论文部分内容阅读
摘 要：[目的/意义]选取歌单这一典型用户自发组织平台资源创建资源列表模式，探索“什么样的用户创建资源列表更受欢迎”的问题，揭示用户创建资源列表内容丰富度可能引发的信息冗余现象。[方法/过程]基于信息接受理论与信息过载视角，构建用户创建资源列表扩散的信息接受模型，借助爬虫软件获取网易云音乐歌单相关数据，研究资源列表创建者特征、资源列表质量特征对资源列表扩散效果的影响。[结果/结论]网易云音乐中用户社交网络具有无标度特征;创建者活跃度和贡献度对网络中心性产生正向影响;创建者网络中心性、网络活跃度、网络贡献度、资源列表介绍长度对资源列表有用性和资源列表扩散效果均有显著正向影响;资源列表内容丰富度与资源列表有用性、资源列表扩散效果均存在倒U型关系;在资源列表质量特征对资源列表扩散效果的影响中，资源列表有用性起到了中介作用。
关键词：用户创建资源列表;信息过载;扩散效果;网易云音乐
DOI：10.3969/j.issn.1008-0821.2019.07.011
〔中图分类号〕G206 〔文献标识码〕A 〔文章编号〕1008-0821（2019）07-0093-09
Abstract：[Purpose/Significance]This study selected song list，a typical user spontaneous organization platform resource to create a resource list，exploring the question“What kind of user generated resource list（UGRL）is more popular”，and revealing the information redundancy that may arise from the richness of user generated resource list.[Method/Process]Based on the theory of information acceptance theory and the perspective of information overload，this study constructed the information acceptance model of user generated resource list diffusion，and used the crawler software to obtain the data of Netease cloud music song list and song list creator，and studied the influences of UGRL creator characteristics and UGRL quality characteristics on the UGRL diffusion effect.[Result/Conclusion]The user social network in Netease Cloud Music has a scale-free feature;the creators activity and contribution have a positive impact on the network centrality;The creators network centrality，network activity，network contribution，UGRL introduction length have a significant positive impact on UGRL usefulness and UGRL diffusion effect;There was an inverted U-shaped relationship between UGRL content richness and UGRL usefulness，and also between UGRL content richness and UGRL diffusion effect;In the influence of the UGRL quality characteristics on the UGRL diffusion affect，the UGRL usefulness played a mediation role.
Key words：user generated resource list;information overload;diffusion effect;Netease cloud music
在移動互联网与社交网络时代，普通用户不再是信息的被动接受者，他们也拥有了创造内容并在网络平台中分享的权限，这些用户自发在网络上创建和发布信息内容被称之为用户创造内容（User Generated Content，UGC）。用户创建资源列表（User Generated Resource List，UGRL）是一种特殊的UGC形式，通常是指用户将网络资源按照一定主题建立资源列表并分享的形式。国内外关于用户创造内容的研究对象涉及类型多样，有微信、社交网站、论坛、博客、微博、中文维基百科、虚拟社区、旅游预定网站、Facebook等[1]。现有研究通常从以下3个方面展开：其一，创建动机研究。相关研究发现利他、提高自我形象以及执行成本等因素对用户创造内容存在显著的影响，产品卷入、自我提高和经济激励因素对用户创造内容行为存在显著的影响[2]，信任、互惠和自我效能显著影响用户创造内容意愿[3]。其二，传播效应研究。网络口碑、产品评论为代表的用户创造内容能够促进产品销售，相关研究认为销售量增加更多源于对正面信息的转帖行为[4]。其三，考虑在线社交网络的用户创造内容研究。社交网络中心性在一定程度上反映了用户在网络中的影响力，相关研究采用度中心性刻画用户在中文维基百科这类合作网络中的位置[5]，或通过中心性刻画推特用户社交网络的连通程度[6]，通常认为网络连通程度高的用户在网络中具有较高影响力[6]。 基于理论与现实背景回顾得到以下启示：其一，现有关于用户创造内容的研究大多关注在线评论，对用户自发选取平台资源创建资源列表的方式关注不足。其二，现有研究多关注用户创造内容生成动机，用户创造内容过载从而影响扩散效果的关注不足。区别于传统视频分享、知识问答、社区论坛、新闻生产等UGC形态，音乐歌单这种基于用户兴趣自发组织平台内容创建资源列表并进行发布的形式得到了音乐应用平台的关注。如网易云音乐注册用户拥有创建歌单的权限，用户可以在个人主页上发布动态信息，用户还可以与其他用户建立在线社交网络关系。网易云音乐既没有虾米音乐的用户量积累，也没有QQ音乐庞大的QQ和微信用户支撑，但自其发布以来便迅速拥有了强大的用户群且用户参与度较高[7]。本文基于信息接受理论与信息过载视角，构建用户创建资源列表的信息接受模型，采用网易云音乐歌单相关数据研究资源列表创建者特征、资源列表质量特征对资源列表扩散效果的影响。文章内容安排如下：首先进行理论文献回顾，提出研究假设;其次对变量测度与数据获取情况进行探讨，基于实证数据对用户创建资源列表扩散效果的影响因素进行分析;最后对研究结论进行总结，对研究意义与启示进行探讨。
1 理论基础与假设提出
1.1 信息接受与信息过载
信息接受模型是在技术接受模型和精细加工可能性模型的基础上发展而来的，用来研究信息源与信息本身对信息有用性的影响[8]。信息接受理论表明，在产品质量信息不对称情况下，消费者需要通过在线评论搜索和学习降低自身决策的不确定性[8]。信息接受模型认为信息内容与信息源是影响用户接受该信息的重要因素，对于在线社区而言，用户对信息质量的认知可以通过信息本身和信息来源两方面测量[9]。信息源通常是指信息的发布者，当信息发布者被认为是可信的，那么该信息具有信息源可信性的特征[10]。在精细加工可能性模型中，信息内容通过中心路径发挥作用，即用户观点态度的变化是用户对信息思考的结果;信息源通过边缘路径发挥作用，即用户对信息的态度与该信息的来源因素有关。
