基于互動(dòng)行為的企業(yè)微博傳播效果評(píng)價(jià)與分析

席運(yùn)江 鄧雨珊 廖曉 謝正霞

關(guān)鍵詞：用戶交互;互動(dòng)行為;傳播效果;評(píng)價(jià);話題分析;用戶聚類;企業(yè)微博;華為手機(jī)

微博擁有龐大的用戶群體和快速擴(kuò)散的病毒式傳播效應(yīng)，已經(jīng)成為連接品牌與消費(fèi)者的渠道之一，是企業(yè)開展?fàn)I銷活動(dòng)的重要陣地。在企業(yè)微博運(yùn)營(yíng)過程中，合理并有效地評(píng)價(jià)微博的傳播效果，可以幫助企業(yè)制定合理的運(yùn)營(yíng)策略，維護(hù)企業(yè)的品牌和用戶資產(chǎn)，對(duì)于指導(dǎo)企業(yè)的營(yíng)銷實(shí)踐具有較強(qiáng)應(yīng)用價(jià)值。

當(dāng)前傳播效果評(píng)價(jià)中，由于缺乏合理、可行的方法，企業(yè)在很多情況下，只是通過一些簡(jiǎn)單的數(shù)據(jù)來進(jìn)行評(píng)價(jià)，例如評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)、點(diǎn)贊數(shù)、閱讀量等?？梢钥闯觯鲜鲈u(píng)價(jià)方法較為簡(jiǎn)單，很難深入、全面地反映企業(yè)微博的傳播效果。此外，由于受到水軍、僵尸粉等無效用戶團(tuán)體的影響，評(píng)價(jià)的結(jié)果也經(jīng)常受到扭曲，出現(xiàn)虛假熱度的現(xiàn)象。

針對(duì)上述問題，本文從微博與用戶之間的交互行為人手，在交互強(qiáng)度的基礎(chǔ)上.提出用戶交互影響度計(jì)算方法，該方法可有效消除虛假交互數(shù)據(jù)的影響。接著，引入話題傳播深度和用戶傳播貢獻(xiàn)度等概念，構(gòu)建了一套較為完整的企業(yè)微博傳播效果評(píng)價(jià)體系，幫助企業(yè)進(jìn)行微博話題傳播效果的分析和用戶群體特征的挖掘。

1文獻(xiàn)綜述

1.1傳播效果概念及評(píng)價(jià)方法

傳播效果是一個(gè)比較抽象的概念，根據(jù)媒介方式的不同其定義也不同。廣義的傳播效果是指當(dāng)受眾接收到信息之后，其態(tài)度、行為等方面發(fā)生的變化;從狹義上來說，傳播效果是指?jìng)鞑フ咴谛畔鞑ミ^程中其根本目的或意圖得到了多大程度的體現(xiàn)。盡管不同的學(xué)者對(duì)傳播效果概念的定義有一定差異，但一般認(rèn)為信息的傳播效果是指?jìng)鞑フ叩男袨楹蛡鞑?nèi)容對(duì)受眾的認(rèn)知、情感和行為產(chǎn)生的影響。關(guān)于傳播效果評(píng)價(jià)的相關(guān)研究，大致可以分為以下兩種。

1）基于信息接收者主觀角度的傳播效果評(píng)價(jià)。這種方法通常是在相關(guān)理論的基礎(chǔ)上，設(shè)計(jì)相應(yīng)評(píng)價(jià)指標(biāo)，以訪談或問卷調(diào)查的形式獲取用戶對(duì)于信息傳播效果的感知評(píng)價(jià)，了解用戶行為變化的情況進(jìn)而得到有效的傳播效果評(píng)估體系。學(xué)者們根據(jù)社交媒體、信息種類的不同，分別選取不同角度進(jìn)行傳播效果的評(píng)價(jià)研究。

