基于互動行為的企業微博傳播效果評價與分析

席運江 鄧雨珊 廖曉 謝正霞

關鍵詞：用戶交互;互動行為;傳播效果;評價;話題分析;用戶聚類;企業微博;華為手機

微博擁有龐大的用戶群體和快速擴散的病毒式傳播效應，已經成為連接品牌與消費者的渠道之一，是企業開展營銷活動的重要陣地。在企業微博運營過程中，合理并有效地評價微博的傳播效果，可以幫助企業制定合理的運營策略，維護企業的品牌和用戶資產，對于指導企業的營銷實踐具有較強應用價值。

當前傳播效果評價中，由于缺乏合理、可行的方法，企業在很多情況下，只是通過一些簡單的數據來進行評價，例如評論數、轉發數、點贊數、閱讀量等?？梢钥闯?，上述評價方法較為簡單，很難深入、全面地反映企業微博的傳播效果。此外，由于受到水軍、僵尸粉等無效用戶團體的影響，評價的結果也經常受到扭曲，出現虛假熱度的現象。

針對上述問題，本文從微博與用戶之間的交互行為人手，在交互強度的基礎上.提出用戶交互影響度計算方法，該方法可有效消除虛假交互數據的影響。接著，引入話題傳播深度和用戶傳播貢獻度等概念，構建了一套較為完整的企業微博傳播效果評價體系，幫助企業進行微博話題傳播效果的分析和用戶群體特征的挖掘。

1文獻綜述

1.1傳播效果概念及評價方法

傳播效果是一個比較抽象的概念，根據媒介方式的不同其定義也不同。廣義的傳播效果是指當受眾接收到信息之后，其態度、行為等方面發生的變化;從狹義上來說，傳播效果是指傳播者在信息傳播過程中其根本目的或意圖得到了多大程度的體現。盡管不同的學者對傳播效果概念的定義有一定差異，但一般認為信息的傳播效果是指傳播者的行為和傳播內容對受眾的認知、情感和行為產生的影響。關于傳播效果評價的相關研究，大致可以分為以下兩種。

1）基于信息接收者主觀角度的傳播效果評價。這種方法通常是在相關理論的基礎上，設計相應評價指標，以訪談或問卷調查的形式獲取用戶對于信息傳播效果的感知評價，了解用戶行為變化的情況進而得到有效的傳播效果評估體系。學者們根據社交媒體、信息種類的不同，分別選取不同角度進行傳播效果的評價研究。

例如，在對政務信息的傳播效果評價中，閆奕文等以政務微信公眾號為研究對象，根據信息傳播效果的階梯模式理論，遵循“認知一情感一行為”的邏輯順序，選取用戶認知、態度和行為等5個維度的指標來衡量傳播效果。通過對回收的問卷進行分析，發現其所選取的指標有效，其評價結果反映了政務微信信息實際的傳播效果。陳然對政務社交媒體的危機傳播效果進行了研究，從傳播過程的關鍵要素人手，以傳播目的為導向構建危機傳播效果評價指標，并運用層次分析法確定相應指標的權重值。在對微博輿情的傳播效果進行評價中，劉健等基于拉斯韋爾模式理論及傳播效果的階梯模式理論構建了微博輿情傳播效果評價指標，利用數據包絡分析法進行指標篩選，并以新浪微博用戶為實證樣本對指標體系進行了驗證。

2）基于客觀指標量化的傳播效果評價。主觀評價受被調查者個人的知識水平、主觀態度影響，易造成評價效果的不準確。在互聯網信息傳播的過程中，一些研究者以信息的傳播規模、覆蓋人數、傳播速度等客觀指標來衡量傳播效果。