信息的存在必须依附于一定的载体，信息过载（Information Overload）是指信息总量大大超过了人们的需要，从而给人们在选择利用时造成困难[11]。王娜等在研究个性化推荐机制对信息过载具有防控作用的基础上，构建了面向移动社交网站的个性化推荐机制的宏观架构，探讨了该机制关键模块的功能和关键步骤的技术实现问题[12]。信息过载对信息使用者带来了障碍，信息资源过载对信息使用者的影响成为学者们关注的问题。刘雪琪等对新浪微博用户信息过载感知程度进行探究，发现信息难度越大则用户对信息过载的感知程度越深，增加用户使用时间可以有效减轻用户对于信息过载的感知[13]。李旭等基于自我调控理论框架，构建了社会化阅读过程模型，认为在信息过载情境下，用户对内容的质量和有用性提出了更高的要求，内容本身是影响用户体验的最重要的因素[14]。
本研究关注用户创建资源列表（UGRL）扩散效果的影响因素，因此分别从信息质量与信息源可靠性两方面提出研究构念，其中信息质量考虑用户创建资源列表内容质量特征（包括考虑用户创建资源列表内容丰富度以研究是否存在信息过载现象），信息源可靠性考虑创建者特征。此外，资源列表有用性从资源列表订阅量和资源列表评论量进行测度，扩散效果用资源列表播放量进行测度。
1.2 假设提出
1.2.1 UGRL质量特征
在制定消费决策或做出产品使用行为前，消费者通过阅读在线评论以满足其对信息获取的需求。一般而言，在线用户生成内容的长度越长、字数越多，代表该用户生成内容能传递的信息量越大[15]。Mudambi S M等认为UGC深度可以增强消费者的信心，从而促进消费决策过程，即UGC长度可以提高信息的诊断准确性[15]。相关研究认为消费者并不是简单的通过总体数值评分来进行判断，文字字数越多则更可能被阅读[16]。在线UGC字数越多，则越能刺激读者浏览、加深或改变原有的认知[15，17]。在歌单介绍中，文字数量越多则对该歌单的介绍就更充分，能够吸引相关用户关注该歌单。因此，基于UGRL介绍长度提出研究假设H1：
H1：UGRL介绍长度对UGRL有用性有正向影响。
H1-1：UGRL介绍长度对UGRL订阅量具有正向影响。
H1-2：UGRL介绍长度对UGRL评论量具有正向影响。
每位用户都可以在平台上发布自己创建的内容，用户也可以获得越来越多的信息。然而，随着可以获得的由其他用户创建的内容越来越多，这些在线内容的创建通常缺乏标准规范且质量层次不齐，一定程度上对用户制造了信息接受困难[18]。信息过载就是指用户能够接受的信息内容超过其能够处理的能力，甚至对用户带来负面影响[19]。网易云音乐歌单是由用户创建的，每个歌单包括的歌曲数量并没有限定。根据信息过载的相关研究，显然过多的信息或过少的信息都会对有用性带来负面影响，本研究将歌单歌曲数量视为歌单的信息量。为了探究歌单歌曲数量对歌单有用性的影响，提出研究假设H2：
H2：UGRL内容丰富度对UGRL有用性有倒U型影响关系。
H2-1：UGRL内容丰富度对UGRL订阅量有倒U型影响關系。
H2-2：UGRL内容丰富度对UGRL评论量有倒U型影响关系。
1.2.2 UGRL创建者网络特征
网络中心性是分析社会网络中个体特征的基本指标，中心性可以分为入度中心性和出度中心性。Forman C等关注评论者的个人信息发布，发现评论者受同行认可、真实身份与评论有用性具有交互影响[20]。Susarla A等关注社会网络用户生成内容，发现内容创建者关注其他用户越多，那么其内容也越受关注[21]。从内容特征、内容创建者特征出发，李进华等研究了社会化问答社区用户感知有用性问题，发现相对于内容特征，内容创建者特征对感知有用性的影响更大[10]。具有高入度中心性的用户在社交网络中往往发挥重要作用，由于被很多用户关注故其发布的内容也可能更快的被更大范围的用户浏览到。因此，提出研究假设H3： H3：创建者网络中心性对UGRL有用性有正向影响。
H3-1：创建者网络中心性对UGRL订阅量具有正向影响。
H3-2：创建者网络中心性对UGRL评论量具有正向影响。
在线社群的核心目的之一就是要保持社群的活躍，留住活跃用户，提高用户粘性[22]。用户使用网络产品的频率和时间长度体现了用户网络活跃度[23]。当在线社群成员具有较高活跃度时，则表明该社群在网络中交互更加频繁，成员更加热情，更加希望分享信息和展示自身观点。社交网络中活跃用户对个体效用的提升更为显著，社交氛围的营造受到用户交互频率与好友情感支持的影响，并有助于提升用户之间对彼此的影响力[24]。通过社交影响机制，个体行为能够影响其他网络成员[25]。在线社群中，网络外部性不仅受到朋友的影响，还受到朋友活跃度的影响。可以发现，在线社群中，提升用户活跃度是增加用户忠诚和防止用户流失的重要方式[26]。理解和研究用户活跃行为及其对社交网络发展的影响具有现实意义。与众多在线社交平台或UGC平台类似，网易云音乐中为每位用户设置了个人主页，用户可以发布各种类型的动态信息。通常认为那些在网络中较为活跃的用户，更能受到其他用户的关注，其创建的内容也更可能具有较高的有用性。
在线社群中最基本的元素就是用户，用户不仅能够建立社交网络关系，进行用户生成内容创建，而且这些自发行为也成为在线社群得以持续发展内在动力[27]。用户建立网络连接、创建在线内容的行为，也会进一步增加社群中的社交关系数量，增加网络流量和平台收入[28]。在线社群拥有大量的用户，但并非所有用户都能够做出同样的贡献，其中大多数用户通常保持沉默且对社交网络的贡献非常有限。对于在线社群而言，用户创建内容的质量与数量对于社群运营非常重要。相对于那些不积极的用户，高贡献度用户做出的贡献非常大[29]，且用户做出的贡献对在线社群的成功有显著正向影响[30]。Chen A等[31]认为用户社交网络积极行为包括内容生成、内容传播、关系建立和关系维系。本研究认为用户网络贡献度能够增加自身影响力，此类用户创建的内容也具有较高的有用性。
因此，基于活跃度和贡献度提出研究假设H4、H5、H6：
H4-1：创建者活跃度对网络中心性有正向影响。
H4-2：创建者贡献度对网络中心性有正向影响。
H5：创建者活跃度对UGRL有用性有正向影响。
H5-1：创建者网络活跃度对UGRL订阅量具有正向影响。
H5-2：创建者网络活跃度对UGRL评论量具有正向影响。
H6：创建者贡献度对UGRL有用性有正向影响。
H6-1：创建者网络贡献度对UGRL订阅量具有正向影响。
H6-2：创建者网络贡献度对UGRL评论量具有正向影响。
1.2.3 UGRL扩散效果
信息传播与接受理论表明，当产品质量信息不对称情况下，消费者需要通过在线评论搜索和学习降低自身决策的不确定性[8]。对于网易云音乐而言，每一个歌单都会跟随大量的评论，这些评论与歌单内容共同吸引其他用户关注该歌单。音乐评论不仅是受众对某一音乐或主题歌单的自我表达和情感流露，许多精彩评论也可以成为歌单亮点，进而吸引更多受众参与。此外，用户还可以订阅收藏歌单，从而在以后进行重复播放收听。歌单播放是该歌单被用户采纳的重要指标，歌单播放量越高意味着该歌单扩散效果越好。通过订阅量与评论量测度UGRL有用性，通常UGRL有用性越高则该UGRL的扩散效果就越好。此外，UGRL的有用性与UGRL的质量密不可分，高质量的UGRL能够通常具有较高的有用性且能够取得较好的传播扩散效果。因此，提出研究假设H7和H8：
H7：UGRL有用性对UGRL扩散效果有正向影响。
H7-1：UGRL订阅量对UGRL扩散效果有正向影响。
H7-2：UGRL评论量对UGRL扩散效果有正向影响。
H8：UGRL质量特征对UGRL扩散效果有影响。
H8-1：UGRL介绍长度对UGRL播放量有正向影响。
H8-2：UGRL内容丰富度对UGRL播放量有倒U型影响关系。
本研究建立的研究模型如图1所示。
2 研究方法
2.1 研究对象与变量测度
