• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于影響力因子的氣象新媒體傳播分析
      ——以貴州省氣象微信訂閱號(hào)為例*

      2019-05-28 01:26:32夏曉玲唐延婧
      中低緯山地氣象 2019年2期
      關(guān)鍵詞:閱讀數(shù)氣象公眾

      鄭 奕,夏曉玲,唐延婧

      (貴州省氣象服務(wù)中心,貴州 貴陽(yáng) 550002)

      1 前言

      據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心第38次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示,截止2016年6月,中國(guó)網(wǎng)民規(guī)模已達(dá)7.10億,網(wǎng)民中使用手機(jī)上網(wǎng)的人群占比由2015年底的90.1%提升至92.5%,網(wǎng)民上網(wǎng)設(shè)備進(jìn)一步向移動(dòng)端集中。

      與此同時(shí),我國(guó)在線(xiàn)政務(wù)服務(wù)用戶(hù)規(guī)模達(dá)到1.76億,占總體網(wǎng)民的24.8%,發(fā)展空間廣闊。其中,通過(guò)政府微信公眾號(hào)獲得政務(wù)服務(wù)是網(wǎng)民使用最多的在線(xiàn)政務(wù)服務(wù)方式。微信以其龐大的用戶(hù)基數(shù),在新媒體傳播中成為首當(dāng)其沖的強(qiáng)勢(shì)力量?!皟晌⒁欢恕钡男旅襟w傳播平臺(tái)正在形成。

      目前,全國(guó)各省市自治區(qū)、直轄市氣象部門(mén)均已開(kāi)設(shè)了微博、微信、客戶(hù)端APP等多種服務(wù)方式渠道,國(guó)內(nèi)學(xué)術(shù)界對(duì)新媒體后臺(tái)創(chuàng)新設(shè)計(jì)開(kāi)發(fā)、微信公眾號(hào)關(guān)鍵推廣技術(shù)打造等類(lèi)型的研究也眾多。但對(duì)新媒體服務(wù)能力的評(píng)價(jià)大多用粉絲數(shù)量進(jìn)行判斷,暫無(wú)針對(duì)氣象政務(wù)新媒體服務(wù)能力影響因素的客觀分析先例可參考。

      同時(shí)鑒于眾多氣象微信公眾號(hào)、氣象微博之間服務(wù)傳播能力水平不一、參差不齊,且以粉絲數(shù)為主的考核方式無(wú)法獲知究竟什么才是影響氣象新媒體傳播力能力的關(guān)鍵因素。筆者依據(jù)騰訊出品的帳號(hào)總量和平均活躍用戶(hù)規(guī)模做分析發(fā)現(xiàn),全國(guó)31個(gè)省級(jí)行政區(qū)氣象政務(wù)微博、微信發(fā)展水平“東高西低”,大致呈三級(jí)階梯狀分布,貴州處于第二階梯。

      經(jīng)調(diào)研,全國(guó)31個(gè)省、自治區(qū)、直轄市氣象部門(mén)(除港澳)均已開(kāi)通了微博、微信公眾號(hào)氣象服務(wù),在發(fā)布手段上都做到了圖、文、聲、像有機(jī)融合。對(duì)比31個(gè)省(直轄市、自治區(qū))的政務(wù)民生微信公眾號(hào)平均活躍用戶(hù)規(guī)模和移動(dòng)終端活躍度的排名之差距發(fā)現(xiàn),貴州名列全國(guó)第八位。

      所以筆者選擇貴州氣象微信作為研究切入點(diǎn),嘗試探索研究氣象新媒體傳播規(guī)律。以期發(fā)現(xiàn)新媒體服務(wù)傳播能力是否與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平密切相關(guān)?是否存在地區(qū)差異?進(jìn)而有效促進(jìn)氣象部門(mén)服務(wù)方式的創(chuàng)新和服務(wù)能力的提升。

