熟人社交網絡平臺上信息傳播影響指標及其效度研究

黃強 羅繼鋒 吳志艷

摘 要： 隨著社交網絡愈發高頻地融入人們的生活，人們也越來越依賴于好友在社交網絡平臺上轉發分享的在線內容獲取新的資訊，越來越多的機構也開始把社交網路平臺當作其產品或品牌的營銷平臺。依托自主設計及研發的研究平臺，采用新穎的在線觀察實驗方法，通過與新媒體團隊合作，進行了熟人社交網路平臺上在線內容傳播實驗。基于研究平臺記錄的用戶對在線內容訪問及交互產生的數據，通過建立logit及零膨脹泊松回歸模型進行探討得到以下結論：（1）在線內容上下文方面，在線內容來源用戶的好友規模、在線內容傳遞渠道等會影響訪問用戶對在線內容的轉發分享行為;（2）用戶與在線內容交互方面，用戶對在線文章內容的閱讀時間、閱讀比例、是否閱讀到第二部分、是否閱讀到最后一部分、閱讀回顧次數等會對用戶的轉發分享行為產生影響。

關鍵詞： 社交網絡;病毒營銷;信息傳遞;即時消息;熟人;微信

中圖分類號： G 206

文獻標志碼： A

Abstract： While people interacts with social network more intensively in life， people rely more on it to get new information， and therefore more organizations focus on social networking platform to promote their products or brands. This research carried out an experiment about information diffusion on social networking platform of acquaintances using a new research method called online observation experiment based on independently designed and implemented research tool. With the data for users′ visits and interactions with the online content collected by research tool， this research get the following results by constructing a logit and a zero-inflated Poison regression models： （1） in the aspect of online content contexts， the friends number scale of the source user of online content and the channel which conveys online content would influence the decision about share of online content for the receiving user; （2） in the aspect of user′s interactions with online content， the time user spent， the portion of content user read， the fact whether the user reached the second part of content， the fact whether the user reached the last part of content， the number of times user reviewed would have the influences on user’s decision to share.

Key words： social network; viral marketing; information diffusion; instant messaging; acquaintances; WeChat

1 文獻綜述

1.1 病毒營銷

病毒營銷最早起源于Hotmail用戶郵件正文中附帶的可被點擊的促銷URL鏈接，早在1997年出現在Netscape Newsletter上，并被寬松地定義為“被網絡強化的口碑”（” network-enhance word of mouth”）。Jurvetson （2000）指出病毒營銷的一個基本特征便是每一位消費者在使用產品的過程中也自然而然地成為了一個營銷人員，且因為攜帶者來自于朋友的含蓄背書，病毒營銷比任何第三方廣告都更加有力量。社交網絡平臺作為人與人之間溝通與分享的平臺，天然擁有用戶之間簡單便捷且及時的信息傳遞渠道，這使得社交網絡平臺非常適合作為病毒營銷的宿主平臺。病毒營銷與社交網絡的結合也使得病毒營銷有了無限的可能及空前的影響力。

近些年，眾多的研究者也從各種不同角度對社交網絡上用戶的轉發分享行為進行了研究探討。Berger和 Milkman （2012） 主要從情感的角度對 New York Times上3個月發布的共7000篇被郵件轉發分享最多的文章進行了研究分析。Yuki （2015）按照Berger（2013）提出的口碑營銷STEPPS框架[社交貨幣（Social Currency）、誘因（Trigger）、情緒（Emotion）、公共性（Public）、實用價值（Practical Value）及故事（Stories）]對Facebook上12個月內被轉發分享最多的2000條社交網絡消息以及對超過1000名社交網絡用戶進行了研究分析。Ho和Dempsey （2010）則從用戶轉發分享心理的角度對在線內容病毒傳遞性進行了研究。Knossenburg等人（2016）也從用戶參與度及驚喜度的角度對在線視頻內容病毒傳遞性進行了研究。Renard和 Darpy（2017）則從用戶技巧需求性、邀請好友獎勵等角度對在線游戲內容的病毒傳播性進行了研究。陳成（2016） 、彭晨明等（2016）、張夕漢（2016）、方婧等（2016）則主要從在線文章的標題、主題、推送時間等方面對微信公眾號文章內容的傳播性進行了研究。概括來說，現有關于社交網絡平臺上病毒營銷的研究所涉及的影響指標的研究主要從內容及用戶兩個角度展開。

