---
type: paper
slug: youngsang-cho-2012-opinion-leaders-sna
title: >-
  Identification of effective opinion leaders in the diffusion of technological
  innovation: A social network approach
authors:
  - '[[youngsang-cho]]'
  - '[[junseokhwang]]'
  - '[[daeho-lee]]'
year: 2012
venue: '[[technological-forecasting-and-social-change]]'
doi: 10.1016/j.techfore.2011.06.003
categories:
  - '[[innovation-economics]]'
methods:
  - '[[social-network-analysis]]'
  - '[[threshold-model]]'
  - '[[stochastic-cellular-automata]]'
themes:
  - '[[diffusion-of-innovations]]'
  - '[[opinion-leadership]]'
last_updated: '2026-05-17T20:30:00+09:00'
---
# Identification of effective opinion leaders in the diffusion of technological innovation: A social network approach

*[[youngsang-cho]], [[junseokhwang]], [[daeho-lee]] (2012)* · [[technological-forecasting-and-social-change]] · [DOI ↗](https://doi.org/10.1016/j.techfore.2011.06.003)

> 10,000 개체로 구성된 small-world [[stochastic-cellular-automata]] 위에서 Granovetter [[threshold-model]] 을 100 회 반복 시뮬레이션하여 5 종 중심성 (send / receive / sociality / distance / rank-nomination) 으로 초기 채택자 2.5% 를 선정했을 때의 확산 속도·총 채택자 수를 비교. 결과는 *총 채택자 수*에서는 distance centrality (4,522 명) > rank-nomination (4,414) > send-nomination (4,133), *확산 속도*에서는 sociality 가 peak 17 기로 최단. 최적 중심성은 평균 threshold·sociality·nomination length 에 따라 달라짐.

- **RQ**: 어떤 사회연결망 중심성으로 초기 채택자를 선정해야 [[diffusion-of-innovations]] 속도와 누적 채택자 수를 극대화할 수 있는가, 그리고 그 선택은 네트워크 속성에 어떻게 의존하는가
- **방법론**: [[social-network-analysis]] (5 종 centrality: send-nomination, receive-nomination, sociality, distance, rank-nomination), Granovetter [[threshold-model]], small-world [[stochastic-cellular-automata]] simulation (Matlab)
- **데이터**: 합성 small-world 네트워크 N=10,000, 평균 sociality 30, 최대 sociality 60, 최대 거리 5, 초기 의견 선도자 250 명 (2.5%), 평균 threshold 0.3; 시나리오별 100 회 반복 평균
- **주요 발견**: (i) 총 누적 채택자 — distance 4,522 > rank-nomination 4,414 > send-nomination 4,133 > random 3,360 > receive-nomination 3,151; (ii) peak time — sociality period 17 (최단), distance period 21 (최장); (iii) threshold 0.25→0.4 증가 시 distance 우위 → send-nomination 우위로 역전; (iv) 초기 선도자 50 명 이하에선 결과 deviation 이 커 결론 불가
- **시사점**: 시장 leader 는 distance centrality 타게팅 (최대 침투), follower 는 sociality centrality 타게팅 (속도 우선); 마케팅 예산이 충분한 대규모 (>500) 의 경우 중심성 차이 자체가 무의미

![중심성별 확산 패턴 시뮬레이션 (small-world N=10,000)](/papers/201201_ChoY_Identification_of_effective_opinion_leaders_in_the_diffusion_of_technological_innovation_A_social_network_approach/fig1.jpeg)

## 요약

기술 혁신 확산에서 *오피니언 리더* 의 식별은 마케팅·정책의 핵심이지만 기존 문헌은 주로 demographic 특성 (Rogers 1962, Chan and Misra 1990) 이나 단일 중심성 (Kiss and Bichler 2008 의 in/out-degree) 에 집중했다. [[youngsang-cho]] · [[junseokhwang]] · [[daeho-lee]] 는 사회연결망의 *구조적·기하학적* 속성으로 의견 선도자를 재정의하고, *어떤 중심성이 어떤 조건에서* 효과적인가를 simulation 으로 분리 식별한다.

방법론은 small-world 가정 위에 [[stochastic-cellular-automata]] 를 얹은 Matlab 시뮬레이션. N=10,000 개체가 homophily 원칙으로 재배치돼 최대 6 개 이웃을 갖고, 거리 1-10 에 따라 친밀도 (intimacy) 가 정의된다. Granovetter [[threshold-model]] 에 따라 개체 $i$ 의 채택 확률은 이웃 채택자 비율이 자기 threshold (평균 0.3, 표준편차 1, [0,1] 절단정규) 를 넘으면 1. 전파 확률 $P_{propagate,ij}=intimacy_{ij}/\max sociality$. 5 종 중심성으로 상위 250 명 (2.5%) 을 초기 채택자로 선정해 확산을 simulate, 100 회 반복 평균.

