機構微博傳播力影響因素研究

王林 潘陳益 朱文靜 鄧勝利

〔摘 要〕如何保證高效的微博傳播力是各機構入駐微博后必須面對的難題之一，因此，分析微博傳播力的具體表現及其影響因素至關重要。本文基于熵權法對機構微博傳播力進行量化，并從微博內容特征和微博用戶特征兩個維度，構建微博傳播力影響因素的相關指標，最后以旅游機構為實證研究對象，使用彈性網絡（Elastic Net）對各指標的作用進行驗證。通過驗證最終得出旅游機構微博傳播力的影響因素，為微博傳播力的量化及其影響因素的探究提供理論參考，為旅游機構微博運營提供實踐參考。

〔關鍵詞〕微博；傳播力；內容特征；用戶特征；旅游機構；影響因素

DOI：10.3969/j.issn.1008-0821.2018.04.005

〔中圖分類號〕G206 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）04-0035-07

〔Abstract〕How to ensure the microblog spreading capacity becomes one of the problems that each organization must face after entering into microblog platform.Therefore，it is significant to analyse specific performance and influencing factors of microblog spreading capacity.This paper quantified the microblog spreading capacity based on the entropy method，and established a index set of influencing factors of microblog spreading capacity from the two aspects：the microblog content features and user features.Also，this paper took the tourism organization as the research object to conduct the empirical analysis and uses Elastic Net to verify the indexs effect.Through the verification，it obtained the influencing factors of the microblog spreading capacity of tourism organizations.Finally，this paper provided not only a theoretical reference for the quantification of microblog spreading capacity and the analysis of its influencing factors，but also some practical reference for the microblog operation of the tourism organizations.

〔Key words〕microblog；spreading capacity；content characteristics；user characteristics；tourism organizations；influence factors

微博自2009年開始內測之后，以其巨大的用戶數量、便捷的信息發布途徑以及裂變式的多點線面的信息傳播方式，成為各個領域青睞的信息傳播媒介。2016年，微博的活躍用戶實現了高速增長，月活躍用戶數達到了3.13億，而日活躍人數也達到了1.39億[1]。與同樣擁有龐大用戶量的微信相比，微博具有更加多樣化的環境和受眾、更高的內容開放度、更加公開透明的信息傳播過程等優勢，吸引了高校、圖書館、政務單位、旅游機構等各機構紛紛入駐，并將其作為重要的新媒體營銷平臺。

機構在微博上推廣傳播產品或服務的過程中逐漸形成自己的微博競爭力，這種競爭力可以理解為機構的微博傳播力[2]。如何獲得更高的傳播力，保證自己的營銷效果，成為各機構入駐微博之后必須要面對的重要問題，而解決這一問題的關鍵難點在于分析機構微博傳播力的具體表現和影響微博傳播力的主要因素。

因此，本文嘗試對機構微博傳播力進行具體量化，并選取機構微博傳播力的影響因素指標，通過實證研究來驗證各影響因素對機構微博傳播力的作用。為機構微博傳播力的量化和影響因素的探究提供一定理論參考，并為各機構微博運營提供一定實踐參考。

1 相關研究現狀

筆者于2017年5月2日在CNKI中國知網上以“‘微博and‘傳播力”為檢索條件進行高級檢索，得到92篇CSSCI期刊論文，但對相關文獻主題進行探究，發現專門針對微博傳播力的相關文獻并不多見。其中有少量研究將傳播力作為用戶影響力或其他官方微博競爭力的評價指標之一[3]，對比研究微信與微博傳播力[4]，以及研究特定因素對微博傳播力的影響[5]，研究對象往往以期刊微博、政務微博、高校圖書館微博為主。

又以“‘微博and‘影響因素”為檢索條件進行高級檢索，得到125篇CSSCI期刊論文，可以發現與微博和影響因素相關的現有文獻主要有用戶、信息傳播、社會網絡3個研究視角，具體研究內容、研究對象和數據來源如表1所示。

綜上分析，關于微博傳播力及其影響因素的相關研究存在以下不足。

1）微博傳播力概念模糊，且缺少定量化。相關文獻往往只是提出傳播力或傳播能力的概念，并無對概念的具體界定，大都直接將轉發數和評論數代表微博傳播力.

