故宫官博的形象投射与社交媒体参与——基于贝叶斯模型与影响图的最优解推断

王君怡，罗秋菊,2，翟雪婷

（1.中山大学旅游学院，广东广州 510275；2.中山大学旅游发展与规划研究中心，广东广州 510275）

引言

随着社交媒体时代的到来，目的地管理组织的营销重心逐步由线下传统渠道向网络空间倾斜。在社交媒体平台上发布包含营销策略和媒体材料的信息，成为目的地管理组织建立、维护和增强旅游目的地形象吸引力的重要手段[1-2]。近年来，故宫博物院的网络营销和媒介形象塑造得到了学界和业界的关注。故宫博物院打破了理想主义宏大叙事的传统高冷形象，转变为大众视角的亲民、“萌”系形象，在社交媒体平台中获得大量粉丝，并引爆多个现象级话题[3-4]。然而，高关注度和高传播度热门话题的出现也存在一定的偶然性和不确定性。面对社交媒体平台中的海量信息和复杂传播结构，通过目的地形象投射引发公众高互动参与的规律性经验尚有待总结。同时，故宫博物院具有十分丰富和多维的目的地形象，承担着文化传承、公众服务等重要角色[5]。如何有针对性且高效地进行目的地形象投射，与公众建立良好互动交流，不断扩大信息的传播范围和影响力仍是故宫目的地管理组织面临的重要挑战。

参与和互动是公众在社交媒体平台中建构旅游体验、感知目的地形象的关键环节[6-7]，能够催生游客或潜在游客行为意愿的萌发或改变[2,8-9]。已有研究通过结构方程模型、多元回归、差异检验等统计方法识别了影响社交媒体平台中公众参与的影响因素，包括发布内容、发布时间、语言特征和互动特征等[10-11]。此类研究初步探索了影响社交媒体参与的诸多因素及其交互作用，但鲜有研究能够模拟和预测社交媒体参与程度。并且，既有研究尚未揭示哪些因素或因素的组合能够形成最优的社交媒体参与效果，尚难以回答目的地管理组织在社交媒体平台中应该“如何做”的问题。

本研究以故宫博物院官方微博（下称“故宫官博”）为例，旨在解答旅游目的地管理组织应如何在社交媒体平台上进行目的地形象投射，从而实现社交媒体参与效果最大化的问题。首先，梳理故宫官博中微博发布数量和社交媒体参与的基本特征，识别社交媒体参与的影响因素；其次，构建社交媒体参与贝叶斯网络模型（Bayesian network model）和影响图，模拟目的地形象投射引发社交媒体参与的基本规律；最后，通过模型调整探索最大化社交媒体参与的最优情景，并实现对不同决策情景下社交媒体参与效果的预测。

1 文献综述

1.1 旅游目的地投射形象

旅游目的地投射形象又称为营销形象，是目的地管理组织将旅游目的地的特征通过各种形式的信息传达和营销媒介展示给游客的形象[3]。目的地管理组织投射的目的地形象是潜在游客获取目的地信息的主要来源[12]。早期关于目的地投射形象的研究大多集中在旅游目的地投射形象的内容上，探索了投射形象对游客或潜在游客感知形象、行为意愿等的影响[13-15]。近年来，随着社交媒体平台的兴起，游客不仅仅是投射形象的信息接收者，也会通过评论、转发等行为影响投射形象的内容结构和传播结构[16]。

在社交媒体平台中，培育游客与目的地间的紧密关系已成为旅游目的地形象投射和营销成功的关键[17-18]。品牌营销领域的研究表明，营销组织发布的信息能够激发消费者在社交媒体平台上的互动意愿[21-22]，进而建立消费者和品牌间的紧密联系[19-20]，塑造消费者对品牌的情感依恋[23]、忠诚度[24]、推荐和口碑行为[25]。也就是说，目的地营销组织在社交媒体平台发布的信息不仅仅是塑造旅游目的地形象，也借助网络技术实现了与游客或潜在游客的互动，发展并维系了游客或潜在游客与旅游目的地的关系。

