《人民日报》抖音号短视频传播热度影响因素实证研究

张燕，尹琰，韦欣宜

(中国传媒大学 经济与管理学院，北京100024)

近年来短视频平台迅速崛起，从初期的猎奇分享逐渐演化出多元化的内容和功能，于是主流媒体也纷纷开始尝试在短视频平台传播新闻资讯，将主流媒体舆论引导的权威性延伸至这一新兴舆论场。在主流媒体这一轮尝试中，《人民日报》成为勇于吃螃蟹的第一批探索者。2018年9月10日，《人民日报》入驻抖音短视频平台，据星榜统计的数据显示，至2019年底，其粉丝量已达5196万，在2019年抖音粉丝数TOP20的账号中位列第三，此外，在2019年抖音点赞TOP20的短视频中，《人民日报》占有七席。从这些数据来看，《人民日报》抖音号的传播试水取得了较为显著的初期成效，本研究旨在对影响其传播热度的因素进行实证分析，进而为主流媒体的短视频新闻传播策略提供方向性指导，进而推动媒体融合的纵深发展。

1 研究设计与抽样方案

为了找到《人民日报》抖音号短视频的内容传播策略对传播热度的影响机制，本研究首先基于前人相关研究的经验和《人民日报》抖音号短视频的特点确立短视频内容分析的编码类目表，以此来构建传播热度影响因素研究的量化指标体系；然后，将传播热度进行可操作化定义并将其确定为因变量，将上述内容分析的各指标确立为自变量，随后提出研究假设，采用相关性分析、方差分析、分层回归模型等方法进行假设验证，进而得出研究结论。

本研究通过等距抽样的方法对2019年《人民日报》在抖音平台上发布的所有短视频进行人工抓取。在抽取样本时，为反映其常态化传播热度，尽量避开重大事件或特殊节日对短视频传播热度的放大和影响，本研究连续地选取了2019年每个月的第二个星期发布的所有内容作为研究样本，以保证研究结果的可靠性和一般性。特别地，为了避开重大节日的影响，本研究对2、6、10月这三个月选择第三个星期作为样本。如此以来，最终总共抽取222个短视频作为研究样本。

2 传播热度影响因素指标体系即短视频内容分析编码表构建

2.1 短视频内容分析相关文献综述

李林蔚在《移动互联时代的短视频生产策略——以《人民日报》官方抖音号为例》[1]中对《人民日报》抖音号开设三个月内的241条短视频进行了内容分析，编码表涉及话题、发布时间、短视频时长、内容主题、涉及人物、视觉元素、听觉元素、点赞量、评论量、转发量、受众互动11项分析类目；王程伟、马亮在《政务短视频如何爆发影响力：基于政务抖音号的内容分析》[2]对政务抖音号短视频进行内容分析，编码表的类目包括浏览量、点赞量、观赞比、政务抖音账号领域、短视频种类、短视频主题、感情色彩、人物角色、背景音乐、时长、地方特色、片尾主题强调、台词类型、有无字幕等14项。

2.2 传播热度实证研究相关文献综述

传播热度实证研究的相关文献大致可以分为以下三类。

其一为传播热度的影响因素实证研究或分析。纪慧生、蔡东妮[3]提出了影响微信公众号信息传播热度的五因素，分别为推送标题、推送内容、推送时机、数据化分析、二次转发者，并通过相关性分析和回归模型构建验证了以上因素与信息阅读率和转发率之间的关系，提出提高微信公众号传播热度的对策和建议。李静、谢耘耕[4]基于2010-2018年发生的10600起舆情事件通过建立多元层次回归模型展开对事件本身属性、媒介热度影响的实证研究，指出传播、网民参与及政府干预等因素对网络舆情事件传播热度能产生影响。

其二为传播机制的研究和传播技术的研究。何喻瑾[5]应用复杂系统的多主体理论，将微博的传播分为用户初次接触信息阶段和互动阶段，从信息源、信息传播者对影响微博用户之间的信息接受能力来解释微博获得广泛传播热度的原因，具体而言包括信息质量、信息被用户接受的可能性、信息吸引力、用户价值取向、偏好、知识结构和用户的传播能力等因素，并刻画出微博的信息传播模式。汪祥[6]围绕话题传播技术，从话题文本表示模型、话题传播热度预测、话题传播群体检测和用户话题兴趣分析等四个方面展开研究，提出针对社交网络短文本的基于维基百科概念的文档表示模型和一种基于话题社区的潜在情感能量预测社区话题热度的方法，主要考虑因素为网络的复杂程度、博文中含有的表情符号、关键词或关键短语等。

