国家互联网信息办公室2017年9月7日发布《互联网群组信息服务管理规定》，要求，互联网群组建立者、管理者应当履行群组管理责任，即“谁建群谁负责”“谁管理谁负责”，规范群组网络行为和信息发布，群组成员在参与群组信息交流时，应当遵守相关法律法规，文明互动、理性表达。
为何会对社交媒体加紧箍咒？
不仅仅社交虚拟群组加紧箍咒，社交媒体主要渠道—微博，其实2011年我国已经注重社交媒体管理，2011年要求微博逐步引导实名制，直至17年9月15日完成全部注册用户的实名制。微博产品算做社交媒体快速发展的爆发点，每个人均有机会成为内容生产者，从过去旁观者角色转变为参与者；但由于互联网虚拟性特点，也出现一些乱象：比如虚假信息泛滥、谣言肆意传播等困局。
社交媒体依赖WEB2.0的发展
1991年万维网正式登场亮相，各类网站雨后春笋般涌现在网络上，众多网民被海量信息淹没，随后搜索工具出现让网民获取信息效率迅速提升，之后几年，专业网站论坛、个人网站层出不穷，他们源源不断为网民提供各种各样的信息和服务。1999年由PeterMerholz命名的blog在万维网上高速发展，博客大流行。博客的出现让网民的身份发生了质变，从信息的获取者转变为向万维网提供网页的信息发布者。过去互联网内容提供者，由B端参与，再到C端，网民参与程度更高，当时信息泛滥程度进一步加剧。
在移动互联网时代，网民面对信息爆炸，采取保护措施，选择性替代，故现如今碎片化时间与feed流盛行。而博客被移动端简化，微博进一步盛行，不需要太多的格式C端用户可以表达情愫与观点，迅速取代传统微博，同时加之熟人社交取代传统陌生人社交，微博也逐步走入社交媒体工具。
社交媒体逐步成为实质新闻媒体渠道
这里引用官媒阳光日报一些数据与观点，解读社交媒体现状，今年6月底，由牛津大学路透新闻研究所发布的《数字新闻报告2017》中，通过对欧洲、美洲和亚太地区36个国家地区的7万名受众的分析显示，仅有24%和40%的受访者认为，社交媒体（24%）和新闻媒体（40%）可以很好地将事实和虚构进行有效区分、剥离。在美国、加拿大和英国，人们信任新闻媒体的比例是信任社交媒体的两倍。
今天，社交媒体正越来越实质性地成为人们接触新闻的渠道，想象世界的方式和建构价值观的来源，这不禁使我们思考，我们将要面对怎样一个由社交媒体参与构建的未来。“后真相”时代，社交媒体上假新闻规模化、病毒式传播成为全球关注的话题。
1）社交媒体新闻真伪难辨，经济利益主导；最近，美国亚利桑那大学詹姆斯·罗杰斯法学院发布了《识别和打击假新闻》的研究报告，报告通过“是否意图欺骗读者”和“是否具有经济动机”两个标准确认了四种典型的假新闻形态，分别是恶作剧、宣传性内容、挑衅和嘲讽。其中“嘲讽”带有经济动机但并非为了欺骗，“宣传性内容”和“挑衅”具有一定的政治动机并意图欺骗，但没什么经济动机，而“恶作剧”既有经济动机同时又为了欺骗读者。
2）机器作弊，扩散链被精确人为控制；经济利益主导下，机器作弊，水军，让每个独立个人在信息泛滥时代，被精确把握观点导向，如果信息内容不真实，或者错误言论，结果可想而知。
3）内容生产被组织化； 一般来说，宣传团队有一个总体性的沟通策略，包含创建官方应用、网站或内容传播平台，通过或真或假或自动的账户与社交媒体上的用户进行交互，创作出具有实质性内容的图像、视频或博客的帖子等。不同的运营团队也有不同的策略，但为了实现同样的目的。面对熟人社交下传递信息，本身先入为主；而面对组织化生产不科学、不理性甚至谣言，我们又该怎么办？
社交媒体信息传播建模
上述均为文科生思考问题，但如何量化评价影响与程度，那么就需要用数据分析与数据建模仿真模拟信息传播过程；作为从事互联网理性数据分析师，拒绝从众，拒绝无脑，一直是我的使命（哈哈哈，装逼喽），举几个简单例子，为何说大V难能可贵？一个社交媒体可以算作成熟？我们其实都是乌合之众？不同性格的人微博有啥特点？我想通过下面知识，你能明白这几个简单道理，你能很好认清社交媒体的内涵，更能很好看清自己，跟着我一起拒绝跟随，做自己。
友情提示，下面涉及一些数学知识，可能略有些不舒服，但是还是简单易懂，最起码了解信息传递与影响基础，了解社交媒体仿真效果，后续如有不懂可以随时留言。
社交媒体影响力建模
先说几个简单例子，为何大V的粉丝千万，普通的朋友不超过200百；淘宝流量日PV上亿，绝大部分网站都过百，真实世界符合幂分布。
