周霜菊 顧軼洋 路曉璇

摘?要：本文以華東理工大學(xué)微信公眾號(hào)為例，使用Python語(yǔ)言編寫(xiě)程序?qū)Σ杉降墓娞?hào)推文數(shù)據(jù)進(jìn)行處理和高頻詞統(tǒng)計(jì)、共現(xiàn)矩陣、特征與指數(shù)的回歸分析，計(jì)算相關(guān)指標(biāo)和標(biāo)題特征，分析和驗(yàn)證相關(guān)因素對(duì)于高校新媒體傳播效果的影響，從微信公眾號(hào)推廣及推文內(nèi)容的角度為國(guó)內(nèi)高校的新媒體傳播提供參考策略。

關(guān)鍵詞：微信公眾號(hào);影響力指數(shù);計(jì)量分析

中圖分類(lèi)號(hào)：G206文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1672-8122（2020）10-0023-04

一、引?言

新媒體的迅速發(fā)展使得高校新聞與傳播工作也發(fā)生了巨大的變化，從校報(bào)到官方新媒體平臺(tái)，宣傳媒介的發(fā)展與宣傳格局在不斷轉(zhuǎn)型升級(jí)。微信公眾號(hào)是高校重要的新媒體宣傳平臺(tái)，關(guān)于微信公眾號(hào)信息傳播的影響因素，有學(xué)者發(fā)現(xiàn)微信公眾號(hào)文章的關(guān)鍵詞熱度、語(yǔ)義變量與信息閱讀率有一定相關(guān)性，而信息的閱讀率直接影響信息的傳播效率[1];微信公眾號(hào)的熱度也和發(fā)布文章的主題、推送時(shí)間、標(biāo)題特征有一定聯(lián)系[2];傳播效果與不同類(lèi)型的內(nèi)容也有關(guān)聯(lián)[3];也有學(xué)者提出了重視頭條傳播優(yōu)勢(shì)等微信公眾信息的傳播策略[4]。

在研究對(duì)象方面，現(xiàn)有文獻(xiàn)對(duì)于高校微信傳播效果的研究主要集中于高校官方微信公眾號(hào)，如高校品牌傳播效果的研究[5]，以及對(duì)高校圖書(shū)館微信服務(wù)的研究[6]，鮮有對(duì)高校學(xué)院微信公眾號(hào)傳播效果和功能方面的探討。本研究結(jié)合高校的官方微信公眾號(hào)和各學(xué)院的微信公眾號(hào)信息（以華東理工大學(xué)為例），分析和驗(yàn)證相關(guān)因素對(duì)高校新媒體傳播效果的影響，從微信公眾號(hào)推廣及推文內(nèi)容的角度為國(guó)內(nèi)高校的新媒體傳播提供有益的參考與借鑒。

二、研究過(guò)程

通過(guò)調(diào)查，本研究選用清博指數(shù)大數(shù)據(jù)平臺(tái)作為數(shù)據(jù)來(lái)源，該平臺(tái)的權(quán)威度高，利用該平臺(tái)制作新媒體傳播榜單的單位已超19 000家;且該平臺(tái)數(shù)據(jù)采集規(guī)則明確，可信度較高。為了獲取規(guī)范、準(zhǔn)確且利于分析的數(shù)據(jù)，本研究使用Python語(yǔ)言針對(duì)清博指數(shù)大數(shù)據(jù)平臺(tái)采集到的數(shù)據(jù)編寫(xiě)程序進(jìn)行數(shù)據(jù)預(yù)處理，計(jì)算相關(guān)指標(biāo)和標(biāo)題特征，編寫(xiě)高頻詞統(tǒng)計(jì)、共現(xiàn)矩陣、特征與指數(shù)的回歸分析模塊對(duì)處理好的數(shù)據(jù)進(jìn)行分析和可視化。

（一） 數(shù)據(jù)采集

項(xiàng)目收集華東理工大學(xué)、小花梨、華東理工大學(xué)圖書(shū)館和具有代表性、傳播指數(shù)較高的5個(gè)學(xué)院的微信公眾號(hào)和賬號(hào)名（如表1所示），根據(jù)賬號(hào)名參數(shù)，利用清博指數(shù)大數(shù)據(jù)平臺(tái)采集上述微信公眾號(hào)在研究時(shí)間段（2018年1月1日至2018年12月31日）內(nèi)發(fā)布的所有推文特征信息（發(fā)布者名稱(chēng)、發(fā)布時(shí)間、文章標(biāo)題、閱讀數(shù)、在看/點(diǎn)贊數(shù)、推文內(nèi)容鏈接等），并將這些特征信息分別存儲(chǔ)到Excel表中作為待處理數(shù)據(jù)，最終得到3 119條結(jié)構(gòu)化數(shù)據(jù)。

