旅游局官方微博转发的影响因素调查

旅游局官方微博转发的影响因素调查

ID:19250877

大小:62.00 KB

页数:8页

时间:2018-09-30

旅游局官方微博转发的影响因素调查_第1页
旅游局官方微博转发的影响因素调查_第2页
旅游局官方微博转发的影响因素调查_第3页
旅游局官方微博转发的影响因素调查_第4页
旅游局官方微博转发的影响因素调查_第5页
资源描述:

《旅游局官方微博转发的影响因素调查》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、旅游局官方微博转发的影响因素调查  引言  微博以极简的内容、去中介化的沟通形式、即时发布的便捷性使在线信息传播实现了飞跃式的发展,同时也引起了旅游管理部门的广泛关注。各省市旅游局积极响应,纷纷以灵活的形式、丰富的内容在微博平台开展目的地营销推广工作。如今,旅游政务部门通过微博进行营销的行为已经得到了充分认可,随之出现的一些研究成果也在一定程度上奠定了理论基础。微博课题组以北京市东城区旅游局官博的运营为例,探讨了政府旅游部门通过微博进行区域旅游资源营销的有效路径,并提出了多种营销策略[1]。李炳义和王仲迅认为,微博可以较低的成本迅速传播旅游形象

2、,并通过阅读新浪微博上粉丝数量排名最高的5个旅游机构官方微博发布的消息,总结出这些机构在微博上所采取的推广策略[2]。总体来看,针对旅游局官博的研究尚处于探索阶段,多数研究角度较为宏观,缺乏细致化、深入性的分析探讨。  本文以微博转发为切入点,对旅游局官博展开分析研究。微博转发是信息得以扩散的关键,是信息增值的体现,同时也是信息受众与发布主体互动的重要形式,信息的影响力由此形成。博伊德等(Boyd,etal.)认为转发不只是一种信息传播行为,也是一种组织体系,人们可以通过这一组织体系参与到话题中来,且转发行为体现了对原着者的认可,同时也是与他人

3、建立联系的方式,它涉及原着者、信息属性和交际忠诚度,因此是一种值得研究的重要行为[3]。徐等(Suh,etal.)选取了一系列语言无关性变量来分析影响微博转发的因素,发现文本特征和社会关系特征都会对转发形成一定影响[4]。纳卡拉简等(Nagarajan,etal.)以热门事件微博为研究对象,定性分析了不同转发结构与微博内容之间的关系及成因[5]。欧和阮(OhNguyen)在与同类研究进行对比的基础上,构建了基于转发的评价微博影响力的新型标准,该标准重在关注高价值信息的生成[6]。藤木等(Fujiki,etal.)认为能够引起非原着者粉丝,即间接

4、受众产生转发行为的微博更具有价值,并提出了针对微博内容的无偏评价方法,通过该方法可以提取对于间接受众具有价值的微博[7]。  阿兹曼等(Azman,etal.)认为微博的转发可以通过隐性的、非正式的方式实现,并提出了基于TanHerbrich)利用概率协同算法预测转发行为,发现原着者和转发者属性对于预测具有非常重要的影响[9]。洪等(Hong,etal.)以转发作为衡量热门信息的标准,并采用机器学习技术预测信息在未来得到转发的可能性以及转发程度。彼得洛维奇等(Petrovic,etal.)首先通过人工实验证明了预测转发的可行性,后利用基于pas

5、sive-aggressive算法的机器学习模型进行预测,发现预测结果受到社交属性特征的控制,但文本特征对模型做出了巨大的推动[11]。  国内关于微博转发的研究尚处于起步阶段,多集中于信息传播模式、形态和热门事件信息传播结构的探讨[12-16]。此外,一些研究探讨了微博转发行为的意愿和动机,如厉钟灵研究了感知信息质量、信任以及感知风险对用户转发意愿的影响[17],孙会和李丽娜运用内容分析法研究高转发微博的文本特征、类型以及用户转发动机[18]。也有一些研究涉及微博信息转发对于他人态度的影响,如蔡希子以不确定性降低理论与详尽可能性模型为基础,研

6、究了消费者态度如何受微博营销信息的评论与转发的影响[19]。另有少量研究涉及转发的预测问题,如张旸等以T),自变量X=(x1,x2,,xn),P为模型的响应概率,相应的多分Logistic回归模型如下:  式中,pi为事件yi发生的概率(1≤i<m),pm为参照事件ym发生的概率,且p1+p2+...+pm=1。此外,当xj为非对照时取值1,为对照时取值0[23-25]。本研究采用SPSS19.0进行多分Logistic回归分析。  1.3变量选择与处理根据相关研究    [4,20,26-28]和长期对于新浪微博、旅游局官博的观察分析,

7、确定以用户特征、文本特征和内容特征为变量类型。用户特征主要包括粉丝数、关注数、日均发博数和地理分区,文本特征主要包括发博日期和时间、标识、链接、表情、话题、微栏目、图片、视频和音频,内容特征主要包括内容类型,共计15个影响因素。  因本研究的各影响因素更适合作为名义变量,故将变量值进行适当处理、转化,结果见表1。整体研究样本的平均转发频次为28,故以28为界线划分高级转发和普通转发,分别赋值1和2,并将零转发微博单独划分一个水平作为对照组,赋值3。粉丝数、关注数和日均发博数以19个旅游局官博的平均水平为划分界线;地理分区根据各旅游局的地理区位进

8、行划分;发博日期根据五一小长假情况,分成前、中、后3个阶段,计算各阶段的平均转发频次,其值最小者赋值3,以便在多分Logistic回归中设置参照组;研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。