科普期刊微信传播效果的影响因素研究——基于4445篇推文的计算分析

■孙嘉宇

南京大学新闻传播学院,江苏省南京市栖霞区仙林大道163号 210046

近年来,科学普及工作被政府工作报告多次提及,“十四五”规划中亦明确指出要“弘扬科学精神和工匠精神,广泛开展科学普及活动”[1]。党的二十大报告则进一步强调了“加强国家科普能力建设,深化全民阅读活动”[2]的重要性。科普工作不仅关系到人民群众精神文化生活的丰富程度,也关系着科教兴国、人才强国等国家战略的深入实施。科技创新和科学普及是实现创新发展的两翼[3],而作为科普工作重要阵地的科普期刊,既是科技创新与科学普及的纽带,又发挥着传播科学知识、营造阅读氛围的核心功能。探讨科普期刊如何在碎片化阅读趋于主流,微信、抖音等媒介平台日渐基础设施化的当下争夺受众有限的注意力、实现科学传播社会效益的最大化是科技期刊研究的应有之义。

科学知识与传播媒介之间的张力关系被理论化为科学的媒介化,其中一个维度为科学传播需适应媒介平台的算法逻辑以提升显示度。微信是月活跃人数超13亿[4]的社交应用平台,科技期刊在该平台的传播样态与因应之策亦颇受学界关注,相关效果研究可分为三类:其一是从局内人角度基于个(多)案凝练心得、提供策略,如蒋亚宝等[5]以“金属加工”微信公众号为例, 结合历史热文总结运营经验;其二是以用户反馈为中心的态度测量与诉求挖掘,如金会平等[6]采用问卷调查归纳出农业科普期刊微信受众黏性的主要影响因素;其三是从推文特征出发结合量化手段探究传播效果的影响因素,如张兰等[7]对社科类期刊公众号特征进行实证分析,林欣等[8]基于营销理论从差异化、功能化等维度探究了高校学报微信传播力的影响因素。

既有研究呈现出视角多维、对象多样、方法多元的综合态势,但缺少将计算机辅助内容分析与大样本科普期刊微信推文结合的实证分析。作为处理社交媒体信息等大型数据的解决方案,计算机辅助内容分析(Computer-Assisted Content Analysis)能降低研究者的主观偏差,协助发现大型文本的内容特征与情感偏向。“启发-系统”模型(Heuristic-Systematic Model)是社会心理学中经典的行为解释框架,阐释了个体在接收信息、形成态度和实施决策过程中采用的两类路径[9],可为研究者寻找和定类合适变量提供理论指引。本研究使用python爬取了《中国优秀科普期刊目录》中微信运营较为活跃的26种期刊在2022年12月至2023年5月发布的4445篇微信文本,以“启发-系统”模型为理论基础,通过计算机辅助内容分析引入可读性、信息熵、情感倾向、流行词汇等指标,从标题、发布和内容特征三方面探索科普期刊微信传播效果的潜在影响因素。

本研究的创新性在于:(1)样本选择上,受限于人力因素,已有研究多采用等距抽样等手段限制样本量,但是本研究应用编程技巧爬梳了实质运营微信公众号的优秀科普期刊半年内的所有微信推文,样本具备代表性和完整性;(2)指标构建上,由于推文传播受平台算法中介的影响,本研究尝试从计算机语言的角度建构可读性、信息熵等分析指标,以期贴合算法逻辑;(3)主导因素上,选用分层回归来控制不同层次自变量对因变量的影响,进而归纳出影响传播效果的主导因素类型;(4)实践应用上,所构建的影响因素模型可供科普期刊从业人员在实际操作中优化标题内容等要素,并依据运营实际迭代模型。

1 模型建构与假设提出

1.1 理论基础

“启发-系统”模型是心理学家Chaiken提出的解释个人信息处理行为的双过程模型。该模型由两类处理过程构成:其一是启发式线索,意指个体基于简单规则和认知图式,以低认知努力的方式处理信息;其二是系统式线索,即个体付出较多认知成本,依据理性逻辑审慎评估信息并形成态度[10]。这两类线索构成了信息处理的过程机制。

