鄭 奕，夏曉玲，唐延婧

(貴州省氣象服務(wù)中心，貴州 貴陽 550002)

1 前言

據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心第38次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截止2016年6月，中國網(wǎng)民規(guī)模已達(dá)7.10億，網(wǎng)民中使用手機(jī)上網(wǎng)的人群占比由2015年底的90.1%提升至92.5%，網(wǎng)民上網(wǎng)設(shè)備進(jìn)一步向移動端集中。

與此同時，我國在線政務(wù)服務(wù)用戶規(guī)模達(dá)到1.76億，占總體網(wǎng)民的24.8%，發(fā)展空間廣闊。其中，通過政府微信公眾號獲得政務(wù)服務(wù)是網(wǎng)民使用最多的在線政務(wù)服務(wù)方式。微信以其龐大的用戶基數(shù)，在新媒體傳播中成為首當(dāng)其沖的強(qiáng)勢力量?！皟晌⒁欢恕钡男旅襟w傳播平臺正在形成。

目前，全國各省市自治區(qū)、直轄市氣象部門均已開設(shè)了微博、微信、客戶端APP等多種服務(wù)方式渠道，國內(nèi)學(xué)術(shù)界對新媒體后臺創(chuàng)新設(shè)計開發(fā)、微信公眾號關(guān)鍵推廣技術(shù)打造等類型的研究也眾多。但對新媒體服務(wù)能力的評價大多用粉絲數(shù)量進(jìn)行判斷，暫無針對氣象政務(wù)新媒體服務(wù)能力影響因素的客觀分析先例可參考。

同時鑒于眾多氣象微信公眾號、氣象微博之間服務(wù)傳播能力水平不一、參差不齊，且以粉絲數(shù)為主的考核方式無法獲知究竟什么才是影響氣象新媒體傳播力能力的關(guān)鍵因素。筆者依據(jù)騰訊出品的帳號總量和平均活躍用戶規(guī)模做分析發(fā)現(xiàn)，全國31個省級行政區(qū)氣象政務(wù)微博、微信發(fā)展水平“東高西低”，大致呈三級階梯狀分布，貴州處于第二階梯。

經(jīng)調(diào)研，全國31個省、自治區(qū)、直轄市氣象部門(除港澳)均已開通了微博、微信公眾號氣象服務(wù)，在發(fā)布手段上都做到了圖、文、聲、像有機(jī)融合。對比31個省(直轄市、自治區(qū))的政務(wù)民生微信公眾號平均活躍用戶規(guī)模和移動終端活躍度的排名之差距發(fā)現(xiàn)，貴州名列全國第八位。

所以筆者選擇貴州氣象微信作為研究切入點(diǎn)，嘗試探索研究氣象新媒體傳播規(guī)律。以期發(fā)現(xiàn)新媒體服務(wù)傳播能力是否與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平密切相關(guān)?是否存在地區(qū)差異?進(jìn)而有效促進(jìn)氣象部門服務(wù)方式的創(chuàng)新和服務(wù)能力的提升。

2 研究方法

本研究從移動互聯(lián)、大數(shù)據(jù)的視角出發(fā)，以騰訊公司開發(fā)的微信社交軟件作為主要調(diào)研對象，以清華大學(xué)新聞與傳播學(xué)院沈陽教授提出的微信傳播指數(shù)(清博指數(shù))WCI為主要研究內(nèi)容，基于新媒體平臺對用戶行為、習(xí)慣以及氣象服務(wù)公眾號的傳播效果、指數(shù)變量相關(guān)性等內(nèi)容進(jìn)行探索研究。

