在新产品上市方面，像飞利浦和微软这样的大公司已经以社交网络的网红客户为目标，采取播种策略(Seeding Strategies)，让他们向朋友、同事和熟人扩散消息。当然，难点在于如何识别这些人并评估他们的影响范围。

以往，研究人员都是基于预设的理论（如种子的朋友数量）寻找种子的某些特征和位置。但是一项新的研究采取了不同的方法。它基于其关系特征，比如类型（如朋友、邻居或同事），关系持续时间和互动强度，建立一个模型，并对这些因素进行加权，评估每个种子的影响范围。此外，还在实际扩散过程中收集信息，获得更具代表性的结果。

作者Xi Chen、Ralf van der Lans和Tuan Q Phan还在两个完全不同的环境中测试了他们的方法：43个印度村庄的小额信贷项目以及有关超级碗广告的评论在一个有42,000名以上用户的社交网络中的传播情况。他们发现，他们的方法能扩大播种策略的影响范围，在第一种情况下最多扩大10%，在第二种情况下则为92%。

在小额信贷研究中，作者利用以前收集关于村庄的社交网络数据，按照四个方面的表征，确定了12种关系类型：经济（金钱或货物的借贷）、社会、宗教和家庭。除了其他因素外，他们还考察其他人与种子之间的生活距离。然后将这些数据纳入两个指标进行计算：一是加权程度中心度，即每个种子各种关系的加权总和，并假设只与这些关系发生直接接触；一是加权特征向量中心度，即不仅考虑种子的关系，还考虑其关系的关系，依此类推。

特征向量中心度通常被认为是一个更令人信服的指标，但作者证明，加权程度中心度更为适合。他们在一个保留样本上加以测试，结果是影响范围扩大了10%。此外，这种改善是通过相对较小的种子比例取得的，这对营销商应该是有意义的。

在涉及超级碗的第二项研究中，作者可以访问一所大型美国大学42,000名社交网络用户的匿名数据，包括年龄、性别、加入日期以及每个学生的在线行为，如发送即时消息、公开发帖和评论。作者研究了他们对2010年超级碗期间首播广告的回应，了解信息如何通过网络层层扩散。

他们确定了1620个种子，根据这些种子在过去两个月与他人交换的消息数量以及他们连接网络的持续时间，来确定他们的关系特征，然后查看他们就该广告发布的消息有多少条被他们的朋友转发或评论。交换消息的数量与网络中的社会影响力呈正相关，较长的关系与较弱的影响力相关。

基于程度中心度对50个种子进行了保留样本的测试，得出惊人的结果。在加权程度中心度方面，他们的影响范围比单选程度中心度高近92%，比特征向量中心度高31%。

作者说：“我们提出的多网络法表明，关系特征的重要性大不相同。在我们的实证应用中认识到这些差异不仅会导致更好的统计拟合，还会带来更好的播种策略。”

“我们的方法是灵活的，适用于有社交网络数据的任何传播过程，我们相信，对管理者而言，这或许是优化播种策略的宝贵工具，能促进其产品和服务的扩散。”