người sử dụng.
Nhóm nghiên cứu thực hiện tổng hợp điểm hiệu quả truyền thông theo mức lan tỏa truyền thông và trải nghiệm của người sử dụng. Nhóm sử dụng phương pháp Phân tích Thành phần chính (Principal Component Analysis - PCA) đối với 3 chỉ tiêu hiệu quả truyền thông ở phần trên (số lượt bình luận, số lượt chia sẻ và tổng lượt bày tỏ cảm xúc) để tạo ra chỉ số hiệu quả hoạt động truyền thông.
Kết quả phân tích thành phần chính của số lượt bình luận (comments), số lượt chia sẻ (share) và tổng lượt bày tỏ cảm xúc (total react) được trả về từ STATA như sau:
Principal components/correlation Number of obs = 3,150 Number of comp. = 3
Trace = 3
Comp3 0.443799 . 0.1479 1
Variable Comp1 Comp2 Comp3 Unexplained no_comments 0.6517 -0.1399 -0.7455 0
share 0.5936 -0.5178 0.6161 0 total_react 0.4722 0.844 0.2544 0
Principal components/correlation Number of obs = 3,150 Number of comp. = Trace = Rotation: (unrotated 3 3 = principal) Rho = 1.0000 Component Eigenvalue Differenc
e Proporti on Cumulative Compl 1.63263 0.866998 0.5442 0.5442 Comp2 0.765632 0.163894 0.2552 0.7994 Comp3 0.601738 . 0.2006 1
Variable Comp1 Comp2 Comp3 Unexplained no_comments 0.6214 -0.0309 -0.7829 0
Share 0.5492 0.7297 0.4072 0 total_react 0.5587 -0.683 0.4704 0
Nhóm lựa chọn Comp có giá trị Eigenvalue lớn nhất chính là Compl (Eigenvalue: 1.7361). Từ đó, nhóm xây dựng chỉ số hiệu quả truyền thông tổng thể đầu tiên: Efficiencyl như sau:
Efficiencyl = Comment × 0.65172 + Share × 0.59362 + React × 0.47222(2)
Vấn đề cần lưu ý là số lượng sinh viên tham gia thích và theo dõi (like và follow) Fanpage là khác nhau ở mỗi Khoa. Điều đó có thể làm cho hiệu quả truyền thông tổng thể bị thiên lệch theo hướng các Fanpage có số lượng sinh viên (hoặc số lượt người like và follow Fanpage) đông. Để tránh tình trạng đó xảy ra, nhóm nghiên cứu tiến hành chuẩn hóa (normalize) các thành phần số lượt bình luận, số lượt chia sẻ và số lượt bày tỏ cảm xúc bằng cách chia các giá trị này cho số người tham gia thích và theo dõi Fanpage (theo đơn vị hàng nghìn). Sau đó, nhóm thực hiện lại quy trình PCA như trên đối với các số liệu chuẩn hóa như sau:
Khoa Ngân hàng Tài chính Kế toán- Quản trị KD KDQuốc tế Ngoại ngữ Hệ thống Luật Kinh tế Efficiencyl Tổng 55.47996 46.484 16.61671 17.94461 27.25348 36.692 29.41126 22.89414 36.05177 2018 53.39462 60.91782 15.94562 11.78539 17.27477 20.92203 22.90886 26.74128 26.7905 2019 57.21558 39.89078 16.87314 20.37965 30.82145 45.28461 31.03686 19.95632 39.55473 Tăng trưởng 7.2% -34.5% 5.8% 72.9% 78.4% 116.4% 35.5% -25.4% 47.6% Efficiency2 Tổng 7.118589 6.760461 6.641142 4.815461 3.594996 2.386957 4.217995 5.031228 3.128028 2018 6.890296 8.258953 6.095736 3.211251 2.257456 1.419191 3.280291 5.878997 2.344191 2019 7.308597 6.075965 6.849549 5.449684 4.073244 2.914266 4.452421 4.38384 3.424505 Tăng trưởng 6.1% -26.4% 12.4% 69.7% 80.4% 105.3% 35.7% -25.4% 46.1% Xếp thứ hạng 2018 2 1 3 6 7 9 5 4 8 2019 1 3 2 4 7 9 5 6 8
Comp1 với giá trị Eigen value lớn nhất (1.63263) được lựa chọn để tính toán chỉ số hiệu quả truyền thông thứ hai (Efficiency 2) như sau:
Efficiency2 = Comment × 0.62142 + Share × 0.54922 + React × 0.55872(3)
Từ kết quả thu được, thành phần chính thứ nhất của hai chỉ số hiệu quả truyền thông được xây dựng dựa trên tương tác với các yếu tố là số lượt bình luận, số lượt chia sẻ và số lượt bày tỏ cảm xúc thể hiện ở phương trình (2) và (3).
Ở cả hai mô hình (2) và (3) ta thấy được tác động của các yếu tố thể hiện hiệu quả truyền thông đến chỉ số hiệu quả truyền thông với giá trị gần như nhau. Các giá trị này khá lớn cho thấy có ảnh hưởng quan trọng đến thành phần chính thứ nhất của chỉ số hiệu quả truyền thông. Cụ thể thì số lượt bình luận, số lượt chia sẻ và số lượt bày tỏ cảm xúc đều có tác động dương đến chỉ số hiệu quả. Bên cạnh đó, số lượt bình luận mang giá trị hơn so với hai biến số lượt chia sẻ và bày tỏ cảm xúc. Như vậy chỉ số hiệu quả truyền thông chịu ảnh hưởng nhiều nhất bởi số lượt bình luận bài đăng.