基于社會網絡的企業(yè)微博信息傳播途徑分析

郭曉姝 劉子龍

[摘 要] 本文通過對一企業(yè)微博信息傳播案例進行分析，研究了企業(yè)微博信息轉發(fā)網絡。對轉發(fā)用戶之間相互關注關系形成的矩陣，進行社會網絡分析，發(fā)現(xiàn)關注網絡具有松散的網絡結構，揭示了影響企業(yè)信息傳播的兩個因素——話題和源吸引力，并且發(fā)現(xiàn)信息源以及與信息源相關的集團微博的點度中心性和中間中心性都比較高，在信息發(fā)布和信息傳播中具有較大的權力。本文的研究為企業(yè)通過微博平臺進行信息傳播提供參考。

[關鍵詞] 社會網絡；企業(yè)微博；成分分析；中心性

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 17. 072

[中圖分類號] G350 [文獻標識碼] A [文章編號] 1673 - 0194（2014）17- 0118- 05

0 引 言

隨著網絡與信息技術的發(fā)展，虛擬社區(qū)以多種模式發(fā)展，而微博成為時下最流行的模式?！拔⒉奔次⑿筒┛?，每條信息字數(shù)限制在140個以內，發(fā)布和傳播更方便快捷，實時傳遞，越來越多的用戶利用這一服務在不同的對象之間發(fā)布和共享信息[1]。微博最大的特點是基于社交網絡的自媒體平臺，利用社交網絡，信息呈幾何級數(shù)裂變式傳播[2-4]，而且其靈活且廣泛的架構降低了參與門檻。微博的信息傳播問題已經引起了學者們的廣泛關注。眾多企業(yè)看到微博信息傳播的特點，紛紛加入，成為企業(yè)微博用戶。企業(yè)微博是以企業(yè)或其產品為名注冊的微博[5]，是通過微博平臺認證系統(tǒng)認證的，旨在傳播企業(yè)品牌和及時發(fā)布產品最新信息，增加與消費者進行直接溝通的機會，讓信息傳播更到位。企業(yè)擁有企業(yè)官方微博的同時，其子品牌、地方分支機構、各組織部門、高管、職員等也開設單獨的微博并認證，具有獨立的職能，這樣的企業(yè)微博策略即稱為集團微博或家族微博。而社會網絡在傳播信息[6-8]，產品和創(chuàng)新[9]等方面凸顯了重要性。尤其是最近的社會媒體的發(fā)展，都加強了網絡在信息傳播[10-11]中的作用。平亮、宗利永[12]基于社會網絡理論，以新浪微博為例，結合微博用戶之間的“關注”與“被關注”關系，建立了信息傳播的網絡拓撲結構，提出了相應的啟示。王曉光 [13]以新浪微博為例，對微博客用戶行為特征與關系特征進行了實證分析。袁毅 等[14]根據(jù)某個時間周期內，微博用戶關于某一話題的交流數(shù)據(jù)，得到用戶在交流中形成的關注關系、轉發(fā)關系、評論關系和引用關系4種社會關系網絡，找出其不同之處以及共同特征和聯(lián)系。已有的研究從社會網絡角度，研究某一話題的傳播途徑或用戶行為特征，但是針對企業(yè)微博信息傳播網絡的研究還很少，因此，本文從社會網絡角度研究企業(yè)微博信息傳播的途徑，分析影響企業(yè)微博信息傳播的關鍵因素，為企業(yè)充分利用微博平臺提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

社會網絡分析方法反映各個體之間的關系。社會網絡分析方法（Social Network Analysis，SNA）是由社會學家根據(jù)數(shù)學方法﹑圖論等發(fā)展起來的揭示個體之間錯綜復雜的結構關系的定量分析方法。社會網絡分析將被分析對象視為社會行動者和他們之間關系的集合，通過建立各種數(shù)學分析模型進行量化研究，利用計算機技術將行動者及其關系結構以圖形的方式展示出來。

