盧雨松

一、前言

如今，微博已成為一種重要的交流工具。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，微博類(lèi)網(wǎng)站已成為人們?nèi)粘Ｉ畹囊徊糠?。以推特為例，截?015年底，推特網(wǎng)的月度活躍用戶(hù)已達(dá)2.89億，每天發(fā)布的推文超過(guò)5億條。（推特公司，2015）。

在商業(yè)領(lǐng)域，許多研究者發(fā)現(xiàn)微博可幫助組織增加客戶(hù)量、提升品牌知名度、增加銷(xiāo)量并減少成本（Weber，2009）。已有大量組織開(kāi)始意識(shí)到使用微博來(lái)塑造品牌和推銷(xiāo)其自身的重要性。但在中國(guó)，邢斗（2013）研究了企業(yè)微博營(yíng)銷(xiāo)業(yè)績(jī)，發(fā)現(xiàn)大部分企業(yè)不了解如何提升其微博賬戶(hù)的影響力。

因此，對(duì)正在或想要利用微博平臺(tái)與消費(fèi)者建立聯(lián)系的企業(yè)及組織而言，找到增加微博轉(zhuǎn)發(fā)動(dòng)機(jī)的策略就變得尤為重要。

二、文獻(xiàn)綜述

（1）微博內(nèi)容

Kaplan和Haenlein（2011）發(fā)現(xiàn)，不同特點(diǎn)的內(nèi)容可組合到一條微博中，從而使發(fā)布的微博內(nèi)容更加生動(dòng)。Brookes（2010）亦建議，企業(yè)應(yīng)嘗試使用不同特點(diǎn)的內(nèi)容，如鏈接、圖片、視頻及文本或提問(wèn)，以吸引其關(guān)注者的注意力。De Vfies等人（2012）將微博內(nèi)容歸為三個(gè)“靈活度等級(jí)”。其中，圖片型微博屬于“低等”，文字型微博為“中等”而視頻微博屬于“高等”。

通過(guò)探索社交媒體如何幫助營(yíng)銷(xiāo)者獲得成功，Lewis（2010）建議微博管理員應(yīng)發(fā)布一些對(duì)其微博訪(fǎng)問(wèn)用戶(hù)有價(jià)值的內(nèi)容。例如：時(shí)事資訊、提出討論話(huà)題并提供文章鏈接、發(fā)布視頻或?qū)懸恍╆P(guān)于本行業(yè)發(fā)展的建議。

（2）概念框架和假設(shè)

通過(guò)文獻(xiàn)綜述發(fā)現(xiàn)，對(duì)于微博網(wǎng)站而言，衡量微博賬戶(hù)是否有影響力的關(guān)鍵因素取決于轉(zhuǎn)發(fā)動(dòng)機(jī)（分享/轉(zhuǎn)發(fā)微博信息）。

據(jù)此，本研究特提出如下之假設(shè)：微博內(nèi)容對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)產(chǎn)生影響。

三、研究方法

研究者通過(guò)調(diào)查問(wèn)卷對(duì)400名受訪(fǎng)者進(jìn)行分析，其中問(wèn)卷被分為2個(gè)部分，包括微博內(nèi)容及轉(zhuǎn)發(fā)動(dòng)機(jī)，二者均為連續(xù)數(shù)據(jù)。為此作者采用了多元回歸法，對(duì)內(nèi)容與轉(zhuǎn)發(fā)動(dòng)機(jī)間的關(guān)系進(jìn)行分析。

四、數(shù)據(jù)分析和結(jié)果

（1）可靠性分析

作者采用克隆巴赫系數(shù)（a）來(lái)衡量研究中數(shù)據(jù)的可靠性。結(jié)果所示，簡(jiǎn)潔性克隆巴赫系數(shù)（a=.830）高于0.80，表明該兩項(xiàng)目之間有較高可靠性。此外，轉(zhuǎn)發(fā)動(dòng)機(jī)（a=.797）、有效性（a=.777）及生動(dòng)性（a=.735）的克隆巴赫系數(shù)均介于0.7與0.8之間，表明該變量可靠性極高。

（2）描述性分析

有效性與轉(zhuǎn)發(fā)動(dòng)機(jī)——通過(guò)對(duì)微博內(nèi)容、互動(dòng)性及轉(zhuǎn)發(fā)動(dòng)機(jī)進(jìn)行變量描述性分析，結(jié)果顯示，微博內(nèi)容和互動(dòng)性的均值為3.87。數(shù)值接近4，說(shuō)明調(diào)查對(duì)象對(duì)此兩種變量持有認(rèn)可態(tài)度。而轉(zhuǎn)發(fā)動(dòng)機(jī)為4.02，亦接近4，表明調(diào)查對(duì)象對(duì)此變量亦持有認(rèn)可態(tài)度。

