90-9-1社会媒体和在线社区参与不等式规则

所有大型，多用户社区和在线社交网络，依赖用户贡献内容或构建服务共享一个属性：大多数用户不参加非常感谢。通常,他们只是潜伏在背景中。

相比之下，一个微小的用户通常会占据不成比例的大量内容和其他系统活动。这种现象参与不等式威尔·希尔(Will Hill)在90年代初首次进行了深入研究，当时他在贝尔通信研究公司(Bell Communications Research)和我一起工作。

当您对每个用户的活动量绘制时，结果是一个Zipf曲线，它显示为一条直线双对数图。

用户参与通常或多或少跟随a90-9-1规则：

• 90％用户是潜水者（即，阅读或观察，但不贡献）。
• 9％用户的贡献时，但其他优先事项主导了他们的时间。
• 1％用户参与了很多占大部分捐款：看起来它好像没有生命，因为他们经常在任何事情上发表几分钟后，他们正在评论发生任何事情。

早期的不平等的研究

在网络出现之前，研究人员记录了媒体参与的不平等，如Usenet新闻组、CompuServe电子公告板、互联网邮件列表和大公司内部讨论板。一项对Usenet上200多万条消息的研究发现，27%的帖子来自只发布一条消息的人。相反，最活跃的3%的发帖者贡献了25%的信息。

在Whittaker等人。的Usenet学习，随机选择的帖子同样可能来自580,000个低频贡献者之一或19,000名高频贡献者之一。显然，如果您想评估“社区的感受”，如果一个子群的19,000名成员与另一个亚组580,000名成员相同的代表性，这非常不公平。更重要的是，这些不公平就会给你一个对社区的偏见了解因为发得多的人和发得少的人之间几乎肯定存在着许多差异。你永远不会听到大多数沉默的潜伏者的声音。

网上的不等式

有关于11亿互联网用户， 然而只有5500万用户（5％）有博客根据Technorati。更糟糕的是，在2006年，每天只有160万条帖子;因为有些人一天发很多次帖子，每天只有0.1％的用户。

博客甚至更糟糕的参与不等式比在90-9-1规则中表现出大多数在线社区的规则。使用博客，规则更像是95-5-0.1。

在维基百科也发现了不平等，超过99％的用户是潜伏者。根据维基百科的“关于”页面在美国，它只有6.8万名活跃贡献者，这是0.2％在美国的3200万个独特的访客中。

维基百科最活跃的1000人 - 其用户的0.003％ - 贡献了该网站的三分之二的编辑。因此，维基百科比博客更偏向，规则为99.8-0.2-0.003。

Web上许多地方存在参与不平等。例如，在Amazon.com上快速浏览，该网站销售了数千份的一本只有12条评论的书籍，这是不到1％的客户贡献评论。

另外，在我写这篇文章的时候，亚马逊网站’上的书评中，只有16.7113万篇是少数人写的“Top-100”评论者;最多产的审稿人编写了12,423条评论。有人如何编写许多评论 - 更不用说阅读了很多书 - 超越了我，但这是参与不平等的经典典范。

参与不等式的缺陷

参与不平等不一定是不公平的，因为一些用户比其他用户更平等误用动物农场。如果潜伏者想要贡献，通常允许他们这样做。

问题是整个系统不代表平均网络用户。在任何给定的用户参与网站上，您几乎总是听到相同的1％用户，几乎与您从未听到的90％差别不同。这可能有几个原因会造成麻烦：

• 客户的反馈意见。如果您的公司希望为客户提供对其产品和服务的客户反馈的Web Postings，您将获得一个不足的样本。
• 回顾。同样地，如果你是一名消费者，想要知道去哪家餐厅吃饭或者买什么书，网上的评论只代表了一小部分有过这些产品和服务经验的人。
• 政治。如果一个缔约方提名一名由“Netroots”支持的候选人，那么它几乎肯定会失败，因为这种候选人的立场将过于极端，以吸引主流选民。政治博客的帖子来自少于0.1％的选民，大多数人都是铁杆左派（民主党）或右派（共和党人）。
• 搜索。搜索引擎结果页面（SERP）主要根据其他网站链接到每个目的地。当0.1％的用户执行大部分链接时，我们的风险有搜索相关性的风险与剩余的99.9％的用户有用，更加频繁。搜索引擎需要更多地依赖于在更好代表用户的样本中收集的行为数据，这就是他们构建Internet访问服务的原因。
• 信噪比。讨论群体淹没在火焰中和低质量的帖子，难以识别宝石。许多用户停止阅读评论，因为他们没有时间涉足来自人们的沼泽沼泽的沼泽。

