于洋洋 袁珈琳 朱周熠 劉婷

摘 要：本文以25家“985”高校官方微博為研究對(duì)象，在分析用戶行為特征之后從微博覆蓋度、用戶活躍度和交互性3項(xiàng)一級(jí)指標(biāo)進(jìn)行考量，選取了微博數(shù)、粉絲數(shù)、關(guān)注數(shù)等10項(xiàng)二級(jí)指標(biāo)構(gòu)建微博影響力綜合評(píng)價(jià)模型，并利用主成分分析（PCA）和聚類分析（CA）對(duì)高校官方微博影響力進(jìn)行比較研究。微博影響力水平可通過互動(dòng)反饋主成分、用戶活躍度主成分、原創(chuàng)品牌主成分綜合反映，并建立了微博影響力綜合評(píng)價(jià)模型。利用聚類分析將樣本劃分為了6大類型，即強(qiáng)勢領(lǐng)先型、綜合落后型、粉絲主導(dǎo)型、均衡發(fā)展型、綜合領(lǐng)先型以及全面落后型，接著分析總結(jié)了每類特點(diǎn)并給出了相應(yīng)建議。該研究對(duì)高校官方微博影響力提升具有重要的參考意見。

關(guān)鍵詞：高校官方微博 影響力 評(píng)價(jià)模型 主成分分析 聚類分析

中圖分類號(hào)：F069 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2018）09（a）-167-06

2006年由博客技術(shù)先驅(qū)blogger創(chuàng)始人埃文·威廉姆斯（Evan Williams）創(chuàng)建的新興公司Obvious推出了大微博服務(wù)，最早提供微博業(yè)務(wù)的平臺(tái)—— Twitter由此誕生。2005年從校內(nèi)網(wǎng)起家的王興于2007年5月創(chuàng)建了飯否網(wǎng)，微博這一理念由此引入中國。李開復(fù)[1]在《微博改變一切》中認(rèn)為微博是一個(gè)可以自由表達(dá)自身觀點(diǎn)，傳播思想，更方便快捷的與人交流的一個(gè)每次發(fā)布限制在140個(gè)文字以內(nèi)的微型博客。據(jù)第38次《中國互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2016年6月，微博月活躍人數(shù)已達(dá)到2.97億。由此可見微博發(fā)展規(guī)模不斷增大，已從快速增長期發(fā)展過渡到成熟期。

當(dāng)前高校的學(xué)生成長于信息化高速發(fā)達(dá)的互聯(lián)網(wǎng)時(shí)代，而微博憑借著操作簡單、方便快捷、信息豐富等優(yōu)勢已成為學(xué)生日常生活中必不可少的信息獲取工具之一。為了適應(yīng)時(shí)代的發(fā)展，緊跟學(xué)生的網(wǎng)絡(luò)使用步伐，全國越來越多的高校開通了官方微博，通過微博進(jìn)行信息發(fā)布與交流，對(duì)學(xué)生進(jìn)行網(wǎng)上輿情引導(dǎo)、思想政治教育等工作，搭建了一個(gè)集信息交流、思想引導(dǎo)、咨詢溝通等為一體的高效便捷的服務(wù)平臺(tái)。高校開通微博不僅方便了廣大學(xué)生對(duì)信息的獲取、分享與評(píng)論，也在一定程度上提高了高校的社會(huì)認(rèn)知度，拉近了高校與大眾的距離，有助于促進(jìn)高校自身形象的提升。

