“粵天氣”品牌微博輿情信息傳播的影響因素

許艾米，楊穎璨，黃俊生，曹梅

（廣東省氣象公共服務(wù)中心，廣東廣州 510640）

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第45次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2020年3月，我國網(wǎng)民規(guī)模9.04億，普及率64.5%，其中微博網(wǎng)民使用率達(dá)42.5%［1］。作為中國最有影響力的社交媒體平臺(tái)，微博在媒體融合及政務(wù)服務(wù)方面表現(xiàn)亮眼，它憑借自身用戶基數(shù)大、信息傳播快、互動(dòng)能力強(qiáng)等特點(diǎn)，成為網(wǎng)絡(luò)輿情傳播的主要力量［2］。在微博平臺(tái)中，普通用戶、意見領(lǐng)袖、媒體、政府機(jī)關(guān)等用戶圍繞某一話題，通過發(fā)布信息、傳播信息、評(píng)論信息等方式迅速產(chǎn)生聚集效應(yīng)，促使更多用戶的意見、看法合流，從而引發(fā)輿情事件［3］，其中跟氣象災(zāi)害或氣象部門相關(guān)的稱為“氣象微博輿情”，如“北京暴雨”“臺(tái)風(fēng)天鴿”“@青島氣象”和“@青島發(fā)布”互撕事件，如果不及時(shí)引導(dǎo)和管控會(huì)造成負(fù)面影響，不利于氣象服務(wù)的開展及氣象部門的正面形象。

廣東省氣象微博起步較早，粉絲基數(shù)和影響力排在全國氣象政務(wù)微博前列［4-5］。廣東氣象災(zāi)害種類多、強(qiáng)度大，每當(dāng)臺(tái)風(fēng)、暴雨等重大氣象災(zāi)害來臨時(shí)，以微博為代表的社交網(wǎng)絡(luò)平臺(tái)已成為氣象信息傳播的主要窗口，公眾和媒體關(guān)注度高，給氣象輿情管理工作帶來極大挑戰(zhàn)。因此研究氣象微博輿情信息傳播特點(diǎn)，探究影響其傳播效果的因素，能夠?yàn)闅庀蟛块T輿情管理和氣象服務(wù)工作提供科學(xué)有效的參考。

1 資料與方法

1.1 數(shù)據(jù)來源

對(duì)2020年“粵天氣”品牌微博進(jìn)行輿情監(jiān)控，綜合考慮關(guān)注度和社會(huì)影響，選取“粵天氣”品牌微博中粉絲數(shù)百萬級(jí)以上的“廣東天氣”“廣州天氣”“深圳天氣”為研究對(duì)象，爬取2020年度關(guān)注度高和影響力大的15個(gè)氣象輿情案例期間發(fā)布的微博數(shù)據(jù)，包括發(fā)布時(shí)間、正文文本、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)、發(fā)布平臺(tái)等，并將采集到的原始數(shù)據(jù)進(jìn)行初步篩選，剔除零轉(zhuǎn)發(fā)或評(píng)論量、與案例主題無關(guān)微博，得到有效數(shù)據(jù)共1 192條。

1.2 指標(biāo)分類與數(shù)據(jù)處理

1）指標(biāo)分類。

傳播效果是指傳播對(duì)人的行為產(chǎn)生的有效結(jié)果，評(píng)論量和轉(zhuǎn)發(fā)量是受眾對(duì)微博的閱讀情況和有效互動(dòng)情況的直接反映，其數(shù)量越多則說明該微博的受關(guān)注程度越高，覆蓋范圍越廣，傳播效果越好。因此本研究將轉(zhuǎn)發(fā)量和評(píng)論量作為氣象微博輿情信息傳播效果的衡量指標(biāo)［6-7］。

基于氣象微博運(yùn)營特點(diǎn)，將影響微博輿情信息傳播的自變量劃分為內(nèi)容特征和文本特征兩個(gè)方面。內(nèi)容特征是指與微博內(nèi)容質(zhì)量相關(guān)的指標(biāo)，包括氣象微博輿情信息類型、表達(dá)方式、原創(chuàng)性；文本特征包括文本字?jǐn)?shù)、圖片數(shù)量、博文類型、是否帶鏈接、@/via符號(hào)、話題等這些與微博內(nèi)容相關(guān)的外在因素指標(biāo)。其中氣象微博輿情信息類型分為氣象災(zāi)害類、辟謠信息類、突發(fā)天氣事件、重大氣象活動(dòng)和其他社會(huì)安全（或公共衛(wèi)生）事件5大類；表達(dá)方式分為專業(yè)型和非專業(yè)型2類；博文類型分為視頻類及圖文、文章、純文本等非視頻類。