（二）數(shù)據(jù)預(yù)處理

1.微信公眾號(hào)文章傳播指數(shù)

清博指數(shù)大數(shù)據(jù)平臺(tái)中使用的微信傳播影響力指數(shù)（WCI）[7]采用計(jì)算公式如公式1所示：其中，n為研究時(shí)間段中微信公眾號(hào)所發(fā)文章數(shù);R為研究時(shí)間段中全部文章（n）的閱讀總數(shù);Z為研究時(shí)間段中全部文章（n）的在看（點(diǎn)贊）總數(shù);d為研究時(shí)間段所含天數(shù);Rt和Zt為研究時(shí)間段內(nèi)賬號(hào)所發(fā)頭條的總閱讀數(shù)和總在看（點(diǎn)贊）數(shù);Rmax和Zmax為研究時(shí)間段中微信公眾號(hào)所發(fā)文章的最高閱讀數(shù)和最高在看/點(diǎn)贊數(shù)。WCI指標(biāo)由如下幾個(gè)傳播力指標(biāo)按一定權(quán)重構(gòu)成，分別為整體傳播力O、篇均傳播力A、頭條傳播力H、峰值傳播力P。

公式1?WCI計(jì)算公式

WCI={30%*[0.85*ln（R/d+1）+0.15*ln（10*Z/d+1）]+30%*[0.85*ln（R/n+1）+0.15*ln（10*Z/n+1）]+30%*[0.85*ln（Rt/d+1）+0.15*ln（10*Zt/d+1）]+10%*[0.85*ln（Rmax+1）+0.15*ln（10*Zmax+1）]}2*10

2.數(shù)據(jù)的計(jì)算與預(yù)處理

對(duì)采集到的3 119條結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理，分別按日、周、月的發(fā)文情況來(lái)計(jì)算各個(gè)指數(shù)（WCI、整體傳播力O、篇均傳播力A、頭條傳播力H、峰值傳播力P）、標(biāo)題字?jǐn)?shù)特征（標(biāo)題總字?jǐn)?shù)、標(biāo)題最少和最多字?jǐn)?shù)、標(biāo)題字?jǐn)?shù)均值）以及標(biāo)題語(yǔ)義（疑問(wèn)句、感嘆句、陳述句、第一人稱(chēng)、第二人稱(chēng)、第三人稱(chēng)）。與此同時(shí)，利用Python的“結(jié)巴”中文分詞庫(kù)進(jìn)行分詞處理，得到標(biāo)題的中文分詞。

（三）數(shù)據(jù)分析

1.影響力指數(shù)變量相關(guān)性分析

通過(guò)Pearson相關(guān)系數(shù)對(duì)收集、處理過(guò)的標(biāo)題相關(guān)特征和微信公眾號(hào)影響力指數(shù)（WCI、標(biāo)題總字?jǐn)?shù)、標(biāo)題最少字?jǐn)?shù)、標(biāo)題最多字?jǐn)?shù)、標(biāo)題字?jǐn)?shù)均值、疑問(wèn)句、感嘆句、陳述句、第一人稱(chēng)、第二人稱(chēng)、第三人稱(chēng)等）進(jìn)行相關(guān)性分析，探究微信公眾號(hào)影響力與相關(guān)變量之間的量化指標(biāo)關(guān)系，同時(shí)測(cè)量變量之間相互聯(lián)系的緊密程度。

2.高頻詞統(tǒng)計(jì)與分析

通過(guò)Python程序整理每條數(shù)據(jù)中的標(biāo)題，并利用“結(jié)巴”中文分詞庫(kù)對(duì)所有的標(biāo)題進(jìn)行分詞，得到標(biāo)題的中文分詞，用算法統(tǒng)計(jì)高頻詞出現(xiàn)的次數(shù)并輸出高頻詞表格進(jìn)行研究。

3.基于分詞的共現(xiàn)矩陣

通過(guò)程序?qū)⒎衷~的結(jié)果進(jìn)行統(tǒng)計(jì)，基于共現(xiàn)算法生成共現(xiàn)矩陣，并將共現(xiàn)矩陣導(dǎo)入U(xiǎn)cinet軟件利用NetDraw可視化軟件繪制出共現(xiàn)矩陣，研究高頻詞間存在的聯(lián)系。