《現(xiàn)代漢語詞典》中對(duì)影響力的定義是“對(duì)別人的思想或行動(dòng)所起的作用，對(duì)人或物所起的作用”。微博影響力則是指微博用戶在微博平臺(tái)上的信息傳播范圍、影響范圍的能力，微博用戶的某個(gè)行為對(duì)他人的行為、思想等產(chǎn)生了影響，這種影響范圍越廣，涉及人數(shù)越多，那么我們就認(rèn)為此用戶的影響力越大。高校官方微博影響力的大小在一定程度上直接影響到高校對(duì)大眾輿論引導(dǎo)的方向和能量。一般來說，高校官方影響力水平越高，信息傳播的范圍就越廣，也越能引領(lǐng)輿論的發(fā)展方向，發(fā)揮出高校對(duì)廣大學(xué)生的思想政治教育、價(jià)值觀念引導(dǎo)等作用。因此，如何提高高校官方微博的影響力，迫切需要分析影響微博影響力的因素，構(gòu)建影響力評(píng)價(jià)指標(biāo)模型。通過對(duì)官方微博影響力的研究，為高校官方微博的運(yùn)行管理和規(guī)范機(jī)制提出意見，提升微博的影響力，使官方微博發(fā)揮出它應(yīng)有的作用，為廣大學(xué)子提供更優(yōu)質(zhì)、更全面的服務(wù)。

1 相關(guān)研究述評(píng)

通過查閱文獻(xiàn)發(fā)現(xiàn)，有關(guān)微博影響力評(píng)價(jià)與比較方法的研究，主要有以下三種類型。

（1）以交互行為為研究重點(diǎn)的沈徽[3]認(rèn)為個(gè)人或單元在網(wǎng)絡(luò)中的影響力可由在網(wǎng)絡(luò)虛擬世界中的好友數(shù)量、信息傳播能力以及激發(fā)他人產(chǎn)生交互行為的能力所決定，在微博平臺(tái)中影響力大小則表現(xiàn)為發(fā)布的微博信息或轉(zhuǎn)發(fā)的內(nèi)容被他人轉(zhuǎn)發(fā)、評(píng)論、回復(fù)、點(diǎn)贊等使信息進(jìn)一步傳播的行為的數(shù)量多少。原福永等[4]給出了用戶活躍度計(jì)算公式、微博影響力計(jì)算公式，將兩者以適當(dāng)?shù)臋?quán)重相結(jié)合得到了用戶的影響力的計(jì)算公式。將用戶被關(guān)注度融入用戶活躍度和微博影響力的計(jì)算中，再結(jié)合用戶的行為提出了一種使用基于Page Rank和用戶行為權(quán)值相結(jié)合的微博用戶影響力模型。

（2）以個(gè)體屬性為研究重點(diǎn)的林琛[4]重視個(gè)體類型對(duì)評(píng)價(jià)指標(biāo)表征能力的影響，選取粉絲數(shù)（Fn）、被轉(zhuǎn)發(fā)數(shù)（Rn）、被評(píng)論數(shù)（Cn）、平均被轉(zhuǎn)發(fā)數(shù)（ARn）和平均被評(píng)論數(shù)（ACn）五類指標(biāo)對(duì)官方媒體、專業(yè)網(wǎng)站、軍事人物3種不同類型的微博個(gè)體的信息傳播影響力進(jìn)行了評(píng)價(jià)，還進(jìn)一步揭示了5種傳播影響力評(píng)價(jià)指標(biāo)之間的相關(guān)性，分析了相關(guān)性的影響因素。M.Cha[5]等以用戶的3種個(gè)體屬性為研究出發(fā)點(diǎn)，即被關(guān)注、被轉(zhuǎn)發(fā)和被提及，選取用戶粉絲數(shù)、消息被轉(zhuǎn)發(fā)次數(shù)、消息被提及次數(shù)三個(gè)指標(biāo)對(duì)傳播影響力進(jìn)行研究分析，通過研究數(shù)據(jù)發(fā)現(xiàn)粉絲數(shù)不能完全決定用戶的影響力，它僅能夠代表個(gè)體受關(guān)注的程度。而被轉(zhuǎn)發(fā)次數(shù)和被提及次數(shù)則在一定程度上更能反映個(gè)體影響力。

