平臺(tái)特征對(duì)跨社交媒體UGC信息分享行為的影響機(jī)理研究

黃偉鑫 畢達(dá)天 楊陽(yáng) 孔婧媛

關(guān)鍵詞：平臺(tái)特征；跨社交媒體；信息分享行為；SOR模型；用戶生成內(nèi)容

《2023中國(guó)社交媒體平臺(tái)指南》表明，截至2022年12月，社交媒體用戶人數(shù)占全體網(wǎng)民的95.13%，微信、抖音、快手、微博、B站、小紅書等社交媒體平臺(tái)的月活躍用戶總數(shù)超過30億，其用戶群體相互交叉。在“全民社交”與“社交媒體多元化”的雙重催化下，用戶跨社交媒體信息行為呈現(xiàn)流行性和普遍性，學(xué)界也將社交媒體相關(guān)研究的場(chǎng)景從單平臺(tái)轉(zhuǎn)向多平臺(tái)或者跨平臺(tái)。而在跨社交媒體場(chǎng)景下，同一用戶會(huì)在不同社交平臺(tái)發(fā)布或接觸到相似或相同的用戶生成內(nèi)容（User-gener-ated-Content，簡(jiǎn)稱UGC），這一類UGC被定義為跨社交媒體UGC?？缟缃幻襟wUGC信息分享行為給平臺(tái)和用戶帶來了更大的價(jià)值，如用戶引流、內(nèi)容曝光、社交關(guān)系維系等。因此，分析用戶跨社交媒體場(chǎng)景下的特征和主體關(guān)系，厘清跨社交媒體UGC信息分享行為的影響因素具有重要意義。

當(dāng)前，跨社交媒體UGC信息分享行為的研究尚處于探索階段。Oh S等基于馬斯洛需求層次理論、內(nèi)在和外在動(dòng)機(jī)模型、雙因素理論、社會(huì)交換理論和社會(huì)認(rèn)知理論，揭示了跨社交媒體UGC信息分享的動(dòng)機(jī)，并發(fā)現(xiàn)不同因素受到社交平臺(tái)異質(zhì)性的影響：Ham C D等從理性行動(dòng)理論和社會(huì)交換理論視角探究其影響因素。相關(guān)研究尚存在局限性：以動(dòng)機(jī)理論和社會(huì)理論為主，僅考慮用戶機(jī)體層面的變量，鮮有研究分析信息環(huán)境層面變量影響：對(duì)于社交平臺(tái)異質(zhì)性的探索集中在平臺(tái)類型中，以對(duì)比分析為主，較少研究進(jìn)一步揭示平臺(tái)特征的影響機(jī)理。

大量針對(duì)社交媒體信息行為的元分析已表明，社交平臺(tái)異質(zhì)性對(duì)于信息行為模型具有顯著影響。因此，本文認(rèn)為，在跨社交媒體場(chǎng)景下，平臺(tái)特征作為環(huán)境刺激影響用戶機(jī)體感知，從而作用于用戶分享行為?；诖?，為彌合這一理論差距，本文基于SOR模型框架，引入感知有用性，探究平臺(tái)的聲譽(yù)、關(guān)注度、技術(shù)升級(jí)等特征對(duì)跨社交媒體UGC的影響機(jī)理，同時(shí)利用多源異構(gòu)面板數(shù)據(jù)集，通過固定效應(yīng)模型驗(yàn)證相關(guān)假設(shè)。針對(duì)相關(guān)結(jié)論，本文進(jìn)一步控制時(shí)間效應(yīng)和創(chuàng)作者效應(yīng)檢驗(yàn)結(jié)論的穩(wěn)健性。

1文獻(xiàn)綜述

1.1跨社交媒體UGC

UGC是社交媒體的核心組成，是用戶表達(dá)觀點(diǎn)的重要工具，也是獲取利益的手段之一，因此，UGC信息分享過程中至少包含社交平臺(tái)、UGC信息創(chuàng)作者、UGC信息接收者3個(gè)主體。而跨社交媒體UGC至少包含兩個(gè)及以上的社交平臺(tái)，強(qiáng)調(diào)信息的多渠道流通、互動(dòng)和共振，對(duì)用戶信息行為和平臺(tái)戰(zhàn)略產(chǎn)生影響。

從用戶身份差異的視角看，學(xué)者們對(duì)政府、企業(yè)、新聞機(jī)構(gòu)、學(xué)術(shù)機(jī)構(gòu)、個(gè)體等用戶跨社交媒體UGC展開了分析，并試圖解決3個(gè)基本問題：①用戶為什么會(huì)跨社交媒體？②如何識(shí)別用戶跨社交媒體？③用戶跨社交媒體具有什么影響？

1.1.1用戶跨社交媒體動(dòng)機(jī)

針對(duì)用戶跨社交媒體的動(dòng)機(jī)，Alhabash S等分析了便利性、娛樂性、打發(fā)時(shí)間、媒體吸引、信息共享等因素對(duì)社交媒體使用動(dòng)機(jī)的影響。研究表明，不同社交媒體使用動(dòng)機(jī)之間的差異并不大，但是自我記錄、自我表達(dá)和社交互動(dòng)會(huì)讓用戶更多地選擇使用Snapchat和Instagram，而不是Facebook或Twitter。自我表達(dá)和社交互動(dòng)等需求在后續(xù)研究中被認(rèn)為是影響用戶跨社交媒體使用行為的關(guān)鍵動(dòng)因。

