圖書館微信公眾平臺推文主題傳播研究

〔摘 要〕從推文內(nèi)容分類角度開展高校圖書館微信公眾平臺推文主題傳播研究。首先引入機器學(xué)習(xí)中LDA文檔主題生成模型進行微信公眾平臺推文的主題聚類，之后通過設(shè)計針對性算法——主題傳播指數(shù)（Topic Communication Index，TCI）對微信公眾平臺推文的不同主題開展傳播效果量化分析，并從信息接受、認(rèn)同角度嘗試性地分析了造成主題內(nèi)傳播效果差異的原因。最后根據(jù)研究結(jié)果得到適合高校圖書館微信公眾平臺運營的建議。

〔關(guān)鍵詞〕圖書館；微信公眾平臺；推文；主題模型；傳播

DOI：10.3969/j.issn.1008-0821.2018.10.020

〔中圖分類號〕G252.0 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2018）10-0132-10

〔Abstract〕From the perspective of content classification of articles pushed by the WeChat public platform of“Constructing World-class University”libraries，the paper carried out the article topic communication research.Firstly，Latent Dirichlet Allocation（LDA）model in machine learning was introduced to cluster the topic of these articles.Afterwards，a quantitative analysis for the communication effect of different topics was conducted through a targeted algorithm（Topic Communication Index，TCI）.And from the perspective of information acceptance and identification，the paper tried to analyze the causes of differences in the communication effect within the topic.Finally，according to the conclusions of this study，suggestions were put forward to promote communication effect of WeChat public platform.

〔Key words〕library；WeChat public platform；pushed articles；latent dirichlet allocation；communication

微信是騰訊公司在2011年1月21日推出的為智能終端提供即時通訊服務(wù)的免費應(yīng)用程序。在2017年11月9日發(fā)布的《2017微信數(shù)據(jù)報告》（騰訊全球合作伙伴大會）中顯示微信在2017年9月份有9億日活躍用戶，與2016年相比增長17%。旗下的微信公眾平臺（簡稱公眾號，曾命名為“官號平臺”、“媒體平臺”、“微信公眾號”）有350萬活躍賬號，與2016年相比增長14%，其活躍粉絲數(shù)為7.97億人[1]，微信已然是一個生活方式，具備了完整的生態(tài)系統(tǒng)[2]。在清博大數(shù)據(jù)平臺提供的“公眾號信息采集”功能[3]中輸入“圖書館”，可以檢索到2 444個公眾號，可見圖書館開通公眾號的普及程度。作為高校圖書館的自媒體平臺，其將公眾號自身的及時、共享、互動屬性嵌入圖書館宣傳推廣工作，迭代升級后形成圖書館新型服務(wù)模式，這提升了圖書館信息傳播的智能化水平，使得圖書館服務(wù)效能得以增強。

目前，針對圖書館公眾號的研究主要集中在①利用現(xiàn)狀調(diào)研。張秋等人從公眾號命名、開通、推送數(shù)量、推送時間和推送內(nèi)容等多角度綜合梳理了圖書館公眾號發(fā)展的現(xiàn)狀，并給出增強圖書館公眾號服務(wù)能力的建議[4]。Wei等人通過數(shù)據(jù)調(diào)研后發(fā)現(xiàn)國內(nèi)圖書館公眾號中最常用的5個服務(wù)是借還信息查詢、OPAC檢索、個人中心、公告和資源推送，并認(rèn)為圖書館利用公眾號開展服務(wù)具有開發(fā)成本低、推廣方便、交互性強、自動跨平臺、實時咨詢、用戶粘度強等優(yōu)點[5]。趙潔等人針對公眾號在圖書館中的應(yīng)用現(xiàn)狀進行了歸納，并根據(jù)圖書館公眾號的實時性、互動性、多媒體等特點以及圖書館個性化服務(wù)的內(nèi)在需求，提出、詮釋了一種圖書館公眾號服務(wù)新模式[6]；②運營策略研究。黃國凡等人利用微信傳播指數(shù)（WCI）對國內(nèi)圖書館公眾號的WCI名次進行了統(tǒng)計，并以湖南省圖書館與廈門大學(xué)圖書館的公眾號為實證對象，提出了基于WCI的公眾號運營策略[7]。池曉波等人提出針對圖書館而言，實現(xiàn)公眾號的價值主要靠3個因素：用戶、團隊、內(nèi)容，其中團隊是保障、內(nèi)容是價值體現(xiàn)、用戶是基礎(chǔ)。圖書館公眾號的運營應(yīng)該緊緊圍繞這3方面[8]；③服務(wù)模式研究。侯君潔開展了借助公眾號開展閱讀推廣的研究[9]。杜輝等人針對公眾號學(xué)科服務(wù)還處于起步階段的實際情況，建立一套公眾號學(xué)科服務(wù)的具體模式，引導(dǎo)圖書館為讀者提供便利的學(xué)科服務(wù)[10]。孫輝提出利用公眾號開展新生入館教育[11]。劉薇開展了基于公眾號的高校圖書館數(shù)字參考咨詢服務(wù)實證研究[12]；④用戶利用行為。曹鵬在對公眾號基本概念、圖書館公眾號特點、用戶接受行為概念、技術(shù)接受模型全面進行梳理的基礎(chǔ)上，得到了利用高校圖書館公眾號開展信息服務(wù)的關(guān)鍵影響因素，建構(gòu)了用戶接受度較高的公眾號模型[13]。郭順利等人建構(gòu)了高校圖書館公眾號用戶流失行為模型，分析了用戶流失的影響因素，為高校圖書館公眾號運營推廣提供理論依據(jù)和參考建議[14]；⑤傳播效果研究。郭順利等人采用扎根理論，各指標(biāo)權(quán)重通過層次分析法確定，構(gòu)建了高校圖書館公眾號傳播的影響評價算法[15]。相甍甍等人利用解釋結(jié)構(gòu)模型尋找決定傳播效果的關(guān)鍵因素，分析關(guān)鍵因素的層級關(guān)系和相互關(guān)系，進而提出增強高校圖書館公眾號信息傳播效果的建議、策略[16]。

