没有合适的资源?快使用搜索试试~ 我知道了~
International Journal of Information Management Data Insights 2(2022)100067文本特征如何影响用户在社交媒体帖子中的参与度:在Facebook中建模内容可读性,长度和标签数量Dimitris C Gkikasa,Zhao,Katerina Tza Filkoub,Prokopis K Theodoropia,Zhao giannis Garmpisc,Gkikasca帕特雷大学,2 Seferi G. Str.,30100 Agrinio,希腊bInternational Hellenic University,14th Km Thessaloniki,57001,Nea Moudania,希腊c帕特雷大学,1 Megalou Alexandrou Str.,26334,Koukouli,帕特雷,希腊aRT i cL e i nf o保留字:大数据分析Facebook分析文章特点社交媒体参与社交媒体营销文本挖掘a b sTR a cT本研究旨在探讨品牌Facebook图像帖子中的文本特征是否与消费者参与度和品牌知名度相关。所检查的文本特征包括i)可读性指数,ii)文本长度,以及iii)主题标签的数量。从时尚零售Facebook业务页面导出了135个带有描述文本的图像帖子的数据集,提供了参与度(以喜欢表示)和意识(以到达和印象表示)方面的帖子性能指标所有性能指标与文本长度以及标签数量之间都Gunning Fog的可读性指数与参与度和意识都有总体而言,结果显示,帖子的文本易于阅读,长(超过31个单词,或超过321个字符),并且包含许多标签,以实现更高的参与度和意识。本研究通过揭示社交媒体中品牌信息的文本特征的作用,并为品牌传播和社交媒体信息策略提供见解,为之前的文献做出了贡献。1. 介绍社交媒体的兴起为企业提供了一个新的途径,可以与目标客户建立联系,并实现更高水平的消费者品牌参与。消费者品牌在社交媒体上的参与度与转化率和购买意愿的增加密切相关(Consuegra,Faraoni,Díaz& Ranfagni,2018;Eslami,Ghasemaghaei& Hassanein,2021)。消费者参与社交媒体品牌社区也有助于建立品牌信任和品牌忠诚度(Bianchi& Andrews,2018;Zhang,Lu,Torres& Chen,2018)。 研究人员一致认为,了解消费者在社交媒体上的品牌参与行为是零售公司业绩的基础,尤其是中小型企业(SMEs),包括时尚行业(Hsiao,Wang , Wang& Kao , 2020;Kachba , Plath , Ferreira& Forcellini ,2012)。时尚产业受到社交媒体的极大影响因为它提供了一个有用的渠道来传播独立设计师和时装公司的设计(Kachba等人,2012年)。尽管时尚品牌在工业营销中的重要性,但在社会媒体营销策略和消费者参与时尚产业(Hsiao等人,2020年)。总体而言,小仍然知道消费者 如 何 通 过 社 交 媒 体 与 零 售 品 牌 互 动 ( Bianchi Andrews ,2018;Santos,Cheung,Coelho Rita,2022),以及品牌消息传递如何表 征 一 个 受 欢 迎 的 消 费 者 工 程 ( Davis , Horváth , Gretry Belei ,2019)。尽管之前的研究人员已经研究了大量社交媒体帖子特征对用户参与度的潜在影响,但这些影响可能因行业而异,但还有更多的属性需要考虑。例如,之前的研究考察了不同类型的帖子(图像、视频、链接)如何影响用户在社交媒体上的参与度(Dhaoui Webster,2021)、发帖时间 ( 工 作 日 或 小 时 ) 或 帖 子 之 间 的 时 间 间 隔 ( Fournier Avery ,2011;Schulze , Schöler Skiera , 2014 ) 、 情 感 诉 求 与 信 息 诉 求(Molina,Gómez,Lyon,Aranda&Loibl,2020)、品牌&的响应度(例如Proserpio Zervas,2017)、互动水平和信息的生动性。圣人(Sreejesh,保罗,强庇护,2020年),和共同创造的康, 以喜欢、分享和评论的数量表达的帐篷(Eslami等人,2021年)。