1.1.2用戶跨社交媒體識(shí)別

針對(duì)識(shí)別用戶跨社交媒體，齊林峰提出了基于鏈接和文本內(nèi)容，比較不同社交媒體賬戶的屬性、領(lǐng)域和關(guān)鍵詞等相似度的方法。與之相似，Amara A等提出利用各種相似性度量進(jìn)行身份匹配，其中Jaccard指數(shù)被選為相似性度量方法。Zafarani R等研究表明，可以利用用戶獨(dú)特行為模式下的信息冗余找到不同社交媒體之間身份映射的方法?？傮w而言，識(shí)別用戶跨社交媒體主要通過用戶的“數(shù)字痕跡”，利用相似度算法和關(guān)鍵匹配屬性實(shí)現(xiàn)這一目標(biāo)。

1.1.3用戶跨社交媒體影響

針對(duì)用戶跨社交媒體的影響，Unnava V等研究發(fā)現(xiàn)，當(dāng)用戶使用多個(gè)社交媒體日寸，一個(gè)平臺(tái)的品牌宣傳會(huì)直接影響同一平臺(tái)的用戶參與度，并可能影響在其他平臺(tái)上的品牌互動(dòng)，同時(shí)延長(zhǎng)發(fā)布UGC的互動(dòng)時(shí)間。換句話說，用戶跨社交媒體存在直接效應(yīng)、溢出效應(yīng)和延長(zhǎng)效應(yīng)。此外，許多學(xué)者采用對(duì)比的方式探究用戶跨社交媒體過程中的互動(dòng)、議程設(shè)置、網(wǎng)絡(luò)拖釣等行為之間的差異。

本文的研究問題是對(duì)基本問題③的變形與延伸，即創(chuàng)作者跨社交媒體投放的UGC在什么特征的平臺(tái)中會(huì)更容易被信息接收者分享？針對(duì)平臺(tái)特征的分析，許多學(xué)者采用分組對(duì)比的思路，如對(duì)比不同平臺(tái)樣本的均值、回歸模型等。然而，這一做法得出的結(jié)論因果性較弱。為解決這一問題，發(fā)揮跨社交媒體場(chǎng)景近似隨機(jī)實(shí)驗(yàn)的優(yōu)勢(shì)，本文參照基本問題②，先采用匹配的方式識(shí)別跨社交媒體UGC，再構(gòu)建多源異構(gòu)面板數(shù)據(jù)集，最后在控制創(chuàng)作者效應(yīng)、時(shí)間效應(yīng)、內(nèi)容效應(yīng)等固定效應(yīng)的基礎(chǔ)上進(jìn)行回歸分析。

本文探究的主要思路是以感知有用性作為中介變量，分別討論平臺(tái)的外部特征、內(nèi)部特征和技術(shù)特征對(duì)跨社交媒體UGC信息分享行為的影響。從信息生態(tài)的視角看，平臺(tái)特征、用戶感知、信息分享行為分別屬于信息環(huán)境、信息人和信息層面的因素，三者之間存在內(nèi)在關(guān)聯(lián)性。具體而言，信息環(huán)境中存在可能影響信息人機(jī)體感知的刺激，對(duì)于跨社交媒體用戶，不同社交平臺(tái)的特征差異是其環(huán)境刺激；信息人的感知又將調(diào)整其信息行為，感知有用性影響信息分享。綜上所述，本文采用刺激一機(jī)體一反應(yīng)模型作為研究的模型框架。

1.2刺激一機(jī)體一反應(yīng)模型框架

刺激一機(jī)體一反應(yīng)模型（S-O-R Model）表明，外在環(huán)境刺激（S）會(huì)影響個(gè)體的內(nèi)在狀態(tài)（O），從而使得個(gè)體產(chǎn)生反應(yīng)或行動(dòng)（R）。該模型被廣泛應(yīng)用于在線環(huán)境中，如社交媒體、電子商務(wù)、直播等，是分析用戶行為的有力工具。本文選用S-O-R模型作為理論框架的原因有兩條：一方面，平臺(tái)特征在影響層次上歸屬于信息環(huán)境，可被作為外在環(huán)境刺激，通過該模型能識(shí)別平臺(tái)特征對(duì)信息分享行為的獨(dú)特影響并探明其作用路徑；另一方面，該模型對(duì)于用戶信息行為具有較好的適配性，能更清晰地探究跨社交媒體UGC信息分享行為。

1.2.1刺激：平臺(tái)特征

刺激是外部環(huán)境因素，可以在不同方面影響個(gè)體。對(duì)于跨社交媒體用戶而言，平臺(tái)特征會(huì)影響用戶在線上環(huán)境中的行為，因此，將平臺(tái)特征作為影響用戶信息行為的刺激。學(xué)者們一般認(rèn)為，不同社交媒體具有異質(zhì)性，因此可以從平臺(tái)特征的視角分析用戶信息行為。本文將平臺(tái)特征分為3類：內(nèi)部特征、外部特征和技術(shù)特征，它們都對(duì)用戶信息行為具有重要影響。

內(nèi)部特征指的是平臺(tái)聲譽(yù)。許多研究表明，聲譽(yù)是平臺(tái)用戶的整體評(píng)價(jià)，能有效幫助用戶對(duì)平臺(tái)建立信任，是平臺(tái)特征的重要體現(xiàn)之一。聲譽(yù)對(duì)用戶信息行為也有重要影響，如激勵(lì)用戶提升信息質(zhì)量、促進(jìn)知識(shí)分享等。由于聲譽(yù)是由平臺(tái)內(nèi)部用戶的評(píng)級(jí)形成的，因此它可以表征平臺(tái)的內(nèi)部特征。

