張 嵐，王雁君，張 蓉

（江蘇省氣象服務(wù)中心，江蘇 南京 210008）

微博是基于用戶關(guān)系的信息分享、傳播和獲取平臺(tái)[1]。近年來(lái)，黨政機(jī)構(gòu)紛紛通過(guò)政務(wù)微博發(fā)布政務(wù)信息，開(kāi)展公共服務(wù)?！拔⒉﹩?wèn)政”已經(jīng)成為官民溝通的主要路徑。微博影響力也成為政務(wù)微博運(yùn)營(yíng)人員績(jī)效考核的重要指標(biāo)。但微博提供的數(shù)據(jù)比較有限，且諸多指標(biāo)之間存在相關(guān)性，僅用基礎(chǔ)數(shù)據(jù)來(lái)評(píng)價(jià)微博運(yùn)營(yíng)情況意義不大[2]，需要挖掘數(shù)據(jù)后的特征，掌握構(gòu)成微博影響力的主要因素，進(jìn)而輔助管理工作，優(yōu)化服務(wù)模式，提升賬號(hào)影響力。

1.數(shù)據(jù)方法

本文以江蘇省氣象局及下屬13 個(gè)地市級(jí)氣象部門(mén)官方微博為研究對(duì)象，包括@江蘇氣象、@南京氣象、@無(wú)錫氣象、@連云港氣象、@蘇州氣象、@徐州氣象、@常州氣象官方微博、@淮安氣象、@宿遷氣象、@南通氣象、@鎮(zhèn)江氣象、@揚(yáng)州氣象、@泰州氣象、@鹽城氣象。通過(guò)新浪U 媒平臺(tái)采集2020 年以上14 個(gè)賬號(hào)的全年運(yùn)營(yíng)數(shù)據(jù)，包含關(guān)注數(shù)、粉絲數(shù)、微博數(shù)、視頻數(shù)、閱讀量、被轉(zhuǎn)發(fā)、被評(píng)論、點(diǎn)贊數(shù)、互動(dòng)次數(shù)、主動(dòng)轉(zhuǎn)發(fā)、主動(dòng)評(píng)論11 個(gè)指標(biāo)。

本文通過(guò)因子分析法將氣象微博的11 項(xiàng)指標(biāo)進(jìn)行降維處理，使存在相關(guān)關(guān)系的指標(biāo)歸為一類(lèi)，提取公因子，得出氣象微博影響力的關(guān)鍵影響因素，并進(jìn)行綜合評(píng)價(jià)。用F 表示公因子，則F=b1X1+b2X2+b3X3+……+biXi+U。其 中，X1、X2……Xi表示不同的公因子，b1、b2……bi表示公因子系數(shù)，U 為常數(shù)。

2.氣象微博影響力評(píng)價(jià)與比較

2.1 因子分析

2.1.1 指標(biāo)相關(guān)性及適用性檢驗(yàn)

開(kāi)展因子分析前需要用KMO 檢驗(yàn)法檢驗(yàn)樣本數(shù)據(jù)是否適用因子分析，用Bartlett 球形檢驗(yàn)法檢驗(yàn)指標(biāo)間是否獨(dú)立[1]。將表2 中的11 個(gè)指標(biāo)全部納入適用性檢驗(yàn)及初始因子分析。結(jié)果發(fā)現(xiàn)，部分指標(biāo)與其他指標(biāo)存在線性關(guān)系。采用逐一淘汰法，最終剔除互動(dòng)次數(shù)、主動(dòng)轉(zhuǎn)發(fā)、主動(dòng)評(píng)論3 項(xiàng)指標(biāo)后，對(duì)剩余的8 個(gè)指標(biāo)做適用性檢驗(yàn)，數(shù)據(jù)顯示，KMO 值為0.6757＞0.6，屬于可接受范圍。Bartlett 球形檢驗(yàn)近似卡方統(tǒng)計(jì)值為115.053，顯著性水平P 值為0.000，說(shuō)明變量之間不全獨(dú)立，相關(guān)性顯著，本文數(shù)據(jù)適合做因子分析。

