论文荐读 | 苹果发布会里的语言奥秘

如今，各行各业都有自己的“春晚”。科技数码圈也不例外。苹果公司每年例行举办秋季发布会，推出当年新款的iPhone手机和Watch手表，吸引国内不少“果粉”熬夜观看，因而得名“科技春晚”。过去，发布会往往是在现场（如Steve Jobs Theater）举行。2020年，受当时疫情影响，苹果公司把所有发布会都改为提前录制、在线全球直播的形式。时至今日，尽管疫情已经结束，但提前录制的发布会形式得到了保留。作为语言研究者，我们不禁要问：提前录制的发布会与现场发布会在语言方面有何差异，是否更吸引人呢？

近日在Journal of Quantitative Linguistics上发表的一篇题为“Modifying Language for a Higher Goal: Investigating Quantitative Features of Apple’s Launch Event Speech from 2016 to 2022”的文章，就这个话题展开了讨论。本期论文荐读，我们来看看计量语言学的方法与战略沟通的理论能碰撞出怎样的火花！

一场成功的发布会往往能促使市场和消费者迅速接受新品。苹果公司每年的秋季发布会承担着推介新iPhone手机的“重任”。这种由一个实体（entity，包括企业、政府、社会组织、公共人物等）针对明确目标、采取一定手段、有目的地开展的对话就是“战略沟通”（strategic communication）。但是，疫情中的发布会取消了受邀嘉宾亲临现场的“特权”，所有观众都在同一时间，通过同一渠道，接收同样的信息。根据Goldberg和Gustafson（2023）提出的“战略沟通效果”（the effects of strategic communication）框架，面对这样的变化，发布会的组织者需要加强沟通的有利因素（driving force），并把一些负面因素（restraining force）转化为有利因素，从而保证发布会最终有较好的通达性（reach，观众数量）、有效性（effect，影响程度）和效果的持续性（durability）。

任何沟通都离不开语言。在沟通的过程中，语言不仅能交换信息，还能塑造风格。尽管前人对发布会有过不少研究，但大多采用了质性分析，没有触及语言的概率性——语言风格本质上是不同语言单位概率分布的结果。要准确描述语言风格及其变化，就需要精确捕捉对不同语言单位出现的概率。而要达到这一目的，就离不开计量的手段。计量语言学就是用计量的方法，通过统计和分析不同语言单位的概率分布特征来捕捉语言变化，在构拟和验证假设的过程中探索语言规律的学科。计量语言学的方法与指标已经被大量运用于描述与辨析语言风格，可以有效区分不同作者（说话者）书面语和口语的风格特征。为了捕捉苹果公司把发布会从舞台上“搬到”摄影棚的过程中发生的语言风格变化，本研究收集了苹果公司2016至2022年的秋季新品发布会演讲字幕，以及这些发布会上发布的主要产品（iPhone和Watch）随后一年的销量情况，比较了两种形式发布会的语言风格差异，并分析了原因。

对于字幕文本，作者计算了词汇丰富度（standardized type-token ratio，STTR）、文本难度（Flesch-Kincaid grade level，FKGL）、熵（entropy）、词长（word token length in syllables，TLS）、句长频率分布（sentence length distribution）。经独立样本T检验，作者发现，两种形式的发布会在语言风格上存在一定差异，显著差异主要集中在词汇丰富度（STTR，p < 0.001）、文本难度（FKGL，p < 0.01）和平均词长（TLS，p < 0.01）上。具体而言，发布会转为提前录制、在线播放的形式后，词汇变得更丰富了，单词变得更长了，文本的难度也有所提升。尽管熵的差异不显著，但从均值差来看，线上发布会语言的熵值也变大了。这似乎说明，苹果公司在提前录制发布会时对讲稿进行了打磨，选用了更加丰富和复杂的词汇来介绍产品的特性。这样更能准确地传达产品的新卖点，也更能打动观众，尤其是对该公司及其产品本就比较了解、抱有期待的受众。但是，一味地用更复杂的词汇可能会带来过量的认知负荷，违背“省力原则”，造成理解困难，反而降低观众的兴趣，对发布会的效果产生负面影响。因此，两种模式的发布会的词汇计量特征差异是适度的。

文本难度指标（FKGL）计算公式

熵（entropy）计算公式

扩展正负二项式（Extended Positive Negative Binomial）表达式

这些变化贯穿了整场发布会吗？是否会因不同的环节而异呢？作者又对两种模式发布会上介绍iPhone和Watch两条产品线的语言的词汇计量特征分别做了对比，发现只有介绍iPhone的语言词汇计量特征发生了变化，即词汇更加丰富，词长更长，文本难度有所提高。相较而言，Apple Watch的产品介绍语言词汇计量特征几乎没有变化。