外部特征指的是平臺(tái)關(guān)注度。關(guān)注度指的是公眾對(duì)平臺(tái)的注意力程度，通常由谷歌趨勢(shì)、百度指數(shù)等第三方統(tǒng)計(jì)機(jī)構(gòu)進(jìn)行測(cè)量。學(xué)者們發(fā)現(xiàn)，關(guān)注度是經(jīng)濟(jì)預(yù)測(cè)和行為預(yù)測(cè)的重要指標(biāo)，如通過百度指數(shù)精準(zhǔn)預(yù)測(cè)旅游出行行為。由于平臺(tái)關(guān)注度主要是通過外部搜索形成的，因此它可以表征平臺(tái)的外部特征。

技術(shù)特征指的是用戶服務(wù)技術(shù)迭代。用戶服務(wù)技術(shù)指的是為解決服務(wù)問題，支撐并提升用戶體驗(yàn)而開發(fā)的數(shù)字化工具，而技術(shù)迭代則是描述技術(shù)升級(jí)和優(yōu)化的狀態(tài)，因此用戶服務(wù)技術(shù)迭代是技術(shù)特征的重要組成。在技術(shù)迭代飛速發(fā)展的時(shí)代，技術(shù)特征對(duì)用戶信息行為的影響愈加明顯，劉百靈等分析了隱私管理技術(shù)特征對(duì)移動(dòng)用戶信息披露意愿的影響：溫科等以技術(shù)特征作為調(diào)節(jié)變量研究質(zhì)量信號(hào)對(duì)創(chuàng)新績(jī)效的影響。同時(shí)，董雪艷等揭示了技術(shù)特征與關(guān)系結(jié)構(gòu)之間的關(guān)系，并通過實(shí)證研究驗(yàn)證了它們對(duì)社會(huì)化購(gòu)買的影響。此外，還有學(xué)者將技術(shù)迭代作為宏觀背景，討論技術(shù)演化過程中的用戶權(quán)利、算法感知和商業(yè)模式。然而，鮮有學(xué)者探究用戶服務(wù)技術(shù)迭代的影響，為此，本文將其納入研究框架中，檢驗(yàn)其對(duì)用戶信息行為的影響。

1.2.2機(jī)體：感知有用性

在S-O-R模型中，機(jī)體指的是個(gè)體感知和情感的狀態(tài)，這一狀態(tài)在環(huán)境刺激和個(gè)體行動(dòng)之間起著中介作用。在許多經(jīng)典理論中，如技術(shù)接受模型、信息采納模型，都強(qiáng)調(diào)感知有用性對(duì)個(gè)體態(tài)度、行為的顯著影響，并在社交媒體等相關(guān)場(chǎng)景下成為用戶信息行為的重要影響因素。鑒于此，本文將感知有用性作為跨社交媒體UGC信息分享行為模型的機(jī)體部分，以反映用戶在進(jìn)行信息分享行為時(shí)的內(nèi)在狀態(tài)。

UGC的感知有用性受到多個(gè)層面因素的影響。從UGC的內(nèi)容看，閆強(qiáng)等發(fā)現(xiàn)，極端的情感傾向和較長(zhǎng)的正文評(píng)論會(huì)正面影響評(píng)論的感知有用性，而評(píng)論的效價(jià)、標(biāo)題長(zhǎng)度和可讀性沒有顯著影響。后續(xù)學(xué)者在此基礎(chǔ)上又探究了追加評(píng)論、矛盾性追加評(píng)論的影響。從UGC的信息源看，信息采納模型中指出信息來源可信度正向顯著影響感知有用性。許一明等通過扎根理論也得出了UGC的信息源會(huì)影響感知有用性。綜上所述，UGC的感知有用性不但受到其自身的信息質(zhì)量、用戶的信息需求等微觀層面的影響，還受到信息來源等宏觀層面的影響。

1.2.3反應(yīng)：跨社交媒體UGC信息分享

在S-O-R模型中，反應(yīng)是個(gè)體依據(jù)他們對(duì)不同情境因素的感知而產(chǎn)生的行動(dòng)。跨社交媒體UGC信息分享可以被看作是個(gè)體接受外部環(huán)境刺激后做出的反應(yīng)。針對(duì)跨社交媒體UGC信息分享行為，Oh S等在5種不同類型的社交媒體中測(cè)試了享受、自我效能、學(xué)習(xí)、個(gè)人收益、利他主義、同理心、社會(huì)參與、社區(qū)興趣、互惠和聲譽(yù)10個(gè)因素的影響。所有的動(dòng)機(jī)因素都鼓勵(lì)用戶的信息共享行為；Ham C D等的研究揭示了社交存在、社交對(duì)話、輕松聯(lián)系和自我管理對(duì)信息分享的影響；Shang S等通過場(chǎng)效應(yīng)理論分析了體驗(yàn)社交平臺(tái)和情報(bào)擴(kuò)散平臺(tái)下的認(rèn)知共享過程，并實(shí)證分析了平臺(tái)類型的調(diào)節(jié)作用。

這些研究集中于用戶感知視角，從心理學(xué)視角凝練變量，較少研究從平臺(tái)的外部特征、內(nèi)部特征和技術(shù)特征展開分析。盡管Shang S等驗(yàn)證了平臺(tái)類型的調(diào)節(jié)作用，但是本文區(qū)別于其選取的平臺(tái)特征，著重討論平臺(tái)的聲譽(yù)、關(guān)注度和技術(shù)迭代產(chǎn)生的影響。因此，本文有利于跨社交媒體UGC信息分享行為的理論構(gòu)建，豐富平臺(tái)層面的影響因素探索。