例如，在對(duì)政務(wù)信息的傳播效果評(píng)價(jià)中，閆奕文等以政務(wù)微信公眾號(hào)為研究對(duì)象，根據(jù)信息傳播效果的階梯模式理論，遵循“認(rèn)知一情感一行為”的邏輯順序，選取用戶認(rèn)知、態(tài)度和行為等5個(gè)維度的指標(biāo)來衡量傳播效果。通過對(duì)回收的問卷進(jìn)行分析，發(fā)現(xiàn)其所選取的指標(biāo)有效，其評(píng)價(jià)結(jié)果反映了政務(wù)微信信息實(shí)際的傳播效果。陳然對(duì)政務(wù)社交媒體的危機(jī)傳播效果進(jìn)行了研究，從傳播過程的關(guān)鍵要素人手，以傳播目的為導(dǎo)向構(gòu)建危機(jī)傳播效果評(píng)價(jià)指標(biāo)，并運(yùn)用層次分析法確定相應(yīng)指標(biāo)的權(quán)重值。在對(duì)微博輿情的傳播效果進(jìn)行評(píng)價(jià)中，劉健等基于拉斯韋爾模式理論及傳播效果的階梯模式理論構(gòu)建了微博輿情傳播效果評(píng)價(jià)指標(biāo)，利用數(shù)據(jù)包絡(luò)分析法進(jìn)行指標(biāo)篩選，并以新浪微博用戶為實(shí)證樣本對(duì)指標(biāo)體系進(jìn)行了驗(yàn)證。

2）基于客觀指標(biāo)量化的傳播效果評(píng)價(jià)。主觀評(píng)價(jià)受被調(diào)查者個(gè)人的知識(shí)水平、主觀態(tài)度影響，易造成評(píng)價(jià)效果的不準(zhǔn)確。在互聯(lián)網(wǎng)信息傳播的過程中，一些研究者以信息的傳播規(guī)模、覆蓋人數(shù)、傳播速度等客觀指標(biāo)來衡量傳播效果。

對(duì)微博來說，轉(zhuǎn)發(fā)被視為微博傳播效果最直接的體現(xiàn)。因此很多研究者選擇利用轉(zhuǎn)發(fā)規(guī)模來評(píng)價(jià)微博信息的傳播效果。學(xué)者們探討了影響微博轉(zhuǎn)發(fā)的因素。Sub B等發(fā)現(xiàn)推文內(nèi)容中的超鏈接、標(biāo)簽以及博主的關(guān)注數(shù)、粉絲數(shù)量等都會(huì)影響轉(zhuǎn)發(fā)數(shù)據(jù)。郭亞等發(fā)現(xiàn)博主粉絲數(shù)、用戶自身興趣以及微博的熱度會(huì)影響用戶的轉(zhuǎn)發(fā)行為。在評(píng)價(jià)方法上，隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，越來越多的研究開始聚焦于轉(zhuǎn)發(fā)預(yù)測(cè)。如徐月梅等考慮轉(zhuǎn)發(fā)者個(gè)體差異的不足，利用邏輯回歸算法預(yù)測(cè)微博的轉(zhuǎn)發(fā)量，進(jìn)而發(fā)現(xiàn)熱點(diǎn)傳播話題。

由于主觀評(píng)價(jià)易受到被訪問者個(gè)人因素影響，造成評(píng)價(jià)結(jié)果的不穩(wěn)定，故本文選擇使用客觀指標(biāo)對(duì)傳播效果進(jìn)行量化研究。另外，從已有研究可知.現(xiàn)有的效果評(píng)價(jià)方法大多是對(duì)傳播相關(guān)數(shù)據(jù)進(jìn)行簡(jiǎn)單的加工、處理、分析，例如覆蓋人數(shù)、轉(zhuǎn)發(fā)規(guī)模等，其中尤其重視覆蓋人數(shù)的影響。這些指標(biāo)很難進(jìn)行較深入的傳播效果評(píng)價(jià)分析，且容易受到虛假傳播數(shù)據(jù)的影響。

1.2微博影響力評(píng)價(jià)方法

微博影響力與微博的傳播效果息息相關(guān).二者都體現(xiàn)在用戶行為的受影響程度上，二者之間的區(qū)別是：前者是一種能力.后者則是一種已經(jīng)實(shí)現(xiàn)的結(jié)果。微博影響力評(píng)價(jià)方法，在一定程度上可以為微博傳播效果評(píng)價(jià)提供借鑒。

宏觀上，微博影響力體現(xiàn)為微博內(nèi)容在傳播過程中對(duì)社會(huì)生態(tài)等產(chǎn)生的影響：微觀層面，微博影響力則是指微博信息通過用戶社交關(guān)系網(wǎng)絡(luò)傳遞后，對(duì)用戶的認(rèn)知、行為產(chǎn)生的改變。在信息傳播的過程當(dāng)中，有些用戶明顯比其他用戶更有影響力。因此，也有學(xué)者將微博影響力定義為用戶影響力。

