展演于云端的城市：城市形象在網絡媒介中的網紅化傳播

【摘" "要】短視頻為社交媒體與城市文旅的深度交融提供了獨特的溝通場域，“網紅城市”不斷涌現，哈爾濱的爆紅為研究城市傳播現象提供了新的范本。本研究以哈爾濱熱門話題下的熱門視頻為例，收集抖音短視頻平臺的評論數據，基于SIPS理論模型，綜合運用詞頻分析、LDA主題模型分析、情感分析的方法歸納解讀城市網紅化現象。研究發現，城市借助社交媒體平臺，創設城市形象與網絡媒介深度連結，通過激發情感共鳴、強化記憶確認、創新互動參與、帶動內容共享擴散四方面打造城市品牌，完成線上城市形象的網紅化傳播。

【關鍵詞】城市傳播；城媒互構；LDA主題模型；SIPS模型

隨著社交媒體的興起與普及，“網紅城市”“網紅景點”脫穎而出，網紅化成為網絡空間中城市形象傳播的新現象。[1]網民通過城市景點打卡的方式使現實空間中的文化景觀轉移至社交網絡空間，完成個體記憶實踐的同時也創建了城市形象建構的全新渠道。2024年伊始，哈爾濱在短短數月內便達成了其城市形象在媒介中的網紅化。抖音平臺數據顯示，關鍵詞“哈爾濱”搜索指數為1.43億，占據巨量算數關鍵詞榜單第二名。哈爾濱網紅化所吸引來的流量轉化為整個城市巨大的客流量，由此衍生出社交媒體用戶通過景點打卡的方式自發建構其城市形象的現象。

哈爾濱的爆紅是網絡媒體與城市文旅交融的典范，引起了傳播學界的廣泛關注。因此，本研究以哈爾濱熱門話題下的熱門視頻為例，爬取抖音短視頻平臺的評論數據，基于SIPS理論模型，綜合運用詞頻分析、LDA主題模型分析、情感分析的方法歸納解讀城市在網絡媒介中的網紅化現象，并為城市形象建構與傳播效能的提升提出相應建議。

一、文獻綜述與理論基礎

（一）城市的網紅化與網絡短視頻

“網紅”最初是指利用互聯網平臺獲得名聲的個體。[2]隨著網紅文化在國內網絡環境中的滲透發展，網紅的意指對象逐步擴大，“網紅+”組合層出不窮，其中“城市的網紅化”現象逐漸成為學界研究的熱點。“網紅城市”即社交媒體推動而催生的城市走紅現象。[3]“短視頻+文旅資源”的組合是城市網紅化的重要推手，助力城市旅游傳播推廣及城市形象塑造。

城市空間的網紅化現象通過城市空間的視覺消費信息被線上平臺不斷傳播，吸引公眾線下打卡并繼續分享空間內容形成良性循環。[4]“網紅城市”在短視頻流量助力下爆火“出圈”，成為人們熱衷打卡的旅游目的地，給文旅市場帶來了顯著經濟效益，“網紅城市”的產生機制、消費者動機、社會影響也逐漸進入學者研究視野。[5]短視頻將城市現實地理空間運轉到了由社交媒體搭建的虛擬載體的網絡媒介空間中，使之成為可見于雙時空中的媒介景點，由此助力了城市在網絡媒介中的網紅化轉向。

（二）理論基礎

2011年，針對新型的通信技術和移動終端的興起以及用戶社交方式的變化，日本電通提出SIPS用戶消費行為理論模型，用于社交媒體傳播特征及其受眾行為的分析，目標是評估傳播效果。[6]SIPS理論模型基于對用戶行為的認知，分為四個階段：共鳴、確認、參與、共享和擴散（Sypathize－Identigy－Participate－Share＆Spread）。第一階段的共鳴是通過內容的呈現來打動受眾，進而激發受眾的情緒反應；第二階段的確認主要涉及受眾通過對社交平臺所展示產品或服務的進一步分析，確定該產品或服務是否具有滿足其需求的價值；第三階段則是受眾的參與階段，通過參與使流量變現，達到新媒體營銷的目的；第四階段為分享和擴散，社交媒體竭盡所能傳遞有效信息，實現二次甚至是多次的傳播。