正如所注意到的,很少有研究是对社会媒体帖子的可读性和其他文本相关特征的 作用,尽管∗ 通讯作者。电子邮件地址:dgkikas@upatras.gr,dim. gmail.com(D.C. Gkikas),proth@upatras.gr(P.K.Theodorphic),agarbis@upatras.gr(A.Garmpis),up1096646@upatras.gr(M.C. Gkikas)。https://doi.org/10.1016/j.jjimei.2022.100067接收日期:2021年9月25日;接收日期:2022年3月4日;接受日期:2022年3月4日2667-0968/© 2022作者。出版社:Elsevier Ltd这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)可在ScienceDirect上获得目录列表国际信息管理数据见解期刊主页:www.elsevier.com/locate/jjimeiD.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000672关于他们对社交媒体用户参与度(Ismail,Kuppusamy,Kumar&Ojha,2019)和对推广品牌的感知熟悉度 (Davis等人, 2019年)。基于上述研究空白以及可读性对用户参与度和品牌熟悉度的作用,本研究认为Facebook帖子的文本相关特征可能与时尚行业的客户参与度和品牌知名度相关。本研究的主要目的是探索Face-book帖子的文本可读性特征(包括可读性指数、文本长度和标签数量)对一组用户参与度和品牌知名度指标(包括喜欢、到达和印象的指标)的作用。这项研究的重点是图像帖子(不包括视频和链接),因为它们在时尚行业的商业部门具有代表性。为了实现这一目标,研究问题(RQ)形成如下:• RQ 1:品牌图片帖子的文本可读性特征与客户参与度之间是否存在任何重大关联?• RQ2:品牌图片帖子的文本可读性特征与品牌知名度之间是否存在任何重大关联?这项研究是在希腊的Facebook女性时尚商业页面上提取的数据集上进行的。该数据集覆盖六个月的日期范围并且包括有机(即,未付费)包含文本描述的图像帖子。研究结果有助于更深入地了解社交媒体品牌信息中的用户行为,以及影响时尚行业消费者参与和品牌知名度的因素。这项研究也有助于阅读文学,通过挑战的范式,即消费者阅读信息导致更积极的消费者行为。2. 文献综述2.1. 可读性特征和索引可读性长期以来一直被用来预测人们在理解书面内容时的困难。可读性被定义为可读性的早期定义是“范围”, 读者理解文本,以最佳速度阅读它,并发现它很有趣&19)。如今,人们普遍认为,文本的可读性水平是这是关于它们是否适合年龄组和/或观众的一个关键因素。可读性特征包括文本的几个语言水平,如词汇水平、单词长度、单词歧义、比喻语言、句子长度、句法复杂性、衔接和段落数量(Templova,Vieweg Castillo,2015)。在网站的搜索引擎优化中,可读性通常体现在段落长度、句子长度、被动语态或主动语态的使用、过渡词的使用、副标题的区分、连续短语的使用以及可读性指标的得分等方面。可读性指数用于确定材料的理解难度(Flesch,1948),并避免写作机制中不必要的复杂性(Gunning,1969)。测量文本可读性的最常见指数是Flesch-Kincaid(FK)和Gunning fogindex(GFI)(Ismail et al., 2019年)。GFI估计了一个人在第一次阅读时理解给定文本所需的受教育年限(Cortés,Rivera& Carbonelld,2022)。FK指数估计等级水平或数量,考虑到要评估的平均句子和单词长度,某人需要多年的教育才能理解信息(Wang,Miller,SchmittWen,2013)。2.2. 社交媒体帖子研究人员解释了可读性对用户参与度的积极影响,因为感知的处理效率(Rennekamp,2012)。正如所解释的,消费者对感觉到的信息反应更积极。更容易处理(Lee Aaker,2004;Lee Labroo,2004),因此,易于阅读的信息会导致消费者对品牌的参与度更高。到目前为止,大多数关于可读性的研究主要集中在长文本(在线内容和教育材料)上,而短消息的可读性很少受到关注(Davis etal., 2019),缺乏对品牌传播可读性的实证研究。