張鵬威，劉紅麗，汪林威，張澄東（華東理工大學商學院，上海　200237）

用戶特征對微博信息傳播影響的實證研究

張鵬威，劉紅麗，汪林威，張澄東
（華東理工大學商學院，上海200237）

0　引言

微博，即微博客（micro-blog），是一種通過關注機制分享簡短實時信息的廣播式社交網絡平臺，用戶可以通過Web、WAP以及各種客戶端組件，隨時隨地地發(fā)布文字、圖片、視頻、音頻等形式的信息，并實現及時分享［1］。自2006年Twitter發(fā)布之后，微博在全球得到迅速的推廣和發(fā)展；2009年8月，新浪微博上線并快速成長為我國最具影響力的微博網站［2］。根據新浪微博Q1財報［3］，截止2015年3月，新浪微博月均活躍用戶數（MAUs）為1.98億人，同比增長38%。移動MAU占到總MAU的86%。日均活躍用戶數（DAUs）為8900萬人，同比增長34%。

微博產生的時間雖然不長，但卻在生活的各個方面產生著影響，尤其是在社會熱點的引發(fā)和傳播過程中作用尤為顯著，微博上的“熱門話題”極有可能就是下一個社會熱點的“先頭兵”。微博也正逐漸成為政府發(fā)布重要消息的正規(guī)渠道，諸如“央視新聞”、“人民日報”等官方媒體紛紛開設微博對信息進行宣傳。微博作為一種新型信息傳播媒體的地位正在不斷上升。因此，無論是希望自己的微博能被大量轉發(fā)從而引起風潮的組織或個人，還是希望監(jiān)控微博信息、防止流言擴散的監(jiān)管部門，研究微博傳播的影響因素都十分必要。

微博近幾年的快速發(fā)展及其在社會各領域的廣泛應用引起了國內外廣大研究者的重視，相關研究得到不斷深入：靖鳴、王瑞分析了微博暴力一點引爆全局、擴散速度快、微博使用隨意性及用戶素質參差不齊等特點，建議運營商應加強網絡監(jiān)管［4］；劉乙坐、黃奇杰在傳播學視野下探索了對微博的基本分類，提出一種網絡輿情的指導策略［5］；李政澤、韓毅等提出用戶分類的特征詞權重優(yōu)化及推薦策略，為微博用戶行為分析和輿情監(jiān)測提供了一種新方法［6］；宋巍、張宇、謝毓彬等將微博分類用于用戶興趣的識別，得到較好的效果［7］。這些文獻大都從理論層面對微博信息傳播、特點傳播效果等內容進行探討，但很少從實證角度對微博信息傳播效果進行研究。國外學者對微博研究的切入點比較小，與其他領域的融合性研究比較多，對微博的研究側重實證調研，運用定性方法對采集的數據進行分析以此獲得一些重要結論或發(fā)現研究中存在的問題。如Antti Oulasvirta等指出微博是用戶自我表達自主選擇的平臺，微博相較于博客在內容上更加生活化、平凡化，利用互動反饋維持人際關系是用戶參與微博的動機［8］；Yuri Takhteye等人的研究發(fā)現距離在Twitter世界中依舊是影響人際關系形成的原因但距離不是唯一因素，人際關系的建立是距離語言國別航班便利程度等多因素共同作用的結果［9］。

在The Tipping Point中，作者Malcolm Gladwell提出了引發(fā)潮流的三要素，即：關鍵人物法則（The law of the few）、附著力法則（Stickiness factor）和環(huán)境威力法則（Power of the context）［10］。他認為信息的傳播將受到傳播者、信息本身內容和信息以外因素的共同影響。而這些法則也適用于微博的傳播。本文將聚焦關鍵人物法則在微博信息傳播中的影響，即用戶特征對微博信息傳播影響，希望能夠從眾多用戶特征中分辨出對微博傳播來說影響顯著的用戶特征和無關緊要的用戶特征。

本文將微博信息傳播中的影響定義為用戶所發(fā)出信息在微博中的傳播能力，從新浪微博上選取了兩條具有代表性的微博，采用實證研究方法，對微博信息傳播過程用戶特征對信息傳播的影響進行研究，以便更清晰地認識用戶特征對微博信息傳播的路徑及效果的影響。