綜上所述，目前圖書館公眾號研究主要集中在應(yīng)用服務(wù)現(xiàn)狀、運營策略、服務(wù)模式、用戶利用行為、傳播效果方面。但少有將公眾號基本數(shù)據(jù)以及長期、大量公眾號推送文章數(shù)據(jù)當(dāng)做研究對象的傳播效果量化研究。周海晨等人從“985工程”高校圖書館公眾號中數(shù)據(jù)以及推送文章出發(fā)，利用微信傳播指數(shù)（WCI）分析了公眾號推文的特征、規(guī)律[17]。本課題組根據(jù)信息計量學(xué)原理開展了國內(nèi)圖書館公眾號信息計量研究，并提出了單篇推文傳播指數(shù)來考察公眾號推文的傳播現(xiàn)狀和規(guī)律[18]。

基于現(xiàn)有研究中缺少從推文內(nèi)容維度深層次的考察公眾號傳播效果的不足，本文引入機器學(xué)習(xí)中LDA文檔主題生成模型進行高校圖書館微信推送文章的主題聚類，并通過設(shè)計的針對性算法——主題傳播指數(shù)（Topic Communication Index，TCI）對不同主題開展傳播效果量化分析，進而解析大學(xué)生對公眾號中信息接受、認(rèn)同差異，并提出了適合圖書館公眾號運營的建議，以期為高校圖書館公眾號的推廣運營提供理論基礎(chǔ)和實踐參考。

1 研究過程

1.1 樣本選擇及數(shù)據(jù)收集

選取42所“世界一流大學(xué)建設(shè)高?！眻D書館公眾號作為本文的研究對象，其中中國農(nóng)業(yè)大學(xué)圖書館沒有開通公眾號，國防科技大學(xué)、電子科技大學(xué)、華南理工大學(xué)圖書館（華圖小微）和中南大學(xué)圖書館雖然開通公眾號，可是沒有可采集推文。表1為37所“世界一流大學(xué)建設(shè)高?！眻D書館公眾號、帳號名。

本文利用清博大數(shù)據(jù)平臺中的加入自定義榜單功能[19]手動添加這37所“世界一流大學(xué)建設(shè)高?！眻D書館公眾號，并收集2017年9月1日至2018年4月14日期間內(nèi)4 335篇公眾號推文的標(biāo)題、閱讀量、點贊量、url鏈接（數(shù)據(jù)采集時間為2018年4月17日）。之后利用Python語言編寫的網(wǎng)頁爬蟲遍歷所有推文的Url鏈接，數(shù)據(jù)爬?。ㄆ渲?9條以轉(zhuǎn)載形式發(fā)布在微信公眾號的推文經(jīng)過二次數(shù)據(jù)爬?。┖笞罱K得到4 335條結(jié)構(gòu)化數(shù)據(jù)，每條結(jié)構(gòu)化數(shù)據(jù)包括推文文本、文本長度、動態(tài)圖片數(shù)、靜態(tài)圖片數(shù)、音頻數(shù)、視頻數(shù)（其中微信公眾號推送后又刪除的推文為22篇，其推文文本、文本長度、動態(tài)圖片數(shù)、靜態(tài)圖片數(shù)、音頻數(shù)、視頻數(shù)數(shù)據(jù)項用‘Deleted、0、0、0、0、0表示）。最后將公眾號推文的所有數(shù)據(jù)整合后以字典形式的數(shù)據(jù)結(jié)構(gòu)儲存在Mongo DB數(shù)據(jù)庫里，圖1為Mongo DB數(shù)據(jù)庫中推文信息數(shù)據(jù)。

1.2 研究指標(biāo)

1.2.1 公眾號活躍度

本文將利用統(tǒng)計時間段內(nèi)公眾號的推文總數(shù)、日均推文數(shù)來衡量公眾號活躍度。

1.2.2 公眾號推文主題分類

為了探究公眾號推文內(nèi)容的分類特征，本文引入了LDA（Latent Dirichlet Allocation）模型來進行文本聚類。LDA模型是成熟并典型的潛語義概率模型，由Blei[20]等人于2003年提出，其核心內(nèi)容是文檔由隨機組合的潛在主題表示，所有主題是由對應(yīng)文檔集合中所有詞的完全概率分布表征的，與潛在主題有關(guān)的詞分布概率較高。

