基于影响力因子的气象新媒体传播分析
——以贵州省气象微信订阅号为例*
2019-05-28夏晓玲唐延婧
郑 奕,夏晓玲,唐延婧
(贵州省气象服务中心,贵州 贵阳 550002)
1 前言
据中国互联网络信息中心第38次《中国互联网络发展状况统计报告》显示,截止2016年6月,中国网民规模已达7.10亿,网民中使用手机上网的人群占比由2015年底的90.1%提升至92.5%,网民上网设备进一步向移动端集中。
与此同时,我国在线政务服务用户规模达到1.76亿,占总体网民的24.8%,发展空间广阔。其中,通过政府微信公众号获得政务服务是网民使用最多的在线政务服务方式。微信以其庞大的用户基数,在新媒体传播中成为首当其冲的强势力量。“两微一端”的新媒体传播平台正在形成。
目前,全国各省市自治区、直辖市气象部门均已开设了微博、微信、客户端APP等多种服务方式渠道,国内学术界对新媒体后台创新设计开发、微信公众号关键推广技术打造等类型的研究也众多。但对新媒体服务能力的评价大多用粉丝数量进行判断,暂无针对气象政务新媒体服务能力影响因素的客观分析先例可参考。
同时鉴于众多气象微信公众号、气象微博之间服务传播能力水平不一、参差不齐,且以粉丝数为主的考核方式无法获知究竟什么才是影响气象新媒体传播力能力的关键因素。笔者依据腾讯出品的帐号总量和平均活跃用户规模做分析发现,全国31个省级行政区气象政务微博、微信发展水平“东高西低”,大致呈三级阶梯状分布,贵州处于第二阶梯。
经调研,全国31个省、自治区、直辖市气象部门(除港澳)均已开通了微博、微信公众号气象服务,在发布手段上都做到了图、文、声、像有机融合。对比31个省(直辖市、自治区)的政务民生微信公众号平均活跃用户规模和移动终端活跃度的排名之差距发现,贵州名列全国第八位。
所以笔者选择贵州气象微信作为研究切入点,尝试探索研究气象新媒体传播规律。以期发现新媒体服务传播能力是否与当地经济发展水平密切相关?是否存在地区差异?进而有效促进气象部门服务方式的创新和服务能力的提升。
2 研究方法
本研究从移动互联、大数据的视角出发,以腾讯公司开发的微信社交软件作为主要调研对象,以清华大学新闻与传播学院沈阳教授提出的微信传播指数(清博指数)WCI为主要研究内容,基于新媒体平台对用户行为、习惯以及气象服务公众号的传播效果、指数变量相关性等内容进行探索研究。
微信传播力指数(清博指数)简称WCI,是国内最大的“两微一端”(微博、微信、APP)新媒体数据平台,目前国内最大的第三方新媒体数据搜索引擎,由清华大学新闻与传播学院提供学术支持,国内多个高校的知名学者教授担任学术顾问。清博指数WCI以微信公众号发布信息中能公开获得的阅读量、点赞数、发文数量等数据为分析因子,以复杂加权算法得出的结果。该算法对于可以人为控制的点赞数、阅读量等进行减少权重,更注重对文本质量在数据中的体现,相对其他衡量标准更具科学性。WCI测算公式(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为评估时间段内所有文章(n)的阅读总数;Z为评估时间段内所有文章(n)的点赞总数;d为评估时间段所含天数,以真实天数计算;n为评估时间段内账号所发文章数;Rmax和Zmax为评估时间段内账号所发文章的最高阅读数和最高点赞数。
表1 WCI测算V12.0Tab.1 WCI calculation formula
因为国内气象部门目前没有开展以WCI指数为基础的气象新媒体传播能力研究,也没有开展气象新媒体与地方经济发展相关性方面研究,所以本研究尝试以贵州省气象微信订阅号为例,采集2016年5—9月贵州省下属9个市州气象微信订阅号发文相关数据,代入 WCI传播力指数测算公式(V12.0)进行测算,并对它们的传播力进行排名分析。使用SPSS分析软件,将计算结果和采集数据用因子分析法提取出影响微信公众号传播指数的关键因素,然后分别以9个市州微信订阅号WCI关键因子测算数据,结合2016年贵州统计年鉴公布的9市州当地人均GDP、电信基础设施建设情况等统计数据,进行相关性检验。从而得出结论,WCI的高低与当地经济社会发展情况不存在相关性,WCI的主要影响因素为时间段内微信公众号发文的最大点赞数、最大阅读数、头条文章阅读数以及地区移动电话用户数等4个因素。并对气象服务的发展提出建议,力求为气象服务方式的变革创新提供更为深入的实践经验。
