
《明日方舟》二创视频
传播机制与社群情感研究
传媒数据学结课报告
背景
随着“参与式文化”的兴起,游戏二次创作(二创)已成为连接游戏文本与玩家社群的关键纽带。本研究以Bilibili平台“明日方舟”相关二创视频为研究对象,整合播放量、互动量等多维数据,采用主成分分析法构建“播放热度”综合指标,并构建有调节的中介模型,深入探讨视频类型、弹幕交互与传播热度之间的深层机制。
01
需求分析

Arknights
《明日方舟》作为一款现象级二次元即时战略塔防游戏,其丰富的角色设定和世界观为二创内容提供了广阔空间。从2019年5月1日《明日方舟》正式公测截至目前,二创生态已从早期基于角色厨力的小圈子同好传播,发展出组织流程完整的大型固定企划,如“新春会”和“生日创作派对”。并且《明日方舟》在主线剧情之外填充了大量碎片化文本,有意为玩家预留“想象空间”,激发其自发进行“脑补”与考证,这为二创提供了丰富的灵感基础和创作引子。Bilibili(B站)作为国内Z世代高度聚集的文化社区,是《明日方舟》二创内容的主阵地,聚集了大量明日方舟相关的二创视频,包括手书、整活、赛博斗蛐蛐等多种类型。这些不同类型的二创视频在传播效果上存在显著差异,其背后的机制值得深入探讨。


本研究的主要目的在于分析《明日方舟》二创视频的传播机制和社群情感倾向,回答以下主要问题:不同类型的二创视频如何通过用户互动(弹幕数、评论数)影响其传播热度?UP主的影响力(粉丝数)在这一过程中扮演着怎样的调节角色?不同类型的爆款视频,其评论区呈现出怎样不同的情感氛围和讨论焦点?
本报告将通过从B站爬取的94条完整的相关数据和在观看完视频后为它打上最符合的视频类型标签进行数据分析,然后对相关评论进行情感倾向分析,为内容创作者提供数据驱动的创作策略参考。
02
数据的采集和处理
本研究构建了一个有调节的中介模型,以检验视频类型、用户互动(弹幕数)与传播热度之间的作用路径。
核心假设关系包括:
视频类型(X)通过激发用户互动(弹幕数,M),间接影响视频的传播热度(Y),假设弹幕数充当了内容类型转化为社群认可的中介变量;
创作者的粉丝数(W)代表其在社群中的先验影响力,我们假设粉丝基数会调节“视频类型→弹幕数”这一激发路径的强度。
<< 数据采集 >>
以Bilibili为数据源,使用Python编写爬虫脚本,调用BilibiliAPI接口。搜索关键词为“明日方舟二创”,按照“综合排序”的排序方式,最终纳入样本量为94。进一步抓取上述视频下的热门评论共106条,用于后续情感分析。
<< 数据预处理 >>
为确保研究的科学性与可操作性,本研究对关键变量进行了如下界定与操作化处理。
因变量(Y):播放热度(PlayHeat)。为解决原始数据中播放量、点赞、投币、收藏等指标之间的高度共线性问题,本研究采用主成分分析法(PCA)对其进行降维处理,提取方差解释率最高的第一主成分作为最终的综合性指标。该指标能够更稳健地反映视频在社群中获得的综合认可度。
中介变量(M):弹幕数(Danmaku)。直接采用爬取的视频弹幕总数,用以衡量用户在共时态下的即时互动水平。
自变量(X):视频类型(VideoType)。将手动编码后的类型(手书类、整活类、游戏实录类、其他)转化为虚拟变量(DummyVariable),并以样本量最大的“手书类”作为基线参照组进行回归分析。
调节变量(W):UP主粉丝数(UPFans)。在建模中对原始粉丝数进行标准化处理(Z-Score),以消除量纲差异,并便于交互项系数的解读。
排除标题包含“合集”的视频,避免数据干扰;对非明日方舟二创视频采取删除处理。
03
数据分析方法及结果

相关性热力图
鉴于播放量(View)、点赞(Like)、投币(Coin)、收藏(Favorite)之间存在极高的共线性(Correlation>0.7,见相关性热力图),直接放入回归模型会导致估计偏差。因此,本研究采用主成分分析法(PCA)进行降维处理。

PCA结果表
PC1的各项指标均较好,特征值达到3.424,方差解释率达到84.699%,说明该指标能极好地代表视频的综合传播效果,可以作为解释“播放热度”的综合指标。PC1的各项指标的载荷为0.490(view)、0.507(view)、0.487(coin)、0.515(favorite),这也能反映出PC1更多反映了“高质量认可”而非单纯的点击行为。

传播指标统计表

各类型对比图
手书类视频数量最多(50%),虽然平均播放量(603,408)低于游戏实录类,但播放热度(0.41)显著最高,这验证了高质量的美术二创最能激发社群的“厨力”与互动;整活类视频平均播放量最低,播放热度为负(-0.79),但互动性(弹幕数/播放量比)较高;游戏实录类视频平均播放量最高(1,038,099),平均弹幕数和评论数也最高,但播放热度接近0(0.04),这说明此类视频多为“功能性查阅”,玩家“看完即走”,互动意愿低;其他类视频平均弹幕数最高(1,370),但播放热度为负(-0.07),显示出“高弹幕但播放热度转化率较低”的特征。

