소셜 미디어 장기 트렌드 역학

초록

본 논문은 사용자들의 반복적인 참여를 고려한 확률적 동적 모델을 제시하여, 소셜 미디어에서 트렌드가 형성되고 장기간 지속되는 메커니즘을 설명한다. 모델은 첫 번째 포스트(FTP)와 반복 포스트(RP)의 성장 과정을 각각 로그정규와 기하분포로 기술하고, 인기 임계값과 활발도 비율(active‑ratio)을 통해 트렌드 지속 기간을 예측한다. 트위터 데이터(16.3 백만 포스트, 3361개 주제)를 분석한 결과, 모델의 예측이 실증적으로 확인되었으며, 트렌드 지속 시간은 활성비율에 선형적으로 비례한다는 새로운 관계를 발견하였다.

상세 분석

이 연구는 소셜 미디어에서 ‘트렌드’라는 현상이 단순히 일시적인 관심 폭발이 아니라, 사용자들의 반복 행동에 의해 지속되는 복합적인 과정임을 강조한다. 저자들은 먼저 첫 번째 포스트(First Time Post, FTP)를 Nₜ라 정의하고, 시간 t에서의 누적 FTP 수가 Nₜ = (1 + χₜ) Nₜ₋₁ 형태의 확률적 성장식을 따른다고 가정한다. 여기서 χₜ는 평균 μ, 분산 2σ²인 작은 양의 독립 동일분포(i.i.d.) 변수이며, 로그 변환 후 중심극한정리를 적용하면 log Nₜ는 정규분포를 따르게 된다. 이는 실험적으로 로그정규분포가 관측된 것과 일치한다.

트렌드 종료 조건은 ‘활력(vitality)’ φₜ = Nₜ/Nₜ₋₁ = 1 + χₜ가 사전 정의된 임계값 θ₁보다 작아지는 경우로 설정한다. φₜ가 θ₁ 이하가 될 확률 p는 χₜ의 누적분포함수 F에 의해 p = F(log θ₁)로 표현된다. χₜ가 i.i.d.이므로 트렌드 지속 기간 L은 기하분포를 따르고, 평균 지속시간 E(L) = 1/p − 1 = 1/F(log θ₁) − 1이 된다.

다음으로 반복 포스트(RP)를 도입한다. 순간 FTP 수를 FTPₜ, RP 수를 RPₜ라 두고, 두 변수의 비율 μₜ = (FTPₜ + RPₜ)/FTPₜ를 ‘공명 수준(resonance level)’이라 정의한다. μₜ는 평균 a_q(활성비율)와 연관된 균등분포