表1用户发帖数量对产品认知扩散广度的影响假设
张 静1,2，郭 伟1，王 磊1，赵 楠3，石丽雯1,2，安蔚瑾1
(1.天津大学 机械工程学院，天津 300072；2.天津大学 仁爱学院，天津 301636；3.天津职业技术师范大学 机械工程学院，天津 300222)
摘要：网络产品社区中以用户发帖、评论为代表的深度交互行为是快速认知新产品知识并传播扩散的动力源泉。基于社会资本理论，依托小米社区论坛手机产品板块，采用数据挖掘与社会网络分析方法，分别从具有典型交互行为特征用户的发帖数量与质量角度，研究用户交互对产品知识认知扩散的影响。结果表明，用户发帖作为响应社区活动的特殊评论形式，其发帖数量对扩散有显著正向影响；发帖题目长度对扩散有显著负向影响；过长或过短的发帖内容长度都会对扩散产生显著负向影响；新帖发布者的发帖内容平均长度与用户社交行为习惯相吻合，简要少量的信息能够有效激励用户的高频次交互。研究结果有助于指导社区针对典型交互行为特征用户提出相应的激励策略，促进社区新产品推广并使用户快速形成产品认知。
关键词：网络产品社区；用户交互；产品知识；认知扩散；社区激励
近年来，随着Web2.0的广泛应用，基于用户交互关系构建的网络产品社区被赋予“网络数据驱动，交互形式复杂，网络效应强大，知识生产为主，不确定性认知”[1]的特征。依据创新扩散理论，在新产品上市初期，网络产品社区用户关于产品知识的认知程度对该产品在未来市场中的扩散尤为重要。以小米社区为代表的网络产品社区，利用饥饿营销、口碑传播、米粉效应等聚集资源。在新产品面市推广阶段，通过社区活动聚集用户智慧能力及海量信息，利用发帖与评论等用户交互行为深度共享知识资源，激励用户发挥资源价值，迅速传播且广泛扩散新产品知识，有效促进用户快速全面认知新产品。
目前，针对网络信息扩散的研究热点多集中于以Twitter、Facebook、微博等为代表的社交网络分析，通过研究用户浏览、关注、转发等信息行为对网络信息扩散的影响作用，帮助用户获取有用信息、促进企业产品推广及迅速调控社会舆情。但是，现有研究较少从用户发布信息的方式、发布内容的质量等角度，评价网络社区中新产品信息扩散过程，忽略了用户间以发帖、评论为代表的深度交互行为对社区用户规模、用户交互频次及信息扩散速度的影响。Rogers认为，新产品扩散是指新产品依据时间维度，通过某种渠道被社会系统用户所接受的过程。用户作为传播扩散的关键，其交互作用对网络信息扩散具有重要影响[2]。在网络社区中，用户主动参与社区知识发布和共享活动是社区成功的重要影响因素之一[3]，决定了新产品扩散的有效性。社会资本理论被广泛应用于网络社区的用户研究，用来解释网络社区中用户参与及知识共享行为[4-5]，社区中基于用户交互关系所创造的资本是网络社区系统的重要资源，能够促进用户及群体之间的知识转移[6]。网络产品社区中以用户发帖、评论等交互形式为主的知识共享行为，能够充分扩大产品知识的利用价值及其影响效应[7]，从而推动产品知识的快速认知及扩散。
用户间深度交互行为是网络产品社区的重要发展动力，研究其模式规律及作用影响对揭示社会网络中新产品知识的扩散规律、快速有效构建用户对新产品的认知系统具有重要理论意义和应用价值。基于社会资本理论，结合社会网络分析方法，本文认为网络社区中新产品认知及推广的成功，与用户发帖、评论的深度交互密切相关。本文以小米社区论坛数据为研究基础，从影响新产品知识认知扩散的用户类型、用户发布内容的数量、用户共享知识质量等方面，研究网络社区对产品知识认知扩散的激励及影响作用。
网络产品社区有目的地激励新产品扩散，能够迅速传播扩散产品知识，全面系统地构建用户对新产品的认知。本文将从具有典型行为特征的各类用户发帖数量、质量角度，研究网络产品社区中用户深度交互对新产品知识认知扩散的影响。
用户是网络产品社区的核心资源，用户间信息传播扩散行为是社区平台持续发展的重要基础。在以用户交互行为构成的关系网络中，用户拥有并共享知识的程度会影响社区其他用户认知新产品的意愿[8]。用户个体的网络节点特性与新产品知识扩散程度密切相关，并能显著影响新产品创新扩散速度[9]。用户在社区活动的发帖、评论等交互行为表现，反映了用户参与社区活动的目的性。Liang[10]认为，网络用户节点中心性显著影响用户间知识共享的有用性和数量。由用户交互关系构建的社区网络中关键用户节点决定着信息传播扩散的方向和数量[11]。因此，从用户参与社区活动的深度交互行为特征角度分析产品知识认知扩散具有必要性。
本文认为，社区用户随时间产生的发帖数量与发帖质量的差异性变化，在一定程度上影响社区产品知识认知及扩散。根据交互行为特征描述用户类型，将有助于社区有目的地激励相关用户，有效促进产品知识认知的传播扩散。本文以用户在小米社区论坛中发帖、评论的交互行为显著表现作为度量标准，将用户分为：喜好发帖且发帖量大的新帖发布活跃者；发布帖子收到其他用户热烈评论反馈的热帖发布者；积极响应社区活动的参与发帖活动新帖发布参与者。基于以上分析，本文提出假设，具有典型交互行为特征的新帖发布活跃者、热帖发布者、新帖发布参与者均对产品知识扩散的广度、热度、速度变化产生积极影响作用。
