基于影響力因子的氣象新媒體傳播分析
——以貴州省氣象微信訂閱號為例*

鄭 奕，夏曉玲，唐延婧

(貴州省氣象服務中心，貴州 貴陽 550002)

1 前言

據中國互聯網絡信息中心第38次《中國互聯網絡發展狀況統計報告》顯示，截止2016年6月，中國網民規模已達7.10億，網民中使用手機上網的人群占比由2015年底的90.1%提升至92.5%，網民上網設備進一步向移動端集中。

與此同時，我國在線政務服務用戶規模達到1.76億，占總體網民的24.8%，發展空間廣闊。其中，通過政府微信公眾號獲得政務服務是網民使用最多的在線政務服務方式。微信以其龐大的用戶基數，在新媒體傳播中成為首當其沖的強勢力量。“兩微一端”的新媒體傳播平臺正在形成。

目前，全國各省市自治區、直轄市氣象部門均已開設了微博、微信、客戶端APP等多種服務方式渠道，國內學術界對新媒體后臺創新設計開發、微信公眾號關鍵推廣技術打造等類型的研究也眾多。但對新媒體服務能力的評價大多用粉絲數量進行判斷，暫無針對氣象政務新媒體服務能力影響因素的客觀分析先例可參考。

同時鑒于眾多氣象微信公眾號、氣象微博之間服務傳播能力水平不一、參差不齊，且以粉絲數為主的考核方式無法獲知究竟什么才是影響氣象新媒體傳播力能力的關鍵因素。筆者依據騰訊出品的帳號總量和平均活躍用戶規模做分析發現，全國31個省級行政區氣象政務微博、微信發展水平“東高西低”，大致呈三級階梯狀分布，貴州處于第二階梯。

經調研，全國31個省、自治區、直轄市氣象部門(除港澳)均已開通了微博、微信公眾號氣象服務，在發布手段上都做到了圖、文、聲、像有機融合。對比31個省(直轄市、自治區)的政務民生微信公眾號平均活躍用戶規模和移動終端活躍度的排名之差距發現，貴州名列全國第八位。

所以筆者選擇貴州氣象微信作為研究切入點，嘗試探索研究氣象新媒體傳播規律。以期發現新媒體服務傳播能力是否與當地經濟發展水平密切相關?是否存在地區差異?進而有效促進氣象部門服務方式的創新和服務能力的提升。

2 研究方法

本研究從移動互聯、大數據的視角出發，以騰訊公司開發的微信社交軟件作為主要調研對象，以清華大學新聞與傳播學院沈陽教授提出的微信傳播指數(清博指數)WCI為主要研究內容，基于新媒體平臺對用戶行為、習慣以及氣象服務公眾號的傳播效果、指數變量相關性等內容進行探索研究。

微信傳播力指數(清博指數)簡稱WCI，是國內最大的“兩微一端”(微博、微信、APP)新媒體數據平臺，目前國內最大的第三方新媒體數據搜索引擎，由清華大學新聞與傳播學院提供學術支持，國內多個高校的知名學者教授擔任學術顧問。清博指數WCI以微信公眾號發布信息中能公開獲得的閱讀量、點贊數、發文數量等數據為分析因子，以復雜加權算法得出的結果。該算法對于可以人為控制的點贊數、閱讀量等進行減少權重，更注重對文本質量在數據中的體現，相對其他衡量標準更具科學性。WCI測算公式(V12.0)如下:

WCI={80%×﹝40%×Ln(R/d+1)+45%×Ln(R/n+1)+15%×Ln(Rmax+1)﹞+20%×﹝40%×Ln(10×Z/d+1)+45%×Ln(10×Z/n+1)+15% ×Ln(10×Zmax+1)﹞}2×10

其中，R為評估時間段內所有文章(n)的閱讀總數;Z為評估時間段內所有文章(n)的點贊總數;d為評估時間段所含天數，以真實天數計算;n為評估時間段內賬號所發文章數;Rmax和Zmax為評估時間段內賬號所發文章的最高閱讀數和最高點贊數。

表1 WCI測算V12.0Tab.1 WCI calculation formula

因為國內氣象部門目前沒有開展以WCI指數為基礎的氣象新媒體傳播能力研究，也沒有開展氣象新媒體與地方經濟發展相關性方面研究，所以本研究嘗試以貴州省氣象微信訂閱號為例，采集2016年5—9月貴州省下屬9個市州氣象微信訂閱號發文相關數據，代入 WCI傳播力指數測算公式(V12.0)進行測算，并對它們的傳播力進行排名分析。使用SPSS分析軟件，將計算結果和采集數據用因子分析法提取出影響微信公眾號傳播指數的關鍵因素，然后分別以9個市州微信訂閱號WCI關鍵因子測算數據，結合2016年貴州統計年鑒公布的9市州當地人均GDP、電信基礎設施建設情況等統計數據，進行相關性檢驗。從而得出結論，WCI的高低與當地經濟社會發展情況不存在相關性，WCI的主要影響因素為時間段內微信公眾號發文的最大點贊數、最大閱讀數、頭條文章閱讀數以及地區移動電話用戶數等4個因素。并對氣象服務的發展提出建議，力求為氣象服務方式的變革創新提供更為深入的實踐經驗。

