但互联网上特定的社群确实在构建特定的部落
性的服务来满足社群中不同角色网民的要求。（1）我们是否为收集狂准备了一些干货知识？（2）我们是否为评论者准备了足够多的话题？（3）我们是否为看热闹的人准备了可看的热闹？（4）我们是否为创造者提供了资源和思考刺激？很有趣的问题，大家可以沿着这个思路去思考。美国数字营销专家Nancy White和Elliot Volkman从另外一个角度来拆解网络社群中不同类型的用户，其分为以下7种类型。（1）社群建构师：为网络社群设置目标，他们规划网络社群的未来和影响力。（2）社群管理者：他们监督管理整个部落，和商店的总经理有点像。（3）付费用户：为社群提供资金的贡献者，他们会为社群的发展，添砖加瓦，同样也是社群建设的晴雨表。（4）核心参与者：他们经常访问社群，参与社群活动，他们代表了大多数为社群做奉献的网民，他们是网络社群最重要的人群之一。（5）潜水者：这个群体比较安静，并不积极将他们的观点分享出来，只看不评论不表态。其实他们被激活也是很有可能的。（6）统治者：也被我们经常称为超级用户的人，他们在社群中很有影响力，在社群议事中拥有很大的话语权和众多的追随者。（7）联结者：他们会跨界参与多个群组的讨论，并积极参与沟通。他们是社群的链接中心，能将不同的群组串联在一起。3.社群的分类社群的分类可借鉴传统社会学的人群进行分类，如何将不同类型的居民进行归类，其核心不在于仅仅起一个称谓，而是掌握这群人的习性，从而应用在实际的营销、运营中。笔者结合传统社会学上的社群分类对本章涉及的群体梳理如下。（1）地理位置上的群体（Geographic Communities）：从本地的近邻、郊区、村庄、城镇、城市到区域、国家。（2）文化上的社群（Communities of Culture）：从本地的圈子、派系、亚文化、人种、宗教、跨文化到全球社群。他们含有社群的需要和标志，他们拥有社群认可的价值观和符号标志。（3）社群组织（Community Organizations）：从常见的家庭、亲属关系、公司组织、政治团体、职业机构到全球的团体。互联网上的社群发展趋势逐渐向兴趣图谱靠拢。社交网络中兴趣图谱（Interest Graph）对社交图谱（Social Graph）的补充会变得越来越重要。Facebook、Twitter和Google等已开始进行相关性（Relevance）内容推送。未来这个领域会更加热门。下图展示了在线信息获取的发展过程：搜索主导→个性化推送→个性化的意外收获。从年龄结构可以分为：老人社群、孩子社群、年轻人社群、中年人社群。从性别结构可以分为：男人社群、女人社群。从兴趣结构可以分为：篮球社群、汽车社群、购物社群、化妆品社群等。从生活方式可以分为：小清新板块、艾滋病社群、军人社群等。从地理位置可以分为：江苏板块、北京板块、上海板块等。还有哪些维度可用来构建社群的分类？未来的互联网将更加部落化，企业的营销传播可以精准地找到关键用户群，找到网络社群中的目标客户，将之前广播式的营销转化为定向歼灭。另外用户待在互联网上的部落社群化也督促我们构建自己的互联网上队伍，让粉丝有一个能沉淀下来的家。实践点拨在目前互联网环境下，网络营销的核心是找出目标客户所在的社群。找文艺青年去豆瓣在中国互联网的商业版图中，有一个独特的社群聚集地那就是豆瓣。笔者一直在豆瓣上探讨阅读的问题，很容易找到基于同一兴趣的读者群。但通过一次租房的经历，让我对豆瓣蕴藏的商业价值产生了浓厚的兴趣。笔者在北京有一套房子希望出租，但是碍于对房屋中介公司的黑心，我自己希望能够以优惠的价格租给用户。这个时候面临的挑战是将租房文案发到哪些平台上去？为此笔者做了测试，分别用两个手机号码，在58同城、赶集网等公开的网站上发布租房信息，另外在豆瓣的租房小组中也发布了相关的信息，以此来观看招租效果。我发现从豆瓣打来电话的10个人中，有6个是北京大学、清华大学的毕业生，剩下的几位也是有较为正规职业的租户；而从58同城、赶集网打来电话的租户就显得不那么齐整了。从租客能够很好保护房屋的角度考虑，笔者最终选择了来自豆瓣的租户。不能说人以群分，但互联网上特定的社群确实在构建特定的部落。在一切都以快为发展宗旨的互联网行业，豆瓣的慢文化成功聚拢着一些忠实的优质用户，豆瓣图书庞大的数据库、豆瓣的用户量与小组数，都是在慢文化的影响下积累起来的。豆瓣产品的性格对豆瓣的成功起着决定性的作用，天涯、猫扑这些前辈都因为快速冲击的信息量带走了其产品土壤中的养分，而导致其产品最终消耗殆尽。然而这种庞大到以各种文艺青年聚合而成，以颇似魏晋风度的清淡为主线的网站文艺范模式，也给创始人杨勃带来了盈利的困扰。文艺青年社交生活的庞大社区，挣钱是一个迫在眉睫的大问题。豆瓣的商业潜力，也在于社群信息过滤器这个角色的扮演上，其蕴含着商业潜力。豆瓣并无太多理由介入内容层面的直接交易，因为相信推荐的力量，豆瓣工程师日复一日的完善豆瓣的算法，最
