文化短視頻用戶需求特征分析

趙雪婷 羅暖

摘要：自媒體時(shí)代，用戶愈加難以被傳播者影響，文化短視頻的傳播更加依賴于用戶的需求，哪些需求是用戶的關(guān)注重點(diǎn)，成為學(xué)界和業(yè)界共同關(guān)注的問題。雖然已有相關(guān)研究充分考慮了需求主題提取的重要性，但是并未深入研究用戶關(guān)注度。基于此，文章對卡諾模型進(jìn)行優(yōu)化，以期能夠取得較好的用戶需求分類效果。基于受眾需求視角，文章以數(shù)據(jù)驅(qū)動的方法從用戶評論文本中挖掘用戶需求并以卡諾模型為框架對其進(jìn)行量化分析。首先通過挖掘評論文本數(shù)據(jù)，了解用戶的態(tài)度和觀點(diǎn)并梳理具體的用戶需求類型；其次在已有用戶需求類型的基礎(chǔ)上探究不同需求的層次性特征，明確需求優(yōu)化順序。研究發(fā)現(xiàn)，用戶需求分為“娛樂”“情感”“文化”“審美”“人物”“信息”六類，其中“審美”為用戶的必備需求，“文化”“人物”“信息”為用戶的期望需求，雖有較高的關(guān)注度但并未充分滿足用戶期望，而“娛樂”雖勉力滿足了用戶期望，但未得到很多的受眾群體。文章在探討文化短視頻用戶需求分類的基礎(chǔ)上，確定了較為明晰的用戶需求以及優(yōu)化方向，為文化短視頻的高質(zhì)量創(chuàng)作提供了參考。

關(guān)鍵詞：文化短視頻；在線評論；特征；用戶需求；卡諾模型

中圖分類號：G206 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-8883（2024）06-0017-04

基金項(xiàng)目：本論文為2019年度北京市社科基金項(xiàng)目“基于消費(fèi)者行為大數(shù)據(jù)的首都優(yōu)秀傳統(tǒng)文化品牌化研究”成果，項(xiàng)目編號：19GLC068；2020年度北京市教委科研計(jì)劃社科一般項(xiàng)目“智慧旅游背景下北京胡同文化信息資源開發(fā)與服務(wù)研究”成果，項(xiàng)目編號：SM202011232002

近幾年，短視頻的崛起，為文化傳承與發(fā)展提供了新思路[1]。作為一種獨(dú)特的網(wǎng)絡(luò)視聽文化現(xiàn)象和具有創(chuàng)新性的內(nèi)容運(yùn)營平臺，短視頻顛覆了傳統(tǒng)自上而下的單向傳播模式，提供了更多的文化表達(dá)方式[2]。然而，在全媒體傳播的影響下，短視頻平臺之間的競爭日益激烈，文化產(chǎn)品同質(zhì)化現(xiàn)象日益嚴(yán)重。如何精準(zhǔn)識別文化短視頻用戶需求，為用戶提供更加契合的文化服務(wù)，已成為文化產(chǎn)業(yè)高質(zhì)量發(fā)展所迫切需要解決的問題[3]。當(dāng)前，以文化短視頻為對象的研究內(nèi)容主要聚焦于傳播策略[4]、營銷機(jī)制[5]、構(gòu)成要素[6]等，少有對用戶需求的分析。然而滿足用戶需求，恰恰是支撐文化短視頻有效傳播的關(guān)鍵[7]。在文化短視頻的傳播中用戶有哪些需求，哪些需求應(yīng)當(dāng)被優(yōu)先考慮，這是值得深入研究的問題。現(xiàn)有關(guān)于用戶需求的分析大部分扎根理論展開，缺乏實(shí)際數(shù)據(jù)的支撐，并且未能進(jìn)一步解讀不同需求的層次與結(jié)構(gòu)[8]。因此，本文采用數(shù)據(jù)驅(qū)動的研究方法，通過分析在線評論，明確文化短視頻用戶需求，具體包括兩個(gè)環(huán)節(jié)：第一，挖掘評論文本數(shù)據(jù)，了解用戶的態(tài)度和觀點(diǎn)，并梳理歸類出具體的用戶需求類型；第二，在已有用戶需求類型的基礎(chǔ)上，探究不同需求的層次性特征，進(jìn)而明確需求優(yōu)化順序。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