1　微博用戶特征分析

在微博信息傳播中，微博用戶是微博信息的傳播節(jié)點，進行信息的發(fā)布、接收和轉發(fā)?；谟脩籼卣饕暯菍π畔鞑ビ绊懙难芯空饾u成為微博研究的一大分支。Java等人研究了Twitter，利用HITS算法計算Twitter上用戶的中心度和權威度，將用戶分成信息共享，信息搜索和朋友關系三類［11］。Naaman根據Twitter用戶發(fā)布的狀態(tài)信息，進行內容分析，將用戶分成9大類，主要的四類是IS（信息共享）、OC（意見/抱怨）、RT（隨機想法）和ME（關于我的一切）［12］。已有研究表明，微博用戶擁有的粉絲越多，其微博信息節(jié)更容易得到關注和轉發(fā)［13］；微博熱度與用戶粉絲數呈正相關性，但這種相關性并不是很大［14］；資深用戶（賬號建立時間超過一年）和新用戶（最近一個月才加入）的微博更容易被轉發(fā)［14］；得到認證的用戶所發(fā)微博通常具有權威性，會被較廣泛的傳播［13］；不同時間段用戶的活躍度不同，也會對信息傳播造成影響，21：00到0：00通常是微博的最佳轉發(fā)時間［15］。郭秋燕、何躍發(fā)現，明星用戶對微博信息擴散有積極影響，可以擴大信息傳播范圍［16］。馬俊等將用戶屬性分為行為、狀態(tài)兩大類屬性，每個屬性各有10個維度，并將這些維度重新組合成為15種特征，依次來研究用戶特征對于微博信息傳播的影響［17］。

根據之前的研究并結合本文選取的微博特點，本文從認證賬號、加入時間、用戶活躍度、用戶覆蓋度四個方面考慮用戶特征對于微博信息傳播的影響。下面對四個因素進行介紹。

認證賬號：新浪微博會對一些賬號進行認證，并在昵稱旁加上“V”來表示認證賬號。這些賬號往往是一些名人或者機構，具有較大的知名度和影響力。

加入時間：用戶轉發(fā)某條微博的時間稱為加入時間。不同的加入時間能否影響信息的傳播是本文研究的內容之一。

用戶活躍度：微博中，用戶活躍度可由用戶等級來確定。用戶登記是根據用戶登錄天數以及發(fā)微博數確定的。如果用戶登錄天數多，并且發(fā)表微博數多，用戶等級就會提高。

信息覆蓋度：信息覆蓋度反映的是用戶傳播信息所能覆蓋的范圍，本文采用用戶的粉絲數來測量。

2　實證分析

2.1數據采集

為了研究用戶特征對信息傳播的影響，本文選取了兩條微博進行分析，它們分別是新浪微博中名為“我是歌手”的用戶在4月4日23點07分發(fā)布的微博一（圖1a），以及名為“歡樂的云端之上”的用戶在2014年2月3日12：57：12發(fā)布的微博二（圖1b）。這兩條微博都具有轉發(fā)數多、覆蓋面廣的特點，用來研究信息傳播具有一定的代表性。本文使用北京大學的PKUVIS［18］微博可視化工具對樣本微博的數據進行采集，該工具具有操作簡單、數據信息完整、提供可視化視圖等優(yōu)點。

圖1樣本微博

2.2影響因素分析

（1）認證賬號對信息傳播的影響

本文分別統計出了為該微博帶來轉發(fā)量排名前20用戶的認證信息、粉絲數和轉發(fā)量，如表1。

由表1中可以看出，微博一中轉發(fā)量前20的用戶中有7位是認證用戶，且這7位用戶排在前7名；微博二中前20的用戶中有11人為認證用戶，但前7中有5位是認證用戶，帶來巨大轉發(fā)量的前3位用戶均為認證用戶。因此可以得出結論：雖然認證用戶在總人數上不占巨大優(yōu)勢，但在影響較大的用戶群中，相比非認證賬號來說，認證賬號對信息傳播的貢獻更大，帶來了更多的轉發(fā)量，用戶是否經過認證影響信息傳播，但其作用并不十分顯著。