在數(shù)據(jù)預(yù)處理過程中，本文將圖書館公眾號中常用專有名詞（如：信息素養(yǎng)、閱讀推廣、館際互借、微閱讀、悅讀、文獻傳遞、OA期刊、圖書薦購、ProQuest等）作為用戶字典加入分詞包，同時采用常用中文停詞表，利用Jieba分詞對推文文本進行分詞處理。

在訓(xùn)練LDA模型時，本文在Python語言開發(fā)環(huán)境中使用了LDA庫[21]，并采用了壓縮吉普抽樣（Collapsed Gibbs Sampling）算法，該算法是Griffiths和Steyvers在Blei提出的原始LDA模型上增加了參數(shù)β的先驗狄利克雷分布，其優(yōu)點是估計準(zhǔn)確率更高[22]。圖2為LDA模型的層次結(jié)構(gòu)示意圖，該圖由內(nèi)到外依次代表LDA模型的詞層、文檔層和文檔語料層[22]。其中超參β（反映主題（Topic）的概率性質(zhì)）、β（反映單詞（Word）在給定主題下的概率性質(zhì)）估計值是經(jīng)過反復(fù)迭代獲得，初始值的設(shè)置對最終模型建立影響不大，本文設(shè)置為默認(rèn)值（α為0.1、β為0.01）。鑒于較小樣本數(shù)不宜采用困惑度作為衡量標(biāo)準(zhǔn)，結(jié)合研究目標(biāo)本文嘗試選擇了4～10個主題，并最終選擇實際聚類結(jié)果較為滿意的5個主題。

1.2.3 公眾號活躍粉絲預(yù)估

眾所周知，公眾號實際粉絲數(shù)量是隱私數(shù)據(jù)，只有該公眾號的運營者知道，騰訊官方不會公開。另外，1個公眾號的粉絲中均有一定的僵尸粉，部分賬號僵尸粉比例較高，公眾號運營者也不清楚自己所運營的公眾號活躍粉絲。為了得到較為準(zhǔn)確的活躍粉絲數(shù)，本文利用了清博指數(shù)的活躍粉絲預(yù)估工具。該工具可以根據(jù)該賬號的數(shù)據(jù)邏輯進行相應(yīng)的計算推演，從而可以預(yù)估出該賬號的活躍粉絲[23]。

1.2.4 公眾號推文接受和認(rèn)同度

推文接受是指大學(xué)生在公眾號中接收并閱讀了推文，本文用推文閱讀總數(shù)（R）來衡量其接受的程度。推文認(rèn)同是指大學(xué)生對公眾號中所接受推文的正面回應(yīng)和積極評價，本文用推文點贊總數(shù)（Z）來衡量其認(rèn)同的程度。

1.2.5 微信傳播指數(shù)及主題傳播指數(shù)

目前大多數(shù)公眾號影響力的測算都使用WCI（清博指數(shù)大數(shù)據(jù)平臺微信傳播指數(shù)），其計算公式如式（1）所示，它是通過公眾號推文覆蓋范圍、傳播度和賬號影響力來計算公眾號加權(quán)后熱度發(fā)展趨勢的[18]。

2 結(jié)果與討論

2.1 “世界一流大學(xué)建設(shè)高校”圖書館公眾號活躍度及活躍粉絲數(shù) 通過對37所高校圖書館公眾號推文數(shù)分析，可以看出在研究時間段內(nèi)圖書館公眾號活躍度差別很大，有日均推文數(shù)大于1篇的公眾號，也有日均推文數(shù)小于0.1篇的公眾號。公眾號活躍度（推文數(shù)）排名前3的為山東大學(xué)圖書館、中山大學(xué)圖書館、蘭州大學(xué)圖書館，分別為293篇、286篇、246篇。在所有37所圖書館公眾號中原創(chuàng)號為22個，原創(chuàng)號推文數(shù)為2 941篇，原創(chuàng)號平均推文數(shù)為133.68篇，高于平均推文數(shù)117.16篇，即原創(chuàng)號活躍度略高。公眾號推文數(shù)統(tǒng)計見表2。

37所圖書館公眾號活躍粉絲（AP）數(shù)統(tǒng)計由表3所示，其中大于2萬活躍粉絲（AP）的圖書館有四川大學(xué)圖書館、大連理工大學(xué)圖書館、武漢大學(xué)圖書館、重慶大學(xué)圖書館，分別為47 650、27 470、22 045、20 242人。平均活躍躍粉絲人數(shù)為9 841人，大于平均活躍躍粉絲人數(shù)的圖書館有11個，小于平均活躍躍粉絲人數(shù)的圖書館有26個。

通過對“世界一流大學(xué)建設(shè)高?！眻D書館公眾號推送活躍度及活躍粉絲數(shù)的分析，可知有的圖書館1個月也推送不了幾篇文章，有的圖書館從開通到現(xiàn)在也就二、三千的活躍粉絲，說明“世界一流大學(xué)建設(shè)高?！眻D書館在運營其公眾號上積極程度參差不齊，許多圖書館開通公眾號完全是一種從眾現(xiàn)象，開通后即不積極推送推文也不對其公眾號開展宣傳推廣。

