基于社会网络分析的企业微博信息传播特征研究

张俊峰，赵　涛

(安徽财经大学 管理科学与工程学院，安徽 蚌埠　233030)



基于社会网络分析的企业微博信息传播特征研究

张俊峰，赵涛

(安徽财经大学 管理科学与工程学院，安徽 蚌埠233030)

研究企业微博信息传播特征，可以为企业更好地利用微博平台提供参考。试运用PKUVIS对企业微博信息传播路径进行分析，统计并分析了传播时间，并从点度中心度、中间中心度等视角发掘网络中的核心节点。结果发现：两种企业微博信息传播网络结构，层级多的结构易发生信息失真现象。信息发布者、其企业相关的微博账号以及数码评测机构在微博信息传播中具有较大的作用。

社会网络；企业微博；中心性

随着互联网的普及，社交应用逐渐崛起，各种社交应用相继出现，中国互联网络信息中心(CNNIC)2015年中国社交应用用户行为研究报告中指出，综合社交应用使用率已达69.7%，其中新浪微博占有很大比例。[1]新浪微博信息主要传播方式有三类：裂变式传播、交互式传播、人人自媒体，[2]115-117而其中最常见的方式就是信息发布者发布信息后，其关注者可在第一时间接收到这些信息，如发现有兴趣或者有价值便转发，此时可被其粉丝接收到，从而实现了一种信息的再传播。2016年4月10日在中国知网以CSSCI为来源数据库，以“社会网络”和“企业微博”为关键词进行题名“and”检索，结果命中0篇，以“社会网络”“企业”和“信息传播”为关键词进行题名“and”检索，仅命中1篇。国外研究在线社交网络大多基于twitter平台，Roc1'o Abascal-Mena[3]1-17等人结合图论分析了twitter平台上的政治和社会活动，指出有关语言和语义社会社区尤其是词之间的相互作用是强烈的。Hend S.Al-Khalifa[4]390-400利用2012年6月twitter上沙特社区网络，通过中心性、网络密度等指标揭示了不同政治主题对不同社区的影响不同。国内平亮、宗利永[5]92-97基于社会网络中心性和新浪微博用户的关注与被关注数据，分析信息传播的网络拓扑结构，并指出点入度中心度、点出度中心度等在微博用户中的含义。袁毅[6]31-35通过采集传播路径中的用户数据得出用户交流过程中的关注关系、转发关系、评论关系、引用关系等4种类型网络，指出高影响力用户数量影响网络规模及结构，传播时间、传播级别及高影响力用户的合理分布决定传播的路径。谢守红[7]86-92采用因子分析法对企业微博影响因素进行了分析，提出企业微博应该以自身为核心，不断开发社会关系网，达到企业品牌宣传的效果。国内外学者现有的研究大多集中于在线社交平台上的政治、新闻事件，或只是从网络中的个体关系角度分析社交网络。目前，从社会网络角度通过传播途径对于企业微博信息传播特征分析还较少，因此本文从该角度研究影响企业微博信息传播的特点，为企业充分利用微博平台给出相关建议。

1　企业微博信息传播

网络信息传播是以互联网为媒介和渠道而进行的信息传播。网络信息传播过程中，信息通过互联网在信息传播者与受众之间信息互动，使得交流由点对点，点对面的单向交流模式转变为点对点，点对面，面对面的多向互动交流模式。其颠覆了传统的信息传播模式[8]1487-1491。

图1　网络信息传播模式图

而企业微博信息传播模式又有别于一般的网络信息传播模式，其特点如图2所示，企业微博账号发布信息后被其关注者(粉丝)接收到后，如发现有兴趣或有价值则转发，从而信息的阅读者变为信息的发布者，信息的传递建立在单向的关注关系之上。于晶[9]136-140+146等指出在线社交网络信息传播诸多影响因素中，最主要的是信息的内容、信息的传播者以及再传播者。

