刘欣

摘 要 Web3.0时代的传播模糊了传者和受者、生产者与消费者的边界，网络平台自制剧在扩散路径中作为被传播的“信息”被赋予了新的特征。从跨媒介叙事理论出发，采用定量研究的方法，探尋以《隐秘的角落》为代表的网络自制剧在新浪微博平台的传播路径。

关键词 网络自制剧；信息扩散；跨媒介叙事；新浪微博；随机森林模型

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）23-0032-07

早在1973年，文化马克思主义学者雷蒙·威廉姆斯就在其著作《电视：科技与文化形式》中探究电视作为一种科技与文化的混合体，如何体现在当代的社会情境、文化脉络与科技发展的交织中。随着互联网技术的发展、移动终端的极大普及，人们完成了从文字化生存到视频化生存的过度[ 1 ]。截至2021年6月，我国网民人均每周上网时长为26.9个小时，网络视频（含短视频）用户规模达9.44亿，较2020年12月增长1 707万，占网民整体的93.4%[ 2 ]。互联网视频平台已取代雷蒙·威廉姆斯时期的电视，成为当下最重要的科技与文化混合体之一。其所生产的网络自制剧也成为当代人视频化生存的重要内容、形式和场景。对于网络平台自制剧生产、传播及受众层面的研究具有新的意义，传、受的界限“你中有我、我中有你”模糊着边界。从跨媒介叙事视角下，描绘网络平台自制剧在社交网络平台中的传播路径，揭示受众、用户的主动性与互动性具有积极的意义。

本文的研究目的旨在描述网络平台自制剧在社交网络平台中的传播路径，并揭示影响其流行的主要因素。

1.1 社交网络平台中信息扩散的影响因素

目前对于新浪微博、推特（Twitter）和脸书（Facebook）等社交网络平台的研究多从信息扩散的视角切入。隋岩等[ 3 ]在对网络群体传播进行信息扩散研究时，通过对以往研究进行梳理将以往研究分为两类：一类研究侧重于观察信息内容的特征，如标签、链接和图片，以及行为、话题类型、情绪类型等对信息扩散规模的影响；另一类则更关注参与信息扩散的用户特征，如用户认证、活跃度、粉丝数等对信息扩散规模的影响。

1.2 流行度演化

胡颖等[ 4 ]将社交网络平台的信息扩散看作是信息的流行度演化问题（popularity evolution），并将流行度量化为人们在某时刻采取对网络信息的积极的行为，如观看、点赞、转发、评论的次数等。并指出这些统计特性之间存在很强的关系，可以互相转换。通过对以往研究的梳理，将大部分网络信息的流行度演化划分为三个阶段：初期缓慢增长阶段、中期快速增长阶段、后期逐渐饱和阶段。认为促进流行度增长的因素分为内部因素和外部因素。内部因素主要指内容质量；外部因素则包括用户的社交影响力、用户特征以及网站机制。

就目前的研究来看，不论是从社交网络平台中信息扩散的角度出发，还是流行度演化问题，学者们对于社交网络平台中信息扩散及流行的影响因素归纳较为一致，核心因素包括信息内容、传播者特征或社交影响力，以及网络结构或网站机制。

1.3 跨媒介叙事视角下的“信息”

通过梳理以往社交网络平台中信息扩散的研究，不同学者关注研究对象的不同也决定了对“信息”一词定义和理解的不同。目前绝大多数研究关注以新闻热点事件、舆论等作为信息在社交网络平台中的传播。本文研究对象是网络平台自制剧。不同于新闻热点事件或舆论等，网络平台自制剧有特定的叙事内容、叙事形态、叙事媒介和时间跨度。当网络平台自制剧在社交网络平台传播时，其原有的叙事内容、形态、媒介都发生了改变，信息流动的主体并非是自制剧剧目本身，而是其既有叙事在内容、媒介和时空中的延展。针对研究对象的这一特点，本文从跨媒介叙事视角来分析、理解作为“信息”的网络平台自制剧在社交网络平台中的传播。

跨媒介叙事的概念由亨利·詹金斯在2006年提出：“一个跨媒介的故事横跨不同的媒介平台展开，每一个平台都有新的文本为整个故事做出有差异的、有价值的贡献。每一种媒体都出色地各司其职、各尽其责。”[ 5 ]詹金斯认为，跨媒介叙事是通过引入额外故事元素，将叙事整体系统地扩展到新的媒介平台上，生成彼此关联、互不冲突的新的叙事网络，受众既是正典叙事的接收者，也是跨媒介叙事的生产者和传播者，与创作者一同构建一个故事的世界，并从中生成新的意义。

