視頻UGC流行度影響因素研究
—基于Bilibili網(wǎng)站數(shù)據(jù)

□李良強(qiáng) 廖覓燕 劉 璐 楊 亮 方佳明

[1. 四川農(nóng)業(yè)大學(xué) 成都 611830；2. 電子科技大學(xué) 成都 611731]

引言

用戶生成內(nèi)容（User Generated Content，UGC）是Web 2.0環(huán)境下一種新興的網(wǎng)絡(luò)信息資源組織模式，反映出以用戶為主導(dǎo)的內(nèi)容生產(chǎn)思想。UGC可以分為文字、圖片或視頻等多種形式，近年來，隨著數(shù)字設(shè)備的快速發(fā)展和社交分享平臺(tái)的不斷升級(jí)，視頻類UGC蓬勃發(fā)展。視頻類UGC的流行極大地改變了市場(chǎng)格局，逐漸從由傳統(tǒng)媒體主導(dǎo)過渡到賦能用戶成為有影響力的人。生成和共享在線內(nèi)容的數(shù)量急劇增加，成為重要的信息生產(chǎn)與傳播方式，不僅為用戶提供表達(dá)觀點(diǎn)與自我展示的機(jī)會(huì)，也促進(jìn)了平臺(tái)活躍度，甚至還成為了品牌宣傳的有效工具[1]。2018年，視頻博客（Video Blog，Vlog）作為視頻類UGC的傳播形式得以迅速發(fā)展，具有真實(shí)性與生動(dòng)性的Vlog擁有更加豐富的信息量，且能夠滿足用戶自我呈現(xiàn)、社交互動(dòng)及印象管理的需求，使用戶更加生動(dòng)地進(jìn)行感情表達(dá)與互動(dòng)，因此受到許多用戶的追捧。艾媒咨詢（iiMedia Research）最新的調(diào)查數(shù)據(jù)顯示，2019年中國Vlog用戶規(guī)模達(dá)2.49億人，未來Vlog用戶規(guī)模仍將保持穩(wěn)定增長態(tài)勢(shì)[2]。

Vlog的迅速發(fā)展離不開平臺(tái)的推動(dòng)與用戶的積極創(chuàng)作與交流，已有關(guān)于Vlog的研究集中關(guān)注Vlog的分享動(dòng)機(jī)及傳播影響。區(qū)別于傳統(tǒng)文本博客和短視頻，Vlog通過使用視頻媒介提供了更豐富的社交場(chǎng)景，以分享用戶的日常生活和發(fā)表某一事件的觀點(diǎn)為主的Vlog更加展示自我，同時(shí)，發(fā)布者通過言語內(nèi)容和非言語內(nèi)容共同傳達(dá)信息，具有真實(shí)性和多樣性的特點(diǎn)[3]。同時(shí)，Vlog發(fā)布者與觀看者的對(duì)話促進(jìn)了交流與社交聯(lián)系[4]，通過展示生活化的日常，Vlog甚至能夠促進(jìn)語言能力與跨文化交流方面[5]。此外，Vlog能夠?qū)ζ放茽I銷策略產(chǎn)生影響，尤其是Vlog發(fā)布者的個(gè)人聲譽(yù)及專業(yè)性對(duì)消費(fèi)者購買意愿均具有正向影響[6]。

盡管用戶群體與發(fā)布數(shù)量的顯著提升，但并非所有的Vlog都具有顯著的傳播效果，在海量信息傳播的社交平臺(tái)，同時(shí)間發(fā)布的Vlog由于受到各類因素的影響，后續(xù)的流行度有顯著差異。有效識(shí)別Vlog流行度的影響因素，對(duì)促進(jìn)個(gè)人自我需求與社交平臺(tái)活躍度都有著重要意義。目前針對(duì)Vlog流行度的影響因素的研究卻較為缺乏，僅少部分文獻(xiàn)分別探索了Vlog發(fā)布者受歡迎程度的影響因素[7]以及挖掘視頻內(nèi)容特征[8～9]，但未同時(shí)考慮視頻特征與發(fā)布者特征。而在Vlog傳播過程中，視頻信息與發(fā)布者信息均展示在平臺(tái)中以吸引用戶點(diǎn)擊觀看，用戶對(duì)這些信息會(huì)進(jìn)行判斷以決定是否點(diǎn)擊，兩種信息均會(huì)影響觀看者的選擇。因此，將視頻特征與發(fā)布者特征同時(shí)納入研究更能全面揭示流行度的形成過程。

綜上，本文將基于信號(hào)理論，從視頻特征與發(fā)布者特征構(gòu)建Vlog流行度的計(jì)量模型，并通過實(shí)證分析得出其影響機(jī)制，旨在補(bǔ)充已有關(guān)于Vlog流行度的相關(guān)研究，并為平臺(tái)與個(gè)人的發(fā)展提供可行性建議。

一、文獻(xiàn)回顧

本文旨在探索Vlog流行度的影響因素，并基于信號(hào)理論，從視頻特征及發(fā)布者特征構(gòu)建計(jì)量模型。針對(duì)以上研究內(nèi)容，本文主要從Vlog流行度研究與信號(hào)理論相關(guān)研究兩個(gè)方面展開文獻(xiàn)梳理。