图2　企业微博信息传播模式图

在对转发网络分析的基础上，本文中列举出两种常见的企业微博信息传播结构，旨在发掘微博信息传播的特点。如图3所示的两种常见结构中，星型结构一般是以微博的原创者为中心，伴有大量其粉丝围绕第一层，鲜有或没有第二层的转发；而层级结构多数是因为有多个影响力较大的微博公众号参与转发，从而产生“发酵”效应，引发大量转发。黄璀[10]62-64指出，微博通过转发、评论等方式可以表达每个人的态度，可能引发信息歧义、信息失真等现象。显然转发的层级越多，信息歧义、信息失真现象就越容易发生。

图3　企业微博信息传播结构

2　研究方法与数据来源

2.1研究方法。

社会网络分析方法(Social Network Analysis，SNA)将被分析对象视为社会行动者和他们之间关系的集合，通过结构的量化分析研究，之后利用各种可视化工具将行动者及其关系结构以图形的方式展示出来。

社会网络分析法主要从网络密度分析，中心性分析、凝聚子群分析、结构洞、小世界现象等角度进行网络分析。其中网络密度分析和中心性分析是两个重要的、互补的测度。本文为了研究微博信息传播的特征，在新浪微博中对三家手机制造企业各选择一条微博信息，并查看所有转发该条微博信息的用户之间以及他们与该企业微博账号之间的关注关系，利用社会网络分析方法对企业微博信息的传播特征及各个用户在传播网络中的地位和作用做出分析。具体信息分析流程如下图4所示：其中包括四大模块，数据采集、数据处理、数据分析、结论。数据采集部分包括数据选取、抓取数据，数据处理部分构建矩阵、剔除冗余无用信息，数据分析部分包括数据的可视化和网络分析。

图4　企业微博信息分析流程图

2.2数据来源。

本文针对新浪微博平台上的三家手机制造企业：小米科技有限责任公司(北京)(微博昵称:小米手机)、魅族科技有限公司(微博昵称:魅族科技)、锤子科技(北京)有限公司(微博昵称:锤子科技)，从每个企业微博公众账号近期发布的关于新品手机产品介绍的30条微博中各选取一条微博，小米手机的是于2016年3月17日11点41分发布的一条带有“小米5”的话题微博、魅族科技的是于2016年3月30日14点32分发布的一条关于魅族pro6按压触控的微博、锤子科技的是于2016年3月10日9点发布的一条带有“抬头照”为话题的微博，利用集搜客爬虫工具[11]在4月8日分别提取了三条微博转发用户的信息(微博ID、粉丝数、关注数、截至当天的微博数量、所属省份，共同关注微博账号、转发时间、转发评论)，选取三条微博原因是基于其转发数大致都在900左右。

在这些约各900位用户中，提取这些用户之间以及用户与企业微博账号之间的关注关系，构建关系矩阵，如果用户i关注了用户j，对应矩阵元素为aij=1，否则为aij=0。然后删除无用的行和列后，小米手机得到800×800阶矩阵，魅族科技得到750×750阶矩阵，锤子科技得到800×800阶矩阵。

3　企业微博信息传播特征分析

3.1 小世界现象。

表1　网络凝聚力指标

运用UCINET 6.0分别对聚类系数、网络平均距离、网络密度进行了测量。聚集系数是表示一个图形中节点聚集程度的系数，聚集系数越高，网络越趋向于紧密状态。从表1中可以看出企业微博信息传播网络聚类系数相对都比较高。而网络的平均距离刻画了网络节点之间进行消息传递的代价大小，表1中三家公司的网络的平均距离都小于2，平均距离较小。Lars Backstrom[12]1222-1227等人利用Facebook全网数据集统计发现，任意两个用户的平均距离为4.74。而微博不同于Facebook的网络，其关注网络是有方向且平均距离往往更小。上述两点符合典型的小世界特征，说明微博中人与人之间沟通更为方便直接，能在很短的时间花费很小的代价实现沟通。

