用戶(hù)特征對(duì)微博信息傳播影響的實(shí)證研究

張鵬威，劉紅麗，汪林威，張澄東（華東理工大學(xué)商學(xué)院，上?！?00237）

用戶(hù)特征對(duì)微博信息傳播影響的實(shí)證研究

張鵬威，劉紅麗，汪林威，張澄東
（華東理工大學(xué)商學(xué)院，上海200237）

0　引言

微博，即微博客（micro-blog），是一種通過(guò)關(guān)注機(jī)制分享簡(jiǎn)短實(shí)時(shí)信息的廣播式社交網(wǎng)絡(luò)平臺(tái)，用戶(hù)可以通過(guò)Web、WAP以及各種客戶(hù)端組件，隨時(shí)隨地地發(fā)布文字、圖片、視頻、音頻等形式的信息，并實(shí)現(xiàn)及時(shí)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(zhǎng)為我國(guó)最具影響力的微博網(wǎng)站［2］。根據(jù)新浪微博Q1財(cái)報(bào)［3］，截止2015年3月，新浪微博月均活躍用戶(hù)數(shù)（MAUs）為1.98億人，同比增長(zhǎng)38%。移動(dòng)MAU占到總MAU的86%。日均活躍用戶(hù)數(shù)（DAUs）為8900萬(wàn)人，同比增長(zhǎng)34%。

微博產(chǎn)生的時(shí)間雖然不長(zhǎng)，但卻在生活的各個(gè)方面產(chǎn)生著影響，尤其是在社會(huì)熱點(diǎn)的引發(fā)和傳播過(guò)程中作用尤為顯著，微博上的“熱門(mén)話(huà)題”極有可能就是下一個(gè)社會(huì)熱點(diǎn)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?qǐng)?bào)”等官方媒體紛紛開(kāi)設(shè)微博對(duì)信息進(jìn)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(wú)論是希望自己的微博能被大量轉(zhuǎn)發(fā)從而引起風(fēng)潮的組織或個(gè)人，還是希望監(jiān)控微博信息、防止流言擴(kuò)散的監(jiān)管部門(mén)，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(huì)各領(lǐng)域的廣泛應(yīng)用引起了國(guó)內(nèi)外廣大研究者的重視，相關(guān)研究得到不斷深入：靖鳴、王瑞分析了微博暴力一點(diǎn)引爆全局、擴(kuò)散速度快、微博使用隨意性及用戶(hù)素質(zhì)參差不齊等特點(diǎn)，建議運(yùn)營(yíng)商應(yīng)加強(qiáng)網(wǎng)絡(luò)監(jiān)管［4］；劉乙坐、黃奇杰在傳播學(xué)視野下探索了對(duì)微博的基本分類(lèi)，提出一種網(wǎng)絡(luò)輿情的指導(dǎo)策略［5］；李政澤、韓毅等提出用戶(hù)分類(lèi)的特征詞權(quán)重優(yōu)化及推薦策略，為微博用戶(hù)行為分析和輿情監(jiān)測(cè)提供了一種新方法［6］；宋巍、張宇、謝毓彬等將微博分類(lèi)用于用戶(hù)興趣的識(shí)別，得到較好的效果［7］。這些文獻(xiàn)大都從理論層面對(duì)微博信息傳播、特點(diǎn)傳播效果等內(nèi)容進(jìn)行探討，但很少?gòu)膶?shí)證角度對(duì)微博信息傳播效果進(jìn)行研究。國(guó)外學(xué)者對(duì)微博研究的切入點(diǎn)比較小，與其他領(lǐng)域的融合性研究比較多，對(duì)微博的研究側(cè)重實(shí)證調(diào)研，運(yùn)用定性方法對(duì)采集的數(shù)據(jù)進(jìn)行分析以此獲得一些重要結(jié)論或發(fā)現(xiàn)研究中存在的問(wèn)題。如Antti Oulasvirta等指出微博是用戶(hù)自我表達(dá)自主選擇的平臺(tái)，微博相較于博客在內(nèi)容上更加生活化、平凡化，利用互動(dòng)反饋維持人際關(guān)系是用戶(hù)參與微博的動(dòng)機(jī)［8］；Yuri Takhteye等人的研究發(fā)現(xiàn)距離在Twitter世界中依舊是影響人際關(guān)系形成的原因但距離不是唯一因素，人際關(guān)系的建立是距離語(yǔ)言國(guó)別航班便利程度等多因素共同作用的結(jié)果［9］。

