時間：2024-03-19 10:45:26
序論：在您撰寫社交媒體的分類時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導您走向新的創(chuàng)作高度。
關鍵詞 社交媒體 品牌喜好 品牌信任 品牌忠誠 相關性分析 回歸分析
一、引言
20世紀90年代隨著互聯(lián)網(wǎng)和萬維網(wǎng)的崛起，人們便對利用網(wǎng)絡這進行廣告宣傳的可能性充滿了興趣（Berthon，Pitt，&Watson，1996）。在過去這些年中，隨著互聯(lián)網(wǎng)功能的不斷增加，將其作為媒介工具的可能性也日益明顯，這其中也包括社交媒體（Kaplan &Haenlein，2010）。比如微信，最早只是作為朋友、家人和同事溝通的工具。但是，截止到2015年第一季度，微信每月活躍用戶達5.49億，各品牌的微信公眾賬號總數(shù)已經(jīng)超過800萬個。微博是一個基于用戶關系信息分享、傳播以及獲取信息的平臺。截止到2015年9月30日，微博月活躍用戶數(shù)（MAU）已經(jīng)達到2.12億人。除了以上兩者外，還有很多像這些社交媒體一樣的社交平臺在不斷地擴大。因此，廣告公司和企業(yè)對如何利用這些社交媒體以促進營銷，產(chǎn)生了濃厚的興趣。
尼爾森網(wǎng)聯(lián)媒介數(shù)據(jù)服務有限公司（Nielsen-CCData）指出，在微博上關注某品牌的消費者更傾向于購買并推薦該品牌的產(chǎn)品。還有很多文章旨在告訴人們利用社交媒體進行品牌互動，然而卻很少有理論能支持這些觀點，或從統(tǒng)計上證明這兩者之間存在著密切的關系。
該研究以幫助大家更好的理解社交媒體和廣告效應之間的關系為出發(fā)點，旨在檢驗社交媒體的使用是否影響廣告效應，同時著重研究社交媒體對品牌關系建立的重大影響（包括品牌喜好、品牌信任、品牌忠誠三個部分）。
接下來將對本文中的幾個主要概念做出解釋，如社交媒體、品牌忠誠、品牌信任和品牌喜好。然后提出幾個假設，利用統(tǒng)計方法檢驗這些假設，并最終給出結論。
二、概念綜述
社交媒體，是指“一組基于互聯(lián)網(wǎng)的應用，這些應用建立在Web2.0（內(nèi)容的創(chuàng)造和交流來自用戶產(chǎn)生的內(nèi)容）的理念和技術基礎之上”（Kaplan & Haenlein， 2010，p.61）。2009年，魏武揮認為社會化媒體是一個近來出現(xiàn)的概念，大致上指的是“能互動的”媒體，或者說，缺乏用戶的有效參與，平臺基本上就毫無內(nèi)容的媒體。用于社交媒體分類的維度有兩個，分別是社會表征和媒體豐富度。從整體上說，因為每個媒介特點的不同決定了其所提供的內(nèi)容和用戶的不同，因此在此研究中對于社交媒體的定義非常重要。而且，還有一些研究表明應將社交媒體歸入整合營銷中。接下來將對社交媒體對品牌培育的作用進行檢測。
Jacoby and Kyner（1973）認為，品牌忠誠是一種偏好態(tài)度，會使顧客在某一時間內(nèi)產(chǎn)生持續(xù)重復購買行為?？偠灾?，筆者認為顧客滿意就是顧客所購買的產(chǎn)品或服務達到了他們所期望的水平，讓他們在心理上得到滿足。而顧客忠誠就是顧客對某一產(chǎn)品或服務的認同和信賴，并希望重復購買的行為。而品牌喜好和品牌信任，其實是提高品牌忠誠度的眾多因素中較為重要的兩個因素。品牌喜好是指消費者對品牌是否喜好，及消費者對品牌引發(fā)的個人情感（Matzler，Grabner-Krauter&Bidmon，2008）。
品牌信任是由Howard和Sheth（1969）首次提出，他們認為信任度是購買意向的決定因素之一。他們假設信任度與購買意向呈正相關。類似的，Bennett和Harrell（1975）認為，信任度在預測購買意向時發(fā)揮著主要作用。Elena Delgado-Ballester（2001）等人通過對181個購買者構成的樣本進行回歸分析和多變量分析后。結果表明，品牌信任的關鍵作用是產(chǎn)生顧客承諾，尤其是在高沉浸購買情景下，與全面滿意相比，信任度具有更強的作用?？傮w說來，消費者對品牌的喜好度和品牌的信賴度越高，那么對品牌忠誠的潛在可能性越高。
三、假設理論
培養(yǎng)理論的形成始于20世紀六七十年代，美國傳播學者格伯納等人開始進行一系列有關電視暴力內(nèi)容的研究，除了對電視暴力進行內(nèi)容分析以外，還測量電視對受眾態(tài)度的影響，最終創(chuàng)建了“培養(yǎng)理論”。培養(yǎng)理論學派提出“主流效果”和“回響效果”理論。主流效果，是指理應多樣化的價值觀因接觸電視而變得與電視所呈現(xiàn)的意見主流相似。這與沉默的螺旋理論不謀而合。電視作為大眾傳播媒介，代表并引導社會主流輿論，從而使公眾意見趨于一致。這一理論應為新聞媒介所利用，積極引導主流輿論。但隨著數(shù)字媒體的興起，越來越多的人開始遠離傳統(tǒng)媒體。該研究旨在測試社交媒體對品牌喜好、品牌信任和品牌忠誠的培育能力。
該研究將嘗試說明，社會媒體如何通過曝光信息來引導消費者產(chǎn)生品牌偏好，同時明晰社交媒體對品牌培育的影響。該研究將通過以下假設，探尋社交媒體信息與品牌喜好、品牌信任以及品牌忠誠的培養(yǎng)之間的關系。假設如下：
假設1：社交媒體的使用對品牌喜好的形成具有重大的影響
假設2：社交媒體的使用對品牌信任的形成具有重大的影響
假設3：社交媒體的使用對品牌忠誠度的形成具有重大影響
四、研究方法
本次調(diào)查的數(shù)據(jù)，是通過對微博和微信兩大社交網(wǎng)站的在線抽樣調(diào)查所得。共262人參加此次調(diào)查，其中106個人既使用微博又使用微信，120人只使用微信，26個人只使用微博，還有10人不使用任何社交媒體（以上類別樣本并不互相排斥）。在問卷中，詢問了被訪者是否通過社交網(wǎng)站關注某一品牌。其中50個人在微博和微信上均有關注，80個人只在微博上關注，14個人只在微信上關注。而該研究的樣本為只使用微信關注品牌的被訪者，樣本量為110個。
根據(jù)以上調(diào)查得出以下結論：第一，約60%的微信用戶為女性，年紀在25～30歲（值域=20-68，SD-8.6）；第二，90%的用戶每天都會使用社交網(wǎng)絡，其次是電視和其他網(wǎng)絡平臺；第三，所關注的品牌種類：55%的人關注服飾和化妝品品牌，37%的人關注美食品牌，其余18%的人關注家用電器品牌。
五、數(shù)據(jù)分析
在該研究中，首先使用了SPSS20對所有所得數(shù)據(jù)進行了分析。然后，為了描述以上數(shù)據(jù)，還針對大眾社交媒體使用變量和組合媒體使用變量做了相關性分析，將其作為一個綜合指數(shù)，以衡量人們在微博和微信上花費時間的多少、對品牌的喜好、品牌信任以及品牌忠誠度的影響。
在微信上關注品牌使用者的相關性分析，表明了大眾社交媒體的使用、組合媒體的使用，以及個體對品牌喜好、品牌信任、品牌忠誠之間的重大關聯(lián)。首先，大眾社交媒體使用與品牌喜好高度相關r（120）=0.25，p
最后，又用三個回歸性分析模型對假設進行了檢驗。通過回歸性分析，能夠更好地展現(xiàn)多重變量之間的相互影響以及多變量對每個因變量的依賴。
第一個回歸分析是用于測量年齡、性別、一般社交媒體使用、零售品牌分類和復合型社交媒體使用這些變量對品牌信任的影響。該分析在品牌喜好差異的分析方面具有顯著性意義，調(diào)整R2=0.07。此回歸分析模型顯示年齡（回歸系數(shù)=0.22，p0.05）、復合型社交媒體使用（回歸系數(shù)=-0.03，p>0.05）、一般社交媒體使用（回歸系數(shù)=0.11，p>0.05）以及零售品牌分類（回歸系數(shù)=0.09，p>0.05）不是顯著因素。因此假設1不能成立。
第二個回歸分析是用于測量年齡、性別、一般社交媒體使用、零售品牌分類和復合型社交媒體使用這些變量對品牌信任的影響。該分析在品牌信任差異的分析方面具有顯著性意義，調(diào)整R^2=0.22.此回歸分析模型顯示復合型社交媒體使用（回歸系數(shù)=-0.36，p
