胡開(kāi)遠(yuǎn) 王少劍

摘要：隨著信息技術(shù)快速發(fā)展和新媒體的興起，海量互聯(lián)網(wǎng)用戶對(duì)信息的貢獻(xiàn)和傳播使得在線內(nèi)容展現(xiàn)出了前所未有的繁榮；然而，在線內(nèi)容中的大多數(shù)在發(fā)布后不久便淡出了人們的視線，只有少數(shù)內(nèi)容能夠持續(xù)傳播并成為網(wǎng)絡(luò)熱點(diǎn)，其中的原因尚有待研究和解釋。以信息分享和在線內(nèi)容傳播相關(guān)理論為基礎(chǔ)，通過(guò)訪談關(guān)注微博新聞消息的用戶，識(shí)別影響內(nèi)容早期傳播的因素，并抓取相應(yīng)傳播數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明，在線內(nèi)容的初期傳播與內(nèi)容的信息質(zhì)量有關(guān)，同時(shí)受發(fā)布時(shí)在線用戶活躍度影響。

關(guān)鍵詞：在線內(nèi)容；早期傳播；信息分享；微博

中圖分類號(hào)：F062.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-3890（2013）05-0085-05

一、引言

隨著信息技術(shù)的快速發(fā)展，以社會(huì)化媒體為代表的新型互聯(lián)網(wǎng)應(yīng)用不斷誕生和繁榮，從最早的博客、播客、維基一直到最近流行的社交網(wǎng)絡(luò)、微博客，不同的互聯(lián)網(wǎng)服務(wù)平臺(tái)上累積了龐大的用戶基礎(chǔ)。據(jù)iUserTracker最新的調(diào)查顯示①，截至2012年5月，社區(qū)交友服務(wù)覆蓋人數(shù)超4億，滲透率達(dá)80%，其中，微博及SNS的覆蓋人數(shù)最多，微博覆蓋人數(shù)約為2.7億人，SNS覆蓋人數(shù)約為2.6億人。借助這些平臺(tái)，用戶持續(xù)不斷地發(fā)布和傳播著各種各樣的信息，使得互聯(lián)網(wǎng)在線內(nèi)容呈現(xiàn)出欣欣向榮的景象。

在繁榮的背后，可以關(guān)注到在線內(nèi)容特有的現(xiàn)象：少數(shù)內(nèi)容在短期內(nèi)獲得了大量的關(guān)注和傳播而成為熱點(diǎn)，而大多數(shù)內(nèi)容則人氣平庸，在誕生后不久便退出了人們的視線。這一現(xiàn)象，在具有協(xié)同過(guò)濾（collaborative filtering）功能特性的社會(huì)化媒體中顯得尤為突出：用戶往往只關(guān)注和傳播自身感興趣的人發(fā)布的內(nèi)容，從而形成基于興趣的關(guān)注鏈條，當(dāng)內(nèi)容符合用戶群體的興趣時(shí)將得以沿著鏈條持續(xù)傳播，否則將很快停止傳播并消退。這使得在線內(nèi)容的傳播成為了包括企業(yè)組織和政府機(jī)構(gòu)在內(nèi)的許多社會(huì)化媒體用戶所關(guān)注的問(wèn)題，因?yàn)闇?zhǔn)確而實(shí)時(shí)的在線內(nèi)容流行度預(yù)測(cè)一方面使得企業(yè)能夠通過(guò)對(duì)內(nèi)容訪問(wèn)的定價(jià)和廣告投放實(shí)現(xiàn)收益的最大化（Lerman和Hogg，2010）[1]，另一方面有助于政府把握和掌控網(wǎng)絡(luò)輿情，積極回應(yīng)民眾通過(guò)網(wǎng)絡(luò)渠道的訴求并治理傳播中的有害信息。

盡管對(duì)在線內(nèi)容的流行度（popularity）和網(wǎng)絡(luò)熱點(diǎn)的研究提出了不少能實(shí)時(shí)發(fā)現(xiàn)熱門(mén)話題的算法和模型，然而對(duì)于特定在線內(nèi)容是否能夠成為熱點(diǎn)的問(wèn)題則有待進(jìn)一步的研究探索。基于此，本研究首先對(duì)國(guó)內(nèi)外有關(guān)研究進(jìn)行介紹和評(píng)述，然后以新聞微博帳號(hào)為研究對(duì)象，采用用戶訪談與歷史數(shù)據(jù)抓取與分析相結(jié)合的方式，探索并驗(yàn)證在線內(nèi)容早期傳播的影響因素。

