自媒體的發(fā)展使微信公眾平臺成為超級的社交網(wǎng)絡(luò)平臺，其用戶活躍度及活躍賬號量都極高，成為人們獲取信息的主要渠道，被廣泛應(yīng)用到各種領(lǐng)域[1]。政務(wù)微信公眾號成為政務(wù)信息傳播的一個渠道，并占據(jù)一定地位。本文應(yīng)用ELM 模型，對網(wǎng)絡(luò)爬蟲所搜集的數(shù)據(jù)進(jìn)行分析，并構(gòu)建回歸模型分析政務(wù)微信“軟文”化的傳播效果，以為政務(wù)微信傳播提供指導(dǎo)。

1 模型假設(shè)及變量

1.1 模型假設(shè)

ELM 模型的諸多研究都為其邊緣路徑的探討，邊緣路徑是指相關(guān)信息的外圍線索，比如信源真實性。本文中其邊緣路徑主要為政務(wù)微信“軟文”標(biāo)題的情感特征、軟文推文的位置、軟文內(nèi)容的娛樂性等向用戶呈現(xiàn)的信息[2]。關(guān)于微信信息轉(zhuǎn)發(fā)意向的研究顯示，關(guān)注個人和能喚起用戶情感的軟文被傳播的可能性更大，且轉(zhuǎn)發(fā)頻率同信息中呈現(xiàn)的情緒呈正比。也有研究認(rèn)為在政務(wù)微信傳播中，用戶情緒直接推動著其信息接受程度。政務(wù)微信軟文傳播中，標(biāo)題中標(biāo)點符號的應(yīng)用能夠傳遞語調(diào)和語氣，能將文字情緒可視化。標(biāo)題中人稱代詞的應(yīng)用能夠體現(xiàn)出對用戶的情感支持，激發(fā)用戶共鳴。為此，本文提出以下假設(shè)：

假設(shè)H1：政務(wù)微信推文標(biāo)題情感特征符號、人稱代詞影響信息認(rèn)知度。

假設(shè)H2：政務(wù)微信推文位置影響微信軟文傳播閱讀量。

假設(shè)H3：政務(wù)微信推文內(nèi)容的娛樂性影響文章互動親密度。

同時，信息內(nèi)容的趣味性及觀點影響用戶閱讀點擊量，推文原創(chuàng)性、類型和生動性直接影響用戶的閱讀體驗，微信推文主題的偏好及用戶興趣會影響用戶信息決策及注意力，若推文符合用戶興趣，極易吸引其注意力，進(jìn)而獲得更大的傳播力[3]。

假設(shè)H4：文章類型、生動性影響推文傳播量（力）。

假設(shè)H5：軟文涉及社會熱點話題影響文章閱讀及互動程度。

假設(shè)H6：軟文原創(chuàng)性影響推文傳播。

1.2 變量控制

本文數(shù)據(jù)源限定為市級政務(wù)微信公眾號，但因微信公眾號類型、單位性質(zhì)、重視度等，微信公眾號文章質(zhì)量及閱讀量都存在極大差異，所以控制變量選擇了微信公眾號WCI 指數(shù)（清博大數(shù)據(jù)）。此指數(shù)知名度高，依據(jù)文章點贊量、閱讀量從篇均傳播力、整體傳播力、頭條及峰值傳播力等維度評估微信公眾號。

2 實驗設(shè)計

2.1 數(shù)據(jù)源

本文選擇某省市級單位政務(wù)微信公眾號軟文傳播效果為研究對象，以WCI 指數(shù)為數(shù)據(jù)源，通過清博大數(shù)據(jù)工具查找15 家政務(wù)微信公眾號，篩選后宣傳其2019 年7 月至12 月公眾號的軟文推送標(biāo)題、閱讀量、推文時間、點贊量及網(wǎng)址等文本特征共985 條。爬蟲軟件對其所有軟文的形式特征進(jìn)行爬取，日文字、視頻（抖音）、音樂、圖片等，提出信息缺失、重復(fù)及無效信息后共得到955 條有效信息。

2.2 指標(biāo)分類及數(shù)據(jù)處理

定性化處理上述假設(shè)，文章標(biāo)題感情符號指“！”“？”，人稱代詞指含有他們、你們、你及我們等詞語；推送位置為微信界面位置處在最上方的頭條位置或其他位置。軟文娛樂性指其文中含有熱門網(wǎng)絡(luò)話題或用語、熱點社會話題及熱門節(jié)假日。軟文推送類型為原創(chuàng)及轉(zhuǎn)載兩種，本文收集數(shù)據(jù)中原創(chuàng)軟文63.9%，轉(zhuǎn)載軟文36.1%。這類事件觸發(fā)型收入，軟文生動性指穩(wěn)重內(nèi)容是否有抖音視頻類。政務(wù)微信軟文媒體表現(xiàn)方式主要有文字、抖音視頻、音頻和圖片等，圖片占66.3%，視頻19.6%，本文以是否含有視頻來評估其生動性。