1.2 內容

內容角度，首先是在線內容本身的特征。Dobele等人（2007）指出在線內容所激發的驚喜和其他情緒以及引發的用戶想象能夠增強在線內容的病毒性傳播。Berger和 Milkman （2012） 也指出激發積極情感的內容相對于激發消極情感的內容更容易被轉發分享，且能夠激發強烈情感的內容（無論積極或者消極）相對于激發中低度情感的文章更容易被讀者轉發分享。Yuki （2015）指出在線內容實用價值方面的“有用性”、故事方面的“講故事”以及使用戶“看起來很好”“開心”的內容能夠增強用戶轉發動機。Araujo等人（2015）也指出信息價值或內容有用性能增加用戶對在線內容的轉發分享意愿。另外，關于微信公眾號文章的研究中，陳成（2016） 、彭晨明等（2016）、張夕漢（2016）、方婧等（2016）共同指出了在線內容的標題特征、主題、內容信息量、配圖等因素都將影響在線文章內容傳播的病毒性。內容角度，其次是在線內容上下文。彭晨明等（2016）和方婧等（2016）都指出在線文章內容的推送時間會影響在線文章的熱度。同時，彭晨明等（2016）也指出在線文章內容所處的位置也會對文章的熱度產生影響。

1.3 用戶

用戶角度，首先是用戶分享心理。Ho和Dempsey （2010）指出用戶分享在線內容存在四大潛在動機，即成為群體成員（part of a group）的需求、宣揚個人主義（individualistic）的需求、展現利他主義（altruistic）的需求以及個人成長（personal growth）的需求，且有越強的個人主義或利他主義的網絡用戶越傾向于轉發分享在線內容。Lovett等人（2013）也指出用戶會為了顯現其專業性形象或增強社會地位參與對相關內容的傳遞與分享。用戶角度，其次是用戶與在線內容交互。Knossenburg等人（2016）指出用戶參與度（Engagement）和驚喜度（Surprise）是影響在線視頻傳遞性的兩個關鍵因素，且能顯著提高在線視頻廣告內容的病毒傳播性。Renard和 Darpy（2017）指出在線游戲對用戶技巧（skill）的需求性將增加用戶分享在線游戲給其他好友的可能，同時營銷人員增加邀請（分享）激勵反而會降低用戶推薦給其他好友的意愿。

總結而言，現有研究主要從用戶及內容兩個角度的在線內容特征、在線內容上下文、用戶分享心理及用戶與在線內容交互等四個方面對在線內容的病毒傳播性進行了研究。在線內容特征方面，包括情感、有用性、故事性、驚喜度等因素會對在線內容傳遞性產生影響;在線內容上下文方面，文章發布時間、文章位置等都會對其熱度產生影響;用戶分享心理方面，社會形象、利他主義、個人主義以及個人成長等需求會對用戶是否分享對在線內容產生影響;用戶與在線內容交互方面，用戶技巧需求性、用戶參與度、用戶獎勵等會對用戶的在線內容分享決策產生影響。

2 研究設計

2.1 研究模型

如前所述，本研究主要從在線內容上下文及用戶與在線內容交互兩個方面對熟人社交網絡平臺上在線內容的傳播性進行研究。由于不同類別在線內容（文章、視頻、圖片、網頁游戲等）之間存在著較大差異，本研究將僅關注在線文章內容在熟人社交網絡平臺上的傳播問題。在線內容信息傳播過程中，信息的每一次傳遞都涉及接收用戶和分享用戶兩方，因此在線內容的傳播性也可以從信息傳遞過程中涉及的兩方用戶的角度進行不同的衡量，從而可以從兩個不同的角度檢驗相關影響指標的影響效度，增加研究結論的魯棒性。所以，本研究從信息傳遞過程中涉及的訪問用戶及分享用戶兩個不同的用戶視角建立研究模型。從在線內容訪問用戶的視角，本研究建立的模型包含所有四個方面完整研究模型如圖1的虛線框區域所示。

