MCN模式下的新媒體賬號評價方法探究

劉帥軍 劉雨絲

摘 要 在廣電總局強調加強網絡視聽文藝節目及人員管理、抵制“流量至上”的背景下，新媒體賬號評價方法順應MCN模式的發展需要，側重發掘新興創作者，摒棄純流量指標，其FLV綜合指數模型由發布頻率、單篇點贊數和單篇播放數構成，并最終將賬號細分多子類加以診斷。采用下一年度數據進行驗證，結果表明該評估方法對于發掘新興賬號有一定的參考價值，一定程度上證實單篇點贊數是運營關鍵指標之一，并提出了定量與定性結合的改進思路。

關鍵詞 媒體融合；MCN評價指標；正態分布

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2021）19-0020-03

1 研究背景

作為內容產業的新興鏈路，中國MCN機構自2017年出現了爆發式增長。MCN是基于內容行業、專注于以內容生產和運營為基礎的不同業務形態的組織機構，讓創作者、作品、品牌之間相互賦能，業態包括經紀、電商、知識付費、版權授權、廣告等。當前互聯網平臺評價機制弊端日益顯現，單純依托點擊數、銷售量等指標進行榜單排序，致使一些公司為了獲得更高曝光度進行的“刷量”，甚至被視為一種營銷手段。評價標準單一、虛假流量催生了市場泡沫，推高了MCN機構的簽約成本和風險。

數字化技術擴大了媒體的空間場景和使用時長，然而媒體業是深受內容驅動的，創作者依舊是核心卡點。相比千萬級粉絲的頭部網紅，粉絲數尚在上千至百萬量級的創作者在互動率、用戶特征重疊度方面具備特定優勢。為此，當下互聯網放寬了對MCN的門檻限制，注重對創作者的培育和激勵，例如視頻網站bilibili的MCN入駐條件是up主（創作者）最低數量僅為2個。

本文探討的評價方法的目標是發掘潛在的頭部KOL（關鍵意見領袖），搭建創作者發掘體系，以期提高內容產品的社會影響力和商業價值。

2 評價指標的確定

本文的數據提取了2019年bilibili網站科技區（科學科普、科技人文、機械、汽車、野生技術協會、星海）共34 244條視頻，包含播放、彈幕、收藏、點贊、分享、投幣、評論等指標[1]。

2.1 內容創作的穩定性

MCN模式源于國外成熟的網紅經濟運作，將PGC（專業機構創作內容）、UGC（用戶驅動內容）內容聯合起來，依托媒介資源和運營經驗，保障內容的持續輸出，助力于品牌曝光和銷售轉化。量與質是一種辯證關系，穩定的內容輸出是留住用戶、產生“爆款”的前提，一定周期內的發布頻率便是為了衡量內容生產的穩定性。

公式“發布頻率=作品數/發布日期間隔天數”

得出的結果進行標準化，最大得分為1.0，最低得分為0。

2.2 運營關鍵指標挖掘

吸引粉絲、沉淀粉絲、將粉絲的注意力價值轉化為社會價值，是新媒體賬號運營的三個關鍵環節，互聯網平臺的用戶行為數據可以反映出粉絲沉淀情況、用戶付費意愿，比如簽到、點贊、收藏、分享、打賞等。

評估體系指標過多有如下缺點，各指標之間可能存在高關聯性而導致指標冗余，在實際運營中需要較高的算力成本、降低了數據管理的響應速度，不便于把握住關鍵變量、缺乏足夠的參考價值等?？紤]到互聯網原始數據不符合線性分布，本文通過Spearman系數分析指標間相關性，以便去掉相關性高的指標，降低變量間的多重共線性，結果發現點贊數與投幣數、收藏數的相關性都在0.77以上，與分享數的相關性也在0.7以上，表明點贊數是衡量用戶行為具有代表性的指標，因此采用點贊數評估粉絲沉淀情況。此外，點贊數與播放數的Spearman相關系數為0.678，而且播放數是流量指標，因此播放數指標保留。

3 評價方法的分析過程

3.1 數據統計分析

根據測算，計算加總結果、忽略發布頻次的算法，更偏向于成熟創作者，也容易產生數據作假、行業被流量裹挾等問題，因此點贊數指標平均到了每次發布的統計值，此方法符合鼓勵精品創作和挖掘新創作者的需要，也是新媒體行業科學考核的一種探索。