第三個回歸分析是用于測量年齡、性別、一般社交媒體使用、零售品牌分類和復合型社交媒體使用這些變量對品牌信任的影響。該分析在品牌忠誠差異的分析方面具有顯著性意義，調(diào)整R^2=0.05.此分析表明：年齡（回歸系數(shù)=0.18，p0.05）、復合型社交媒體使用（回歸系數(shù)=-0.07，p>0.05）、一般社交媒體使用（回歸系數(shù)= 0.15，p>0.05）、零售品牌分類（回歸系數(shù)=0.05，p>0.05）這四個因素則不是顯著因素，因此假設3不成立。
六、主要發(fā)現(xiàn)
該研究采用了培養(yǎng)理論對兩大社交媒體――微博和微信，以及社交媒體對品牌喜好、品牌信任和品牌忠誠度的影響，做了深入的調(diào)查研究。此次研究從品牌建設的角度對培養(yǎng)理論進行了探討，并將理論應用于社會化媒體。在此情況下，社會媒體被認為是一種潛移默化的手段，用于培養(yǎng)消費者對品牌的認知，尤其是提升品牌信任度。
首先，相關性分析表明，使用復合型社交媒體與品牌信任之間的相關性非常顯著。而且使用大眾社交媒體與品牌信任和品牌忠誠之間的相關性也較為明顯。隨著社交媒體與品牌信任和品牌忠誠之間關系的呈現(xiàn)，也為將未來研究引發(fā)此種相關性的主要因素奠定了基礎。其次，通過回歸分析，該研究表明年齡可能是影響品牌喜好和品牌忠誠的一個因素。這也告訴我們需要做更多的研究去發(fā)現(xiàn)其中的原因。
該研究支持關于“復合型社交媒體上花費的時間與品牌信任有著重要的關系”這一結論，而且該結論在回歸分析中也得到了證實。另一方面，該研究也認為復合型社交媒體使用的差異引發(fā)了品牌信任的差異，但是該假設在回歸分析中被證實為負相關。
七、結語
此次旨在研究一些具有關系特征的媒體是否具有培育消費者認知的能力。本文所研究的主要內(nèi)容包括品牌喜好、品牌信任和品牌忠誠三個方面。該研究對社交媒體的使用水平進行了測試，并且嘗試發(fā)現(xiàn)與培養(yǎng)理論的差異性。然而研究結果表明，社交媒體可能對于品牌信任的塑造只有小部分的促進作用。
總體來說，考慮到媒體使用的變化和社交媒體成為塑造品牌培育工具的可能性，我們應該加大研究力度。基于以上分析，建議未來的研究著眼于建立社交媒體和培養(yǎng)理論之間的連接；建議選取更大的樣本量和明確某一品牌，以鞏固以上結果。
（作者單位為對外經(jīng)濟貿(mào)易大學國際經(jīng)濟貿(mào)易學院）
第一眼看上去，你就會發(fā)現(xiàn)目前的社會化媒體格局是多么的復雜。除了Facebook和Twitter兩大社交網(wǎng)絡以外，還有近三十種社交產(chǎn)品分類，而每個分類里面少則三五家，多則三五十家。而且大分類里面還有小分類，從管理、分析、數(shù)據(jù)、評分，到應用、博客、廣告、插件等，應有盡有……
上面那張還只是2011年7月之前的數(shù)據(jù)，其中不包括Pinterest這些后起之秀。而下面這張信息圖則統(tǒng)計了幾個月前的社會化媒體分類，其中包括Pinterest這些新興社會化媒體。
和上一張圖不同的是，它看起來要干凈整潔多了。雖然細看仍能發(fā)現(xiàn)社交產(chǎn)品還是那副混亂復雜的局面，但這種周期表的分類方式讓我們對社交產(chǎn)品有了更加清晰的認識。
1.1社交媒體的發(fā)展推動著高校圖書館與移動社交網(wǎng)絡的融合
在移動網(wǎng)絡的時代，人們已經(jīng)習慣于網(wǎng)絡環(huán)境中的生活和學習方式，傳統(tǒng)的生活學習方式已經(jīng)在悄悄地發(fā)生著改變，移動網(wǎng)絡的信息能夠及時推送、及時交互，手機游戲內(nèi)容的豐富，手機支付平臺的便捷更是令人欣喜，移動網(wǎng)絡社交媒體的強大功能極大地滿足了人們輕松快捷的生活需求，移動網(wǎng)絡社交媒體越來越受到人們的推崇和喜愛，尤其是生活在時尚前沿的高校大學生。以往圖書館傳統(tǒng)的信息資源優(yōu)勢已經(jīng)不復存在了，取而代之的是更為高效高質的移動信息資源傳播，高校圖書館正在經(jīng)歷著從未有過的生存發(fā)展危機。在這樣的移動信息網(wǎng)絡時代，高校圖書館可以利用移動網(wǎng)絡的優(yōu)勢實現(xiàn)圖書館信息資源最廣泛的覆蓋，擴展和延伸圖書館的服務，以滿足用戶的需求。移動社交媒體的高速發(fā)展強有力地推動著高校圖書館與移動網(wǎng)絡的迅速融合，逐漸呈現(xiàn)出一種全新的實現(xiàn)模式。
1.2高校圖書館與移動社交網(wǎng)絡的融合促進了社交媒體的發(fā)展
當今社會在快速地前進發(fā)展，人們的社交形式也在相應地發(fā)生著變化，社交形式更加多元化和多樣化，這樣不斷變化發(fā)展的社交形式會導致人們更加多元化的個性需求。如何應答這樣的需求是移動社交媒體保持自身活力和動力的重要課題。中國互聯(lián)網(wǎng)絡信息中心最新公布的數(shù)據(jù)顯示：截至2014年6月，中國網(wǎng)民規(guī)模達6.32億人，手機網(wǎng)民為5.27億人，手機上網(wǎng)使用率高達83.4％，首次超過了電腦，其中移動社交媒體使用率是40.7％。這些數(shù)據(jù)說明在互聯(lián)網(wǎng)高速發(fā)展的時代，更為便捷的社交媒體一定會迅速取代較為傳統(tǒng)的社交媒體，在這樣的發(fā)展道路上誰能更持久地保持強大的動力和新鮮的活力，誰就能贏得用戶，那么如何保持動力和活力是關鍵。實現(xiàn)高校圖書館與移動社交網(wǎng)絡的融合發(fā)展被證明是確實有效的途徑。站在用戶的角度來看，多方位、多層次、多角度地滿足用戶的信息需求就是動力來源。因此，高校圖書館融合社交媒體，其實是把圖書館龐大的信息資源融入移動社交媒體，成為社交媒體最強有力的信息資源保障，進一步拓展了社交媒體的使用價值和服務內(nèi)容，這樣的融合不僅解決了網(wǎng)絡環(huán)境中的知識源的問題，也可以把圖書館的用戶直接轉化為移動社交媒體用戶，極大地促進了移動網(wǎng)絡社交媒體的良性發(fā)展。
2高校圖書館與移動社交媒體的融合發(fā)展
2.1以雙方合作共贏為融合發(fā)展的利益基礎
在市場經(jīng)濟時代，尊重雙方的利益，共生共贏是雙方合作的利益基礎。作為商業(yè)應用平臺的移動社交媒體的發(fā)展目標是實現(xiàn)商業(yè)價值的最大化，關注的主要是市場贏利；高校圖書館是信息資源平臺，其發(fā)展方向是信息的最有效利用和最廣泛傳播，關注的主要是信息服務，雙方之間沒有絕對的利益沖突，為了自身的發(fā)展雙方都必須要自我創(chuàng)新，自我完善，不斷挖掘用戶，最大化滿足用戶的需求，最后的著眼點都在用戶上，這就形成了共同的利益連接，也就是雙方融合共贏的利益基礎。
2.2以雙方資源有效結合為融合發(fā)展的技術基礎
高校圖書館與移動社交媒體融合最理想的是實現(xiàn)雙方優(yōu)勢資源的有效結合，一方面利用移動網(wǎng)絡媒體最前沿的信息傳播技術；一方面利用高校圖書館最豐富的信息資源儲備。要實現(xiàn)這樣的合作共贏首先要解決技術上的問題：信息的呈現(xiàn)方式和信息的分類管理。信息的呈現(xiàn)方式直接關系高校圖書館的自身形象和服務內(nèi)容，好的呈現(xiàn)方式可以展現(xiàn)出歡迎用戶的服務姿態(tài)，贏得廣大用戶的心理支持。信息的分類管理是以圖書館的數(shù)字化建設為基礎的，對大量的紙質文獻信息資源進行數(shù)字化處理、信息的采集加工、信息的分類重組后的有效信息管理。目前，超星數(shù)字圖書館和中國知網(wǎng)等已經(jīng)開發(fā)了一些特色信息服務，做了有益的嘗試和探索，這為高校圖書館與移動社交媒體融合提供了更切實可靠的參考依據(jù)。
2.3規(guī)范法律范圍內(nèi)的著作權保護
〔關鍵詞〕社交媒體；信息可信度；評估；綜述
〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2016）12-0164-06
〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.
