衍生效應下新產品推廣微博話題的傳播研究

余偉萍+李大林+張園

摘要：在考慮話題衍生效應的基礎上，探究話題衍生特征對整個話題傳播的影響方式和影響程度，并進一步借助自組織特征映射神經網絡對衍生效應下新產品推廣話題的傳播變化趨勢進行聚類分析，真實刻畫出新產品推廣微博話題的傳播過程。聚類分析結果顯示，衍生效應下新產品推廣微博話題傳播過程可分為爆發型、緩進型、鋸齒型和后進型，并在此研究成果之上給企業的新產品推廣提出了具有針對性的營銷建議。

關鍵詞：衍生效應；新產品推廣；微博話題；聚類分析

DOI：10.13956/j.ss.1001-8409.2017.01.25

中圖分類號：F274；G206 文獻標識碼：A 文章編號：1001-8409（2017）01-0114-04

Abstract： Based on the derivative effects， this paper explored how and to which extent that the topic derived characteristics effect the spread of the topic. Then， on the basis of selforganizing feature map neural network， the cluster analysis was conducted to confirm the change trend of the spread of microblog topics of new product promotion， in order to describe the spread process of microblog topics of new product promotion. Cluster analysis results showed that the spread process of microblog topics of new product promotion can be divided into four types， namely， eruption model， chronic model， continued model， and post continued model. Finally， some targeted marketing suggestions were proposed to promote the new products.

Key words：derivative effect； new product promotion； microblog topics； cluster analysis

新媒體時代，借助社交媒體的話題營銷實現新產品推廣得到企業熱捧。微博作為一種新型的虛擬社區媒體，是一個基于個性化用戶信息的及時傳播、共享及獲取的平臺，具有信息實時性、內容簡潔性、用戶交互性等特點[1，2]，且微博社區上的信息傳播更是呈現出一種全新的網核狀、裂變式的傳播模式特征（One to N to N）[3]，這種傳播模式可以在短時間內實現信息的幾何級數擴散。因此微博社區中的微話題平臺成為企業新產品推廣話題營銷的重要陣地，吸引了越來越多的企業開始嘗試運用微博的話題榜，如“#榮耀6Plus發布會#”“#樂視超級手機#”等，為新產品入市造勢；通過帶有廣告和銷售促進的微博內容促進品牌傳播；憑借高質量的微博內容與合理的話題引導提升話題互動率，吸引網民評論、轉發、點贊等，實現新產品高曝光度，為提升消費者對新產品的感知及促進新產品銷售奠定基礎。

區別于傳統媒介的就事論事，微博社區微話題平臺的話題在傳播演化過程中經常會衍生出多個相關或無關的新話題且影響整個話題的傳播規律，這些衍生話題往往是企業或者微博用戶作為話題主持人引導話題擴散的結果。盡管目前在微博話題傳播趨勢方面已有較多的研究成果，但多集中在單個或多個突發事件的研究，較少有針對新產品推廣話題博文數量變化趨勢的研究，更沒有考慮衍生特征對話題博文數量變化趨勢影響的研究。因此建立基于衍生特征的新產品推廣話題趨勢分類，以揭示話題的傳播規律、刻畫話題的傳播機理具有重要的理論意義和實際指導意義。

1研究現狀

衍生話題是指在原話題的基礎上演變產生的新話題，衍生話題和原話題共同作用形成“疊加效應”進而影響整個話題的傳播擴散[4]。在線話題的衍生性特征是話題信息傳播過程中的常見現象，也是影響網絡話題傳播演化的一個關鍵因素，特別是在話題的衰退期，原始話題會因多種因素失去生命活力進而被新的衍生話題取代和繼續擴散，帶來話題對用戶的“二次影響”[5]，使得在線話題的衍生效應成為話題管理的重要課題。

目前，在線話題衍生效應的研究已經得到國內外學者的許多關注，但關注的研究點多集中在突發事件形成的網絡輿情話題及其相關內容?？v觀現有基于衍生話題傳播的研究成果，可以發現主要有兩類：第一類是在線話題衍生效應的共性傳播影響，這類研究以網絡輿情事件等為研究對象探究在考慮話題衍生效應特征下其傳播網絡會呈現出怎樣的規律和特征分布，以及影響話題衍生傳播規律的因素。如Zanette等[6]研究了信息在復雜網絡中的傳播特性，謠言與信息類似，它們在傳播過程中內容不會發生改變，而輿情的傳播過程不同，其話題具有較強的話題衍生性，網民對某一輿情話題不感興趣，在外界環境和某一特定條件下極可能制造出新話題，并成為新話題的傳播者；喻發勝等[7]以40個影響較大的網絡輿論事件為研究對象，基于傳播學的視角探討了網絡傳播的衍生效應與網絡輿論形成及演化的關系，研究結論顯示網絡輿論在傳播過程中產生的諸如“意見領袖作用凸顯”“信息控制力弱化”“輿論場加速形成”“議程設置全民化”等一系列衍生效應對網絡輿論的生成及演變產生著重要影響；王慧等[8]以信息異化動力為視角，在剖析網絡衍生輿情與信息異化價值關聯的基礎上，建立網絡衍生輿情成因分析模型；尹熙成等[9]提出雙層耦合網絡傳播模型以解決當前話題傳播模型中“一旦網民接觸話題后就會對其免疫”這一假設并不符合網民的真實心理這一問題。研究結果顯示衍生話題會使輿情傳播過程中出現新的高峰點，且話題的轉發率顯著提高導致演化的弛豫時間拉長等，以上研究結果表明話題的衍生效應確實會影響到整個話題的傳播并形成不同的傳播模型或傳播規律。

