皖江城市帶5A級旅游景區(qū)新浪微博影響力研究

查曉莉

（池州學(xué)院，安徽 池州247000）

一、引言

移動互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，處于Web3.0時代的人們越來越普及地利用智能手機(jī)、平板等移動終端，鑒于這些媒體設(shè)備隨身攜帶便捷、極具個性化的優(yōu)點，網(wǎng)民用戶運(yùn)用多屏終端和移動網(wǎng)絡(luò)隨時隨地搜索、創(chuàng)造、分享、傳播信息[1]。自媒體時代，微博這種新興傳播媒介在用戶自生成內(nèi)容時具有即時性和交互性，其“分裂式”傳播方式使得信息在關(guān)注與被關(guān)注、轉(zhuǎn)發(fā)與被轉(zhuǎn)發(fā)之間形成一個龐大社交網(wǎng)絡(luò)。“隨時隨地分享身邊新鮮事兒”的新浪微博自2009年正式上線以來逐步成為當(dāng)前擁有最多用戶數(shù)量、最高活躍度的微博平臺，微博作為溝通交流和信息發(fā)布的手段和渠道，企業(yè)組織與政府機(jī)構(gòu)紛紛入駐微博平臺，同時各旅游運(yùn)營管理組織也非常重視微博發(fā)揮的宣傳推廣作用[2]。分析微博信息對各行業(yè)領(lǐng)域具有重要意義，新浪微博平臺發(fā)布信息資訊，伴隨公眾瀏覽、點贊、評論、轉(zhuǎn)發(fā)行為進(jìn)行傳播。旅游運(yùn)營管理方則借助微博和微博粉絲間互動交流，及時解答粉絲用戶的問題和需求，促進(jìn)旅游景區(qū)和廣大潛在旅游者的交流[3]。本文以皖江城市帶5A級旅游景區(qū)新浪官方微博為實證對象，評價其微博影響力，并對比分析不同指數(shù)在評價微博影響力時各自的適用性和合理性。

二、文獻(xiàn)綜述及相關(guān)概念

（一）文獻(xiàn)綜述

微博影響力成為近年來學(xué)者們研究熱點之一，研究者常從微博用戶影響力角度開展研究。姚茜認(rèn)為微博用戶的關(guān)注（粉絲數(shù)）、搜索和標(biāo)簽、轉(zhuǎn)發(fā)水平是微博影響力的三大因素[4]。晉孟雨等人以北京市旅游委官方微博為例，發(fā)現(xiàn)微博等級、熱門微博數(shù)量、粉絲數(shù)、被轉(zhuǎn)發(fā)數(shù)、被評論數(shù)、被點贊數(shù)等是其影響力主要影響因子[5]。同時，較多研究集中于以微博轉(zhuǎn)發(fā)數(shù)表征其活躍性，研究用戶轉(zhuǎn)發(fā)微博行為的機(jī)制，唐佳等人提取出微博的用戶特征、內(nèi)容特征、文本特征3類變量研究省級旅游局新浪官方微博轉(zhuǎn)發(fā)影響因素[6]。趙紅等人則以微博轉(zhuǎn)發(fā)量為標(biāo)尺，借助多層線性結(jié)構(gòu)研究微博信息多層結(jié)構(gòu)，從用戶特征與微博屬性變量研究微博轉(zhuǎn)發(fā)量的影響因素[7]。此外，將文獻(xiàn)計量學(xué)方法引入微博影響力評價，提出適用微博環(huán)境的點贊/轉(zhuǎn)發(fā)/評論h指數(shù)同樣引起學(xué)者們的廣泛研究。楊長春在構(gòu)建政務(wù)微博影響力評價指標(biāo)體系基礎(chǔ)上，引入h指數(shù)得出微博的被轉(zhuǎn)發(fā)數(shù)、被評論數(shù)和被點贊數(shù)為政務(wù)微博影響力形成的決定性因子[8]。王林等人則基于34省的旅游政務(wù)微博數(shù)據(jù)，引入p指數(shù)構(gòu)建微博轉(zhuǎn)發(fā)/評論/點贊p指數(shù)評價微博傳播力，實證發(fā)現(xiàn)綜合p指數(shù)具有評價微博傳播力的明顯優(yōu)勢[9]。在前期研究成果基礎(chǔ)上，王林又基于h指數(shù)、g指數(shù)、p指數(shù)構(gòu)建微博轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)的微博影響力評價指標(biāo)體系并對40所“雙一流”高校微博進(jìn)行實證研究，發(fā)現(xiàn)h指數(shù)、g指數(shù)、p指數(shù)在評價微博影響力時各有合理性和科學(xué)性[10]。鑒于已有理論及實證研究基礎(chǔ)，本文利用微博影響力評價指標(biāo)，探討旅游景區(qū)新浪官方微博影響力水平，并對比各指數(shù)評價微博影響力的適用性。

