社交網(wǎng)絡(luò)特征對微博營銷效果的影響?yīng)?/h1>

2017-03-21 19:22孫江華顏詩燼

商業(yè)研究訂閱 2017年2期 收藏

關(guān)鍵詞：固定效應(yīng)模型微博營銷社會網(wǎng)絡(luò)

孫江華　顏詩燼

內(nèi)容提要：本文以新浪微博為研究對象，從動(dòng)態(tài)信息傳播網(wǎng)絡(luò)特征入手，利用社會網(wǎng)絡(luò)分析技術(shù)構(gòu)建以微博傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、個(gè)體屬性特征和官方微博發(fā)布的信息特征為變量的假設(shè)模型，探究其對微博營銷效果的影響。結(jié)果表明，傳播網(wǎng)絡(luò)的屬性特征與傳播網(wǎng)絡(luò)的大小相關(guān)，性別因素影響傳播網(wǎng)絡(luò)的擴(kuò)張，官方微博當(dāng)日的微博發(fā)布數(shù)與傳播網(wǎng)絡(luò)的大小負(fù)相關(guān)。

關(guān)鍵詞：微博營銷；社會網(wǎng)絡(luò)；面板數(shù)據(jù)；固定效應(yīng)模型

中圖分類號：F49 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-148X（2017）02-0012-07

收稿日期：2016-09-25

作者簡介：孫江華（1976-），女，河南方城人，中國傳媒大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，研究生導(dǎo)師，研究方向：媒體管理；顏詩燼（1992-），女，湖北荊州人，中國傳媒大學(xué)經(jīng)濟(jì)與管理學(xué)院研究生，研究方向：媒體管理、數(shù)據(jù)挖掘。

基金項(xiàng)目：教育部人文社科重點(diǎn)研究基金項(xiàng)目“電視商務(wù)的運(yùn)營模式創(chuàng)新研究”，項(xiàng)目編號：2015GDYB09。

一、引言

隨著互聯(lián)網(wǎng)的發(fā)展，企業(yè)營銷工具不再局限于傳統(tǒng)媒介，以微博為代表的新型媒介已成為企業(yè)營銷的新寵。傳播學(xué)大師Marshall McLuhan（2000）認(rèn)為：“媒介是社會發(fā)展的基本動(dòng)力，也是區(qū)分不同社會形態(tài)的標(biāo)志，每一種新媒介的產(chǎn)生，宣告我們進(jìn)入了一個(gè)新時(shí)代”[1]。微博基于用戶關(guān)系進(jìn)行分享，傳播和獲取，用戶可以自由通過“評論”，“轉(zhuǎn)發(fā)”和“點(diǎn)贊”功能將他人傳播的信息經(jīng)過自己的“加工”，向自己的“粉絲”網(wǎng)絡(luò)進(jìn)行發(fā)布?；诖耍⒉┑幕?dòng)社交功能能夠帶來網(wǎng)絡(luò)效應(yīng)，提升信息的價(jià)值，也是微博快速成為企業(yè)必備營銷工具的原因之一。據(jù)2015年新浪微博發(fā)布的第三季度財(cái)報(bào)中顯示，截止2015年9月30日，微博月活躍用戶數(shù)（MAU）已經(jīng)達(dá)到據(jù)222億人，較上年同期增長33%；9月的日均活躍用戶數(shù)（DAU）為1億，較上年同期增長30%[2]。其中，17-33歲用戶占月活躍用戶總量的79%，是微博的主力人群，且年輕化用戶有較為明顯的增長趨勢。正是因?yàn)橹髁οM(fèi)人群偏好這種新型媒介，目前大量的企業(yè)和組織依托其進(jìn)行信息傳播、分享和互動(dòng)的網(wǎng)絡(luò)營銷行為。

