社交媒體如何維持高頻專業(yè)內(nèi)容產(chǎn)出

李卓群

摘要：在社交媒體紛紛探索內(nèi)容機構化運營的背景下，專業(yè)生成內(nèi)容（PGC）成為社交媒體內(nèi)容產(chǎn)出的典型方式和運營基礎?；谀：ㄐ员容^分析（fsQCA）方法，以社交媒體的專業(yè)用戶為研究對象，挑選50個知乎專欄賬號作為樣本案例，探討了PGC決策的主要因素和原因構型條件，分析了自我效能、沉沒成本、網(wǎng)絡中心性、聲譽和平臺歸屬感等前因要素的交互作用對PGC決策的復雜影響機制，發(fā)現(xiàn)了高頻PGC決策的4種主要構型：（1）中心用戶的高頻PGC決策，可由高自我效能及高聲譽實現(xiàn)；（2）對平臺缺少歸屬感的用戶，其高頻PGC決策可由高自我效能、高沉沒成本和高聲譽實現(xiàn)；（3）低自我效能用戶的高頻PGC決策可由高沉沒成本、高聲譽和平臺強歸屬感實現(xiàn)；（4）高自我效能、高沉沒成本、中心位置、平臺強歸屬感這4個核心條件，共同導致了高頻PGC決策。根據(jù)分析結果，提出了用戶自我效能提升策略、聲譽累積策略、沉沒成本有形化策略、平臺歸屬感鞏固策略，作為基于社交媒體內(nèi)容運營的具體建議和措施。

關鍵詞：社交媒體；PGC；構型；模糊集；定性比較分析

中圖分類號：G206 ? ? ?文獻標志碼：A ? ? ?文章編號：1008-4657（2023）04-0066-11

0 ? ? ? ?引言

社交媒體平臺上的網(wǎng)頁創(chuàng)建、點贊、轉發(fā)、評分和評論等UGC（User ?Generated ?Content，用戶生成內(nèi)容）行為作為一種新型數(shù)字勞動，已成為數(shù)字時代的資本價值源泉［ 1 ］。在網(wǎng)絡出版和新媒體領域，雖然UGC充分發(fā)揮了用戶的普遍參與性，但并非所有用戶都有生產(chǎn)專業(yè)內(nèi)容的能力，因此偶然性、碎片化、低質(zhì)化、版權不明成為UGC的主要弊病，使大量流量難以變現(xiàn)［ 2 ］。為解決這些弊端，許多社交媒體已經(jīng)開始借鑒傳統(tǒng)媒體的規(guī)則，包括規(guī)范內(nèi)容管理及優(yōu)化內(nèi)容與廣告商之間的流暢連接，這意味著UGC正在向PGC（Professionally ?Generated ?Content，專業(yè)生成內(nèi)容）轉型［ 3 ］。國內(nèi)社交媒體幾乎是在同一時間紛紛開始探索內(nèi)容機構化運營之路，在全民“捧網(wǎng)紅”“追IP”的風口下，自制內(nèi)容、簽約專業(yè)人士、打造個人品牌等PGC運營方式帶來了新一輪商業(yè)機會［ 4 ］。

知識分享相關研究對PGC運營決策提供了許多參考，而這類研究主要聚焦于兩類視角：一是從用戶角度探討其動機或影響因素，涉及自我效能、承諾、信任等常見構念［ 5-7 ］；二是從企業(yè)角度探討其商業(yè)模式和價值轉化機制，如內(nèi)容付費、知識變現(xiàn)等主題［ 8-9 ］。隨著自媒體、網(wǎng)絡直播等商業(yè)模式不斷興起，少量文獻還關注了突發(fā)事件、直播電商等情境［ 10-11 ］。然而，已有研究使用的分析方法大多建立在單個因素對PGC決策有其各自獨立影響的假設之上，給出的是恒定不變的因果路徑，而基于方差分析的統(tǒng)計學方法忽略了典型案例的特征，從而無法關注到因果關系的多樣性［ 12 ］。

因此，本研究將跳脫單一因果關系的分析框架，更加系統(tǒng)全面地探討用戶高頻PGC決策的原因，使用模糊集定性比較分析（fsQCA）方法，用不同的因素組合來分別解釋PGC決策的個體決策機制。為實現(xiàn)此目標，本研究以國內(nèi)知名的知識社區(qū)——知乎為例，聚焦專欄用戶群體，以50個活躍的專欄賬號組成典型案例集合，并試圖從案例中尋找并發(fā)式因果關系，回答哪些關鍵變量促成了高頻PGC決策？變量之間具有怎樣的相互聯(lián)系？這種決策是被哪些復雜的組合機制所激發(fā)？以期能對社交媒體運營者提出可供參考的建議。