2）專門針對機構微博傳播力影響因素的研究較少，且已有研究成果中考慮微博信息傳播的影響因素較為局限和片面。對微博信息傳播的影響因素的研究大多直接以轉發數為衡量指標，從微博內容、微博情緒等單一角度研究其影響因素，研究對象往往是單條微博，缺少以用戶為考察主體的研究。

3）研究領域較為局限。現有文獻研究對象大都集中于高校[8]、圖書館[11]、政務[12]和突發事件[5]。但微博平臺所囊括的領域遠遠不止于此。隨著各個領域對微博的依賴性逐漸增加，對其他領域微博傳播力的研究也越來越有必要。

綜合以上問題，本文計劃先對機構微博傳播力進行概念的限定；并利用熵權法對機構微博傳播力進行具體量化；然后對其影響因素指標進行構建；最后，通過實證驗證各因素對機構微博傳播力的影響，考慮到旅游領域在互聯網的逐漸深入，本文最后選取新浪微博平臺上的旅游認證機構作為實證研究對象。

2 相關指標選取

傳播學中對于傳播力的概念有多種界定，主要分為針對大眾媒體和針對社會組織兩種。其中，效能說是從社會組織的層面切入，認為傳播力的本質是有效果的傳播，是指傳播行為帶來的一切影響和作用的總和，可以在現實中轉為說服和影響的力量[2]。考慮到機構的社會組織屬性，本文認同效能說觀點。這與霍夫蘭提出的說服傳播理論以及拉斯韋爾傳播學理論都相吻合，前者認為信息的傳播主體、傳播內容和傳播客體在很大程度上決定了受眾接收信息后的態度[13]，后者認為傳播過程是一個目的性行為過程，具有企圖影響受眾的目的，所涉及的重要要素為傳播者、傳播受眾、傳播內容、傳播渠道和傳播效果，即5W模式[14]。

綜上，本文認為機構在微博的傳播力是機構微博產生有效傳播的能力。機構微博從發出微博到最終產生有效傳播的過程中會受到很多因素的影響，綜合說服傳播理論和拉斯韋爾傳播學理論可以將因素綜合為傳播主體、傳播內容和傳播受眾3個維度，其中傳播主體和傳播受眾在微博平臺上其實都為微博用戶，其特征可綜合為用戶特征。

因此，接下來，本文將先選取指標對機構的微博傳播力進行量化，然后再從微博內容特征和用戶特征兩個方面分別對其影響因素指標進行選取。

2.1 機構微博傳播力指標選取及量化

拉維奇和斯坦納提出傳播效果呈階梯模式，由認知、情感、態度和行為4個維度構成，其中，行為是受上述四項支配而表現出的最終外在行動[15]。因此，機構微博的有效傳播能力應該由信息接收者的最終行為所決定，在微博平臺上具體表現為轉發、評論和點贊，其中，轉發行為可使原微博信息被自己的粉絲看到，能夠直接增加原微博的閱讀數和覆蓋面[8]，因此已有研究大多直接用轉發數來量化傳播的效果，考慮到評論和點贊同樣能增強傳播的有效性，本文將這些行為對應的轉發數、評論數和點贊數都作為量化機構微博傳播力的指標。

一個機構微博往往不止一條微博，因此，需要對指標進行綜合，考慮到不同機構活躍度不同，本文最終對每個機構單位時間內所有微博的轉發數、評論數和點贊數求平均作為最終指標。而由于不同用戶的微博，轉發數、評論數和點贊數存在巨大差異，可能會帶來較大的數據波動，產生較高異方差性，故而，本文在指標具體量化時將參考清華大學新聞研究中心《2014政務微博傳播力報告》中的數據處理方法[16]，將指標分別利用自然對數進行標準化，意在壓縮數據尺度使之更平穩和削弱可能有的異方差性。

最后對每一個指標進行權重賦值，則可得出針對機構的機構微博傳播力W計算方法如公式（1）所示。

綜上分析，機構微博傳播力可以時間為單位，得出單日傳播力、周傳播力、月傳播力等等。將時間特殊化之后，可以推出，當機構微博發出一條微博時，便會產生在該條微博生命周期內的微博傳播力，此時，機構微博產生有效傳播的能力可等同于該條微博產生有效傳播的能力，即該條微博的傳播力。也就是說，特殊的，以一條微博的傳播時間為單位，可得出機構單條微博的傳播力，此時，指標便可特殊化為每條微博的轉發數、評論數和點贊數，則可得到針對該條微博的傳播力W0的計算方法如公式（2）所示。