目前，SIPS理論模型已被廣泛運用于分析傳統文化短視頻傳播領域，[7]本研究將使用該理論模型歸納分析城市網紅化現象，并為城市形象建構與傳播效能的提升提出相應建議。

二、研究設計

（一）研究樣本選取及數據的采集處理

1.研究樣本選取

攜程旅游網絡技術推出的FlightAI航空智能大數據顯示，2023年10-12月東北三省主要城市的搜索指數呈遞增趨勢，其中12月用戶搜索哈爾濱的指數遠高于長春、沈陽、大連，且持續上升，哈爾濱冰雪旅游不斷升溫。[8]Quest Mobile發布的2023中國互聯網核心趨勢年度報告數據顯示，2023年中國移動互聯網月活用戶規模已經突破12.24億，全網月人均使用時長接近160小時。[9]巨量算數數據顯示，關鍵詞“哈爾濱”搜索指數為1.43億，占據抖音關鍵詞榜單第二名。[10]

抖音是觀測與研究哈爾濱爆紅現象的重要媒介平臺，短視頻與城市文旅的深度交融以及景點拍照打卡的互動模式，也讓哈爾濱流量達到高峰。因此，本研究以“網紅城市”哈爾濱為例，基于抖音平臺相關熱點話題進行視頻數據采集，展開進一步研究。

2.數據采集及處理

本研究使用后羿采集器作為評論文本的收集工具，基于抖音平臺，以“哈爾濱”為關鍵詞進行視頻數據采集。根據巨量算數統計有關“哈爾濱”的熱點話題排行（2023年11月1日至2024年1月10日），選取熱度排行前五的話題中的熱門短視頻的評論為研究數據來源（見表1）。為排除可能干擾實驗的文本并準確讀取文本數據所表達的意義，本研究僅收集點贊量超過200的一級評論，并將文本中的空值與重復值進行清洗，同時使用Python過濾詞表將文本中與主題無關的無意義評論去除。如上操作后共得到有效數據51408條，共計80余萬字。

（二）研究方法及程序

首先，研究運用詞頻分析法進行初步探析。詞頻分析法是指深入挖掘信息的詞語及詞句的頻率，找出聯系和規律，是探討信息的主要內容的方法。[11]本研究利用ROST CM6軟件對清洗后的文本進行詞頻分析，生成并提取文本語句高頻詞匯，利用可視化軟件G Auth生成高頻詞詞云圖，以此初步探究網絡評論的話語焦點。

其次，研究運用Python中的LDA主題建模進一步分析。主題模型（LDA）是由David Blei在2003年提出的基于統計模型的文本分析方法，具有包含詞、主題和文檔三層結構，其廣泛應用于提取文本含義結構、識別內容動態變化等研究。[12]本研究通過LDA主題建模對網絡評論文本進行主題提取，歸納公眾對哈爾濱城市形象的認知維度。

最后，研究運用ROST CM6進行情感分析。它使用機器學習來分析和分類文本數據的情感基調。基本模型主要專注于積極、消極和中立的分類，但也可能包含發言者的潛在情感。本研究通過主題提取結果及處理后評論文本作情感傾向分析，以探究文本中所呈現的受眾情感取向。

三、研究過程及結果分析

（一）詞頻結果分析

詞頻分析通過關鍵詞頻次確定公眾評論的話語焦點。本研究使用ROST CM6對經過處理的評論進行分詞操作。考慮到網絡語言的多元化，本研究使用分詞過濾詞表將文本中無意義的評論去除，并設置分詞自定義詞表，防止程序無法識別具有特殊含義的網絡用語而導致其在分詞過程中被錯誤分割。

