互聯網直播義診的醫生群體畫像及其影響力分析*

呂英杰 屈新月 胡雅欣，2

(1北京化工大學經濟管理學院 北京 100029 2北京中醫藥大學東方醫院 北京 100078)

1 引言

互聯網醫療有利于緩解我國醫療衛生事業發展不均衡、不充分的矛盾，方便醫患之間的信息交流，為患者實現長期自我健康管理創造有利條件。近年來互聯網醫療與直播技術有效融合，出現了一種全新的互聯網醫療直播義診服務模式。公立互聯網醫院或第三方在線診療平臺通過邀請知名醫學專家開展在線直播，為患者答疑解惑的同時進行科普宣傳。該模式的優勢在于可以同時實現一對多互動交流，一站式解決同類型多用戶的問診咨詢需求，受眾面廣且能有效滿足特定患者群體的診療需求[1]。

盡管已有研究對互聯網醫療直播特點[2]和醫生參與意愿[3]等方面開展深入分析，但仍須進一步了解參與線上直播義診醫生的風格和特點。通過深入分析醫生在直播中的行為特征，探討如何有效提升在線直播效果和醫生直播影響力，以支持這一醫療服務新模式的持續健康發展，使更多群體受益。本文基于用戶畫像的研究方法和技術手段，對醫生群體進行聚類分析并構建不同直播風格的醫生群體畫像，通過構建直播影響力指標體系，采用因子分析法提取度量醫生在線直播影響力的主要評價維度，并進一步討論不同直播風格的醫生群體在影響力各評價維度的差異，為不同直播風格醫生提升在線影響力提供有效路徑。

2 資料與方法

2.1 數據來源

以“好大夫在線”平臺直播義診醫生為研究對象。該平臺為國內領先的互聯網醫療服務平臺之一，目前已有來自全國各地的400多所醫院的2 000余名醫生進行了6 000余場直播義診活動，內容涵蓋內科、外科、兒科、婦產科、五官科、神經類等疾病。

在刪除無效直播數據以及直播時長不足10分鐘的醫生信息后，共得到1 816名參與直播義診的醫生作為研究對象。其中，男性占63.71%，女性占36.18%。具有高級職稱的醫生占75.28%。1 677名醫生來自三甲醫院，占總數的92.35%。來自上海、北京、廣東的醫生人數排名前3，共占總數的76.54%。

2.2 直播義診醫生的畫像構建方法

2.2.1 畫像構建過程 醫療健康領域用戶畫像應用場景主要包括基于醫院內部醫療信息系統[4]和基于社交媒體的互聯網醫療健康服務[5]。目前針對患者畫像的研究居多，而針對醫生畫像的研究較少[6]。醫生畫像構建過程分為收集用戶數據、對用戶細分以及建立和豐富畫像描述等階段[7]，每個階段均需要和應用場景緊密結合。本研究結合互聯網醫療直播具體場景將醫生群體畫像構建的流程分為3個主要步驟：基于多維度用戶標簽設計用戶畫像概念模型、采集數據并進行聚類分析以實現群體劃分、根據聚類結果提取類別特征并呈現畫像等[8]。

2.2.2 畫像概念模型指標選取 首先，考慮到在線直播的基本屬性，提取直播時長和直播次數兩類基本指標，以反映醫生在線直播參與過程中的典型行為特征。其次，直播場景具有實時性和互動性等特點，因此，將直播過程中的患者問題數以及醫生回答數納入指標，以反映醫生直播效果。最后，醫療直播義診的重要特征在于：醫生一方面采用科普講座的形式向患者進行醫療健康知識專題講解，另一方面為患者答疑解惑并進行有針對性的醫患交流，因此將科普講座時間和答疑互動時間的有效分配納入評價指標。綜合考慮以上3方面因素，選取場均直播時長等6項指標構建直播義診醫生畫像概念模型，見表1。

