基于社交網絡的自媒體輿論傳播趨勢研究（數據分析篇）

陳煜軍

摘 要 本文是基于社交網絡的自媒體輿論傳播趨勢研究的下篇，有別于傳統趨勢傳播研究，所做的趨勢分析完全來自于真實的微信朋友圈二次傳播樣本數據。通過系統所建立的數據模型，對朋友圈二次傳播的新聞、活動、直播、投票等特定傳播樣本進行數據記錄。在此基礎上，本文還通過11個典型傳播模型，嘗試性通過系統圖表、傳播趨勢圖等方法對數據記錄進行初步的數據挖掘，分析基于社交網絡的自媒體輿論傳播趨勢。

關鍵詞 社交網絡自媒體；二次傳播；數據挖掘

中圖分類號 G2 文獻標識碼 A 文章編號 1674-6708（2017）191-0051-02

為了使基于社交網絡的自媒體輿論傳播趨勢研究更加科學，我們將前文所論述的基于社交網絡化輿論傳播監測系統接入泉州本地知名媒體、協會等微信公眾服務號（或媒體訂閱號）的后臺，公眾號觸達用戶在1.2萬～43.9萬之間分布，整個用戶池總數為78.1萬人，通過在指定區域內持續的、多平臺、大容量、跨行業、多類型的樣本記錄以及異常數據綜合比對剔除來保證統計數據的有效性、無偏性以及一致性，同時在數據挖掘上綜合采用聚類分析（Cluster Detection，分類比較基礎數據）、OLAP分析（On-Line Analytic Processing；OLAP，運用圖表分析基本趨勢）、連接分析（Link Analysis，生成傳播拓撲圖進行綜合分析）等幾種數據模型分析方法。

1 基礎數據

1.1 綜合數據

截至發稿前，系統已經連續工作了662天，記錄傳播樣本764個，轉發核心人數1.5萬人，轉發次數2.7萬人次，傳播受眾19.8萬人，傳播次數29.8萬人次。

1.2 樣本（模型）傳播數據

根據朋友圈傳播實際以及傳播數據綜合比對，我們剔除了部分異常傳播樣本，取得有效樣本650個，單樣本最大傳播49 201人，去權平均傳播398.99人，傳播數量達到平均數的傳播樣本42個，占樣本總數的6.25%。在此，我們嘗試性的將投票類剝離，發現非投票類達平率為14.77%，而非投票類高達45.45%，因此，樣本內容和類型對于樣本傳播效率的影響極大，投票類樣本傳播效率較為平均，其他樣本受巴萊特定律（二八定律）影響，兩極分化。

1.3 核心傳播數據（用戶效率）

系統共取得有效個體傳播核心11 504人，受眾26.8萬人次，最大傳播5 039人次，平均傳播22.99次，傳播數量達到平均數的個體核心1 401人，占樣本總數的12.18%，其中非投票類達平率18.01%，投票類12.78%，同理可見，對于用戶效率來說，關鍵的決定因素是個體傳播能力，活動內容和類型的影響相對較小。

1.4 典型樣本模型

為了更有針對性地進行連接以及趨勢分析，筆者在各個傳播數量級上隨機挑選了內容具有代表性的6種類型11個樣本模型，進行針對性分析，經過歸類分析比對，最終得出的典型樣本模型的綜合達平率是22.57%，統計數據參見圖1。

2 關聯圖表

運用圖表分析方法，系統生成了24小時分時傳播圖、周傳播圖以及周-時關聯傳播圖（圖2）。從幾張圖表來看，周傳播的高峰期在每周二、周四和周五，周三有所回落，周日是傳播低谷；每天的7點到24點是自媒體傳播正常覆蓋時段，其中12點到14點是全天高峰期，另外兩個小高峰分別在10點和20點左右，轉發高峰相對傳播高峰基本吻合或者略有提前，這些傳播特性和目前互聯網上已經可以查到各類統計數據基本一致。值得一提的是，從圖2來看，整體數據峰值發生在周四的12～14點左右，而周五的18到22點這段時間形成了另一個特殊的小高峰期，這個小高峰的形成和自媒體傳播的生活化特征相關聯，也是現有相關資料數據報告尚未正式提及的。通過關聯圖表整體分析，可以發現，自媒體傳播的“生活化”“碎片化”特征，在工余時間的傳播力最高，但在完整的周六、日休假時間反而大幅降低。