現(xiàn)有關(guān)于微博影響力的研究聚焦于微博用戶的行為。Ye S等使用用戶的粉絲數(shù)量、評(píng)論回復(fù)和轉(zhuǎn)發(fā)影響3個(gè)方面來測(cè)量微博影響力。姚茜等認(rèn)為企業(yè)擁有的粉絲數(shù)是企業(yè)開展微博營(yíng)銷的基礎(chǔ)，轉(zhuǎn)發(fā)是決定微博影響力是否發(fā)揮的關(guān)鍵，因而使用關(guān)注數(shù)、轉(zhuǎn)發(fā)數(shù)來評(píng)價(jià)微博影響力。

微博是一個(gè)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu).因此在學(xué)術(shù)研究中，社會(huì)網(wǎng)絡(luò)分析、圖論等方法常被利用來衡量微博的影響力。封紅旗等通過構(gòu)建政務(wù)微博的復(fù)雜網(wǎng)絡(luò)，將該網(wǎng)絡(luò)中每一個(gè)用戶節(jié)點(diǎn)的粉絲數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)，根據(jù)一定的權(quán)重相加計(jì)算用戶個(gè)人影響力。朱文俊等使用圖論相關(guān)理論建模分析，以關(guān)注度和被轉(zhuǎn)發(fā)量來衡量微博的影響力，其中關(guān)注度以其瀏覽量來表示。也有學(xué)者創(chuàng)新性地將學(xué)術(shù)成果影響力的評(píng)價(jià)方法應(yīng)用到微博影響力的評(píng)價(jià)中。如周志鋒等使用h指數(shù)分析圖書館微博的影響力。王林等使用p指數(shù)評(píng)價(jià)旅游類微博的傳播力。方興林則探討了學(xué)術(shù)跡應(yīng)用于微博影響力評(píng)價(jià)的可行性。

隨著微博營(yíng)銷價(jià)值的不斷凸顯.市場(chǎng)上也出現(xiàn)了專為企業(yè)提供微博及其他媒介平臺(tái)的傳播效果分析的數(shù)據(jù)服務(wù)產(chǎn)品，企業(yè)通過購(gòu)買相關(guān)的服務(wù)以獲知推介活動(dòng)的傳播效果。但這些產(chǎn)品也存在著不足。首先，評(píng)價(jià)指標(biāo)單一，多數(shù)產(chǎn)品僅統(tǒng)計(jì)微博信息的轉(zhuǎn)發(fā)數(shù)量或轉(zhuǎn)發(fā)層級(jí)，忽略了微博的評(píng)論量、瀏覽量等。其次，簡(jiǎn)單數(shù)據(jù)匯總無法消除網(wǎng)絡(luò)水軍和僵尸粉造成的影響。最后，目前的產(chǎn)品注重刻畫單條微博的傳播效果，缺乏對(duì)微博話題的整體效應(yīng)的考慮，評(píng)價(jià)的角度不夠全面。

綜上所述，微博的傳播效果體現(xiàn)在其對(duì)用戶行為的影響上。因此，本文通過對(duì)微博上用戶互動(dòng)行為進(jìn)行建模，提出用戶交互影響度衡量微博的實(shí)際傳播效果，并進(jìn)一步從話題和用戶層面對(duì)微博的傳播效果進(jìn)行深入的挖掘與分析，得到一個(gè)較為完整的企業(yè)微博傳播效果評(píng)價(jià)方法框架。

2用戶交互影響度算法

2.1用戶互動(dòng)網(wǎng)絡(luò)

微博中存在著各種復(fù)雜的聯(lián)系，企業(yè)在微博上以發(fā)布微博信息、創(chuàng)建微博話題的形式與用戶進(jìn)行互動(dòng)。為了準(zhǔn)確刻畫微博話題、博文、用戶和行為之間的復(fù)雜關(guān)系，本文使用超網(wǎng)絡(luò)模型進(jìn)行建模，定義為用戶互動(dòng)網(wǎng)絡(luò)，如圖1所示。其中，表示微博所隸屬的話題，用表示微博話題與博文之間的隸屬關(guān)系：

因?yàn)橛脩魠⑴c微博的互動(dòng)形式不止一種，互動(dòng)的頻次也不固定，為了準(zhǔn)確衡量微博的傳播效果，本文提出了用戶交互影響度的概念，用于表示微博博文內(nèi)容對(duì)用戶交互行為的影響程度。

2.2單條微博的交互影響度算法

2.2.1交互強(qiáng)度

用戶與微博之間的互動(dòng)行為包括轉(zhuǎn)發(fā)、評(píng)論和點(diǎn)贊的形式，三者反映了用戶與微博的交互強(qiáng)度，如圖2所示。