“启发-系统”模型仅是定类线索类型,而非框定固定变量,因此具有较强的理论延展性和实践可操作性,近年来被传播学相关研究所吸纳,用于探究科学传播和社交媒体分析中用户接收和处理相关信息的过程机制。如:刘思琦和曾祥敏[11]在识别知识类短视频传播效果的影响因素与组态路径时,将该模型划分为由情境属性构成的启发式线索以及由内容属性构成的系统式线索;李永宁等[12]在一项类似研究中将发布者身份、作品数量等归入启发式线索,将内容类别、内容时长等纳入系统式线索。在社交媒体效果研究方面,Zhang等[13]探讨微博帖子受欢迎程度的影响因素时,将启发式线索设置为发布特征,如更新频率、权威程度等,而将主题类型、信息质量等归为系统式线索;Yang等[14]基于9个微信账号后台数据,将启发式线索解释为以推送时段、标题包含热点为代表的客观条件和以账号粉丝量为代表的接收水平,并将系统式线索划分为文章技巧和文本特征两类。

总体而言,相较于简单直观、强调情境因素的启发式线索,系统式线索建立在对信息质量进行论证的基础之上,与内容特征密切相关[12]。本文借鉴前述研究,依据认知次序与认知努力程度,将启发式线索划分为标题特征与发布特征,将内容特征界定为系统式线索,并参考相关研究提出假设。

1.2 研究假设

1.2.1 标题特征

作为用户过滤和筛选信息的前提,标题是数字内容生产中不可忽视的环节。微信推文标题可被划分为深层与浅层两个结构,前者包含词库(短语和词项)属性,后者则由句子的语气特征、情感倾向等要素构成[15],二者共同决定读者对标题语义的理解。

在深层结构方面,可读性被学者Dale界定为“文本材料所包含的影响读者有效使用的所有要素及其之间相互作用的总和”[16],可反映受众在阅读文本中所需付出的认知努力。秦琴等[16]讨论了食品安全类文章可读性与浏览量的关系,发现标题可读性与阅读数呈正相关关系,类似的结论在杨达森等[17]关于短视频传播效果的研究中亦得到证实。计算文本分析领域中信息熵(Entropy)代表着信息的复杂程度,可用来计算文本所包含的信息量[18],是识别在线文本特征的重要变量[19],有学者据此探讨了知乎社区中文本信息熵与受众意见采纳的相关性[20]。另外,网络流行词汇的运用也被研究者视为吸引用户注意力的关键抓手[21]。由此提出以下假设:

假设1.1 标题可读性对推文传播广度、深度有显著正向影响。

假设1.2 标题信息熵对推文传播广度、深度有显著正向影响。

假设1.3 标题存在流行词汇对推文传播广度、深度有显著正向影响。

在浅层结构方面,标题语气与情感倾向是衡量标题态度倾向与表达立场的指标。张兰等[7]和贾文龙[22]分别对社科类期刊与高校图书馆微信传播效果进行验证,发现在标题中使用疑问和感叹句式能显著提升推文阅读量。相较于中性情感倾向,标题情感倾向偏正面或负面更能唤醒读者情绪,触发分享行为[23]。故提出如下假设:

假设1.4 标题语气非陈述对推文传播广度、深度有显著正向影响。

假设1.5 标题情感倾向对推文传播广度、深度有显著正向影响。

1.2.2 发布特征

在有关推文发布特征与传播效果相关性的探讨中, 2017年的一项研究认为大学出版社微信号在夜晚时段推送的文章更能获得高阅读量[24],而林欣等[8]基于2020年高校学报微信数据发现,推送时间与阅读量无显著相关性。相异的研究结论可能与微信在2018年6月公众号改版时将推送机制由按列表展示更改为信息流[5]有关,此后其还上线了乱序阅读机制,用户收到不同位序推送的随机性进一步增加,这也导致心理学的“首位效应”为位置排序重要性分布提供依据的不确定性明显增加[15]。基于此提出以下假设:

假设2.1不同时间段发布的推文的传播广度、深度存在显著差异。

假设2.2不同发布位序的推文的传播广度、深度存在显著差异。

1.2.3 内容特征

推文的内容与标题构成要素类似,均由文本字符组成,故可读性、信息熵以及是否存在流行词汇等指标亦适用于考察内容特征。理论上内容的主题类型会影响推文的传播效果,雷鸣等[24]在对出版社微信传播效果的研究中指出,人文社科类的主题类型对阅读量和点赞量有显著影响。由此提出以下4个假设:

假设3.1 内容可读性对推文传播广度、深度有显著正向影响。

假设3.2 内容信息熵对推文传播广度、深度有显著正向影响。

假设3.3 内容存在流行词对推文传播广度、深度有显著正向影响。

假设3.4 不同主题类型的推文传播广度、深度存在显著差异。

为配合国家监管、鼓励作者原创,微信于2019年8月发布了洗稿抄袭、滥用原创功能的处理方法[5],并在广告分成和流量供给上向原创内容倾斜。张兰等[7]对756篇学术期刊微信推文的研究表明,原创文章对日均阅读量和在看量均有显著影响。在编排方式上,有学者发现技术包装是知识类视频传播效果的关键影响因素[11],林欣等[8]也指出学报微信多元的推文呈现方式与传播效果正相关。基于此提出以下假设:

假设3.5 内容为原创对推文传播广度、深度有显著正向影响。

假设3.6 多元的内容编排方式对推文传播广度、深度有显著正向影响。

1.2.4 主导线索

业界对“内容为王”的观点在新媒体时代的适用性尚无定论,学界发现也存在龃龉之处。Zhang等[13]探究了10000条微博文本的传播效果,认为系统式线索主导了受众的信息处理。李永宁等[12]也发现基于内容的系统式线索对知识类短视频的传播效果影响更为显著。一项针对高校微信运营效果的研究则指出,内容因素对传播效果的影响作用有限,启发式线索占据主导地位[25]。故提出以下假设:

假设4相较于由标题和发布特征构成的启发式线索,强调内容特征的系统式线索对传播效果更具解释力。

综上,所构建的科普期刊微信传播效果的影响因素模型如图1所示。

图1 科普期刊微信传播效果的影响因素模型

2 研究设计与方法

2.1 变量测量

本研究对变量的操作化定义如表1所示,补充说明如下:

表1 变量的操作化定义

(1)传播效果测算。为定量评估微信公众号推文的传播效果,本研究采用阅读量和点赞量作为初始分析指标。阅读量可用于表征文章的传播广度,是受众系统解码文章信息的前提条件。点赞量则代表文章的传播深度,反映了受众对推文内容的接受与认可。此组参数体现了传播行为对受众观念的“巩固、结晶与改变”[24]。考虑到阅读量与点赞量存在一定奇异值,参考彭晨明等[26]的研究,将此组参数中的0替换为0.0000001后,对阅读量和点赞量取自然对数,从而将分布偏度较大的变量转换为接近正态分布的变量。

(2)文本可读性测算。目前中文可读性公式中较为权威的是由荆溪昱[27]基于繁体字提出的计量公式,此后学者依据简体字特征对公式进行改善,如秦琴等[16]提出的基于医学术语的计算公式等。由于科普文章涉及自然科学等多个主题,且受众具有不同阅读动机与参差知识背景,故本研究未沿用基于术语的可读性公式,而是借鉴刘宇等[28]探究中文论文可读性与引用相关性时依据常用字改进的可读性公式,所构造的公式如式(1)所示:

R=8.76105604+0.00272438x1+

0.07866782x2-8.94311010x3

(1)

式中:x1为文本总字数;x2为平均句长;x3为常用字在文本总字数中的占比。本研究将《通用规范汉字表》中的一级汉字视为常用字来源[28],该类汉字共3500个,可满足基础教育和文化普及的基本用字需求。本研究通过python识别常用字并计算常用字的字频占比,最终得到R值。R值越大表示可读性越低,读者需付出更高的认知成本。