其三为使用建模或仿真的研究方法来构建传播热度的预测模型，展开预测研究。刘向阳[7]基于复杂网络理论，研究新浪微博的用户关系网络和信息传播网络，借助SIR病毒、SEIR谣言、SEIAR谣言传播模型对真实网络进行传播仿真，纳入了阅读量、点赞量、评论数、转发数、博主粉丝数、活跃天数、微博文字数、图片数、传播时长、发博率等多个因子，基于因子分析法的热度评价模型对微博热度给出准确的参数及排序，最后采用Logistic数学模型对微博网络中的事件信息扩散方式进行分析和预测。辛悦[8]结合传染病动力学和社交网络理论，建立基于节点状态的在线社交网络信息传播模型，并进行仿真得到离线接收率、转发率、传播速率等因素对信息传播过程的影响，提出了基于LSTM的社交网络话题的热度预测算法。

在上述研究的基础之上，借鉴上述研究的相关指标设置并结合本研究抽取的222个短视频的具体特点，本研究最终确立内容分析类目编码表如下：

表1 变量编码表

2.3 传播热度的可操作定义

在短视频平台的语境之下，转发量、评论量、点赞量是反映传播内容在短视频平台上直观传播热度的直接体现。为了更集中地体现短视频的传播热度，本研究将传播热度指标作为描述短视频受欢迎程度的综合指标，并采用差异系数法对短视频点赞、评论、分享的数量指标进行赋权来综合衡量传播热度。具体计算过程中，首先对原始数据采用Min-Max法进行无量纲化处理，计算各指标评价值的平均值与标准差，确定各评价指标的差异系数，然后对各指标评价值的差异系数归一化处理，得出点赞数权重为0.2775，评论数权重为0.1979，分享数权重为0.5246。考虑到计算出的传播热度值分布较集中，因此将得到的数据乘以100以放大数据之间的差距，并最终使传播热度分布在0～100之间。

根据以上方法，最终得到“传播热度”指标的计算公式为：

传播热度=(0.2775×点赞+0.1979×评论+0.5246×分享)×100

3 研究假设

3.1 短视频内容对传播热度的影响

抖音平台具有其独特的社交娱乐属性，根据巨量算数公司截至2020年1月的研究数据显示，抖音的整体用户画像为男女比例均衡，19-30岁的TGI高，新一线、三线及以下城市用户TGI高。处于不同年龄层、不同地区的受众群对于短视频内容的接受偏好不尽相同。具体表现为受众受个人特质或群体、环境等影响而对短视频主题、涉及人物、语言风格存在不同偏好，继而产生不同的交互行为，呈现不同程度的用户参与度，最终表现为不同的传播热度。基于上述考虑，确立相关研究假设如下：

H1-1：不同短视频主题之间的传播热度存在显著差异；

H1-2：不同感情色彩短视频的传播热度存在显著差异；

H1-3：不同语言风格短视频的传播热度存在显著差异；

H1-4：涉及不同人物的短视频的传播热度存在显著差异。

3.2 邀请用户互动对传播热度的影响

纪慧生[9]在其研究微信公众号传播的影响因素时提出推送内容的用户参与度是对微信公众号信息传播热度的一个关键变量，并使用分层回归模型检验其假设确实成立。由此可推导得出用户参与度对于传播热度具有显著影响的研究假设，即假设主动邀请用户进行互动能够有效地提升传播热度。

H2：邀请用户互动的短视频传播热度更高。

3.3 短视频视觉、听觉效果对传播热度的影响

短视频的视觉效果主要体现为是否使用字幕、是否使用剪辑后的短视频画面、是否插入图片，而听觉效果则表现为是否使用背景音乐以及是否保留短视频原声。作为短视频重要的传播要素，视听效果能够充实短视频内容，为受众提供更丰富的感官体验，促使受众对于短视频内容的产生强烈认同感和共鸣。因此，本研究将短视频的视觉、听觉效果对于传播热度具有直接影响纳入研究假设：