〔Key words〕social media；information；credibility；assessment；review
1 研究的意義
隨著互聯(lián)網(wǎng)技術和移動技術的突飛猛進，社交媒體盛行，人人可做信息的制造者，制造的信息極為豐富。然而，在這豐富信息的背后，隱藏著漫天飛舞的謠言、病毒般傳播的虛假照片和視頻，這給人們幸福的生活、社會的穩(wěn)定帶來了嚴重的隱患。為了遏制虛假不良信息傳播，營造健康向上的網(wǎng)絡環(huán)境，信息可信度評估就成了迫在眉睫的問題，社交媒體信息急需“鑒定師”和“測謊儀”。
社交媒體信息可信度評估研究既有較高的學術價值，也有較強的應用價值。具體來說，學術價值表現(xiàn)在研究社交媒體信息可信度評估并探討虛假信息的生成機制、傳播模式、治理措施，是對社交媒體環(huán)境下網(wǎng)絡信息資源管理理論的豐富、發(fā)展與完善。應用價值表現(xiàn)在研究社交媒體信息可信度評估有助于社交媒體用戶判斷信息的可信性，營造誠信健康的互聯(lián)網(wǎng)環(huán)境，也有助于提高社交媒體信息輿情監(jiān)控、社交媒體信息引導、社交媒體搜索、社會化推薦等方面的效果。
2 社交媒體信息研究
社交媒體（Social Media）是通過Web2.0技術實現(xiàn)的一類支持用戶自主創(chuàng)造和交換內(nèi)容的媒體，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、論壇、人人網(wǎng)等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美國加州伯克利市建立全球第一個公共電子公告牌系統(tǒng) Community Memory后，BBS以及網(wǎng)絡社區(qū)等早期的社交媒體開始映入人們的眼簾。《2015年全球社會化媒體、數(shù)字和移動業(yè)務數(shù)字統(tǒng)計趨勢》報告表明：全球社交媒體活躍用戶約占全球人口的29%。
2.1 國外研究
社交媒體的相關研究從20世紀80年代開始，在2005年左右開始進入快速發(fā)展階段，發(fā)文量有逐年增加的趨勢。在國際期刊中，發(fā)表社交媒體論文較多的要屬《Computers in Human Behavior》。近兩年，關于社交媒體的國際會議主要有ASONAM、SMP、MISNC、SMAP、SCSM。國外學者研究內(nèi)容主要集中在以下4個方面：
2.1.1 社交媒體信息利用研究
社交媒體在商業(yè)領域、教育領域、公共管理領域等都有廣泛的應用[1]。如在營銷領域，利用社交媒體信息，可以獲知消費者態(tài)度和行為[2]，可以獲知客戶交流和推薦對營銷的影響[3-4]，可以獲知社交媒體信息對營銷管理功能的影響[5]。
2.1.2 社交媒體信息檢索與信息推薦研究
側重于社交媒體信息檢索與信息推薦方法的研究。社交媒體信息的檢索采用主題模型[6]、社會網(wǎng)絡[7]、本體[8]等檢索方法。比如，Hong和Davison（2010）使用標準主題模型進行社交媒體Twitter信息的檢索。社交媒體信息的推薦采用內(nèi)容推薦[9]、協(xié)同過濾[10]、時序推薦[11]、位置推薦[12]、社會化推薦[13]等方法。比如，Levandoski等（2012）提出位置感知推薦系統(tǒng)（LARS）[12]。
2.1.3 社交媒體信息傳播研究
側重于反映信息傳播傳播規(guī)律的社交媒體信息傳播模型的構建以及通過模型的構建對實際問題進行預測等方面的研究。如Galuba等（2010）通過研究1 500萬URL在不同Twitter用戶之間的300小時傳播，提出了基于內(nèi)容流行度、用戶影響力和傳播速度的線性閾值模型[14]。Adar和Adamic（2005）通過研究信息在博客中傳播的模式和動力學特性，提出用傳染病模型來描繪信息傳播的機理[15]。Asur和Huberman（2010）采用來自的聊天數(shù)據(jù)通過簡單的線性回歸模型預測電影票房的收入[16]。
2.1.4 社交媒體用戶隱私研究
在探討社交媒體用戶隱私現(xiàn)存問題的基礎上，提出了相應的隱私保護方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基礎上探討了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解決社交媒體用戶隱私問題[18]。
2.2 國內(nèi)研究
國內(nèi)學者的社交媒體研究最早可追溯至20世紀90年代末，但從2005年后起關于社交媒體的論文才逐漸表現(xiàn)出增長態(tài)勢。國內(nèi)研究內(nèi)容主要集中在：
2.2.1 社交媒體信息傳播研究
研究內(nèi)容包括：①社交媒體信息傳播模式研究。如韓佳等（2013）提出了基于改進SIR的在線社交網(wǎng)絡信息傳播模型[19]。姜景等（2015）構建表征謠言信息與辟謠信息傳播機理的Lotka-Volterra競爭模型[20]。②社交媒體信息傳播中存在的問題與對策研究。如閻?。?015）探討微博傳播存在的問題及原因，并提出了加強微博內(nèi)容管理、增強把關意識、提高微博用戶的媒介素養(yǎng)等對策[21]。③社交媒體信息傳播效果研究。如陳遠和袁艷紅（2012）以新浪微博作為數(shù)據(jù)來源，把信息覆蓋人數(shù)、評論數(shù)、轉發(fā)數(shù)作為微博信息傳播效果的量化指標，從縱橫向兩個角度研究新浪微博信息傳播過程造成的效應[22]。
2.2.2 社交媒體輿情分析與監(jiān)測研究
如張J等（2014）以打砸日系車系列突發(fā)公共事件為實例，探討其在新浪微博和新浪新聞平臺上輿情傳播的特征與規(guī)律[23]。張瑜等（2015）對新浪微博熱門話題“北京單雙號限行常態(tài)化”下的微博進行了數(shù)據(jù)采集，將輿情演化劃分為潛伏、成長、爆發(fā)、衰退、波動、死亡6個階段，并對各階段進行情感分析，為輿情治理提供了支持[24]。唐濤（2014）在分析網(wǎng)絡輿情五要素的基礎上，探討移動互聯(lián)網(wǎng)輿情的新特征，指出面臨的新挑戰(zhàn)，并從信息分析、信息篩選、信息引導等方面提出對策[25]。
2.2.3 社交媒體營銷研究
如唐興通（2012）的著作《社會化媒體營銷大趨勢：策略與方法》系統(tǒng)總結了社交媒體營銷，并對眾多社交媒體工具在實際工作中的應用提供了具體的建議[26]。張淼（2014）提出了企業(yè)完善社交媒體營銷策略的“9+3”模式[27]。劉曉燕和鄭維雄（2015）采用社會網(wǎng)絡分析方法研究企業(yè)微博營銷傳播的效果[28]。
3 信息可信度研究
3.1 國外研究
信息可信度（Information Credibility）是指人們對信息可相信程度的認識。它由值得信賴（Trustworthiness）和專業(yè)性（Expertise）兩個關鍵要素組成[29]。信息可信度比較系統(tǒng)的研究始于20世紀50年代的傳播領域。Hovland和同事的工作具有里程碑的意義[30]。信息可信度最初關注的是傳播者的可信度。國外對傳統(tǒng)媒體信息可信度的研究主要是從信源可信度、內(nèi)容可信度、渠道可信度三方面展開的。隨著互聯(lián)網(wǎng)的出現(xiàn)，網(wǎng)絡信息可信度的評估被提上了議事日程。研究情況可歸納如下：
3.1.1 網(wǎng)絡信息可信度評估的理論模型
主要有Fogg（2003）的P-I理論模型、Wathen和Burkell（2002）的評判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的統(tǒng)一模型、Metzger（2007）的雙處理模型以及Lucassen等（2013）的3S模型（修訂版）。以上理論模型是由情境、用戶特征、操作性、處理過程這些側面的若干部分構建而成的。
