黃強(qiáng) 羅繼鋒 吳志艷

摘 要： 隨著社交網(wǎng)絡(luò)愈發(fā)高頻地融入人們的生活，人們也越來(lái)越依賴于好友在社交網(wǎng)絡(luò)平臺(tái)上轉(zhuǎn)發(fā)分享的在線內(nèi)容獲取新的資訊，越來(lái)越多的機(jī)構(gòu)也開(kāi)始把社交網(wǎng)路平臺(tái)當(dāng)作其產(chǎn)品或品牌的營(yíng)銷平臺(tái)。依托自主設(shè)計(jì)及研發(fā)的研究平臺(tái)，采用新穎的在線觀察實(shí)驗(yàn)方法，通過(guò)與新媒體團(tuán)隊(duì)合作，進(jìn)行了熟人社交網(wǎng)路平臺(tái)上在線內(nèi)容傳播實(shí)驗(yàn)?；谘芯科脚_(tái)記錄的用戶對(duì)在線內(nèi)容訪問(wèn)及交互產(chǎn)生的數(shù)據(jù)，通過(guò)建立logit及零膨脹泊松回歸模型進(jìn)行探討得到以下結(jié)論：（1）在線內(nèi)容上下文方面，在線內(nèi)容來(lái)源用戶的好友規(guī)模、在線內(nèi)容傳遞渠道等會(huì)影響訪問(wèn)用戶對(duì)在線內(nèi)容的轉(zhuǎn)發(fā)分享行為;（2）用戶與在線內(nèi)容交互方面，用戶對(duì)在線文章內(nèi)容的閱讀時(shí)間、閱讀比例、是否閱讀到第二部分、是否閱讀到最后一部分、閱讀回顧次數(shù)等會(huì)對(duì)用戶的轉(zhuǎn)發(fā)分享行為產(chǎn)生影響。

關(guān)鍵詞： 社交網(wǎng)絡(luò);病毒營(yíng)銷;信息傳遞;即時(shí)消息;熟人;微信

中圖分類號(hào)： G 206

文獻(xiàn)標(biāo)志碼： A

Abstract： While people interacts with social network more intensively in life， people rely more on it to get new information， and therefore more organizations focus on social networking platform to promote their products or brands. This research carried out an experiment about information diffusion on social networking platform of acquaintances using a new research method called online observation experiment based on independently designed and implemented research tool. With the data for users′ visits and interactions with the online content collected by research tool， this research get the following results by constructing a logit and a zero-inflated Poison regression models： （1） in the aspect of online content contexts， the friends number scale of the source user of online content and the channel which conveys online content would influence the decision about share of online content for the receiving user; （2） in the aspect of user′s interactions with online content， the time user spent， the portion of content user read， the fact whether the user reached the second part of content， the fact whether the user reached the last part of content， the number of times user reviewed would have the influences on user’s decision to share.

Key words： social network; viral marketing; information diffusion; instant messaging; acquaintances; WeChat

1 文獻(xiàn)綜述

1.1 病毒營(yíng)銷

病毒營(yíng)銷最早起源于Hotmail用戶郵件正文中附帶的可被點(diǎn)擊的促銷URL鏈接，早在1997年出現(xiàn)在Netscape Newsletter上，并被寬松地定義為“被網(wǎng)絡(luò)強(qiáng)化的口碑”（” network-enhance word of mouth”）。Jurvetson （2000）指出病毒營(yíng)銷的一個(gè)基本特征便是每一位消費(fèi)者在使用產(chǎn)品的過(guò)程中也自然而然地成為了一個(gè)營(yíng)銷人員，且因?yàn)閿y帶者來(lái)自于朋友的含蓄背書(shū)，病毒營(yíng)銷比任何第三方廣告都更加有力量。社交網(wǎng)絡(luò)平臺(tái)作為人與人之間溝通與分享的平臺(tái)，天然擁有用戶之間簡(jiǎn)單便捷且及時(shí)的信息傳遞渠道，這使得社交網(wǎng)絡(luò)平臺(tái)非常適合作為病毒營(yíng)銷的宿主平臺(tái)。病毒營(yíng)銷與社交網(wǎng)絡(luò)的結(jié)合也使得病毒營(yíng)銷有了無(wú)限的可能及空前的影響力。

近些年，眾多的研究者也從各種不同角度對(duì)社交網(wǎng)絡(luò)上用戶的轉(zhuǎn)發(fā)分享行為進(jìn)行了研究探討。Berger和 Milkman （2012） 主要從情感的角度對(duì) New York Times上3個(gè)月發(fā)布的共7000篇被郵件轉(zhuǎn)發(fā)分享最多的文章進(jìn)行了研究分析。Yuki （2015）按照Berger（2013）提出的口碑營(yíng)銷STEPPS框架[社交貨幣（Social Currency）、誘因（Trigger）、情緒（Emotion）、公共性（Public）、實(shí)用價(jià)值（Practical Value）及故事（Stories）]對(duì)Facebook上12個(gè)月內(nèi)被轉(zhuǎn)發(fā)分享最多的2000條社交網(wǎng)絡(luò)消息以及對(duì)超過(guò)1000名社交網(wǎng)絡(luò)用戶進(jìn)行了研究分析。Ho和Dempsey （2010）則從用戶轉(zhuǎn)發(fā)分享心理的角度對(duì)在線內(nèi)容病毒傳遞性進(jìn)行了研究。Knossenburg等人（2016）也從用戶參與度及驚喜度的角度對(duì)在線視頻內(nèi)容病毒傳遞性進(jìn)行了研究。Renard和 Darpy（2017）則從用戶技巧需求性、邀請(qǐng)好友獎(jiǎng)勵(lì)等角度對(duì)在線游戲內(nèi)容的病毒傳播性進(jìn)行了研究。陳成（2016） 、彭晨明等（2016）、張夕漢（2016）、方婧等（2016）則主要從在線文章的標(biāo)題、主題、推送時(shí)間等方面對(duì)微信公眾號(hào)文章內(nèi)容的傳播性進(jìn)行了研究。概括來(lái)說(shuō)，現(xiàn)有關(guān)于社交網(wǎng)絡(luò)平臺(tái)上病毒營(yíng)銷的研究所涉及的影響指標(biāo)的研究主要從內(nèi)容及用戶兩個(gè)角度展開(kāi)。