（二）相關(guān)概念

h指數(shù)由赫希（Hirsch）在2005年提出用以評價學(xué)者科研績效的指標(biāo)[11]，g指數(shù)由埃格赫（Egghe）在2006年提出以彌補(bǔ)h指數(shù)對高被引文獻(xiàn)缺乏敏感度缺陷[12]，p指數(shù)由印度學(xué)者普拉塔普（Prathap）在2010年提出以彌補(bǔ)h指數(shù)弱靈敏度和低區(qū)分度的缺點[13]。h指數(shù)、g指數(shù)、p指數(shù)作為文獻(xiàn)計量指標(biāo)被應(yīng)用于學(xué)者學(xué)術(shù)成就、科研機(jī)構(gòu)及期刊影響力研究領(lǐng)域中。微博信息與傳統(tǒng)文獻(xiàn)相比，可以視為由大眾創(chuàng)造的篇幅短小且非正式的文獻(xiàn)[14]，因此將微博作為短篇文獻(xiàn)進(jìn)行研究，引入文獻(xiàn)計量學(xué)相關(guān)指標(biāo)來評價微博影響力具有可行性。

三、數(shù)據(jù)采集及指標(biāo)構(gòu)建

（一）研究區(qū)域概況及微博數(shù)據(jù)采集

2010年國務(wù)院批復(fù)的《皖江城市帶承接產(chǎn)業(yè)轉(zhuǎn)移示范區(qū)規(guī)劃》中確定合肥、蕪湖、銅陵、安慶、池州、馬鞍山、滁州、宣城8個地級市全境及六安市的金安區(qū)和舒城縣為皖江城市帶范圍，囊括了安徽省經(jīng)濟(jì)較為發(fā)達(dá)的幾大中心城市，區(qū)域內(nèi)旅游資源較為豐富。安徽省內(nèi)目前有11處5A級旅游景區(qū)，其中皖江城市帶有6個，分別為六安萬佛湖景區(qū)、蕪湖方特旅游區(qū)、合肥三河古鎮(zhèn)景區(qū)、宣城績溪龍川景區(qū)、安慶天柱山風(fēng)景區(qū)、九華山風(fēng)景區(qū)。在新浪微博上檢索各旅游景區(qū)，選取景區(qū)官方微博用戶，即：“萬佛湖度假區(qū)”、“蕪湖方特”、“三河古鎮(zhèn)旅游官博”、“龍川景區(qū)”、“安徽天柱山官方微博”、“九華山官方微博”6個微博用戶。選取發(fā)博時間在2019年1月1日至2019年12月31日內(nèi)各景區(qū)原創(chuàng)微博數(shù)據(jù)，利用八爪魚爬蟲軟件抓取景區(qū)官方微博用戶在此時間段的所有原創(chuàng)微博及轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)，共爬取到3854條微博，基礎(chǔ)數(shù)據(jù)采集日期為2020年2月1日。