在The Tipping Point中，作者M(jìn)alcolm Gladwell提出了引發(fā)潮流的三要素，即：關(guān)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(rèn)為信息的傳播將受到傳播者、信息本身內(nèi)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(guān)鍵人物法則在微博信息傳播中的影響，即用戶(hù)特征對(duì)微博信息傳播影響，希望能夠從眾多用戶(hù)特征中分辨出對(duì)微博傳播來(lái)說(shuō)影響顯著的用戶(hù)特征和無(wú)關(guān)緊要的用戶(hù)特征。

本文將微博信息傳播中的影響定義為用戶(hù)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(shí)證研究方法，對(duì)微博信息傳播過(guò)程用戶(hù)特征對(duì)信息傳播的影響進(jìn)行研究，以便更清晰地認(rèn)識(shí)用戶(hù)特征對(duì)微博信息傳播的路徑及效果的影響。

1　微博用戶(hù)特征分析

在微博信息傳播中，微博用戶(hù)是微博信息的傳播節(jié)點(diǎn)，進(jìn)行信息的發(fā)布、接收和轉(zhuǎn)發(fā)?；谟脩?hù)特征視角對(duì)信息傳播影響的研究正逐漸成為微博研究的一大分支。Java等人研究了Twitter，利用HITS算法計(jì)算Twitter上用戶(hù)的中心度和權(quán)威度，將用戶(hù)分成信息共享，信息搜索和朋友關(guān)系三類(lèi)［11］。Naaman根據(jù)Twitter用戶(hù)發(fā)布的狀態(tài)信息，進(jìn)行內(nèi)容分析，將用戶(hù)分成9大類(lèi)，主要的四類(lèi)是IS（信息共享）、OC（意見(jiàn)/抱怨）、RT（隨機(jī)想法）和ME（關(guān)于我的一切）［12］。已有研究表明，微博用戶(hù)擁有的粉絲越多，其微博信息節(jié)更容易得到關(guān)注和轉(zhuǎn)發(fā)［13］；微博熱度與用戶(hù)粉絲數(shù)呈正相關(guān)性，但這種相關(guān)性并不是很大［14］；資深用戶(hù)（賬號(hào)建立時(shí)間超過(guò)一年）和新用戶(hù)（最近一個(gè)月才加入）的微博更容易被轉(zhuǎn)發(fā)［14］；得到認(rèn)證的用戶(hù)所發(fā)微博通常具有權(quán)威性，會(huì)被較廣泛的傳播［13］；不同時(shí)間段用戶(hù)的活躍度不同，也會(huì)對(duì)信息傳播造成影響，21：00到0：00通常是微博的最佳轉(zhuǎn)發(fā)時(shí)間［15］。郭秋燕、何躍發(fā)現(xiàn)，明星用戶(hù)對(duì)微博信息擴(kuò)散有積極影響，可以擴(kuò)大信息傳播范圍［16］。馬俊等將用戶(hù)屬性分為行為、狀態(tài)兩大類(lèi)屬性，每個(gè)屬性各有10個(gè)維度，并將這些維度重新組合成為15種特征，依次來(lái)研究用戶(hù)特征對(duì)于微博信息傳播的影響［17］。

根據(jù)之前的研究并結(jié)合本文選取的微博特點(diǎn)，本文從認(rèn)證賬號(hào)、加入時(shí)間、用戶(hù)活躍度、用戶(hù)覆蓋度四個(gè)方面考慮用戶(hù)特征對(duì)于微博信息傳播的影響。下面對(duì)四個(gè)因素進(jìn)行介紹。

認(rèn)證賬號(hào)：新浪微博會(huì)對(duì)一些賬號(hào)進(jìn)行認(rèn)證，并在昵稱(chēng)旁加上“V”來(lái)表示認(rèn)證賬號(hào)。這些賬號(hào)往往是一些名人或者機(jī)構(gòu)，具有較大的知名度和影響力。

加入時(shí)間：用戶(hù)轉(zhuǎn)發(fā)某條微博的時(shí)間稱(chēng)為加入時(shí)間。不同的加入時(shí)間能否影響信息的傳播是本文研究的內(nèi)容之一。