3.1.2 網(wǎng)絡信息可信度研究內(nèi)容
主要有對網(wǎng)絡新聞的可信度研究、對搜索引擎結果的可信度研究以及對維基百科內(nèi)容的可信度研究。比如，Nagura等（2006）通過比較關于同一主題不同網(wǎng)頁的相似度來計算每個網(wǎng)頁的可信度[31]。Yamamoto和Tanaka（2011）利用用戶可信度評判模型對網(wǎng)頁搜索結果進行重新排序，以便從Web搜索結果的列表中用戶可以更高效的找到可信的網(wǎng)頁[32]。Adler等（2008）以文章長度、版本數(shù)量和基于貢獻數(shù)量的作者聲譽建立模型，計算出維基百科文章的可信度[33]。
3.1.3 網(wǎng)絡信息可信度研究方法
主要采用定量研究法。比如，Olteanu等（2013）在調(diào)查網(wǎng)頁的各種特征（文本內(nèi)容、鏈接結構、網(wǎng)頁設計等）的基礎上，經(jīng)過統(tǒng)計分析方法篩選出關鍵的特征，采用監(jiān)督學習算法來推斷網(wǎng)頁內(nèi)容的可信度[34]。與網(wǎng)絡信息可信度有關的典型系統(tǒng)有日本的WISDOM和Honto？Search。
3.1.4 影響力較大的項目和國際會議
影響力較大的項目有互聯(lián)網(wǎng)可信度研究（The Web Credibility Research）項目，影響力較大的國際會議有WICOW（Workshop on Information Credibility on the Web）。
3.2 國內(nèi)研究
1993年的《鑒別虛假信息五法》是國內(nèi)發(fā)表的早期論文。2004年至今，相關研究進入快速發(fā)展期。相對于國外較多研究評估算法和評估系統(tǒng)，國內(nèi)研究重點在于定性分析上，大多采用問卷調(diào)查及專家訪談法等進行人工評估。國內(nèi)研究內(nèi)容主要有：
3.2.1 側重于信息可信度影響因素研究
比如，龔思蘭等（2013）針對評論信息的文本內(nèi)容、長度、情感傾向、時效性、者、商家活動等特征，通過問卷調(diào)查方式對大學生消費群體進行在線商品評論信息可信度影響因素實證分析[35]。蔣洪梅（2013）運用理論分析輔以實證研究的方法，從宏觀的社會系統(tǒng)、中觀的政策法規(guī)、微觀的媒介與受眾3個視角分析網(wǎng)絡新聞信息可信度的影響因素[36]。
3.2.2 側重于信息可信度指標體系的構建
比如，胡紅亮（2013）按照信息源、信息加工、信息傳播和信息應用等方面采用德爾菲專家調(diào)查法建立了學術著作可信度的基本評價模型[37]。潘勇和孔棟（2007）基于第三方認證機構的視角，構建了電子商務網(wǎng)站的信用評價指標體系及評價因素集，并建立灰色關聯(lián)信用評估模型[38]。當然，也有少量基于機器學習的信息可信度自動化評估實驗研究，比如，馬偉瑜（2011）提出一種采用改進的PageRank算法評估網(wǎng)頁信息可信度的方法[39]。
4 社交媒體信息可信度評估研究
4.1 國外研究
國外相關研究較早。社交媒體信息可信度的相關研究隨著BBS的出現(xiàn)隨之展開，最早可追溯到20世紀80年代。目前可以說，研究處于繁榮期。國外研究情況可歸納如下：
4.1.1 社交媒體信息可信度評估研究內(nèi)容
研究內(nèi)容主要包括：①不實信息的判斷識別。如Qazvinian等（2011）提取Twitter信息的文本特征、網(wǎng)絡特征和微博元素特征，構建貝葉斯分類器甄別謠言[40]。Zhao等（2015）通過研究查詢帖以便及早識別社交媒體謠言[41]。②話題新聞的可信度評估。如Castillo等（2011）選取了有關用戶特征、文本特征、主題特征、信息傳播特征，采用J48決策樹評估Twitter中話題新聞的可信度[42]。
4.1.2 社交媒體信息可信度評估方法
評估方法主要有監(jiān)督學習[43]，統(tǒng)計分析[44]，與可信信息來源的相似性比較[45-46]，社交網(wǎng)絡的鏈接結構分析與主題模型的利用[47]等。它們主要采用自動評估，具體來說：①選取的特征：選取的特征主要是用戶特征、文本特征、信息傳播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）選取用戶特征（如注冊時間、粉絲量、好友量），文本特征（如是否包含#標簽、是否包含問號、Tweet中包含的URL數(shù)量、是否轉發(fā)），主題特征（如帶#標簽Tweet的比例、Tweet數(shù)量、Tweet的平均長度、Tweet的平均情感分值、積極情緒或消極情緒的比例），以及信息傳播特征（如傳播樹的深度），采用J48決策樹評估Twitter信息的可信度[42]。②評估的方法：大多通過構建SVM分類器、Bayesian分類器、Decision Tree分類器等方法，并對結果進行分類，以達到評估社交媒體信息可信度的目的。上例Castillo等采用J48決策樹構建分類器，并對結果進行分類，從而評估Twitter信息的可信度[42]。當然，也有通過對結果進行排序的實例，從而達到評估社交媒體信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM與PRF相結合的方法，按照可信度得分對Twitter信息進行排序[43]。
4.1.3 有較大影響的在研項目與系統(tǒng)
由歐盟資助七國科研人員聯(lián)合攻關的PHEME項目研究的重點是社交媒體信息的真實性，該項目在國際上有較大影響。Jacob Ratkiewicz等（2011）開發(fā)出可實時追蹤Twitter上政治謠言的Truthy系統(tǒng)[48]。Gupta等（2014）、Lorek等（2015）分別開發(fā)出一款可自動評估推文可信度的工具TweetCred、TwitterBOT[49-50]。
4.2 國內(nèi)研究
2007年《博客信息“可信度不亞于紐約時報”？》拉開了國內(nèi)探討社交媒體信息可信度評估的序幕。目前研究還處于發(fā)展的初期。社交媒體信息可信度評估研究主要有：
4.2.1 社交媒體信息可信度影響因素研究
如劉雪艷和閆強（2013）探討政府微博中的熱點事件信息可信度的影響因素[51]。丁科芝（2015）從信息傳播者、渠道、信息內(nèi)容和用戶基本信任觀念4個方面構建社交網(wǎng)絡可信度影響因素模型[52]。薛傳業(yè)等（2015）從信息來源可信度、信息傳播渠道可信度、信息內(nèi)容可信度以及信息評論反饋多維度探討了突發(fā)事件中社交媒體信息可信度的影響因素[53]。
4.2.2 構建社交媒體信息可信度指標體系研究
它大多采用問卷調(diào)查及專家訪談法進行人工評估。屈文建和謝冬（2013）從站點層次、版塊層次、主題層次、內(nèi)容層次4方面，采用模糊綜合信用評估模型對網(wǎng)絡學術論壇信息可信度進行評估[54]。莫祖英等（2013）從微博信息量、信息內(nèi)容質量、信息來源質量和信息利用情況等方面進行問卷調(diào)查，采用層次分析法構建微博信息質量評估模型[55]。當然國內(nèi)也有少量自動化評估的例子。比如，賀剛等（2013）引入關鍵詞分布特征和時間差等新特征，基于SVM算法來預測新浪微博信息是否為謠言[56]。程亮等（2013）提出基于BP神經(jīng)網(wǎng)絡模型及改進其激發(fā)函數(shù)，同時引入沖量項，對微博話題在傳播過程中演變?yōu)橹{言進行檢測[57]。路同強（2015）采用半監(jiān)督學習算法檢測微博謠言，但不足之處在于未考慮信息的深層特征[58]。
4.3 存在的問題
對比國內(nèi)外研究情況，可發(fā)現(xiàn)國內(nèi)研究存在如下問題：
4.3.1 研究內(nèi)容
關于社交媒體信息可信度研究，國內(nèi)外目前以微博研究較多。與國外豐富的研究內(nèi)容相比，國內(nèi)在該領域的研究還主要集中于對影響因素以及特征的探討上。