二、相關(guān)研究評(píng)述

在國(guó)外，在線內(nèi)容流行度的預(yù)測(cè)已經(jīng)受到學(xué)者們的關(guān)注。Wu和Huberman（2007）通過(guò)分析digg.com上近100萬(wàn)人的互動(dòng)情況，確定數(shù)千個(gè)新故事的關(guān)注的增長(zhǎng)和消退，并驗(yàn)證了一個(gè)用于預(yù)測(cè)故事生命周期的動(dòng)力學(xué)和統(tǒng)計(jì)分布的理論模型[2]；Saha和Sindhwani（2012）提出了一個(gè)基于文本內(nèi)容的在線非負(fù)矩陣因子分解框架，用于預(yù)測(cè)即將產(chǎn)生的熱點(diǎn)主題，并且取得良好效果[3]。

在國(guó)內(nèi)，不少學(xué)者也提出了不同的網(wǎng)絡(luò)熱點(diǎn)探索和發(fā)現(xiàn)方法，如劉星星等（2008）面向互聯(lián)網(wǎng)新聞設(shè)計(jì)了熱點(diǎn)事件發(fā)現(xiàn)系統(tǒng)，能夠根據(jù)大規(guī)模數(shù)據(jù)自動(dòng)發(fā)現(xiàn)特定時(shí)期內(nèi)的熱點(diǎn)事件[4]；基于已有的熱點(diǎn)挖掘和輿情分析技術(shù)，吳方照（2012）實(shí)現(xiàn)了一個(gè)完整的網(wǎng)絡(luò)熱點(diǎn)話題挖掘與分析系統(tǒng)，能夠確保獲取的熱點(diǎn)話題的時(shí)效性[5]。這些研究的特點(diǎn)在于基于一定的算法構(gòu)建模型，然后通過(guò)網(wǎng)站的宏觀歷史數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，并且能夠用于新熱點(diǎn)的發(fā)掘和預(yù)測(cè)。然而，這些模型無(wú)法用于對(duì)具體內(nèi)容的傳播以及流行度的預(yù)測(cè)，而對(duì)于具體的用戶而言，更關(guān)心的往往是特定的內(nèi)容（通常是用戶自身發(fā)布的內(nèi)容）能否獲得廣泛傳播并成為熱點(diǎn)。要回答這一問(wèn)題，首先需要理解在線內(nèi)容傳播的過(guò)程。

在線內(nèi)容的傳播通?？梢苑譃樵缙趥鞑ズ烷L(zhǎng)期傳播兩個(gè)階段。在早期傳播階段，內(nèi)容的傳播主要受到哈羅德·拉斯韋爾提出的傳播“5W”（Who says what in which channel to who with what effect）模式，即內(nèi)容發(fā)布者、內(nèi)容本身、傳播媒體（渠道）、內(nèi)容接收者以及傳播效果的影響，因?yàn)樵谶@一階段，內(nèi)容往往只是傳播至發(fā)布源的直接關(guān)注者，二次傳播尚未開(kāi)始；而長(zhǎng)期傳播，則受到包括協(xié)同過(guò)濾機(jī)制在內(nèi)的許多其他因素的影響：一方面，一些內(nèi)容的接收者進(jìn)一步也成為內(nèi)容的分發(fā)者，因而后來(lái)的內(nèi)容接收者將可能感受到多個(gè)層次的內(nèi)容來(lái)源（Sundar，2007）[6]；另一方面，媒體對(duì)多次傳播的內(nèi)容提供了多樣化的線索，這些線索能夠幫助用戶評(píng)估內(nèi)容，從而也會(huì)影響內(nèi)容的進(jìn)一步傳播，如在新浪微博中，已被用戶大量討論的話題會(huì)成為熱門(mén)話題，從而出現(xiàn)在首頁(yè)右側(cè)的熱門(mén)話題榜中，進(jìn)一步引發(fā)了其他用戶的關(guān)注和討論。