用戶(hù)活躍度：微博中，用戶(hù)活躍度可由用戶(hù)等級(jí)來(lái)確定。用戶(hù)登記是根據(jù)用戶(hù)登錄天數(shù)以及發(fā)微博數(shù)確定的。如果用戶(hù)登錄天數(shù)多，并且發(fā)表微博數(shù)多，用戶(hù)等級(jí)就會(huì)提高。

信息覆蓋度：信息覆蓋度反映的是用戶(hù)傳播信息所能覆蓋的范圍，本文采用用戶(hù)的粉絲數(shù)來(lái)測(cè)量。

2　實(shí)證分析

2.1數(shù)據(jù)采集

為了研究用戶(hù)特征對(duì)信息傳播的影響，本文選取了兩條微博進(jìn)行分析，它們分別是新浪微博中名為“我是歌手”的用戶(hù)在4月4日23點(diǎn)07分發(fā)布的微博一（圖1a），以及名為“歡樂(lè)的云端之上”的用戶(hù)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(zhuǎn)發(fā)數(shù)多、覆蓋面廣的特點(diǎn)，用來(lái)研究信息傳播具有一定的代表性。本文使用北京大學(xué)的PKUVIS［18］微博可視化工具對(duì)樣本微博的數(shù)據(jù)進(jìn)行采集，該工具具有操作簡(jiǎn)單、數(shù)據(jù)信息完整、提供可視化視圖等優(yōu)點(diǎn)。

圖1樣本微博

2.2影響因素分析

（1）認(rèn)證賬號(hào)對(duì)信息傳播的影響

本文分別統(tǒng)計(jì)出了為該微博帶來(lái)轉(zhuǎn)發(fā)量排名前20用戶(hù)的認(rèn)證信息、粉絲數(shù)和轉(zhuǎn)發(fā)量，如表1。

由表1中可以看出，微博一中轉(zhuǎn)發(fā)量前20的用戶(hù)中有7位是認(rèn)證用戶(hù)，且這7位用戶(hù)排在前7名；微博二中前20的用戶(hù)中有11人為認(rèn)證用戶(hù)，但前7中有5位是認(rèn)證用戶(hù)，帶來(lái)巨大轉(zhuǎn)發(fā)量的前3位用戶(hù)均為認(rèn)證用戶(hù)。因此可以得出結(jié)論：雖然認(rèn)證用戶(hù)在總?cè)藬?shù)上不占巨大優(yōu)勢(shì)，但在影響較大的用戶(hù)群中，相比非認(rèn)證賬號(hào)來(lái)說(shuō)，認(rèn)證賬號(hào)對(duì)信息傳播的貢獻(xiàn)更大，帶來(lái)了更多的轉(zhuǎn)發(fā)量，用戶(hù)是否經(jīng)過(guò)認(rèn)證影響信息傳播，但其作用并不十分顯著。

上述結(jié)論的原因可以這么解釋?zhuān)涸谛吕宋⒉┲校脩?hù)認(rèn)證被分為組織認(rèn)證 （“藍(lán)V”）和個(gè)人認(rèn)證 （“橙V”）；而在現(xiàn)實(shí)中，新浪微博的用戶(hù)也被分為兩類(lèi)——名人和非名人。名人存在一個(gè)特征，即關(guān)注數(shù)小于500，被關(guān)注數(shù)大于10000，微文數(shù)卻不及被關(guān)注數(shù)的千分之一。這說(shuō)明微博中的名人通過(guò)自身的影響力便能吸引大量粉絲關(guān)注，而無(wú)需關(guān)注他人或發(fā)布微博，這種現(xiàn)象即為“名人效應(yīng)”。因此在微博的認(rèn)證用戶(hù)中，存在一些雖為認(rèn)證用戶(hù)但“名人效應(yīng)”不明顯的用戶(hù)，也存在雖非認(rèn)證用戶(hù)但具有“名人效應(yīng)”的用戶(hù)（如微博一中的“GEM鄧紫棋貼吧”），這些用戶(hù)的存在使認(rèn)證帳號(hào)對(duì)微博信息傳播的影響產(chǎn)生了偏差。

