網(wǎng)紅社交媒體傳播及消費(fèi)者情感傾向分析
——以網(wǎng)紅品牌“喜茶”為例

周延風(fēng)，張 婷，陳少娜

(中山大學(xué) 管理學(xué)院，廣東 廣州 510275)

一、 引 言

隨著Web 2.0技術(shù)和社交媒體的興起，現(xiàn)實(shí)商業(yè)中的網(wǎng)紅經(jīng)濟(jì)迅猛發(fā)展，不同類型的網(wǎng)紅呈現(xiàn)于公眾視野。單就餐飲行業(yè)而言，就有“西少爺肉夾饃”、“鮑師傅”、“喜茶”、“一點(diǎn)點(diǎn)”、“桃園眷村”等網(wǎng)紅品牌。憑借新穎獨(dú)特的產(chǎn)品、與時(shí)俱進(jìn)的營(yíng)銷策略，網(wǎng)紅品牌曾經(jīng)或正在經(jīng)歷著人們的廣泛討論，而人們討論的陣地多聚集于推特、臉書、微信、微博等社交媒體。這些討論所產(chǎn)生的海量用戶生成內(nèi)容(User-generated Content)對(duì)廣告的精準(zhǔn)投放、品牌傳播、顧客融入具有重要的潛在商業(yè)價(jià)值。

盡管有關(guān)網(wǎng)紅的用戶生成內(nèi)容體量巨大，但將這些內(nèi)容轉(zhuǎn)化為對(duì)品牌管理有效的信息依然存在一定的挑戰(zhàn)(Liu等，2017)[1]。一方面，現(xiàn)有研究方法尚不能充分提取社交媒體上以圖片和文字等非結(jié)構(gòu)或半結(jié)構(gòu)形式存在的數(shù)據(jù)所蘊(yùn)含的意義；另一方面，社交媒體用戶數(shù)量巨大并持續(xù)增長(zhǎng)，他們生成的內(nèi)容不計(jì)其數(shù)，如何從大數(shù)據(jù)中快速準(zhǔn)確地識(shí)別品牌難度較大，且對(duì)速度和準(zhǔn)確率有很高的要求。例如，騰訊公布的2017年第二季度及中期業(yè)績(jī)顯示，微信和WeChat的合并月活躍賬戶數(shù)達(dá)到9.63億，①而新浪發(fā)布的2017年第二季度財(cái)報(bào)顯示，微博的月活躍用戶數(shù)從2016年6月的2.82億增長(zhǎng)至2017年6月的3.61億。*數(shù)據(jù)來源：新浪http://tech.sina.com.cn/i/2017-08-09/doc-ifyitapp3476655.shtml(2017-08-09)[2017-09-20].此外，當(dāng)前網(wǎng)紅研究主要從傳播學(xué)視角展開，對(duì)網(wǎng)紅的界定局限于網(wǎng)絡(luò)紅人，這些研究以思辨性研究為主，重在對(duì)網(wǎng)紅現(xiàn)象進(jìn)行描述解釋、探討網(wǎng)紅的成因，缺乏從營(yíng)銷學(xué)角度運(yùn)用大量客觀數(shù)據(jù)深度分析網(wǎng)紅的成因及消費(fèi)者對(duì)網(wǎng)紅的態(tài)度、情感及行為意向。

事實(shí)上，網(wǎng)紅的發(fā)展離不開營(yíng)銷的促進(jìn)，特別是社交媒體營(yíng)銷在網(wǎng)紅的發(fā)展中作用顯著。社交媒體中有一類用戶，如新浪微博中的“大V”，他們擁有大量的粉絲，所發(fā)表的言論影響廣泛，俗稱意見領(lǐng)袖。意見領(lǐng)袖在新產(chǎn)品的擴(kuò)散和采用中發(fā)揮著重要作用(Iyengar等，2009)[2]。那么在網(wǎng)紅的發(fā)展過程中，意見領(lǐng)袖扮演什么樣的角色？他們的作用如何體現(xiàn)？ Liu等(2017)指出能夠通過情感分析的方法對(duì)大量的用戶生成內(nèi)容進(jìn)行提取分析，從而得到有關(guān)品牌發(fā)展的結(jié)論[1]。那么消費(fèi)者在社交媒體平臺(tái)討論網(wǎng)紅時(shí)有什么樣的情感傾向？對(duì)這些問題的回答，有助于將社交媒體上的用戶生成內(nèi)容轉(zhuǎn)化為與網(wǎng)紅有關(guān)的洞察，對(duì)塑造網(wǎng)紅品牌形象、網(wǎng)紅消費(fèi)者具有重要的實(shí)踐價(jià)值。

