社交媒體傳播中的“影響力圈層”效應

徐翔??

社交媒體的有效傳播中，傳受關系并不是發(fā)散態(tài)的，而是傾向于傳者和受眾在相同或相近“影響力層級”間的傳播，形成趨同和趨近的“影響力流動圈”。在社交媒體的有效信息流動中，受眾最有可能對和自己的影響力層級相近的傳者進行反饋，傳者得到的反饋最有可能來自和自己的影響力層級相近的受眾。社交媒體中這種圈層和等級通路的形成，不僅與線下實體因素及社會屬性的作用有關，也基于線上特征的“影響力層級”和話語圈層。對Twitter， YouTube， Google+， Flickr這四種在國際具有重要性和代表性的不同類型的社交媒體樣本，通過傳受雙向關聯性、受傳關聯性、傳受關聯性等方式，計算和檢驗“影響力圈層”結構與層級相關性。結果顯示，“影響力圈層”在所考察的幾種典型媒體中都是存在和顯著的。社交媒體研究需充分重視傳受關系和傳受結構中的“影響力圈層”效應和機制，以及在這種結構背景下的信息流動有效性和話語傳播規(guī)律。

社交媒體；傳受關系；影響力層級；受眾

G206.3A004811

一、 引論與問題的提出

新媒介環(huán)境下，強勢崛起的社交媒體如Twitter、微博等，推動著“人人都有麥克風”的公眾傳播和“參與文化”（participatory culture），公共領域中的表達和接收也似乎顯得更為自由發(fā)散和去中心化。在這種新語境下的傳受關系中，誰都可以作為傳者發(fā)聲，具有豐富性和異質性的受眾也可以自主選擇、收聽各種傳者。例如有研究者關于微博等自媒體指出，“用戶可以選擇關注自己想關注的對象，這些關注對象來自于社會各個階層”[1]。有學者認為，“微博、網絡論壇等新媒體平臺，使不同階層、不同社會地位的人群之間產生更廣泛的對話，彼此做出反饋”[2]。由于傳者可以對幾乎任何層級、偏好、群體的受眾進行傳播，而受眾也可以對任何“大V”或“草根”的帖子進行留言或點贊，那么傳者和它們的受眾之間是散布態(tài)、自由性的對應關系，而似乎不存在類近層級的同質結構。

本文的核心觀點是：社交媒體的有效傳播中，傳受關系并不是發(fā)散態(tài)的，而是具有傳者和受眾之間的層級相近性，形成一種趨同和趨近的“影響力流動圈”。更具體地說，傳者在網絡的影響力水平和地位，與其吸引什么樣的影響力水平的受眾密切相關；同時，受眾也更傾向于對影響力相近的傳者層級進行信息反饋和傳播反饋，形成有效傳播通路。由此，存在著傳受者在影響力層級的相對同質性和區(qū)隔性，形成社交媒體有效信息流通中的“影響力圈層”現象和內在機制。

社交媒體“影響力圈層”的明確和提出，在主要意義上是源自網絡影響力等在線和準虛擬特征作為網絡傳受關系之間的約束性和內在機制并未得到重視和足夠關注。網絡的影響力是一種在線社會區(qū)隔的分化維度，形塑著社交媒體信息在傳受者之間的有效傳播通路。影響力圈層不同于網絡“圈子”或網絡社群、“分眾化”受眾和傳播等概念和實踐的指向，有其自身的闡釋特征和內蘊訴求。

其一，社交媒體“影響力圈層”不是基于線下社會屬性的層級劃分，例如實體的社會階層和地位差異、現實中的身份和話語權的區(qū)分，而是指向線上影響力和話語等級間的話語關系。在現有的研究中，多從社會實體因素來對社交媒體中的“社會資本”進行分析，而基于線上社會資本特征的互動和傳播機制并未得到相應的足夠重視。例如，張志安關注了微信空間中的“層級互動”現象并認為，這種層次間的差異和“信息流動秩序”主要“是由現實社會關系網絡即‘社會資本或社會資源的配置與協調狀況所決定。社會群體的交往邊界在微信空間中得到再現或者強化，被強弱關系形塑的異質性網絡具有以社群為單位的層級分布特征，信息擴散與流動的狀態(tài)主要表現為同一或者相似社會群體的‘層級互動。也就是說，微信空間中的群體內交往更加頻繁，而群際分化的垂直結構則造成群體間交往的阻滯”[3]。我們并不能否認線下的“現實社會關系網絡”可能對這種層級化的信息流動秩序產生的影響，但同時需關注的是線上的話語特征和話語權可否被排除在這種影響的原因之外，而且多數時候它是被忽視的。張志安的分析著眼于微信，它“作為一款私密性很強的社交軟件”，與本研究主要針對的微博、SNS等社交媒體還有區(qū)別，但是相應的問題仍是普遍存在并值得引起重視的。