已有学者发现，了解和预判社交媒体用户的参与行为在目的地形象投射和营销中具有重要作用[26-27]。随着我国以微博为代表的社交媒体平台的兴起，包括国家及省市旅游局、景区管理组织、旅行社等在内的目的地管理组织纷纷在社交媒体平台注册官方账号，与社交媒体用户进行交流和互动，以期构筑和维护目的地与游客或潜在游客间的紧密联系[28-30]。然而，较少有研究关注目的地投射形象与社交媒体参与的关系，仅局限于目的地投射形象引致转发、评论、点赞数量差异的识别[31]，尚未解决如何借助目的地形象投射提升社交媒体参与的问题。

1.2 社交媒体参与及其影响因素

参与是一个复杂且多维的概念，包含了认知、情感和行为等不同形式[32]。在社交媒体平台中，参与通常从行为层面进行测量，表现为转发、评论或点赞[33-34]。然而，用户的转发、评论和点赞行为具有不同的行动逻辑，对其进行简单的数字相加无法体现其内在的行为差异。其中，点赞是社交媒体用户对博文内容的积极反馈[35]，无需付出更多的个人资源，是最简单的社交媒体参与行为[33]。评论是指社交媒体用户在某帖子营造的半公开网络社区中进行反馈的行为，是通过文字、图片等形式对目的地相关体验的表达[36]。转发是社交媒体用户将帖子内容分享给好友和其他社交媒体用户的行为，推动了原帖内容的传播和扩散，并展示自我形象和身份，是最高程度的社交媒体参与行为[37]。换言之，目的地管理组织发布的内容及其引发的点赞、评论和转发形成了一个半公开的网络社区，实现了识别和培育潜在游客的功能，影响着目的地投射形象的传播和扩散。

已有研究发现账号属性、发布内容、情感表征、发布时间等因素共同影响用户的社交媒体参与行为[38]。尽管不同研究情景下的具体发布内容存在差异，但基本表现为具有高互动性的信息可引发更多的关注和参与行为[39-41]。因此，营销组织通过提供网站链接、设计抽奖竞赛活动、设置问题等，提升信息的互动性并引导社交媒体用户参与在线活动[42]。有学者将社交媒体用户在线品牌相关活动划分为消费、贡献和创造3 种类型[2]。基于此，本研究将信息发布方使用的营销活动划分为消费引导、贡献引导和创造引导，以此刻画信息中使用的互动引导类型。消费引导是指引导社交媒体用户查看、下载相关内容等；贡献引导是指引导社交媒体用户评论、转发相关内容等；创造引导是指引导社交媒体用户设计、发布相关内容等。

除信息的内容外，信息中呈现的情绪特征同样影响社交媒体参与[43-44]。有关广告传播的研究发现，包含情感信息的广告会增加社交媒体用户点赞和转发行为，但不会对评论数量产生影响[45]。近年的研究表明，在社交媒体平台中包含情绪内容的信息更容易形成病毒式的扩散传播，具有更大的影响范围[46]，有助于社交媒体用户与品牌间紧密联系的形成[47]。同时，目的地营销组织进行的目的地形象投射不仅仅是对目的地属性的展示和介绍，更希望成为一种情绪体验的唤起方式，塑造积极正面的目的地形象[48]。此外，社交媒体参与的程度还与发帖时间[49-50]、发帖日期[45,50-51]和季节性[52]相关。针对Facebook的研究发现，社交媒体用户在工作日会发表更多的评论，但不会产生更多的点赞或转发行为[53]。也有学者发现，信息发布日期不影响点赞和评论的数量[49]。旅游领域的研究认为，周末发布的旅游信息能够获得更高的社交媒体参与度[1]；也有研究认为，周四和周六是获取社交媒体参与的最佳发布日期[26]。可见，何时发布信息会形成最佳的社交媒体互动和营销效果仍未形成一致结论。