上述結論的原因可以這么解釋：在新浪微博中，用戶認證被分為組織認證 （“藍V”）和個人認證 （“橙V”）；而在現實中，新浪微博的用戶也被分為兩類——名人和非名人。名人存在一個特征，即關注數小于500，被關注數大于10000，微文數卻不及被關注數的千分之一。這說明微博中的名人通過自身的影響力便能吸引大量粉絲關注，而無需關注他人或發(fā)布微博，這種現象即為“名人效應”。因此在微博的認證用戶中，存在一些雖為認證用戶但“名人效應”不明顯的用戶，也存在雖非認證用戶但具有“名人效應”的用戶（如微博一中的“GEM鄧紫棋貼吧”），這些用戶的存在使認證帳號對微博信息傳播的影響產生了偏差。

（2）加入時間對信息傳播的影響

本文獲取了兩條微博轉發(fā)過程的時間軸數據，如圖2。

圖2a中，原微博發(fā)出后的幾小時內，轉發(fā)量急劇增加，形成了1個波峰；然后轉發(fā)量出現一定程度的下降；之后有再一次的上升，形成一個新的小波峰；然后逐漸下降至平緩，期間有可能又會形成一些小的轉發(fā)波峰，但總體趨勢是用戶進入減少，轉發(fā)量趨于0。

圖2b相比于圖2a，時間軸圖像顯得比較獨特——轉發(fā)增長和減少都比較“迅速”，且有許多波峰。形成這些特點的原因是：一是因為微博二數據截取時距離微博發(fā)出的時間已過去4個月，時間軸圖像由于壓縮比較大因此顯得變化比較“劇烈”；二是由于微博二信息本身的時效性比一來的弱，所以信息能在很長時間內被多次“引爆”。

表1　微博轉發(fā)量排名前20用戶相關信息（左為“微博一”，右為“微博二”）

圖2　微博時間軸圖像

如果均以一天為單位觀察信息擴散，兩條微博的時間軸數據基本一致，均是在晚上8到11點或者早上5到7點轉發(fā)量會顯著上升形成波峰，即不論用戶什么時間加入微博的傳播，這兩個時間段都是微博轉發(fā)量最大的時間。這點可以這么解釋：雖然信息發(fā)出時間不同，但與普通的電視和廣播不同，新浪微博本身能夠“攔截”下用戶沒有看過的信息，因此對于用戶來說并不需要時時關注微博來防止錯過信息，只需要在空閑時查看即可，用戶加入時間因此呈現出一致性——上午5到7點和晚上8到11點正是大量用戶 “刷微博”的時間。

（3）用戶活躍度對信息傳播的影響

不難理解，用戶活躍度與用戶發(fā)文數目和用戶在線天數有關，因此為了考察用戶活躍度對信息傳播的影響，本文將其分解為用戶微博數和用戶創(chuàng)建時間進行分析。用戶創(chuàng)建時間本文采用距離新浪微博的公測開始時間（2009年8月14日）的天數。由于數值范圍較大，本文對轉發(fā)數、用戶微博數和用戶創(chuàng)建時間都進行了取對數的運算。為了更明顯地觀察用戶活躍度的影響，本文分別選取了兩條微博轉發(fā)量跨度比較明顯的前一部分用戶——具體來說，微博一選取了前32位用戶（轉發(fā)量大于40），微博二選取了前64位用戶（轉發(fā)量大于100），并繪制了散點圖（如圖3、圖4）。

從圖3和圖4中可以看出，除了圖4a中呈現有兩個高轉發(fā)節(jié)點的創(chuàng)建時間也較早，其余圖并無法明顯得到轉發(fā)量與微博數和創(chuàng)建時間的確切關系。通過數據分析可知，圖4a中兩個高轉發(fā)節(jié)點分別為“我是歌手”和“韓磊-HL-”。雖然他們的活躍度不高，但都是微博認證用戶，且分別為明星和集團賬號，有很高的粉絲數，并于微博內容十分相關，故能帶來很多的轉發(fā)量。