國內(nèi)外學(xué)者對于微博營銷的研究可以分為宏觀和微觀兩種不同的視角[3-8]。宏觀視角上一是對微博的社會價(jià)值進(jìn)行探索，并通過真實(shí)案例分析微博的營銷策略；二是構(gòu)建微博營銷影響消費(fèi)者的理論模型。微觀視角上，學(xué)者主要從微博的營銷信息傳播模型入手，主要通過評估節(jié)點(diǎn)影響力和信息質(zhì)量兩方面來進(jìn)行研究，定量分析如何實(shí)現(xiàn)信息擴(kuò)散效果的最大化。

而微博作為一種典型的復(fù)雜社會網(wǎng)絡(luò)，主要是通過單向的“關(guān)注（跟隨）”行為構(gòu)建社會網(wǎng)絡(luò)關(guān)系，眾多研究表明，微博具有社會網(wǎng)絡(luò)的特性。國外學(xué)者中Akshay Java et al（2007）[9]、Teutle（2010）[10]、Wojciech Galuba（2010）[11]等以Twitter為對象，通過測量度分布和路徑長度，證實(shí)微博網(wǎng)絡(luò)同樣具有小世界和無標(biāo)度特征。國內(nèi)學(xué)者平亮和宗利永（2010）[12]通過關(guān)鍵的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)進(jìn)行了分析，從點(diǎn)度中心性、中間中心性和接近中心性三個(gè)方面對微博社會網(wǎng)絡(luò)的中心性進(jìn)行了分析，證實(shí)微博具有明顯的集中趨勢，權(quán)威用戶往往成為“意見領(lǐng)袖”，對信息傳播起到關(guān)鍵作用。微博具有社交網(wǎng)絡(luò)的特性，使得基于微博社交網(wǎng)絡(luò)的特性來研究微博的營銷更具有意義。

在眾多行業(yè)中，電影行業(yè)由于其營銷推廣需要多頻次傳播，且高成本的線下推廣難以滿足片方預(yù)期，所以，微博這種社會化媒介成為完成營銷推廣信息裂變式擴(kuò)散的最佳渠道。目前，經(jīng)過認(rèn)證的電影官方微博賬號成為電影行業(yè)進(jìn)行宣傳推廣的首選。自2011年電影《失戀33天》成功進(jìn)行微博營銷后，大部分的國產(chǎn)電影和部分外國電影都采用開通官方微博這種方式作為自己的推廣渠道。盡管越來越多的電影宣傳方開始意識到微博營銷的重要性，但實(shí)證研究表明，大部分電影官方微博營銷的運(yùn)作效果并不佳。特別是在國內(nèi)，運(yùn)營官方微博存在各種各樣的問題，因此，探討微博信息傳播規(guī)律，分析企業(yè)微博營銷效果的影響因素，對于提高微博運(yùn)營能力具有重要意義。

綜上，本文旨在從社會網(wǎng)絡(luò)分析的角度探究影響微博營銷效果的因素。其中，選取以微博中“轉(zhuǎn)發(fā)”行為作為微博營銷效果，并綜合微博傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、個(gè)體屬性特征和官方微博發(fā)布的信息特征對影響因素進(jìn)行合理劃分和提取，建立微博轉(zhuǎn)發(fā)擴(kuò)散效果營銷因素模型；以新浪微博為研究對象，利用爬蟲技術(shù)抓取全年經(jīng)過認(rèn)證的電影官方所發(fā)布的營銷推廣微博和其相關(guān)的轉(zhuǎn)發(fā)信息，通過構(gòu)造電影上映期間單日的傳播網(wǎng)絡(luò)，以單日轉(zhuǎn)發(fā)人數(shù)為衡量微博營銷效果的指標(biāo)，并將傳播網(wǎng)絡(luò)的屬性信息和傳播節(jié)點(diǎn)的屬性信息進(jìn)行量化，建立基于面板數(shù)據(jù)的個(gè)體固定效應(yīng)模型進(jìn)行實(shí)證研究。