三、研究結(jié)果與分析

（一）華東理工大學(xué)微信公眾號(hào)傳播整體分析

將采集到的3 119條結(jié)構(gòu)化數(shù)據(jù)（包括發(fā)布者名稱(chēng)、發(fā)布時(shí)間、文章標(biāo)題、閱讀數(shù)、在看（點(diǎn)贊）數(shù)、推文內(nèi)容鏈接等）進(jìn)行統(tǒng)計(jì)分析得微信公眾號(hào)的推文數(shù)、平均閱讀數(shù)和平均在看（點(diǎn)贊）數(shù)統(tǒng)計(jì)圖（如圖1所示）。

圖1?微信推文數(shù)、平均閱讀數(shù)、平均在看（點(diǎn)贊）數(shù)

推文數(shù)是研究時(shí)間段內(nèi)微信公眾號(hào)的發(fā)文數(shù)，平均閱讀數(shù)是總閱讀數(shù)除以推文總數(shù)，平均在看/點(diǎn)贊數(shù)是總在看/點(diǎn)贊數(shù)除以推文總數(shù)。統(tǒng)計(jì)顯示小花梨、華理信院、華理商之潮的發(fā)文數(shù)最多，分別為515篇、521篇和470篇。平均閱讀數(shù)排前列的以校級(jí)微信公眾號(hào)為主，即團(tuán)委的小花梨、校官微華東理工大學(xué)，分別為3 065次與2 923次。平均在看/點(diǎn)贊數(shù)為小花梨（48次）和華東理工大學(xué)（52次）。

統(tǒng)計(jì)顯示微信公眾號(hào)的發(fā)文數(shù)與平均閱讀數(shù)、平均在看/點(diǎn)贊數(shù)無(wú)明顯聯(lián)系，說(shuō)明讀者是否閱讀文章、在閱讀微信號(hào)發(fā)布的文章后是否點(diǎn)擊在看/點(diǎn)贊與推文的發(fā)布量沒(méi)有直接關(guān)系，故微信公眾號(hào)應(yīng)以發(fā)布高質(zhì)量文章為目標(biāo)，而不是盲目增加發(fā)布數(shù)量和頻率。此外，雖然在傳播力較小時(shí)不顯著，但平均閱讀數(shù)與平均在看/點(diǎn)贊數(shù)仍有一定的正相關(guān)關(guān)系。在標(biāo)題吸引讀者閱讀文章后，一定比例的讀者就會(huì)有規(guī)律地點(diǎn)擊在看/點(diǎn)贊，說(shuō)明了文章標(biāo)題對(duì)提升傳播影響力的重要性。

（二）影響力指數(shù)與標(biāo)題特征變量相關(guān)性分析

分析標(biāo)題相關(guān)特征和微信公眾號(hào)影響力指數(shù)（WCI、標(biāo)題總字?jǐn)?shù)、標(biāo)題最少字?jǐn)?shù)、標(biāo)題最多字?jǐn)?shù)、標(biāo)題字?jǐn)?shù)均值、疑問(wèn)句、感嘆句、陳述句、第一人稱(chēng)、第二人稱(chēng)、第三人稱(chēng)等）的Pearson相關(guān)性系數(shù)，結(jié)果如表2所示，得到如下結(jié)論。

標(biāo)題字?jǐn)?shù)方面，標(biāo)題字?jǐn)?shù)均值與最少字?jǐn)?shù)與傳播力指數(shù)無(wú)明顯相關(guān)性，p值分別為0.023和0.299，說(shuō)明標(biāo)題字?jǐn)?shù)的增加或者是單篇標(biāo)題字?jǐn)?shù)較少并不會(huì)增加其傳播力。公眾號(hào)無(wú)需特意控制標(biāo)題字?jǐn)?shù)來(lái)提升影響力;標(biāo)題最多字?jǐn)?shù)與傳播力指數(shù)顯著相關(guān)，p值為0.01，說(shuō)明標(biāo)題字?jǐn)?shù)較多可能會(huì)與平均標(biāo)題的字?jǐn)?shù)形成反差，引起人們的獵奇心理，從而增加閱讀數(shù)和在看/點(diǎn)贊數(shù)，對(duì)傳播影響力做出貢獻(xiàn)。發(fā)布者可以偶爾發(fā)一條字?jǐn)?shù)超出均值較多的文章，以吸引讀者的注意力。