（2）加入時(shí)間對(duì)信息傳播的影響

本文獲取了兩條微博轉(zhuǎn)發(fā)過(guò)程的時(shí)間軸數(shù)據(jù)，如圖2。

圖2a中，原微博發(fā)出后的幾小時(shí)內(nèi)，轉(zhuǎn)發(fā)量急劇增加，形成了1個(gè)波峰；然后轉(zhuǎn)發(fā)量出現(xiàn)一定程度的下降；之后有再一次的上升，形成一個(gè)新的小波峰；然后逐漸下降至平緩，期間有可能又會(huì)形成一些小的轉(zhuǎn)發(fā)波峰，但總體趨勢(shì)是用戶(hù)進(jìn)入減少，轉(zhuǎn)發(fā)量趨于0。

圖2b相比于圖2a，時(shí)間軸圖像顯得比較獨(dú)特——轉(zhuǎn)發(fā)增長(zhǎng)和減少都比較“迅速”，且有許多波峰。形成這些特點(diǎn)的原因是：一是因?yàn)槲⒉┒?shù)據(jù)截取時(shí)距離微博發(fā)出的時(shí)間已過(guò)去4個(gè)月，時(shí)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(shí)效性比一來(lái)的弱，所以信息能在很長(zhǎng)時(shí)間內(nèi)被多次“引爆”。

表1　微博轉(zhuǎn)發(fā)量排名前20用戶(hù)相關(guān)信息（左為“微博一”，右為“微博二”）

圖2　微博時(shí)間軸圖像

如果均以一天為單位觀察信息擴(kuò)散，兩條微博的時(shí)間軸數(shù)據(jù)基本一致，均是在晚上8到11點(diǎn)或者早上5到7點(diǎn)轉(zhuǎn)發(fā)量會(huì)顯著上升形成波峰，即不論用戶(hù)什么時(shí)間加入微博的傳播，這兩個(gè)時(shí)間段都是微博轉(zhuǎn)發(fā)量最大的時(shí)間。這點(diǎn)可以這么解釋?zhuān)弘m然信息發(fā)出時(shí)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(hù)沒(méi)有看過(guò)的信息，因此對(duì)于用戶(hù)來(lái)說(shuō)并不需要時(shí)時(shí)關(guān)注微博來(lái)防止錯(cuò)過(guò)信息，只需要在空閑時(shí)查看即可，用戶(hù)加入時(shí)間因此呈現(xiàn)出一致性——上午5到7點(diǎn)和晚上8到11點(diǎn)正是大量用戶(hù) “刷微博”的時(shí)間。

（3）用戶(hù)活躍度對(duì)信息傳播的影響

不難理解，用戶(hù)活躍度與用戶(hù)發(fā)文數(shù)目和用戶(hù)在線天數(shù)有關(guān)，因此為了考察用戶(hù)活躍度對(duì)信息傳播的影響，本文將其分解為用戶(hù)微博數(shù)和用戶(hù)創(chuàng)建時(shí)間進(jìn)行分析。用戶(hù)創(chuàng)建時(shí)間本文采用距離新浪微博的公測(cè)開(kāi)始時(shí)間（2009年8月14日）的天數(shù)。由于數(shù)值范圍較大，本文對(duì)轉(zhuǎn)發(fā)數(shù)、用戶(hù)微博數(shù)和用戶(hù)創(chuàng)建時(shí)間都進(jìn)行了取對(duì)數(shù)的運(yùn)算。為了更明顯地觀察用戶(hù)活躍度的影響，本文分別選取了兩條微博轉(zhuǎn)發(fā)量跨度比較明顯的前一部分用戶(hù)——具體來(lái)說(shuō)，微博一選取了前32位用戶(hù)（轉(zhuǎn)發(fā)量大于40），微博二選取了前64位用戶(hù)（轉(zhuǎn)發(fā)量大于100），并繪制了散點(diǎn)圖（如圖3、圖4）。