3.2转发用户微博信息传播分析。

3.2.1转发用户微博信息传播路径分析。

本文利用北京大学微博可视化工具PKUVIS展示三条微博被转发后的传播路径。图5、6所示是小米手机、魅族科技两家公司的微博传播路径图，符合典型的星型网络结构特点，从图5中可以看出，小米手机在发布微博消息后鲜有转发，基本都是直接被其粉丝阅读后忽略，利用PKUVIS自带功能发现，约99%的转发用户未对该条消息再次转发，只有4个用户对其进行了再次转发，一定程度上说明该条微博消息未引起广泛关注。图6中魅族科技在发布消息后，非常数码公社、魅族魅联盟、吴章金falcon、上海心意对其转发后形成了小规模的二次转发，其中吴章金为魅族优化工程师，魅族魅联盟为魅族科技企业子账号，非常数码公社为知名数码评测机构，上海心意是上海徐汇区的一家科技公司，拥有粉丝数7万。PKUVIS显示96%转发未对该条消息再次转发，4%的用户二次转发，仅有1人对该条微博消息三次转发。与小米手机发布的消息相比，魅族科技发布的该条消息转发层级稍多，引发的关注度比小米手机发布的微博消息要高。图7所示的锤子科技微博传播路径图属于典型的层级结构，微博消息实现了多层级转发，并且消息在锤子科技发布之后，首先被罗永浩(锤子科技CEO)、池建强(锤子科技云平台研发总监)、锤子科技营销账号、朱萧木(锤子科技UX产品总监)、坚果手机(企业子账号)、文青版坚果手机(企业子账号)等接收到并转发，各自形成一定规模的二次转发网络，其中以罗永浩为核心形成的二次转发网络规模最大，查看具体转发消息，发现并未对消息发出附加评论，微博信息未出现失真现象。罗永浩为锤子科技CEO，微博账号拥有粉丝1338万多，因常以犀利风趣的语言在公众平台发表言论而获得大量粉丝关注和跟随。而在罗永浩转发后科技新一又对其进行了转发，并产生了比原微博更大的传播规模，科技新一为微博知名数码评测账号，微博签约自媒体，拥有粉丝50多万，常对发布的新品数码产品做评测，以供数码爱好者参考，在其转发后微博信息出现信息失真现象，由原有的发“抬头照”活动转变为“转发抽奖送手机”活动。PKUVIS显示23%的转发用户为一次转发，16%的用户是二次转发，59%的转发三次转发，还有1%的用户实现了四次转发。与小米手机、魅族科技相比，锤子科技发布的该条微博消息实现了多层级转发，传播的范围更广，从而在微博平台引发的反响就更大。由此也可以看出，微博信息传播过程中，有影响力的微博账号可能会带来大量转发，使得微博信息实现大范围的传播。因此企业在对自身和其产品的宣传时，应着重发展与信息源相关的企业微博账号，同时也要加强与业界知名微博公众账号间的互动。

