劉健　孫小明

〔摘要〕為了衡量新浪微博信息傳播效果，本文在10個(gè)不同話題領(lǐng)域分別選擇公眾微用戶、意見領(lǐng)袖（加“V”）用戶以及普通用戶共30個(gè)決策單元，利用模糊數(shù)據(jù)包絡(luò)分析模型進(jìn)行實(shí)證分析，研究結(jié)果表明，用戶屬性、內(nèi)容屬性、媒介屬性都對(duì)新浪微博信息傳播具有影響，而在不同的話題領(lǐng)域影響具有異質(zhì)性。

〔關(guān)鍵詞〕數(shù)據(jù)包絡(luò)分析；信息傳播效果；指標(biāo)評(píng)價(jià)；微博

DOI：10.3969/j.issn.1008-0821.2016.09.015

〔中圖分類號(hào)〕G206〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2016）09-0088-07

〔Abstract〕[Objective]To measure the effect of information diffusion of micro blogging public opinion.[Methods]A fuzzy data envelopment analysis model was established，and a backward method was used to calculate the relative efficiency of each evaluation unit when the input variables and output variables were removed.Finally，Euclidean distance was used to determine the choice of the index.[Results]The 16 indicators were selected as the evaluation index of the effect of information diffusion of the micro blogging public opinion.[Conclusions]The promulgator of information of micro blogging public opinion，the content of the information，and the media attributes got a significant effect on the information diffusion of the micro blogging public opinion.

〔Key words〕fuzzy data envelopment analysis；DEA；the effect of information diffusion；index evaluation；micro blog

互聯(lián)網(wǎng)時(shí)代，微博作為重要的社交媒體平臺(tái)，為用戶提供信息實(shí)時(shí)表達(dá)和社交互動(dòng)的途徑，也便利了信息的聚合和傳播。微博以其參與性、社區(qū)性、共享性、連通性成為社會(huì)媒體的重要組成，深刻影響人們的社會(huì)生活。從主體角度，用戶是微博信息網(wǎng)絡(luò)的節(jié)點(diǎn)，節(jié)點(diǎn)間相互作用形成用戶關(guān)系。用戶關(guān)系并不對(duì)稱，具有強(qiáng)弱之分，并影響微博的信息傳播效果[1]。從客體角度，微博內(nèi)容具有多樣性，話題涉及范圍廣、信息展現(xiàn)形式豐富，信息發(fā)布時(shí)間和空間約束小，很大程度上滿足用戶多樣性的信息需求。從媒介角度，微博作為網(wǎng)絡(luò)社交媒介和信息平臺(tái)，其信息內(nèi)容具有知識(shí)性、創(chuàng)新性和趣味性；信息傳播具有即時(shí)性、互動(dòng)性和針對(duì)性；信息傳播影響具有廣泛性、復(fù)雜性和不確定性。在移動(dòng)互聯(lián)網(wǎng)媒介快速發(fā)展條件下，微博信息傳播的便捷性和靈活性也大大增強(qiáng)，對(duì)信息傳播效果的衡量提出更高的要求。

新浪微博作為典型代表，其用戶規(guī)模龐大，覆蓋了政府、企業(yè)、社會(huì)團(tuán)體、普通民眾等在內(nèi)的社會(huì)各個(gè)階層的機(jī)構(gòu)或個(gè)人；話題內(nèi)容涉及廣泛，包括時(shí)事政治、社會(huì)新聞、文娛體育、生活資訊、投資理財(cái)?shù)壬鐣?huì)生活的各個(gè)方面；信息傳播影響范圍廣泛，截至2015年第三季度，月活躍用戶（MAU）達(dá)到222億，日活躍用戶（DAU）也達(dá)到1億[2]，信息覆蓋大量人群。因此，本文選擇新浪微博作為研究對(duì)象，并根據(jù)不同內(nèi)容將話題劃分成不同的欄目，每個(gè)欄目下選擇具有代表性的公眾微博用戶和意見領(lǐng)袖（加“V”）微博用戶以及普通微博用戶進(jìn)行討論。同時(shí)，由于影響因素多樣，并且信息傳播效果具有階梯性[3-4] ，本文使用數(shù)據(jù)包絡(luò)分析（DEA）的方法對(duì)多影響因素和多層次的微博信息傳播效果進(jìn)行分析。

