衍生效应下新产品推广微博话题的传播研究

余伟萍+李大林+张园

摘要：在考虑话题衍生效应的基础上，探究话题衍生特征对整个话题传播的影响方式和影响程度，并进一步借助自组织特征映射神经网络对衍生效应下新产品推广话题的传播变化趋势进行聚类分析，真实刻画出新产品推广微博话题的传播过程。聚类分析结果显示，衍生效应下新产品推广微博话题传播过程可分为爆发型、缓进型、锯齿型和后进型，并在此研究成果之上给企业的新产品推广提出了具有针对性的营销建议。

关键词：衍生效应；新产品推广；微博话题；聚类分析

DOI：10.13956/j.ss.1001-8409.2017.01.25

中图分类号：F274；G206 文献标识码：A 文章编号：1001-8409（2017）01-0114-04

Abstract： Based on the derivative effects， this paper explored how and to which extent that the topic derived characteristics effect the spread of the topic. Then， on the basis of selforganizing feature map neural network， the cluster analysis was conducted to confirm the change trend of the spread of microblog topics of new product promotion， in order to describe the spread process of microblog topics of new product promotion. Cluster analysis results showed that the spread process of microblog topics of new product promotion can be divided into four types， namely， eruption model， chronic model， continued model， and post continued model. Finally， some targeted marketing suggestions were proposed to promote the new products.

Key words：derivative effect； new product promotion； microblog topics； cluster analysis

新媒體时代，借助社交媒体的话题营销实现新产品推广得到企业热捧。微博作为一种新型的虚拟社区媒体，是一个基于个性化用户信息的及时传播、共享及获取的平台，具有信息实时性、内容简洁性、用户交互性等特点[1，2]，且微博社区上的信息传播更是呈现出一种全新的网核状、裂变式的传播模式特征（One to N to N）[3]，这种传播模式可以在短时间内实现信息的几何级数扩散。因此微博社区中的微话题平台成为企业新产品推广话题营销的重要阵地，吸引了越来越多的企业开始尝试运用微博的话题榜，如“#荣耀6Plus发布会#”“#乐视超级手机#”等，为新产品入市造势；通过带有广告和销售促进的微博内容促进品牌传播；凭借高质量的微博内容与合理的话题引导提升话题互动率，吸引网民评论、转发、点赞等，实现新产品高曝光度，为提升消费者对新产品的感知及促进新产品销售奠定基础。

区别于传统媒介的就事论事，微博社区微话题平台的话题在传播演化过程中经常会衍生出多个相关或无关的新话题且影响整个话题的传播规律，这些衍生话题往往是企业或者微博用户作为话题主持人引导话题扩散的结果。尽管目前在微博话题传播趋势方面已有较多的研究成果，但多集中在单个或多个突发事件的研究，较少有针对新产品推广话题博文数量变化趋势的研究，更没有考虑衍生特征对话题博文数量变化趋势影响的研究。因此建立基于衍生特征的新产品推广话题趋势分类，以揭示话题的传播规律、刻画话题的传播机理具有重要的理论意义和实际指导意义。

1研究现状

衍生话题是指在原话题的基础上演变产生的新话题，衍生话题和原话题共同作用形成“叠加效应”进而影响整个话题的传播扩散[4]。在线话题的衍生性特征是话题信息传播过程中的常见现象，也是影响网络话题传播演化的一个关键因素，特别是在话题的衰退期，原始话题会因多种因素失去生命活力进而被新的衍生话题取代和继续扩散，带来话题对用户的“二次影响”[5]，使得在线话题的衍生效应成为话题管理的重要课题。

目前，在线话题衍生效应的研究已经得到国内外学者的许多关注，但关注的研究点多集中在突发事件形成的网络舆情话题及其相关内容。纵观现有基于衍生话题传播的研究成果，可以发现主要有两类：第一类是在线话题衍生效应的共性传播影响，这类研究以网络舆情事件等为研究对象探究在考虑话题衍生效应特征下其传播网络会呈现出怎样的规律和特征分布，以及影响话题衍生传播规律的因素。如Zanette等[6]研究了信息在复杂网络中的传播特性，谣言与信息类似，它们在传播过程中内容不会发生改变，而舆情的传播过程不同，其话题具有较强的话题衍生性，网民对某一舆情话题不感兴趣，在外界环境和某一特定条件下极可能制造出新话题，并成为新话题的传播者；喻发胜等[7]以40个影响较大的网络舆论事件为研究对象，基于传播学的视角探讨了网络传播的衍生效应与网络舆论形成及演化的关系，研究结论显示网络舆论在传播过程中产生的诸如“意见领袖作用凸显”“信息控制力弱化”“舆论场加速形成”“议程设置全民化”等一系列衍生效应对网络舆论的生成及演变产生着重要影响；王慧等[8]以信息异化动力为视角，在剖析网络衍生舆情与信息异化价值关联的基础上，建立网络衍生舆情成因分析模型；尹熙成等[9]提出双层耦合网络传播模型以解决当前话题传播模型中“一旦网民接触话题后就会对其免疫”这一假设并不符合网民的真实心理这一问题。研究结果显示衍生话题会使舆情传播过程中出现新的高峰点，且话题的转发率显著提高导致演化的弛豫时间拉长等，以上研究结果表明话题的衍生效应确实会影响到整个话题的传播并形成不同的传播模型或传播规律。