因此本文將以網(wǎng)紅餐飲品牌“喜茶”為例，對(duì)來自新浪微博、騰訊微信等46892條文本數(shù)據(jù)進(jìn)行分析，旨在研究網(wǎng)紅發(fā)展過程中意見領(lǐng)袖的作用及如何識(shí)別關(guān)鍵意見領(lǐng)袖，洞察消費(fèi)者在社交媒體平臺(tái)討論網(wǎng)紅時(shí)的情感傾向，從而識(shí)別不同的消費(fèi)者群體，幫助網(wǎng)紅開展精準(zhǔn)營(yíng)銷。本文的創(chuàng)新之處體現(xiàn)在：(1)研究方法上的創(chuàng)新拓寬了現(xiàn)有的網(wǎng)紅理論研究。文本挖掘技術(shù)和情感分析是適應(yīng)當(dāng)前大數(shù)據(jù)時(shí)代發(fā)展潮流但應(yīng)用并不充分的研究方法，本文通過這些研究技術(shù)對(duì)網(wǎng)紅有關(guān)的用戶生成內(nèi)容進(jìn)行分析，為網(wǎng)紅理論研究提供了客觀證據(jù)支持。此外，本文還拓展了網(wǎng)紅的概念內(nèi)涵，指出網(wǎng)紅不僅指網(wǎng)絡(luò)紅人，還包括抽象的概念、物等。(2)從學(xué)科融合的視角探究網(wǎng)紅現(xiàn)象的一般規(guī)律。結(jié)合傳播學(xué)中的意見領(lǐng)袖理論，從營(yíng)銷學(xué)視角以大量的源于社交媒體的用戶生成內(nèi)容為基礎(chǔ)，本文對(duì)網(wǎng)紅發(fā)展過程中影響力的形成和網(wǎng)紅消費(fèi)者行為、情感進(jìn)行了分析，豐富了網(wǎng)紅研究的學(xué)科視角。

二、 文獻(xiàn)回顧

(一) 網(wǎng)紅相關(guān)研究

關(guān)于什么是網(wǎng)紅，目前尚沒有一致的定義。Gamson(2011)從網(wǎng)紅文化的角度對(duì)網(wǎng)紅進(jìn)行了描述，認(rèn)為網(wǎng)紅既是商品體系，是產(chǎn)業(yè)，又可以是一系列故事[3]。艾瑞咨詢發(fā)布的《2016年中國(guó)網(wǎng)紅生態(tài)研究報(bào)告》中指出“網(wǎng)絡(luò)紅人是指具有個(gè)性化魅力的，通過借助各種互聯(lián)網(wǎng)媒介(社交平臺(tái)、視頻平臺(tái)等)，在與網(wǎng)民的互動(dòng)過程中，通過極強(qiáng)的互動(dòng)能力吸引大批粉絲關(guān)注從而走紅的人。網(wǎng)紅不僅包括顏值美女，還包括在新浪微博、微信、豆瓣等社交平臺(tái)活躍的各垂直領(lǐng)域的意見領(lǐng)袖及達(dá)人，包括游戲、美食、寵物、時(shí)尚、教育、攝影、股票等領(lǐng)域?！?艾瑞咨詢，2016)[4]。該定義包含的對(duì)象廣泛，表明網(wǎng)紅不僅可以是人，還可以是其他的物或概念。國(guó)內(nèi)學(xué)者關(guān)于網(wǎng)紅的界定相對(duì)比較狹隘，主要指借助網(wǎng)絡(luò)平臺(tái)成功走入公眾視野的人(殷俊和張?jiān)略拢?016；王月，2017；敖鵬，2016)[5-7]。本文認(rèn)為網(wǎng)紅不僅指憑借各種互聯(lián)網(wǎng)媒介在公眾中獲得高知名度、廣泛影響力的人，還包括抽象的概念、物等。