      2 研究方法

      本研究從移動(dòng)互聯(lián)、大數(shù)據(jù)的視角出發(fā),以騰訊公司開(kāi)發(fā)的微信社交軟件作為主要調(diào)研對(duì)象,以清華大學(xué)新聞與傳播學(xué)院沈陽(yáng)教授提出的微信傳播指數(shù)(清博指數(shù))WCI為主要研究?jī)?nèi)容,基于新媒體平臺(tái)對(duì)用戶(hù)行為、習(xí)慣以及氣象服務(wù)公眾號(hào)的傳播效果、指數(shù)變量相關(guān)性等內(nèi)容進(jìn)行探索研究。

      微信傳播力指數(shù)(清博指數(shù))簡(jiǎn)稱(chēng)WCI,是國(guó)內(nèi)最大的“兩微一端”(微博、微信、APP)新媒體數(shù)據(jù)平臺(tái),目前國(guó)內(nèi)最大的第三方新媒體數(shù)據(jù)搜索引擎,由清華大學(xué)新聞與傳播學(xué)院提供學(xué)術(shù)支持,國(guó)內(nèi)多個(gè)高校的知名學(xué)者教授擔(dān)任學(xué)術(shù)顧問(wèn)。清博指數(shù)WCI以微信公眾號(hào)發(fā)布信息中能公開(kāi)獲得的閱讀量、點(diǎn)贊數(shù)、發(fā)文數(shù)量等數(shù)據(jù)為分析因子,以復(fù)雜加權(quán)算法得出的結(jié)果。該算法對(duì)于可以人為控制的點(diǎn)贊數(shù)、閱讀量等進(jìn)行減少權(quán)重,更注重對(duì)文本質(zhì)量在數(shù)據(jù)中的體現(xiàn),相對(duì)其他衡量標(biāo)準(zhǔn)更具科學(xué)性。WCI測(cè)算公式(V12.0)如下:

      WCI={80%×﹝40%×Ln(R/d+1)+45%×Ln(R/n+1)+15%×Ln(Rmax+1)﹞+20%×﹝40%×Ln(10×Z/d+1)+45%×Ln(10×Z/n+1)+15% ×Ln(10×Zmax+1)﹞}2×10

      其中,R為評(píng)估時(shí)間段內(nèi)所有文章(n)的閱讀總數(shù);Z為評(píng)估時(shí)間段內(nèi)所有文章(n)的點(diǎn)贊總數(shù);d為評(píng)估時(shí)間段所含天數(shù),以真實(shí)天數(shù)計(jì)算;n為評(píng)估時(shí)間段內(nèi)賬號(hào)所發(fā)文章數(shù);Rmax和Zmax為評(píng)估時(shí)間段內(nèi)賬號(hào)所發(fā)文章的最高閱讀數(shù)和最高點(diǎn)贊數(shù)。

      表1 WCI測(cè)算V12.0Tab.1 WCI calculation formula

      因?yàn)閲?guó)內(nèi)氣象部門(mén)目前沒(méi)有開(kāi)展以WCI指數(shù)為基礎(chǔ)的氣象新媒體傳播能力研究,也沒(méi)有開(kāi)展氣象新媒體與地方經(jīng)濟(jì)發(fā)展相關(guān)性方面研究,所以本研究嘗試以貴州省氣象微信訂閱號(hào)為例,采集2016年5—9月貴州省下屬9個(gè)市州氣象微信訂閱號(hào)發(fā)文相關(guān)數(shù)據(jù),代入 WCI傳播力指數(shù)測(cè)算公式(V12.0)進(jìn)行測(cè)算,并對(duì)它們的傳播力進(jìn)行排名分析。使用SPSS分析軟件,將計(jì)算結(jié)果和采集數(shù)據(jù)用因子分析法提取出影響微信公眾號(hào)傳播指數(shù)的關(guān)鍵因素,然后分別以9個(gè)市州微信訂閱號(hào)WCI關(guān)鍵因子測(cè)算數(shù)據(jù),結(jié)合2016年貴州統(tǒng)計(jì)年鑒公布的9市州當(dāng)?shù)厝司鵊DP、電信基礎(chǔ)設(shè)施建設(shè)情況等統(tǒng)計(jì)數(shù)據(jù),進(jìn)行相關(guān)性檢驗(yàn)。從而得出結(jié)論,WCI的高低與當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展情況不存在相關(guān)性,WCI的主要影響因素為時(shí)間段內(nèi)微信公眾號(hào)發(fā)文的最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)以及地區(qū)移動(dòng)電話(huà)用戶(hù)數(shù)等4個(gè)因素。并對(duì)氣象服務(wù)的發(fā)展提出建議,力求為氣象服務(wù)方式的變革創(chuàng)新提供更為深入的實(shí)踐經(jīng)驗(yàn)。