從表1可以看出，在微博傳播的過程中，轉(zhuǎn)發(fā)行為處于比較重要的地位，因?yàn)槠鋽U(kuò)大了信息傳播的覆蓋面，引起了更多用戶的注意。評(píng)論相比點(diǎn)贊，需要花費(fèi)用戶更多的精力去參與，因此其權(quán)重大于點(diǎn)贊行為。因此，得到的權(quán)重值符合常識(shí)情況。

2.2.2交互影響度算法

若僅以交互強(qiáng)度來衡量微博的傳播效果，那么受網(wǎng)絡(luò)水軍影響的微博.其交互強(qiáng)度將遠(yuǎn)遠(yuǎn)大于其他正常的微博。如果不加以處理，就會(huì)產(chǎn)生虛假熱度現(xiàn)象，造成評(píng)價(jià)效果的不準(zhǔn)確。

因此，本文對(duì)交互強(qiáng)度作進(jìn)一步優(yōu)化，使用反正切函數(shù)對(duì)其進(jìn)行處理，提出交互影響度的概念，在一定程度上削弱水軍及僵尸粉等產(chǎn)生的虛假交互數(shù)據(jù)的影響，保證結(jié)果的可靠性。其計(jì)算方法見式（4）。

2.2.3算法合理性評(píng)價(jià)

接著，對(duì)上述函數(shù)的合理性進(jìn)行評(píng)價(jià)，繪制交互影響度曲線.如圖3所示，發(fā)現(xiàn)其具有以下特點(diǎn)：

1）單條微博的交互影響度只與參與互動(dòng)的用戶數(shù)有關(guān)，當(dāng)參與互動(dòng)的用戶數(shù)為0時(shí)，其交互影響度同樣為0。

2）影響度函數(shù)應(yīng)單調(diào)上升且有上界，即具備收斂性，當(dāng)用戶交互行為次數(shù)趨于無窮大時(shí)，其交互影響度趨向于1。

3）微博對(duì)單個(gè)用戶產(chǎn)生的影響效果受其行為強(qiáng)度的影響，且對(duì)不同的用戶而言，其交互影響度隨其參與程度的變化出現(xiàn)顯著差異。

4）函數(shù)趨勢(shì)不存在類似于“梯度消失”現(xiàn)象，具有較為寬闊的興奮邊界。

上述收斂度算法符合前文定義的交互影響度的特點(diǎn)及實(shí)際情況，同時(shí)，從圖3可以看出，本文提出的交互影響度能有效消除互動(dòng)數(shù)較少（甚至為0）的僵尸粉的影響.使其對(duì)交互影響度的計(jì)算結(jié)果影響大大減少（甚至為0）。

2.2.4單條微博的用戶交互影響度計(jì)算

本文假設(shè)用戶在接收信息后產(chǎn)生的行為是獨(dú)立的，不考慮用戶之間的影響。因此，單條微博的交互影響度，等于參與其互動(dòng)的所有用戶的交互影響度之和，設(shè)單條微博中參與互動(dòng)的用戶總數(shù)為則單條微博的交互影響度如式（5）。

從式（5）可知，由于每個(gè)用戶對(duì)影響度的貢獻(xiàn)都有一個(gè)不超過1的上限，所以對(duì)于頻繁互動(dòng)的水軍帳號(hào)而言，極大降低了其對(duì)傳播效果的影響，從而使計(jì)算結(jié)果比較真實(shí)、準(zhǔn)確。

2.3多條相關(guān)微博的交互影響度匯總算法

2.3.1基于話題層面的影響度匯總算法

基于話題層面進(jìn)行匯總交互影響度，可以得到話題的整體傳播效果，反映話題在粉絲用戶中的影響力。

2.3.2基于用戶層面的影響度匯總算法

基于用戶層面進(jìn)行匯總交互影響度.可以得到用戶對(duì)整個(gè)企業(yè)微博互動(dòng)的參與度，反映粉絲用戶參與企業(yè)微博互動(dòng)的程度，有利于企業(yè)進(jìn)一步分析其粉絲群體特征。

3基于交互影響度的企業(yè)微博傳播效果評(píng)價(jià)方法

在交互影響度算法的基礎(chǔ)上.本文進(jìn)一步從話題的宏觀層面及用戶的微觀層面兩個(gè)角度，對(duì)企業(yè)微博傳播效果進(jìn)行較為全面的評(píng)價(jià)。