（二）基于各指數(shù)的微博影響力評價指標(biāo)構(gòu)建

利用文獻(xiàn)被引頻次表征文獻(xiàn)影響力，類比此，微博用戶的點贊、轉(zhuǎn)發(fā)、評論行為均能體現(xiàn)微博影響力。因此引入文獻(xiàn)計量指標(biāo)評價微博影響力時，將文獻(xiàn)被引頻次引申為微博的點贊/轉(zhuǎn)發(fā)/評論數(shù)，即h指數(shù)引申出微博點贊/轉(zhuǎn)發(fā)/評論h指數(shù)，g指數(shù)、p指數(shù)同理可引。因有相關(guān)研究已構(gòu)建微博影響力h、g、p指標(biāo)，故不再贅述構(gòu)建過程[10]。

四、實證研究

客觀準(zhǔn)確評價旅游景區(qū)類微博影響力對旅游類微博建設(shè)有指導(dǎo)借鑒意義，本文以皖江城市帶高等級景區(qū)微博為實證對象，獲取微博各項指數(shù)。對獲取到的微博數(shù)據(jù)通過Excel表格進(jìn)行整理排序，利用各指數(shù)定義計算出6個微博的點贊h指數(shù)（hl）、轉(zhuǎn)發(fā)h指數(shù)（ht）、評論h指數(shù)（hc）、點贊g指數(shù)（gl）、轉(zhuǎn)發(fā)g指數(shù)（gt）、評論g指數(shù)（gc）、點贊p指數(shù)（pl）、轉(zhuǎn)發(fā)p指數(shù)（pt）、評論p指數(shù)（pc），整理如表1所示：發(fā)現(xiàn)蕪湖方特和九華山是微博影響力較大的景區(qū)，而天柱山、三河古鎮(zhèn)、萬佛湖和績溪龍川景區(qū)是微博影響力較低的景區(qū)。高影響力景區(qū)在點贊、轉(zhuǎn)發(fā)和評論上總有特別優(yōu)異的表現(xiàn)，而低影響力景區(qū)在三者上均表現(xiàn)較差。

表1基于h指數(shù)、g指數(shù)、p指數(shù)的結(jié)果統(tǒng)計

（一）各指數(shù)一致性分析

對比基于點贊數(shù)、轉(zhuǎn)發(fā)數(shù)和評論數(shù)的3個指數(shù)，發(fā)現(xiàn)排名位居首位和末尾的旅游景區(qū)基本一致。說明3個指數(shù)在評價高影響力微博用戶和低影響力微博用戶時具有一致性，并且微博的點贊、轉(zhuǎn)發(fā)和評論水平在高影響力和低影響力的表現(xiàn)上具有相似性。具體來看，蕪湖方特的點贊、轉(zhuǎn)發(fā)和評論的各指數(shù)排名都很靠前，不僅反映其點贊/轉(zhuǎn)發(fā)/評論的核心微博較多，其排序靠前的微博點贊/轉(zhuǎn)發(fā)/評論數(shù)較大，微博總點贊/轉(zhuǎn)發(fā)/評論和篇均點贊/轉(zhuǎn)發(fā)/評論數(shù)同樣處于較高水平，而龍川景區(qū)點贊/轉(zhuǎn)發(fā)/評論各項指數(shù)表現(xiàn)都較差。