H3-1：听觉效果对传播热度有正向影响；

H3-2：视觉效果对传播热度有正向影响。

3.4 短视频推送机制和时长对传播热度的影响

王迪[10]提出推送时间的差异对微信公众号信息传播产生的影响是相对较大的，公众号往往根据用户作息时间来选择具体推送时间。一般来说，用户在社交软件上的可分配时间在周末往往更多，以此推测出在非工作日发布短视频的传播热度可能更高。同时，短视频时长会随着用户使用习惯的变化而成为影响传播热度的另一个关键因素，因为用户的时间精力总量是有限的，短视频内容被遗忘的几率也会随着单日发布短视频数量的增加而升高。基于上述思考，本研究确立研究假设如下：

H4-1：在周末发布的短视频传播热度更高；

H4-2：单日发布短视频次数对传播热度有负向影响；

H4-3：短视频时长对传播热度有负向影响。

4 研究发现

4.1 传播热度指标描述性统计分析

将传播热度、点赞量、评论量和分享量这个几个传播热度指标标准化之后的时间散点分布如图1如示。

图1 标准化后评论量、点赞量、分享量及传播热度时间散点图

根据《2018抖音大数据报告》，《人民日报》截至2018年12月的粉丝量为793万，而截至2020年3月5日，其粉丝量涨至7592万，2019年年度粉丝量几乎增长十倍[11]。但上图中短视频传播热度、点赞量、分享量的平均值曲线却近乎水平，评论量平均值曲线甚至在中期塌陷，直到后期才有所回升。由此看来，尽管粉丝量急剧攀升，但传播热度并未更进一步扩大，《人民日报》抖音号还需要增强粉丝群体的深度粘性。

具体来看，本研究选取的222个短视频样本在分享量上相差不大；在评论量上，不同的短视频之间差距比较大，上下波动起伏剧烈，而平均值曲线呈“U型”，表明在2019年中期短视频的评论量相较于其他时间更少，在8月后发布的短视频获得评论更多且平均值不断上升；在点赞量上，除几个具有高点赞量的极端值点，样本数据整体比较平稳；在传播热度上，不同短视频的起伏波动相对较大，大多短视频的传播热度分布在0～0.4之间，少数几条短视频的传播热度突破0.5。由此得知，《人民日报》抖音号发布的短视频获得点赞、评论和分享的数量尚未呈现出明显的规律性和长期效应，短期效应则相对显著。这表明《人民日报》抖音号作为一个新的新闻传播场景，尚未培养起相对稳定的场景意义，传播热度的短期波动主要通过短视频的不同内容策略引起和带动。

4.2 各影响因素之间相关性分析

将评论量、点赞量、分享量、传播热度指标进行自然对数转换后得到下表的分析结果。点赞量、评论量、分享量三者之间显著正相关；视觉效果(图片、字幕、视频画面)与传播热度、点赞量显著正相关；发布时间(发布时间是否为周末)与是否进行用户邀请正相关；单日频次(单日发布频次)与视觉效果显著正相关。

由此从下表数据可以看出：1.采用更多元的视觉元素如图片、字幕、视频画面等的视频传播热度更高，获得的点赞更多；2在周末发布的视频倾向于采用用户邀请的方法来促进与观众的互动；3.在同一天内发布视频的频次越高，更倾向于采用更多视觉元素。

表2 因子间的相关性分析

4.3 传播热度在感情色彩、涉及人物、主题、语言风格、短视频时长上的单因素方差分析

本研究将传播热度及其分项指标分别与感情色彩、涉及人物、主题、语言风格、短视频时长这几个影响因素进行单因素方差分析，来呈现传播热度在这些影响因素上的显著差异。方差分析常用于研究两个及以上样本平均数差别的显著性检验，进行方差分析需要数据满足正态分布并通过方差齐次性检验，并进行事后检验进一步确定变量的不同水平对因变量的影响程度如何，确定不同水平之间的差距是否显著。在方差齐次性检验通过的情况下，通常选择LSD方法；若方差齐次性检验未通过，则选择不假定方差相等的Tamhane’s T2方法。为了使标准化后的点赞量、评论量、分享量以及传播热度满足正态分布的要求，本研究对上述变量进行对数变换，分别取其自然对数。检验结果显示，除了“主题”这一变量的单因素方差齐次检验没有通过之外，其他变量均通过了方差齐次性检验。因此对“主题”这一变量的单因素方差分析采用Tamhane’s T2方法，对其他变量的分析则采用了LSD方法。分析结果如下：