2.2 公眾號推文主題影響力分析

引入了LDA模型進行文本聚類，本文得到推文主題分別是：閱讀推廣（下文用“1”表示）；圖書館開展的活動（下文用“2”表示）；休閑生活類推文（下文用“3”表示）；通知公告（下文用“4”表示）；數(shù)據(jù)庫利用及信息素養(yǎng)培育（下文用“5”表示），具體見表4。

將每篇公眾號推文歸類后，得到了不同類型主題的推文數(shù)、推文閱讀數(shù)、推文點贊數(shù)及TCI指數(shù)，見表5。

從表5中可知推文主題傳播指數(shù)最大的為通知公告，該主題下包含的推文數(shù)也最多，說明通知公告是當(dāng)前圖書館利用公眾號開展的主要服務(wù)。同時從這37所高校圖書館的公眾號簡介也可以看出大部分公眾號建設(shè)的目的就是為了官方信息發(fā)布。如，武漢大學(xué)圖書館公眾號簡介為“外事問百度，內(nèi)事問小布。小布會在這兒向大家及時推送關(guān)于武漢大學(xué)圖書館的最新資訊”；中山大學(xué)圖書館公眾號簡介為“定期發(fā)布新聞消息和圖書館資源動態(tài)，提供館藏書籍查詢、參考咨詢服務(wù)”；南京大學(xué)圖書館公眾號簡介為“發(fā)布圖書館公共信息，數(shù)據(jù)庫最新資訊，講座通知”。TCI指數(shù)最小的主題為數(shù)據(jù)庫利用及信息素養(yǎng)培育，該主題中不乏獎品誘人的數(shù)據(jù)庫推廣，但其平均點贊數(shù)僅為9.85，說明大學(xué)生對在圖書館公眾號上宣傳的數(shù)據(jù)資源廣告較為反感。

下面本文將圍繞公眾號推文的不同主題，結(jié)合推文閱讀數(shù)、點贊數(shù)，嘗試從具體內(nèi)容角度解析大學(xué)生對公眾號中信息接受、認(rèn)同差異。

2.3 大學(xué)生對圖書館公眾號推文不同主題的接受和認(rèn)同度差異 本文用推文閱讀數(shù)（R）來衡量推文信息接受的程度，推文點贊數(shù)（Z）來衡量推文信息認(rèn)同的程度。以推文閱讀數(shù)為橫坐標(biāo)，推文點贊數(shù)為縱坐標(biāo)來開展推文接受與認(rèn)同分布研究，如圖3所示。

由圖3可知，“世界一流大學(xué)建設(shè)高?！眻D書館公眾號推文的閱讀數(shù)大部分集中在0～3 000之間，點贊數(shù)大部分集中在0～60之間。之后本文采用SPSS軟件對公眾號推文閱讀數(shù)、點贊數(shù)的相關(guān)程度開展斯皮爾曼（Spearman）相關(guān)性分析，其相關(guān)系數(shù)為0.837，推文閱讀數(shù)、點贊數(shù)表現(xiàn)為顯著相關(guān)，即閱讀推文的人數(shù)越多，點贊的就會越多。具體到某一主題推文閱讀數(shù)、點贊數(shù)較高和較低的典型推文見表6。

從閱讀推廣主題閱讀數(shù)、點贊數(shù)較高的推文來看，大學(xué)生比較接受和認(rèn)可的推文主要特征有：①有趣味。這主要表現(xiàn)在推文語言、圖片風(fēng)趣幽默，如推文“通知”開篇就說明“通知”是玩笑，但春天容易抑郁是真的。接著描述“萬物復(fù)蘇的春天，是治愈的，天氣多變的春天，也是致郁的。心中的抑郁就像只黑狗，一有機會就咬住我不放”，全文語言幽默?！?018年的第一天，扎心了”用的是幽默的圖片。有趣味的另一種表現(xiàn)是推文中網(wǎng)絡(luò)流行語的使用。推文“當(dāng)雙十一遇上期中考|購物清單我沒有，購書清單戳這里”里充滿了網(wǎng)絡(luò)流行語，如“狗帶”、“網(wǎng)購大軍中的一股清流”、“噴出一口老血”、“安利”、“只想安安靜靜地送你禮物”；②曾熱點。推文“當(dāng)雙十一遇上期中考|購物清單我沒有，購書清單戳這里”就是將大學(xué)生熱衷的“雙十一”購物和經(jīng)典圖書閱讀推廣和打折購買相結(jié)合；③有價值。這主要表現(xiàn)在推文中宣傳的閱讀推廣有創(chuàng)意、亮點。推文“通知”的實質(zhì)內(nèi)核是閱讀治療抑郁，“2018年的第一天，扎心了”實質(zhì)是圖書借閱數(shù)據(jù)的挖掘、分析，“筆墨漣漪——抄書接力”的實質(zhì)是深閱讀的培養(yǎng)，正如推文中所描述“已為你準(zhǔn)備好一紙一筆、一桌一椅，期待你走過坐下，用接力的方式，一筆一劃地抄錄下那些感動過、啟迪過我們的文字，很多人一起，最終完成一本書，用這種簡單古老的方式觸碰起心底的漣漪”。而此主題的推文大學(xué)生容易選擇性忽略的有：①“公文式”推文。這主要表現(xiàn)在所寫推文刻板，不能吸引學(xué)生的注意力，許多思想政治類圖書推薦直接把官方媒體相關(guān)報道、領(lǐng)導(dǎo)人講話粘貼過來推送，表面上看似“有意義”，卻不能引起大學(xué)生的閱讀興趣，缺失新媒體化的加工過程；②推文的受眾面狹窄。推文“好書共讀︱《人類簡史：從動物到上帝》”、“品讀《理想國》：與蘇格拉底的對話”中對《人類簡史：從動物到上帝》、《理想國》感興趣的對象應(yīng)該都是小眾群體。