用户的交互作用关系带动了社区内知识的自由流动，实现了用户参与新产品开发过程[12]。现有研究普遍利用网络节点数和网络边数描述社区用户交互关系[13]，网络节点越多，说明主动参与社区知识产生和共享活动的用户规模越大，社区平台的新产品扩散就越成功[14]，即用户规模越大，信息传播扩散的范围就越广。因此，本文以用户规模作为产品知识认知扩散广度的度量指标。从社会资本角度看，社区用户发布信息量反映用户认知新产品知识的程度。孙春华等[15]验证了网络口碑数量和内容越多，用户感知信息的有用性越大。用户发帖数量越多，社区知识资源就越丰富，越能够吸引大规模用户获取并共享知识。因此，本文提出相关假设，如表1所示。
产品知识认知扩散的广度与用户发帖数量紧密相关，发帖内容也起到至关重要的影响作用。刘丽娟[16]认为帖子的受众程度与其讨论的内容密切相关，这表明发帖质量影响社区用户认知并采纳产品知识的意愿。但是，相关文献[17-18]多从在线评论角度研究用户贡献内容的质量。例如，采用评论字数衡量评论的深度及其有用性，Kim等[19]发现评论长度是在线评论中最具影响的因素之一，并且较长的评论对用户认知的有用性更高[20]。
表1用户发帖数量对产品认知扩散广度的影响假设
本文认为，小米社区论坛用户的发帖行为可看作是对社区新产品的评论响应与认知反馈，是社区在线评论的特殊形式。因此，本文从用户发帖角度，分别用发帖题目长度和发帖内容长度分析用户贡献内容质量对产品知识认知扩散广度的影响，提出相关假设，如表2所示。
表2用户发帖质量对产品认知扩散广度的影响假设
网络产品社区用户间以发帖和评论行为对产品知识作出认知响应，其深度交互关系可视为以用户实体为节点的关系网络。网络中节点数量和边的数量大小反映网络中存在交互关系的多少；用户间交互频次越多，用户对产品知识的关注度就越高，用户间知识共享及认知扩散的热度就越高。用户活跃程度的差异性会影响产品知识认知扩散的热度，往往在网络中拥有较多回复链接或发帖链接的用户节点对知识信息传播扩散热度的贡献更大[16]。学者们普遍认为，用户交互关系强度与信息扩散程度正向相关，用户间交互强度越大[21]，信息就越容易扩散。
本文借鉴相关研究[14]，以网络产品社区中用户发帖、评论的交互频次作为产品知识认知扩散热度的度量指标，提出相关假设，如表3所示。
表3用户发帖数量对产品认知扩散热度的影响假设
社区新产品知识的认知扩散热度除受到用户特征、社交关系特征的影响外，还与用户发布内容紧密相关[22]。帖子题目的吸引力在一定程度上影响用户评论反馈热度，学者们在社区研究中以字数度量内容长度反映信息量大小[23]，基于信息采纳理论发现用户反馈内容长度越长，包含信息量越大[24]，用户表达的内容就越完整[25]。
在前人研究基础上，本文提出假设：用户通过发帖共享知识的质量对产品知识认知扩散热度具有显著影响，如表4所示。
表4用户发帖质量对产品认知扩散热度的影响假设
网络产品社区中产品知识认知扩散速度不仅受到外部广告媒介传播的影响，更会受到社区内部产品知识发布用户、传播用户等社区中具有不同功能属性用户互动交流的影响。赵良杰[26]通过仿真分析用户交互作用模式，认为社会关系网络的拓扑结构及网络效应显著影响产品扩散速度。在社会网络分析研究中，以网络平均路径距离反映信息传播的有效性[27]，网络平均距离越短，用户节点的联系就越紧密[28]，那么在一定时间内，网络信息传播的速度就越快。
因此，本文以用户交互关系网络的平均路径距离度量网络产品社区知识认知扩散速度，并提出相关假设，如表5所示。
表5用户发帖数量对产品认知扩散速度的影响假设
用户通过在社区中获取对行为有用的知识，并以利用知识价值为目的进行知识扩散活动。通常用户贡献的内容越多，蕴含的有用性知识就越丰富，因而知识流动和传递的速度也受用户贡献内容长度的影响。本文提出相关假设，如表6所示。
表6用户发帖质量对产品认知扩散速度的影响假设
国内网络产品社区中以小米社区论坛发展最为迅猛，其用户数量巨大，信息海量，社区用户以发帖、评论等深度交互共享产品知识，充分参与新产品推广与创新。2015年小米手机在国内出货量超7 000万部，居国内第一[29]，已然成长为全球第一大互联网创业公司。
本文采用小米5手机产品板块数据进行实证研究。该产品于2016年2月24日正式发布，距下一代新产品发布相隔7个月时间。因此，本文采集了2015年1-6月时间段内8 114条主题帖及其产生的242 940相关评论数据作为研究样本，分析社区多类型用户发布内容的数量、共享知识质量等因素对产品知识认知扩散的影响。此段时间涵盖了新产品发布前的预热期、发布后的推广期和稳定期，社区用户及信息资源均具有高参与、高交互的活跃表现，易于形成并构建由社区中所有用户及其相互间关系构成的整体网络，能更有效地研究新产品推广上市阶段社区用户交互对新产品知识扩散的影响。