表3 点赞量、评论量、分享量、传播热度在感情色彩上的ANOVA检验

表4 点赞量、评论量、分享量、传播热度在涉及人物上的ANOVA检验

表5 点赞量、评论量、分享量、传播热度在主题上的ANOVA检验

续表

表6 点赞量、评论量、分享量、传播热度在语言风格上的ANOVA检验

表7 点赞量、评论量、分享量、传播热度在短视频时长上的ANOVA检验

根据上表数据和事后检验的结果可以得出：

1)分享量在短视频内容呈现的感情色彩(F=7.103，P=0.01)、涉及人物(F=3.477，P=0.003)、主题(F=2.072，P=0.04)上具有显著差异。

2)传播热度在感情色彩(F=3.326，P=0.038)、主题(F=2.074，P=0.04)上具有显著差异。

3)评论量在短视频主题(F=2.069，P=0.04)和短视频时长(F=6.723，P=0.001)上具有显著差异。

4)四个因变量在语言风格上都不具有显著差异。

5)对于感情色彩，中立感情色彩的短视频传播热度和分享量要显著高于赞扬色彩的短视频。

6)对于涉及人物，涉及领导官员的短视频的分享量要显著高于出场人物为军人、消防员等职业人员以及科学家的短视频。

7)对于短视频主题，社会类主题的传播热度显著高于军事类主题；社会类、爱国宣传类、时政类、爱岗敬业类主题的短视频的评论量要显著高于经济类短视频；社会类主题的评论量显著高于军事类主题。不同主题的短视频在分享量上确实具有显著差异，但Tamhane’s T2并未检验出具体差别。

8)对于短视频时长，大于15秒的短视频比时长小于15秒的短视频显著地获得更多的评论。

4.4 传播热度及各分项指标的层次回归模型

本研究分别对传播热度、点赞量、评论量、分享量进行逐层回归，对字幕、视频画面、图片、背景音乐、视频现场声等变量进行第一轮回归。随后，继续添加短视频来源的合作与普通民众制作两个哑变量(以视频来源为独家为基准)、发布时间是否在周末、单日发布频次等变量进行第二轮回归。第三轮中继续添加是否进行用户邀请变量，得到以下的层次回归结果。

表8 传播热度的层次回归模型结果

表9 点赞量的层次回归模型结果

续表

表10 评论量的层次回归模型结果

表11 分享量的层次回归模型结果

续表

从传播热度各分项指标的回归分析结果可以看出，

(1)进行三轮回归后，除传播热度以外，其他分项指标的 R方都有一定地提高。R方，又称可决系数，是一个描述回归直线对观测值的拟合程度的重要指标，R方值越接近于1，则模型的拟合效果越好。

(2)在传播热度上，在三层回归中视频画面的标准化参数都显著，在第三层回归模型中图片(β=0.185，t=2.369)也呈现显著，且两变量均与传播热度呈正相关，即有视频画面以及使用图片的短视频热度更高。可见，短视频中使用更多的视觉元素可以增强传播热度。

(3)在点赞量上，在第三层回归模型中是否进行用户邀请(β=0.178，t=2.607)、图片(β=0.166，t=2.137)两个自变量的参数具有显著性。点赞量与这两个自变量均为正向关系，是否进行用户邀请对点赞量的影响比在视频中插入图片对于点赞量的影响要更加显著，达到0.01显著性水平。

(4)在评论量上，在最终模型中，视频画面(β=0.234，t=2.862)变量系数具有显著性。而其他变量对评论量的影响均不显著，表明以上变量不是决定视频评论量的关键因子，仍有其他未知重要变量影响评论量。