（一）Vlog流行度研究

流行度亦可稱為受歡迎程度，在更開放的網(wǎng)絡(luò)環(huán)境下，網(wǎng)絡(luò)視頻的傳播、流行已成為個(gè)人提升自我、服務(wù)或產(chǎn)品的基本方式[10]。從概念上看，流行度指操作在社交網(wǎng)絡(luò)上的某種網(wǎng)絡(luò)行為的數(shù)量度量，反映了某一時(shí)間內(nèi)發(fā)布內(nèi)容的受關(guān)注程度[11]。而已有關(guān)于用戶生成內(nèi)容的流行度的度量指標(biāo)則因研究情境不同存在差異。例如，發(fā)布內(nèi)容的點(diǎn)擊率被多數(shù)研究定義為流行度最基本的衡量參數(shù)[12～15]。此外，由于一些平臺(tái)無法提供文本圖片形式的UGC的點(diǎn)擊次數(shù)，研究將轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù)作為流行度指標(biāo)，因?yàn)檗D(zhuǎn)發(fā)行為能夠提高擴(kuò)散度[16]，評(píng)論則體現(xiàn)了用戶愿意花費(fèi)時(shí)間發(fā)表意見并參與討論，同樣可以揭示影響力或流行度。例如，Yang和Li基于小米在線共創(chuàng)社區(qū)收集的客觀數(shù)據(jù)，檢驗(yàn)了影響消費(fèi)者生成內(nèi)容受歡迎程度的因素，其中評(píng)論總數(shù)被用作用戶生成內(nèi)容流行度的衡量指標(biāo)，因?yàn)槠浣沂玖擞绊懥?，表明同行消費(fèi)者花費(fèi)了時(shí)間和精力來提供意見和想法[17]。Vlog作為視頻UGC的新形式，本文借鑒Hill等的研究，將Vlog的在線社交功能（Vlog的觀看次數(shù)）作為流行度的衡量指標(biāo)[18]。

最初針對(duì)UGC流行度的影響因素的研究，其研究對(duì)象多為文字和圖片等形式，并指出發(fā)布內(nèi)容的不同類型、發(fā)布的時(shí)間范圍以及社交互動(dòng)與流行度有關(guān)[19～21]。而關(guān)于視頻UGC流行度的討論近年來逐漸受到關(guān)注。Mcauley指出評(píng)論的潛在主題等對(duì)網(wǎng)絡(luò)視頻評(píng)分及點(diǎn)播量有影響[22]。此外，區(qū)別于文字和圖片，視頻UGC的時(shí)長增加了信息內(nèi)容的豐富性，平臺(tái)提供的彈幕功能更加強(qiáng)了用戶之間的互動(dòng)與視頻內(nèi)容重要程度、趣味程度[23]。除了視頻自身內(nèi)容的影響，少量研究指出發(fā)布者的個(gè)人特性會(huì)影響視頻的流行度。Ferchaud等利用定量內(nèi)容分析來探索最受歡迎的YouTube人物的視頻，指出Vlog是最受歡迎的形式，因?yàn)槠涓咦晕遗抖入[含了真實(shí)感[8]。Frobenius探索了Vlog中個(gè)人與觀眾的互動(dòng)、語言暗示、目光注視等均能更好地吸引更多的關(guān)注[24]。

（二）信號(hào)理論

信號(hào)理論（signaling theory）從信息經(jīng)濟(jì)學(xué)的角度解釋了信息不對(duì)稱的情況，指出信號(hào)是一方發(fā)給另一方的信息提示，以促成期望的結(jié)果出現(xiàn)[25]。同時(shí)，信號(hào)理論主要包括信號(hào)、信號(hào)發(fā)送者和信號(hào)接受者三大要素[26]。在本文中可以對(duì)應(yīng)Vlog、Vlog發(fā)布者和Vlog觀看者。作為發(fā)布者展示自我日常生活的視頻形式，優(yōu)質(zhì)的、富有趣味性的Vlog通常會(huì)得以快速轉(zhuǎn)載和傳播。在Vlog展示頁面，發(fā)布者將通過傳遞Vlog相關(guān)信息線索吸引用戶的關(guān)注，因此本文選擇信號(hào)理論作為影響Vlog流行度的理論基礎(chǔ)。

信號(hào)理論已被廣泛運(yùn)用到線上場(chǎng)景中。例如，線上眾籌的研究揭示了關(guān)于社會(huì)資本信號(hào)的情景，Bi等研究了質(zhì)量信號(hào)和網(wǎng)絡(luò)口碑對(duì)資助者的投資決策具有顯著的積極影響，其中較多的介紹字?jǐn)?shù)和視頻數(shù)使資助者感覺項(xiàng)目質(zhì)量更高，較高的點(diǎn)贊數(shù)使資助者感覺該項(xiàng)目具有良好的網(wǎng)絡(luò)口碑[27]。同樣，Kromidha和Robson基于信號(hào)理論調(diào)查了眾籌成功的前因，結(jié)果表明籌款人與其支持者在論壇中交換更多項(xiàng)目所傳遞的信號(hào)，有更高的眾籌支持率[28]。在網(wǎng)絡(luò)營銷背景下，信號(hào)理論集中應(yīng)用于消費(fèi)者信任和購買意愿的影響，如品牌可信度[29～30]、賣方信息[31]、網(wǎng)站質(zhì)量[32]等作為信號(hào)，均影響產(chǎn)品質(zhì)量和購買意愿。同時(shí)，少量研究基于信號(hào)理論探索了產(chǎn)品受歡迎程度影響在線產(chǎn)品質(zhì)量，例如，Mou和Shin采用信號(hào)理論和基于實(shí)驗(yàn)室的眼動(dòng)追蹤設(shè)計(jì)，調(diào)查了流行度和時(shí)間稀缺性對(duì)產(chǎn)品態(tài)度的影響，結(jié)果發(fā)現(xiàn)社會(huì)知名度對(duì)于消費(fèi)者的信任、感知產(chǎn)品質(zhì)量和感知價(jià)值很重要，此外，時(shí)間稀缺性僅對(duì)感知產(chǎn)品質(zhì)量和感知價(jià)值產(chǎn)生影響[33]。

