（二）“人民网”不同类型宣传类微博的传播效果比较

微博3、微博4的类型和传播意图各不相同，“点赞数”较为接近，从传统的测量指标出发很难比较二者的传播效果。但按照本研究构建的测量模型，可从社会网络的层面对其传播效果进行比较。根据对两条微博评论内容的初步观察，研究提出：

假设2：微博3的传播效果优于微博4。

（1）微博3：“受众-观点”网络

微博3下方评论的观点主要有5种：

观点1，认可、支持；观点2，反对（创业难、服务业辛苦等）；观点3，探讨国企问题（工资低、稳定等）；观点4，调侃、讽刺、谩骂；观点5，无关。部分矩阵如表6所示：

通过Ucinet进行各项运算后得到，微博3的网络规模（Size）为244，网络密度（Density）为 0.2090，各观点的相对度数中心度如表7所示，其中符合传播意图的是“观点1”，即认可人民网对于创业政策的宣传，支持年轻人创业，其值为0.377。故，微博3的传播效果值为（244，0.2090，0.377）

同样将微博3的网络进行可视化操作，得到图4：

如图所示，尽管持认同观点（观点1）的受众在网络中居于核心地位，但这种地位并不是压倒性的，它受到观点2、观点4两个次级核心的干扰。围绕在观点2周围的受众普遍认为，创业并没有人民网宣传的那么简单，卖煎饼这种饮食服务业也很辛苦，不少受众直言不会“受骗”去创业。而持观点4 的受众则将话题转移到国企上，完全偏离了对“创业”政策的讨论。

从整体上看，微博3的网络较为稀疏，观点和观点之间仅通过少数几个点相连接，甚至出现了观点5这种孤立的观点群。这说明受众在微博3下方的讨论呈现出一种自说自话的态势，受众按照观点形成了一个个固化的圈子，缺乏必要的交流。通过该条微博，人民网不仅没有让受众对“创业”产生认同感，反而让舆论变得更加杂乱，当评论出现众声喧哗且难以交流的情况时，原微博的传播效果就会大打折扣。

（2）微博4：“受众-观点”网络

微博4下方评论的观点主要有6种：

观点1，认可、支持；观点2，反对；观点3，讨论受到讹诈的风险；观点4，讨论对诈骗行为的惩处；观点5，调侃、讽刺、谩骂；观点6：完全无关的评论。部分矩阵如表8所示：

计算结果显示，微博4的网络规模为129，网络密度为 0.1835，各观点的相对度数中心度如表9所示，其中符合传播意图的是“观点1”，即认可人民网对于“扶老人不会被讹”的正面宣传，为扶老人的市民点赞，其值为0.411。故，微博4的传播效果值为（129，0.1835，0.411）。

同样将微博4的网络进行可视化操作，得到图5：

如图所示，微博4的“受众-观点”网络异常松散，整个网络分为3个部分：观点1、2、3、6连接形成的“聚合体”，以及与“聚合体”割裂开来的观点4和观点5。而“聚合体”本身也是极其脆弱的，四种观点之间仅通过No.4、No.27、No.121三个受众相连，一旦这三个受众退出讨论，网络就将分崩离析，成为6个互不相干的“观点孤岛”。实际上，除了围绕在观点1周围的53人以外，绝大多数参与讨论的受众都没有步入人民网搭建的讨论“轨道”，他们或反对扶老人，惧怕被讹诈，或以“河南人”为由，开“地图炮”，言论逐渐沦为无谓的调侃和谩骂，在这种情况下，舆论引导的目标必然难以达成，甚至会因“地域歧视”言论的产生带来负作用。

（3）比较微博3、微博4的传播效果值

微博3的传播效果值为（244，0.2090，0.377），微博4的传播效果值为（129，0.1835，0.411）。比较可得，在改变受众认知层面，微博3（0.377）、微博4（0.411）的相対度数中心值相近，微博4略高。但微博3抵达的受众群几乎微博4的两倍，其展开的讨论也比微博4更加紧密，综合来看，微博3的传播效果更好，假设2成立。

四、结论

通过引入社会网络分析的概念、方法，本文构建了以网络规模（Size）、网络密度（Density）、相对度数中心度（NrmDegree）三个值为指标的传播效果测量模型。其中，规模代表传播内容抵达的实际受众数，密度反映受众讨论的集散趋势，相对度数中心度则直观体现着传播者在改变受众态度、乃至行动方面的成效。三个指标共同解释了“传播效果值”这个概念，单条微博的传播效果与三个指标的大小成正比。

同时，四条微博实例的运算暴露出传统的微博传播效果测量方式的弊端，点赞、转发、评论的数值所提供的信息无法与传播效果划等号，忽视受众真实反映的计量方法也过于简化，容易遗漏“反对观点”、“无关谩骂”等与受众认知、态度、行为紧密相连的重要信息。比起以“点转评”来衡量传播效果的传统方法，对评论内容加以社会网络分析能够更加准确的量化传播效果，统一的计量标准使不同内容之间的传播效果得以比较，网络的可视化操作也便于研究者对传播效果进行更为细致的阐释。总而言之，该测量模型无疑是可行的。

五、研究局限与不足

本研究的局限与不足主要有四点：

其一，本研究构建的传播效果测量模型具有局限性，它仅能用于测量相同平台上的传播内容，不同新媒体平台由于受众群体不尽相同，干扰因素过多，无法进行比较。其次，由于该测量模型需要收集受众评论的数据，那些无法评论或评论存在筛选情况的传播内容则无法测量。

其二，本研究在统计受众评论时，仅能筛除某些受众多次发表相同观点的刷屏言论，但难以完全回避水军和营销号的干扰，这可能对传播效果测量的可信度造成负面的影响。

其三，本研究的数据收集方式以人工为主，统计工作较为繁琐，不适合评论数过多的传播效果测量，也存在受主观因素影响的可能性。后续的研究可以尝试运用爬虫、语义分析软件来收集数据、为观点分类，提高该传播效果测量模型的科学性。

其四，本研究关注的是“受众评论内容”这个单一维度，仅仅是传播效果测量的“冰山一角”，未能形成完整的传播效果测量指标体系，对于“线下行为”的量化以及更多合理指标的择取还有待进一步探索。 

分享让更多人看到