从时间维度筛选社区发帖数量居前20位用户为“新帖发布活跃者” (Active New Posting Publisher，ANPP)；在用户深度交互形成的关系网络中，用户得到他人评论的次数可以采用用户节点入度度量，节点高入度反映交互的高热度，说明该用户节点对产品知识共享和扩散产生了较大影响力，故将高于网络平均入度的用户节点定义为“热帖发布者” (Hot Posting Publisher，HPP)；将参与社区新帖发布的用户定义为“新帖发布参与者” (New Posting Publisher，NPP)。
(1)自变量。 社区用户发帖数量(Number of Postings，NP)，即用户发布新帖的数量；以用户发帖题目的长度和发帖内容长度来度量用户发帖质量，分别用题目平均字符数(Title Average Number of Characters，TANC)和内容平均字符数表示(Content Average Number of Characters，CANC)，即用户发帖的题目及内容的总字符数分别与NP的比值。
(2) 因变量。 网络产品社区中参与深度交互行为活动的用户规模反映产品知识认知扩散的广度(Range of Product Knowledge Diffusion，RPKD)，以用户交互行为关系网络的用户节点数量度量；用户间交互频次体现了产品知识认知扩散热度(Heat of Product Knowledge Diffusion，HPKD)，以用户评论次数度量；用户间网络距离越短，信息扩散速度越快，以用户关系网络的平均路径距离反比形式表示产品知识认知扩散速度(Speed of Product Knowledge Diffusion，SPKD)。
本文研究变量数据存在较大差异性，为了使回归结果更加稳健，对变量进行了对数化处理。
本文运用SPSS22.0进行数据处理分析，并对假设模型进行检验。
对变量进行描述性统计，相关系数如表7、表8、表9所示。
表7新帖发布活跃者变量描述性统计及相关系数
注：**表示相关性在0.01层上显著(双尾)，*表示相关性在0.05层上显著(双尾)，N=120，下同
表8热帖发布者变量描述性统计及相关系数
表9新帖发布参与者变量描述性统计及相关系数
通过以上变量相关性分析发现，变量间有可能存在共线性问题。为了使回归模型效果更为理想，对变量间多重共线性进行诊断。通常，变量的容忍度(Tolerance)越小且方差膨胀系数(VIF)越大，则存在多重共线性的可能性就越大。如表10所示，新帖发布活跃者、热帖发布者与新帖发布者各自的发帖数量、题目平均长度与内容平均长度变量的容忍度(Tolerance)均大于0，且方差膨胀系数(VIF)均小于3。根据数量统计规律，变量间多重共线性问题不明显。
本文对数据进行正态性检验，结果表明，P值均大于0.05，变量均服从正态分布，如表11所示。
本文采用层次回归分析法检验网络产品社区各类型用户深度交互行为特性与产品知识认知扩散度的因果关系，如表12所示。
网络产品社区新帖发布活跃者的发帖数量与扩散广度(β=0.810，p<0.001)和热度(β=0.727，p<0.001)均具有显著正相关关系，因此，假设H1、H10成立。其余变量均无显著影响，说明此类用户发帖数量越多，产品知识扩散的范围就越大，用户间知识共享的交互次数越多。
热帖发布者的发帖数量与扩散广度(β=0.872，p<0.001)和热度(β=1.035，p<0.001)显著正相关，因此，假设H2、H11成立；发帖内容长度与扩散热度正相关(β=0.619，p<0.05)，假设H17成立；但发帖题目长度与热度负相关(β=-0.536，p<0.05)，与假设H14相反。这说明热帖发布用户发帖数量越多，发帖内容越长，包含的产品知识信息就越丰富，也越能够引发用户阅读兴趣，促进用户深入阅读并积极反馈。但发帖题目过长会阻碍用户快速获取帖子关键信息，失去阅读帖子的兴趣和响应意愿，因而会降低用户间交互频次。
表10变量间多重共线诊断
因变量：RPKD、HPKD、SPKD
表11正态性检验(Shapiro-Wilk)
表12层次回归分析结果
注：***表示在P<0.001水平上显著；**表示在P<0.01水平上显著；*表示在P<0.05水平上显著，下同
新帖发布参与者的发帖数量(β=0.919，p<0.001)、发帖内容长度(β=0.294，p<0.05)均与扩散广度显著正相关，因此，假设H3、H9成立；发帖数量(β=1.043，p<0.001)和发帖内容长度(β=0.263，p<0.05)对扩散热度正相关，假设H12、H18成立；发帖题目平均长度与热度负相关(β=-0.533，p<0.05)，与假设H15相反。这说明社区用户发布新帖的数量和内容均能正向激发用户深度交互行为，但题目长度过长则不利于用户对帖子作出快速认知响应。