3 分析與結果

3.1 全國及貴州省氣象微信公眾號傳播指數WCI測算排名、等價活躍粉絲排名

3.1.1 WCI測算排名 本研究抓取了2016年5—9月間的觀測數據，時間段內觀測數據由各級氣象微信公眾號相關閱讀、點贊數據等組成，參照WCI指數的定義計算得出:

在全國范圍內，傳播力最強的省級微信公眾號是廣東天氣服務號(WCI為996.5)，其次是上海天氣(WCI為789.4)，第3名為氣象北京(WCI為696.9)。貴州省省級氣象微信訂閱號黔氣象位于全國第17位(WCI為299.2)。

貴州省內市州級微信公眾號傳播力排名前3位分別為遵義氣象(WCI為299.2)、黔南氣象(WCI為277.2)、銅仁氣象(WCI為256.3)。

縣級微信公眾號傳播力排名前3位為威寧氣象(WCI為457.9)、沿河氣象(WCI為379.7)、黎平氣象(WCI為328.8)。威寧奪冠的原因是6月14日發布一條“大雨傾盆!威寧瞬間變‘水城’”信息，表現形式為圖文+視頻，閱讀量高達49 250，點贊61!為貴州省截止2016年年底最高單條天氣信息閱讀紀錄。沿河、黎平的入圍也是憑借單條信息最高閱讀量的“貢獻”。

3.1.2 等價活躍粉絲排名 根據微信公眾號的傳播力，通過清博智能分析模型評定出微信公眾號等價活躍粉絲數，該數值會隨著時間發生變化，最高上限是100萬+。讀取得出:在全國范圍內，等價活躍粉絲最多的前3名氣象微信公眾號分別為廣東氣象(100萬+名)，上海天氣(41萬名)，氣象北京(9.2萬名)。黔氣象7 100名，列全國第19位。

省內市州級微信公眾號等價活躍粉絲排名前3位依次為:銅仁氣象(15 850名)，遵義氣象(5 250名)，黔南氣象(3 330名)。

省內縣級氣象部門微信公眾號等價活躍粉絲數排名前3位為:沿河氣象(8 440名)，威寧氣象(6 950名)，松桃氣象(5 030名)。

比較兩項排名后可發現，全國省級微信公眾號的兩項排名基本一致，但省內市州級及縣級排名略有變動。后續將主要采取WCI數值進行分析。

3.2 數據分析

為探求國民經濟生產總值與影響氣象微信公眾號影響力的具體作用因素之間的關系，本研究首先將使用因子分析等方法對時間段內的氣象微信公眾號發文總數、閱讀總數、點贊總數、頭條文章閱讀數、最大閱讀數、最大點贊數、微信傳播指數WCI等相關數據進行分析，探究微信影響力與相關變量之間的量化指標關系。找到關鍵因子后，用主成分與國民生產總值中的人均GDP、電信指標等進行相關性分析，從而探索影響力的傳播特性。

3.2.1 因子分析結果 考慮到氣象微信公眾號發文總數、閱讀總數、點贊總數、頭條文章閱讀數、最大閱讀數、最大點贊數、微信傳播指數WCI等相關數據均為變量，同時變量之間存在相關關系及信息重疊，所以本文采用因子分析及最大方差法，輸出陡坡圖，首先找到主成分。

KMO檢驗為0.724，說明數據進行因子分析是比較好的，可以進行分析。Bartlett檢驗的Sig值為0.000，說明數據來自正態分布總體，適合進一步分析。

按照初始特征值大于1的標準，SPSS分析得到2個主成分，第一主成分的方差貢獻率為67.54%，兩個主成分的方差占所有主成分方差的84.566%。

表2 主成分分析Tab.2 principal component analysis

從圖1陡坡圖上可以看出大于1的成分有2個，所以只需要考慮這2個成分即可。

圖1 陡坡圖

Fig.1 Steep slope map

在旋轉元件矩陣中所示，第一公因子主要反映的是除文章總數外變量的信息，同時在最大點贊數、最大閱讀數、頭條文章閱讀數上有較高的載荷，第二公因子在文章總數上有較大載荷。