其二，社交媒體“影響力圈層”不是指向社會學意義上的“圈子”倫理或“熟人社會”的群體架構，而是基于網絡性甚至伴有不同程度匿名性、準虛擬性的交互關系。從社會學“圈子”的角度出發(fā)來解釋“互聯網群體”是一種常見的研究角度。例如，有研究者把“圈子”納入社交媒體的研究中，指出，“建構在當下現實人際關系與互聯網交叉平臺上的圈子，在實際上促使碎片化的傳播受眾群體出現有限聚集的同時，對傳統的信息生產與傳播機制也形成了直接影響。在此形態(tài)下，多元生產與定向擴散將成為重要的社會信息流通特征”[4]。趙高輝認為，微博是以“熟人”為中心構建的交往圈子，并帶有“差序格局”的特征。[5]無可否認，社交媒體中存在著大量由各種社會圈子和社會群體構成的互動關系，但對于“影響力圈層”來說，它并不關注這些因素的作用，而是只聚焦于線上的互動格局和圈層差異。這種圈層并不來自于其他的圈子因素，而主要由參與者的話語權或者說影響力層級所主導。

其三，社交媒體“影響力圈層”不是基于興趣、事件、主題等關系的聚合，而只是一種影響力流動的秩序或者說機制。網絡中的興趣圈層、因事件而聚合的圈子、網絡群體的亞文化等，都是網絡群體形成的紐帶，但是我們也需注意網絡用戶的影響力層級、網絡話語地位等網絡本身的維度對于信息流動的引力與約束機制。例如有研究者從興趣、愛好等因素論述受眾的分化及其帶來的“圈層”后果，指出受眾會“將自己所喜愛的內容、關注的熱點，依靠互聯網的平臺以鏈接方式推給更多有著相同愛好和屬性的受眾，這就形成了‘圈層文化”[6]。對于互聯網中“興趣型圈子”“任務型圈子”的劃分也都建立于這種關系范式。[7]亦可以說，“影響力圈層”聚焦的是信息有效傳播中的流動機制而不是聚合方式。

其四，社交媒體“影響力圈層”不是聚焦于傳者或受眾維度，而是著重于傳受關系和“傳受間性”。 社交媒體的研究不僅要關注傳播參與者在網絡影響力上的層級化，也需將視閾置于傳播者中的傳受影響力層級之間的關系。社交媒體的研究中把視域單獨地置于受眾或傳者的維度并不鮮見，例如：對微博意見領袖的輿論影響力分析、去中心化的“分眾”理論、受眾分化的“圈層受眾”，或是基于媒介傳者話語身份、受眾社會特征的考察分析。對于“微博意見領袖”或社交媒體受眾的輿論影響力、話語權力已有諸多研究，但是傳者和受眾在傳受關系及其有效傳播中具有怎樣的關系格局和“間性”結構，這在對于社交媒體的研究中仍需加以重視和挖掘。

布勞的“接近性”假設認為，人們更多與自己群體或者社會階層中的成員交往，相同社會位置處境的人們有著共同的社會角色、社會經驗以及相似的屬性和態(tài)度，這些都將促進他們之間的交往關系。[8]這種社會接近性的分析為網絡準虛擬特征和線上話語身份的接近性提供著理論坐標。朱天等研究者界定和區(qū)分了互聯網圈子、互聯網群體、互聯網社會組織、互聯網社區(qū)的各自的概念內涵，其中互聯網圈子指的是“社會成員基于不同緣由，以社會關系的遠近親疏作為衡量標準，通過互聯網媒介平臺集聚與互動，所建立并維系的一個社會關系網絡”；互聯網群體是人們以網結緣和因網結緣形成的網絡社會群體；互聯網社會組織是“為實現特定目標，媒介網絡所建立的分工明確的共同活動的人類群體”；互聯網社區(qū)的現實示例則是天涯論壇、BBS等。[4]阿達米克等人對斯坦福大學社交網站Club Nexus中的學生的社交網絡進行了分析，發(fā)現在年級、部門、專業(yè)、性別以及對書籍和電影的愛好等用戶屬性方面，隨著用戶連接距離的增加，用戶之間的同質性均逐漸降低，說明用戶更傾向于同與自己具有相同屬性的其他用戶取得聯系。[9]但是在這些基本范型的梳理之中，我們主要看到的只是基于線下社會關系的互聯網圈子或基于網絡活動、網絡主題紐帶的互聯網用戶關聯，而未展現出一種更深層次的網絡圈層，這種圈層基于網絡主體的傳受間性和線上特征，形成信息有效流動循環(huán)的機制與范型。賴特·米爾斯曾經在其名著《權力精英》中指出，美國由頂層的政府、經濟企業(yè)與軍事系統“權力精英”所主導的社會結構，其“權力精英”具有內部的共同性和對于其他中層、下層的相對封隔性。[10]借用米爾斯的概念，可以提問的是，在網絡社交媒體背景下是否存在著一種影響力的圈層結構，這些圈層看似界限松散、交互自由，但是其中的交互并不是自由的而是具有其自身的層級性和區(qū)隔性，層級更傾向于其相同或相近層級的交流、傳播。在這樣的語境中，個體的話語是基于其圈層界限和接近權范圍之內的話語流動。