對微博來說，轉發被視為微博傳播效果最直接的體現。因此很多研究者選擇利用轉發規模來評價微博信息的傳播效果。學者們探討了影響微博轉發的因素。Sub B等發現推文內容中的超鏈接、標簽以及博主的關注數、粉絲數量等都會影響轉發數據。郭亞等發現博主粉絲數、用戶自身興趣以及微博的熱度會影響用戶的轉發行為。在評價方法上，隨著機器學習技術的發展，越來越多的研究開始聚焦于轉發預測。如徐月梅等考慮轉發者個體差異的不足，利用邏輯回歸算法預測微博的轉發量，進而發現熱點傳播話題。

由于主觀評價易受到被訪問者個人因素影響，造成評價結果的不穩定，故本文選擇使用客觀指標對傳播效果進行量化研究。另外，從已有研究可知.現有的效果評價方法大多是對傳播相關數據進行簡單的加工、處理、分析，例如覆蓋人數、轉發規模等，其中尤其重視覆蓋人數的影響。這些指標很難進行較深入的傳播效果評價分析，且容易受到虛假傳播數據的影響。

1.2微博影響力評價方法

微博影響力與微博的傳播效果息息相關.二者都體現在用戶行為的受影響程度上，二者之間的區別是：前者是一種能力.后者則是一種已經實現的結果。微博影響力評價方法，在一定程度上可以為微博傳播效果評價提供借鑒。

宏觀上，微博影響力體現為微博內容在傳播過程中對社會生態等產生的影響：微觀層面，微博影響力則是指微博信息通過用戶社交關系網絡傳遞后，對用戶的認知、行為產生的改變。在信息傳播的過程當中，有些用戶明顯比其他用戶更有影響力。因此，也有學者將微博影響力定義為用戶影響力。

現有關于微博影響力的研究聚焦于微博用戶的行為。Ye S等使用用戶的粉絲數量、評論回復和轉發影響3個方面來測量微博影響力。姚茜等認為企業擁有的粉絲數是企業開展微博營銷的基礎，轉發是決定微博影響力是否發揮的關鍵，因而使用關注數、轉發數來評價微博影響力。

微博是一個復雜的網絡結構.因此在學術研究中，社會網絡分析、圖論等方法常被利用來衡量微博的影響力。封紅旗等通過構建政務微博的復雜網絡，將該網絡中每一個用戶節點的粉絲數、評論數、轉發數，根據一定的權重相加計算用戶個人影響力。朱文俊等使用圖論相關理論建模分析，以關注度和被轉發量來衡量微博的影響力，其中關注度以其瀏覽量來表示。也有學者創新性地將學術成果影響力的評價方法應用到微博影響力的評價中。如周志鋒等使用h指數分析圖書館微博的影響力。王林等使用p指數評價旅游類微博的傳播力。方興林則探討了學術跡應用于微博影響力評價的可行性。

隨著微博營銷價值的不斷凸顯.市場上也出現了專為企業提供微博及其他媒介平臺的傳播效果分析的數據服務產品，企業通過購買相關的服務以獲知推介活動的傳播效果。但這些產品也存在著不足。首先，評價指標單一，多數產品僅統計微博信息的轉發數量或轉發層級，忽略了微博的評論量、瀏覽量等。其次，簡單數據匯總無法消除網絡水軍和僵尸粉造成的影響。最后，目前的產品注重刻畫單條微博的傳播效果，缺乏對微博話題的整體效應的考慮，評價的角度不夠全面。

綜上所述，微博的傳播效果體現在其對用戶行為的影響上。因此，本文通過對微博上用戶互動行為進行建模，提出用戶交互影響度衡量微博的實際傳播效果，并進一步從話題和用戶層面對微博的傳播效果進行深入的挖掘與分析，得到一個較為完整的企業微博傳播效果評價方法框架。

2用戶交互影響度算法

2.1用戶互動網絡

微博中存在著各種復雜的聯系，企業在微博上以發布微博信息、創建微博話題的形式與用戶進行互動。為了準確刻畫微博話題、博文、用戶和行為之間的復雜關系，本文使用超網絡模型進行建模，定義為用戶互動網絡，如圖1所示。其中，表示微博所隸屬的話題，用表示微博話題與博文之間的隸屬關系：