（3）以網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為研究重點(diǎn)的Chen Xu[6]等人在基于Rage Rank算法模型計(jì)算微博用戶影響力的基礎(chǔ)上提出了Personal Rank算法，Kwak H[7]等人用Rage Rank算法對(duì)用戶影響力進(jìn)行了分析，并對(duì)轉(zhuǎn)發(fā)數(shù)、粉絲數(shù)指標(biāo)進(jìn)行了相關(guān)性分析，發(fā)現(xiàn)二者之間存在弱相關(guān)性。譚思妮[8]對(duì)發(fā)布、關(guān)注/被關(guān)注、轉(zhuǎn)發(fā)/被轉(zhuǎn)發(fā)、評(píng)論/被評(píng)論、發(fā)私信、提及、發(fā)起話題/參與話題討論七個(gè)特征進(jìn)行歸類整理，提出了蛛網(wǎng)態(tài)微博關(guān)系網(wǎng)絡(luò)中基于用戶質(zhì)量的微博用戶影響力評(píng)估模型UIEM-CRM。

綜上所述，有關(guān)微博用戶影響力的研究主要集中在以交互行為、個(gè)體屬性、網(wǎng)絡(luò)結(jié)構(gòu)等側(cè)重點(diǎn)進(jìn)行研究。本文以“985工程”高校官方新浪微博為例，基于微博的關(guān)注、信息發(fā)布、轉(zhuǎn)發(fā)、評(píng)論、提及、點(diǎn)贊等功能，通過對(duì)用戶行為特征進(jìn)行全面分析后選取合適指標(biāo)，提取相關(guān)數(shù)據(jù)，用主成分分析和聚類分析對(duì)高校官方微博的影響力進(jìn)行實(shí)證研究。通過分析提出有效提升高校官方微博影響力建議，以期為高校微博改進(jìn)運(yùn)營管理機(jī)制和內(nèi)容建設(shè)模式提供參考意見，促進(jìn)高校微博的發(fā)展。

2 高校官方微博影響力評(píng)價(jià)指標(biāo)構(gòu)建

傳統(tǒng)的單以微博用戶的粉絲數(shù)來衡量用戶影響力的方法已經(jīng)失去了信服力，微博用戶的影響力指標(biāo)的選取應(yīng)根據(jù)微博的基本功能全面考慮。經(jīng)過分析研究用戶行為特征發(fā)現(xiàn)，微博用戶的影響力可以從微博的覆蓋度、用戶活躍度以及交互性三方面進(jìn)行指標(biāo)的構(gòu)建。其中微博的覆蓋度包括是加V認(rèn)證、微博數(shù)、粉絲數(shù)、關(guān)注數(shù)四類指標(biāo)；用戶活躍度包括日均微博數(shù)、微博原創(chuàng)率、文章數(shù)、評(píng)估期內(nèi)日均微博數(shù)四類指標(biāo)；交互性包括平均每條點(diǎn)贊數(shù)、平均每條評(píng)論數(shù)、平均每條轉(zhuǎn)發(fā)數(shù)三類指標(biāo)。

3 高校官方微博影響力評(píng)價(jià)及比較研究設(shè)計(jì)