通過上述兩方面的相關(guān)文獻(xiàn)梳理，可以發(fā)現(xiàn)，已有關(guān)于Vlog流行度的測(cè)量較少考慮發(fā)布者特征。Vlog作為新興的視頻UGC形式，想要在傳播過程中獲得更多的關(guān)注，發(fā)布者有必要向觀看者傳遞高品質(zhì)的信息線索，從而提升Vlog流行度。而發(fā)布者特征可以從平臺(tái)個(gè)人主頁展示自我，吸引用戶對(duì)其作品的關(guān)注。因此，借鑒已有研究信號(hào)理論的相關(guān)文獻(xiàn)，結(jié)合Vlog情境，將Vlog的視頻特征作為信號(hào)，發(fā)布者的個(gè)人特征作為發(fā)布者信號(hào)，用戶的觀看行為作為接受者信號(hào)，以此探究Vlog流行度的影響因素。

二、研究假設(shè)

基于信號(hào)理論并結(jié)合本文的研究情境，本文將Vlog流行度的影響因素分為了視頻特征與發(fā)布者特征兩大類。視頻特征是反映Vlog內(nèi)容的直接因素，包括視頻時(shí)長、視頻質(zhì)量以及彈幕數(shù)量。發(fā)布者特征則展示了個(gè)人吸引力對(duì)Vlog流行度的影響，包括專業(yè)性、個(gè)人聲譽(yù)以及個(gè)人等級(jí)。

（一）視頻特征

與傳統(tǒng)的圖片、文字不同，視頻UGC具有媒介豐富性的特征，是影響受眾觀看最直接的因素。同時(shí)平臺(tái)賦予了視頻內(nèi)容的新形式，例如彈幕的嵌入豐富了Vlog的信息內(nèi)容，本文將從Vlog時(shí)長、視頻質(zhì)量、彈幕數(shù)量三個(gè)方面作為視頻特征進(jìn)行分析。

1. 視頻時(shí)長

視頻內(nèi)容對(duì)傳播的效果具有很大影響[34]。其中，視頻時(shí)長作為核心特征，一定程度上能夠反映Vlog的內(nèi)容。時(shí)長作為影響流行度的因素已受到一些研究的關(guān)注，但其影響受眾觀看效果的研究結(jié)果具有矛盾性。一些研究認(rèn)為時(shí)長與觀看行為呈正相關(guān)，李永寧等研究中提出短視頻時(shí)長相對(duì)傳統(tǒng)視頻較短，更長的視頻能體現(xiàn)更多信息量，短視頻時(shí)長對(duì)流行度產(chǎn)生正向影響[35]。同樣，Zhu等以微博秒拍短視頻為例，研究討論了短視頻時(shí)長作為內(nèi)容特征指標(biāo)對(duì)流行度的影響[36]。然而另一些研究卻持相反的態(tài)度，認(rèn)為短視頻的興起正是由于時(shí)間短內(nèi)容豐富的特性，時(shí)長對(duì)受眾瀏覽行為具有負(fù)向影響。Slemmons等通過實(shí)驗(yàn)的方式研究教學(xué)視頻時(shí)長對(duì)學(xué)生觀看的影響，結(jié)果顯示觀看較短的視頻后，內(nèi)容的保留率更高，觀看較短的視頻時(shí)具有更高的參與度和專注度[37]。本文認(rèn)為在碎片化以及快節(jié)奏的時(shí)代，過長的Vlog會(huì)導(dǎo)致受眾不愿點(diǎn)擊，視頻時(shí)間更短更受青睞。事實(shí)上，接收視頻時(shí)長過長的Vlog增加了用戶對(duì)信息過載的感知，用戶對(duì)信息過載的感知導(dǎo)致觀看者產(chǎn)生消極情緒并降低其觀看Vlog的意愿?；诖?，本文提出以下假設(shè)：