1.2 內(nèi)容

內(nèi)容角度，首先是在線內(nèi)容本身的特征。Dobele等人（2007）指出在線內(nèi)容所激發(fā)的驚喜和其他情緒以及引發(fā)的用戶想象能夠增強(qiáng)在線內(nèi)容的病毒性傳播。Berger和 Milkman （2012） 也指出激發(fā)積極情感的內(nèi)容相對(duì)于激發(fā)消極情感的內(nèi)容更容易被轉(zhuǎn)發(fā)分享，且能夠激發(fā)強(qiáng)烈情感的內(nèi)容（無(wú)論積極或者消極）相對(duì)于激發(fā)中低度情感的文章更容易被讀者轉(zhuǎn)發(fā)分享。Yuki （2015）指出在線內(nèi)容實(shí)用價(jià)值方面的“有用性”、故事方面的“講故事”以及使用戶“看起來(lái)很好”“開(kāi)心”的內(nèi)容能夠增強(qiáng)用戶轉(zhuǎn)發(fā)動(dòng)機(jī)。Araujo等人（2015）也指出信息價(jià)值或內(nèi)容有用性能增加用戶對(duì)在線內(nèi)容的轉(zhuǎn)發(fā)分享意愿。另外，關(guān)于微信公眾號(hào)文章的研究中，陳成（2016） 、彭晨明等（2016）、張夕漢（2016）、方婧等（2016）共同指出了在線內(nèi)容的標(biāo)題特征、主題、內(nèi)容信息量、配圖等因素都將影響在線文章內(nèi)容傳播的病毒性。內(nèi)容角度，其次是在線內(nèi)容上下文。彭晨明等（2016）和方婧等（2016）都指出在線文章內(nèi)容的推送時(shí)間會(huì)影響在線文章的熱度。同時(shí)，彭晨明等（2016）也指出在線文章內(nèi)容所處的位置也會(huì)對(duì)文章的熱度產(chǎn)生影響。

1.3 用戶

用戶角度，首先是用戶分享心理。Ho和Dempsey （2010）指出用戶分享在線內(nèi)容存在四大潛在動(dòng)機(jī)，即成為群體成員（part of a group）的需求、宣揚(yáng)個(gè)人主義（individualistic）的需求、展現(xiàn)利他主義（altruistic）的需求以及個(gè)人成長(zhǎng)（personal growth）的需求，且有越強(qiáng)的個(gè)人主義或利他主義的網(wǎng)絡(luò)用戶越傾向于轉(zhuǎn)發(fā)分享在線內(nèi)容。Lovett等人（2013）也指出用戶會(huì)為了顯現(xiàn)其專業(yè)性形象或增強(qiáng)社會(huì)地位參與對(duì)相關(guān)內(nèi)容的傳遞與分享。用戶角度，其次是用戶與在線內(nèi)容交互。Knossenburg等人（2016）指出用戶參與度（Engagement）和驚喜度（Surprise）是影響在線視頻傳遞性的兩個(gè)關(guān)鍵因素，且能顯著提高在線視頻廣告內(nèi)容的病毒傳播性。Renard和 Darpy（2017）指出在線游戲?qū)τ脩艏记桑╯kill）的需求性將增加用戶分享在線游戲給其他好友的可能，同時(shí)營(yíng)銷人員增加邀請(qǐng)（分享）激勵(lì)反而會(huì)降低用戶推薦給其他好友的意愿。

總結(jié)而言，現(xiàn)有研究主要從用戶及內(nèi)容兩個(gè)角度的在線內(nèi)容特征、在線內(nèi)容上下文、用戶分享心理及用戶與在線內(nèi)容交互等四個(gè)方面對(duì)在線內(nèi)容的病毒傳播性進(jìn)行了研究。在線內(nèi)容特征方面，包括情感、有用性、故事性、驚喜度等因素會(huì)對(duì)在線內(nèi)容傳遞性產(chǎn)生影響;在線內(nèi)容上下文方面，文章發(fā)布時(shí)間、文章位置等都會(huì)對(duì)其熱度產(chǎn)生影響;用戶分享心理方面，社會(huì)形象、利他主義、個(gè)人主義以及個(gè)人成長(zhǎng)等需求會(huì)對(duì)用戶是否分享對(duì)在線內(nèi)容產(chǎn)生影響;用戶與在線內(nèi)容交互方面，用戶技巧需求性、用戶參與度、用戶獎(jiǎng)勵(lì)等會(huì)對(duì)用戶的在線內(nèi)容分享決策產(chǎn)生影響。

2 研究設(shè)計(jì)