3 結(jié)果分析

3.1 回歸模型分析

本文以政務(wù)微信軟文閱讀量評估軟文傳播效果，通過查閱文獻(xiàn)資料及研究相關(guān)數(shù)據(jù)，發(fā)現(xiàn)以對數(shù)形式表示閱讀量能夠使閱讀量這一因變量服從正態(tài)分布，變量含義和名稱見表1。一般線性回歸模型公式為：

表1 回歸模型變量含義和名稱

Y=β0+β1Xi1+β2Xi2+...+β8Xi8+εi，其中，β0，...β8為待估參數(shù)，隨機(jī)變量表示為εi。

3.2 多重回歸模型分析

多重線性回歸分析顯示，此回歸模型具有統(tǒng)計學(xué)意義（F=486.925，P=0.000），因變量的變異程度解釋率為83.4%，無多重共線性（），因變量、殘差均滿足正態(tài)分布。文章標(biāo)題人稱代詞及符號對政務(wù)微信軟文傳播具有顯著影響，且呈正相關(guān)性（β1=0.049，β2=0.066，P=0.011＜0.05），假設(shè)H1成立，政務(wù)微信軟文標(biāo)題的特殊符號、人稱代詞很容易吸引用戶，從情感上拉近與用戶的心理距離。軟文推送位置影響政務(wù)微信軟文傳播閱讀量（β3=0.477，P=0.021＜0.05），H2假設(shè)成立，軟文推送位置處于頭條時更易引起用戶關(guān)注和傳播，進(jìn)而影響其傳播閱讀量。

文章類型及生動性影響軟文傳播力和傳播范圍（βi4=0.092，βi5=-0.109,P=0.019＜0.05），軟文類型不同對軟文傳播量的影響程度也不同，H4 假設(shè)成立。文章涉及社會熱點話題影響軟文閱讀量及互動程度（β5=0.157，P=0.032＜0.05），H5 假設(shè)成立。軟文原創(chuàng)性同其傳播間無明顯影響關(guān)系（），但是否含有視頻則同軟文傳播呈負(fù)相關(guān)性（β7=-0.006，P=0.083＞0.05），但與H6、H4 假設(shè)相悖。WCI 知識影響政務(wù)微信軟文推文的傳播，且同其呈正相關(guān)性（β8=0.048，P=0.000），指數(shù)越大其對軟文傳播量的影響程度就越深。

4 結(jié)論

通過政務(wù)微信軟文傳播效果實驗，經(jīng)多重線性回歸分析并利用ELM 模型對微信傳播效果的6 個變量進(jìn)行分析。實驗結(jié)果顯示，文章標(biāo)題影響軟文傳播效果，軟文推送位置也非常關(guān)鍵。位于微信頁面頭條的軟文更容易被用戶關(guān)注和閱讀，其影響回歸系數(shù)也最大。這是因為政務(wù)微信軟文編者同用戶能夠相互影響，軟文編輯對頭條文章傾注的心血及精力會更多，用戶在閱讀頭條軟文時發(fā)現(xiàn)期質(zhì)量會更高，點擊閱讀及轉(zhuǎn)發(fā)傳播的意愿相對更強(qiáng)。政務(wù)微信軟文內(nèi)容中的社會熱點話題、娛樂性因素更容易被用戶關(guān)注，用戶轉(zhuǎn)發(fā)傳播的可能性更強(qiáng)，這說明微信用戶的閱讀習(xí)慣傾向于輕松和娛樂性的內(nèi)容。

政務(wù)微信軟文原創(chuàng)性對其傳播效果的影響不明顯，這與假設(shè)相悖，表明政務(wù)微信軟文推送的原創(chuàng)性文章未受到用戶青睞，軟文中加入抖音視頻的方式比較受用戶喜愛，但回歸分析結(jié)果顯示其對傳播效果的影響不太明顯，這可能同政務(wù)微信軟文視頻多是政策文件宣傳類的視頻有關(guān)，且這種視頻沒能同文字內(nèi)容有機(jī)結(jié)合。所以，在政務(wù)微信軟文傳播中，文字同具有生動性的抖音視頻相結(jié)合的軟文對傳播效果的影響也不大。

總之，政務(wù)微信“軟文”化傳播中，標(biāo)題中含有人稱代詞、情感符號、軟文推送位置、軟文娛樂性等對政務(wù)微信“軟文”化的傳播效果具有重要的影響，尤其是軟文推送的位置對傳播效果的影響最大，而軟文生動性及原創(chuàng)性則對其傳播效果無明顯影響。因此，政務(wù)微信軟文化的推送并不能真正滿足用戶需求，或其在推送軟文時并未了解到用戶的個性需求，使其軟文推送的方式及內(nèi)容不夠精準(zhǔn)，進(jìn)行傳播效果會受到影響。限于本文樣本量較小，研究中存在諸多不足，有待進(jìn)一步探討。