同時，從分享用戶視角建立的模型如圖2所示。

2.2 研究假設

鑒于熟人社交網絡平臺上用戶與用戶的聯結類型僅包括通過有限渠道相互添加的對等好友關系而不包含非對等的訂閱關系，本研究認為熟人社交網絡中中等好友數量規模的用戶相對于大量好友的用戶與其好友有更強的社交聯系，且中等好友數量規模的用戶相對于少量好友的用戶有更好的公眾認可形象。更強的社交聯系和更好的公眾認可形象，常常是用戶所推薦內容被認可的兩個重要因素，而用戶轉發行為心理中一個重要因素就是認可其轉發的內容與自身形象有關。同時，結合社交網絡上用戶的轉發分享行為也是一種在線口碑營銷行為（用戶向其好友的推薦行為）的本質，本研究做出以下假設：

雖然互聯網在一定程度上使信息傳播突破了地理距離的限制，但熟人社交網絡平臺上用戶的社交范圍通常受地理位置影響較大，且用戶的大部分好友通常仍然屬于同地域好友，所以在一定程度上可以認為在熟人社交網絡中，相同地理位置的用戶之間信息流動傳播更充分。結合已有研究中關于用戶轉發分享心理方面的利他主義需求，用戶可能更愿意轉發對其好友（預設的受眾）相對新鮮和未知的內容，因此本研究也做出以下假設：

H2： 熟人社交網絡平臺上，在線內容的分享者與接收者之間地理位置的差異將增加接收用戶再次轉發分享的概率。

熟人社交網絡平臺上，用戶與用戶之間傳遞信息的渠道通常有三種，包括用戶的個人狀態、用戶之間的單點消息，以及用戶之間的群組消息。其中，用戶之間的單點消息為介于兩個用戶之間的信息流轉。因此，在線文章內容通過單點消息渠道傳遞時可以認為分享用戶判定該在線內容與接收用戶有很高相關性且通常帶有分享用戶相對強烈的推薦意圖，所以本研究做出以下假設：

H3： 熟人社交網絡平臺上，通過單點消息渠道傳遞的在線內容更可能被接收用戶再次轉發分享。

用戶與在線內容交互方面，用戶花費更長的時間對在線文章內容進行閱讀可以被認為代表著用戶對該在線文章內容付出了更多的時間投入，結合已有研究結果中關于用戶投入能增加其轉發分享概率的結論，本研究做出以下假設：

H4： 熟人社交網絡平臺上，用戶對在線文章內容的閱讀時間越長則越可能轉發分享該在線文章內容。

此外，基于對能簡單便捷獲得大量在線文章內容進行閱讀的時代的用戶閱讀習慣的觀察，本研究認為用戶做對在線文章內容轉發分享決策行為可以被分為兩類，一是沖動型，二是審慎型。沖動型的轉發分享決策行為相對迅速，通常是用戶在僅對在線文章內容的開頭部分（首段甚至標題）完成閱讀后立即形成對在線文章內容的整體判斷（比如確認是否為標題黨、是否有轉發價值內容等），然后決定是否實施轉發分享行為，所以在線文章內容的第一部分對用戶轉發分享行為的影響較大;審慎型的轉發分享決策行為常常相對緩慢，通常是用戶在對文章內容的逐步閱讀中逐步形成相對完整的理解后做出是否實施轉發分享行為的決定。同時，在審慎性轉發分享決策范疇里依據用戶閱讀的內容比例可以分為兩種情況：其一，是當用戶僅僅對在線文章內容的小部分內容進行閱讀后便中止閱讀時可以認為用戶對在線內容逐漸喪失興趣，因此其分享概率隨著其閱讀內容比例的增加而逐漸減小;其二，是當用戶完成對在線文章內容大部分的閱讀后中止閱讀時可以認為用戶已經投入了足夠的精力，形成了對全文的理解而從節約時間等角度出發放棄閱讀，因此其分享概率隨著其閱讀內容比例的增加而增加。另外，如用戶即將完成對在線文章所有內容的閱讀而未形成轉發分享的決定，則可以認為用戶在對全文絕大部分內容進行閱讀理解以后沒有找到其轉發分享的動機，因此有很大可能性在用戶完成文章閱讀以后依然決定不進行轉發分享。基于以上理由，綜合考慮兩種類型轉發分享決策行為的行為模式，本研究做出以下假設：