從圖3和圖4中可以看出，除了圖4a中呈現(xiàn)有兩個(gè)高轉(zhuǎn)發(fā)節(jié)點(diǎn)的創(chuàng)建時(shí)間也較早，其余圖并無(wú)法明顯得到轉(zhuǎn)發(fā)量與微博數(shù)和創(chuàng)建時(shí)間的確切關(guān)系。通過(guò)數(shù)據(jù)分析可知，圖4a中兩個(gè)高轉(zhuǎn)發(fā)節(jié)點(diǎn)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(rèn)證用戶(hù)，且分別為明星和集團(tuán)賬號(hào)，有很高的粉絲數(shù)，并于微博內(nèi)容十分相關(guān)，故能帶來(lái)很多的轉(zhuǎn)發(fā)量。

這說(shuō)明，用戶(hù)帶來(lái)的轉(zhuǎn)發(fā)量受到多種因素的共同影響，認(rèn)證賬號(hào)和集團(tuán)賬號(hào)的影響遠(yuǎn)大于用戶(hù)活躍度的影響，當(dāng)某個(gè)用戶(hù)是認(rèn)證賬號(hào)或者屬于某一集團(tuán)賬號(hào)時(shí)，即使該用戶(hù)的活躍度不高，也能夠帶來(lái)較高的轉(zhuǎn)發(fā)量。

圖3　微博轉(zhuǎn)發(fā)數(shù)對(duì)數(shù)與用戶(hù)微博數(shù)對(duì)數(shù)的關(guān)系

圖4　微博轉(zhuǎn)發(fā)數(shù)對(duì)數(shù)與用戶(hù)創(chuàng)建時(shí)間對(duì)數(shù)的關(guān)系

圖5　用戶(hù)轉(zhuǎn)發(fā)量對(duì)數(shù)與信息覆蓋度對(duì)數(shù)的關(guān)系

（4）用戶(hù)信息覆蓋度對(duì)信息傳播的影響

為了考察用戶(hù)信息覆蓋度對(duì)信息傳播的影響，本文統(tǒng)計(jì)出該微博中帶來(lái)轉(zhuǎn)發(fā)量排名前20用戶(hù)的信息覆蓋度，分析用戶(hù)信息覆蓋度與帶來(lái)轉(zhuǎn)發(fā)量的關(guān)系。由于用戶(hù)信息覆蓋度和帶來(lái)轉(zhuǎn)發(fā)量的值較大，為了更好地觀察結(jié)果，對(duì)用戶(hù)信息覆蓋度和帶來(lái)轉(zhuǎn)發(fā)量分別取對(duì)數(shù)，結(jié)果如圖10、圖11、圖12所示。

從圖5可以看出，轉(zhuǎn)發(fā)量對(duì)數(shù)與用戶(hù)信息覆蓋度的對(duì)數(shù)的形狀基本一致，都是隨著信息覆蓋度的增加而轉(zhuǎn)發(fā)量增加，且趨勢(shì)比較明顯。即：用戶(hù)信息覆蓋度能給微博傳播帶來(lái)巨大的正向影響。相關(guān)研究表明：用戶(hù)的粉絲數(shù)量可以被作為定位重要用戶(hù)（如輿論領(lǐng)袖）的指標(biāo)之一［14］。

上述結(jié)論體現(xiàn)了在微博信息傳播過(guò)程中意見(jiàn)領(lǐng)袖的重要作用。對(duì)于大多數(shù)用戶(hù)來(lái)說(shuō)，自身影響力較小，從而在信息傳播過(guò)程中的作用也較小；對(duì)于意見(jiàn)領(lǐng)袖來(lái)說(shuō)，他們數(shù)量較小且影響力相對(duì)較大，能夠引起很大的社會(huì)反響，在信息傳播過(guò)程中的作用也較大。

3　結(jié)語(yǔ)

本文的研究表明用戶(hù)特征對(duì)微博信息傳播有影響。而在用戶(hù)特征中，用戶(hù)加入時(shí)間對(duì)于微博傳播的影響最小；用戶(hù)活躍度與是否認(rèn)證對(duì)微博傳播具有一定影響，但不一定明顯；信息覆蓋度對(duì)于傳播的影響最為顯著。其原因是：新浪微博本身能幫用戶(hù)保留未查看的微博，這從一定程度上削弱了用戶(hù)加入時(shí)間的影響；用戶(hù)活躍度和是否認(rèn)證主要作用是在影響用戶(hù)“關(guān)注”行為上，對(duì)于帶給用戶(hù)轉(zhuǎn)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(zhuǎn)發(fā)量，顯而易見(jiàn)，當(dāng)轉(zhuǎn)發(fā)率相對(duì)穩(wěn)定時(shí)，能看到信息的人數(shù)將直接決定信息的轉(zhuǎn)發(fā)數(shù)。