      3 分析與結(jié)果

      3.1 全國(guó)及貴州省氣象微信公眾號(hào)傳播指數(shù)WCI測(cè)算排名、等價(jià)活躍粉絲排名

      3.1.1 WCI測(cè)算排名 本研究抓取了2016年5—9月間的觀測(cè)數(shù)據(jù),時(shí)間段內(nèi)觀測(cè)數(shù)據(jù)由各級(jí)氣象微信公眾號(hào)相關(guān)閱讀、點(diǎn)贊數(shù)據(jù)等組成,參照WCI指數(shù)的定義計(jì)算得出:

      在全國(guó)范圍內(nèi),傳播力最強(qiáng)的省級(jí)微信公眾號(hào)是廣東天氣服務(wù)號(hào)(WCI為996.5),其次是上海天氣(WCI為789.4),第3名為氣象北京(WCI為696.9)。貴州省省級(jí)氣象微信訂閱號(hào)黔氣象位于全國(guó)第17位(WCI為299.2)。

      貴州省內(nèi)市州級(jí)微信公眾號(hào)傳播力排名前3位分別為遵義氣象(WCI為299.2)、黔南氣象(WCI為277.2)、銅仁氣象(WCI為256.3)。

      縣級(jí)微信公眾號(hào)傳播力排名前3位為威寧氣象(WCI為457.9)、沿河氣象(WCI為379.7)、黎平氣象(WCI為328.8)。威寧奪冠的原因是6月14日發(fā)布一條“大雨傾盆!威寧瞬間變‘水城’”信息,表現(xiàn)形式為圖文+視頻,閱讀量高達(dá)49 250,點(diǎn)贊61!為貴州省截止2016年年底最高單條天氣信息閱讀紀(jì)錄。沿河、黎平的入圍也是憑借單條信息最高閱讀量的“貢獻(xiàn)”。

      3.1.2 等價(jià)活躍粉絲排名 根據(jù)微信公眾號(hào)的傳播力,通過(guò)清博智能分析模型評(píng)定出微信公眾號(hào)等價(jià)活躍粉絲數(shù),該數(shù)值會(huì)隨著時(shí)間發(fā)生變化,最高上限是100萬(wàn)+。讀取得出:在全國(guó)范圍內(nèi),等價(jià)活躍粉絲最多的前3名氣象微信公眾號(hào)分別為廣東氣象(100萬(wàn)+名),上海天氣(41萬(wàn)名),氣象北京(9.2萬(wàn)名)。黔氣象7 100名,列全國(guó)第19位。

      省內(nèi)市州級(jí)微信公眾號(hào)等價(jià)活躍粉絲排名前3位依次為:銅仁氣象(15 850名),遵義氣象(5 250名),黔南氣象(3 330名)。

      省內(nèi)縣級(jí)氣象部門(mén)微信公眾號(hào)等價(jià)活躍粉絲數(shù)排名前3位為:沿河氣象(8 440名),威寧氣象(6 950名),松桃氣象(5 030名)。

      比較兩項(xiàng)排名后可發(fā)現(xiàn),全國(guó)省級(jí)微信公眾號(hào)的兩項(xiàng)排名基本一致,但省內(nèi)市州級(jí)及縣級(jí)排名略有變動(dòng)。后續(xù)將主要采取WCI數(shù)值進(jìn)行分析。