2.2 基于微博內容特征的指標選取

機構微博產生有效傳播的本質是內容的有效傳遞。因此，機構微博發出的每一條微博內容特征將會直接影響該條微博的傳播效果，繼而影響機構微博傳播力。關于微博內容對微博傳播的影響，國外學者做過不少針對Twitter的研究。Berger和Milkman等人證明了情感比較強烈的微博內容更容易被用戶轉發[17]，Ron Berman和Colman Humphrey則證明了帶有圖片和視頻的微博更容易得到高轉發量[18]。國內也有少量關于微博內容對傳播力影響的研究，如劉曉娟、王昊賢等人在研究政務微博影響因素時將微博特征分為微博內容、發布時間和來源機構3個維度，其中微博內容維度包括話題類別、@符號與鏈接、語言風格、內容的原創性和內容長度等影響因素[12]；劉叢、謝耘耕等人則是研究了不同類型用戶的微博情緒對微博傳播力的影響[5]。

綜合以上學者研究成果，本文將微博內容分為微博內容元素、微博情感、微博主題和發布時間，其中，微博內容元素指的是微博正文里所包含的信息元素，包括話題、圖片、視頻、@符號和內容長度；微博情感指的是微博內容所包含的情緒，包括微博情感強度和情感類別；微博主題指的是微博內容所屬的不同主題類別；而發布時間指微博發布的年月日和時刻。具體如表2所示。

2.3 基于微博用戶特征的指標選取

傳播主體和傳播受眾，即機構用戶和機構用戶的微博粉絲，在傳播過程中發揮著重要作用。首先針對傳播主體，相關研究發現用戶的信息覆蓋度（即用戶的粉絲數）對信息傳播有著較大的影響[19]；熱門微博的微博主體大部分為活躍度較高、粉絲數較大、并且進行過認證的加V用戶[20]，資深用戶（賬號建立時間超過1年）和新用戶（最近1個月才加入）的微博更容易被轉發[10]。其次，針對傳播受眾，也有少量研究證實用戶粉絲的特征也會影響微博的傳播，比如當用戶粉絲越活躍時，其發布的微博將更容易被轉發[21]。最后，考慮到微博是基于用戶關系的信息傳播與分享平臺[22]，社交網絡中的用戶關系也會對其傳播力產生影響，有研究證明，網絡節點中具有重要地位的用戶更可能引起大范圍的信息傳播行為[10]，而微博傳播影響因素的相關研究較少將用戶關系屬性考慮在內，因此，本文將其納入用戶特征屬性。

綜合以上研究成果的分析，本文將微博用戶特征分為個人屬性、粉絲屬性和用戶關系屬性。其中，個人屬性指的是用戶自身（即傳播者）所帶特征。由于機構用戶都經過了認證，故本文將不考慮用戶是否認證。因此，本文中的個人屬性主要包括粉絲數、關注數、發博數、等級等。粉絲屬性指的是每位用戶粉絲（即受眾）所帶的特征，包括粉絲的粉絲數、關注數和發博數。用戶關系屬性則指的是用戶在社交關系網絡中所表現的特征，包括點度中心度中的點出度（網絡中該用戶指向的節點數）和點入度（網絡中指向該用戶的節點數）、特征向量中心度（PageRank值）。具體如表3所示。

3 實證研究

為了驗證各影響因素指標對傳播力的作用，筆者將以新浪微博平臺上的旅游機構用戶為研究對象進行實證研究。同時考慮到微博內容的影響作用時效性較短，即其對前文所說的單條微博傳播力的影響更直接，而用戶特征將長期影響機構微博傳播力。因此，在驗證微博內容特征時，將以單個旅游機構用戶的所有微博為研究對象，以每一條微博的傳播力為觀察對象；驗證用戶特征時，將選取多個旅游機構用戶為研究對象，以每一個機構的微博傳播力為觀察對象。在傳播力計算過程中，為了簡化權重賦值的過程，本文選擇熵權法進行權重賦值。