2.1 研究模型

如前所述，本研究主要從在線內(nèi)容上下文及用戶與在線內(nèi)容交互兩個(gè)方面對(duì)熟人社交網(wǎng)絡(luò)平臺(tái)上在線內(nèi)容的傳播性進(jìn)行研究。由于不同類別在線內(nèi)容（文章、視頻、圖片、網(wǎng)頁(yè)游戲等）之間存在著較大差異，本研究將僅關(guān)注在線文章內(nèi)容在熟人社交網(wǎng)絡(luò)平臺(tái)上的傳播問(wèn)題。在線內(nèi)容信息傳播過(guò)程中，信息的每一次傳遞都涉及接收用戶和分享用戶兩方，因此在線內(nèi)容的傳播性也可以從信息傳遞過(guò)程中涉及的兩方用戶的角度進(jìn)行不同的衡量，從而可以從兩個(gè)不同的角度檢驗(yàn)相關(guān)影響指標(biāo)的影響效度，增加研究結(jié)論的魯棒性。所以，本研究從信息傳遞過(guò)程中涉及的訪問(wèn)用戶及分享用戶兩個(gè)不同的用戶視角建立研究模型。從在線內(nèi)容訪問(wèn)用戶的視角，本研究建立的模型包含所有四個(gè)方面完整研究模型如圖1的虛線框區(qū)域所示。

同時(shí)，從分享用戶視角建立的模型如圖2所示。

2.2 研究假設(shè)

鑒于熟人社交網(wǎng)絡(luò)平臺(tái)上用戶與用戶的聯(lián)結(jié)類型僅包括通過(guò)有限渠道相互添加的對(duì)等好友關(guān)系而不包含非對(duì)等的訂閱關(guān)系，本研究認(rèn)為熟人社交網(wǎng)絡(luò)中中等好友數(shù)量規(guī)模的用戶相對(duì)于大量好友的用戶與其好友有更強(qiáng)的社交聯(lián)系，且中等好友數(shù)量規(guī)模的用戶相對(duì)于少量好友的用戶有更好的公眾認(rèn)可形象。更強(qiáng)的社交聯(lián)系和更好的公眾認(rèn)可形象，常常是用戶所推薦內(nèi)容被認(rèn)可的兩個(gè)重要因素，而用戶轉(zhuǎn)發(fā)行為心理中一個(gè)重要因素就是認(rèn)可其轉(zhuǎn)發(fā)的內(nèi)容與自身形象有關(guān)。同時(shí)，結(jié)合社交網(wǎng)絡(luò)上用戶的轉(zhuǎn)發(fā)分享行為也是一種在線口碑營(yíng)銷行為（用戶向其好友的推薦行為）的本質(zhì)，本研究做出以下假設(shè)：

雖然互聯(lián)網(wǎng)在一定程度上使信息傳播突破了地理距離的限制，但熟人社交網(wǎng)絡(luò)平臺(tái)上用戶的社交范圍通常受地理位置影響較大，且用戶的大部分好友通常仍然屬于同地域好友，所以在一定程度上可以認(rèn)為在熟人社交網(wǎng)絡(luò)中，相同地理位置的用戶之間信息流動(dòng)傳播更充分。結(jié)合已有研究中關(guān)于用戶轉(zhuǎn)發(fā)分享心理方面的利他主義需求，用戶可能更愿意轉(zhuǎn)發(fā)對(duì)其好友（預(yù)設(shè)的受眾）相對(duì)新鮮和未知的內(nèi)容，因此本研究也做出以下假設(shè)：

H2： 熟人社交網(wǎng)絡(luò)平臺(tái)上，在線內(nèi)容的分享者與接收者之間地理位置的差異將增加接收用戶再次轉(zhuǎn)發(fā)分享的概率。

熟人社交網(wǎng)絡(luò)平臺(tái)上，用戶與用戶之間傳遞信息的渠道通常有三種，包括用戶的個(gè)人狀態(tài)、用戶之間的單點(diǎn)消息，以及用戶之間的群組消息。其中，用戶之間的單點(diǎn)消息為介于兩個(gè)用戶之間的信息流轉(zhuǎn)。因此，在線文章內(nèi)容通過(guò)單點(diǎn)消息渠道傳遞時(shí)可以認(rèn)為分享用戶判定該在線內(nèi)容與接收用戶有很高相關(guān)性且通常帶有分享用戶相對(duì)強(qiáng)烈的推薦意圖，所以本研究做出以下假設(shè)：

H3： 熟人社交網(wǎng)絡(luò)平臺(tái)上，通過(guò)單點(diǎn)消息渠道傳遞的在線內(nèi)容更可能被接收用戶再次轉(zhuǎn)發(fā)分享。

用戶與在線內(nèi)容交互方面，用戶花費(fèi)更長(zhǎng)的時(shí)間對(duì)在線文章內(nèi)容進(jìn)行閱讀可以被認(rèn)為代表著用戶對(duì)該在線文章內(nèi)容付出了更多的時(shí)間投入，結(jié)合已有研究結(jié)果中關(guān)于用戶投入能增加其轉(zhuǎn)發(fā)分享概率的結(jié)論，本研究做出以下假設(shè)：

H4： 熟人社交網(wǎng)絡(luò)平臺(tái)上，用戶對(duì)在線文章內(nèi)容的閱讀時(shí)間越長(zhǎng)則越可能轉(zhuǎn)發(fā)分享該在線文章內(nèi)容。