盡管內(nèi)容的長(zhǎng)期傳播機(jī)制十分復(fù)雜，然而多個(gè)研究表明，內(nèi)容的早期傳播情況對(duì)長(zhǎng)期傳播有良好的預(yù)測(cè)能力。例如，Szabo和Huberman（2010）的研究表明，在線內(nèi)容的長(zhǎng)期流行度（popularity）可以通過(guò)早期的用戶訪問(wèn)量來(lái)預(yù)測(cè)，其誤差不高于10%[7]；Lerman和Hogg（2010）指出，盡管大量因素在影響內(nèi)容傳播的先驗(yàn)預(yù)測(cè)，但基于早期內(nèi)容出現(xiàn)的用戶反應(yīng)能夠預(yù)測(cè)內(nèi)容未來(lái)的流行度[1]。因此，部分學(xué)者將研究重點(diǎn)放在了在線內(nèi)容的早期傳播上，并探索出了一些可能影響用戶分享內(nèi)容的意愿并最終影響內(nèi)容流行度的因素，如發(fā)布者（來(lái)源）的可信度（Ha和Ahn，2011）[8]、內(nèi)容質(zhì)量（Agarwal等，2008）[9]、接收者對(duì)內(nèi)容質(zhì)量、風(fēng)險(xiǎn)的感知和信任（厲鐘靈，2012）[10]、用戶的動(dòng)機(jī)（Marett和Joshi，2009）[11]以及對(duì)在線社區(qū)的參與度（Chang和Chuang，2011）[12]等。這些研究的特點(diǎn)在于回歸到微觀的傳播行為中，基于對(duì)個(gè)體用戶行為意愿的研究得出結(jié)論，所采用的模型的因變量往往是用戶對(duì)內(nèi)容的分享或轉(zhuǎn)發(fā)意愿而非實(shí)際的早期傳播效果，因而有待在實(shí)際的傳播情境中進(jìn)行驗(yàn)證。

綜上所述，本研究將從內(nèi)容發(fā)布者的實(shí)踐出發(fā)，重點(diǎn)關(guān)注與內(nèi)容發(fā)布相關(guān)的因素對(duì)早期傳播的影響。

三、研究設(shè)計(jì)

（一）研究對(duì)象的選取

本研究選取了目前國(guó)內(nèi)最為流行的一類社會(huì)化媒體中的內(nèi)容傳播，即微博中的消息轉(zhuǎn)發(fā)作為具體的研究對(duì)象。微博（micro-blogging，又稱微博客）作為繼博客、視頻網(wǎng)站、社交網(wǎng)絡(luò)和維基以后出現(xiàn)的一種新型社會(huì)化媒體，其特點(diǎn)在于信息技術(shù)的集成化與信息傳播的社會(huì)化，它一方面允許用戶通過(guò)多種渠道隨時(shí)在上面發(fā)布文本、圖片、鏈接和地理位置，另一方面允許用戶關(guān)注并分享自身感興趣的內(nèi)容，具有信息發(fā)布門(mén)檻低、信息傳播速度快和信息收發(fā)干預(yù)難的特點(diǎn)（劉淵，2011）[13]。這些特點(diǎn)結(jié)合微博龐大的用戶基礎(chǔ)，使得微博多次在國(guó)內(nèi)外重大公共事件中發(fā)揮重大作用，如國(guó)外的2009年的伊朗綠色革命、2011年日本東北地方太平洋近海地震以及國(guó)內(nèi)的2011年“7·23”甬溫線特別重大鐵路交通事故等。由于具備較強(qiáng)的媒體影響力，不少企業(yè)乃至于政府均試圖利用微博成為自身信息發(fā)布及宣傳、營(yíng)銷的渠道。因此，選取微博作為具體的研究對(duì)象，有助于增強(qiáng)本研究對(duì)現(xiàn)實(shí)的指導(dǎo)意義。