综上，社交媒体平台中的目的地投射形象不仅影响游客的感知形象，而且作用于游客社交媒体参与行为，对目的地形象营销具有重要意义。已有学者探索信息发布与社交媒体参与行为间的关系，但怎样的信息发布能够引导公众的社交媒体参与行为、如何模拟和预测目的地形象投射的社交媒体参与效果尚未得到学理性回答。基于已有研究，本文将社交媒体参与的影响因素聚焦故宫官博中的目的地投射形象、互动策略、情感表征和时间框架共4个因素，区分转发量、评论量、点赞量在公众社交媒体参与中的不同意涵，模拟不同因素和因素组合对3种社交媒体参与行为的影响，由此探寻可引导、可预判的旅游目的地形象投射最优路径。

2 数据来源和研究方法

2.1 数据来源

本研究使用集搜客（GooSeeker）采集2016—2020年故宫官博发布的全部微博正文文本、发布时间、转发数量、评论数量和点赞数量，共获得4250条微博和相关数据（表1）。采用人工编码的方式对微博文本中表征的目的地投射形象维度和互动引导类型进行编码。人工编码过程分为3个阶段，首先，由3位笔者在已有研究的基础上共同讨论并初步确定编码规则。其次，由两位笔者依据编码标准分别对随机抽取的100 条微博文本进行独立编码，并对未获得一致编码的微博文本进行讨论，再次修改和确定编码规则。最后，由一位笔者依据最终确定的编码规则完成全部微博文本的编码工作，以保证编码的一致性和稳定性。

表1 2016—2020年故宫官博历年发布微博与获得的转评赞数量Tab.1 The number of shares,comments and likes of the Palace Museum's official microblog from 2016 to 2020

使用文心（TextMind）中文心理分析系统对微博文本的情感表征进行计算。文心系统是由中国科学院心理所计算网络心理实验室参照LIWC2007（Linguistic Inquiry and Word Count）和 正 体 中 文C-LIWC 词库开发的中文语言分析系统，能够自动计算输出包括正/负面情绪、感知过程、认知过程、社会过程等心理特征词的数量和在文本中的比例关系。在英文语境下，LIWC 语言词库已被证实具有良好的信度和效度[54]，可用于预测互动参与行为[55]。

2.2 变量选择

基于已有研究，本研究聚焦故宫官博中的目的地投射形象、互动策略、情感表征和时间框架4个因素对社交媒体参与的影响。目的地投射形象分为建筑、自然景观、历史文化、文创产品、设施服务、活动展览6个维度。互动策略分为互动引导和提及他人两个指标。互动引导是指微博文本中对社交媒体用户的参与行为进行了怎样引导，可分为未进行引导、消费引导、贡献引导和创造引导4个类别。提及他人是指微博正文中是否利用@功能提到了其他社交媒体用户，分为有和无两个类别。情绪表征可分为正面情绪和负面情绪，均为通过文心软件计算得到的连续数据。其中，64.84%的微博正文中包含了正面情绪词汇，平均正面情绪的得分为0.0288；12.20%的微博正文中包含了负面情绪词汇，平均负面情绪的得分为0.0168。由于贝叶斯模型要求数据为名义变量，将不包含正/负面情绪词汇的微博编码为无正/负面情绪，将正/负面情绪得分低于平均值的微博编码为低正面/负面情绪，将正/负面情绪得分高于平均值的微博编码为高正/负面情绪微博。时间框架包含季节、日期和发布时间3 个指标。季节根据故宫博物院淡旺季的划分，每年4月至10月为旺季，每年的11月至次年的3月为淡季。发布日期则以一周为周期，划分为工作日和周末。发布时间则根据每日的工作和非工作时间划分为8:00—11:59、12:00—13:59、14:00—17:59、18:00—22:59、23:00—7:59共5个时间段。

本研究中的社交媒体参与度由转发量、评论量和点赞量3个指标组成。通过网络数据爬取而获得的微博转发量、评论量和点赞量均为连续变量，在方差分析和影响图模型中具有较好的统计意义。但由于贝叶斯模型要求数据为名义变量，需将连续变量转化为名义变量。因此，分别根据转发量、评论量、点赞量由高到低对微博进行排序，将前20%的微博编码为高转发、高评论和高点赞微博，将其余微博编码为低转发、低评论和低点赞微博，用于贝叶斯模型的搭建和统计推断。