上述結(jié)論具有各方面的實(shí)際意義，例如：對(duì)于希望采取“微博營(yíng)銷(xiāo)”的組織來(lái)說(shuō)，“增加粉絲量”往往比“認(rèn)證”有用，讓“粉絲數(shù)多的用戶(hù)”轉(zhuǎn)發(fā)應(yīng)當(dāng)比讓“認(rèn)證用戶(hù)”轉(zhuǎn)發(fā)來(lái)的更為有效；而對(duì)于希望捕捉社會(huì)熱點(diǎn)的人來(lái)說(shuō)，并不需要關(guān)注所有人的動(dòng)態(tài)，只要關(guān)注許多微博“大咖”的轉(zhuǎn)發(fā)即可，因?yàn)樗麄兊霓D(zhuǎn)發(fā)更有可能帶來(lái)更巨大的轉(zhuǎn)發(fā)，從而形成社會(huì)熱點(diǎn)；同理，微博監(jiān)管機(jī)構(gòu)也不必監(jiān)管所有用戶(hù)的微博，監(jiān)管粉絲量多的用戶(hù)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(jìn)。首先，本文僅考慮了4個(gè)用戶(hù)特征，相對(duì)較少，之后的研究可增加更多的用戶(hù)特征進(jìn)行研究。其次，沒(méi)有考慮文本和外界環(huán)境對(duì)于微博傳播的影響，而考慮文本和環(huán)境對(duì)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(wǎng)絡(luò)信息傳播研究綜述［J］.計(jì)算機(jī)應(yīng)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(wǎng).五大數(shù)據(jù)解讀微博Q1財(cái)報(bào)［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(yīng)對(duì)之策［J］.新聞與寫(xiě)作，2012（2）：31-34.

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

［6］李政澤，韓毅，周斌，賈焰.微博用戶(hù)分類(lèi)的特征詞權(quán)重優(yōu)化及推薦策略［J］.信息網(wǎng)絡(luò)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(lèi)的用戶(hù)興趣識(shí)別［J］.智能計(jì)算機(jī)與應(yīng)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，F(xiàn)inin 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(guò)程中用戶(hù)影響力的特征實(shí)證分析［J］.情報(bào)雜志，2013，32（8）：57-61.

［15］張賽，徐恪，李海濤.微博類(lèi)社交網(wǎng)絡(luò)中信息傳播的測(cè)量與分析［J］.西安交通大學(xué)學(xué)報(bào)，2013，47（2）：124-130.

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

［17］馬俊，周剛，許斌，黃永忠.基于個(gè)人屬性特征的微博用戶(hù)影響力分析［J］.計(jì)算機(jī)應(yīng)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?yàn)樵诰€社會(huì)網(wǎng)絡(luò)

劉紅麗（1966-），女，陜西大荔人，博士，副教授，研究方向?yàn)樾畔⑾到y(tǒng)

汪林威（1992-），男，安徽黃山人，碩士研究生，研究方向?yàn)樵诰€社會(huì)網(wǎng)絡(luò)

張澄東（1993-），男，浙江寧波人，本科生，研究方向?yàn)樵诰€社會(huì)網(wǎng)絡(luò)

2015-07-28

2015-08-20

用戶(hù)是影響微博信息傳播的重要因素之一。通過(guò)選取兩條典型的熱門(mén)微博，對(duì)用戶(hù)特征在微博信息傳播中的影響進(jìn)行實(shí)證分析。結(jié)果發(fā)現(xiàn)認(rèn)證用戶(hù)比非保險(xiǎn)認(rèn)證用戶(hù)對(duì)信息傳播的貢獻(xiàn)更大，加入時(shí)間和用戶(hù)活躍度對(duì)于信息傳播的效果并不明顯，而用戶(hù)的信息覆蓋度對(duì)微博信息傳播有著較大的影響。

微博；用戶(hù)特征；信息傳播

華東理工大學(xué)“大學(xué)生創(chuàng)新訓(xùn)練計(jì)劃”項(xiàng)目（No.x14097）