MCN模式下的新媒體賬號(hào)評(píng)價(jià)方法探究

劉帥軍 劉雨絲

摘 要 在廣電總局強(qiáng)調(diào)加強(qiáng)網(wǎng)絡(luò)視聽文藝節(jié)目及人員管理、抵制“流量至上”的背景下，新媒體賬號(hào)評(píng)價(jià)方法順應(yīng)MCN模式的發(fā)展需要，側(cè)重發(fā)掘新興創(chuàng)作者，摒棄純流量指標(biāo)，其FLV綜合指數(shù)模型由發(fā)布頻率、單篇點(diǎn)贊數(shù)和單篇播放數(shù)構(gòu)成，并最終將賬號(hào)細(xì)分多子類加以診斷。采用下一年度數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明該評(píng)估方法對(duì)于發(fā)掘新興賬號(hào)有一定的參考價(jià)值，一定程度上證實(shí)單篇點(diǎn)贊數(shù)是運(yùn)營(yíng)關(guān)鍵指標(biāo)之一，并提出了定量與定性結(jié)合的改進(jìn)思路。

關(guān)鍵詞 媒體融合；MCN評(píng)價(jià)指標(biāo)；正態(tài)分布

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-0360（2021）19-0020-03

1 研究背景

作為內(nèi)容產(chǎn)業(yè)的新興鏈路，中國(guó)MCN機(jī)構(gòu)自2017年出現(xiàn)了爆發(fā)式增長(zhǎng)。MCN是基于內(nèi)容行業(yè)、專注于以內(nèi)容生產(chǎn)和運(yùn)營(yíng)為基礎(chǔ)的不同業(yè)務(wù)形態(tài)的組織機(jī)構(gòu)，讓創(chuàng)作者、作品、品牌之間相互賦能，業(yè)態(tài)包括經(jīng)紀(jì)、電商、知識(shí)付費(fèi)、版權(quán)授權(quán)、廣告等。當(dāng)前互聯(lián)網(wǎng)平臺(tái)評(píng)價(jià)機(jī)制弊端日益顯現(xiàn)，單純依托點(diǎn)擊數(shù)、銷售量等指標(biāo)進(jìn)行榜單排序，致使一些公司為了獲得更高曝光度進(jìn)行的“刷量”，甚至被視為一種營(yíng)銷手段。評(píng)價(jià)標(biāo)準(zhǔn)單一、虛假流量催生了市場(chǎng)泡沫，推高了MCN機(jī)構(gòu)的簽約成本和風(fēng)險(xiǎn)。

數(shù)字化技術(shù)擴(kuò)大了媒體的空間場(chǎng)景和使用時(shí)長(zhǎng)，然而媒體業(yè)是深受內(nèi)容驅(qū)動(dòng)的，創(chuàng)作者依舊是核心卡點(diǎn)。相比千萬(wàn)級(jí)粉絲的頭部網(wǎng)紅，粉絲數(shù)尚在上千至百萬(wàn)量級(jí)的創(chuàng)作者在互動(dòng)率、用戶特征重疊度方面具備特定優(yōu)勢(shì)。為此，當(dāng)下互聯(lián)網(wǎng)放寬了對(duì)MCN的門檻限制，注重對(duì)創(chuàng)作者的培育和激勵(lì)，例如視頻網(wǎng)站bilibili的MCN入駐條件是up主（創(chuàng)作者）最低數(shù)量?jī)H為2個(gè)。

本文探討的評(píng)價(jià)方法的目標(biāo)是發(fā)掘潛在的頭部KOL（關(guān)鍵意見領(lǐng)袖），搭建創(chuàng)作者發(fā)掘體系，以期提高內(nèi)容產(chǎn)品的社會(huì)影響力和商業(yè)價(jià)值。