1相關(guān)研究及指標(biāo)選擇

11影響微博信息傳播效果的因素

微博信息傳播效果是指?jìng)鞑フ叩膫鞑バ袨閷?duì)受眾產(chǎn)生的認(rèn)知、情感、行為等3個(gè)層面的態(tài)度轉(zhuǎn)變或?qū)φ麄€(gè)社會(huì)產(chǎn)生的綜合影響[5-6]。微博信息傳播活動(dòng)涉及4個(gè)要素：信源、信宿、信道、信息[7]，因此，影響信息傳播效果的因素可以概括為3個(gè)方面，即微博用戶（信源和信宿）、微博信息內(nèi)容（信息）、傳播媒介（信道）。

用戶是信息的傳播者和發(fā)布者，因此用戶關(guān)系、用戶影響力及用戶興趣是影響微博信息傳播的重要因素[8]。微博的用戶關(guān)系包括微博中群組關(guān)系、互動(dòng)交流、關(guān)注傳播等關(guān)系[9]，通過用戶關(guān)系可以預(yù)測(cè)和計(jì)算信息擴(kuò)散路徑和微博信息影響力[10]；微博影響力是指微博影響受眾以及其他相關(guān)行為主體的能力[11]，可以使用微博信息覆蓋廣度、微博信息內(nèi)容、粉絲質(zhì)量主成分、微博交互、微博管理水平等方面來衡量[12]；用戶興趣是微博發(fā)布和轉(zhuǎn)發(fā)行為的主要原因之一[13]，因此可以利用用戶興趣相似度和用戶活躍度等因素預(yù)測(cè)信息擴(kuò)散速率和擴(kuò)散范圍[14-16]。

微博內(nèi)容是信息傳播的載體，不同的話題類型和文本特征會(huì)影響微博信息傳遞效果。微博話題類型可以劃分為信息類、行為類、觀點(diǎn)類、情感類等類型[17]，不同類型的話題吸引不同類型的用戶關(guān)注[18]。同時(shí)，微博長(zhǎng)度、圖片或者視頻等內(nèi)容展現(xiàn)形式、“@”和URL使用、原創(chuàng)微博、語(yǔ)言風(fēng)格等文本特征，都影響微博信息傳播效果[19-20]。

此外，微博作為社交媒介，其通過用戶關(guān)系和信息關(guān)聯(lián)形成一個(gè)社會(huì)網(wǎng)絡(luò)[21-22]，這種媒介屬性對(duì)信息傳播效果具有影響，可以利用中心性和中心度的指標(biāo)測(cè)度[23]。

12微博信息傳播效果評(píng)價(jià)

微博的信息傳播效果包括微觀效果和宏觀效果，微觀信息傳播效果主要是針對(duì)用戶，宏觀信息傳播效果是對(duì)整個(gè)社會(huì)的綜合影響。其中，微觀的信息傳播效果具有3個(gè)層面：即認(rèn)知層面效果、情感態(tài)度層面效果和行為層面效果，這3個(gè)效果是累積、深化和擴(kuò)大的過程[24]。通過相關(guān)性分析，微博信息傳播效果符合認(rèn)知——情感——行為這一金字塔模式特點(diǎn)[25]，認(rèn)知效果可以表現(xiàn)為用戶對(duì)信息的接收，即信息覆蓋面；情感效果體現(xiàn)在評(píng)價(jià)內(nèi)容里，即用戶的支持、中立、反對(duì)的態(tài)度；行為效果表現(xiàn)為微博的轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)對(duì)信息擴(kuò)散速度和范圍起到直接的推動(dòng)作用[26]。由此，微博信息傳播效果的量化指標(biāo)歸納為以下幾個(gè)：信息覆蓋人數(shù)、點(diǎn)贊數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)等。