第二類則主要研究特殊的衍生話題的傳播個性特征，研究對象也主要集中在突發事件網絡謠言和網絡反腐。其中突發事件網絡謠言的研究以定量分析為主，如人群動力學建模[10]、傳染病推廣建模[11]、社會網絡建模[12]、演化博弈建模[13]等；網絡反腐的研究則以定性分析為主，主要基于真實案例探究網絡反腐的特點、對策等。

目前的研究對象多集中在特定類型的衍生話題，比如網絡虛假事件、網絡謠言等，直接研究網絡衍生輿情話題相對較少；研究主題也多集中在探究衍生效應下在線話題的傳播模型或在線話題衍生效應的影響因素，研究特定類型下衍生效應的影響規律較少；因此本文以手機品類的新產品推廣在線話題為研究對象，探究話題的衍生效應對新產品推廣在線話題的影響效應；并在此基礎上運用SOM神經網絡法對整個在線話題的傳播趨勢進行聚類分析，幫助企業更好地獲悉話題的傳播動態。

2研究設計

21數據來源及數據預處理

本文以2014～2015年中手機企業運用微博話題榜進行新產品推廣且具有明顯話題特征、有衍生話題的23個熱門話題類別作為數據樣本。

類似于突發事件網絡輿情的傳播，用來描述新產品推廣在線話題傳播規律的變量較豐富，包括話題博文發文數量、話題閱讀數量、話題評論數量、話題點贊數等[4]，每個變量都可以從不同角度來反映話題的傳播規律。研究選擇話題博文發文數量作為衡量指標來描述話題的傳播過程，因此以“話題名稱”為關鍵詞，通過新浪微博平臺的高級搜索功能搜索數據，以天為單位，收集了博文內容中含關鍵詞的各話題前后一個月的博文數量作為研究的元數據。

同時由于不同話題其關注程度不同，搜索出來的各話題的博文數量存在一定差異，為了方便數據分析、更好地描繪出話題的傳播特征，需首先對博文數量進行標準化處理，并將處理后的數據作為研究的輸入向量。標準化處理公式如下所示：

Xi=Xi-XminXmax-Xmin（1）

其中Xmin代表每個話題類別下博文總數量的最小值，Xmax代表每個話題類別下博文總數量的最大值。

22研究方法

聚類分析（Cluster Analysis）是根據“物以類聚”的原理，將原本沒有類別的樣本聚類成具有相似特征的組別，并對每一個聚類后的組別進行描述的過程[14]。SOM神經網絡聚類是典型的基于神經網絡的聚類方法，IBM在其發布的數據挖掘白皮書中就特別提到了使用該方法進行數據庫聚類分割，且因SOM神經網絡具有較強的聚類和容錯能力，使得SOM神經網絡的聚類應用研究在學術界非常廣泛。

3實證研究

31衍生話題對話題傳播的影響

將標準化的數量數據作為輸入數據變量，共計23個標準化數據樣本，每個樣本包含兩類數據（原始話題/加入衍生話題后的整個話題傳播的博文數量），每類數據包含30個元素。

通過繪制不同情境（原始話題/加入衍生話題后的整個話題）下的話題傳播趨勢曲線分布及對比分析，可以發現衍生話題對話題傳播的影響可分為4種類型：峰點值型、持續值型、前后值型和無影響型（如表1所示）。

峰點值型比例較高，其對話題的傳播呈現出單一、短暫且高強度的影響特征，影響位置集中在話題的高峰點處，也就是產品正式發布會的當天，使當天的博文數量迅速提高至整個傳播過程中的最高值，且相對于原話題的傳播，衍生話題使當天話題的傳播率提高一倍以上；而在發布會的前后兩天話題的博文數量都下降至較低點；在話題傳播的其他傳播時期內，衍生話題對話題傳播的影響較小，幾乎可以忽略不計。