4.3.2 研究方法
國外定量研究較多，很多涉及自動化評估，而國內(nèi)定性研究較多，大多采用問卷調(diào)查法、專家訪談法等進行人工評估。
總之，現(xiàn)有研究大多是針對Twitter等英文社交媒體，其研究成果大多不能直接應用于中文社交媒體。盡管也有少量研究是面向中文社交媒體的，但研究成果零散，還缺乏系統(tǒng)性。另外，在特征選擇上，選擇范圍面較窄，考慮社交媒體深層的隱含特征較少。
5 結 語
為了解決中文社交媒體的可信度評估問題，在吸收前人研究的基礎上[59-63]，很有必要對中文社交媒體信息可信度進行系統(tǒng)研究，特別是在參考國外信息可信度評估系統(tǒng)的基礎上，很有必要研制開發(fā)中文社交媒體信息可信度評估系統(tǒng)，實現(xiàn)中文社交媒體信息可信度的自動評估。在進行中文社交媒體信息可信度評估中，應注意下列問題：
1）評估要在對信息資源分類的基礎上，對不同的類別采用不同的評估指標體系，以提高評估工作的科學性和合理性。
2）評估既要重視定性評估，也要重視定量評估，尤其是自動化評估。特別是在大數(shù)據(jù)環(huán)境下，應針對評估的實際需求，制定科學的評估方案，選擇恰當?shù)脑u估方法，構建適合評估工作需要的自動化評估系統(tǒng)。
3）評估指標、評估模型的選取以及參數(shù)的訓練，既要考慮研究結果的精確度，又要考慮系統(tǒng)的運算時間。
4）評估模型構建后，不僅要進行實驗室評估，還應進行實際效果評估。
參考文獻
[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.
[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.
[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.
[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.
[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.
[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.
[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.
[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.
[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.
[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.
[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.
[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.
[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.
[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.
[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.
[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.
[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.
[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.
[19]韓佳，肖如良，胡耀，等.在線社交網(wǎng)絡中信息傳播模式的特征分析[J].計算機應用，2013，（1）：105-107，111.
[20]姜景，李丁，劉怡君.基于競爭模型的微博謠言信息與辟謠信息傳播機理研究[J].數(shù)學的實踐與認識，2015，（1）：182-191.
[21]閻俊.微博傳播的問題與對策研究[D].錦州：渤海大學，2015：1-38.
[22]陳遠，袁艷紅.微博信息傳播效果實證研究[J].信息資源管理學報，2012，（3）：28-34.
[23]張，孫霄凌，朱慶華.突發(fā)公共事件輿情傳播特征與規(guī)律研究――以新浪微博和新浪新聞平臺為例[J].情報雜志，2014，（4）：90-95.
[24]張瑜，李兵，劉晨.面向主題的微博熱門話題輿情監(jiān)測研究――以“北京單雙號限行常態(tài)化”輿情分析為例[J].中文信息學報，2015，（5）：143-151，159.
[25]唐濤.移動互聯(lián)網(wǎng)輿情新特征、新挑戰(zhàn)與對策[J].情報雜志，2014，（3）：113-117.
[26]唐興通.社會化媒體營銷大趨勢：策略與方法（第2版）[M].北京：清華大學出版社，2012：1-235.
[27]張淼.社會化媒體在市場營銷中的應用研究[D].北京：首都經(jīng)濟貿(mào)易大學，2014：1-47.
[28]劉曉燕，鄭維雄.企業(yè)社會化媒體營銷傳播的效果分析――以微博擴散網(wǎng)絡為例[J].新聞與傳播研究，2015，（2）：89-102，128.
[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.
[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.
[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.
[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，F(xiàn)lammini，A.and Menczer，F(xiàn).Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.
[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.
[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.
[51]劉雪艷，閆強.政府微博中的熱點事件信息可信度研究[J].北京郵電大學學報：社會科學版，2013，（2）：6-12.
[52]丁科芝.社交網(wǎng)絡信息可信度研究[D].武漢：華中師范大學，2015：1-61.
[53]薛傳業(yè)，夏志杰，張志花，等.突發(fā)事件中社交媒體信息可信度研究[J].現(xiàn)代情報，2015，（4）：12-16.
[54]屈文建，謝冬.網(wǎng)絡學術論壇信息可信度的灰度分析[J].圖書情報知識，2013，（2）：112-118.
[55]莫祖英，馬費成，羅毅.微博信息質量評價模型構建研究[J].信息資源管理學報，2013，（2）：12-18.
[56]賀剛，呂學強，李卓，等.微博謠言識別研究[J].圖書情報工作，2013，（23）：114-120.
[57]程亮，邱云飛，孫魯.微博謠言檢測方法研究[J].計算機應用與軟件，2013，（2）：226-228，262.
[58]路同強，石冰，閆中敏，等.一種用于微博謠言檢測的半監(jiān)督學習算法[J].計算機應用研究，2016，（3）：744-748.
[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.
[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.
[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社會媒體挖掘[M].北京：人民郵電出版社，2015：1-240.