网易云音乐是典型的具有用户创造内容的在线社群，3个方面的特征使其成为适合本研究样本选取的对象。其一，音乐歌单创建是用户生成内容的新形态。用户以选取平台资源（歌曲）创建资源列表（歌单）的方式进行UGRL创建。其二，网易云音乐具有在线社群社交功能。每位用户有单独模块实现在线社交功能，用户可以添加通讯录或微博中的好友来关注他们的听歌动态。其三，网易云音乐具有丰富的订阅、评论、点赞功能，用户在听歌的同时可以查看评论或发表评论。
在研究假设基础上，提出变量测度方法（表1）。关于创建者网络特征，主要从创建者网络中心性（入度中心性）、创建者网络活跃度（发布动态数量）、创建者网络贡献度（已经创建的歌单数量）3个方面进行测度。关于UGRL质量特征，主要从介绍长度、内容丰富度两个方面进行测度。有用性则从订阅量、评论量2个维度进行评价。
2.2 数据收集与描述
本研究借助八爪鱼采集器获取网易云音乐歌单数据与歌单创建者数据。针对不同采集需求，八爪鱼可提供自动生成爬虫的自定义模式，可精准批量识别各种网页元素。本研究选择所有民谣类歌单（2018年4月1日前已创建），通过设置采集规则，以模拟用户浏览网页的方式将所需要的信息进行抓取保存。第一步，对歌单信息进行抓取，包括网址、创建者、歌曲数量、介绍文本等信息;第二步，对第一步获得的歌单创建者信息进行抓取，包括入度、动态数量、已创建歌单数量等信息;第三步，由于部分创建者创建了多个歌单，因此对歌单与创建者信息进行匹配。 最终获得歌单为1 251条，共包含歌曲120 239首，这些歌单共来自于918位创建者。平均歌单介绍长度为118个字，平均歌单介绍长度分布如图2所示。创建者入度中心性分布如图3所示，呈现大部分用户具有较低的中心性、仅有少量的用户具有较高的中心性的度分布特征，即网易云音乐用户社交网络体现了节点度服从幂律分布的特征。此外，歌单平均歌曲数量为96首，每位创建者平均创建歌单39个，歌单平均订阅量为15 837次，平均评论为149条，平均播放量为1 019 485次。
3 分 析
3.1 变量相关性分析
对变量进行中心化处理以避免各变量不同量纲对分析结果所带来的影响，并对变量进行相关分析（表2）。
表2可以发现，部分变量之间存在较高的相关性，如创建者网络中心性与创建者网络活跃度（β=0.685，p<0.01），创建者网络活跃度与创建者网络贡献度（β=0.411，p<0.01）。此外，还有一些变量之间的相关性较低且不显著，如UGRL内容丰富度与UGRL订阅量，UGRL内容丰富度与UGRL评论量，UGRL内容丰富度与UGRL播放量。为了避免多重共线性对结果的影响，在接下来的回归分析中将相关性较高的变量分别进入模型。
3.2 UGRL有用性的影响因素分析
表3是从创建者网络特征和UGRL质量特征对UGRL有用性的影响回归分析。
从UGRL订阅量来看。在M1中，网络中心性对订阅量的回归系数为0.089，且在统计上达到0.01的显著性水平，因此H3-1得到验证。入度中心性对订阅量的显著正向影响，表明相对粉丝数量较少的UGRL创建者，那些在网络中拥有较多跟随者的用户创建的歌单更可能被其他用户收藏或订阅。创建者贡献度对歌单订阅量的回归系数显著，表明那些在网易云音乐平台上创建歌单数量较多的用户，其创建的歌单被其他用户订阅的次数较多，因此H6-1得到验证。在M2中，创建者网络活跃度对订阅量具有正向显著影响，表明那些在网易云音乐平台上较为活跃的用户，即发表动态数量较多的用户，其创建的歌单被其他用户收藏或订阅的次数较多，因此H5-1得到验证。在M3中，UGRL介绍长度对订阅量具有正向显著影响，UGRL内容丰富度的平方项对订阅量具有负向显著影响，因此H1-1和H2-1得证。UGRL介绍长度是指歌单的文字介绍长度，通常较短的介绍并不能体现歌单的内容，较长的文字介绍则信息更为丰富，结果表明介绍内容丰富的歌单获得的订阅数量较高。UGRL内容丰富度的平方项对订阅量具有负向显著影响表明，表明歌单歌曲数量对歌单订阅量有倒U型影响。当歌单数量低于某阈值时，随着歌曲数量的增加，该歌单被订阅的次数上升;当歌单数量高于某阈值时，随着歌曲数量的增加，该歌单被订阅的次数下降。
从歌单评论量来看。在M4中，网络中心性对评论量的回归系数为0.105，且在统计上达到0.01的显著性水平，因此H3-2得到验证，表明那些在网络中拥有较多跟随者的用户创建的歌单更可能被其他用户评论。创建者贡献度对评论量的回归系数显著，表明那些在网易云音乐平台上创建歌单数量较多的用户，其创建的歌单也被其他用户评论的次数较多，因此H6-2得到验证。在M5中，创建者网络活跃度对评论量具有正向显著影响，表明那些在网易云音乐平台上发表动态数量较多的用户，其创建的歌单被其他用户评论次数较多，因此H5-2得到验证。在M6中，UGRL介绍长度对评论量有显著正向影响，UGRL内容丰富度平方项对评论量具有显著负向影响，因此H1-2和H2-2得到验证。表明歌单歌曲数量对歌单评论量有倒U型影响。
表4是创建者网络中心性的影响因素分析，可以发现创建者活跃度和创建者贡献度均对创建者网络中心性产生正向影响，标准化回归系数分别为0.685和0.144。即那些在个人主页发布过较多动态、创建UGRL数量较多的用户，通常具有较多的“粉丝”。因此，假设H4-1和H4-2得到验证。
3.3 UGRL扩散效果的影响因素分析
表5报告了UGRL质量特征对UGRL播放量的回归结果，并考察了UGRL有用性起到的中介作用。
从UGRL质量特征来看，在M10中，UGRL介绍长度（β=0.188，p<0.01）对播放量有显著正向影响，因此H8-1得到验证，表明较长文字介绍的歌单可获得更多的播放量。UGRL内容丰富度的平方项系数为负值且显著（β=-0.153，p<0.01），因此H8-2得到验证，表明歌单歌曲数量对播放量有倒U型影响。从UGRL有用性对扩散效果的影响来看，在M12和M15中，UGRL订阅量（β=0.959，p<0.01）和评论量（β=0.727，p<0.01）均对播放量有显著正向影响。因此，H7-1和H7-2得到验证。
进一步的，在UGRL质量特征对扩散效果的影响中，考察UGRL有用性是否起到了中介作用。在M13中，自变量（UGRL介绍长度）和中介变量（订阅量）的回归系数均正向显著，表明在UGRL介绍长度对UGRL播放量的影响中，UGRL订阅量起到了部分中介作用。在M14中，自变量（UGRL内容丰富度平方项）回归系数不显著，而中介变量（订阅量）的回归系数正向显著，表明在UGRL内容丰富度对UGRL播放量的影响中，订阅量起到了完全中介作用。在M16中，自变量（UGRL介绍长度）和中介变量（UGRL评论量）的回归系数均正向显著，表明在UGRL介绍长度对播放量的影响中，评论量起到了部分中介作用。在M17中，自变量（UGRL内容丰富度平方项）和中介变量（评论量）的回归系数均显著，表明在UGRL内容丰富度对播放量的影响中，评论量起到了部分中介作用。
4 结论与讨论
基于信息接受理论，本文以網易云音乐歌单这一具有代表性的UGRL为例，基于网络数据爬取与定量分析，研究了创建者网络特征、UGRL质量特征与UGRL扩散效果的关系，揭示了UGRL内容丰富度可能引发的信息冗余现象。研究发现：第一，创建者网络中心性、网络活跃度、网络贡献度均对UGRL有用性2个维度（订阅量、评论量）有显著正向影响，此外创建者活跃度、创建者贡献度对创建者网络中心性有显著正向影响。第二，UGRL介绍长度均对订阅量、评论量、播放量具有显著正向影响。第三，UGRL内容丰富度与UGRL有用性存在倒U型关系，UGRL内容丰富度与扩散效果存在倒U型关系。第四，在UGRL质量特征对扩散效果的影响中，UGRL有用性起到了中介作用。 本研究对现有文献做出了一些贡献：其一，考察了歌单此类用户创建资源列表扩散效果的影响因素，包括应用中心性、活跃度、贡献度等来解释创建者网络特征如何影响扩散效果，UGRL介绍文字长度、UGRL内容丰富度来解释UGRL质量特征如何影响扩散效果。其二，在信息接受模型的框架下，发现了UGRL内容丰富度对UGRL有用性和扩散效果的倒U型影响关系，揭示了此类UGRL可能出现信息过载的条件。其三，在传统信息接受模型中，更进一步地发现了创建者网络特征内部的影响关系（即活跃度、贡献度对中心性的影响），以及UGRL有用性在UGRL质量特征对扩散效果的影响中的中介作用。
