高校官方微博影響力評價與比較實證研究

摘 要：本文以36家985高校的官方微博（后簡稱為“官微”）為研究對象，選取“粉絲”數、微博數、原創微博數、多媒體微博數、轉發數、評論數、點贊數、“粉絲”參與率和關注轉化內容率為指標，通過因子分析對我國985高校官微影響力進行評價和比較研究。因子分析提取了985高校官微影響力評價的3個公因子，即互動因子、官微發布因子和人氣因子。研究發現，985高校官微的影響力水平分布不均衡，多數高校微博的影響力偏低，影響力較高的高校微博數量偏少。

關鍵詞：高校官方微博；影響力；因子分析

中圖分類號：G647 文獻標志碼：A 文章編號：1674-8883（2020）04-0235-01

隨著互聯網的發展和移動終端的普及，微博的傳播價值越來越受到關注。作為社會新思想的搖籃，高校也不例外地開始重視自己在微博上的傳播影響力。在知網上以“高?！焙汀拔⒉睘殛P鍵詞進行檢索，發現少有評估其影響力的文獻。本文力圖通過爬蟲軟件直接爬取微博相關數據，以更科學地評估高校官微的影響力，并提出相應的發展建議。

一、構建指標體系

根據Malcolm Gladwell提出的流行三法則，本文從微博傳播者、微博傳播內容、受眾和傳播特征這4個維度選取博主活躍度、微博內容、“粉絲”參與度、微博傳播度4個要素構建高校官微影響力評價指標體系。[1]以下逐一闡述其含義。

博主活躍度是指微博用戶在微博上的活躍程度。博主通過發微博才能吸引其他用戶的眼球，以此吸引“粉絲”，擴大自身影響。因此，本文選取微博數這一指標來量化博主活躍度，從發布微博的頻率來評價高校官微的活躍度。

微博內容是指用戶原創或轉發的微博內容。本文選取原創微博數、多媒體微博數和關注轉化內容率這3項指標進行量化。原創微博反映了創新程度，其所占比例越多，越容易形成自身影響力和品牌效應；[2]多媒體微博數是指包含圖片、視頻和音樂的微博總數，此類微博比純文字的微博內容更能吸引用戶的眼球；關注轉化內容率是指轉發微博數與關注數之間的比例，關注轉化內容率越高，其轉發所關注用戶的微博數量也越多。

“粉絲”參與度是指在接收微博信息后會對此產生反應和態度的“粉絲”在總“粉絲”中所占的比例?！胺劢z”參與度用來研究微博用戶的活躍“粉絲”數的比重，這一指標通過“粉絲”參與率（指評價時間段內發布的所有微博的轉發數、評論數、點贊數之和與“粉絲”數之間的比率）來量化?！胺劢z”參與率越高，說明活躍的高質量“粉絲”越多。

微博傳播度是指微博用戶所發微博的傳播范圍的廣度和深度。轉發可以擴散微博信息，體現傳播的廣度。評論和點贊則表達了“粉絲”對微博內容的態度和觀點，體現傳播的深度，同時評論和點贊的數量達到一定數量也能將微博推上熱門，從而被更多用戶看見，擴大傳播范圍?！胺劢z”數量的多少也決定著微博用戶影響力的輻射范圍和影響程度。[3]因此，本文選擇微博轉發數、評論數、點贊數和“粉絲”數這4項指標進行量化。

二、數據來源和研究方法

數據來源和說明：我國高校微博數量眾多，且各高校層級差異比較大。為了保證研究對象的可對比性，本文選取同一層級的高?！?85高校的官微作為研究對象。由于廈門大學和國防科技大學沒有經過官方認證的官微賬號，北京理工大學官微“粉絲”數僅有6000多，與其他高校官微“粉絲”數相差過大，所以將這幾所學校剔除。本文一共選取了除這3所高校之外的36所985高校作為樣本，并選擇2018年9月21日至11月21日作為研究時段進行數據采集，運用爬蟲軟件與人工統計相結合的方法采集數據，再使用SPSS 24.0軟件進行數據分析。

三、因子分析過程及結果

（一）指標相關性及適用性檢驗

對樣本量進行KMO與Bartlett的檢驗。KMO的值= 0.782>0.6，Bartlett球形檢驗近似卡方統計值為408.348，顯著性水平P值=0.000<0.05，說明本文數據適合做因子分析。

