| 裝潢、搬家、清潔、打蠟、粉刷、招牌、抓漏、冷氣 線上精準估價，比價最容易，給你最便宜的價格，消費不 |  | 專業中古屋改造工程，新成屋，預售屋室內裝潢設計 搭配家具，家飾布置，整體規劃 |
| 裝潢、搬家、清潔、打蠟、粉刷、招牌、抓漏、冷氣 線上精準估價，比價最容易，給你最便宜的價格，消費不 | | 專業中古屋改造工程，新成屋，預售屋室內裝潢設計 搭配家具，家飾布置，整體規劃 |
窮人和富人的人脈結構，具有「關鍵差異」！ 看完讓人� |
| 房東：達人 發表時間：2016-01-01 |
我們華人們 非常喜歡談人脈， 有句現代諺語說「社會關係就是生產力」。 拉關係，是很多人都做， 但是又被某些有志青年所不屑的行為。 可是不管你有多麼不喜歡， 在社會中做事情往往就是要依賴各種關係， 求人未必可恥，孤獨未必光榮。
與熟人來往、或與富人交往，比較能幫助你發達嗎？
趕緊來看看吧...
講「關係」，是個正常的現象， 但這個現象並不簡單。 也許在很多人眼中， 建立有價值人脈的關鍵是尋求一種比較親密的關係，
比如 「一起同過窗 一起扛過槍」， 或者是，結交富人 發達機會更多，
但而社會學家們的實證研究， 卻恰恰不這麼認為， 接下來我們來看看， 什麼樣的人脈結構，才能幫助你的生活向上...
一般人怎麼找工作？社會學家做過統計研究，超過一半的人是「靠關係」！？著名社會學家，現在是斯坦福大學教授Mark Granovetter， 曾經在70年代專門研究， 在波士頓近郊居住的專業人士、技術人員和經理人員是怎麼找到工作的， 並把研究結果作為他在哈佛大學的博士論文。 Granovetter找到282人， 然後從中隨機選取100人做面對面的訪問。 發現其中通過正式渠道申請，比如看廣告投簡歷，拿到工作的不到一半。 100人中有54人是通過個人關係找到的工作。 這是一個相當可觀的數字 ！ 當宅男們絞盡腦汁糾結於簡歷這麼寫好還是那麼寫好的時候， 一半以上的工作已經讓那些有關係的人先拿走了。 但這裡面真正有意思的不是靠關係，而是靠什麼關係。
窮人和富人的人脈結構！所謂多個朋友多條路，那麼這條路到底更有可能是什麼樣的朋友給的呢？ Granovetter發現， 真正有用的關係不是親朋好友這種經常見面的「強聯繫」， 而是「弱聯繫」。 在這些靠關係找到工作的人中只有16.7%經常能見到他們的這個「關係」， 也就是每週至少見兩次面。 而55.6%的人用到的關係人僅僅偶然能見到， 意為每週見不到兩次，但每年至少能見一次。 另有27.8%的幫忙者則一年也見不到一次。 也就是說大多數你真正用到的關係，是那些並不經常見面的人。 這些人未必是什麼大人物， 他們可能是已經不怎麼聯繫的老同學或同事， 甚至可能是你根本就不怎麼認識的人。 他們的共同特點是都不在你當前的社交圈裡。
跟你一起混的人，可能想法根本都一樣！Granovetter對這個現象有一個解釋。 整天跟你混在一起的這幫人， 很可能幹的事跟你差不多，想法必然也很接近， 如果你不知道有一個這樣的工作機會，他們又怎麼會知道？ 只有「弱聯繫」才有可能告訴你一些你不知道的事情。 Granovetter把這個理論推廣成一篇叫做《弱聯繫的強度》的論文， 此文有可能是史上被引用次數最多的社會學論文， 大概超過了兩萬次。 這個研究的數據如此簡陋，思想如此簡單，然而其影響是深遠的。 現在「弱聯繫」這個概念已經進入勵志領域， 2010年有人出了本書， Superconnect: Harnessing the Power of Networks and the Strength ofWeak Links， 其中大談弱聯繫的用處。 中文版說的更直接，叫《超級人脈》。
