AISAS理论是日本电通公司提出的互联网时代消费者行为模型，该行为模型是借由AIDMA模型，结合社交媒体普及所带来的消费者行为变化而提出的。随着消费群体大数据分析及用户画像底层技术在社交媒体的广泛应用，电通公司在提出AISAS模型基础上重新定义媒体概念——CGM(Consumer Generated Media)，即基于个人信息发布、讨论和群体信息共享为主的信息传播媒体，其承载形式为社交类媒体，运行模式以冥律分发为主。随着微博、微信等社交媒体的普及，消费者信息生态发生质的改变，碎片化、去中心化、社交性等新媒体使用特点助推我国学术期刊运营模式向媒体融合方向发展。2015年，《关于推动传统出版和新兴出版融合发展的指导意见》发布，学术期刊被推到媒介融合发展的风口浪尖。朱剑^[1]认为，唯有主动开发学术新媒体，让新媒体成长与媒体融合同步进行，方能求得学术期刊在互联网时代的新生。在媒体融合过程中，学术期刊应深入分析消费者接触点（Contact Point），寻找信息生产、审核、传递、管理与反馈过程中的运行模式，而不是简单地将纸本媒介与数字媒体作加法处理，更不是机械地将运行流程和分发方式转移到线上。

信息传递与沟通是学术期刊社交媒体融合发展的核心，学术期刊应以社交媒体接触点为路径，通过多平台信息聚合和人际沟通达到期刊与信息、期刊与作者、期刊与读者等多维度、多向性的互动和共进。在学术期刊的AISAS作用机制闭环模型中，学术期刊的纸媒与数媒作为交互的主体，除了以注意—兴趣—搜索—行为—分享为路径进行传播外，特别注重搜索行为过程中的多平台管理和分享机制中社交媒体为主的传播行为。由此看出，在以社交媒体为传播主渠道的学术期刊全传播体系中，融媒体聚合平台的传播机制既体现了一定多样性，也体现了以社交媒体为信息沟通圆心的特点。在学术期刊与读者和作者等主体进行接触点互动过程中，不能忽视社交媒体体现的另一个重要元素：噪音。学术文章的交流、作者与读者、作者与审阅者、读者与期刊方等的互动过程中难免出现信息失衡、信息扭曲、信息不对称、媒介环境变化、信息搜索难度差异等噪音问题。在媒介融合过程中，期刊可以利用社交媒体的优势，通过对访问数据、文章阅读量、文章点击量、文章点赞量等方面的分析，实现热点追踪、文章审核、文章发布等方面的高效运作，但势必也会因为噪音问题的存在产生二次传播的负效果，为此，必须深入分析影响学术期刊社交媒体传播的因素，找到合理的传播范式，提升学术期刊的运营水平。

学术期刊在媒介融合大潮中纷纷开辟数字媒体传播平台。截至2018年12月，以“学报”为关键词进行搜索，开通微信公众号平台的刊物有720余种。与此同时，社交媒体传播也被重视起来，魏艳君等^[2]认为，学术期刊的新媒体发展类型包含服务型、推介型、引领型，从学术期刊社交媒体的传播类型来看，大概也可以分成以上3种。张晋生和李晶^[3]对社交媒体上学术期刊的传播进行研究，认为学术期刊微信平台内容基本处于“配图+文字”的初级阶段，发送形式固定，更新频率不稳。但媒介融合必须兼顾媒介形态、媒体功能、传播手段、所有权和组织结构等因素。所以，学术期刊应依照纸媒与数媒管理模式、组织结构重构、线上线下文章的获取与分享等社交媒体属性重构传播平台，以达到最佳传播效果。

学术成果通过社交媒体传播在国外被称为“社交媒体学术”（social media scholarship），引入我国后逐渐开始显现其影响力。如在学术成果评价体系中，除传统的引用次数、同行评价外，社交媒体所带来的下载数、分享及点赞量等均已被应用。尤其是替代计量学（alternative metrics）的引入，加剧了社交媒体对学术期刊的评价权重，其基于社交网络数据的计量指标逐渐开始替代传统的单纯依靠引文指标的定量科研评价体系^[4]。学术期刊在AISAS框架下，其社交媒体传播的影响因素涉及4个维度、13个二级指标，如图1所示。