3.1 數(shù)據(jù)來源

“985工程”高校共39所，據(jù)統(tǒng)計(jì)，目前37所高校均已開通新浪官方微博，60%以上的官方微博在2010年開通，據(jù)調(diào)查顯示2010年是微博發(fā)展的春天，微博用戶數(shù)量如雨后春筍迅猛增長。因此，2010年被稱為微博元年。其中華中科技大學(xué)開博時(shí)間（2009年11月24日）最早，華南理工大學(xué)開博時(shí)間（2015年3月18日）最晚。國防科學(xué)技術(shù)大學(xué)與北京理工大學(xué)至目前為止尚未開通大學(xué)官方微博，但有其他微博，如北京理工有北京理工大學(xué)學(xué)生會(huì)的官方微博。據(jù)了解，通過了新浪微博的加V實(shí)名認(rèn)證的官方微博更為可靠，調(diào)查顯示，37所大學(xué)的官方微博都已通過加V認(rèn)證。其中復(fù)旦大學(xué)官方微博設(shè)置了評(píng)論權(quán)限，不允許他人評(píng)論；北京航天航空大學(xué)官方微博于2014年12月27日開通微博，但一直未發(fā)布過微博，于2017年3月19日正式發(fā)布微博。這兩所大學(xué)的數(shù)據(jù)不具代表性，故剔除復(fù)旦大學(xué)和北京航天航空大學(xué)的數(shù)據(jù)后共計(jì)35所大學(xué)官方微博符合要求。其中綜合性大學(xué)20所，理工類大學(xué)10所，農(nóng)業(yè)類院校2所，師范類2所，民族類院校1所。利用分層抽樣的方法抽取25所大學(xué)作為研究樣本。交互性指標(biāo)的時(shí)間評(píng)估期為2018年1月1日—2018年3月31日，數(shù)據(jù)調(diào)查時(shí)間為2018年4月10日—4月16日，數(shù)據(jù)來源于新浪微博官方授權(quán)的數(shù)據(jù)服務(wù)提供商——微博風(fēng)云和通過爬蟲工具采集獲取。

3.2 研究方法

（1）主成分分析法它通過對(duì)原有變量的屬性與特征進(jìn)行線性變換，提取反映事物本質(zhì)的新變量，同時(shí)去除冗余，達(dá)到降維的目的。本文通過主成分分析，將10個(gè)指標(biāo)進(jìn)行降維，把多變量的信息壓縮成幾個(gè)綜合變量，提取出有效的主成分，從而構(gòu)建出高校官方微博影響力水平綜合評(píng)價(jià)模型。

首先，主成分分析的數(shù)學(xué)模型在主成分分析中所提取的主成分分為原始變量的線性組合，其模型公式表示如下：

（2）聚類分析法聚類分析又別稱為群分析，是根據(jù)給定一組對(duì)象的描述信息，將具有相似或相近特征的對(duì)象構(gòu)成簇。其基本原則是：同屬一個(gè)簇的對(duì)象相似度高，而不同簇的對(duì)象相似度低。本文運(yùn)用系統(tǒng)聚類（系統(tǒng)聚類的基本原理是計(jì)算所有的樣本兩兩之間的距離，根據(jù)距離的遠(yuǎn)近將樣本進(jìn)行分類）研究分類合適的類別數(shù)，將25家高校微博進(jìn)行分類，分析樣本之間的聯(lián)系與區(qū)別，分析同簇之間的共性以及不同簇的個(gè)性。

4 高校官方微博影響力評(píng)價(jià)及比較實(shí)證研究過程

4.1 主成分分析過程

為了保證計(jì)算結(jié)果的準(zhǔn)確性，利用SAS 9.2軟件對(duì)數(shù)據(jù)進(jìn)行分析（由于所有的高校官方微博都已加V認(rèn)證的，分析時(shí)去除A1指標(biāo)）。分析如表2所示。

（1）觀察相關(guān)系數(shù)矩陣通過相關(guān)系數(shù)矩陣可以看出主成分分析的各變量之間的相關(guān)性。

從相關(guān)矩陣可以得出，粉絲數(shù)與點(diǎn)贊數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)、相關(guān)性高，說明粉絲數(shù)越多博主與粉絲互動(dòng)的可能性越高，相反，評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊等互動(dòng)行為也可以促進(jìn)博主人氣的提升，從而增加更多粉絲。文章數(shù)與其他所有指標(biāo)的相關(guān)性都不高，可能是因?yàn)槲恼聝?nèi)容質(zhì)量不高，相關(guān)內(nèi)容不能吸引用戶；也可能是因?yàn)槲恼逻^長，其他博主不愿花過多時(shí)間瀏覽。