在研究中考虑了创建者的网络特征，这与包括网易云音乐在内的用户生成内容类在线社群或移动应用的功能设置具有契合性。本研究发现对UGRL创建者、普通用户和在线社群平台具有启示意义。其一，对于UGRL创建者而言，通过在个人主页上积极发布动态信息，积极参与到新UGRL的创建之中，可以提高自身影响力和提升所创建资源列表的扩散效果。其二，对于普通用户而言，那些介绍长度较长、内容丰富度适中的UGRL，以及由拥有众多跟随者、经常发布和分享内容的创建者创建的UGRL，通常具有较高的有用性。其三，对于在线社群平台而言，多关注那些在平台中具有较高活跃度和贡献度的UGRL创建者，有效将资源列表与资源列表搜寻者的需求进行匹配，增强平台用户粘性。
本研究仍然存在局限，這也为未来研究提供了方向。本研究中涉及资源列表介绍文本、资源列表评论文本两类文本信息，通过文字长度的和评论数量的方式进行测度，未来研究可关注文本信息所具有的情感特征对扩散的影响作用。
参考文献
[1]詹丽华.UGC用户行为成因分析——用户数据素养与用户行为情景的双重视角[J].情报理论与实践，2018，41（4）：28-32.
[2]崔金红，汪凌韵.在线反馈系统中消费者网络口碑传播动机的实证研究[J].现代图书情报技术，2012，（10）：55-60.
[3]Yu-Wei C，Ping-Yu H，Wen-Lung S，et al.The Effect of Customer Power on Enterprise Internal Knowledge Sharing：An Empirical Study[J].Aslib Journal of Information Management，2015，67（5）：505-525.
[4]Moe W W，Schweidel D A.Online Product Opinions：Incidence，Evaluation，and Evolution[J].Marketing Science，2012，31（3）：372-386.
[5]Susarla A，Oh J，Tan Y.Social Networks and the Diffusion of User-Generated Content：Evidence from YouTube[J].Information Systems Research，2012，23（1）：23-41.
[6]Shriver S K，Nair H S，Hofstetter R.Social Ties and User-Generated Content：Evidence from an Online Social Network[J].Management Science，2013，59（6）：1425-1443.
[7]夏立新，王凯利，程秀峰.基于PPM模型的移动音乐平台用户转移行为研究——以网易云音乐为例[J].现代情报，2018，（8）：3-11.
[8]Sussman S W，Siegal W S.Informational Influence in Organizations：An Integrated Approach to Knowledge Adoption[J].Information Systems Research，2003，14（1）：47-65.
[9]李晶，漆贤军，陈明红.信息质量感知对信息获取与信息采纳的影响研究[J].情报科学，2015，（3）：123-129.
[10]李进华，张婷婷.社会化问答知识分享用户感知有用性影响因素研究——以知乎为例[J].现代情报，2018，（4）：20-28.
[11]徐瑞朝，曾一昕.国内信息过载研究述评与思考[J].图书馆学研究，2017，（18）：21-25.
[12]王娜，任婷.移动社交网站中的信息过载与个性化推荐机制研究[J].情报杂志，2015，34（8）：190-194.
[13]刘雪琪，廖秉宜.我国大陆地区新浪微博用户信息过载感知程度影响因素的实证研究[J].信息资源管理学报，2017，7（3）：66-72.
[14]李旭，刘鲁川.信息过载背景下社会化阅读APP用户的忽略与退出行为——心理契约违背视角[J].图书馆，2018，（2）：75-84.
[15]Mudambi S M，Schuff D.What Makes a Helpful Online Review？A Study of Customer Reviews on amazon.com[J].MIS Q，2010，34（1）：185-200.
[16]Chevalier J A，Mayzlin D.The Effect of Word of Mouth on Sales：Online Book Reviews[J].Journal of Marketing Research，2006，43（3）：345-354. [17]Johnson E J，Payne J W.Effort and Accuracy in Choice[J].Management Science，1985，31（4）：395-414.
[18]王娜，张丽娟.UGC社区中的信息过载防控机制研究[J].创新科技，2016，（3）：91-93.
[19]Schick A G，Gordon L A，Haka S.Information Overload：A Temporal Approach[J].Accounting，Organizations and Society，1990，15（3）：199-220.
[20]Forman C，Ghose A，Wiesenfeld B.Examining the Relationship Between Reviews and Sales：The Role of Reviewer Identity Disclosure in Electronic Markets[J].Information Systems Research，2008，19（3）：291-313.
[21]Susarla A，Oh J H，Tan Y.Social Networks and the Diffusion of User-Generated Content：Evidence from YouTube[J].Information Systems Research，2012，23（1）：23-41.
[22]何旵陽，孙鲁敬，杨家海.基于Feeds的社交网络活跃度分析[J].计算机科学，2015，（11）：149-153.
[23]万岩，范静，高锦萍，等.网络社群的凝聚力与活跃度提升研究：品牌与信任的角度[J].系统管理学报，2017，（4）：611-623.
[24]孙怡，鲁耀斌，魏国基.社交氛围对朋友群组成员的购买意愿和行为的影响[J].管理学报，2016，（9）：1392-1399.
[25]肖邦明，黄敏学，廖俊云.交易型社区的网络闭包机制研究[J].管理科学，2015，（5）：129-144.
[26]周军杰.社会化商务背景下的用户粘性：用户互动的间接影响及调节作用[J].管理评论，2015，（7）：127-136.
[27]冉晓斌，刘跃文，姜锦虎.社交网络活跃行为的大数据分析：网络外部性的视角[J].管理科学，2017，（5）：77-86.
[28]Chen R.Member Use of Social Networking Sites—An Empirical Examination[J].Decision Support Systems，2013，54（3）：1219-1227.
[29]Rau P P，Gao Q，Ding Y.Relationship Between the Level of Intimacy and Lurking in Online Social Network Services[J].Computers in Human Behavior，2008，24（6）：2757-2770.