基于TF-IDF算法，共提取出包括名詞、動詞、形容詞在內得分前100的高頻詞，并利用可視化軟件G Auth生成高頻詞詞云圖。根據詞云圖分析結果可知，公眾的高頻討論主要聚焦于由網絡用語組成的擬物詞匯，對南方游客的喜愛表達，如“小土豆”（多用于形容南方女性）；積極正面的城市形象詞匯，游客對哈爾濱的認同表達，如“團結友愛”“傾盡”等；本地人對哈爾濱熱情待客的幽默表達與調侃，如“爾濱”（多指哈爾濱相較于本地人對外地游客分外熱情，本地人戲稱哈不出來故稱爾濱）；游客對北方城市及旅途印象的中肯描述與評價，如冷、凍、人山人海等。

（二）基于LDA主題模型的分析

LDA 主題模型是一種無監督的機器學習技術，能夠排除主觀因素的影響，有效挖掘大批量文本數據，展現文本中若干主題下的相關詞項合集及概率。[13]現階段LDA主題模型在國內外被廣泛應用于語料規模較大的文本處理任務，包括語料庫隱藏主題的挖掘等。通過LDA主題模型，將紛雜的網絡評論編碼為具有實質性意義的聚類，探究公眾對哈爾濱城市形象的認知集中主題，進而得到公眾對其城市形象的認知維度。本研究將經過分詞處理的文本導入Python，使用gen-ism模塊建構網絡社群對“哈爾濱”等相關詞條評論的LDA主題模型，并提取具體的評論主題。

1.主題數量確定

為確定最佳主題數量，本研究根據Coherence score 對主題關鍵詞之間的相互關聯性進行量化分析，以客觀地評估 LDA 模型生成的主題的最佳數量。其有助于避免主觀判斷和經驗偏差，提供了一種基于數據的評價方式。一般來說，隨著主題數的增加，Coherence Score 的值會先上升到一個峰值，然后可能會趨于平穩或者下降。因此，最佳主題數通常對應于Coherence Score達到峰值的點，由此計算出最佳主題數為4。

2.模型建構及其可視化

基于Coherence score計算結果，將最佳主題個數代入運行模型，得到含有4個主題的LDA主題模型及其核心主題詞。

在完成數據處理工作并確定最佳的主題數量后，本研究采用Python中的Latent Dirichlet Allocation工具庫構建LDA主題模型。此外，研究利用Sievert開發的pyLDAvis主題可視化工具，以交互可視化的方式展示了包含4個主題的LDA主題模型，每個藍色氣泡代表一個主題，其大小表示該主題在文本數據集中所占的比例。其中各個氣泡之間不存在大塊重疊，且彼此間有一定的距離，這表明主題的區分度較高，主題的劃分結果顯著。

由主題提取結果可知，公眾對社交媒體所塑造的城市形象的認知維度主要集中在以下幾方面：第一，地理位置地方場所等中性的主題詞匯，包括“機場”“外地人”“本地人”“旅游”“酒店”等；第二，地方特產等主題詞匯，包括“鄂倫春族”“凍梨”“白狐”“豆腐腦”“冷面”等；第三，人物身份及情感關系的主題詞匯，包括“哥們”“老鐵”“熱情”“活躍”等；第四，網絡用語主題詞匯，包括“夾子”“小土豆”等。LDA主題模型的分析結果幫助我們挖掘了文本數據中隱藏的若干主題。這些主題涵蓋了哈爾濱的自然風光、歷史文化、城市服務等方面內容，同時反映了公眾對哈爾濱城市形象的多元認知維度。通過分析這些主題下的相關詞項合集及概率，我們可以更深入了解公眾對哈爾濱城市形象的認知和評價。

（三）基于ROST CM6的情感取向計算

本研究使用ROST CM6中的情感分析工具對處理過的評論文本進行情感分析，以探究公眾對哈爾濱城市形象的情感取向，并依據公眾評論文本的情感偏向提出相應的城市形象建構建議。本研究利用其計算各評論文本的情感得分，并將情感得分輸出結果范圍分為積極情緒、中性情緒和消極情緒，取值為（-20，20）。研究共分析51408條評論，其中，積極情緒24776條，占比48.2%；中性情緒19013條，占比37%；消極情緒7619條，占比14.8%。其中，積極情緒分值劃定為三類：一般（0—10）、中度（10—20）、高度（20以上），消極情緒分值劃定為三類：一般（-10—0）、中度（-20—10）、高度（-20以下）。

