基于種群競爭模型的網絡視頻與微博言論共生性研究

張凌志+薛晶心

【摘 要】基于生物群體共生增長思想，利用網絡熱播視頻為研究對象，通過Lotka-Volterra生態模型分析移動網民的網絡視頻觀看行為和微博評論行為的共生性特征。通過研究結果，產生了基于網絡視頻內容的網民群體增長特征。

【關鍵詞】網絡視頻；Lotka-Volterra模型；共生研究

【Abstract】Based on the symbiotic idea of population competition， observe the user of watch web-video， analysis the characters of the online-behavior between watching a web-video and comment on micro-blog by utility the Lotka-Volterra model. We make a conclusion of the characters of population increasing according to the web-video content.

【Key words】Web-video； Lotka-Volterra model； Symbiosis

0 引言

伴隨智能手機的廣泛推廣，移動用戶的行為研究逐漸成為網絡行為研究的主要對象。中國互聯網絡信息中心（CNNIC）2016年1月發布的《中國互聯網絡發展狀況統計報告》顯示，截止到2015年12月，中國網民數量達到6.88億，手機網民數量達到6.2億，超過96%的網民采用移動上網的形式。網絡視頻用戶的規模達到5.04億，超過73%的網民為網絡視頻用戶，手機視頻用戶為4.05億，有58.9%的網民使用手機觀看網絡視頻[1]。網絡熱播視頻內容因為用戶的參與數量眾多，其直接影響及衍生影響成為當前網絡行為研究的重要內容。伴隨移動端視頻豐富度的提升，大量的手機用戶培育了碎片化時間內欣賞熱播視頻的行為。與此同時，微信、微博等自媒體平臺的信息以口碑的形式進行指數級擴散，大量的移動端用戶參與到熱播視頻內容的討論當中，并由此引發更多的移動用戶關注熱播視頻。

1 研究綜述

網絡技術的提升促進了我國移動互聯網產業的快速發展，移動互聯網產業的競爭經歷了“互聯網絡移動化階段”、“網絡內容增值服務階段”和“個性化用戶服務階段”三個階段[2]。圍繞移動用戶的個性化需求，構建移動服務內容、軟硬件技術平臺、APP訪問端口、評價反饋機制等相協同的生態化模式成為主要的移動網絡產業形態。4G網絡技術的普及促進了移動網絡產業的快速發展，以手機視頻為主的移動內容服務成為市場關注的熱點，用戶對于新產品的采納程度及內容的偏好成為吸引用戶的重要因素[3]。用戶對于移動端的內容偏好性選擇受到交際人群環境的影響[4]，移動端推送內容的影響力受到感知娛樂性的正向影響并顯著地受影響于技術的兼容性[5]。李慧娟和李彥的研究從時空分區的視角提出移動網絡的虛擬社會存在人類社會的動態多變的群體性行為特征[6]，移動網民的行為具備較高的例行性、長期性和固定性特征，重復性、模仿性行為成為一種規律的表現[7]。黃微等從網絡輿情的研究視角提出依托大數據平臺及移動端設備的網絡視頻等信息的傳播，依托信息交互的多樣性，表現出復雜的多元性反饋特征[8]。由此可見，移動用戶的群體性特征、多樣性特征、復雜知識性特征對于網絡視頻內容的反饋既有個體的差異性，也會表現出群體的趨同性。

微博這一自媒體平臺因為其傳播的范圍廣、影響的群體眾多、具備較高的滲透性，逐步成為分析研究網民行為的主要途徑 [9]。對于網絡焦點事件和內容，微博在傳遞信息的同時，能夠起到孕育熱點關注，引導、擴散多樣性點評，加速網絡受眾群體的關注程度，對于熱議內容的傳播具有放大作用[10]。微博的信息傳播機制具有一定的規律，其傳播受到發生時間、涉及區域、使用媒介的類型、關注群體的特征影響，受信息獲得方式、便捷程度正向影響[11]。從微博的信息屬性、信息服務模式進行分析，結合微博的用戶活躍程度及盈利模式，發現內容服務商、服務運營商、SNS網站、網民群體構建了內容服務的網絡生態系統[12]。