值得注意的是，在調(diào)查問(wèn)卷中，微博生動(dòng)性、簡(jiǎn)潔性及互動(dòng)性維度是以梯度型問(wèn)題設(shè)計(jì)呈現(xiàn)。所以，僅簡(jiǎn)單地將此3種變量平均值進(jìn)行比較還不夠詳細(xì)且不夠全面。因此，作者對(duì)維度的各個(gè)項(xiàng)目作了進(jìn)一步描述性分析。具體如下：

生動(dòng)性——“純文本”（平均值=3.01）、“圖片”（平均值=3.88）以及“視頻”（平均值=3.77）之平均值均介于3和4之間。但“文本和圖片”（平均值=4.21）、“文本和視頻”（平均值=4.1 1）以及“文本、圖片及視頻”（平均值=4.43）之平均值介于4和5之間。以上結(jié)果表明，對(duì)于單條微博而言，其內(nèi)容類(lèi)型越復(fù)雜，所吸引的調(diào)查對(duì)象注意力越多。

應(yīng)當(dāng)注意的是，在本調(diào)查中，“純文本”呈現(xiàn)出較低靈活性，“圖片”和“視頻”呈現(xiàn)出中等靈活性，而“文本和圖片”、“文本和視頻”和“文本、圖片及視頻”呈現(xiàn)出高度靈活性。

簡(jiǎn)潔性——在調(diào)查問(wèn)卷中，作者設(shè)計(jì)了3條大意相同但內(nèi)容字?jǐn)?shù)不同的微博。在其中，各微博字?jǐn)?shù)分別為：140字、102字及90字。結(jié)果顯示，各項(xiàng)目的平均值均介于3和4之間，表明調(diào)查對(duì)象對(duì)不同字?jǐn)?shù)多少不同的微博認(rèn)同感區(qū)別并不突出。

（3）假設(shè)檢驗(yàn)

基于調(diào)查問(wèn)卷之設(shè)計(jì)，作者采用多元回歸分析法檢驗(yàn)“內(nèi)容”與“轉(zhuǎn)發(fā)動(dòng)機(jī)”間的關(guān)系。

a.因變量：轉(zhuǎn)發(fā)動(dòng)機(jī)

b.預(yù)測(cè)變量：（常數(shù)），微博內(nèi)容

回歸模型概述（見(jiàn)表10）表明，微博內(nèi)容可解釋35.2%轉(zhuǎn)發(fā)動(dòng)機(jī)的變化（R平方352*100=35.2）?；诖私Y(jié)果，顯著性等級(jí)為“.000”，表明微博內(nèi)容對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)產(chǎn)生影響。故此，可接受本研究一開(kāi)始的假設(shè)。

通過(guò)建立相關(guān)性矩陣，可以發(fā)現(xiàn)有效性（r=.610，p<0.01），靈活性（r=-.456，p<0.01）以及簡(jiǎn)潔性（r=.294，p<0.01）與轉(zhuǎn)發(fā)動(dòng)機(jī)之間有著正相關(guān)性。

此外，通過(guò)回歸模型還可以看到，微博內(nèi)容3個(gè)維度的不同重要性層級(jí)。在本研究中，靈活性（p=.000）及有效性（p=.000）對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)有著正面影響，而簡(jiǎn)潔性（p=.175）對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)的影響卻不明顯。其中，有效性（B=.489）的影響最為強(qiáng)烈，其次是靈活性（B=.233）。在本研究中，假設(shè)Y為轉(zhuǎn)發(fā)動(dòng)機(jī)，x1為靈活性；x2為有效性，且x3為簡(jiǎn)潔性。因此，本模型中各系數(shù)之等式可表述為：

Y=0.878+0.287Xl+0.492X2+0.035X3

五、結(jié)論

在本研究中，作者將多元回歸及F檢驗(yàn)作為分析方法進(jìn)行假設(shè)檢驗(yàn)。結(jié)果顯示，本文中關(guān)于“微博內(nèi)容對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)產(chǎn)生影響”的假設(shè)成立，其中，有效性對(duì)轉(zhuǎn)發(fā)動(dòng)機(jī)的影響最為強(qiáng)烈。

（作者單位：柳州鐵道職業(yè)技術(shù)學(xué)院）