基于彈幕的參與式網站用戶交互體驗研究

楊倩 刁雅靜 李家明 葛世倫

江蘇科技大學經濟管理學院 鎮江 212100

1 引言

隨著網絡技術的不斷發展，面對面的信息交互逐漸被以計算機為媒介的社會交互（social interaction）所取代。一對多的在線交互成為人們的日常，優酷和嗶哩嗶哩（Bilibili，以下簡稱“B站”）等參與式網站的出現成為備受人們喜愛的交互形式。雖然此類參與式網站的在線交互提高了信息傳遞和交流的效率，但如何為這種在線交互營造“社交情境”，最大程度地提升用戶的感知和體驗成為信息系統領域研究的熱點問題。在國內，彈幕（Danmaku）較早出現在知名參與式網站嗶哩嗶哩。它屬于新興的用戶評論，區別于傳統評論和發帖的形式，其實時性、參與性和互動性特征滿足了大眾的社交需求，觀看者可以對每一幀視頻內容進行評價并及時呈現。用戶采用彈幕進行交互增強了“圍觀”體驗，使得觀看者與其他用戶產生“共鳴”。目前對于參與式網站交互體驗的研究，主要采用問卷調查[1-3]和行為實驗[4-6]的方法，在研究主題方面，針對虛擬社區[7-9]和購物網站[10-12]的信息交互研究居多。筆者嘗試對彈幕短視頻的用戶交互體驗進行研究，以B站短視頻彈幕數據為樣本對象。本研究旨在拓展數據驅動的用戶體驗的相關理論，為促進參與式網站短視頻傳播與治理提供啟示和參考。

2 國內外研究綜述

2.1 參與式網站中的用戶體驗研究

參與式網站是一類以計算機為媒介的通訊系統，這類系統可以將不同來源作者的消息混合呈現于同一頁面，例如在線視頻網站中網站發布視頻，用戶貢獻視頻中的彈幕[13]。人與機器的交互形式從人機交互（Human-Computer Interaction，HCI），到人信息交互（Human-Information Interaction，HII），再到今天的社會交互，交互內涵從關注界面優化，到關注內容關聯以及內容關聯的不斷放大[14]。參與式網站的用戶體驗明顯區別于一般網站的用戶體驗，與在線游戲等多人互動平臺也存在差異。參與式網站用戶不僅能夠和視頻內容互動，還能夠和其他用戶進行“擬同步”交互。彈幕交互將每個視頻都變成了用戶互動和社交的獨立空間，為用戶提供了與以往不同的觀看體驗。而已有的關于網站用戶體驗的研究側重于系統設計[15]、界面設計[16]及人工智能[17]等關鍵技術的用戶體驗等方面，已有學者開始從互動視角關注感知愉悅和感知風險對交互效果的影響[18-21]，試圖找到在線交互中滿足用戶感知與體驗的最佳策略。有些學者[22-24]研究彈幕交互與用戶情感情緒之間的關系；也有些學者[25-27]研究評論互動與消費者感知因素之間的關系。

2.2 參與式網站用戶體驗的度量方法

對用戶體驗的研究已經產生大量的用戶體驗模型和框架，這些模型主要運用自然觀察法、焦點團體訪談、問卷調查等方法，研究結論適用于具體的應用領域。基于互動視角的體驗研究具有場景依賴性，不同領域差異較大。S. Mahlke[28]認為用戶體驗評價因素應該包含認知線索相關的認知因素和與情感線索相關的情感因素。諾曼[29]指出完整的用戶體驗會超出用戶對產品本身的體驗，它包含用戶與產品及產品提供者之間互動的所有層面。V. Roto[30]認為單次的用戶體驗主要受用戶特性、系統特性以及使用場景的影響，其中的用戶特性包括用戶使用產品時的情緒狀態和生理狀態等。根據用戶體驗中實用性與情感性成分的差異，用戶交互體驗可以被細分為功能性體驗和情感性體驗兩種類型。S. Rose等[31]提出在線消費者的用戶體驗可以分為認知性體驗和情感性體驗。