二、 研究設計與研究方法

前文所述的假設可進一步提煉為以下表述：社交媒體的有效信息流動中，受眾最有可能對和自己的影響力層級相近的傳者進行反饋，傳者得到的反饋最有可能來自和自己的影響力層級相近的受眾。其中，“有效流動”的界定是，傳者在社交媒體發(fā)出的信息（或帖子）得到受眾的反饋；“反饋”的界定是，受眾對傳者發(fā)出的信息（或帖子）進行了評論、點贊、轉發(fā)等行為。之所以把“影響力圈層”限定在信息“有效流動”的研究范圍內，是因為帖子若僅僅被發(fā)布而不被瀏覽或僅被瀏覽而并未產生反饋與作用，那我們無從判斷這樣的帖子是否達成了有效的信息傳播，也難以判斷信息的受眾是否為有效受眾。

本文選取幾種具有典型性和各具特點的社交媒體進行實證研究，包括Twitter， YouTube， Google+， Flickr，以檢驗假設是否有效。它們都具有世界領先的規(guī)模和流量，其中：Twitter是全球具有代表性的著名微博平臺，YouTube是全球最大和最主要的視頻社交媒體；Flickr是最具有代表性的圖片型分享網站和社交平臺之一；Google+是具有綜合性的SNS網絡媒體。研究的基本思路是，對每一種媒體，通過網絡爬蟲軟件抓取一定數量的帖子，對每條帖子考察它的發(fā)布者的影響力等級和有效受眾的影響力等級。

其中的關鍵概念分別界定如下：（1）影響力。影響力根據不同媒體的特點和現實所能獲取的指標數據，分別以用戶的被收藏數（被喜歡數）、用戶被查看總次數、關注者數量、得到的推薦語數量等指標來考量。（2）影響力等級。對上述影響力數值，由于它們是連續(xù)性的，因此將其轉換為離散的等級序數，便于進行分析。轉換方法是采取對數函數，將影響力轉換為若干等級，得到的等級范圍最小值為1，最高值依據媒體的不同在1015之間。（3）有效受眾。對帖子的受眾，不考慮那些僅觀看而不做任何表示與反饋的受眾，而考慮對帖子做出了評論、收藏、轉發(fā)、點贊等有效反饋的受眾。

四種媒體的影響力指標及其含義如下：（1）Twitter：以用戶被其他用戶收藏（favorite）數作為其影響力指標。這反映了該傳者或受者被其他Twitter用戶認知、認可的程度，這也和該傳者/受者的內在質量和實力有很大關系。（2）YouTube：以用戶的頁面被觀看次數作為其影響力指標。該指標并不是用戶所發(fā)布的單獨的帖子（視頻）被觀看次數，而是該用戶頁面的被其他用戶觀看總次數。這在作為視頻媒體的YouTube中，反映著用戶的傳播廣泛度、滲透率以及內容的吸引力，可以作為反映其影響力的有效指標。（3）Google+：以用戶的關注者數量作為其影響力指標。作為一種社交網絡，通過關注者數量來衡量影響力是合理的，同時該數據在Google+中也便于獲取。（4）Flickr：以用戶所得到的其他用戶的推薦語總數作為衡量影響力的指標。Flickr是一個圖像型媒體，帖子都是發(fā)布的照片，用戶獲得的推薦語數量既是其傳播受眾廣度的體現，也是其滲透率和內容質量的體現，可以反映出一個賬戶的影響力。

由于社交媒體的類型的不同，我們對幾種媒體所采取的影響力指標是不同的。但這并不妨礙這些指標反映著傳者或受眾的影響力，也不妨礙對單獨一種媒體的分析的自洽性。因為本文的分析并不是對不同媒體中的影響力進行橫向比較，而只是分析文章的假設效應在這幾種媒體中是否單獨各自成立。

四種媒體的“有效受眾”，其界定和選取標準如下：（1）Twitter：對帖子做出轉推或評論的受眾；（2）YouTube：對帖子做出評論的受眾；（3）Google+：對帖子做出評論或點贊的受眾；（4）Flickr：對帖子做出評論的受眾。這些有效受眾的信息和賬戶網址，都可以依據四種媒體的不同，通過其評論區(qū)或反饋區(qū)而便利地獲取到。