之前关于社交媒体可读性的研究主要研究了推&文的具体特征(如长度限制,使用标签和表情符号),这些特征可以影响可读性并使消息难以阅读(Davenport DeLine,2014 ; Tempaseva et al.,2015年)的报告。以前的文献也表明,文本特征,包括可读性,显著地影响了网站中的用户参与度(Ismail等人,然而,可读性与社交媒体中的用户参与度或品牌知名度之间的关联还远远没有得到研究。Davis等人最近的一项研究(2019)表明,标签和at提及的可读性和文本特征与Twitter消息(推文)中的用户参与度呈正相关。可读性也与用户对品牌的感知熟悉度有关(Davis等人,因此,我们认为可读性不仅与消费者参与度有关,而且与品牌知名度有关。2.3. 社交媒体帖子特征与消费者品牌参与度最近,社交媒体数据挖掘技术已经追踪了理解和预测社交媒体平台 中 的 用 户 行 为 的 新 路 径 ( 例 如 , Colladon , Gloor& Iezzi ,2020;Dong , Liao& Zhang , 2018;Kushwaha &Kar , 2020 a;Kushwaha等人,2020 b,Kushwaha等人,2020 c; Wu,Li,Shen&He,2020)。事实上,情绪分析和社交媒体分析揭示了整合在全球中小企业营销和沟通策略中的有用见解。尽管消费者品牌参与在社交媒体营销中发挥着重要作用,但缺乏研究和概念化。根据Santos et al. (2022)消费者品牌参与度反映了与社交媒体上的品牌社区的互动。这种参与超越了简单的参与。品牌社群涉及品牌、其产品、公司和其他消费者,因此与品牌社群的互动反映了一个更广泛的互动过程。之前的研究已经探索了大量的社交媒体数据分析,以解释倾向于吸引消费者和增加转换的因素。最近,Eslami等人(2021)表明,共同创造 社交媒体中的内容,以互动数量(喜欢和分享的数量)表示,可以导致用户参与度的增加,他们的发现显示消费者参与度和评论数量之间没有联系。同样,研究人员发现,使用主题标签可以吸引用户的注意力,并与内容产生更高的互动性(Cheng,Lam Chiu,2020;Salomon,2013)。 因此,基于每个帖子的喜欢和分享数量,使用引人注目的标签,营销人员和决策者旨在通过定义哪些产品或服务帖子以及为什么更吸引人来增加品牌。研究人员还观察到,最吸引人的互动来自于从图片帖子,而不是任何其他帖子类型,如状态,链接或视频( Cvijikj , SpieglerMichahelles , 2011;DhaouiWebster ,2021;Khan,Hafeez,Ijaz Shaheen,2019)。作为补充,包含文化和儿童活动信息的链接被证明可以增加Facebook页面的互动性(Molina等人,2020年)。周六和周五比工作日更吸引人,夜间发帖比白天发帖更吸引人(Fournier& Avery,2011; Khan等人,2019;Schulze等人,2014年)。然而,矛盾的发现(Cvijikj等人,2011)支持发布与消费者参与无关。用户参 与度是社 交媒体可以 根据消息格 式和消息 内容而变化(Leung,Bai Erdem,2017)。例如,Molina等人(2020)研究了Facebook帖子的格式,发现与信息内容相比,内容中的情感诉求实现了更高的互动。D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000673表1Facebook商业页面洞察:原始数据集。EX ported feature记录数总页面喜欢1756总帖子喜欢3690平均页面喜欢1688总页面关注者1173平均有机职位达到473个平均付费岗位达到5985个反应后平均数23平均发表评论0平均员额份额1其他(隐藏、报告为垃圾邮件和不喜欢)3注.时间:2020年4月30日至2020年10月25日。在时尚产业的背景下,研究发现有四个因素塑造消费者品牌参与。这些因素包括i)社交媒体平台之间的互动,信息共享和意见交换,ii)电子口碑(e-WoM)通过推荐,评论,评论和评级来衡量,iii)娱乐使用社交媒体平台 增 加 用 户 刺 激 , iv ) 实 际 用 户 体 验 决 定 结 果 ( Antoniadis ,Xanthakou& As- simakopoulos,2019)。