本文基于數據的統計分布情況制定出目標值。分析bilibili網站“科學科普”這一分區2019年中發布條數大于5條的178位作者的點贊數據，看出創作者單篇點贊數分布符合“二八定律”，即占比重絕大多數的非頭部創作者的單篇點贊數在5萬以下，而對數化之后的圖形基本符合正態分布特征。

單篇點贊數目標值=單篇點贊數平均值+3*單篇點贊數標準差

目標值如采用最大值，則可能受到異常值的干擾。根據統計學正態分布，單篇點贊數平均值正負三個標準差的范圍，是可以將99.7%的個案涵蓋在內的[2]，根據上述公式得到的目標值，將結果對數化的數據還原可知，“科學科普”分區創作者平均單篇點贊數的目標值為13萬。使用同樣方法，測算出“科學科普”分區創作者平均單篇播放數的目標值為158.6萬。

根據“發布頻率”“單篇點贊數”“單篇播放數”三項指標進行標準化，進而得出綜合指數。

除了綜合指數外，三項指標從三個不同維度評估了新媒體賬號，“發布頻率”表示活躍度情況；“單篇點贊數”表示內容質量，MCN機構可以將用戶高度認可的內容打造為商業IP，將用戶對創作者的喜愛轉化為對品牌方的信任；“單篇播放數”表示流量價值，便于MCN機構結合內容細分、用戶特征與廣告主需求進行匹配。新媒體賬號是否高于該指標平均水平，可劃分為8種情況進行診斷，見表1。

3.2 內容創作者與細分領域的匹配

MCN機構為內容生產達人、網絡主播等提供平臺支持，其孵化的過程是將互聯網的UGC（用戶驅動內容）培育為PGC（專業機構創作內容），方法包括廣撒網式拉新、多領域覆蓋、跨平臺合作，在運營實踐中發掘、培育KOL（關鍵意見領袖），拓展變現能力強的業務模式。

新媒體賬號粉絲數停滯的原因可能在于內容聚焦的領域尚在小眾階段、沒有找準創作者個體特征與用戶情感需求相吻合的人設，MCN機構應當通過精細化運營的方法，鼓勵內容創作者在特定細分領域中進行多樣化嘗試、助其探索出當前階段最適合的領域。

本文比較2019年B站科技區6個分區（科學科普、科技人文、機械、汽車、野生技術協會、星海）綜合指數得分前15名創作者，發現僅有5名創作者（臥龍寺、思維實驗室、-LKs-、小央視頻、央視新聞）在多個分區中入榜，數量較少。該分析結果不是很理想，主要是原有網站的分區寬泛，實際運營上需要將標簽進行細分和梳理。

3.3 數據驗證

本文通過跟蹤賬號在下一年度（即2020年）的數據表現，來驗證方法的合理性。

科學科普分區綜合指數前15位創作者當中（表 2），發現6位在一個月內發布多篇作品的創作者。通過檢索這些新創作者2020年的作品情況，發現其中3位在2020年已停止更新，這些號的共同特征是單篇點贊數在5 000以下；另外3位則持續更新，其中單篇點贊數9 000以上的兩位創作者的粉絲數均突破了30萬，其中“無窮小亮的科普日?！币呀洺蔀榉劢z數200萬以上的科普作家，而“視光醫生馬老師”是這些新創作者中單篇點贊數、單篇播放數兩項表現最好的，粉絲數卻止步于30萬，最主要原因是其內容限制在視力問題，領域較窄。

綜上可以初步得出，該評估方法對于發掘新興明星賬號有一定參考價值，一定程度上證實了單篇點贊數是新媒體賬號運營關鍵指標之一，能夠反應內容質量、粉絲沉淀情況，是衡量能否長期運營、實現粉絲數突破的特征性指標。此外，除了量化的綜合指數，創作者細分領域市場潛力的定性研究是預測賬號用戶數量級的必要方法。

參考文獻

[1]遠辰.我用加強版RFM模型輕松扒出B站優質up主[EB/ OL].[2020-05-24].https：//mp.weixin.qq.com/s/0p_ FYefGm3M0l8n3jSYAEA.

[2]詹姆斯·麥克拉夫.商務與經濟統計學[M].北京：中國人民大學出版社，2015：151-162.