(3)文本信息熵测算。信息熵是由学者Shannon[29]提出的衡量信息复杂程度的指标,区别于通过文章长度衡量文章质量的方法,信息熵以文本中词汇出现频率为核心变量计算信息丰富值,其适用性在中文互联网文本的研究[18,20]中已得到证实。为进一步提高准确性,本研究通过jieba对研究材料分词后,筛选出名词性短语进行计算。信息熵计算方法[29]如式(2)所示:

(2)

式中:p(x)表示词语出现的概率。熵值越高,则信息量越丰富

(4)流行词汇测算。参考杨达森等[17]关于流行词表的建构方法,本研究在国家语言资源监测与研究中心发布的历年“年度十大网络用语”的基础上,综合了bilibili、斗鱼等网站的年度弹幕,去重后共搜集到184个网络热词。通过与文本匹配,将文本按是否存在流行词汇进行区分。

(5)情感倾向测算。通过snownlp包计算情感得分,文本得分越接近0表示态度越消极,越接近1则表示情感越积极。借鉴刘嘉宇等[30]的情感分类,将得分为0.4～0.6的归为倾向中性,反之则界定为倾向显著。

2.2 研究方法

综合运用计算机辅助内容分析和分层回归两类方法来探究科普期刊微信传播效果的影响因素。计算机辅助内容分析能避免研究者因主观判断引起的误差,提高研究信度[33],因而被广泛应用于社交媒体研究中。本研究通过该方法计算可读性、信息熵、情感倾向等解释变量,试图从计算机语言的角度编码推文要素。

分层回归则是一种将自变量按层级关系逐步放入方程以预测因变量的回归方法。该方法可控制其他自变量对因变量的影响,以更好地说明不同层级引入的新变量对因变量方差的解释程度。本研究尝试辨明科普期刊微信传播效果的主导线索类型,故采用分层回归的分析方法。

2.3 数据来源

本研究对2020年颁布的《中国优秀科普期刊目录》中收录的期刊在微信端进行检索,发现共有43种期刊开设了微信公众号。考虑到部分期刊并未实质运营微信公众号,本研究依托清华大学开发的清博指数系统筛选出半年内(2022年12月至2023年5月)的活跃账号26个,并编写脚本爬取了该类账号在该时段内发布的6525篇推文。

由于样本中存在付费阅读以及仅包含视频或图片的推文,鉴于此类推文非常见类型,且不在本研究所构建模型的解释范围内,故予以剔除。样本中还包含活动宣传、电商推广和账号引流类的文章,此类文章的主题与科普主题相异,传播效果亦不宜以点赞量等进行衡量,故予以剔除。最终共获得有效样本4445篇。

3 研究发现

3.1 一般描述性分析

在虚拟变量的统计中,陈述类语气的标题与非陈述类数量大致相当,分别为2064篇和2381篇。在发布时段上,12—18时是推文发布的主要时间段,共2114篇,占比达47.56%。在内容编排方式上,多种字体颜色+图片编排的推文为4195篇,占比达94.38%。连续变量统计结果如表2所示,为便于描述,将阅读量与点赞量这组原始数据亦统计在内。结合具体文本可知,点赞量最多的是“中国国家地理”于2023年3月发布的《靠螺蛳粉出名的小城,竟然有这么多惊喜》,点赞量为4605,其次是“家庭医生”于2022年12月发布的《32岁博士、10岁女童确诊阳性后,高烧去世!发烧后,千万警惕这个“夺命杀手”,早知道能救命》一文,点赞量为2436。