微信傳播力指數(shù)(清博指數(shù))簡稱WCI，是國內(nèi)最大的“兩微一端”(微博、微信、APP)新媒體數(shù)據(jù)平臺，目前國內(nèi)最大的第三方新媒體數(shù)據(jù)搜索引擎，由清華大學(xué)新聞與傳播學(xué)院提供學(xué)術(shù)支持，國內(nèi)多個高校的知名學(xué)者教授擔(dān)任學(xué)術(shù)顧問。清博指數(shù)WCI以微信公眾號發(fā)布信息中能公開獲得的閱讀量、點(diǎn)贊數(shù)、發(fā)文數(shù)量等數(shù)據(jù)為分析因子，以復(fù)雜加權(quán)算法得出的結(jié)果。該算法對于可以人為控制的點(diǎn)贊數(shù)、閱讀量等進(jìn)行減少權(quán)重，更注重對文本質(zhì)量在數(shù)據(jù)中的體現(xiàn)，相對其他衡量標(biāo)準(zhǔn)更具科學(xué)性。WCI測算公式(V12.0)如下:

WCI={80%×﹝40%×Ln(R/d+1)+45%×Ln(R/n+1)+15%×Ln(Rmax+1)﹞+20%×﹝40%×Ln(10×Z/d+1)+45%×Ln(10×Z/n+1)+15% ×Ln(10×Zmax+1)﹞}2×10

其中，R為評估時間段內(nèi)所有文章(n)的閱讀總數(shù);Z為評估時間段內(nèi)所有文章(n)的點(diǎn)贊總數(shù);d為評估時間段所含天數(shù)，以真實(shí)天數(shù)計算;n為評估時間段內(nèi)賬號所發(fā)文章數(shù);Rmax和Zmax為評估時間段內(nèi)賬號所發(fā)文章的最高閱讀數(shù)和最高點(diǎn)贊數(shù)。

表1 WCI測算V12.0Tab.1 WCI calculation formula

因?yàn)閲鴥?nèi)氣象部門目前沒有開展以WCI指數(shù)為基礎(chǔ)的氣象新媒體傳播能力研究，也沒有開展氣象新媒體與地方經(jīng)濟(jì)發(fā)展相關(guān)性方面研究，所以本研究嘗試以貴州省氣象微信訂閱號為例，采集2016年5—9月貴州省下屬9個市州氣象微信訂閱號發(fā)文相關(guān)數(shù)據(jù)，代入 WCI傳播力指數(shù)測算公式(V12.0)進(jìn)行測算，并對它們的傳播力進(jìn)行排名分析。使用SPSS分析軟件，將計算結(jié)果和采集數(shù)據(jù)用因子分析法提取出影響微信公眾號傳播指數(shù)的關(guān)鍵因素，然后分別以9個市州微信訂閱號WCI關(guān)鍵因子測算數(shù)據(jù)，結(jié)合2016年貴州統(tǒng)計年鑒公布的9市州當(dāng)?shù)厝司鵊DP、電信基礎(chǔ)設(shè)施建設(shè)情況等統(tǒng)計數(shù)據(jù)，進(jìn)行相關(guān)性檢驗(yàn)。從而得出結(jié)論，WCI的高低與當(dāng)?shù)亟?jīng)濟(jì)社會發(fā)展情況不存在相關(guān)性，WCI的主要影響因素為時間段內(nèi)微信公眾號發(fā)文的最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)以及地區(qū)移動電話用戶數(shù)等4個因素。并對氣象服務(wù)的發(fā)展提出建議，力求為氣象服務(wù)方式的變革創(chuàng)新提供更為深入的實(shí)踐經(jīng)驗(yàn)。

3 分析與結(jié)果

3.1 全國及貴州省氣象微信公眾號傳播指數(shù)WCI測算排名、等價活躍粉絲排名

3.1.1 WCI測算排名 本研究抓取了2016年5—9月間的觀測數(shù)據(jù)，時間段內(nèi)觀測數(shù)據(jù)由各級氣象微信公眾號相關(guān)閱讀、點(diǎn)贊數(shù)據(jù)等組成，參照WCI指數(shù)的定義計算得出:

在全國范圍內(nèi)，傳播力最強(qiáng)的省級微信公眾號是廣東天氣服務(wù)號(WCI為996.5)，其次是上海天氣(WCI為789.4)，第3名為氣象北京(WCI為696.9)。貴州省省級氣象微信訂閱號黔氣象位于全國第17位(WCI為299.2)。

貴州省內(nèi)市州級微信公眾號傳播力排名前3位分別為遵義氣象(WCI為299.2)、黔南氣象(WCI為277.2)、銅仁氣象(WCI為256.3)。

縣級微信公眾號傳播力排名前3位為威寧氣象(WCI為457.9)、沿河氣象(WCI為379.7)、黎平氣象(WCI為328.8)。威寧奪冠的原因是6月14日發(fā)布一條“大雨傾盆!威寧瞬間變‘水城’”信息，表現(xiàn)形式為圖文+視頻，閱讀量高達(dá)49 250，點(diǎn)贊61!為貴州省截止2016年年底最高單條天氣信息閱讀紀(jì)錄。沿河、黎平的入圍也是憑借單條信息最高閱讀量的“貢獻(xiàn)”。

3.1.2 等價活躍粉絲排名 根據(jù)微信公眾號的傳播力，通過清博智能分析模型評定出微信公眾號等價活躍粉絲數(shù)，該數(shù)值會隨著時間發(fā)生變化，最高上限是100萬+。讀取得出:在全國范圍內(nèi)，等價活躍粉絲最多的前3名氣象微信公眾號分別為廣東氣象(100萬+名)，上海天氣(41萬名)，氣象北京(9.2萬名)。黔氣象7 100名，列全國第19位。

省內(nèi)市州級微信公眾號等價活躍粉絲排名前3位依次為:銅仁氣象(15 850名)，遵義氣象(5 250名)，黔南氣象(3 330名)。

省內(nèi)縣級氣象部門微信公眾號等價活躍粉絲數(shù)排名前3位為:沿河氣象(8 440名)，威寧氣象(6 950名)，松桃氣象(5 030名)。

比較兩項(xiàng)排名后可發(fā)現(xiàn)，全國省級微信公眾號的兩項(xiàng)排名基本一致，但省內(nèi)市州級及縣級排名略有變動。后續(xù)將主要采取WCI數(shù)值進(jìn)行分析。

3.2 數(shù)據(jù)分析

為探求國民經(jīng)濟(jì)生產(chǎn)總值與影響氣象微信公眾號影響力的具體作用因素之間的關(guān)系，本研究首先將使用因子分析等方法對時間段內(nèi)的氣象微信公眾號發(fā)文總數(shù)、閱讀總數(shù)、點(diǎn)贊總數(shù)、頭條文章閱讀數(shù)、最大閱讀數(shù)、最大點(diǎn)贊數(shù)、微信傳播指數(shù)WCI等相關(guān)數(shù)據(jù)進(jìn)行分析，探究微信影響力與相關(guān)變量之間的量化指標(biāo)關(guān)系。找到關(guān)鍵因子后，用主成分與國民生產(chǎn)總值中的人均GDP、電信指標(biāo)等進(jìn)行相關(guān)性分析，從而探索影響力的傳播特性。

3.2.1 因子分析結(jié)果 考慮到氣象微信公眾號發(fā)文總數(shù)、閱讀總數(shù)、點(diǎn)贊總數(shù)、頭條文章閱讀數(shù)、最大閱讀數(shù)、最大點(diǎn)贊數(shù)、微信傳播指數(shù)WCI等相關(guān)數(shù)據(jù)均為變量，同時變量之間存在相關(guān)關(guān)系及信息重疊，所以本文采用因子分析及最大方差法，輸出陡坡圖，首先找到主成分。

KMO檢驗(yàn)為0.724，說明數(shù)據(jù)進(jìn)行因子分析是比較好的，可以進(jìn)行分析。Bartlett檢驗(yàn)的Sig值為0.000，說明數(shù)據(jù)來自正態(tài)分布總體，適合進(jìn)一步分析。