對于傳受關系中“影響力圈層”效應的判定和檢驗，主要通過以下方式，涉及Pearson相關系數、Kendell秩相關系數、Spearman等級相關系數等：（1）傳者受者Pearson相關系數。檢驗每個傳者影響力等級和它對應的每個受者影響力等級之間的相關性，這通過Pearson相關系數的計算和檢驗來進行。（2）受傳關聯性。該部分將考察對于某個等級的受眾，它在哪個等級的傳者中分布比例最高。對于等級m的受眾群，它可能來自各個等級的傳者。將這個擁有m等級受眾的比例最高的傳者等級記為n。最后計算每個等級的受眾（m1，m2，m3，……，mmax）和該等級受眾分別對應的傳者等級n（n1，n2，n3，……，nmax）之間的相關系數。理論上，若存在影響力的同層級結構，則每個 m和對應的n值應是相等或相近的，一個值大另一個值也應隨之大，一個值小另一個值也相應小，也即兩者應具有顯著的相關性。（3）傳受關聯性。該部分考察，某個等級的傳者擁有的各等級受眾中，哪個等級的受眾所占的“相對比例”最高。例如，假設等級為8的傳者擁有等級為3的受眾占55%，該比例看似很高，但如果等級3的受眾在全體受眾中占的比例為60%，那么，等級為8的傳者所擁有的等級為3的受眾的“相對比例”實際是低的；又例如，假設等級為8的傳者擁有等級為7的受眾僅占3%，該比例看似很低，但如果等級7的受眾在全體受眾中占的比例僅為1%，那么，等級為8的傳者所擁有的等級為7的受眾的“相對比例”實際是較高的。對于等級n的傳者，它可能擁有分布于各個等級的受眾，n等級的傳者擁有的每個等級的受眾所占比例記為mn。1，mn。2，mn。3，……，mn。max；對于每個等級的受眾，在全部受眾的總體中所占比例記為m1，m2，m3，……，mmax；則得到n等級的傳者擁有的每個等級的受眾的“相對比例”為某等級的受眾在n等級傳者的受眾中所占比例減去該等級受眾在全體受眾中所占比例，即：mn。1- m1，mn。2- m2，mn。3- m3，……，mn。max - mmax。這種“相對比例”有效地屏除了受眾全體的分布“絕對比例”對于特定等級的傳者所擁有的受眾的相對分布結構的影響。隨后，考察n等級的傳者擁有的相對比例最高的受眾等級，標為m。最后計算每個傳者等級n和它對應的m值之間的相關系數。理論上，若存在影響力的同層級結構，則每個 m和對應的n值應是相等或相近的，一個值大另一個值也應隨之大，一個值小另一個值也相應小，也即兩者應具有顯著的相關性。

三、 抽樣過程與數據清洗

對四種媒體各抽取一年之內的帖子樣本用于分析。本研究采取專門主題的抽樣，每種媒體都以“China”和“culture”為復合關鍵詞，針對某個專題領域爬取帖子樣本。各媒體的數據抓取過程分別如下：

Twitter：經采集和過濾后得到從2014年10月11日到2015年10月10日的帖子共13，471條，這些帖子在12個月中隨機分布。從中剔除轉推數和收藏數都為0的帖子，剩下3，850條。對這3，850帖子采集它們的轉推者和收藏者。由于有些受眾賬號已被凍結，因此并非所有帖子的受眾都能成功采集。成功采集的有：轉推者9，867條，去重后6，391條，成功采集其中6，383個受眾的具體信息；收藏者9，649條，去除重復后5，836條，成功采集5，829個受眾的具體信息和影響力數據。

YouTube：在YouTube首頁對組合關鍵詞進行搜索得到的內容，每隔兩周采樣一次，抓取2014年11月16日至2015年11月15日之間上傳的YouTube視頻帖子，去除重復帖之后，剩下的樣本2，486條。這些帖子樣本的評論數量分異很大，有必要避免少數過熱帖子對總體受眾結構比例的過大的偏倚影響。因此對于所有帖子，若帖子的評論數量大于240條，則僅取前240條評論。最后得到16，547條評論及其評論者。這16，547條評論，由15，521個不同的評論者所發(fā)。評論者信息由于存在賬戶凍結、賬戶異常等情況，這15，521個不同的評論者中，實際成功采集15，510個評論者的影響力數據。