3 傳播拓撲圖

傳播拓撲圖是典型樣本傳播趨勢分析的重要工具，圖形化地體現信息傳播方向以及趨勢，可以綜合運用聚類分析、連接分析、OLAP分析等多種分析方法。在系統篇我們已經提到過信息傳播拓撲圖的設計原理和表現形式，并發布了D模型傳播拓撲圖，限于篇幅所限，本文只再發布一張加寬核心邊距后的樣本模型E傳播拓撲圖（圖3），并簡要分析下傳播拓撲圖所集中體現的基于社交網絡的自媒體輿論傳播趨勢。

1）有效期和關鍵期：對于非持續性傳播（非直播類，如新聞、圖文事件直播等樣本模型），二次傳播的完整生命期是信息發布后的72小時，但是絕大部分的傳播行為都在內容發布后的48小時以內產生，部分內容在24小時內就達到高峰，如果以樣本的傳播覆蓋總量為基數，則24小時的平均傳播率是47%，48小時是84%，而72小時達到93%。簡單說，對于大部分的傳播內容，輿論傳播的關鍵期就是信息發布后的24小時內。

2）高效個體核心價值：基于社交網絡的自媒體輿論傳播的關鍵是個體傳播核心的影響力，在傳播過程中覆蓋高效個體核心至關重要。統計數據表明，自媒體傳播的核心平均傳受比在10以上，也就是一次分享平均增加10次訪問，90%以上的傳播來自核心的分享轉發，來自于類似微信朋友圈的自媒體分享傳播。

3）傳播的自我修復特性：傳統的傳播因為到達時間、路徑以及個體原因等問題，在傳播過程中可能存在“邊界”和“斷線”的問題，但是在社交化傳播過程中，因為社群式分布式中心的存在，社交圈中的傳播個體核心相互關聯和相互交錯的傳播樹將通過多徑傳播自動修復“斷線”的問題，并自然拓展“邊界”，但是即便是理論上，排除內容的影響，這種傳播也并非類似“六度分隔”理論所闡釋的那樣無邊無際，實際上其傳播嚴重受限于傳播平臺的用戶容量（比如微信的用戶群）、一次傳播的到達率以及傳播的72小時有效期。

4）傳播爆炸和關鍵因子：在本次數據分析過程中，我們發現一個有趣的現象，比如一個內容傳給A，A分享后只有B、C、D三個人訪問，但是其中的B卻有200多人訪問，因此，B是傳播爆炸的導火索，但是A卻是傳播的關鍵因子。在基于社交網絡的傳播架構中，由于傳播爆炸和關鍵因子的存在，對應自媒體輿論傳播的輿情研判也將更為復雜和不可預見。

5）分布式社群中心化特征：大量的數據和調研都指出自媒體的“去中心化”特性，但是傳播拓撲圖卻體現出社交化自媒體輿論傳播正在形成另一個核心，就是基于社交圈的社群化分布式中心會在傳播圖中自然形成，這個核心構筑的基礎是作為傳播關鍵因子的高效個體核心之間的社群關聯性。當然，同傳統社交圈相對應的，在傳播圈的邊緣，也必然有一部分“離群”傳播孤島的存在。

4 結論

本文筆者在工作中針對基于社交網絡的自媒體傳播研究構筑了一套信息系統，并通過系統分析工具以及數據挖掘分析方法進行傳播趨勢研究的嘗試，系統還有改進空間，數據分析也可能存在地區性特征，但是所建立的數據模型、監測系統以及分析算法、結果具有較強的現實意義和實用價值，可供業內同行參考。

參考文獻

[1]企鵝智酷.2017自媒體趨勢報告.

[2]企鵝智酷.微信2017用戶研究和商機洞察.

[3]侯斯特.2017微信公眾號數據報告大數據解讀用戶閱讀習慣.