互聯網影響力人物傳播學溝通機制

王諾

互聯網是當今最有力的傳播媒介，互聯網影響力人物/網紅作為其中最具生機活力的因素，卻鮮少被系統研究。本文試圖以傳播學為分析基礎，從主觀因素、客觀內、外部因素入手，分析其溝通機制。

一、主觀因素：互動方式

通過研究現存資料、對影響力人物的采訪和分析其發布的內容，發現影響力人物在溝通過程中最重要的兩個互動方式關鍵是建立“人設”和保持用戶“黏度”。

建立“人設”需要展示人物的真實性。范·列文，加登，和杜米特里卡表明，真實性（authenticity），即真實的自我（real self），一直是媒體認可的來源。 范·呂文指出，在傳統媒體中，例如表演（profermance），情態（modality），有效性（validity）和情感表達的社會規范（social norms of emotional expression）在確定某人是否比其他人更真實時會被考慮在內。 諸如個性（personality），連接性（connectivity），即時性（immediacy）和規律性（regularity）之類的人物個性也成為Web 2.0時代確定某人是否真實的重要方面。

影響者生命周期的長短很大程度上取決于關注者的“粘性”（Hu et al.， 2020）。為了增加粘性，需要遵循三個關鍵點：共享價值，訪問時間長短和保持關注。用戶重新訪問網站的意圖在很大程度上取決于其對內容的價值感知，預期用戶對網站價值的感知會影響他們保持忠實的意圖。良好的在線體驗會帶來內在的享受，從而產生了良好的口碑。粘性的形成受用戶對網站的態度，網站的信任度和網站內容的質量的影響。為了提高網絡用戶保持忠實于網站內容和格式的意圖（Lin， 2007），策略可以包括提供，更新信息，定制功能，導航工具和搜索功能。

二、客觀外部因素：平臺及其算法

在線平臺通過識別社交媒體上的熱門話題和熱門搜索的時長、計算制作成本，訪問量以及話題和格式（文字或視頻）的廣告或贊助收入潛力來啟動內容制作周期。在生成內容之后，通過在各種社交平臺上發布來“聚合”用戶，再通過社交推薦，評論，搜索排名和頁面瀏覽量生成有關用戶參與和維護的相關數據。這些指標用于進一步計算來修改或優化內容，以確定投資參與周期是否有利可圖，這使得影響力人物的走紅更傾向于“偶然”。

當平臺將多個用戶組聚集在一起時，它們會產生所謂的網絡外部性（Network Externality）。網絡外部性（Network Externality），又稱網絡效應（Network Effect）或需求方規模經濟（Demand-side Economies of Scale），指在經濟學或商業中，消費者選用某項商品或服務，其所獲得的效用與“使用該商品或服務的其他用戶人數”具有相關性時，此商品或服務即被稱為具有網絡外部性。最常見的例子是電話或社交網絡服務：采用某一種社交媒體的用戶人數越多，每一位用戶獲得越高的使用價值（de Reuver et al.， 2018）。通常，如果平臺的價值取決于同一用戶組中的用戶數量，則網絡外部性是直接的，即產品的價值因其他人購買，連接或使用相同的平臺或服務而增加。當平臺的價值取決于不同用戶組中的用戶數量時，外部性是間接的。間接網絡效應也可能是負面的，比如在搜索引擎平臺上，廣告商廣告投放的增加會降低搜索內容對搜索者的價值。

三、客觀內部因素：傳播心理

研究表明（de Reuver et al.， 2018）當針對個人獨特的心理特征量身定制內容和服務時，受眾的接受度會更高。而人們的心理特征可以從其數字足跡（如Facebook和微博的點贊）中準確預測。將說服性訴求的內容與個人的心理特征進行匹配，可以通過點擊和轉發等網絡行為來衡量。與不匹配或沒有經過個性定制的同類內容相比，與人們的外向性或開放性體驗水平相稱的說服吸引力使點擊次數增加了多達40%。

評判他人的個性是成功社交生活中必不可少的技能，因為個性是人們互動，行為和情感背后的關鍵驅動力。盡管準確的個性判斷源于社交認知技能，但機器學習的發展表明，計算機模型也可以做出有效的判斷。在預測不良習性，政治態度和身體健康等生活結果時，計算機人格判斷具有較高的外部效度;對于某些結果，基于通用數字足跡的計算機預測甚至超過了自我評價的人格分數（Youyoua et al.， 2015）。在人格判斷方面超越人類的計算機在心理評估，市場營銷和隱私方面提供了巨大的機遇和挑戰。

參考文獻：

[1]De Reuver， M. S?rensen， C. BASOLE.數字平臺：研究議程[J].信息技術學報，2018

[2]HU L.， MIN Q.， HAN S..了解追隨者對數字網紅的粘性：心理反應的影響[J].國際信息管理雜志，2020

[3]呂文，西奧·范.什么是真實性？[J].話語研究，2007

[4]LIN， J. C.. 在線粘性：其前身和對購買意愿的影響[J].行為與信息技術，2017

[5]YOUYOUA W.， KOSINSKIB M.， STILLWELLA D..基于計算機的人格判斷比人類做出的判斷更為準確[J].心理與認知科學，2015