Google+：在Google+首頁對組合關鍵詞進行搜索，得到按時間更新順序的帖子。采集的是2014年10月21日到2015年10月20日按時間更新排序全部帖子，共得4，947條。對這4，947條帖子，爬取做了評論、點贊的所有有效受眾的信息。由于很多帖子反響冷清，沒有任何受眾對其評論或點贊。因此實際取得472條帖子的共7，668個為帖子評論或點贊的受眾。這7，668個受眾去除重復后為5，783個，從中剔除無效賬戶或異常賬戶，實際采得5，780個不同受眾的影響力數據。

Flickr：在Flickr首頁根據組合關鍵詞進行搜索得到的內容，每兩周采樣一次。Flickr采集的是2014年11月4日到2015年11月3日按時間更新排序的照片帖子，共得16，692條，其中819條有評論，其他絕大多數的照片帖子的評論數為0。由于每個照片貼的評論區(qū)中評論數量差異很大，多數帖子沒有評論或僅有少數評論，而少數帖子的評論則成千上萬條。為了避免這少數帖子對整體數據比例的過大影響和樣本參數的偏倚，采取弱化異常值的做法，每條帖子若評論數大于220條則只取前220條評論。最后采集得到各照片貼的評論9，018條，它們由3，673個不同的評論者所發(fā)。實際采得3，665個評論者的個人資料，其他幾個由于賬戶關閉等原因未成功抓取。

對于傳者及其受眾的數據資料，進行清洗和標準化的處理、轉換。獲取得到的帖子、傳者、受者的資料，傳入到SQL SERVER數據庫中進行連接操作。其中涉及的所有影響力數值如關注者數、頁面被觀看總次數等，通常都數值跨度很大。除個別特例和特別說明外，本文都以取對數值的方法將其轉為小跨度的等級數處理。具體處理方法為：設原值為x，轉換后的值為y，則y= int（log（x）*2）+1，其中int是取整函數，即取不大于該值的最大整數，如2.511取值為2；log是取以10為底的對數；原值x為0的，若無特別說明，則轉換后的值取為1。轉換公式為y=int（log（x）*2）+1的數值范圍對應關系為：[1，101/2），轉換后為1；[101/2，10），轉換后為2；[10， 103/2），轉換后為3； [103/2， 100），轉換后為4；[100， 105/2），轉換后為5；[105/2， 1000），轉換后為6……以此類推。也即，每個轉換后的數字編碼n對應的范圍為：下界為10（n-1）/2，且包含該下界值；上界為10n/2，且不包含該上界值。經對數函數轉換后的等級數，基本都在1至20的整數區(qū)間范圍內。

四、 Twitter中的檢驗與分析

通過SQL SERVER數據庫對所得的Twitter數據表進行連接，每一行數據中包含一條帖子的傳者資料及其對應的一個受者資料，共得到這樣的數據行13，250條。

1. 傳受雙向關聯性

對轉換后的傳者和受者影響力等級數，考察其Pearson相關系數（見表1），剔除無效數據行后，剩余的有效數據為12，549條。結果顯示，傳者的被收藏數和受者的被收藏數存在顯著的相關性，其P值為0.000。即，Twitter中傳者和他對應的受眾的影響力等級之間是具有關聯的，一個值越大則另一個值也越大。

2. 受傳關聯性

在收藏數反映的影響力等級的對應關系上，對各個等級的傳者具有的受眾等級之間的對應分布情況，以概率矩陣和交叉表的方式表示如下（見表2）。其中，每一行表示一種傳者的被收藏數等級，該行中的每一列單元格表示該等級的傳者擁有的各等級受眾的比例。例如，對于等級5的傳者而言，其受眾中等級1的受眾占1.6%，等級2的受眾占1.7%。表格中最后一行為“總計”，也即每個等級的受眾在全體受眾樣本中所占的比例，例如，等級1的受眾在全體受眾樣本中占1.3%，等級2的受眾在全體受眾樣本中占1.4%。

用“該等級受眾所屬的比例最高的傳者等級”，表示對于某個等級的受眾，它在哪個等級的傳者中比例最高。其數值以及排序的對應關系如表3所示（傳者的第12級只有7個傳者樣本，樣本量過小，其數據不納入考察范圍）。

對上述等級序列進行相關分析，Kendell秩相關系數和Spearman等級相關系數都通過檢驗，P值分別為0.002和0.000，相關系數分別為0.763和0.899。即Twitter受眾被收藏數的等級越高，那么該等級受眾所屬的比例最高的傳者等級也相應越高，Twitter受眾等級和該等級受眾所屬的比例最高的傳者等級之間存在顯著的相關性。

3. 傳受關聯性

考察每個等級的傳者其受眾的分布偏向。由于受眾在各個等級的分布還受到總體中受眾分布的影響，所以把傳受矩陣中某等級傳者所對應的各個等級的受眾的比例，減去該等級的受眾在總體的絕對比例，也即單元格的值減去該列的總體比例值，這樣得到不同等級的受眾對應于不同等級傳者的“相對比例”（見表4）。