H1：視頻時(shí)長負(fù)向影響Vlog流行度。

2. 視頻質(zhì)量

在信息過載的網(wǎng)絡(luò)時(shí)代，受眾對(duì)觀看的信息會(huì)進(jìn)行初步篩選，以期觀看高質(zhì)量的視頻，其他用戶與視頻的互動(dòng)信息便是視頻質(zhì)量的重要參考依據(jù)。由于Vlog展示頁面中沒有評(píng)分這一直接反映質(zhì)量的信息，能夠反映Vlog質(zhì)量的互動(dòng)信息包括收藏?cái)?shù)量、投幣數(shù)量、轉(zhuǎn)發(fā)數(shù)量以及點(diǎn)贊數(shù)量。收藏?cái)?shù)量反映用戶認(rèn)為視頻質(zhì)量高，具有多次收看的價(jià)值[38]。投幣數(shù)量和點(diǎn)贊數(shù)量則體現(xiàn)了觀看者對(duì)Vlog的喜愛和支持程度，是對(duì)發(fā)布者精心制作視頻的一種高度認(rèn)可。Jia等將用戶所捐贈(zèng)的投幣數(shù)量視為顯性受歡迎程度，能夠?qū)σ曨l的流行產(chǎn)生影響[15]。彭晨明等研究了微信帖子內(nèi)容特征對(duì)點(diǎn)贊數(shù)量的影響，提出用戶點(diǎn)贊行為的產(chǎn)生是由于認(rèn)可微信帖子的價(jià)值。此外，轉(zhuǎn)發(fā)行為在社交平臺(tái)中是影響傳播效果的重要因素[39]。同收藏?cái)?shù)量、投幣數(shù)量以及點(diǎn)贊數(shù)量一樣，轉(zhuǎn)發(fā)數(shù)量表達(dá)出對(duì)視頻的認(rèn)可度，更重要的是轉(zhuǎn)發(fā)行為能夠擴(kuò)散信息的傳播量，是用戶進(jìn)行二次傳播的重要行為，使更多人點(diǎn)擊信息[40～41]。從觀看者的角度來看，關(guān)于Vlog視頻質(zhì)量的信號(hào)代表了一種有價(jià)值的信息，可以形成觀看者的態(tài)度并促進(jìn)Vlog流行度。提供視頻質(zhì)量的相關(guān)信息有助于減少Vlog發(fā)布者與觀看者之間的信息不對(duì)稱。可以看出，四個(gè)指標(biāo)所傳遞出對(duì)視頻的評(píng)價(jià)均有一定相似性與相關(guān)性，因此，本文將四個(gè)指標(biāo)視為反映視頻質(zhì)量的一級(jí)指標(biāo)，對(duì)Vlog流行度產(chǎn)生影響?；诖?，本文提出以下假設(shè)：

H2：視頻質(zhì)量正向影響Vlog流行度。

3. 彈幕數(shù)量

彈幕是以觀看者評(píng)論作為流動(dòng)字幕，實(shí)時(shí)同步在視頻中飛過的一種新功能，反映了觀看者對(duì)視頻的情感、態(tài)度。同時(shí)彈幕還具有實(shí)時(shí)性，極大促進(jìn)了觀看者之間的交流互動(dòng)，能夠帶來愉悅感和臨場(chǎng)感[42]。近年來包含彈幕的視頻受到了極大追捧，王德勝和楊園園的研究中提到受眾觀看各類視頻內(nèi)容的主要影響因素正是由于彈幕視頻的娛樂性、日常化、儀式感以及真實(shí)感等[43]。彈幕與流行度的關(guān)系也獲得一定關(guān)注，梁晨將視頻彈幕與評(píng)論進(jìn)行文本分析，將其分為正向、負(fù)向以及中性三種情感類型，通過實(shí)證分析驗(yàn)證了網(wǎng)絡(luò)視頻彈幕對(duì)視頻流行度具有正向影響[12]。Adele等將彈幕作為視頻新的社交功能，對(duì)UGC視頻網(wǎng)站中的流行度預(yù)測(cè)問題進(jìn)行了分析，結(jié)果指出彈幕的數(shù)量僅表示視頻受到的關(guān)注程度，而并不能表示關(guān)注的情感性質(zhì)[15]?；谝延形墨I(xiàn)對(duì)彈幕特點(diǎn)及影響效果的研究，結(jié)合本文研究情境，觀看者在Vlog展示頁面無法看到彈幕的內(nèi)容及情感傾向，僅能通過彈幕的數(shù)量感知他人愿意花費(fèi)時(shí)間進(jìn)行實(shí)時(shí)互動(dòng)的意愿，從而感知該視頻傳遞出的熱度信息?；诖?，本文提出以下假設(shè)：

H3：彈幕數(shù)量正向影響Vlog流行度。

（二）發(fā)布者特征

在Vlog分享社區(qū)中，個(gè)人主頁除了提供用戶自身的名字、性別和個(gè)人簡(jiǎn)介等基本身份信息，并展示了用戶的動(dòng)態(tài)，促進(jìn)用戶之間了解與交流。發(fā)布者相關(guān)信息是影響視頻播放總量的重要因素[44]，而專業(yè)知識(shí)，吸引力和可信度則可以作為信息來源的三個(gè)屬性[7～45]。借鑒已有相關(guān)研究，本文將從專業(yè)性、聲譽(yù)、等級(jí)三個(gè)方面作為發(fā)布者特征進(jìn)行分析。

1. 發(fā)布者專業(yè)性

專業(yè)性反映了個(gè)人在某一領(lǐng)域所擁有的知識(shí)、經(jīng)驗(yàn)及能力，并影響他人對(duì)其的評(píng)價(jià)感知。Bayón研究發(fā)現(xiàn)，信息接收者越了解信息源的專業(yè)知識(shí)，信息傳播的影響就越大[46]。在網(wǎng)絡(luò)社區(qū)中，發(fā)布者已有的作品數(shù)量可以作為專業(yè)性的衡量指標(biāo)，因?yàn)橥ǔＴS多用戶是“潛水黨”，僅少部分的用戶進(jìn)行內(nèi)容創(chuàng)造，作品的數(shù)量能夠反映出發(fā)布者對(duì)社區(qū)的貢獻(xiàn)程度。已有關(guān)于作品數(shù)與流行度之間聯(lián)系的研究中，Liu等探究了影響起點(diǎn)中文網(wǎng)的小說流行度的三方面因素，其中，累計(jì)作品數(shù)能夠反映作者的專業(yè)性進(jìn)而影響小說流行度[47]。孫婷婷研究中同樣指出投稿數(shù)越多傳播效果越好[48]?？梢钥闯觯P(guān)于發(fā)布者的作品數(shù)量對(duì)流行度的積極影響得到了一定的驗(yàn)證。Vlog作為一種新興視頻形式，涉及后期剪輯等相關(guān)技術(shù)問題，制作具有一定的技術(shù)要求。因此，總的視頻投稿數(shù)能夠反映出發(fā)布者的歷史參與程度與前期的經(jīng)驗(yàn)積累情況，并對(duì)傳遞信息的質(zhì)量產(chǎn)生正向影響，對(duì)Vlog流行度有積極影響[49]?；诖?，本文提出以下假設(shè)：