综上所述，各类型用户的发帖数量、发帖内容长度均能正向影响扩散广度和热度，而发帖题目长度则对扩散广度及热度有负向作用。认知心理学认为，用户更倾向于阅读短句子[30]。从人机交互角度分析，用户从网页中获取信息的方式是浏览而不是理解，用户习惯跳跃性地寻找与认知目的相关的关键词。所以，过长的题目分散了用户认知信息的注意力，容易产生“逃跑”心理，影响用户对知识的认知及交流意愿。因此，较短的题目长度更能使用户快速浏览并获取有效信息，激发用户阅读详细内容的行为意愿，是社区激发用户间知识共享交互行为的有效方式。
从模型结果分析可以发现，各类型用户的发帖数量、发帖题目长度、发帖内容长度均对产品知识认知扩散速度无显著影响作用。但在小米社区中，发帖数量和发帖质量均会影响用户对新产品知识的认知意愿，进而就感兴趣的产品知识与其他用户进行讨论交流，用户间高聚集性缩短了网络用户节点之间的距离，提升了产品知识共享及认知交流扩散速度。同理，其余无显著影响的变量均可能在相互交互作用下对产品知识认知扩散产生影响作用。因此，本文提出假设：多自变量之间的交互作用会对产品知识认知扩散度产生正向影响。将自变量两两作用，分别以“NP* TANC”、“NP* CANC”、 “TANC* CANC”和“NP* TANC* CANC”4个交互项为新自变量进行对数化处理和回归分析。应用SPSS 22.0图形分析发现，各自变量与因变量之间多呈非线性关系，如图1所示。因此，分别对自变量与因变量进行曲线估计及非线性回归分析。
3.3.1 交互项变量描述性统计及相关系数
如表13-表15所示，通过变量间相关性分析验证各变量与产品知识认知扩散的相关性。结果显示，“发帖题目长度和发帖内容长度”交互作用与产品知识认知扩散均不具有相关性，因此后续不作分析。
图1 3种用户类型变量图形分析
表13新帖发布活跃者自变量交互项描述性统计及相关系数
表14热帖发布者自变量交互项描述性统计及相关系数
表15新帖发布参与者自变量交互项描述性统计及相关系数
3.3.2 非线性模型结果分析
(1)新帖发布活跃者自变量交互影响作用分析。 在多自变量交互作用下，网络产品社区新帖发布活跃者的发帖数量和发帖题目长度(β=-0.805，p<0.001)、发帖数量和发帖内容长度(β=-0.599，p<0.01)、发帖数量和发帖题目长度及发帖内容长度(β=-0.662，p<0.01)的自变量交互项均与扩散广度负相关。发帖数量和发帖题目长度(β=-0.734，p<0.01)、发帖数量和发帖内容长度(β=-0.508，p<0.05)、发帖数量和发帖题目长度及发帖内容长度(β=-0.573，p<0.05)的自变量交互项也均与扩散热度负相关。发帖数量和发帖题目长度交互项(β=-0.620，p<0.01)与扩散速度负相关。上述结果均与假设相反，如表16所示。
表16新帖发布活跃(ANPP)者自变量交互项分析结果
联系上文分析，新帖发布活跃者的发帖数量与扩散广度正相关；在发帖数量、发帖题目长度、发帖内容长度两两交互作用下，发帖题目、内容长度越短，扩散的广度和热度就越大；题目长度越短，扩散速度就越快。
新帖发布活跃者在小米社区中承担了以发帖行为促进新产品扩散的社区角色功能。针对此类喜欢参与并经常发帖的用户，社区应激励其以简短的题目、简要的内容大量发帖，使其他用户能够快速形成新产品认知，吸引用户交流讨论，使新产品广泛快速推广。
对网络产品社区用户数据加权统计发现，新帖发布活跃者发帖题目平均长度不超过13个字符，且140个字符左右的发帖内容长度也与网络用户社交行为习惯相吻合。目前，小米社区还未对用户设定发帖字符数量。将此发现与发帖内容和产品知识认知扩散负相关的分析结果相联系，将为社区把握并调控用户认知行为提供参考。
(2)热帖发布者自变量交互影响作用分析。 热帖发布者的发帖数量和发帖题目长度(β=0.854，p<0.001)、发帖数量和发帖内容长度(β=0.404，p<0.001)、发帖数量和发帖题目长度及发帖内容长度(β=0.401，p<0.001)的自变量交互项均与扩散广度正相关。发帖数量和发帖内容长度(β=0.453，p<0.001)、发帖数量和发帖题目长度及发帖内容长度(β=0.455，p<0.001)的自变量交互项均与扩散热度正相关；发帖数量和发帖题目长度(β=-0.761，p<0.001)与扩散热度负相关，这与假设相反。发帖数量和发帖题目长度(β=-0.635，p<0.01)、发帖数量和发帖内容长度(β=-0.609，p<0.01)、发帖数量和发帖题目长度及发帖内容长度(β=-0.617，p<0.01)的自变量交互项均与扩散速度负相关，这与假设相反，如表17所示。
网络产品社区中热帖发布者通常具有较高的用户等级及社区影响力，并占据重要的网络节点位置，能够迅速关联相关用户节点传播信息，其贡献内容的有用性较高[31]。在社区新产品推广阶段，该类用户利用其网络影响力大量发帖有助于吸引其他用户积极参与响应并讨论新产品，提升社区内容产品知识认知扩散程度。因此，要激励此类用户以简短的发帖题目大量发帖，提升用户间产品认知交互的热度和知识扩散速度。
表17热帖发布者(HPP)自变量交互项分析结果