      3.2 數(shù)據(jù)分析

      為探求國(guó)民經(jīng)濟(jì)生產(chǎn)總值與影響氣象微信公眾號(hào)影響力的具體作用因素之間的關(guān)系,本研究首先將使用因子分析等方法對(duì)時(shí)間段內(nèi)的氣象微信公眾號(hào)發(fā)文總數(shù)、閱讀總數(shù)、點(diǎn)贊總數(shù)、頭條文章閱讀數(shù)、最大閱讀數(shù)、最大點(diǎn)贊數(shù)、微信傳播指數(shù)WCI等相關(guān)數(shù)據(jù)進(jìn)行分析,探究微信影響力與相關(guān)變量之間的量化指標(biāo)關(guān)系。找到關(guān)鍵因子后,用主成分與國(guó)民生產(chǎn)總值中的人均GDP、電信指標(biāo)等進(jìn)行相關(guān)性分析,從而探索影響力的傳播特性。

      3.2.1 因子分析結(jié)果 考慮到氣象微信公眾號(hào)發(fā)文總數(shù)、閱讀總數(shù)、點(diǎn)贊總數(shù)、頭條文章閱讀數(shù)、最大閱讀數(shù)、最大點(diǎn)贊數(shù)、微信傳播指數(shù)WCI等相關(guān)數(shù)據(jù)均為變量,同時(shí)變量之間存在相關(guān)關(guān)系及信息重疊,所以本文采用因子分析及最大方差法,輸出陡坡圖,首先找到主成分。

      KMO檢驗(yàn)為0.724,說(shuō)明數(shù)據(jù)進(jìn)行因子分析是比較好的,可以進(jìn)行分析。Bartlett檢驗(yàn)的Sig值為0.000,說(shuō)明數(shù)據(jù)來(lái)自正態(tài)分布總體,適合進(jìn)一步分析。

      按照初始特征值大于1的標(biāo)準(zhǔn),SPSS分析得到2個(gè)主成分,第一主成分的方差貢獻(xiàn)率為67.54%,兩個(gè)主成分的方差占所有主成分方差的84.566%。

      表2 主成分分析Tab.2 principal component analysis

      從圖1陡坡圖上可以看出大于1的成分有2個(gè),所以只需要考慮這2個(gè)成分即可。

      圖1 陡坡圖

      Fig.1 Steep slope map

      在旋轉(zhuǎn)元件矩陣中所示,第一公因子主要反映的是除文章總數(shù)外變量的信息,同時(shí)在最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)上有較高的載荷,第二公因子在文章總數(shù)上有較大載荷。

      表3 旋轉(zhuǎn)元件、元件評(píng)分系數(shù)矩陣Tab.3 Rotating element& Component score coefficient matrix

      由此分析可以得出最大點(diǎn)贊數(shù)、最大閱讀數(shù)、頭條文章閱讀數(shù)等公眾號(hào)發(fā)展的重要指標(biāo),其數(shù)值的大小可以直接影響WCI值。

      據(jù)旋轉(zhuǎn)元件矩陣及元件評(píng)分系數(shù)矩陣可以寫(xiě)出兩個(gè)公因子的表達(dá)式:

      F1=0.109×閱讀總數(shù)-0.252×文章總數(shù)+0.031×點(diǎn)贊總數(shù)+0.197×頭條文章閱讀數(shù) +0.383×最大閱讀數(shù)+0.278×最大點(diǎn)贊數(shù)+0.180×WCI

      F2=0.617×文章總數(shù)+0.204×閱讀總數(shù)+0.297×點(diǎn)贊總數(shù)+0.057×頭條文章閱讀數(shù) -0.384×最大閱讀數(shù)-0.105×最大點(diǎn)贊數(shù)+0.086×WCI

