫情的研究中，社交网络分析帮助科学家理解病毒传播的路径。例如，通过追踪人与人之间的接触链条，研究人员能够识别“超级传播者”并制定更有效的防控措施。
- 公司组织分析🏢：SNA可用于公司内部，帮助识别沟通链条中的瓶颈或断点。比如，通过分析不同部门之间的沟通频率和模式，管理层可以发现那些负责跨部门沟通的关键员工。如果这些关键人物的工作被忽略或阻碍，公司的运营效率可能会受到影响。
社交网络分析（SNA）与传统统计分析的主要区别在于其**研究重点**。
| 方面 | 传统统计分析 | 社交网络分析（SNA）结合图论 |
|---|---|---|
| ❗关注点 | 个体属性（如年龄、收入、教育水平） | 个体之间的关系和互动（如社交连接） |
| 🔢数据类型 | 个体的数值型、类别型属性数据 | 关系数据，节点表示个体，边表示关系 |
| 📇分析目标 | 通过个体特征预测结果 | 分析网络结构，理解整体社交动态和群体行为 |
| 📊可视化方式 | 使用传统图表（如柱状图、散点图） | 使用网络图，通过节点和边展示关系网络 |
| 📌重点 | 强调个体层面的预测 | 强调网络层面的互动和动态 |
| 🤵应用领域 | 通过个体的属性预测行为或结果 | 研究社交影响、群体行为、信息传播等 |
社交网络分析主要应用于以下几个方面：
- 节点（Node）：网络中的个体或实体，如人、公司、组织等。
- 边（Edge）：连接节点之间的关系，可以是朋友、同事、合作伙伴等。边可以是有向的或无向的，有权重的或无权重的。
- 网络结构（Network Structure）：分析整个网络的组织方式，例如密集度、中心性、桥梁节点等，用以衡量网络的连通性和影响力。
- 度中心性（Degree Centrality）：通过计算节点的连接数来衡量其在网络中的重要性。
- 中介中心性（Betweenness Centrality）：衡量一个节点在连接其他节点之间起桥梁作用的能力，越多通过该节点的路径，该节点的重要性就越高。
- 集群系数（Clustering Coefficient）：衡量节点之间形成小群体或紧密连接的趋势，反映网络中群体聚集的特性。
社交网络分析被广泛应用于多个领域：
- 🤼社会学：研究人际关系网络、影响力传播等。
- 🤵商业：用于客户分析、市场营销、组织结构优化。
- 👩🔧信息技术：分析互联网和社交媒体上的交互和信息传播模式。
- 👩🔬政治科学：分析政治影响力、选举策略和社交网络上的政治活动。
社交网络分析通过量化和可视化个体间的关系，帮助理解群体互动和信息传播，在多个领域有广泛应用。它能够揭示网络中的关键节点和连接模式，深入了解信息传播路径、群体动态和影响力中心，从而帮助研究者做出预测和制定策略。
- 社会网络 - 维基百科，自由的百科全书 (wikipedia.org)
- Zafarani, R., Abbasi, M. A., & Liu, H. (2015). 社会媒体挖掘 [Social Media Mining]. 人民邮电出版社.