關鍵詞：社交媒體；社會化媒體；社會化網(wǎng)絡；社交媒體營銷
中圖分類號：F713.3 文獻標識碼：A 文章編號：1001-828X（2012）06-0-02
社交媒體在今天中國的互聯(lián)網(wǎng)世界絕對是最熱話題之一。隨著Facebook、Twitter、Youtube、新浪微博、開心網(wǎng)、人人網(wǎng)等社交媒體的出現(xiàn)和發(fā)展，不但改變了信息分享和傳遞的方式，也影響了人們對品牌的認知過程，網(wǎng)絡口碑對消費者行為的影響變得越來越直接越來越迅速。
登錄主流社交媒體，諸如微博和SNS(社交網(wǎng)站)早已經(jīng)成為很多中國網(wǎng)民每天生活中不可或缺的一部分。此外，可以非常清晰地看到，社交媒體目前早已超出“社交”功能，在領先商業(yè)組織的利用和影響下，具有諸多廣告、營銷、公關等特征。企業(yè)對社交媒體營銷的投入毫無疑問正在迅猛增長，但許多人對這些投入的是否值得和效用仍然存在一定爭議。
很多企業(yè)都知道什么是社交媒體。畢竟，若把Facebook看成一個網(wǎng)絡國家，那么它的人口僅次于中國和印度。很多企業(yè)老板和高管還可能了解社交媒體如此強大的原因——能夠放大口碑效應。但談到如何駕馭社交媒體影響力，他們就顯得有些丈二和尚摸不著頭腦了。盡管企業(yè)紛紛積極開設官方微博，但真正了解社交媒體究竟是如何與消費者互動，并借此拓展產(chǎn)品和品牌認知度、提升銷售和盈利、激發(fā)顧客忠誠度的企業(yè)卻是少之又少。
為什么對許多企業(yè)老板和高管而言，社交媒體仍然一團迷霧？有兩個相互關聯(lián)的原因。首先，源自社交媒體的朦朧本性，盡管誰都知道消費者越來越喜歡在線討論產(chǎn)品和品牌、尋求并分享相關建議，但企業(yè)究竟可以在何處及如何影響這些對話卻不清楚。畢竟這些對話橫跨各式各樣、不斷增加的平臺，出現(xiàn)在多元且分散的群體之間，可能是以極快的速度發(fā)生，也可能花好幾個月醞釀。其次，沒有一個適合且統(tǒng)一的指標來衡量其對營銷的影響，因此企業(yè)要把大量資源(不管是財力資源還是人力資源)投在一項收效尚不明確的項目上，實在很難說得過去。
一、理解社交媒體的概念、特征及其分類
社會化媒體是一種給予用戶極大參與空間的新型在線媒體，是人們彼此之間用來分享信息、意見、見解、經(jīng)驗和觀點的工具和平臺，是社會化的溝通方式。社會媒體推動了人們發(fā)現(xiàn)、閱讀并分享新聞、信息和內(nèi)容的方式的變革。社交媒體將人們從內(nèi)容的閱讀者轉化為內(nèi)容的者，將單對多的傳播模式轉化為多對多的傳播模式，將個體從受眾變成了媒體。
社會化媒體顛覆了傳統(tǒng)的媒體概念，是一個集合了多種功能的在線生活平臺，更是一個足以代替真實感知的超級媒體。社會化媒體能夠以多種不同的形式來呈現(xiàn)，包括文本、圖像、視頻等。
社會化媒體創(chuàng)造了新的內(nèi)容創(chuàng)作和傳播方式，賦予了每個人創(chuàng)作并傳播內(nèi)容的能力，一般是具有以下基本特征。
1.參與。社會化媒體激發(fā)感興趣的人主動地貢獻和反饋，模糊了媒體和受眾的界限。
2.公開。大部分的社會化媒體均可免費參與，鼓勵大家評論、反饋和分享信息，參與和利用社會化媒體中的內(nèi)容幾乎沒有任何障礙(受保護或隱私內(nèi)容除外)。
3.交流。傳統(tǒng)的媒體采取“廣播”形式，內(nèi)容由媒體向用戶傳播，單向流動。而社會化媒體的優(yōu)勢在于內(nèi)容在媒體和用戶之間雙向傳播，形成互動交流。信息傳播的效率成倍提高。
4.社區(qū)化。在社會化媒體中，大家可以很快形成一個社區(qū)，并以共同感興趣的內(nèi)容為話題進行充分交流。
5.連通性。社會化媒體具有強大的連通性，通過鏈接將多種媒體快速融合到一起。
6.多平臺?；诰W(wǎng)絡的社會化媒體不受平臺限制，任何能夠連接網(wǎng)絡的終端都可以作為服務平臺。
二、中國是新興的互聯(lián)網(wǎng)和社交媒體用戶大國
全球社交媒體正在爆炸式增長，中國無疑引領著這一潮流。中國互聯(lián)網(wǎng)用戶的擴張速度堪稱全球之最。到2011年12月，中國共有5.13億名互聯(lián)網(wǎng)用戶，而德國只有6700萬人，印度1.21億人，美國2.45億人(圖1)。中國最大的互聯(lián)網(wǎng)用戶群是年齡不到35歲的群體，其中25-34歲的用戶群占40%；中國約有2.5億名互聯(lián)網(wǎng)用戶集中于一二三線城市；超過一半的中國互聯(lián)網(wǎng)用戶每周上網(wǎng)12個小時以上。其中社交媒體用戶數(shù)量達到2.35億，年增長率達到33.7%。
麥肯錫一項針對5700名中國互聯(lián)網(wǎng)用戶調(diào)研發(fā)現(xiàn)，一二三線城市居民的社交媒體注冊率高達95%。此外，中國也擁有全球最活躍的社交媒體用戶群。高達91%的受訪者表示，最近六個月曾登入社交媒體。這一比例遠高于日本的30%、美國的67%、韓國的70%。中國互聯(lián)網(wǎng)用戶花在社交媒體上的時間也比日本、美國來得長。例如，中國消費者平均每天花46分鐘在這類網(wǎng)站上，日本消費者僅為7分鐘，美國消費者37分鐘。隨著社交媒體的使用時間增加，消費者花在其他網(wǎng)站的時間減少了，也改變了消費者的溝通方式。
麥肯錫的研究還發(fā)現(xiàn)，在內(nèi)容獲取上，社交媒體的使用已逼近門戶網(wǎng)站，有40%的個人電腦使用者通過門戶網(wǎng)站取得內(nèi)容，36%通過社交媒體；不過，搜索引擎還是最大的內(nèi)容來源，有80%的個人電腦使用者運用搜索引擎獲取內(nèi)容。
數(shù)據(jù)存儲:負責存儲社交媒體數(shù)據(jù)以及應急信息實時分類模型。采用MongoDB存儲微博數(shù)據(jù)。MongoDB是基于文檔存儲的數(shù)據(jù)庫，適合用于組織、管理微博數(shù)據(jù)。另外，微博數(shù)據(jù)具有位置信息，MongoDB支持空間索引，有利于進行后續(xù)的空間查詢。數(shù)據(jù)挖掘:是系統(tǒng)的核心模塊。結合GIS原理，運用“圖片+描述”形式再現(xiàn)突發(fā)事件的發(fā)生情景;采用自然語言處理技術、話題模型、監(jiān)督分類方法從實時的短文本提取和分類應急信息，標注在地圖上;從社交媒體數(shù)據(jù)量和空間屬性出發(fā)，統(tǒng)計、分析、探尋突發(fā)事件趨勢，為應急決策提供依據(jù)。結果可視化:是系統(tǒng)的特色單元。該模塊將數(shù)據(jù)挖掘產(chǎn)生的圖片集、信息分類表、趨勢線以圖、表的形式，同時結合了WebGIS的相關方法，輸出到Web瀏覽器端。
2關鍵技術
本文研究了基于社交媒體突發(fā)事件應急系統(tǒng)的多個關鍵技術:情景再現(xiàn)、應急信息提取、趨勢分析等。情景再現(xiàn):可整合社交媒體數(shù)據(jù)的直接信息，結合時間、空間對突發(fā)事件的圖片文字等信息進行查詢，展示事件發(fā)生情景;應急信息提取:利用實時應急信息分類方法，提取、分類出突發(fā)事件的狀況、救援等應急信息，標注在地圖上;趨勢分析:通過分析微博的數(shù)量變化和空間分布，揭示突發(fā)事件趨勢和公眾關注點。