按照初始特征值大于1的標(biāo)準(zhǔn)，SPSS分析得到2個主成分，第一主成分的方差貢獻(xiàn)率為67.54%，兩個主成分的方差占所有主成分方差的84.566%。

表2 主成分分析Tab.2 principal component analysis

從圖1陡坡圖上可以看出大于1的成分有2個，所以只需要考慮這2個成分即可。

圖1 陡坡圖

Fig.1 Steep slope map

在旋轉(zhuǎn)元件矩陣中所示，第一公因子主要反映的是除文章總數(shù)外變量的信息，同時在最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)上有較高的載荷，第二公因子在文章總數(shù)上有較大載荷。

表3 旋轉(zhuǎn)元件、元件評分系數(shù)矩陣Tab.3 Rotating element＆ Component score coefficient matrix

由此分析可以得出最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)等公眾號發(fā)展的重要指標(biāo)，其數(shù)值的大小可以直接影響WCI值。

據(jù)旋轉(zhuǎn)元件矩陣及元件評分系數(shù)矩陣可以寫出兩個公因子的表達(dá)式:

F1=0.109×閱讀總數(shù)-0.252×文章總數(shù)+0.031×點(diǎn)贊總數(shù)+0.197×頭條文章閱讀數(shù) +0.383×最大閱讀數(shù)+0.278×最大點(diǎn)贊數(shù)+0.180×WCI

F2=0.617×文章總數(shù)+0.204×閱讀總數(shù)+0.297×點(diǎn)贊總數(shù)+0.057×頭條文章閱讀數(shù) -0.384×最大閱讀數(shù)-0.105×最大點(diǎn)贊數(shù)+0.086×WCI

將此兩個公因子的表達(dá)式帶入市州級、縣級三項(xiàng)排名進(jìn)行驗(yàn)算，兩項(xiàng)公因子測算結(jié)果與WCI排名一致，與活躍用戶數(shù)排名有出入。

表4 公因子帶入驗(yàn)算Tab.4 Common Factor Entry Check

3.2.2 WCI與國民經(jīng)濟(jì)之間的相關(guān)性分析 根據(jù)因子分析得出與WCI密切相關(guān)的兩個公因子公式，結(jié)合2016年貴州省統(tǒng)計局發(fā)布的《貴州統(tǒng)計年鑒》中公布的9市州人均GDP、電信主要指標(biāo)等數(shù)據(jù)進(jìn)行相關(guān)性分析，從而探索國民經(jīng)濟(jì)發(fā)展水平是否直接影響微信傳播力WCI值，兩者之間是否存在相關(guān)性。

公因子測算以貴州省9個市州地微信公眾號數(shù)據(jù)為例，省級訂閱號“黔氣象”未參與測算。分析采用Pearson系數(shù)進(jìn)行檢驗(yàn)。數(shù)據(jù)分析結(jié)果如表5、表6，從表中可以看出，人均GDP與F1、F2之間不存在明顯相關(guān)性，地區(qū)移動電話用戶數(shù)與F1、F2之間存在正相關(guān)。

表5 公因子與人均GDP數(shù)相關(guān)性分析Tab.5 Correlation Analysis between common factor and per capita GDP

表6 公因子與移動電話用戶數(shù)相關(guān)性分析Tab.6 Correlation analysis of common factor and mobile phone user number

3.3 結(jié)論

氣象微信傳播服務(wù)能力的高低與該微信訂閱號推送文章的“最大點(diǎn)贊數(shù)”、“最大閱讀數(shù)”、“頭條文章閱讀數(shù)”這3個因素緊密相關(guān)，即該3個因素數(shù)值越大，該微信訂閱號的傳播服務(wù)能力就越強(qiáng)。