社會網絡分析主要包括網絡密度（Density）分析和中心性（Centralization）分析。它們是社會網絡分析中兩個重要的、互補的測度?！懊芏取敝傅氖蔷W絡節(jié)點相互聯(lián)系程度，亦即節(jié)點間相互聯(lián)系的平均程度，反映了網絡節(jié)點間的緊密或疏離程度。對一個規(guī)模（Size）確定的網絡來說，點之間的連線越多，則該網絡的密度越大。網絡密度越接近1，網絡成員間的聯(lián)系越緊密，信息在成員間傳遞的速度越高，成員之間的信息交流越方便。 “中心性”描述的是網絡節(jié)點群體的集中程度，程度中心性越大的點，是越活躍的點。中心性的度量有3種：點度中心度/點度中心勢，中間中心度/中間中心勢，接近中心度/接近中心勢 [15]。在本研究中主要關注的是網絡中心性，即點度中心性表示出節(jié)點在信息傳播中具有的權力。中間中心性是測量行動者對其他行動者的控制程度，即一個行動者處于另兩個行動者路徑之間，能夠控制其他兩個行動者的交往能力，若該行動者在網絡中這樣的位置越多，代表它的中間中心性越高，很多行動者都需要經過它才能發(fā)生聯(lián)系[15]。點度中心度指的是在社會網絡中，一個行動者（actor） 與很多其他行動者有直接聯(lián)系，該行動者就處于中心地位，從而擁有較大的權力。點度中心勢：中心勢特指作為一個圖的中心度，中心勢指的不是點的相對重要性而是圖的總體整合度或者一致性。

本文為了研究微博信息傳播的途徑，在新浪微博中選擇一條企業(yè)微博信息，查看所有轉發(fā)該條微博信息的用戶之間的關注關系，用社會網絡分析法分析企業(yè)微博信息傳播的途徑及各用戶在信息傳播網絡中的地位和作用。

1.2 數(shù)據(jù)來源

本文選取新浪微博平臺上的小米公司官方微博（昵稱：小米公司）于2012年6月4日13點44分發(fā)布的一條標簽為“小米手機學院”的微博，在6月11日提取了轉發(fā)用戶基本信息（ID、粉絲數(shù)量、關注數(shù)量、所屬省份、截止到提取當天的微博數(shù)）。

在這1 947位用戶中，跟蹤到這些用戶之間，以及用戶與小米公司之間的關注關系，列出關系矩陣，去掉全是0的行和列（隨機留下幾行全0行列，以求各類數(shù)據(jù)完整性），得到810×810階矩陣。由于用戶ID較復雜，為了方便，將用戶統(tǒng)一按順序編號為v1到v810。部分關注矩陣見表1。

圖2中的節(jié)點代表轉發(fā)該微博信息的用戶，用戶之間的關注關系能夠反映出信息傳播的起點、過程，用戶通過關注企業(yè)或其他用戶能夠看到企業(yè)或其他用戶信息的更新，然后通過轉發(fā)，使得關注該用戶的其他用戶也獲得該信息，進而根據(jù)意愿決定是否轉發(fā)，形成一個由關注關系反映的轉發(fā)網絡。由圖2看出圍繞信息源（微博原始信息發(fā)布用戶）直接進行的信息傳播占較大部分，然后是在小團體之間的傳播。用戶關注關系主要圍繞兩大用戶，這兩個核心點分別是v532（小米公司）和v533（小米手機），有若干兩兩關注關系圍繞在周圍。我們可以通過成分分析分析節(jié)點的構成。

運用UCINET 6.0進行密度測量，其連線為947，該轉發(fā)成員關注網絡的密度僅為0.001 4，是個極為松散的網絡，并不是適合信息相互交流的網絡，即該信息傳播并不是在一個強關系的小網絡中傳播，而是發(fā)散的網絡，說明弱關系有利于信息的傳播。

2.2 轉發(fā)用戶關注網絡成分分析

對社會網絡圖的成分分析是指將網絡關系圖分成若干部分，每個部分的成員之間存在關聯(lián)，而各個部分之間沒有任何關聯(lián)，這些部分稱為成分（component）[16]。成分分析可以分為無向關系網絡成分分析和有向關系網絡成分分析，對于有向關系數(shù)據(jù)來說，成分可分為“強成分”和“弱成分”，在有向關系網絡中，忽略關系的方向得到的成分為“弱成分”，也就是圖論中的弱分圖。而在一個成分中任何兩點之間都存在嚴格的雙向路徑的叫“強成分”，即圖論中的強分圖。一個孤立的節(jié)點也代表一個成分。通過成分分析，可以找到凝聚子群，是最簡單的凝聚子群分析形式，整個圖由若干個成分構成，每一個成分都是一個子圖，子圖中任何兩點都可以通過一定的途徑相連。