1 ? ? ? 文獻綜述和理論模型

1.1 ? ? ? PGC決策的定義

學術文獻中尚無關于PGC決策的明確定義，但根據(jù)Kim ?J［ 3 ］的研究，PGC驅(qū)動的內(nèi)容服務有別于UGC的業(yè)余主義和民粹主義理念，具有專業(yè)化、商業(yè)化和廣告友好型的特征。他同時認為，社交媒體中的PGC和UGC共存，并與制度化媒體前景相協(xié)調(diào)，構成了一種“媒體融合”，而用戶將會意識到專業(yè)的和受版權保護的內(nèi)容越發(fā)占據(jù)主導地位。胡泳等[4]認為，就發(fā)展歷程來看，作為新興產(chǎn)物的UGC并沒有取代PGC，甚至還存在種向PGC回歸的趨勢。新舊媒體之間是相互協(xié)同、互相催化的，互聯(lián)網(wǎng)的去中心化也在重塑著傳統(tǒng)媒體的形態(tài)，使得它們不得不重視用戶反饋。

由此可見，學術界對PGC的共識有二：一是PGC和UGC存有交集，表明專業(yè)內(nèi)容生產(chǎn)者既是平臺用戶，也以專業(yè)身份貢獻內(nèi)容（如微博中的意見領袖、科普作家和政務微博）。二是PGC具有傳統(tǒng)媒體專業(yè)化、機構化和商業(yè)化等制度性特征（如YouTube平臺的機構主播、正版授權視頻、廣告運營分成）。根據(jù)此二點共識，本研究將PGC決策定義為少數(shù)具有身份識別特征的專業(yè)用戶，在社交媒體上生產(chǎn)具有商業(yè)價值的內(nèi)容并宣示版權的行為。而關于PGC決策的前因探究，在對既有文獻的歸納總結之上，本研究將從內(nèi)部因素和外部因素兩方面展開。

1.2 ? ? ? PGC決策的內(nèi)部因素

其一，PGC倚賴內(nèi)容生產(chǎn)者所擁有的專業(yè)知識，因此用戶對自身專業(yè)能力的評估決定了其PGC決策。Bandura ?A［ 13 ］指出，自我效能是指個人對自己解決未來問題的行動能力所作出的評估。個人的自我效能會決定其在應對行為中能夠持續(xù)多久的努力。Nguyen ?M等［ 5 ］通過實證研究發(fā)現(xiàn)，個人在專業(yè)學識上的自我效能是在線社區(qū)中用戶參與知識分享的重要決定因素。

其二，用戶為PGC決策所付出的努力，包括內(nèi)容本身及關系投資，形成了一種沉沒成本，一旦中途退出則不可回收，因此不得不持續(xù)進行PGC決策。Maier ?C等［ 14 ］通過研究Facebook用戶的行為發(fā)現(xiàn)，停止使用所導致的沉沒成本和轉換成本，會顯著減少不連續(xù)使用意圖?，F(xiàn)實中社交媒體平臺會通過一系列激勵措施主動培育能生產(chǎn)優(yōu)質(zhì)內(nèi)容的用戶，通過事先議定的條款約束PGC頻率和質(zhì)量，從而保證專業(yè)內(nèi)容的持續(xù)產(chǎn)出。一些“簽約大V” 看上去更像是社交媒體運營者雇傭的員工，而不是其服務的對象，而合約關系則意味著更高的退出成本［ 15 ］。

1.3 ? ? ? PGC決策的外部因素

社交媒體應用是基于社交網(wǎng)絡關系建立的，PGC用戶同時是具有影響力、擁有個人特色和眾多擁護者的“大V”，他們在社交網(wǎng)絡中處于中心地位，而這種地位則可能深刻影響其PGC決策［ 16-17 ］。網(wǎng)絡中心性是社交網(wǎng)絡的結構屬性，處于中心位置的個體對信息資源和社交關系具有控制權，展現(xiàn)了個體的地位和優(yōu)越性［ 18-19 ］。Freeman ?L ?C［ 20 ］將網(wǎng)絡中心性理解為三種維度：程度中心性、親近中心性和中介中心性。程度中心性反映個體的控制范圍和影響力，親近中心性反映個體之間相對距離和互動頻率，中介中心性反映個體是否占據(jù)人際連接的關鍵性位置，從而有能力操控資源流通［ 19-20 ］。研究表明，他人的態(tài)度或觀點會影響個人決策，用戶接受行為除了受個人決策風格和技術特點的影響外，更重要的是受到社會系統(tǒng)的影響［ 21 ］。由此可知，在社交媒體中，同是結構變量的網(wǎng)絡中心性也有可能會影響PGC決策。

除結構維度以外，社交網(wǎng)絡的關系維度同樣可能影響PGC決策。由于PGC決策是和個體參與互動以及和其他用戶維持社交關系的過程緊密相聯(lián)的。Nettleton ?D ?F等［ 22 ］指出社會資本是個體互動關系的產(chǎn)物，在社交網(wǎng)絡情境下，基于社交網(wǎng)絡用戶間的互動關系而產(chǎn)生的社會資本也具有一些新的特征。Luo ?C等［ 6 ］認為對于虛擬社區(qū)中的知識分享，聲譽是關鍵的推動因素之一。Hashim ?K ?F等［ 7 ］則建立模型，說明了用戶的持續(xù)知識共享意愿部分由信任和歸屬感等因素調(diào)節(jié)。PGC決策具有典型的知識分享特征，因此以上理論研究同樣適用于解釋PGC決策機制。