(3)新帖发布参与者自变量交互影响作用分析。 新帖发布参与者的发帖数量和发帖题目长度( β=0.413，p<0.001)、发帖数量和发帖内容长度(β=0.401，p<0.001)、发帖数量和发帖题目长度及发帖内容长度(β=0.408，p<0.001)的自变量交互项均与扩散广度正相关。发帖数量和发帖内容长度(β=0.440，p<0.001)、发帖数量和发帖题目长度及发帖内容长度(β=0.463，p<0.001)的自变量交互项均与扩散热度正相关；而发帖数量和发帖题目长度(β=-0.829，p<0.001)与扩散热度负相关，这与假设相反。发帖数量和发帖题目长度(β=-0.578，p<0.05)、发帖数量和发帖内容长度(β=-0.548，p<0.05)、发帖数量和发帖题目长度及发帖内容长度(β=-0.571，p<0.05)的自变量交互项均与扩散速度负相关，这与假设相反，如表18所示。
表18新帖发布参与者(NPP)自变量交互项分析结果
联系上文层次回归分析结果，新帖发布参与者的发帖数量和发帖内容长度均为促进扩散的主要影响因素，因而在交互作用中发帖题目长度显著影响扩散热度和速度。要使新产品知识在社区中广泛扩散并快速形成新产品认知，社区应侧重激励用户采用简短的题目积极发帖，以快速扩张用户规模为主要目的，吸引大量用户关注并交互。
研究发现，新帖发布参与者与热帖发布者的分析结果存在关联性。二者的发帖内容长度虽正向作用于扩散广度和热度，却在自变量交互作用中都对扩散速度有负作用。有学者认为社区评论长度对有用性的影响局限在一定的阈值范围内[32]，其间存在倒U型关系[33]。而帖子作为社区中对产品认知的特殊评论形式，虽然较长的发帖内容能够提供更具深度且丰富的产品信息，但是，过长的内容(千字以上)也可能包含与产品主题不相关的大量信息，消耗用户大量时间与耐心，不利于用户知识的完整性认知。因此，过短或过长的内容都会对信息传播扩散产生消极作用。
因此，社区在新产品推广阶段，根据用户特征属性及网络节点特征快速识别用户，并掌握其行为规律显得尤为重要。社区应以有效策略针对性地激励并调控用户行为，使多数新帖发布参与者以简要的内容快速传播扩散新产品知识，吸引大量用户参与；使高知识储备和高社区影响力的热帖发布者以丰富且长度适中的内容促进用户积极交流，达到用户迅速认知新产品的目的，实现用户社区角色功能。
用户交互行为有效驱动了社区发展，具有重要的研究价值。与现有社区研究用户浏览、关注及转发等个体参与行为不同，本文深层次挖掘社区用户行为特性，从具有显著行为特征的用户间深度交互视角展开研究。依托小米社区论坛平台，运用数据挖掘方法获取用户数据，创新性地将用户发帖作为响应社区活动的特殊评论形式，从用户发帖数量、发帖质量(题目长度和内容长度)方面研究用户发帖评论行为对网络社区产品知识认知及扩散的作用及影响，并从社区角度提出了快速构建用户新产品认知并有效推广新产品的激励策略，具有理论研究创新性。
本文在前人研究的基础上，以社区用户深度交互的新视角，分析用户参与社区活动的行为模式和规律，发现了产品知识认知扩散的影响因素，对促进社区新产品推广、用户知识共享及释放社区群智能力等研究具有重要意义。分析用户行为模式，揭示信息扩散规律，提出社区治理策略，有利于指导社区对用户精准激励，快速扩散新产品知识，构建用户新产品认知系统。本文研究方法及结论为网络社区产品知识认知扩散的动力机制理论和方法研究提供了新思路，为挖掘用户深度交互内容中的产品缺陷，促进产品创新迭代提供了研究基础。
本文研究发现：①新帖发布活跃者的发帖数量越多，社区中产品知识认知扩散的广度越大、热度越高。其发帖数量多且发帖题目或发帖内容越短，则扩散广度越大、热度越高。其发帖数量越多且发帖题目越短，扩散速度就越快；②热帖发布者的发帖数量越多或发帖内容越长，产品知识认知扩散的广度就越大。其发帖数量越多，或发帖内容越长，又或发帖题目越短，扩散热度就越高；③新帖发布参与者的发帖数量越多，或发帖内容越长，则产品知识认知扩散的广度越大、热度越高。其发帖题目越短，扩散热度越高；④研究进一步发现，热帖发布者与新帖发布参与者的发帖数量越多，并且发帖题目越短及发帖内容越长，产品知识认知扩散的广度就越大、热度越高，且当两类用户发帖内容越短时，扩散速度越快。
因此，为了促进社区新产品推广并使用户快速形成产品认知，社区应激励新帖发布活跃者、热帖发布者及新帖发布参与者这3类用户大量发帖，吸引大量用户参与新产品知识认知活动，利用用户间知识交互达到快速扩张用户规模的目的。通过观察并统计数据发现，新帖发布活跃者的发帖内容平均长度约为140个字符，符合用户参与以Twitter为代表的多数社交产品活动的行为经验。简短少量的发帖内容能够使用户沉浸于发掘感兴趣的知识资源[30]，并刺激用户以知识获取为目的所需的深度交互与知识共享。因此，在大量发帖的同时，社区应有针对性地激励新帖发布活跃者以简短题目和内容发帖，以此扩大社区产品知识认知扩散的广度，使用户广泛认知新产品知识。