2.3 研究方法

本研究的最优情景的推断过程大致可分为5个步骤（图1）。第一，对故宫官博发布的微博进行数据采集和编码工作，形成目的地投射形象维度、互动引导、提及他人、季节性、日期、发布时间共6个名义变量，计算情绪表征得分（正面情绪、负面情绪），并将其和社交媒体参与数据（转发量、评论量、点赞量）两类连续变量转化为名义变量。其中，名义变量用于贝叶斯模型的参数确定和概率推断，连续变量用于影响图模型的参数确定和期望效用推断。第二，使用SPSS 23.0 软件进行卡方检验和方差分析，识别社交媒体参与的影响因素。第三，依据已有研究和第二部分的结论，利用GeNIe 2.5软件绘制贝叶斯模型，使用编码后的微博数据进行参数学习，确定贝叶斯模型参数。随后，以社交媒体参与为目标节点，进行敏感性分析和概率推断，寻找影响社交媒体参与的关键因素和因素组合。第四，依据微博发布的决策过程，拓展贝叶斯模型，构建包含决策节点和价值节点的影响图模型。最后，结合前述发现，调整影响图模型节点的取值，模拟计算社交媒体参与的期望效用，推断出通过目的地形象投射引发社交媒体互动的最优路径。

图1 社交媒体参与的最优情景推断流程图Fig.1 The process of scenario inference for the optimal social media engagement

与经典统计方法相比，基于贝叶斯方法的贝叶斯模型和影响图具备多元数据统合、模拟推断和图示化呈现的能力，能够很好地处理先验知识和新观测数据之间的关系，实现对不同情景下的模拟推断，并通过直观展示各要素的概率变化为管理决策提供帮助。贝叶斯方法已被广泛应用在组织管理、环境管理、风险管理、消费者行为等领域，用以预测工程问题、风险、消费者行为的发生概率[56-57]。近年来，不断有学者将贝叶斯模型应用于游客行为分析等方面，并取得一定进展[58-59]。影响图是对贝叶斯模型的扩充，增加了表征备选方案的决策节点和表征连续变量的价值节点[60]，将贝叶斯模型对离散变量的概率推断拓展为对决策备选方案的期望效用的预测，不仅能够捕捉决策者的备选方案和决策偏好，还能够计算得到不同决策方案的预期效果。影响图已被广泛应用于风险决策、组织决策等领域[61-62]，该方法在旅游研究中运用推动了旅游目的地营销与社交媒体营销研究的方法探索与创新。

2.3.1 贝叶斯模型

贝叶斯网络是基于概率论描述数据变量之间依赖关系的图形模型，能够在多种因素和不确定性信息的作用下进行概率推理[63]。贝叶斯模型由一个有向无环图和条件概率表组成。其中，有向无环图由节点及有向连接弧构成，节点代表变量，有向连接弧代表父节点到子节点的影响关系；条件概率表用以表示节点之间的关系强度。贝叶斯公式被认为是贝叶斯模型的基础，可以表示为：

式（1）中，P(X|Y)是已知事件Y发生时X出现的概率，P(Y|X)是X出现时Y的条件概率。两个随机变量X和Y的联合分布可以表示为：

式（2）中，P(X)称为先验概率，P(Y|X)是后验概率。先验概率是指该因素与其他因素无关的、单独发生的可能性。后验概率是指在前置因素的概率条件下，该因素的发生概率。结合链式规则，可降低概率模型的复杂度，则n个变量的联合分布为：

设置S为包含X变量的网络结构，其中，X={X1,X2,…,Xn}，P为与每个变量关联的局部概率分布集合，Xi表示变量节点，Xpa(i)表示该变量节点在网络结构S 中的父节点。根据以上公式，可以计算形成每个节点的条件概率表，并根据贝叶斯公式对贝叶斯网络模型的各节点进行概率推断。

