04 基于社交媒體的行為分析(社交媒體影響輿論的方式和特點)

12]。

3、系統功能過載

根據邊際效用遞減原則，雖然信息技術可以提高生產率，但當超過某個點之后，技術產生的收益不會增加反而會減少。也就是說，更好的技術不一定帶來最大的產量或績效，這種現象被稱為信息技術過載[17-18]。

系統功能過載就是信息技術過載的重要部分，表現為：給定的信息技術操作過于復雜，以至于超過了用戶所能接受的操作水平，或新功能應用所需的信息技術超過了人們對于達到該項功能的最高需求，而導致功能過剩[18]。

在社交媒體中，用戶設置界面和信息展現方式隨著系統的更新而改變、不斷增加的新功能等，都在不斷重塑用戶的使用習慣，這便給用戶帶來了系統功能過載的負擔，因此產生倦怠情緒[18]。

//2.“刷太多也沒什么用”——感知價值

感知價值(perceived value)是用戶基于感知利益與感知成本之間的權衡而做出的總體評估，這種評估會隨用戶需求的改變而發生變化[19]。對社交媒體而言，用戶感知到的價值越高，對社交媒體的滿意度越高，更愿意持續使用社交媒體。

「感知利益」是用戶主觀感知的獲得價值，包括四個維度：社會價值、認知價值、信息質量和功能價值；而「感知成本」是用戶主觀感知的付出，包括三個維度：時間成本、認知成本和隱私關注。

其中，信息質量，即信息的真實性和準確性，應該是信息滿足認知價值的基礎，如果信息的真實性都無法保證，信息帶給人新穎、好奇的體驗將會大打折扣。

總而言之，在使用社交媒體時，如果感知利益降低或喪失、感知成本增加，用戶便會因此產生倦怠[20]。

(圖源網絡，侵刪)

應對社交媒體倦怠的權宜之策

社交媒體誕生的最初目的是使人與人之間的溝通更加便捷。隨著大眾對社交媒體的過度使用，大眾在馴化社交媒體的過程中，生活卻被社交媒體綁定，信息交流、消費和交往方式均被社交媒體改變，這些就是被社交媒體反馴化的表現[21]。

面對感知過載和感知價值降低等問題，大眾日漸對社交媒體產生倦怠情緒，并采取“不使用行為” 與之抗衡。很多用戶使用社交媒體的頻率逐漸減少，甚至成為不活躍用戶。

這種“不使用行為”可以在一定程度上緩解社交媒體倦怠，用戶可以暫時性治愈社交媒體倦怠，提高工作和學習效率，調整生活節奏。但這只是暫時性的應對方式，并不能真正解決社交媒體倦怠。

人始終是社會關系中的人，社會關系的強連接導致人無法徹底斷開與社交媒體間的連接。我們能做的，是盡力去找到個人生活與社交媒體間的平衡點，既減少社交媒體對個人生活的控制，又盡量不放棄正常的社會交往[21]。

(圖源網絡，侵刪)

在被社交媒體反馴化的過程中，不斷探尋破解之道。

總結

今天，社交媒體等媒介不再只作為工具存在，而是以全面嵌入的方式讓人對媒介的依賴程度越來越高，甚至將人與媒介的契合程度作為社會化的一種衡量指標，并最終成為支配人的手段。

在媒介異化的過程中，人逐漸淪為媒介的工具，并與其自身疏離[21]。

(圖源網絡，侵刪)

電影《販夫走卒》中主角將自己的皮膚賣給了藝術家，成為了被展覽、買賣的藝術品本身

社交媒體倦怠或許也是我們反抗媒介異化的一部分。作為人與人之間信息交流的平臺，使用還是退出社交媒體是我們自己的選擇。

如果社交媒體讓我們感覺到“過載”，卸載也是一種應對方式。

遇到糟心事發個朋友圈吐槽，半小時后像批奏折一樣把消息提醒的紅心點掉，挨個回復大家的安慰留言——一頓操作下來，心情變好得也沒有那么顯著，還不如現實中一個真實的擁抱。這可能就是倦怠的原因之一吧。

屬于web和社交媒體的數據

（狹義）大數據是指無法使用傳統流程或工具在合理的時間和成本內處理或分析的信息，這些信息將用來幫助企業更智慧地經營和決策。而廣義的大數據更是指企業需要處理的海量數據，包括傳統數據以及狹義的大數據。（廣義）大數據可以分為五個類型：Web 和社交媒體數據、機器對機器（M2M）數據、海量交易數據、生物計量學數據和人工生成的數據。

Web 和社交媒體數據：比如各種微博、博客、社交網站、購物網站中的數據和內容。

M2M 數據：也就是機器對機器的數據，比如 RFID 數據、GPS 數據、智能儀表、監控記錄數據以及其他各種傳感器、監控器的數據。

海量交易數據：是各種海量的交易記錄以及交易相關的半結構化和非結構化數據，比如電信行業的 CDR、3G 上網記錄等，金融行業的網上交易記錄、買粉絲re banking 記錄、理財記錄等，保險行業的各種理賠等。

生物計量學數據：是指和人體識別相關的生物識別信息，如指紋、DNA、虹膜、視網膜、人臉、聲音模式、筆跡等。

人工生成的數據：比如各種調查問卷、電子郵件、紙質文件、掃描件、錄音和電子病歷等。

在各行各業中，隨處可見因數量、速度、種類和準確性結合帶來的大數據問題，為了更好地利用大數據，大數據治理逐漸提上日程。在傳統系統中，數據需要先存儲到關系型數據庫/數據倉庫后再進行各種查詢和分析，這些數據我們稱之為靜態數據。而在大數據時代，除了靜態數據以外，還有很多數據對實時性要求非常高，需要在采集數據時就進行相應的處理，處理結果存入到關系型數據庫/數據倉庫、MPP 數據庫、Hadoop 平臺、各種 NoSQL 數據庫等，這些數據我們稱之為動態數據。比如高鐵機車的關鍵零部件上裝有成百上千的傳感器，每時每刻都在生成設備狀態信息，企業需要實時收集這些數據并進行分析，當發現設備可能出現問題時及時告警。再比如在電信行業，基于用戶通信行為的精準營銷、位置營銷等，都會實時的采集用戶數據并根據業務模型進行相應的營銷活動。

很赞哦!（4）