綜上所述，本研究提出PGC決策的影響因素模型（如圖1）。該模型假設，PGC決策受到內(nèi)部因素和外部因素的共同影響。其中，內(nèi)部因素包含自我效能和沉沒成本2個變量；外部因素包含網(wǎng)絡中心性、聲譽和平臺歸屬感3個變量。首先，這5個變量是不是影響PGC決策的前因條件；其次，這5個變量在邏輯上可能組合出32種不同的原因組合，經(jīng)過簡化后，什么樣的組合會最終導致高頻PGC決策這一結果，是本研究需要解決的兩個核心問題。

2 ? ?研究設計

2.1 ? ?研究方法：模糊集定性比較分析（fsQCA）

PGC決策機制是一個復雜的因果過程，是用戶自我效能、沉沒成本以及社交網(wǎng)絡的結構維度、關系維度等內(nèi)外因素的組合效應。換言之，單因素獨立影響結果這一假設可能并不成立，而是多因素的交互（作用包括替代、互補的機制）導致了結果發(fā)生。此外，不同的因素組合（構型）可能殊途同歸，但同一個構型內(nèi)部所含的各因素對PGC決策的影響方向可能并不一致。因此，為展現(xiàn)PGC決策因果關系的多樣性，本研究摒棄了傳統(tǒng)的基于方差分析的統(tǒng)計學方法，而采用基于構型理論的定性比較分析（QCA）方法來梳理現(xiàn)象背后復雜的因果關系［ 23 ］。具體而言，本研究使用fsQCA方法建模，用多因素構型來分別解釋PGC決策機制，在分析方法上有以下幾個特點：

首先，不同于統(tǒng)計學方法聚焦于解釋變量對結果變量的凈效應，fsQCA方法將所有前因變量視為原因條件，并挖掘?qū)е陆Y果發(fā)生的多個原因條件的構型［ 24 ］。本研究分析了5個前因變量的組合效應對實現(xiàn)高頻PGC決策這一結果的不同構型。其次，fsQCA方法充分利用了模糊集中集合隸屬的漸進變化，而二分類化中代表完全隸屬（1）和完全不隸屬（0）的兩種質(zhì)性狀態(tài)仍然被保留，使分析過程同時具備了定性和定量的屬性。本研究中的條件和結果都使用模糊集表述，而所有變量觀測值都通過錨點和校準，和模糊集隸屬關系建立了連接［ 25 ］。最后，fsQCA方法實施了相對精確的基于充分性和必要性的一致性評估，對確立該條件是否構成PGC決策的充分條件提供了嚴謹?shù)尿炞C過程［ 26 ］。

2.2 ? ?數(shù)據(jù)來源

按照媒體內(nèi)容所側重的不同信息形式劃分，目前國內(nèi)外社交媒體主要包括文本、圖像、音頻/視頻、交互式程序及其混合。為排除信息形式差別所帶來的影響，本研究特別關注了知乎專欄平臺，這一平臺主要側重的信息形式為文本、圖像和視頻。根據(jù)《知乎官方指南》，知乎專欄旨在為有意愿在特定主題下整合個人作品、輸出個人品牌的創(chuàng)作者提供寫作工具。從創(chuàng)建專欄的要求來看，專欄需要有明確的創(chuàng)作主題與寫作方向（如經(jīng)濟學、心理學、飲食、旅游等），而機構號在達到相應等級后也可申請開通專欄。專欄可以收錄和轉載創(chuàng)建者本人及其他共建用戶的作品，讓創(chuàng)作者能夠?qū)⒏嗲蓄}的內(nèi)容納入專欄。由此可見，知乎專欄具有典型的PGC社交媒體屬性，以知乎專欄賬號這一目標群體為本研究的數(shù)據(jù)來源，能夠充分保證QCA方法對“案例總體的充分同質(zhì)性”的要求，以排除其他背景因素的干擾［ 23 ］。

在案例的篩選上，本研究要求所有備選案例須同時滿足3個條件：（1）必須是專欄賬號；（2）必須提供“付費咨詢”服務；（3）專欄內(nèi)首篇文章的編輯日期必須在1年前。這樣篩選的理由有三：其一，要保證樣本用戶是PGC用戶；其二，用戶必須有內(nèi)容定價權，本研究需要以咨詢價格衡量該用戶對自我效能的評估；其三，PGC數(shù)量及成就會隨時間不斷累積，為消除時間過短的影響，必須盡量保證所有樣本用戶使用知乎專欄至少滿一年。此外，案例篩選還充分考慮了QCA方法對于“案例間的最大異質(zhì)性”要求，從條件變量到結果變量，都充分囊括“正面表現(xiàn)”和“負面表現(xiàn)”的案例［ 23 ］。

