盧雨松

一、前言

如今，微博已成為一種重要的交流工具。隨著網(wǎng)絡技術的發(fā)展，微博類網(wǎng)站已成為人們?nèi)粘Ｉ畹囊徊糠?。以推特為例，截?015年底，推特網(wǎng)的月度活躍用戶已達2.89億，每天發(fā)布的推文超過5億條。（推特公司，2015）。

在商業(yè)領域，許多研究者發(fā)現(xiàn)微博可幫助組織增加客戶量、提升品牌知名度、增加銷量并減少成本（Weber，2009）。已有大量組織開始意識到使用微博來塑造品牌和推銷其自身的重要性。但在中國，邢斗（2013）研究了企業(yè)微博營銷業(yè)績，發(fā)現(xiàn)大部分企業(yè)不了解如何提升其微博賬戶的影響力。

因此，對正在或想要利用微博平臺與消費者建立聯(lián)系的企業(yè)及組織而言，找到增加微博轉(zhuǎn)發(fā)動機的策略就變得尤為重要。

二、文獻綜述

（1）微博內(nèi)容

Kaplan和Haenlein（2011）發(fā)現(xiàn)，不同特點的內(nèi)容可組合到一條微博中，從而使發(fā)布的微博內(nèi)容更加生動。Brookes（2010）亦建議，企業(yè)應嘗試使用不同特點的內(nèi)容，如鏈接、圖片、視頻及文本或提問，以吸引其關注者的注意力。De Vfies等人（2012）將微博內(nèi)容歸為三個“靈活度等級”。其中，圖片型微博屬于“低等”，文字型微博為“中等”而視頻微博屬于“高等”。

通過探索社交媒體如何幫助營銷者獲得成功，Lewis（2010）建議微博管理員應發(fā)布一些對其微博訪問用戶有價值的內(nèi)容。例如：時事資訊、提出討論話題并提供文章鏈接、發(fā)布視頻或?qū)懸恍╆P于本行業(yè)發(fā)展的建議。

（2）概念框架和假設

通過文獻綜述發(fā)現(xiàn)，對于微博網(wǎng)站而言，衡量微博賬戶是否有影響力的關鍵因素取決于轉(zhuǎn)發(fā)動機（分享/轉(zhuǎn)發(fā)微博信息）。

據(jù)此，本研究特提出如下之假設：微博內(nèi)容對轉(zhuǎn)發(fā)動機產(chǎn)生影響。

三、研究方法

研究者通過調(diào)查問卷對400名受訪者進行分析，其中問卷被分為2個部分，包括微博內(nèi)容及轉(zhuǎn)發(fā)動機，二者均為連續(xù)數(shù)據(jù)。為此作者采用了多元回歸法，對內(nèi)容與轉(zhuǎn)發(fā)動機間的關系進行分析。

四、數(shù)據(jù)分析和結(jié)果

（1）可靠性分析

作者采用克隆巴赫系數(shù)（a）來衡量研究中數(shù)據(jù)的可靠性。結(jié)果所示，簡潔性克隆巴赫系數(shù)（a=.830）高于0.80，表明該兩項目之間有較高可靠性。此外，轉(zhuǎn)發(fā)動機（a=.797）、有效性（a=.777）及生動性（a=.735）的克隆巴赫系數(shù)均介于0.7與0.8之間，表明該變量可靠性極高。

（2）描述性分析

有效性與轉(zhuǎn)發(fā)動機——通過對微博內(nèi)容、互動性及轉(zhuǎn)發(fā)動機進行變量描述性分析，結(jié)果顯示，微博內(nèi)容和互動性的均值為3.87。數(shù)值接近4，說明調(diào)查對象對此兩種變量持有認可態(tài)度。而轉(zhuǎn)發(fā)動機為4.02，亦接近4，表明調(diào)查對象對此變量亦持有認可態(tài)度。

值得注意的是，在調(diào)查問卷中，微博生動性、簡潔性及互動性維度是以梯度型問題設計呈現(xiàn)。所以，僅簡單地將此3種變量平均值進行比較還不夠詳細且不夠全面。因此，作者對維度的各個項目作了進一步描述性分析。具體如下：

生動性——“純文本”（平均值=3.01）、“圖片”（平均值=3.88）以及“視頻”（平均值=3.77）之平均值均介于3和4之間。但“文本和圖片”（平均值=4.21）、“文本和視頻”（平均值=4.1 1）以及“文本、圖片及視頻”（平均值=4.43）之平均值介于4和5之間。以上結(jié)果表明，對于單條微博而言，其內(nèi)容類型越復雜，所吸引的調(diào)查對象注意力越多。

應當注意的是，在本調(diào)查中，“純文本”呈現(xiàn)出較低靈活性，“圖片”和“視頻”呈現(xiàn)出中等靈活性，而“文本和圖片”、“文本和視頻”和“文本、圖片及視頻”呈現(xiàn)出高度靈活性。

簡潔性——在調(diào)查問卷中，作者設計了3條大意相同但內(nèi)容字數(shù)不同的微博。在其中，各微博字數(shù)分別為：140字、102字及90字。結(jié)果顯示，各項目的平均值均介于3和4之間，表明調(diào)查對象對不同字數(shù)多少不同的微博認同感區(qū)別并不突出。

（3）假設檢驗

基于調(diào)查問卷之設計，作者采用多元回歸分析法檢驗“內(nèi)容”與“轉(zhuǎn)發(fā)動機”間的關系。

a.因變量：轉(zhuǎn)發(fā)動機

b.預測變量：（常數(shù)），微博內(nèi)容

回歸模型概述（見表10）表明，微博內(nèi)容可解釋35.2%轉(zhuǎn)發(fā)動機的變化（R平方352*100=35.2）。基于此結(jié)果，顯著性等級為“.000”，表明微博內(nèi)容對轉(zhuǎn)發(fā)動機產(chǎn)生影響。故此，可接受本研究一開始的假設。

通過建立相關性矩陣，可以發(fā)現(xiàn)有效性（r=.610，p<0.01），靈活性（r=-.456，p<0.01）以及簡潔性（r=.294，p<0.01）與轉(zhuǎn)發(fā)動機之間有著正相關性。

此外，通過回歸模型還可以看到，微博內(nèi)容3個維度的不同重要性層級。在本研究中，靈活性（p=.000）及有效性（p=.000）對轉(zhuǎn)發(fā)動機有著正面影響，而簡潔性（p=.175）對轉(zhuǎn)發(fā)動機的影響卻不明顯。其中，有效性（B=.489）的影響最為強烈，其次是靈活性（B=.233）。在本研究中，假設Y為轉(zhuǎn)發(fā)動機，x1為靈活性；x2為有效性，且x3為簡潔性。因此，本模型中各系數(shù)之等式可表述為：

Y=0.878+0.287Xl+0.492X2+0.035X3

五、結(jié)論

在本研究中，作者將多元回歸及F檢驗作為分析方法進行假設檢驗。結(jié)果顯示，本文中關于“微博內(nèi)容對轉(zhuǎn)發(fā)動機產(chǎn)生影響”的假設成立，其中，有效性對轉(zhuǎn)發(fā)動機的影響最為強烈。

（作者單位：柳州鐵道職業(yè)技術學院）