從開展活動主題閱讀數(shù)、點贊數(shù)較高的推文來看，大學(xué)生比較接受和認(rèn)可的推文主要特征有：①有價值。這主要表現(xiàn)在推文中宣傳的活動可以給大學(xué)生帶來實實在在的利益，如推文“圖書館關(guān)于向全校師生贈送部分過期期刊雜志的通知”就讓全校師生得到了免費的期刊雜志。推文“暑期到館人次9.5萬+|比氣溫還火熱的學(xué)習(xí)場面，勤奮得不像是在放暑假”描述川大圖書館史無前例的暑假“朝8晚10”工作日全天開放，讓圖書館日均到館人數(shù)從去年暑假的不到600人次激增到3 169人次，抓住了“不怕同學(xué)是學(xué)霸，就怕學(xué)霸放暑假！”的大學(xué)生學(xué)習(xí)需求，體現(xiàn)了圖書館暑假開放的價值；②有情感。推文“人圖的煩惱”、“文明圖書館倡議書”就是提出了圖書館的不文明現(xiàn)象，提出“圖書館不僅幫助我們提高文化素養(yǎng)，也考驗著我們的個人道德素質(zhì)。文明使用圖書館，是對我們每一個人大人的要求”。大學(xué)生通過對該推文的點贊就表達(dá)了自身的觀點，是圖書館與大學(xué)生在圖書館文明使用上的情感共鳴；③有榮譽感。這體現(xiàn)在大學(xué)生對圖書館有規(guī)模、上層次活動以及取得榮譽的點贊，圖書館的榮譽也就是學(xué)校的榮譽，而大學(xué)生正是學(xué)校的一份子。而此主題下大學(xué)生容易選擇性忽略的推文主要有：①有廣告嫌疑。推文“CASHL慶祝教師節(jié)全國優(yōu)惠活動通知”就更像一個廣告“軟文”；②具有明顯行業(yè)特征和個人特征的展覽。

從休閑生活類主題閱讀數(shù)、點贊數(shù)較高的推文來看，大學(xué)生比較接受和認(rèn)可的推文主要特征有：①有趣味。表現(xiàn)在推文引起大學(xué)生的好奇心，如設(shè)置帶有懸念的標(biāo)題“擺在圖書館里的鋼琴到底能不能彈”，勾起讀者的好奇心（圖書館里怎么可以彈奏鋼琴？），而讀者為了一探究竟，就會點擊閱讀；②有情感。推文“重新征集很要緊很要緊的閉館音樂，并且有禮物相送”將閉館音樂作為大學(xué)生與圖書館的情感紐帶，激發(fā)了無數(shù)學(xué)子與圖書館的情感共鳴。推文“引以為戒|余光中：寫給未來的你”通篇描寫感情真摯，表達(dá)了父母對子女的無限愛意。而此主題下大學(xué)生容易選擇性忽略的推文主要有：①正確的廢話。推文“生而平等，請珍惜地球上每一個生靈”提到的保護動物、保護物種多樣性就是一個已經(jīng)被普遍認(rèn)同的話題，不具備時代特征，是“正確的廢話”；②轉(zhuǎn)載的推文。休閑生活類主題中很多散文、詩歌都是轉(zhuǎn)載的，這就很難保證這些推文大學(xué)生沒有閱讀過。同時休閑生活類公眾號競爭十分激烈，大學(xué)生在休閑閱讀時會下意識選擇那些“10萬+關(guān)注”公眾號。

從通知公告類主題閱讀數(shù)、點贊數(shù)較高的推文來看，大學(xué)生比較接受和認(rèn)可的推文主要特征有：①有價值。讓大學(xué)生可以獲得具有實用價值的信息，如推文“7∶00～22∶30超長開放|圖書館寒假開館時間再創(chuàng)史上最長！”中描述“就連今年情人節(jié)都有圖書館從早到晚陪你，對你們的愛自然無需言說”。推文“滴！天津大學(xué)微信校園卡發(fā)放啦！”提到“如果你今天忘了帶校園卡，用手機就可照常入館啦”以及“圖書館選座功能”。這樣的推文就會給大學(xué)生一種獲得特別關(guān)注或特殊資格的滿足感，大學(xué)生在看到這樣的推文后會更愿意分享和傳播；②有情感。如推文“[暫別伯川 期待重逢]致讀者的一封信”以及“一條復(fù)雜的閉館通知”其實就是閉館通知，但是大連理工大學(xué)圖書館以真摯的語言描述“此舉誠屬無奈，圖書館深表歉意，也懇請廣大師生理解和支持”，全文情真意切、感人至深。而此主題下大學(xué)生容易選擇性忽略的推文主要有：圖書館內(nèi)部的會議、通知、人事任免等與大學(xué)生無關(guān)的通知、預(yù)告。