2 評(píng)價(jià)指標(biāo)的確定

本文的數(shù)據(jù)提取了2019年bilibili網(wǎng)站科技區(qū)（科學(xué)科普、科技人文、機(jī)械、汽車、野生技術(shù)協(xié)會(huì)、星海）共34 244條視頻，包含播放、彈幕、收藏、點(diǎn)贊、分享、投幣、評(píng)論等指標(biāo)[1]。

2.1 內(nèi)容創(chuàng)作的穩(wěn)定性

MCN模式源于國(guó)外成熟的網(wǎng)紅經(jīng)濟(jì)運(yùn)作，將PGC（專業(yè)機(jī)構(gòu)創(chuàng)作內(nèi)容）、UGC（用戶驅(qū)動(dòng)內(nèi)容）內(nèi)容聯(lián)合起來(lái)，依托媒介資源和運(yùn)營(yíng)經(jīng)驗(yàn)，保障內(nèi)容的持續(xù)輸出，助力于品牌曝光和銷售轉(zhuǎn)化。量與質(zhì)是一種辯證關(guān)系，穩(wěn)定的內(nèi)容輸出是留住用戶、產(chǎn)生“爆款”的前提，一定周期內(nèi)的發(fā)布頻率便是為了衡量?jī)?nèi)容生產(chǎn)的穩(wěn)定性。

公式“發(fā)布頻率=作品數(shù)/發(fā)布日期間隔天數(shù)”

得出的結(jié)果進(jìn)行標(biāo)準(zhǔn)化，最大得分為1.0，最低得分為0。

2.2 運(yùn)營(yíng)關(guān)鍵指標(biāo)挖掘

吸引粉絲、沉淀粉絲、將粉絲的注意力價(jià)值轉(zhuǎn)化為社會(huì)價(jià)值，是新媒體賬號(hào)運(yùn)營(yíng)的三個(gè)關(guān)鍵環(huán)節(jié)，互聯(lián)網(wǎng)平臺(tái)的用戶行為數(shù)據(jù)可以反映出粉絲沉淀情況、用戶付費(fèi)意愿，比如簽到、點(diǎn)贊、收藏、分享、打賞等。

評(píng)估體系指標(biāo)過(guò)多有如下缺點(diǎn)，各指標(biāo)之間可能存在高關(guān)聯(lián)性而導(dǎo)致指標(biāo)冗余，在實(shí)際運(yùn)營(yíng)中需要較高的算力成本、降低了數(shù)據(jù)管理的響應(yīng)速度，不便于把握住關(guān)鍵變量、缺乏足夠的參考價(jià)值等?？紤]到互聯(lián)網(wǎng)原始數(shù)據(jù)不符合線性分布，本文通過(guò)Spearman系數(shù)分析指標(biāo)間相關(guān)性，以便去掉相關(guān)性高的指標(biāo)，降低變量間的多重共線性，結(jié)果發(fā)現(xiàn)點(diǎn)贊數(shù)與投幣數(shù)、收藏?cái)?shù)的相關(guān)性都在0.77以上，與分享數(shù)的相關(guān)性也在0.7以上，表明點(diǎn)贊數(shù)是衡量用戶行為具有代表性的指標(biāo)，因此采用點(diǎn)贊數(shù)評(píng)估粉絲沉淀情況。此外，點(diǎn)贊數(shù)與播放數(shù)的Spearman相關(guān)系數(shù)為0.678，而且播放數(shù)是流量指標(biāo)，因此播放數(shù)指標(biāo)保留。

3 評(píng)價(jià)方法的分析過(guò)程

3.1 數(shù)據(jù)統(tǒng)計(jì)分析

根據(jù)測(cè)算，計(jì)算加總結(jié)果、忽略發(fā)布頻次的算法，更偏向于成熟創(chuàng)作者，也容易產(chǎn)生數(shù)據(jù)作假、行業(yè)被流量裹挾等問(wèn)題，因此點(diǎn)贊數(shù)指標(biāo)平均到了每次發(fā)布的統(tǒng)計(jì)值，此方法符合鼓勵(lì)精品創(chuàng)作和挖掘新創(chuàng)作者的需要，也是新媒體行業(yè)科學(xué)考核的一種探索。