第二类则主要研究特殊的衍生话题的传播个性特征，研究对象也主要集中在突发事件网络谣言和网络反腐。其中突发事件网络谣言的研究以定量分析为主，如人群动力学建模[10]、传染病推广建模[11]、社会网络建模[12]、演化博弈建模[13]等；网络反腐的研究则以定性分析为主，主要基于真实案例探究网络反腐的特点、对策等。

目前的研究对象多集中在特定类型的衍生话题，比如网络虚假事件、网络谣言等，直接研究网络衍生舆情话题相对较少；研究主题也多集中在探究衍生效应下在线话题的传播模型或在线话题衍生效应的影响因素，研究特定类型下衍生效应的影响规律较少；因此本文以手机品类的新产品推广在线话题为研究对象，探究话题的衍生效应对新产品推广在线话题的影响效应；并在此基础上运用SOM神经网络法对整个在线话题的传播趋势进行聚类分析，帮助企业更好地获悉话题的传播动态。

2研究设计

21数据来源及数据预处理

本文以2014～2015年中手机企业运用微博话题榜进行新产品推广且具有明显话题特征、有衍生话题的23个热门话题类别作为数据样本。

类似于突发事件网络舆情的传播，用来描述新产品推广在线话题传播规律的变量较丰富，包括话题博文发文数量、话题阅读数量、话题评论数量、话题点赞数等[4]，每个变量都可以从不同角度来反映话题的传播规律。研究选择话题博文发文数量作为衡量指标来描述话题的传播过程，因此以“话题名称”为关键词，通过新浪微博平台的高级搜索功能搜索数据，以天为单位，收集了博文内容中含关键词的各话题前后一个月的博文数量作为研究的元数据。

同时由于不同话题其关注程度不同，搜索出来的各话题的博文数量存在一定差异，为了方便数据分析、更好地描绘出话题的传播特征，需首先对博文数量进行标准化处理，并将处理后的数据作为研究的输入向量。标准化处理公式如下所示：

Xi=Xi-XminXmax-Xmin（1）

其中Xmin代表每个话题类别下博文总数量的最小值，Xmax代表每个话题类别下博文总数量的最大值。

22研究方法

聚类分析（Cluster Analysis）是根据“物以類聚”的原理，将原本没有类别的样本聚类成具有相似特征的组别，并对每一个聚类后的组别进行描述的过程[14]。SOM神经网络聚类是典型的基于神经网络的聚类方法，IBM在其发布的数据挖掘白皮书中就特别提到了使用该方法进行数据库聚类分割，且因SOM神经网络具有较强的聚类和容错能力，使得SOM神经网络的聚类应用研究在学术界非常广泛。

3实证研究

31衍生话题对话题传播的影响

将标准化的数量数据作为输入数据变量，共计23个标准化数据样本，每个样本包含两类数据（原始话题/加入衍生话题后的整个话题传播的博文数量），每类数据包含30个元素。

通过绘制不同情境（原始话题/加入衍生话题后的整个话题）下的话题传播趋势曲线分布及对比分析，可以发现衍生话题对话题传播的影响可分为4种类型：峰点值型、持续值型、前后值型和无影响型（如表1所示）。

峰点值型比例较高，其对话题的传播呈现出单一、短暂且高强度的影响特征，影响位置集中在话题的高峰点处，也就是产品正式发布会的当天，使当天的博文数量迅速提高至整个传播过程中的最高值，且相对于原话题的传播，衍生话题使当天话题的传播率提高一倍以上；而在发布会的前后两天话题的博文数量都下降至较低点；在话题传播的其他传播时期内，衍生话题对话题传播的影响较小，几乎可以忽略不计。