表1 直播義診醫生畫像概念模型的指標選取

2.3 直播影響力分析方法

借鑒既有文獻[9]中的社交媒體高影響力用戶評價指標，結合直播義診自身特點，構建用于直播義診醫生的影響力指標體系，包括4個1級指標和10個2級指標。1級指標中，一是關注度，包括粉絲數和閱讀數兩個2級指標，分別采用醫生主頁關注總人數和訪問總次數度量；二是交互度，包括回答數、問題數和評論數3個2級指標，分別用醫生直播時的總回復數、總提問數和總評價反饋數度量；三是參與度，包括直播次數、直播時長和文章數3個2級指標，分別采用參與直播的次數、總時長和科普文章數度量；四是認可度，包括點贊數和禮物數兩個2級指標，分別采用患者點贊總數和獲贈禮物總數度量。考慮到評價指標較多且存在相關性，采用因子分析法對這10項指標進行降維處理，將較多指標轉化為少數幾個綜合指標，提高指標的可解釋性。

3 結果

3.1 3類直播義診醫生的群體畫像

3.1.1 互聯網直播義診醫生畫像表示 采用二階聚類法對1 816名直播醫生進行群體劃分。聚類過程分兩步完成，第1步是建立聚類特征樹，第2步是利用合并聚類算法進行組合，產生1組聚類數不同的聚類方案，然后根據貝葉斯信息量準則(Bayesian information criterion，BIC)對各聚類方案進行比較，最終得到3類最優聚類簇。通過計算不同醫生群體在各維度指標上的平均值，得到互聯網直播義診醫生畫像特征[10]，見表2。

表2 互聯網直播義診醫生畫像表示

3.1.2 知識傳授型醫生群體 在直播頻次(2.39次)、場均直播時長(55.52分鐘)、場均回答患者問題數(3.69個)方面均處于較低水平，科普比率(35.04)處于較高水平。表明該類醫生注重醫療知識的講解傳播，但互動時間較少，部分直播甚至沒有答疑環節。其直播風格是以直觀和淺顯易懂的方式傳遞深奧的醫療知識，方便患者接受，從而實現醫生自我價值。

3.1.3 宣傳推廣型醫生群體 在直播頻次(11.21次)、場均直播時長(82.45分鐘)、場均回答數(84.73個)和場均問題數(262.98個)方面均明顯高于其他兩類醫生群體。該類醫生更能充分利用直播平臺傳播范圍廣、效率高、互動性強等優勢，有效發揮直播的知識宣傳效果。一方面投入大量時間積極進行醫療健康知識科普，提升知名度；另一方面投入較多精力與患者互動交流，提升患者體驗，贏得良好口碑。其參與直播的動機和行為表現主要是通過在線直播長期與用戶進行溝通交流，提升知名度和聲望，積累口碑資本，擴大潛在患者用戶群體，從而獲得線上付費服務或線下引流轉診等潛在收益。

3.1.4 社交互動型醫生群體 在直播頻次(2.02次)和場均直播時長(55.47分鐘)方面均不高，導致患者能提出的問題數較少(46.99個)。但其回復率(0.77)明顯高于其他兩類醫生，且科普比率(2.65)較低。這表明該類醫生在直播過程中更注重與患者互動交流而非醫療知識普及，有的甚至在直播中未設置知識講座環節而直接進入問答環節。這類醫生更看重直播平臺的實時性和互動性，以患者需求為主導，為其答疑解惑，從而實現自身價值。同時，通過與患者廣泛的互動交流可以收集病例信息，接觸更多疑難雜癥以開拓視野，豐富醫學知識儲備。

3.2 直播影響力的因子分析結果

3.2.1 結果分析 在對直播影響力指標進行因子分析前，首先對數據進行取樣適當性(Kaiser-Meyer-Olkin，KMO)檢驗和Bartlett’s球形檢驗。結果顯示KMO=0.728>0.7，數據適用于因子分析，Bartlett’s球形檢驗的近似卡方統計值為8 828.582，顯著性水平P=0.000<0.05，即變量之間不全獨立，相關性顯著。利用SPSS對數據進行因子分析，并采用方差最大旋轉法進行因子旋轉后，提取出3個公因子，累計方差貢獻率達到67.72%。基于各影響力指標在3個公因子上的載荷，可以對公因子進行分析及命名，見表3。