「弱聯繫」的真正意義是把不同社交圈子連接起來， 從圈外給你提供有用的信息。 根據弱聯繫理論， 一個人在社會上獲得機會的多少，與他的社交網絡結構很有關係。 如果你只跟親朋好友交往，或者認識的人都是與自己背景類似的人， 那麼你大概就不如那些三教九流什麼人都認識的人機會多。 人脈的關鍵不在於你融入了哪個圈子，而在於你能接觸多少圈外的人。 這樣來說， 豈不是從一個人的社交網絡結構，就能判斷這個人的經濟地位如何了嗎？
美國研究員用電話通訊紀錄證明了同樣的結果！2010年，三個美國研究人員，Eagle，Macy和Claxton， 做了一件有點驚人的事情來驗證這個思想。 他們把2005年八月整個英國的幾乎所有電話通訊記錄拿過來， 涵蓋90%的手機和超過99%的固定電話。 這些電話記錄構成了可見的社交網絡。 研究者很難知道每個人的經濟狀況， 但是英國政府有全國每個小區的經濟狀況數據， 你可以查到哪裡是富人區哪裡是窮人區。 這樣他們把電話通訊記錄跟其所在的三萬多個小區居民的經濟排名對比。 結果非常明顯， 越是富裕的小區，其交往的「多樣性」越明顯。 但是這個結果如果細看的話還有更多有意思的東西。
社交網絡 "多樣性" 越強，經濟排名就越高！在統計上我們使用「相關係數」來表示兩個東西之間的相關性， 它的值在-1和1之間， 越接近1，就表示這兩個東西越容易一起變大和變小， 負值則表示二者變化的方向相反。 這個研究發現， 小區的經濟排名與其社交網絡的「社會多樣性」和「地區多樣性」的相關係數， 分別是0.73和0.58。 這意味著越是富人越容易跟不同階層和不同地區的人聯絡， 而且階層多樣性要比地區多樣性更重要。 正所謂「貧居鬧市無人問，富在深山有遠親」。 我們設想富人的聯繫人數也應該較高， 因為他們認識的人比窮人多 —— 這也是對的， 但聯繫人數目和經濟排名的相關係數只有0.44，並不太重要。 最有意思的一點是， 打電話時間長短，跟經濟排名的相關係數是 -0.33， 也就是說富人雖然愛跟各種人聯繫，但真正通話時間比窮人短。
這種數據分析的問題在於： 它只能告訴我們社交網絡跟經濟地位之間有這麼個關係， 但不能告訴我們到底是誰導致誰。 是因為你富，才有不同的人願意跟你接觸呢， 還是因為你願意跟不同類型的人接觸，才導致你富？ Granovetter的理論還有另一個問題。 事實上我們每個人認識的絕大多數人都是弱聯繫，強聯繫只是少數。 如果讓所有認識的人每人給我們一條工作信息， 最後有用的這條信息當然有更大的可能性來自弱聯繫！ Granovetter在他1973年的論文裡承認了這個問題， 但他也提出了一個解釋： 生活中強聯繫和弱聯繫跟我們交流的次數相差極大。 我們跟強聯繫之間交流的信息，要遠遠多於弱聯繫。 這種交流到底多多少，他沒有辦法量化計算， 但是來自弱聯繫的信息總量可能並不比強聯繫多。 那麼這樣看來還是弱聯繫重要，因為它傳遞的有價值信息比例更大。 後來類似的質疑不斷有人提出， 但Granovetter的理論還是經受了考驗。
所以弱聯繫理論的本質不是「人脈」，而是信息的傳遞。 親朋好友很願意跟我們交流，但是話說多了就沒有新意了。 最有效率的交流，也許是跟不太熟悉的對象進行的。 這個猜想怎麼證實呢？
誰給你的信息才重要？臉書團隊做過一項設計巧妙的統計研究！現在有了網絡， 研究人員可以更好地分析我們是通過什麼聯繫得到新知識的。 比如你在各種社交媒體上經常閱讀和轉發來自網友的各種推薦， 那麼是親密好友的推薦更有用，還是弱聯繫的推薦更有用呢？ Facebook的數據團隊2012年針對這個問題做了一項設計得非常巧妙的研究。 研究者有個簡單辦法判斷你跟各個網友之間的聯繫強弱。 比如說如果你們之間經常互相評論對方發的狀態， 那麼你們就是強聯繫的關係，否則就是弱聯繫。