從數(shù)據(jù)庫利用及信息素養(yǎng)培育類主題閱讀數(shù)、點贊數(shù)較高的推文來看，大學(xué)生比較接受和認(rèn)可的推文主要特征有：①有價值。讓大學(xué)生可以提升自身的信息素養(yǎng)，如推文“大家好，給大家介紹一下，這是我們新學(xué)期的27場講座”就是一系列的針對本科生、研究生的信息素養(yǎng)教育。推文“一起來學(xué)習(xí)Python”提到“大數(shù)據(jù)時代，數(shù)據(jù)價值不斷提升，掌握基本的數(shù)據(jù)處理與分析技術(shù)已成為新時代對每個人的基本要求”，其本質(zhì)就是大學(xué)生數(shù)據(jù)素養(yǎng)教育；推文“零基礎(chǔ)設(shè)計講座|閱微講堂第一期”提到“純實用性零基礎(chǔ)教程，不涉及任何贅余理論講解，2個小時實現(xiàn)0～1的突破”，其本質(zhì)就是大學(xué)生媒介素養(yǎng)教育。②有趣味。推文“大家好，給大家介紹一下，這是我們新學(xué)期的27場講座”開篇就描述“兩天前因為愛豆發(fā)出戀愛公告，不少粉絲遭到了“甜蜜暴擊”：微博被搞垮，朋友圈被刷屏，數(shù)萬人失戀痛哭，不知道各位現(xiàn)在緩過勁來沒有”（鹿晗與關(guān)曉彤戀愛），接著文章提出“小編今天要給大家簡要介紹一下本學(xué)期27場講座，如果你一場不落聽下來的話，大概就可以笑著祝福了吧”，全文語言幽默，并配以搞笑圖片。而此主題下大學(xué)生容易選擇性忽略的推文主要有：數(shù)據(jù)庫商進行以推銷為目的的各種講座。

總體來說，針對不同的主題，大學(xué)生的接受和認(rèn)同度是有所側(cè)重的。對于通知公告、開展活動、數(shù)據(jù)庫利用及信息素養(yǎng)培育主題，大學(xué)生更愿意接受和認(rèn)同那些有價值，可以給大學(xué)生帶來實際利益的推文。如果在此類推文中再加入趣味那將會取得更好的效果。對于閱讀推廣、休閑生活類主題，大學(xué)生更愿意接受和認(rèn)同那些有趣味、有情感的推文，如果公眾號運營者可以抓住網(wǎng)絡(luò)熱點，懂得大學(xué)生的幽默，會使用網(wǎng)絡(luò)流行語、熱門段子、表情包那推文效果也會加分。針對不同的主題，大學(xué)生不愿意接受和認(rèn)同的推文各不相同。值得關(guān)注的是，本文發(fā)現(xiàn)數(shù)據(jù)庫商打著培訓(xùn)、講座的旗號推銷各自的數(shù)據(jù)庫，這種培訓(xùn)、講座在很大程度上降低了圖書館公眾號推送信息的可信度，給圖書館正規(guī)的、有組織的面向全校師生的信息素養(yǎng)培育帶來沉重的打擊，使得大學(xué)生一看到“培訓(xùn)”、“講座”這樣的推文就選擇忽略，這也許正是數(shù)據(jù)庫利用及信息素養(yǎng)培育主題是所有主題中傳播指數(shù)最低的原因。

3 針對高校圖書館公眾號運營的建議

通過對“世界一流大學(xué)建設(shè)高?！眻D書館公眾號及推文內(nèi)容整體分析，本文發(fā)現(xiàn)不論是公眾號活躍度、活躍粉絲數(shù)、微信傳播指數(shù)還是大學(xué)生對圖書館公眾號推文的接受和認(rèn)同度都沒有辦法同篇篇10W+的公眾號相比較（在2018年04月23日公眾號總榜排名中本文所研究的圖書館公眾號排名最高的是中山大學(xué)圖書館，排名為12 294。以閱讀推廣為目的的公眾號“有書”排名為16）。本文另外發(fā)現(xiàn)關(guān)于“首屆全國高校數(shù)據(jù)驅(qū)動創(chuàng)新研究大賽”（由北京大學(xué)圖書館主辦）的推文有14條，其中北京大學(xué)圖書館公眾號的推文閱讀數(shù)、點贊數(shù)最多，分別為1 269、15。14條推文的平均閱讀數(shù)和點贊數(shù)僅為419.71、5.71。但是據(jù)本文作者所知“首屆全國高校數(shù)據(jù)驅(qū)動創(chuàng)新研究大賽”影響還是巨大的，全國共有160多所高校近600支隊伍（近2 000名選手）報名參賽，覆蓋全國28個省、自治區(qū)和直轄市。究其根本原因，本文認(rèn)為公眾號作為圖書館宣傳推廣的手段之一，其傳播能力目前仍是有限。雖然我們不應(yīng)要求僅僅面對本校師生的圖書館公眾號傳播能力像“10萬+關(guān)注”公眾號那樣，但圖書館公眾號需要強化運營是不爭的事實。