3 分析与结果
3.1 全国及贵州省气象微信公众号传播指数WCI测算排名、等价活跃粉丝排名
3.1.1 WCI测算排名 本研究抓取了2016年5—9月间的观测数据,时间段内观测数据由各级气象微信公众号相关阅读、点赞数据等组成,参照WCI指数的定义计算得出:
在全国范围内,传播力最强的省级微信公众号是广东天气服务号(WCI为996.5),其次是上海天气(WCI为789.4),第3名为气象北京(WCI为696.9)。贵州省省级气象微信订阅号黔气象位于全国第17位(WCI为299.2)。
贵州省内市州级微信公众号传播力排名前3位分别为遵义气象(WCI为299.2)、黔南气象(WCI为277.2)、铜仁气象(WCI为256.3)。
县级微信公众号传播力排名前3位为威宁气象(WCI为457.9)、沿河气象(WCI为379.7)、黎平气象(WCI为328.8)。威宁夺冠的原因是6月14日发布一条“大雨倾盆!威宁瞬间变‘水城’”信息,表现形式为图文+视频,阅读量高达49 250,点赞61!为贵州省截止2016年年底最高单条天气信息阅读纪录。沿河、黎平的入围也是凭借单条信息最高阅读量的“贡献”。
3.1.2 等价活跃粉丝排名 根据微信公众号的传播力,通过清博智能分析模型评定出微信公众号等价活跃粉丝数,该数值会随着时间发生变化,最高上限是100万+。读取得出:在全国范围内,等价活跃粉丝最多的前3名气象微信公众号分别为广东气象(100万+名),上海天气(41万名),气象北京(9.2万名)。黔气象7 100名,列全国第19位。
省内市州级微信公众号等价活跃粉丝排名前3位依次为:铜仁气象(15 850名),遵义气象(5 250名),黔南气象(3 330名)。
省内县级气象部门微信公众号等价活跃粉丝数排名前3位为:沿河气象(8 440名),威宁气象(6 950名),松桃气象(5 030名)。
比较两项排名后可发现,全国省级微信公众号的两项排名基本一致,但省内市州级及县级排名略有变动。后续将主要采取WCI数值进行分析。
3.2 数据分析
为探求国民经济生产总值与影响气象微信公众号影响力的具体作用因素之间的关系,本研究首先将使用因子分析等方法对时间段内的气象微信公众号发文总数、阅读总数、点赞总数、头条文章阅读数、最大阅读数、最大点赞数、微信传播指数WCI等相关数据进行分析,探究微信影响力与相关变量之间的量化指标关系。找到关键因子后,用主成分与国民生产总值中的人均GDP、电信指标等进行相关性分析,从而探索影响力的传播特性。
3.2.1 因子分析结果 考虑到气象微信公众号发文总数、阅读总数、点赞总数、头条文章阅读数、最大阅读数、最大点赞数、微信传播指数WCI等相关数据均为变量,同时变量之间存在相关关系及信息重叠,所以本文采用因子分析及最大方差法,输出陡坡图,首先找到主成分。
KMO检验为0.724,说明数据进行因子分析是比较好的,可以进行分析。Bartlett检验的Sig值为0.000,说明数据来自正态分布总体,适合进一步分析。
按照初始特征值大于1的标准,SPSS分析得到2个主成分,第一主成分的方差贡献率为67.54%,两个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
从图1陡坡图上可以看出大于1的成分有2个,所以只需要考虑这2个成分即可。
图1 陡坡图
Fig.1 Steep slope map
在旋转元件矩阵中所示,第一公因子主要反映的是除文章总数外变量的信息,同时在最大点赞数、最大阅读数、头条文章阅读数上有较高的载荷,第二公因子在文章总数上有较大载荷。
表3 旋转元件、元件评分系数矩阵Tab.3 Rotating element& Component score coefficient matrix
由此分析可以得出最大点赞数、最大阅读数、头条文章阅读数等公众号发展的重要指标,其数值的大小可以直接影响WCI值。