本文所指的“用戶體驗”為用戶在使用產品或接觸產品的全部過程中，產生的功能性的認知共鳴和迭代更新的情感體驗，以及觀眾感覺到的多人在場的圍觀體驗。本文參與式網站的用戶體驗研究框架見圖1。參與式網站內容由所有者生成內容（即“up主”發布視頻），用戶生成內容（即觀看者發布彈幕）和聚合熱度指標（即用戶行為積累的信息內容，如視頻播放量和彈幕數量等）構成。筆者從用戶生成內容和聚合熱度指標兩部分內容入手，分別采用文本情感分析和相關性分析來探究參與式網站用戶體驗。

圖1 研究框架

3 數據來源

通過對B站短視頻彈幕數量統計排序發現，游戲類主題視頻的彈幕數量顯著多于其他類視頻，因此本文采用Python語言爬取B站中的“單機游戲”主題短視頻的彈幕熱度與內容信息，對彈幕熱度進行降序排列，爬取截至2019年5月8日前100名投稿視頻的基礎信息。與傳統的以電視劇、綜藝、體育等傳統視頻網站相比，B站中的投稿視頻的主要特征是快消費觀看。視頻創作者往往創作的視頻時長在20分鐘以下，甚至有十幾秒的短視頻，用戶在觀看數量巨大的視頻時，往往會很快就忘記之前看到過的內容，也導致了視頻留存在用戶記憶里的時長會比傳統視頻短，所以采取的爬取規則是抽取自視頻發布時間，20天的時長、有一定熱度的視頻的不重復彈幕數據（即彈幕數據里所有信息完全一致的會被篩選處理）為主，共獲取數據285 513條。筆者將選取6個視頻熱度指標對視頻基礎信息進行分析，6個指標分別是：①視頻標題，體現出該視頻的主題類型；②視頻創作者，是該視頻的拍攝者及上傳者；③播放量，即該視頻在該網站上的總播放數量；④彈幕數量，指該視頻在該網站截止爬取時間的彈幕總量；⑤傳統評論數量，指該視頻在截止爬取時間內視頻下方評論區的評論數量；⑥發布時間，指該視頻上傳到該網站的自然時間。視頻熱度信息和彈幕內容信息如表1和表2所示：

表1 視頻熱度指標相關信息

表2 彈幕內容相關信息

4 基于視頻熱度指標的數據分析

從表3可以看出用戶發布彈幕數量共1 009 463條，傳統評論數量共312 318條，彈幕的數量是傳統評論數量的3.3倍，每個視頻平均彈幕數量是10 094.63條，每個視頻平均傳統評論數量是3 123.18條，可以看出用戶發布彈幕的活躍度要大于傳統評論的活躍度；彈幕使用率（彈幕數量/視頻播放量）是0.96%，評論使用率（評論數量/視頻播放量）是0.30%，可以發現彈幕使用率遠高于評論使用率，說明多數用戶會選擇發彈幕。比較結果反映了能夠發布彈幕的參與式網站極大地提升了用戶的參與度，且更多用戶傾向于發表實時彈幕評論。

表3 數據統計表

4.1 彈幕與傳統評論的分布

在本研究中，彈幕是在視頻上方以滾動的形式出現的字幕，傳統評論指在視頻下方評論區所出現的對該視頻進行的評價。彈幕數量相對于傳統評論，數量區間跨越幅度比較大，數量上也是傳統彈幕的2-3倍，當視頻存在熱議點的時候，彈幕的參與效應會明顯比評論更強，充分體現了“吃瓜群眾”的圍觀體驗。圖2中藍色表示發布彈幕數量，桔色表示發表傳統評論數量。

圖2 彈幕與傳統評論的分布

4.2 彈幕數量與視頻播放量分布

按彈幕數量降序排列，對應的視頻播放量參差不齊。若將彈幕區分為高彈幕區和低彈幕區，圖3可以看出低彈幕區的高播放量峰值較少，而高彈幕區的播放量峰值較多。

圖3 視頻彈幕數量與播放量的對比

進一步對彈幕數據、傳統評論數量和播放量進行Spearman相關性分析，從表4可以得出視頻中的彈幕數量與評論數量正相關，傳統評論數量與播放量的相關系數為0.618，P值為0，顯著正相關。彈幕數量與播放量的相關性數為0.497，P值為0，顯著正相關。