13微博信息傳播效果評(píng)價(jià)的指標(biāo)選擇

通過回顧已有研究發(fā)現(xiàn)，影響微博信息傳播效果的因素多樣。從主體角度看，包括信息發(fā)布者、信息傳播者、信息接受者在內(nèi)的微博用戶的用戶關(guān)系、用戶興趣、用戶影響力、用戶行為習(xí)慣等都是影響微博信息傳播效果的影響因素；從信息客體角度出發(fā)，包括話題、文本、圖片、視頻、URL或“@”的使用在內(nèi)的微博內(nèi)容的類型、特征對(duì)信息傳播都具有影響；從傳播媒介角度看，微博作為社交媒介，其通過用戶關(guān)系和信信息傳播效果的影可以利用中心性的指標(biāo)測(cè)度。與此同時(shí)，微博的信息傳播效果可表現(xiàn)為用戶個(gè)體和社會(huì)整體兩個(gè)層次，對(duì)用戶個(gè)體效果主要包括認(rèn)知、情感、行為3個(gè)方面，而用戶效果的集合構(gòu)成社會(huì)整體效果。因此，本文利用數(shù)據(jù)包絡(luò)分析過程中，選擇的輸入、輸出指標(biāo)如表1所示。

表1微博信息傳播效果評(píng)價(jià)的輸入輸出指標(biāo)

輸入指標(biāo)一級(jí)指標(biāo)二級(jí)指標(biāo)三級(jí)指標(biāo)解釋變量微博用戶信息傳播者信息發(fā)布數(shù)量信息發(fā)布條數(shù)X1信息發(fā)布質(zhì)量信息的時(shí)效性、針對(duì)性和趣味性X2粉絲數(shù)量信息傳播的潛在影響X3信息接受者活躍程度用戶平均登錄頻率X4影響能力用戶信息平均轉(zhuǎn)發(fā)率X5微博內(nèi)容內(nèi)容創(chuàng)新性微博的原創(chuàng)原創(chuàng)微博的數(shù)量X6內(nèi)容展現(xiàn)形式文本、圖片、音頻、視頻是否X7內(nèi)容的關(guān)聯(lián)性URL及@使用鏈接其他微博/關(guān)聯(lián)其他用戶數(shù)量X8形式匹配度形式與內(nèi)容的匹配程度展現(xiàn)形式與話題適應(yīng)性X9表1（續(xù)）

一級(jí)指標(biāo)二級(jí)指標(biāo)三級(jí)指標(biāo)解釋變量媒介屬性點(diǎn)度中心性絕對(duì)點(diǎn)度中心性、相對(duì)點(diǎn)度中心性、圖的點(diǎn)度中心勢(shì)整個(gè)網(wǎng)絡(luò)圖中用戶的直接聯(lián)系程度X10中間中心性絕對(duì)中間中心性、相對(duì)中間中心性、圖的中間中心勢(shì)用戶控制他人之間的交流能力X11接近中心性絕對(duì)接近中心性、相對(duì)接近中心性、圖的接近中心勢(shì)信息傳播中對(duì)其他人的依賴性X12輸出指標(biāo)一級(jí)指標(biāo)二級(jí)指標(biāo)三級(jí)指標(biāo)解釋指標(biāo)微博用戶認(rèn)知覆蓋力信息閱讀人數(shù)Y1收藏?cái)?shù)信息收藏人數(shù)Y2關(guān)聯(lián)事件關(guān)注程度評(píng)論或轉(zhuǎn)發(fā)關(guān)聯(lián)事件的條數(shù)Y3情感意見指向經(jīng)?；?dòng)的部門或領(lǐng)域的個(gè)數(shù)Y4點(diǎn)贊數(shù)量粉絲或者評(píng)論者點(diǎn)贊的數(shù)量Y5行為總轉(zhuǎn)發(fā)數(shù)粉絲或者評(píng)論者對(duì)微博轉(zhuǎn)發(fā)的數(shù)量條Y6總評(píng)論數(shù)粉絲或者評(píng)論者對(duì)微博評(píng)論的數(shù)量條Y7注：為模糊處理指標(biāo)。2研究方法