(5)在分享量上，在第三层模型中，视频画面(β=0.168，t=2.036)、图片(β=0.202，t=2.649)、字幕(β=-0.210，t=-3.115)与单日发布频次(β=0.176，t=2.639)等变量对分享量具有显著影响。分享量与字幕变量呈负相关，与视频画面、图片、单日发布频次等变量呈正相关，表明不使用字幕的视频获得了更多的分享，而多元的视觉元素，以及单日高频视频发布将促进短视频的分享。

(6)从视频来源角度来分析，以视频来源为独家作为基准变量，即视“独家”变量在回归模型中的系数为0，将视频来源为媒体合作或普通民众拍摄作为比较变量，纳入模型。可以看到，在传播热度、点赞量、评论量、分享量上“合作”与“普通民众”变量的系数均不显著。即表明不同来源的视频在以上四个变量上不存在显著差异。

4.5 假设检验结果

表12 假设检验结果

续表

5 研究结论

对传播热度而言，短视频主题和感情色彩这两个因素在其有显著差异。具体来说，社会类主题短视频传播热度高于军事类主题的短视频；感情色彩为中立的短视频传播热度要高于赞扬色彩的；短视频采用的视觉呈现方式越多元，传播热度越高。

对分享量而言，短视频主题、感情色彩、涉及人物三个因素在其有显著差异，具体来说，时政类、爱国宣传类、爱岗敬业类和社会类等主题的短视频分享量更高；中立色彩的短视频分享量要高于批判和赞扬色彩的短视频；涉及领导官员的短视频分享量要显著高于出场人物为军人、消防员等职业人员以及科学家的短视频。同时分享量与点赞量、评论量呈显著正相关，越是高点赞、高评论的短视频越是容易被用户分享。

对评论量而言，短视频主题在其有显著差异，短视频时长与其正相关。具体来说，大于15秒的短视频比时长小于15秒的短视频获得的评论量更多。

对点赞量而言，是否进行用户邀请和视觉效果两个因素对其有显著影响。具体来说，在标题中邀请用户进行互动可以显著增加点赞量；添加了图片的短视频点赞量更高。

6 对《人民日报》短视频内容策略的启示

选题结构上更多凸显中央权威主流媒体的站位高度，强化在时政类、外交类、社会类和爱国宣传类等主题上的传播优势。作为党中央的机关报，《人民日报》伴随着几代中国人的集体记忆，承担着宣传党和国家的大政方针、记录中国社会变化、引导社会舆论、促进国家和社会进步等重要使命。人们对其权威性的惯性期待并未被抖音平台用户的总体偏好(更倾向于生活、演绎和美食等主题)所冲淡，广大抖音用户仍然延续着对《人民日报》内容定位的传统期待。

平衡报道的感情色彩分布，增加中立报道的比重。上文数据分析表明，中立感情色彩的短视频在抖音的传播热度明显高于赞扬的短视频，因而《人民日报》在报道内容的感情色彩分布上，可以更多倚重中立色彩的内容。尽管身处抖音这样娱乐性更强、情感表达更鲜明的平台，短视频用户对《人民日报》作为权威新闻媒体理性平衡的特质仍然抱有期待。

增加短视频内容传递的信息量。长于15′的视频获得评论更多，画面和图片等视觉效果对传播热度有正向影响，这体现出短视频用户在追逐碎片化内容的同时也看重信息量的获取。因此《人民日报》抖音号在未来的内容策略中，应当更加注重信息量的传递，通过添加图片、动画等不同媒介元素，适当增加视频时长来满足用户对信息量的需求。

加强互动意识，激发用户转赞评行为，更多实现新闻价值的增殖。从上文数据分析可知，《人民日报》抖音短视频的传播热度、点赞量、评论量和分享量等传播热度指标并没有随着粉丝量的增长而增长，反映出用户参与互动的积极性未被完全调动。而积极的用户互动正是网络新闻最为重要附加价值之一，未来《人民日报》需增强互动意识，积极收集用户反馈改进传播内容，以在标题中发出互动邀请、发起挑战、回复评论等方式吸引用户参与互动，进一步发挥短视频平台的活力与优势，实现更高的传播热度。