進(jìn)一步地，本研究選取了新浪微博中的“頭條新聞”帳號(hào)（http：//weibo.com/breakingnews）作為研究對(duì)象。選擇這一帳號(hào)的理由包括：該帳號(hào)為新浪微博官方運(yùn)營(yíng)的帳號(hào)，與其他富有話題性和爭(zhēng)議性的消息發(fā)布者相比，普通用戶對(duì)該帳號(hào)的認(rèn)知和信任一致性較強(qiáng)。該帳號(hào)擁有超過(guò)1 600萬(wàn)的關(guān)注用戶，有助于降低單個(gè)關(guān)注者對(duì)內(nèi)容傳播的影響，使得該帳號(hào)所發(fā)布的內(nèi)容的流行度更能視作海量用戶傳播行為的結(jié)果，否則，內(nèi)容傳播可能高度依賴個(gè)別具有較大影響力的關(guān)注者的轉(zhuǎn)發(fā)，從而不利于對(duì)影響因素的研究。該帳號(hào)所發(fā)布的消息均為新聞消息，內(nèi)容具有較強(qiáng)的同質(zhì)性，有助于控制用戶對(duì)消息類型的偏好對(duì)傳播的影響。該帳號(hào)7天24小時(shí)實(shí)時(shí)發(fā)布新聞消息，有助于研究在不同時(shí)段發(fā)布內(nèi)容是否對(duì)傳播造成影響。

（二）研究變量的選取

內(nèi)容的信息質(zhì)量影響了用戶對(duì)信息的使用（Nicolaou和McKnight，2006[14]；厲鐘靈，2012[10]），在具體的研究中，學(xué)者通常用感知信息質(zhì)量（perceived information quality，PIQ），即用戶對(duì)其信息期望和實(shí)際信息產(chǎn)出之間的差距的感受來(lái)測(cè)量實(shí)際的信息質(zhì)量（Bailey和Pearson，1983）[15]。根據(jù)這一定義，對(duì)于同樣的內(nèi)容，不同用戶可能由于具有不同的期望而產(chǎn)生不同的感知；當(dāng)內(nèi)容本身有差異時(shí)，由于不同的學(xué)者在不同的研究中發(fā)展出了不同的PIQ框架，因此對(duì)PIQ的測(cè)量可能缺乏信度，因?yàn)榇藭r(shí)無(wú)法區(qū)分所測(cè)量到的PIQ差異到底是來(lái)自內(nèi)容的不同，還是來(lái)自用戶之間的感知差異。不過(guò)，根據(jù)雙重加工理論，如精細(xì)加工可能性模型（ELM）和啟發(fā)式-系統(tǒng)模型（HSM），以及以此為基礎(chǔ)的一系列研究，用戶可能會(huì)依賴于一些簡(jiǎn)單的、易于判斷的線索來(lái)對(duì)內(nèi)容進(jìn)行判斷（Petty和Cacioppo，1986[16]；Chaiken，1980[17]；Sundar，2007[6]）。例如，用戶可能會(huì)認(rèn)為圖片有助于幫助說(shuō)明事實(shí)，因?yàn)楸绕鹞谋緝?nèi)容來(lái)說(shuō)，圖片更難偽造，因此對(duì)于附帶圖片的內(nèi)容，用戶可能有更高的感知信息質(zhì)量；消息的長(zhǎng)度可能會(huì)給人以論述更為詳細(xì)、完善的感覺(jué)，從而具有更高的質(zhì)量；附帶鏈接的內(nèi)容，能夠予用戶以旁征博引、引經(jīng)據(jù)典的感受，使得用戶感到發(fā)布者客觀、嚴(yán)謹(jǐn)?shù)膽B(tài)度，從而對(duì)其發(fā)布的內(nèi)容有更高的感知質(zhì)量（Ha和Ahn，2012）[8]；等等。與內(nèi)容本身內(nèi)在的質(zhì)量相比，這些與內(nèi)容高度相關(guān)的、客觀的內(nèi)容線索一方面能夠影響用戶對(duì)信息質(zhì)量的感知，從而可能影響了用戶轉(zhuǎn)發(fā)消息的意愿；另一方面則是易于觀察和測(cè)量的客觀因素，能夠提高研究的信度。