3.1 量入為出的運營策略

圖書館公眾號中高接受和認(rèn)同度的推文是不能夠簡單模仿的，如通知公告類主題中大部分高接受和認(rèn)同度的推文需要有實際價值的活動作為基礎(chǔ)。推文“滴！天津大學(xué)微信校園卡發(fā)放啦！”就需要有微信開發(fā)技術(shù)作為支持，而這一個APP功能模塊的開發(fā)不是所有高校圖書館有能力做到的；推文“7∶00～22∶30超長開放|圖書館寒假開館時間再創(chuàng)史上最長！”中“超長開放”就需要圖書館整體工作的再分工，至少需要對“超長開放”那部分時間給與加班費，這也不是所有高校圖書館有財力做到的。如閱讀推廣主題中高接受和認(rèn)同度的“有趣味”推文，大都要經(jīng)過公眾號運營人員嚴(yán)格的主題策劃、文案設(shè)計和采編過程，這需要投入很多人力資源成本，這同樣不是所有高校圖書館想做就可以做的。

因此，本文認(rèn)為圖書館應(yīng)該采取量入為出的策略開展公眾號運營。假設(shè)圖書館可以投入在公眾號運營的資源分為高、中、低3檔，那么①如投入低，那首先要做好的是通知公告類推文的采編，這是當(dāng)前圖書館利用公眾號開展的核心服務(wù)；②如投入中，可以根據(jù)該館自身特點增加相應(yīng)主題的推文采編，如“閱讀推廣”是該館的特色，那么應(yīng)該重點增加閱讀推廣類推文的策劃、文案設(shè)計和采編；③如投入高，則可以將與圖書館服務(wù)有關(guān)、貼近大學(xué)生生活的推文素材經(jīng)過專業(yè)微信運營團隊成員的新媒體化轉(zhuǎn)換，形成精品原創(chuàng)推文，并有規(guī)律的推送，把公眾號做成品牌。但本文并不建議對休閑生活類主題，尤其是針對社會大眾的休閑生活類主題推文編寫投入過大，因為公眾號中休閑生活類公眾號競爭十分激烈。同時，微信公眾平臺于2017年5月11號推出了原創(chuàng)文章分享樣式，公號推送其他賬號的原創(chuàng)文章，在未獲修改授權(quán)的情況下，文章將會變成分享樣式，用戶閱讀時將跳轉(zhuǎn)到原賬號的文章鏈接。這在充分激發(fā)優(yōu)質(zhì)原創(chuàng)內(nèi)容的創(chuàng)作激情，讓更多的流量涌向優(yōu)質(zhì)賬號的同時也關(guān)閉了圖書館公眾號試圖依靠轉(zhuǎn)載高接受和認(rèn)同度的原創(chuàng)推文來實現(xiàn)廣泛傳播的大門。

開展公眾號運營中加大公眾號宣傳力度也需要量入為出。如投入低，可以利用新生入館教育、讀書節(jié)、數(shù)據(jù)庫講座、閱讀推廣等活動宣傳圖書館公眾號；如投入中，可以將公眾號二維碼印刷在讀者指南、數(shù)據(jù)庫推廣宣傳冊上來吸引學(xué)生關(guān)注；如投入高，則可以開展掃碼有獎，互動贏獎品等營銷。

3.2 行之有效的考核手段

從前文分析可知，目前許多圖書館開通公眾號后即不積極推文也不對其開展?fàn)I銷，究其原因是多數(shù)高校圖書館的公眾號運營團隊成員均是從不同部門臨時征用的，尚未形成公眾號運營管理的專業(yè)團隊，大家基本抱著得過且過的心態(tài)完成信息轉(zhuǎn)發(fā)的任務(wù)。為此，不管高校圖書館能夠在公眾號運營上投入多少，開展有效的考核都尤為重要，畢竟公眾號推廣效果的決定因素還是人，只有在客觀、公平考核激勵機制之下公眾號運營團隊成員才情愿積極發(fā)揮自身才華。如關(guān)鍵績效指標(biāo)（Key Performance Indicator，KPI）考核法，其做法是將累計粉絲數(shù)、凈增粉絲數(shù)、新增粉絲數(shù)、發(fā)文數(shù)、總閱讀數(shù)、日均閱讀數(shù)、收藏次數(shù)、轉(zhuǎn)發(fā)次數(shù)作為關(guān)鍵指標(biāo)，由公眾號運營考核部門設(shè)置權(quán)重和目標(biāo)值開展考核。