從標(biāo)題句式來(lái)看，疑問(wèn)句與陳述句均與傳播力指數(shù)無(wú)明顯相關(guān)性，p值分別為0.0947和0.079;而感嘆句與傳播力指數(shù)有顯著的相關(guān)性，p值為0.003，遠(yuǎn)小于0.01，表明感嘆句相較于疑問(wèn)與陳述句對(duì)讀者更有吸引力。微信公眾號(hào)可以在標(biāo)題中多使用感嘆語(yǔ)句，使文字的情緒可視化，從而改變文字的閱讀體驗(yàn)，提高傳播效果。第三人稱(chēng)與傳播力指數(shù)呈顯著相關(guān)，p值也遠(yuǎn)小于0.01，而第一人稱(chēng)和第二人稱(chēng)則不然。讀者熟悉了第二人稱(chēng)的敘述，第三人稱(chēng)可能會(huì)引起讀者對(duì)“他”是誰(shuí)的好奇心，讓讀者有一探究竟的欲望。因此可在標(biāo)題中使用第三人稱(chēng)敘述來(lái)提高傳播效果。

（三）高頻詞統(tǒng)計(jì)與分析

將3 119條推文標(biāo)題經(jīng)過(guò)標(biāo)題符號(hào)的清除后，導(dǎo)入分詞庫(kù)進(jìn)行分詞處理，共得到分詞21 721條。進(jìn)一步分詞篩選去除單字符和無(wú)意義字符后有12 519個(gè)分詞，去重后最終得到3 727個(gè)分詞。對(duì)分詞進(jìn)行頻次統(tǒng)計(jì)和排序后，選取前30個(gè)去除過(guò)無(wú)實(shí)際意義詞的高頻詞，如表3所示。

表3顯示分詞中出現(xiàn)頻次排名前10的關(guān)鍵詞包括預(yù)告（198）、活動(dòng)（168）、實(shí)踐（160）、信息（147）、華理（134）、大賽（109）、新生（91）、回顧（95）、生工（85）、通知（84）。由此可見(jiàn)，各微信公眾號(hào)主要以發(fā)布實(shí)踐、比賽、講座等活動(dòng)的預(yù)告和回顧為主，且有很多推文是針對(duì)新生活動(dòng)的發(fā)布和推廣。由于采集的標(biāo)題信息中有大部分是各學(xué)院的推文，從中也可看出學(xué)院推文的一些特征。生工、信息、化學(xué)、商學(xué)院、學(xué)藝分別對(duì)應(yīng)了5個(gè)學(xué)院的院系特色，學(xué)院微信公眾號(hào)偏向于在標(biāo)題中點(diǎn)明所屬學(xué)院，由此進(jìn)行定向宣傳。

（四）基于分詞的共現(xiàn)矩陣

將高頻分詞進(jìn)行篩選，利用共現(xiàn)矩陣算法編寫(xiě)程序得到65*65的分詞共現(xiàn)矩陣。把該矩陣導(dǎo)入社會(huì)化網(wǎng)絡(luò)分析軟件Ucinet，并利用可視化工具NetDraw繪制高頻分詞的共現(xiàn)網(wǎng)絡(luò)，如圖2所示。為了排除較無(wú)關(guān)的分詞，將高頻詞共現(xiàn)的頻次設(shè)置為大于3，使得網(wǎng)絡(luò)的聚合度更高。圖中的圓點(diǎn)大小代表與其他詞在同一標(biāo)題中共現(xiàn)的頻次，圓點(diǎn)越大，共現(xiàn)的頻次越大。

可以看出，比賽、講座、實(shí)踐、預(yù)告、通知、報(bào)名、倒計(jì)時(shí)、進(jìn)行、回顧等活動(dòng)相關(guān)的分詞仍是標(biāo)題中的主流，共現(xiàn)的頻次數(shù)相近表明微信公眾號(hào)的發(fā)文可以按具體的“系列”劃分，每個(gè)“系列”都包含了一個(gè)活動(dòng)從預(yù)告通知、開(kāi)放報(bào)名、活動(dòng)倒計(jì)時(shí)、活動(dòng)進(jìn)行再到活動(dòng)回顧整個(gè)過(guò)程的若干篇文章。因此，學(xué)院的大部分推文內(nèi)容都可以用這一規(guī)律進(jìn)行歸類(lèi)。