3.1話題傳播效果評(píng)價(jià)

在話題層面，引入傳播深度、傳播廣度、傳播速率和傳播效率的概念，從傳播過程中的信息傳播的范圍以及發(fā)揮的效用等方面對(duì)企業(yè)微博話題的傳播效果進(jìn)行全面評(píng)價(jià)。

3.1.1傳播深度

本文將單條微博的傳播深度定義為該微博在傳播過程中對(duì)參與互動(dòng)的用戶的平均影響強(qiáng)度.如式（8）所示。

根據(jù)微博博文與話題間的隸屬關(guān)系，進(jìn)而得到微博話題的傳播深度。

傳播深度體現(xiàn)了微博內(nèi)容對(duì)單個(gè)用戶交互行為的影響程度，通過傳播深度可以看到微博傳播效果在個(gè)體之間的差異性。

3.1.2傳播廣度

單條微博的傳播廣度是指參與微博互動(dòng)的用戶規(guī)模，參與互動(dòng)的人數(shù)越多，傳播覆蓋面就越廣。因此本文將單條微博的傳播廣度定義為單條微博下參與互動(dòng)的用戶總數(shù)，反映微博的傳播范圍。

在式（10）中，考慮到當(dāng)微博的影響度較小時(shí)，其對(duì)參與互動(dòng)的用戶影響程度有限，甚至可以忽略不計(jì)，故設(shè)置用于判斷單條微博的交互影響度。本文取每個(gè)微博話題影響度的眾數(shù)作為其對(duì)應(yīng)的閾值，小于閾值的微博，其傳播廣度為0。

同樣，根據(jù)微博博文與話題間的隸屬關(guān)系，得到微博話題的傳播廣度，如式（11）。

3.1.3傳播速率

為了反映話題傳播的速度，本文引入傳播速率這一指標(biāo)，加入了對(duì)時(shí)間因素的考慮。將其定義為微博話題在時(shí)間間隔t內(nèi)產(chǎn)生的交互影響度。傳播速率越快，說明該信息引發(fā)的用戶響應(yīng)就越快，就越能體現(xiàn)該話題的傳播質(zhì)量。參照已有研究的思路.將時(shí)間間隔定義為微博話題發(fā)布后參與互動(dòng)的節(jié)點(diǎn)之間的時(shí)間差總和。

3.1.4傳播效率

為了刻畫話題中每條信息具體效用價(jià)值的大小，本文引入傳播效率這一指標(biāo)。將其定義為微博話題在傳播過程中平均每條信息產(chǎn)生的交互影響度，傳播效率越大說明該微博話題中每條信息產(chǎn)生的效用值就越大。可以衡量不同的微博話題傳播效果的差異性。

其中，M1表示該話題下的微博總數(shù)。

3.2用戶傳播貢獻(xiàn)度評(píng)價(jià)

在用戶層面，則引入用戶傳播貢獻(xiàn)度的概念，幫助企業(yè)更好地分析參與微博互動(dòng)的用戶群體的特征。傳播貢獻(xiàn)度是指用戶在微博內(nèi)容傳播過程中，擴(kuò)大微博內(nèi)容影響范圍及傳播效果的程度。式（7）計(jì)算得到了每個(gè)用戶的交互影響度，影響度越大，說明其在微博傳播過程中的貢獻(xiàn)度就越大，所以，本文定義每個(gè)用戶的交互影響度為其傳播貢獻(xiàn)度。

其中，g0為閾值，用于篩選出貢獻(xiàn)度較高的用戶。

4華為手機(jī)官方微博傳播效果分析

4.1數(shù)據(jù)獲取與預(yù)處理

本文使用八爪魚采集器，爬取“華為手機(jī)”官方微博2017-2018年間的發(fā)博數(shù)量共計(jì)2458條，剔除不含話題標(biāo)識(shí)“#”的無效數(shù)據(jù)，得到2201條有效的微博數(shù)據(jù)和88個(gè)有效話題，包含發(fā)博時(shí)間、博文內(nèi)容、博文鏈接等字段。

接著，對(duì)源數(shù)據(jù)進(jìn)行預(yù)處理，包括新詞提取、分詞、去除停用詞等，接著利用TF-IDF算法提取關(guān)鍵詞、參考文獻(xiàn)，一般情況下，1條微博的內(nèi)容用5個(gè)關(guān)鍵詞就可以概況.故本文取權(quán)重前5的詞語作為每條微博的關(guān)鍵詞。