本文以新浪微博熱門話題為基礎(chǔ)，根據(jù)內(nèi)容將話題劃分為不同欄目，結(jié)合微指數(shù)及用戶粉絲數(shù)，在10個(gè)不同話題領(lǐng)域，分別選擇公眾微博、意見領(lǐng)袖微博和普通微博作為數(shù)據(jù)源，基于數(shù)據(jù)包絡(luò)分析的方法，利用分析軟件進(jìn)行實(shí)證研究。數(shù)據(jù)獲取及分析步驟如下：①數(shù)據(jù)來源；②數(shù)據(jù)采集；③數(shù)據(jù)處理和分析。

21數(shù)據(jù)來源

本文選擇新浪微博作為研究對(duì)象，并根據(jù)不同內(nèi)容將話題劃分成不同的欄目，每個(gè)欄目下選擇具有代表性的公共微博、意見領(lǐng)袖（加“V”）微博、普通微博進(jìn)行討論，具體內(nèi)容如表2。

22數(shù)據(jù)采集

本文選擇10個(gè)欄目下的不同加“#”熱門話題作為數(shù)據(jù)來源，以話題主持人微博為基礎(chǔ)，結(jié)合微博用戶關(guān)注領(lǐng)域以及內(nèi)容與話題的相關(guān)性，并考慮微博信息效果的可度量性，選取具有一定程度影響力的公共微博、意見領(lǐng)袖微博和普通微博。同時(shí)，為了保證信息傳播影響產(chǎn)生的即時(shí)性和有效性，數(shù)據(jù)截取自微博發(fā)布的24小時(shí)內(nèi)，并剔除了無轉(zhuǎn)發(fā)、評(píng)論或點(diǎn)贊的博文。

23評(píng)價(jià)方法

由于微博信息的傳遞效果中存在不少因素都難以精確描述，并且多數(shù)價(jià)指標(biāo)均需要通過主觀評(píng)價(jià)進(jìn)行確定，屬于模糊性的判斷。一般情況下處理這種模糊性因素多采用“平均值”或者“近似值”的方式處理，這種粗糙的處理方法導(dǎo)致一部分有效信息的丟失，對(duì)評(píng)價(jià)結(jié)果造成不良影響。因此，本文在使用DEA方法時(shí)，引入了模糊集理論，將微博信息傳播效果評(píng)價(jià)中難以精確表達(dá)的模糊性指標(biāo)處理成適當(dāng)?shù)哪：?，能夠緩解傳統(tǒng)DEA處理方法的局限性，力求實(shí)現(xiàn)更高的評(píng)價(jià)可信度。

242結(jié)果討論

（1）從用戶角度看，由于比普通用戶擁有更大粉絲群體和公眾知名度，公眾微博和意見領(lǐng)袖微博對(duì)信息傳播的影響更為顯著，并且公眾微博與意見領(lǐng)袖微博的影響大體相當(dāng)。但是，在個(gè)別領(lǐng)域也存在有別于此種規(guī)律的特征。如投資理財(cái)領(lǐng)域，“微博股票”作為新浪官方微博平臺(tái)，其影響力遠(yuǎn)遠(yuǎn)小于意見領(lǐng)袖微博，同時(shí)也低于持續(xù)關(guān)注該領(lǐng)域的普通用戶。究其原因，主要有三方面：一是“微博股票”以轉(zhuǎn)發(fā)微博為主，缺乏原創(chuàng)性；二是微博內(nèi)容以描述性為主，缺乏知識(shí)性；三是推送信息具有機(jī)械性，與關(guān)注投資理財(cái)領(lǐng)域用戶的真實(shí)需求不相適應(yīng)。因此，從用戶層面而言，雖然信息傳播效果與用戶的粉絲數(shù)量具有較強(qiáng)關(guān)聯(lián)性，但是在某些專業(yè)性較強(qiáng)的領(lǐng)域，則需要公共微博用戶提高微博信息內(nèi)容的知識(shí)性和針對(duì)性，以滿足用戶的真實(shí)信息需求。