2.3.2 影响图

影响图是显示变量间影响关系的有向无环图，通过计算各备选方案的期望效用（expected utility,EU）解决最优决策的问题[60]。影响图由机会节点、决策节点、价值节点三类节点和影响弧、信息弧两类有向弧组成。机会节点是与决策问题相关的随机变量，绘制为椭圆形，通过条件概率表确定节点间的关系强度。决策节点代表受决策者控制的变量，绘制为矩形，用以模拟多个决策备选方案。价值节点是决策结果的最终效用，绘制为菱形，通过父节点各种可能状态组合的效用来量化。影响弧表示影响，即弧尾部的节点影响弧头部节点的值或值的概率分布，具有一定的因果意义。信息弧是进入决策节点的弧，表示在信息流动意义上的时间优先级，即在做出决定之前，信息弧尾部的所有节点结果是已知的。

在影响图模型中，决策节点状态代表各种决策备选方案，价值节点状态代表决策的每个可能结果的效用，即期望效用，记为EU。期望效用是指在某一个决策方案下通过概率计算得到的预期结果，是对某一决策情景下可获得效果的预测，具有现实意义[64]。通过计算每个可能的决策备选方案的期望效用，可推断出具有最高期望效用的最佳决策方案。计算公式如下：

式（4）中，πi(U)是价值节点U在其父节点状态下的效用值，P(πi(U))是πi(U)出现的概率。

3 数据分析与研究结果

3.1 故宫官博发布的微博数量及其影响因素

统计2016—2020 年故宫官博发布的不同维度目的地形象微博的数量及其与互动策略、情感表征和时间框架的组合情况，并进行卡方检验（表2）。结果表明，故宫官博在投射不同维度目的地形象时使用了不同的互动策略和情感表征，且具有差异化的发布时间框架。

表2 故宫投射形象与互动策略、情感表征、时间框架的微博数量差异交叉表Tab.2 The cross table of projected images,interactive strategies,emotional representation and time frame

从目的地投射形象维度上看，首先，故宫官博在历史文化维度发布的微博数量远超于其他形象维度的微博数量，占全部微博数量的50%以上；其次为活动展览维度和自然景观维度，均超过全部微博数量的10%；建筑维度、文创产品维度、设施服务维度的微博数量较少。从互动策略上看，仅有34.59%的微博进行了互动引导和5.94%的微博提及了他人。其中，活动展览和历史文化维度中使用了更多的消费引导和创造引导策略，且较多提及其他社交媒体用户。文创产品维度使用了较多的贡献引导策略，建筑维度微博的互动策略使用最少。从情感表征上看，64.84%的微博使用了正面情绪词汇，但正面情绪得分较低；仅有12.20%的微博中出现了负面情绪词汇。从时间框架上看，故宫官博在旅游旺季发布微博数量略高于旅游淡季发布的微博数量，特别是建筑维度和自然景观维度的微博。故宫官博在工作日发布微博数量略高于周末发布的微博数量，特别是设施服务维度和活动展览维度的微博。8:00—11:59 是故宫官博发布微博最多的时段，以历史文化维度为主；14:00—17:59 时间段，故宫官博发布了较多设施服务、互动展览和文创产品维度的微博；12:00—13:59、18:00—22:59 和23:00—7:59三个非工作时间段，故宫官博发布的微博数量较少。

3.2 故宫官博引发的社交媒体参与及其影响因素

2016—2020年故宫官博发布微博的转发、评论和点赞数量均符合幂律分布（y=axk），表现为头部热门微博数量较少，但具有极高转评赞数量；尾部大量的微博则具有极少的转评赞数量，未获得高水平的社交媒体参与。其中，转发量（y=1E+07x-1.449，R²=0.9608）的衰减速率最快，头部微博数量更少而转发量更高；评论量（y=2E+06x-1.367，R²=0.9304）的衰减速率次之，点赞量（y=5E+06x-1.156，R²=0.9555）的衰减速率最缓，相对具有较多的头部微博。依据二八法则来看，转发量排名前20%的微博的转发总量占全部转发量的95.27%，评论量排名前20%的微博的转发总量占全部评论量的87.20%，点赞量排名前20%的微博的转发总量占全部点赞量的85.41%。由此可见，故宫官博下的社交媒体参与集中在少量的热门微博中，产生了转评赞数量极大且具有极高社会影响力的微博。然而，故宫官博发布的大量微博，特别是历史文化维度的微博，未引发大规模的社交媒体参与。