在網(wǎng)絡(luò)媒介環(huán)境下，網(wǎng)絡(luò)紅人、營(yíng)銷團(tuán)隊(duì)、傳統(tǒng)媒體及受眾心理需求等利益共同體綜合作用促進(jìn)了網(wǎng)紅的產(chǎn)生。學(xué)者們認(rèn)為網(wǎng)紅經(jīng)歷了三個(gè)發(fā)展階段。第一代網(wǎng)紅是網(wǎng)絡(luò)文字時(shí)代的紅人，以“痞子蔡”等人為代表，主要通過小說、日記、隨筆等形式進(jìn)行內(nèi)容的生產(chǎn)，主要傳播的是信息；第二代網(wǎng)紅是網(wǎng)絡(luò)圖文時(shí)代的紅人，以“芙蓉姐姐”等人為代表，通過圖片和文字內(nèi)容更全面地展示自己，使得人們開始注意信息背后的人；第三代網(wǎng)紅是寬頻時(shí)代和移動(dòng)時(shí)代的紅人，以“Papi醬”等為代表，借助視頻直播平臺(tái)，以直播視頻的形式進(jìn)行內(nèi)容傳播和形象塑造(李化來和沈玲玲，2017)[8]。本文可以看到上述三個(gè)階段的網(wǎng)紅主要是人?，F(xiàn)實(shí)中，動(dòng)物(如不爽貓Tardar、男裝犬模Bodhi)、品牌(如圣羅蘭YSL、喜茶HEYTEA)成為網(wǎng)紅的例子比比皆是，而學(xué)者們對(duì)人之外的網(wǎng)紅關(guān)注較少。由于社交媒體在網(wǎng)紅形成過程中作用凸顯，而社交媒體營(yíng)銷已經(jīng)成為整合營(yíng)銷傳播重要的組成部分(Keller，2016)[9]，在線報(bào)道、博客、評(píng)論、推特在消費(fèi)者網(wǎng)紅品牌決策中具有重要作用(Slater，2015)[10]，本文認(rèn)為很有必要從營(yíng)銷學(xué)視角以大量基于社交媒體的用戶生成內(nèi)容為基礎(chǔ)，展開范疇更寬泛的網(wǎng)紅發(fā)展促進(jìn)因素以及與網(wǎng)紅消費(fèi)者有關(guān)的研究。

(二) 用戶生成內(nèi)容

用戶生成內(nèi)容是人們使用社交媒體所有方式的總和，廣泛流行于2005年(Kaplan和Haenlein，2010)[11]，被用來描述在線的、可公開獲得的、由最終用戶創(chuàng)造的各種形式的媒體內(nèi)容，主要涉及個(gè)人對(duì)產(chǎn)品、服務(wù)或品牌的體驗(yàn)性評(píng)價(jià)(OECD，2007)[12]。用戶生成內(nèi)容形成的環(huán)境概括起來即為社交媒體(Dennhardt，2014)[13]，它有不同的類型，如微博、博客、產(chǎn)品評(píng)論、論壇中的文字、圖片、視頻信息等。

當(dāng)前很多研究使用評(píng)分、瀏覽量、轉(zhuǎn)發(fā)率等量化指標(biāo)來評(píng)價(jià)用戶生成內(nèi)容(Chintagunta等，2011)[14]，盡管這些量化指標(biāo)對(duì)預(yù)測(cè)銷售額和評(píng)價(jià)有一定作用，但仍需要對(duì)在線討論的內(nèi)容進(jìn)行更深度的內(nèi)容分析(Netzer等，2012)[15]。盡管對(duì)海量用戶生成內(nèi)容的分析存在一定的困難，但文本挖掘技術(shù)是一種有效的分析方式(Wedel和Kannan，2016)[16]。已有學(xué)者使用文本挖掘技術(shù)來處理用戶生成內(nèi)容中的文本內(nèi)容。例如，運(yùn)用營(yíng)銷方法和文本挖掘技術(shù)對(duì)產(chǎn)品評(píng)論(來自“消費(fèi)者的聲音”)進(jìn)行分析，可提取產(chǎn)品的屬性信息、對(duì)品牌進(jìn)行定位(Lee和Bradlow，2013)[17]；Tirunillai和Tellis(2014)運(yùn)用主題分析法對(duì)15個(gè)企業(yè)4年內(nèi)350000條評(píng)論進(jìn)行分析，提取出了產(chǎn)品維度和效價(jià)方面的信息，指出品牌定位動(dòng)態(tài)性的重要性[18]；Ma等(2015)甚至構(gòu)建了動(dòng)態(tài)選擇模型，分析社交媒體中消費(fèi)者的抱怨和留言，發(fā)現(xiàn)消費(fèi)者在社交媒體上抱怨的最初動(dòng)機(jī)是向企業(yè)尋求問題解決的方案[19]。