（2）從話題領(lǐng)域角度看，明星娛樂、影視動(dòng)漫、國(guó)際熱點(diǎn)等領(lǐng)域的信息傳播效果最顯著，社會(huì)公益、投資理財(cái)、體育賽事、幽默搞笑次之，時(shí)事政務(wù)、生活資訊等的信息傳播效果相對(duì)較弱。此種結(jié)果表明，雖然微博的功能越發(fā)多樣，出現(xiàn)了企業(yè)微博、政務(wù)微博等不同的形式，但作為社交媒介，為用戶提供交流平臺(tái)仍是其最基本、最重要的功能。因此，休閑娛樂相關(guān)的話題領(lǐng)域能夠獲得用戶更多的關(guān)注，如明星娛樂、影視動(dòng)漫、體育賽事、幽默搞笑等主題。同時(shí)，微博提供的多樣、快捷和持續(xù)的熱點(diǎn)新聞是對(duì)傳統(tǒng)新聞媒體的補(bǔ)充，如“土耳其擊落俄戰(zhàn)機(jī)"等國(guó)際熱點(diǎn)得以獲得較高關(guān)注度。

（3）從微博內(nèi)容角度看，內(nèi)容創(chuàng)新性、形式多樣性、內(nèi)容與話題的關(guān)聯(lián)程度等都對(duì)微博信息傳播的效果具有正向影響。通過實(shí)證結(jié)果可知，原創(chuàng)性和新穎性的微博比轉(zhuǎn)發(fā)微博更能獲得用戶的關(guān)注；微博含有圖片、音頻、視頻等形式比純文本的信息傳播效果更好，并且形式與話題主旨的匹配程度越高，信息傳播效果越明顯；微博中“@”其他用戶，使用URL鏈接其他網(wǎng)頁(yè)信息內(nèi)容，對(duì)信息傳播具有一定促進(jìn)作用，尤其是“@”的使用能夠直接影響信息傳播。以“國(guó)防部發(fā)布”為例，其發(fā)布的微博具有權(quán)威性，但是內(nèi)容以文本為主，基本不包括圖片、音頻、視頻等內(nèi)容，同時(shí)也未使用“@”或URL，因此在獲得用戶關(guān)注較少，信息傳播效果弱。

3結(jié)語(yǔ)

本文以新浪微博為研究對(duì)象，基于信息傳播效果的階梯理論，通過文獻(xiàn)研究并結(jié)合微博特點(diǎn)，選取了微博信息傳播效果評(píng)價(jià)指標(biāo)。鑒于影響因素的多樣性和信息傳播效果的復(fù)雜性，本文選用了可對(duì)多投入和多產(chǎn)出數(shù)據(jù)進(jìn)行研究的數(shù)據(jù)包絡(luò)分析方法。同時(shí)，在數(shù)據(jù)源的選擇上，從10個(gè)不同的領(lǐng)域分別選取公共微博用戶、意見領(lǐng)袖微博用戶和普通微博用戶構(gòu)成30個(gè)決策單元，以此為基礎(chǔ)分析微博信息傳播的效果。研究結(jié)果顯示，從用戶屬性出發(fā)，信息發(fā)布者、信息傳播者、信息接受者的信息活動(dòng)都影響信息傳播效果。具體而言，公共微博用戶和意見領(lǐng)袖微博用戶傳播信息的效果更為顯著，但是在個(gè)別領(lǐng)域普通微博用戶對(duì)信息傳播可能產(chǎn)生更大的影響。從微博內(nèi)容屬性出發(fā)，內(nèi)容的原創(chuàng)性、展現(xiàn)形式多樣性、形式與內(nèi)容的適應(yīng)性都決定著信息傳播的效果。因此，信息主體利用微博傳播信息，應(yīng)立足受眾多樣性需求，合理應(yīng)用各種展現(xiàn)形式，優(yōu)化信息發(fā)布內(nèi)容，以此提高微博信息傳播的效果和價(jià)值。

參考文獻(xiàn)

[1]Ellison N B，Steinfield C，Lampe C.The Benefits of Facebook“Friends：”Social Capital and College Students Use of Online Social Network Sites[J].Journal of Computer-Mediated Communication，2007：1143-1168.

[2]微博用戶發(fā)展報(bào)告2015[EB/OL].http：∥data.weibo.com/report/reportDetail.

