北京市大学生短视频使用需求调查

王安琦 刘小源 王红鑫

[摘 要]据相关统计，当下大学生70%的时间都被手机占据，而短视频占据了一半以上的时间。[1]为更好地发展短视频产业，更好地为用户服务，需要掌握用户的内心需求，根据需求来完善短视频。此外，虽然近几年短视频的呼声越来越高，但仍有不和谐的声音存在。提高用户体验，让越来越多的人使用短视频，短视频产业才能更好的发展。

[关键词]短视频;大学生;使用需求

[DOI]10.13939/j.cnki.zgsc.2021.21.193

1 绪论

短视频[2]是指在各种新媒体平台上播放的、适合在移动状态和短时休闲状态下观看的、高频推送的视频内容。不同于微电影和直播，短视频制作并没有像微电影一样具有特定表达形式和团队配置要求，具有生产流程简单、制作门槛低、参与性强等特点。

学生群体是观看短视频的主力军。以北京市大学生为研究对象，调研北京市大学生用户的使用动机与观看偏好等内容，对于了解短视频在大学生群体的火热现象，以及如何留住大学生这一批优良用户颇有意义。

2 北京市大学生短视频使用现状调查及分析

通过线上发放问卷的方式对北京市大学生短视频的使用现状进行了调查。遵循分层抽样原则，调查收回727份答卷，通过相关题目的筛选后，得到有效问卷712份，占比97.94%。

在对回收的问卷样本进行整理和数据检查的基础上，对这些一手数据进行相关数据统计和多样化分析，以图表形式对调查结果进行一定程度的可视化分析。

2.1 稳定用户基本状况分析

由表1可知，性别上，女生更易成为短视频的稳定用户;年级上，超半数的大二学生更易成为短视频的稳定用户，其次为大一与大三的学生;专业上，经济学、管理学、艺术学的大学生更易发展为短视频的稳定用户;地区上，城区大学生对短视频的需求度更高。

2.2 观看途径偏好分析

通过对稳定用户观看短视频途径的数据进行多重响应分析，并对首先选择的前三项进行统计显示，绝大多数用户优先选择短视频APP进行观看，并将各类社交空间作为第二选择。

对所选途径的下载原因进行平均综合得分计算发现：视频内容丰富，形式新颖因素得分最高，达7.21，其次为缓解压力与具有吸引力。

2.3 使用频率与使用时长的偏好分析

对短视频稳定用户的使用频率数据分析，每天观看短视频的稳定用户人数占比为65.73%，可见，短视频使用率较高，拥有较好用户黏度。从使用时长上看，短视频稳定用户每天观看时间集中在0～2h。以上两方面交叉分析可得，随使用频率的升高，观看时间的长度也增长。

2.4 选择观看时间与短视频长短的偏好分析

通过对选择观看时间的多重响应分析，并对优先选择的前三项进行统计显示，大学生用户一般在闲暇时使用短视频，侧面体现短视频在一定程度上迎合了用户群体的日常碎片化需求。

对选择短视频长短的分析表明：大多数大学生用户偏爱60s内和15s内的短视频，說明在社会高速发展的背景下，大学生对碎片化娱乐的需求较高。

2.5 表现形式偏好分析

从表现形式上看，超半数大学生用户将游戏类与生活创意类作为第一选择。通过对前三项选择与性别进行多重响应分析结合交叉分析得出：男、女生的第二选择都较为分散，男生选择开阔眼界类与生活创意类占比较高;女生则集中于综艺、电视剧、电影剪辑类与生活创意类。男、女生第三选择均集中在剪辑类和搞笑段子类。

3 北京市大学生短视频使用需求分析

3.1 信度与效度分析

文章采用克朗巴哈阿尔法系数对问卷量表内在信度进行检验。在对量表整体的信度进行检验后显示，本问卷使用量表的 Cronbach α系数为0.952（>0.9），说明该问卷的内部一致性很好。

通过KMO值与Bartlett球体检验结果显示，问卷量表的KMO值为0.940，Bartlett球形度检验结果p < 0.001，说明该效度检验具有较好的可靠性。

3.2 因子分析

KMO值表示降维效果，0.940表示降维效果比较好，且Sig.值<0.05，说明相关矩阵不是单位阵，即该数据适合进行因子分析。因此，对量表中的20个题项进行因子分析可知：共同度情况整体表现良好，说明提取的公因子对原始变量的影响较强，结合提取前七个公因子时的累计贡献率为82.718%，表示提取的七个公因子对所有原始变量的解释能力较强。

因此，得到七项大学生的短视频使用需求，即娱乐需求、自我实现需求、学习提升需求、外部奖励需求、社会身份需求、心理需求和社交需求。

3.3 分层回归分析

分层回归分析是检验加入某些变量后前后两次回归的结果，通过比较两次回归结果，以判断该变量是否有效改善模型。将基本信息作为自变量，短视频总评价作为因变量，建立模型1;将因子分析提取出的7个因子再引入模型中，建立模型2，将这两个模型进行对比，发现短视频使用需求对总评价有很大作用，模型2比模型1拟合效果显著提高。

具体分析与结果如下：

根据模型1，模型的R平方值为0.051，调整后R平方值为0.036，意味着模型拟合程度为3.6%，在一定程度上可以解释因变量3.6%的变异程度。性别对短视频总评价有负向影响，根据β系数的大小，β=-0.627，可以看出有很大的作用，意味着性别的不同，对总评价有显著影响。

根据模型2，将其与模型1进行对比可得，模型的R2值为0.304，调整后的R2值为0.277，意味着该模型可以在一定程度上解释因变量27.7%的变异程度，比模型1增加了25.3%，显著提高了模型的拟合程度。从显著性看，这7个需求对总评价有着一定的影响。从β系数看，学习提升需求和娱乐需求对因变量影响程度较大，其余需求较弱。