這項研究統計人們在Facebook上分享的那些網頁鏈接， 如果你分享這個鏈接， 你大概認為這個鏈接是有用的。這種分享有兩種可能性。 一種是你的朋友（不管是強聯繫還是弱聯繫）先發了這個鏈接，你看到以後轉發。 另一種是你自己獨自發現這個鏈接。 我們可以想像，前一種方式發生的可能性肯定要比後一種大， 社交網絡的作用就是讓網友向我們提供信息啊。 Facebook的這個研究通過隨機試驗的辦法來跟蹤特定的一組網頁地址， 結果發現別人分享這個地址給我們， 我們看到以後再轉發的可能性， 比我們自己看到這個地址直接分享的可能性大五倍以上。 這兩種可能性的比值， 也就是網友分享的放大效應。
結果發現：我們的轉發行為「會偏心」！我們的轉發行為是相當親疏有別的， 我們更樂意轉發「強聯繫」分享給我們的信息。 統計發現如果強聯繫發給我們一條信息， 我們轉發它的概率大約是弱聯繫發過來信息的兩倍左右。 這個理所當然，強聯繫之間本來就有類似的興趣。 有人據此甚至擔心， 社交媒體是否加劇了「物以類聚人以群分」這個局面？ 我們會不會因為總跟志趣相投的人呆在一起， 而把社交圈變成一個個孤島呢？
不用擔心。我覺得這個研究最巧妙的一點是這樣的： 它不但比較了我們願意轉發強聯繫還是弱聯繫， 還比較了兩種不同聯繫的放大效應。 強聯繫的放大效應是 6， 而弱聯繫的放大效應是9。 也就是說同樣一個網址， 你看到一個弱聯繫分享給你你再轉發的幾率， 是你自己發現這個網址再分享的幾率的9倍。 再說白了， 就是強聯繫告訴你的有用信息，你自己本來也有可能發現； 而弱聯繫告訴你的有用信息，他要沒告訴你你恐怕就發現不了。 這個性質和當年Granovetter說的何其相似！
然後再考慮到人們接收到來自兩種聯繫的信息總量， 把它們用相應的分享幾率加權平均之後， 發現來自弱聯繫信息的影響力遠遠超過強聯繫。 也就是說， 雖然人們重視強聯繫，人們的大部分知識還是來自弱聯繫。
現在「弱聯繫」理論已經被推廣到了任何新消息或者新想法， 不管你是僅僅想學點東西，找工作，還是創業， 你都應該避免成熟圈子中的「強聯繫」，而應該走出去追求「弱聯繫」。
想要有更多創新？那就 "別跟熟人合夥" ！已經有統計表明， 從弱聯繫那裡獲得想法，乃至於與弱聯繫合夥創業， 有利於提高一個公司的創新能力。 社會學家Martin Ruef進行問卷調查， 調查了766個在美國西部某個大學（其實是斯坦福大學，儘管論文裡並沒有明確說明）、 獲得MBA學位，然後又曾經至少嘗試過自己創業的「企業家」， 他想從中發現弱聯繫和創新的關係。 Ruef統計了這些MBA們所創辦公司的人員構成和信息來源， 並且使用各種辦法評估這些公司的創新能力， 比如考察是否推出了新產品或者新的銷售手段，是否打入國際市場，有多少專利等等。
真正的刺激，竟然是陌生人給你的！是從哪來的想法直接刺激你創業的？ Ruef發現， 這個創業想法來自與家人和朋友這些強聯繫討論的，只佔38%。 而來自與客戶和供貨商這類商業夥伴這些弱聯繫討論的，則高達52%。 另有人則是受媒體或專家啟發。 可見好想法來自弱聯繫這個定律從創業之初就管用。
看來經常出去參加飯局的確比在家呆著強。 但是那些連飯局都不參加的創業者有可能更強。 現在我們再考慮公司開起來以後的信息來源。 如果你在創業過程中的信息網絡主要由弱聯繫構成， 你的創新能力是那些指望強聯繫的公司的1.36倍。 而如果你乾脆不靠熟人， 直接從媒體和不認識的專家那裡獲得信息， 你的創新能力則是強聯繫公司的1.5倍。 而從社交網絡來看， 跟前面英國數據的結果一致， 你的社交網絡越多樣化，你的創新能力就越強。 那些擁有極度多樣化社交網絡的企業家， 他們既有強聯繫也有弱聯繫， 還接受從未打過交道的人的意見， 其創新能力是那些只有單一社交網絡的人的三倍。