用“該等級傳者擁有的相對比例最高的受眾等級”，表示對于某個等級的傳者，它擁有哪個等級的受眾是“相對比例”最高的。其中，相對比例指的是，（i等級的傳者擁有的j等級受眾比例-總體的j等級受眾比例）。其數值以及排序的對應關系如表5所示（傳者的第12級只有7個傳者樣本，樣本量過小，此處不納入考察范圍）

相關分析的結果顯示，傳者的被收藏數等級和“該等級傳者擁有的相對比例最高的受眾等級”，其相關性的P值為0.000，Pearson相關系數為0.878，存在顯著的強相關性。Kendell秩相關系數和Spearman等級相關系數也都通過檢驗，P值分別為0.007和0.001，相關系數分別為0.648和0.843。分析結果顯示，傳者及其受眾在影響力等級存在顯著的關聯。

五、 Google+中的檢驗與分析

1. 傳受雙向關聯性

Google+以用戶的關注者數量作為其影響力的衡量指標。對轉換后的傳者和受者關注者數量的等級數，考察其Pearson相關系數。結果顯示，傳者的被收藏數和受者的被收藏數存在顯著的相關性，其Pearson相關系數的P值為0.000。即，Google+中傳者和對應的受眾影響力等級之間是具有線性關聯的。

2. 受傳關聯性

對各個等級的傳者和受眾之間的對應分布情況，以概率矩陣的方式表示（具體矩陣結構和前文Twitter部分的表2相同，由于篇幅所限，此處不將全表列出）。其中，每一行表示一種傳者等級，該行中的每一列單元格表示該等級的傳者擁有的各等級受眾的比例。表格中最后一行為“總計”，也即每個等級的受眾在全體受眾樣本中所占比例。

用“該等級受眾所屬的比例最高的傳者等級”，表示對于某個等級的受眾，它在哪個等級的傳者中所占比例最高。其數值以及排序的對應關系如表6所示（傳者的第1級只有27個傳者樣本，受者的第1316級為空缺，這幾個等級樣本量過小，不納入考察范圍）。

根據相關分析的結果，受眾的關注者等級和該等級受眾所屬的比例最高的傳者等級之間， Kendell秩相關系數和Spearman等級相關系數也都通過檢驗，P值分別為0.009和0.009，大大低于0.05的顯著性臨界標準。Kendell相關系數和Spearman相關系數分別為0.623和0.740。相關分析的結果顯示，受眾及其傳者在影響力等級存在顯著的關聯。

3. 傳受關聯性

考察每個等級的傳者，其受眾的分布偏向，得到不同等級的受眾對應于不同等級傳者的“相對比例”（具體矩陣結構和前文Twitter部分的表4相同，由于篇幅所限，此處不將全表列出）。用“該等級傳者擁有的相對比例最高的受眾等級”，表示對于某個等級的傳者，它擁有哪個等級的受眾是相對比例最高的。其中，相對比例指的是，i等級的傳者擁有的j等級受眾比例-總體的j等級受眾比例。其數值以及排序的對應關系如表7所示（傳者的第1級只有27個傳者樣本，受者的第1316級為空缺，這幾個等級樣本量過小，不納入考察范圍）。

相關分析結果顯示，傳者的關注者數量等級和該等級傳者擁有的相對比例最高的受眾等級之間，Kendell秩相關系數和Spearman等級相關系數都通過檢驗，P值分別為0006和0016，大大低于005的顯著性臨界標準。相關系數分別為0661和0703。這顯示，傳者及其受眾在影響力等級存在顯著的關聯。

六、 YouTube中的檢驗與分析

1. 傳受雙向關聯性

YouTube中以用戶的頁面被觀看次數作為其影響力指標。對轉換后的傳者和受者影響力等級數，考察其Pearson相關系數。16，522個有效樣本的分析結果顯示，YouTube傳者和受者的頁面被觀看數之間，相關性的P值為0.000，但是相關系數為-0.045。由于存在著輕微的負相關，下文再對受傳關聯性以及傳受關聯性進行分析，檢驗其中是否存在顯著的“影響力圈層”效應。

2. 受傳關聯性

對各個等級的傳者和受眾之間的對應分布情況，以概率矩陣的方式表示（具體矩陣結構和前文Twitter部分的表2相同，由于篇幅所限，此處不將全表列出）。其中，每一行表示一種傳者等級，該行中的每一列單元格表示該等級的傳者擁有的各等級受眾的比例。表格中最后一行為“總計”，也即每個等級的受眾在全體受眾樣本中所占比例。

