---
このエントリーでは、Trackbackの仕組みが、人と人が紹介によって人の輪を広げていく過程を、ごく単純なモデルで考察してみた。ある起業家（E）が自分のビジネスプランをベンチャー・キャピタリスト（VC）に読んでもらいたいときに、どのようなロジックでVCにたどり着くか、というような考察である。

要はEとVCが直接の知り合いでなければ、Eは自分の知り合いの中で、VCを知っている人（A）を探し、その人に紹介してもらってVCに会う（ケースa）のだが、次の場合（ケースb:知り合いが起業家をあんまり買っていなくて、VCを紹介したくない場合、ケースc:VCが知り合いをあまり買っていない場合）は、失敗になってしまう。

これを "-->"を一方向の信頼性リンク、"<==>"を双方向の信頼性リンクとして模式図を書くと、

(a) 成功
E <==> A <==> VC
(b) 失敗(1)
E --> A <==> VC
(c) failure(2)
E <==> A --> VC

となる。ここでは信頼性リンクはデジタル（あるかないか）であるが、これをもっと幅広い人的ネットワークで適用しようとすると、関係をアナログ（段階的な数字）にしてやることが重要になってくるだろう（例えばGoogleのPageRankのように、10段階で重み付けする）。なぜ段階的にする必要があるかといえば、間に入る人の数が多くなったり、複数の紹介（リファレンス）があったときに、最終的な二者間の関係を数値化できるようになるので、「最終的にRankが6以上の人なら会う、5以下なら会わない」というようなルールの適用が簡単に出来るようになるからだ。

ただ、人と人との関係を、単純に一つの軸で数値化することは難しい。「私にとってAさんは信頼度7/10」と言っても、ブレークダウンすると、例えば「ビジネス上は6/10で、技術力は7/10、ラーメン屋の選定能力は10/10」という感じになっているはずだ。と言って、自分の知人一人ひとりに対して、何十項目とある評価軸で数値化するサーベイ方式では、事実上機能しないだろう。

そこでTrackbackの信頼度を使って、数値化するのはどうだろうか、という考えが出てきた。自分が誰かにTrackbackするときに「このTrackbackのRankは6/10」とかやっていけば、あとはTrackbackのデータを解析することで「このカテゴリーについて、AからBに対する信頼度は6.3/10」などというデータが抽出できるので、最初の例にあるベンチャー・キャピタリストと起業家の関係でも、VCが「このEはビジネス面での評価は7.3/10、パーソナリティは8.9/10か」などと判断できる。その上で、起業家EのBlogを実際に見てみれば、時間の節約にもなるし、VCがEに実際に会う前に、相当量の情報を交換できるので、話が早くなりやすい。

---
まぁ、Trackbackのたびにレーティングするのは、ちょっと面倒ですが、それでも友人知人一人ひとりについてサーベイするよりはラクだし、何より時系列による変化（だんだんクオリティが上がっているか、それとも下がっているか）なんかも分析できるようになるので、絶えずフレッシュなデータを得られるようになるのではないかな、と。

実際には、こうした数値化した人的ネットワークを作っていくと、ネットワークはクラスタ化されていることが多いでしょうから（冒頭の模式図は、これを表しています）、今度はクラスター分析をかけながら、よりマクロな分析をしていけるでしょう。こちらになると、今度はマーケティング・ツールとしての利用が可能になるかもしれない。

机上の空論ですが、結構おもしろくできるのではないでしょうか（と言いながらもう1年以上そのままですが…）。