根據情感分析結果可知，公眾對哈爾濱城市形象的情感態度以積極為主，其中高度積極評價不在少數，而消極評價相對較少，這表明其城市形象總體來看是積極正面的。

四、哈爾濱建構城市形象與提升傳播效能的策略

（一）融情冰城：激發情感共鳴

根據情感分析結果可知，公眾對哈爾濱城市形象的積極評價占比高達48.2%，其中包含了對哈爾濱自然風光、歷史文化、城市管理等各個方面的贊賞。例如，一些游客在評論中表達了對哈爾濱冰雪大世界的驚嘆，對當地文旅服務的肯定等，這些積極評價有助于提升哈爾濱的城市形象，吸引更多游客前來觀光并形成良性循環。社交媒體為城市形象傳播創造了機遇。在人人都能生產內容的時代，一條短視頻就可能帶動起一座城市的流量，中國由此也產生了許多“網紅城市”。[14]哈爾濱借助抖音短視頻平臺發力，配合熱點推送機制，竭力宣傳城市打卡景點，根據巨量算數數據，其話題指數討論度高達1億以上，話題下單條視頻突破200萬瀏覽量。游客打卡話題復引模式使得其城市文化傳播形成良好反饋機制，討論度節節攀升，民眾在評論互動中實現情感共鳴，城市形象在熱點討論中逐漸被建構。城市融媒需提高主動響應意識，借力短視頻平臺搭建文旅傳播響應矩陣，實現城市在較低的成本下的線上品牌形象快速傳播。

（二）冰城品牌：強化記憶確認

通過詞頻分析，我們發現公眾頻繁提及的關鍵詞包含地方性網絡用語、城市感知、冰雪文化等方面，其表明了哈爾濱在以上領域對外彰顯的特色及吸引力。高頻詞不僅揭示了公眾評論的話語焦點，也反映了城市形象在公眾心目中的核心要素。哈爾濱通過一系列政策和行動，打造“好客東北”的城市形象，被網友戲稱為“討好型市格”。2023年11月起，黑龍江開展冬季冰雪旅游“百日行動”，推出60條具體相關舉措，創新推出“文旅體驗官”制度，對涉旅環節進行全覆蓋式體驗監督并按照相關標準打分，提出意見。2024年元旦期間，提供免費直通車暢游伏爾加莊園，為方便游客游覽，每個景區均設置熱水區。索菲亞教堂內的參觀時間延至20時，廣場熄燈時間延至23時。哈爾濱市建筑藝術廣場景區對游客服務中心、廣播系統、衛生間、廣場燈飾等設施進行全面提檔升級，并在廣場上增設游客溫暖驛站，供游客游玩之余休息取暖等。

通過了解公眾的話語焦點，可以發現其對哈爾濱的某些景點和設施具有較高的關注度。地方相關單位應針對這些需求，精準定位并推出相應的政策和措施，以滿足游客的多元化需求。同時通過短視頻宣傳，持續放大流量效應，強化用戶社交記憶，打造全新冰城品牌。

（三）移動冰城：創新互動參與

“網紅城市”的超高人氣是城市歷史記憶與傳統文化長期積淀與傳承的再爆發。[15]冰城爆紅并非一蹴而就，打造冰雪大世界這張名片，哈爾濱堅持了24年。1999年12月31日，哈爾濱在松花江上打造了第一屆冰雪大世界。歷史悠久的冰雪文化是哈爾濱獨特的硬實力，它以冰雪文化的獨特魅力征服了萬千游客。社交媒體時代推動官方賬號下沉極為必要，哈爾濱在城市形象建構中充分利用了自身的獨特文化資源，其借助短視頻平臺貼近新媒體用戶，進行參與互動式對話，激發多元主體自發傳播的自主性，在創新互動參與模式中實現城市形象的新一輪建構。