2．1情景再現(xiàn)
在突發(fā)事件中，目擊者的照片(尤其是手機拍攝的照片)使得公眾報道在災害應對中越發(fā)重要［5］。因為圖片給人們最直觀的感受，特別是在自然災害發(fā)生時，圖片能夠描述災害的發(fā)生情景，客觀反映災害造成的破壞場面，為應急決策提供直接的證據(jù)。情景再現(xiàn)，是采用“圖片+描述”方式，通過圖片、文字描述突發(fā)事件在空間上的最新發(fā)展狀況。社交媒體具有很強的時效性，加上人們對突發(fā)事件的最新動態(tài)較為敏感。所以，最近一段時間的圖片適合表現(xiàn)突發(fā)事件的發(fā)展狀況。另外，突發(fā)事件可以抽象為地理空間上的地理現(xiàn)象，社交媒體數(shù)據(jù)具有位置信息，可利用地圖的可見范圍來約束突發(fā)事件情景的范圍。由此可見，情景再現(xiàn)實質上是多維信息查詢，包括時間、空間、圖片信息三個維度。多維度查詢也很好地緩解了在瀏覽器端繪制時的效率問題和壓力問題，特別是空間的限制，大大地提升地圖交互能力。系統(tǒng)采用AJAX技術實現(xiàn)按需加載圖片，加快瀏覽器的響應速度。
2．2應急信息提取與定位
微博的大部分信息以文本的形式存在。從文本自身特點來看，文本短小且信息雜亂，包括事件狀況、求援、救援、評論、商家廣告等多種多樣信息。從信息流來看，微博文本是實時獲取的，具有實時變動性。本文提出了一種從海量、實時的社交媒體數(shù)據(jù)中提取應急信息的方法，學習過程:系統(tǒng)初始化時，當文本積累一定量后，訓練初步模型。取出數(shù)據(jù)庫的所有文本，把每條微博文本看成一個文檔，即得到文檔集。文本預處理包括去掉重復微博，采用中文分詞器Ansj分詞、去掉停用詞，獲得分詞后的文檔集，作為話題模型LatentDirichletAllocation(LDA)的一個輸入。設定好主題個數(shù)后，采用隨機模擬的GibbsSampling算法，得到各個文檔的主題和各個主題的單詞分布(即詞庫)。如此，文檔集的大部分文檔被標記了。將單詞為特征、主題為類別的文檔集輸入到監(jiān)督算法SupportVectorMachine(SVM)做訓練，調(diào)優(yōu)并得到初步應急信息分類模型。預測過程:模型訓練好后，新的微博文本經(jīng)上文相同的文本預處理，得文本的所有特征(單詞)，輸入到訓練好的應急信息分類模型，輸出所屬主題;同時結合LDA生成的主題詞庫，判斷文本的主題類型，并標注在地圖上。更新過程:主要針對模型和主題詞庫的更新?？紤]到信息采集速率，與上個模型相隔2個小時后，取出所有文本，重復學習過程重新得到模型和詞庫，以適應微博話題隨時間的變化，提取新的應急信息。
2．3趨勢分析
人們除了關注突發(fā)事件的最新情況、應急信息，還想了解事件的發(fā)展趨勢。系統(tǒng)從時間趨勢和空間分布兩個方面來表現(xiàn)突發(fā)事件的趨勢。研究表明［6］:社交媒體數(shù)據(jù)可以被用來甄別事件在時間上的發(fā)展趨勢，甚至做出預測。為揭示突發(fā)事件時間發(fā)展趨勢，我們統(tǒng)計每小時的微博總數(shù)、用戶參與數(shù)、轉發(fā)數(shù)，通過觀察趨勢線的最高點和拐點來發(fā)現(xiàn)趨勢。另外，詞云圖利用中文分詞技術處理一定時間內(nèi)的微博內(nèi)容并統(tǒng)計高頻詞匯，找出人們討論的熱點話題以及其隨時間的變化。微博數(shù)據(jù)攜帶位置信息，反映了突發(fā)事件的空間分布。系統(tǒng)使用了聚類分析和核密度估計來發(fā)現(xiàn)事件空間分布規(guī)律。聚類分析通過對微博點在空間距離上做聚類，以便尋找事件在空間的分布狀態(tài)，分配應急資源;核密度估計很好地反映了事件在空間上的熱點區(qū)域，有利于發(fā)現(xiàn)問題區(qū)域所在。
3系統(tǒng)的主要功能
3．1查看、瀏覽圖片功能
1)采用“圖片+描述”形式，通過縮略圖、大圖與地圖聯(lián)動來展示突發(fā)事件的情景。當點擊圖片時，地圖中心會移動到圖片對應的坐標點，并彈出信息框，包括者、微博內(nèi)容、時間和經(jīng)緯度等;當點擊地圖上的點時，該點對應的圖片出現(xiàn)在圖片框中央。2)添加按時間、熱度排序的功能，便于查看最新、最熱的圖片。圖3展示了2012年“7．21北京特大暴雨”中某條微博的圖片、文字、地點等情景。
3．2定位應急信息功能
1)利用實時應急信息分類方法，提取并分類好微博文本的應急信息。采用表格形式展現(xiàn)應急信息，每個表格與一個主題關聯(lián)，主題以標簽的形式表現(xiàn)在網(wǎng)頁中。當點擊相應標簽，表格內(nèi)容隨之發(fā)生改變。2)每條文本與地圖聯(lián)動。當點擊表格中文本時，地圖中心會移動到文本對應的坐標點，方便定位應急信息，展開救援。圖4展示的是“7．21北京特大暴雨”微博經(jīng)過應急信息提取后得到“救援信息、天氣預報、損失與影響”等主題，及“救援信息”主題下的救援信息。
3．3時空趨勢分析功能
1)利用Echart圖表，統(tǒng)計每小時的微博總數(shù)、用戶參與數(shù)、轉發(fā)數(shù)，以及趨勢線(微博總數(shù)減去轉發(fā)數(shù))，使用放大窗口查看曲線的局部細節(jié)，如圖5所示。在A點和B點前一個小時，北京市氣象臺分別了暴雨橙色預警和暴雨黃色預警。2)當點擊曲線上的拐點時，利用AJAX技術，在地圖上動態(tài)加載每個小時的點數(shù)據(jù)。通過切換不同圖層(熱點圖和聚類圖)，可查看暴雨微博的空間分布情況。圖6左上部分為“7．21北京特大暴雨”微博的熱點圖，暴雨微博在地鐵1號線和首都機場附近出現(xiàn)聚集現(xiàn)象，反映了暴雨事件空間熱點分布。
3．4發(fā)現(xiàn)熱點話題功能
另外，系統(tǒng)采用詞云圖和柱狀圖來展現(xiàn)最新微博的高頻詞匯，反映最近時間內(nèi)突發(fā)事件的話題變化。圖6右、下部分展示了截至7月22日10時“7．21北京特大暴雨”的詞云圖和高頻詞匯柱狀圖，直觀地展現(xiàn)人們的討論熱點話題，如“大暴雨、回家、平安、積水”等。除了多種的表現(xiàn)形式，數(shù)據(jù)可視化還要考慮多圖層繪制效率問題、大數(shù)據(jù)量的渲染壓力問題。為了解決這些問題，我們可以采用圖層控制、矢量繪制點、使用JSON包裝處理結果等方法。
4結束語
被忽視的用戶需求和體驗
作為網(wǎng)絡社交媒體，微博的核心功能是滿足用戶對信息的分享和傳播，增強其網(wǎng)絡社交關系黏性的需求，因此，用戶是微博中最核心的要素。微博的產(chǎn)品和服務如果無法滿足用戶的多元化需求，忽視用戶的使用體驗，就會遭到用戶的背棄，最終導致用戶的大量流失。以新浪微博為例，其用戶的流失除了受到微信等新的社交媒體的沖擊之外，也與其對用戶需求和體驗的忽視有直接關系。
