這是我近期在留意的領域，但這不是我擅長的領域，如果有錯誤還請網友們指正。所謂的社交圖譜，說穿了就是朋友間的社交網路，最明顯具體的就是Facebook上的朋友關係；而興趣圖譜，則是將有相同喜好的人，串聯在一起的圖譜，就某種程度而言，有人說Twitter就是類似這樣的關係。不過，這樣的關係，個人覺得其實還是有點太強硬，因為在Facebook上的Fan Page，其實也有興趣圖譜的味道，如果硬要這樣分拆又略顯僵硬，不過，重點不在他們到底是不是，而是目前的發展趨勢又如何?
興趣圖譜模式將造就下一個互聯網巨頭
在這一系列的討論中，有一篇值得關注的文章是Paypal創辦人的說法，PayPal創始人：興趣圖譜模式將造就下一個互聯網巨頭，在文章中他提到，搜尋可以從他的語句中找到關聯性，這對於廣告的推薦有其意義，而社交圖譜所創造出來的廣告演算法並沒有優於搜尋(註一、二)，而在搜尋與社交圖譜中間的興趣圖譜將是另一塊值得發掘的新市場，對具有相同興趣的人分析出來並進行廣告，將可以創造出有效的廣告效果。
最新的發展，將社交網路整合入興趣網路中
所以，目前最新的發展趨勢是，將社交網路的實名制整合入興趣網路中，舉例來說，就如同問答網站，透過問答的方式將有興趣的人匯合再一起，而社交網路所採用的實名制，則有助於透過加權等方式搜尋出有用的資料出來，這對廣告商來說，透過興趣與社交網路的分析整合，將有助於更精準的投放廣告，不過，這樣的模式也不全然毫無風險，最大的風險就是，由於電腦無法區分所謂的專業，所以一離開專業的領域，低水準的討論問答就會出現，這會破壞使用者經驗，導致不願再來，而理論上的分析整合數據分析，目前則沒有出現。
隱藏的搜尋推薦
而剛剛所提到分析整合，則是目前的統計或人工智慧上另一個發展方向，他就不如問答網站那樣具體與有趣，又被稱內隱搜尋，也就是說，民眾在沒有進行搜尋的情況下，其實背後的推薦資訊或廣告，已經透過大量數學上的分析與模型分析，去搜尋出您可能有興趣的項目或廣告，這樣搜尋結果不同於在搜尋引擎上明顯的字句分析，所以又被稱為內隱搜尋
個人的想法
就某種角度來說，個人覺得要找出特定領域的數學模型是可行的，就如同之前我之前文章(入口網可以從Zynga中學到什麼?)，所提到的行為分析模式，一種是專注在特定人的行為分析，另一種是專注在相同興趣人的行為分析，但要找出一個通用的模型，適合所有的興趣類型，個人是有一點遲疑，但誰知道? 或許有一天，某個行為學家與統計大師就聯手找到的這個數學模型方程式也不一定!!但在那之前，我們還是先專注在跟我們直接有相關的特定網路服務行為分析就可以了，這就是很大的進步了。
註一 : 其實這樣的說詞是有一點受到網路上的廣泛討論的，因為就有人分析社交網路的CPC點取率與效果是優於Twitter的效果，只能說這部分目前在網路圈上
仍未有共識
註二 : 另一個挑戰這樣理論的是，許多人在Facebook上的朋友，在真實生活上不一定是真的朋友，如果廣告商透過這樣的方式進行操作，有可能會扭曲整個的可信度，讓社群網路的廣告效果大打折扣。
留言列表