3.1 數據來源

筆者在微博搜索界面，以“旅游”為關鍵詞進行“找人”，限定條件為“機構認證”，利用爬蟲軟件Gooseeker，針對微博內容特征和微博用戶特征分別進行數據爬取，具體爬取過程如下：

3.1.1 微博內容特征數據爬取

在搜索結果中，排在第一位的是途牛旅游網官方微博，說明微博平臺默認其有較大的傳播力，因此，筆者將途牛旅游網官方微博作為微博內容特征影響因素的研究對象，爬取其自2013年9月至2017年5月的所有微博信息，包括微博發布時間、微博內容、轉發數、評論數和點贊數。

3.1.2 微博用戶特征數據爬取

為了獲得旅游機構的微博用戶特征信息，筆者針對模型中的個人屬性、粉絲屬性和用戶關系屬性分別進行數據爬取。首先，針對個人屬性爬取了搜索結果中所有旅游機構用戶的用戶名、關注數、粉絲數、微博數等內容；針對粉絲屬性爬取了每位用戶粉絲的信息，即其粉絲的粉絲數、關注數和微博數，由于微博網站的限制，粉絲信息只能查看前5頁，本文只爬取了每位旅游機構用戶前5頁內的100位粉絲的信息；針對用戶關系屬性爬取了旅游機構用戶間互相關注的數據。最后又爬取了每位用戶在4月份所發的所有微博信息，包括每條微博的轉發數、評論數和點贊數，用以計算每位用戶在2017年4月份的機構微博傳播力。

所有數據爬取時間為2017年5月3日-2017年5月7日，經過初步的去重處理，最后一共爬取到888名用戶數據，9 753條途牛旅游網數據。

3.2 數據處理

3.2.1 微博內容數據預處理

考慮到人工標注成本，筆者將爬取到的途牛旅游網官博的9 753條微博，按照轉發數進行排序，然后利用層級抽樣方法，以20為間隔，最后選取了488條微博為研究樣本。

數據處理過程中首先將488條微博的轉發數、評論數和點贊數利用自然對數進行標準化，然后利用熵權法進行權重的賦值，得出權重分別為44%、36%和20%，計算每條微博的單條微博傳播力，并與各指標做相關性分析，發現相關系數都大于0.9，說明權重賦值合理。

然后筆者根據微博傳播力影響因素指標將途牛旅游網微博內容是否含視頻、是否含話題和是否含@符號進行標注，計算微博內容長度；利用武漢大學團隊的內容分析工具——Rost Content Mining計算出每一條微博內容的情感值，并根據情感值將情感類別分為積極情緒、消極情緒和中性情緒，以每一條情感值求絕對值作為其情感強度；利用該軟件的分詞處理和社會網絡與語義分析將途牛旅游網的微博內容主題分為抽獎活動、開獎通知、早安問候、晚安問候、美食相關、旅游攻略、目的地推薦、商業合作、新聞資訊、平臺產品和其他；將發布時間按層次分為發布月份、發布星期以及發布時間段。其中在發布時間段中將凌晨0∶00到早上8∶00單獨作為一個時間段，其他時間段，將每兩個小時作為一個時間段。

3.2.2 微博用戶特征數據預處理

針對微博用戶特征數據，筆者首先按照微博用戶特征中的個人屬性、粉絲屬性和用戶關系屬性分別對相關數據進行預處理，包括缺失數據的手動補充、粉絲屬性中各粉絲的粉絲數、關注數和發博數的平均值計算以及用戶關系屬性中每位用戶的點出度、點入度以及PageRank值的計算。

然后計算每位用戶所有微博的平均轉發數、平均評論數和平均點贊數，利用自然對數進行標準化后按熵權法賦值，得出權重分別為39%、37%和24%，計算每位用戶的微博傳播力，同樣將其與3個指標進行相關性分析，發現相關系數都大于0.9，說明權重賦值合理。由于本文將旅游機構微博傳播力的研究限定在2017年4月份，因此對于4月沒有發博的用戶，則認為該用戶在四月份的微博傳播力為0，采取剔除處理，最終保留了566個用戶。