本文基于數(shù)據(jù)的統(tǒng)計(jì)分布情況制定出目標(biāo)值。分析bilibili網(wǎng)站“科學(xué)科普”這一分區(qū)2019年中發(fā)布條數(shù)大于5條的178位作者的點(diǎn)贊數(shù)據(jù)，看出創(chuàng)作者單篇點(diǎn)贊數(shù)分布符合“二八定律”，即占比重絕大多數(shù)的非頭部創(chuàng)作者的單篇點(diǎn)贊數(shù)在5萬(wàn)以下，而對(duì)數(shù)化之后的圖形基本符合正態(tài)分布特征。

單篇點(diǎn)贊數(shù)目標(biāo)值=單篇點(diǎn)贊數(shù)平均值+3*單篇點(diǎn)贊數(shù)標(biāo)準(zhǔn)差

目標(biāo)值如采用最大值，則可能受到異常值的干擾。根據(jù)統(tǒng)計(jì)學(xué)正態(tài)分布，單篇點(diǎn)贊數(shù)平均值正負(fù)三個(gè)標(biāo)準(zhǔn)差的范圍，是可以將99.7%的個(gè)案涵蓋在內(nèi)的[2]，根據(jù)上述公式得到的目標(biāo)值，將結(jié)果對(duì)數(shù)化的數(shù)據(jù)還原可知，“科學(xué)科普”分區(qū)創(chuàng)作者平均單篇點(diǎn)贊數(shù)的目標(biāo)值為13萬(wàn)。使用同樣方法，測(cè)算出“科學(xué)科普”分區(qū)創(chuàng)作者平均單篇播放數(shù)的目標(biāo)值為158.6萬(wàn)。

根據(jù)“發(fā)布頻率”“單篇點(diǎn)贊數(shù)”“單篇播放數(shù)”三項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，進(jìn)而得出綜合指數(shù)。

除了綜合指數(shù)外，三項(xiàng)指標(biāo)從三個(gè)不同維度評(píng)估了新媒體賬號(hào)，“發(fā)布頻率”表示活躍度情況；“單篇點(diǎn)贊數(shù)”表示內(nèi)容質(zhì)量，MCN機(jī)構(gòu)可以將用戶高度認(rèn)可的內(nèi)容打造為商業(yè)IP，將用戶對(duì)創(chuàng)作者的喜愛(ài)轉(zhuǎn)化為對(duì)品牌方的信任；“單篇播放數(shù)”表示流量?jī)r(jià)值，便于MCN機(jī)構(gòu)結(jié)合內(nèi)容細(xì)分、用戶特征與廣告主需求進(jìn)行匹配。新媒體賬號(hào)是否高于該指標(biāo)平均水平，可劃分為8種情況進(jìn)行診斷，見表1。

3.2 內(nèi)容創(chuàng)作者與細(xì)分領(lǐng)域的匹配

MCN機(jī)構(gòu)為內(nèi)容生產(chǎn)達(dá)人、網(wǎng)絡(luò)主播等提供平臺(tái)支持，其孵化的過(guò)程是將互聯(lián)網(wǎng)的UGC（用戶驅(qū)動(dòng)內(nèi)容）培育為PGC（專業(yè)機(jī)構(gòu)創(chuàng)作內(nèi)容），方法包括廣撒網(wǎng)式拉新、多領(lǐng)域覆蓋、跨平臺(tái)合作，在運(yùn)營(yíng)實(shí)踐中發(fā)掘、培育KOL（關(guān)鍵意見領(lǐng)袖），拓展變現(xiàn)能力強(qiáng)的業(yè)務(wù)模式。