在激励用户大量发帖的基础上，社区还应重点激励热帖发布者及新帖发布参与者以简短题目和丰富的内容发帖。过长的题目容易产生认知负荷，削弱与其他用户交互的动力，因而社区应鼓励用户以适合阅读的短题目发帖。而丰富的帖子内容有利于吸引用户聚集并针对帖子内容展开积极交互，达到提高新产品知识认知扩散热度的目的，从而提升用户社区粘性，使用户贡献及共享产品知识，深入参与社区新产品认知活动。
值得注意的是，上文研究结果表明，在热帖发布者与新帖发布参与者大量发帖基础上，发帖内容长度虽正向影响产品知识认知扩散的广度和热度，但与扩散速度负相关。这说明丰富的内容帖子虽然能够提供详细的产品知识信息，但千字以上的内容长度也容易包含无关信息，从而影响用户迅速准确认知产品的高效性。因此，在产品推广阶段，当社区偏重于提升产品知识认知扩散速度时，应调控热帖发布者及新帖发布参与者的发帖内容长度，避免其以过长或过短的内容发帖，降低用户认知产品知识的速度或认知热度。
因此，在新产品板块创建初期，即新产品推广期，社区构建网络用户间社会关系，掌握知识传播规律，把握用户认知行为，依据用户参与社区活动的行为特征划分用户类型，面向典型交互行为特征用户提出社区治理及激励策略，对实现产品知识快速认知和推动网络产品社区高效发展具有重要实践意义。
本文中产品知识认知扩散影响因素的度量指标还应从网络产品社区用户深度交互内容文本的语义分析角度继续开展研究，准确定义“发帖题目长度”及“丰富且适当的发帖内容长度”，补充相关影响因素，从新产品社区推广周期角度研究用户交互对产品知识认知扩散的影响作用，从而构建更加全面的研究体系，深化网络产品社区中知识认知扩散的影响研究。
参考文献:
[1] 王华，赵东杰，杨海涛，等．大数据时代下网络群体智能研究方法[J]．计算机与现代化，2015(2)：1-6．
[2] SHI J， HU P， LAI KK， et al． Determinants of users＇ information dissemination behavior on social networking sites： an elaboration likelihood model perspective[J]． Internet Research， 2018， 28(2)：393-418．
[3] ARDICHVILI A，PAGE V，WENTLING T． Motivation and barriers to participation in virtual knowledge-sharing communities of practice[J]．Journal of Knowledge Management， 2003， 7(1)：64-77．
[4] WARREN AM，SULAIMAN A，JAAFAR NI． Understanding civic engagement behavior on Facebook from a social capital theory perspective[J]． Behaviour & Information Technology， 2015， 34(2)： 163-175．
[5] ZHOU T， LI H．Understanding mobile SNS continuance usage in China from the perspectives of social influence and privacy concern[J]． Computers in Human Behavior， 2014(37)： 283-289．
[6] LIU H， ZHANG J， LIU R， et al． A model for consumer knowledge contribution behavior： the roles of host firm management practices， technology effectiveness， and social capital[J]． Information Technology and Management， 2014， 15(4)： 255-270．
[7] GUO W， LIANG RY， WANG L， et al． Exploring sustained participation in firm-hosted communities in China： the effects of social capital and active degree[J]． Behaviour & Information Technology， 2016(7)：1-20．
[8] 邵鹏，胡平．社会化网络环境下关键用户识别与产品知识扩散研究[J]．科技进步与对策，2016，33(1)：126-131．
[9] 蔡霞，宋哲，耿修林．社会网络环境下的创新扩散研究述评与展望[J]．科学学与科学技术管理， 2017，38(4)：73-84．