今天,在线时尚行业受到社交媒体营销的显著影响(Hsiao等人,2020; Posner,2015)。通过社会形象的时尚品牌可信度正向影响品牌形象,购买意愿和购买意愿(Sweeney Swait,2008)。社交媒体广告显著影响消费者对服装品牌的选择,而口碑和评论对选择品牌也有 显 著 影 响 ( Davidaviciene , Davidavičius Tamosiuniene ,2019)。今天,时尚产品的客户更喜欢在网上购买,因为他们看到了方便浏览,产品退货,准时交货,优惠券,折扣,优惠券等设施(Pattnaik Trivedi,2020年)。此外,社交媒体营销被证明是有效的和相当成功的工具,在时尚行业的手中,当涉及到一个广告,并增加销售和目标消费者的认知度(Pattnaik Trivedi,2020)。毫无疑问,社交媒体营销对顾客感知的品牌价值(Consuegra等人,2018)和时尚行业的客户-品牌参与。利用先前对社交媒体帖子特征的发现,并进一步探索可读性对消费者品牌参与度的作用,可以揭示消费者研究的重要见解。3. 方法3.1. Facebook商业页面和数据提取Facebook 的 数 据 是 从 一 家 希 腊 女 性 时 尚 零 售 在 线 商 店 的 时 尚Facebook商业页面中提取的。时尚商店通过实体店和网上商店销售女性时尚产品。目前的业务管理,以促进其产品使用社会媒体,特别是Facebook和Instagram的。该商店推广50多个女性时尚服装品牌。该商店数据集通过Facebook Business Manager导出,具有管理权限的作者可以直接以CSV格式导出页面统计数据。Facebook的数据是在180天的六个月内收集的,从2020年4月30日到2020年10月25日。输出的出版物总数为135个。 该网页的活跃受众主要是妇女。总体而言,女性用户比男性表现出更高的参与行为(例如,女性的平均点赞数为212,而男性仅为56),并且大多数参与用户的年龄在25至44岁之间表1描述了检查期间的导出数据表2已检查帖子的文本特征列表特征描述Flesch Kincaid阅读容易度可读性容易度得分射击雾指数可读性容易度得分字数每篇文章每个帖子的字符数主题标签计数每篇文章3.2. 数据处理和分析使用Microsoft EX cel对数据进行预处理和清理。首先,删除了异常值和非常少量的收集数据,包括分享数量、评论数量、平均帖子反应和其他(隐藏、报告为垃圾邮件和不喜欢)。然后计算可读性指标(见3.2.1),并将性能指标分为参与度和感知度指标(见3.2.2)。用SPSS软件进行统计学分析。由于在数据集中观察到非正态分布(p0.05)(Shapiro Wilk,1965),因此采用非参数方法检验检查变量对之间的显著差异和相关性。采用Kruskal-Wallis检验检验文本可读性指标和文本长度与阅读绩效之间的关系。之所以选择该方法,是因为文本可读性指数和文本长度被分为不同的类别(见3.2.1),因此应检查定义组之间的性能差异。应用Spearman等级相关性检验来检验性能指标与主题标签数量之间的关联,因为主题标签的数量以连续变量表示并且不应用分类下面我们描述文本可读性和Facebook性能的计算方法。可读性度量包括a)文本可读性指数,b)文本长度,以及c)主题标签的数量,并且Facebook性能度量被分类为参与和意识度量。3.2.1. 文本可读性指标所有文本相关特征都被计算并且包括以下度量:a)文本可读性指数,b)文本长度,包括字数和字符数,以及c)主题标签的数量。该研究选择应用Flesch-Kincaid阅读容易度和Gunning fog指数的可读性指数,因为它们是衡量在线文本可读性的最常见指数(Ismail等人,2019年)。表2总结了帖子文本特征的所有检查指标使用Flesch Kincaid阅读容易度和Gunning Fog Index al-taxms来测量可读性水平。通过WebFX可读性测试在线工具(WebFX,2020)测量可读性指数评分。Flesch Kincaid阅读轻松度根据以下因素对文本分数进行分类: 以下分割。“非常困难”阅读文本分数从0“容易理解”文本从60到70,&Flesch Kincaid的分数越高,表明文本容易理解,而较低的数字则表明难度增加。