图1

学术期刊社交媒体传播影响维度及二级指标

按照AISAS理论，社交媒体的影响因子圆周应从多平台、社交媒体两方面考虑其宏观影响指标，除传统指标外，还应涉及曝光率、作者影响力、社交圈层、消费群体强弱、融媒体运营能力等。换言之，宏观影响指标可以确定为学术期刊融媒体运营能力，除同行评价、引用次数等传统指标外，还体现其在期刊及文献曝光度、下载或点击量、学术吸引力等方面的新媒体运营能力。例如，2018年《Cell》杂志在官网加入中国学者中心，还匹配微博分享、评论按钮和PlumX Metrics统计，实时衡量文章热度；并将文章核心内容自动筛选，学者查看小窗口即可全面了解文章内容；同时，加入算法推荐，根据兴趣向查阅者匹配文章。

从微观角度出发，学术期刊的社交媒体传播影响指标应关注用户中心性、特征向量、平台参与度3个维度、9个指标的综合权重影响^[5]。作者中心性指的是学术文章所有人在其用户（同时也是作者）社交地位、主动信息传播速度等方面存在较大个体差异^[6]。其体现出来的权重指标涉及作者资历、作者所在学术领域心理排名、虚拟网络节点直接相邻数等。学术期刊应该由专人负责分析行业内不同细分领域最具影响力的作者，并对此类作者进行用户管理，为每个作者设立用户标签。在收稿、约稿、评审、主动发送文章、服务等方面提供各种便利条件。同时，应该进行学术影响、心理排名和网络圈的细分排名，分成既定影响类、潜在影响类、影响上升类等不同级别和权重排名，借助此类作者的影响力提升学术期刊运营能力和影响力。

文献特征向量更多指向学术文章中心性及相关性、文献可见性、文献突出性或影响力，即文献本身在细分领域中的重要性程度、与学术前沿的相关性程度等。社交媒体传播特别强调大数据分析，对于学术期刊而言，大数据分析的主体由文章和作者构成，而文章又是学术期刊综合评价指标的主体，因此，学术期刊一定要对文献本身进行良好的数据管理。在实践中，学术期刊应做好两个方面的工作。其一，自我定位和自有文章的内容分析。学术期刊在深入研究学术方向后，应明确自我定位，通过文献数据分析保持定位方向，不能偏离。例如，《广告研究》定位为以定量分析为主的广告类学术期刊，创刊后发表的文献80%以上皆为定量分析文章。其二，对于收稿、约稿、评审人、发表等文章进行学术方向、学术影响等的评判，同时，将本期刊已发表文章与同类学术期刊的文章进行横向比较，从而找到文献在学术前沿、方向、方法、指标等方面的异同，指导下一步期刊收稿。

期刊平台参与度重点考量学术期刊在社交媒体传播中主动与被动传播形成的效果差异，涉及指标有网页排名（PageRank）、链接数量、刻板印象、网络互动^[7]等，其中，网页排名主要和网络算法相关，基于搜索引擎等网络搜索和排名工具获得相关影响力指数；链接数量指的是期刊本身的“社交属性”，检验能否与更多细分学术领域的前沿期刊形成良好互动；刻板印象是该期刊已建立的心理鸿沟能否超越刻板障碍^[8]；网络互动指期刊能否主动参与文献的推广或主动服务于读者，建立组织与个人之间的融媒体关联。在实践过程中，学术期刊应推动网络排名，实时更新社交媒体信息以提升搜索排名的名次；通过与活跃度较高的社交媒体或个人进行互动，建立链接提升期刊自我热度；通过主题性学术活动策划，强化与作者和读者的互动。

学术期刊通过社交媒体传播势在必行，且已取得一定成效。为强化社交媒体使用效率，进一步提高传播效果，学术期刊必须在顶层设计方面做到真正的融媒体下的机构革新。一方面，执行社交媒体引领下的总编负责制管理结构，总编及各级管理机构及其负责人全面对接社交媒体，从信息的收集、互动和发布全面融入社交媒体；另一方面，设立“社交媒体传播”部门，负责管理、跟踪、分析社交媒体舆论进展及信息的发布与处理。AISAS模型的精髓在于强调社交媒体在消费行为中的重要作用，由此出发，结合学术期刊的专业化特性，形成传播与分发（Communication and Distribution）→数据分析与用户画像（DA and User Portrait）→多平台共享（Multi-platform Sharing）→服务与互动（Service and Interaction）→二次信息开发（Information of Secondary Development）的社交媒体传播范式（图2）。