分别对故宫官博转评赞数量在目的地投射形象维度、互动策略、情感表征、时间框架中各因素不同水平上的差异进行方差分析（表3）。结果表明，旅游目的地投射形象不同维度、互动引导类型、季节性会影响故宫官博的转评赞的数量。文创产品维度的目的地投射形象获得了最高的转发量，且远高于其他维度；活动展览和自然景观维度引发了较高的评论量和点赞量。发布时间影响了故宫官博评论和点赞的数量，是否提及他人仅影响了故宫官博转发的数量，正面情绪仅影响了故宫官博评论量和点赞量，负面情绪不影响故宫官博转发、评论和点赞的数量。

表3 不同因素影响下故宫官博转评赞数量的差异分析Tab.3 The difference in the number of shares,comments and likes under the influence of different factors

3.3 故宫官博中社交媒体参与的贝叶斯模型

3.3.1 贝叶斯模型搭建与敏感性分析

根据已有研究和上述统计检验结果，构建故宫官博投射旅游目的地形象引发的社交媒体参与贝叶斯模型，连线的方向符合微博发布时的决策顺序，并经过了本文3位作者的一致性确认（图2）。将5065 条包含旅游目的地投射形象、互动引导、提及他人、正面情绪、负面情绪、季节、日期、发布时间共8 个变量的数据导入GeNIe 2.5，通过参数学习的方法计算形成贝叶斯模型参数。将转发量、评论量和点赞量设置为目标节点，运行敏感性分析，可得目标节点对各因素或因素组合变化的敏感程度，以模型中节点颜色的深浅表示。

图2 旅游目的地投射形象引发社交媒体参与的贝叶斯模型Fig.2 The Bayesian network model of social media engagement

敏感性分析揭示了各节点概率变化对目标节点概率变化的影响，有助于识别影响贝叶斯推断结果变化的关键节点[65]。结果表明，除负面情绪外，调整各因素的不同水平均会影响故宫官博中的社交媒体参与。其中，微博发布时间、投射形象维度和互动引导类型是敏感性较高的因素。这3个节点微小的概率变化会引发社交媒体参与较大的概率变化。

3.3.2 高社交媒体参与情景的概率推断

故宫官博进行目的地形象投射的目标是引发高水平的社交媒体参与，进而增加传播效率和社会影响力。因此，本研究分别将转发量、评论量和点赞量3 个节点的状态设置为高，计算贝叶斯模型中其他节点后验概率，通过观测后验概率的变化量揭示各因素对社交媒体参与的作用方向和强度（表4）。

结果表明，无论是在高转发、高评论还是高点赞的情景下，自然景观维度、高正面情绪的后验概率都有明显增加。旅游淡季后验概率在高转发、高点赞情景下增加较多，贡献引导和创造引导在高评论情景下增加较多。从后验概率变化的结果可知，自然景观维度、使用互动策略和高正面情绪是引发高水平社交媒体参与的关键，而不同的互动策略能够引导形成不同类型的社交媒体参与，旅游淡季和非工作时间发布的微博更容易引发高社交媒体参与。

3.4 故宫官博中社交媒体参与的影响图模型

3.4.1 影响图模型搭建与影响强度分析

根据微博发布的决策顺序，本研究将贝叶斯网络中的时间节点调整为决策节点，将转发量、评论量和点赞量调整为可表征连续变量的价值节点，删除负面情绪和日期两个不影响社交媒体参与的节点，以信息弧（虚线表示）连接季节性、投射形象维度、互动引导、提及他人、正面情绪与发布时间这一决策节点，计算投射形象维度、季节、互动引导、提及他人、正面情绪5 个节点不同水平组合情况下转发、评论、点赞的效用值，并填入GeNIe 2.5软件中用以更新参数，最终形成故宫官博中旅游目的地形象投射引发社交媒体互动的影响图模型。采用J散度（J-Divergence）的方法计算各节点间的影响强度，并根据归一化处理后的影响强度值绘制影响图中弧的粗细（图3）。

