政務(wù)微信公眾號(hào)在突發(fā)公共衛(wèi)生事件中的傳播效應(yīng)與影響

段利娜，余源榮，許玉成，劉小敏，吳大東

微信的廣泛使用推動(dòng)了微信公眾號(hào)的快速發(fā)展，使其成為重要的信息傳播媒介。隨著社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展和人民健康意識(shí)的逐步提高，公眾對(duì)健康信息的需求也日益增強(qiáng)。微信公眾號(hào)憑借其龐大的用戶基數(shù)、個(gè)性化的內(nèi)容編輯，以及便捷的搜索查詢功能[1]，在健康信息傳播過(guò)程中具有顯著的優(yōu)勢(shì)。近年來(lái)，各級(jí)政府在健康領(lǐng)域設(shè)立政務(wù)公眾號(hào)開(kāi)展健康宣傳已成為常態(tài)[2]?！敖】蹈Ｌ铩弊鳛樯钲谑袇^(qū)級(jí)衛(wèi)生健康局的政務(wù)公眾號(hào)，其健康傳播效果備受關(guān)注。本研究回顧了該公眾號(hào)文章在2022 年的傳播規(guī)律和特點(diǎn)，分析對(duì)其傳播效果的影響因素，以期為加強(qiáng)區(qū)級(jí)政務(wù)公眾號(hào)建設(shè)、提高健康促進(jìn)效果、優(yōu)化突發(fā)公共衛(wèi)生事件健康傳播策略提供實(shí)際的思路和借鑒。

1 資料與方法

1.1 資料

本研究收集了2022 年1 月1 日—2022 年12月31 日在“健康福田”公眾號(hào)發(fā)布的所有文章，共計(jì)1 542 篇。

1.2 方法

1.2.1 資料收集

本研究利用Python 編程語(yǔ)言的requests 和urllib 等工具包，收集文章，抓取文章相關(guān)信息，包括標(biāo)題、推送時(shí)間、閱讀量、點(diǎn)贊數(shù)、留言數(shù)、信息來(lái)源及文章位置；利用jieba 工具包對(duì)文章標(biāo)題進(jìn)行清洗、分詞、提取，過(guò)濾掉“月”“日”“例”等無(wú)意義詞匯。

1.2.2 資料分類

人工閱讀文章內(nèi)容，根據(jù)主題、內(nèi)容來(lái)源、文章位置及推送時(shí)段對(duì)文章進(jìn)行分類。分類方法主要基于公眾號(hào)運(yùn)營(yíng)者的分類，參考了既往文獻(xiàn)[3-4]，并通過(guò)專家咨詢及課題組討論最終確定。根據(jù)文章主題、內(nèi)容來(lái)源、文章位置和推送時(shí)段四方面進(jìn)行分類。

1.2.3 判斷標(biāo)準(zhǔn)

閱讀量：文章自發(fā)布日起，截至數(shù)據(jù)復(fù)核完成日期（2023 年4 月15 日）的閱讀總次數(shù)。由于閱讀量呈偏態(tài)分布，根據(jù)閱讀量≤P25，P25<～

1.3 質(zhì)量控制

研究人員逐篇閱讀納入的公眾號(hào)文章、校對(duì)Python 抓取信息，并通過(guò)文獻(xiàn)回顧、專家咨詢和小組討論確定文章的分類方法，以確保數(shù)據(jù)的準(zhǔn)確性和完整性，提升研究結(jié)果的可靠性。

1.4 統(tǒng)計(jì)學(xué)處理

本研究使用Excel 軟件2021 版建立數(shù)據(jù)庫(kù)，利用SPSS 25.0 軟件進(jìn)行統(tǒng)計(jì)分析。對(duì)于非正態(tài)分布的數(shù)據(jù)，使用M（P25，P75)表示。當(dāng)單因素方差分析（ANOVA）檢驗(yàn)方差齊性被拒絕時(shí)，采用Kruskal-WallisH檢驗(yàn)比較自變量不同組間的差異。采用Spearman 秩相關(guān)性分析自變量和因變量之間的相關(guān)性。檢驗(yàn)水準(zhǔn)α=0.05。