本文在上述研究的基礎上，通過分析微博、移動視頻內容及移動視頻平臺的相關數據，利用生物數學模型，探討網絡視頻與微博言論的共生性特征。

2 研究模型

2.1 共生增長理論模型

在達爾文的進化理論中，競爭和協同進化是物種發展的重要途徑，兩個或兩個以上的物種彼此之間具備競爭、依存的關系。在同一個生存環境下，一個物種的性狀發生了改變，另一個或更多物種的性狀有針對性的發生了改變，這種改變代表了物種對于生存環境的一種適應過程[13]。視頻播放平臺上放映的熱播內容作為資源被網絡用戶觀看，網絡用戶就此熱播內容通過微博平臺發表個人觀點。受到微博平臺的輿論傳播及視頻播放平臺的推送影響，大量的網民通過互聯網和口碑等形式了解了熱播內容，出于好奇開始觀看熱播視頻內容，并據此內容發表個人觀點。網絡群體對于熱播內容的觀看和對微博話題的關注呈指數型增長，因為熱播內容的被關注程度較高，有更多網民參與到視頻的觀看，并參與話題討論。產生一種微博討論群體和視頻觀看群體的共生增長現象。

網民群體具備較高的同質性，主要體現在年齡、性別、學歷、行業背景、興趣偏好等個體屬性，容易形成群體性眾發式行為。從網絡信息生態的視角去研究，發現每個個體都以信息節點的形式存在于網絡信息生態鏈中，大量信息主體（網絡節點）依托頻繁密集的信息交互形式與其他節點發生輻射狀信息的傳遞[14]。網民在個體信息傳遞的過程中，依托自身的社會網絡資源及信息的內容特征擴大傳播范圍，增加相關內容的傳播效果。

2.2 數據模型

本研究的對象《太陽的后裔》在中文網絡的播放依托愛奇藝視頻平臺獨家進行，新浪微博是用戶發表個人觀點的主要平臺。可以將熱播視頻、愛奇藝視頻平臺和微博平臺看作是一個共生系統。在這個共生系統之中，熱播視頻就是一種資源，將愛奇藝視頻平臺上的觀看群體看作是一個生物群體，將微博平臺上發表評論的用戶看做另一個共生生物群體。這兩個群體有個體的交集，考慮本研究重在分析群體增長的共生性，這種交集的影響恰好反應這種內生的共性，因此可以看做兩個群體。這兩個群體基于相同的資源形成共生的生態模式，Lotka-Volterra生態模型主要用于分析生物種群的競爭共存的生態特征，可以采用這一模型分析本研究內容。假設在t時間，愛奇藝的視頻指數是Xa（t），微博指數是Xw（t），受到各種因素的影響，指數增長的限制分別為ka和kw，指數內生增長率分別為ra和rw，愛奇藝的視頻指數對于微博指數的貢獻系數為δa，微博指數對愛奇藝視頻指數的貢獻系數為δw。愛奇藝視頻指數的增長模型可以描述為一個Logistic方程：

上述公式（4）和（5）中，bi0代表了種群單獨生存時的限定參數，bi1代表了當前種群與另一種群的相互影響限定參數，bi2代表了觀察參數，通過觀察bi2的符號變化判斷兩個種群之間的關系。

3 數據演算結果及分析

3.1 指數特征描述

本文研究的網絡熱播視頻選自韓國熱播電視劇《太陽的后裔》，是中國和韓國第一部同步播出的韓劇。這部熱播電視劇采用網絡平臺獨家播放的形式進行投放，該視頻每周播放2集，每集30分鐘。就時間長度而言，符合移動用戶的碎片化觀看時間。