因為用戶參與微博的互動形式不止一種，互動的頻次也不固定，為了準確衡量微博的傳播效果，本文提出了用戶交互影響度的概念，用于表示微博博文內容對用戶交互行為的影響程度。

2.2單條微博的交互影響度算法

2.2.1交互強度

用戶與微博之間的互動行為包括轉發、評論和點贊的形式，三者反映了用戶與微博的交互強度，如圖2所示。

從表1可以看出，在微博傳播的過程中，轉發行為處于比較重要的地位，因為其擴大了信息傳播的覆蓋面，引起了更多用戶的注意。評論相比點贊，需要花費用戶更多的精力去參與，因此其權重大于點贊行為。因此，得到的權重值符合常識情況。

2.2.2交互影響度算法

若僅以交互強度來衡量微博的傳播效果，那么受網絡水軍影響的微博.其交互強度將遠遠大于其他正常的微博。如果不加以處理，就會產生虛假熱度現象，造成評價效果的不準確。

因此，本文對交互強度作進一步優化，使用反正切函數對其進行處理，提出交互影響度的概念，在一定程度上削弱水軍及僵尸粉等產生的虛假交互數據的影響，保證結果的可靠性。其計算方法見式（4）。

2.2.3算法合理性評價

接著，對上述函數的合理性進行評價，繪制交互影響度曲線.如圖3所示，發現其具有以下特點：

1）單條微博的交互影響度只與參與互動的用戶數有關，當參與互動的用戶數為0時，其交互影響度同樣為0。

2）影響度函數應單調上升且有上界，即具備收斂性，當用戶交互行為次數趨于無窮大時，其交互影響度趨向于1。

3）微博對單個用戶產生的影響效果受其行為強度的影響，且對不同的用戶而言，其交互影響度隨其參與程度的變化出現顯著差異。

4）函數趨勢不存在類似于“梯度消失”現象，具有較為寬闊的興奮邊界。

上述收斂度算法符合前文定義的交互影響度的特點及實際情況，同時，從圖3可以看出，本文提出的交互影響度能有效消除互動數較少（甚至為0）的僵尸粉的影響.使其對交互影響度的計算結果影響大大減少（甚至為0）。

2.2.4單條微博的用戶交互影響度計算

本文假設用戶在接收信息后產生的行為是獨立的，不考慮用戶之間的影響。因此，單條微博的交互影響度，等于參與其互動的所有用戶的交互影響度之和，設單條微博中參與互動的用戶總數為則單條微博的交互影響度如式（5）。

從式（5）可知，由于每個用戶對影響度的貢獻都有一個不超過1的上限，所以對于頻繁互動的水軍帳號而言，極大降低了其對傳播效果的影響，從而使計算結果比較真實、準確。

2.3多條相關微博的交互影響度匯總算法

2.3.1基于話題層面的影響度匯總算法

基于話題層面進行匯總交互影響度，可以得到話題的整體傳播效果，反映話題在粉絲用戶中的影響力。

2.3.2基于用戶層面的影響度匯總算法

基于用戶層面進行匯總交互影響度.可以得到用戶對整個企業微博互動的參與度，反映粉絲用戶參與企業微博互動的程度，有利于企業進一步分析其粉絲群體特征。

3基于交互影響度的企業微博傳播效果評價方法

在交互影響度算法的基礎上.本文進一步從話題的宏觀層面及用戶的微觀層面兩個角度，對企業微博傳播效果進行較為全面的評價。

3.1話題傳播效果評價

在話題層面，引入傳播深度、傳播廣度、傳播速率和傳播效率的概念，從傳播過程中的信息傳播的范圍以及發揮的效用等方面對企業微博話題的傳播效果進行全面評價。

3.1.1傳播深度

本文將單條微博的傳播深度定義為該微博在傳播過程中對參與互動的用戶的平均影響強度.如式（8）所示。

根據微博博文與話題間的隸屬關系，進而得到微博話題的傳播深度。

傳播深度體現了微博內容對單個用戶交互行為的影響程度，通過傳播深度可以看到微博傳播效果在個體之間的差異性。

3.1.2傳播廣度

單條微博的傳播廣度是指參與微博互動的用戶規模，參與互動的人數越多，傳播覆蓋面就越廣。因此本文將單條微博的傳播廣度定義為單條微博下參與互動的用戶總數，反映微博的傳播范圍。