2 結(jié)果

2.1 基本情況

調(diào)查顯示，研究周期內(nèi)“健康福田”每日發(fā)布1～4 次，每次推送1～6 篇文章；2022 年共發(fā)布文章1 542 篇，總閱讀量4 645 251 次，中位數(shù)1 217 次，總點(diǎn)贊數(shù)8 052 個(gè)，總留言數(shù)1 920 個(gè)。見(jiàn)表1。

表1 2022年“健康福田”微信公眾號(hào)文章的基本情況

2.2 傳播規(guī)律

“健康福田”文章總閱讀量在2022 年第一季度逐月上升，3 月達(dá)全年最高（1 222 433 次），4 月明顯回落，5 月跌至全年最低（68 341 次），6～8 月保持在較低水平，9 月出現(xiàn)小高峰（493 372 次），10～12 月趨于平穩(wěn)；總點(diǎn)贊數(shù)在3 月達(dá)到峰值（2 521 個(gè)）；總留言數(shù)在1～3 月逐月增加，3 月的留言數(shù)達(dá)到全年最多（705 個(gè)），4～9 月間急劇減少，每月均少于100 個(gè)，10～12 月降至最低，每月僅有1個(gè)留言。

2.3 高閱讀量的文章情況

調(diào)查顯示，在單篇閱讀量排名前十位的文章中，防控政策占7 篇，疫情報(bào)道占2 篇，其他資訊占1 篇；10 篇中有7 篇發(fā)布時(shí)間在2 月，即轄區(qū)首次出現(xiàn)本土病例的月份，另2 篇分別發(fā)布在1 月和3月；10 篇中9 篇為頭條文章。見(jiàn)表2。

表2 2022年“健康福田”單篇閱讀量排名前十位的文章

2.4 標(biāo)題高頻詞情況

調(diào)查顯示，在文章標(biāo)題中使用頻率最多的3 個(gè)詞為“疫苗”“核酸”和“疫情”。排名前十位的高頻詞可以被歸納為三項(xiàng)：核酸采樣點(diǎn)和疫苗接種點(diǎn)羅列、疫情病例增減、封管控通告。見(jiàn)表3。

表3 2022年“健康福田”公眾號(hào)文章標(biāo)題高頻詞

2.5 Kruskal-Wallis H 檢驗(yàn)情況

本研究對(duì)四個(gè)自變量分別進(jìn)行單因素ANOVA檢驗(yàn)，顯示非方差齊性，采用Kruskal-WallisH檢驗(yàn)分別比較各自變量的多組間閱讀量差異。結(jié)果顯示，文章主題、內(nèi)容來(lái)源、文章位置、推送時(shí)段的各組間閱讀量均存在統(tǒng)計(jì)學(xué)差異。經(jīng)兩兩比較后，疫情報(bào)道和頭條的中位數(shù)閱讀量較高。見(jiàn)表4。

表4 “健康福田”公眾號(hào)文章Kruskal-Wallis H檢驗(yàn)和Spearman秩相關(guān)性分析

2.6 Spearman 秩相關(guān)性分析

本研究分別對(duì)四個(gè)自變量和閱讀量高、中、低等級(jí)的相關(guān)性進(jìn)行Spearman 秩相關(guān)性分析。結(jié)果顯示文章主題、內(nèi)容來(lái)源、文章位置與閱讀量等級(jí)存在相關(guān)性。值得注意的是，文章位置與閱讀量等級(jí)存在高度負(fù)相關(guān)性，即文章的推送位置越靠前，越容易獲得高閱讀量。見(jiàn)表4。

