基于加權超網絡結構熵模型的軟文營銷質量評估

摘 要： 在移動互聯時代，軟文營銷蓬勃發展，如何度量、監控和預測軟文營銷的運營質量是目前研究的空白。以校企合作A公司的微信公眾號為案例，以每一篇軟文為超邊，以每一篇軟文的點贊人數為節點，以轉發量和閱讀量的比值為權重，建立軟文營銷加權超網絡模型，采用超邊超度結構熵來實時度量、監控和預測微信公眾號運營質量水平，給A企業的軟文營銷策略提供參考。進一步，與微信指數（WCI）計算模型相比，基于每篇軟文閱讀量、轉發量、點贊量、超網絡加權超網絡模型更具有科學性、客觀性和實用價值。本文提出一種微信公眾號運營實時數據驅動的度量微信公眾號運營質量的新方法，并將統計過程質量控制的理念用于數字營銷領域，旨為移動營銷提供理論和實踐上的參考。

關鍵詞： 微信公眾號；軟文營銷；加權超網絡；結構熵

中圖分類號： C 931.2

文獻標志碼： A

收稿日期：2024-06-03

作者簡介：王福紅（1975—），女，山東德州人，博士，上海建橋學院副教授，研究方向：數字經濟；侯麗英（通信作者），女，山西太原人，上海健康醫學院副教授，研究生，研究方向：系統科學。

文章編號：1005-9679（2024）05-0101-06

Weighted Hypernetwork Structure Entropy Models for Measuringthe Operation Quality of WeChat Public Number

WANG Fuhong1 HOU Liying2

（1.Business School， Shanghai JianQiao University， Shanghai 201306， China;

2.School of Arts and Sciences， Shanghai University of Medicine and Health Sciences， Shanghai 201318， China）

Abstract： In the mobile Internet era， the marketing of “soft article” is booming. How to measure the operation quality of the WeChat subscription of “soft article” marketing is the blank of the current research. Based on the axioms of the upper entropy and the lower entropy， we first classify and normalize the Tsallis entropy and Daroczy entropy， and propose the upper and lower entropy models of the hypernetwork. This paper takes the WeChat subscription of A enterprise as an example， regards the every piece of “soft article” as a hyperedge， the number of net growth of each piece of “soft article” as a node， view the number of the readers and Forwarding and reading number as the weights， establish weighted “soft article” marketing hypernetwork model. C_{JdmlDaTMuAddDMhnh4YurQ==}ompared to WeChat index， WeChat index contains qualitative and subjective factors， this paper put forward a new method based on the reading ，forwarding and fans growth number which is quantitative data. And thus the hypernetwork entropy model is more scientific， objective and representative. Further more， the application to the model in the monitoring of the operations quality of WeChat subscription. This paper puts forward a new method to measure the operation quality of WeChat subscription number WeChat Subscription. This study also can provide theoretical and practical reference for mobile marketing.

Key words： WeChat public number; soft article marketing; weight hypernetwork; structure entropy

0 引言

在移動互聯網時代，軟文營銷普遍使用在各大綜合資訊型門戶網站和新媒體營銷平臺。現已成為熱門的互聯網宣傳途徑之一，也是社會化媒介宣傳中的重點宣傳方式與行銷戰略。自騰訊公司推出微信以來，微信平臺為企業或公眾人物提供官方賬號，方便他們對外發布推廣信息和原創內容，微信公眾號成為企事業單位信息發布、市場營銷、媒體傳播、用戶互動的重要工具。基于微信公眾號的軟文營銷已成為企業樹立品牌形象、展開網絡營銷又一利器和主陣地。在移動社交網絡時代，各個企事業單位都日益重視微信公眾號的運營質量管理工作，但是，怎樣評估微信公眾號的運營質量仍然是企事業單位面對的重大實際問題，怎樣像制造業企業那樣，對微信公眾號的運營質量實施評價、監控與預警，這一課題的研究有著重大的理論價值與現實意義。