為探索可能影響用戶轉(zhuǎn)發(fā)意愿的影響因素，本研究基于前人的研究，對(duì)“頭條新聞”帳號(hào)所發(fā)布的消息進(jìn)行觀察分析，整理出可能影響用戶轉(zhuǎn)發(fā)的因素。由于“頭條新聞”帳號(hào)在自身發(fā)布消息的同時(shí)也會(huì)轉(zhuǎn)發(fā)其他帳號(hào)所發(fā)布的消息，對(duì)于這些消息，用戶可能在對(duì)消息來(lái)源的感知上產(chǎn)生不可控制的差異，因此本研究排除了這部分轉(zhuǎn)發(fā)的消息，只考慮該帳號(hào)原創(chuàng)發(fā)布的消息。這些消息的基本特點(diǎn)如下：新聞內(nèi)容在一開(kāi)始先以“[]”符號(hào)給出新聞標(biāo)題，然后通過(guò)一段不超過(guò)160字的文本對(duì)新聞內(nèi)容進(jìn)行摘要描述，然后附上詳細(xì)的新聞鏈接，部分新聞消息還附上了圖片。鑒于所有的新聞都附有鏈接，因此本研究只選取新聞消息的長(zhǎng)度以及新聞消息是否附帶圖片這兩個(gè)變量，作為測(cè)量新聞消息的信息質(zhì)量的變量。

由于信息質(zhì)量與具體的應(yīng)用情境有關(guān)（Eppler和Wittig，2000[18]），為了進(jìn)一步確認(rèn)在微博的情境下，所選取的變量是否確實(shí)影響了用戶對(duì)信息質(zhì)量的感知，本研究設(shè)計(jì)了相應(yīng)的訪談提綱，并且邀請(qǐng)“頭條新聞”帳號(hào)的關(guān)注者和消息轉(zhuǎn)發(fā)者進(jìn)行訪談。訪談提綱具體如下：

（1）你是“頭條新聞”帳號(hào)的關(guān)注者嗎？

（2）你曾經(jīng)轉(zhuǎn)發(fā)過(guò)“頭條新聞”帳號(hào)發(fā)布的原創(chuàng)消息嗎？如有，請(qǐng)指出你最近轉(zhuǎn)發(fā)的一條消息。

（3）你通常通過(guò)何種渠道看到并轉(zhuǎn)發(fā)“頭條新聞”帳號(hào)發(fā)布的：a.在自己微博首頁(yè)上看到原消息 b.看到他人轉(zhuǎn)發(fā)后自己再進(jìn)行轉(zhuǎn)發(fā)c.其它，請(qǐng)說(shuō)明__

（4）你是否認(rèn)同更詳盡的新聞更有價(jià)值/有說(shuō)服力/質(zhì)量更高？請(qǐng)?zhí)接懩愕目捶ā?/p>

（5）你是否會(huì)查看新聞消息附帶的圖片？你是否認(rèn)同附帶圖片的新聞更有價(jià)值/有說(shuō)服力/質(zhì)量更高？請(qǐng)?zhí)接懩愕目捶ā?/p>

（6）你的微博首頁(yè)上顯示的最早一條消息與最新一條消息相差__分鐘。

（7）請(qǐng)描述你訪問(wèn)微博的習(xí)慣和頻率。

（8）收集人口統(tǒng)計(jì)數(shù)據(jù)，包括性別、年齡、學(xué)歷、職業(yè)等。

本研究共向9位微博用戶發(fā)出了訪談邀請(qǐng)，其中7位做出了回應(yīng)，6位最終完成了所有問(wèn)題。6位受訪者的人口統(tǒng)計(jì)數(shù)據(jù)如表1。

6名受訪者均為“頭條新聞”帳號(hào)的關(guān)注者，并且至少通過(guò)自身微博首頁(yè)看到并轉(zhuǎn)發(fā)過(guò)一條該帳號(hào)原創(chuàng)發(fā)布的新聞消息；其中5位受訪者認(rèn)同更詳細(xì)的消息更有價(jià)值的觀點(diǎn)，除了FLR認(rèn)為“短的消息便于用戶快速理解和接收，可能更利于傳播”；盡管只有2名受訪者會(huì)點(diǎn)開(kāi)新聞附帶的圖片，但所有受訪者均認(rèn)同附帶圖片的新聞會(huì)更有說(shuō)服力。