3.3 數據分析與結果

考慮到微博傳播力影響因素所包含的變量較多，可能有一定的共線性，本文選擇彈性網絡（Elastic Net）對影響因素進行驗證分析。

彈性網絡（Elastic Net）是線性回歸的改進算法，其綜合了以L1范式作為懲罰項的Lasso算法和以L2范式作為懲罰項的Ridge算法，使得結果既能具備一定的穩定性，又可以將一些系數化化為0，達到特征選擇的目的，同時也能有效處理自變量間的共線性[23]。

3.3.1 微博內容Elastic Net分析

筆者所選用的分析工具是Python軟件。由于微博內容特征中除了情感強度和內容長度，其他都為分類變量，因此在正式分析之前，筆者先用Python語言將所有分類變量轉換成虛擬變量，即把所有分類變量轉換成取值全為0和1的多個變量。

然后以微博傳播力為因變量，微博內容影響因素為自變量，進行Elastic Net分析，輸出各個變量的系數，其中非零系數的結果如表4所示。

由表4微博內容Elastic Net非零系數結果可以看出以下幾點：

1）微博內容元素中，視頻、話題、艾特和內容長度均對傳播力有正向影響，其中視頻影響最大，但內容長度系數較小。這說明，適當的視頻配合話題和艾特將有利于微博傳播，而內容長度對微博傳播力則只有細微的正向作用；

2）微博情感中，情感強度雖被保留，但系數較小且為負，而情感類別各個變量系數均為0，全部被剔除。說明雖然情感強度對微博傳播力有細微的負向影響，但整體來看，微博情感對微博傳播力的影響有限；

3）微博主題中，原創、開獎通知、平臺產品、抽獎活動、晚安問候和美食相關被保留，說明這幾個變量會對微博傳播力產生影響。其中，原創微博對傳播力有正向影響，說明原創微博有利于傳播。而晚安問候、抽獎活動和美食相關的原創微博，對傳播力是有正向影響的，開獎通知和平臺產品對傳播力卻有負向影響。這可能是因為，開獎通知針對性太強，平臺產品廣告性質太濃，用戶并不會主動對其進行傳播，所以會對微博的傳播產生負向影響。抽獎活動往往會對很多用戶產生激勵作用，進而促進傳播；

4）發布時間中，發布星期各個變量系數均為0，發布月份除了12月份，其余各變量均被剔除，而發布時間段，除了10∶00～12∶00，22∶00～24∶00，其余變量也均被剔除，被留下來的3個變量其系數值也較小，這說明發布時間對微博傳播力影響微乎其微，即粉絲對所發微博的關注并不怎么受發布時間影響。

3.3.2 用戶特征Elastic Net分析

用戶特征所有涉及的影響因素均為連續變量，同樣使用Python軟件對其進行Elastic Net分析。

由于各變量存在較大的尺度差異，在進行正式分析之前，筆者利用Python中的代碼庫，對數據進行了正態化和歸一化。

然后以用戶傳播力為因變量，用戶特征影響因素為自變量，進行ElasticNet分析之后輸出各變量的系數如表5所示。

由表5用戶特征Elastic Net系數結果可以得出以下結論：

1）在個人屬性中，當月原創發博數、發博數和等級系數為0，被剔除，而粉絲數、關注數和當月發博數對微博傳播力有一定的影響。其中，粉絲數和關注數系數為正，而當月發博數系數為負。這說明粉絲數和關注數的增多對用戶傳播力起到正向影響，但用戶當月發博數較多時，卻會產生負向影響，這可能與刷屏現象引起的粉絲厭煩有關；

2）在粉絲屬性中，除了粉絲數與關注數的比值被剔除，粉絲的關注數、粉絲數和發博數都對用戶的傳播力有一定影響。其中，粉絲關注數和粉絲粉絲數都對傳播力存在負向作用，而粉絲發博數存在正向作用。這說明，當用戶粉絲關注過多且擁有更多粉絲時，用戶本身的傳播力是會下降的，而粉絲發博數增多時，卻有利于用戶本身傳播力，這可能是因為粉絲發博量增加體現了粉絲的活躍度，而活躍度的增加代表的是其與用戶互動的可能性增加，推動了微博的傳播；

3）用戶關系屬性中，點入度被剔除，點出度對傳播力存在負向作用，Pagerank值對傳播力存在正向作用，且系數較大。這說明用戶在關系網絡中的重要性對其傳播力的提升非常重要，但一味地關注別人，則可能降低自身的傳播力。