[3]陳遠(yuǎn).微博信息傳播效果實(shí)證研究[J].信息資源管理學(xué)報(bào)，2012，（3）：28-34.

[4]呂杰，張波，袁浩川.傳播學(xué)導(dǎo)論[M].北京：科學(xué)出版社，2007.

[5]周鴻鐸.傳播學(xué)教程[M].北京：中國(guó)書籍出版社，2010.

[6]Voyer P A.Word-of-Mouth Processes Within a Services Purchase Decision Context[J].Journal of Service Research，2000，3（2）：166-177.

[7]趙蓉英，曾憲琴.微博信息傳播的影響因素研究分析[J].情報(bào)理論與實(shí)踐，2014，（3）：58-63.

[8]孫飛.企業(yè)微博信息傳播效果研究[M].北京：北京郵電大學(xué)，2012.

[9]胡吉明，張蔓蒂，黃如花.社會(huì)網(wǎng)絡(luò)環(huán)境下用戶關(guān)系對(duì)信息傳播的影響作用——以新浪微博為例[J].情報(bào)雜志，2013，（6）：181-185.

[10]Yang J，Leskovec J.Modeling Information Diffusion in Implicit Networks[C]∥IEEE International Conference on Data Mining.IEEE Computer Society，2010：599-608.

[11]丁兆云，周斌，賈焰，等.微博中基于多關(guān)系網(wǎng)絡(luò)的話題層次影響力分析[J].計(jì)算機(jī)研究與發(fā)展，2013，50（10）：2155-2175.

[12]郝曉玲.企業(yè)微博影響力指數(shù)研究[J]情報(bào)雜志，2013，32（7）：64-68.

[13]閆強(qiáng)，吳聯(lián)仁，鄭蘭.微博社區(qū)中用戶行為特征及其機(jī)理研究[J].電子科技大學(xué)學(xué)報(bào)，2013，42（3）：328-333.

[14]李英樂，于洪濤，劉力雄.基于SVM的微博轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究，2013，30（9）：2594-2597.

[15]吳凱，季新生，劉彩霞.基于行為預(yù)測(cè)的微博網(wǎng)絡(luò)信息傳播建模[J].計(jì)算機(jī)應(yīng)用研究，2013，30（6）：1809-1812.

[16]曹玖新，吳江林，石偉，等.新浪微博網(wǎng)信息傳播分析與預(yù)測(cè)[J].計(jì)算機(jī)學(xué)報(bào)，2014，（4）：5.

[17]Qu Y，Huang C，Zhang P，et al.Microblogging after a major disaster in China：a case study of the 2010 Yushu earthquake[C]∥ACM Conference on Computer Supported Cooperative Work，CSCW 2011，Hangzhou，China，March，2011：25-34.

[18]Ma Z，Sun A，Cong G.On predicting the popularity of newly emerging hashtags in Twitter[J].Journal of the American Society for Information Science & Technology，2013，64（7）：1399-1410.

[19]劉曉娟，王昊賢，肖雪，等.基于微博特征的政務(wù)微博影響因素研究[J].情報(bào)雜志，2013，32（12）：35-41.

[20]郭曉姝.企業(yè)微博信息傳播影響因素的實(shí)證研究[J].管理現(xiàn)代化，2015，（2）：93-95.

[21]劉軍.社會(huì)網(wǎng)絡(luò)分析導(dǎo)論[M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2004：4.

[22]Wassennan S，F(xiàn)aust K.Social network analysis：methods and applications[M].Cambridge：Cambridge University Press，1994.

[23]平亮，宗利永.基于社會(huì)網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J].圖書情報(bào)知識(shí)，2011（6）：92-97.

[24]羅瑩.網(wǎng)絡(luò)信息傳播效果研究[J].情報(bào)科學(xué)，2009，（10）：1487-1491.

[25]汪守金，錢穎，李文慧，等.基于話題的微博傳播模式與特性研究[J].情報(bào)雜志，2013，（6）：176-180.

[26]陳遠(yuǎn)，袁艷紅.微博信息傳播效果實(shí)證研究[J].信息資源管理學(xué)報(bào)，2012，（3）：28-34.

（本文責(zé)任編輯：孫國(guó)雷）