綜上，本研究根據(jù)下文設定的變量及測量依據(jù)，篩選了50個專欄賬號，組成了可供分析的案例集。案例數(shù)量（樣本量）已超過可能的條件邏輯組合數(shù)（50 > 32），案例數(shù)量和條件數(shù)量之間達到良好平衡［ 23 ］。

2.3 ? ?結果變量的測量

根據(jù)本研究對PGC決策的定義，樣本用戶發(fā)表的“專欄文章數(shù)”是最能代表其生產(chǎn)原創(chuàng)的有商業(yè)價值的內(nèi)容行為的觀測值。

2.4 ? ?條件變量的測量

由于原因構型的數(shù)量會隨變量增加而呈指數(shù)級增長，因此需要把條件數(shù)量保持在較小范圍，以規(guī)避有限多樣性問題。本研究的條件變量從主要影響PGC決策的內(nèi)部因素和外部因素中選取，共包含5個變量。

2.4.1 ? 自我效能

選取“咨詢定價”測量自我效能，因為這個指標是樣本用戶對所產(chǎn)出內(nèi)容的主觀定價，同時反映了其對自身專業(yè)能力的基于客觀價值的評估。

2.4.2 ? ?沉沒成本

選取“回答數(shù)”“文章數(shù)”“想法數(shù)”這3個指標綜合測量沉沒成本，因為這些指標均反映了樣本用戶長期累積的內(nèi)容產(chǎn)出總量，是其在平臺上投入時間和精力的客觀表現(xiàn)。

2.4.3 ? ?網(wǎng)絡中心性

從描述網(wǎng)絡中心性的3個維度出發(fā)，選取“被關注數(shù)”“近7天動態(tài)數(shù)”和“關注數(shù)”分別測量程度中心性、親近中心性和中介中心性。其中，“被關注數(shù)”直接描述了樣本用戶所能直接影響的其他用戶的數(shù)量規(guī)模；“近7天動態(tài)數(shù)”包含了最近一周內(nèi)用戶所有和內(nèi)容有關的行為記錄，不論是專業(yè)或非專業(yè)、生產(chǎn)還是消費，因而體現(xiàn)了其努力參與社交互動的頻率，能較好反映和其他用戶之間的親密程度；之所以選擇“關注數(shù)”測量中介中心性，是因為PGC用戶所關注的用戶更容易成為其他人紛紛關注的對象，從而體現(xiàn)了PGC用戶依靠專業(yè)影響力和聲譽充當信息中介的程度。

2.4.4 ? ?聲譽

本研究選取“優(yōu)秀答主稱號數(shù)”“被平臺收錄次數(shù)”“被贊同次數(shù)”3個指標綜合測量聲譽，因為這些指標均能代表樣本用戶收到的來自平臺及其他用戶的認可，能充分反映其在專業(yè)領域所積累的聲譽。

2.4.5 ? ?平臺歸屬感

本研究選取“參與公共編輯次數(shù)”測量平臺歸屬感，因為這個指標反映了樣本用戶將自己視作平臺一份子并努力承擔平臺公共事務的努力程度，是其劃定、認同和維系自己和平臺之間從屬關系的客觀表現(xiàn)。

2.5 ? ?數(shù)據(jù)的標準化

由于沉沒成本、網(wǎng)絡中心性、聲譽均由多個不同量綱的二級指標合成，因此要對樣本數(shù)據(jù)進行標準化處理。學者葉宗裕［ 27 ］建議，當綜合評價的指標值都是客觀數(shù)值時，應用均值化法（即：Zij = ■）對指標去量綱化，以盡量保留變異信息。而且，為了方便后續(xù)進行模糊值校準，也有必要盡量保留變異性。

此外，不同二級指標也應根據(jù)構念本身的內(nèi)涵或指標所包含的信息量被賦予不同的權重。本研究結合平臺實際，對均值化后的相關二級指標再進行主觀賦權。其中，回答數(shù)、文章數(shù)、想法數(shù)分別賦予0.3、0.6、0.1的權重，以體現(xiàn)被動創(chuàng)作與主動創(chuàng)作、內(nèi)容長短的區(qū)別；被關注數(shù)、近7天動態(tài)數(shù)、關注數(shù)分別賦予0.5、0.3、0.2的權重，以體現(xiàn)網(wǎng)絡中心性三個維度的重要性差異；優(yōu)秀答主稱號數(shù)、被平臺收錄次數(shù)、被贊同次數(shù)分別賦予0.3、0.2、0.5的權重，則是基于平臺評價和用戶評價并重的考慮。最后，將所有變量的均值調(diào)整為100，僅保留整數(shù)位，如表1所示。

