对第一主成分最大的正贡献（图3.2右侧）来自家庭/伴侣类帖子，第二大则来自生活方式，第三和第四分别来自朋友和户外活动。这些帖子的共同点在于它们均与我们的个人生活息息相关，涉及的都是我们做的事情以及我们和谁一起做。对第一主成分做出负贡献的帖子来自笑话/段子、工作、音乐/体育/电影以及政治/新闻（图3.2左侧）。这些类型的帖子均与公共生活相关：或者与我们的工作相关，或者与新闻或时事相关。我将第一主成分称为“公共-个人”，因为它体现了我的朋友们使用脸书的差异：要么发布关于自己个人的帖子，要么对当今世界进行评论。
对第二主成分贡献最大的帖子类型是工作，其次是生活方式（见图3.2上半部分直线)。我在脸书上看到的许多生活相关帖都是关于朋友们完成工作后的活动—在会议结束后喝杯啤酒放松，或者在会议晚宴上拍照留念，因此，将这两类帖子归到一起也说得通。做出负贡献的则全都与更广泛意义上的文化领域事件有关：新闻、运动、笑话全都如此，社会活动和广告亦然。因此，第二主成分的最佳描述应该是“文化-工作场所”。
请注意，虽然我将成分冠以“公共-个人”“文化-工作场所”的名称，但我只是在简单地给算法生成的类别命名而已。因此是算法，而不是我，认为这些就是描述我朋友的最佳维度。
现在有了这些维度的定义，我就可以对我的朋友进行分类。他们中谁对公共生活或个人生活更感兴趣？谁更喜欢谈论与工作相关的话题，谁又更喜欢文化类话题呢？
为了找到答案，我把我的朋友放在横轴标为公共-个人、纵轴为文化-工作场所的二维坐标系中（图3.3)。当我看到这些名字弹出在我的屏幕上时，我立刻就知道这些成分的划分是有道理的。绝大多数在最右端、用小方框标记的人，比如杰西卡、马克和罗丝，都有孩子，并且很乐意分享他们孩子的信息。在我做主成分分析的时候，绝大多数在左下角、用小叉标记的人，都没有孩子，因此更多地发布关于各领域时事热点的帖子：
被算法操控的生活
24