二、研究假設(shè)及模型

通過構(gòu)建基于社會網(wǎng)絡(luò)關(guān)系的“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)模型，對信息傳播網(wǎng)絡(luò)進(jìn)行描述。本文設(shè)定參與轉(zhuǎn)發(fā)人數(shù)作為研究的主要對象和衡量微博營銷質(zhì)量的指標(biāo)。而這些人轉(zhuǎn)發(fā)的特性和構(gòu)成的“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)結(jié)構(gòu)會對這些人參與轉(zhuǎn)發(fā)的人數(shù)造成影響，本文將其分為以下3個(gè)方面進(jìn)行分析：

（一）傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征

微博營銷信息一般由官方微博作為中心節(jié)點(diǎn)發(fā)出，呈類星形擴(kuò)散。營銷信息擴(kuò)散的轉(zhuǎn)發(fā)人，即為信息傳播網(wǎng)絡(luò)中的節(jié)點(diǎn)，通過不同的拓?fù)浣Y(jié)構(gòu)組成社會網(wǎng)絡(luò)。而社會網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)屬性，能夠很好地刻畫社會網(wǎng)絡(luò)節(jié)點(diǎn)之間的關(guān)系，對社會網(wǎng)絡(luò)的整體情況進(jìn)行描述。由此提出假設(shè)：

H1：微博營銷信息參與轉(zhuǎn)發(fā)人數(shù)受到轉(zhuǎn)發(fā)的傳播網(wǎng)絡(luò)結(jié)構(gòu)的拓?fù)涮卣鞯挠绊憽?/p>

針對這種網(wǎng)絡(luò)結(jié)構(gòu)，我們可以通過幾個(gè)指標(biāo)進(jìn)行刻畫：代表傳播網(wǎng)絡(luò)中連接關(guān)系的平均度和平均加權(quán)度；代表傳播網(wǎng)絡(luò)整體連接關(guān)系的圖密度；代表網(wǎng)絡(luò)轉(zhuǎn)發(fā)層級特征網(wǎng)絡(luò)直徑、平均路徑長度和熵。根據(jù)社會網(wǎng)絡(luò)分析對這些指標(biāo)的定義以及其與參與轉(zhuǎn)發(fā)人數(shù)（即節(jié)點(diǎn)數(shù)）的關(guān)系，提出如下假設(shè)：

H1a：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的平均度顯著相關(guān)。

H1b：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的平均加權(quán)度顯著相關(guān)。

H1c：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的圖密度顯著相關(guān)。

H1d：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的網(wǎng)絡(luò)直徑顯著相關(guān)。

H1e：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的平均路徑長度顯著相關(guān)。

H1f：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)的熵顯著相關(guān)。

（二）傳播網(wǎng)絡(luò)個(gè)體屬性特征

除了傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的屬性之外，由于微博參與轉(zhuǎn)發(fā)的個(gè)體有所差別，其個(gè)體屬性（節(jié)點(diǎn)屬性）也會對參與傳播人數(shù)造成影響。由此提出假設(shè)：

H2：微博營銷信息參與轉(zhuǎn)發(fā)人數(shù)受到轉(zhuǎn)發(fā)的傳播網(wǎng)絡(luò)個(gè)體特征的影響。

對于參與轉(zhuǎn)發(fā)的個(gè)體，我們可以從以下其性別和是否經(jīng)認(rèn)證兩個(gè)指標(biāo)探究傳播網(wǎng)絡(luò)中的個(gè)體特征是否對參與轉(zhuǎn)發(fā)人數(shù)造成影響，假設(shè)如下：

H2a：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)絡(luò)中男性占比顯著相關(guān)。

H2b：參與轉(zhuǎn)發(fā)人數(shù)與轉(zhuǎn)發(fā)網(wǎng)路中認(rèn)證占比顯著相關(guān)。

（三）官方微博發(fā)布的信息特征

此外，官方微博發(fā)布營銷信息的特征也應(yīng)當(dāng)對參與轉(zhuǎn)發(fā)人數(shù)造成影響，提出假設(shè)：

H3：微博營銷信息參與轉(zhuǎn)發(fā)人數(shù)受到營銷信息內(nèi)容的影響。

由于本文未涉及文本分析，僅以官方微博發(fā)布的信息和官方微博發(fā)布的信息是原創(chuàng)信息在所有發(fā)布信息的占比為研究對象。因此假設(shè)：