這說明，用戶帶來的轉發(fā)量受到多種因素的共同影響，認證賬號和集團賬號的影響遠大于用戶活躍度的影響，當某個用戶是認證賬號或者屬于某一集團賬號時，即使該用戶的活躍度不高，也能夠帶來較高的轉發(fā)量。

圖3　微博轉發(fā)數對數與用戶微博數對數的關系

圖4　微博轉發(fā)數對數與用戶創(chuàng)建時間對數的關系

圖5　用戶轉發(fā)量對數與信息覆蓋度對數的關系

（4）用戶信息覆蓋度對信息傳播的影響

為了考察用戶信息覆蓋度對信息傳播的影響，本文統計出該微博中帶來轉發(fā)量排名前20用戶的信息覆蓋度，分析用戶信息覆蓋度與帶來轉發(fā)量的關系。由于用戶信息覆蓋度和帶來轉發(fā)量的值較大，為了更好地觀察結果，對用戶信息覆蓋度和帶來轉發(fā)量分別取對數，結果如圖10、圖11、圖12所示。

從圖5可以看出，轉發(fā)量對數與用戶信息覆蓋度的對數的形狀基本一致，都是隨著信息覆蓋度的增加而轉發(fā)量增加，且趨勢比較明顯。即：用戶信息覆蓋度能給微博傳播帶來巨大的正向影響。相關研究表明：用戶的粉絲數量可以被作為定位重要用戶（如輿論領袖）的指標之一［14］。

上述結論體現了在微博信息傳播過程中意見領袖的重要作用。對于大多數用戶來說，自身影響力較小，從而在信息傳播過程中的作用也較小；對于意見領袖來說，他們數量較小且影響力相對較大，能夠引起很大的社會反響，在信息傳播過程中的作用也較大。

3　結語

本文的研究表明用戶特征對微博信息傳播有影響。而在用戶特征中，用戶加入時間對于微博傳播的影響最小；用戶活躍度與是否認證對微博傳播具有一定影響，但不一定明顯；信息覆蓋度對于傳播的影響最為顯著。其原因是：新浪微博本身能幫用戶保留未查看的微博，這從一定程度上削弱了用戶加入時間的影響；用戶活躍度和是否認證主要作用是在影響用戶“關注”行為上，對于帶給用戶轉發(fā)的影響并不直接；而信息覆蓋度則能直接影響信息總的轉發(fā)量，顯而易見，當轉發(fā)率相對穩(wěn)定時，能看到信息的人數將直接決定信息的轉發(fā)數。

上述結論具有各方面的實際意義，例如：對于希望采取“微博營銷”的組織來說，“增加粉絲量”往往比“認證”有用，讓“粉絲數多的用戶”轉發(fā)應當比讓“認證用戶”轉發(fā)來的更為有效；而對于希望捕捉社會熱點的人來說，并不需要關注所有人的動態(tài)，只要關注許多微博“大咖”的轉發(fā)即可，因為他們的轉發(fā)更有可能帶來更巨大的轉發(fā)，從而形成社會熱點；同理，微博監(jiān)管機構也不必監(jiān)管所有用戶的微博，監(jiān)管粉絲量多的用戶一般就能得到良好的效果。

此外，本文還有一些不足之處有待改進。首先，本文僅考慮了4個用戶特征，相對較少，之后的研究可增加更多的用戶特征進行研究。其次，沒有考慮文本和外界環(huán)境對于微博傳播的影響，而考慮文本和環(huán)境對于微博信息傳播的影響有待更深入的研究。

［1］陳慧娟，鄭嘯，陳欣.微博網絡信息傳播研究綜述［J］.計算機應用研究，2014，31（2）：333-338.

［2］李杰修.微博的定義與特征分析［J］.企業(yè)文化旬刊，2012（9）：133-133.

［3］艾瑞網.五大數據解讀微博Q1財報［EB/OL］.2015-5-18.http://web2.iresearch.cn/media/20150518/249980.shtml

［4］靖鳴，王瑞.微博暴力的成因及其應對之策［J］.新聞與寫作，2012（2）：31-34.