此外，基于對(duì)能簡(jiǎn)單便捷獲得大量在線文章內(nèi)容進(jìn)行閱讀的時(shí)代的用戶閱讀習(xí)慣的觀察，本研究認(rèn)為用戶做對(duì)在線文章內(nèi)容轉(zhuǎn)發(fā)分享決策行為可以被分為兩類，一是沖動(dòng)型，二是審慎型。沖動(dòng)型的轉(zhuǎn)發(fā)分享決策行為相對(duì)迅速，通常是用戶在僅對(duì)在線文章內(nèi)容的開(kāi)頭部分（首段甚至標(biāo)題）完成閱讀后立即形成對(duì)在線文章內(nèi)容的整體判斷（比如確認(rèn)是否為標(biāo)題黨、是否有轉(zhuǎn)發(fā)價(jià)值內(nèi)容等），然后決定是否實(shí)施轉(zhuǎn)發(fā)分享行為，所以在線文章內(nèi)容的第一部分對(duì)用戶轉(zhuǎn)發(fā)分享行為的影響較大;審慎型的轉(zhuǎn)發(fā)分享決策行為常常相對(duì)緩慢，通常是用戶在對(duì)文章內(nèi)容的逐步閱讀中逐步形成相對(duì)完整的理解后做出是否實(shí)施轉(zhuǎn)發(fā)分享行為的決定。同時(shí)，在審慎性轉(zhuǎn)發(fā)分享決策范疇里依據(jù)用戶閱讀的內(nèi)容比例可以分為兩種情況：其一，是當(dāng)用戶僅僅對(duì)在線文章內(nèi)容的小部分內(nèi)容進(jìn)行閱讀后便中止閱讀時(shí)可以認(rèn)為用戶對(duì)在線內(nèi)容逐漸喪失興趣，因此其分享概率隨著其閱讀內(nèi)容比例的增加而逐漸減小;其二，是當(dāng)用戶完成對(duì)在線文章內(nèi)容大部分的閱讀后中止閱讀時(shí)可以認(rèn)為用戶已經(jīng)投入了足夠的精力，形成了對(duì)全文的理解而從節(jié)約時(shí)間等角度出發(fā)放棄閱讀，因此其分享概率隨著其閱讀內(nèi)容比例的增加而增加。另外，如用戶即將完成對(duì)在線文章所有內(nèi)容的閱讀而未形成轉(zhuǎn)發(fā)分享的決定，則可以認(rèn)為用戶在對(duì)全文絕大部分內(nèi)容進(jìn)行閱讀理解以后沒(méi)有找到其轉(zhuǎn)發(fā)分享的動(dòng)機(jī)，因此有很大可能性在用戶完成文章閱讀以后依然決定不進(jìn)行轉(zhuǎn)發(fā)分享。基于以上理由，綜合考慮兩種類型轉(zhuǎn)發(fā)分享決策行為的行為模式，本研究做出以下假設(shè)：

H5： 熟人社交網(wǎng)絡(luò)平臺(tái)上，隨著用戶閱讀在線文章內(nèi)容比例的增加，其轉(zhuǎn)發(fā)分享的概率會(huì)呈現(xiàn)出先減后增的趨勢(shì)。

H6： 熟人社交網(wǎng)絡(luò)平臺(tái)上，用戶是否閱讀到在線文章內(nèi)容的第二部分對(duì)其轉(zhuǎn)發(fā)分享的概率具有負(fù)面影響。（對(duì)比的不是1和2，而是1和1′）

H7： 熟人社交網(wǎng)絡(luò)平臺(tái)上，用戶是否閱讀到在線文章內(nèi)容的最后一部分對(duì)其轉(zhuǎn)發(fā)分享的概率具有負(fù)面影響。（同上，對(duì)比的是10和10′）

最后，基于對(duì)用戶閱讀在線文章內(nèi)容習(xí)慣的觀察，部分用戶在閱讀在線文章內(nèi)容時(shí)會(huì)上下滑動(dòng)手機(jī)屏幕對(duì)前后相關(guān)內(nèi)容進(jìn)行多次閱讀回顧。用戶滾動(dòng)屏幕對(duì)在線內(nèi)容的回顧次數(shù)在一定程度上代表用戶對(duì)在線文章內(nèi)容的感興趣程度或?qū)υ诰€內(nèi)容的精力投入，同時(shí)根據(jù)已有研究結(jié)果更多的投入常常代表更高的可能性進(jìn)行轉(zhuǎn)發(fā)分享，因此本研究也做出以下假設(shè)：

H8： 熟人社交網(wǎng)絡(luò)平臺(tái)上，用戶在閱讀在線文章內(nèi)容時(shí)的回顧次數(shù)越多則其轉(zhuǎn)發(fā)分享的概率越高。

以上H1～H8為針對(duì)本研究的8個(gè)原假設(shè)，以下本研究將采取實(shí)證研究的方法檢驗(yàn)以上提出的8個(gè)假設(shè)。

2.3 研究方法

與大部分營(yíng)銷領(lǐng)域研究中的實(shí)體物品對(duì)象不同，本研究的研究對(duì)象為虛擬在線內(nèi)容，因此沒(méi)有選擇營(yíng)銷領(lǐng)域常用的調(diào)查問(wèn)卷方法。為適應(yīng)本研究的研究對(duì)象，采用了新穎的在線觀察（online observation）實(shí)驗(yàn)方法。所謂在線觀察，即憑借當(dāng)前成熟的Web技術(shù)，在用戶無(wú)感知的情況下，研究平臺(tái)后臺(tái)程序記錄的自用戶訪問(wèn)在線文章內(nèi)容開(kāi)始到結(jié)束離開(kāi)為止過(guò)程中的一系列數(shù)據(jù)。然后，基于記錄的數(shù)據(jù)集對(duì)以上提出的假設(shè)采用相關(guān)模型進(jìn)行檢驗(yàn)。