[30]Trusov M，Bodapati A V，Bucklin R E.Determining Influential Users in Internet Social Networks[J].Journal of Marketing Research，2010，47（4）：643-658.
[31]Chen A，Lu Y，Chau P Y K，et al.Classifying，Measuring，and Predicting Users Overall Active Behavior on Social Networking Sites[J].Journal of Management Information Systems，2014，31（3）：213-253.
（责任编辑：孙国雷）
关键词：用户创建资源列表;信息过载;扩散效果;网易云音乐
DOI：10.3969/j.issn.1008-0821.2019.07.011
〔中图分类号〕G206 〔文献标识码〕A 〔文章编号〕1008-0821（2019）07-0093-09
Abstract：[Purpose/Significance]This study selected song list，a typical user spontaneous organization platform resource to create a resource list，exploring the question“What kind of user generated resource list（UGRL）is more popular”，and revealing the information redundancy that may arise from the richness of user generated resource list.[Method/Process]Based on the theory of information acceptance theory and the perspective of information overload，this study constructed the information acceptance model of user generated resource list diffusion，and used the crawler software to obtain the data of Netease cloud music song list and song list creator，and studied the influences of UGRL creator characteristics and UGRL quality characteristics on the UGRL diffusion effect.[Result/Conclusion]The user social network in Netease Cloud Music has a scale-free feature;the creators activity and contribution have a positive impact on the network centrality;The creators network centrality，network activity，network contribution，UGRL introduction length have a significant positive impact on UGRL usefulness and UGRL diffusion effect;There was an inverted U-shaped relationship between UGRL content richness and UGRL usefulness，and also between UGRL content richness and UGRL diffusion effect;In the influence of the UGRL quality characteristics on the UGRL diffusion affect，the UGRL usefulness played a mediation role.
Key words：user generated resource list;information overload;diffusion effect;Netease cloud music
在移動互联网与社交网络时代，普通用户不再是信息的被动接受者，他们也拥有了创造内容并在网络平台中分享的权限，这些用户自发在网络上创建和发布信息内容被称之为用户创造内容（User Generated Content，UGC）。用户创建资源列表（User Generated Resource List，UGRL）是一种特殊的UGC形式，通常是指用户将网络资源按照一定主题建立资源列表并分享的形式。国内外关于用户创造内容的研究对象涉及类型多样，有微信、社交网站、论坛、博客、微博、中文维基百科、虚拟社区、旅游预定网站、Facebook等[1]。现有研究通常从以下3个方面展开：其一，创建动机研究。相关研究发现利他、提高自我形象以及执行成本等因素对用户创造内容存在显著的影响，产品卷入、自我提高和经济激励因素对用户创造内容行为存在显著的影响[2]，信任、互惠和自我效能显著影响用户创造内容意愿[3]。其二，传播效应研究。网络口碑、产品评论为代表的用户创造内容能够促进产品销售，相关研究认为销售量增加更多源于对正面信息的转帖行为[4]。其三，考虑在线社交网络的用户创造内容研究。社交网络中心性在一定程度上反映了用户在网络中的影响力，相关研究采用度中心性刻画用户在中文维基百科这类合作网络中的位置[5]，或通过中心性刻画推特用户社交网络的连通程度[6]，通常认为网络连通程度高的用户在网络中具有较高影响力[6]。 基于理论与现实背景回顾得到以下启示：其一，现有关于用户创造内容的研究大多关注在线评论，对用户自发选取平台资源创建资源列表的方式关注不足。其二，现有研究多关注用户创造内容生成动机，用户创造内容过载从而影响扩散效果的关注不足。区别于传统视频分享、知识问答、社区论坛、新闻生产等UGC形态，音乐歌单这种基于用户兴趣自发组织平台内容创建资源列表并进行发布的形式得到了音乐应用平台的关注。如网易云音乐注册用户拥有创建歌单的权限，用户可以在个人主页上发布动态信息，用户还可以与其他用户建立在线社交网络关系。网易云音乐既没有虾米音乐的用户量积累，也没有QQ音乐庞大的QQ和微信用户支撑，但自其发布以来便迅速拥有了强大的用户群且用户参与度较高[7]。本文基于信息接受理论与信息过载视角，构建用户创建资源列表的信息接受模型，采用网易云音乐歌单相关数据研究资源列表创建者特征、资源列表质量特征对资源列表扩散效果的影响。文章内容安排如下：首先进行理论文献回顾，提出研究假设;其次对变量测度与数据获取情况进行探讨，基于实证数据对用户创建资源列表扩散效果的影响因素进行分析;最后对研究结论进行总结，对研究意义与启示进行探讨。
1 理论基础与假设提出
1.1 信息接受与信息过载
信息接受模型是在技术接受模型和精细加工可能性模型的基础上发展而来的，用来研究信息源与信息本身对信息有用性的影响[8]。信息接受理论表明，在产品质量信息不对称情况下，消费者需要通过在线评论搜索和学习降低自身决策的不确定性[8]。信息接受模型认为信息内容与信息源是影响用户接受该信息的重要因素，对于在线社区而言，用户对信息质量的认知可以通过信息本身和信息来源两方面测量[9]。信息源通常是指信息的发布者，当信息发布者被认为是可信的，那么该信息具有信息源可信性的特征[10]。在精细加工可能性模型中，信息内容通过中心路径发挥作用，即用户观点态度的变化是用户对信息思考的结果;信息源通过边缘路径发挥作用，即用户对信息的态度与该信息的来源因素有关。