表2 连续变量统计表

通常认为阅读量为“10万+”的文章是高曝光量的爆款文章,本节对此类文章及其机构进行简要分析。在有效样本中共有66篇推文的阅读量超过10万,其中“博物”和“中国国家地理”分别以26篇和19篇高曝光文章占据前2,其后是“家庭医生”(18篇)和“航空知识”(3篇)。为探究高曝光文章的内容要素,使用词云图对标题关键词进行可视化呈现,如图2所示,“10万+”文章内容涉及多个类目,如医疗养生方面关于阳康后注意事项的推送,人文社科方面对吉林延边风土人情的描述等。多篇推文与时事热点相结合,如:“家庭医生”在胡鑫宇事件发酵期对抑郁症进行科普;“中国国家地理”在电视剧《狂飙》热播期间,推送《张颂文说他是客家人,所以“客家人”是?》,描述了客家人的历史变迁,以及在《〈狂飙〉拍摄地怎么看起来“又土又洋”?》中对江门侨乡风光进行介绍等。此外,对阅读量过万的文章(共909篇)及其主办单位进行统计,发现排名靠前的仍是“博物”(259篇)、“中国国家地理”(240篇)、“家庭医生”(239篇)、“航空知识”(18篇),说明此类账号已积累成熟的运营经验并拥有较强的用户黏性。

图2 “10万+”文章标题关键词词云图

3.2 回归结果与原因讨论

采用SPSS软件对变量进行分层回归以验证模型的可靠性,所有解释变量的方差膨胀因子(Variance Inflation Factor,VIF)均小于10,说明自变量间不存在高度共线性问题,模型结果可靠。表3展示了以传播广度、传播深度为因变量时的回归结果,表4为具体假设结果统计表。

表3 微信推文传播效果回归分析表(N=4445)

表4 假设结果统计表

就传播广度而言,如表3模型2所示:

(1)在标题特征上,标题的可读性与信息熵对传播广度有显著影响。由于可读性公式值越低表示文本可读性越高,故标题可读性与信息熵对传播广度呈现显著正相关,这与秦琴等[16]、费豪泽等[20]的研究发现类似,即较高可读性和信息熵的标题能降低读者的认知努力,激发读者阅读意愿。相较于陈述语气,标题语气非陈述对传播广度亦有显著的正向影响,这表明带有问号或叹号的标题更能吸引读者注意力,或者相较于陈述语气,非陈述表达在微信推荐算法中可能会占更高的权重。

(2)在发布特征上,对比18—24时的推文时间段,推文发布于6—12时和12—18时更能促进文章阅读量的提升。相较于位置排序第4的推文,排序前3对传播广度均有显著的正向影响,说明设计心理学的首位效应仍适用于微信运营。

(3)在内容特征上,内容信息熵对传播广度有显著促进作用。相较于无流行词,内容中有流行词汇对传播广度有显著正向影响,或因内容存在流行词汇更能促进受众转发分享。在内容主题上,相较于人文社科类推文,自然科学、军事工程、医学养生和其他知识类推文对阅读量具有正向影响,表明不同主题对传播广度的影响呈现显著差异。原创内容更容易增加曝光量,这可能与微信平台鼓励原创并给予流量倾斜有关。在编排技巧上,相较于黑色字体+无图的文章,黑色字体+有图和多色字体+有图的编排更利于提高阅读量,原因在于图文并茂的编排设计能优化受众阅读体验,提高阅读兴趣。

在以传播深度为因变量的分层回归中,研究者依据模型4发现:在标题特征上,标题可读性与信息熵对传播深度有显著的正向影响;在发布特征上,相较于位置排序第4的推文,排序前3能显著提高传播深度;在内容特征上,相较于转载类推文,原创推文对点赞量有显著的正向影响。内容含流行词能正向促进传播深度。相较于黑色字体+无图的文章,多色字体+有图的文章更能积极影响传播深度。不同主题的推文对传播深度的影响存在差异。此处结论与前述以传播广度为因变量的研究发现类似,相关原因不赘。需说明的是,内容可读性对传播广度和传播深度的影响均呈现负相关,这可能与本研究选用《通用规范汉字表》中的一级汉字作为常用字来计算可读性有关,而科普类推文因其内容特色可能会包含由非常用字组成的科学用语,故会呈现负相关。