在式（10）中，考慮到當微博的影響度較小時，其對參與互動的用戶影響程度有限，甚至可以忽略不計，故設置用于判斷單條微博的交互影響度。本文取每個微博話題影響度的眾數作為其對應的閾值，小于閾值的微博，其傳播廣度為0。

同樣，根據微博博文與話題間的隸屬關系，得到微博話題的傳播廣度，如式（11）。

3.1.3傳播速率

為了反映話題傳播的速度，本文引入傳播速率這一指標，加入了對時間因素的考慮。將其定義為微博話題在時間間隔t內產生的交互影響度。傳播速率越快，說明該信息引發的用戶響應就越快，就越能體現該話題的傳播質量。參照已有研究的思路.將時間間隔定義為微博話題發布后參與互動的節點之間的時間差總和。

3.1.4傳播效率

為了刻畫話題中每條信息具體效用價值的大小，本文引入傳播效率這一指標。將其定義為微博話題在傳播過程中平均每條信息產生的交互影響度，傳播效率越大說明該微博話題中每條信息產生的效用值就越大。可以衡量不同的微博話題傳播效果的差異性。

其中，M1表示該話題下的微博總數。

3.2用戶傳播貢獻度評價

在用戶層面，則引入用戶傳播貢獻度的概念，幫助企業更好地分析參與微博互動的用戶群體的特征。傳播貢獻度是指用戶在微博內容傳播過程中，擴大微博內容影響范圍及傳播效果的程度。式（7）計算得到了每個用戶的交互影響度，影響度越大，說明其在微博傳播過程中的貢獻度就越大，所以，本文定義每個用戶的交互影響度為其傳播貢獻度。

其中，g0為閾值，用于篩選出貢獻度較高的用戶。

4華為手機官方微博傳播效果分析

4.1數據獲取與預處理

本文使用八爪魚采集器，爬取“華為手機”官方微博2017-2018年間的發博數量共計2458條，剔除不含話題標識“#”的無效數據，得到2201條有效的微博數據和88個有效話題，包含發博時間、博文內容、博文鏈接等字段。

接著，對源數據進行預處理，包括新詞提取、分詞、去除停用詞等，接著利用TF-IDF算法提取關鍵詞、參考文獻，一般情況下，1條微博的內容用5個關鍵詞就可以概況.故本文取權重前5的詞語作為每條微博的關鍵詞。

4.2華為手機官方微博話題傳播效果評價

4.2.1高傳播深度話題分析

根據式（9）計算得到華為手機官方微博各話題的傳播深度.在此基礎上將2017-2018年期間所有話題傳播深度的均值x2作為閾值，z=0.129，大于這個閾值的微博話題即為高傳播深度的微博話題。為了詳細分析此類微博話題類型及內容的特點，選取高傳播深度的微博話題中權重值前5的關鍵詞作為該話題的特征詞，進一步挖掘此類話題的中心內容。

從表2可以發現，對用戶影響程度較大的話題多是圍繞華為手機當季熱售或者新發布產品的宣傳推廣、促銷和抽獎等活動，如話題50、1、12、78、69等。從關鍵詞可以看出，華為手機在注重對產品特點宣傳的同時，借助代言人帶來的明星效應，以提高微博話題的傳播效果。此外，華為手機還根據節日和網絡熱點發布相關話題，如話題61、74、66等。說明其在一定程度上抓住了用戶討論熱點，從而達到了較高的傳播深度。