该算法基于以下公式(Flesch,1998)考虑单词长度和句子长度的核心度量:206. 835-1。015[(toalwordsscintototalsentences)+100(totalsyllabesscintotalwords)](1)Gunning Fog指数衡量文本可读性,表明理解每个级别所需的教育水平枪雾D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000674[客户端]表3Flesch Kincaid阅读轻松类别。Flesch Kincaid阅读轻松得分非常困难相当困难容易理解相当容易非常容易值−3 −2 −1 0 1 2 3表4喷雾指数分类。喷雾指数电话:+86-10 - 8888888传真:+86-10 - 88888888值1 2 3 4 5 6 7 8 9 10六年级水平指数量表得分为6,七年级水平为7,八年级水平为8,高中一年级水平为9,高中二年级水平为10,高中四年级水平为11-12,大学二年级,大学一年级水平为13 - 15,大学四年级水平为16,研究生水平为17 - 20,而对于研究生以上水平,大于20(Eleyan等人,2020年)。一般来说,需要接近普遍理解的文本通常需要小于8的索引。GunningFog Index算法的计算结果基于考虑平均句子长度和复杂单词(由三个或更多音节组成)数量的公式,如下(Gunning,1969):0 的 情 况 。 4 ( 工 作 闪 烁 ) +100 ( 完 成 x 工 作 闪 烁 )(2)至于文本长度,我们根据字符数和单词数对文本进行分类。字符长度的分类是基于Jackson(2020)建议的标准,其显示包含超过80个字符的帖子往往会实现更高的用户参与度表现。 因此,作者考虑到80个字区分使用衔接,他们决定根据80个字对文本进行分类集0-80,81-160, 161-240, 241-320, 321481-560.根据(Jackson,2020;Lee,2020),标题的理想字数是5到6个单词。作者决定设置5字后文本量表的范围最后,每个帖子的标签数量分类包括基于产品或服务帖子的类型来表征帖子的特征图像)。表3和表4显示了作者如何使用数字编码阅读轻松度,而表5和表6显示了基于字符和单词数量的文本长度度量的计算。3.2.2. 性能度量性能指标衡量帖子在用户参与度和页面/品牌知名度方面的有效性,包括喜欢,分享,到达,印象等指标。参与度包括喜欢的绩效指标,而认知度包括到达和印象的绩效指标。虽然参与度量由用户与帖子的交互直接触发“到达”一词是指看到帖子的总人数。术语Facebook帖子性能指标包括“帖子分享”、“帖子喜欢”、“终身帖子总到达”、“终身帖子总印象”、“终身帖子参与用户”、“喜欢该页面的人的终身帖子印象”、“喜欢该页面的人的终身帖子到达”和“喜欢该页面的人的终身然而,如数据分析中所述,本研究排除了职位份额的度量,因为提取的数据集没有提供有效量的帖子共享(n= 1)。检查的性能指标列表见表7。4. 结果本节介绍了所检查功能的描述性统计数据,以及在可读性指标和所检查性能指标(参与度和意识)之间进行的所有统计分析结果。最后,我们提出了主要特点最受关注的指标,以确认和讨论定量结果。4.1. 描述性统计量表8显示了计算的可读性特征的描述性统计数据和导出的检查期间的Facebook性能指标。4.1.1. 基于文本可读性指数和长度的帖子性能指标的显著差异表9及表10载列所审查类别之间在敬业度评分方面的重大差异。可读性指数:Flesch Kincaid和Gunning fog index。如图所示,Flesch Kincaid的可读性得分与终身帖子印象的意识度量显著相关。而Gunning fog指数揭示了参与度和认知度指标的显著差异,如表10所示。从描述性统计结果中得出,在Flesch Kincaid范围的“易于阅读”水平中,注意到了喜欢您页面的人的终身发布信息的最高值。而最低的参与值被观察到的范围内的表11和表12描述了基于单词和字符数量的不同文本长度类别的参与度和意识表现得分的差异。如图所示,文本的长度与所有参与度和意识绩效指标相关联。特别是,包含31-55个单词或321-580个字符的帖子4.1.2. 主题标签数量与帖子性能指标的相关性分析Spearman等级相关用于测量hashtag变量与Facebook绩效指标之间的关联程度。