其他类视频对弹幕数有显著正向影响(β=890.75,p=0.014),说明其他类视频的弹幕数显著高于基线(手书类);其他类×UP粉丝数交互项不显著(p=0.130),说明UP主粉丝数对其他类视频弹幕数的影响相对稳定;游戏实录类×UP粉丝数交互项边缘显著(p=0.086),接近显著水平,提示可能存在调节效应;整活类视频的主效应和交互效应均不显著,说明整活类与手书类在弹幕数上无显著差异。

弹幕数对播放热度有显著正向影响(β=0.0011,p<0.001),路径b显著,中介效应成立;整活类视频对播放热度有显著负向影响(β=-0.85,p=0.013),说明整活类视频的播放热度显著低于基线(手书类);其他类视频对播放热度有显著负向影响(β=-1.10,p=0.014),说明虽然其他类视频弹幕数较高,但其播放热度显著低于基线,呈现出“高弹幕但低播放热度转化”的特征;游戏实录类视频对播放热度有显著负向影响(β=-1.14,p=0.012),说明游戏实录类视频虽然播放量最高,但播放热度转化率较低。

弹幕数和播放热度
从宏观关系上看,图三直观地展示了弹幕数与播放热度之间强烈的正相关趋势。手书类(粉色圆点)视频虽然弹幕量中等偏上,但其播放热度(Y轴)整体处于较高水平,而游戏实录类(蓝色圆点)虽然有高弹幕点,但热度点较为分散,进一步支持了手书类视频具有更高的热度转化效率的结论。

粉丝数箱线图
如果去除了弹幕带来的加成,非手书类视频的热度表现将远低于手书类。弹幕在其中起到了关键的“遮蔽”或“补偿”作用,即中介效应成立。关于UP主粉丝数的调节作用,图三显示,不同类型视频的UP主粉丝数分布存在差异,例如游戏实录类UP主的粉丝数中位数高于整活类UP主。然而,回归模型(表三)数据显示,UP主粉丝数的主效应及交互项在大多数类型中不显著。这一发现反直觉但有意义,表明《明日方舟》二创社群呈现出“内容为王”的特征,而非单纯的“流量为王”。
<< 评论情感分析结果 >>

情感得分统计表
利用SnowNLP对评论进行情感打分(0-1分),具体结果如表五所示,并绘制词云图,详见图6-图9。各类型视频的评论情感得分相近(0.626、0.666),均高于中性线(0.5),说明评论整体偏向正面情感;手书类视频的评论情感得分最高(0.666),显示出更积极的评论氛围;整活类视频的评论情感得分相对较低(0.626),但仍为正面情感;情感得分差异不显著,说明不同类型视频的评论情感倾向相似。
下面是各类别评论区热门评论词云图:

手书类

整活类

游戏实录类

其他
通过观察不同视频类型下评论的词云图可以看出,手书类的评论中更多出现角色名相关词汇,如凯尔希、阿米娅等等;整活类的评论中更多出现“异格”、“泰拉”等游戏的专业术语;游戏实录类的评论中更多出现“boss”、“怪海”等与等游戏深度相关词汇;其他类的评论词汇较为多样化,根据具体子类型有所不同。
04
小结
研究数据显示,手书类视频虽然制作周期长、成本高,但其获得的社群反馈(播放热度、情感得分)是最优的。这体现了《明日方舟》社群高度的“厨力经济”特征。玩家不仅是在消费视频,更是在通过点赞和收藏来表达对创作者劳动成果的尊重和对游戏角色的热爱。“游戏实录类”视频出现的“高播放、低热度”现象,揭示了“工具性内容”的传播困境。此类视频通常被当作“电子说明书”,用户用完即走。这对平台算法提出了挑战,单纯依据播放量推荐可能会导致首页充斥着同质化的攻略,而忽视了那些能够真正留住用户、激发互动的优质手书内容。中介效应的显著性证明了弹幕是二创视频的生命线。在《明日方舟》的语境下,弹幕不仅是评论,更是一种“在场证明”。对于“整活类”视频,弹幕互动本身就是内容的一部分,这种共景视听体验直接决定了视频的热度走向。
<< 参考文献 >>
[1] Baron, R. M., & Kenny, D. A. The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations [J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182.
[2] 陈强. 高级计量经济学及 Stata 应用 (第 3 版) [M]. 北京: 高等教育出版社, 2021.
[3] Nemo2011. bilibili-api-python [CP/OL]. GitHub, 2024 [2025-11-28]. https://github.com/Nemo2011/bilibili-api.
[4] 明日方舟官方. 《明日方舟》游戏官网 [EB/OL]. 2019 [2025-11-28]. https://ak.hypergryph.com/.
[5] Bilibili Inc. Bilibili API Documentation [DB/OL]. GitHub, 2024 [2025-11-28]. https://github.com/SocialSisterYi/bilibili-API-collect.
—END—
文案丨周俊哲
排版丨周俊哲
任课老师丨王小宁