叙事学家玛丽-劳拉·瑞安[6]提出跨媒介叙事作品的三个维度：世界性、情节性和媒介运用。陈先红、宋发枝[ 7 ]在此基础上关注叙事在跨越不同媒介形态进行延展（expansions），并提出跨媒介叙事的延展包括三个层面：一是进行故事内容情节上的叙事延展（narrative expansions）；二是在不同媒介运用上进行媒介延展（media expansions）；三是在以前两种延展为基础上生发出的故事世界性的延展。Geoffey A.Long[ 8 ]用四个问题来检验“延展”对正典是否存在独特且有价值的贡献：第一，新文本是否保持着正典故事世界的风格；第二，新文本是否回答正典留下的问题；第三，新文本是否提出了新的问题；第四，新文本是否丰富了故事世界。

通过上述梳理，本文将网络自制剧在社交网络平台中扩散的信息从跨媒介叙事视角进行分类：1）内容角度：分为既有叙事和延展叙事；2）媒介形态角度，以新浪微博平台为例，分为图片（包括台词截图、表情包和GIF动图）、视频、纯文字（微博博文）。如表1所示。

传统的跨媒介叙事研究在方法上大多使用观察、思辨、文本研究等，并以文化产品的内容及生产为主要研究对象，较少关注受众层面在跨媒介叙事上的主动性、参与性及其传播效果。随着媒介技术的变化，互联网一方面已深入到文化产品的内容生产之中，与此同时，网络技术赋权下的个体能动性被激活，参与到了重构整个社会的信息生产方式和传播网络之中。在跨媒介叙事视角下，文化产品的内容生产和传播不再是一个单向的过程，受众也逐渐成为跨媒介叙事中参与和传播的主体。

2.1 研究对象的选取

爱奇艺是国内网络视频平台的代表，并且是网络平台自制剧的开创者。2020年6月，爱奇艺推出了以短剧集为形态，以悬疑为类型的“迷雾剧场”。开启网络平台自制剧的新模式。其中《隐秘的角落》更是成为现象级影视文化产品，获得广泛关注和讨论。

在《隐秘的角落》出圈之路上，新浪微博的扩散和传播功不可没。新浪微博平台拥有庞大的用户规模和完善的内容生态，一直都是国内网民参与互联网传播的重要社交平台。新浪微博的“微博热搜”功能，在技术赋权下更是拥有了公共议程的属性，成为网络话题生成的重要场域[ 1 0 ]。除此之外，新浪微博平台集合了图片、视频、文字、超链接等多种媒介形态，为《隐秘的角落》跨媒介叙事研究提供了丰富的媒介样本。因此，本文选取新浪微博作为研究网络自制剧《隐秘的角落》传播路径的平台。

2.2 研究问题

Q1：影响网络平台自制剧《隐秘的角落》在新浪微博平台流行的主要因素是什么？

Q2：与该剧目相关的微博内容中，什么样的微博内容特征更容易在新浪微博上拥有更高的流行度？

2.3 数据采集与数据清洗

本文对新浪微博平台上关于《隐秘的角落》相关的痕迹数据进行采集。采集时间范围为2020年6月10日至2020年7月2日，即从《隐秘的角落》官宣日到收官日后的一周，共计23天。

数据采集分为两阶段进行。第一阶段，采集话题样本库。首先使用Python（3.7.0版本）对新浪微博话题页面进行数据采集，形成关于《隐秘的角落》在6月10日至7月2日之间的话题样本库。再对云合数据①公开提供的新浪微博热搜榜进行6月10日至7月2日，共计23天的热搜话题采集。对两份数据进行清洗和整理，获得《隐秘的角落》在采集时间范围内的话题总库，共计207个相关话题，其中包括55个冲上当日热搜榜的话题。第二阶段，继续在207个话题的基础上，爬取每个话题下面点赞数排名前5的微博内容，通過数据清洗和补全，最终得到微博内容样本数量为1 044条。

社交网络平台中信息扩散及流行的影响因素可以被归纳为以下三点：1）信息内容；2）传播者社交影响力；3）网站机制。本文选取了新浪微博平台作为研究对象，故可以不考虑网站机制的影响，只关注信息内容和传播者社交影响力。