本文以嗶哩嗶哩平臺作為采集來源，具體樣本選擇上，以被用戶有效接受的“中華鄉(xiāng)村美景圖式”李子柒系列短視頻作為研究對象。在剔除廣告宣傳等不相關(guān)內(nèi)容后，挑選出近一年內(nèi)李子柒熱門短視頻作品作為研究樣本。樣本數(shù)據(jù)主要以時(shí)間跨度和熱門程度來篩選，共篩選出11條高熱度視頻的評論數(shù)據(jù)。

（二）研究方法

研究樣本采集完成后，首先通過爬蟲軟件進(jìn)行評論文本的去重操作并根據(jù)標(biāo)點(diǎn)符號將長文本分割成短文本便于分類研究[9]。數(shù)據(jù)清洗后，通過提取用戶的評論文本關(guān)鍵詞[10]構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，最終共獲取24996條有效評論文本。其次，利用潛在狄利克雷分布模型[11]提取用戶評論主題。再次，通過詞頻-逆文檔頻率算法[12]和詞向量算法[13]對用戶評論進(jìn)行分析，提取用戶需求特征。最后，借助卡諾模型對用戶需求特征進(jìn)行分類。

二、用戶需求特征提取

為進(jìn)一步探究各個(gè)關(guān)鍵詞之間的關(guān)系，本文采用共詞分析對文本數(shù)據(jù)進(jìn)行更深層次的挖掘。本文選擇200個(gè)共現(xiàn)頻次在30次及以上的詞匯構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，運(yùn)用共現(xiàn)網(wǎng)絡(luò)分析與可視化中的識別算法對網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行聚類[14]，在去除低于兩個(gè)關(guān)鍵詞的聚類后可識別出7類主題關(guān)鍵詞，結(jié)果如圖1所示。節(jié)點(diǎn)圓圈的大小由度值決定，節(jié)點(diǎn)度值越大，節(jié)點(diǎn)圓圈也越大。

為了更好地構(gòu)建出屬于文化類短視頻的特征詞匯庫表，本文根據(jù)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的結(jié)果抽取在線評論的基本信息，結(jié)合視頻的固有屬性，通過詞向量算法計(jì)算與主題關(guān)鍵詞相似的詞匯歸類[15]、擴(kuò)展主題特征詞匯庫，其部分結(jié)果如表1所示。

結(jié)合關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的簇類聚集結(jié)果和用戶需求內(nèi)容類屬參考庫詞匯，結(jié)合全信息情感理論以及現(xiàn)有研究文獻(xiàn)的對比，本文對得到的7個(gè)簇類進(jìn)行編碼，如表2所示。“-”代表研究中未得到的類屬編碼，“√”表示研究中得到的類屬編碼。

對于得到的7類評價(jià)指標(biāo)，本文結(jié)合全信息情感理論和已有的研究對其意義進(jìn)行解釋。其中主題立意與全信息理論中的需求維度相對應(yīng)，情感愉悅與全信息情感理論中的情感維度相對應(yīng)，記憶喚起與全信息情感理論中的認(rèn)知維度相對應(yīng)，愿景共振與全信息情感理論中的行為維度相對應(yīng)，技能傳遞和人物塑造與全信息情感理論中的認(rèn)知維度相對應(yīng)。這也側(cè)面驗(yàn)證了關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)在文化類短視頻領(lǐng)域提取評論文本特征的有效性。而審美特性并未與全信息情感理論相對應(yīng)是因?yàn)槲幕惗桃曨l具有的特點(diǎn)在其他研究中都有所提及。

在確定7類評價(jià)指標(biāo)之后，本文通過構(gòu)建的評價(jià)指標(biāo)特征詞匯庫進(jìn)行文本標(biāo)注，在進(jìn)行基于質(zhì)量要素的單句標(biāo)注任務(wù)的同時(shí)對一些基于分句規(guī)則分句失效的長句進(jìn)行人工分句標(biāo)注。本文共標(biāo)注8754條單句，結(jié)果如表3所示。