顏月明等結合微信文章閱讀數量、點贊數量和文章更新數量來建立對微信公眾號推廣影響力的評價模式，研究結論表明：文章閱讀數量和點贊數較高的代表微信公眾號推廣影響力較大［1］。劉彬等人根據WCI（微信營銷力指標）提出了優化健康類微信公眾號的規則［2］，李明德等對媒體微信公眾號宣傳力評估理論進行了探究［3］，陳雪芝等對酒店類微信公眾號影響力評估指標進行了構建［4］，冀芳等人通過模糊綜合評估法，構建了微信公眾平臺的宣傳效果評估模型，并給出了一些關于改善宣傳效果的具體意見和對策［5］。李宗富等人對政務微信公眾號服務的重要影響因素進行識別和系統分析，并對微信公眾號服務能力水平的評價構建指標體系［6］，徐寶達等從社交網絡的角度，對微信公眾號信息傳遞進行實證性探究［7］。向安玲與沈陽構建的“微信傳播指數（WCI）”，重點關注總閱讀數（R）、日均閱讀數（R/N）、總點贊數（Z）、發布文章數（N）、最大閱讀數（Rmax）、最大點贊數（Zmax）、平均點贊數（Z/N）、點贊率（Z/R），共8個主要指標突出軟文的傳播特征［8］。這是為數不多的用量化方式探索微信公眾號傳播能力的研究成果，但該成果中缺失對各指標的選取和相互影響關系的分析，所以指標的完備性還值得深入發掘。本次在文獻［8］的基礎上進行了優化，采用超網絡理論，對微信公眾號傳播的質量提出了一種新的度量指標。

從國內外瀏覽來看，對基于軟文營銷的微信公眾號影響力的度量和預測，開展的相關學術研究較少，且多基于信息傳播學和定性的視角研究微信公眾號的傳播特征及影響力。而基于統計質量控制和定量化的研究視角較少。從微信公眾號質量管理、控制的視角，采用統計過程質量控制方法，基于實時數據驅動來對微信公眾號整體運行狀態進行實時的監控和預測，對微信公眾號的運營適時給出軟文營銷策劃的改進建議，提高軟文營銷的運營質量，并進行相同類型微信公眾號實時影響力趨勢比較和評估，給管理者以決策和參考。因此，必須考慮采用新的指標來度量、監控和預測微信公眾號運營質量。熵是一個基于狀態的函數，是聯系宏觀和微觀之間的主要橋梁之一［9］。因此本文考慮采用基于熵的超網絡理論來度量、監控和預測微信公眾號運營質量。

1 超網絡理論

目前，對于超網絡的基礎理論研究還處在起步階段，超網絡研究主要分為兩類：一類是基于“超圖”［10］理論的研究；另一類是基于“網絡中網絡（NON， Networks of Networks）”［11］的研究。本文主要是從“超圖”的視角出發進行超網絡研究。超圖是對一般圖的拓展，它與一般圖的重要差別是：一般圖的一個“邊”僅僅聯結二個“節點”，表達一對節點相互之間的“兩元”關聯；而在超圖中的一個“超邊”可能包括“很多節點”，可用來描述很多節點相互之間的“多元”關系。超網絡可以看做一般復雜網絡的推廣，是更高階的模型工具，超網絡理論的提出為描述和解析更大規模復雜網絡系統，奠定了全新的理論基石。從現實世界的實際系統出發，將大規模復雜系統問題抽象為超網絡，對數據進行統計分析，探討不同領域、不同問題的真實超網絡的結構特征，具有現實意義。超網絡分析方法已逐漸在不同領域、科研合作網絡、知識擴散、生物網絡、新聞傳播等學科中有所應用，具有廣闊的發展空間。本文以微信公眾號上發布的每篇軟文為超邊，再以軟文的點贊數為節點，以轉載數與總閱讀數的比值為權重，構建加權超網絡模型，并以A企業微信公眾號平臺上進行軟文營銷的真實數據為例，采用超網絡的加權結構熵指標，來實時監控和預測微信公眾號隨時間變化的運營質量。

1.1 超網絡概念

設V={v1，v2，…，vn}是一個有限集合。關于V上的一個超圖H=（E1，E2，…，Em）是V上一個有限子集簇，使得

（1）Ei≠φ （i=1，2，…，m）

（2）∪mi=1Ei=V

超圖H=（E1，E2，…，Em）若還滿足

（3）EiEjV

則H稱為簡單超圖［17］。在圖1（1）所示的超圖H中， 頂點集為V={v1，v2，v3，v4，v5，v6}，超邊集為E={E1，E2，E3，E4，E5，E6}，其中E1={v4，v2，v6}，E2={v1，v4}，E3={v1，v3，v5}，E4={v3，v5，v6}，E5={v2，v5，v6}，E6={v1，v6}。每條超邊都不含有重邊，每條超邊所包含的節點數不一樣，如圖1（1）所示的超圖為簡單非均勻有限超圖。如果每條超邊中的頂點數都相等， 則稱該超圖是均勻的或一致的。如果｜V|和|E|均有限，則稱H為有限超圖，當|Ei|=2時，超圖H=（V，E）退化為普通圖，如圖1（2）所示。