H4：發(fā)布者專業(yè)性正向影響Vlog流行度。

2. 發(fā)布者聲譽(yù)

另一個(gè)影響Vlog流行度的發(fā)布者特征是聲譽(yù)。作為虛擬社區(qū)中的一員，Vlog發(fā)布者的聲譽(yù)基于績效，被定義為“來自他人的綜合意見”，反映了社區(qū)中其他人對(duì)該用戶的評(píng)價(jià)[50]。從影響層面上來講，個(gè)人聲譽(yù)可以作為顯示其內(nèi)在特質(zhì)的一種信號(hào)，該信號(hào)具有可傳遞性，其他主體能夠通過該信號(hào)甄別該個(gè)體的行為屬性和類型[51]，最終形成個(gè)人在社區(qū)中的地位。例如在知識(shí)共享平臺(tái)中，發(fā)布者可以通過吸引其他用戶關(guān)注、點(diǎn)贊來增強(qiáng)自己的社區(qū)聲譽(yù)[26]。施艷萍等同樣以知乎平臺(tái)為例，提出用戶獲得贊同數(shù)、獲得感謝數(shù)、回答被收藏?cái)?shù)、粉絲數(shù)等能夠直接反映社區(qū)影響力[52]。除此之外，關(guān)于電子口碑情境的文獻(xiàn)指出聲譽(yù)徽章標(biāo)識(shí)[50]、用戶評(píng)分[53]和禮物數(shù)[54]等均能衡量個(gè)人聲譽(yù)。結(jié)合Vlog研究情境，本文的個(gè)人聲譽(yù)由粉絲數(shù)和個(gè)人點(diǎn)贊數(shù)表示。粉絲數(shù)體現(xiàn)發(fā)布者擁有的吸引力[55]，點(diǎn)贊數(shù)則體現(xiàn)用戶對(duì)發(fā)布者所發(fā)布的內(nèi)容的認(rèn)同感[56]，兩者均對(duì)發(fā)布者的Vlog質(zhì)量產(chǎn)生正向影響，從而促使用戶點(diǎn)擊觀看。基于此，本文提出以下假設(shè)：

H5：發(fā)布者聲譽(yù)正向影響Vlog流行度。

3. 發(fā)布者等級(jí)

個(gè)人等級(jí)是平臺(tái)賦予用戶的身份信息，平臺(tái)制定詳細(xì)的規(guī)則作為衡量等級(jí)的指標(biāo)，例如用戶的使用時(shí)長、發(fā)布的作品數(shù)、平臺(tái)參與的活躍程度等都能提升等級(jí)，因此，等級(jí)的高低一方面反映了用戶與平臺(tái)的親密程度[57]，另一方面是用戶自身能力提升的體現(xiàn)[58]。金曉玲等基于信息源的視角，采用實(shí)證研究分析了微博用戶的信息分享與傳播的影響因素，其中就包括用戶等級(jí)[56]。金燕和閆婧根據(jù)用戶的創(chuàng)建、評(píng)價(jià)、轉(zhuǎn)發(fā)等歷史行為，建立用戶信譽(yù)等級(jí)模型，并指出用戶信譽(yù)等級(jí)能夠預(yù)測(cè)UGC質(zhì)量[59]?？梢园l(fā)現(xiàn)，發(fā)布者等級(jí)能夠傳遞出所分享的Vlog的質(zhì)量信號(hào)，高用戶等級(jí)向其他用戶表明發(fā)布者在社交平臺(tái)上獲得了專業(yè)知識(shí)。在信號(hào)理論的背景下，以發(fā)布者等級(jí)的形式顯示發(fā)布者貢獻(xiàn)了一定數(shù)量的受歡迎的Vlog，從而影響Vlog最終的傳播效果。基于此，本文提出以下假設(shè)：

H6：發(fā)布者等級(jí)正向影響Vlog流行度。

三、實(shí)證分析結(jié)果

（一）數(shù)據(jù)來源

目前國內(nèi)許多平臺(tái)都紛紛布局Vlog，并出臺(tái)激勵(lì)政策鼓勵(lì)用戶參與創(chuàng)作。本文選擇Bilibili作為數(shù)據(jù)來源的平臺(tái)，原因在于：第一，Bilibili是國內(nèi)最大的視頻分享社區(qū)，Vlog作為UGC新形式的在Bilibili獲得了廣泛推廣，數(shù)據(jù)具有代表性。第二，Bilibili有專門的Vlog社區(qū)，不同于一些平臺(tái)會(huì)根據(jù)用戶偏好自動(dòng)推送用戶感興趣的視頻，Vlog社區(qū)每日所展示的熱門Vlog均是當(dāng)日所上傳，具有隨機(jī)性，避免了其他因素對(duì)播放量的干擾。在獲取數(shù)據(jù)時(shí)使用了Python網(wǎng)絡(luò)爬蟲技術(shù)，對(duì)Vlog社區(qū)中的熱門視頻進(jìn)行爬取，于2020年4月獲取了19 583條數(shù)據(jù)，剔除完全重復(fù)以及部分內(nèi)容缺失的數(shù)據(jù)后，最終有效樣本數(shù)據(jù)為18 431條。數(shù)據(jù)的描述性統(tǒng)計(jì)如表1所示。