H3a：參與轉(zhuǎn)發(fā)人數(shù)與營銷微博發(fā)布的信息量顯著相關(guān)。

H3b：參與轉(zhuǎn)發(fā)人數(shù)與營銷微博發(fā)布的原創(chuàng)占比顯著相關(guān)。

（四）模型整體框架

在社交網(wǎng)絡(luò)分析技術(shù)的基礎(chǔ)上，通過構(gòu)建微博“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)模型，以微博單日轉(zhuǎn)發(fā)量來衡量微博的營銷的效果，結(jié)合從傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征、個(gè)體屬性特征、官方微博發(fā)布的信息特征三方面所提出的假設(shè)，構(gòu)建本文微博營銷效果影響因素模型框架，如圖1所示。

三、實(shí)證分析

（一）數(shù)據(jù)概述

通過爬蟲技術(shù)對微博轉(zhuǎn)發(fā)信息進(jìn)行收集，選取2015年全年票房排名前50的電影，共收集其官方微博在上映期間發(fā)布信息17 825條，共1 694個(gè)單位日的發(fā)布信息。其中，總轉(zhuǎn)發(fā)信息252 636條，共涉及186 640人次。

根據(jù)上文中假設(shè)，本文從傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征、傳播網(wǎng)絡(luò)個(gè)體屬性特征和官方微博發(fā)布的信息特征三個(gè)角度構(gòu)建變量。為了使模型擬合度更高，在模型建立的過程中加入了上映天數(shù)、百度指數(shù)、票房和屏幕數(shù)，以及啞變量周五、周六和周日七個(gè)指標(biāo)進(jìn)行模型建模。相關(guān)變量和描述如表1所示。

（二）面板數(shù)據(jù)回歸建模

1.相關(guān)變量統(tǒng)計(jì)分析

表2是獲取的電影官方微博營銷相關(guān)指標(biāo)的描述性統(tǒng)計(jì)結(jié)果。從微博信息傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)指標(biāo)可知，每日的傳播網(wǎng)絡(luò)平均度基本小于1且圖密度較小，說明信息傳播網(wǎng)絡(luò)基本符合由中心擴(kuò)散的單項(xiàng)網(wǎng)狀結(jié)構(gòu)，個(gè)別單日擴(kuò)散網(wǎng)絡(luò)可能出現(xiàn)相互轉(zhuǎn)發(fā)的情況，造成平均度大于1的情況。加權(quán)平均度考慮到單日內(nèi)有些用戶多次轉(zhuǎn)發(fā)官方微博的情況，所以平均加權(quán)度基本大于1且大于平均度，說明單日內(nèi)個(gè)別用戶多次轉(zhuǎn)發(fā)官方微博發(fā)布內(nèi)容是個(gè)普遍現(xiàn)象。除了個(gè)別微博轉(zhuǎn)發(fā)層級很高，大部分官方微博發(fā)出的微博平均受到轉(zhuǎn)發(fā)為兩個(gè)層級的轉(zhuǎn)發(fā)，而大部分個(gè)人微博會受到一次轉(zhuǎn)發(fā)。文中引入熵為指標(biāo)刻畫不同層級間轉(zhuǎn)發(fā)的差異，從結(jié)果可以看出，熵偏小，說明轉(zhuǎn)發(fā)層級差異較大，主要集中在一級轉(zhuǎn)發(fā)。

