劉亞云
(首都經(jīng)濟貿(mào)易大學信息學院,北京 100026)
本文通過大量文獻的閱讀研究及搜集整理MIS微信公眾號的數(shù)據(jù)信息,提煉出影響微信眾號信息傳播效果的4個因素:推送內(nèi)容的原創(chuàng)程度、推送文章的類型、文章推送順序、二次轉(zhuǎn)發(fā)量。
文章可以在各種微信公眾號上進行傳播,原創(chuàng)的文章可能更能激起用戶的興趣。因此,提高推送內(nèi)容的原創(chuàng)程度是否影響微信公眾號信息傳播效果是我們要分析的一個重要問題。
根據(jù)MIS課程聯(lián)盟公眾平臺日常推送和編輯文章的內(nèi)容,本文將推送的內(nèi)容分為以下類型。
對原創(chuàng)微信內(nèi)容進行分類,可分為牛教師MIS課程解說類型文章、介紹教師風采類型的文章和各高校教師創(chuàng)作類型文章。
對整體微信內(nèi)容進行分類,可分為以下類型:①與學生、教師有關的類型,具體包括大學生生活、大學生科研學習、大學生就業(yè)、高校教師工作、高校教師特征描述以及有關生活。②與高校和教育機構相關的文章,具體包括高校的發(fā)展計劃等制度制訂、高校的“雙一流”建設、對高校的介紹和排名、國家教育體制的改革、教育機構的建設和發(fā)展。③學習方法、科技知識等的介紹,具體包括學習資源分享、學習方法建議指導、專業(yè)介紹;互聯(lián)網(wǎng)、大數(shù)據(jù)、計算機等有關內(nèi)容;社會其他學科的知識科普。④社會熱點、時政話題類,具體包括國內(nèi)外會議、時政新聞;共享經(jīng)濟熱議、科研學術成果以及前言科技介紹;社會各行業(yè)部門有關話題、節(jié)假日熱門話題。⑤與信息管理系統(tǒng)有關的內(nèi)容,例如信息管理系統(tǒng)的課程內(nèi)容。
在每日推送的文章中,不同文章的發(fā)送順序?qū)﹂喿x量的影響未知,本文通過搜集2017-03-19—10-26期間,每日不同篇次文章的閱讀量對比分析,得出文章推送順序?qū)ξ⑿殴娖脚_信息傳播效果的影響。
用戶參與程度即用戶是否參與微信文章的傳播,是否有二次轉(zhuǎn)發(fā)的行為。微信公眾號將信息推送到每一位粉絲的手機上,粉絲閱讀后轉(zhuǎn)發(fā)到朋友圈、微信群、好友,從而引起公眾號信息的二次傳播。當信息到達第二批微信用戶后,用戶選擇如前者,以此類推,形成微信公眾號信息的整個傳播過程。通過研究轉(zhuǎn)發(fā)率與文章閱讀率之間的關系來分析二次傳播對微信傳播效果的影響。
在研究原創(chuàng)程度對微信公眾號的傳播影響時,我們用閱讀率和轉(zhuǎn)發(fā)率來衡量其傳播效果。閱讀率是指公眾號信息被閱讀人數(shù)(閱讀量)與送達人數(shù)之間的百分比,轉(zhuǎn)發(fā)收藏率是指公眾號信息被轉(zhuǎn)發(fā)收藏人數(shù)與送達人數(shù)之間的百分比。通過取不同類型文章每篇閱讀量的平均數(shù),對比分析不同類型之間的差異。對不同篇次文章的平均閱讀量作對比,分析文章推送篇次位置順序與閱讀量之間的關系,再用卡方檢驗來分析其關系是否顯著。通過研究轉(zhuǎn)發(fā)率與閱讀率的系數(shù),分析兩者的關系程度,再通過建立一元線性回歸模型,分析兩者的具體關系,進而得出二次傳播對微信公眾號的影響。
構建模型之前提出模型假設,然后在假設的基礎上構建線性回歸模型,通過檢驗來說明假設是否成立,進而驗證這些因素是否會對相關因素產(chǎn)生影響。因此,對轉(zhuǎn)發(fā)率和閱讀率的關系模型給出假設:轉(zhuǎn)發(fā)率對閱讀率的影響關系顯著模型為其中,y表示閱讀率,x表示轉(zhuǎn)發(fā)率,β0表示相應系數(shù),μi表示誤差項的隨機變量。
3.1.1 描述性分析
對MIS課程聯(lián)盟公眾號的用戶進行分析,搜集341天的用戶進行分析,得出該微信公眾號由開始時的7人上升為現(xiàn)在的849人,微信公眾號從成立初期到現(xiàn)在的用戶人數(shù)差異較大。
3.1.2 文章的原創(chuàng)程度對信息傳播的影響分析
對122天原創(chuàng)文章和221天轉(zhuǎn)發(fā)文章進行分析,對不同文章來源下的閱讀量求平均值,得出原創(chuàng)文章的平均閱讀率為19.328 3%,轉(zhuǎn)發(fā)文章的平均閱讀率為6.033 7%,原創(chuàng)文章的平均閱讀率要高于轉(zhuǎn)發(fā)文章的閱讀率,說明原創(chuàng)文章的傳播效果要比轉(zhuǎn)發(fā)文章的傳播效果好。
