分享自:

关系共鸣与内容创作:社交媒体中用户生成内容的动态调整研究

期刊:Management Science

类型a

研究作者与机构及发表信息
本研究的主要作者为Song Tingting(宋婷婷)和Ho Yi-Chun (Chad)(何毅俊),分别来自上海交通大学安泰经济与管理学院和乔治华盛顿大学商学院。该研究发表于《Management Science》期刊,预计在2024年8月正式出版。

学术背景
本研究属于社会网络与用户生成内容(User-Generated Content, UGC)领域的交叉学科研究。随着社交媒体平台的普及,用户生成内容的数量呈爆炸式增长,但同时也带来了“社交媒体疲劳”现象——用户因信息过载而降低参与度。为了应对这一挑战,平台通常通过外在激励(如金钱奖励)来刺激创作者生产更多内容,但这种方法的效果依赖于持续的补偿机制,难以长期维持。相较之下,内在动机被证明更能驱动用户的持续努力。因此,研究如何通过社交互动激发创作者的内在动机成为提升用户参与度的关键问题。

本研究的核心目标是探讨社交媒体中的关系形成(tie formation)如何影响用户生成内容的生产,特别是通过一种名为“关系共鸣(relational resonance)”的心理机制。研究基于社会心理学理论,提出了一种框架,用于解释关系形成过程中创作者的社会认知如何演变,并最终促使其调整内容创作策略。

研究流程
本研究分为以下几个主要步骤:

  1. 数据收集与样本选择
    研究使用了YouTube平台上的数据,时间跨度为2021年2月至2022年3月,共一年。研究团队采用“滚雪球抽样法”(snowball sampling),从三个异质性创作者作为初始节点开始,逐步扩展到七度连接的创作者网络,最终形成了一个包含54,525名独特创作者的数据集。其中,9,627名创作者被识别为“关系发起者”(tie initiators),其中有814名收到了至少一条响应关系(responsive tie)。

  2. 实验设计与变量测量
    研究设计包括两个主要部分:观察性数据分析和在线实验验证。

    • 观察性数据分析:研究团队追踪每位创作者的内容生产情况,包括视频上传数量(videovolume)、观众点赞数(likes)和订阅数(subscriptions)。这些数据以每周为单位汇总,以便分析关系形成对内容创作的影响。
    • 在线实验:为了验证“关系共鸣”的心理机制,研究团队在Amazon Mechanical Turk平台上设计了一项在线实验。参与者被随机分配到“控制组”和“实验组”,分别模拟未收到响应关系和收到响应关系的情境。实验通过问卷调查测量了参与者的自主感(autonomy)、共同参与感(co-participation)和主动性满足感(initiative fulfillment)。
  3. 数据分析方法
    数据分析采用了贝叶斯分层模型(Bayesian Hierarchical Modeling),并结合滚动匹配法(Rolling Entry Matching, REM)和内生切换模型(Endogenous Switching Model)来校正潜在的选择偏差。具体而言,研究团队首先通过REM方法匹配具有相似特征的创作者,然后利用贝叶斯分层模型估计响应关系对内容创作的影响。此外,研究还通过后验分析量化了响应关系对总观众参与度的影响。

主要结果
1. 观察性数据分析结果
- 接收响应关系后,创作者的视频上传数量平均减少了24.2%,但每条视频的观众参与度显著提高。“点赞率”和“订阅率”分别增加了1.1和2.9个百分点。后验分析表明,对于中位表现的创作者,接收响应关系后每周净增加66个点赞和183个订阅,即使考虑到视频数量减少,这种效果依然显著。
- 创作者之间存在显著的异质性。大多数创作者倾向于减少视频产量,同时提高内容质量,符合“质量优于数量”的原则。少数创作者则表现出双维度提升或双维度下降的行为模式。

  1. 在线实验结果
    在线实验验证了“关系共鸣”的心理机制。结果显示,接收到响应关系后,参与者的共同参与感显著增强,但自主感没有显著变化。进一步的结构方程模型(SEM)分析表明,响应关系通过“主动性满足感”间接影响内容创作行为,而“主动性满足感”又受到自主感和共同参与感的共同驱动。

结论与意义
本研究揭示了社交媒体中关系形成对用户生成内容生产的重要影响。研究表明,接收响应关系能够激发创作者的内在动机,促使其调整内容创作策略,从而提高内容质量和观众参与度。这一发现不仅为理解UGC生产的心理机制提供了新视角,也为社交媒体平台的设计和运营提供了实践指导。例如,平台可以通过优化关系形成机制(如双向关注功能)来激励创作者生产更高质量的内容,从而缓解社交媒体疲劳现象。

研究亮点
1. 重要发现:首次提出了“关系共鸣”这一概念,揭示了其在UGC生产中的核心作用。
2. 方法创新:结合了观察性数据分析和在线实验验证,确保了研究结果的可靠性和有效性。
3. 数据分析技术:采用贝叶斯分层模型和滚动匹配法,解决了潜在的选择偏差问题,提高了因果推断的准确性。

其他有价值内容
研究还探讨了多种替代解释的可能性,例如响应关系是否通过“工具价值”(instrumental value)影响内容创作。通过构建交互项进行检验,研究排除了这一可能性,进一步巩固了“关系共鸣”机制的解释力。此外,研究团队还进行了多项稳健性检验,包括使用不同的匹配方法和参数设置,均得出了与主分析一致的结果。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com