2.2.1 弱成分分析

首先進行弱成分分析，得到的結果如表2所示。

從表2中可以看到，弱成分共36個，按照成分的大小分為4種，成分大小與節(jié)點數(shù)如表3所示，由一個節(jié)點構成的成分有7個，兩個節(jié)點構成的成分有26個（52個節(jié)點），3個節(jié)點構成的成分有2個（6個節(jié)點），745個節(jié)點構成一個巨大的成分，該巨大的成分充分體現(xiàn)了微博傳播由點到面的特點，而若干小的成分體現(xiàn)了用戶自發(fā)分散進行的裂變式傳播。

成分大小為1的為孤立節(jié)點，即和任何節(jié)點都不存在關注關系的節(jié)點。在處理關注矩陣之初，去掉了多數(shù)孤立節(jié)點（即矩陣的行和列全為0），隨機保留了7個孤立節(jié)點作為代表。分析孤立節(jié)點的形成，微博中關注一個用戶，就能自動獲得關注用戶的信息更新，即信息的一種來源。孤立節(jié)點表明該節(jié)點用戶并不關注任何用戶，不能通過關注的形式獲得用戶更新的信息，這也說明獲取信息的另一種方式是通過非直接關注的形式。該樣本中，孤立節(jié)點共有1 144個，占全部樣本的58.76%，這些孤立節(jié)點并沒有全部加入矩陣。

成分大小為2的成分，表明兩兩用戶之間至少存在一個關注關系，并且這些節(jié)點并不直接關注信息源用戶，故這些用戶中至少有1/2是通過非直接關注的形式獲得信息。這樣的成分共有26個，由52個節(jié)點構成，占樣本全部節(jié)點的2.67%。觀察發(fā)現(xiàn)這些用戶兩兩之間或者單向關注，或者相互關注。

成分大小為3的成分僅有2個，共6個節(jié)點，3個節(jié)點間存在單向或相互關注關系，這6個節(jié)點也不直接關注信息源用戶，轉發(fā)信息的獲取也是通過非直接關注的形式。

最大的成分如圖3所示，由745個節(jié)點構成，占全部節(jié)點的38.26%，其內核中有兩個高被關注的節(jié)點v532和v533（小米公司和小米手機），v532是信息源，v533則是其公司集團微博中的一員。其中302個節(jié)點只關注v532，304個節(jié)點只關注v533，共同關注二者的有117個節(jié)點，則這個最大成分中間接關注二者的節(jié)點只有32個，通過成分分析發(fā)現(xiàn)，信息從信息源第一次直接傳播僅占20%左右，在第二級傳播中集團微博成員起到很大的作用，占傳播總數(shù)的15.61%，集團微博成員借助企業(yè)品牌的源吸引力，形成了轉發(fā)用戶的關注網絡，用戶關注其微博，獲取信息來源，同時也產生一些間接關注，形成一個大的子網絡。這一成分說明了轉發(fā)信息的另一種獲取方式，通過直接關注信息源或者通過關注轉發(fā)信息的用戶獲取信息。

去掉最大成分中直接關注v533和v532，節(jié)點入度為零的點，得到圖3所示的最大成分中的主要關系網，由網絡圖可以看到，圍繞信息源及信息源同一集團的節(jié)點形成的一個關注網絡，信息的傳播方向恰和關注方向相反，在這個主要網絡中，信息的傳播，由信息源到轉發(fā)者之間的直徑最大為3。而Kwak、Lee和Park [17]研究表明幾乎所有的擴散范圍的擴散層級（hops）都小于6，沒有超出11，并且基于社交網絡的六度分隔理論，通過朋友的朋友不斷擴展而形成一個傘狀的社會化網絡，每一層級不超過6，但是多個層級逐層傳播，傳播的方向呈網狀發(fā)散[18]。這里可能由于企業(yè)微博信息的特性，信息傳播最大層級深度為3，因此企業(yè)可以通過關注3層用戶發(fā)展?jié)撛诳蛻簟?/p>