從轉(zhuǎn)發(fā)用戶節(jié)點(diǎn)屬性特征指標(biāo)可知參與轉(zhuǎn)發(fā)的用戶中男性占比較小，說明轉(zhuǎn)發(fā)網(wǎng)絡(luò)中女性為轉(zhuǎn)發(fā)行為的主導(dǎo)人群。轉(zhuǎn)發(fā)中官方認(rèn)證的用戶較少，大多以“草根”用戶為轉(zhuǎn)發(fā)的主導(dǎo)人群。從官方微博發(fā)布信息特征指標(biāo)可知電影官方微博在上映期間平均每日發(fā)布信息為10條左右，半數(shù)電影官方微博平均每日發(fā)布信息不大于4條，但是有電影官方微博發(fā)布信息高達(dá)182條，遠(yuǎn)大于其他的官方微博。其中，大部分的官方微博發(fā)布的信息以轉(zhuǎn)發(fā)其他的微博的信息為主，原創(chuàng)內(nèi)容較少。

2.變量相關(guān)關(guān)系及多重共線性檢驗(yàn)

在建立回歸模型之前，由于單日轉(zhuǎn)發(fā)人數(shù)（節(jié)點(diǎn)數(shù)）參與計(jì)算獲得傳播網(wǎng)絡(luò)結(jié)構(gòu)的拓?fù)渲笜?biāo)，故需檢驗(yàn)傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)與參與轉(zhuǎn)發(fā)人數(shù)的相關(guān)性。從表3可以看出，各指標(biāo)兩兩之間相關(guān)性并不明顯。

對平均度、平均加權(quán)度、網(wǎng)絡(luò)直徑、圖密度、平均路徑長度和熵6個(gè)指標(biāo)對參與轉(zhuǎn)發(fā)的人數(shù)進(jìn)行多重共線性檢驗(yàn)。利用方差膨脹因子（Variance Inflation Factor，VIF），即容忍度的倒數(shù)進(jìn)行描述。其中，VIF越大，顯示共線性越嚴(yán)重。經(jīng)驗(yàn)判斷方法表明：當(dāng)0

3.建立固定效應(yīng)模型

由于部分官方微博的單日傳播網(wǎng)絡(luò)為空，即在某些日期中沒有發(fā)布微博頁沒有用戶轉(zhuǎn)發(fā)其曾經(jīng)發(fā)布的微博，所以部分指標(biāo)為0，變量不能進(jìn)行對數(shù)處理。本文的實(shí)證數(shù)據(jù)為69部電影的非平衡面板數(shù)據(jù)，以天為單位的時(shí)間序列跨度為12-55，一共有1 694個(gè)觀測值。故建立如下五個(gè)個(gè)體固定效應(yīng)模型：

模型1：以傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)和男性比率為基礎(chǔ)指標(biāo)，探究用戶認(rèn)證比例影響模型。

模型2 ：以傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)和男性比率為基礎(chǔ)指標(biāo)，探究官方微博發(fā)布數(shù)量影響模型。

模型3：以傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)和男性比率為基礎(chǔ)指標(biāo)，探究官方微博發(fā)布原創(chuàng)比率的影響模型。

模型4 ：以傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)和用戶認(rèn)證情況為基礎(chǔ)指標(biāo)，探究官方微博發(fā)布數(shù)量影響模型。

模型5：以傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)和用戶認(rèn)證情況為基礎(chǔ)指標(biāo)，探究官方微博發(fā)布原創(chuàng)比率的影響模型。

4.模型結(jié)果

根據(jù)以上公式建立個(gè)體固定效應(yīng)模型結(jié)果如表5，五個(gè)個(gè)體固定效應(yīng)模型的擬合度（R2）均在86%-88%之間，說明模型擬合良好，且所有模型的p值均小于222e-16。說明通過以上變量建立的模型能夠通過t檢驗(yàn)，模型結(jié)果能夠被接受。