2.1.2 公因子提取及分析

按照特征值大于1，且主成分對(duì)應(yīng)的累計(jì)貢獻(xiàn)率大于80%的原則提取公因子。根據(jù)表1，第一公因子F1和第二公因子F2的特征值分別為4.933 和1.554，均大于1。兩個(gè)公因子的方差貢獻(xiàn)率分別為61.661%、19.430%，累計(jì)方差貢獻(xiàn)率81.091%，說(shuō)明這兩個(gè)公因子能夠反映原始變量81.091%的特征，信息丟失較少。

表1 旋轉(zhuǎn)后的載荷因子矩陣、特征值、貢獻(xiàn)率

因子1 在閱讀量、被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、點(diǎn)贊數(shù)、粉絲數(shù)5 個(gè)指標(biāo)上具有較高載荷。粉絲數(shù)反映微博賬號(hào)的用戶規(guī)模和受關(guān)注程度。一般而言，粉絲數(shù)越多，微博被閱讀的概率越大，傳播面越廣。閱讀量直觀反映了微博的傳播效果，閱讀量越高說(shuō)明傳播效果越好。被評(píng)論數(shù)、被轉(zhuǎn)發(fā)數(shù)可以反映微博和其他用戶交流互動(dòng)的情況。轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù)代表粉絲通過(guò)微博進(jìn)行建議咨詢(xún)、關(guān)注支持和情感表達(dá)的情況。越多的轉(zhuǎn)發(fā)可能帶來(lái)更廣的傳播面和更高的閱讀量；點(diǎn)贊數(shù)則代表粉絲對(duì)微博內(nèi)容的認(rèn)可。將以上5 個(gè)指標(biāo)定義為“傳播力因子”，用于反映微博的傳播效果。

因子2 在視頻數(shù)、微博數(shù)2 個(gè)指標(biāo)上具有較高載荷，定義為“服務(wù)力因子”，體現(xiàn)氣象微博服務(wù)網(wǎng)民和為民辦事的能力。該指標(biāo)通過(guò)微博發(fā)布數(shù)和視頻發(fā)布數(shù)計(jì)算。微博發(fā)布數(shù)體現(xiàn)氣象微博對(duì)政務(wù)信息、氣象信息、科普知識(shí)等信息的公開(kāi)程度，一定程度上體現(xiàn)了微博賬號(hào)的“勤政能力”。視頻數(shù)則是體現(xiàn)賬號(hào)創(chuàng)新能力的一個(gè)指標(biāo)，原創(chuàng)視頻數(shù)量越多，說(shuō)明賬號(hào)的內(nèi)容生產(chǎn)能力強(qiáng)，對(duì)新技術(shù)的應(yīng)用能力較強(qiáng)。服務(wù)力得分越高，說(shuō)明氣象部門(mén)通過(guò)微博平臺(tái)發(fā)布了更多信息，服務(wù)了更多網(wǎng)民。

根據(jù)各指標(biāo)在對(duì)應(yīng)因子上的載荷確定其權(quán)重系數(shù)。A1、A2、A3分別代表關(guān)注數(shù)、微博數(shù)、視頻數(shù)，B1、B2、B3、B4、B5分別代表粉絲數(shù)、閱讀量、被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、點(diǎn)贊數(shù)，F(xiàn)1 代表“傳播力因子”，F(xiàn)2 代表“服務(wù)力因子”，則：

2.2 因子得分及結(jié)果分析

根據(jù)各變量因子得分系數(shù)和標(biāo)準(zhǔn)化值，利用回歸方法計(jì)算各公因子的得分[1]。以?xún)蓚€(gè)公因子的方差貢獻(xiàn)率61.661%和19.430%作為公因子得分的權(quán)重系數(shù)，建立氣象微博影響力得分算法：F=0.7604×F1+0.2396×F2，各因子得分和綜合排名如表2。