信息的存在必须依附于一定的载体，信息过载（Information Overload）是指信息总量大大超过了人们的需要，从而给人们在选择利用时造成困难[11]。王娜等在研究个性化推荐机制对信息过载具有防控作用的基础上，构建了面向移动社交网站的个性化推荐机制的宏观架构，探讨了该机制关键模块的功能和关键步骤的技术实现问题[12]。信息过载对信息使用者带来了障碍，信息资源过载对信息使用者的影响成为学者们关注的问题。刘雪琪等对新浪微博用户信息过载感知程度进行探究，发现信息难度越大则用户对信息过载的感知程度越深，增加用户使用时间可以有效减轻用户对于信息过载的感知[13]。李旭等基于自我调控理论框架，构建了社会化阅读过程模型，认为在信息过载情境下，用户对内容的质量和有用性提出了更高的要求，内容本身是影响用户体验的最重要的因素[14]。
本研究关注用户创建资源列表（UGRL）扩散效果的影响因素，因此分别从信息质量与信息源可靠性两方面提出研究构念，其中信息质量考虑用户创建资源列表内容质量特征（包括考虑用户创建资源列表内容丰富度以研究是否存在信息过载现象），信息源可靠性考虑创建者特征。此外，资源列表有用性从资源列表订阅量和资源列表评论量进行测度，扩散效果用资源列表播放量进行测度。
1.2 假设提出
1.2.1 UGRL质量特征
在制定消费决策或做出产品使用行为前，消费者通过阅读在线评论以满足其对信息获取的需求。一般而言，在线用户生成内容的长度越长、字数越多，代表该用户生成内容能传递的信息量越大[15]。Mudambi S M等认为UGC深度可以增强消费者的信心，从而促进消费决策过程，即UGC长度可以提高信息的诊断准确性[15]。相关研究认为消费者并不是简单的通过总体数值评分来进行判断，文字字数越多则更可能被阅读[16]。在线UGC字数越多，则越能刺激读者浏览、加深或改变原有的认知[15，17]。在歌单介绍中，文字数量越多则对该歌单的介绍就更充分，能够吸引相关用户关注该歌单。因此，基于UGRL介绍长度提出研究假设H1：
H1：UGRL介绍长度对UGRL有用性有正向影响。
H1-1：UGRL介绍长度对UGRL订阅量具有正向影响。
H1-2：UGRL介绍长度对UGRL评论量具有正向影响。
每位用户都可以在平台上发布自己创建的内容，用户也可以获得越来越多的信息。然而，随着可以获得的由其他用户创建的内容越来越多，这些在线内容的创建通常缺乏标准规范且质量层次不齐，一定程度上对用户制造了信息接受困难[18]。信息过载就是指用户能够接受的信息内容超过其能够处理的能力，甚至对用户带来负面影响[19]。网易云音乐歌单是由用户创建的，每个歌单包括的歌曲数量并没有限定。根据信息过载的相关研究，显然过多的信息或过少的信息都会对有用性带来负面影响，本研究将歌单歌曲数量视为歌单的信息量。为了探究歌单歌曲数量对歌单有用性的影响，提出研究假设H2：
H2：UGRL内容丰富度对UGRL有用性有倒U型影响关系。
H2-1：UGRL内容丰富度对UGRL订阅量有倒U型影响關系。
H2-2：UGRL内容丰富度对UGRL评论量有倒U型影响关系。
1.2.2 UGRL创建者网络特征
网络中心性是分析社会网络中个体特征的基本指标，中心性可以分为入度中心性和出度中心性。Forman C等关注评论者的个人信息发布，发现评论者受同行认可、真实身份与评论有用性具有交互影响[20]。Susarla A等关注社会网络用户生成内容，发现内容创建者关注其他用户越多，那么其内容也越受关注[21]。从内容特征、内容创建者特征出发，李进华等研究了社会化问答社区用户感知有用性问题，发现相对于内容特征，内容创建者特征对感知有用性的影响更大[10]。具有高入度中心性的用户在社交网络中往往发挥重要作用，由于被很多用户关注故其发布的内容也可能更快的被更大范围的用户浏览到。因此，提出研究假设H3： H3：创建者网络中心性对UGRL有用性有正向影响。
H3-1：创建者网络中心性对UGRL订阅量具有正向影响。
H3-2：创建者网络中心性对UGRL评论量具有正向影响。
在线社群的核心目的之一就是要保持社群的活躍，留住活跃用户，提高用户粘性[22]。用户使用网络产品的频率和时间长度体现了用户网络活跃度[23]。当在线社群成员具有较高活跃度时，则表明该社群在网络中交互更加频繁，成员更加热情，更加希望分享信息和展示自身观点。社交网络中活跃用户对个体效用的提升更为显著，社交氛围的营造受到用户交互频率与好友情感支持的影响，并有助于提升用户之间对彼此的影响力[24]。通过社交影响机制，个体行为能够影响其他网络成员[25]。在线社群中，网络外部性不仅受到朋友的影响，还受到朋友活跃度的影响。可以发现，在线社群中，提升用户活跃度是增加用户忠诚和防止用户流失的重要方式[26]。理解和研究用户活跃行为及其对社交网络发展的影响具有现实意义。与众多在线社交平台或UGC平台类似，网易云音乐中为每位用户设置了个人主页，用户可以发布各种类型的动态信息。通常认为那些在网络中较为活跃的用户，更能受到其他用户的关注，其创建的内容也更可能具有较高的有用性。
在线社群中最基本的元素就是用户，用户不仅能够建立社交网络关系，进行用户生成内容创建，而且这些自发行为也成为在线社群得以持续发展内在动力[27]。用户建立网络连接、创建在线内容的行为，也会进一步增加社群中的社交关系数量，增加网络流量和平台收入[28]。在线社群拥有大量的用户，但并非所有用户都能够做出同样的贡献，其中大多数用户通常保持沉默且对社交网络的贡献非常有限。对于在线社群而言，用户创建内容的质量与数量对于社群运营非常重要。相对于那些不积极的用户，高贡献度用户做出的贡献非常大[29]，且用户做出的贡献对在线社群的成功有显著正向影响[30]。Chen A等[31]认为用户社交网络积极行为包括内容生成、内容传播、关系建立和关系维系。本研究认为用户网络贡献度能够增加自身影响力，此类用户创建的内容也具有较高的有用性。
因此，基于活跃度和贡献度提出研究假设H4、H5、H6：
H4-1：创建者活跃度对网络中心性有正向影响。
H4-2：创建者贡献度对网络中心性有正向影响。
H5：创建者活跃度对UGRL有用性有正向影响。
H5-1：创建者网络活跃度对UGRL订阅量具有正向影响。
H5-2：创建者网络活跃度对UGRL评论量具有正向影响。
H6：创建者贡献度对UGRL有用性有正向影响。
H6-1：创建者网络贡献度对UGRL订阅量具有正向影响。
H6-2：创建者网络贡献度对UGRL评论量具有正向影响。
1.2.3 UGRL扩散效果
信息传播与接受理论表明，当产品质量信息不对称情况下，消费者需要通过在线评论搜索和学习降低自身决策的不确定性[8]。对于网易云音乐而言，每一个歌单都会跟随大量的评论，这些评论与歌单内容共同吸引其他用户关注该歌单。音乐评论不仅是受众对某一音乐或主题歌单的自我表达和情感流露，许多精彩评论也可以成为歌单亮点，进而吸引更多受众参与。此外，用户还可以订阅收藏歌单，从而在以后进行重复播放收听。歌单播放是该歌单被用户采纳的重要指标，歌单播放量越高意味着该歌单扩散效果越好。通过订阅量与评论量测度UGRL有用性，通常UGRL有用性越高则该UGRL的扩散效果就越好。此外，UGRL的有用性与UGRL的质量密不可分，高质量的UGRL能够通常具有较高的有用性且能够取得较好的传播扩散效果。因此，提出研究假设H7和H8：
H7：UGRL有用性对UGRL扩散效果有正向影响。
H7-1：UGRL订阅量对UGRL扩散效果有正向影响。
H7-2：UGRL评论量对UGRL扩散效果有正向影响。
H8：UGRL质量特征对UGRL扩散效果有影响。
H8-1：UGRL介绍长度对UGRL播放量有正向影响。
H8-2：UGRL内容丰富度对UGRL播放量有倒U型影响关系。
本研究建立的研究模型如图1所示。
2 研究方法
2.1 研究对象与变量测度
网易云音乐是典型的具有用户创造内容的在线社群，3个方面的特征使其成为适合本研究样本选取的对象。其一，音乐歌单创建是用户生成内容的新形态。用户以选取平台资源（歌曲）创建资源列表（歌单）的方式进行UGRL创建。其二，网易云音乐具有在线社群社交功能。每位用户有单独模块实现在线社交功能，用户可以添加通讯录或微博中的好友来关注他们的听歌动态。其三，网易云音乐具有丰富的订阅、评论、点赞功能，用户在听歌的同时可以查看评论或发表评论。