表 1 數(shù)據(jù)描述性統(tǒng)計(jì)

（二）研究變量定義

首先，考慮發(fā)布時(shí)間對(duì)播放量的影響，即存在發(fā)布時(shí)間越長播放量越多，本文采用了日播放量作為因變量。其次，對(duì)假設(shè)模型中提出的視頻質(zhì)量與個(gè)人聲譽(yù)進(jìn)行潛變量的計(jì)算。已有的研究主要有兩種方法，一是直接將觀測(cè)變量求和或求均值，但是這種方式具有一定的弊端，未考慮不同觀測(cè)變量之間的權(quán)重關(guān)系。本文選擇第二種方法：主成分分析法，其能夠使相關(guān)性很高的變量提取為同一公因子，且考慮了因子之間的權(quán)重[60～61]。本文利用SPSS軟件的因子分析功能，采用主成分分析法對(duì)初始數(shù)據(jù)進(jìn)行處理，結(jié)果顯示六個(gè)主成分因子里，第一個(gè)成分包括收藏?cái)?shù)量、轉(zhuǎn)發(fā)數(shù)量、投幣數(shù)量與點(diǎn)贊數(shù)量，第二個(gè)成分由個(gè)人點(diǎn)贊數(shù)與粉絲數(shù)構(gòu)成，結(jié)果與預(yù)期相符，詳細(xì)結(jié)果如表2所示。

表 2 主成分分析結(jié)果

因此，本文采用前兩個(gè)因子得分值分別作為視頻質(zhì)量與個(gè)人聲譽(yù)的衡量指標(biāo)。根據(jù)因子得分系數(shù)矩陣得出公因子得分公式，如公式（1）與公式（2）所示。F1代表視頻質(zhì)量，F(xiàn)2代表個(gè)人聲譽(yù)。

其次，從爬取的數(shù)據(jù)描述性統(tǒng)計(jì)分析可以看出，除了個(gè)人等級(jí)的標(biāo)準(zhǔn)差小于均值以外，其余變量的標(biāo)準(zhǔn)差極大，呈現(xiàn)偏態(tài)分布，倘若不加以預(yù)處理，將難以滿足實(shí)證分析階段線性模型的要求。因此，對(duì)播放量、視頻時(shí)長、彈幕數(shù)以及專業(yè)性進(jìn)行對(duì)數(shù)處理，使數(shù)據(jù)更加平穩(wěn)。詳細(xì)的變量信息如表3所示。

表 3 模型變量概述

（三）相關(guān)性分析

相關(guān)性分析不能反映因果關(guān)系，但能初步判斷變量之間的關(guān)系，因此對(duì)觀測(cè)變量進(jìn)行處理后，將六個(gè)自變量與因變量進(jìn)行相關(guān)性分析。本研究采用皮爾遜相關(guān)系數(shù)（Pearson Correlation Coefficient）檢驗(yàn)變量之間的相關(guān)關(guān)系。將所有解釋變量與被解釋變量代入SPSS相關(guān)性分析中，選擇Pearson分析方法，并依據(jù)變量之間的系數(shù)大小、正負(fù)以及顯著性判斷兩兩變量之間的關(guān)聯(lián)。最終結(jié)果如表4所示，結(jié)果顯示自變量之間的相關(guān)性系數(shù)均小于0.5，表現(xiàn)出弱相關(guān)性，初步排除了多重共線性的干擾。此外在自變量與因變量的相關(guān)關(guān)系中，視頻時(shí)長與播放量相關(guān)系數(shù)為負(fù)值，視頻質(zhì)量、彈幕數(shù)、專業(yè)性、個(gè)人聲譽(yù)以及個(gè)人等級(jí)與因變量呈正向相關(guān)。

表 4 相關(guān)性分析

（四）假設(shè)檢驗(yàn)

在對(duì)觀測(cè)變量進(jìn)行處理后，結(jié)合本文提出的研究假設(shè)，建立了影響vlog流行度的計(jì)量模型，如公式（3）所示：

上式中，除前文已經(jīng)定義的解釋變量與被解釋變量外，b1～b6表示解釋變量的回歸系數(shù)，b0與?分別表示常數(shù)項(xiàng)與隨機(jī)誤差項(xiàng)。采用多元線性回歸模型檢驗(yàn)結(jié)果，如表5所示。R2=0.468說明模型有良好的擬合效果，統(tǒng)計(jì)檢驗(yàn)中容差與VIF值能夠?qū)ψ宰兞恐g的多重共線性進(jìn)行檢驗(yàn)，結(jié)果顯示各變量的VIF均小于判定值5，不存在多重共線性。視頻特征的三個(gè)變量均顯著影響了Vlog流行度，假設(shè)H1、H2與H3成立。發(fā)布者特征中，專業(yè)性與個(gè)人聲譽(yù)對(duì)Vlog流行度具有顯著的正向影響，假設(shè)H4與H5成立，而發(fā)布者等級(jí)盡管對(duì)Vlog流行度影響顯著，但其回歸系數(shù)為負(fù)值，這與本文提出的假設(shè)相悖，H6不成立。