（三）模型結(jié)果分析

基于五個(gè)個(gè)模型結(jié)果，可以得出各指標(biāo)與單日轉(zhuǎn)發(fā)人數(shù)關(guān)系總結(jié)為表5所示。在五個(gè)個(gè)體固定效應(yīng)模型中，傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)較為顯著且數(shù)值穩(wěn)定，說明傳播網(wǎng)絡(luò)的部分屬性特征與傳播網(wǎng)絡(luò)的大?。▎稳辙D(zhuǎn)發(fā)人數(shù)）相關(guān)。平均度顯著為正而加權(quán)平均度顯著為負(fù)，說明在傳播網(wǎng)絡(luò)中，參與轉(zhuǎn)發(fā)的用戶之間通過轉(zhuǎn)發(fā)建立更多的關(guān)系能夠幫助信息進(jìn)行擴(kuò)散，然而相同的用戶在同一日內(nèi)多次轉(zhuǎn)發(fā)（即用戶之間的連接加入權(quán)重），并不能使傳播網(wǎng)絡(luò)擴(kuò)張。圖密度與傳播網(wǎng)絡(luò)大小正向顯著相關(guān)，又由圖密度的數(shù)據(jù)描述可知，各單日傳播網(wǎng)絡(luò)中的圖密度較?。ㄒ?yàn)閭鞑ゾW(wǎng)絡(luò)屬于類星形擴(kuò)散結(jié)構(gòu)），故可知，在傳播網(wǎng)絡(luò)中的個(gè)體之間相互連接增加，有利于傳播網(wǎng)絡(luò)的擴(kuò)散。

從傳播路徑的角度進(jìn)行研究，網(wǎng)絡(luò)直徑與傳播網(wǎng)絡(luò)大小正向顯著相關(guān)，而平均路徑長度與其負(fù)向顯著相關(guān)。對于這種單日的信息傳播網(wǎng)絡(luò)，大部分信息經(jīng)過少層級的轉(zhuǎn)發(fā)同時(shí)小部分信息經(jīng)過多層級的轉(zhuǎn)發(fā)，這種模式對轉(zhuǎn)發(fā)擴(kuò)散更加有利，這也可以說明描述網(wǎng)絡(luò)層級混亂度的熵指標(biāo)為什么不顯著，因?yàn)楦鲗蛹壷g的差異性對轉(zhuǎn)發(fā)擴(kuò)散的影響并不大。

當(dāng)加入一些用戶的屬性指標(biāo)，可以看到，男性用戶在所有轉(zhuǎn)發(fā)用戶中所占的比例與傳播網(wǎng)絡(luò)大小正向顯著相關(guān)。這表明男性用戶對信息的傳播，更可能引起更多人轉(zhuǎn)發(fā)行為，擴(kuò)張傳播網(wǎng)絡(luò)。而認(rèn)證用戶在所有用戶中所占的比例與傳播網(wǎng)絡(luò)的大小關(guān)系并不顯著，可能的解釋是，對于轉(zhuǎn)發(fā)官方微博的內(nèi)容，是否是認(rèn)證用戶進(jìn)行轉(zhuǎn)發(fā)對其他用戶是否進(jìn)行轉(zhuǎn)發(fā)行為影響并不大。

從模型2、4中可以看到官方微博單日的微博發(fā)布數(shù)與傳播網(wǎng)絡(luò)的大小負(fù)向相關(guān)，說明官方微博每日多發(fā)布宣傳內(nèi)容并不能夠引起更多地轉(zhuǎn)發(fā)。而其中的原創(chuàng)比率并不顯著，表明內(nèi)容是否原創(chuàng)與傳播網(wǎng)絡(luò)的大小沒有顯著的影響。

