社交网络邮箱分析

作者：Multiangle 链接：https://www.zhihu.com/question/41676600/answer/113216461 来源：知乎 著作权归作者所有，转载请联系作者获得授权。

分析了6000封左右邮件，对收件人之间的关系进行了简单的分析，也没什么严密的分析计划，分析到哪就写到哪吧 ------------------------------------- update 7.27 ------------↓↓↓↓-------------------------------------------------------- 1.首先来看收发邮件数 在6000封邮件中，涉及了600个左右的邮箱 单看发送邮件的数目，前五强邮箱分别是 [email protected] 645封 [email protected] 645封 [email protected] 200封 [email protected] 149封 [email protected] 147封 单看接收和抄送的数目，则前五强分别是 [email protected] 2224封 [email protected] 1030封 [email protected] 656封 [email protected] 649封 [email protected] 540封 具体的一些信息如下图所示(按照发送邮件数目排序)

如果按照发件数或者收件数对各邮箱进行排序，都可以看到社交分析中常见的指数曲线

令我比较惊讶的是，在对发送邮件数取对数以后，所得到的结果仍旧是一条指数曲线。如下图所示。

这表明，这个竞选团队中极少数人有着极大的话语权。毕竟在求对数以后一般是得到一条直线的，例如微博中排名前几千的大V的粉丝数分布，就像下面这个图(原谅我的灵魂画技)

纵轴在接近0的地方会迅速向0靠近，这是由于对数函数本身的性质导致的。 2. 邮箱之间的社交分析(SNA) 这一部分的分析就比较好玩了，首先使用PageRank算法来计算各个邮箱的重要性。 结果发现收发最频繁的两个邮箱重要性反而不怎么高

可以看到PageRank值最高的邮箱是[email protected], 达到了0.07, 看名字似乎是负责对外推送消息的。排第二的是[email protected], 似乎与民主党的经济事务有关。 对上述社交网络进行可视化表示，在使用ForceAtlas2展开以后，得到如下图所示

其中节点表示邮箱，边代表邮箱间发送的邮件。点的颜色深度与收发邮件的数目有关，而点的大小则与PageRank值有关。可以看到上面有两个非常深的节点，分别是[email protected](左上)和[email protected](右下)。而最大的节点即[email protected] . 所以说啊，邮件往来频繁的也不见得重要性就高，真正重要的人都躲在后面闷声发大财。 从上面还可以看到竞选团队很明显的分成左上和右下两个部分，这个后面会讲 还有一点，上面的图有很多排成很密集的小白点, 比如说红线框起来的部分

这些有很多是外部邮箱，而且往往排在一起的那些邮箱都只与一个邮箱进行单线联系。虽然大部分只是进行了一次通信，不过也可以借此看出每个人负责哪一部分工作。下方红线部分的邮箱大部分是媒体，包括网络媒体和传统媒体，以及一些LGBT网站，教师工会等等，主要由MirandaL联系。而左上部分的邮箱比较杂，包括一些服务软件公司，策略咨询公司，金融服务公司，服装公司等。总的来讲是维持竞选团队正常运行的，主要由KaplanJ联系。

由MirandaL负责联系的有(主要看靠下红框，我随机抽了一些,一个个在Google上查后缀,这一部分是最累的)

由Kaplan J 负责联系的有

3. 社区发现 如果在第二步的基础上使用社区发现算法，就能够将整个竞选团队分成若干个子社区，如下图所示

一种颜色即代表了一个子社区。通过这个可以看到，算法显然比肉眼要更加精确，除了区分出绿色的子社区以外，还将右下角的大块分成了蓝色，紫色和橙色三个子社区。 绿色部分的大人物有 [email protected], [email protected] 等。 紫色部分不用说了，最明显的DNCPress@ http://dnc.org 橙色部分不知道干嘛的，比较有分量的是[email protected] 蓝色部分我也不知道是干嘛的，没有特别显眼的人物。但是从位置上来看，估计是竞选团队中的普通人员，负责日常事务和分析。 ------------------------------------- update 7.28 ----------↓↓↓↓---------------------------------------------------------- 4.邮件数目与日期的关系 邮件大部分是从今年4月20号以后开始的。首先绘制每天的邮件数目变化

可以看到在从4月20日到5月25日的一个月时间里,邮件数呈现明显的周期变化。细心的人应该已经猜到了，这是由于周末的缘故。几乎所有的低谷都发生在周六和周末。看来他们的双休制度执行的不错，加班情况不明显。 看完了低谷，再来看几个几个邮件数目比较高的日期: 5/4, 5/10, 5/17. 显然，这几天肯定有大事情发生。我跑去GoogleTrend 搜了下democratic party的搜索指数，结果发现跟邮件数是高度吻合的

其中橙色代表邮件数目，蓝色代表搜索指数。为了将两组数据放在一张图里，我对邮件数进行了等比例缩减。 跑去Democracy Now! 翻了翻之前的新闻，在忽略掉大量Trump的八卦以后，找到了那几天的大新闻 5/4 Ted Cruz 退选 5/10 Sanders 拿下了 West Virginia Primary (我之前不太关注这些，不知道这个该怎么翻) 5/17 Sanders 拿下了 Oregon Primary, 而Hillary 拿下了Kentucky 5.神秘的小团体 在之前的关系图中，还有一个点没讲，就是左上角的那一坨黑点

可以看出来这坨黑点内部交流十分紧密，而与外界联系十分的少，只通过少数人与Kaplan J 联系。非常神秘的样子。那么这个小团体里究竟是哪些人呢？首先要列出这些人的邮箱。这些人中任何一人都与名单中其他所有人有过联系

我查了一些人的资料，因为我对它们也不熟，所以只列个大概资料。

暂时就只搜4位，其他各位感兴趣的可以去Google搜，还是挺好搜的 可以看出来，这些人大部分是属于咨询机构，看起来是专门进行出谋划策的=。= ------------------------------------- update 7.26 ----------↓↓↓↓---------------------------------------------------------- 写个比较无关的，看到很多人对 @XY Lee 写的感兴趣，花了一个晚上+上午写了个分析邮件往来关系的单线程小爬虫来玩玩，很简陋而且代码也比较乱，实现的功能也比大神差远了，不过能生成基本的社交关系数据。至于分析嘛，是用gephi来完成的，很好玩的一个软件，号称SNA的matlab，可以做pagerank,社区发现等一些算法。代码放在GitHub - multiangle/HillaryEmailAnalysis ，注意要用到networkx库。 所有分析用到的工具: python3.4 + networkx 库 gephi excel

当然，如果不想用爬虫下邮件，我这有下了一晚上的成果，大概6k封的社交关系数据，还有已经生成的供gephi使用的gexf格式文件链接: http://pan.baidu.com/s/1qYpdVB2 密码: 9fax

现在关注【LIKE.TG出海指南频道】、【LIKE.TG大客户服务频道】,即可免费领取【WhatsApp、LINE、Telegram、Twitter、ZALO云控】等获客工具试用、【住宅IP、号段筛选】等免费资源，机会难得，快来解锁更多资源，助力您的业务飞速成长！点击【联系客服】