此外，由于本研究關(guān)注的是內(nèi)容的早期傳播，而微博的內(nèi)容呈現(xiàn)采用的是將關(guān)注者發(fā)布的消息按照發(fā)布時(shí)間的倒序呈現(xiàn)在用戶微博首頁(yè)的“時(shí)間線”機(jī)制，因此在用戶訪問(wèn)微博首頁(yè)的時(shí)刻，過(guò)早的消息可能會(huì)從首頁(yè)消失，用戶只有通過(guò)翻頁(yè)或點(diǎn)進(jìn)發(fā)布者頁(yè)面才能看到。由于不同媒體的早期傳播持續(xù)時(shí)間不同（Szabo和Huberman，2010[7]），本研究首先統(tǒng)計(jì)了用戶首頁(yè)所呈現(xiàn)的消息的時(shí)間范圍：6名受訪者微博首頁(yè)上最早一條消息與最新一條消息平均相差10分鐘，因此本研究假定，“頭條新聞”帳號(hào)發(fā)布新聞消息后的10分鐘內(nèi)屬于早期傳播階段，在這一階段發(fā)生的消息轉(zhuǎn)發(fā)絕大部分均為帳號(hào)關(guān)注者直接從自身微博首頁(yè)中關(guān)注到所發(fā)布的消息（而非通過(guò)他人的轉(zhuǎn)發(fā)）的行為。

最后，根據(jù)“時(shí)間線”機(jī)制，在內(nèi)容發(fā)布的時(shí)間點(diǎn)，有多少關(guān)注者正在使用微博，將對(duì)消息的早期傳播有重要影響。本研究通過(guò)了解受訪者的微博使用習(xí)慣，發(fā)現(xiàn)在一天當(dāng)中的幾個(gè)時(shí)間段（下文簡(jiǎn)稱“黃金時(shí)段”）里，用戶訪問(wèn)的頻率較高，具體為：8：30-10：00；11：30-14：00；16：30-18：00；22：00-23：00。此外，對(duì)于上班族的受訪者，周末的訪問(wèn)習(xí)慣與工作日有所差異。

根據(jù)訪談結(jié)果，本研究建立了如下的多元回歸模型：

TMR=β0+β1L+β2P+β3W+β2G+μ

其中TMR代表消息在發(fā)布后10分鐘內(nèi)的轉(zhuǎn)發(fā)次數(shù)，L代表消息的長(zhǎng)度；P、W和G為虛變量，P代表消息是否附帶圖片（0—無(wú)，1—有）；W代表消息發(fā)布日是否為周末（0—否，1—是）；G代表消息發(fā)布時(shí)間是否處于黃金時(shí)段（0—否，1—是）。

四、數(shù)據(jù)收集及處理

本研究通過(guò)新浪微博開(kāi)放平臺(tái)，對(duì)“頭條新聞”帳號(hào)的發(fā)布和傳播數(shù)據(jù)進(jìn)行抓取。新浪微博開(kāi)放平臺(tái)是基于新浪微博系統(tǒng)的信息獲取和發(fā)布平臺(tái)，被廣泛用于各類基于微博的網(wǎng)頁(yè)端、電腦客戶端以及移動(dòng)客戶端應(yīng)用的開(kāi)發(fā)。該平臺(tái)提供了豐富的訪問(wèn)接口以供開(kāi)發(fā)者使用。本研究采用了Python腳本語(yǔ)言與SQLite3數(shù)據(jù)庫(kù)，基于新浪微博開(kāi)放平臺(tái)提供的Python軟件開(kāi)發(fā)工具包構(gòu)建數(shù)據(jù)抓取程序，收集了“頭條新聞”自2012年12月2日0時(shí)至2013年1月19日24時(shí)期間所原創(chuàng)發(fā)布的1113新聞消息，以及這些消息在發(fā)布后10分鐘內(nèi)的234283條轉(zhuǎn)發(fā)消息。

