SNS 친구 맺기의 미시적 메커니즘: Wealink 사례 연구

초록

본 논문은 중국 직장인 중심 SNS인 Wealink에서 발생한 273 209개의 친구 관계 형성 데이터를 전 시간대에 걸쳐 분석한다. 링크 요청의 응답 시간은 지수적으로 감소하고, 사용자 활동 간격은 보편적인 1.89의 파워‑러프 지수를 보인다. 링크 요청·수락 과정은 선형적인 선호 선택을 따르며, 이를 기반으로 한 간단한 네트워크 모델이 실제 네트워크의 차수 분포를 재현한다.

상세 분석

Wealink 데이터는 2005년 5월 11일부터 2007년 8월 22일까지 약 2년 반에 걸친 전체 사용자(ID), 친구 리스트, 그리고 각 링크 요청·수락 시각을 포함한다. 총 223 482명의 사용자가 273 209개의 양방향 링크를 형성했으며, 미수락 요청은 186건에 불과해 거의 모든 요청이 응답된다는 점이 눈에 띈다.
① 상호응답 시간: 요청→수락 간 인터벌의 보완 누적 분포(Pc(t))는 e⁻⁰·⁰¹¹ᵗ 형태의 지수함수에 매우 잘 맞으며(R²=0.958). 67 %가 24시간 이내, 84 %가 30일 이내에 수락된다. 이는 이메일 등에서 관찰되는 파워‑러프 대기 시간과 대조적이며, SNS에서는 ‘예의’라는 사회적 규범이 응답을 촉진한다는 해석이 가능하다.
② 정도와 응답 시간의 관계: 초청자·수락자의 차수(k)와 응답 시간(t) 사이의 피어슨 상관계수는 각각 –0.02, –0.05로 매우 약한 음의 상관을 보인다. 즉, 고차수 사용자일수록 약간 더 빠르게 응답하지만, 차수 자체가 응답 속도를 결정짓는 주요 요인은 아니다.
③ 사용자 유형: 활성(링크 요청만 전송), 수동(링크 요청만 수신), 혼합(양방향) 세 그룹으로 구분했을 때, 전체 사용자의 57 %가 활성·수동에 치우쳐 있다. 평균 차수가 2.53에 불과한 전문 SNS 특성상, 대부분은 제한된 수의 오래된 지인과만 연결된다. 혼합 사용자 사이에서는 요청·수신 횟수가 0.48의 양의 상관을 보이며, 활동성이 높은 사용자는 서로에게 더 많이 링크를 주고받는다.
④ 링크 유형: ‘Old‑Old’, ‘Old‑New’, ‘New‑Old’, ‘New‑New’ 네 종류로 분류했을 때, Old‑New(30 %)와 New‑Old(≈50 %)가 전체의 80 %를 차지한다. 이는 기존 사용자가 신규 사용자를 초청하거나, 신규 사용자가 기존 사용자의 초청에 응답하는 형태가 네트워크 성장의 주된 메커니즘임을 의미한다.
⑤ 시간 간격 분포: 연속적인 요청·수락·전체 이벤트 간 인터벌은 모두 파워‑러프(지수 ≈ 1.89)를 따르며, 일주기적 피크가 24시간, 48시간 등에서 나타난다. 이는 인간의 일상 리듬이 온라인 행동에 직접 투영된 결과로 해석된다.
⑥ 선호 선택(Preferential Selection): 사용자가 이전에 얼마나 많이 요청을 보냈는가(k)와 다시 선택될 확률 Y(k) 사이의 관계는 Y(k)∝k^β이며, 실증적으로 β≈1(선형)임을 확인했다. 이는 Simon 모델의 가정과 일치하며, 새로운 사용자가 등장하는 비율 α는 송신자에 대해 0.53, 수신자에 대해 0.35로 측정되었다. 결과적으로 송·수신 횟수 분포는 각각 P_c(n)∝n⁻²·¹³, n⁻¹·⁵⁴의 파워‑러프를 보인다.
⑦ 선형 선호 연결 모델: 위의 선형 선호 선택을 기반으로, 새로운 노드가 기존 노드에 연결될 때 연결 확률이 해당 노드의 현재 차수에 비례하는 간단한 성장 모델을 제시한다. 시뮬레이션 결과, 모델이 생성한 네트워크는 실제 Wealink의 차수 분포와 거의 동일한 형태를 보이며, 미시적 행동 규칙이 거시적 구조를 어떻게 형성하는지를 정량적으로 설명한다.