表 5 模型估計(jì)結(jié)果

（五）穩(wěn)健性檢驗(yàn)

為了確保假設(shè)檢驗(yàn)結(jié)果的穩(wěn)健性，本文借鑒四分位數(shù)法將總體數(shù)據(jù)樣本拆分為四部分，選擇上四分位數(shù)與下四分位數(shù)的樣本分別對(duì)模型進(jìn)行重新估計(jì)，結(jié)果如表6所示。兩個(gè)樣本檢驗(yàn)結(jié)果中，視頻時(shí)長、視頻質(zhì)量、彈幕數(shù)量、專業(yè)性與個(gè)人聲譽(yù)均顯著正向影響流行度，個(gè)人等級(jí)的標(biāo)準(zhǔn)化回歸系數(shù)依然為負(fù)值。因此，實(shí)證結(jié)果基本沒有發(fā)生改變，進(jìn)一步佐證了總體樣本的數(shù)據(jù)分析結(jié)果，假設(shè)總結(jié)如表7所示。

表 6 穩(wěn)健性檢驗(yàn)結(jié)果

表 7 研究假設(shè)總結(jié)

四、結(jié)論與討論

（一）討論

本文基于信號(hào)理論，探索Vlog的視頻特征（視頻時(shí)長、視頻質(zhì)量以及彈幕數(shù)量）與發(fā)布者特征（專業(yè)性、個(gè)人聲譽(yù)以及個(gè)人等級(jí)）對(duì)Vlog流行度的影響，構(gòu)建了關(guān)于Vlog流行度影響因素的計(jì)量模型。通過爬取Bilibili的18 431條Vlog有效數(shù)據(jù)，采用實(shí)證分析方法對(duì)模型進(jìn)行了驗(yàn)證。結(jié)果表明，視頻時(shí)長對(duì)Vlog流行度產(chǎn)生負(fù)向影響，視頻質(zhì)量、彈幕數(shù)量、專業(yè)性以及個(gè)人聲譽(yù)具有顯著的正向影響，而個(gè)人等級(jí)對(duì)Vlog流行度正向影響不顯著。

根據(jù)實(shí)證分析結(jié)果，進(jìn)一步提升了關(guān)于Vlog流行度影響因素的認(rèn)識(shí)。首先，我們的研究證實(shí)了視頻特征的三個(gè)變量對(duì)Vlog流行度的顯著影響。值得一提的是過去針對(duì)視頻時(shí)長流行度的研究具有矛盾性，而在本文情境下，證實(shí)了在信息過載的時(shí)代，短視頻時(shí)長越短，會(huì)提高用戶的點(diǎn)擊量。視頻質(zhì)量與彈幕數(shù)量的作用則反映出Vlog視頻本身對(duì)用戶的吸引力。其次，發(fā)布者特征中，專業(yè)性與聲譽(yù)的正向影響與先前的研究一致，而發(fā)布者等級(jí)卻未對(duì)Vlog流行度產(chǎn)生正向影響。盡管研究結(jié)果與假設(shè)預(yù)期不符，但是卻反映出一個(gè)有趣的現(xiàn)象。結(jié)合本文情境，發(fā)布者等級(jí)的高低是由平臺(tái)根據(jù)經(jīng)驗(yàn)值作為評(píng)定依據(jù)。而經(jīng)驗(yàn)值受到注冊(cè)平臺(tái)的時(shí)間及歷史活躍度影響。本文認(rèn)為Vlog作為一種新型UGC形式，在Bilibili發(fā)展的時(shí)間不長，平臺(tái)激勵(lì)Vlog發(fā)展政策吸引了許多新用戶，一些熱衷于拍攝并發(fā)布Vlog的用戶進(jìn)入平臺(tái)的時(shí)間短，他們的等級(jí)可能不會(huì)太高。同時(shí)，本文所選取的平臺(tái)為Bilibili，該平臺(tái)受眾群體主要是年輕人，這部分群體對(duì)創(chuàng)作者的等級(jí)或者頭銜等個(gè)人指標(biāo)不太看重，這些因素對(duì)Vlog流行度的影響很小?？傊?，我們的研究將視頻特征與發(fā)布者特征結(jié)合起來，并且也證實(shí)了兩種信息來源對(duì)Vlog流行度產(chǎn)生顯著影響。

（二）理論啟示

1. 目前對(duì)Vlog流行度影響因素研究多考慮視頻特征，較少考慮發(fā)布者特征。本文創(chuàng)新性地將信號(hào)理論應(yīng)用到Vlog研究情境下，以視頻特征與發(fā)布者特征的六個(gè)變量作為影響Vlog流行度的因素，建立了Vlog流行度影響因素的計(jì)量模型。研究結(jié)果揭示了不同變量對(duì)Vlog流行度的影響機(jī)制，豐富并完善了已有關(guān)于Vlog流行度的研究體系。

2. 由于研究情境的差異及用戶偏好的改變，已有文獻(xiàn)對(duì)視頻時(shí)長影響受眾觀看行為的研究結(jié)果存在差異性。本文通過實(shí)證分析支持了視頻時(shí)長負(fù)向影響Vlog流行度的假設(shè)，即在信息超載的時(shí)代，受眾更傾向于觀看時(shí)間更短的Vlog，這一結(jié)果為已有關(guān)于視頻時(shí)長作為影響因素提供了理論上的借鑒。

