研究人员往往用疾病传播模型对社交网络上的传播现象进行建模。基本假设是个体被影响的概率随着被感染邻居数目的增加而单调增大。这篇文章在Facebook上对两种传播现象进行了分析，发现个体被感染的概率随着发生联系的邻居(contact neighbor)之间形成的连通子图数目的增大而增大，其绝对数目并不是决定性因素。文章把邻居之间形成的连通子图数量认为是结构多样性(structural diversity)，因为不同的连通子图可能代表拥有不同社交背景的人群，向个体传递不同的信息。如此，则为该发现提供了一种解释：structural diversity大的个体认识的人的背景更多样化，多个不同群体的说服力往往比单个群体的更强。

 

　　User recruitment

　　这篇文章使用相对转化率(relative conversion rate)代表个体被说服注册facebook的可能性大小。首先观测了邻居的数目和邻居连通子图对相对转化率的影响。文章详细列出了2、3、4个邻居的用户的相对转化率的情况。从下面的图中可以看出，固定邻居数量，在连通子图的数目相同时，不同连接情况下的转化率相差不大，但是当连通子图数目增大时，转化率会有相当大的提升。文章将连通子图的数目成为structural diversity。见下图，

 

 

 

另一个可能对转化率产生影响的统计量是连通子图内部的连接密度。文章观测了拥有4、5、6个节点的单个邻居连通子图，发现边的边的数量对转化率没有显著影响。

 

 

 

　为了进一步说明structural diversity的影响，文章着重讨论了两个邻居的情况。Facebook上没有好友关系的两个用户在现实生活中也许是好友，这种真实好友的身份可以从Facebook照片共圈的关系挖掘。作者发现，如果两个邻居没有连边(structural diversity为2)，但是曾经共同出现在同一张照片上过，则转化率会降到比有连边的情况(structural diversity为1)更低。如下图所示。

 

 

 

　　依旧使用转化率对engagement进行衡量。首先作者发现了与recruitment类似的现象，个体被影响的可能性主要受邻居连通子图数目的影响。详见下图。此外作者还观测了再structural diversity相同情况下，发出邀请者的地位(用度衡量)对转化率的影响，发现有如下倾向：结构中成员的度差异越大，转化率越容易受度大邻居的影响。