（二）各指數(shù)間相關(guān)性研究

為更直觀清晰比較h指數(shù)、g指數(shù)、p指數(shù)評價微博影響力效果，利用SPSS19.0對各指數(shù)計算結(jié)果進(jìn)行相關(guān)性分析。首先，對各指數(shù)進(jìn)行K-S檢驗后發(fā)現(xiàn)9項指數(shù)漸進(jìn)顯著性（雙側(cè)）均大于0.05（表2），檢驗結(jié)果符合正態(tài)分布。之后，選擇Pearson相關(guān)系數(shù)進(jìn)行相關(guān)性檢驗，針對點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)分別進(jìn)行相關(guān)性分析，整理如表3。ht指數(shù)、gt指數(shù)、pt指數(shù)呈現(xiàn)高度正相關(guān)，數(shù)值均大于0.9；hc指數(shù)、gc指數(shù)、pc指數(shù)間和hl指數(shù)、gl指數(shù)、pl指數(shù)間則呈現(xiàn)出更高相關(guān)度水平，數(shù)值均大于0.95。就區(qū)域內(nèi)5A級景區(qū)微博用戶數(shù)據(jù)而言，基于轉(zhuǎn)發(fā)、評價、點贊各指數(shù)間高度相關(guān)，h指數(shù)和p指數(shù)間的相關(guān)程度最高，g指數(shù)和p指數(shù)間相關(guān)程度次之，h指數(shù)和g指數(shù)間相關(guān)性程度最低，但仍均大于0.9，反映出在評價微博影響力時h指數(shù)、g指數(shù)和p指數(shù)均有可采納性。同時亦發(fā)現(xiàn)，基于點贊和評論數(shù)的各指數(shù)間相關(guān)性程度更高，而基于轉(zhuǎn)發(fā)數(shù)的各指數(shù)間相關(guān)性程度相對略低。

表2樣本K-S檢驗結(jié)果

表3 9個指數(shù)間Pearson相關(guān)性分析結(jié)果

（三）各指數(shù)與其余指標(biāo)間相關(guān)性

基于點贊、評論、轉(zhuǎn)發(fā)數(shù)的各指數(shù)間相關(guān)性程度均較強(qiáng)，進(jìn)一步將這9個指數(shù)與微博點贊/評論/轉(zhuǎn)發(fā)總數(shù)、篇均點贊/評論/轉(zhuǎn)發(fā)數(shù)、微博總數(shù)、粉絲數(shù)進(jìn)行Pearson相關(guān)性分析，結(jié)果如表4所示。數(shù)據(jù)顯示：（1）基于點贊/轉(zhuǎn)發(fā)/評論數(shù)的h指數(shù)、g指數(shù)、p指數(shù)與點贊/轉(zhuǎn)發(fā)/評論總數(shù)呈高度相關(guān)，說明引入這3個指標(biāo)表征微博影響力（點贊/轉(zhuǎn)發(fā)/評論水平）有科學(xué)性。（2）基于轉(zhuǎn)發(fā)的h指數(shù)、g指數(shù)和p指數(shù)與微博總數(shù)呈現(xiàn)高度相關(guān)，其中g(shù)t指數(shù)與微博總數(shù)相關(guān)性大于ht指數(shù)和pt指數(shù)與微博總數(shù)相關(guān)性，鑒于此可發(fā)現(xiàn)，g指數(shù)容易受到微博發(fā)文數(shù)量影響。同理，基于評論的指數(shù)相關(guān)性分析發(fā)現(xiàn)，g指數(shù)和p指數(shù)更容易受到微博發(fā)文數(shù)量影響。之后，基于點贊的3個指標(biāo)相關(guān)性檢驗發(fā)現(xiàn)同樣是g指數(shù)更易受微博發(fā)文數(shù)量影響的結(jié)論。（3）除基于轉(zhuǎn)發(fā)和點贊的p指數(shù)與粉絲數(shù)不具顯著相關(guān)性以外，其余指數(shù)與粉絲數(shù)量呈現(xiàn)出較高的相關(guān)性。（4）pt指數(shù)和ht指數(shù)與篇均轉(zhuǎn)發(fā)數(shù)呈現(xiàn)高度相關(guān)性，gt指數(shù)與篇均轉(zhuǎn)發(fā)數(shù)呈現(xiàn)相關(guān)性較弱，并且pt指數(shù)與篇均轉(zhuǎn)發(fā)數(shù)相關(guān)性高于ht指數(shù)與篇均轉(zhuǎn)發(fā)數(shù)相關(guān)性；觀察基于評論和點贊的各指數(shù)，同樣發(fā)現(xiàn)p指數(shù)與篇均評論數(shù)相關(guān)性、p指數(shù)與篇均點贊數(shù)的相關(guān)性都最高，反映出p指數(shù)更能表征微博轉(zhuǎn)發(fā)/評論/點贊質(zhì)量，容易受單篇高轉(zhuǎn)發(fā)/評論/點贊的影響。