表3 旋轉后公因子載荷矩陣

3.2.2 公因子F1該因子在直播次數、直播時長和回答數等指標上具有較高載荷，表明醫生進行直播義診的次數較多，每次直播時間較長，在直播中回答患者的疑問較多，醫生在直播義診中投入了大量時間和精力，具有較高參與積極性和活躍度。因此將公因子F1命名為“活躍因子”。

3.2.3 公因子F2該因子在點贊數、禮物數、問題數和評論數等指標上具有較高載荷。點贊數和禮物數直觀反映了患者對醫生直播內容的認可和感謝，代表醫生在患者心中具有良好口碑。同時，患者評論大多是對醫生的贊美和感謝，體現了對醫生的充分肯定。問題數指標則反映患者與醫生交流的主觀意愿，也從側面體現了患者對醫生的認可程度。因此將公因子F2命名為“口碑因子”。

3.2.4 公因子F3該因子在閱讀數、粉絲數和文章數等指標上具有較高載荷。閱讀數和粉絲數反映醫生吸引患者關注的程度，直接體現醫生在患者中擁有的人氣和熱度。醫生發布的與直播內容相關或提供醫療知識補充的科普文章是吸引患者閱讀、增加粉絲以提升自身人氣的有效手段，有利于醫生積累忠實受眾。因此將公因子F3命名為“熱度因子”。

3.2.5 醫生直播影響力綜合因子得分 為計算每名醫生直播影響力的綜合因子得分，首先采用回歸估計法，得到3個公因子在各指標上的得分系數，然后以公因子方差貢獻率作為其因子得分權數，求得醫生直播影響力的綜合因子得分。

F1=-0.04×X1-0.135×X2-0.023×X3+0.024×X4-0.004×X5+0.38×X6+0.37×X7+0.287×X8-0.188×X9+0.133×X10

F2=-0.035×X1+0.263×X2+0.34×X3+0.385×X4-0.13×X5-0.132×X6-0.121×X7-0.077×X8+0.36×X9+ 0.253×X10

F3=0.485×X1+0.267×X2-0.026×X3-0.087×X4+0.487×X5-0.013×X6+0.002×X7-0.028×X8-0.013×X9-0.106×X10

F=0.278 53×F1+0.207 33×F2+0.191 34×F3

3.3 不同直播風格醫生影響力差異分析

為研究不同直播風格醫生在直播影響力方面的差異，首先利用Kolmogorov-Smirnov檢驗和單因素方差分析進行正態性檢驗和方差齊性檢驗，發現醫生按直播風格分組后，直播影響力不服從正態分布且各分組數據方差不齊。因此，進一步使用Kruskal-Wallis H檢驗不同直播風格醫生的直播影響力差異，結果表明不同直播風格醫生在直播影響力以及3個公因子方面的差異具有顯著統計學意義。

比較不同直播風格醫生的影響力，見表4，從直播義診綜合影響力來看，宣傳推廣型醫生的綜合影響力最高(0.532)，其次是知識傳授型醫生，社交互動型醫生最低。從影響力的各公因子維度來看，知識傳授型醫生活躍因子得分(-0.173)顯著低于宣傳推廣型醫生和社交互動型醫生；口碑因子維度，宣傳推廣型醫生的口碑因子得分最高(1.041)，知識傳授型醫生次之，社交互動型醫生得分最低；社交互動型醫生的熱度因子得分(-0.128)顯著低于知識傳授型醫生和宣傳推廣型醫生。

表4 不同直播風格醫生的直播影響力比較[平均值(最小值，最大值)]