在主导线索类型上,启发式线索(模型1)对传播广度方差的解释度(R2)为9.5%,在加入系统式线索层级后,整体线索(模型2)的解释度上升至27.6%,而在传播深度的回归模型中,强调内容特征的系统式线索同样更具解释力。可能的原因有二:其一是内容特征较好的文章更有可能被关注者转发分享或在看,从而间接加强传播效果;其二是现行的平台算法赋予内容特征更多权重。在社交媒体图文制作中有意加入过度夸张、煽情和具有误导性的内容,在理论层面确实能满足人类好奇心和探索欲,但可能会造成数字内容市场“劣币驱逐良币”的恶性循环。为此,2022年3月实行的《互联网信息服务算法推荐管理规定》强调,算法推荐服务提供者应坚持主流价值导向,促进算法应用向上向善,不得将不良信息关键词纳入用户标签并据此推送。区别于用户欲望诉求上对夸张煽情的亲近,增大内容权重、嵌入合适价值理性的算法推荐存在增强优质内容传播效果的可能。以微信团队发表的一项算法分发论文[34]为例,该论文应用RALM模型通过微信“在看”功能改进推荐算法,从而向更多未关注该账号的用户推送小众、优质的长尾内容。故在当前微信推荐算法中,内容要素可能占相当大的权重。

3.3 稳健性检验

本研究通过缩减样本容量的方法验证所建模型的稳健性。参考杨永清等[35]关于微博影响机制的研究,在随机剔除20个样本后进行回归性分析。此外,对所有连续变量在前后各2%处进行缩尾处理后应用回归[36],回归结果显示各变量的显著性无明显改变。

4 结论与建议

4.1 研究结论

通过构建“启发-系统”模型,借助计算机辅助内容分析法,对4445篇科普期刊微信推文进行实证,系统探究了标题特征、发布特征与内容特征对推文传播广度和传播深度的影响。

本研究探索性验证了可读性、信息熵与科普期刊传播效果的关系,发现标题的可读性、信息熵及非陈述语气会显著提升推文的传播广度与传播深度,说明具备较高可读性和信息熵的标题能给读者更好的阅读体验,非陈述语气更能吸引读者注意力。而位置排序前3的推文对传播广度和深度均有显著积极影响。相较于18—24时,上午和下午推送的文章更有可能被广泛阅读,这可能与受众碎片化的阅读时间以及微信的推送机制有关。在内容方面,原创内容、运用流行词汇以及图文并茂的编排方式均会对文章的阅读量和点赞量产生显著的积极影响,内容信息熵仅对阅读量影响显著。标题情感倾向对阅读量和点赞量均无显著影响,即“标题党”效果并不完全适用于科普期刊,这与既有经验研究结果不同[23,37],可能与科普期刊受众群体的特殊性有关。

总之,无论是传播广度还是传播深度,强调内容特征的系统式线索的解释程度均高于启发式线索(标题+发布特征),说明内容特征仍是微信平台上吸引受众注意力的核心要素。

4.2 对策建议

4.2.1 优化启发式线索,凝练标题完善发布策略

虽然用户在应用启发式线索处理信息时倾向于付出较少的认知努力,但标题仍是受众了解文章信息的窗口,决定了受众的第一印象。本研究发现标题可读性、信息熵以及非陈述语气对传播广度和深度均有显著正向影响,对照相关测量方法,运营方在标题制作时应减少生僻字使用、降低标题中同一名词的使用频率,并尝试合理添加问号及叹号来吸引读者注意,如:“中国国家地理”微信公众号于2023年2月发布的“10万+”推文《吉林延边,为何“一半韩流,一半东北”?》,该标题简洁且具有描述性,并恰当使用了问号来增强吸睛力;“航空知识”微信公众号于2023年3月发布的《苏-34变成“空中火球”,谁干的?》,其标题也体现了这些特征。本研究不建议在标题中使用情感极性过强的词语,这是因为情感倾向与科普期刊推文的传播广度或传播深度并未呈现显著相关性,且一项针对微信“标题党”的混合研究发现,夸张的标题虽与阅读量正相关,但显著负向影响受众的分享意愿[37]。此类标题虽然短期内可能会吸引阅读量,但削减了读者对科普账号的信任,降低了用户黏性。在发布策略上,发布时间应控制在6—18时,在此时间段发布的效果与传播广度呈正相关。此外,运营人员需将质量较高的推文置于每期推送的前3位置,以确保更新质量和更新频率。