三、用戶需求特征分類

通過對用戶需求內(nèi)容進(jìn)行分析，本文將文化短視頻用戶需求分為情感愉悅、記憶喚起、主題立意、創(chuàng)作構(gòu)思、人物塑造、技能傳遞、愿景共振。但這些用戶需求的合理分類以及優(yōu)先提升順序尚未有效界定。卡諾模型以一種非線性的關(guān)系將文化短視頻屬性關(guān)注度與用戶滿意度聯(lián)系起來，本文選用該模型對用戶需求進(jìn)行分類。

通過圖2可以發(fā)現(xiàn)，用戶對于各指標(biāo)屬性態(tài)度和期望的不同導(dǎo)致其重視程度也不相同。針對不同類型的質(zhì)量要素采取不同的改進(jìn)措施，既能準(zhǔn)確抓住用戶對于文化短視頻的主要需求，創(chuàng)作者也能針對自身狀況確定哪些地方需要改進(jìn)，同時(shí)還能節(jié)省試錯(cuò)成本，為文化短視頻的創(chuàng)作與傳播提供新的策略。基于卡諾模型分析結(jié)果，對各指標(biāo)進(jìn)行質(zhì)量屬性分析。

（一）必備屬性

技能傳遞、人物塑造、主題立意、創(chuàng)作構(gòu)思屬于文化短視頻用戶需求的必備屬性。與該需求相關(guān)的評論內(nèi)容在所有文化短視頻評論中占據(jù)核心位置，說明現(xiàn)有的文化短視頻作品基本滿足用戶對于文化短視頻中這些屬性的需求。

作為必備屬性，用戶認(rèn)為文化短視頻作品的技能傳遞、人物塑造、主題立意和創(chuàng)作構(gòu)思理應(yīng)滿足其期望，用戶一旦沒有獲得滿足就會引發(fā)負(fù)面評價(jià)，但用戶在這些方面的要求并不會太高。因此對待此類需求，平臺和創(chuàng)作者應(yīng)該以穩(wěn)中求進(jìn)的方略制作，在保持與其他競品相一致的質(zhì)量水平的基礎(chǔ)上，在能力范圍內(nèi)適當(dāng)凝練文化要素、塑造人物形象、整合信息素材來提升文化短視頻的品質(zhì)。

（二）期望屬性

記憶喚起和愿景共振屬于文化短視頻用戶需求的期望屬性。與這些屬性相關(guān)的評論在所有文化短視頻評論中占據(jù)主要地位，這表明用戶十分關(guān)注文化短視頻的記憶喚起和愿景共振屬性，但這些屬性并未達(dá)到用戶期望水平。用戶不僅十分在意這些方面，同時(shí)對其要求也相對較高，因此優(yōu)化此類屬性能夠有效提升用戶對文化短視頻的滿意度。因此，平臺和創(chuàng)作者應(yīng)該針對文化短視頻作品的記憶喚起和愿景共振屬性進(jìn)行優(yōu)化，調(diào)整該屬性的制作設(shè)計(jì)方案，從而有效提升用戶滿意度。

（三）魅力屬性

情感愉悅屬于文化短視頻用戶需求的魅力屬性。該屬性的評論在所有文化短視頻評論中并未占據(jù)主要地位，這表明大部分用戶并未十分關(guān)注該屬性，但部分關(guān)注該屬性的用戶需求得到滿足后，該屬性的整體滿意度卻非常高。因此，情感愉悅可以被當(dāng)作文化短視頻口碑提升的突破口，一旦能夠提升該屬性的滿意度，就能夠迅速滿足用戶的需求，進(jìn)而吸引更多的用戶。

四、結(jié)語

本文為深入了解文化短視頻用戶偏好，提出基于用戶評論數(shù)據(jù)的卡諾模型用于用戶需求分析。通過爬蟲技術(shù)獲取文化短視頻用戶評論數(shù)據(jù)后，首先利用潛在狄利克雷分布模型提取用戶評論主題，其次基于詞向量算法對評論主題進(jìn)行歸類，然后通過雙向長短期記憶網(wǎng)絡(luò)模型進(jìn)行用戶需求的類別預(yù)測，從而獲得文化短視頻用戶評論的需求分類評論。運(yùn)用情感分類結(jié)果，構(gòu)建基于用戶評論的卡諾模型，對文化短視頻屬性分類，對用戶需求進(jìn)行分析。