图5　小米手机微博传播路径图

图6　魅族科技微博传播路径图

图7　锤子科技微博传播路径图

3.2.2转发用户微博信息传播时间分析。

图8所示是三家企业微博信息传播时间的完整记录，由于三条微博信息发布的时间不同，本文中以其发布当天为第一天，转发截止日期为最后一天，将三家企业传播的时间轨迹完整记录下来。总体上来看，传播天数和转发数大体呈现复杂社会网络中常见的负幂分布，大量转发主要集中在前三天，之后便鲜有转发，魅族科技和锤子科技发布的消息在第11天左右就已经没有再被转发，而小米手机的转发一直延续到第21天，但其11天之后的转发数基本维持在2-3个，可认为是偶发现象。各公司微博信息发布后第一天内的转发数占总转发数的比例都很大，特别是锤子科技微博信息发布后第一天内的转发量达到总转发量的82%。图9中记录了三家企业在信息源发布消息后57个小时内的转发量，可以看出三家公司在第33小时后转发量都很少，基本可以忽略。第1小时内的转发量很大，在接下来的3小时内都呈现大幅度的减少，其中魅族科技在第5小时达到第二次转发高峰，因为吴章金falcon在3月30日18点27分对其进行了转发，引发了一轮转发热潮。锤子科技在第12小时转发量大幅度增加，因为3月10日20点28分知名数码评测微博账号科技新一对其进行了转发，并加入一个“转发抽奖送Smartisan T2”的抽奖活动，使得新一轮大规模转发发生，转发量占总转发量的57.47%。总体可看出微博信息大规模传播维持的时间较短，因此企业在对自身和其产品宣传时，应该要求其企业相关微博账号及时对信息源发布的微博信息进行二次转发或多次转发，从而达到大规模宣传的效果，同时企业要及时关注有影响力的微博账号对企业微博的转发，避免负面消息给企业带来不便。

图8　三家企业微博信息传播时间分布(按天数)

图9　三家企业微博信息传播时间分布(按小时)

3.3转发用户网络中心性分析。

转发用户间以及转发用户与信息发布者间有关注关系，如果A关注B，则由A到B有一条从A指向B的线，而信息的传播方向则相反，是由B传播给A。

点的度数中心度是与一个点直接相连的其他点的个数，若个数较大则具有较高的度数中心度，表明该点居于网络的核心位置，拥有较大的权力。[13]从运用Ucinet分析得到的各企业点入度标准化中心势中看出，小米手机和魅族科技的点入度标准化中心势很高，在85%以上，呈现单中心趋势，而锤子科技点入度标准化中心势约60%，呈现多中心趋势，核心节点主要是锤子科技、罗永浩、科技新一、锤子科技营销账号、池建强等，网络总体的整合度处于中等水平，成员间关注度相比小米和魅族呈现相对紧密状态。这与企业的规模存在一定关系，小米公司成立于2010年，目前已发布手机20多款，2015年国内手机市场占有率达15.2%，位列国产手机之最。而魅族科技作为一家生产Mp3等音频播放设备的企业，2006年开始转型做手机，已发布十多款手机产品，2015年销量超过2000万。小米、魅族作为国产手机行业的领军者，微博公众账号众多而分散，相对发布微博信息数量较多，因此微博被其相关公众账号转发率相对较低，而锤子科技作为2012年才成立的新兴科技公司，其产品及公众账号相对较少，而相关公众账号以及公司员工微博相对活跃，从而使得锤子科技账号发布的大部分信息都被这些账号转发，因此转发用户网络容易呈现多中心趋势。这在一定程度上有利于企业相关微博公众账号的发展，对企业产品宣传、提升企业市场影响力有一定贡献。

在网络中，中间中心性不高，也就是大部分信息的传递和接收不需要通过别的行动者。[13]三家企业转发用户的网络的中间中心势都比较低，因此它们微博信息的传播大部分都是以企业发布微博消息后，其关注者直接获取信息的方式完成。小米手机中间中心度排名前五的账号中有小米手机(信息发布者)、武汉唐学华(小米公司员工)、小米手机视频(企业子账号)，魅族科技中间中心度排名前五的账号中有魅族科技(信息发布者)、Flyme稻草人(企业子账号)、非常数码公社(数码评测机构)、搞机涵(数码评测机构)，而锤子科技中间中心度排名前五的账号中有锤子科技(信息发布者)、科技新一(数码评测机构)、罗永浩(锤子科技CEO)、锤子科技营销账号(企业子账号)、坚果手机(企业子账号)。由此可以看出信息发布者和其企业相关账号以及数码评测机构账号在各个企业的转发用户网络中都拥有较大的权力，在企业微博信息传播网络中可以很大程度上控制信息的传播。

