基于社會網絡分析的聯合促銷品牌關系研究

許研　張欣瑞　陶曉波

摘要：品牌合作下的聯合促銷是企業(yè)獲取新顧客、提升品牌價值的重要方式，分析電子商務下的消費者購買行為，使聯合促銷的品牌間關系研究由傳統(tǒng)“一對一匹配”方法轉向“社會網絡分析”等全新的研究方法。本文從電商平臺的用戶評價信息出發(fā)抽象出顧客-品牌網絡，通過分析網絡結構特性而提取品牌組合，并提出一套品牌關系測度方法，通過語素相似性論證該方法的有效性，旨在為企業(yè)的聯合促銷策略提供參考。

關鍵詞：聯合促銷；顧客-品牌網絡；品牌關系；社會網絡分析；語素相似性分析

中圖分類號：F274 文獻標識碼：A

作者簡介：許研（1983-），女，遼寧錦州人，北方工業(yè)大學經濟管理學院講師，理學博士，研究方向：網絡效應、新產品擴散；張欣瑞（1963-），女，河北保定人，北方工業(yè)大學經濟管理學院教授，研究方向：品牌管理；陶曉波（1981-），男，重慶人，北方工業(yè)大學經濟管理學院副教授，管理學博士，研究方向：面向創(chuàng)新績效的網絡營銷。

橫向聯合促銷是指企業(yè)在進行促銷時，基于消費者消費時機或銷售渠道的一致性，與合作企業(yè)進行的同類或功能互補型產品的交叉促銷活動[1]。相比于供應鏈上的制造商與批發(fā)零售商進行的縱向聯合促銷，橫向聯合促銷不僅可以使聯合體內的各成員以較少費用獲得更好的促銷效果，還是企業(yè)獲取新顧客的渠道[2-3]。隨著市場競爭的加劇，企業(yè)促銷的活動規(guī)模和頻率正在不斷增大，但大量的促銷活動存在同質化嚴重與效率降低等問題，品牌合作下的橫向聯合促銷（Joint Promotion）是解決這些問題的有效途徑。本文著眼于顧客發(fā)表在B2C電商平臺上的購后評論信息，通過統(tǒng)計這些評論中呈現的用戶與產品信息所構建的顧客-品牌網絡資料，并運用社會網絡分析方法探究品牌關系網絡中的品牌群體特征和品牌關系，以期為聯合促銷策略的品牌選擇提供依據。

一、研究方法與結果

（一）數據來源及樣本描述

近些年大型B2C網絡購物平臺在我國發(fā)展迅猛，顧客購買品牌的影響因素除了平臺服務、平臺信譽，還有平臺中展示的客觀真實的用戶評價信息，客觀全面的用戶評價信息可以幫助企業(yè)制止負面口碑和謠言的傳播[4]，為以往只能依靠有限調研或模擬進行的社會網絡分析，提供了大規(guī)模開展和實施的條件。京東商城是我國最具影響力的電子商務網站之一，本研究利用網頁抓取工具Rost WebSpider，通過京東商城的API，以某日用品牌中用戶評論數超過1 000的所有產品項目頁面作為抓取網站入口，抓取了深度為1-3的所有網頁，這些網頁涵蓋了該品牌大部分的產品評價、評價用戶購買過的商品及這些商品的產品評價。我們在這些網頁中提取了116 373條評價信息，每條信息中包括用戶名、品牌名、用戶評論、評價時間等屬性，評價信息中包含595個品牌、11 989個用戶，時間跨度為2008年7月至2014年1月。考慮到分析的焦點集中于品牌之間形成的網絡，本研究采用matlab軟件進行數據整理，在刪掉入口品牌和與入口品牌連結的所有用戶后剩余60 179條評價信息，這些評價中包含594個品牌、7 486個用戶，共17 600條不重復連邊，這些數據將作為社會網絡分析以及聯合品牌相似度檢驗的基礎。

（二）社會網絡整體分析

考慮到用戶節(jié)點形成的品牌自身顧客網絡的重要性，本研究將顧客-品牌二分網投影到單頂點網絡，直接基于原始二分網絡結構進行分析。圖1是利用R軟件的igraph包繪制的顧客-品牌關系網絡圖，除了兩個孤立的顧客-品牌子團之外，大部分節(jié)點（其他592個商品）是相互連通的。在得到了顧客-品牌關系網之后，本研究從網絡密度、度值、中心性等方面分析整體網絡特性[5]，統(tǒng)計分析顯示網絡密度（現有連邊數/所有節(jié)點間的可能連邊數）為0.00054，度值為1的節(jié)點占76.2%，度值介于2-10的節(jié)點占19.3%，度值介于11-186的節(jié)點只占4.5%，度分布具有長尾特征。節(jié)點密集中心性的均值為1.6×10-6，標準差為1.6×10-7。由這些指標的計算結果可知顧客-品牌整體網絡的節(jié)點連接較稀疏，網絡冗余度較大、節(jié)點與其他節(jié)點間的平均連接路徑較長，沒有明顯的網絡中心節(jié)點。