四、結(jié)論與建議

基于社會網(wǎng)絡(luò)特性，本文提出“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)模型，使用爬蟲技術(shù)進(jìn)行數(shù)據(jù)采集，構(gòu)建了官方微博信息擴(kuò)散的影響因素模型，研究發(fā)現(xiàn)：傳播網(wǎng)絡(luò)的屬性特征與傳播網(wǎng)絡(luò)的大小相關(guān)。在傳播網(wǎng)絡(luò)中，參與轉(zhuǎn)發(fā)的用戶之間通過轉(zhuǎn)發(fā)建立更多的關(guān)系能夠幫助信息進(jìn)行擴(kuò)散，圖密度與傳播網(wǎng)絡(luò)大小正向顯著相關(guān)；網(wǎng)絡(luò)直徑與傳播網(wǎng)絡(luò)大小正向顯著相關(guān)，而平均路徑長度與其負(fù)向顯著相關(guān)；性別因素對傳播網(wǎng)絡(luò)的擴(kuò)張有影響。男性用戶對信息的傳播，可能引起更多人轉(zhuǎn)發(fā)行為，擴(kuò)張傳播網(wǎng)絡(luò)，是否認(rèn)證用戶對其他用戶轉(zhuǎn)發(fā)行為影響并不大。官方微博當(dāng)日的微博發(fā)布數(shù)與傳播網(wǎng)絡(luò)的大小負(fù)相關(guān)，發(fā)布內(nèi)容形式是原創(chuàng)或是轉(zhuǎn)發(fā)，對傳播網(wǎng)絡(luò)的擴(kuò)張沒有影響。

根據(jù)研究結(jié)論，對官方微博發(fā)布營銷推廣信息策略提出如下建議。

從微博傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征角度來說，一是官方微博在發(fā)布信息的內(nèi)容上，應(yīng)該多提供一些幫助參與轉(zhuǎn)發(fā)人之間互動(dòng)的內(nèi)容。例如開展網(wǎng)絡(luò)大賽等活動(dòng)進(jìn)行推廣或者發(fā)起轉(zhuǎn)發(fā)抽獎(jiǎng)活動(dòng)，設(shè)置一些獎(jiǎng)項(xiàng)來吸引粉絲的參與。二是在宣傳上應(yīng)當(dāng)采用持續(xù)多日的戰(zhàn)略。三是官方微博在發(fā)布信息內(nèi)容的時(shí)候，應(yīng)當(dāng)采用多樣化的策略。實(shí)證研究表明單一用戶多次轉(zhuǎn)發(fā)，對宣傳營銷起到負(fù)面的效果，通過多樣化的方式，能夠吸引更多的新用戶轉(zhuǎn)發(fā)，幫助信息傳播網(wǎng)絡(luò)擴(kuò)散，起到促進(jìn)宣傳推廣的效果。

從個(gè)體屬性特征來說，轉(zhuǎn)發(fā)網(wǎng)絡(luò)中男性用戶占比越多，該微博被轉(zhuǎn)發(fā)的機(jī)會也就越多。由此，電影官方微博可以多發(fā)布能吸引男性用戶的微博內(nèi)容，擴(kuò)大轉(zhuǎn)發(fā)量。此外，對于電影官方微博來說，認(rèn)證用戶占比與微博單日轉(zhuǎn)發(fā)量關(guān)系并不顯著，可以從側(cè)面反映出認(rèn)證用戶對于微博營銷效果的作用并不體現(xiàn)在轉(zhuǎn)發(fā)微博的認(rèn)證用戶數(shù)量，而主要在于認(rèn)證用戶自身的影響力上。

從官方微博發(fā)布的信息特征來看，單日過多的發(fā)布信息對信息傳播網(wǎng)絡(luò)的擴(kuò)散起到負(fù)面影響，所以，單日內(nèi)“少而精”的內(nèi)容，是幫助營銷推廣的良策。例如電影官方微博賬可以逐漸公布定妝照、劇照、花絮、宣傳片、預(yù)告片等與演員相關(guān)的宣傳資料吸引粉絲的關(guān)注和轉(zhuǎn)發(fā)。

參考文獻(xiàn)：

[1] Marshall McLuhan.理解媒介——論人的延伸[M].何道寬，譯.商務(wù)印書館，2000：37.

[2] 新浪微博數(shù)據(jù)中心. 2015年微博用戶發(fā)展報(bào)告[Z].新浪微博，2015（9）.

[3] 楊曉茹.傳播學(xué)視域中的微博研究[J].當(dāng)代傳播，2010（2）.