[10] LIANG YY． Knowledge sharing in online discussion threads： what predicts the ratings[C]． Proceedings of the 2017 ACM Conference on Computer Supported Cooperative Work and Social Computing， 2017：146-154．
[11] KWAK H， LEE CY， PARK HS，et al．What is Twitter， a social network or a news media[C]． International Conference on World Wide Web ， 2010 ：591-600．
[12] ZHENG Q， GUO W， AN W， et al． Factors facilitating user projects success in co-innovation communities[J]． Kybernetes， 2017， 47(4)：656-671．
[13] 邢小云．在线社会网络结构演化及其对信息传播影响研究[D]．合肥：合肥工业大学，2012．
[14] 王慧贤．社交网络媒体平台用户参与激励机制研究[D]．北京：北京邮电大学，2013．
[15] 孙春华，刘业政．网络口碑对消费者信息有用性感知的影响[J]．情报杂志，2009，28(10)：51-54．
[16] 刘丽娟．网络用户数据挖掘与行为分析[D]．北京：北京交通大学，2014．
[17] 林先杰．在线评论有用性影响因素研究[D]．广州：华南理工大学，2014．
[18] 张艳辉，李宗伟．在线评论有用性的影响因素研究：基于产品类型的调节效应[J]．管理评论，2016，28(10)：123-132．
[19] KIM SM， PANTEL P， CHKLOVSKI T， et al． Automatically assessing review helpfulness[C]． Conference on Empirical Methods in Natural Language Processing， 2006 ： 423-430．
[20] MUDAMBI SM， SCHUFF D． What makes a helpful online review[J]． A Study of Customer Reviews on Amazoncom Mis Quarterly， 2010， 34(1)： 185-200．
[21] HE X， CHENG S， CHEN W， et al． A novel measurement of the activation probabilities in information diffusion model [C]． International Conference on Information Society， 2013：130-135．
[22] 刘红丽，黄雅丽，罗春海，等．基于用户行为的微博网络信息扩散模型[J]．物理学报，2016，65 (15)：277-288．
[23] 方鹏程．用户贡献内容质量评价研究[D]．北京：北京邮电大学，2011．
[24] 殷国鹏，刘雯雯，祝珊．网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J]．图书情报工作，2012，56(16)： 140-147．
[25] WONG TC， CHAN HK， LACKA E． An ANN-based approach of interpreting user-generated comments from social media [J]． Applied Soft Computing， 2017，52： 1169-1180．
[26] 赵良杰，武邦涛，段文奇，等．消费者交互作用对网络效应产品扩散的影响——基于产品生命周期的视角[J]．系统工程理论与实践，2012，32(1)：67-75．
[27] FUGE M， TEE K， AGOGINO A， et al． Analysis of collaborative design networks： a case study of OpenIDEO[J]． Journal of Computing & Information Science in Enginerring， 2014，14(2)．
[28] NEWMAN ME， PARK J． Why social networks are different from other types of networks[J]． Physical Review E Statistical Nonlinear & Soft Matter Physics，2003， 68(2)：0361221-0361228．
[29] 仲平．小米5发布会：雷军宣布小米手机2015年销量中国第一[EB/OL]．http：//www．ithome．com/html/android/208117．html，2016-02-24.