為了簡(jiǎn)化問(wèn)題而不失一般性，本文以一篇即時(shí)新聞?lì)愒诰€文章為代表，研究在線文章內(nèi)容在以微信為代表的熟人社交網(wǎng)絡(luò)平臺(tái)中的傳播規(guī)律。選擇微信作為本研究的社交網(wǎng)絡(luò)平臺(tái)的理由主要包括以下幾點(diǎn)：首先，微信是一個(gè)熟人平臺(tái)，其標(biāo)志為截至目前僅支持對(duì)等的好友關(guān)系而不包含訂閱關(guān)系（本研究?jī)H僅關(guān)注微信個(gè)人賬號(hào)用戶而不關(guān)注微信公眾號(hào)）;其次，微信是一個(gè)社交網(wǎng)絡(luò)平臺(tái)，其標(biāo)志為微信朋友圈功能;再次，微信是一個(gè)媒體與資訊平臺(tái)，其標(biāo)志為微信公眾平臺(tái)功能;最后，微信僅有移動(dòng)端應(yīng)用支持包括朋友圈、在線文章閱讀及分享完整功能，即完整的在線文章內(nèi)容的傳播流程需要微信移動(dòng)端的功能支持。得益于微信僅有移動(dòng)端支持在線內(nèi)容傳播的完整流程，本研究可以將在線內(nèi)容的傳播限定到微信移動(dòng)端，從而大大減少在線文章傳播過(guò)程中的干擾項(xiàng)，且可以借助微信移動(dòng)端提供的良好數(shù)據(jù)接口獲取更加完整可靠的數(shù)據(jù)。因此，微信是一個(gè)典型的適合進(jìn)行在線文章內(nèi)容傳播性研究的熟人社交網(wǎng)絡(luò)平臺(tái)。

通過(guò)與某法律垂直領(lǐng)域新媒體團(tuán)隊(duì)合作，依托自主設(shè)計(jì)與研發(fā)的研究平臺(tái)，課題組于2016年4月26日13∶54∶23發(fā)布了的一篇即時(shí)新聞?lì)愒诰€文章。

研究實(shí)驗(yàn)步驟大致如下：首先，唯一研究者通過(guò)研究平臺(tái)上的在線文章內(nèi)容編輯器新建在線文章并填入內(nèi)容（內(nèi)容事先已確定），同時(shí)生成文章鏈接;然后，該唯一研究者通過(guò)微信訪問(wèn)創(chuàng)建的在線文章內(nèi)容鏈接，之后將在線文章內(nèi)容通過(guò)微信分享功能轉(zhuǎn)發(fā)分享到由合作團(tuán)隊(duì)成員構(gòu)成的微信群組;接著，在上述微信群組中的合作團(tuán)隊(duì)推廣人員作為第一層級(jí)用戶訪問(wèn)該在線文章內(nèi)容并通過(guò)微信分享功能轉(zhuǎn)發(fā)分享至其朋友圈、微信群組和微信好友。至此，研究者及合作團(tuán)隊(duì)的分發(fā)完成，在線文章開(kāi)始在微信內(nèi)自發(fā)病毒式傳播。研究平臺(tái)也將同時(shí)記錄在線文章在微信中傳播過(guò)程的數(shù)據(jù)。

需要說(shuō)明的一點(diǎn)是，本研究采用的文章并非由研究小組原創(chuàng)、也并非首發(fā)，相似在線文章在其他線上媒體平臺(tái)上也有刊登。使用非原創(chuàng)且非首發(fā)的文章，理由主要有如下兩點(diǎn)：其一，高流量原創(chuàng)首發(fā)文章獲取成本高。為了以較低成本獲取足夠數(shù)量的數(shù)據(jù)，本研究選擇采用相對(duì)容易獲得的非原創(chuàng)、非首發(fā)的在線文章;其二，雖然采用的文章非原創(chuàng)也非首發(fā)，但對(duì)于本研究涉及的各指標(biāo)的影響效度并不產(chǎn)生影響。

2.4 數(shù)據(jù)

本研究的主要數(shù)據(jù)來(lái)源為自主設(shè)計(jì)及研發(fā)的研究平臺(tái)。研究平臺(tái)記錄的數(shù)據(jù)分為兩類：其一，是用戶對(duì)在線文章內(nèi)容的訪問(wèn)及傳遞數(shù)據(jù)。一個(gè)用戶對(duì)在線文章內(nèi)容的一次訪問(wèn)作為一條訪問(wèn)記錄，記錄了包括在線文章內(nèi)容的轉(zhuǎn)發(fā)分享來(lái)源用戶、在線內(nèi)容的訪問(wèn)用戶、用戶訪問(wèn)時(shí)間及渠道、用戶分享時(shí)間及渠道等相關(guān)信息。其二，為用戶對(duì)在線文章內(nèi)容閱讀的交互記錄數(shù)據(jù)。每個(gè)用戶對(duì)在線文章內(nèi)容的閱讀交互都會(huì)以內(nèi)容分割線（在線文章內(nèi)容按段落被分割線均分為10個(gè)部分）狀態(tài)及改變時(shí)間的方式被記錄。截至2016年6月17日06∶07∶42，除去技術(shù)故障訪問(wèn)記錄（缺失來(lái)源用戶標(biāo)識(shí)訪問(wèn)的記錄、缺失訪問(wèn)用戶標(biāo)識(shí)訪問(wèn)的記錄等）36條及實(shí)驗(yàn)中唯一研究者的訪問(wèn)記錄5條，研究平臺(tái)一共記錄微信用戶對(duì)研究所用在線文章內(nèi)容的有效訪問(wèn)記錄3491條。限于現(xiàn)有可實(shí)現(xiàn)的技術(shù)，研究平臺(tái)記錄了3491條有效訪問(wèn)記錄中3260條對(duì)應(yīng)的閱讀交互行為記錄（剩余241條訪問(wèn)記錄由于用戶訪問(wèn)時(shí)間太短或網(wǎng)絡(luò)延遲等原因未被研究平臺(tái)記錄閱讀交互數(shù)據(jù)）。此外，本研究也從《中國(guó)城市統(tǒng)計(jì)年鑒》中摘取了各省市人均GDP數(shù)據(jù)，作為衡量各省市經(jīng)濟(jì)發(fā)展水平差異的依據(jù);同時(shí)，也從北京天特信科技有限公司的ipip.net網(wǎng)站上下載了全球 IPv4 地址歸屬地?cái)?shù)據(jù)庫(kù)，作為用戶訪問(wèn)時(shí)所持設(shè)備IP地址轉(zhuǎn)換為用戶所在地理位置的依據(jù)。