抓取完成后，研究人員利用SQL語(yǔ)句對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行了整理和合并，形成回歸模型所使用的數(shù)據(jù)。在這1 113條微博數(shù)據(jù)中，10分鐘內(nèi)的最少和最多轉(zhuǎn)發(fā)數(shù)分別為0次和2 193次，平均被轉(zhuǎn)發(fā)210.50次；最短和最長(zhǎng)的消息分別為74字和198字，平均為144.85字；其中425條消息附帶圖片，282條消息發(fā)布于周末，351條消息發(fā)布于黃金時(shí)段。

最后，本模型利用SPSS 17.0中的多元線性回歸功能，對(duì)數(shù)據(jù)進(jìn)行回歸分析。由于模型中包含控制變量W和G，因此回歸時(shí)采用ENTER方法，使得所有自變量均包含在模型當(dāng)中。對(duì)回歸方程擬合優(yōu)度的檢驗(yàn)結(jié)果顯示，調(diào)整后的可決系數(shù)R2為0.63；方程總體顯著性F=19.744（p<0.001），表明回歸模型在0.1%的水平上顯著。對(duì)自變量的顯著性檢驗(yàn)結(jié)果如表2：

結(jié)果表明，在微博新聞消息的早期傳播階段：（1）消息中的平均每個(gè)字能貢獻(xiàn)1次轉(zhuǎn)發(fā)，顯示用戶更加青睞詳盡的消息；（2）附帶圖片的消息平均能增加約55次轉(zhuǎn)發(fā)，這表明“圖文并茂”確實(shí)能夠幫助內(nèi)容的傳播；（3）發(fā)布時(shí)間是否位于黃金時(shí)段對(duì)傳播的影響較為顯著，一方面表明10分鐘的早期傳播假定具有其合理性，另一方面與用戶訪談結(jié)果相吻合；而是否位于周末則不太顯著，其原因可能在于使用微博已經(jīng)成為人們?nèi)粘Ｉ畹闹匾画h(huán)，許多人不區(qū)分工作日和周末來(lái)使用微博；也可能在于和其他類型的消息不同，頭條新聞是隨時(shí)發(fā)生并隨時(shí)播報(bào)的，因此人們對(duì)其的關(guān)注并沒(méi)有顯著的工作日和周末的區(qū)分。

五、結(jié)語(yǔ)

本文以微博為例，通過(guò)用戶訪談與真實(shí)歷史訪問(wèn)數(shù)據(jù)分析相結(jié)合的方式，對(duì)可能影響在線內(nèi)容早期傳播的因素進(jìn)行了探索和驗(yàn)證，結(jié)論表明內(nèi)容翔實(shí)、圖文并茂的內(nèi)容更受用戶的青睞，從而能夠取得更好的早期傳播效果乃至于最終的傳播效果；此外，盡管包括社會(huì)化媒體在內(nèi)的許多互聯(lián)網(wǎng)應(yīng)用的用戶均有著自發(fā)形成關(guān)注關(guān)系并自發(fā)對(duì)內(nèi)容進(jìn)行傳播分享的特點(diǎn)，但在在線內(nèi)容極大豐富、舊內(nèi)容快速被新內(nèi)容取代并占領(lǐng)用戶視線的大背景下，對(duì)用戶使用習(xí)慣和使用偏好進(jìn)行了解，從而選擇合適的時(shí)機(jī)和方式發(fā)布內(nèi)容，能夠增加內(nèi)容呈現(xiàn)在用戶面前的概率，有效避免內(nèi)容尚未被用戶接收就已經(jīng)成為歷史的問(wèn)題。

本研究的局限性在于：對(duì)媒體平臺(tái)、發(fā)布者和消息類型進(jìn)行了限定，研究的外部效度有待進(jìn)一步提高；在信息質(zhì)量的測(cè)量上，未能采用更加深入的方式，如文本挖掘分析等方法提取內(nèi)生的信息質(zhì)量，未來(lái)研究可以在這一方向上進(jìn)行深化。

注釋：

①資料來(lái)源：iResearch—2011-2012年中國(guó)SNS和微博用戶行為研究報(bào)告。

參考文獻(xiàn)：

[1]LERMAN K，HOGG T. Using a Model of Social Dynamics to Predict Popularity of News； Proceedings of the 19th International Conference on World Wide Web，F(xiàn)，2010 [C]. ACM.