4 結 論

綜上所述，從微博內容和用戶特征兩個方面對旅游機構的微博傳播力進行實證，可以得出以下結論：

1）就微博內容而言，微博主題和微博內容元素會對旅游機構的微博傳播力產生較大影響，而微博情感和發布時間對微博傳播力產生的影響雖有但十分細微。其中，在微博主題中，原創微博中的晚安問候、抽獎活動和美食相關對傳播力有正向影響，而開獎通知和平臺產品對傳播力卻有負向影響；在微博內容元素中，包含視頻、話題和艾特會對旅游機構的微博傳播力有推動作用。

2）就用戶特征而言，個人屬性、粉絲屬性和用戶關系屬性均會對旅游微博用戶的傳播力產生影響。其中，在個人屬性中，粉絲數和關注數對用戶傳播力產生正向影響，當月發博數對用戶傳播力有負向影響；在粉絲屬性中，用戶粉絲的粉絲數和關注數會對用戶的傳播力產生負向影響，而用戶粉絲的發博數會對用戶的傳播力產生正向影響；在用戶關系屬性中，用戶本身的節點重要性會對用戶傳播力產生較大的正向影響，而點出度則會產生負向影響。

由結論可得出針對微博旅游機構用戶的影響因素指標如表6所示。

結合實證結論，本文對旅游機構的微博運營提出幾點建議：

1）在微博運營的過程中可以設置固定的版塊，如早安和晚安問候，并經常開辦抽獎等激勵性活動，減少廣告信息發送，以吸引活躍度較高的粉絲，提升自己的傳播力；

2）多發送原創微博，并適當使用視頻、話題和艾特，以提高微博傳播力；

3）多跟其他旅游機構用戶進行互相關注，特別是影響力較大的用戶，以提升自己在該領域社會網絡的節點重要性，沒有得到回應的單向關注則可取消；

4）不要過于頻繁地發送微博，避免用戶逆反心理對微博傳播力產生負向影響。

5 總結與思考

本文先對機構微博傳播力進行概念限定，并選取轉發數、評論數和點贊數為指標進行權重賦值對機構微博傳播力進行具體量化，然后將用戶關系屬性納入微博用戶特征，結合微博內容和用戶特征對微博傳播力影響因素指標進行選取，最后選取新浪微博平臺上的旅游機構用戶為實證研究對象，利用Elastic Net對各指標進行驗證，得出了旅游機構微博傳播力的具體影響因素。

除了得出針對旅游機構用戶的具體影響因素外，由實證研究的結論還可以得出以下關于機構微博傳播力影響因素的相關思考：

1）用戶關系對于機構微博傳播力的重要性。由實證可以看出，用戶關系屬性中的PageRank值的確會對機構微博傳播力產生影響，且影響較大，這說明，在考慮微博傳播相關的影響因素時，微博本身的社交網絡屬性是非常重要的，不應僅僅只把用戶作為獨立個體來分析，其關系屬性不容忽視。但本文分析用戶關系屬性時只針對了部分旅游機構用戶進行社會網絡分析，下一步可以深入社會網絡分析的內容，使傳播力的影響因素指標更全面；

2）粉絲屬性的復雜性。由對旅游機構用戶的實證研究，可以發現，粉絲發博數的確會對用戶傳播力產生推動作用，但是其粉絲數和關注數卻會對用戶傳播力產生負向影響，而粉絲發博數代表粉絲的活躍度，粉絲的粉絲數和關注數代表粉絲的質量，由此可見，粉絲活躍度和粉絲質量對微博傳播力并不一定就會起到推動作用，需要針對具體對象進行具體分析，但總的來說，粉絲屬性對于微博傳播力的影響是不容忽視的；

3）影響因素指標的領域拓展。雖然微博內容和用戶特征作為每位微博用戶的固有屬性并不會受領域影響，但是，不同領域的微博內容風格迥異，用戶特征也有所不同，本文實證研究針對的是途牛旅游網官方微博的微博內容和部分旅游機構用戶的用戶特征，其結論會有一定的領域局限。但是，在涉及其他領域時，依舊可以用這樣的指標，并且針對具體領域進行指標實證時的刪減，最后得出針對不同領域的微博傳播力影響因素；