4.2華為手機(jī)官方微博話題傳播效果評(píng)價(jià)

4.2.1高傳播深度話題分析

根據(jù)式（9）計(jì)算得到華為手機(jī)官方微博各話題的傳播深度.在此基礎(chǔ)上將2017-2018年期間所有話題傳播深度的均值x2作為閾值，z=0.129，大于這個(gè)閾值的微博話題即為高傳播深度的微博話題。為了詳細(xì)分析此類微博話題類型及內(nèi)容的特點(diǎn)，選取高傳播深度的微博話題中權(quán)重值前5的關(guān)鍵詞作為該話題的特征詞，進(jìn)一步挖掘此類話題的中心內(nèi)容。

從表2可以發(fā)現(xiàn)，對(duì)用戶影響程度較大的話題多是圍繞華為手機(jī)當(dāng)季熱售或者新發(fā)布產(chǎn)品的宣傳推廣、促銷和抽獎(jiǎng)等活動(dòng)，如話題50、1、12、78、69等。從關(guān)鍵詞可以看出，華為手機(jī)在注重對(duì)產(chǎn)品特點(diǎn)宣傳的同時(shí)，借助代言人帶來的明星效應(yīng)，以提高微博話題的傳播效果。此外，華為手機(jī)還根據(jù)節(jié)日和網(wǎng)絡(luò)熱點(diǎn)發(fā)布相關(guān)話題，如話題61、74、66等。說明其在一定程度上抓住了用戶討論熱點(diǎn)，從而達(dá)到了較高的傳播深度。

4.2.2高傳播廣度話題分析

根據(jù)式（11）計(jì)算得到華為手機(jī)官方微博各話題的傳播廣度后，將2017-2018年期間所有話題的傳播廣度的均值z(mì)作為閾值，z=653 070.75，得到高傳播廣度的微博話題，并進(jìn)一步挖掘話題特征。

從表3可以看到，參與互動(dòng)的用戶規(guī)模最大的話題為話題13，因其內(nèi)容與日常生活較為貼近，涵蓋的內(nèi)容也最為廣泛。其余話題均與華為手機(jī)產(chǎn)品相關(guān).說明華為手機(jī)產(chǎn)品在用戶群體中的擁護(hù)度較高，也從側(cè)面反映了當(dāng)前華為手機(jī)各種型號(hào)產(chǎn)品中的主力機(jī)型分別是“P系列”“Mate系列”和“N0.va系列”。

在對(duì)高傳播深度和高傳播廣度話題分析的過程.可以發(fā)現(xiàn)兩類話題的內(nèi)容均與華為手機(jī)的品牌運(yùn)營(yíng)、產(chǎn)品營(yíng)銷相關(guān)，說明本文提出的評(píng)價(jià)方法在一定程度上有效削弱網(wǎng)絡(luò)水軍和僵尸粉的影響，消除了虛假熱度的現(xiàn)象，較為真實(shí)地反映了華為手機(jī)官方微博的傳播效果。

4.2.3微博話題傳播效果綜合評(píng)價(jià)

將話題的傳播速率與傳播效率作為綜合度量指標(biāo)，對(duì)話題進(jìn)行聚類分析，得到對(duì)話題綜合傳播效果的評(píng)價(jià)。將傳播速率、傳播效率進(jìn)行標(biāo)準(zhǔn)化處理后，使用K-means聚類方法，通過對(duì)比不同類簇的輪廓系數(shù)及實(shí)際情況，確定類別的個(gè)數(shù)為4，各類話題的傳播速率和傳播效率均值如表4所示。高傳播速率意味著微博話題能夠在短時(shí)間內(nèi)引起用戶的關(guān)注與參與，而高傳播效率的話題代表著話題給用戶帶來的效用價(jià)值大，能夠引起用戶較高的共鳴度與參與積極性。結(jié)合圖4的詞云圖，進(jìn)一步分析。

綜合傳播效果最差的第1類話題是公共關(guān)系型微博話題。該類話題共有69個(gè)，側(cè)重對(duì)華為品牌形象和特點(diǎn)的宣傳，其傳播效率及傳播速率均處于較低水平，說明這部分微博內(nèi)容質(zhì)量一般.缺乏亮點(diǎn)，表述略偏生硬，難以引起用戶的參與互動(dòng)的積極性，有待進(jìn)一步改進(jìn)。