在发现词汇层面的特征变化以后，我们也很自然想看看句子方面的特征。作者统计了历年发布会的句长分布情况（见下图），以每3词为一个句长级别计算频率，并通过Altmann-Fitter软件与扩展正负二项式进行拟合。整体上，线上发布会的句长分布峰值略大于线下发布会。具体而言，在长度级别为4以内的句子中，线上发布会的句子比例低于线下发布会；而在4-8级长的句子中，线上发布会的句子比例高于线下发布会。对拟合参数的独立样本T检验结果显示，两种模式的演讲稿句长分布的α参数显著不同（t = -9.138, p = .001, MD = -.0434），说明两类句长分布模式的形态有差异。但是，两类发布会的平均句长并没有显著差异，分布差异也是在局部。

各场发布会字幕句长分布情况

这些适度、发生在局部的差异只是巧合，还更可能是有意而为的呢？作者以2022年的数据为基准，将历年发布会的词汇计量指标以及发布会后一年苹果公司的销售业绩做了相关性检验，发现：销量与词长（TLS, r = 0.96, p < 0.01）和词汇丰富度（STTR, r = 0.95, p < 0.01）的关系最密切，与文本难度和熵的关系也在0.05水平上达到了高度相关。严格地说，目前并没有研究或确凿的证据能够表明发布会语言的风格变化能够直接提振商品的销量。现有的数据只能说明，在苹果公司近年来通过实施一系列营销策略，成功提升了销售业绩；作为重要的营销环节，产品发布会是诸多策略的集中体现，且语言风格特征是其战略沟通中的一个重要策略。

对于线上的发布会，筹备者在观众方面不得不考虑新的问题：哪些人会观看发布会的在线直播（部分国家和地区的观众需要克服时差）？如何才能尽可能弥补现场互动缺失带来的影响，继续使一些关键的观众发挥会后产品推介的辅助作用？

知名数码博主在社交媒体实时“转播”发布会

从数据结果来看，苹果公司在这两个问题上做了权衡。提前录制的发布会用词更丰富，对产品介绍的语言也更专业化了，对专业的、关注新品的观众来说更具有可信度。但这并不利于吸引对相关产品关注度较低的观众。因此，提前录制的发布会也为效益最大化做了努力。比如，利用专业的观众，尤其是社交媒体博主（social media influencers, SMI），他们能够将发布会的信息传递到发布会难以触及的消费者（hard-to-reach stakeholders）。在互联网社交媒体上，这些博主几乎能在发布会直播的同时迅速、频繁地转发发布会上的关键信息，并在会后短时间内制作出新品的测评内容，在社交媒体上吸引网友的关注，甚至在很大程度上引导新品的口碑。因此，一些公司在制定战略沟通策略时已经将SMI考虑在内，使之成为战略沟通的一种有利手段。苹果发布会就是这样，除去发布会本身，从会前到会后的各个阶段，互联网上知名的数码博主就已经为他们的产品吸引了大规模的关注流量，在很大程度上延伸了发布会的沟通策略。因此，尽管更复杂的发布会语言可能会使普通观众感到索然无味，但这更能打动专业观众，也为SMI提供了更丰富的内容素材，最终通过发布会内容的再创作影响更多观众。

当然，只靠SMI这样的第三方（third-party actors）力量是不够的。从数据结果看，苹果发布会在改版时也遵循了语言与认知的规律，并且兼顾了不同受众的偏好。尽管文本难度提升了，但即便是难度最高的一年，FKGL也只有3.66，低于特朗普在2016年总统大选辩论时讲话的FKGL值（4左右），即日常对话的难度。这样的文本难度更有助于观众理解产品的新功能，从而使产品更具有吸引力。与此同时，在句子层面，由于现场互动的缺失，线上发布会不再有集中的功能性的短句，但是两种形式发布会的整体平均句长并没有差异，这需要在文稿撰写时注意控制长句的比例。此外，由于人的注意力是有限的，倘若将正常发布会的语言都变复杂，那么观众往往会失去耐心。因此，苹果公司发布会语言计量特征的变化主要集中在了利润最高、最受关注的iPhone产品线的环节，这有利于调动观众有限的注意力，最大程度上保证发布会达到预期的营销效果。再加上富有生动的动画效果、多样的背景音乐，尤其对于过去没有受邀亲临现场的普通观众来说，这样的发布会观看体验可能是更舒适的。

本研究将计量语言学的研究方法与战略沟通的理论框架相结合，为传播学的定量研究提供了一种可行的新方法。企业可以将销售业绩数据、用户画像、用户反馈等信息与文本指标相结合，科学有效地调整传播语言，从而更有效地实现传播目标。与此同时，对于计量语言学本身而言，这项研究的意义主要在于将计量语言学的方法应用于其他领域所关注的话题，证明计量语言学的方法是科学、有效、有用的。

本文所用的方法都是易于上手的，您是否受到了些许启发，准备用QL的方法解决您感兴趣的问题了呢？

·END·

参考文献略。

欢迎对本文感兴趣的读者阅读、引用原文。

原文引用信息：

Zhou, Y., Jiang, J., & Liu, H. (2024). Modifying Language for a Higher Goal: Investigating Quantitative Features of Apple’s Launch Event Speech from 2016 to 2022. Journal of Quantitative Linguistics, 31(2), 139–160. https://doi.org/10.1080/09296174.2024.2345969

您可能还想看

SEE ALSO

有“在看”我吗？