[4] 史亞光.企業(yè)微博客營銷策略研究[D].上海：華東師范大學(xué)，2011.

[5] 王海龍.企業(yè)微博營銷的局限性研究[D].北京：中國地質(zhì)大學(xué)，2011.

[6] Jansen， B. J.， Zhang， M. Twitter Power： Tweets as Electronic Word of Mouth[J].Journal of The American Society for Information Science and Technology， 2009， 60（11）：2169-2188.

[7] 金永生，王睿，陳祥兵.企業(yè)微博營銷效果和粉絲數(shù)量的短期互動(dòng)模型[J].管理科學(xué)，2011，24（4）：71-83.

[8] 陳曉明.企業(yè)微博客營銷效果的影響因素分析[D].廣州：暨南大學(xué)，2012.

[9] AkshayJava et al. Why We Twitter： Understanding Microblogging Usage and Communities[C].Procedings of the Joint 9th WEBKDD and 1st SNA-KDD Workshop， 2007.

[10]Teutle，A.R.M. Twitter： Network properties analysis[C].2010 20th International Conference on Electronics， Communications and Computer（CONIELECOMP），2010，18：180-186.

[11]Cialuba，W.， Aberer， K. （n.d.）. Outtweeting the Twitterers-Predicting Information Cascades in Microblogs[C].3rd Workshop on Online Social Networks， WOSN，2010.

[12]平亮，宗利永.基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究[J].圖書情報(bào)知識，2010（6）.

The Effects of Social Network Characteristics on the Microblog Marketing

——An Empirical Study based on the Panel Data of Official Movie Microblogs

SUN Jiang-hua， YAN Shi-jin

（School of Economics and Management， Communication University of China， Beijing 100024，China）

Abstract：Taking Sina Microblog as object of study， using social network analysis technology and starting from the characteristics of dynamic information dissemination network， this paper constructs the hypothesis model， which takes topology structure of micro-blog′s network， the individual attribute and the information characteristic of official micro-blog release as variables to explore its effect on microblog marketing. Research shows that the characteristics of the propagation network are related to the size of the propagation network， the gender affects the expansion of the propagation network， and the number of official microblogs posted on the day is negatively correlated with the size of the propagation network.

Key words：Micro-blog marketing； social networks； panel data； fixed effects regression model

（責(zé)任編輯：周正）

猜你喜歡

固定效應(yīng)模型微博營銷社會網(wǎng)絡(luò)

創(chuàng)造與替代：對外投資與本地就業(yè)關(guān)系研究

昆明理工大學(xué)學(xué)報(bào)·社科版(2016年6期)2017-01-13

城市新移民社會適應(yīng)與社會網(wǎng)絡(luò)協(xié)同模擬框架研究

現(xiàn)代商貿(mào)工業(yè)(2016年11期)2016-12-26

旅游目的地合作中網(wǎng)絡(luò)治理模式研究

旅游學(xué)刊(2016年9期)2016-12-06

杭州費(fèi)加羅婚禮策劃公司的網(wǎng)絡(luò)營銷策略研究

商情(2016年40期)2016-11-28

企業(yè)管理中社會網(wǎng)絡(luò)的運(yùn)用及相關(guān)問題闡述

商場現(xiàn)代化(2016年22期)2016-10-18

我國商業(yè)健康險(xiǎn)保費(fèi)收入影響因素實(shí)證分析

商(2016年24期)2016-07-20

商業(yè)研究2017年2期

商業(yè)研究的其它文章

網(wǎng)上代銷雙渠道閉環(huán)供應(yīng)鏈的定價(jià)與協(xié)調(diào)決策

消費(fèi)者在線購買參照點(diǎn)形成機(jī)制分析

采購商重復(fù)購買意愿影響因素研究

我國工業(yè)碳解鎖動(dòng)態(tài)演變進(jìn)程及其影響因素研究

基于高頻波動(dòng)率的銅鋁期貨動(dòng)態(tài)關(guān)聯(lián)性研究