      將此兩個(gè)公因子的表達(dá)式帶入市州級(jí)、縣級(jí)三項(xiàng)排名進(jìn)行驗(yàn)算,兩項(xiàng)公因子測(cè)算結(jié)果與WCI排名一致,與活躍用戶(hù)數(shù)排名有出入。

      表4 公因子帶入驗(yàn)算Tab.4 Common Factor Entry Check

      3.2.2 WCI與國(guó)民經(jīng)濟(jì)之間的相關(guān)性分析 根據(jù)因子分析得出與WCI密切相關(guān)的兩個(gè)公因子公式,結(jié)合2016年貴州省統(tǒng)計(jì)局發(fā)布的《貴州統(tǒng)計(jì)年鑒》中公布的9市州人均GDP、電信主要指標(biāo)等數(shù)據(jù)進(jìn)行相關(guān)性分析,從而探索國(guó)民經(jīng)濟(jì)發(fā)展水平是否直接影響微信傳播力WCI值,兩者之間是否存在相關(guān)性。

      公因子測(cè)算以貴州省9個(gè)市州地微信公眾號(hào)數(shù)據(jù)為例,省級(jí)訂閱號(hào)“黔氣象”未參與測(cè)算。分析采用Pearson系數(shù)進(jìn)行檢驗(yàn)。數(shù)據(jù)分析結(jié)果如表5、表6,從表中可以看出,人均GDP與F1、F2之間不存在明顯相關(guān)性,地區(qū)移動(dòng)電話(huà)用戶(hù)數(shù)與F1、F2之間存在正相關(guān)。

      表5 公因子與人均GDP數(shù)相關(guān)性分析Tab.5 Correlation Analysis between common factor and per capita GDP

      表6 公因子與移動(dòng)電話(huà)用戶(hù)數(shù)相關(guān)性分析Tab.6 Correlation analysis of common factor and mobile phone user number

      3.3 結(jié)論

      氣象微信傳播服務(wù)能力的高低與該微信訂閱號(hào)推送文章的“最大點(diǎn)贊數(shù)”、“最大閱讀數(shù)”、“頭條文章閱讀數(shù)”這3個(gè)因素緊密相關(guān),即該3個(gè)因素?cái)?shù)值越大,該微信訂閱號(hào)的傳播服務(wù)能力就越強(qiáng)。

      氣象微信訂閱號(hào)的傳播服務(wù)能力與當(dāng)?shù)貒?guó)民經(jīng)濟(jì)生產(chǎn)總值之間不存在任何相關(guān)性,即區(qū)域經(jīng)濟(jì)發(fā)展水平不會(huì)影響當(dāng)?shù)貧庀笮旅襟w的傳播服務(wù)能力。也就是說(shuō)氣象微信傳播服務(wù)力數(shù)值的高低與訂閱號(hào)粉絲總數(shù)、所在地人均GDP均無(wú)直接關(guān)聯(lián)。

      氣象微信傳播服務(wù)力與當(dāng)?shù)厥謾C(jī)電話(huà)用戶(hù)數(shù)存在正相關(guān)。即當(dāng)?shù)厥謾C(jī)用戶(hù)基數(shù)越大,氣象微信傳播服務(wù)能力就有可能越高。

      4 建議

      4.1 重塑新媒體推廣定位,以科學(xué)考核指標(biāo)助推新媒體發(fā)展

      氣象服務(wù)屬于政務(wù)服務(wù)范疇,具有時(shí)效性、前瞻性及突發(fā)性等特點(diǎn),區(qū)別于其他政務(wù)服務(wù)類(lèi)別及傳統(tǒng)氣象服務(wù)方式。從分析結(jié)論中可以推導(dǎo)出優(yōu)秀微信訂閱號(hào)的屬性應(yīng)為:注重不同媒體發(fā)布渠道的氣象要素內(nèi)容包含,注重頭條推文的質(zhì)量控制,重構(gòu)氣象信息的呈現(xiàn)形式。同時(shí)應(yīng)建立以傳播力、粉絲質(zhì)量為核心的新媒體服務(wù)分析考核要點(diǎn),加強(qiáng)氣象信息傳播工作的推廣及評(píng)估,結(jié)合推送信息的后臺(tái)分析、民眾訴求及輿情監(jiān)測(cè)與管理,重塑氣象服務(wù)新媒體的定位推廣,以科學(xué)考核指標(biāo)助推新媒體發(fā)展。