對(duì)原始數(shù)據(jù)及引入的數(shù)據(jù)進(jìn)行整合、抽取、變換及層次化，得到了包含3491個(gè)觀測(cè)值的層次化數(shù)據(jù)集。所謂層次化，即每一個(gè)觀測(cè)值都包含其在在線文章內(nèi)容傳遞樹(shù)中的層級(jí)變量及一組表示當(dāng)前觀測(cè)值對(duì)應(yīng)的訪問(wèn)用戶與轉(zhuǎn)發(fā)分享來(lái)源用戶之間差異的變量。包含部分分支的層次化的在線內(nèi)容訪問(wèn)的傳遞樹(shù)圖與按地理位置聚合的傳遞地圖如圖3與圖4所示。

基于對(duì)以上原始數(shù)據(jù)集的初步統(tǒng)計(jì)及數(shù)據(jù)審查結(jié)果，為了使本研究結(jié)論更加有效，本研究又對(duì)數(shù)據(jù)集做了如下篩選。首先，考慮到用戶對(duì)在線文章內(nèi)容訪問(wèn)的時(shí)間跨度較長(zhǎng)，而大部分用戶訪問(wèn)發(fā)生在在線文章內(nèi)容發(fā)布之后不久，所以對(duì)用戶訪問(wèn)時(shí)間跨度做了進(jìn)一步限制，選擇保留按分鐘計(jì)量的訪問(wèn)時(shí)間延遲在前95百分位數(shù)（3171分鐘）之內(nèi)的觀測(cè)值。經(jīng)過(guò)這一步篩選，觀測(cè)值數(shù)量減少到3316，共減少175個(gè)。其次，部分用戶對(duì)在線文章內(nèi)容的閱讀時(shí)間包含中途長(zhǎng)時(shí)間離開(kāi)（或睡眠）的時(shí)間且部分用戶對(duì)在線文章內(nèi)容的閱讀時(shí)間為無(wú)意義的0（閱讀時(shí)間為0與閱讀的事實(shí)相悖），因此本研究對(duì)閱讀時(shí)間也做了進(jìn)一步的限制，保留了閱讀時(shí)間在前95百分位數(shù)（約793秒）以內(nèi)且大于0的訪問(wèn)記錄數(shù)據(jù)。經(jīng)過(guò)這一步篩選，觀測(cè)值數(shù)量減少到2907，共減少209個(gè)。然后，如前所述，部分用戶訪問(wèn)記錄沒(méi)有對(duì)應(yīng)的閱讀行為記錄數(shù)據(jù)，因此有必要將這部分?jǐn)?shù)據(jù)篩選出去。由于之前的兩步數(shù)據(jù)篩選過(guò)程便已經(jīng)將大部分沒(méi)有閱讀行為數(shù)據(jù)的觀測(cè)值過(guò)濾出去，所以這一步篩選僅僅減少8個(gè)，共剩余2899個(gè)觀測(cè)值。再者，由于技術(shù)相關(guān)問(wèn)題，占比很小的部分觀測(cè)值缺失訪問(wèn)渠道數(shù)據(jù)。剔除這部分觀測(cè)值以后，觀測(cè)值數(shù)量減少到2878，共減少21個(gè)。最后，為有效減少未知干擾（比如時(shí)區(qū)問(wèn)題），本研究擬僅關(guān)注中國(guó)大陸地區(qū)微信用戶對(duì)在線文章內(nèi)容的訪問(wèn)與傳遞數(shù)據(jù)。將用戶地域限定在中國(guó)大陸后，觀測(cè)值減少54個(gè)，共剩余 2824個(gè)。

綜上，對(duì)原始數(shù)據(jù)集的進(jìn)一步處理后，最終得到一個(gè)共計(jì)2824個(gè)觀測(cè)值的數(shù)據(jù)集。

2.5 變量與描述性統(tǒng)計(jì)

本研究旨在基于自主構(gòu)建的研究平臺(tái)記錄的數(shù)據(jù)從在線內(nèi)容上下文及用戶與在線內(nèi)容交互兩個(gè)方面，探求各指標(biāo)對(duì)在線文章內(nèi)容在熟人社交網(wǎng)絡(luò)平臺(tái)（微信）傳播的影響及效度。對(duì)應(yīng)于用戶視角模型1，本研究采用用戶對(duì)在線文章內(nèi)容進(jìn)行閱讀后是否進(jìn)行轉(zhuǎn)發(fā)分享（share）作為在線文章內(nèi)容在微信上傳播性的衡量指標(biāo)因變量，建立模型驗(yàn)證在線內(nèi)容上下文及用戶與在線內(nèi)容交互兩方面因素對(duì)用戶是否分享產(chǎn)生的影響。在線內(nèi)容上下文方面，主要包括在線文章內(nèi)容來(lái)源相關(guān)的上一層用戶的子用戶數(shù)（parent_children_count）變量、用戶與上一層用戶之間的地理位置差異相關(guān)變量以及在線文章內(nèi)容傳遞渠道相關(guān)變量;用戶與在線內(nèi)容交互兩方面，則包括用戶閱讀時(shí)間、閱讀比例及其他閱讀行為相關(guān)變量。為了使研究模型更加可靠，本研究也引入了諸如用戶訪問(wèn)時(shí)間延遲、用戶訪問(wèn)時(shí)間段等控制變量。對(duì)應(yīng)于分享用戶視角的模型2，本研究采用用戶的子用戶分享數(shù)（children_share_count）為在線內(nèi)容在微信上傳播性的衡量指標(biāo)因變量建立了第2個(gè)模型。以上提及的兩個(gè)模型的因變量、回歸變量及控制變量的所有變量如表1所示。