3.1 微博内容

从信息内容，即微博内容的角度来看，根据前文对网络自制剧在社交网络平台中扩散的信息从跨媒介叙事视角进行分类，将微博内容的叙事类型分为两类：既有叙事和延展叙事，分别用1，2来表示。微博内容的媒介形态分为图片、视频和文字三类。对应的指标及赋值在模型中表征值见表2。

3.2 传播者社交影响力

传播者社交影响力通过微博发布者的粉丝数量进行测量。

3.3 流行阶段和流行度

通过前文的文献综述，以往研究将新闻、热点事件、舆论等看做扩散的信息，并通过流行度演化模型进行预测。虽然《隐秘的角落》作为一个文化产品在网络空间中的扩散趋势也基本符合流行度演化模型（表3），但针对本文所研究的扩散平台新浪微博来说，微博发布时间、话题生成时间、话题冲上热搜榜的时间等都会成为衡量内容流行度的时间因素。所以笔者认为直接套用流行度演化模型分析剧目在新浪微博平台的流行度不具有准确性。

基于上述原因，笔者加入时间变量并进行处理。用微博发布的时间减去对应话题创建或上榜的时间，若差值为0，即认为当天发出微博内容在当天成为话题流行甚至可登上热搜榜，笔者将这种类型定义为“新鲜内容”。若差值大于0，即认为当天发出的内容在24小时内并没有成为话题流行，或流行效果不显著需要更多时间进行发酵，笔者将此种类型定义为“发酵内容”。

对于流行度的测量，通过对比1 044条微博的评论数量、分享数量和点赞数量，认为评论数量和分享数量与点赞数量所在数量级差异过大，故只使用点赞数量作为微博内容流行度的测量。

研究假设：

H1：在整个流行周期中，微博内容和传播者社交影响力两个因素中起主导作用的是传播者的社交影响力，即其粉丝数量对于流行度的影响大于微博内容因素。

H2：对于“新鲜内容”，微博内容因素中的视频形态流行度最为显著。

H3：对于“发酵内容”，微博内容因素中的延展叙事的流行度最为显著。

4.1 数据处理

由于使用Python（3.7.0版本）采集到的数据为连续型变量，微博内容相关因素为离散型变量，故需要对变量进行数据预处理。

第一步，定义流行度。笔者使用对数变换（log transformation）调整流行度分布（图1）。

第二步，定义时间差。算法为，时间差=微博发布的时间-话题创建/上榜的时间。时间差越大说明微博内容新鲜度越低。定义时间差为0的微博内容为“新鲜内容”。定义其他微博内容为“发酵内容”。

第三步，用开平方根来调整粉丝数的分布（图2）。

第四步，由于微博内容的叙事类型是分类值，即非连续值，所以针对这一特征需要对其进行数据化处理。笔者采用机器学习中常用的独热编码（onehot encoding）处理微博内容的叙事类型变量。

4.2 模型选择及数据分析

4.2.1 线性回归模型（OLS）

笔者使用线性回归模型分析上述处理好的数据（表4）。F统计值和概率F值是对整体回归方程显著性的检验，概率F值为3.60e-54，即服從F分布。由回归系数、t检验和置信区间值可知研究所选取的变量均为显著性的变量，统计学意义上可以用来解释流行度。

但由于线性回归模型对于变量之间显著性的关系测量需要将数据处理为同一量级，本研究的既有叙事、延展叙事、视频、图片、文字等变量通过赋值得到，且粉丝数在原始数据中量级远超于其他数据，即使使用开平方根的方法来调整粉丝数的分布，线性回归模型对于本研究想探讨的变量之间显著性大小关系也并不合适。

除此之外，分析结果中R2（R-squared）是用于描述输入变量对输出变量的解释程度，取值范围是[0，1]，R2越接近1，表明回归直线与各观测点越接近，反之R2越接近0，回归直线的拟合程度就越差。数据结果R2为0.221。R2不高的原因可能是由于噪音较大，变量数量较少，许多潜在变量没有纳入考量。且数据样本量较小。故笔者采用随机森林模型对变量之间显著性大小进行进一步的分析。

4.2.2 随机森林模型（Random Forest Regressor）

随机森林是一种机器学习模型，主要应用于回归和分类。此模型既能处理离散型数据，也能处理连续型数据，数据集无需规范化，在数据集上表现良好，随机森林模型不容易陷入过拟合。此模型相比线性回归模型更适合本研究所收集到的数据形态和变量数量。