［5］劉乙坐，黃奇杰.傳播學視野下的微博基本分類初探［J］.中國科技信息，2011，（5）：148-150.

［6］李政澤，韓毅，周斌，賈焰.微博用戶分類的特征詞權重優(yōu)化及推薦策略［J］.信息網絡安全，2012，（8）：136-139.

［7］宋巍，張宇，謝毓彬，劉挺，李生，都云程.基于微博分類的用戶興趣識別［J］.智能計算機與應用，2013，3（4）：80-83.

［8］Oulasvirta A，Lehtonen E，Kurvinen E，Raento M.Making the ordinary visible in microblogs［J］.Personal&Ubiquitous Computing，2010，14（3）：237-249.

［9］Takhteyev Y，Gruzd A，Wellman B.Geography of Twitter networks［J］.Social Networks，2012，34（1）：73-81.

［10］Levinson M H.The tipping point：how little things can make a big difference［J］.Business Economics，2007，25（6）：580-580.

［11］Java A，Song X，Finin T，Tseng B.Why we twitter：understanding microblogging usage and communities［C］.proceedings of the Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 workshop on Web mining and social network analysis：56-65.

［12］Naaman M，Boase J，Lai C H.Is it really about me：message content in social awareness streams［J］.Proc Cscw，2010，189-192.

［13］Suh B，Hong L，Pirolli P，Chi E H.Want to be retweeted large scale analytics on factors impacting retweet in twitter network［C］. proceedings of the social computing（SocialCom）.2010 IEEE Second International Conference on：177-184.

［14］于晶.微博傳播過程中用戶影響力的特征實證分析［J］.情報雜志，2013，32（8）：57-61.

［15］張賽，徐恪，李海濤.微博類社交網絡中信息傳播的測量與分析［J］.西安交通大學學報，2013，47（2）：124-130.

［16］郭秋艷，何躍.新浪微博名人用戶特征挖掘及效應研究［J］.情報雜志，2013，32（2）：112-116.

［17］馬俊，周剛，許斌，黃永忠.基于個人屬性特征的微博用戶影響力分析［J］.計算機應用研究，2013，30（8）：2483-2487.

［18］Ren D，Zhang X，Wang Z，Li J，Yuan X.Weibo Events：A crowd sourcing weibo visual analytic system［C］.Proceedings of the 2014 IEEE Pacific Visualization Symposium（PacificVis）：330-334.

User characteristics is one of the most important influence factors of information communication on micro-blog.Collects empirical data from two typical blogs on Sina，to study the influence factors about user characteristics on the information communication.The result shows that the authorized accounts make a contribution to the process of information communication.But the contribution of the time of user taking part in and users’active degree isn’t obvious.And the number of followers has a great impact on information communication. Keywords：

Micro-Blog；User Characteristics；Information Communication

An Empirical Study on the Influence of User Characteristics on Micro-blog Information Communication

ZHANG Peng-wei，LIU Hong-li，WANG Lin-wei，ZHANG Cheng-dong
（School of Bussiness，East China University of Science and Technology，Shanghai 200237）

1007-1423（2015）24-0033-07

10.3969/j.issn.1007-1423.2015.24.009

張鵬威（1992-），男，浙江紹興人，碩士研究生，研究方向為在線社會網絡

劉紅麗（1966-），女，陜西大荔人，博士，副教授，研究方向為信息系統

汪林威（1992-），男，安徽黃山人，碩士研究生，研究方向為在線社會網絡

張澄東（1993-），男，浙江寧波人，本科生，研究方向為在線社會網絡

2015-07-28

2015-08-20

用戶是影響微博信息傳播的重要因素之一。通過選取兩條典型的熱門微博，對用戶特征在微博信息傳播中的影響進行實證分析。結果發(fā)現認證用戶比非保險認證用戶對信息傳播的貢獻更大，加入時間和用戶活躍度對于信息傳播的效果并不明顯，而用戶的信息覆蓋度對微博信息傳播有著較大的影響。

微博；用戶特征；信息傳播

華東理工大學“大學生創(chuàng)新訓練計劃”項目（No.x14097）