值得注意的是，受限于微信提供的數(shù)據(jù)接口，用戶對(duì)在線內(nèi)容的訪問(wèn)渠道數(shù)據(jù)一共分三種，分別為單點(diǎn)消息渠道（visit_channel_singlemessage）、群組消息渠道（visit_channel_groupmessage），以及朋友圈狀態(tài)渠道，但用戶對(duì)在線內(nèi)容的分享渠道僅包含兩種，分別為好友消息渠道（visit_channel_appmessage）及朋友圈狀態(tài)渠道。其中，分享渠道中的好友消息渠道對(duì)應(yīng)訪問(wèn)渠道中的單點(diǎn)消息渠道及群組消息渠道。

以上變量的描述性統(tǒng)計(jì)結(jié)果如表2所示。

為了解以上列舉的各變量之間的相關(guān)關(guān)系，本研究計(jì)算了各變量之間的相關(guān)系數(shù)矩陣。通過(guò)相關(guān)系數(shù)矩陣可知，各變量之間的相關(guān)系數(shù)大都在合理的范圍之內(nèi)，僅有少數(shù)虛擬變量與其他變量之間的相關(guān)系數(shù)較高。為了確定各變量之間是否存在多重共線性問(wèn)題，本研究也檢驗(yàn)了各因變量之間的方差膨脹因子。結(jié)果表明，模型1中最大VIF值僅為4.47且VIF均值小于2，模型2中最大VIF值也僅為1.64且均值僅為1.24，而一般以系數(shù)低于5或10作為判斷變量間不存在共線性問(wèn)題的標(biāo)準(zhǔn)，因此可以認(rèn)為本研究中兩個(gè)模型的自變量之間不存在多重共線性問(wèn)題。

3.5 穩(wěn)健性檢驗(yàn)

本研究中，對(duì)在線內(nèi)容上下文方面來(lái)源用戶的好友規(guī)模對(duì)在線內(nèi)容的傳遞采用了兩個(gè)不同的模型從不同角度進(jìn)行驗(yàn)證，因此可以認(rèn)為該結(jié)果具備穩(wěn)健性。

同時(shí)，雖然本研究中建立的兩個(gè)模型分別為logit模型及零膨脹泊松模型，但是作為穩(wěn)健性檢驗(yàn)?zāi)Ｐ停矊?duì)應(yīng)建立了probit模型及零膨脹負(fù)二項(xiàng)模型，且前后兩組模型結(jié)果一致。因此，有理由認(rèn)為本研究結(jié)果穩(wěn)健。

4 結(jié)論

采用在線觀察實(shí)驗(yàn)方法，基于自主設(shè)計(jì)及研發(fā)的研究平臺(tái)收集到的數(shù)據(jù)，本研究主要從在線內(nèi)容上下文及用戶與在線內(nèi)容交互兩個(gè)方面對(duì)在線內(nèi)容在熟人社交網(wǎng)絡(luò)平臺(tái)上傳播的影響指標(biāo)及效度進(jìn)行了探討。本研究一共提出了8個(gè)原假設(shè)，然后從在線內(nèi)容訪問(wèn)者和分享者兩個(gè)角度建立了兩個(gè)實(shí)證模型進(jìn)行求解檢驗(yàn)，所有假設(shè)中僅有1個(gè)假設(shè)被拒絕。概括來(lái)說(shuō)，本研究得到以下結(jié)論：

在熟人社交網(wǎng)絡(luò)平臺(tái)上，中等好友數(shù)量規(guī)模的用戶轉(zhuǎn)發(fā)分享的在線文章內(nèi)容最可能被其好友再次轉(zhuǎn)發(fā)分享。且當(dāng)用戶的子用戶數(shù)約為60的時(shí)候，其子用戶對(duì)其轉(zhuǎn)發(fā)分享的內(nèi)容再次轉(zhuǎn)發(fā)的概率最高;當(dāng)用戶的子用戶數(shù)約為80的時(shí)候，其子用戶對(duì)其轉(zhuǎn)發(fā)的在線內(nèi)容的再次轉(zhuǎn)發(fā)分享數(shù)最多。基于此結(jié)論，相關(guān)機(jī)構(gòu)在熟人社交網(wǎng)絡(luò)平臺(tái)上進(jìn)行商業(yè)推廣或政策宣傳時(shí)，可以選擇邀請(qǐng)具有中度好友數(shù)量規(guī)模的名人用戶幫助轉(zhuǎn)發(fā)分享而不一定需要花費(fèi)更高額的投入邀請(qǐng)擁有大量好友的名人幫助轉(zhuǎn)發(fā)分享。另外，在線內(nèi)容上下文方面，本研究也發(fā)現(xiàn)通過(guò)單點(diǎn)消息渠道傳遞的在線內(nèi)容更可能被接收用戶再次轉(zhuǎn)發(fā)分享。

用戶與在線內(nèi)容交互方面，本研究發(fā)現(xiàn)用戶對(duì)在線文章內(nèi)容的閱讀時(shí)間越長(zhǎng)則越可能轉(zhuǎn)發(fā)分享該在線文章內(nèi)容;隨著用戶閱讀在線文章內(nèi)容比例的增加，其轉(zhuǎn)發(fā)分享的概率呈現(xiàn)出先減后增的趨勢(shì)，且當(dāng)用戶僅閱讀到約文章一半（50%～60%）的時(shí)候，其分享概率最低;用戶閱讀在線文章內(nèi)容時(shí)的回顧次數(shù)越多，則其轉(zhuǎn)發(fā)分享的概率也越高。據(jù)此，相關(guān)機(jī)構(gòu)在做在線文章內(nèi)容設(shè)計(jì)的時(shí)候，可以考慮適當(dāng)增加容易引起用戶時(shí)間投入的元素、考慮在內(nèi)容的中間部分適當(dāng)添加誘導(dǎo)用戶繼續(xù)閱讀的元素（比如留下懸念或者提示后文有驚喜等），以及考慮適當(dāng)增加前后內(nèi)容的關(guān)聯(lián)性使得用戶有更大興趣對(duì)前后的相關(guān)內(nèi)容進(jìn)行回顧。