2.2.2 強成分分析

通過弱成分分析，我們發(fā)現(xiàn)了轉發(fā)用戶關注網絡中的最大關注子網，信息的獲得與信息的傳播方向是相反的，信息的獲得方向是單向的，故弱成分分析能夠反映很多的信息，強成分分析則可以發(fā)現(xiàn)網絡中的強關系網絡，本例中可以發(fā)現(xiàn)相互關注網絡。對轉發(fā)用戶關注網絡進行強成分分析，共得到767個強成分，分析各個節(jié)點后發(fā)現(xiàn)，該網絡中相互關注的節(jié)點只占4.99%，故每個獨立節(jié)點作為一個強成分。其中包含兩個成員的強成分有33個，包含3個或以上成員的強成分有5個，見表4。

通過以上分析發(fā)現(xiàn)由企業(yè)發(fā)布信息后，所有轉發(fā)用戶之間的異質性高達99%，信息的傳播是通過單向的關注關系進行的，主要在弱關系間進行傳播，只在很小的強關系范圍內進行傳播。根據(jù)微博傳播過程，獲取微博的另一種途徑是信息搜索，搜索信息源用戶或者直接搜索相關信息，因此，企業(yè)通過微博平臺，發(fā)布信息并擴大影響，促進信息的傳播，需要提高企業(yè)影響力，通過一定的方式，如話題形式，進入微博用戶推薦排行，吸引其他用戶的關注。另外，企業(yè)發(fā)布微博，為每條微博設置適當?shù)年P鍵字話題標簽，便于其他用戶對相關微博的搜索。

2.3 轉發(fā)用戶關注網絡中心性分析

2.3.1 點度中心性分析

利用UCINET 6.0軟件，計算出轉發(fā)關注網絡的點度中心性及點度中心勢，表5為轉發(fā)用戶關注網絡節(jié)點點度中心性描述統(tǒng)計。

Network Centralization （Outdegree） = 0.227%

Network Centralization （Indegree） = 50.845%

從各個節(jié)點的點入度中心度（InDegree）、點出度中心度、以及對應的相對點度中心度（NrmIndeg，NrmOutDeg）中可以看出最大的點出度中心性是3，說明成員中最多關注3個用戶，故沒有較大的相互關注網絡。最小點出度中心性為0，說明存在用戶并不關注任何用戶，則信息獲得的途徑是非直接關注形式。點入度中心度最高的前3名成員是v533、v532和v402，這幾名成員是網絡的意見領袖，他們被大多數(shù)成員關注，是傳播信息的關鍵，他們發(fā)布信息，其他成員通過關注這些節(jié)點的形式獲得信息，其中v532是該案例中的信息發(fā)布者，v533是其集團微博成員，故信息傳播中的關鍵點是信息發(fā)布者以及和信息發(fā)布者有聯(lián)系的集團成員。點入度中心性不為0的成員，則作為信息傳播者及中介，點入度為0的成員作為信息傳播者。

整個網絡的點出度標準化中間中心勢為0.227%，點入度標準化中心勢為50.845%，由于這個網絡是用戶之間的關注網絡，故主要考察點入度中心勢。點入度標準化中心勢為50.845%，表明該網絡的總體整合度處于中等程度，成員間關注關系為中等緊密，被關注的用戶有明顯的集中趨勢。

2.3.2 中間中心性分析

利用UCINET 6.0軟件，計算出轉發(fā)關注網絡的中間中心性及中間中心勢，表6為轉發(fā)用戶關注網絡節(jié)點中間中心性描述統(tǒng)計。

從表6中看到，該轉發(fā)用戶關注網絡的最大中間中心度是322，最大相對中間中心度是0.049，最小中間中心度是0。其中中間中心性較大的前3個節(jié)點是v533、v532、v402，說明其他節(jié)點獲得消息對這3個節(jié)點的依賴程度較高，這3個節(jié)點在網絡中具有較大的控制權力，能夠很大程度上控制信息的傳播流動。整個網絡的中間中心勢是0.05%，非常低，說明該網絡中大部分節(jié)點不需要別的節(jié)點作為中介就可以得到信息。