如表13所示,图像帖子中的主题标签的数量与喜欢、到达和印象的所有参与和认知度量正相关。4.2. 前3名最吸引人的Facebook帖子的特征为了评估上述定量结果,我们试图探索它们在所检查的帖子数据集中的应用。 在这项研究中,我们分别研究了“终身帖子参与用户”和“终身喜欢页面并参与帖子的人”的用户参与度。这是因为喜欢某个页面的人会从该页面收到更多的帖子(设计空间,2020)。用户参与度(E)由以下分数来衡量:D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000675表5字符数类别。字符数评分0值1 2 3 4 5 6 7表6字数统计分类。字数2019 - 0值1 2 3 4 5 6 7 8 9 10表7Facebook性能指标列表。功能性能类型描述帖子被Facebook用户喜欢的次数参与度Facebook用户终身喜欢该页面并参与该帖子参与度喜欢您的页面并点击您帖子中任何位置的人数。(唯一用户)终身帖子参与用户参与度以特定方式参与您的页面帖子的独特用户数量,例如评论,喜欢,分享或点击帖子的元素。(唯一用户)终身帖子总数达到意识的人数谁有你的网页帖子包括状态、图片、链接、视频等。(唯一用户)终生文章总展示次数意识您的页面人的屏幕。帖子包括状态、图片、链接、视频等。(总数)喜欢该页面Awareness(知名度)您的页面发布给喜欢您的页面的人的印象数。(总数)Lifetime post reaches by people who like the page Awareness看到您的页面帖子因为他们喜欢你的页面(唯一用户)表8描述性统计。N最小值最大值平均值标准品Dev.Flesch Kincaid reading easy(FK)135 −3 2 − 2,56,886喷雾指数(GF)135 1 9 2,62 2157字数135 2 11 3,89 1777字符数135 1 7 2,37 1202标签数135 0 23 4,85 5005发布喜欢135 6 112 26,95 15,778终身职位总数达到135 281 1648 747,10 245,614总印数135 313 2005 866,98 300,638终身职位参与用户135 3 252 44,51 37,778喜欢你的页面的人的终身帖子印象135 265 1163 561,55 191,457终身帖子被喜欢您的页面的人访问135 233 904 468,27141,457终身喜欢您的页面的人参与您的帖子135 3 18536,40 30,539表9Flesch Kincaid阅读轻松度的Kruskal-Wallis检验统计量。终身职位印象终身职位达到终 身 的 人 谁 喜欢你的网页,终身职位终身职位终身职位的人人喜欢接合东风5 5 5 5 5 5 5Asymp。sig.153,187,183,273,048-083,204p = 0.05时的统计学显著性 |变量:Flesch Kincaid阅读轻松。邮政股份总额达至总印象参与用户喜欢你的页面你的页面你的帖子Kruskal-Wallis805674797554636111,18097527236D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.表10International Journal of Information Management Data Insights 2(2022)1000676Gunning雾指数的Kruskal-Wallis检验统计量。终身职位终身职位终身职位一生的帖子印象的人谁有终身职位达到的人谁喜欢终身的人谁喜欢你的网页,并从事与东风8888888Asymp。sig.,101,254,132,031,006,011,022p = 0.05时的统计学显著性 |变量:喷雾指数。表11Kruskal-Wallis检验统计终身职位终身职后共计终身职位一生的帖子印象的人谁有终身职位达到的人谁喜欢终身的人谁喜欢你的网页,并从事与东风7777777Asymp。sig.,940,000,000,000,000,000,000p = 0.05时的统计学显著性 |变量:字数。表12“Characters count”的Kruskal-Wallis检验统计量终身职位终身职位终身职位一生的帖子印象的人谁有终身职位达到的人谁喜欢终身的人谁喜欢你的网页,并从事与东风6 6 6 6 6 6Asymp。