3 討論

3.1 公眾對(duì)文章內(nèi)容的需求在疫情發(fā)展不同階段有所不同

何蔚云[4]等發(fā)現(xiàn)，在突發(fā)公共衛(wèi)生事件的早期階段，健康科普類文章的閱讀量最高。然而在2022 年疫情初期，“健康福田”中防控政策類文章的閱讀量顯著高于健康科普類。這可能是因?yàn)楣娫谶@一時(shí)期急需從政務(wù)公眾號(hào)獲取官方信息，特別是有關(guān)影響其日常生活、出行的具體問(wèn)題。因此本研究發(fā)現(xiàn)，具有地區(qū)特征的防控政策類文章獲得了更多的閱讀量。許卓群[5]等認(rèn)為，隨著疫情逐漸穩(wěn)定，公眾的注意力會(huì)從事件中轉(zhuǎn)移出來(lái)，防控政策和疫情報(bào)道類文章的閱讀量也會(huì)隨之減少?！敖】蹈Ｌ铩钡拈喿x量在5 月達(dá)到全年最低，與上述觀察相符。潘婷[3]等指出，當(dāng)疫情出現(xiàn)短期波動(dòng)時(shí)，公眾的注意力會(huì)再次集中到事件本身。防控政策和疫情報(bào)道類文章的閱讀量在9 月突發(fā)一波疫情時(shí)出現(xiàn)短暫上升。“健康福田”文章在2022 年的變閱讀量化反映了公眾在疫情不同階段對(duì)健康信息的不同需求。

3.2 文章推送位置是影響閱讀量的關(guān)鍵因素

本研究發(fā)現(xiàn)，文章推送位置越靠前，其閱讀量就越高?！敖】蹈Ｌ铩敝蓄^條文章的總閱讀量和中位數(shù)閱讀量顯著高于非頭條文章，這與湯宏[2]等的研究結(jié)果一致。公眾號(hào)的運(yùn)營(yíng)者通常會(huì)通過(guò)比較和篩選，將最優(yōu)質(zhì)的內(nèi)容放在頭條位置，以吸引用戶的注意力。微信也會(huì)根據(jù)其推送算法優(yōu)先推薦頭條文章。由于注意力有限，用戶在瀏覽公眾號(hào)時(shí)，通常會(huì)優(yōu)先閱讀排在列表頂端的頭條文章。這些因素都使得頭條文章具有更好的傳播效果。

3.3 進(jìn)一步加強(qiáng)用戶閱讀習(xí)慣分析

韓冬[6]等的研究發(fā)現(xiàn)，公眾號(hào)文章的閱讀高峰通常出現(xiàn)在8:00—12:00 和18:00—21:00。在本研究中，推送時(shí)段對(duì)閱讀量的影響并不顯著?？赡苁怯捎诓煌娞?hào)面向的用戶群體有所不同，推送時(shí)間對(duì)閱讀效果的影響也會(huì)有所差異。推送時(shí)段并非影響閱讀量的唯一因素，公眾號(hào)文章的主題、質(zhì)量等因素也會(huì)對(duì)閱讀量產(chǎn)生重要影響。因此，在分析用戶閱讀習(xí)慣時(shí)，需進(jìn)行綜合的考慮。

3.4 建議以用戶為中心推動(dòng)內(nèi)容創(chuàng)作

在應(yīng)對(duì)突發(fā)公共衛(wèi)生事件時(shí)，政務(wù)公眾號(hào)應(yīng)根據(jù)事件發(fā)展的不同階段和公眾關(guān)注焦點(diǎn)的變化，適時(shí)地創(chuàng)作相關(guān)主題文章，并在嚴(yán)格審查的基礎(chǔ)上，盡可能將以用戶為中心的理念融入文章創(chuàng)作過(guò)程，以此提升文章的趣味性、可讀性和可接受性[9]。

本研究利用Python 工具包對(duì)“健康福田”公眾號(hào)文章的閱讀量、留言數(shù)等數(shù)據(jù)進(jìn)行收集，但在獲取用戶信息、轉(zhuǎn)發(fā)路徑等信息方面存在局限和不足。另外，相關(guān)性分析雖然可以揭示變量間的相關(guān)性，但卻難以確定其決定性因素。在未來(lái)的研究設(shè)計(jì)中，建議采用包括個(gè)案研究、文本分析在內(nèi)的定性研究方法，以產(chǎn)出更全面、深入的研究結(jié)果。