表3 旋轉元件、元件評分系數矩陣Tab.3 Rotating element＆ Component score coefficient matrix

由此分析可以得出最大點贊數、最大閱讀數、頭條文章閱讀數等公眾號發展的重要指標，其數值的大小可以直接影響WCI值。

據旋轉元件矩陣及元件評分系數矩陣可以寫出兩個公因子的表達式:

F1=0.109×閱讀總數-0.252×文章總數+0.031×點贊總數+0.197×頭條文章閱讀數 +0.383×最大閱讀數+0.278×最大點贊數+0.180×WCI

F2=0.617×文章總數+0.204×閱讀總數+0.297×點贊總數+0.057×頭條文章閱讀數 -0.384×最大閱讀數-0.105×最大點贊數+0.086×WCI

將此兩個公因子的表達式帶入市州級、縣級三項排名進行驗算，兩項公因子測算結果與WCI排名一致，與活躍用戶數排名有出入。

表4 公因子帶入驗算Tab.4 Common Factor Entry Check

3.2.2 WCI與國民經濟之間的相關性分析 根據因子分析得出與WCI密切相關的兩個公因子公式，結合2016年貴州省統計局發布的《貴州統計年鑒》中公布的9市州人均GDP、電信主要指標等數據進行相關性分析，從而探索國民經濟發展水平是否直接影響微信傳播力WCI值，兩者之間是否存在相關性。

公因子測算以貴州省9個市州地微信公眾號數據為例，省級訂閱號“黔氣象”未參與測算。分析采用Pearson系數進行檢驗。數據分析結果如表5、表6，從表中可以看出，人均GDP與F1、F2之間不存在明顯相關性，地區移動電話用戶數與F1、F2之間存在正相關。

表5 公因子與人均GDP數相關性分析Tab.5 Correlation Analysis between common factor and per capita GDP

表6 公因子與移動電話用戶數相關性分析Tab.6 Correlation analysis of common factor and mobile phone user number

3.3 結論

氣象微信傳播服務能力的高低與該微信訂閱號推送文章的“最大點贊數”、“最大閱讀數”、“頭條文章閱讀數”這3個因素緊密相關，即該3個因素數值越大，該微信訂閱號的傳播服務能力就越強。

氣象微信訂閱號的傳播服務能力與當地國民經濟生產總值之間不存在任何相關性，即區域經濟發展水平不會影響當地氣象新媒體的傳播服務能力。也就是說氣象微信傳播服務力數值的高低與訂閱號粉絲總數、所在地人均GDP均無直接關聯。

氣象微信傳播服務力與當地手機電話用戶數存在正相關。即當地手機用戶基數越大，氣象微信傳播服務能力就有可能越高。

4 建議

4.1 重塑新媒體推廣定位，以科學考核指標助推新媒體發展

氣象服務屬于政務服務范疇，具有時效性、前瞻性及突發性等特點，區別于其他政務服務類別及傳統氣象服務方式。從分析結論中可以推導出優秀微信訂閱號的屬性應為:注重不同媒體發布渠道的氣象要素內容包含，注重頭條推文的質量控制，重構氣象信息的呈現形式。同時應建立以傳播力、粉絲質量為核心的新媒體服務分析考核要點，加強氣象信息傳播工作的推廣及評估，結合推送信息的后臺分析、民眾訴求及輿情監測與管理，重塑氣象服務新媒體的定位推廣，以科學考核指標助推新媒體發展。

4.2 新媒體助力彎道超車，彌補與發達地區的氣象服務發展差距

“互聯網+”政策促進效應將促推新媒體成為傳播服務主陣地，微信矩陣是發展趨勢。人民日報等傳統媒體已建立起自己的傳播矩陣，這些成功經驗都值得參考借鑒。氣象微信公眾號實現了為氣象服務瓶頸“最后一公里”賦權。借助移動互聯及大數據東風，推廣縣級氣象部門新媒體服務方式可以為偏遠地區的政府部門及公眾提供與發達地區同優質的服務，利于彌補貴州與發達地區差距的數字鴻溝。移動互聯新媒體克服了空間地點的約束，以越來越龐大的用戶群體基數、創新的服務體驗以及超低的入門門檻體驗必將成為氣象部門服務方式的首選。

5 研究的局限與不足

①WCI影響力相關的這些因子互為因果關系，本研究采用SPSS軟件對多個因變量進行分析，局限于分析方法所限，只能提出關鍵因子，對于因變量之間的因果關系不能得到很好的解釋。下一步可以考慮采用結構方程模型的方法進行更深入的分析探索。

②微信文章閱讀量、點贊數、轉載數等都可以通過“刷”等惡劣手段來大幅提高，淘寶搜索“微信公眾號推廣”，發現有很多商家從事此類業務，業務成交量更是上萬。如何清洗、刪除此類數據保證影響力測算數據的真實和公正，也值得深究。