在超圖H=（V，E）中，若把超邊Ej縮減成一個頂點，當vi∈Ei時，頂點vi和超邊Ej用邊相連（i=1，2，…，n;j=1，2，…，m），這樣得到超圖H對應的二部圖，如圖1（3）所示。二部圖使節點的“同質性”消失，如果將二部圖中的沒有關聯的同種類型節點變更為相同類型節點之間存在關聯，則經過修改后的圖便成為一個由兩個網絡構成的最簡單的超網絡。如圖1（3）所示。

假設Ω={（V，E），|（V，E）是有限超科}，G是從T=［0+∞］到Ω的映射，對于任意給定的t≥0，G（t）=（V（t），E（t））是一個有限超圖，指標t通常被看做時間變量。超網絡{G（t）|t∈T}是超圖的集合，是超圖概念的推而廣之［12］。

1.2 超網絡的指標

1.2.1 超邊超度

超邊Ei的超邊超度 hyperedge（Ei）表示該超邊所包含的節點個數，例如在圖1（1）中，超邊E1、E2的超邊超度為hyperedge（E1）=3， hyperedge（E2）=2。

1.2.2 超邊超度分布

在超網絡中，超邊Ei的超邊超度hyperedge（Ei表示該超邊所包含的節點個數。如圖1（1） 中，E1的超邊超度hyperedge（E1）為3，E2的超邊超度hyperedge（E2）為2，E3的超邊超度hyperedge（E3）為3，E4的超邊超度hyperedge（E4）為3，E5的超邊超度hyperedge（E5）為3，E6的超邊超度hyperedge（E6）為2。

令

H（Ii）=hyperedge（Ei ）∑mi=1hyperedge（Ei）（1）

則{H（I1），H（I2）……H（Im）}成概率分布，m為超網絡中超邊的總數。n為超網絡中的節點數。

1.2.3 基于超邊超度分布的超網絡的結構熵

超網絡的超邊超度分布結構熵定義如下：

S=-∑mi=1H（Ii）lnH（Ii）（2）

其中H（Ii）為超邊Ei的超邊超度分布（即超邊超度的重要性），m為超網絡中超邊的總數。S表示超網絡的超邊超度分布的結構熵，同復雜網絡的網絡結構熵［13］指標一樣，復雜網絡結構熵來度量非標度網絡中節點的異質性，采用超網絡結構熵指標來度量超網絡中超邊的異質性以及整個超網絡系統演化的指標。

2 軟文營銷加權超網絡模型的建立

2.1 數據來源分析

軟營銷理論是相對于“ 強勢營銷”建立的新理論，它強調企業進行市場營銷活動的同時必須尊重消費者的感受和體驗，以“拉”的方式，讓消費者自然而然、心悅誠服地認同企業賦予的資訊內容，更注重相互尊重與交流，互聯網的雙向平臺效應，使軟文營銷迅速運用于各大綜合資訊網站，并達到了理想的銷售效益。軟文營銷策略從博客到微博，從 QQ 空間到微信，影響力與日俱增，并逐漸滲透到普通民眾的日常。尤其微信公眾號為軟文營銷創造了一個極佳的發展契機，于是怎樣評價和監控軟文營銷的運營質量成為一個急需破解的問題，具有現實意義。

在微信公眾號上進行軟文營銷推廣主要存在兩種情形：其一是企業創建自己的微信公眾號，如華為商城、百度學術等品牌以企業或產品名稱創建，還有上海發布、北京發布等政府官方公眾號。其二是在其他微信公眾號上作商務宣傳。為了簡化研究，本文僅對第一種情形的微信公眾號運營質量進行評價。假設微信公眾號運營質量取決于每一篇推送軟文的質量。微信公眾號的每一篇軟文閱讀量和轉發量、點贊量是微信公眾號傳播影響力的重要評判指標之一［14］。

本文建立軟文加權超網絡模型如下：為了研究的簡化和數據的易得性，本文以點贊量和轉發量、閱讀量作為軟文營銷的重要評判指標［15］。以A企業微信公眾號的運營數據為例，得到A企業半年來微信公眾號后臺的運營數據，部分數據如表1所示。微信公眾號半年來的關注人數的增長曲線圖如2所示。隨著時間的增長，只要積極運營，微信公眾號的關注總數是在持續增長的。