新媒體賬號(hào)粉絲數(shù)停滯的原因可能在于內(nèi)容聚焦的領(lǐng)域尚在小眾階段、沒(méi)有找準(zhǔn)創(chuàng)作者個(gè)體特征與用戶情感需求相吻合的人設(shè)，MCN機(jī)構(gòu)應(yīng)當(dāng)通過(guò)精細(xì)化運(yùn)營(yíng)的方法，鼓勵(lì)內(nèi)容創(chuàng)作者在特定細(xì)分領(lǐng)域中進(jìn)行多樣化嘗試、助其探索出當(dāng)前階段最適合的領(lǐng)域。

本文比較2019年B站科技區(qū)6個(gè)分區(qū)（科學(xué)科普、科技人文、機(jī)械、汽車、野生技術(shù)協(xié)會(huì)、星海）綜合指數(shù)得分前15名創(chuàng)作者，發(fā)現(xiàn)僅有5名創(chuàng)作者（臥龍寺、思維實(shí)驗(yàn)室、-LKs-、小央視頻、央視新聞）在多個(gè)分區(qū)中入榜，數(shù)量較少。該分析結(jié)果不是很理想，主要是原有網(wǎng)站的分區(qū)寬泛，實(shí)際運(yùn)營(yíng)上需要將標(biāo)簽進(jìn)行細(xì)分和梳理。

3.3 數(shù)據(jù)驗(yàn)證

本文通過(guò)跟蹤賬號(hào)在下一年度（即2020年）的數(shù)據(jù)表現(xiàn)，來(lái)驗(yàn)證方法的合理性。

科學(xué)科普分區(qū)綜合指數(shù)前15位創(chuàng)作者當(dāng)中（表 2），發(fā)現(xiàn)6位在一個(gè)月內(nèi)發(fā)布多篇作品的創(chuàng)作者。通過(guò)檢索這些新創(chuàng)作者2020年的作品情況，發(fā)現(xiàn)其中3位在2020年已停止更新，這些號(hào)的共同特征是單篇點(diǎn)贊數(shù)在5 000以下；另外3位則持續(xù)更新，其中單篇點(diǎn)贊數(shù)9 000以上的兩位創(chuàng)作者的粉絲數(shù)均突破了30萬(wàn)，其中“無(wú)窮小亮的科普日?！币呀?jīng)成為粉絲數(shù)200萬(wàn)以上的科普作家，而“視光醫(yī)生馬老師”是這些新創(chuàng)作者中單篇點(diǎn)贊數(shù)、單篇播放數(shù)兩項(xiàng)表現(xiàn)最好的，粉絲數(shù)卻止步于30萬(wàn)，最主要原因是其內(nèi)容限制在視力問(wèn)題，領(lǐng)域較窄。

綜上可以初步得出，該評(píng)估方法對(duì)于發(fā)掘新興明星賬號(hào)有一定參考價(jià)值，一定程度上證實(shí)了單篇點(diǎn)贊數(shù)是新媒體賬號(hào)運(yùn)營(yíng)關(guān)鍵指標(biāo)之一，能夠反應(yīng)內(nèi)容質(zhì)量、粉絲沉淀情況，是衡量能否長(zhǎng)期運(yùn)營(yíng)、實(shí)現(xiàn)粉絲數(shù)突破的特征性指標(biāo)。此外，除了量化的綜合指數(shù)，創(chuàng)作者細(xì)分領(lǐng)域市場(chǎng)潛力的定性研究是預(yù)測(cè)賬號(hào)用戶數(shù)量級(jí)的必要方法。

參考文獻(xiàn)

[1]遠(yuǎn)辰.我用加強(qiáng)版RFM模型輕松扒出B站優(yōu)質(zhì)up主[EB/ OL].[2020-05-24].https：//mp.weixin.qq.com/s/0p_ FYefGm3M0l8n3jSYAEA.

[2]詹姆斯·麥克拉夫.商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)學(xué)[M].北京：中國(guó)人民大學(xué)出版社，2015：151-162.