摘要：[目的/意義]探究影響電影微博互動效果的隱藏主題能發掘用戶關注的熱點問題，為企業提供有效的營銷策略。[方法/過程]從新浪微博上爬取2017年上映的123部電影的熱門微博，采用主題建模方法挖掘電影微博文本中的隱藏主題，利用回歸方法分析隱藏主題對電影微博互動效果的影響。 [結果/結論]結果發現6個可解釋主題：電影人物、電影宣傳、互動營銷、電影內容、電影評價和線下活動，其中電影宣傳、互動營銷、電影內容和電影評價4個主題正向影響電影微博的互動效果;同時發現用戶粉絲數和話題討論熱度正向影響電影微博的互動效果。
關鍵詞：電影微博 互動效果 主題模型 LDA
微博作為新媒體時代的網絡社交平臺，因具有互動性、公開性、便捷性等優點[1]得到了千萬網民的喜愛，發展迅速。同時微博平臺因其短小而豐厚、平等而互動、快速而價優等優勢[2]也得到眾多企業青睞，其中就包括影視企業。《2018年度微博電影白皮書》報告顯示，2018年82部票房過億的電影，100%開通了官方微博，全年累計電影閱讀點評總量達568億[3]。事實數據說明微博平臺擁有海量的用戶，同樣正成為影視企業進行產品營銷的重要平臺。
企業微博營銷效果的一個重要衡量指標是微博的互動效果[4]，即微博所引發用戶的點贊、轉發和評論的數量，故分析電影微博互動效果的影響因素是重要且有意義的。影響微博互動效果的因素有很多，其中，微博主題是一個較難獲取和分析的因素，而用戶往往對關注度高的主題有更強的互動意愿。鑒于此，本文嘗試找出電影微博中的隱藏主題及其對互動效果影響的一種方法。基于研究發現，為各影視企業進行微博營銷提供實踐指導。
1 文獻綜述
關于影響微博互動效果的探究，席林娜等[5]從情感、時間線、粉絲數等方面研究影響微博互動效果的因素，結果表明情感和粉絲數對微博的互動效果影響顯著，而時間線對微博的互動效果影響不顯著;陳姝等[6]結合“理性行為”原理探究微博中用戶參與互動的原因，研究發現微博用戶的興趣、個人影響力、微博活躍程度等顯著影響互動效果，而微博文本的表達形式對互動效果影響不明顯;謝正霞[7]認為微博用戶的粉絲數量正向影響互動效果，并根據這種關系得出使某一微博的互動效果達到一定程度的最佳粉絲數量;周慶山等[8]將微博中的精英用戶分為：商業明星、娛樂明星和文化明星，探究他們是否對用戶的互動意愿產生不同的影響，結果表明娛樂明星引起用戶的互動意愿最強烈，其次是商業明星，最后是文化明星;陳娟等[9]基于政務微博數據，以轉發和評論數作為微博互動效果的測量指標，探究影響辟謠微博互動效果的因素，結果發現謠言的方式和類型、微博的原創性、圖片的數量、微博的互動意愿等對互動效果有顯著影響;魏萌等[10]以點贊數和轉發數作為互動效果的測量指標，探究“網紅”微博內容的特征及其對互動效果的影響，結果表明不同類型的“網紅”的受歡迎程度不同，且微博內容在互動性、豐富性、娛樂性和生動性上明顯不同;S. Wu和J. M. Hofman 等[11]研究了Twitter 上不同用戶所發布微博的互動程度，將Twitter用戶分為2個等級：一般用戶與精英用戶，研究表明精英用戶所發布的微博更容易引起其他用戶的互動;M. Cha和F. Benevenuto等[12]在探究Twitter中信息的流行時發現已經認證過的博主所發布的文章更容易引起轉發;L. Zhanglun和T. Q. Pengtaiquan 等[13]在探究影響微博互動效果的因素時發現文本長度對互動效果的影響顯著，即較長微博文本能夠促進傳播的廣度和速度; J. So和A.Prestin 等[14] 以轉發數作為微博的互動效果的評測指標，探究了肥胖在 Twitter中的普遍觀念和態度，結果表明貶損內容比非貶損能夠更能引起用戶的轉發與關注，且具有幽默性的微博內容也容易引起用戶的轉發與關注;A. Soboleva和S. Burton等[15]用轉發數作為微博的互動效果的評測指標，分析了影響轉發數的關鍵因素，結果表明賬號的使用時長、好友數量以及博主的粉絲數量影響轉發數，而微博文本中的標簽和URL超鏈接對轉發數的影響不顯著。
從國內外研究現狀上來看，學者們主要以微博的轉發、評論等數據作為互動效果的測量指標，圍繞信源、信息內容和信息接收者等方面探究微博互動效果的影響因素，而從信息內容維度出發探索微博互動效果的影響因素時，多從內容的組成形式和內容情感等方面進行探究，鮮有人探究微博內容中的隱藏主題對互動效果的影響。對于電影微博領域，更是少有研究探討主題對微博互動效果的影響。為了彌補上述缺陷，本文嘗試找出電影微博中的隱藏主題及其對互動效果影響的一種方法。基于研究發現，為各影視企業進行微博營銷提供實踐指導。
2 影響電影微博互動效果隱藏主題的研究方法
本文嘗試結合LDA和多層回歸模型探究電影微博中的隱藏主題及其對互動效果的影響。LDA模型是一種常見的主題模型，能夠有效識別短文本數據中的隱藏主題[16]，而多層回歸模型能夠分析多個層級的影響因素對互動效果的影響[17]。
2.1 LDA
LDA是一種詞袋模型，假設一篇文檔由一組詞組成，詞和詞之間沒有先后關系，文檔中潛在的主題將詞和文檔關聯起來，即一個文檔由一組不同概率的主題組成，一個主題由一組不同概率的詞組成。在LDA中，文檔中的詞是已知的，主題是未知的，根據已知的詞和文本的生成規則，LDA通過概率推測來完成參數估計。
推薦閱讀：市場營銷專業評什么職稱