H5： 熟人社交網絡平臺上，隨著用戶閱讀在線文章內容比例的增加，其轉發分享的概率會呈現出先減后增的趨勢。

H6： 熟人社交網絡平臺上，用戶是否閱讀到在線文章內容的第二部分對其轉發分享的概率具有負面影響。（對比的不是1和2，而是1和1′）

H7： 熟人社交網絡平臺上，用戶是否閱讀到在線文章內容的最后一部分對其轉發分享的概率具有負面影響。（同上，對比的是10和10′）

最后，基于對用戶閱讀在線文章內容習慣的觀察，部分用戶在閱讀在線文章內容時會上下滑動手機屏幕對前后相關內容進行多次閱讀回顧。用戶滾動屏幕對在線內容的回顧次數在一定程度上代表用戶對在線文章內容的感興趣程度或對在線內容的精力投入，同時根據已有研究結果更多的投入常常代表更高的可能性進行轉發分享，因此本研究也做出以下假設：

H8： 熟人社交網絡平臺上，用戶在閱讀在線文章內容時的回顧次數越多則其轉發分享的概率越高。

以上H1～H8為針對本研究的8個原假設，以下本研究將采取實證研究的方法檢驗以上提出的8個假設。

2.3 研究方法

與大部分營銷領域研究中的實體物品對象不同，本研究的研究對象為虛擬在線內容，因此沒有選擇營銷領域常用的調查問卷方法。為適應本研究的研究對象，采用了新穎的在線觀察（online observation）實驗方法。所謂在線觀察，即憑借當前成熟的Web技術，在用戶無感知的情況下，研究平臺后臺程序記錄的自用戶訪問在線文章內容開始到結束離開為止過程中的一系列數據。然后，基于記錄的數據集對以上提出的假設采用相關模型進行檢驗。

為了簡化問題而不失一般性，本文以一篇即時新聞類在線文章為代表，研究在線文章內容在以微信為代表的熟人社交網絡平臺中的傳播規律。選擇微信作為本研究的社交網絡平臺的理由主要包括以下幾點：首先，微信是一個熟人平臺，其標志為截至目前僅支持對等的好友關系而不包含訂閱關系（本研究僅僅關注微信個人賬號用戶而不關注微信公眾號）;其次，微信是一個社交網絡平臺，其標志為微信朋友圈功能;再次，微信是一個媒體與資訊平臺，其標志為微信公眾平臺功能;最后，微信僅有移動端應用支持包括朋友圈、在線文章閱讀及分享完整功能，即完整的在線文章內容的傳播流程需要微信移動端的功能支持。得益于微信僅有移動端支持在線內容傳播的完整流程，本研究可以將在線內容的傳播限定到微信移動端，從而大大減少在線文章傳播過程中的干擾項，且可以借助微信移動端提供的良好數據接口獲取更加完整可靠的數據。因此，微信是一個典型的適合進行在線文章內容傳播性研究的熟人社交網絡平臺。

通過與某法律垂直領域新媒體團隊合作，依托自主設計與研發的研究平臺，課題組于2016年4月26日13∶54∶23發布了的一篇即時新聞類在線文章。

研究實驗步驟大致如下：首先，唯一研究者通過研究平臺上的在線文章內容編輯器新建在線文章并填入內容（內容事先已確定），同時生成文章鏈接;然后，該唯一研究者通過微信訪問創建的在線文章內容鏈接，之后將在線文章內容通過微信分享功能轉發分享到由合作團隊成員構成的微信群組;接著，在上述微信群組中的合作團隊推廣人員作為第一層級用戶訪問該在線文章內容并通過微信分享功能轉發分享至其朋友圈、微信群組和微信好友。至此，研究者及合作團隊的分發完成，在線文章開始在微信內自發病毒式傳播。研究平臺也將同時記錄在線文章在微信中傳播過程的數據。

需要說明的一點是，本研究采用的文章并非由研究小組原創、也并非首發，相似在線文章在其他線上媒體平臺上也有刊登。使用非原創且非首發的文章，理由主要有如下兩點：其一，高流量原創首發文章獲取成本高。為了以較低成本獲取足夠數量的數據，本研究選擇采用相對容易獲得的非原創、非首發的在線文章;其二，雖然采用的文章非原創也非首發，但對于本研究涉及的各指標的影響效度并不產生影響。