笔者使用Python（3.7.0版本）中的sklearn，首先针对“新鲜内容”运用随机森林模型来分析变量的显著性，得到分析结果如表5所示。对于“新鲜内容”，微博账户粉丝数对流行度有决定性作用，数值高达0.872 4。

笔者去掉“微博账户粉丝数”这一变量，得到分析结果如表6所示。除微博账户粉丝数以外，视频形态对于新鲜内容的流行度有较强的解释力，数值为0.607 2。故假设2（H2）成立，即：在“新鲜内容”中，微博内容因素中的视频形态流行度最为显著。

笔者再对“发酵内容”进行变量的显著性测量，结果见表7。对于“发酵内容”，粉丝数量对流行度也具有决定性作用，数值为0.833 8。

笔者去掉“微博账户粉丝数”这一变量，得到分析结果见表8。除微博账户粉丝数以外，微博内容的延展叙事和图片形态对于“发酵内容”的流行度有较强的解释力，数值分别为0.301 5和0.203 7。故假设3（H3）成立，即对于“发酵内容”，微博内容因素中的延展叙事的流行度最为显著。

本文使用网络爬虫（Python）来获取分析数据，运用线性回归和随机森林两个模型对网络平台自制剧《隐秘的角落》在新浪微博社交平台中传播和流行因素进行探讨和分析。本文得到如下结论：

第一，发布微博内容账户对应的粉丝数量对流行度起决定性作用。通过线性回归分析和随机森林模型分析，均发现在整个流行周期中，微博账户的粉丝数量对于“新鲜内容”和“发酵内容”的流行度都起了决定性的作用，假设1（H1）成立。且笔者对样本库中1 044条微博进行统计，发现这些微博来自于471个微博账号。根据新浪微博提供的微博账号标签对这471个微博账号进行分类，类型占比前两位的是官方账号和自媒体认证账号。吴越等学者指出，微博信息的流行度呈现幂律分布，仅有少部分信息能够被大量用户关注。并将这种现象解释为微博社会网络中的信息过载，这也使得用户注意力成为稀缺资源[ 1 1 ]。官方账号和自媒体认证账号等相比个人账号拥有更多的粉丝，容易获得更多的用户注意力。经由高粉丝量账户发出的微博内容更易传播和流行。

笔者认为网络平台自制剧《隐秘的角落》信息扩散不同于新闻、热点事件、舆论等信息扩散的形态。剧目在传播时有其特有的时间模式，例如从播出前的预热、到播出过程中随着剧情内容生成的话题和微博讨论，再到播出后的口碑发酵等，这是一个相对持续且有特定时间节点的过程。在《隐秘的角落》整个扩散和流行周期中，拥有高粉丝数量的微博账户是在不同的时间节点主动进行相关微博内容生产和扩散，还是在商业利益或营销策略驱使下进行传播？个人账户又是在什么时间节点加入内容的生产和讨论的？这些问题是未来需要继续追问和研究的。

第二，新浪微博的话题机制助力《隐秘的角落》的流行。话题是新浪微博平台特有的内容机制，用户可通过在发布的微博内容中加入或关联话题，提高微博内容在话题页面的曝光度。在此过程中，越多用户引入某一话题，可帮助这一话题在微博的流行，甚至登上以话题为单位的“热搜榜”，从而获得更高的关注度。

“热搜榜”是通过对用户行为的大数据运算，显示出在特定时间段内被大量搜索和关注的热点事件或热点词汇，以话题形式（#话题#）呈现。实时显示50条热搜内容，并按照热度进行排名，每分钟更新一次[ 1 2 ]。微博热搜榜已在某种程度上达到用户自己生产议程设置的功能。

在收集到的207个《隐秘的角落》相关话题中，有55个话题上过当日的热搜（图3），且微博话题和微博内容中对于延展叙事的讨论随着剧目的播出呈上升趋势。在《隐秘的角落》完结的一周内，样本数据中延展叙事的讨论达到100%（图4）。

第三，《隐秘的角落》的流行也得益于其原作高度的跨媒介叙事潜力。对于“新鲜内容”，微博内容因素中的视频形态流行度最为显著。对于“发酵内容”，微博内容因素中的延展敘事的流行度最为显著。