据旋转元件矩阵及元件评分系数矩阵可以写出两个公因子的表达式:
F1=0.109×阅读总数-0.252×文章总数+0.031×点赞总数+0.197×头条文章阅读数 +0.383×最大阅读数+0.278×最大点赞数+0.180×WCI
F2=0.617×文章总数+0.204×阅读总数+0.297×点赞总数+0.057×头条文章阅读数 -0.384×最大阅读数-0.105×最大点赞数+0.086×WCI
将此两个公因子的表达式带入市州级、县级三项排名进行验算,两项公因子测算结果与WCI排名一致,与活跃用户数排名有出入。
表4 公因子带入验算Tab.4 Common Factor Entry Check
3.2.2 WCI与国民经济之间的相关性分析 根据因子分析得出与WCI密切相关的两个公因子公式,结合2016年贵州省统计局发布的《贵州统计年鉴》中公布的9市州人均GDP、电信主要指标等数据进行相关性分析,从而探索国民经济发展水平是否直接影响微信传播力WCI值,两者之间是否存在相关性。
公因子测算以贵州省9个市州地微信公众号数据为例,省级订阅号“黔气象”未参与测算。分析采用Pearson系数进行检验。数据分析结果如表5、表6,从表中可以看出,人均GDP与F1、F2之间不存在明显相关性,地区移动电话用户数与F1、F2之间存在正相关。
表5 公因子与人均GDP数相关性分析Tab.5 Correlation Analysis between common factor and per capita GDP
表6 公因子与移动电话用户数相关性分析Tab.6 Correlation analysis of common factor and mobile phone user number
3.3 结论
气象微信传播服务能力的高低与该微信订阅号推送文章的“最大点赞数”、“最大阅读数”、“头条文章阅读数”这3个因素紧密相关,即该3个因素数值越大,该微信订阅号的传播服务能力就越强。
气象微信订阅号的传播服务能力与当地国民经济生产总值之间不存在任何相关性,即区域经济发展水平不会影响当地气象新媒体的传播服务能力。也就是说气象微信传播服务力数值的高低与订阅号粉丝总数、所在地人均GDP均无直接关联。
气象微信传播服务力与当地手机电话用户数存在正相关。即当地手机用户基数越大,气象微信传播服务能力就有可能越高。
4 建议
4.1 重塑新媒体推广定位,以科学考核指标助推新媒体发展
气象服务属于政务服务范畴,具有时效性、前瞻性及突发性等特点,区别于其他政务服务类别及传统气象服务方式。从分析结论中可以推导出优秀微信订阅号的属性应为:注重不同媒体发布渠道的气象要素内容包含,注重头条推文的质量控制,重构气象信息的呈现形式。同时应建立以传播力、粉丝质量为核心的新媒体服务分析考核要点,加强气象信息传播工作的推广及评估,结合推送信息的后台分析、民众诉求及舆情监测与管理,重塑气象服务新媒体的定位推广,以科学考核指标助推新媒体发展。
4.2 新媒体助力弯道超车,弥补与发达地区的气象服务发展差距
“互联网+”政策促进效应将促推新媒体成为传播服务主阵地,微信矩阵是发展趋势。人民日报等传统媒体已建立起自己的传播矩阵,这些成功经验都值得参考借鉴。气象微信公众号实现了为气象服务瓶颈“最后一公里”赋权。借助移动互联及大数据东风,推广县级气象部门新媒体服务方式可以为偏远地区的政府部门及公众提供与发达地区同优质的服务,利于弥补贵州与发达地区差距的数字鸿沟。移动互联新媒体克服了空间地点的约束,以越来越庞大的用户群体基数、创新的服务体验以及超低的入门门槛体验必将成为气象部门服务方式的首选。
5 研究的局限与不足
①WCI影响力相关的这些因子互为因果关系,本研究采用SPSS软件对多个因变量进行分析,局限于分析方法所限,只能提出关键因子,对于因变量之间的因果关系不能得到很好的解释。下一步可以考虑采用结构方程模型的方法进行更深入的分析探索。
②微信文章阅读量、点赞数、转载数等都可以通过“刷”等恶劣手段来大幅提高,淘宝搜索“微信公众号推广”,发现有很多商家从事此类业务,业务成交量更是上万。如何清洗、删除此类数据保证影响力测算数据的真实和公正,也值得深究。