在研究假设基础上，提出变量测度方法（表1）。关于创建者网络特征，主要从创建者网络中心性（入度中心性）、创建者网络活跃度（发布动态数量）、创建者网络贡献度（已经创建的歌单数量）3个方面进行测度。关于UGRL质量特征，主要从介绍长度、内容丰富度两个方面进行测度。有用性则从订阅量、评论量2个维度进行评价。
2.2 数据收集与描述
本研究借助八爪鱼采集器获取网易云音乐歌单数据与歌单创建者数据。针对不同采集需求，八爪鱼可提供自动生成爬虫的自定义模式，可精准批量识别各种网页元素。本研究选择所有民谣类歌单（2018年4月1日前已创建），通过设置采集规则，以模拟用户浏览网页的方式将所需要的信息进行抓取保存。第一步，对歌单信息进行抓取，包括网址、创建者、歌曲数量、介绍文本等信息;第二步，对第一步获得的歌单创建者信息进行抓取，包括入度、动态数量、已创建歌单数量等信息;第三步，由于部分创建者创建了多个歌单，因此对歌单与创建者信息进行匹配。 最终获得歌单为1 251条，共包含歌曲120 239首，这些歌单共来自于918位创建者。平均歌单介绍长度为118个字，平均歌单介绍长度分布如图2所示。创建者入度中心性分布如图3所示，呈现大部分用户具有较低的中心性、仅有少量的用户具有较高的中心性的度分布特征，即网易云音乐用户社交网络体现了节点度服从幂律分布的特征。此外，歌单平均歌曲数量为96首，每位创建者平均创建歌单39个，歌单平均订阅量为15 837次，平均评论为149条，平均播放量为1 019 485次。
3 分 析
3.1 变量相关性分析
对变量进行中心化处理以避免各变量不同量纲对分析结果所带来的影响，并对变量进行相关分析（表2）。
表2可以发现，部分变量之间存在较高的相关性，如创建者网络中心性与创建者网络活跃度（β=0.685，p<0.01），创建者网络活跃度与创建者网络贡献度（β=0.411，p<0.01）。此外，还有一些变量之间的相关性较低且不显著，如UGRL内容丰富度与UGRL订阅量，UGRL内容丰富度与UGRL评论量，UGRL内容丰富度与UGRL播放量。为了避免多重共线性对结果的影响，在接下来的回归分析中将相关性较高的变量分别进入模型。
3.2 UGRL有用性的影响因素分析
表3是从创建者网络特征和UGRL质量特征对UGRL有用性的影响回归分析。
从UGRL订阅量来看。在M1中，网络中心性对订阅量的回归系数为0.089，且在统计上达到0.01的显著性水平，因此H3-1得到验证。入度中心性对订阅量的显著正向影响，表明相对粉丝数量较少的UGRL创建者，那些在网络中拥有较多跟随者的用户创建的歌单更可能被其他用户收藏或订阅。创建者贡献度对歌单订阅量的回归系数显著，表明那些在网易云音乐平台上创建歌单数量较多的用户，其创建的歌单被其他用户订阅的次数较多，因此H6-1得到验证。在M2中，创建者网络活跃度对订阅量具有正向显著影响，表明那些在网易云音乐平台上较为活跃的用户，即发表动态数量较多的用户，其创建的歌单被其他用户收藏或订阅的次数较多，因此H5-1得到验证。在M3中，UGRL介绍长度对订阅量具有正向显著影响，UGRL内容丰富度的平方项对订阅量具有负向显著影响，因此H1-1和H2-1得证。UGRL介绍长度是指歌单的文字介绍长度，通常较短的介绍并不能体现歌单的内容，较长的文字介绍则信息更为丰富，结果表明介绍内容丰富的歌单获得的订阅数量较高。UGRL内容丰富度的平方项对订阅量具有负向显著影响表明，表明歌单歌曲数量对歌单订阅量有倒U型影响。当歌单数量低于某阈值时，随着歌曲数量的增加，该歌单被订阅的次数上升;当歌单数量高于某阈值时，随着歌曲数量的增加，该歌单被订阅的次数下降。
从歌单评论量来看。在M4中，网络中心性对评论量的回归系数为0.105，且在统计上达到0.01的显著性水平，因此H3-2得到验证，表明那些在网络中拥有较多跟随者的用户创建的歌单更可能被其他用户评论。创建者贡献度对评论量的回归系数显著，表明那些在网易云音乐平台上创建歌单数量较多的用户，其创建的歌单也被其他用户评论的次数较多，因此H6-2得到验证。在M5中，创建者网络活跃度对评论量具有正向显著影响，表明那些在网易云音乐平台上发表动态数量较多的用户，其创建的歌单被其他用户评论次数较多，因此H5-2得到验证。在M6中，UGRL介绍长度对评论量有显著正向影响，UGRL内容丰富度平方项对评论量具有显著负向影响，因此H1-2和H2-2得到验证。表明歌单歌曲数量对歌单评论量有倒U型影响。
表4是创建者网络中心性的影响因素分析，可以发现创建者活跃度和创建者贡献度均对创建者网络中心性产生正向影响，标准化回归系数分别为0.685和0.144。即那些在个人主页发布过较多动态、创建UGRL数量较多的用户，通常具有较多的“粉丝”。因此，假设H4-1和H4-2得到验证。
3.3 UGRL扩散效果的影响因素分析
表5报告了UGRL质量特征对UGRL播放量的回归结果，并考察了UGRL有用性起到的中介作用。
从UGRL质量特征来看，在M10中，UGRL介绍长度（β=0.188，p<0.01）对播放量有显著正向影响，因此H8-1得到验证，表明较长文字介绍的歌单可获得更多的播放量。UGRL内容丰富度的平方项系数为负值且显著（β=-0.153，p<0.01），因此H8-2得到验证，表明歌单歌曲数量对播放量有倒U型影响。从UGRL有用性对扩散效果的影响来看，在M12和M15中，UGRL订阅量（β=0.959，p<0.01）和评论量（β=0.727，p<0.01）均对播放量有显著正向影响。因此，H7-1和H7-2得到验证。
进一步的，在UGRL质量特征对扩散效果的影响中，考察UGRL有用性是否起到了中介作用。在M13中，自变量（UGRL介绍长度）和中介变量（订阅量）的回归系数均正向显著，表明在UGRL介绍长度对UGRL播放量的影响中，UGRL订阅量起到了部分中介作用。在M14中，自变量（UGRL内容丰富度平方项）回归系数不显著，而中介变量（订阅量）的回归系数正向显著，表明在UGRL内容丰富度对UGRL播放量的影响中，订阅量起到了完全中介作用。在M16中，自变量（UGRL介绍长度）和中介变量（UGRL评论量）的回归系数均正向显著，表明在UGRL介绍长度对播放量的影响中，评论量起到了部分中介作用。在M17中，自变量（UGRL内容丰富度平方项）和中介变量（评论量）的回归系数均显著，表明在UGRL内容丰富度对播放量的影响中，评论量起到了部分中介作用。
4 结论与讨论
基于信息接受理论，本文以網易云音乐歌单这一具有代表性的UGRL为例，基于网络数据爬取与定量分析，研究了创建者网络特征、UGRL质量特征与UGRL扩散效果的关系，揭示了UGRL内容丰富度可能引发的信息冗余现象。研究发现：第一，创建者网络中心性、网络活跃度、网络贡献度均对UGRL有用性2个维度（订阅量、评论量）有显著正向影响，此外创建者活跃度、创建者贡献度对创建者网络中心性有显著正向影响。第二，UGRL介绍长度均对订阅量、评论量、播放量具有显著正向影响。第三，UGRL内容丰富度与UGRL有用性存在倒U型关系，UGRL内容丰富度与扩散效果存在倒U型关系。第四，在UGRL质量特征对扩散效果的影响中，UGRL有用性起到了中介作用。 本研究对现有文献做出了一些贡献：其一，考察了歌单此类用户创建资源列表扩散效果的影响因素，包括应用中心性、活跃度、贡献度等来解释创建者网络特征如何影响扩散效果，UGRL介绍文字长度、UGRL内容丰富度来解释UGRL质量特征如何影响扩散效果。其二，在信息接受模型的框架下，发现了UGRL内容丰富度对UGRL有用性和扩散效果的倒U型影响关系，揭示了此类UGRL可能出现信息过载的条件。其三，在传统信息接受模型中，更进一步地发现了创建者网络特征内部的影响关系（即活跃度、贡献度对中心性的影响），以及UGRL有用性在UGRL质量特征对扩散效果的影响中的中介作用。
在研究中考虑了创建者的网络特征，这与包括网易云音乐在内的用户生成内容类在线社群或移动应用的功能设置具有契合性。本研究发现对UGRL创建者、普通用户和在线社群平台具有启示意义。其一，对于UGRL创建者而言，通过在个人主页上积极发布动态信息，积极参与到新UGRL的创建之中，可以提高自身影响力和提升所创建资源列表的扩散效果。其二，对于普通用户而言，那些介绍长度较长、内容丰富度适中的UGRL，以及由拥有众多跟随者、经常发布和分享内容的创建者创建的UGRL，通常具有较高的有用性。其三，对于在线社群平台而言，多关注那些在平台中具有较高活跃度和贡献度的UGRL创建者，有效将资源列表与资源列表搜寻者的需求进行匹配，增强平台用户粘性。