（二）提取公因子

使用主成分分析和最大方差旋轉法提取中國高校官微影響力的公因子，3個公因子特征值均大于1，且提取公因子的累計方差貢獻率達91.654%。說明這3個公因子基本上涵蓋了原始數據所反映的信息，丟失內容較少，因子分析法適用于本文的研究。通過Kaiser標準化的正交旋轉法，建立公因子載荷矩陣，旋轉在4次迭代后收斂，使各個變量在某一公因子上產生較高載荷。

第一公因子F1在點贊數、評論數、轉發數、關注轉化內容率和“粉絲”數這6個指標上具有較高載荷。點贊數、轉發數、評論數和“粉絲”參與率體現了“粉絲”在接收到高校官微發布的微博信息之后愿意通過轉發、評論、點贊來參與互動的互動絕對數和比例。關注轉化內容率體現了高校官微獲取其他用戶的信息并且轉發為自己微博內容的概率。這6個指標都是高校官微及其“粉絲”的互動行為。因此，本文將第一公因子F1命名為互動因子。

第二公因子F2在多媒體微博數、微博數和原創微博數這3個指標上具有較高載荷。微博數體現了高校官微的活躍度，多媒體微博數和原創微博數則體現了所發微博內容的豐富性、創新性。這3個指標與高校官微發布微博這一行為有關，因此，本文將第二公因子F2命名為官微發布因子。

第三公因子F3在“粉絲”數這一指標上具有較高載荷?！胺劢z”數體現了高校官微的人氣程度。因此，本文將第三公因子F3命名為人氣因子。

（三）因子得分及結果討論

根據原始各變量得分系數和標準化值，利用回歸方法計算各公因子得分。以3個公因子的方差貢獻率作為公因子得分的權數，構建高校官微影響力綜合得分函數：F=0.44898×F1+0.33410×F2+0.13347×F3。根據各個因子得分和綜合因子得分，可相應地得出36家高校官微影響力排名。

根據互動因子F1得分和排名可知，前5名分別為上海交通大學、浙江大學、山東大學、華東師范大學和武漢大學。這5所高校官微在互動方面較為突出。高轉發數、評論數、點贊數和“粉絲”參與率間接說明了其所發微博的價值，在傳播的深度和廣度方面都取得了較好的效果。高關注轉化內容率說明其能積極將關注的其他用戶的優質微博內容轉發到自己的微博上，豐富微博內容。

根據官微發布因子F2得分和排名可知，前5名分別為中南大學、天津大學、大連理工大學、南開大學、電子科技大學和東北大學。這5所高校官微所發微博數較多，說明活躍度、信息公開程度高，積極運營微博賬號并且分享校園信息。同時，原創微博數和多媒體微博數也較多，更容易吸引讀者閱讀興趣，從而提高影響力。

根據人氣因子F3得分和排名可知，前5名分別為清華大學、北京大學、復旦大學、武漢大學和電子科技大學。說明這5所高校官微的“粉絲”數領先，人氣高，有群眾基礎。

從綜合得分和排名來看，36家高校官微影響力水平發展不均衡，各高校之間差異較大。排名前5的高校官微存在兩種情況：一是3個公因子排名均比較靠前，如武漢大學；二是部分公因子排名領先，另一部分公因子排名比較靠后。排名靠后的5所高校官微的3個公因子得分排名均靠后，各方面實力較弱。

四、結語

本文通過對36家“985”高校官微影響力水平進行比較和分析，發現：第一，高校官微影響力發展水平不均衡，例如綜合得分第一名與最后一名相差2.53分，差距較大。運營成熟的高校官微應繼續保持自身優勢，在發展中尋求創新和突破；影響力水平較低的高校官微應在發揮自身優勢的基礎上，借鑒和吸收優秀高校官微的運營經驗，力爭上游。第二，高影響力的高校官微偏少，低影響力的相對偏多，呈底部巨大的金字塔型分布。目前這一分布狀況并不合理，各高校官微尤其是影響力排名靠后的，應盡力提高自身的影響力水平，躋身中高影響力行列，使整體分布結構趨于紡錘形。

參考文獻：

[1] 呂尚彬.穹頂之下：產品結構、互聯網思維與“引爆點”[J].今傳媒，2015，23（09）：4-7.

[2] 趙阿敏，曹桂全.政務微博影響力評價與比較實證研究——基于因子分析和聚類分析[J].情報雜志，2014，33（03）：107-112.

[3] 梁昌明，李冬強.基于新浪熱門平臺的微博熱度評價指標體系實證研究[J].情報學報，2015，34（12）：1278-1283.

作者簡介：王夢珠（1995—），女，浙江寧波人，中國傳媒大學研究生在讀，研究方向：媒體管理。