本文將文化短視頻屬性分為必要屬性、期望屬性、魅力屬性與無差異屬性。研究發(fā)現(xiàn)，技能傳遞、人物塑造、主題立意、創(chuàng)作構(gòu)思是必備屬性，記憶喚起和愿景共振是期望屬性，情感愉悅則是魅力屬性，如此可為文化短視頻的高質(zhì)量創(chuàng)作提供參考，推動我國文化產(chǎn)業(yè)的可持續(xù)發(fā)展。

本文研究數(shù)據(jù)來自同一平臺上同一創(chuàng)作者的文化短視頻，研究結(jié)果存在一定的局限性，未來可以考慮采集多樣性數(shù)據(jù)，避免數(shù)據(jù)采集不均衡。

參考文獻(xiàn)：

[1] 寧海林.“中華優(yōu)秀傳統(tǒng)文化+短視頻”整合傳播研究[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），2018，40（6）：135-138.

[2] 趙萌.網(wǎng)絡(luò)短視頻：自媒體時(shí)代的網(wǎng)絡(luò)文化新形態(tài)[J].傳媒，2021（2）：52-54.

[3] 肖璐，陳果.企業(yè)競爭情報(bào)中微博分析技術(shù)研究：基于需求驅(qū)動視角[J].情報(bào)理論與實(shí)踐，2015，38（2）：116-120.

[4] 余琛，朱晨雨.中華傳統(tǒng)文化短視頻跨文化傳播效果影響因素研究[J].中國出版，2021（23）：47-52.

[5] 童清艷.中華文物的數(shù)字化全球傳播研究[J].西南民族大學(xué)學(xué)報(bào)（人文社會科學(xué)版），2022，43（6）：158-163.

[6] 劉思琦，曾祥敏.知識類短視頻關(guān)鍵構(gòu)成要素及傳播邏輯研究：基于B站知識類短視頻的定性比較分析（QCA）[J].新聞界，2022（2）：30-9，48.

[7] 徐孝娟，趙澤瑞.非遺短視頻用戶信息需求特征及其參與行為研究：以“黃梅戲”短視頻在線評論為例[J].現(xiàn)代情報(bào)，2022，42（8）：74-84.

[8] 郭亞軍，袁一鳴，李帥，等.元宇宙場域下虛擬社區(qū)用戶信息需求[J].圖書館論壇，2023，43（12）：138-146.

[9] 秦海菲，杜軍平.酒店在線評論數(shù)據(jù)的特征挖掘[J].智能系統(tǒng)學(xué)報(bào)，2018，13（6）：1006-1014.

[10] 李良強(qiáng)，袁華，葉開，等.基于在線評論詞向量表征的產(chǎn)品屬性提取[J].系統(tǒng)工程學(xué)報(bào)，2018，33（5）：687-697.

[11] 徐戈，王厚峰.自然語言處理中主題模型的發(fā)展[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（8）：1423-1436.

[12] 吳維芳，高寶俊，楊海霞，等.評論文本對酒店滿意度的影響：基于情感分析的方法[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2017，1（3）：62-71.

[13] 陳國華，湯庸，許玉贏，等.基于詞向量的學(xué)術(shù)語義搜索研究[J].華南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，48（3）：53-58，2.

[14] 鞠海龍，彭珺.基于評論挖掘的用戶購買行為因果事理圖譜分析[J].情報(bào)科學(xué)，2021，39（10）：170-177.

[15] 龔靜，黃欣陽.基于隱性語義索引的多標(biāo)簽文本分類集成方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2017，38（9）：2556-2561.

[16] 童清艷，趙倩蓓.短視頻用戶持續(xù)使用意愿影響因素研究：以李子柒系列短視頻用戶為例[J].新聞與寫作，2021（5）：54-61.

[17] 李勇，陳曉婷，毛太田，等.新媒體跨文化傳播效果影響因素與框架分析：以YouTube“李子柒”視頻為例[J].圖書館論壇，2022，42（7）：132-142.

作者簡介 趙雪婷，研究方向：文化傳播。 羅 暖，副教授，研究方向：消費(fèi)者行為。