表4 Spearman非參數相關性分析

以上對參與式網站的熱度指標數據分析可以看出，參與式網站增強了用戶參與互動的意愿，反映出視頻中彈幕交互增強了用戶的圍觀體驗。另一方面還可以看出視頻中的用戶參與互動的活躍度與用戶的視頻選擇行為具有顯著相關性。有的觀看者可能是為了看視頻中的彈幕而多次觀看該視頻，進一步印證了在人與計算機交互的社交互動階段用戶生成內容使得短視頻內容關聯放大，用戶體驗增值。

5 基于彈幕內容的數據分析

5.1 彈幕內容關鍵詞分析

通過對彈幕內容數據制作詞云，可以比較清晰地觀察用戶發布彈幕的基本特點。圖4顯示的是詞頻在前300名的彈幕詞匯，可以看出整體氛圍是比較正面的歡樂的，內容比較豐富且沒有規律，區別于傳統評論，發布彈幕更像是日常和他人的閑聊吐槽，具有聚眾性和隨意性比較強，更加能反映出用戶在觀影時的實時體驗。觀看視頻某一幀時，具有特征性的話語會讓觀眾記住并且發送彈幕，如視頻創作者在視頻里的語言引導，能起到引導人觀看情緒共鳴和積極互動的作用。彈幕詞云體現了視頻主題（如游戲、恐怖等和情感體驗（如喜歡、護體等）的特征。在短視頻中彈幕內容的發布對用戶體驗具有羊群效應。

圖4 彈幕數據詞云

5.2 彈幕內容情感分析

人們在表達對某件事情或事物的看法時，常會通過語句表達自己的情感和態度[32]。文本的情感分析是對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理的過程[33]。基于此，潛在的用戶就可以通過瀏覽這些帶有主觀色彩的評論來了解大眾輿論對于某一事件或產品的看法。同理，觀看視頻時彈幕的發送也體現了用戶當時的情感表達。筆者基于共同體驗理論[34]，從情感依賴分析、用戶彈幕貢獻度分析和文本情感特征分析3個方面展開研究用戶的體驗特征，依據共同體驗的3個維度——參與感、認知共享以及共鳴傳播，結合本文的研究內容以及參與式網站的實時性、參與性、互動性特征，筆者將共同體驗3個維度劃分為圍觀體驗、認知共享以及情感體驗，具體分析框架如圖5所示：

圖5 數據分析框架

5.2.1 情感依賴分析

每個人都會有自己偏好和興趣，且會對其產生一定的情感依賴，如種植物、養寵物、打球等，都屬于情感依賴行為，人們會從中獲取自己需要的情感和精神食糧。網絡時代人們的情感依賴出現了新的形式，如當主播、創作視頻等，由于他們的某些特點而讓自身產生認同和共鳴，通過觀看他們的直播或視頻，得到精神上的支持和滿足。本文通過對視頻創作者進行分類，統計出每個視頻創作者視頻產生的彈幕數量，彈幕數量側面反映了觀看者對視頻創作者的情感依賴程度。

從表5可以得到，播放量前5名的視頻其創作者分別是“老番茄”“敖廠長”“獨立菌兒”“EdmundDZhang”和“某幻君”；彈幕數量前5名的視頻其制作者分別是“滲透之C菌”“某幻君”“逍遙散人”“老番茄”和“敖廠長”；傳統評論數量前5名的視頻其制作者分別是“滲透之C菌”“敖廠長”“獨立菌二”“老番茄”和“某幻君”。根據B站的推送機制，即只要用戶的賬號關注了這名視頻創作者的賬號，其發布視頻的時候會自動第一時間推送到用戶的賬號上，所以本研究調查了這幾名視頻創作者的粉絲量。如表6所示，7個視頻創作者中有6個人的粉絲量都是超過200萬，還有一個名為“敖廠長”的粉絲量甚至多于500萬，證明在基礎粉絲量的前提下，粉絲效應對于視頻的傳播是有一定的幫助的，而且視頻中彈幕和傳統評論的人數也會比較多。但是也會有像“獨立菌兒”比較特殊的，雖然粉絲量沒有一般大牌視頻創作者多，但其投稿視頻也會產生較高的評論量。