對文章來源與閱讀量作卡方檢驗得出概率值p為0.370,在置信度為90%的水平下,p值大于0.05,不能拒絕原假設,認為文章來源與閱讀率這兩個變量沒有顯著相關。這一結論與實際有所偏差,此結果不顯著的原因可能是MIS課程聯(lián)盟公眾號推送原創(chuàng)文章時推送類型較少,多為教師風采類和各高校教師對MIS課程內(nèi)容解說類。
3.1.3 推送文章類型對信息傳播的影響分析
對原創(chuàng)微信公眾號文章進行分析,得出不同教師原創(chuàng)文章的瀏覽量有所不同,有些文章的瀏覽量超過了100,在微信公眾號創(chuàng)建初期,其閱讀率比較高,傳播效果也比較好。由此建議在對文章進行創(chuàng)作編輯的時候要注意文章類型和風格的多樣性,多編輯一些不同類型的文章。
通過整體文章的分類,得出不同類被文章的平均瀏覽量,其中,大于總體平均閱讀量50.234的文章類型為大學生科研學習類、高校教師工作類、高校教師特征描述以及有關生活類;高校的發(fā)展計劃等制度制訂、教育機構的建設和發(fā)展、專業(yè)介紹。閱讀量比較少的為社會其他行業(yè)的有關話題及節(jié)假日熱門話題。這個結果與MIS課程聯(lián)盟微信公眾號的用戶關注類型大多數(shù)為教師和在校大學生有較大的關系。信息管理系統(tǒng)課程內(nèi)容的圖文閱讀率為21.98%,遠遠高于其他類型文章的圖文閱讀率,這與其本身屬于原創(chuàng)性文章也有一定的聯(lián)系。
3.1.4 文章推送順序?qū)π畔鞑サ挠绊懛治?/p>
由計算可以得出每天不同推送順序文章的平均閱覽量分別為:第一篇的平均閱讀量為79.423,第二、三篇的平均閱讀量為分別為35.841和35.174,由此可知,第一篇位置上的文章閱讀量明顯大于第二、三篇,而在第二、三篇位置上的閱讀量差異不大。將第二、三篇位置上的文章分為一類,與第一篇位置上的文章作卡方檢驗,得到卡方的概率p值為0.00,小于置信水平為90%的臨界值0.05,因此拒絕原假設,認為不同文章的推送次序會影響文章的閱讀量,放在第一篇位置上的文章閱讀量更大,具有統(tǒng)計顯著性。
3.1.5 用戶參與程度對信息傳播的影響分析
由轉(zhuǎn)發(fā)率與圖文閱讀率的相關系數(shù)矩陣得出,從轉(zhuǎn)發(fā)率(每日轉(zhuǎn)發(fā)量與圖文送達人數(shù))與圖文閱讀率(每日閱讀量與圖文送達人數(shù))的相關系數(shù)矩陣可以看出兩者的相關系數(shù)為0.89,大于0.8,可認為是高度正相關,即轉(zhuǎn)發(fā)率越大,閱讀率就越大,由于p值為0.00<0.05,因此拒絕原假設,認為轉(zhuǎn)發(fā)率與圖文閱讀率顯著相關。
表1所示為系數(shù)表。
表1 系數(shù)表
由轉(zhuǎn)發(fā)率與圖文閱讀率的散點圖可得到轉(zhuǎn)發(fā)率與圖文閱讀率呈線性相關關系,對其進行模型建設,由于常數(shù)項和轉(zhuǎn)發(fā)率系數(shù)的T統(tǒng)計量顯著性p值均為0.00<0.05,說明回歸系數(shù)顯著。由表可得,它表示轉(zhuǎn)發(fā)率每增加1個單位,閱讀率相應增加10.119個單位。因此為了提高微信的傳播效果,應該注重用戶消息傳播的參與性,呼吁大家轉(zhuǎn)發(fā)微信文章。由擬合檢驗可得R的平方為0.791,回歸方程的擬合優(yōu)度比較好,方差分析中F統(tǒng)計量的顯著性水平0.00<0.05,說明兩個變量之間的線性關系顯著,回歸模型整體解釋變異量達到顯著的水平,模型構建較好。
根據(jù)本次研究所采集的樣本數(shù)據(jù)可得到以下結論:①微信公眾號文章閱讀率與文章的原創(chuàng)程度有關系,原創(chuàng)文章的閱讀率要高于轉(zhuǎn)發(fā)文章的閱讀率;②不同類型的文章與其度量存在差異;③不同篇次順序文章的閱讀量具有顯著性差異,第一篇位置上文章的平均閱讀量明顯大于第二、三篇文章的平均閱讀量;④微信公眾號轉(zhuǎn)發(fā)率與閱讀率呈現(xiàn)高度正相關。
通過上述研究結論,本文對如何良好運營公眾號提出以下建議:①增加原創(chuàng)性文章。②加大這些類型文章的推送量,即大學生科研學習類、高校教師工作類、高校教師特征描述以及有關生活類;高校的發(fā)展計劃等制度制訂、教育機構的建設和發(fā)展類、專業(yè)介紹類。③注重首篇文章的推送內(nèi)容。④注重微信文章的二次傳播。