通過對比表2的數據，微指數顯示發布微博的男女比例與愛奇藝視頻指數所顯示的觀看視頻男女比例一致，關注這部熱播電視劇的女性比例達到79%，參與到這部熱播劇話題互動的女性也達到了79%。愛奇藝指數表明收看該視頻最大的群體就是18-24和25-35歲的人群占總人群的76.6%，利用微博發表言論的群體是19-24和25-34歲的人群占總人群的70.29%。從視頻的關注程度到就此發表的網絡言論都是女性群體，這部熱播劇內容的設置及目標群體主要是18-35歲之間的女性群體。就設備分布而言，利用移動端進行視頻的觀看的人群達到85%，用移動端發表評論的人群達到了79%，符合該視頻突出碎片化時間播放的初衷。愛奇藝指數與微博指數的熱議區域的前8個地區中，有5個地區重合，但是熱議區域的前3個區域只有1個重合，說明觀看的群體中有一部分將個人的觀后感進行分享并參與評論的互動，有一部分是先參與互動后進行的視頻觀看。愛奇藝指數同時提供了觀看人群的學歷水平，發現比較集中在本科和大專，與年齡分布相吻合。因為微博指數沒有提供學歷指數所以無從考證數據，參照愛奇藝的數據特征，參考年齡指數分布進行分析。

因為《太陽的后裔》共分8周播放16集，因此數據截取了8周的數據進行分析繪圖，表3和表4分別給出了這8周的數據分布。通過對比發現，這兩個指數圖表的分布有較大相似。伴隨熱播視頻的播放呈周期性上升的趨勢，在播放的周中會達到頂峰然后回落，在下一集播放前再形成一輪升勢，總體趨勢向上發展。第一周的播放指數明顯低于微指數，明顯在視頻播放前大家更多通過自媒體平臺發布對于這部韓劇的期待，大量的移動網民因為沒有購買會員（非會員需要延后1周收看），采用等待免費播放的方式來觀看視頻，造成該播放指數的平緩。因此從數據上看，表2中第一周的波峰不明顯。第二、三周的視頻播放指數大幅升高，說明因為大家通過對該視頻的了解在可以觀看的第一時間關注了該視頻的內容，并在自媒體平臺上發表了相關評論，進而造成微博指數也有大幅度提升。第六、七兩周微博平臺的評論發生了下降，代表媒體評論的熱度下降，播放指數呈現W形態，沒有明顯的人群增加，表3的微博指數在此期間多了一個波峰，是因為該熱播視頻主創人員來中國大陸只做了一期綜藝節目，引起了人們的熱議，這個熱議沒有產生對該視頻的播放。最后一周播放的內容是大結局，網民經過在微博平臺的熱議，爆發式的觀看了大結局，產生了巨大的增幅。

3.2 模型數據分析

本研究采用Lotka-Volterra生態模型進行定量的驗證分析，涉及到兩個生態群體的數據。代表了指數的增長速度，通過每天指數的差額來表示指數的增長。借鑒已有研究成果，采用灰色估計方法對Lotka-Volterra生態模型進行參數估計[15]。利用一階微分方程組及灰色估計的建模方法可以得到Lotka-Volterra模型的時間序列關系式：

本研究所選用的數據來自于2016年2月22日至2016年4月17日期間的數據，按照日作為時間跨度，因此n=62。根據上述公式帶入愛奇藝視頻指數和微博指數，采用矩陣計算公式計算出A1、A2、Y1和Y2。

利用公式（8）和公式（9）計算出系數。

因此公式（4）和公式（5）表示為：

Lotka-Volterra生態模型的參數分析表明，在整個熱播視頻的播放周期內，這兩個種群的增長不是一種協同成長的過程，是一種“被捕食-捕食”的過程體現。愛奇藝指數的增長速度超過了微博增長速度，反映出觀看熱播視頻人群的增長超過了微博熱議人群的增長速度。從視頻播放第一周的數據可以發現，愛奇藝的指數與微博的指數相似，而伴隨愛奇藝平臺視頻的播放，該熱播劇的播放指數增長程度明顯加快，超過微博平臺的數據增加程度。說明當網絡用戶逐步關注這部熱播劇時，會第一時間用移動端觀看該視頻，并有部分網民結合觀看的的內容到微博平臺發布觀看體驗。用戶利用移動端的自媒體平臺傳播的體驗信息迅速影響其關聯的其他用戶，依靠群體擴散效應迅速增加熱播視頻的被關注程度，進而構成用戶群體數量的巨幅增加。