表5 各類數量排行榜

表6 各視頻創作者粉絲數量

通過對單機游戲前100名視頻的創作者進行計數統計，生成圖6，從圖中可以知道100個視頻里的視頻創作者只有42個，其中3個視頻創作者發布了6個視頻。

圖6 視頻創作者視頻統計

按照粉絲數量降序排列，從圖7可以看出粉絲量多的視頻創作者所創作的視頻彈幕數量遠超于粉絲量少的，可以認為用戶對于視頻創作者是具有一定的情感依賴，在粉絲量較多的基礎上，視頻創作者投稿的視頻熱度更容易升高，彈幕也會隨之增多。綜上所述可以得出視頻觀看者對視頻創作者具有情感依賴，他們會通過發送彈幕來嘗試與視頻創作者進行間接交流。

圖7 視頻創作者視頻中的彈幕數量總和

5.2.2 用戶彈幕貢獻度分析

本文主要對彈幕內容數據中的觀看用戶id進行統計，以視頻標題為分類標準，分析用戶在視頻中的彈幕貢獻度。如圖8所示，以6個不同類型的視頻為例，對彈幕內容中的用戶id進行統計并以降序的形式可視化顯示，可以看出每個視頻用戶的參與度。

圖8 發送彈幕用戶的id統計

首先將視頻分類，再統計每個視頻中用戶參與次數最大值（即根據用戶id進行分類，統計他們在同一個視頻中發送的彈幕數量），最后統計視頻的彈幕數量，可見單個用戶彈幕的發送量最多為143條，最少為0條，具有明顯的差異性。同時我們的研究發現恐怖游戲類型的視頻彈幕數顯著高于其他類型視頻的彈幕數，而且還發現不同視頻創作者做恐怖游戲也一樣會引發彈幕熱議，用戶所發送的彈幕數量也相對比較高。

從表7可以看出，相對于普通游戲，恐怖類游戲中的生存、恐怖的氛圍很大程度上刺激了人的感覺，從而在其中得到快感。視頻創作者在創作這類視頻中再加上自己本身的一些節目效果，比如自己被嚇得大喊大叫，觀眾也會從中得到快樂，所以這一類視頻更容易讓觀眾產生情緒共鳴，進而使用彈幕的方式來參與討論。

表7 發送彈幕用戶id統計及視頻彈幕數量

5.2.3 彈幕文本情感分析

彈幕的即時性特征使得它成為表達觀看者瞬間情感體驗的有效方式。筆者采取基于情感詞典的情感分析法來對彈幕內容進行分析，具體步驟包括：①利用Jieba分詞庫對彈幕文本進行分詞處理，從100個視頻中抽取排名前40的視頻，統計其中的高頻次出現的次數；②引用鄭飏飏等[35]所構建的彈幕多維情感詞典為基礎進行情感分析。排名前20的詞匯詞頻如表8所示：

表8 高頻詞匯統計表

多數學者基于視頻的整個彈幕文本內容進行情感分析研究，而在本研究中排名前5的詞匯均是表達正面的從眾情緒，因此，本研究排除前5名高頻詞匯的正面情緒對文本情感分析的影響，以排名第六的“彈幕”為樣本做進一步分析。本文利用正則表達式提取含有“彈幕”兩字的所有彈幕文本，將文本轉為數字集合分類統計，將表達正面情緒彈幕標記為1，負面情緒彈幕標記為0，中立彈幕我們認為不反映情緒，它是對某一內容的認知共享，標記為空，疑問彈幕標記為2。引用鄭飏飏等[35]所構建的彈幕多維情感詞典為基礎進行情感分析；先提取彈幕中的情感詞并標注，識別其中的情感搭配，基于情感詞的語義加權計算彈幕情感值。