图2

学术期刊的社交媒体传播范式图

第一，“注意”所对应的“传播与分发”，指的是学术期刊为引起受众的注意应首先厘清本刊所对应用户的“关系”黏性或“社交”黏性，抑或“信息”黏性，本着兴趣爱好、学术研究范畴、卷入度、发表倾向等导向性因素，推送或分发相应的学术文献。传播与分发过程不应简单地同步推送相同内容至所有社交媒体，而是根据媒体特点推送不同长度、内容、形式的信息。例如《新闻大学》通过已有数据分析发现，某年轻学者连续2年投送新媒体传播思想研究领域的文章，而其近年内所有发表的文章皆为该领域方向，则期刊可通过微博、微信等形式每隔半月推送国内外该领域的文献索引与其互动，并根据该作者的文章质量，通过互动等方式，有意识地培养其成为该领域的学术新秀。

第二，“兴趣”所对应的“数据分析与用户画像”，指的是学术期刊在引发作者关注、投送及转发过程中，应基于大数据分析方式，对用户数据进行分析和为用户画像，为编辑和用户服务。由于学术信息的“受众”一般存在清晰的学科专业边界，因此，学术期刊出版和传播必须遵循专业化原则。有学者认为作者中心性问题是社交媒体度量的核心指标之一^[9]。所以，应特别考虑学术界有特殊影响力学者的重点画像。如纵向画像分为一般作者、重点作者、潜力作者、核心作者；横向画像分为学术兴趣爱好、文章学术方向、发表周期、学术影响、学术圈层、社交影响等。同时加入作者地点、单位、年龄等人口统计学特征，以便在推送社交媒体信息时更加精准。

第三，“搜索”所对应的“多平台共享”指的是为满足用户搜索的便利性和全面性，应打通所有社交媒体及其他媒体平台，进行编辑端、投稿端、审稿端、分享端、服务端等平台信息的共享和自动分发，实现流量与内容分发的互动匹配。有学者对学术期刊平台影响力进行了研究^[10]。结果发现，平台对大多数中心性因素（如读者中心性、作者中心性等）的影响相对较强，其营造的网络活动或网络学术社区参与对期刊平台的学术资本积累和贡献成正相关关系。《Cell》在Evolving the article下设置Figure360、Star、Method等方便用户一键搜寻，而且一旦搜寻行为产生，系统根据数学算法推荐扩展文章给查阅者，同时提供不同形式的下载服务，实现多平台共享。

第四，“行为”所对应的“服务与互动”指的是学术期刊的主动服务行为。文献[5]指出，学术期刊对于社交媒体的使用几乎没有社交或互动，特别是一些资深学者的文章，学术期刊在很大程度上限制了他们的参与范围，只将他们的论文发表出来，并未通过服务与互动强化平台成员之间的关系和良性共赢。学术期刊在自身定位指导下，可通过提取数据后台的作者、读者用户标签，每月分别向一般作者、重点作者、潜力作者等发送1～2次学术课题请求，发现学术热点；同步询问作者需求，再根据需求提供相应无偿或有偿服务。通过策划主题活动，向作者发送学术争鸣的论题，收集论题的同时，将服务端与投稿、编辑、审稿端再次打通。

第五，“分享”对应的“二次信息开发”，指的是学术文章贡献者在分享自我创作或他人创作的作品时，其客观传播效果形成学术期刊曝光度、粉丝数、关注数等指标的增长，但作为学术期刊运营方，应主动进行二次传播信息的开发。例如根据微博平台的关系聚合和短文案形态多等特点，将学术文章加工成短小精悍的主题文章与活泼画面相结合的信息，通过加入链接等方式，引流到期刊主平台或独立小程序，将微博流量转化为期刊平台流量；应用人工智能方式，将不同平台端的信息进行关键词提取、智能加工、人工智能推送、精准互动和服务等，这样可以有效地把学术文章、前沿信息、学术动态等内容进行二次加工开发，在提高信息利用率的同时，更好地满足用户需求。

新媒体环境下，学术期刊应在宏观上重构顶层管理机构，将社交媒体传播部门纳入管理环节，将传统媒体与其他新媒体进行统一管理；在微观上通过对用户和平台信息的大数据分析，不断改进传播手段和机制，强化数据与媒体的驱动功能，提升社交媒体运营与传播能力。学术期刊可以通过主动议程设置，构建学术话题的网络社区，引导作者与受众主动参与。当然，强调社交媒体传播效应的同时，并非意味着忽视学术期刊传统评价指标的作用，如同行评价、被引次数等，而应该是将不同的评价指标体系纳入期刊相应部门统一管理，再借由该部门在编辑、传播过程中统一发声。