2.4 數據

本研究的主要數據來源為自主設計及研發的研究平臺。研究平臺記錄的數據分為兩類：其一，是用戶對在線文章內容的訪問及傳遞數據。一個用戶對在線文章內容的一次訪問作為一條訪問記錄，記錄了包括在線文章內容的轉發分享來源用戶、在線內容的訪問用戶、用戶訪問時間及渠道、用戶分享時間及渠道等相關信息。其二，為用戶對在線文章內容閱讀的交互記錄數據。每個用戶對在線文章內容的閱讀交互都會以內容分割線（在線文章內容按段落被分割線均分為10個部分）狀態及改變時間的方式被記錄。截至2016年6月17日06∶07∶42，除去技術故障訪問記錄（缺失來源用戶標識訪問的記錄、缺失訪問用戶標識訪問的記錄等）36條及實驗中唯一研究者的訪問記錄5條，研究平臺一共記錄微信用戶對研究所用在線文章內容的有效訪問記錄3491條。限于現有可實現的技術，研究平臺記錄了3491條有效訪問記錄中3260條對應的閱讀交互行為記錄（剩余241條訪問記錄由于用戶訪問時間太短或網絡延遲等原因未被研究平臺記錄閱讀交互數據）。此外，本研究也從《中國城市統計年鑒》中摘取了各省市人均GDP數據，作為衡量各省市經濟發展水平差異的依據;同時，也從北京天特信科技有限公司的ipip.net網站上下載了全球 IPv4 地址歸屬地數據庫，作為用戶訪問時所持設備IP地址轉換為用戶所在地理位置的依據。

對原始數據及引入的數據進行整合、抽取、變換及層次化，得到了包含3491個觀測值的層次化數據集。所謂層次化，即每一個觀測值都包含其在在線文章內容傳遞樹中的層級變量及一組表示當前觀測值對應的訪問用戶與轉發分享來源用戶之間差異的變量。包含部分分支的層次化的在線內容訪問的傳遞樹圖與按地理位置聚合的傳遞地圖如圖3與圖4所示。

基于對以上原始數據集的初步統計及數據審查結果，為了使本研究結論更加有效，本研究又對數據集做了如下篩選。首先，考慮到用戶對在線文章內容訪問的時間跨度較長，而大部分用戶訪問發生在在線文章內容發布之后不久，所以對用戶訪問時間跨度做了進一步限制，選擇保留按分鐘計量的訪問時間延遲在前95百分位數（3171分鐘）之內的觀測值。經過這一步篩選，觀測值數量減少到3316，共減少175個。其次，部分用戶對在線文章內容的閱讀時間包含中途長時間離開（或睡眠）的時間且部分用戶對在線文章內容的閱讀時間為無意義的0（閱讀時間為0與閱讀的事實相悖），因此本研究對閱讀時間也做了進一步的限制，保留了閱讀時間在前95百分位數（約793秒）以內且大于0的訪問記錄數據。經過這一步篩選，觀測值數量減少到2907，共減少209個。然后，如前所述，部分用戶訪問記錄沒有對應的閱讀行為記錄數據，因此有必要將這部分數據篩選出去。由于之前的兩步數據篩選過程便已經將大部分沒有閱讀行為數據的觀測值過濾出去，所以這一步篩選僅僅減少8個，共剩余2899個觀測值。再者，由于技術相關問題，占比很小的部分觀測值缺失訪問渠道數據。剔除這部分觀測值以后，觀測值數量減少到2878，共減少21個。最后，為有效減少未知干擾（比如時區問題），本研究擬僅關注中國大陸地區微信用戶對在線文章內容的訪問與傳遞數據。將用戶地域限定在中國大陸后，觀測值減少54個，共剩余 2824個。

