【www.rjdtv.com--新闻学论文】

摘 要 本文以15家传统媒体的官方微博为研究对象，样本涉及通讯社、报纸、广播电视等传统媒体，选取6项关键性指标，运用SPSS软件对影响传统媒体微博影响力的因子做主成分分析，提取了“社交活跃度”和“内容生产力”两个主成分，并由此得到传统新闻媒体微博影响力的评价模型。
　　
　　关键词 传统媒体；微博；媒体融合；主成分分析
　　
　　1 研究问题的提出
　　
　　在传统媒体与新兴媒体融合发展的时代背景下，“两微一端”成为传统新闻媒体“转战”新媒体领域的标配。然而，随着微信公众号的兴起和迅猛发展，曾几何时影响力如日中天的微博逐渐式微，甚至一度面临平台热度危机。
　　
　　另外，微博仍然因其较之于微信更具媒体属性，因此许多受众依旧将微博作为发布和获取新闻资讯的重要平台。目前新浪微博影响力较大，拥有巨大的用户群。因此，对于通讯社、报纸、广播、电视等正在积极转型的传统媒体而言，如何在微博平台上扩大影响力、提升话语权成为关键。绝大多数传统媒体在新浪微博上拥有官方账号，并且保持一定的发布数量。
　　
　　由此引出本文的研究问题：如何准确地衡量和描述传统媒体在微博上的影响力？
　　
　　2 数据来源说明
　　
　　本文选取目前新媒体排行榜中比较有影响力的“新榜”数据中排行前50名的媒体机构微信公众号中前15位传统媒体（包括《人民日报》、央视新闻、新华社、《参考消息》、《环球时报》等）的官方微博（以新浪蓝V认证为准）作为研究对象，用八爪鱼数据采集软件抓取这15个新浪微博在党的十九大召开这一重大新闻事件期间（即2017年10月18日到2017年10月25日）7天的发博数、评论数、转发数和点赞数，以及截至2017年10月25日的关注数和粉丝数，通过这些来比较研究这15家传统媒体在微博上的影响力。
　　
　　3 研究方法
　　
　　本研究使用SPSS23.0软件进行主成分分析，通过计算将相关性较高的因子归为一类，提取主成分替代原始6个变量，从而实现对指标体系的降维，并考察每一个主成分对于微博影响力的作用程度，构建传统媒体微博影响力的评价模型并进行模型检验。
　　
　　4 研究发现及检验
　　
　　4.1 提取主成分并命名
　　
　　通过计算，本研究数据KMO检验值为0.598,对应sig值为0.000,提示适合进行主成分分析。对原始数据进行主成分分析，显示只有前两个主成分的特征值大于1,而且累计方差贡献率达到了80.625%,提示本研究提取2个主成分便可比较充分地反映原始数据。
　　
　　SPSS计算得出主成分载荷表显示，关注数、粉丝数、平均每条转发数、平均每条评论数和平均每条点赞数这5个变量在主成分F1中的载荷比较高，因该5个变量均反映了该媒体微博与其粉丝和关注对象之间的交互行为，因此本文将其命名为“社交活跃度”主成分。日均发博数这个变量在主成分F2中的载荷较高，而这个变量则反映了媒体微博的内容生产行为，因此，将其命名为“内容生产力”主成分。
　　
　　4.2 传统媒体微博影响力排名
　　
　　在上述分析的基础上，首先课利用SPSS软件计算得出两个主成分F1、F2的得分值，然后再通过软件计算出主成分综合得分与各主成分之间的关系模型[ 1 ],即F=0.7381×F1+0.2619×F2.最后，经过计算，两个主成分得分和综合评估得分及排名情况如表1所示。
　　
　　从综合得分和排名来看，《人民日报》位列第一，作为传统媒体与新兴媒体融合的排头兵和先行者，《人民日报》在新媒体领域的影响力有目共睹，这也可以通过各大微博、微信排行榜榜单数据得到印证。
　　
　　《央视新闻》《环球日报》《钱江晚报》《新华视点》《中国日报》综合得分在平均水平之上，处于第二梯队，社交活跃度和内容生产力也都较靠前。其余9家的微博影响力都在平均水平之下，位于第三梯队。
　　
　　4.3 模型实证检验
　　
　　根据本文得出的综合排名中前三名为《人民日报》《央视新闻》及《环球时报》，对照新榜和清博指数两个榜单中相对应的周榜数据，发现完全匹配，显示出本研究所得出的微博影响力指标体系具有一定的解释力，也为进一步研究提供依据和基础。
　　
　　5 研究结论及讨论
　　
　　5.1 “内容为王”还得“互动跟上”
　　
　　许多传统媒体总是坚信“内容为王”,因此光顾内容生产力的建设，却忽视了社交媒体的交互属性，疏于对粉丝的管理和维护。
　　
　　从本研究所得出的微博影响力评价模型中不难发现，“社交活跃度”主成分的影响系数为0.7381,而“内容生产力”主成分的影响系数为0.2619,这充分说明了传统媒体的“线上生存”不仅是“内容为王”,还得“互动跟上”,注重粉丝的活跃度和交互热度，这样才能提升传统媒体微博的影响力。
　　
　　5.2 评论作为二次内容生产的重要性
　　
　　本研究通过计算得出两个主成分的特征系数。在“内容生产力”主成分中可以看到，除了日均发博数占比0.713一枝独秀外，平均每条评论数也有0.486的系数，占比位居第二位，这提示了评论在作为二次内容生产这一意义上的重要性。
　　
　　因为在微博中，用户习惯于评论并转发该条微博，因此用户如果有精彩的评论，尤其是“意见领袖”的二次加工和分享，往往能够带动该条微博在更大和更加异质化的关系网络中实现有效的二级传播，从而提升该微博的影响力和辐射面。
　　
　　5.3 点赞比转发、评论更有预测意义？
　　
　　本研究通过皮尔森相关性检验，得到平均每条转发数、平均每条评论数、平均每条点赞数三个变量与综合得分的相关系数分别为0.875、0.856和0.920,提示点赞数更能敏锐地预测微博的整体影响力。
　　
　　抛开网络水军恶意刷数据的因素来看，笔者假设，这一数值的高相关性，可能与新浪微博限制了每个账号对每条微博最多只能点赞一次的规则有关，这一规则在一定程度上过滤了来自水军的“互动水分”,相对准确地反映了粉丝的“社交活跃度”.当然，这一数据是否具有实际意义还值得实践者们进一步的论证。
　　
　　参考文献
　　
　　[1]孙江华，张殊。基于主成分分析和聚类分析的传统报纸微博影响力研究[J].现代传播-中国传媒大学学报，2015,37（4）：141-143.

本文来源：http://www.rjdtv.com/xinwenchuanbolunwen/3998.html