表2 2020 年江蘇14 個(gè)氣象微博影響力因子得分及排名

傳播力因子方面，@江蘇氣象、@南京氣象、@蘇州氣象、@無(wú)錫氣象、@連云港氣象 排名前五，以上5 個(gè)賬號(hào)全年微博累計(jì)閱讀量超過(guò)6000 萬(wàn)人次，尤其@江蘇氣象 閱讀量達(dá)到1.78億人次，影響力得分比其他市級(jí)賬號(hào)明顯偏高，體現(xiàn)了省級(jí)平臺(tái)的資源優(yōu)勢(shì)。江蘇氣象發(fā)布內(nèi)容被轉(zhuǎn)發(fā)、被評(píng)論、被點(diǎn)贊的次數(shù)也均位列全省第一，說(shuō)明粉絲對(duì)內(nèi)容認(rèn)可度相對(duì)較高，信息傳播效果較好。@南京氣象、@蘇州氣象、無(wú)錫氣象、連云港氣象 賬號(hào)相對(duì)比較活躍，市級(jí)賬號(hào)的受眾明確，粉絲黏性強(qiáng)，服務(wù)信息內(nèi)容的專(zhuān)業(yè)度和精細(xì)度較高，在重大天氣事件中權(quán)威發(fā)聲，具有極強(qiáng)的傳播力和引導(dǎo)力，在當(dāng)?shù)卣?wù)微博影響力排名中普遍靠前。

服務(wù)力因子方面，@宿遷氣象、@江蘇氣象、@淮安氣象、@南京氣象、@徐州氣象位居前五。這些賬號(hào)發(fā)博頻率高，而且視頻內(nèi)容占比高，體現(xiàn)了較強(qiáng)的服務(wù)能力和創(chuàng)新意識(shí)。值得注意的是，江蘇氣象全年發(fā)布微博1 萬(wàn)余條，數(shù)量為全省最高；其中視頻產(chǎn)品1362 條，數(shù)量雖不是全省最多，但原創(chuàng)度和視頻質(zhì)量較高。江蘇氣象抓住短視頻發(fā)展風(fēng)口，將科普視頻產(chǎn)品系列化、欄目固定化、人物形象化，全面提升短視頻業(yè)務(wù)水平，解讀熱點(diǎn)天氣，回應(yīng)社會(huì)關(guān)切，對(duì)影響力提升起到重要作用。

整體而言，@江蘇氣象 作為省級(jí)賬號(hào)，擁有人才資源優(yōu)勢(shì)，組建專(zhuān)門(mén)的團(tuán)隊(duì)進(jìn)行新媒體日常運(yùn)營(yíng)，產(chǎn)品供給能力強(qiáng)，影響力相對(duì)較高。南京、淮安、無(wú)錫、蘇州部門(mén)氣象微博影響力緊隨其后，服務(wù)能力強(qiáng)，在市級(jí)賬號(hào)中處于領(lǐng)先水平。泰州、鎮(zhèn)江、揚(yáng)州、鹽城氣象微博賬號(hào)影響力整體排名靠后，運(yùn)營(yíng)能力相對(duì)較弱，表現(xiàn)在內(nèi)容單一，信息發(fā)布頻次相對(duì)其他賬號(hào)略低，需要進(jìn)一步優(yōu)化欄目設(shè)置，增加服務(wù)頻次，擴(kuò)大傳播效果。

3.結(jié)語(yǔ)

本文以14 個(gè)江蘇省市級(jí)氣象微博運(yùn)營(yíng)數(shù)據(jù)為樣本，運(yùn)用因子分析法對(duì)其影響力水平進(jìn)行評(píng)價(jià)和比較。結(jié)果發(fā)現(xiàn)：傳播力和服務(wù)力是構(gòu)成氣象微博影響力的兩個(gè)主要因子，可以反映原始變量81%以上的特征；江蘇省內(nèi)氣象微博發(fā)展水平不均衡，市級(jí)賬號(hào)之間影響力差異較大，高影響力賬號(hào)偏少。微博影響力很大程度上由賬號(hào)主體的運(yùn)營(yíng)水平?jīng)Q定，與部門(mén)對(duì)新媒體的重視程度息息相關(guān)，也與新媒體運(yùn)營(yíng)人員的職業(yè)素養(yǎng)密不可分。因此，建議各級(jí)氣象部門(mén)明確賬號(hào)定位，加強(qiáng)自身建設(shè)，尤其要加強(qiáng)對(duì)微博運(yùn)營(yíng)人員的培訓(xùn)，提高新聞敏感性和產(chǎn)品策劃能力；建立運(yùn)營(yíng)獎(jiǎng)懲機(jī)制，激勵(lì)業(yè)務(wù)人員深入挖掘受眾需求，創(chuàng)新服務(wù)產(chǎn)品，打造優(yōu)質(zhì)內(nèi)容，提升部門(mén)影響力和公信力。