（2）提取特征值矩陣主成分分析相關(guān)系數(shù)的特征值矩陣包括特征值、特征值的方差、特征值所占所有特征值的比重、特征值的累計(jì)比例，如圖1、表3所示。

（4）主成分命名主成分載荷是反映主成分與原變量指標(biāo)的相互關(guān)聯(lián)程度，載荷越大，關(guān)聯(lián)程度越高。從表4中可以看出粉絲數(shù)、平均每條點(diǎn)贊數(shù)、平均每條評(píng)論數(shù)、平均每條轉(zhuǎn)發(fā)數(shù)在第一主成分上有較大的載荷，微博數(shù)的載荷也相對(duì)較大，這些指標(biāo)都反映了博主與其他用戶之間的互動(dòng)交流，所以這一主成分命名為互動(dòng)反饋主成分；日均微博數(shù)與評(píng)估期日均微博數(shù)在第二主成分上載荷較大，這兩個(gè)指標(biāo)代表了用戶的活躍程度，所以命名為用戶活躍度主成分；微博原創(chuàng)率、文章數(shù)分別在第三、第四主成分上占有較大載荷，由于微博原創(chuàng)率與文章數(shù)反映的是博主的原創(chuàng)情況，在一定程度上可以體現(xiàn)博主個(gè)人的創(chuàng)作水平、價(jià)值觀念等，這兩個(gè)指標(biāo)越大，微博用戶越容易樹立自身的品牌形象，增大影響力。所以第三、第四主成分可命名為原創(chuàng)品牌主成分，如表4所示。

4.2 基于主成分分析結(jié)果的聚類分析過程

（1）確定聚類數(shù)目在主成分分析的基礎(chǔ)上，通過聚類分析，找出同一個(gè)簇中的對(duì)象之間的相似性，而不同簇間的對(duì)象的相異性。進(jìn)一步研究高校官方微博影響力之間的差異。本文根據(jù)主成分分析的4個(gè)主成分作為自變量對(duì)25家高校官方微博運(yùn)用SAS 9.2進(jìn)行系統(tǒng)聚類分析（聚類方法采用中間距離平均法），通過R2統(tǒng)計(jì)量（R2統(tǒng)計(jì)量用于評(píng)價(jià)聚類的效果，值越大說明聚類的效果越好）的觀察分析發(fā)現(xiàn)，將其分為6類時(shí)的聚類效果最好。

（2）聚類結(jié)果分析通過聚類分析將樣本數(shù)據(jù)分為6類，聚類分析結(jié)果分類，如表6所示。

根據(jù)各類所包含的高校官方微博成員，總結(jié)每類微博的特點(diǎn)，對(duì)每類微博進(jìn)行進(jìn)一步剖析，發(fā)現(xiàn)其中共同性?，F(xiàn)對(duì)每類微博分析如下。

第一，強(qiáng)勢領(lǐng)先型，此類微博成員只有東北大學(xué)一個(gè)，東北大學(xué)除了在互動(dòng)反饋主成分的排名處于中等偏下以外，其他三個(gè)主成分的得分排名均為第一，遙遙領(lǐng)先其他微博成員。這表明東北大學(xué)活躍度很高且大多微博內(nèi)容屬于自身原創(chuàng)，微博原創(chuàng)數(shù)量多，發(fā)表文章數(shù)較多，內(nèi)容建設(shè)具有自身不可取代的特點(diǎn)，較好的樹立了自身的品牌形象，辨識(shí)度較高。但是在互動(dòng)反饋主成分上處于中下游水平，說明雖然大部分內(nèi)容屬于原創(chuàng)，但原創(chuàng)的內(nèi)容可能不符合粉絲的興趣胃口，無法引起粉絲的共鳴，此類微博應(yīng)在這方面有所改進(jìn)，進(jìn)一步提高綜合排名。