五、結(jié)論

本文將信息計量領(lǐng)域的h指數(shù)、g指數(shù)、p指數(shù)置于微博環(huán)境中，基于微博影響力評價指標(biāo)，選取皖江城市帶5A級景區(qū)新浪官方微博為實證對象，獲取各微博用戶影響力數(shù)據(jù)，對比各項指數(shù)評價效果，分析不同指數(shù)評價微博影響力時的合理性和適用性，主要結(jié)論如下：

（1）h指數(shù)、g指數(shù)、p指數(shù)在評價微博影響力時有一致性表現(xiàn)，各指數(shù)對排名首位的景區(qū)微博評價具有較好的一致性；各指數(shù)對各景區(qū)微博的點贊/轉(zhuǎn)發(fā)/評論數(shù)量有較好的表征作用，各指數(shù)都與微博總發(fā)文數(shù)量正相關(guān)。（2）各指數(shù)在評價微博影響力的差異性體現(xiàn)在敏感度與發(fā)博總數(shù)關(guān)系上。p指數(shù)與篇均轉(zhuǎn)發(fā)/點贊/評論數(shù)相關(guān)性最高，有利于指數(shù)對質(zhì)量的表征，敏感度較高。但在發(fā)博數(shù)量關(guān)系上，h指數(shù)和g指數(shù)更易受發(fā)博數(shù)量影響，比p指數(shù)評價微博影響力更為敏感。皖江城市帶內(nèi)的旅游景區(qū)微博中，蕪湖方特微博發(fā)文總數(shù)最多，九華山和天柱山景區(qū)次之，需要激勵萬佛湖、三河古鎮(zhèn)和龍川景區(qū)微博主體以寫出高質(zhì)量數(shù)量的博文為目標(biāo)，吸引游客關(guān)注，并通過游客粉絲的轉(zhuǎn)發(fā)、評論和點贊行為進(jìn)行微博傳播，提升景區(qū)微博傳播力。

表4 9個指數(shù)與相關(guān)指標(biāo)Pearson相關(guān)性分析結(jié)果

利用文獻(xiàn)計量指數(shù)評價微博影響力具有一定意義，一方面可以完善微博影響力評價方法及理論體系，另一方面，以旅游景區(qū)微博為實證對象也可以拓寬旅游類微博建設(shè)的實踐研究領(lǐng)域。但是，本文實證研究僅從高等級旅游景區(qū)切入，且不同屬性的微博用戶有其個性，在適用指數(shù)評價時會體現(xiàn)出差異。未來研究中，可以從3個角度繼續(xù)開展：首先，本研究中選取的是皖江城市帶內(nèi)5A級景區(qū)，評價的是高等級景區(qū)微博影響力，后期可以針對不同等級旅游景區(qū)做評價研究，對比不同等級景區(qū)微博影響力；其次，可以考慮拓寬景區(qū)空間尺度地域，由評價區(qū)域景區(qū)推廣到省域景區(qū)，擴(kuò)大研究樣本量，并分析不同地域景區(qū)微博影響力評價結(jié)果的特殊性；最后，研究可以從其他類型的旅游微博入手，進(jìn)行旅游景區(qū)微博、旅游政務(wù)微博、旅游專業(yè)網(wǎng)站微博、旅游個人微博等不同類型旅游微博影響力的縱向?qū)Ρ确治觥?/p>