第2類與第3類微博話題中，側(cè)重宣傳產(chǎn)品名稱、產(chǎn)品屬性和賣點(diǎn)，因此將其命名為廣告類型微博。這兩類微博話題的傳播速率相近，說明廣告型微博話題能在短時(shí)間內(nèi)吸引用戶的注意力。但第2類微博話題的傳播效率明顯較好.發(fā)現(xiàn)二者關(guān)鍵詞側(cè)重點(diǎn)不同.第2類話題重在宣傳產(chǎn)品的特點(diǎn)，如“相思紅”“自拍”“霸屏”等，以更通俗的語言描述產(chǎn)品賣點(diǎn)，抓住消費(fèi)者的眼球，吸引消費(fèi)者購(gòu)買.而第3類話題側(cè)重對(duì)產(chǎn)品參數(shù)的具體描述，相比第2類話題，其用詞則顯得較為正式，難以喚起消費(fèi)者的互動(dòng)欲望。因此，華為手機(jī)在宣傳產(chǎn)品廣告時(shí)，應(yīng)注意用詞和表達(dá)方式，給產(chǎn)品打上生動(dòng)的“標(biāo)簽”，形成記憶點(diǎn)，吸引用戶參與互動(dòng)，進(jìn)而促使消費(fèi)者購(gòu)買產(chǎn)品。

傳播速率最高的第4類微博話題，宣傳了當(dāng)前的技術(shù)前沿動(dòng)態(tài)，因此將其命名為技術(shù)推廣型微博，這一類型的微博傳播效率最低，因?yàn)榧夹g(shù)的變革對(duì)消費(fèi)者的感知程度還較小，此類微博更具專業(yè)性，對(duì)普通用戶來說效用價(jià)值較小。此類傳播速率處于最高值，說明了用戶對(duì)于人工智能技術(shù)應(yīng)用在手機(jī)產(chǎn)品上的期待，AI技術(shù)的發(fā)展備受矚目。

4.3華為手機(jī)官方微博用戶特征挖掘及分析

微博粉絲是企業(yè)微博品牌和核心資產(chǎn)之一，是企業(yè)開展微博營(yíng)銷的基礎(chǔ)。用戶群體的反饋對(duì)于做好企業(yè)微博運(yùn)營(yíng)十分重要。通過對(duì)用戶特征進(jìn)行挖掘與分析，有利于企業(yè)根據(jù)用戶類型開展個(gè)性化的精準(zhǔn)營(yíng)銷和針對(duì)性的微博發(fā)布策略。

4.3.1基于傳播貢獻(xiàn)度的用戶聚類

根據(jù)3.2節(jié)中對(duì)用戶傳播貢獻(xiàn)度的定義，根據(jù)文獻(xiàn)[32]，選擇傳播貢獻(xiàn)度排名前20%的用戶作為高傳播貢獻(xiàn)度的用戶.最終得到的有效用戶數(shù)據(jù)有57590條。根據(jù)這部分用戶的屬性，也就是其粉絲數(shù)、關(guān)注數(shù)、微博數(shù)為聚類的變量對(duì)其進(jìn)行聚類分析，挖掘高傳播貢獻(xiàn)度用戶群體的特征。

由于不同用戶屬性值的差異較大，為了保證聚類結(jié)果的可靠性，在聚類之前，本文先對(duì)3個(gè)屬性數(shù)據(jù)作Z-score標(biāo)準(zhǔn)化處理。接著使用歐幾里得距離，即式（15）計(jì)算用戶相似度，其中，x為初始簇中的第i個(gè)對(duì)象，而u表示該簇中確定的初始質(zhì)心。

最后，使用K-means算法進(jìn)行用戶聚類，發(fā)現(xiàn)當(dāng)類簇為3時(shí)，輪廓系數(shù)最高，為0.8067。因此，本文最終將k值定為3，由此得到的聚類結(jié)果如圖5所示，具體屬性值如表5所示。

4.3.2用戶特征分析

結(jié)合用戶屬性及其互動(dòng)行為特征，將華為手機(jī)官方粉絲群體分為忠誠(chéng)型、優(yōu)質(zhì)型和造勢(shì)型3類，根據(jù)用戶數(shù)的分布，發(fā)現(xiàn)其呈金字塔結(jié)構(gòu)，如圖6所示。