綜上，對原始數據集的進一步處理后，最終得到一個共計2824個觀測值的數據集。

2.5 變量與描述性統計

本研究旨在基于自主構建的研究平臺記錄的數據從在線內容上下文及用戶與在線內容交互兩個方面，探求各指標對在線文章內容在熟人社交網絡平臺（微信）傳播的影響及效度。對應于用戶視角模型1，本研究采用用戶對在線文章內容進行閱讀后是否進行轉發分享（share）作為在線文章內容在微信上傳播性的衡量指標因變量，建立模型驗證在線內容上下文及用戶與在線內容交互兩方面因素對用戶是否分享產生的影響。在線內容上下文方面，主要包括在線文章內容來源相關的上一層用戶的子用戶數（parent_children_count）變量、用戶與上一層用戶之間的地理位置差異相關變量以及在線文章內容傳遞渠道相關變量;用戶與在線內容交互兩方面，則包括用戶閱讀時間、閱讀比例及其他閱讀行為相關變量。為了使研究模型更加可靠，本研究也引入了諸如用戶訪問時間延遲、用戶訪問時間段等控制變量。對應于分享用戶視角的模型2，本研究采用用戶的子用戶分享數（children_share_count）為在線內容在微信上傳播性的衡量指標因變量建立了第2個模型。以上提及的兩個模型的因變量、回歸變量及控制變量的所有變量如表1所示。

值得注意的是，受限于微信提供的數據接口，用戶對在線內容的訪問渠道數據一共分三種，分別為單點消息渠道（visit_channel_singlemessage）、群組消息渠道（visit_channel_groupmessage），以及朋友圈狀態渠道，但用戶對在線內容的分享渠道僅包含兩種，分別為好友消息渠道（visit_channel_appmessage）及朋友圈狀態渠道。其中，分享渠道中的好友消息渠道對應訪問渠道中的單點消息渠道及群組消息渠道。

以上變量的描述性統計結果如表2所示。

為了解以上列舉的各變量之間的相關關系，本研究計算了各變量之間的相關系數矩陣。通過相關系數矩陣可知，各變量之間的相關系數大都在合理的范圍之內，僅有少數虛擬變量與其他變量之間的相關系數較高。為了確定各變量之間是否存在多重共線性問題，本研究也檢驗了各因變量之間的方差膨脹因子。結果表明，模型1中最大VIF值僅為4.47且VIF均值小于2，模型2中最大VIF值也僅為1.64且均值僅為1.24，而一般以系數低于5或10作為判斷變量間不存在共線性問題的標準，因此可以認為本研究中兩個模型的自變量之間不存在多重共線性問題。

3.5 穩健性檢驗

本研究中，對在線內容上下文方面來源用戶的好友規模對在線內容的傳遞采用了兩個不同的模型從不同角度進行驗證，因此可以認為該結果具備穩健性。

同時，雖然本研究中建立的兩個模型分別為logit模型及零膨脹泊松模型，但是作為穩健性檢驗模型，也對應建立了probit模型及零膨脹負二項模型，且前后兩組模型結果一致。因此，有理由認為本研究結果穩健。

4 結論

采用在線觀察實驗方法，基于自主設計及研發的研究平臺收集到的數據，本研究主要從在線內容上下文及用戶與在線內容交互兩個方面對在線內容在熟人社交網絡平臺上傳播的影響指標及效度進行了探討。本研究一共提出了8個原假設，然后從在線內容訪問者和分享者兩個角度建立了兩個實證模型進行求解檢驗，所有假設中僅有1個假設被拒絕。概括來說，本研究得到以下結論：

在熟人社交網絡平臺上，中等好友數量規模的用戶轉發分享的在線文章內容最可能被其好友再次轉發分享。且當用戶的子用戶數約為60的時候，其子用戶對其轉發分享的內容再次轉發的概率最高;當用戶的子用戶數約為80的時候，其子用戶對其轉發的在線內容的再次轉發分享數最多。基于此結論，相關機構在熟人社交網絡平臺上進行商業推廣或政策宣傳時，可以選擇邀請具有中度好友數量規模的名人用戶幫助轉發分享而不一定需要花費更高額的投入邀請擁有大量好友的名人幫助轉發分享。另外，在線內容上下文方面，本研究也發現通過單點消息渠道傳遞的在線內容更可能被接收用戶再次轉發分享。

用戶與在線內容交互方面，本研究發現用戶對在線文章內容的閱讀時間越長則越可能轉發分享該在線文章內容;隨著用戶閱讀在線文章內容比例的增加，其轉發分享的概率呈現出先減后增的趨勢，且當用戶僅閱讀到約文章一半（50%～60%）的時候，其分享概率最低;用戶閱讀在線文章內容時的回顧次數越多，則其轉發分享的概率也越高。據此，相關機構在做在線文章內容設計的時候，可以考慮適當增加容易引起用戶時間投入的元素、考慮在內容的中間部分適當添加誘導用戶繼續閱讀的元素（比如留下懸念或者提示后文有驚喜等），以及考慮適當增加前后內容的關聯性使得用戶有更大興趣對前后的相關內容進行回顧。