4.2.2 聚焦系统式线索,深耕内容提高原创比例

强调内容的系统式线索是竞争用户稀缺注意力的关键维度。适合在互联网传播的推文是建立在运营人员对网络空间文化特征、交流习惯和时空节奏的系统感知之上的。科普期刊作为科学普及的中坚力量,在微信内容生产时要以期刊专业精神为指引,传递符合共同体规范的优质内容,兼顾内容的知识性与趣味性,确保文本的严谨性与准确性,在此基础上应深耕以下三方面:其一在文本层面,与凝练标题类似,需增加常用字的使用并避免同一名词的高频运用,适当使用网络流行用语来触发受众情感共鸣,并有可能增加被平台算法推荐的概率;其二,使用视觉元素来技术包装内容,多元的内容编排方式能有效提高受众使用体验;其三,提高原创比例,在本研究的样本中原创推文为1785条,占比不到50%,而相较于非原创文本,原创推文与传播效果显著正相关,故科普期刊在取得相关文章首发权的同时应尝试从原作者处获得网络发表时标记为原创的许可,从而提高原创占比,获得平台流量倾斜。

4.2.3 探索运营指标化,数据驱动适应平台逻辑

微信等平台型媒介以其自身的逻辑组织和管理传播活动,除在基础设施层面提供技术架构、在内容层面出台运营规范外,还在信息传递层面发挥着传受代理的作用。科普推文的传受存在经由平台算法这一非人行动者转译的过程。区别于传统人工推荐,无论是平台评定推文质量的内容算法还是面向受众的推荐算法,都是通过各类指标以二进制的计算机语言描述人类心智活动。故科普期刊微信运营在识别受众偏好、理解受众需求的同时,也需适应平台逻辑。自微信上线信息流推荐以来,有推文提示读者对公众号加星置顶以解决传播效果不理想的问题即为运营者适应平台逻辑的尝试之一,但更为治本的是探索运营指标化,即由数据驱动运营调整。目前市场上流行的微信公众号第三方管理应用如新榜旗下的矩阵通、为阿里和字节提供解决方案的侯斯特等平台,会提供如热点追踪、粉丝数据管理、文章传播效果等功能服务。科普期刊运营方可考虑与第三方合作,定制内容分析指标,或参考本研究归纳的可读性、信息熵、有无流行词等指标,结合后台数据如分享量、在看量和用户反馈等,定期评估传播效果以优化推送策略。

5 结语

本研究是一项依托社会心理学理论、由数据驱动的大样本探索性研究。研究发现,在影响科普期刊微信推文传播效果的因素中,内容特征更具解释力,表明“内容为王”并未过时。传播广度与传播深度的影响因素不尽相同,如标题可读性和信息熵、发布排序前3、内容系原创及存在流行词均对传播广度及深度有显著正向影响。发布时段、内容信息熵等则部分与传播广度或深度正相关。因此,科普期刊微信运营宜从标题、发布形式和内容方面着手,有所侧重地调整相关要素,并尝试应用计算文本分析中的相关指标适应算法逻辑,从而能动地优化运营方案。

本文的不足之处在于:虽发现不同主题推文的传播效果存在显著差异,但限于篇幅并未就特定主题探究其影响要素;在变量选择上仍局限于文本特征,对信息量丰富的图片、视频等要素失于考察。未来研究可考虑:基于特定环节考察相关因素的作用机制,如通过眼动实验探索标题和封面图片等启发式线索对受众认知负荷的影响;纳入更多潜在要素以扩充变量,如与运营方合作将粉丝数、分享量等因素列入考量。