第二，綜合落后型，此類微博成員包括同濟(jì)大學(xué)、西北工業(yè)大學(xué)、湖南大學(xué)和東南大學(xué)。這幾家微博在原創(chuàng)品牌主成分上占有較上游的主導(dǎo)地位，但是其他幾個(gè)方面都處于劣勢，再加上原創(chuàng)品牌主成分在影響力綜合計(jì)算公式上所占的權(quán)重不高，所以對(duì)綜合排名影響力不大。這類微博應(yīng)將重心放在互動(dòng)反饋以及用戶活躍度主成分上的提高上，可以通過多發(fā)布能吸引粉絲的微博，回答一些具有爭議性的問題以加強(qiáng)與粉絲的互動(dòng)等方式來提升綜合影響力。

第三，粉絲主導(dǎo)型，此類微博成員包括清華大學(xué)、武漢大學(xué)、廈門大學(xué)。這三家微博在互動(dòng)反饋主成分上優(yōu)勢較大，其他成分上優(yōu)勢不明顯，而互動(dòng)反饋主成分主要是粉絲與用戶之間的互動(dòng)行為主導(dǎo)，粉絲忠實(shí)度較高，每次的博文能得到較好的反饋，用戶的博文能引起大眾的共鳴，轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)較多。通對(duì)這幾家微博的觀察發(fā)現(xiàn)，此類微博成員注重微博內(nèi)容的建設(shè)，博文內(nèi)容質(zhì)量高、形式多樣、主題有趣，博文內(nèi)容已發(fā)展成為自身品牌樹立的標(biāo)志之一。但此類微博成員也應(yīng)注重全面發(fā)展，努力提升微博活躍度。

第四，均衡發(fā)展性，此類微博成員包括電子科技大學(xué)、重慶大學(xué)、山東大學(xué)、北京師范大學(xué)、西北農(nóng)林科技大學(xué)、中南大學(xué)、四川大學(xué)、華中科技大學(xué)、南開大學(xué)，共九家高校官方微博。從表6主成分得分以及排名情況分析可以看出這幾家微博各方面的發(fā)展幾乎都處于中等水平，有個(gè)別相對(duì)突出，但對(duì)綜合排名影響不太。這類微博應(yīng)在穩(wěn)步發(fā)展的基礎(chǔ)上有所創(chuàng)新，通過改進(jìn)質(zhì)量、創(chuàng)新微博內(nèi)容及發(fā)布方式等方式來進(jìn)一步建設(shè)起具有自身特點(diǎn)的微博。

第五，綜合領(lǐng)先型，此類微博成員包括北京大學(xué)、上海交通大學(xué)。這兩家微博在互動(dòng)反饋主成分上具有領(lǐng)先優(yōu)勢，只是在第三主成分上排名略微偏低，但是由于第三主成分所占權(quán)重較小，在其他主成分的得分又相對(duì)較高，表現(xiàn)出較大的優(yōu)勢，所以綜合得到的總分處于領(lǐng)先地位。這類微博應(yīng)注重全面發(fā)展，北京大學(xué)需在文章發(fā)表上下功夫，上海交通大學(xué)則需在原創(chuàng)微博上投入時(shí)間精力。

第六，全面落后型，此類微博成員包括南京大學(xué)、大連理工大學(xué)、中山大學(xué)、華南理工大學(xué)、中國科技大學(xué)和中央民族大學(xué)。這類微博在各個(gè)指標(biāo)上的排名處于偏中下游水平，整體影響力不高，亟需從各個(gè)方面全面發(fā)展提高微博影響力。目前，新媒體建設(shè)已成為高校提高輿論領(lǐng)導(dǎo)能力、擴(kuò)大宣傳范圍的重要途徑，而微博平臺(tái)已成為新媒體的主導(dǎo)力量，高校應(yīng)重視微博平臺(tái)的建設(shè)，在微博的運(yùn)營發(fā)展上投入更大的精力，以發(fā)揮微博平臺(tái)的信息傳播、輿論引導(dǎo)以及思想形態(tài)建設(shè)等方面的重要作用。