2模型構(gòu)建與假設(shè)提出

基于S-O-R模型．本文認(rèn)為在跨社交媒體場(chǎng)景下，平臺(tái)的聲譽(yù)、關(guān)注度和技術(shù)迭代顯著影響感知有用性，進(jìn)而作用于跨社交媒體UGC信息分享行為。此外，平臺(tái)特征對(duì)感知有用性和跨社交媒體UGC信息分享之間的關(guān)系具有調(diào)節(jié)作用，如圖1所示。

2.1平臺(tái)特征與感知有用性

之前的研究表明，信息來源的特征對(duì)感知有用性具有顯著影響。在跨社交媒體場(chǎng)景中，不同的社交平臺(tái)特征具有異質(zhì)性。因此，在不同社交平臺(tái)上發(fā)布的相同UGC的用戶感知也存在差異，而這種差異性可以被平臺(tái)特征所解釋?；诖?，本文分別從平臺(tái)聲譽(yù)、平臺(tái)關(guān)注度和用戶服務(wù)技術(shù)迭代3個(gè)特征出發(fā)，考慮它們對(duì)感知有用性的影響。

在跨社交媒體場(chǎng)景中，由于社交聯(lián)系、隱私保護(hù)、利益驅(qū)動(dòng)等因素的影響，用戶之間處于信息不對(duì)稱的狀態(tài)。根據(jù)聲譽(yù)理論，在信息不對(duì)稱的情形下，聲譽(yù)是一種有效的激勵(lì)機(jī)制，聲譽(yù)高的社交平臺(tái)更容易贏得用戶的信任，提高信息來源的可信度和對(duì)信息質(zhì)量的感知。同時(shí)，社交媒體存在一個(gè)在線的虛擬社交網(wǎng)絡(luò)，根據(jù)社會(huì)支持理論，用戶會(huì)得到社區(qū)、社群、親密關(guān)系所提供的可被感知的工具性或表達(dá)性支持，社會(huì)支持影響用戶的認(rèn)知和情感狀態(tài)。而聲譽(yù)符合表達(dá)性支持特征，因?yàn)槁曌u(yù)更高的社交平臺(tái)意味著用戶的認(rèn)可，能為使用這些社交平臺(tái)的用戶提供心理支持。綜上，本文提出以下假設(shè)：

H1：平臺(tái)聲譽(yù)會(huì)顯著正向影響感知有用性

許多研究表明，關(guān)注度是用戶看待一個(gè)事物的情緒表現(xiàn)，如羅琦等利用百度指數(shù)中的搜索指數(shù)衡量投資者對(duì)現(xiàn)金股利和高轉(zhuǎn)送的情緒。根據(jù)場(chǎng)動(dòng)力理論．個(gè)體行為的方向和向量取決于環(huán)境刺激和個(gè)體內(nèi)部動(dòng)力，同時(shí)環(huán)境刺激只有當(dāng)被人的“心理場(chǎng)”所感知和激活時(shí)才會(huì)發(fā)揮作用。而平臺(tái)關(guān)注度既屬于環(huán)境刺激，也能表征用戶的情緒，還影響著用戶行為。因此，從場(chǎng)動(dòng)力理論的角度看，平臺(tái)關(guān)注度被人的“心理場(chǎng)”所感知，并進(jìn)一步形成吸引力，又反作用于人的感知。綜上，本文提出以下假設(shè)：

H2：平臺(tái)關(guān)注度會(huì)顯著影響感知有用性

技術(shù)特征對(duì)用戶信息行為的影響日益增強(qiáng)，特別是推薦算法、AIGC、大數(shù)據(jù)等技術(shù)的興起。一方面，用戶服務(wù)技術(shù)迭代將逐漸改變社交平臺(tái)的內(nèi)部服務(wù)邏輯，直接影響用戶的使用體驗(yàn)和對(duì)平臺(tái)的服務(wù)感知；另一方面，隨著數(shù)字經(jīng)濟(jì)的流行，用戶的數(shù)字素養(yǎng)得到了鍛煉，對(duì)數(shù)字技術(shù)的接受和應(yīng)用能力也顯著提高。綜上，本文提出以下假設(shè)：

H3：用戶服務(wù)技術(shù)迭代會(huì)顯著正向影響感知有用性

2.2感知有用性的中介作用

TAM模型表明，感知有用性具有中介作用，外部環(huán)境變量能通過感知有用性進(jìn)而影響行為意向。已有學(xué)者的研究表明，感知有用性會(huì)影響社交媒體場(chǎng)景下的信息分享行為。從信息生態(tài)視角看，與單社交媒體場(chǎng)景相比，在跨社交媒體場(chǎng)景下，主要是信息環(huán)境、信息技術(shù)和信息等要素的構(gòu)成發(fā)生了顯著變化，而信息人要素的變化較少。因此，本文推斷，盡管機(jī)體感知有用性的外部影響因素會(huì)發(fā)生改變，但機(jī)體內(nèi)部的作用路徑依然存在。綜上，本文認(rèn)為：

H4：平臺(tái)特征能通過感知有用性進(jìn)一步影響跨社交媒體UGC信息分享行為

2.3平臺(tái)特征的調(diào)節(jié)作用

本文關(guān)注的平臺(tái)特征包含平臺(tái)的聲譽(yù)、關(guān)注度和用戶服務(wù)技術(shù)迭代。其中，平臺(tái)聲譽(yù)是一種信息激勵(lì)機(jī)制，高聲譽(yù)的社交平臺(tái)收獲更多的信任，同時(shí)給予用戶心理支持：平臺(tái)關(guān)注度是用戶一段時(shí)間內(nèi)的注意力集成，蘊(yùn)含著用戶情緒：用戶服務(wù)技術(shù)迭代是滿足用戶需求、提升用戶體驗(yàn)的數(shù)字工具優(yōu)化過程。從場(chǎng)動(dòng)力理論的視角，平臺(tái)特征都屬于外部環(huán)境刺激，感知有用性屬于內(nèi)部機(jī)體的驅(qū)動(dòng)力。場(chǎng)動(dòng)力理論表明，行為受到外部環(huán)境刺激和內(nèi)在驅(qū)動(dòng)力的交互影響。由此，本文推斷平臺(tái)特征對(duì)感知有用性和跨社交媒體UGC信息分享行為具有調(diào)節(jié)作用。