第四，《隐秘的角落》能够实现跨媒介叙事的前提是技术的进步。笔者通过对1 044条相关微博内容进行统计，视频形态占50.8%、图片形态占41.8%、纯文字形态占7.4%。媒介技术的发展、智能移动终端的普及和各类App主导的平台社会的到来，使当代文化从语言主因转向图像主因。人们越来越倚重通过图像来理解和解释世界。彭兰将移动时代日常生活的媒介化称为当代人的“视频化生存”。在本研究中，受众既是新浪微博等社交平台的使用者，又是爱奇艺等网络视频平台的消费者。新浪微博提供了文字、图片、视频、直播等多种媒介形态功能，鼓励受众使用。与此同时，爱奇艺的官方页面也通过截图、GIF动图录制等功能，使观众可以在观看剧目的同时，实时截取画面中的图像，分享至新浪微博、微信朋友圈等社交平台。技术推动下图像主因的转变和视频化生存的到来，是视频形态内容得以在新浪微博平台流行的根本原因。

第五，《隐秘的角落》在新浪微博的相关话题和微博内容中，延展叙事超过原剧作的既有叙事获得广泛地关注和讨论，并且随着扩散时间的推移，延展叙事的发酵效果更加明显。在《隐秘的角落》中，主角张东升将岳父岳母从山顶推下的情节被提取成一个叙事元素，在新浪微博上被网友迅速拼接、挪用，生成新的相关话题和意义。张东升一角的饰演者秦昊更是自己发微博带动“爬山梗”的流行，“秦昊带你去爬山”在当天冲到新浪热搜榜第四名，随后许多明星都以爬山梗与秦昊互动，如秦昊想带章子怡爬山、万茜我真的不想爬山等。“爬山梗”相关话题20个，占总话题库的9.7%。受众也在对“爬山梗”的讨论中享受着延展叙事的娱乐性和互动性。《隐秘的角落》作为一部悬疑剧，开放式的结局也让受众愿意主动拓展、挖掘，并进行参与式解读。微博中关于选择相信童话还是现实的讨论也让叙事脱离原有的剧情，受众成为了这个跨文本、跨媒介故事的生产者。《隐秘的角落》题材带有明显的社会性，也使既有叙事文本与现实社会议题形成强烈的互文关系。原生家庭问题、婚姻危机、中年危机、校园霸凌诸多社会议题，均由原剧的既有叙事延展到微博平台得到广泛的讨论。

本研究以《隐秘的角落》在新浪微博平台的传播为例，描绘、揭示出影响其流行的主要因素。网络平台自制剧作为互联网时代的文化产品，其作品的文本性、生产方式、传播方式以及受众接收和参与方式都已渗透着技术的影子。技术赋权下，文化产品的形态及消费主体的转变值得未来持续地关注和研究。

注释

①云合数据平台https：//www.enlightent.cn/。

参考文献

[1]彭兰.视频化生存：移动时代日常生活的媒介化[J].中国编辑，2020（4）：34-40，53.

[2]CNNIC中国互联网络信息中心.第48次中国互联网络发展状况统计报告[R/OL].（2021-08-27）[2021-12-02]. https：//cit.buct.edu.cn/2021/0925/c7951a157922/ page.htm.

[3]隋岩，谈和.网络群体传播背景下的信息扩散：基于新浪微博数据的定性比较分析（QCA）[J].新闻大学，2020（5）：1-17，125.

[4]胡颖，胡长军，傅树深，等.流行度演化分析与预测综述[J].电子与信息学报，2017，39（4）：805-816.

[5]Henry Jenkins.Convergence Culture：Where Old and New Media Collide[M].New York：NYU Press，2006：105.

[6]Marie-Laure Ryan，Jan-Noel Thon.Storyworlds across Media[M].Lincoln：University of Nebraska Press，2014：29.

[7]陈先红，宋发枝.跨媒介叙事的互文机理研究[J].新闻界，2019（5）：35-41.

[8]Geoffey A.Long.Transmedia Storytelling：Bussiness[M].Aesthetics and Production at the Jim Henson Company.B.A English and Philosophy Kenyon College，2007：16.

[9]Henry Jenkins. The Revenge of the Origami Unicorn：Seven Principles of Transmedia Storytelling[EB/OL].（2009-12-12）[2021-12-02].http：//henryjenkins.org/blog/2009/12/the_ revenge_of_the_origami_uni.html

[10]雷丽莉.微博“热搜榜”与互联网信息服务的规制[J].新闻记者，2019（10）：81-87.

[11]吴越，陈晓亮，蒋忠远.微博信息流行度预测研究综述[J].西华大学学报（自然科学版），2017（1）：1-6.

[12]雷丽莉.微博“热搜榜”与互联网信息服务的规制[J].新闻记者，2019（10）：81-87.

3269500589267