4.2.2高傳播廣度話題分析

根據式（11）計算得到華為手機官方微博各話題的傳播廣度后，將2017-2018年期間所有話題的傳播廣度的均值z作為閾值，z=653 070.75，得到高傳播廣度的微博話題，并進一步挖掘話題特征。

從表3可以看到，參與互動的用戶規模最大的話題為話題13，因其內容與日常生活較為貼近，涵蓋的內容也最為廣泛。其余話題均與華為手機產品相關.說明華為手機產品在用戶群體中的擁護度較高，也從側面反映了當前華為手機各種型號產品中的主力機型分別是“P系列”“Mate系列”和“N0.va系列”。

在對高傳播深度和高傳播廣度話題分析的過程.可以發現兩類話題的內容均與華為手機的品牌運營、產品營銷相關，說明本文提出的評價方法在一定程度上有效削弱網絡水軍和僵尸粉的影響，消除了虛假熱度的現象，較為真實地反映了華為手機官方微博的傳播效果。

4.2.3微博話題傳播效果綜合評價

將話題的傳播速率與傳播效率作為綜合度量指標，對話題進行聚類分析，得到對話題綜合傳播效果的評價。將傳播速率、傳播效率進行標準化處理后，使用K-means聚類方法，通過對比不同類簇的輪廓系數及實際情況，確定類別的個數為4，各類話題的傳播速率和傳播效率均值如表4所示。高傳播速率意味著微博話題能夠在短時間內引起用戶的關注與參與，而高傳播效率的話題代表著話題給用戶帶來的效用價值大，能夠引起用戶較高的共鳴度與參與積極性。結合圖4的詞云圖，進一步分析。

綜合傳播效果最差的第1類話題是公共關系型微博話題。該類話題共有69個，側重對華為品牌形象和特點的宣傳，其傳播效率及傳播速率均處于較低水平，說明這部分微博內容質量一般.缺乏亮點，表述略偏生硬，難以引起用戶的參與互動的積極性，有待進一步改進。

第2類與第3類微博話題中，側重宣傳產品名稱、產品屬性和賣點，因此將其命名為廣告類型微博。這兩類微博話題的傳播速率相近，說明廣告型微博話題能在短時間內吸引用戶的注意力。但第2類微博話題的傳播效率明顯較好.發現二者關鍵詞側重點不同.第2類話題重在宣傳產品的特點，如“相思紅”“自拍”“霸屏”等，以更通俗的語言描述產品賣點，抓住消費者的眼球，吸引消費者購買.而第3類話題側重對產品參數的具體描述，相比第2類話題，其用詞則顯得較為正式，難以喚起消費者的互動欲望。因此，華為手機在宣傳產品廣告時，應注意用詞和表達方式，給產品打上生動的“標簽”，形成記憶點，吸引用戶參與互動，進而促使消費者購買產品。

傳播速率最高的第4類微博話題，宣傳了當前的技術前沿動態，因此將其命名為技術推廣型微博，這一類型的微博傳播效率最低，因為技術的變革對消費者的感知程度還較小，此類微博更具專業性，對普通用戶來說效用價值較小。此類傳播速率處于最高值，說明了用戶對于人工智能技術應用在手機產品上的期待，AI技術的發展備受矚目。

4.3華為手機官方微博用戶特征挖掘及分析

微博粉絲是企業微博品牌和核心資產之一，是企業開展微博營銷的基礎。用戶群體的反饋對于做好企業微博運營十分重要。通過對用戶特征進行挖掘與分析，有利于企業根據用戶類型開展個性化的精準營銷和針對性的微博發布策略。

4.3.1基于傳播貢獻度的用戶聚類

根據3.2節中對用戶傳播貢獻度的定義，根據文獻[32]，選擇傳播貢獻度排名前20%的用戶作為高傳播貢獻度的用戶.最終得到的有效用戶數據有57590條。根據這部分用戶的屬性，也就是其粉絲數、關注數、微博數為聚類的變量對其進行聚類分析，挖掘高傳播貢獻度用戶群體的特征。