（三）管理啟示

1. 視頻特征的三個(gè)變量均顯著影響Vlog流行度，這為Vlog創(chuàng)作者提供了實(shí)踐依據(jù)。首先，視頻時(shí)長負(fù)向影響Vlog流行度，說明過長的Vlog可能會(huì)導(dǎo)致用戶不愿點(diǎn)擊，因此，Vlog創(chuàng)作者在后期剪輯時(shí)要精簡(jiǎn)所分享的內(nèi)容，重點(diǎn)控制時(shí)長。其次，視頻質(zhì)量能夠通過收藏?cái)?shù)量、投幣數(shù)量、轉(zhuǎn)發(fā)數(shù)量以及點(diǎn)贊數(shù)量反映出來，同時(shí)，彈幕數(shù)量與Vlog流行度呈正向影響，這些內(nèi)容是通過用戶之間的互動(dòng)所形成，發(fā)布者可以積極主動(dòng)的傳遞出互動(dòng)的信號(hào)，例如在Vlog簡(jiǎn)介中加入“求點(diǎn)贊”“求支持”“求關(guān)注”等信息，提高與用戶的互動(dòng)性。

2. 發(fā)布者特征的專業(yè)性與個(gè)人聲譽(yù)對(duì)Vlog流行度影響顯著。一方面，Vlog發(fā)布者應(yīng)該提高自己發(fā)布視頻的數(shù)量，為Vlog社區(qū)內(nèi)容生產(chǎn)做出貢獻(xiàn)，傳遞給受眾自身具有Vlog制作的經(jīng)驗(yàn)積累信息。另一方面，粉絲數(shù)與個(gè)人點(diǎn)贊數(shù)的提升同樣需要發(fā)布者提升參與度，并在Vlog社區(qū)中加強(qiáng)與其他用戶的互動(dòng)。而個(gè)人等級(jí)并不會(huì)對(duì)Vlog流行度產(chǎn)生積極影響，說明受眾對(duì)高等級(jí)的信息不太看重，發(fā)布者不必花大量時(shí)間特地去提升自己的等級(jí)。同時(shí)也從側(cè)面鼓勵(lì)了一些入駐平臺(tái)時(shí)間不長的Vlog創(chuàng)作者，即使等級(jí)不高，Vlog依然會(huì)受到歡迎。

3. 從Vlog平臺(tái)的角度，本文的結(jié)果能夠讓平臺(tái)提供更好的激勵(lì)措施來促進(jìn)Vlog的流行，以增強(qiáng)用戶的粘性。一方面，社交功能對(duì)流行度具有重要影響，例如彈幕的使用，平臺(tái)可以增強(qiáng)彈幕的樂趣，例如加入多樣化的表情符號(hào)。同時(shí)提高用戶發(fā)送彈幕的便捷性，例如彈幕發(fā)送框內(nèi)設(shè)置特定的語句或表情供用戶選擇，省去了用戶自行編輯彈幕的時(shí)間，使觀看者更愿意發(fā)送彈幕。另一方面，平臺(tái)可以根據(jù)視頻特征及發(fā)布者的特征，在后臺(tái)運(yùn)營和網(wǎng)頁展示上做規(guī)劃，展示質(zhì)量更優(yōu)、傳播效果更佳的Vlog來促進(jìn)平臺(tái)活躍度。

（四）研究不足與未來展望

本文仍然存在一些局限性。首先，數(shù)據(jù)的選擇上，本文的數(shù)據(jù)來源為Bilibili平臺(tái)，僅使用了一個(gè)網(wǎng)站的數(shù)據(jù)，未包含其他用戶分享平臺(tái)的Vlog數(shù)據(jù)，平臺(tái)之間的差異可能會(huì)造成結(jié)果的不同。未來可以收集其他平臺(tái)關(guān)于Vlog的數(shù)據(jù)，對(duì)不同平臺(tái)進(jìn)行比較，從而探索平臺(tái)之間是否存在差異。其次，本文的因變量以播放量作為衡量指標(biāo)，模型中的變量之間可能會(huì)存在一定的內(nèi)生性問題，播放量可能會(huì)影響用戶之間的互動(dòng)數(shù)量，如點(diǎn)贊數(shù)量、轉(zhuǎn)發(fā)數(shù)量及彈幕數(shù)量等。今后可以嘗試?yán)妹姘鍞?shù)據(jù)進(jìn)行研究，進(jìn)行深入分析以減少內(nèi)生性問題，使研究結(jié)果更具有穩(wěn)健性。同時(shí)，未來可以利用面板數(shù)據(jù)建立包含時(shí)間因素的計(jì)量模型，以更加深入全面地了解Vlog流行度的影響因素。最后，本文所建立的模型中，尚未考慮一些調(diào)節(jié)因素的影響，例如視頻類型，本文未對(duì)各個(gè)視頻類型進(jìn)行細(xì)分，視頻類型的加入可能會(huì)導(dǎo)致影響機(jī)制的差異。未來可以嘗試對(duì)標(biāo)題或Vlog簡(jiǎn)介進(jìn)行文本分析，得出每條Vlog的主題及類型，檢驗(yàn)視頻類型的調(diào)節(jié)作用。