4）微博情感計算的準確性。本文是使用軟件工具來計算微博情感的，在詞句的處理上可能會存在一定的誤差，下一步研究在微博情感這一塊可以考慮引入主觀標注，結合主觀和客觀，使結果更加準確。

綜上所述，本文研究成果對微博傳播力的量化和多角度探究微博傳播力影響因素具有一定的理論參考，為各領域機構從微博內容和用戶特征兩個方面進行微博運營提供了參考依據。由于時間和樣本的局限，本文研究方法和結論存在的不足之處，將在下一個階段的研究中進一步完善。

參考文獻

[1]房雅楠.活躍用戶超3億微博商業化業績靚麗[N].中國商報，2017-02-28，（7）.

[2]張春華.傳播力：一個概念的界定與解析[J].求索，2011，（11）：76-77.

[3]王建東，趙冬梅.電商企業官方微博競爭力評價研究——基于熵值法的視角[J].統計與信息論壇，2013，28（10）：81-84.

[4]方興東，張靜，張笑容，等.基于網絡輿論場的微信與微博傳播力評價對比研究[J].新聞界，2014，（15）：39-43.

[5]劉叢，謝耘耕，萬旋傲.微博情緒與微博傳播力的關系研究——基于24起公共事件相關微博的實證分析[J].新聞與傳播研究，2015，（9）：92-106，128.

[6]趙玲，張靜.微博用戶使用動機影響因素與結構的實證研究[J].管理學報，2014，11（8）：1239-1245.

[7]彭柯，朱慶華，王雪芬.微博用戶共享行為影響因素研究[J].圖書情報知識，2013，（2）：81-87.

[8]陳芳，劉芳.地方高校圖書館社交媒體互動效果分析——以新浪認證微博為例[J].情報科學，2016，（12）：115-119，167.

[9]謝耘耕，榮婷.微博傳播的關鍵節點及其影響因素分析——基于30起重大輿情事件微博熱帖的實證研究[J].新聞與傳播研究，2013，20（3）：5-15，126.

[10]于晶.微博傳播過程中用戶影響力的特征實證分析[J].情報雜志，2013，（8）：57-61，38.

[11]周志峰，韓靜嫻.h指數應用于微博影響力分析的探索——以我國“211工程”大學圖書館微博為例[J].情報雜志，2013，32（4）：63-67.

[12]劉曉娟，王昊賢，肖雪，等.基于微博特征的政務微博影響因素研究[J].情報雜志，2013，（12）：35-41.

[13]Hovland C I，Janis I L，Kelley H H.Communication and Persuasion[M].New haven：Yale University Press，1953：6-67.

[14]哈羅德·拉斯韋爾.社會傳播的結構與功能[M].何道寬，譯.北京：中國傳媒大學出版社，2013：11-78.

[15]張博，李竹君.微博信息傳播效果研究綜述[J].現代情報，2017，37（1）：165-171.

[16]沈陽.2014政務新媒體傳播力報告[R].北京：清華大學新聞研究中心，2015：4-7.

[17]Berger，Jonah，and Katherine Milkman.What Makes Online Content go Viral[J].Journal of Marketing Research，2012，49（2）：192-205.

[18]Berman R，Humphrey C，Melumad S，et al.Make America Tweet Again：A Dynamic Analysis of Micro-Blogging During the 2016 U.S.Republican Primary Debates[J].Social Science Electronic Publishing，2017.

[19]張鵬威，劉紅麗，汪林威，等.用戶特征對微博信息傳播影響的實證研究[J].現代計算機：專業版，2015，（16）：33-38，69.

[20]王國華，鄭全海，王雅蕾，等.新浪熱門微博的特征及用戶轉發規律研究[J].情報雜志，2014，（4）：117-121，89.

[21]馬俊，周剛，許斌，等.基于個人屬性特征的微博用戶影響力分析[J].計算機應用研究，2013，30（8）：2483-2487.

[22]畢凌燕，張鎮鵬，左文明.基于微博傳播信息流的微博效果評價模型及實證研究[J].情報雜志，2013，（7）：69-73.

[23]柯鄭林.Lasso及其相關方法在多元線性回歸模型中的應用[D].北京：北京交通大學，2011.

（責任編輯：郭沫含）