內容對微博轉發動機的因素研究

盧雨松

一、前言

如今，微博已成為一種重要的交流工具。隨著網絡技術的發展，微博類網站已成為人們日常生活的一部分。以推特為例，截止2015年底，推特網的月度活躍用戶已達2.89億，每天發布的推文超過5億條。（推特公司，2015）。

在商業領域，許多研究者發現微博可幫助組織增加客戶量、提升品牌知名度、增加銷量并減少成本（Weber，2009）。已有大量組織開始意識到使用微博來塑造品牌和推銷其自身的重要性。但在中國，邢斗（2013）研究了企業微博營銷業績，發現大部分企業不了解如何提升其微博賬戶的影響力。

因此，對正在或想要利用微博平臺與消費者建立聯系的企業及組織而言，找到增加微博轉發動機的策略就變得尤為重要。

二、文獻綜述

（1）微博內容

Kaplan和Haenlein（2011）發現，不同特點的內容可組合到一條微博中，從而使發布的微博內容更加生動。Brookes（2010）亦建議，企業應嘗試使用不同特點的內容，如鏈接、圖片、視頻及文本或提問，以吸引其關注者的注意力。De Vfies等人（2012）將微博內容歸為三個“靈活度等級”。其中，圖片型微博屬于“低等”，文字型微博為“中等”而視頻微博屬于“高等”。

通過探索社交媒體如何幫助營銷者獲得成功，Lewis（2010）建議微博管理員應發布一些對其微博訪問用戶有價值的內容。例如：時事資訊、提出討論話題并提供文章鏈接、發布視頻或寫一些關于本行業發展的建議。

（2）概念框架和假設

通過文獻綜述發現，對于微博網站而言，衡量微博賬戶是否有影響力的關鍵因素取決于轉發動機（分享/轉發微博信息）。

據此，本研究特提出如下之假設：微博內容對轉發動機產生影響。

三、研究方法

研究者通過調查問卷對400名受訪者進行分析，其中問卷被分為2個部分，包括微博內容及轉發動機，二者均為連續數據。為此作者采用了多元回歸法，對內容與轉發動機間的關系進行分析。

四、數據分析和結果

（1）可靠性分析

作者采用克隆巴赫系數（a）來衡量研究中數據的可靠性。結果所示，簡潔性克隆巴赫系數（a=.830）高于0.80，表明該兩項目之間有較高可靠性。此外，轉發動機（a=.797）、有效性（a=.777）及生動性（a=.735）的克隆巴赫系數均介于0.7與0.8之間，表明該變量可靠性極高。

（2）描述性分析

有效性與轉發動機——通過對微博內容、互動性及轉發動機進行變量描述性分析，結果顯示，微博內容和互動性的均值為3.87。數值接近4，說明調查對象對此兩種變量持有認可態度。而轉發動機為4.02，亦接近4，表明調查對象對此變量亦持有認可態度。

值得注意的是，在調查問卷中，微博生動性、簡潔性及互動性維度是以梯度型問題設計呈現。所以，僅簡單地將此3種變量平均值進行比較還不夠詳細且不夠全面。因此，作者對維度的各個項目作了進一步描述性分析。具體如下：

生動性——“純文本”（平均值=3.01）、“圖片”（平均值=3.88）以及“視頻”（平均值=3.77）之平均值均介于3和4之間。但“文本和圖片”（平均值=4.21）、“文本和視頻”（平均值=4.1 1）以及“文本、圖片及視頻”（平均值=4.43）之平均值介于4和5之間。以上結果表明，對于單條微博而言，其內容類型越復雜，所吸引的調查對象注意力越多。

應當注意的是，在本調查中，“純文本”呈現出較低靈活性，“圖片”和“視頻”呈現出中等靈活性，而“文本和圖片”、“文本和視頻”和“文本、圖片及視頻”呈現出高度靈活性。

簡潔性——在調查問卷中，作者設計了3條大意相同但內容字數不同的微博。在其中，各微博字數分別為：140字、102字及90字。結果顯示，各項目的平均值均介于3和4之間，表明調查對象對不同字數多少不同的微博認同感區別并不突出。

（3）假設檢驗

基于調查問卷之設計，作者采用多元回歸分析法檢驗“內容”與“轉發動機”間的關系。

a.因變量：轉發動機

b.預測變量：（常數），微博內容

回歸模型概述（見表10）表明，微博內容可解釋35.2%轉發動機的變化（R平方352*100=35.2）。基于此結果，顯著性等級為“.000”，表明微博內容對轉發動機產生影響。故此，可接受本研究一開始的假設。

通過建立相關性矩陣，可以發現有效性（r=.610，p<0.01），靈活性（r=-.456，p<0.01）以及簡潔性（r=.294，p<0.01）與轉發動機之間有著正相關性。

此外，通過回歸模型還可以看到，微博內容3個維度的不同重要性層級。在本研究中，靈活性（p=.000）及有效性（p=.000）對轉發動機有著正面影響，而簡潔性（p=.175）對轉發動機的影響卻不明顯。其中，有效性（B=.489）的影響最為強烈，其次是靈活性（B=.233）。在本研究中，假設Y為轉發動機，x1為靈活性；x2為有效性，且x3為簡潔性。因此，本模型中各系數之等式可表述為：

Y=0.878+0.287Xl+0.492X2+0.035X3

五、結論

在本研究中，作者將多元回歸及F檢驗作為分析方法進行假設檢驗。結果顯示，本文中關于“微博內容對轉發動機產生影響”的假設成立，其中，有效性對轉發動機的影響最為強烈。

（作者單位：柳州鐵道職業技術學院）