1）忠誠(chéng)型傳播用戶

從表5可以看出，第1類用戶即忠誠(chéng)型傳播用戶的用戶數(shù)為3類之最.是參與企業(yè)微博互動(dòng)的主力軍。這類用戶的關(guān)注數(shù)、粉絲數(shù)較小，號(hào)召力一般，代表了網(wǎng)絡(luò)上絕大部分的普通用戶。企業(yè)需要重點(diǎn)關(guān)注這一類型的用戶，并進(jìn)一步根據(jù)所需將其細(xì)分，發(fā)掘用戶興趣，發(fā)布針對(duì)性的營(yíng)銷內(nèi)容，提高這部分用戶的活躍度，激發(fā)他們的傳播潛力。

2）優(yōu)質(zhì)型傳播用戶

第2類團(tuán)的平均傳播貢獻(xiàn)度最高，達(dá)3.565，是企業(yè)微博的“鐵粉”。自身具有較高的人氣值和號(hào)召力，其平均粉絲數(shù)超過1萬;同時(shí)，其微博發(fā)布數(shù)量也為3類用戶中最高，說明此類用戶常參與熱點(diǎn)話題討論和轉(zhuǎn)發(fā)，喜好發(fā)表個(gè)人觀點(diǎn)，具有引導(dǎo)話題走向的能力。因此，企業(yè)可以在產(chǎn)品上市、活動(dòng)推廣的初期，借助這類用戶的優(yōu)質(zhì)傳播能力，打造品牌形象，塑造產(chǎn)品口碑。

3）造勢(shì)型傳播用戶

第3類用戶具有龐大的粉絲數(shù)量，遠(yuǎn)大于其他兩類用戶，但其傳播貢獻(xiàn)度卻是3類用戶群體中最低的。同時(shí)，這一類型的用戶數(shù)量也是最少的，說明造勢(shì)型用戶較少出現(xiàn)在微博話題傳播的過程中。

對(duì)這一類用戶中的13個(gè)用戶具體研究發(fā)現(xiàn)，這13個(gè)微博賬號(hào)可以分為兩類：一是與華為手機(jī)官方微博相關(guān)的賬號(hào)，包括華為消費(fèi)者業(yè)務(wù)CEO的個(gè)人微博及華為集團(tuán)旗下其他產(chǎn)品線的官方微博;二是華為官方微博營(yíng)銷矩陣之外的TT、攝影等領(lǐng)域的自媒體博主。事實(shí)上，在企業(yè)發(fā)布新產(chǎn)品時(shí)，如何在產(chǎn)品推廣的冷啟動(dòng)階段，快速吸引公眾視線，增加信息曝光率十分重要。在這一階段，就需要這部分用戶為華為手機(jī)微博營(yíng)銷進(jìn)行造勢(shì)，快速在用戶群體中引發(fā)討論熱度。因此，企業(yè)微博在話題活動(dòng)策劃中可以考慮與這些用戶進(jìn)行聯(lián)動(dòng).更好地利用其龐大的粉絲群體為微博話題傳播提供強(qiáng)大助力。

從上述用戶特征分析的結(jié)果也可以看出，本文提出的評(píng)價(jià)方法能夠較好地識(shí)別出企業(yè)的忠誠(chéng)用戶和優(yōu)質(zhì)用戶，消除了水軍和僵尸粉等無效用戶的干擾.為幫助企業(yè)挖掘其微博傳播過程中核心用戶群體提供參考性的意見。

5結(jié)論

本文的貢獻(xiàn)在于從用戶的互動(dòng)行為出發(fā).提出用戶交互影響度算法，在一定程度上解決了傳播效果評(píng)價(jià)中存在虛假熱度的問題.反映了企業(yè)微博傳播的真實(shí)效果。在此基礎(chǔ)上，構(gòu)建了一個(gè)較為完善、可行的企業(yè)微博傳播效果的評(píng)價(jià)框架，挖掘企業(yè)話題和用戶的特征，為企業(yè)生產(chǎn)高質(zhì)量的微博運(yùn)營(yíng)內(nèi)容、制定高效的傳播策略、做好粉絲資產(chǎn)維護(hù)等提供參考和建議，有利于提高品牌信息的傳播效率，增強(qiáng)用戶互動(dòng)積極性。

未來研究可以考慮加入更多用戶行為特征數(shù)據(jù)，如結(jié)合用戶發(fā)布的評(píng)論文本的態(tài)度傾向等;此外.在分析話題傳播效果時(shí).還可以考慮微博話題時(shí)間特征及動(dòng)態(tài)變化;在分析用戶特征時(shí)，深入挖掘用戶的討論重點(diǎn)。