氣象微信訂閱號的傳播服務(wù)能力與當(dāng)?shù)貒窠?jīng)濟(jì)生產(chǎn)總值之間不存在任何相關(guān)性，即區(qū)域經(jīng)濟(jì)發(fā)展水平不會影響當(dāng)?shù)貧庀笮旅襟w的傳播服務(wù)能力。也就是說氣象微信傳播服務(wù)力數(shù)值的高低與訂閱號粉絲總數(shù)、所在地人均GDP均無直接關(guān)聯(lián)。

氣象微信傳播服務(wù)力與當(dāng)?shù)厥謾C(jī)電話用戶數(shù)存在正相關(guān)。即當(dāng)?shù)厥謾C(jī)用戶基數(shù)越大，氣象微信傳播服務(wù)能力就有可能越高。

4 建議

4.1 重塑新媒體推廣定位，以科學(xué)考核指標(biāo)助推新媒體發(fā)展

氣象服務(wù)屬于政務(wù)服務(wù)范疇，具有時效性、前瞻性及突發(fā)性等特點(diǎn)，區(qū)別于其他政務(wù)服務(wù)類別及傳統(tǒng)氣象服務(wù)方式。從分析結(jié)論中可以推導(dǎo)出優(yōu)秀微信訂閱號的屬性應(yīng)為:注重不同媒體發(fā)布渠道的氣象要素內(nèi)容包含，注重頭條推文的質(zhì)量控制，重構(gòu)氣象信息的呈現(xiàn)形式。同時應(yīng)建立以傳播力、粉絲質(zhì)量為核心的新媒體服務(wù)分析考核要點(diǎn)，加強(qiáng)氣象信息傳播工作的推廣及評估，結(jié)合推送信息的后臺分析、民眾訴求及輿情監(jiān)測與管理，重塑氣象服務(wù)新媒體的定位推廣，以科學(xué)考核指標(biāo)助推新媒體發(fā)展。

4.2 新媒體助力彎道超車，彌補(bǔ)與發(fā)達(dá)地區(qū)的氣象服務(wù)發(fā)展差距

“互聯(lián)網(wǎng)+”政策促進(jìn)效應(yīng)將促推新媒體成為傳播服務(wù)主陣地，微信矩陣是發(fā)展趨勢。人民日報等傳統(tǒng)媒體已建立起自己的傳播矩陣，這些成功經(jīng)驗(yàn)都值得參考借鑒。氣象微信公眾號實(shí)現(xiàn)了為氣象服務(wù)瓶頸“最后一公里”賦權(quán)。借助移動互聯(lián)及大數(shù)據(jù)東風(fēng)，推廣縣級氣象部門新媒體服務(wù)方式可以為偏遠(yuǎn)地區(qū)的政府部門及公眾提供與發(fā)達(dá)地區(qū)同優(yōu)質(zhì)的服務(wù)，利于彌補(bǔ)貴州與發(fā)達(dá)地區(qū)差距的數(shù)字鴻溝。移動互聯(lián)新媒體克服了空間地點(diǎn)的約束，以越來越龐大的用戶群體基數(shù)、創(chuàng)新的服務(wù)體驗(yàn)以及超低的入門門檻體驗(yàn)必將成為氣象部門服務(wù)方式的首選。

5 研究的局限與不足

①WCI影響力相關(guān)的這些因子互為因果關(guān)系，本研究采用SPSS軟件對多個因變量進(jìn)行分析，局限于分析方法所限，只能提出關(guān)鍵因子，對于因變量之間的因果關(guān)系不能得到很好的解釋。下一步可以考慮采用結(jié)構(gòu)方程模型的方法進(jìn)行更深入的分析探索。

②微信文章閱讀量、點(diǎn)贊數(shù)、轉(zhuǎn)載數(shù)等都可以通過“刷”等惡劣手段來大幅提高，淘寶搜索“微信公眾號推廣”，發(fā)現(xiàn)有很多商家從事此類業(yè)務(wù)，業(yè)務(wù)成交量更是上萬。如何清洗、刪除此類數(shù)據(jù)保證影響力測算數(shù)據(jù)的真實(shí)和公正，也值得深究。