2.6 ? ?錨點和模糊值校準

校準是研究者根據(jù)相關理論和實際標準對案例數(shù)據(jù)進行轉換，使隸屬分數(shù)刻度化，從而以“部分隸屬”解決清晰集構型分析中存在的過于質(zhì)性化的問題。根據(jù)Ragin C C［ 24 ］的建議，在fsQCA方法中，必須先找出3個定性的錨點，建立連續(xù)變量得分與模糊集隸屬間的關系。這3個錨點分別是：完全隸屬（1）、交叉點（0.5）和完全不隸屬（0）。參考Fiss P C［ 28 ］、Coduras A等［ 29 ］的研究，分別以案例數(shù)據(jù)的上四分位數(shù)、均值以及下四分位數(shù)設定錨點（如表2所示），并利用fsQCA 3.0軟件進行校準。

2.7 ? ?計算與結果相一致的構型

通過校準程序，所有變量下的案例數(shù)據(jù)已被轉換為相應的模糊子集，利用fsQCA 3.0軟件的真值表運算，能將這些模糊子集組合成若干種構型，并篩選出與結果相一致的構型。根據(jù)Ragin C C［ 24 ］的建議，本文將一致性閾值設定為0.8，案例頻數(shù)閾值設定為1，計算出三種解：復雜解、中間解以及簡約解。復雜解（Complex Solution）沒有借助任何邏輯余項（Logical Remainder，即反事實案例）化簡，所得構型比較復雜，不利于后續(xù)分析；簡約解（Parsimonious Solution）是借助邏輯余項導出的最小公式，但沒有對邏輯余項的合理性做出任何評估，因而有可能將重要的必要條件也忽略掉；中間解（Intermediate Solution）介于兩者之間，因而更受研究者青睞［ 30 ］。因此，本研究側重對中間解所包含的構型進行說明，并揭示其中暗含的管理意義。

3 ? ?分析結果

高頻PGC決策構型簡約解計算結果如表3所示，中間解計算結果如表4所示。

注：表示條件變量出現(xiàn)，表示條件變量缺席；圖標大小反映該條件是否核心條件。

結合簡約解計算結果（表3），有助于標記結果發(fā)生的核心條件，但本研究選取中間解（表4）對高頻PGC決策的原因構型進行說明。

由表4可知，模型的總體覆蓋度為0.72，說明本研究中有72%的案例僅需用表4中所列出的5種構型解釋。由于構型中所包含的原因是導致結果發(fā)生的充分非必要條件，而本研究假設的5個變量均被包含在構型中，所以這5個變量均可以視作結果發(fā)生的前因，說明本研究建立的理論模型成立。模型的總體一致性和各構型的一致性分數(shù)均在0.8以上，說明各構型所代表的模糊子集被包含于結果中的程度較高，較好地解釋了構型中的因果關系。

圖2分別展示了構型1～4中的案例分布，橫坐標為案例在對應構型所表示的模糊子集中的隸屬程度，縱坐標為案例在結果中的隸屬程度。

圖2顯示，各構型中均只有少數(shù)案例在該子集的隸屬分數(shù)明顯大于其在結果中的隸屬分數(shù)，大多數(shù)案例都落在上三角區(qū)域中，說明案例數(shù)據(jù)為因果關系提供了較好支持。

結合變量的涵義，下面分別對4種構型分別進行說明：

構型1（SEF*NTC*REP）表明，處于網(wǎng)絡中心位置的用戶的高頻PGC決策，可以通過不斷提高的自我效能及逐漸累積的聲譽實現(xiàn)，其中高自我效能和處于網(wǎng)絡中心位置是最主要的原因組合。此結論覆蓋了35%的案例。

構型2（SEF*SKC*REP*～BLG）表明，在用戶對平臺缺少歸屬感的情況下，自我效能、沉沒成本和聲譽這3個因素的高水平表現(xiàn)，也會導致高頻PGC決策。此結論覆蓋了22%的案例。

構型3（～SEF*SKC*REP*BLG）表明，在用戶自我效能不高的情況下，沉沒成本、聲譽和平臺歸屬感這3個因素的高水平表現(xiàn)，也會導致高頻PGC決策。并且，高沉沒成本和對平臺的強歸屬感是最主要的原因組合。此結論覆蓋了28%的案例。

構型4（SEF*SKC*NTC*BLG）表明，高自我效能、高沉沒成本、處于網(wǎng)絡中心位置、對平臺有強歸屬感這4個核心條件，共同導致了高頻PGC決策。此結論覆蓋了25%的案例。

4 ? ?管理啟示

本研究所關注的所有5個變量對PGC決策的正向影響，全部被分析結果證實，并且得到了變量之間以何種組合效應導致PGC決策的有關結論。這些結論對專業(yè)用戶的高頻PGC決策提供了理論解釋，并給運營者提供了重要的實踐參考，具體由以下4個方面詳述：