H5a：平臺(tái)聲譽(yù)對(duì)感知有用性和跨社交媒體UGC信息分享行為的關(guān)系具有調(diào)節(jié)作用

H5b：平臺(tái)關(guān)注度對(duì)感知有用性和跨社交媒體UGC信息分享行為的關(guān)系具有調(diào)節(jié)作用

H5c：平臺(tái)用戶服務(wù)技術(shù)對(duì)感知有用性和跨社交媒體UGC信息分享行為的關(guān)系具有調(diào)節(jié)作用

3研究方法

3.1研究背景

抖音和B站是中國(guó)最大的內(nèi)容生成型社交平臺(tái)，用戶通過視頻類UGC分享觀點(diǎn)和生活日常，用戶之間具備弱社交屬性。根據(jù)抖音和B站的官方數(shù)據(jù)顯示，抖音平臺(tái)每月熱點(diǎn)視頻播放量高達(dá)4000億，熱點(diǎn)視頻數(shù)量超過百萬；B站的日活躍用戶超過9000萬。作為頭部的內(nèi)容生成平臺(tái)，其創(chuàng)作者群體存在交叉并擁有大規(guī)模的UGC，能提供豐富、完善的數(shù)據(jù)集。此外，抖音是以短視頻為主陣地，用戶身份也較為豐富；B站以長(zhǎng)視頻為主陣地，通過二次元等屬性吸引眾多年輕人和學(xué)生群體，用戶身份較為集中。由此推斷這兩個(gè)視頻平臺(tái)的聲譽(yù)、關(guān)注度和用戶服務(wù)技術(shù)迭代存在差異，能為平臺(tái)特征的相關(guān)研究提供助力。綜上所述，本文選擇抖音和B站的相關(guān)數(shù)據(jù)作為研究的樣本。

3.2數(shù)據(jù)采集

數(shù)據(jù)采集過程如圖2所示．本文分別從手機(jī)應(yīng)用商城、百度指數(shù)、抖音、B站等平臺(tái)采集數(shù)據(jù)，再根據(jù)不同數(shù)據(jù)集之間的屬性關(guān)系進(jìn)行連接，形成面板數(shù)據(jù)集。數(shù)據(jù)采集收集的時(shí)間為2023年4月，為避免UGC的點(diǎn)贊、評(píng)論、收藏、分享等指標(biāo)的大幅度變化，本文僅獲取2023年3月之前的相關(guān)數(shù)據(jù)。

針對(duì)跨社交媒體UGC的識(shí)別，本文提出兩步匹配法，即先匹配跨社交媒體創(chuàng)作者，在此基礎(chǔ)上匹配跨社交媒體UGC，如圖3所示。參照前人的研究思路，本文選取相似度算法進(jìn)行匹配。

具體而言，本文從B站的音樂、舞蹈、游戲、知識(shí)等分區(qū)中隨機(jī)抽取400名創(chuàng)作者，根據(jù)其名稱、頭像、簡(jiǎn)介等相關(guān)信息，通過在抖音平臺(tái)上的搜索實(shí)現(xiàn)匹配。由于創(chuàng)作者為了形成跨社交媒體的影響力，他們?cè)诓煌脚_(tái)上的信息具有極高的相似性，因此借助于社交平臺(tái)的搜索功能就能實(shí)現(xiàn)較高的匹配結(jié)果。識(shí)別完成后，本文爬取了對(duì)應(yīng)創(chuàng)作者在抖音和B站發(fā)布的所有視頻，針對(duì)視頻數(shù)小于50的創(chuàng)作者進(jìn)行剔除，最終識(shí)別結(jié)果如表1所示。

在此基礎(chǔ)上，本文針對(duì)同一創(chuàng)作者在B站和抖音發(fā)布的所有視頻類UGC進(jìn)行二次匹配。具體而言，對(duì)于某一個(gè)UGC，根據(jù)余弦相似度計(jì)算它的標(biāo)題與另一平臺(tái)歸屬于同一創(chuàng)作者的所有UGC標(biāo)題的相似度，選取其中相似度最高的UGC建立對(duì)應(yīng)關(guān)系。完成所有的對(duì)應(yīng)關(guān)系后，利用三直方圖算法計(jì)算封面圖片相似度進(jìn)行驗(yàn)證，并只保留封面相似度大于0.5的對(duì)應(yīng)關(guān)系。最后，通過人工手動(dòng)核查UGC的對(duì)應(yīng)關(guān)系，最終的匹配結(jié)果如表1所示。綜上所述，本文從抖音平臺(tái)和B站平臺(tái)中成功匹配了5101對(duì)跨社交媒體UGC，總計(jì)10202條視頻，并以此為樣本展開分析。

3.3變量測(cè)量

本文的核心解釋變量為平臺(tái)特征，包含平臺(tái)聲譽(yù)、平臺(tái)關(guān)注度和用戶服務(wù)技術(shù)迭代；核心被解釋變量為跨社交媒體UGC信息分享：中介變量為感知有用性；控制變量包含創(chuàng)作者的關(guān)注數(shù)、粉絲效應(yīng)以及UGC的情感傾向等，同日寸，在此基礎(chǔ)上控制平臺(tái)類型和UGC類型帶來的固定效應(yīng)。由于上述變量的數(shù)據(jù)來源不一致，測(cè)算量綱存在差異，因此本文對(duì)相關(guān)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。表2為變量測(cè)量的方式和依據(jù)。

