SNS에서 네트워크와 콘텐츠 생산의 공동 진화 모델

초록

본 논문은 연속시간 행위자 지향 모델을 확장해 네트워크 구조와 사용자 게시 행동이 동시에 변화하는 과정을 MCMC 시뮬레이션으로 추정한다. 대학생 6개월 데이터를 활용해, 유사한 게시량을 가진 사용자가 연결을 선호하지만 연결 후에는 행동이 분산되는 현상과, 동료 영향력이 게시량 수준에 따라 달라지는 점을 발견한다.

상세 분석

이 연구는 기존 SNS 연구가 네트워크 형성 효과와 네트워크 영향 효과를 구분하지 못해 인과관계 추정에 한계가 있었던 점을 극복하고자, Snijders가 제안한 행위자 지향 연속시간 모델(actor‑oriented continuous‑time model, SAOM)을 기반으로 새로운 추정 프레임워크를 설계하였다. 핵심은 네트워크 변화와 행동 변화가 동시에 일어나는 마코프 과정으로 모델링하고, 관측 가능한 변수(예: 인구통계, 학과)와 관측되지 않은 이질성(예: 개인 성향)을 모두 포함할 수 있도록 효과 함수를 확장한 것이다. 특히 행동 변수는 연속적이고 비정상적(non‑stationary)인 시간 흐름을 보이므로, 기존 이산형 혹은 정적 가정에 얽매이지 않고 로그‑선형 형태의 변화율(rate) 함수를 도입해 실시간 변동성을 포착한다.

추정 과정은 MCMC‑based simulation‑based method를 사용한다. 초기 파라미터값을 설정한 뒤, 네트워크와 행동의 미세 변화를 시뮬레이션하고, 실제 관측 데이터와의 차이를 최소화하도록 파라미터를 반복 갱신한다. 이때, ‘동질성(homophily)’ 효과와 ‘이질성(divergence)’ 효과를 별도의 파라미터로 구분함으로써, 사용자가 비슷한 행동을 보이는 사람과 연결될 확률과, 연결 후 행동이 수렴하거나 분산되는 메커니즘을 동시에 추정할 수 있다.

데이터는 대형 SNS에서 대학생 1,200명에 대한 6개월간의 친구 관계와 일일 게시물 수를 수집한 것으로, 시간 간격이 짧아 행동 변화가 연속적으로 관측될 수 있었다. 분석 결과, (1) ‘행동 동질성’ 파라미터가 양의 값을 보여, 사용자는 유사한 게시 빈도를 가진 이와 친구를 맺는 경향이 강함을 확인했다. (2) 반면, ‘행동 이질성’ 파라미터는 음의 값을 나타내, 연결 후에는 서로의 게시량이 점차 차이가 나는 현상이 나타났다. 이는 초기 동질성에 기반한 네트워크 형성이 이후 경쟁·차별화 메커니즘으로 전환된다는 사회학적 해석을 가능하게 한다. (3) ‘동료 영향력’ 효과는 사용자의 기존 게시량 수준에 따라 비선형적으로 변했으며, 활발히 게시하는 사용자는 더 큰 동료 영향력을 받는 반면, 저활동 사용자는 영향력이 약했다.

이러한 결과는 SNS 플랫폼이 사용자 유지와 활발한 커뮤니티 조성을 위해, 단순히 유사한 사용자 간 연결을 촉진하는 것보다, 연결 후 행동 다양성을 관리하고, 고활동 사용자의 영향력을 적절히 활용하는 전략이 필요함을 시사한다. 또한, 제안된 모델은 관측 데이터만으로도 네트워크와 행동의 공동 진화를 정량적으로 분석할 수 있는 강력한 도구로, 정책 실험, 마케팅 캠페인 설계, 그리고 온라인 집단 행동 연구에 광범위하게 적용될 수 있다.