4 結論

本研究是從生物學的視角去研究針對網絡熱播視頻，其視頻播放平臺與網絡自媒體評論平臺之間的網民群體增長的關系，利用了種群生物競爭模型Lotka-Volterra生態模型對所提出的理論進行分析和驗證，并結合數據分析了兩個網民群體的增長特征。利用理論分析可以得到，移動網民觀看熱播視頻的群體性增長受到視頻的關注程度影響，利用自媒體平臺對熱播視頻進行評論，有助于提升熱播視頻的被關注程度，進而加速移動在線熱播視頻的擴散速度。通過模型進行數據分析發現，視頻播放平臺的用戶擴張速度迅速，伴隨自媒體平臺的熱議程度提升，極大加速了視頻關注群體的數量提升。

綜上所述，結合本研究發現網絡熱播視頻的關注群體的迅速增加受到移動設備的普及、特定時間點的需求、網民群體的特征等因素外，利用自媒體等移動端網絡信息的傳播來增加用戶對視頻的關注進而提升視頻的被關注程度，能夠迅速擴大熱播視頻的被關注。通過這一結果有助于相關視頻類產品的移動網絡的傳播。與此同時，網絡熱播視頻的播放周期與自媒體的熱議周期同步，說明網絡熱播視頻通常在播放的過程中會大量的吸引網民的關注，伴隨播放時間的推移，衍生關注程度會下降，采用持續跟蹤、提升自媒體曝光等方式有助于幫助熱播內容衍生品的傳播。

【參考文獻】

[1]中國互聯網絡信息中心，第37次中國互聯網絡發展狀況統計報告[R].2016.1.

[2]程德杰.淺析移動中國互聯網絡商業模式[J].移動通信，2012（5）：16-17.

[3]殷月紅，黎小平.移動數字內容服務用戶采納行為理論模型及實證研究[J].情報科學，2014，32（10）：33-37.

[4]HSULU，Adoption of the mobile Internet：An empirical study of multimedia message service[J].International Journal of ManagementScience，2007，35（6）：715-726.

[5]Tan， Felix B， Chou， The relationship between mobile service quality， perceived technology compatibility， and usersperceived playfulness in the context of mobile information and entertainment services[J].International Journal of Human Computer Interaction，2008，24（7）：649-671.

[6]李慧娟，李彥.從線下到線上：移動互聯網的時空分區效應研究[J].國際新聞界， 2015，37（10）：18-36.

[7]夏玉珍，姜利標.社會學中的時空概念與類型范疇：評吉登斯的時空概念與類型[J].黑龍江社會科學，2010（3）：130-135.

[8]黃微，李瑞，孟佳林.大數據環境下多媒體網絡輿情傳播要素及運行機理研究[J].圖書情報工作，2015，59（21）：38-44，62.

[9]楊娟娟，楊蘭蓉，曾潤喜，等.公共安全事件中政務微博網絡輿情傳播規律研究：——基于“上海發布”的實證[J].情報雜志，2013，32（9）：11-15.

[10]李彪.網絡輿情的傳播機制研究-以央視新臺址大火為例[J].國際新聞界，2009（5）：95-99.

[11]曾潤喜，徐曉林.網絡輿情的傳播規律與網民行為：一個實證研究[J].中國行政管理，2010（11）：18-22.

[12]武琳，陳文嘉.微博客網站的比較及發展策略[J].情報理論與實踐，2011，34（1）：86-88.

[13]張凌志，何金生.基于生物進化模式下的知識進化機理研究[J].情報雜志，2011，2（30）：105-109.

[14]欒春玉，霍明奎，盧才.網絡信息生態鏈組成要素及相互關系[J].情報科學， 2014，32（11）：30-35.

[15]陳海俊，等.Lotka-Volterra模型參數的灰色估計法及其應用[J].數學的實踐與認識，2011（11）：108-113.

[責任編輯：朱麗娜]