5 結(jié)語

本文以25家“985”高校官方微博為研究對(duì)象，在分析用戶行為特征之后從微博的覆蓋度、用戶活躍度以及交互性三方面進(jìn)行一級(jí)指標(biāo)的構(gòu)建，選取了是否加V認(rèn)證、微博數(shù)、粉絲數(shù)、關(guān)注數(shù)、日均微博數(shù)、微博原創(chuàng)率等10項(xiàng)二級(jí)指標(biāo)進(jìn)行微博影響力綜合評(píng)價(jià)模型構(gòu)建。通過主成分分析和聚類分析對(duì)高校官方微博影響力水平進(jìn)行了比較研究，首先通過主成分分析得出了評(píng)價(jià)微博影響力水平的4個(gè)主成分（第三、第四主成分綜合命名），即互動(dòng)反饋主成分、用戶活躍度主成分以及主成分，通過各主成分的方差貢獻(xiàn)率占總解釋方差貢獻(xiàn)率的比重作為權(quán)重構(gòu)建影響力綜合評(píng)價(jià)模型，計(jì)算得出各主成分及綜合得分和排名情況。然后以4個(gè)主成分的得分為自變量，進(jìn)行聚類分析將樣本分為強(qiáng)勢領(lǐng)先型、綜合落后型、粉絲主導(dǎo)型、均衡發(fā)展性、綜合領(lǐng)先型、全面落后型6類，并對(duì)每一類進(jìn)行了具體分析。

通過對(duì)25家高校官方微博影響力水平的綜合分析，發(fā)現(xiàn)存在一些問題。

（1）不同高校之間影響力參差不齊，第一名與最后一名綜合得分相差4.099分，差距十分懸殊。對(duì)于占有領(lǐng)先優(yōu)勢的微博應(yīng)在穩(wěn)步發(fā)展的基礎(chǔ)之上，加快發(fā)展相對(duì)弱勢的方面，學(xué)會(huì)不斷創(chuàng)新，做到齊頭并進(jìn)、全面領(lǐng)先。而相對(duì)于成績不太理想的高校微博，管理者應(yīng)加強(qiáng)反思，增強(qiáng)影響力。

（2）低影響力的高校微博占的比重較大，相對(duì)落后型的微博個(gè)數(shù)達(dá)到了40%，高影響力的微博所占比重較小，強(qiáng)度領(lǐng)先型中有一個(gè)，綜合領(lǐng)先型兩個(gè)。整體呈現(xiàn)出發(fā)展不均衡的現(xiàn)象。應(yīng)增加高層影響力微博的數(shù)量，均衡高校官方微博影響力的發(fā)展水平。

在互聯(lián)網(wǎng)和新媒體快速變化的今天，如何打造各種新媒體資源，打造更接地氣、更有價(jià)值的信息和服務(wù)平臺(tái)，是高校宣傳工作的重中之重。而微博則是眾多新媒體平臺(tái)之一，因此微博的建設(shè)與運(yùn)營應(yīng)得到高校的重視。目前高校已認(rèn)識(shí)到微博對(duì)于自身形象宣傳、品牌塑造等方面的重要性，但是對(duì)于微博平臺(tái)的建設(shè)總體上仍處于一個(gè)探索發(fā)展階段，還未達(dá)到成熟化，需要一定的規(guī)范管理來進(jìn)一步提高微博的影響力水平。