本研究仍然存在局限，這也为未来研究提供了方向。本研究中涉及资源列表介绍文本、资源列表评论文本两类文本信息，通过文字长度的和评论数量的方式进行测度，未来研究可关注文本信息所具有的情感特征对扩散的影响作用。
参考文献
[1]詹丽华.UGC用户行为成因分析——用户数据素养与用户行为情景的双重视角[J].情报理论与实践，2018，41（4）：28-32.
[2]崔金红，汪凌韵.在线反馈系统中消费者网络口碑传播动机的实证研究[J].现代图书情报技术，2012，（10）：55-60.
[3]Yu-Wei C，Ping-Yu H，Wen-Lung S，et al.The Effect of Customer Power on Enterprise Internal Knowledge Sharing：An Empirical Study[J].Aslib Journal of Information Management，2015，67（5）：505-525.
[4]Moe W W，Schweidel D A.Online Product Opinions：Incidence，Evaluation，and Evolution[J].Marketing Science，2012，31（3）：372-386.
[5]Susarla A，Oh J，Tan Y.Social Networks and the Diffusion of User-Generated Content：Evidence from YouTube[J].Information Systems Research，2012，23（1）：23-41.
[6]Shriver S K，Nair H S，Hofstetter R.Social Ties and User-Generated Content：Evidence from an Online Social Network[J].Management Science，2013，59（6）：1425-1443.
[7]夏立新，王凯利，程秀峰.基于PPM模型的移动音乐平台用户转移行为研究——以网易云音乐为例[J].现代情报，2018，（8）：3-11.
[8]Sussman S W，Siegal W S.Informational Influence in Organizations：An Integrated Approach to Knowledge Adoption[J].Information Systems Research，2003，14（1）：47-65.
[9]李晶，漆贤军，陈明红.信息质量感知对信息获取与信息采纳的影响研究[J].情报科学，2015，（3）：123-129.
[10]李进华，张婷婷.社会化问答知识分享用户感知有用性影响因素研究——以知乎为例[J].现代情报，2018，（4）：20-28.
[11]徐瑞朝，曾一昕.国内信息过载研究述评与思考[J].图书馆学研究，2017，（18）：21-25.
[12]王娜，任婷.移动社交网站中的信息过载与个性化推荐机制研究[J].情报杂志，2015，34（8）：190-194.
[13]刘雪琪，廖秉宜.我国大陆地区新浪微博用户信息过载感知程度影响因素的实证研究[J].信息资源管理学报，2017，7（3）：66-72.
[14]李旭，刘鲁川.信息过载背景下社会化阅读APP用户的忽略与退出行为——心理契约违背视角[J].图书馆，2018，（2）：75-84.
[15]Mudambi S M，Schuff D.What Makes a Helpful Online Review？A Study of Customer Reviews on amazon.com[J].MIS Q，2010，34（1）：185-200.
[16]Chevalier J A，Mayzlin D.The Effect of Word of Mouth on Sales：Online Book Reviews[J].Journal of Marketing Research，2006，43（3）：345-354. [17]Johnson E J，Payne J W.Effort and Accuracy in Choice[J].Management Science，1985，31（4）：395-414.
[18]王娜，张丽娟.UGC社区中的信息过载防控机制研究[J].创新科技，2016，（3）：91-93.
[19]Schick A G，Gordon L A，Haka S.Information Overload：A Temporal Approach[J].Accounting，Organizations and Society，1990，15（3）：199-220.
[20]Forman C，Ghose A，Wiesenfeld B.Examining the Relationship Between Reviews and Sales：The Role of Reviewer Identity Disclosure in Electronic Markets[J].Information Systems Research，2008，19（3）：291-313.
[21]Susarla A，Oh J H，Tan Y.Social Networks and the Diffusion of User-Generated Content：Evidence from YouTube[J].Information Systems Research，2012，23（1）：23-41.
[22]何旵陽，孙鲁敬，杨家海.基于Feeds的社交网络活跃度分析[J].计算机科学，2015，（11）：149-153.
[23]万岩，范静，高锦萍，等.网络社群的凝聚力与活跃度提升研究：品牌与信任的角度[J].系统管理学报，2017，（4）：611-623.
[24]孙怡，鲁耀斌，魏国基.社交氛围对朋友群组成员的购买意愿和行为的影响[J].管理学报，2016，（9）：1392-1399.
[25]肖邦明，黄敏学，廖俊云.交易型社区的网络闭包机制研究[J].管理科学，2015，（5）：129-144.
[26]周军杰.社会化商务背景下的用户粘性：用户互动的间接影响及调节作用[J].管理评论，2015，（7）：127-136.
[27]冉晓斌，刘跃文，姜锦虎.社交网络活跃行为的大数据分析：网络外部性的视角[J].管理科学，2017，（5）：77-86.
[28]Chen R.Member Use of Social Networking Sites—An Empirical Examination[J].Decision Support Systems，2013，54（3）：1219-1227.
[29]Rau P P，Gao Q，Ding Y.Relationship Between the Level of Intimacy and Lurking in Online Social Network Services[J].Computers in Human Behavior，2008，24（6）：2757-2770.
[30]Trusov M，Bodapati A V，Bucklin R E.Determining Influential Users in Internet Social Networks[J].Journal of Marketing Research，2010，47（4）：643-658.
[31]Chen A，Lu Y，Chau P Y K，et al.Classifying，Measuring，and Predicting Users Overall Active Behavior on Social Networking Sites[J].Journal of Management Information Systems，2014，31（3）：213-253.
（责任编辑：孙国雷）