由于不同用戶屬性值的差異較大，為了保證聚類結果的可靠性，在聚類之前，本文先對3個屬性數據作Z-score標準化處理。接著使用歐幾里得距離，即式（15）計算用戶相似度，其中，x為初始簇中的第i個對象，而u表示該簇中確定的初始質心。

最后，使用K-means算法進行用戶聚類，發現當類簇為3時，輪廓系數最高，為0.8067。因此，本文最終將k值定為3，由此得到的聚類結果如圖5所示，具體屬性值如表5所示。

4.3.2用戶特征分析

結合用戶屬性及其互動行為特征，將華為手機官方粉絲群體分為忠誠型、優質型和造勢型3類，根據用戶數的分布，發現其呈金字塔結構，如圖6所示。

1）忠誠型傳播用戶

從表5可以看出，第1類用戶即忠誠型傳播用戶的用戶數為3類之最.是參與企業微博互動的主力軍。這類用戶的關注數、粉絲數較小，號召力一般，代表了網絡上絕大部分的普通用戶。企業需要重點關注這一類型的用戶，并進一步根據所需將其細分，發掘用戶興趣，發布針對性的營銷內容，提高這部分用戶的活躍度，激發他們的傳播潛力。

2）優質型傳播用戶

第2類團的平均傳播貢獻度最高，達3.565，是企業微博的“鐵粉”。自身具有較高的人氣值和號召力，其平均粉絲數超過1萬;同時，其微博發布數量也為3類用戶中最高，說明此類用戶常參與熱點話題討論和轉發，喜好發表個人觀點，具有引導話題走向的能力。因此，企業可以在產品上市、活動推廣的初期，借助這類用戶的優質傳播能力，打造品牌形象，塑造產品口碑。

3）造勢型傳播用戶

第3類用戶具有龐大的粉絲數量，遠大于其他兩類用戶，但其傳播貢獻度卻是3類用戶群體中最低的。同時，這一類型的用戶數量也是最少的，說明造勢型用戶較少出現在微博話題傳播的過程中。

對這一類用戶中的13個用戶具體研究發現，這13個微博賬號可以分為兩類：一是與華為手機官方微博相關的賬號，包括華為消費者業務CEO的個人微博及華為集團旗下其他產品線的官方微博;二是華為官方微博營銷矩陣之外的TT、攝影等領域的自媒體博主。事實上，在企業發布新產品時，如何在產品推廣的冷啟動階段，快速吸引公眾視線，增加信息曝光率十分重要。在這一階段，就需要這部分用戶為華為手機微博營銷進行造勢，快速在用戶群體中引發討論熱度。因此，企業微博在話題活動策劃中可以考慮與這些用戶進行聯動.更好地利用其龐大的粉絲群體為微博話題傳播提供強大助力。

從上述用戶特征分析的結果也可以看出，本文提出的評價方法能夠較好地識別出企業的忠誠用戶和優質用戶，消除了水軍和僵尸粉等無效用戶的干擾.為幫助企業挖掘其微博傳播過程中核心用戶群體提供參考性的意見。

5結論

本文的貢獻在于從用戶的互動行為出發.提出用戶交互影響度算法，在一定程度上解決了傳播效果評價中存在虛假熱度的問題.反映了企業微博傳播的真實效果。在此基礎上，構建了一個較為完善、可行的企業微博傳播效果的評價框架，挖掘企業話題和用戶的特征，為企業生產高質量的微博運營內容、制定高效的傳播策略、做好粉絲資產維護等提供參考和建議，有利于提高品牌信息的傳播效率，增強用戶互動積極性。

未來研究可以考慮加入更多用戶行為特征數據，如結合用戶發布的評論文本的態度傾向等;此外.在分析話題傳播效果時.還可以考慮微博話題時間特征及動態變化;在分析用戶特征時，深入挖掘用戶的討論重點。