图3 社交媒体参与的影响图模型Fig.3 The influence graph model of social medial engagement

影响强度是依据子节点的条件概率表计算得到，反映了父节点不同水平下子节点上各种条件概率分布之间的距离。结果表明，故宫官博投射不同维度目的地形象时会采用不同的互动策略和情感表征，进而通过不同的组合情况影响社交媒体参与度。相比于评论量，微博转发量和点赞量更明显地受到微博内容和营销手段的影响。

3.4.2 以历史文化维度为例的最优决策推断

面对故宫官博在目的地形象投射和营销策略上多样的组合方式，本研究以历史文化维度为例，寻找最大化社交媒体参与的最优决策。选择历史文化维度为典型情景是因为历史文化在故宫博物院旅游目的地形象中居于核心地位，故宫官博发布了大量有关历史文化的微博，但此类微博的转发、评论、点赞量均低于其他目的地形象维度，并未引发大规模的社交媒体参与。针对这一错位现象，本研究将影响图模型中投射形象维度设置为历史文化维度（即设定历史文化维度的概率为100%），通过调节各节点的概率模拟不同的决策情景，计算转发、评论、点赞3 类社交媒体参与的期望效用，以期寻找故宫官博投射历史文化维度目的地形象时最大化社交媒体参与的最优决策。

计算历史文化维度微博不同组合情景下转发量价值节点的期望效用（表5），发现历史文化维度微博评论量在旅游淡季的期望效用高于旅游旺季的期望效用。旅游淡季的消费引导和旅游旺季的贡献引导是获得更高期望效用的组合方式。此外，创造引导和提及他人的组合使用有助于获得较高的期望效用。也就是说，在历史文化维度的形象投射中，互动引导和提及他人两种提高互动性的营销方式对社交媒体参与的作用并非简单的线性相加。只有当故宫官博针对历史文化维度设计创造性的社交媒体参与活动并通过提及他人增强微博的互动性时，才会对转发量产生正面的叠加效果，在目的地形象传播中获得更大的社会影响力。

表5 历史文化维度微博不同组合情景中转发量的期望效用Tab.5 The expected utility of shares in different scenarios

计算历史文化维度微博不同组合情景下评论量价值节点的期望效用（表6），发现无论是在旅游淡季还是旅游旺季，在非工作时间段发布历史文化维度的微博都能够在评论量上获得较高的期望效用。特别是进行贡献引导并使用大量正面情绪词汇时，在12:00—13:59 发布的历史文化维度微博具有最高的评论量期望效用。

表6 历史文化维度微博不同组合情景中评论量的期望效用Tab.6 The expected utility of comments in different scenarios

计算历史文化维度微博不同组合情景下点赞量价值节点的期望效用（表7），发现在旅游淡季，点赞量期望效用最高的时间段依然是12:00—13:59。而在旅游旺季，点赞量期望效用最高的时间段转变为18:00—22:59。此外，使用创造引导策略的微博具有更高的点赞量期望效用。这可能是由于在创造性引导的微博中，大量社交媒体用户进行了富有创造力和创新性的评论，加强了其他社交媒体用户对微博内容整体性的点赞和反馈，表现出社交媒体参与的社群性特征。

表7 历史文化维度微博不同组合情景中点赞量的期望效用Tab.7 The expected utility of likes in different scenarios

4 结论与展望

4.1 结论与讨论

本研究将转发量、评论量、点赞量作为公众社交媒体参与度的评估指标，构建了贝叶斯模型和影响图两个层层递进的决策参考模型，模拟并预测了旅游目的地管理组织信息发布的最优情景和预期效果，打通了目的地投射形象与社交媒体参与间的复杂联系。在视角创新上，将社交媒体参与度作为评估目的地形象投射效果的重要指标，揭示了投射形象对社交媒体参与度的影响规律。在方法创新上，通过贝叶斯网络模型和影响图直观展示各因素间的作用关系和影响强度，借助情景模拟实现对目的地形象不同投射策略的效果预测。本研究得到以下结论。