2.2 軟文營銷加權超網絡模型的建立

以每一篇軟文為超邊，以每一篇軟文“點贊”人數為節點，以將所發布軟文的轉發量和收藏量之和與閱讀量的比值作為每篇軟文的權重。建立如圖3所示的軟文營銷微信公眾號加權超網絡模型。

（圖中Ei代表微信公眾號的一篇營銷軟文，Wi為這篇軟文權重，圖中小黑點代表點贊的讀者）

在圖3所示的超網絡拓撲結構中，微信公眾號的超網絡可表示為G=（V，E，W）。其中：V={v1，v2，…，vn}是頂點的集合，n為網絡中節點的個數，也是每一篇營銷軟文的點贊者或評論者。E={E1，E2，…，Em}，是超邊的集合；超邊為微信公眾號推送的每一篇軟文，W={W（E1），W（E2），…，W（Em）}，是超邊權重的集合，將所發布軟文的轉發量和收藏量之和與閱讀量的比值作為每篇軟文的權重。將“超邊權重”和“點贊量”用于描述每一篇營銷軟文的質量。

在建立的如圖3所示軟文營銷超網絡模型中，其中每篇營銷軟文的權重為Wi。

其中軟文i的轉發次數用Ti表示，收藏次數用Ci來表示，總的閱讀次數用Ri來表示。

Wi=軟文的轉發次數+收藏次數軟文總的閱讀次數=Ti+CiRi（3）

根據公式（1）

H（Ii）=hyperedge（Ei）∑mj=1hyperedge（Ej）

則{H（I1），H（I2），…，H（Im）}構成概率分布，{W1*H（I1），W2*H（I2），…，Wm H（Im）}也構成一個概率分布。

軟文營銷微信公眾號加權超網絡的超邊超度結構熵

S=∑mi=1H（Wi*Ii）lnH（wi*Ii）（4）

軟文營銷加權超網絡的超取決于每一篇軟文的點贊數和閱讀書、轉發數和收藏數。此時，超網絡的超邊超度分布結構熵稱為超網絡的超邊結構熵，其中H（Wi*Ii）為超邊超度的概率分布。超網絡的結構特性取決于每一條超邊的超邊超度和它的權重。

3 實證分析與應用

3.1 A企業微信公眾號軟文營銷加權超網絡的上下熵及加權結構熵

利用2021年12月31—2022年5月29日A企業的營銷軟文，軟文營銷的加權超網絡中每條邊超度分布Ii，計算Wi*Ii，（其中，Wi*Ii表示每條超邊的權重與超邊超度分布的乘積）。根據公式（4），A 企業微信公眾號加權超網絡的結構熵S 如表2所示

A企業半年來微信公眾號營銷軟文加權超網絡的結構熵如圖4所示。

4 結果與討論

在移動互聯網時代，微信公眾號的運營方興未艾，如何度量和評估微信公眾號的運營質量是一個很重要的現實課題，不少學者采用微信指數［16-17］來評估、監控和預測微信公眾號的傳播影響力。與微信傳播指數相比，微信指數的二級指標和三級指標的權重是定性設定的，而本文的權重指標是根據實際數據計算出來的， 基于微信公眾號的實時數據測量微信公眾號的運營質量， 來看基于實時數據［18-20］的微信公眾號運營質量測量方式，更有客觀性。

本文從系統科學的視角，基于超網絡的超邊超度概念，給出了超邊超度的概率分布公式、超邊超度結構熵公式，以微信公眾號每一篇軟文為超邊，以每一篇軟文“點贊”人數為節點，以將所發布軟文的轉發量和收藏量之和與閱讀量的比值作為每篇軟文的權重，建立微信公眾號軟文營銷的加權超網絡模型。 以A企業的微信公眾號數據為例，進行了實證研究。

超網絡的超邊超度結構熵模型對運營質量的監控更有客觀性。建立加權超網絡的超邊超度分布結構熵模型，通過計算微信公眾號的結構熵值作為微信公眾號的定量監控指標，根據不同時刻熵的變化來及時掌握微信公眾號的運營質量，及時做出軟文創意的調整，讓微信公眾號的運營質量始終向較佳的方向調整，不斷增強微信公眾號的運營質量和傳播影響力。

（1）可以利用微信公眾號熵值來預測軟文營銷的整體規律性；從整體上（宏觀上）掌握微信公眾號運營質量的波動情況，進而找出造成波動的原因，給微信公眾號的運營者以理論上的參考。由圖4可以看出，A企業微信公眾號的運營質量波動較大，因為A企業是校企合作企業，其軟文在不同的時期由不同的學生所撰寫，不同學生的水平是不同的。 因此A企業也需要固定一個微信公眾號營銷人員來進行微信公眾號的推廣。