[30] WEINSCHENK S．设计师要懂心理学[M]．徐佳，马迪，余盈亿， 译．北京：人民邮电出版社，2013： 33-36， 43-44．
[31] 廖成林，蔡春江，李忆．电子商务中在线评论有用性影响因素实证研究[J].软科学，2013，27(5)：46-50．
[32] HUANG AH，CHEN K，YEN DC，et al． A study of factors that contribute to online review helpfulness [J]． Computers in Human Behavior，2015(48)： 17-27．
[33] 殷国鹏．消费者认为怎样的在线评论更有用?——社会性因素的影响效应[J]．管理世界，2012(12)：115-124．
Zhang Jing1,2，Guo Wei1，Wang Lei1，Zhao Nan3，Shi Liwen1,2，An Weijin1
(1.School of Mechanical Engineering，Tianjin University，Tianjin 300072，China；2. Renai College, Tianjin University，Tianjin 301636，China；3.School of Mechanical Engineering，Tianjin University of Technology and Education，Tianjin 300222，China)
Abstract：The deep interactive behavior represented by user's posting and comment in online product community is the power source that users fast cognition of new product knowledge and spread and diffusion. Based on the theory of social capital and relying on the mobile product plate of the Xiaomi community forum, this paper uses data mining and social network analysis methods, researching the influence of user interaction on the cognition diffusion of products knowledge from the point of the number and quality of publishing posts from users with typical interactive behavior characteristics. Research shows that the user's posting as a special form of comment in response to community activities, the number of postings has a significant positive impact on diffusion, and the length of posting title has a significant negative impact on diffusion; too long or too short length of the posting both have a significant negative impact on the spread; moreover, the average length of the posting content by new posting publisher is consistent with the user's social behavior habits, and a few information can incentive the users' high frequency interaction effectively. The results of research will help to guide product community to propose corresponding incentive strategies for typical users, promoting the spread of new products in community, and enabling users to form product cognition quickly.
KeyWords:Online Product Community; User Interaction; Products Knowledge; Cognition and Diffusion; Community Incentive
文章编号：1001-7348(2018)16-0007-09
文献标识码：A
中图分类号：F274
DOI：10.6049/kjjbydc.2017120480
作者简介：张静(1984-)，女，天津人，天津大学机械工程学院博士研究生，天津大学仁爱学院讲师，研究方向为网络群智社区用户交互行为；郭伟(1965-)，男，安徽巢湖人，博士，天津大学机械工程学院教授，研究方向为企业管理、网络化制造系统理论与系统技术；王磊(1976-)，男，天津人，博士，天津大学机械工程学院副教授，研究方向为知识管理与数据挖掘；赵楠(1982-)，男，天津人，博士，天津职业技术师范大学讲师，研究方向为群智协同创新及过程；石丽雯(1986-)，女，河北任丘人，天津大学机械工程学院博士研究生，天津大学仁爱学院讲师，研究方向为网络社区协同创新设计；安蔚瑾(1968-)，女，山东德州人，博士，天津大学机械工程学院副教授，研究方向为网络知识与信息管理。本文通讯作者：石丽雯。
基金项目：工信部天津滨海工业云公共服务平台及应用推广项目(2016.12.17)；天津市科技计划项目(15PTZSTG00010)
收稿日期：2018-05-21
(责任编辑：万贤贤)