（三）顧客-品牌關系網中的社群劃分

顧客-品牌關系網絡是根據顧客的購買評價記錄形成的社會網絡，由于顧客具有不同的偏好、購買習慣、生活背景等特點，品牌之間的品類、顧客群規(guī)模也不相同，顧客-品牌關系網中一定存在著疏密不同的子團，我們稱之為社群網絡，需要對現有的顧客-品牌關系網進行社群劃分。社會網絡中的每個子團內部節(jié)點互動很多，稱之為“強連接”，兩子團之間的節(jié)點就是連接兩子團的唯一路徑，稱之為“弱連接”。如果將邊介數定義為網絡中所有節(jié)點之間的最短路徑中經過該邊的數目，那么“弱連接”的特點是邊介數非常大，反之“強連接”的邊介數相對小。所以，可以用邊介數來區(qū)分社群網絡的內部邊和社群之間的連接邊。

實現社群劃分的社會網絡分析方法有很多，2002年提出的Girvan和Newman（G-N）算法是其中具有代表性的算法之一。G-N算法的基本思想是一種分裂算法，通過不斷移除網絡中邊介數最大的邊，而將整個網絡劃分成若干相對獨立的社群。本研究采用R.igraph軟件包中的walktrap.community函數實現G-N算法，得到了406個社群。其中大部分呈單個商品連接多個顧客的網絡結構，刪掉這些社群還剩50個社群。刪掉單品牌社群后的社群劃分結果如圖2所示，其中大部分社群是兩或三個商品組成的商品對或商品組。對這50個社群進行評價的具體結果如表1所示，從網絡密度、節(jié)點密集中心性等指標來看，劃分后的50個社群均優(yōu)于整體網絡，說明社群劃分是有效的。

（四）品牌組合提取

我們的最終目標是在復雜的顧客-品牌網絡中搜尋到具有大量共同顧客連接的品牌對或品牌組，現有的社群劃分顯然不能滿足要求，需要結合社群呈現的網絡特點而進行進一步的數據提取。下面以group5為例展示整個品牌組合提取過程，通過觀察可以發(fā)現每個社群中都存在著大量的“邊緣品牌”，這些品牌是因為偶然的單一顧客購買而與社群網絡相連。雖然品牌節(jié)點本身的度值較大，但大都來自只購買過本品牌的顧客，與網絡中的其他品牌只有一或兩條連邊，處在整個社群的邊緣（如圖3（a）所示），利用式（1）刪除這些“邊緣品牌”，即：

Ci=max（ci2，…cij，…cin）（1）

其中cij為節(jié)點i與節(jié)點j的連邊數，可利用igraph.connectivity函數進行測算。n為整個社群的節(jié)點數，Ci為節(jié)點i與其他節(jié)點連邊數的最大值。我們刪掉Ci小于等于3的品牌節(jié)點，該操作刪除66個品牌節(jié)點后剩余12個，得到的社群關系如圖3（b）所示。通過進一步觀察可以發(fā)現在圖3（b）中一些品牌形成了“單邊連接品牌組合”，即通過單個顧客形成的連接關系網很難將其作為品牌聯合促銷的依據。為此，我們編寫了程序來刪除這些“單邊連接節(jié)點”，具體的步驟是：（1）搜索每個品牌節(jié)點相鄰的品牌；（2）計算與每個相鄰品牌的連接顧客數，并測算其最大值；（3）刪除最大值小于等于1的品牌節(jié)點。該操作刪除10個品牌節(jié)點后剩余2個，得到的社群關系如圖3（c）所示。最后，將條件限制在保留共同顧客數大于5的品牌對或品牌組，這樣最終放棄了group5這一社群，我們將上述操作作用于所有社群最終得到了8個聯合品牌組合，如表2所示。

（五）品牌組合有效性檢驗

原品牌在聯合之前可能各自擁有不同的品牌屬性，聯合品牌在屬性上可以實現互補，品牌的互補性可以使有品牌意識的顧客、尋求多變化的顧客和涉入度高的顧客，對聯合品牌產生更加強烈的購買意向[6]。從中外對品牌聯合影響因素的研究來看，成功的品牌聯盟需要滿足原品牌的品牌特征相似、產品匹配性高等原則?？紤]到用戶的偏好、購買習慣等特點會反映在購后心得中，而品牌與產品的特征會反映在產品描述中，這些都體現在用戶評價信息中，本研究采用用戶評價信息中語素的余弦相似度（Cosine Similarity）來檢驗品牌組合的有效性，并使用余弦相似度進一步檢驗品牌組合的相似度。定義品牌i和j全部用戶評價的語素集合Wij={（w1，i1，j1），（w2，i2，j2），…，（wn，in，jn）}，Wij≠，其中in、jn分別表示品牌i和j用戶評論中語素wn出現的次數，n為Wij中出現的全部語素數，由余弦公式求得的i和j兩品牌相似度如式（2）所示：

