波斯人吸引着全世界的目光，备受质疑的选票统计结果，是这个焦点中的焦点。10%的随机样本抽查，目前来看是他们最好的解决方式。6月29日，伊朗国家电视台报道了复查结果，维持了先前的投票结果。问题是：伊朗的统计学者能够公正地建立抽样模型，进而用部分来说明整体？时间会告诉我们一切。我不想去质疑这次抽样的任何问题，而我所关心的是在网络世界里，通过统计分析、数据挖掘，对用户体验的改善的过程中，将总体分割成若干样本，或抽取若干样本是否能够确实有效呢？

  我们可以发现，在当下的网络服务之中(甚至不限于其中），基于统计分析来为用户提供的服务，大抵上是把我们一视同仁了，对于一切用户进行一成不变的分析。例如购物网站会提示用户，购买/收藏/查看了某某产品的用户还购买/收藏/查看了什么样的产品；或者一些分享类网站，如果用户分享xxx音乐/书籍，那么就会把全体用户中有此爱好的人及他们所喜好的音乐/书籍推荐给用户。不可否认，这个模型给我们的体验非常大的改善。但是，却忽视了群体影响力对用户所起的巨大作用：因为信息的爆炸，我们的决策越来越依赖于我们所信赖朋友中各个行业中的“专家”，而这些专家所组成的群体，将会对我们的决策产生关键的作用。用户依附在这些“专家”周遭，他们的影响力之大，难以言状。

  互联网使得“专家”组成的群体变得成本低，效率高。然而，前述的统计分析模式，却不约而同的忽视了对总体数据中进行抽取“群体”的过程，而进行统一的分析，使用总体影响力来为用户进行服务。这样使得互联网上低廉高效的“专家”群体被稀释，不免有些可惜。试想，如果是一位初为人母的女士在购物网站上购买了一部动画片给孩子看，而基于总体分析出购买动画片者会有较大概率购买一些其他并不适宜的影片。这样的体验提升就并不很大。因为忽视了这位用户所处的群体，以及这个群体影响力的威力。

  人总是希望加入到认同的群体，远离自己并不认同的群体。于是乎，群体影响力在这两种情况的表现最甚。透过我们已有的用户，这些用户无私奉献的数据，经过统计分析，找出具备“群体影响力”的群体，将他们推至认同用户的前端，那么服务的粘性与营销的潜力将会极大提高。如：在SNS中，通过数据咀嚼（我很喜欢这个词），将小组或话题推至可能认同用户的前端。这样用户的粘性将伴随使用体验而提升，同时这些群组与话题背后的群体将会散发出巨大的影响力，让用户确实感受益。在购物类网站中也异曲同工，给用户的推荐不在是基于整体数据，而是基于将整体数据划分成若干具备群体影响力的子样，按照用户的认同与否来进行推荐。

  具有极大影响力的群体，无疑将是一个极为强大的营销工作：细分的用户群、推送的机制、这些都无疑不是补充商业模式的良药。当互联网服务，尤其是web2.0表面上不断推陈出新，但实质上却表现出越来越强的同质性之时，利用群体影响力及细分理念来改善体验与进行营销，或许是一条发展的道路。欢迎进一步讨论群体影响力及统计细分问题，洗耳恭听。