4.1 ? ?用戶自我效能提升策略

由構型1和構型4可知，高自我效能和處于網(wǎng)絡中心位置是導致高頻PGC決策最主要的原因組合之一，說明對于平臺的中心用戶，正向刺激其自我效能是一種重要的激勵手段。根據(jù)Bandura的自我效能四因素研究，管理者應從四個方面提升中心用戶的自我效能，以促進PGC決策：其一，通過“平臺認證，用戶背書”的方式強化中心用戶對自身專業(yè)經(jīng)驗或成就的認可。平臺應通過社交應用中的各種有形展示（如稱號認證、專業(yè)資質(zhì)認證、技能認可、成就勛章、特定領域貢獻獎項或排名等）強調(diào)中心用戶的身份差異。其二，在內(nèi)容社區(qū)中以少部分特別杰出的用戶建立成就模型，給其他中心程度尚可提升的用戶提供替代經(jīng)驗，傳達“他的成功可以復制”的重要觀念，對激勵PGC決策非常有效。其三，平臺要盡量避免對專業(yè)創(chuàng)作不利的消極討論氛圍（如無利可圖、炫技、內(nèi)卷之類的話題），平臺管理者應引導對專業(yè)創(chuàng)作有利的話題傾向（如互惠互利、思想碰撞等話題），因為勸阻自我效能的言語說服通常比鼓勵增加它更有效。其四，平臺應有措施降低中心用戶在社交媒體使用中的疲勞感、緊張感和焦慮感。

此外，由構型2可知，對所有用戶而言，高自我效能也是高頻PGC決策重要的輔助條件。事實上，社交平臺可以幫助所有用戶提升自我效能。即便是中心程度不高的用戶，通過大量關注特定專業(yè)領域的信息也可不斷成長，積累鑒別和歸總專業(yè)內(nèi)容的經(jīng)驗，而這將大大提高高頻PGC決策的概率。此外，對平臺欠缺歸屬感的用戶在承受著更小的疲勞感和焦慮感，其自我效能因此而提高，也有助于實現(xiàn)高頻PGC決策，這和構型2中平臺歸屬感的缺席也不謀而合。

4.2 ? ?用戶聲譽累積策略

構型1強調(diào)了聲譽累積對中心用戶高頻PGC決策的輔助作用，而構型2、構型3也表明，聲譽的作用其實對所有用戶都適用，此結果有利于PGC決策的維持。由于聲譽屬社會資本的關系層面，因此用戶聲譽累積策略，應著重展示用戶基于本平臺的社交關系中所獲得的經(jīng)驗和成就。目前平臺主要的認證方式仍是學歷證書、專業(yè)資格證書或用戶所屬單位人事部門開具的證明等，雖然這些方式有一定的社會公信力，但沒有利用好本平臺既有的關系資源。用戶在一個平臺上所發(fā)生的長期活躍行為和關系互動行為，必然累積了大量的專業(yè)經(jīng)驗和成就，這些不僅是用戶的資本，對平臺而言，也是不容小視的社會資本，是平臺在專業(yè)領域的社會公信力日益增長的前提。因此，平臺運營應開發(fā)出基于本平臺的聲譽評價體系及指標，并積極拓展其社會影響力。本研究關注的知乎平臺所推出的優(yōu)秀答主、知乎收錄、專業(yè)徽章等應用和功能就是這類聲譽評價體系的具體實踐。只有基于本平臺建立具有社會影響力的專業(yè)聲譽認證機制，才能最有效地維持高頻PGC決策。

4.3 ? ?沉沒成本有形化策略

由構型2可知，對于缺乏歸屬感的用戶而言，高沉沒成本是實現(xiàn)高頻PGC決策的輔助條件。構型3和構型4也說明，對于缺乏高自我效能的用戶，以及平臺的中心用戶而言，高沉沒成本都是實現(xiàn)高頻PGC決策的核心條件。因此，強化用戶對沉沒成本的感知對維持高頻PGC決策是可行策略。對那些缺乏歸屬感的用戶，平臺可通過將用戶感知的沉沒成本有形化，以減少其轉換至其他競爭對手平臺的可能性，幫助提高其在本平臺上進行高頻PGC決策的概率；對那些缺乏自我效能的用戶，沉沒成本有形化是用戶建立專業(yè)自信的重要依據(jù)和替代途徑，所謂“久病成良醫(yī)”；而對于中心用戶，沉沒成本有形化更是持續(xù)高頻PGC決策的重要原因。用戶在平臺上所投入的時間和精力，會形成大量的數(shù)據(jù)，如日志歸檔、相冊、播單、收藏夾、好友關系、內(nèi)容消費記錄、沉迷時間等，對這些數(shù)據(jù)的合理使用，是沉沒成本有形化的突破口。平臺應將這些數(shù)據(jù)可視化，并提供科學的價值評估，以一定的頻率展現(xiàn)在用戶眼前，幫助用戶更好地衡量中途退出的成本代價。目前許多社交媒體平臺推出的年終總結、年度賬單、心路歷程、賬號價值等小策劃都帶有將沉沒成本有形化的目的。