      4.2 新媒體助力彎道超車(chē),彌補(bǔ)與發(fā)達(dá)地區(qū)的氣象服務(wù)發(fā)展差距

      “互聯(lián)網(wǎng)+”政策促進(jìn)效應(yīng)將促推新媒體成為傳播服務(wù)主陣地,微信矩陣是發(fā)展趨勢(shì)。人民日?qǐng)?bào)等傳統(tǒng)媒體已建立起自己的傳播矩陣,這些成功經(jīng)驗(yàn)都值得參考借鑒。氣象微信公眾號(hào)實(shí)現(xiàn)了為氣象服務(wù)瓶頸“最后一公里”賦權(quán)。借助移動(dòng)互聯(lián)及大數(shù)據(jù)東風(fēng),推廣縣級(jí)氣象部門(mén)新媒體服務(wù)方式可以為偏遠(yuǎn)地區(qū)的政府部門(mén)及公眾提供與發(fā)達(dá)地區(qū)同優(yōu)質(zhì)的服務(wù),利于彌補(bǔ)貴州與發(fā)達(dá)地區(qū)差距的數(shù)字鴻溝。移動(dòng)互聯(lián)新媒體克服了空間地點(diǎn)的約束,以越來(lái)越龐大的用戶(hù)群體基數(shù)、創(chuàng)新的服務(wù)體驗(yàn)以及超低的入門(mén)門(mén)檻體驗(yàn)必將成為氣象部門(mén)服務(wù)方式的首選。

      5 研究的局限與不足

      ①WCI影響力相關(guān)的這些因子互為因果關(guān)系,本研究采用SPSS軟件對(duì)多個(gè)因變量進(jìn)行分析,局限于分析方法所限,只能提出關(guān)鍵因子,對(duì)于因變量之間的因果關(guān)系不能得到很好的解釋。下一步可以考慮采用結(jié)構(gòu)方程模型的方法進(jìn)行更深入的分析探索。

      ②微信文章閱讀量、點(diǎn)贊數(shù)、轉(zhuǎn)載數(shù)等都可以通過(guò)“刷”等惡劣手段來(lái)大幅提高,淘寶搜索“微信公眾號(hào)推廣”,發(fā)現(xiàn)有很多商家從事此類(lèi)業(yè)務(wù),業(yè)務(wù)成交量更是上萬(wàn)。如何清洗、刪除此類(lèi)數(shù)據(jù)保證影響力測(cè)算數(shù)據(jù)的真實(shí)和公正,也值得深究。

      猜你喜歡
      閱讀數(shù)氣象公眾
      氣象
      科技政務(wù)微信傳播方式與效果研究
      ——以某省科技微信公眾號(hào)為例
      氣象樹(shù)
      《內(nèi)蒙古氣象》征稿簡(jiǎn)則
      公眾號(hào)3月熱榜
      公眾號(hào)9月熱榜
      公眾號(hào)8月熱榜
      公眾號(hào)5月熱榜
      大國(guó)氣象
      編讀往來(lái)
      婺源县| 兴隆县| 德昌县| 虎林市| 浮山县| 翁牛特旗| 枣庄市| 那坡县| 新巴尔虎右旗| 高陵县| 西乡县| 靖远县| 百色市| 安吉县| 环江| 青阳县| 斗六市| 陵川县| 林周县| 扬州市| 遵化市| 黑水县| 通海县| 敦化市| 长顺县| 龙门县| 嘉荫县| 佛山市| 探索| 昌江| 克什克腾旗| 宣城市| 项城市| 砚山县| 绵阳市| 盘山县| 故城县| 花莲县| 福海县| 阳泉市| 巴里|