非营利社交网络的倾斜Lurker贡献者比率

(2009年更新)Facebook上的“起因”应用程序2500万用户但仅限2009年4月185,000人捐款但是，即使申请提供给予179,000个不同的非营利组织的能力。（这是据华盛顿邮报.）

因此，为慈善筹款提供的社交网络有一个99.3％潜伏者和0.7％的贡献者规则 - 比我们所看到的其他参与不等行更偏好。这些数据没有说出捐赠的0.7％的用户有多少频繁的贡献者，但很可能小于1/10，这意味着整个规则看起来像这样99-1-0（舍入到最近的整数时）。

这一发现并不令人惊讶，原因有三:

• 尽管大肆宣传，Facebook只是另一种形式的合作环境，这意味着针对在线社区的长期法律应该保持不变。可能会有一些小的修改，但基本的修改是出于人的天性，在移动到新平台时不会改变。
• 捐赠资金是一种强烈的行动形式，而不是简单地编写用户贡献的内容，因此这种贡献是有意义的，这种形式会有极强的参与不平等。如果我们衡量捐赠的金额，而不仅仅是二元给予/不足，那么歪斜可能更加极端。
• 我们的研究在线捐赠慈善机构的用户体验发现，在他们愿意与金钱分开之前，大多数非营利性没有提供信息用户所需的信息。（或信息未以足够的Web为导向的方式显示。）

如何克服参与不平等

你不能。

处理参与不等式的第一步是认识到它将永远与我们同在。它存在于曾经研究过的每个在线社区和多用户服务中。

你唯一的选择就是如何塑造不等号曲线的角度。你会采用通常的90-9-1分布，还是一些社交网站中常见的更激进的99-1-0.1分布?你能否实现一个更公平的分配，比如80-16-4 ?(也就是说，只有80%的人是潜伏者，16%贡献了一部分，4%贡献最大。)

虽然参与总是有所不平等，但有些方法可以更好地均衡它，包括：

• 让它更容易贡献。屏障下降，人们越多跳过箍。例如，Netflix通过点击星级评级来允许用户评价电影，这比写自然语言评论更容易。
• 参与副作用。甚至更好，让用户通过贡献他们正在做的事情的副作用来参加零努力。例如，亚马逊的“买了这本书的人，买了这些其他书籍”推荐是人们购买书籍的一个副作用。你不需要做任何特别的事情来将你的图书偏好输入系统。是希尔创造了这个术语吗读穿对于这种类型的效果：阅读（或使用）的简单活动将“佩戴”它，从而留下它的标记 - 就像一本食谱一样，您将自动对您准备的配方开放。
• 编辑，不要创建。让用户通过修改现有模板来构建其贡献，而不是从头开始创建完整的实体。编辑模板更具诱人，并且具有比面向空白页的恐怖的温和学习曲线。例如，在基于阿凡达的系统中，例如，大多数用户修改了标准问题的头像，而不是创建自己的系统。
• 奖励 - 但不要过度奖励 - 参与者。奖励那些做出贡献的人将有助于激励那些在互联网之外生活的用户，从而扩大您的参与者基础。虽然钱总是好的，你也可以给贡献者优惠待遇(如折扣或新东西的提前通知)，甚至只是在他们的个人资料上添加金星。但不要给最积极的参与者太多，否则你只会鼓励他们更主导系统。
• 促进质量贡献者。如果你平等地展示所有的贡献，那么那些只在有重要事情要说的时候才发布的人，将会被来自极度活跃的1%的材料洪流淹没。相反，要特别突出好的贡献，以及那些已经证明了自己价值的人的贡献声誉排名。

您的网站设计无疑会影响参与不平等，无论好坏。意识到问题是减轻它的第一步，并发现扩大参与的方法将变得更加重要，因为网络的社交网络服务继续增长。