2）數(shù)據(jù)處理。

（1）連續(xù)變量處理。

微博輿情數(shù)據(jù)中，轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、文本字?jǐn)?shù)、圖片數(shù)量為連續(xù)變量，通過統(tǒng)計(jì)數(shù)值直接得到，需先將不同變量數(shù)據(jù)轉(zhuǎn)換到相同量級(jí)上，實(shí)現(xiàn)標(biāo)準(zhǔn)化，采取方法如下：分別求出各變量總體數(shù)據(jù)的均值μ和標(biāo)準(zhǔn)差σ，代入z-score標(biāo)準(zhǔn)化轉(zhuǎn)換公式：

其中，z為標(biāo)準(zhǔn)化后的變量值；x為實(shí)際變量值。

（2）分類變量處理。

氣象微博輿情信息類型、表達(dá)方式、原創(chuàng)性等剩余變量均為無序分類變量，無法直接進(jìn)行數(shù)據(jù)分析，需引入啞變量描述。啞變量是用以反映質(zhì)的屬性、人為量化虛設(shè)的變量，通常取值為0或1，引入啞變量可反映某個(gè)變量的不同屬性類型對(duì)因變量的作用，使結(jié)果更具實(shí)際意義。各無序分類變量編碼如下：

①氣象微博輿情信息類型，按照氣象災(zāi)害類、辟謠信息類、突發(fā)天氣事件、重大氣象活動(dòng)、其他社會(huì)安全（或公共衛(wèi)生）事件，從1到5依次編碼。表達(dá)方式中專業(yè)型編碼為1，反之為0；博文類型中視頻類編碼為1，反之為0。是否為原創(chuàng)、是否有鏈接、是否有@/via符號(hào)、是否帶話題根據(jù)是否含有該類特征分來劃分，具有該特征，編碼為1，反之則編碼為0。

②發(fā)布時(shí)間編碼。根據(jù)中國電子商務(wù)研究中心提供的網(wǎng)民上網(wǎng)時(shí)間分布報(bào)告［8］，一天中10：00—11：00（北京時(shí)，下同）、15：00—17：00、20：00—22：00為中國互聯(lián)網(wǎng)網(wǎng)民上網(wǎng)高峰期，編碼為1，其余時(shí)段為非上網(wǎng)高峰期，編碼為0。

③發(fā)布平臺(tái)編碼?！皬V東天氣”為省級(jí)平臺(tái)編碼為1，“深圳天氣”和“廣州天氣”歸為非省級(jí)平臺(tái)編碼為0。

1.3 研究方法

采用逐步回歸分析方法［9-10］研究“粵天氣”品牌微博輿情信息傳播效果影響因素，將變量逐個(gè)引入模型，每引入一個(gè)解釋變量后都要進(jìn)行F檢驗(yàn)，并對(duì)已經(jīng)選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn)，當(dāng)原來引入的解釋變量由于后面解釋變量的引入變得不再顯著時(shí)，則將其刪除，如此反復(fù)，直到既沒有顯著的解釋變量選入回歸方程，也沒有不顯著的解釋變量從回歸方程中剔除為止，最終建立“最優(yōu)”回歸方程。

2 結(jié)果與分析

2.1 轉(zhuǎn)發(fā)模型

運(yùn)用SPSS軟件對(duì)轉(zhuǎn)發(fā)模型進(jìn)行逐步回歸，得到5種模型結(jié)果，選取擬合度最優(yōu)（R2=0.53，通過了F檢驗(yàn)）的模型數(shù)據(jù)作為最終結(jié)果，該模型剔除了氣象災(zāi)害類、突發(fā)天氣事件、辟謠信息、公共衛(wèi)生事件、專業(yè)型、原創(chuàng)性、文本字?jǐn)?shù)、是否帶話題、發(fā)布時(shí)間和發(fā)布平臺(tái)等變量，篩選出重大氣象活動(dòng)、有@或via、有鏈接、視頻、圖片數(shù)量共5個(gè)具有顯著影響的變量?；貧w結(jié)果如表1所示。