如表9所示，包含“彈幕”關鍵詞的出現數量為4 203次，占總彈幕數比例1.5%，在35個視頻里面出現，占總視頻數比例87.5%。表9可以得出包含“彈幕”這個關鍵詞的表達情緒的彈幕僅占27%，認知共享占62%，提問題的占11%。通過上面的情感分類計算規則進行計算，得到的情感分值為1 730，說明視頻中的彈幕是正面積極的情緒方向，如果排除 “認知共享”和“提出疑問”這兩類不包含情緒的彈幕信息，則視頻處于負面情緒的較多。

表9 關鍵詞“彈幕”分類統計分析

對于彈幕情緒分值為負的負面內容進一步分析。如圖9所示，研究發現這些負面彈幕多出現在一個標題里包含抑郁癥的視頻里，統計得出該視頻的正面情緒彈幕數量為52條，中立和疑問彈幕分別是16條和32條，而負面情緒的彈幕有447條，占情緒彈幕總比的68%，比重較大，通過計算這個視頻的情緒分值為-806，比前面35個視頻的總計分數還要低，可以看出這個視頻對分數影響較大，將其排除后僅計算其他34個視頻的彈幕情緒分數變為438分，情感呈正方向，視頻整體情感比較正面。

圖9 負面情緒部分彈幕內容

進一步分析包含“彈幕”一詞的中立內容（見圖10），可以看出“彈幕護體”是占比較大，此類彈幕多出現在一些恐怖游戲類型的視頻中，在恐怖場景或者會令人產生不適的畫面中出現頻率比較高，可以起到遮擋屏幕的作用，而且會在同一時間節點有不同的用戶大量發送相同的內容。

圖10 包含“彈幕”一詞的認知共享內容

綜上，參與式網站在用戶發布彈幕方面充分地體現了用戶體驗的認知共享和情感共鳴的特征，不同的用戶會隨著同樣的視頻內容產生相同的情緒，也會隨著看到的彈幕內容產生相同的情緒，再發送彈幕時會發送與其他用戶一樣的彈幕內容，產生認同感，這種體驗就有羊群效應。

6 研究結論與討論

6.1 研究結論

基于以上分析結果，本研究主要研究結論概括為以下幾點：①參與式網站彈幕數量、評論數量和視頻播放量具有相關性。一邊是靠文字的光輝吸引人注意的傳統評論，一邊是實時吐槽“圍觀體驗”的彈幕評論。因此無論是彈幕評論還是傳統評論，參與式網站多元化的交互方式增強了用戶體驗。②實時的彈幕互動具有認知共享和情感共鳴的體驗特征，因此彈幕的交互性影響了用戶的情感體驗和情感轉化。參與式網站由于彈幕的使用使得“社交情境”中的情感交互具有了實時性。

6.2 理論貢獻與管理啟示

（1）參與式網站彈幕數量、評論數量和視頻播放量具有相關性。彈幕數量、評論數量在一定程度上會影響用戶的播放行為，但彈幕數量遠高于評論數量，因此建議參與式網站搭建一個功能性更強的彈幕區，使用戶發彈幕更加方便快捷。

（2）實時彈幕互動增強了觀眾的認知共享、情感體驗和圍觀體驗。建議參與式網站通過控制彈幕的技術屬性進一步提升用戶體驗，從而促進用戶參與，以提高平臺競爭力，根據平臺發展戰略，主動積極地調整和控制平臺彈幕功能。由于觀看者對視頻創作者具有情感依賴，因此視頻創作者需要從視頻內容上下功夫，增加和提高視頻的熱議點，從而影響用戶認知共享的體驗感和情感體驗，提高自己視頻的播放量。

（3）在游戲分類播放量前40名的視頻彈幕文本情感趨向是正向情感，在中立內容的彈幕中出現羊群效應。建議參與式網站構建積極向上的彈幕區，視頻創作者積極創作正能量的視頻，從而引起用戶的認知共享的體驗感和情感共鳴。

6.3 研究不足

由于數據量大并受時間限制，本研究仍然存在以下不足之處：①只選取了“單機游戲”類視頻彈幕數據，數據較單一，其研究結論是否適用于其他類型的視頻還需進一步檢驗； ②本研究為截面數據分析，缺少時間維度，無法分析彈幕數據隨著時間推移的變化規律，后續研究可以考慮時間維度，對彈幕面板數據進行深入分析，進一步完善研究結論。