3.3.1平臺(tái)特征

針對(duì)平臺(tái)聲譽(yù)（PR），參照前人對(duì)品牌聲譽(yù)、服務(wù)提供商聲譽(yù)、產(chǎn)品聲譽(yù)的測(cè)量方式，采用用戶評(píng)級(jí)進(jìn)行測(cè)量。由于抖音和B站的使用習(xí)慣集中在移動(dòng)端，因此選用手機(jī)商城中用戶對(duì)它們的評(píng)分作為衡量依據(jù)。具體而言，本文采集了華為、Oppo、Vivo、小米、蘋果等幾大頭部手機(jī)廠商的應(yīng)用商城評(píng)分?jǐn)?shù)據(jù)，并以每日點(diǎn)評(píng)量為權(quán)重，測(cè)算抖音和B站的每日平臺(tái)聲譽(yù)情況。

針對(duì)平臺(tái)關(guān)注度（PA），參照學(xué)者們的做法，應(yīng)用百度指數(shù)中的搜索指數(shù)進(jìn)行衡量。具體而言，本文分別以抖音和B站為關(guān)鍵詞，在百度指數(shù)平臺(tái)中進(jìn)行檢索，再通過網(wǎng)絡(luò)爬蟲技術(shù)獲取每日的搜索指數(shù)數(shù)據(jù)，以此測(cè)算抖音和B站的每日平臺(tái)關(guān)注度情況。

針對(duì)用戶服務(wù)技術(shù)迭代（UT），本文采用社交平臺(tái)APP版本升級(jí)中披露的相關(guān)數(shù)據(jù)進(jìn)行衡量。首先，社交平臺(tái)APP為了維持競(jìng)爭(zhēng)力，會(huì)持續(xù)優(yōu)化APP的用戶服務(wù)技術(shù)，并對(duì)平臺(tái)版本進(jìn)行升級(jí)；其次，版本升級(jí)的同時(shí)，社交平臺(tái)APP的發(fā)布者會(huì)披露相關(guān)的技術(shù)信息，如圖4所示；最后，基于這些披露的信息進(jìn)行文本分析，可以較為高效地衡量出用戶技術(shù)服務(wù)迭代。具體而言，本文采用關(guān)鍵詞定位法，當(dāng)技術(shù)文本出現(xiàn)“體驗(yàn)”“用戶”“創(chuàng)作”“服務(wù)”等關(guān)鍵詞時(shí)，將本次技術(shù)升級(jí)納為用戶服務(wù)技術(shù)，并統(tǒng)計(jì)1個(gè)自然月中技術(shù)迭代的次數(shù)作為用戶服務(wù)技術(shù)迭代的測(cè)算依據(jù)。同時(shí)，為避免自然月無用戶服務(wù)技術(shù)迭代而造成缺失數(shù)據(jù)過多的情況，對(duì)用戶服務(wù)技術(shù)迭代進(jìn)行加1并對(duì)數(shù)化處理。

3.3.2跨社交媒體UGC信息分享

針對(duì)跨社交媒體UGC信息分享（AUGCS），由于已在數(shù)據(jù)采集過程中識(shí)別出了跨社交媒體UGC，因此，本文直接采用用戶對(duì)不同平臺(tái)的AUGCS的分享次數(shù)作為測(cè)量依據(jù)。

3.3.3感知有用性

先前的研究表明，用戶的點(diǎn)贊、收藏等行為可以反映用戶對(duì)UGC的喜歡和認(rèn)同。因此，本文以UGC的點(diǎn)贊數(shù)、評(píng)論數(shù)、收藏?cái)?shù)為指標(biāo)，采用主成分分析法構(gòu)建感知有用性。

本文對(duì)上述變量進(jìn)行描述性統(tǒng)計(jì)、相關(guān)性分析和多重共線性檢驗(yàn)，如表3～5所示。相關(guān)變量的相關(guān)性均不大于0.6，且VIF值均小于10。因此，本文的分析模型不存在多重共線性的問題。

3.4模型測(cè)量

本文采用多元回歸分析測(cè)量構(gòu)建的跨社交媒體UGC信息分享模型，如式（1）和式（2）所示：

4實(shí)證結(jié)果

4.1固定效應(yīng)模型

本文利用Stata進(jìn)行分步多元回歸，并以跨社交媒體UGC作為聚類標(biāo)準(zhǔn)調(diào)整相關(guān)誤差統(tǒng)計(jì)量，結(jié)果如表6所示。在模型（1）中，本文在控制了平臺(tái)類型和UGC類型后，探究了平臺(tái)特征（PF、PA、UT）對(duì)感知有用性（PU）的影響，結(jié)果表明它們均對(duì)PU有顯著影響，且通過1%的顯著性檢驗(yàn)。其中PF和UT為正向影響，PA為負(fù)向影響。在模型（2）中，本文引入了創(chuàng)作者層面和UGC內(nèi)容層面的控制變量，PF、PA、UT對(duì)PU的影響依舊成立。由此說明，H1、H2、H3等相關(guān)假設(shè)成立。此外，由模型（3）和模型（4）的系數(shù)對(duì)比可知，在引入PU后，PF的系數(shù)從0.818縮小為0.627．UT的系數(shù)從0.315縮小到0.145，這說明PU具有中介效應(yīng)，H4成立。此外，模型（5）表明，PF、PA、UT與PU的交乘項(xiàng)對(duì)AUGCS的影響通過1%的顯著性檢驗(yàn)，說明平臺(tái)特征具有調(diào)節(jié)效應(yīng)。