通過LDA主題模型的分析結果可知，公眾對哈爾濱城市形象的認知維度是多元的，應針對其主題相關集合下的詞匯描述，在采用多種互動策略的同時，及時調整傳播內容，實時監測互動效果和用戶反饋，以便有針對性地改善其線上城市形象傳播，并與公眾建立更緊密的聯系。可以與知名博主、網紅和IP協作，借助其粉絲基礎和影響力，提升城市曝光度，增強公眾對城市的好感度和認同感。也可以進行話題營銷與互動活動，吸引公眾參與并分享城市故事，鼓勵用戶生成內容并分享至社交媒體，從而擴大城市形象的傳播范圍。

（四）統合傳播：帶動內容共享擴散

短視頻平臺在推送機制乃至話題設計等方面，對合作城市予以傾斜，由官方和平臺共同打造了一個又一個“網紅城市”。[16]網紅城市的“出圈”基本遵循“網絡種草-熱榜推薦-游客跟風-更新爆點”的模式，其為社交媒體時代下的城市形象傳播打造了全新路徑。而城市形象的提升不僅體現在城市的文化底蘊和硬實力上，更體現在城市與公眾之間的互動和溝通方面。未來，相關部門應該繼續深化互動參與模式，協調各部門的資源力量，把握熱點，善用熱度，實現城市從“爆紅”變“長紅”。探索創新城市形象傳播方式，進一步提升其美譽度和影響力。

注釋：

[1][15]邵鵬，王錦婷.介入·接合·溝通：網紅景點打卡與地方感的數字化再生[J].青年記者，2023（22）：48-51.

[2]胡泳，張月朦.網紅的興起及走向[J].新聞與寫作，2017（01）：41-45.

[3]吳瑋，周孟杰.“抖音”里的家鄉：網紅城市青年地方感研究[J].中國青年研究，2019（12）：70-79.

[4]呂飛，王帥.城市空間網紅化現象測度及影響因素研究[J].城市問題，2023（12）：50-59.

[5]王浩，張海芹.旅游生活化：“網紅城市”旅游者行為與體驗特征研究——基于百度指數和UGC的淄博市游客大數據分析[J].干旱區資源與環境，2024，38（02）：173-180.

[6]石磊，黃婷婷.情感商品與情感流通：“三農”短視頻的傳播機理[J].編輯之友，2020（09）：69-74.

[7]錢建偉，厲新建，朱志鵬.基于SIPS模型的短視頻賬號發展策略研究——以“杭州文旅”官方抖音賬號為例[J].未來傳播，2022，29（06）：97-104.

[8]FlightAI航空智能大數據.哈爾濱爆火出圈的背后[EB/OL].https：//mp.weixin.qq.com/s/XQWWFdc4lf9FGzSSM4_MQg，2024

-1-11.

[9]QuestMobile2023中國互聯網核心趨勢年度報告（精華版）.https：//36kr.com/P/2567037888357767.

[10]巨量算數.（2023.11.1-2024.1.10）.https：//trendinsight.oc-

eanengine.com/arithmetic-index/analysis？keyword=%E5%93%88%E5%B0%94%E6%BB%A8amp;appName=aweme.

[11]趙雷，李瑛，姜寶良 等.“雙一流”建設背景下高校圖書館的定位和服務路徑研究[J].圖書館理論與實踐，2021（04）：79-85.

[12]Blei D. M.， Ng A. Y.， Jordan M. I. Latent Dirichlet Allocation[ J]. Journal of Machine Learning Research， 2003，3（ Jan.）：993-1022.

[13]劉鳴箏，蘆猛.從“躺平”和“內卷”的流行透視青年亞文化的情緒表達及審思——基于LDA主題模型的分析[J].東南傳播，2022（03）：95-99.

[14]齊田星.主流媒體如何講好中國城市發展故事——以CGTN《萬億城市》報道為例[J].青年記者，2023（21）：53-55

[16]欒慧勇.“第三空間”視域下短視頻與城市形象塑造的內在邏輯[J].中國廣播電視學刊，2023（10）：53-57.

（作者：吉林大學新聞與傳播學院碩士研究生）

責編：周蕾