持续值型对话题传播的影响呈现出长期、连续且较高强度的影响特征，影响位置集中在整个话题峰值后的多个时期内。产品正式发布会的当天，衍生话题的影响同样是高强度的，其出现迅速将话题的传播率提升至一个新的高度，吸引了更多的微博用户参与话题的讨论，有效提升了话题的参与度和新品的知名度；在发布会之后，衍生话题对话题的传播持续影响直至数据收集的最后一天，这段时期衍生话题对整个话题的传播影响程度尽管有所减弱，仍在一定程度上提升了话题的后期参与度，提高了微博用户的持续参与效应；而在产品正式发布会的前期，衍生话题几乎没有产生任何效应。

前后值型占比例最少，其对整个话题的传播呈现出随机、反复、短暂的影响特征，影响位置集中在产品正式发布会前后的某一段时间，骤然将话题传播率提升至较高处，继而骤然下降至正常水平。可见在这种类型下，尽管衍生话题带来了一定影响，却由于缺乏企业的合理引导使话题的衍生效应没有得到充分发挥，对话题传播的影响也是短暂的，且影响时期也不固定，在有效引导下还有较大的提升空间。

无影响型比例也较大，为392%。这类类型下衍生话题对整个话题的传播影响几乎可以忽略不计，话题的衍生效应作用不明显。

32衍生效应下话题传播的规律分类

以同样的23个新产品推广在线话题1个月的话题博文数量为数据样本，运用SOM聚类分析探究了话题衍生效应下具有相似传播话题动态的传播分类。

运用MATLAB70中的SOM神经网络算法，通过编程对标准化后的23个数据样本进行聚类分析。聚类结果显示衍生效应影响下新产品推广在线话题的相关博文数量变化规律可分为4种类型，并根据不同曲线峰值出现的位置及多少将曲线分别命名为爆发型、缓进型、锯齿型和后进型。每种类型下囊括的话题事件如表2所示。

每种类型具体的传播规律曲线如图5至图8所示，观察发现：不同类型下新产品推广在线话题的传播呈现出不同的传播特征，同类型下不同样本的话题则呈现出相似的传播特征，说明SOM的聚类结果较理想。

爆发型的新产品推广在线话题的传播呈现出前期和后期增长低迷而平稳，在中期增长迅速出现明显峰值且不稳定的传播特征。具体而言在话题的前期，话题一直处于低增长状态，话题受到的关注和讨论少；当进入话题的中期即新品发布会的当天，话题的博文量快速增长至最高点；其后在话题的后期，话题的博文量又迅速下降至较低点且增长缓慢，并逐渐呈现出趋于零的趋势；整个传播过程中有且仅有一个传播高峰。

缓进型的新产品推广在线话题的传播呈現出前期增长缓慢平稳，中期增长迅速且波动较大，后期增减幅度较大的传播特征。具体而言在话题的前期，整个话题的微博用户参与度较低，话题的传播扩散存在一定局限；在话题的中期，话题的博文量迅速提升至最高点继而迅速下降；在话题的后期，话题的博文量增减幅度仍较大，且整个传播过程中仅有一个传播高峰点。

锯齿型的新产品在线话题传播呈现出前期波动幅度较大，中期增长迅速，后期增长缓慢逐渐趋于零的传播特征。具体而言，在话题传播的前期，话题的传播较分散，波动幅度较大，话题时而较快提升至一个较高的传播点，时而又较快下降至一个较低的传播点；在话题的中期，话题的讨论量同样迅速扩散至最高点又迅速下降至较低点；在话题的后期，话题的讨论程度逐渐趋于平稳的状态，在这段时间内没有新的刺激点激发微博用户的持续讨论，导致话题的传播逐渐趋于零；同时在整个传播过程中由于存在新的刺激点，使话题传播出现多个传播高峰。

后进型新产品推广在线话题的传播呈现出前期增长几乎为零，中期迅速扩散，后期增长突变较不平稳的传播特征。具体而言在话题传播的前期，话题几乎没有受到微博用户的关注，相关的博文量几乎为零；在话题传播的中期，话题同样也是迅速提升至整个传播过程中的最高点继而开始下降；在话题传播的后期，话题的传播出现持续波动的现象，话题的讨论热度不减，也出现了整个话题传播过程中的第二个、第三个传播高峰。

4研究结论及管理启示

本文在考虑话题衍生效应的基础上，以23个手机新产品推广在线话题为样本，搜集了新产品正式发布前后15天内的话题博文量为元数据探究了衍生效应对整个话题传播的影响。通过研究发现，衍生话题对话题传播的影响可以分为4种类型：峰点值型、持续值型、前后值型以及无影响型。在此基础上运用SOM神经网络聚类方法对衍生效应下话题的传播规律进行聚类，以得到具有相似传播特征的传播规律分类结果。结果显示，衍生效应下话题传播趋势类型包括：爆发型、缓进型、锯齿型和后进型。