4.2穩(wěn)健性分析

為驗(yàn)證結(jié)果的穩(wěn)健性，本文進(jìn)一步控制時(shí)間特征和創(chuàng)作者特征的影響。在時(shí)間層面，本文考慮年、月、星期等UGC的發(fā)布時(shí)間對(duì)模型的影響：在創(chuàng)作者層面，本文考慮除受社交平臺(tái)影響外的創(chuàng)作者固定效應(yīng)。

4.2.1時(shí)間效應(yīng)

由表7可知，加入年效應(yīng)、月效應(yīng)和星期效應(yīng)后，PF的影響依舊顯著，PA對(duì)AUGCS的影響從顯著變?yōu)椴伙@著（未通過5%的顯著性檢驗(yàn)），同時(shí)交互項(xiàng)也變?yōu)椴伙@著。由此推斷，PA對(duì)AUGCS的影響是由于時(shí)間差異造成的，PA并不會(huì)顯著影響AUGCSo此外，從模型（3）可知，在加入PU后，UT對(duì)AUGCS的影響由顯著變?yōu)椴伙@著，而UT又顯著影響PU（系數(shù)為0.432，t統(tǒng)計(jì)值為11.75），由此可以說明，在加入時(shí)間效應(yīng)后，PU完全中介UT和AUGCS之間的關(guān)系。

4.2.2創(chuàng)作者效應(yīng)

由表8可知，進(jìn)一步考慮創(chuàng)作者效應(yīng)后，PF的影響依舊顯著，而PA與UT的顯著性與考慮日寸間效應(yīng)相同。同時(shí)，對(duì)比調(diào)整后的R方可知，隨著時(shí)間效應(yīng)和創(chuàng)作者效應(yīng)的引入，R方得到了提高，模型的解釋力增強(qiáng)。以考慮交互項(xiàng)的AUGCS模型為例，在表6中，其R方為0.608，加入日寸間效應(yīng)后R方為0.658，加入創(chuàng)作者效應(yīng)后R方為0.723。由此表明，考慮時(shí)間效應(yīng)和創(chuàng)作者效應(yīng)后，模型整體的解釋能力增強(qiáng)。因此，盡管本文未考慮用戶偏好特征的影響，但通過控制多重固定效應(yīng)，解釋了AUGCS 72.3%的變異量，平臺(tái)特征的影響是顯著且關(guān)鍵的。

經(jīng)過穩(wěn)健性分析，本文重新審視提出的假設(shè)，如圖4所示。H1～H4均成立，H5a、H5c成立，而H5b不成立。此外，綜合上述分析可知，PF-PU-AUGCS為部分中介路徑，而UT-PU-AUGCS，PA -PU-AUGCS為完全中介路徑。同時(shí)，為進(jìn)一步分析平臺(tái)聲譽(yù)（PF）和用戶服務(wù)技術(shù)迭代（UT）的調(diào)節(jié)效應(yīng)，本文繪制調(diào)節(jié)效應(yīng)分解圖。如圖5所示，PF和UT對(duì)PU和AUGCS之間的關(guān)系均為抑制效應(yīng)。

5結(jié)論與討論

5.1研究結(jié)論

本文通過S-O-R理論框架構(gòu)建跨社交媒體UGC信息分享行為的影響因素模型，并分析平臺(tái)特征對(duì)其的影響路徑。研究結(jié)論可從3個(gè)方面進(jìn)行概述。

首先，平臺(tái)聲譽(yù)對(duì)跨社交媒體UGC信息分享行為具有顯著正向影響，而平臺(tái)關(guān)注度和用戶服務(wù)技術(shù)迭代對(duì)跨社交媒體UGC信息分享行為沒有顯著影響：其次，平臺(tái)聲譽(yù)和用戶服務(wù)技術(shù)迭代通過感知有用性部分中介影響跨社交媒體UGC信息分享，而平臺(tái)關(guān)注度則通過感知有用性完全中介影響被解釋變量。此外，平臺(tái)關(guān)注度是負(fù)向中介路徑，用戶服務(wù)技術(shù)迭代是正向中介路徑；最后，平臺(tái)聲譽(yù)和用戶服務(wù)技術(shù)迭代都抑制感知有用性對(duì)跨社交媒體UGC信息分享的正向影響。

對(duì)于平臺(tái)聲譽(yù)而言，用戶因受到聲譽(yù)系統(tǒng)的激勵(lì)和社會(huì)支持而增強(qiáng)對(duì)信息的感知有用性從而進(jìn)行分享，也會(huì)因?yàn)槁曌u(yù)系統(tǒng)的影響而直接進(jìn)行信息分享。此外，關(guān)于平臺(tái)聲譽(yù)的負(fù)向調(diào)節(jié)作用，本文認(rèn)為產(chǎn)生這一現(xiàn)象的原因是聲譽(yù)系統(tǒng)主要影響的是用戶信任，在聲譽(yù)高的平臺(tái)，信任的影響強(qiáng)度大于感知有用性的影響強(qiáng)度，從而抑制了感知有用性對(duì)跨社交媒體UGC的信息分享。