3 結 語

本文選取企業(yè)微博信息為研究對象，分析了企業(yè)微博信息的傳播途徑及傳播過程中的關鍵節(jié)點，揭示了影響信息傳播的兩個因素——話題和源吸引力，發(fā)現(xiàn)信息源以及與信息源相關的集團微博的點度中心性和中間中心性都比較高，在信息發(fā)布和信息傳播中具有較大的權力。企業(yè)為了促進信息傳播，應該擴大源吸引力，同時大力發(fā)展集團微博成員，擴大集團微博成員的吸引力，有利于企業(yè)微博的信息傳播，發(fā)展與企業(yè)相關的微博活躍用戶，同樣能促進信息的傳播。

盡管本文的結果比較理想，但是也存在數(shù)據(jù)選擇等方面的局限因素。本文以一條企業(yè)微博信息出發(fā)，通過研究傳播用戶的關注關系的逆向，分析信息傳播途徑，能夠反映出企業(yè)微博信息傳播途徑特征及關鍵節(jié)點，但是對于信息內容對傳播的影響因素沒有考慮，分析具有一定局限。我們也可以通過研究不同類型的企業(yè)微博信息傳播途徑，將其結果與本文結論作比較，分析企業(yè)微博信息內容對信息傳播途徑的影響，這也是一項非常有意義的研究。

主要參考文獻

[1]A Java，X Song，T Finin，et al. Why We Twitter：Understanding Microblogging Usage and Communities[C]//Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis. ACM，2007.

[2]喬金星. 企業(yè)微博： 品牌營銷新工具[J]. 今傳媒，2010（5）：14-16.

[3]張忞嫻. 企業(yè)微博營銷 SWOT 分析及營銷策略探究[J]. 現(xiàn)代營銷， 2011（10）：67-69.

[4]潘潔. 企業(yè)微博營銷價值分析[J]. 價值工程， 2011， 30（26）： 103-104.

[5]陳雅. 企業(yè)微博客應用性寫作研究[J]. 中共濟南市委黨校學報，2012 （3）：41-44.

[6]Granovetter M S.The Strength of Weak Ties[J].American Journal of Sociology，1973，78：1360-1380.

[7]J J Brown，P H Reingen. Social Ties and Word-of-Mouth Referral Behavior[J].The Journal of Consumer Research，1987，14（3）：350-362.

[8]D J Watts，P S Dodds.Influentials，Networks， and Public Opinion Formation[J].Journal of Consumer Research，2007，34：441-458.

[9]E M Rogers.Diffusion of Innovations[M].5th Edition.New York，NY：Free Press，2003.

[10]D Gruhl，R Guha，etal.Information Diffusion through Blogspace[C]//Proceedings of the 13th International Conference on World Wide Web Conference（WWW），2004.

[11]F Wu，B A Huberman，L A Adamic，et al.Information Flow in Social Groups[J].Physica A：Statistical Mechanics and its Applications，2004，337（1/2）：327-335.

[12]平亮， 宗利永. 基于社會網絡中心性分析的微博信息傳播研究——以 Sina 微博為例[J]. 圖書情報知識， 2011 （6）： 92-97.

[13]王曉光. 微博客用戶行為特征與關系特征實證分析——以 “新浪微博” 為例[J]. 圖書情報工作， 2010 （14）： 66-70.

[14]袁毅， 楊成明. 微博客用戶信息交流過程中形成的不同社會網絡及其關系實證研究[J]. 圖書情報工作， 2011， 55（12）： 31-35.

[15]Linton C Freeman. Centrality in Social Networks Conceptual Clarification[J].Social Networks，1978-1979，1（3）：215-239.

[16]劉軍.整體網分析講義[M]. 上海：格致出版社， 2009.

[17]H Kwak，C Lee，H Park，et al.What is Twitter， a Social Network or a News Media[C]//Proceedings of the 19th International Conference on World Wide Web. ACM，2010.

[18]史亞光，袁毅.基于社交網絡的信息傳播模式探微[J]. 圖書館論壇， 2009（6）：220-223.