4 討論

4.1 知識傳授型醫生應增加直播互動與活躍度，提升在線知名度

知識傳授型醫生在直播義診過程中獲得的綜合影響力雖然略強于社交互動型醫生，但與宣傳推廣型醫生相比有明顯差距。該類醫生的活躍因子顯著低于其他兩類醫生群體，表明影響知識傳授型醫生直播影響力的關鍵因素是缺乏足夠的活躍度水平。知識傳授型醫生通常以向公眾普及醫學知識為目的參與直播，很多醫生僅在平臺上進行1～2次直播，且直播過程中缺乏答疑互動環節，難以在受眾心中留下深刻印象，其知名度難以提升。此外，在口碑因子方面，知識傳授型醫生的得分明顯低于宣傳推廣型醫生，這可能是由于缺乏與受眾互動，使受眾產生陌生感和距離感，較難在直播平臺上主動給出良好評價，不利于醫生提升影響力。根據信息系統持續使用理論，醫生增強與受眾的互動交流有助于增強受眾的感知有用性、滿意度、繼續參與傾向，從而提升醫生的影響力[11]。因此，此類醫生應該以貼近患者需求為出發點，充分利用直播平臺實時性和互動性的溝通優勢，積極與患者開展互動。這樣不但能提升網絡口碑，還能深入了解在線患者對直播義診的真實需求，從而有針對性地對患者亟須了解的醫療健康知識進行科普宣傳，并為后續直播積累內容素材，保持直播活躍度。

4.2 宣傳推廣型醫生應保持高頻次和高質量直播，維持良好口碑和熱度

宣傳推廣型醫生的綜合影響力顯著高于其他兩類醫生，這是由于其在各影響力維度均保持較高水平。該類醫生的口碑因子得分明顯領先，表明要提升直播的綜合影響力，保持良好的口碑和聲望是重要因素。研究[12]指出，直播獨特的互動體驗有助于提升受眾感知價值，不僅可加強受眾與醫生的聯系，而且在互動中形成的正向口碑會促進醫生影響力的提升。同時，宣傳推廣型醫生在活躍因子和熱度因子方面表現較好，這表明該類醫生在堅持良好口碑的同時，也應保證一定直播頻率和直播內容質量，給受眾留下活躍度較高的印象，從而留住受眾并保持其對直播的持續關注。

4.3 社交互動型醫生應兼顧直播深度與廣度，提升綜合影響力

社交互動型醫生在3類直播醫生中的綜合影響力最低，主要原因在于該類醫生口碑因子和熱度因子兩個維度的得分均顯著低于其他兩類醫生。盡管其以受眾為主導并投入大量精力與受眾互動交流，但許多患者花費大量時間觀看的是醫生針對個別病例的講解，對于自身疾病的改善效果并不明顯，而且在有限的直播時間內大量受眾沒有太多機會提出更多問題，影響口碑。此外，社交互動型醫生進行直播義診時的受眾面較窄，過度關注少數患者的個性化需求，忽略了直播義診知識的傳播廣度，使答疑解惑難以惠及更廣大患者群體，從而難以獲得較高關注熱度。因此社交互動型醫生要適當調整直播風格，平衡醫療知識科普教育的深度和廣度，在滿足患者個體案例個性化診療需求的同時，通過對病例擴展討論等方式惠及更多患者。

5 結語

本研究以參與互聯網直播義診這一新興互聯網醫療服務模式的醫生群體為研究對象，構建醫生群體直播風格畫像，分析各類型醫生群體在直播中的行為特征和風格特點，從而為有效提升醫生的在線直播效果和影響力提供參考。本研究存在一定不足之處。一是僅選取一家互聯網醫療直播平臺的醫生樣本為研究對象，受平臺運營模式、服務定位甚至直播功能及技術所限，醫生直播風格群體畫像構建可能不夠全面和系統，有待后續參考其他互聯網醫療直播平臺的應用場景進一步補充完善。二是主要側重醫生線上行為特征，下一步將結合醫生職稱等線下特征對醫生畫像展開深入研究。三是在直播風格特征指標以及醫生直播影響力度量指標選取上仍有改進空間，隨著互聯網直播的發展成熟及其與互聯網醫療不斷深入結合，相關直播評價指標體系會更加成熟完善，互聯網醫療直播應用場景也會更加豐富，這都為后續構建更全面系統的醫生直播風格畫像奠定了基礎。