Simij=∑nk=1ikjk（∑nk=1i2k）（∑nk=1j2k）（2）

如果SimijSimT，可以認為兩品牌相似。在確定相似度閾值SimT的經驗方法中，最接近形式化的是CTDCS（中文文檔分類系統(tǒng)）中使用的相關性分布曲線尋找交點的算法，該算法選取1/10作為經驗閾值[7]。商品組合的測算結果如表3所示，可以看出所有的結果均大于0.1，說明我們設計的品牌組合提取方法能夠準確的劃分出同類品牌項目；同時，Sim值越大說明商品之間的相似度越高，用戶評價體現出的較高相似性從一個側面驗證了目前提取出的品牌組合，可以作為以同類或功能互補類品牌聯合促銷的選擇依據。

二、結論

品牌關系測度是進行聯合促銷或品牌聯盟需要考慮的重要因素，也是保證聯合成功的關鍵環(huán)節(jié)。通過真實的用戶評價數據挖掘出顧客-品牌網絡，本文構造了能夠反映品牌之間關系的社會網絡模型，利用社會網絡分析方法提取品牌組合，并探索性地提出了一種基于顧客網絡的聯合促銷品牌關系測度方法，通過用戶評價內容的語素相似性分析論證了方法的有效性。

首先，社會網絡分析深化了市場營銷者對品牌關系的認識，將品牌關系的研究視野從傳統(tǒng)營銷時代的“一對一匹配”引向了“品牌網絡結構分析”。這一轉變能夠幫助人們更加準確地接近市場的本質，更真實地理解品牌關系。但是，在相當長的一段時間，網絡分析的研究方法受到數據條件的限制而無法運用。當今計算機技術和網絡技術的發(fā)展為社會網絡分析方法提供了廣闊的舞臺，可以幫助企業(yè)在具體營銷工作思考如何轉變網絡思維方式，如何利用大數據進行社會化網絡分析等問題。

其次，對于從事電子商務的中小型企業(yè)來說，基于品牌關系網絡選擇聯合促銷對象有利于他們獲得范圍經濟優(yōu)勢。電子商務平臺形成的根源是入駐商品的范圍經濟性，大型電商利用平臺優(yōu)勢進行不同產品類別的聯合促銷活動，獲得了較大的渠道控制力。認識到產品范圍經濟的重要性，渠道商甚至發(fā)展自己的私有品牌與進駐品牌開展競爭。中小企業(yè)與電商相比面臨嚴重的數據信息不對稱，這使得中小網商只能處于受支配的尷尬境地。本文所提出的利用數據挖掘技術獲得真實的購買數據方法，通過建立品牌關系網絡劃分出品牌群落，分析結果有利于中小企業(yè)建立適合自己的產品范圍經濟，并從中獲得主導地位。

最后，對一般企業(yè)而言，無論未來的聯合促銷是否在網絡渠道中進行，基于網絡銷售數據進行的顧客-品牌網絡分析都可以為企業(yè)的聯合促銷，甚至企業(yè)戰(zhàn)略聯盟、品牌合作、市場準入等營銷活動提供決策支持。

三、未來研究展望

社會網絡分析是進行品牌間關系測度的一種有效工具，但本文采用的是無向、無權重的品牌關系網絡，未來的研究可以在以下兩個方向上進行深化：一是根據購物數據的時間信息，為品牌之間的連接加入方向，有向網絡有利于展示產品的購買次序，辨別品牌之間的相互依賴關系，能夠幫助企業(yè)進行更加細化品牌聯合促銷管理；二是將品牌的產品類別、知名度、品牌個性等屬性作為節(jié)點權重加入網絡，探索出一條可以整合傳統(tǒng)品牌間關系研究與社會網絡研究的較好途徑。另外，本文僅從京東一家網站的用戶評價中選取樣本，在一定程度上制約了樣本來源的全面性。在后續(xù)的工作中應基于更大、更全面的數據樣本，考慮帶權重的有向網絡模型進行網絡分析，以進一步擴展研究結果。

參考文獻：

[1] 王國才，陶鵬德.零售商主導下的制造商競爭與營銷渠道聯合促銷研究[J].管理學報， 2009，6（9）：1231-1235.

[2] Rao， A.R.， Ruekert， R.W. Brand alliances as signals of product quality[J].Sloan Management Review，1994（4）：87-97.

[3] 邵景波，陳珂珂，吳曉靜.社會網絡效應下顧客資產驅動要素研究[J].中國軟科學， 2012（8）：84-97.

[4] Chen， Y， Xie， J. Online consumer review： word-of-mouth as a new element of marketing communication mix[J].Management Science， 2008，54（3）：477-491.

[5] 楊建梅.復雜網絡與社會網絡研究范式的比較[J].系統(tǒng)工程理論與實踐， 2010（11）： 2046-2055.

[6] Helmig， B. J.， Huber， A.， Leeflang， P. Explaining behavioral intentions toward co-branded products[J].Journal of Marketing Management， 2007，23（3/4）：285-304.

[7] 刁力力， 王麗坤.計算文本相似度閾值的方法[J].清華大學學報：自然科學版， 2003，43（1）： 108-111.

（責任編輯：厲新）