到目前為止，答案一直集中在數據本身上，這與所處的站點以及存在的缺陷有關。

但是我是一個計算性的人/數學流行病學家，所以我也將稍微討論一下該模型本身，因為它也與討論有關。

在我看來，本文最大的問題是 Google數據。流行病學中的數學模型一直都在處理混亂的數據，在我看來，可以通過相當簡單的敏感性分析來解決它的問題。

對我來說，最大的問題是研究人員“已經衰弱了自己走向成功” –在研究中應始終避免的事情。他們在他們決定適合數據的模型中執行此操作：標準SIR模型。

簡而言之，是 SIR模型（代表易感性（S）傳染性（I）恢復（R））是一系列微分方程，用於跟踪人口遭受傳染病時的健康狀況。感染者與易感者互動並感染他們，然後及時移至恢復的類別。

這將產生如下所示的曲線：

美麗，不是嗎？是的，這是殭屍流行病。長話短說。

在這種情況下，紅線被建模為“ Facebook用戶”。問題是這樣的：

在基本的SIR模型中，I類最終將不可避免地漸近地接近零。

它必鬚髮生。建模殭屍，麻疹，Facebook或Stack Exchange等都沒有關係。如果使用SIR模型進行建模，則不可避免的結論是，傳染性（I）類的數量下降到大約零。

對SIR模型進行了非常直接的擴展，使之不成立-您可以讓已恢復（R）類別中的人恢復為易感（S）（本質上，這就是離開Facebook的人從“我永遠不會回去”到“有一天我可能會回去”），或者您可以讓新的人加入到人群中（這不是蒂米和克萊爾得到的第一台計算機。）

不幸的是，作者不適合那些模型。附帶地，這是數學建模中普遍存在的問題。統計模型是試圖描述變量模式及其在數據中的相互作用的嘗試。數學模型是關於現實的斷言。您可以得到一個SIR模型以適應很多情況，但是您對SIR模型的選擇是對系統的斷言。也就是說，一旦達到頂峰，它就會趨向於零。

順便說一句，互聯網公司確實使用了用戶保留模型，這些模型看起來很像流行病模型，但它們也比流行病模型複雜得多。本文介紹了一個。

我對本文的主要關注是，它主要關注Google搜索結果。眾所周知的事實是，智能手機的使用率正在上升（ Pew Internet， Brandwatch），傳統的計算機銷售在下降（可能是由於舊計算機仍在運行） ）（ Slate， ExtremeTech），因為越來越多的人使用智能手機訪問互聯網。考慮到至少有一個針對iOS，Android，Blackberry和Windows Phone的本地Facebook應用程序，因此Google對“ facebook”的查詢數量已大幅下降也就不足為奇了。如果用戶不再需要打開瀏覽器並在URL欄中鍵入“ facebook.com”，那麼這肯定會對搜索數量產生負面影響。實際上，使用該應用程序的FB用戶數量已經大大增加了（ TechCrunch， Forbes）。

我認為這項研究只是一部分危言聳聽的媒體把“呵呵，有趣的關聯”帶走了； “您知道世界在變化嗎？這真是出乎意料！”

好吧，本文確定了一個事實，即Google在Facebook上的搜索次數恰好符合一定曲線。因此，充其量它可以預測，Facebook上的搜索量將下降80％。這可能是可行的，因為Facebook可能變得無處不在，沒有人需要搜索它。

此類模型的問題在於，它們假定沒有其他因素可以影響所觀察變量的動態。在處理與人有關的數據時，很難證明這一假設是正確的。例如，此模型假設Facebook無法採取任何措施來彌補其用戶流失，這是一個非常可疑的假設。

我認為Google趨勢無法為這種研究案例提供良好的數據集。 Google趨勢顯示了使用Google搜索一個詞的頻率，因此至少有兩個原因對此規定提出了一些疑問：

• 我們不知道用戶是否在Google上進行搜索Facebook登錄或者如果他搜索有關Facebook的信息

Facebook不僅是一個網站，而且很多關於該網站以及Facebook Inc.的文章，書籍和電影都是一種現象。 2012年5月18日，該公司開始向公眾出售股票並在納斯達克交易。 Google趨勢向您同時顯示：網站搜索和“現象”搜索。新事物總是對大眾產生重大影響，電視對大眾產生了巨大影響，現在沒有人寫過有關它的文章，但它仍然是使用最廣泛的設備之一。

• 用戶不會在Google上搜索“ facebook”來登錄

使用移動應用程序和書籤，只有第一次在Google上具有互聯網搜索“ facebook”知識的用戶然後他通常將頁面保存為書籤或下載應用程序。下圖是 Wikipedia 的Google趨勢，看來我們將來將不再使用Wikipedia。顯然，這是不正確的，我們根本無法訪問鍵入“ wikipedia”的Wikipedia，而只是搜索然後使用Wikipedia頁面，或者使用書籤來訪問它。