表1 轉(zhuǎn)發(fā)模型回歸結(jié)果

轉(zhuǎn)發(fā)模型結(jié)果表明：（1）內(nèi)容特征中只有重大氣象活動(dòng)類與轉(zhuǎn)發(fā)量顯著正相關(guān)。這是因?yàn)橹卮髿庀蠡顒?dòng)期間，氣象部門充分運(yùn)用轉(zhuǎn)發(fā)抽獎(jiǎng)等形式來增強(qiáng)公眾參與積極性，活動(dòng)相關(guān)微博通常傳播量較為可觀。（2）文本特征中圖片數(shù)量、是否有鏈接、是否有@/via符號(hào)與轉(zhuǎn)發(fā)量正相關(guān)。對(duì)于公眾來說，氣象信息往往較為專業(yè)、復(fù)雜，圖文并茂，可視化效果強(qiáng)，更具吸引力和可讀性，還能起到補(bǔ)充說明作用；@/via符號(hào)以及鏈接可實(shí)現(xiàn)氣象部門和相關(guān)職能部門、新聞媒體間的聯(lián)合效應(yīng)，尤其通過@特定意見領(lǐng)袖［11］，一方面可以提升自身在社會(huì)網(wǎng)絡(luò)的節(jié)點(diǎn)重要性，另一方面也能提高關(guān)鍵信息的傳播效果。因此發(fā)博時(shí)應(yīng)優(yōu)化文本形式，多帶圖片、鏈接和通過@加強(qiáng)互動(dòng)。（3）文本特征中視頻類與轉(zhuǎn)發(fā)量呈負(fù)相關(guān)。由于樣本選取時(shí)段內(nèi)（2020年），廣東氣象新媒體短視頻業(yè)務(wù)才剛起步，普遍量少質(zhì)低，并不能引起很好的正反饋和正向傳播效果。但短視頻時(shí)代不能因暫時(shí)性“差評(píng)”而放棄主流信息傳播渠道和市場，未來需加強(qiáng)短視頻的內(nèi)容生產(chǎn)模式和內(nèi)容優(yōu)化研究，產(chǎn)出更吸引公眾、更適應(yīng)于新媒體渠道傳播的優(yōu)質(zhì)內(nèi)容。（4）從標(biāo)準(zhǔn)系數(shù)可知，對(duì)轉(zhuǎn)發(fā)量影響最大的自變量為有鏈接的信息（0.197），其后依次為重大氣象活動(dòng)類信息（0.156）和視頻類信息（-0.114）。

2.2 評(píng)論模型

同樣運(yùn)用SPSS軟件對(duì)評(píng)論模型進(jìn)行逐步回歸，得到6種結(jié)果，最終選取擬合優(yōu)度最高的模型（R2=0.23，通過了F檢驗(yàn)）。該模型篩選出氣象災(zāi)害類、公共衛(wèi)生事件、原創(chuàng)性、文本字?jǐn)?shù)、帶話題共5個(gè)具有顯著影響的變量，其余變量均被剔除，得到回歸結(jié)果如表2所示。