表2　三家企业转发用户网络中心性指标

4　结论

本文选取三家手机制造业微博信息为研究对象，在对转发网络分析的基础上，总结出了两种企业微博信息传播网络结构，发现转发的层级越多，企业微博消息越容易发生失真现象。另外，信息发布者、其企业相关的微博账号以及数码评测机构在转发网络中两个中心性指标都比较高，在企业微博信息传播网络中具有很高地位。同时，企业微博信息发布后，企业相关账号应对其及时转发，并加强与数码评测机构间的互动，以更好地为企业和企业产品宣传。此外，规模小、产品少的企业在微博信息传播中的转发率更容易偏高。企业如果想增强自己在行业的地位或者促进企业产品的营销，应该在扩大企业微博公众号影响力的同时发展与企业相关的微博账号，并加强与业界知名数码评测机构的互动。当然，本文也有不足，在选取微博数据时有一定的随意性，针对微博内容的情感倾向分析方面欠缺，分析有一定的局限性。

[1]2015年中国社交应用用户行为研究报告[EB/OL].http://www.cnnic.cn/hlwfzyj/hlwxzbg/sqbg/201604/P020160408334860042447.pdf.

[2]李子玲.微博信息传播模式分析[J].视听,2015(2).

[3]Rocio Abascal-Mena, Rose Lema, Florence Sedes. Detecting sociosemantic communities by applying social network analysis in tweets[J].Social Network Analysis and Mining,2015,5(1).

[4]Hend S.Al-Khalifa. A first step towards understanding Saudi political activities on Twitter[J].International Journal of Web Information Systems, 2012,8(4).

[5]平亮,宗利永.基于社会网络中心性分析的微博信息传播研究——以Sina微博为例[J].图书情报知识,2010(6).

[6]袁毅,杨成明.微博客用户信息交流过程中形成的不同社会网络及其关系实证研究[J].图书情报工作,2011,55(12).

[7]谢守红,李津津.企业微博营销影响因素研究[J].江南大学学报(人文社会科学版,2015(2).

[8]罗莹,刘冰.网络信息传播效果研究[J].情报科学,2009(10).

[9]于晶,刘臣,单伟.在线社会网络中信息传播的结构研究[J].情报科学,2013(12).

[10]黄璀.浅析微博传播中的信息失真现象[J].今传媒,2014(5).

[11]集搜客网络爬虫工具[K/OL].http://www.gooseeker.com.

[12]Lars Backstrom, Paolo Boldi, Marco Rosa. Four Degrees of Separation[J].ACM Web Science Conference,2011,2(9).

[13]刘军.整体网分析讲义[M]上海:格致出版社,2009．

[14]Linton C Freeman. Centrality in Social Networks Conceptual Clarification[J].Social Networks，1978-1979,1(3)．

[15]王晓光.微博客用户行为特征与关系特征实证分析——以“新浪微博”为例[J].图书情报工作,2010(14).

Class No.:G206.3：G250.2Document Mark：A

(责任编辑：宋瑞斌)

Transmission Characteristics of Information for Enterprise's Micro-blog Based on Social Network Analysis

Zhang Junfeng，Zhao Tao

(School of management science and Engineering,Anhui University of Finance and Economics，Bengbu, Anhui 233030，China)

We discussed the dissemination characteristics of enterprise micro-blog information in order to provide a reference for the enterprise to make better use of micro-blog platform and the path of enterprise's micro-blog information dissemination . This paper discussed the core nodes of the network from the point of degree centrality and centrality. The results reveal two kinds of structures of business micro-blog information dissemination. The multilevel structure is prone to information distortion. The related micro-blog and digital evaluation agencies have a greater role in the spread of micro-blog information and the selection of data and the micro-blogs' contents.

social network; business micro-blogs; centrality

张俊峰，硕士，安徽财经大学。研究方向：信息组织与数据挖掘等。

1672-6758(2016)10-0152-5

G206.3：G250.2

A

赵涛，博士，副教授，硕士生导师，安徽财经大学。研究方向：信息安全与数据挖掘等。