此外，用戶與在線內容交互方面，用戶閱讀到在線文章內容的第二部分與最后一部分都對其轉發分享的概率具有顯著的負面影響。鑒于文章第一部分及最后一部分對于用戶分享率的顯著影響，相關機構在設計在線內容的時候可以考慮在文章開頭及結尾部分增加更多能激發用戶轉發分享的元素。

最后，本研究從是否同省、距離以及省份人均GDP的角度拒絕了在線內容分享者與接收者之間地理位置差異與接收用戶對在線文章內容轉發概率的關系。同時，由統計結果可知，雖然社交網絡平臺打破了信息流轉的地理距離壁壘，然而信息的流轉依然大部分發生同省（用戶與上一層用戶是否同省的均值為0.68，即同省信息流轉占比約68%）。因此，為了最大化地域覆蓋，相關機構對于諸如品牌推廣、商品推廣等在線內容在熟人社交網絡平臺投放時，可以考慮從更多地域尋找名人用戶轉發分享。

參考文獻：

[1] ARAUJO T， NEIJENS P， VLIEGENTHART R. What motivates consumers to re-tweet brand content： The impact of information， emotion， and traceability on pass-along behavior[J]. Journal of Advertising Research， 2015， 55（3）： 284-295.

[2] BERGER J， MILKMAN K L. What makes online content ciral？[J]. Journal of Marketing Research， 2012， 49（2）： 192-205.

[3] DOBELE A， LINDGREEN A， BEVERLAND M， et al. Why pass on viral messages？ Because they connect emotionally[J]. Business Horizons， 2007， 50（4）， 291-304.

[4] HO J Y C， DEMPSEY M. Viral marketing： Motivations to forward online content[J]. Journal of Business Research， 2010， 63（9/10）： 1000-1006.

[5] JURVETSON S. What exactly is viral marketing. Red Herring， 2000（78）： 110-112. Retrieved from http：//sites.google.com/site/kehowells/viral-marketing.pdf

[6] KNOSSENBURG Y， NOGUEIRA R， CHIMENTI P. Contagious content： Viral video ads identification of content characteristics that help online video advertisements go viral[J]. Revista Brasileira de Marketing， 2016， 15（4）： 448-458.

[7] LOVETT M J， PERES R， SHACHAR R. On brands and word of mouth[J]. Journal of marketing research， 2013， 50（4）： 427-444.

[8] RENARD D， DARPY D. What makes online promotional games go viral？： Comparing the impact of player skills versus incentive rewards on game recommendation[J]. Journal of Advertising Research， 2017， 57（2）： 173-181.

[9] YUKI T. What makes brands′ social content shareable on facebook？[J]. Journal of Advertising Research， 2015， 55（4）： 458-470.

[10] 梁俏，羅繼鋒，吳志艷. 在線醫療中醫生努力與聲譽對新增患者數的影響研究[J].中國衛生政策研究，2017，10（10）：63-71.

[11] 武文穎，李丹珉，洪曉楠.學術期刊微信推送文章傳播效果影響因素研究[J].中國科技期刊研究，2017，28（4）：326-331.

[12] 彭晨明，張莎，趙紅.如何讓你的微信帖子更受歡迎？——基于知名品牌微信運營數據的實證研究[J].管理評論，2016，28（12）：176-186.

[13] 張夕漢.如何刷爆朋友圈？——微信公眾號文章標題編輯研究[J].現代經濟信息，2016（23）：401-402.

[14] 陳成.微信公眾號文章的傳播方式與效果研究[J].新聞研究導刊，2016， 7（20）：285.

[15] 方婧，陸偉.微信公眾號信息傳播熱度的影響因素實證研究[J].情報雜志，2016，35（2）：157-162.

[16] 國家統計局城市社會經濟調查司.中國城市統計年鑒2016[M]. 北京： 中國統計出版社， 2015.

[17] 騰訊企鵝智酷.2017用戶&生態研究報告[R]. 2017.

[18] 微信.2017微信數據報告[R]. 2017.

[19] 騰訊.騰訊2017年Q3財報[R]. 2017.

[20] 北京天特信科技有限公司.全球 IPv4 地址歸屬地數據庫[Z]. 2017.