为了拟合现实数据传播影响力，我们引入随机图模型，组成要素包含：1）度，P(k) = Nk / N；2）聚类系数；3）网络直径：ds = max(hij)，对于图中任意节点之间的最大距离；4）平均路径长度，表示节点间路径长度。
假设：在社会媒体中，节点（人）之间的边（朋友关系）是随机构建的；那么随机图伴随生成概率大小进行关系构建，模型有机会演变复杂社交关系网络。
那么随机图模型在生成概率p极小情况下，第一个图与第二图出现是大概率事件。伴随p逐步增加，最大子图出现概率增加，而且直径逐步增加；当c=1，p=1/(n-1)最大连接子图出现，直径变到最大，开始变小。
结论：我们可以发现在n一定情况下，平均度c越大，社交成熟度越高（信息传递直径越来越小）；当n一定，c>1开始时，社交化产品进入自运营。
在现实社交媒体中，我们大家社交图谱什么样呢？拿社交媒体产品—新浪微博数据绘制图如下：
我们发现实际社交如下特点：1）最大连接图只是理想状态社交关系图；2）社交个体呈现聚集，形成社交群体，单独个体在社交关系网无法生存；3）社交群体呈现分类；4）关键节点（大V）少数存在
群体呈现群组存在：这个很好简单理解，现实人类社会关系就是不同分组存在，比如中国、美国，黄种人、黑种人等等，在社交群组大致可以分为两种存在形式，一种为显式社群，一种为隐式社群。
关于社群发现可以通过两种判断形式，一是基于社员的社群发现，简单理解为相同特征的社群聚集度高的群体，特征变量包含：特殊成员、相似度、可达性，举例微博大V挖掘，简单大V粉丝，即可标签化。
另一种基于特殊形式的社群发现，衡量特征变量包含：模块化、聚集度高、稳定性高、层次化明显，举例微博性格群组分类挖掘。
拿新浪微博社群的性格群组分类应用，不同性别在行为数据表现分类差异明显，比如内外向群组的粉丝量通过线性回归检验属于强变量，高效神经质虽未明显强变量，但是各个指标均不强也是个性。
信息传播速度建模：
这里大致介绍一种信息传播模型，是二级传播理论（大V发个广告为啥那么贵就好理解）。
二级传播模型：1940年，拉扎斯菲尔德和卡兹等人发现大众传播并没有力量左右人们的态度，决定选民投票意向的还有其他众多的因素。根据这项调查提出了“两级传播”的观点：认为大众传播只有通过“意见领袖”的中介作用才能发挥影响。虽说读出乌合之众的味道，但是实际发生太多案例，更多是大V观点赚的影响巨大
提取特征变量如下：
应用微博数据，按照线性回归模型预测意见领袖，发现结合成员距离发现，意见领袖更多集中大V身上。
社交群体行为建模
羊群效应，是说是个人的观念或行为由于真实的或想像的群体的影响或压力，而向与多数人相一致的方向变化的现象。如果满足以下四个条件：1）一个待做的决定、2）决定需要遵从一定的顺序、3）人们做的决定不是盲从的，是基于一定信息下的决定、4）人们不知道其他人掌握的信息，但是可以通过观察他人的行为来推断他人掌握的信息；羊群效应发挥淋漓尽致。
社交群体建模方法可以参照pagerank算法，具体这里不阐述，该算法大致流程参照下图：
比如我们发现好多热点话题舆论走向，如果引导极左极右，可见主流看点更多跟随引导方向；故我国加强网络舆论的管理，这里避免羊群跟随效应。
信息传播寿命建模
目前信息社会网络中，信息扩散传播与时间有重要关系，在信息产生早期，扩散传播迅速，而经过一段时间后，信息不再传播甚至消亡。大部分平均寿命80h，健壮寿命55h（假设热点随机发生）
依据线性影响模型（Jaewon提出），在实验测试数据（选择纽约时报等100知名网站扩散节点），我们发现如下影响数据如下图
结论：1、公众人物必须有公众责任，因为成为意见领袖概率极大，影响粉丝从众；但这里不是让你们找大V做广告。2、热点新闻寿命过短，病毒式营销并不推崇；3、选择与判断个性化社交媒体是否成熟，除了观察PV等基础流量数据，也参考社交成熟度，具体参考文章社交随机图模型；4、标签化确实是分类很好的工具，特殊群组聚集度极高，标签化简易问题；但是不要随便给别人打标签，谢谢。5、每个人都有极高概率成为羊群，但在这信息泛滥真伪难辨，希望数据说话与分析问题，做自己。
再多说几句：
个人推崇没有绝对的自由，这里不想洗地辩论，毕竟空谈误国，苟利国家生死以，岂因祸福避趋之，百年复兴更需要我们做些有意义的事情。
不可否认正态分布统计概率，绝大部分我们都将中庸碌碌无为一辈子，看着许多许多的小情愫，匆匆而来，匆匆而过，留下的东西少了再少，直到一片苍白。