4 研究中的不足

本文通過高校圖書館公眾號推送文章的主題聚類開展傳播效果量化分析也存在不足，懇請圖情領(lǐng)域同仁能夠賜教解決之法：

①在樣本選擇及數(shù)據(jù)收集過程中，中國農(nóng)業(yè)大學(xué)圖書館沒有開通公眾號，國防科技大學(xué)、電子科技大學(xué)和華南理工大學(xué)圖書館（華圖小微）、中南大學(xué)圖書館雖然開通公眾號，可是沒有可采集的推文。這對本文研究對象的全面性造成了影響。

②因為LDA模型是潛語義概率模型，在推文主題劃分時得到的結(jié)果是每篇推文不同主題（類）的概率，而本文在主題劃分時是將每篇推文最可能的主題作為推文的類，這樣就可能會將一個明顯屬于不同類的推文強制劃分到一個類。

③對于不同主題，推文的接受和認(rèn)同度差異分析是通過人工閱讀而得到的，具有主觀性。接下來通過使用Google的TensorFlow系統(tǒng)來開展基于推文文本的特征提取將成為后續(xù)研究的重點。

參考文獻

[1]搜狐網(wǎng).2017微信數(shù)據(jù)報告[EB/OL].http：//www.sohu.com/a/ 203331545_99972665，2018-03-07.

[2]鳳凰網(wǎng)科技.張小龍：微信希望能搭建一個生態(tài)系統(tǒng)，而不是自己做[EB/OL].http：//tech.ifeng.com/a/20141211/40901407_0.shtml，2018-04-26.

[3]清博大數(shù)據(jù).清博大數(shù)據(jù)平臺[EB/OL].http：//www.gsdata.cn/，2018-03-07.

[4]張秋，楊玲，王曼.高校圖書館微信公眾平臺服務(wù)發(fā)展現(xiàn)狀及對策[J].圖書館建設(shè)，2014，（2）：61-65，69.

[5]Wei Q，Yang Y.WeChat Library：A New Mode of Mobile Library Service[J].The Electronic Library，2017，35 （1）：198-208.

[6]趙潔，馬錚，王雪雅.基于微信的圖書館服務(wù)：現(xiàn)狀與服務(wù)模式構(gòu)建[J].情報理論與實踐，2014，（7）：90-94，110.

[7]黃國凡，張鈺梅.圖書館微信公眾號內(nèi)容營銷策略：基于微信傳播指數(shù)WCI的分析[J].圖書館雜志，2015，（9）：91-96.

[8]池曉波，金丹.圖書館的微信營銷：浙江工業(yè)大學(xué)圖書館的探索[J].圖書館雜志，2015，34（9）：87-90，37.

[9]侯君潔.基于微信平臺的高職院校圖書館閱讀推廣問題及對策——以廣東省“創(chuàng)一流”高職院校圖書館為例[J].國家圖書館學(xué)刊，2018，27（1）：48-55.

[10]杜輝，劉曉，袁百成.基于微信公眾平臺的高校圖書館學(xué)科服務(wù)創(chuàng)新[J].圖書情報工作，2015，59（6）：41-45.

[11]孫輝.利用微信公眾平臺開展新生入館教育的調(diào)查與分析——以南京地區(qū)高校為例[J].圖書館學(xué)研究，2016，（11）：78-83.

[12]劉薇.基于微信公眾平臺的高校圖書館數(shù)字參考咨詢服務(wù)實證研究[J].圖書館學(xué)研究，2017，（19）：79-87，17.

[13]曹鵬.基于高校圖書館微信用戶接受行為模型構(gòu)建研究[J].圖書館理論與實踐，2017，（10）：102-106.

[14]郭順利，張向先，相甍甍.高校圖書館微信公眾平臺用戶流失行為模型及其影響因素分析[J].圖書情報工作，2017，61（2）：57-66.

[15]郭順利，張向先，李中梅.高校圖書館微信公眾平臺傳播影響力評價體系研究[J].圖書情報工作，2016，60（4）：29-36，43.

[16]相甍甍，王晰巍，郭順利.高校圖書館微信公眾號信息傳播效果的影響因素分析[J].現(xiàn)代情報，2018，38（3）：37-44.

[17]周海晨，陸和建.“985工程”高校圖書館微信公眾號研究[J].大學(xué)圖書館學(xué)報，2017，35（1）：46-52.

[18]王磊，呂鵬輝，張仁瓊.高校圖書館微信信息計量分析[J].圖書情報知識，2017，（5）：49-58，88.

[19]清博大數(shù)據(jù)，自定義榜單[EB/OL].http：//www.gsdata.cn/custom/myrank，2018-04-01.

[20]Blei D M，Ng A Y，Jordan M I.Latent Dirichlet Allocation[J].J Machine Learning Research Archive，2003，（3）：993-1022.

[21]lda，Topic Modeling with Latent Dirichlet Allocation[EB/OL].https：//pypi.org/project/lda/，2018-04-01.

[22]Griffiths T L，Steyvers M.Finding Scientific Topics[J].Proc Natl Acad Sci U S A，2004，101（1）：5228-5235.

[23]清博大數(shù)據(jù)，活躍粉絲預(yù)估[EB/OL].http：//www.gsdata.cn/help/90.html，2018-04-01.

（責(zé)任編輯：郭沫含）