sig.0,000,000,000,000,000,000p = 0.05时的统计学显著性 |变量:字符数。表13标签数量和性能指标之间的斯皮尔曼相关性终身职位一辈子的人主题标签终身职后共计终身职后共计终身职位喜欢的人的印象终身职位达到的人谁喜欢你的页面,并与numbercoecautioustailed)- 是的相关性在0.05水平显著(双尾)。好吧相关性在0.01水平显著(双尾)。参与用户的总数除以到达用户的数量,如公式中所示。在这种情况下,用户参与度是针对喜欢或不喜欢该页面的用户单独测量的。终身参与后用户参与总数������������������������������������������������= 100美元= 6%(3)���������������������������������������������������������������ℎ喜欢该页面并参与帖子互动的终身总人数:终身的人谁喜欢的网页和从事的职位文本长度、主题标签的数量),我们提供了所提取的数据集的最吸引人的帖子的度量的示例。如表14所示前三个最吸引人的帖子是特定长度的单词(31-55)和字符(321-560)。文本中提到的标签数量相当高,例如从17到23个标签。如图所示,Flesch Kincaid在前两个帖子中的红色能力得分相当低,揭示了Facebook图像帖子中的准备轻松度和参与绩效之间的弱关联。然而,可读性得分在所有三个职位上,Gunning fog的比例都很高(>8),符合其���=终身职位达到的人谁喜欢的网页100美元= 8%(4)与Flesch Kincaid相比,与性能指标的关联更强。区分这些场合,我们试图揭露实际行为为了更仔细地观察用户用户可能具有希望向决策者提供有效信息的帖子内容和上下文。帖子喜欢总额达至总印象参与用户喜欢你的页面你的页面你的帖子Kruskal-Wallis H13,32010,16612,46116,88921,47019,85217,918邮政股份帖子喜欢总额达至印象参与用户喜欢你的页面你的页面你的帖子Kruskal-Wallis232430,75026,24932,45534,42848,10147,15837,556帖子喜欢总额达至总印象参与用户喜欢你的页面你的页面你的帖子Kruskal-Wallis H38,23029,12336,00439,29954,29351,70641,579number帖子喜欢达到印象参与用户你的页面喜欢你的页面你的帖子主题标签相关性1000,446名,362磅,430日元,506磅,627磅600日元,552磅Sig. (2-.,000,000,000,000,000,000,000N135135135135135135135135D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000677表14前3名最吸引人的Facebook帖子的特征终身职位弗来什·金凯德字符主题标签终身职位总终身职位2 - 51,8 7,5 31 338 17 1516 1821 2233 81,5 14,8 34 374 20 1440 1684 1995. 讨论这项研究的结果显示,在Facebook帖子的导出数据集上,所检查的性能指标和可读性特征之间存在几个重要的关联。如所揭示的,FleschKincaid阅读轻松度和Gunning FoX指数的可读性特征、文本长度和主题标签的数量与喜欢、到达和印象的参与度和意识度量相关联。关于RQ 1,参与度指标与大多数检查的可读性特征相关。GunningFog指数显示参与用户和喜欢并参与帖子的用户之间存在显著关联,但Flesch Kin- caid阅读轻松指数未检测到关联。关于文本长度属性,单词和字符的数量都与参与绩效呈正相关。关于RQ2,两个可读性指数都显示出与所检查的意识指标的显著关联。同样,文本长度属性和标签数量与认知度指标呈正相关。下面,我们讨论每一个检查文本特征的结果5.1. 文本特征和用户参与度在可读性指数方面,Gunning fog指数显示对参与度和认知度指标都有显著影响,而“Flesch Kincaid阅读轻松度”指数仅在“喜欢你的页面的人的终身帖子印象”指标中显示了每个阅读轻松度类别的统计显著差异。