假设您正在寻找新工作。 您前往 LinkedIn 整理您的个人资料并浏览您的社交网络。
但是您应该联系谁来介绍潜在的新雇主呢？
A新研究超过 2000 万人，发表于科学，表明你的亲密朋友（在 LinkedIn 上）不是你最好的选择：相反，你应该寻找那些你不太熟悉的熟人来分享个人联系。
弱关系的强度
1973年，美国社会学家马克·格兰诺维特创造了这个词“弱关系的强度”在社交网络的背景下。他认为两个人之间的联系越紧密，他们的友谊网络就越重叠。
简而言之，你很可能认识密友的所有朋友，但很少认识熟人的朋友。
因此，如果您正在找工作，您可能已经了解您附近的社区所能提供的一切。 直观上看，是弱联系？ 你的熟人吗？ 为新发现提供最多的机会。
薄弱的联系和工作
格兰诺维特的理论感觉是正确的，但真的是这样吗？ 来自 LinkedIn、哈佛商学院、斯坦福大学和麻省理工学院的一组研究人员着手收集一些关于弱关系如何影响工作流动性的经验证据。
他们的研究依托 LinkedIn 工程师的努力来测试和改进该平台的“你可能认识的人”推荐算法。 LinkedIn 会定期更新此算法，该算法会推荐新人添加到您的网络中。
其中一项更新测试了鼓励形成强关系（推荐添加亲密朋友）与弱关系（推荐熟人和朋友的朋友）的效果。 然后，研究人员跟踪参与“A/B 测试”的用户，看看这种差异是否影响了他们的就业结果。
全球超过 2000 万 LinkedIn 用户被随机分配到明确的治疗组。 每个组中的用户所看到的新联系人推荐略有不同，这导致某些组中的用户形成更强的联系，而其他组中的用户形成更弱的联系。
接下来，团队测量了每个组中的用户申请了多少工作，以及发生了多少次“工作传输”。 工作转移特别令人感兴趣，因为它们被定义为与新联系人在同一家公司找到工作。 工作传输表明新联系人帮助找到了这份工作。
适度弱的关系是最好的
该研究使用因果分析来超越简单的相关性，并将链接形成与就业联系起来。 有三个重要的发现。
首先，推荐引擎显着影响链接的形成。 被推荐更多弱链接的用户形成了更多的弱链接，被推荐更多强链接的用户形成了更多的强链接。
其次，该实验提供了因果证据，表明在帮助求职者加入新雇主方面，适度的弱关系是强关系的两倍多。
什么是“中等”弱关系？ 研究发现，工作转移最有可能来自熟人，他们与你有大约 10 个共同朋友，但很少互动。
第三，弱联系的强度因行业而异。 弱联系增加了数字化程度较高的行业的工作流动性，而强联系则增加了数字化程度较低的行业的工作流动性。
更好的建议
LinkedIn 的这项研究首次在就业市场上因果证明了格兰诺维特的理论。 因果分析是这里的关键，因为对关系强度和工作转移之间相关性的大规模研究表明，强关系更有益，而迄今为止这被认为是一个悖论。
这项研究解决了这一悖论，并再次证明了相关研究的局限性，相关研究在理清混杂因素方面做得很差，有时会导致错误的结论。
从实践的角度来看，该研究概述了建议新链接的最佳参数。
研究表明，对找到工作最有帮助的人脉是你的熟人、你在职业环境中遇到的人、或者朋友的朋友，而不是你最亲密的朋友？ 与您有大约 10 次共同接触但不太可能经常互动的人。
这些可以转化为算法推荐，这可以使LinkedIn等专业网络的推荐引擎更加擅长帮助求职者找到工作。
黑匣子的力量
当大型社交媒体公司对其用户进行实验时，公众通常会保持警惕（参见Facebook 2014 年臭名昭著的情感实验）。
那么，LinkedIn 的实验是否会伤害其用户呢？ 理论上，“强链接”治疗组的用户可能错过了可能为他们带来下一份工作的薄弱环节。
然而，所有群体都有一定程度的工作流动性？ 有些只是比其他多一点。 此外，由于研究人员正在观察一项工程实验，该研究本身似乎很少引起伦理问题。
尽管如此，这还是提醒我们要问，我们最私密的职业决定有多少？ 例如选择新的职业或工作场所？ 由黑盒决定我们看不到其工作原理的算法。
玛丽安·安德烈·里佐尤，行为数据科学高级讲师，悉尼科技大学