[2]WU F，HUBERMAN B A. Novelty and collective attention[J]. Proceedings of the National Academy of Sciences，2007，104（45）：17599-601.

[3]SAHA A，SINDHWANI V. Learning evolving and emerging topics in social media：a dynamic nmf approach with temporal regularization[M]. Proceedings of the fifth ACM international conference on Web search and data mining. Seattle，Washington，USA； ACM. 2012：693-702.

[4]劉星星，等.網(wǎng)絡(luò)熱點(diǎn)事件發(fā)現(xiàn)系統(tǒng)的設(shè)計(jì)[J].中文信息學(xué)報(bào)，2008，22（6）.

[5]吳方照. 網(wǎng)絡(luò)熱點(diǎn)話題的挖掘與分析[J].2012，

[6]SUNDAR S S. The MAIN Model：A Heuristic Approach to Understanding Technology Effects on Credibility[J]. The John D and Catherine T MacArthur Foundation Series on Digital Media and Learning，2007：73-100.

[7]SZABO G，HUBERMAN B A. Predicting the Popularity of Online Content[J]. Communications of the ACM，2010，53（8）.

[8]HA S，AHN J. Why Are You Sharing Others' Tweets？：The Impact of Argument Quality and Source Credibility on Information Sharing Behavior[M]. ICIS 2011 Proceedings. 2011.

[9]AGARWAL N，LIU H，TANG L，et al. Identifying the influential bloggers in a community； proceedings of the Proceedings of the international conference on Web search and web data mining，F(xiàn)，2008[C]. ACM.

[10]厲鐘靈.微博用戶轉(zhuǎn)發(fā)意愿研究[D].杭州：浙江大學(xué)，2012.

[11]MARETT K，JOSHI K D. The Decision to Share Information and Rumors：Examining the Role of Motivation in an Online Discussion Forum[J]. Communications of the Association for Information Systems，2009，24（1）：47-68.

[12]CHANG H H，CHUANG S-S. Social capital and individual motivations on knowledge sharing：Participant involvement as a moderator[J]. Information & Management，2011，48（1）：9-18.

[13]劉淵.微博的技術(shù)特征及其現(xiàn)實(shí)挑戰(zhàn)[N].光明日?qǐng)?bào)，2011-09-07.

[14]NICOLAOU A I，MCKNIGHT D H. Perceived Information Quality in Data Exchanges：Effects on Risk，Trust，and Intention to Use[J]. Information Systems Research，2006，17（4）：332-51.

[15]BAILEY J E，PEARSON S W. Development of a Tool for Measuring and Analyzing Computer User Aatisfaction [J]. Management Science，1983，29（5）：

[16]PETTY R E，CACIOPPO J T. The Elaboration Likelihood Model of Persuasion[M].LEONARD B. Advances in Experimental Social Psychology. Academic Press. 1986：123-205.

[17]CHAIKEN S. Heuristic versus systematic information processing and the use of source versus message cues in persuasion[J]. Journal of Personality and Social Psychology，1980，39（5）：752-66.

[18]EPPLER M J，WITTIG D. Conceptualizing Information Quality：A Review of Information Quality Frameworks from the Last Ten Years； proceedings of the Proceedings of the 2000 Conference on Information Quality，F(xiàn)，2000[C].

責(zé)任編輯、校對(duì)：馬彥麗

Research on Influencing Factors of Online Contents' Early Spread

——Taking Micro-blogging as an Example

Hu Kaiyuan， Wang Shaojian

（School of Management， Zhejiang University， Hangzhou 310000， China）

Abstract： The rapid development of IT and rise up of new media has enabled mass user to publish and spread information， which makes online contents flourishing. Only few of these contents， however， could reach continually spread， with others appear and fade rapidly. To explore the mechanism of online content spread， this research proposed interviews of micro-blogging user and analysis of data from a news publishing account of micro-blogging based on theories of communication and information sharing to identify determinants of early spread of online content. The results show that the initial propagation， information quality and content of online content is concerned， at the same time by publishing online user activity influence.

Key words： Online content； Early spread； Information sharing； Micro-blogging