雖是如此，大部分創業團隊仍然由家人和朋友構成。 強聯繫團隊和弱聯繫團隊的數目對比差不多是五比三。 所以我們看到中國人搞家族企業， 或者好友合夥創業，也只能理解， 就算是斯坦福MBA又能怎樣。 而Ruef使用一個創新評估模型發現， 弱聯繫團隊的創新能力差不多是強聯繫團隊的1.18倍。 更進一步， 如果這個團隊成員在此之前從來不認識， 那麼這個團隊的創新能力還可以更高一點。
但是人們很難拒絕強聯繫的誘惑。 比如在我們心目中風險投資這個行業的人應該是比較理性的人， 或者至少應該是比較冷酷無情的人，對吧？ 但是就算是這幫人也會犯追求強聯繫的錯誤， 而這個錯誤使他們付出了相當顯著的代價。
哈佛研究：你願意和什麼人搭檔？這是一項非常新的研究。 2012年六月， 哈佛大學商學院的Gompers, Mukharlyamov, 和Yuhai Xuan ， 發了一篇名為《友誼的代價》的論文。 這篇論文考察了3510個風險投資者， 以及他們在1975到2003年間11895個投資項目。 有些人選擇與自己能力相當的人合作，比如大家都是名校畢業； 但更多的人選擇與自己的「熟人」合作，比如是曾經的同學、同事， 或者僅僅因為二人是一個種族。 這個研究發現， 按能力搭檔可以增加投資的成功率， 而找熟人搭檔，則會極其顯著地減少投資成功的可能性。
超神奇！種族的影響力竟然比能力還強！這些人願意跟什麼樣的人搭檔呢？ 能力是一個參考因素： 如果兩個人都是從名校畢業，他們發生合作的可能性比一般人高8.5%。 但更大的參考因素是關係： 如果兩個人是同一個大學的校友，他們合作的可能性會增加20.5%。 而關係親還不如種族親！ 如果這兩個人是同一個種族的，他們合作的可能性會增加 22.8%。
那麼不同類型的搭檔關係，對投資成敗有什麼影響呢？ 兩個風險投資者中如果有一個是名校畢業的， 其投資的這個公司將來能上市的可能性會提高9%。 如果他的搭檔也是名校畢業，則提高11%。 所以按能力選搭檔， 哪怕你把能力簡單地用學歷代表，都的確能增加成功概率。 可是如果選一個以前跟你在同一個公司幹過的同事搭檔的話， 會讓風投成功的可能性降低18%。 如果選校友，降低22%。 如果選「族人」，降低25%。
看來風險投資的最佳合作夥伴， 應該是一個從來沒跟你進過同一個大學， 從來沒跟你在同一個公司工作過， 而且跟你不是一個種族的高學歷者。
所有人都喜歡強聯繫， 哪怕是風險投資者和斯坦福MBA也是如此。 我們願意跟他們在一起混， 我們願意給他們打電話， 我們願意轉發他們的微博。 但是熟歸熟，工作歸工作。 當我們考慮找人創業，找人合作，哪怕是找人瞭解什麼信息的時候， 「弱聯繫」才是最佳選擇。 現在社會學已經有了足夠多的證據說明， 對工作來說，同鄉會和校友錄不是擴展人脈的好地方。
雖然文章很長，但是看完超震撼的~除了平常很熟的親友外，你還需要 "分享給 「弱聯繫」的朋友" ，這是你富生活的起點喔！ |
|
|
中和市景平路菜市場店面出售 離南勢角捷運站400公尺、人旺氣盛、客層無虞、商機無限 優質搬家 專業搬運人員貼心服務，平價收費絕不加價！家具折損保證理賠，安心可靠歡迎來電 仲介客源網 加入客源網會員，每天3~6人有買屋租屋需求，每天多接2個訂單，成交就是這麼簡單！ |
| 姓名： | |||
| 佈告內容： | |||
| 其他選項: | |||
|
| |||