4.4 ? ?平臺歸屬感鞏固策略

由構型3可知，對于缺乏自我效能的用戶，對平臺的強歸屬感對高頻PGC決策起到關鍵作用。構型4也說明，對中心用戶而言，歸屬感也是高頻PGC決策的關鍵因素。因此，運營者必須重視用戶對平臺的認同感和歸屬感，建立用戶和平臺之間的穩(wěn)定聯(lián)系。這一鞏固策略可以從內(nèi)外兩方面展開：對內(nèi)可和前面提到的平臺聲譽認證和評價機制相結合，通過固化的合約關系或有形展示，增強用戶對平臺的認同；對外則可周期性發(fā)布或即時推送來自其他用戶或外界的內(nèi)容請求、外包項目或就業(yè)信息，以幫助這些PGC用戶及時獲得將專業(yè)知識變現(xiàn)的機會，使其和平臺形成利益共同體，繼而鞏固其對平臺的歸屬感。本研究關注的知乎平臺所推出的簽約作者、邀請回答、公共編輯、知乎仲裁官等規(guī)則和功能，就是平臺歸屬感鞏固策略的典型嘗試。

5 ? ?結論和研究展望

本研究以知乎專欄為例，通過fsQCA方法，系統(tǒng)討論了包含自我效能、沉沒成本、網(wǎng)絡中心性、聲譽和平臺歸屬感等變量和PGC決策之間的因果構型，找出了用戶高頻PGC決策的關鍵原因，厘清了這些原因于激發(fā)這種決策背后的四種組合機制：（1）中心用戶的高頻PGC決策，可由高自我效能及高聲譽實現(xiàn)；（2）對平臺缺少歸屬感的用戶，其高頻PGC決策可由高自我效能、高沉沒成本和高聲譽實現(xiàn)；（3）低自我效能用戶的高頻PGC決策可由高沉沒成本、高聲譽和平臺強歸屬感實現(xiàn)；（4）高自我效能、高沉沒成本、中心位置、平臺強歸屬感這4個核心條件，共同導致了高頻PGC決策。在此基礎上，本文進一步闡述了其對社交媒體運營的實踐意義和管理思路，并提出用戶自我效能提升策略、聲譽累積策略、沉沒成本有形化策略、平臺歸屬感鞏固策略等四種策略。

當然，本研究也存在一些不足之處。首先，從研究方法看，fsQCA方法雖然有助于探究前因變量的組合效應，但還是基于小樣本的案例分析，如需更有說服力的實證數(shù)據(jù)，更多地還是會借助結構方程模型和定量統(tǒng)計方法。其次，從研究結論看，本研究選擇的5個條件變量，分散開來概有文獻支持，但還是缺乏整體上的理論模型基礎，后續(xù)研究應進一步通過嚴格的實證過程證明這些因果構型的穩(wěn)定性和可靠性。

參考文獻：

［1］ 黃再勝.數(shù)據(jù)的資本化與當代資本主義價值運動新特點［J］.馬克思主義研究，2020（6）：124-135.

［2］ Memarovic N. Public photos， private concerns： uncovering privacy concerns of user generated content created through networked public displays［C］// International Symposium on Pervasive Displays. ACM， 2015： 171-177.

［3］ Kim J. The institutionalization of YouTube： From user-generated content to professionally generated content［J］. Media， Culture & Society， 2012， 34（1）：53-67.

［4］ 胡泳，張月朦.互聯(lián)網(wǎng)內(nèi)容走向何方？——從UGC、PGC到業(yè)余的專業(yè)化［J］.新聞記者，2016（8）：21-25.

［5］ Nguyen M， Malik A， Sharma P. How to motivate employees to engage in online knowledge sharing？ Differences between posters and lurkers［J］. Journal of Knowledge Management，2021，25（7）：1811-1831.

［6］ Luo C， Lan Y， Luo X， et al. The effect of commitment on knowledge sharing：an empirical study of virtual communities［J］. Technological Forecasting and Social Change，2021，163：120438.

［7］ Hashim K F， Tan F B. The mediating role of trust and commitment on members continuous knowledge sharing intention： a commitment-trust theory perspective［J］. International Journal of Information Management，2015，35（2）：145-151.

［8］ 楊琳.知識變現(xiàn)背景下數(shù)字出版平臺的商業(yè)探索路徑——以知乎的整合營銷傳播模式為例［J］.出版廣角，2020（4）：55-57.

［9］ 郭宇，郭勇，趙宇翔.內(nèi)容還是情境：在線用戶知識付費行為機理研究——一項基于CCC-B框架的組態(tài)分析［J］.圖書情報工作，2020，64（1）：120-130.

［10］ 董柳.危機傳播視域下移動新聞客戶端突發(fā)事件直播報道現(xiàn)狀與策略研究［D］.重慶：重慶工商大學，2018.

［11］ 嚴煒煒，孫曉瑞，黃為.干貨足否：知識直播產(chǎn)品特征提取與問題挖掘［J］.圖書情報知識，2021，38（4）：4-14.