用“該等級受眾所屬的比例最高的傳者等級”，表示對于某個等級的受眾，它在哪個等級的傳者中所占比例最高。其數值以及排序的對應關系如表8所示（其中傳者的等級2、3的樣本量分別為1和2，傳者等級4的樣本數為24，受眾的等級18空缺，因樣本量不足，將這四個等級的數據不納入考察范圍）：

對上表進行相關分析， Kendell秩相關系數和Spearman等級相關系數都通過了檢驗，P值分別為0.022和0.025，低于0.05的顯著性臨界標準；相關系數值分別為0.435和0.558。分析結果顯示，受眾及傳者在影響力等級存在顯著的關聯。

3. 傳受關聯性

考察每個等級的傳者，其受眾的分布偏向。得到不同等級的受眾對應于不同等級傳者的“相對比例”（具體矩陣結構和前文Twitter部分的表4相同，由于篇幅所限，此處不將全表列出）。用“該等級傳者擁有的相對比例最高的受眾等級”，表示對于某個等級的傳者，它擁有哪個等級的受眾是相對比例最高的。其中，相對比例指的是，i等級的傳者擁有的j等級受眾比例-總體的j等級受眾比例。其數值以及排序的對應關系如表9所示（其中傳者的等級2、3的樣本量分別為1和2，傳者等級4的樣本數為24，受眾的等級18空缺，因樣本量不足，將這四個等級的數據不納入考察范圍）。

相關分析的結果顯示，傳者的頁面被觀看數的數量等級和“該等級傳者擁有的相對比例最高的受眾等級”之間，Kendell秩相關系數和Spearman等級相關系數都通過了檢驗，P值分別為0027和0038，低于005的顯著性臨界標準；相關系數值分別為0426和0522。分析結果顯示顯示，YouTube傳者及其受眾在影響力等級存在顯著的關聯。

七、 Flickr中的檢驗與分析

1. 傳受雙向關聯性

本節(jié)對推薦語數量值的轉換方式和其他媒體有所例外，是對于傳者或受者得到的推薦語數量，設原值為x，轉換后的新值為y，則轉換方式為，y=INT（LN（x+1）*2）+1。之所以采取這樣的不同的方式，因為該原值普遍較小，絕大多數在兩位數之內，所以不采用以10為底的對數而采取自然對數；且0值較多，所以先對原值加1，之后再進行對數函數的處理。

對轉換后的傳者和受者推薦語等級數，考察其Pearson相關系數。根據8，825個有效樣本的分析，傳者的推薦語等級數和受者的推薦語數之間，其P值為0.000，相關系數為0.218，存在著顯著的相關性。

2. 受傳關聯性

對各個等級的傳者和受眾之間的對應分布情況，以概率矩陣的方式表示（具體矩陣結構和前文Twitter部分的表2相同，篇幅原因不將全表列出）。用“該等級受眾所在比例最高的傳者等級”，表示對于某個等級的受眾，它在哪個等級的傳者中比例最高。其數值以及排序的對應關系如表10所示（因傳者的第9、10級為空缺，這兩級的數據不納入考察范圍）。

相關分析顯示，受眾的推薦語數量等級和該等級受眾所屬的比例最高的傳者等級之間， Kendell秩相關系數和Spearman等級相關系數P值分別為0.023和0.007，低于0.05的顯著性臨界標準；相關系數分別為0.701和0.856。這顯示，受眾及其傳者在影響力等級存在顯著的相關性。

3. 傳受關聯性

考察每個等級的傳者，其受眾的分布偏向，得到不同等級的受眾對應于不同等級傳者的“相對比例”（具體矩陣結構和前文Twitter部分的表四相同，由于篇幅所限，此處不將全表列出）。用“該等級傳者擁有的相對比例最高的受眾等級”，表示對于某個等級的傳者，它擁有哪個等級的受眾是相對比例最高的。其中，相對比例指的是，i等級的傳者擁有的j等級受眾比例-總體的j等級受眾比例。其數值以及排序的對應關系如表11所示（因傳者的第9、10級為空缺，這兩級的數據不納入考察范圍）。

根據相關分析的結果，傳者的推薦語數量等級和“該等級傳者擁有的相對比例最高的受眾等級”之間，Kendell秩相關系數和Spearman等級相關系數P值分別為0.023和0.007，低于0.05的顯著性臨界標準；相關系數分別為0.701和0.856。這顯示，Flickr傳者及其受眾在影響力等級存在顯著的關聯。

八、 結語

通過對四種代表性社交媒體的分析，發(fā)現傳者和受眾的“影響力圈層”效應在各種媒體樣本中基本都得到了檢驗。具體的檢驗結果如表12所示，其中“√”表示通過了相關系數的顯著性檢驗（第一列為通過了Pearson相關系數檢驗，第二、三列為通過了Kendell秩相關系數檢驗和Spearman等級相關系數檢驗），具有顯著的正相關關系；“×”表示不具有顯著的正相關關系。