表2 評(píng)論模型回歸結(jié)果

評(píng)論模型結(jié)果表明：（1）內(nèi)容特征中氣象災(zāi)害類信息與評(píng)論量呈現(xiàn)正相關(guān)關(guān)系。當(dāng)氣象災(zāi)害影響時(shí)，社會(huì)關(guān)注度會(huì)拉高，微博上能得到直觀、迅速體現(xiàn)；再結(jié)合轉(zhuǎn)發(fā)模型中重大氣象活動(dòng)類信息的表現(xiàn)得出，氣象微博應(yīng)以氣象災(zāi)害影響、重大氣象活動(dòng)為契機(jī)，充分發(fā)揮職能和專業(yè)優(yōu)勢(shì)，加強(qiáng)相關(guān)信息的內(nèi)容策劃、節(jié)奏把控和產(chǎn)品發(fā)布，從而提高“粵天氣”品牌傳播力和影響力。（2）公共衛(wèi)生事件類信息與評(píng)論量呈現(xiàn)負(fù)相關(guān)關(guān)系。原因解釋為公眾認(rèn)為該類信息與氣象職能不吻合，更取信來源于衛(wèi)健委等職能部門信息，氣象微博發(fā)布可能會(huì)被認(rèn)為蹭熱度行為，造成反效果。因此應(yīng)盡量減少發(fā)布與天氣無關(guān)內(nèi)容，或?qū)⑵渌畔⑴c天氣融合，才能有助于激起公眾傳播行為。（3）原創(chuàng)性與評(píng)論量正相關(guān)。原創(chuàng)微博為氣象部門直接信息的表達(dá)，具有權(quán)威、真實(shí)、可靠性，更能獲取公眾認(rèn)可和評(píng)論，因此在服務(wù)時(shí)應(yīng)多發(fā)原創(chuàng)微博。（4）文本特征中文本字?jǐn)?shù)與評(píng)論量呈現(xiàn)負(fù)相關(guān)。這是因?yàn)樽謹(jǐn)?shù)越多，公眾需耗費(fèi)更多閱讀時(shí)間，易造成閱讀疲憊感、降低閱讀興趣，不利于吸引更多用戶評(píng)論，但也不能過于簡短草率，應(yīng)精煉語言，以盡量少的字?jǐn)?shù)直擊最核心問題，如關(guān)鍵信息過多實(shí)在無法精簡，可采取有節(jié)奏分次發(fā)布，且每條有側(cè)重。（5）是否帶話題與評(píng)論量顯著正相關(guān)。微博話題功能起到引流作用，可增加博文曝光度。特別當(dāng)重大天氣過程影響期間，按照氣象災(zāi)害標(biāo)準(zhǔn)化服務(wù)流程主動(dòng)設(shè)置統(tǒng)一話題、全省聯(lián)動(dòng)，結(jié)合話題強(qiáng)化服務(wù)節(jié)奏，將有助于掌握信息傳播主動(dòng)權(quán)，引導(dǎo)公眾和社會(huì)媒體積極響應(yīng)，提高“粵天氣”品牌影響力。（6）從標(biāo)準(zhǔn)系數(shù)可知，公共衛(wèi)生事件對(duì)評(píng)論量影響最大，標(biāo)準(zhǔn)系數(shù)達(dá)到-0.244。其次是原創(chuàng)性（0.198）和氣象災(zāi)害類（0.163）。

另外，轉(zhuǎn)發(fā)模型和評(píng)論模型的部分結(jié)果差異說明微博評(píng)論和轉(zhuǎn)發(fā)是兩種不同的信息傳播機(jī)制，轉(zhuǎn)發(fā)行為體現(xiàn)信息的可達(dá)性，而評(píng)論則是了解受眾對(duì)于信息真實(shí)看法的重要渠道，研究傳播效果時(shí)兩種行為都應(yīng)予以考慮。

影響轉(zhuǎn)發(fā)量的正相關(guān)因素有重大氣象活動(dòng)類、圖片數(shù)量、鏈接、@/via符號(hào)，負(fù)相關(guān)因素有視頻，帶鏈接的信息對(duì)轉(zhuǎn)發(fā)量影響最大，其次為重大氣象活動(dòng)類和視頻類信息；影響評(píng)論量的正相關(guān)因素有氣象災(zāi)害類、原創(chuàng)性、帶話題，負(fù)相關(guān)因素有公共衛(wèi)生事件類、文本字?jǐn)?shù)，其中公共衛(wèi)生事件類信息對(duì)評(píng)論量影響最大，其次是原創(chuàng)性和氣象災(zāi)害類信息。建議從增強(qiáng)天氣相關(guān)信息內(nèi)容策劃和原創(chuàng)發(fā)布、優(yōu)化文本（如多帶圖片/鏈接/話題、運(yùn)用@互動(dòng)、精簡字?jǐn)?shù)、優(yōu)化視頻）等方面來提升氣象微博輿情信息的傳播和服務(wù)效果。受樣本限制，本研究存在諸多不足：一是樣本案例選取時(shí)段為一年內(nèi)，還需擴(kuò)大時(shí)間維度；二是影響因素沒有考慮用戶特征；三是分別選取轉(zhuǎn)發(fā)和評(píng)論量來衡量傳播效果，但點(diǎn)贊數(shù)同樣能增強(qiáng)傳播的有效性。這3種指標(biāo)如何融合量化傳播效果，而不是分別單獨(dú)建模，今后還需進(jìn)行更深入的研究。