［12］ Ragin C C. The limitations of net-effects thinking［M］//Rihoux B，Grimm H. Innovative Comparative Methods for Policy Analysis： Beyond the Quantitative-Qualitative Divide. Boston， MA： Springer US，2006：13-41.

［13］ Bandura A. Self-efficacy： the exercise of control［M］. New York： W H Freeman/Times Books/ Henry Holt & Co，1997.

［14］ Maier C， Laumer S， Weinert C， et al. The effects of technostress and switching stress on discontinued use of social networking services： a study of Facebook use［J］. Information Systems Journal，2015，25（3）：275-308.

［15］ 張一鳴.悟空問答簽約知乎平臺300多個大V張一鳴：“我們只是鼓勵創(chuàng)作”［J］. 計算機應用文摘，2017（18）：66-66.

［16］ 宋玲玲.新興稱謂“大V”的多視角研究［J］.寧夏大學學報（人文社會科學版），2021，43（4）：49-53.

［17］ 張璐，陳宇，景嘉欣，等.基于文本分析的人物畫像技術研究——以知乎大V為例［J］. Software Engineering and Applications，2020（9）：201.

［18］ Golbeck J. Introduction to Social Media Investigation［M］. Boston： Syngress，2015：221-235.

［19］ Hansen D L，Shneiderman B，Smith M A，et al. Analyzing social media networks with NodeXL［M］ Second Edition. San Francisco： Morgan Kaufmann， 2020： 161-178.

［20］ Freeman L C. Centrality in social networks conceptual clarification［J］. Social networks，1978，1（3）：215-239.

［21］ Young H P. Individual strategy and social structure［M］. Princeton：Princeton University Press，2020.

［22］ Nettleton D F， Salas J. A data driven anonymization system for information rich online social network graphs［J］. Expert Systems with Applications，2016，55：87-105.

［23］ Rihoux B，Ragin C C. QCA設計原理與應用：超越定性與定量研究的新方法［M］.杜運周，李永發(fā)，譯.北京：機械工業(yè)出版社，2017.

［24］ Ragin C C，Patros T，Strand S I，et al. Users guide to fuzzy-set/qualitative comparative analysis 3.0［M］. Irvine：Department of Sociology University of California，2017.

［25］ Ragin C C. Redesigning Social Inquiry：Fuzzy Sets and Beyond［M］. Chicago：University of Chicago Press，2008.

［26］ Ragin C C. Set relations in social research：evaluating their consistency and coverage［J］. Political Analysis，2006，14（3）： 291-310.

［27］ 葉宗裕.關于多指標綜合評價中指標正向化和無量綱化方法的選擇［J］.浙江統(tǒng)計，2003（4）：25-26.

［28］ Fiss P C. Building better causal theories： a fuzzy set approach to typologies in organization research［J］. Academy of Management Journal，2011，54（2）：393-420.

［29］ Coduras A， Clemente J A， Ruiz J. A novel application of fuzzy-set qualitative comparative analysis to GEM data［J］. Set-Theoretic research in business，2016，69（4）：1265-1270.

［30］ Ragin C C， Sonnett J. Between complexity and parsimony： limited diversity， counterfactual cases， and comparative analysis［M］//Kropp S，Minkenberg M. Vergleichen in der Politikwissenschaft. Wiesbaden：VS Verlag für Sozialwissenschaften，2005： 180-197.

How Does A Social Media Maintain High-Frequency PGC：

A Fuzzy-set Qualitative Comparative Analysis to Zhihu Columns

LI ?Zhuoqun

（School of Economics and Management， Jingchu University of Technology， Jingmen 448000， China）

Abstract：Under the trend that social media explores institutionalized operation of content， professionally generated content （PGC） has become the typical way and the foundation of social media content output. This research is based on qualitative comparative analysis using fuzzy sets （fsQCA）， professional users of social media are taken as the research object， and data of 50 columnist accounts are gathered from Zhihu.com to explore the main factors and causal configuration conditions of PGC decision making， and to analyze the complex interaction mechanism of self-efficacy， sunk cost， network centrality， reputation and sense of belonging on PGC decision-making， and then four main configurations of high-frequency PGC decision-making are discovered： 1） Central-located users high-frequency PGC decisions can be achieved with high self-efficacy and good reputation; 2） Users with lack a sense of belonging to the platform， their high-frequency PGC decisions can be achieved with high self-efficacy， high sunk costs， and good reputation; 3） Poor self-efficacy users high-frequency PGC decision can be realized by high sunk cost， good reputation and strong sense of belonging; 4） Four core conditions of high self-efficacy， high sunk cost， central position， and strong sense of belonging， which together lead to high-frequency PGC decision. According to the analysis results， this paper also proposes self-efficacy promotion strategy， reputation accumulation strategy， sunk cost tangible strategy， and sense of belonging enhancement strategy for social media users as concrete recommendations and measures for the content operations management.

Key words：social media; PGC; configuration; fuzzy sets; qualitative comparative analysis