四、建?議

（一）平衡發(fā)文頻率和發(fā)文質(zhì)量

高校微信公眾號(hào)傳播影響力的關(guān)鍵主要在于文章的質(zhì)量，而不是發(fā)布推文的數(shù)量。根據(jù)對(duì)華東理工大學(xué)微信公眾號(hào)傳播效果的整體分析，微信公眾號(hào)的推文數(shù)和傳播影響力并沒(méi)有顯著的相關(guān)性，在相同條件下，推文數(shù)量的增加并不一定會(huì)引起推文平均閱讀數(shù)的增加。高質(zhì)量的文章需要文章編輯者對(duì)讀者興趣的把握、對(duì)吸引讀者內(nèi)容的挖掘，質(zhì)量高才會(huì)在一定程度上加強(qiáng)讀者黏性，從而促進(jìn)平均閱讀量的提升。相反，持續(xù)頻繁的低質(zhì)量文章的推送不僅無(wú)助于微信公眾號(hào)傳播力的提升，反而會(huì)引起讀者的厭煩情緒，降低對(duì)該微信公眾號(hào)的整體印象，從而導(dǎo)致閱讀量的減少。因此，高校微信公眾號(hào)應(yīng)該在發(fā)布高質(zhì)量推文的基礎(chǔ)上，持續(xù)更新推文，使得發(fā)文數(shù)量與質(zhì)量達(dá)到平衡，形成規(guī)模效應(yīng)，提升傳播力。

（二）選擇恰當(dāng)?shù)耐莆臉?biāo)題特征

首先，標(biāo)題的字?jǐn)?shù)需要控制，雖然有時(shí)較長(zhǎng)的標(biāo)題會(huì)引起讀者的獵奇心理，但持續(xù)的長(zhǎng)標(biāo)題同樣會(huì)使讀者產(chǎn)生厭煩，因此，簡(jiǎn)潔清晰的標(biāo)題是最佳選擇;其次，在運(yùn)用標(biāo)題句式時(shí)，感嘆句是第一選擇。感嘆的句式相較于疑問(wèn)和陳述句更能賦予一段文字情緒，易與讀者產(chǎn)生交流和共鳴，提升讀者閱讀體驗(yàn)的同時(shí)，也提升了傳播的效果;最后，第三人稱(chēng)化的標(biāo)題也是可以使用的技巧。由于以往的推文常以第二人稱(chēng)或無(wú)人稱(chēng)為主，第三人稱(chēng)的出現(xiàn)會(huì)引起部分讀者的好奇心，吸引讀者去閱讀該篇文章，實(shí)現(xiàn)了傳播效果的提升。

（三）推文內(nèi)容應(yīng)契合讀者需求

作為高校的官方、學(xué)院微信公眾號(hào)，其通知、預(yù)告和總結(jié)的作用是必不可少的。根據(jù)在前述共現(xiàn)矩陣中提到的“系列”理論，公眾號(hào)的發(fā)文可以按具體的“系列”劃分，每個(gè)“系列”都包含了代表一個(gè)活動(dòng)完整生命周期的所有推文。按“系列”中的每一步過(guò)程進(jìn)行發(fā)文，可以避免流程的遺漏，更好地履行公眾號(hào)的職能。除此之外，“系列”的內(nèi)容也需精心挑選，不能在同一類(lèi)型的“系列”如比賽類(lèi)活動(dòng)中發(fā)過(guò)多的推文，應(yīng)適當(dāng)注意類(lèi)別間的搭配，以契合不同類(lèi)型讀者的需求，包含比賽、講座、志愿、實(shí)踐等多個(gè)維度，在不影響基礎(chǔ)職能的條件下對(duì)發(fā)文時(shí)間、頻率進(jìn)行規(guī)劃，不斷刺激讀者的閱讀興趣，從而在滿(mǎn)足讀者需求的同時(shí)提高微信公眾號(hào)的傳播影響力。

參考文獻(xiàn)：

[1]吳中堂，劉建徽，唐振華.微信公眾號(hào)信息傳播的影響因素研究[J].情報(bào)雜志，2015，34（4）：122-126.

[2]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.

[3]馬紅巖.基于內(nèi)容營(yíng)銷(xiāo)的微信傳播效果研究[J].商業(yè)研究，2014（11）：122-129.

[4]李曉蔚.高校圖書(shū)館微信公眾號(hào)傳播效果實(shí)證研究———以四川大學(xué)圖書(shū)館為例[J].圖書(shū)館論壇，2016（11）：85-91.

[5]楊秀秀. 新媒體環(huán)境下高校品牌傳播方式的變革[D].南昌大學(xué)，2015.

[6]賈文龍.高校圖書(shū)館微信服務(wù)發(fā)展現(xiàn)狀及傳播影響力研究——基于“雙一流”建設(shè)高校的調(diào)查與分析[J].圖書(shū)館學(xué)研究，2018（11）：57-67.

[7]微信傳播指數(shù)WCI（V13.0）[EB/OL].http：//www.gsdata.cn/site/usage，2020-04-24.

[責(zé)任編輯：楊楚珺]