可以看到，這四種媒體幾乎通過了所有的檢驗，分析結果與假設的符合情況良好。即使在唯一的一項未通過的檢驗中，即對YouTube的傳受雙向關聯性的檢驗，一方面該項檢驗的結果只是輕微的負相關系數，另一方面對YouTube的另兩項檢驗表現很好，足以忽略第一項的輕微不利的檢驗結果。而且即使該項檢驗未通過，本研究對影響力圈層效應的假設主要仍是基于后兩項檢驗分析和審視。此外，除了YouTube，另三種重要和典型的社交媒體，其檢驗結果與假設是很相符的，這也增強了對假設的印證和支撐效力。

本研究的不足在于：首先是樣本都來自于2014年底至2015年底的一年間，略有過時之嫌；其次是樣本的覆蓋量和覆蓋領域不夠大。對此需補充說明的是，數據的清洗和挖掘分析耗時甚久，但由于樣本帖的被發(fā)布時間有足夠大的跨度，且本文的假設并不是一個時效性很強的問題，因此過時的缺點可以說并不顯著。本研究的樣本覆蓋面因采取主題性的挖掘而不夠廣泛，由于樣本具有較長的采集持續(xù)性以及在一年內各時間段足夠的隨機性，一定程度上補充和增加了其效度。在其后可推進更大規(guī)模的研究，將抽樣的領域擴展到全部帖子及全部領域主題。

總體而言，本文基于Twitter， YouTube， Google+， Flickr這四種在國際具有重要性和代表性的不同類型的社交媒體，通過傳受雙向關聯性、受傳關聯性、傳受關聯性等方式，以及傳受關聯性中對“相對比例”的考察，計算檢驗“影響力圈層”結構和分析傳受者在影響力等級上的相關性。分析結果顯示，社交媒體傳播中的“影響力圈層”效應在所考察的幾種典型媒體中都是存在和顯著的。社交媒體研究需充分重視傳受關系和傳受結構中的“影響力圈層”效應和機制，以及在這種結構背景下的信息流動有效性與話語傳播規(guī)律。

程蕾，趙艷艷.人·圈子·社會：自媒體語境下的人際傳播——基于對微博、微信使用情況的考察[J]. 新聞世界，2015（5）：138139.

[2] 劉左元，李林英.新媒體打破了以往社會分層的對話機制和模式[J]. 新聞記者，2012（4）：95.

[3] 張志安，束開榮.微信輿論研究：關系網絡與生態(tài)特征[J]. 新聞記者，2016（6）：2937.

[4] 朱天，張誠.概念、形態(tài)、影響：當下中國互聯網媒介平臺上的圈子傳播現象解析[J]. 四川大學學報（哲學社會科學版），2014（6）：7180.

[5] 趙高輝.圈子、想象與語境消解：微博人際傳播探析[J]. 新聞記者，2013（5）：6671.

[6] 白曉婷.分眾理論下的“圈層受眾”理論及其研究[J]. 西部廣播電視，2015（17）：35.

[7] 朱天，張誠.框架理論視域下互聯網圈子的傳播結構認知[J]. 現代傳播，2015（10）：128132.

[8] [美]彼得·布勞.不平等和異質性[M]. 王春光，謝圣贊，譯. 北京：中國社會科學出版社，1991：5759.

[9] Adamic， L.， Buyukkokten， O.， and Adar， E.. A Social Network Caught in the Web[J]. First Monday， 2003，8（6）：122.

[10] [美]查爾斯·賴特·米爾斯.權力精英[M]. 王崑，許榮，譯.南京：南京大學出版社，2004.

In social media， as “everyone has a microphone” and can listen to different microphone communication structures at any time， the relationship seems to be divergent and asymmetrical. However， the effective interaction between the sender and the audience is not loose and free， but tends to be the same as or similar to the spread of influence levels. More specifically， in the effective flow of information in social media， the audience is most likely to provide feedback to senders with similar influence levels while senders are most likely to get feedback from audience with similar influence levels. The formation of this circle and grade pathway in social media is not only relevant to entity factors and social attributes but also is based on the online features by “hierarchy of influence” and homogeneous circle flow. By quantitative analysis and test of some typical social media， the “influence hierarchy” effect in social media is valid and significant in samples. In the research of social media， the effect and mechanism of “influence hierarchy” in the relationship between the communicator and audience， as well as the structure under the background of information flow and effective discourse propagation， are to be highlighted.

social media；relation between the communicator and audience；influence hierarchy；audience

曾靜