持續值型對話題傳播的影響呈現出長期、連續且較高強度的影響特征，影響位置集中在整個話題峰值后的多個時期內。產品正式發布會的當天，衍生話題的影響同樣是高強度的，其出現迅速將話題的傳播率提升至一個新的高度，吸引了更多的微博用戶參與話題的討論，有效提升了話題的參與度和新品的知名度；在發布會之后，衍生話題對話題的傳播持續影響直至數據收集的最后一天，這段時期衍生話題對整個話題的傳播影響程度盡管有所減弱，仍在一定程度上提升了話題的后期參與度，提高了微博用戶的持續參與效應；而在產品正式發布會的前期，衍生話題幾乎沒有產生任何效應。

前后值型占比例最少，其對整個話題的傳播呈現出隨機、反復、短暫的影響特征，影響位置集中在產品正式發布會前后的某一段時間，驟然將話題傳播率提升至較高處，繼而驟然下降至正常水平。可見在這種類型下，盡管衍生話題帶來了一定影響，卻由于缺乏企業的合理引導使話題的衍生效應沒有得到充分發揮，對話題傳播的影響也是短暫的，且影響時期也不固定，在有效引導下還有較大的提升空間。

無影響型比例也較大，為392%。這類類型下衍生話題對整個話題的傳播影響幾乎可以忽略不計，話題的衍生效應作用不明顯。

32衍生效應下話題傳播的規律分類

以同樣的23個新產品推廣在線話題1個月的話題博文數量為數據樣本，運用SOM聚類分析探究了話題衍生效應下具有相似傳播話題動態的傳播分類。

運用MATLAB70中的SOM神經網絡算法，通過編程對標準化后的23個數據樣本進行聚類分析。聚類結果顯示衍生效應影響下新產品推廣在線話題的相關博文數量變化規律可分為4種類型，并根據不同曲線峰值出現的位置及多少將曲線分別命名為爆發型、緩進型、鋸齒型和后進型。每種類型下囊括的話題事件如表2所示。

每種類型具體的傳播規律曲線如圖5至圖8所示，觀察發現：不同類型下新產品推廣在線話題的傳播呈現出不同的傳播特征，同類型下不同樣本的話題則呈現出相似的傳播特征，說明SOM的聚類結果較理想。

爆發型的新產品推廣在線話題的傳播呈現出前期和后期增長低迷而平穩，在中期增長迅速出現明顯峰值且不穩定的傳播特征。具體而言在話題的前期，話題一直處于低增長狀態，話題受到的關注和討論少；當進入話題的中期即新品發布會的當天，話題的博文量快速增長至最高點；其后在話題的后期，話題的博文量又迅速下降至較低點且增長緩慢，并逐漸呈現出趨于零的趨勢；整個傳播過程中有且僅有一個傳播高峰。

緩進型的新產品推廣在線話題的傳播呈現出前期增長緩慢平穩，中期增長迅速且波動較大，后期增減幅度較大的傳播特征。具體而言在話題的前期，整個話題的微博用戶參與度較低，話題的傳播擴散存在一定局限；在話題的中期，話題的博文量迅速提升至最高點繼而迅速下降；在話題的后期，話題的博文量增減幅度仍較大，且整個傳播過程中僅有一個傳播高峰點。

鋸齒型的新產品在線話題傳播呈現出前期波動幅度較大，中期增長迅速，后期增長緩慢逐漸趨于零的傳播特征。具體而言，在話題傳播的前期，話題的傳播較分散，波動幅度較大，話題時而較快提升至一個較高的傳播點，時而又較快下降至一個較低的傳播點；在話題的中期，話題的討論量同樣迅速擴散至最高點又迅速下降至較低點；在話題的后期，話題的討論程度逐漸趨于平穩的狀態，在這段時間內沒有新的刺激點激發微博用戶的持續討論，導致話題的傳播逐漸趨于零；同時在整個傳播過程中由于存在新的刺激點，使話題傳播出現多個傳播高峰。

后進型新產品推廣在線話題的傳播呈現出前期增長幾乎為零，中期迅速擴散，后期增長突變較不平穩的傳播特征。具體而言在話題傳播的前期，話題幾乎沒有受到微博用戶的關注，相關的博文量幾乎為零；在話題傳播的中期，話題同樣也是迅速提升至整個傳播過程中的最高點繼而開始下降；在話題傳播的后期，話題的傳播出現持續波動的現象，話題的討論熱度不減，也出現了整個話題傳播過程中的第二個、第三個傳播高峰。