对于企业而言，一方面在了解不同传播类型及各自传播特征的基础上，有利于企业更好地明晰话题的传播动向；另一方面根据研究结果，企业在话题传播的过程中也可以从以下3个方面来提升话题营销的效率：

一是充分利用话题的衍生效应。衍生话题能给原话题带来叠加效应，扩大其传播的范围、延长其传播的生命周期。衍生话题的产生需要企业官方微博和意见领袖的引导，同时也需要广大粉丝的参与和互动。企业应该充分利用新产品的代言明星等因素所形成的话题点，积极促使衍生话题的形成和扩散。

二是合理管理话题的生命周期。原话题从产生到消退，经历一个生命周期。在原话题传播的初期，企业应该利用官方微博、意见领袖和粉丝群体制造衍生话题，快速引爆原话题传播。在话题的消退期，企业同样需要通过衍生话题来延长原话题的弛豫时间。企业可提供一定的激励来促使信息的传播和扩散[15]。通过衍生话题实现原话题的倍增效应，企业能够提升新产品推广的微博话题营销效应。

三是制造话题点持续引爆话题传播。明星代言、新产品发布会、粉丝群体以及网络话题等是形成衍生话题的基本元素。企业应该研究和掌握衍生话题形成和传播规律，积极制造话题点来促进衍生话题的形成和传播。

本文也存在以下不足：以手机行业

的新产品推广为研究对象，缺乏对其他行业的探究和对比分析，使得研究结果的应用推广存在一定的局限性；其次本文仅考虑了衍生话题对话题传播的影响类型及在其影响下整个话题的传播规律类型，未探究话题的品牌属性及用户的消费偏好在话题传播过程中的影响等等，未来可以在这些方面开展研究，使结论更加完整。

参考文献：

[1]熊淦，夏火松.组织承诺对微博社区成员知识共享行为的影响研究[J]. 情报杂志， 2014（1）： 128-134.

[2]王连喜，蒋盛益，庞观松，等. 微博用户关系挖掘研究综述[J]. 情报杂志， 2013（12）： 91-97.

[3]刘军. 社会网络模型研究论析[J]. 社会学研究， 2004（1）：1-12.

[4]兰月新. 突发事件网络衍生舆情监测模型研究[J]. 现代图书情报技术， 2013（3）：51-57.

[5]陈福集， 陈婷. 基于SEIRS传播模型的网络舆情衍生效应研究[J]. 情报杂志， 2014（2）：108-113.

[6]Zanette D H. Dynamics of Rumor Propagation on Small-world Network[J].Physical Review E， 2002（4）： 110-126.

[7]喻发胜，王晓红，陈波. 网络传播的衍生效应与网络舆论[J]. 湖北社会科学，2010 （5）：179-181.

[8]伍盈，唐希，苏畅. 从传播学视角看网络舆论监督的衍生传播及其特点[J]. 消费导刊， 2011 （3）：131-132.

[9]尹熙成，朱恒民，马静，等. 微博舆情话题传播的耦合网络模型——分析话题衍生性特征与用户阅读心理[J]. 情报理论与实践，2015（11）： 82-86.

[10]Serge Galam.Modeling Rumors： The No Plane Pentagon French Hoax Case[J]. Physica A： Statistical Mechanics and Its Applications， 2003， 320： 571-580.

[11]Moreno Yamir， Nekovee Maziar， Pacheco Amalio F. Dynamics of Rumor Spreading in Complex Networks[J]. Physical Review EStatistical， Nonlinear， and Soft Matter Physics， 2004（62）：279-307.

[12]刘金荣. 基于SNA的突发事件微博谣言传播研究[J]. 情报杂志，2013（7）：78-82.

[13]张芳，司光亚，罗批. 基于演化博弈理论的人际谣言传播仿真模型研究[J]. 系统仿真学报，2011（9）：1772-1775.

[14]郭伟业，赵晓丹，庞英智， 等. 数据挖掘中SOM神经网络的聚类方法研究[J]. 情报科学，2009（6）： 874-876.

[15]Aliosha Alexandrov，Bryan Lilly，Emin Babakus.TheEffects of Social and Self-motives on the Intentions to Share Positive and Negative Word of Mouth[J].Journal of the Academy of Marketing Science，2013（41）：531-546.

（责任编辑：杨锐）