對(duì)于平臺(tái)關(guān)注度，研究發(fā)現(xiàn)它對(duì)用戶的感知有用性是負(fù)向影響。平臺(tái)關(guān)注度屬于平臺(tái)的外部信息環(huán)境，而外部信息環(huán)境比內(nèi)部信息環(huán)境更為復(fù)雜和不確定。同時(shí)，平臺(tái)的意外崩潰和負(fù)面消息都更容易激發(fā)外部搜索和討論，造成負(fù)向的外部性。本文梳理樣本發(fā)布期間，抖音和B站在微博熱搜上出現(xiàn)的原因，大部分都為負(fù)向因素。此外，在不考慮時(shí)間效應(yīng)時(shí)，平臺(tái)關(guān)注度對(duì)跨社交媒體UGC信息分享的影響是正向顯著的?；仡櫰脚_(tái)的關(guān)注度變化，本文發(fā)現(xiàn)抖音關(guān)注度較高的時(shí)期是它承辦2022年世界杯直播的時(shí)段，B站則是在電競(jìng)比賽的時(shí)候具有較高的關(guān)注度，而這些活動(dòng)都是具有周期性的。這也進(jìn)一步印證了為什么在控制時(shí)間效應(yīng)后，平臺(tái)關(guān)注度的作用效果失效。

對(duì)于用戶服務(wù)技術(shù)迭代，本文研究發(fā)現(xiàn)，當(dāng)未加入交互項(xiàng)日寸，它對(duì)跨社交媒體UGC信息分享的作用效果被遮掩。這一現(xiàn)象的原因可能是：①用戶服務(wù)技術(shù)迭代并沒有直接效應(yīng)，其效應(yīng)部分地體現(xiàn)在與其他變量的交互中；②關(guān)注表8模型（3）中的UT，其t統(tǒng)計(jì)量為1.55，接近5%的顯著性水平。而交互項(xiàng)的加入有助于減少因測(cè)量誤差導(dǎo)致的偏差，從而使得UT的t統(tǒng)計(jì)量從1.55變?yōu)?.67；③加入交互項(xiàng)后意味著模型設(shè)定的改變，交互項(xiàng)提供了更多的信息，使得模型的解釋能力增強(qiáng)（調(diào)整后的R方增加了3.4%）。因此，本文認(rèn)為用戶服務(wù)技術(shù)迭代能對(duì)被解釋變量產(chǎn)生影響。同時(shí)，用戶服務(wù)技術(shù)迭代具有負(fù)向調(diào)節(jié)感知有用性和跨社交媒體UGC信息分享之間的關(guān)系，這一效應(yīng)與平臺(tái)聲譽(yù)的影響類似，存在一個(gè)由用戶服務(wù)技術(shù)迭代驅(qū)動(dòng)的關(guān)鍵機(jī)體變量。

5.2研究意義

本文具有實(shí)踐意義：①對(duì)于社交平臺(tái)而言．優(yōu)化用戶服務(wù)技術(shù)，激發(fā)內(nèi)在信息環(huán)境的聲譽(yù)優(yōu)勢(shì)，控制負(fù)面輿論造成的關(guān)注度，能有效地在用戶跨社交媒體場(chǎng)景下，影響用戶的信息分享行為；②對(duì)于創(chuàng)作者而言，在低聲譽(yù)平臺(tái)中更關(guān)注UGC的感知有用性，能形成更具規(guī)模的分享效應(yīng)。區(qū)別于OhS等、Ham C D等關(guān)于心理動(dòng)機(jī)因素的研究，本文的研究結(jié)論能更為直接地為社交平臺(tái)和內(nèi)容創(chuàng)作者提供指導(dǎo)，啟發(fā)社交平臺(tái)的用戶管理和內(nèi)容創(chuàng)作者的粉絲管理形式，并對(duì)內(nèi)容創(chuàng)作者理解跨社交媒體信息分享提供信息環(huán)境層面的思路。

本文具有理論意義：①針對(duì)用戶跨社交媒體場(chǎng)景，提出“匹配一融合一回歸”的實(shí)證分析思路，即先匹配跨社交媒體信息，再融合不同社交平臺(tái)的數(shù)據(jù)形成面板數(shù)據(jù)集，最后利用回歸分析檢驗(yàn)相關(guān)假設(shè)：②豐富了S-O-R理論在跨社交媒體場(chǎng)景中的應(yīng)用，構(gòu)建了跨社交媒體UGC信息分享模型，豐富了信息分享的理論研究：③揭示了平臺(tái)特征對(duì)用戶信息行為的作用路徑，為理解平臺(tái)特征與用戶信息行為之間的互動(dòng)提供理論工具。本文相較于Shang S等的研究，進(jìn)一步細(xì)分了平臺(tái)特征的類型，在拓展其研究思路的同時(shí)，提出新的實(shí)證分析思路。此外，本文的研究是對(duì)平臺(tái)異質(zhì)性的深入探索，與社交媒體信息行為元分析的相關(guān)研究結(jié)論相呼應(yīng)，并從外部、內(nèi)部和技術(shù)3個(gè)層面做了全面分析，為學(xué)者理解、構(gòu)建和分析信息環(huán)境層面的影響因素提供了參考。

5.3研究局限

用戶跨社交媒體是一個(gè)復(fù)雜的場(chǎng)景，在此場(chǎng)景下衍生出的信息行為也更為復(fù)雜，故本文的研究存在局限性。首先，僅關(guān)注了中國(guó)的社交媒體，這一結(jié)論在不同文化背景下的可遷移性尚處于未知：其次，僅考慮了具有競(jìng)爭(zhēng)性的兩個(gè)社交平臺(tái)，未對(duì)互補(bǔ)性的社交平臺(tái)進(jìn)行探究，因此忽略了社交平臺(tái)之間的互動(dòng)；最后，未考慮用戶偏好和信息需求，因此需要采用不同的研究方法進(jìn)行進(jìn)一步的探索。綜上所述，未來研究可基于平臺(tái)維度進(jìn)一步豐富面板數(shù)據(jù)集，并充分考慮UGC多元化的媒介載體，以及在不同文化背景下的理論延伸。