“草根”定位逐漸弱化。“草根”定位和交互式的傳播模式是新浪微博運營之初吸引大量渴望展現(xiàn)自我、獲得更多關注的“草根”用戶的重要因素。和傳統(tǒng)大眾媒體單向流動的傳播模式相比，微博多向、發(fā)散的傳播模式以及低準入門檻，讓眾多“草根”用戶有了在更廣闊的傳播領域發(fā)聲、社交和獲取信息的機會。可以說，微博的流行與其滿足了普通大眾在傳統(tǒng)傳播環(huán)境中長期處于信息傳播末端、缺少話語權而被壓抑的心理需求有很大關系，普通用戶也因此成為支撐新浪微博發(fā)展壯大的中堅力量。然而，隨著眾多名人和媒體的加入，新浪微博逐漸成為各種大“V”和媒體凝聚人氣、提升影響力的工具，有限的話語權被逐漸集中到大“V”用戶和媒體用戶手中，原本是公眾社交平臺的微博，演變?yōu)槊说男麄髌脚_和媒體的信息平臺。“草根”定位的逐漸弱化和長期的不被重視讓普通用戶的參與欲望越來越低。很多人從剛注冊時積極的“傳播者”變?yōu)橹豢床话l(fā)的“圍觀者”，甚至不看不發(fā)，逐漸退出微博。
核心產(chǎn)品缺乏創(chuàng)新。作為一個基于用戶關系進行信息傳播和分享的平臺，社交和信息傳播產(chǎn)品應當是新浪微博的核心產(chǎn)品。核心產(chǎn)品是一個品牌提升用戶體驗、打造市場競爭力的關鍵因素，然而一直以來，新浪微博卻沒有根據(jù)不斷變化的用戶需求對這兩項核心產(chǎn)品進行較大的創(chuàng)新與改進。“淺社交、松關系”的社交特點弱化了人 本文選自《傳媒》2014年第14期，僅供用戶參考。版權歸原作者和期刊所有，如有異議，請及時告知，本站將第一時間刪除，謝謝際交往關系，讓用戶的“存在感”越來越低；單調(diào)而缺少變化的信息傳播和分享方式，讓越來越多的用戶喪失新鮮感而出現(xiàn)“使用疲勞”。與此同時，被用戶廣為詬病的信息過載、“僵尸粉”泛濫、內(nèi)容質量下降、隱私保護不力和大“V”刷屏等一系列問題，也始終沒有得到根本解決，令用戶漸失耐心。
商業(yè)運作引發(fā)不滿。自全面啟動商業(yè)化運作以來，新浪微博逐漸確立了包括電子商務平臺、互動精準廣告、實時搜索、數(shù)字內(nèi)容收費、無線增值服務以及社交游戲等在內(nèi)的商業(yè)化模式，但迫于資金壓力而加快商業(yè)化運作的新浪微博卻始終沒有找到一個用戶與商家共贏的盈利模式。各種不請自來的信息流廣告和商品展示櫥窗充斥著用戶頁面，就連較為私密的私信也被營銷廣告侵襲，這些無法精準定位的所謂“精準廣告”極大地降低了用戶體驗，引來用戶不滿。就像美國營銷大師賽斯·戈丁所說的那樣，“如果互聯(lián)網(wǎng)公司無情兜售用戶的注意力，他們會在尋求利潤最大化的道路上迷失方向。廣告商希望獲得更多的關注，而用戶則希望避免受到廣告商付費活動的打擾。一旦用戶覺得他們受困于一種沒有替代的媒介而難以解脫，同時這種媒介還會以某種方式向他們收費，雙方的關系便會日趨緊張。”在這種情況下，用戶的流失也就成為必然。
網(wǎng)絡社交媒體的受眾策略
被忽視的用戶需求和體驗讓新浪微博逐步遠離普通用戶的生活，成為其用戶流失的重要原因，也為其他網(wǎng)絡社交媒體的發(fā)展提供了借鑒：只有有效提升用戶體驗，滿足用戶需求，才能在贏得用戶認可的同時，為自身的持續(xù)發(fā)展打下堅實的基礎。其受眾策略如下。
優(yōu)化用戶管理。網(wǎng)絡社交媒體中各類用戶的聚集勢必導致話語權的爭奪，而名人和媒體在話語權爭奪中具有的先天優(yōu)勢讓普通用戶望塵莫及。逐漸喪失的話語權讓普通用戶的存在感和參與欲望越來越低，而社交媒體頗具特色的交互傳播模式也重新變回單向無互動的傳統(tǒng)傳播模式。在這種情況下，通過用戶分類來優(yōu)化用戶管理，成為平衡用戶話語權、提升用戶使用效率的有效方式。
根據(jù)影響力的不同，網(wǎng)絡社交媒體的用戶可以分為個體普通用戶和大“V”用戶。網(wǎng)絡社交媒體應當針對用戶的不同需要，幫助用戶建立分類社交圈以方便其對社交網(wǎng)絡進行分類管理，如建立普通用戶圈和大“V”用戶圈，并在這兩大類用戶中進一步細化分類。這樣，用戶既可以在普通用戶圈中重拾話語權，又可以迅速定位想要聯(lián)系的對象類型或想要獲取的信息類型，以實現(xiàn)更加高效的社交和信息的傳播與分享。
創(chuàng)新核心產(chǎn)品。網(wǎng)絡社交媒體的核心功能是社交和信息的傳播與分享，而其核心產(chǎn)品的創(chuàng)新也應緊緊圍繞這兩大功能進行。首先，通過提升數(shù)據(jù)分析和分類聚合能力，幫助用戶進行信息內(nèi)容的梳理，以方便用戶更加高效和便捷地獲取有價值的信息。這方面，騰訊微博的經(jīng)驗值得借鑒。面對用戶突破5億后信息量暴增的問題，騰訊微博通過閱讀數(shù)、時間軸等產(chǎn)品，以數(shù)據(jù)分析的方式進行內(nèi)容的分類聚合，幫助用戶更加便捷地獲取有價值信息。其次，強化移動客戶端的社交功能，開發(fā)方便用戶進行溝通和交流的專門界面，并提升用戶社交的時效性，以滿足用戶隨時隨地、精準定位的社交需求。再次，通過技術手段，豐富用戶社交形式，滿足用戶運用文字、圖片、語音和視頻等多元化的形式進行實時交流的需求，并最大限度地降低用戶的使用成本。
靈活開發(fā)商機。盡管從國外經(jīng)驗來看，擁有龐大用戶群體和流量基礎的網(wǎng)絡社交媒體中蘊藏著巨大的廣告商業(yè)價值，但是這種廣告商業(yè)價值的開發(fā)必須以關注 用戶體驗為中心。
第一，通過數(shù)據(jù)挖掘，發(fā)現(xiàn)用戶需求。數(shù)據(jù)挖掘是發(fā)現(xiàn)用戶需求、實現(xiàn)精準營銷的重要方式。數(shù)據(jù)挖掘是一項長期工程，其重要前提是對用戶數(shù)據(jù)的積累，包括對用戶社會屬性的記錄，對用戶互動特征、行為規(guī)律等信息的長時間采集和存儲等，并在此基礎上，對相關數(shù)據(jù)進行深入分析，挖掘用戶的潛在需求和習慣偏好，以探索出有效的廣告?zhèn)鞑デ篮湍Ｊ?。以Facebook為例，作為基于真實生活狀態(tài)的網(wǎng)絡社交媒體，F(xiàn)acebook通過時間線和搜索圖譜等工具，收集用戶線下生活中的各種數(shù)據(jù)信息，例如誰需要購買新的咖啡機，誰計劃在聚 本文選自《傳媒》2014年第14期，僅供用戶參考。版權歸原作者和期刊所有，如有異議，請及時告知，本站將第一時間刪除，謝謝會中預訂披薩等，通過整理這些數(shù)據(jù)，挖掘出包含用戶個人需求與價值的數(shù)據(jù)信息，再分門別類地轉賣給廣告主，從其為用戶需求和商業(yè)服務之間搭建的橋梁中收取“過橋費”。由此可見，網(wǎng)絡社交媒體只有不斷提升數(shù)據(jù)挖掘能力，才能有效發(fā)現(xiàn)用戶需求，增強廣告信息與用戶需求的匹配度，從而在滿足用戶需求的同時，實現(xiàn)廣告的精準投放。
第二，通過合理包裝，提升用戶體驗。通過合理包裝，增強廣告信息的可讀性和趣味性，提升廣告的藝術和技術含量，豐富廣告帶來的視覺和感官體驗，將廣告由枯燥無味的信息宣傳轉化為能帶給用戶美的享受的實用工具，從而有效降低用戶對廣告信息的抵觸心理，進而使廣告獲得更多關注。