4研究結論及管理啟示

本文在考慮話題衍生效應的基礎上，以23個手機新產品推廣在線話題為樣本，搜集了新產品正式發布前后15天內的話題博文量為元數據探究了衍生效應對整個話題傳播的影響。通過研究發現，衍生話題對話題傳播的影響可以分為4種類型：峰點值型、持續值型、前后值型以及無影響型。在此基礎上運用SOM神經網絡聚類方法對衍生效應下話題的傳播規律進行聚類，以得到具有相似傳播特征的傳播規律分類結果。結果顯示，衍生效應下話題傳播趨勢類型包括：爆發型、緩進型、鋸齒型和后進型。

對于企業而言，一方面在了解不同傳播類型及各自傳播特征的基礎上，有利于企業更好地明晰話題的傳播動向；另一方面根據研究結果，企業在話題傳播的過程中也可以從以下3個方面來提升話題營銷的效率：

一是充分利用話題的衍生效應。衍生話題能給原話題帶來疊加效應，擴大其傳播的范圍、延長其傳播的生命周期。衍生話題的產生需要企業官方微博和意見領袖的引導，同時也需要廣大粉絲的參與和互動。企業應該充分利用新產品的代言明星等因素所形成的話題點，積極促使衍生話題的形成和擴散。

二是合理管理話題的生命周期。原話題從產生到消退，經歷一個生命周期。在原話題傳播的初期，企業應該利用官方微博、意見領袖和粉絲群體制造衍生話題，快速引爆原話題傳播。在話題的消退期，企業同樣需要通過衍生話題來延長原話題的弛豫時間。企業可提供一定的激勵來促使信息的傳播和擴散[15]。通過衍生話題實現原話題的倍增效應，企業能夠提升新產品推廣的微博話題營銷效應。

三是制造話題點持續引爆話題傳播。明星代言、新產品發布會、粉絲群體以及網絡話題等是形成衍生話題的基本元素。企業應該研究和掌握衍生話題形成和傳播規律，積極制造話題點來促進衍生話題的形成和傳播。

本文也存在以下不足：以手機行業

的新產品推廣為研究對象，缺乏對其他行業的探究和對比分析，使得研究結果的應用推廣存在一定的局限性；其次本文僅考慮了衍生話題對話題傳播的影響類型及在其影響下整個話題的傳播規律類型，未探究話題的品牌屬性及用戶的消費偏好在話題傳播過程中的影響等等，未來可以在這些方面開展研究，使結論更加完整。

參考文獻：

[1]熊淦，夏火松.組織承諾對微博社區成員知識共享行為的影響研究[J]. 情報雜志， 2014（1）： 128-134.

[2]王連喜，蔣盛益，龐觀松，等. 微博用戶關系挖掘研究綜述[J]. 情報雜志， 2013（12）： 91-97.

[3]劉軍. 社會網絡模型研究論析[J]. 社會學研究， 2004（1）：1-12.

[4]蘭月新. 突發事件網絡衍生輿情監測模型研究[J]. 現代圖書情報技術， 2013（3）：51-57.

[5]陳福集， 陳婷. 基于SEIRS傳播模型的網絡輿情衍生效應研究[J]. 情報雜志， 2014（2）：108-113.

[6]Zanette D H. Dynamics of Rumor Propagation on Small-world Network[J].Physical Review E， 2002（4）： 110-126.

[7]喻發勝，王曉紅，陳波. 網絡傳播的衍生效應與網絡輿論[J]. 湖北社會科學，2010 （5）：179-181.

[8]伍盈，唐希，蘇暢. 從傳播學視角看網絡輿論監督的衍生傳播及其特點[J]. 消費導刊， 2011 （3）：131-132.

[9]尹熙成，朱恒民，馬靜，等. 微博輿情話題傳播的耦合網絡模型——分析話題衍生性特征與用戶閱讀心理[J]. 情報理論與實踐，2015（11）： 82-86.

[10]Serge Galam.Modeling Rumors： The No Plane Pentagon French Hoax Case[J]. Physica A： Statistical Mechanics and Its Applications， 2003， 320： 571-580.

[11]Moreno Yamir， Nekovee Maziar， Pacheco Amalio F. Dynamics of Rumor Spreading in Complex Networks[J]. Physical Review EStatistical， Nonlinear， and Soft Matter Physics， 2004（62）：279-307.

[12]劉金榮. 基于SNA的突發事件微博謠言傳播研究[J]. 情報雜志，2013（7）：78-82.

[13]張芳，司光亞，羅批. 基于演化博弈理論的人際謠言傳播仿真模型研究[J]. 系統仿真學報，2011（9）：1772-1775.

[14]郭偉業，趙曉丹，龐英智， 等. 數據挖掘中SOM神經網絡的聚類方法研究[J]. 情報科學，2009（6）： 874-876.

[15]Aliosha Alexandrov，Bryan Lilly，Emin Babakus.TheEffects of Social and Self-motives on the Intentions to Share Positive and Negative Word of Mouth[J].Journal of the Academy of Marketing Science，2013（41）：531-546.

（責任編輯：楊銳）