本文提出了一些基本問題：

• 它假設搜索引擎查詢關於社交網絡不斷增長與會員人數增加的相關性。這可能在過去有關聯，但在將來可能沒有關聯。

• 很少有新的大型社交網絡。您幾乎可以單指望他們。 Friendster，Myspace，Facebook，Google +。此外，Stack Exchange，Tumblr和Twitter的功能類似於社交網絡。有人預測Twitter結束了嗎？恰恰相反，它似乎具有主要動力。沒有太多提及或研究其他內容是否合適。用我們正在談論的方式，在5-7個數據點之間是否存在趨勢？ （社交網絡的數量。）關於未來的任何結論，數據太少。

• Facebook取代了Myspace。那是主要動力。它沒有考慮到一種感染正在取代另一種感染的想法，而是傾向於將它們分開考慮。什麼在取代Facebook？ Google+？推特？客戶從一種“品牌”或“產品”到另一種的相互作用和“背叛”是該領域的關鍵現象。

• 社交網絡共存。一個可以是多個站點的成員。

• 成員之間可能傾向於彼此偏愛。

• 似乎有一個更好的模型，那就是正在進行整合，例如在經濟學中，例如像任何新的顛覆性技術一樣，一開始有很多競爭對手，然後，領域狹窄，他們傾向於合併，有收購和合併，有的則消失了。在比賽中。我們已經看到了這樣的示例，例如雅虎最近收購了Tumblr。

• 類似的概念可能與電視網絡合併並由大型企業集團擁有（例如，擁有許多媒體資產的主要媒體公司。實際上，Myspace已被新聞集團收購。

• 要走的路是在經濟學和感染（生物學）之間尋找更多的類比。從競爭對手那裡獲得客戶的客戶以及產品的使用確實確實在流行病學上有許多相似之處。與進化的“紅皇后”種族有很強的相似之處[請參閱Ridley的《 紅皇后》 ]。可能與稱為 bionomics（生物經濟學）的領域有聯繫。

• 另一個基本模型是彼此競爭並具有各種“進入障礙”的產品客戶從一個品牌切換到另一個品牌。的確，網絡空間的轉換成本非常低。類似於啤酒品牌爭奪客戶等。

• 在漸近模型中，網絡將其成員增加到某個漸近最大值的可能性更大，然後趨向於到 高原 。

總的來說，我認為它具有一些非常有效和引人入勝的想法，並且可能會激發人們的興趣。進一步的研究。它是開創性的，開創性的，只需要對其聲明進行一些調整即可。我對使用Stack Exchange和分析本文的協作智慧/集體智慧感到高​​興。 （現在，如果只有研究主題的記者在準備簡單的聲音片段之前會仔細閱讀整頁）。

問題不是“是否”，而是“何時”。

已經保證結束。 http://www.ted.com/talks/geoffrey_west_the_surprising_math_of_cities_and_corporations.html

我不喜歡使用SIR模型。

其中一個假設是最終每個人都“被恢復”。感染不是永久的，而採用技術也可以（例如，考慮使用汽車）。由特定的SIR模型充分建模。這並不意味著該模型可以描述壽命終止前的任何季節。它沒有考慮其他因素-環境。 Facebook是“ Myspace”結尾上下文的一部分，因此，儘管SIR僅適合於Myspace，但不適用於社交網絡，因為許多用戶在這兩個帳戶上都有帳戶，並且切換為FB為主。 / p>

我瀏覽了殭屍模型，甚至通過一些非殭屍SIR擬合，在那裡更適合使用時間和人口打點窗口。它不是通用模型，它具有優點和缺點。這意味著，即使對於設計用於建模的系統，SIR也不完美。這種針對目標的根本缺陷表明，如果不謹慎使用，目標區域之外的應用可能比其他模型更具問題。

回答您的問題

此模型和邏輯可能適用於MySpace，但對任何社交網絡都有效嗎？

可能無效。歷史數據只能在“環境”相似的情況下預測未來事件。本文假設Google用戶和查詢的總數是一個常數，當然不是。現在，本文可能談論的更多的是Google，而不是Facebook。

不過，基於MySpace等其他許多社交網絡的興衰，我認為人們可以肯定地認為Facebook的機會很大在5年內將不再是主要的社交網絡。

如果我們看一下社交網絡的地圖，那麼流行模型在某些情況下適用。

http://vincos.it/world-map-of-social-networks/

本文可能還有其他一些示例（Friendster和Orkut是用戶大量下滑的一個很好的例子），並且考慮到通常人們會遷移到提供更好或新服務的其他社交網絡這一事實。

Facebook 可以改善人們的交流方式。與 Orkut 相比，用戶需要輸入其他人的個人資料才能查看其最新動態。另一方面，在Facebook上，提要現在位於他自己的時間軸上。這是一個重大更改。

此模型和邏輯可能適用於MySpace，但事實並非如此。對任何社交網絡都有效嗎？

恕我直言，人們不會離開社交網絡。他們基於更好的服務，功能或體驗進行遷移。

問題是：會有更好的社交網絡嗎？也許是Google +。