第一，故宫官博通过目的地形象投射引发的社交媒体参与度符合幂律分布，即仅有少量的微博引发了大规模的社交媒体参与行为。故宫官博的故宫投射形象可分为建筑、自然景观、历史文化、文创产品、设施服务和活动展览6个维度。其中，最有可能形成高社交媒体参与的情景出现在自然景观维度的微博中。已有的研究发现，故宫的猫、故宫的雪等相关热门话题是故宫旅游目的地形象转型的关键[67]。本研究同样发现，与故宫自然景观和文创产品相比，历史文化维度的微博则较难形成大规模的社交媒体参与。故宫目的地投射形象对社交媒体参与的激发作用停留在视觉景观吸引和产品消费层面上，尚未深入故宫历史文化的核心魅力中。

第二，社交媒体参与不仅与目的地营销组织投射的目的地形象维度有关，还与发布内容中的互动策略、情绪表征和发布时间框架有关。已有研究大多通过比较社交媒体用户发布信息与目的地营销组织发布信息间的差距，将弥合投射形象和感知形象的差异作为目的地形象的营销目标[66]。本研究则聚焦目的地形象投射所引发的社交媒体参与，关注目的地投射形象维度和营销策略对社交媒体用户与目的地互动关系的塑造。本研究发现，在微博文本中使用互动策略能够提升社交媒体参与度，提及他人和消费引导能够获得更高的点赞量和转发量，贡献引导和创造引导则有助于形成高评论的微博。正面情绪词汇的使用不仅有助于塑造积极的旅游目的地情感形象，也吸引了更多的用户进行评论和点赞。

第三，微博发布的时间框架是旅游目的地投射形象的重要决策因素。故宫目的地形象投射不同情景下，引发社交媒体参与的最优发布时间具有差异。在旅游淡季，社交媒体用户更有可能与故宫官博进行频繁的互动参与行为。因此，旅游淡季是塑造潜在游客目的地形象和旅游意愿的关键时期，与旅游旺季分别进行有选择性的旅游目的地形象投射和营销能够获取更为理想的社交媒体参与。12:00—22:59时间段通常能够获得更高的社交媒体参与，更有可能形成高评论和高点赞的微博。故宫官微引发高社交媒体参与的微博发布时间与已有研究中社交媒体用户的活跃时段基本吻合[53]。本研究进一步发现，通过对微博内容、互动策略和发布时间的组合可以引导不同类型的社交媒体参与，并借助影响图可模拟推断出不同情景下可达到的社交媒体参与规模。

最后，对于数量最大但未引发大规模社交媒体参与的历史文化维度微博而言，互动策略与时间框架的组合使用在提升社交媒体参与度中具有重要作用。在旅游淡季引导公众在虚拟空间进行故宫相关消费行为，以及在旅游旺季组织公众进行与故宫有关的创新创造活动，是形成更高的社交媒体参与的最优策略。同时，12:00—13:59 时间段和18:00—22:59时间段是历史文化维度微博获得社交媒体参与的最优发布时间，此时叠加互动引导策略能够获得更大规模的社交媒体参与行为。与其他维度不同，历史文化维度微博中提及他人对社交媒体参与的影响较微弱，只有在创造性活动中提及他人才能促进社交媒体参与。这可能与历史文化维度的特殊属性有关。与名人的知名度相比，名人与目的地的匹配度可能是影响旅游者对目的地态度的重要因素[68]。然而，如何通过互动营销引发公众的文化参与和文化学习仍是一个亟待探索的问题。

4.2 不足与展望

本研究以故宫官博2016—2020 年的微博数据构建了旅游目的地投射形象引发社交媒体参与的贝叶斯模型和影响图模型。考虑到旅游目的地类型的丰富性，后续研究可进一步在其他类型旅游目的地中予以验证。此外，本研究采用定量分析与模型模拟的方法构建出旅游目的地管理组织通过目的地形象投射引发社交媒体参与的规律模型，推断出旅游目的地形象投射的最优情景和期望效用，但尚未从公众个体层面揭示规律模型背后的心理与行动逻辑。后续研究仍有待采用访谈、实验等方法，进一步推进旅游目的地形象网络营销的机理研究。