关于类别:“相当容易阅读”和“容易阅读”在“喜欢你的页面的人的终身帖子印象”中显示了最高的平均得分,而“令人反感”类别显示了最低的平均得分,甚至低于“非常令人反感”类别。这一结果可能会提供一些基本的见解,从Facebook算法的文本数据操作,以至于Gunning fog指数,在“终身帖子参与用户”,“喜欢你的页面的人的终身帖子印象”,“喜欢你的页面的人的终身帖子到达”,“喜欢你的页面并参与你的帖子的终身人”中显示了差异可读性结果与 先前 研究 (e.g.、 Davis等人,2019年),表明可读性对社交媒体帖子中的用户参与度和品牌知名度的积极影响。这项研究通过揭示Face- book有机图像帖子的可读性价值来扩展先前的发现。目前的发现支持图像帖子中文本的可读性分数应该得到更高的考虑,因为它们可能与Facebook有机图像帖子中的用户参与度和认知度指标相关联。关于文本长度,结果表明,包含超过31个单词或超过321个字符的帖子获得了最高的分数,而最低的表现是15个单词或160个字符的帖子。这些发现是对Jackson(2020)研究的补充,Jackson(2020)评估了标题中的字符和单词,但不在图像帖子的描述文本中Davis et al.(2019)。也支持文本长度和用户参与推文之间的正相关。至于主题标签与帖子表现指标的相关性,研究结果显示,主题标签的数量与所有被检查的Facebook表现指标呈正相关,表明包含许多主题标签的帖子往往会获得更高的表现分数。这一结果证实了标签的使用在所有社交媒体网络中都能吸引用户(Cheng等人,2020; Salomon,2013),尽管事实上,当标签最初引入Facebook平台时,它们曾经降低了Facebook帖子的点击率。如今,Instagram和Twitter等其他标签丰富的社交网络的广泛使用似乎与用户在Facebook中感知标签丰富的内容5.2. 研究限制和未来工作必须指出,这项工作带来了某些限制,希望在不久的将来能够克服这些限制。 首先,这项工作集中在某些行业领域,更具体地说,在女性时尚。未来的研究可以包括更广泛的关于时尚行业的数据集,并将这些发现推广到更广泛的社交媒体用户群体。其次,本研究集中于自然(非付费)帖子,不包括任何广告活动,这可能会带来不同的广告效果,未来将进行研究,以比较时尚行业中自然和付费Facebook帖子之间的结果。此外,这项研究是基于一个六个月的愤怒数据集,从四月到十月。未来的研究应该考虑更大的数据集,包括全年范围或圣诞节等节日。此外,导出的数据集也存在一些限制,因为一些基本的参与度指标(例如,共享数量、保存数量和评论数量)数量不足,未包括在内在分析中。应在不久的将来进行进一步研究,以便有机会调查更多的参与指标作为对上述内容的补充,这项研究可以扩展到考虑影响消费者品牌参与度的其他和/或外部因素&进一步的研究应调查影响的方向和程度,以及测量的可读性结构对用户参与度和感知度的直接或间接影响。最后,另一个有趣的研究方向是应用文本挖掘技术来分析帖子描述文本中的情感或其他事实上,文本挖掘技术主要应用于社交媒体数据集(Kumar,Kar Ilavarasan,2021)。 主题建模还可以用于将主题与时尚相关的社交媒体帖子中的用户参与水平相关联(Ahn等人,2021年)。5.3. 实际影响本研究的重点是揭示文本可读性的因素,与一组性能指标的参与度和意识在Facebook的有机图像帖子。本研究的主要内容 是提供更深入的研究见解的因素与帖子ID阅读缓解指数字数numberNumber总额达至印象参与用户1− 38.68,7545232316482005252D.C. Gkikas,K.察菲尔库火山口Theodorphan etal.International Journal of Information Management Data Insights 2(2022)1000678社交媒体品牌信息中的用户参与度和认知度。这些结果可以帮助营销人员、企业主和决策者通过有机帖子有效地推广他们的业务,并解释用户的交互。例如,该研究为那些试图使用添加标签,关键字,长描述和易于阅读的文本的有机帖子来推广Facebook女性时尚形象内容的管理人员提供了一些关键点和指导方针。通过揭示文本
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功