（2）品牌價值的定量評價

當某企業要進行廣告推廣時，需要對類似的軟文營銷微信公眾號運營質量進行比較。可以通過計算超網絡的結構熵來比較上述微信公眾號運營質量。選擇運營質量和運營趨勢較好（品牌價值高）的微信公眾號進行廣告推廣。如：電子商務觀察與研究、電商報、電商頭條、電商之家、今日電商頭條、51學淘寶、電商秘籍、微商思維等電子商務類微信公眾號， 可以評價其運營質量的優劣和選擇推廣平臺進行品牌價值的定量評價。

總之，與微信指數相比，本文的方法更加系統化、全面化、簡潔化，理論研究和實證研究相吻合。本文的研究基于實時數據驅動，為社交網絡運營質量的衡量和評估提供了一種新的研究視角。未來的研究方向是將研究非廣延熵（Tsallis熵）在數字營銷運營質量監控中的應用。

參考文獻：

［1］ 顏月明， 趙捧未. 一種微信公眾號影響力的評估方法［J］. 情報雜志， 2016， 35（9）：141-145.

［2］ 劉彬. 健康類微信公眾號影響力優化規則探析［J］. 中國傳媒大學學報：自然科學版， 2015， 22（2）：6-7.

［3］ 李明德， 高如. 媒體微信公眾號傳播力評價研究——基于20個陜西媒體微信公眾號的考察［J］. 情報雜志， 2015， 34（7）：7-8.

［4］ 陳雪芝. 微信公眾號影響力評價指標體系研究［D］. 海南大學， 2016.

［5］ 冀芳， 張夏恒. 微信公眾平臺傳播效果評價研究［J］. 情報理論與實踐， 2015， 38（12）：77-81.

［6］ 李宗富， 張向先. 政務微信公眾號用戶持續使用意愿的關鍵影響因素識別與分析［J］. 圖書館學研究， 2016（14）：8-9.

［7］ 徐寶達， 趙樹寬， 張健. 基于社會網絡分析的微信公眾號信息傳播研究［J］. 情報雜志， 2017， 36（1）：7-8.

［8］ 向安玲， 沈陽. 微信公眾號傳播力評價指標體系（WCI）優化方法研究［J］. 全球傳媒學刊， 2019（2）：13-14.

［9］ 蘇冰杰， 盧方元， 朱峰. 基于熵和關聯系數的概率對偶猶豫模糊多屬性決策方法［J］. 運籌與管理， 2022， 31（2）：6-7.

［10］ BERGE C. 超圖： 有限集的組合學［M］. 卜月華，張克民，譯.南京：東南大學出版社， 2002.

［11］ 王眾托. 關于超網絡的一點思考［J］. 上海理工大學學報， 2011， 32（3）：9-10.

［12］ GUO J L， SUO Q. Brand effect versus competitiveness in hypernetworks［J］. Chaos： An Interdisciplinary Journal of Nonlinear Science， 2015， 25（2）： 023102.

［13］ 譚躍進， 吳俊. 網絡結構熵及其在非標度網絡中的應用［J］. 系統工程理論與實踐， 2004， 24（6）：1-3.

［14］ 詹寶強， 溫文豪， 徐圣兵. 媒體微信公眾號傳播影響力的主成分優化實證研究［J］. 情報探索， 2016（12）：62-68.

［15］ 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.

［16］ YL A， HZA B， ZL A， et al. Investigation in the influences of public opinion indicators on vegetable prices by corpora construction and WeChat article analysis［J］. Future Generation Computer Systems， 2020， 102：876-888.

［17］ YU C， ZHANG Z， LIN C， et al. Can data-driven precision marketing promote user ad clicks？ Evidence from advertising in WeChat moments［J］. Industrial Marketing Management， 2020， 88：411-425.

［18］ JIANG T， WANG Y， LIN T， et al. Evaluating Chinese government WeChat official accounts in public service delivery： A user-centered approach［J］. Government Information Quarterly， 2020， 38（1）：101548.

［19］ ABREU E M C， NETO J A， BARBOZA JR E M， et al. Tsallis and Kaniadakis statistics from the viewpoint of entropic gravity formalism［J］. International Journal of Modern Physics A， 2017， 32（5）： 1750028.

［20］ JIZBA P， KORBEL J， ZATLOUKAL V. Tsallis thermostatics as a statistical physics of random chains［J］. Physical Review E， 2017， 95（2）： 022103.