此外，用戶與在線內(nèi)容交互方面，用戶閱讀到在線文章內(nèi)容的第二部分與最后一部分都對(duì)其轉(zhuǎn)發(fā)分享的概率具有顯著的負(fù)面影響。鑒于文章第一部分及最后一部分對(duì)于用戶分享率的顯著影響，相關(guān)機(jī)構(gòu)在設(shè)計(jì)在線內(nèi)容的時(shí)候可以考慮在文章開(kāi)頭及結(jié)尾部分增加更多能激發(fā)用戶轉(zhuǎn)發(fā)分享的元素。

最后，本研究從是否同省、距離以及省份人均GDP的角度拒絕了在線內(nèi)容分享者與接收者之間地理位置差異與接收用戶對(duì)在線文章內(nèi)容轉(zhuǎn)發(fā)概率的關(guān)系。同時(shí)，由統(tǒng)計(jì)結(jié)果可知，雖然社交網(wǎng)絡(luò)平臺(tái)打破了信息流轉(zhuǎn)的地理距離壁壘，然而信息的流轉(zhuǎn)依然大部分發(fā)生同?。ㄓ脩襞c上一層用戶是否同省的均值為0.68，即同省信息流轉(zhuǎn)占比約68%）。因此，為了最大化地域覆蓋，相關(guān)機(jī)構(gòu)對(duì)于諸如品牌推廣、商品推廣等在線內(nèi)容在熟人社交網(wǎng)絡(luò)平臺(tái)投放時(shí)，可以考慮從更多地域?qū)ふ颐擞脩艮D(zhuǎn)發(fā)分享。

參考文獻(xiàn)：

[1] ARAUJO T， NEIJENS P， VLIEGENTHART R. What motivates consumers to re-tweet brand content： The impact of information， emotion， and traceability on pass-along behavior[J]. Journal of Advertising Research， 2015， 55（3）： 284-295.

[2] BERGER J， MILKMAN K L. What makes online content ciral？[J]. Journal of Marketing Research， 2012， 49（2）： 192-205.

[3] DOBELE A， LINDGREEN A， BEVERLAND M， et al. Why pass on viral messages？ Because they connect emotionally[J]. Business Horizons， 2007， 50（4）， 291-304.

[4] HO J Y C， DEMPSEY M. Viral marketing： Motivations to forward online content[J]. Journal of Business Research， 2010， 63（9/10）： 1000-1006.

[5] JURVETSON S. What exactly is viral marketing. Red Herring， 2000（78）： 110-112. Retrieved from http：//sites.google.com/site/kehowells/viral-marketing.pdf

[6] KNOSSENBURG Y， NOGUEIRA R， CHIMENTI P. Contagious content： Viral video ads identification of content characteristics that help online video advertisements go viral[J]. Revista Brasileira de Marketing， 2016， 15（4）： 448-458.

[7] LOVETT M J， PERES R， SHACHAR R. On brands and word of mouth[J]. Journal of marketing research， 2013， 50（4）： 427-444.

[8] RENARD D， DARPY D. What makes online promotional games go viral？： Comparing the impact of player skills versus incentive rewards on game recommendation[J]. Journal of Advertising Research， 2017， 57（2）： 173-181.

[9] YUKI T. What makes brands′ social content shareable on facebook？[J]. Journal of Advertising Research， 2015， 55（4）： 458-470.

[10] 梁俏，羅繼鋒，吳志艷. 在線醫(yī)療中醫(yī)生努力與聲譽(yù)對(duì)新增患者數(shù)的影響研究[J].中國(guó)衛(wèi)生政策研究，2017，10（10）：63-71.

[11] 武文穎，李丹珉，洪曉楠.學(xué)術(shù)期刊微信推送文章傳播效果影響因素研究[J].中國(guó)科技期刊研究，2017，28（4）：326-331.

[12] 彭晨明，張莎，趙紅.如何讓你的微信帖子更受歡迎？——基于知名品牌微信運(yùn)營(yíng)數(shù)據(jù)的實(shí)證研究[J].管理評(píng)論，2016，28（12）：176-186.

[13] 張夕漢.如何刷爆朋友圈？——微信公眾號(hào)文章標(biāo)題編輯研究[J].現(xiàn)代經(jīng)濟(jì)信息，2016（23）：401-402.

[14] 陳成.微信公眾號(hào)文章的傳播方式與效果研究[J].新聞研究導(dǎo)刊，2016， 7（20）：285.

[15] 方婧，陸偉.微信公眾號(hào)信息傳播熱度的影響因素實(shí)證研究[J].情報(bào)雜志，2016，35（2）：157-162.

[16] 國(guó)家統(tǒng)計(jì)局城市社會(huì)經(jīng)濟(jì)調(diào)查司.中國(guó)城市統(tǒng)計(jì)年鑒2016[M]. 北京： 中國(guó)統(tǒng)計(jì)出版社， 2015.

[17] 騰訊企鵝智酷.2017用戶&生態(tài)研究報(bào)告[R]. 2017.

[18] 微信.2017微信數(shù)據(jù)報(bào)告[R]. 2017.

[19] 騰訊.騰訊2017年Q3財(cái)報(bào)[R]. 2017.

[20] 北京天特信科技有限公司.全球 IPv4 地址歸屬地?cái)?shù)據(jù)庫(kù)[Z]. 2017.