高校應(yīng)重視官方微博管理團(tuán)隊(duì)的培養(yǎng)，組建一支具有高媒介素質(zhì)的管理團(tuán)隊(duì)，專門負(fù)責(zé)微博日常的運(yùn)營維護(hù)。培養(yǎng)三方意見領(lǐng)袖加強(qiáng)輿論引導(dǎo)，三方意見領(lǐng)袖包括校領(lǐng)導(dǎo)、專家教授意見領(lǐng)袖，輔導(dǎo)員、生活老師意見領(lǐng)袖以及優(yōu)秀學(xué)生干部、優(yōu)秀學(xué)生意見領(lǐng)袖，通過多方影響來加強(qiáng)信息的正確傳播與輿論的引導(dǎo)，加強(qiáng)思想形態(tài)的建設(shè)。同時(shí)加強(qiáng)內(nèi)容建設(shè)，高校應(yīng)注重自身品牌的建設(shè)，構(gòu)建能突出自身特色的專項(xiàng)內(nèi)容體系，內(nèi)容建設(shè)應(yīng)融入現(xiàn)實(shí)中粉絲的生活中，提供及時(shí)、可靠、豐富、有實(shí)用價(jià)值且具有親近感的信息，通過多種形式的創(chuàng)新以避免內(nèi)容建設(shè)的刻板化、單一化。

其次，高校應(yīng)增加與粉絲之間的互動(dòng)交流，及時(shí)回應(yīng)具有爭議性的評(píng)論，發(fā)起搏人眼球、貼近生活的活動(dòng)以吸引更多的粉絲，擴(kuò)大粉絲規(guī)模。設(shè)置公共話題或大眾熱門話題，以贏得大眾的關(guān)注與認(rèn)同，通過微博系統(tǒng)與社會(huì)系統(tǒng)的連接，實(shí)現(xiàn)與大眾之間的共鳴與振動(dòng)。對(duì)于能力、資源不足的學(xué)校還可借助其他學(xué)校的資源，與其他高校微博平臺(tái)合作，學(xué)習(xí)借鑒優(yōu)質(zhì)微博平臺(tái)的建設(shè)運(yùn)營模式，通過整合資源、互相交流學(xué)習(xí)等方式達(dá)到多方受益。

參考文獻(xiàn)

[1] 李開復(fù).微博改變一切[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2011.

[2] 沈徽.基于微博的一種用戶影響力度量方法研究及實(shí)現(xiàn)[D].燕山大學(xué)，2015.

[3] 原福永，馮靜，符茜茜.微博用戶的影響力指數(shù)模型[J].現(xiàn)代圖書情報(bào)技術(shù)，2012（6）.

[4] 林琛.微博個(gè)體信息傳播影響力評(píng)價(jià)指標(biāo)分析[J].圖書情報(bào)工作，2014（1）.

[5] Cha M，Haddadi H，Benevenuto F，et al.Measuring User Influence in Twitter： The Million.Follower Fallacy[C]. Proceedings of the 4th International AAAI Conference on Weblogs and Social Media. Washington，2010.

[6] Chen Xu，Wang Pengfei，Qin Zheng，et al.HLBPR：a hybrid local bayesianpersonal ranking method[C]. Proc of International Conference Companion on World Wide Web.International World Wide Web Conferences Steering Committee，2016.

[7] Kwak H，Lee C，Park H，et al.What is Twitter，a social network or a new media[C].Proceedings of the 19thInternational Conference on World Wide Web.New York： ACM Press，2010.

[8] 譚思妮.蛛網(wǎng)態(tài)微博關(guān)系網(wǎng)絡(luò)中用戶影響力評(píng)估研究[D].廣東工業(yè)大學(xué)，2015.

[9] 李彤.大學(xué)微博影響力評(píng)價(jià)及其應(yīng)用價(jià)值研究[D].哈爾濱工業(yè)大學(xué)，2015.

[10] 楊柳.高校官方微博發(fā)展現(xiàn)狀及管理策略研究[D].重慶大學(xué)，2013.

[11] 伏琰.圖書館微博影響力評(píng)價(jià)指標(biāo)體系研究——以“985工程”大學(xué)為例[J].圖書館學(xué)研究，2015（15）.

[12] 孫江華，張殊.基于主成分分析和聚類分析的傳統(tǒng)報(bào)紙微博影響力研究[J].現(xiàn)代傳播-中國傳媒大學(xué)學(xué)報(bào)，2015，37（4）.