Scenario 1 (기본 조건) 에서 send-nomination 만 봐도 random 대비 가속이 뚜렷하고 S-curve 가 잘 나온다. 5 종 비교에서 *총 누적 채택자* 는 distance (4,522) 가 최고, *peak 시점* 은 sociality (period 17) 가 최단. Scenario 2 는 네트워크 속성 변경 — threshold 0.25→0.4 증가 시 risky 혁신에선 conservative 행동으로 send-nomination·rank-nomination 이 우위로 역전 (Menzel and Katz 1955 의 risk-knowledge 가설과 부합). nomination length 가 7 로 커지면 Watts 1999 의 "long-range shortcut" 효과가 약화돼 distance 우위가 사라짐. Scenario 3 은 초기 선도자 비율 — 50 명 이하면 deviation 이 커 결론 불가 (Choi et al. 2010 의 less-clustered network 가 fail 한다는 결과와 일치), 500 명 초과면 중심성 차이 자체가 사라짐. 시사점은 시장 leader (광범위 침투 필요) 는 distance, follower / fashion·high-tech (속도 우선) 는 sociality 를 타게팅. 한계는 합성 네트워크 의존, closeness·betweenness centrality 미포함, 소비자·제품 특성 미반영. 후속 연구는 실데이터·다른 중심성 확장.

## 핵심 결과

Table 3, N=10,000, 초기 선도자 250 명 (2.5%), 100 회 평균:

| Centrality | Peak time (period) | Net adopters at peak | 총 누적 채택자 |
|---|---|---|---|
| Sociality | **17** | 170.8 | 3,700.8 |
| Send-nomination | 19 | 161.0 | 4,133.0 |
| Rank-nomination | 19 | 171.4 | 4,414.0 |
| **Distance** | 21 | 199.4 | **4,522.0** |
| Receive-nomination | 19 | 134.6 | 3,150.6 |
| Random | 19 | 153.2 | 3,360.4 |

해석: Distance 가 총 채택자 최대, sociality 가 속도 최단; receive-nomination 은 random 보다 못함 (in-degree 가 단순 인기도라 전파력 자체와 무관).

## 방법론 노트

5 종 중심성을 동일 small-world 위에서 비교하기 위해 [[stochastic-cellular-automata]] 채택. 채택 확률은 Granovetter threshold rule:

$$
P_{adoption}(i) = \begin{cases} 0 & \text{if } threshold(i) > \dfrac{\text{adopters among neighbors}}{\text{number of neighbors}} \\ 1 & \text{otherwise} \end{cases}
$$

여기서 $threshold(i)\sim \mathcal{N}(0.3, 1)$ truncated $[0,1]$ 이고, 전파 확률은 $P_{propagate,ij}=intimacy_{ij}/\max sociality$ 로 strong-tie 일수록 전파 가속. Identification idea 는 (i) 동일 네트워크 위에서 *초기 선정 rule 만* 바꿔 outcome 분리, (ii) Scenario 2 에서 *network attribute* (threshold·sociality·length) 를 격자로 변화시켜 최적 centrality 의 조건의존성 mapping. 100 회 반복으로 simulation noise 흡수. Distance centrality 의 우위는 Watts (1999) 의 long-range shortcut 효과 (멀리 떨어진 cluster 를 빠르게 연결) 와 정합적.

## 연구 계보

[[junseokhwang]] · [[daeho-lee]] 2 기 (2007-2013) 의 [[diffusion-of-innovations]] 시뮬레이션 라인. 이론적 토대는 Granovetter (1973, 1978) 의 weak ties + threshold model, Rogers (Diffusion of Innovations, 1962-2003) 의 채택 단계론, Wasserman and Faust (1994) 의 [[social-network-analysis]] 표준화, Freeman (1979) 의 centrality 개념화. [[stochastic-cellular-automata]] 접근은 Bhargava et al. (1993), Guseo and Guidolin (2009) 의 SCA 확산 모델 라인. 직접 선행은 Valente and Davis (1999) — 의견 선도자 시작이 critical mass 도달 lag 단축을 입증, Kiss and Bichler (2008) — out-degree centrality 의 마케팅 효과. 본 paper 는 그 단일 중심성 비교를 5 종으로 확장하고 *network attribute 별 최적 중심성 mapping* 을 새로 제공.

## See also

- [[junseokhwang]]
- [[youngsang-cho]]
- [[daeho-lee]]
- [[technological-forecasting-and-social-change]]
- [[social-network-analysis]]
- [[threshold-model]]
- [[stochastic-cellular-automata]]
- [[diffusion-of-innovations]]
- [[opinion-leadership]]