營(yíng)銷學(xué)領(lǐng)域較多關(guān)注用戶生成內(nèi)容對(duì)消費(fèi)者的影響。例如，一項(xiàng)研究以推特上品牌有關(guān)的用戶生成內(nèi)容為分析對(duì)象，選取了5個(gè)行業(yè)20個(gè)品牌的170萬條推文，通過主題和情感的分析，發(fā)現(xiàn)產(chǎn)品、服務(wù)、促銷是消費(fèi)者在推特上互動(dòng)的主要話題，消費(fèi)者對(duì)品牌的情感在行業(yè)內(nèi)或行業(yè)間各有不同(Liu等，2017)[1]。Mcquarrie等(2013)通過對(duì)時(shí)尚博客中的文字和圖片進(jìn)行分析，證實(shí)了擴(kuò)音器效應(yīng)的存在[20]。此外，用戶生成內(nèi)容(在線口碑)可以降低風(fēng)險(xiǎn)，減少消費(fèi)者的信息搜集成本(Floyd等，2014)[21]，顯著影響購(gòu)買意愿 (Jin和Phua，2014)[22]。但是通過用戶生成內(nèi)容對(duì)網(wǎng)紅消費(fèi)者進(jìn)行分析的研究還比較少見。

(三) 意見領(lǐng)袖

意見領(lǐng)袖是指“活躍在人際傳播網(wǎng)絡(luò)中，經(jīng)常為他人提供信息、觀點(diǎn)或建議并對(duì)他人施加個(gè)人影響的人物(郭慶光，2011)[23]”?，F(xiàn)有研究表明意見領(lǐng)袖影響消費(fèi)者決策(King和Summers，1970；Zhao等，2018)[24-25]、勸服效果(Weeks等，2017)[26]。例如，意見領(lǐng)袖作為一種人際影響正向促進(jìn)消費(fèi)者對(duì)電動(dòng)汽車和生物燃料汽車的使用(Jansson等，2017)[27]；社會(huì)性高的意見領(lǐng)袖有助于產(chǎn)品信息的快速傳播，在專業(yè)領(lǐng)域擁有核心地位的意見領(lǐng)袖能夠帶來更多的有效消費(fèi)者(Cho等，2012)[28]。

現(xiàn)有很多文獻(xiàn)探討意見領(lǐng)袖的識(shí)別。一方面，個(gè)人卷入度、產(chǎn)品熟悉度，公開的個(gè)性化(Public Individuation)是區(qū)分意見領(lǐng)袖和非意見領(lǐng)袖最重要的特征(Chan和Misra，1990)[29]；另一方面，特定的人格特質(zhì)(如讓人信服、充滿魅力)、具備某一領(lǐng)域或某些方面豐富的專業(yè)知識(shí)、所處社交網(wǎng)絡(luò)的性質(zhì)(如網(wǎng)絡(luò)關(guān)系的數(shù)量)是成為意見領(lǐng)袖的重要因素(Goldenberg等，2009)[30]，這些識(shí)別依據(jù)著重于從個(gè)體特征的角度判斷意見領(lǐng)袖。也有學(xué)者通過計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)的影響力來確定意見領(lǐng)袖(Trusov等，2010)[31]，在社交網(wǎng)絡(luò)的中心度越高，則越可能被認(rèn)為是意見領(lǐng)袖(Kratzer和Lettl，2009)[32]?？萍家庖婎I(lǐng)袖有關(guān)的研究表明技術(shù)創(chuàng)新和器具熱愛程度能夠預(yù)測(cè)技術(shù)意見領(lǐng)袖(Thakur等，2016)[33]。此外，還可以通過自我報(bào)告的方式識(shí)別意見領(lǐng)袖，即要求被研究者對(duì)他人就特定話題是否向自己尋求建議和信息做出評(píng)價(jià)(Corey，1971)[34]。總體來說，目前識(shí)別意見領(lǐng)袖的方法主要有問卷調(diào)查法和社會(huì)網(wǎng)絡(luò)分析法。這兩種方法在一定程度上有其局限性，如問卷調(diào)查法特別是自我報(bào)告式的方法缺乏客觀性。本文認(rèn)為在當(dāng)前大數(shù)據(jù)時(shí)代，可以借助數(shù)據(jù)挖掘技術(shù)識(shí)別網(wǎng)絡(luò)中的意見領(lǐng)袖。

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)環(huán)境中也出現(xiàn)了意見領(lǐng)袖(所謂的網(wǎng)絡(luò)意見領(lǐng)袖)，他們對(duì)消費(fèi)者行為產(chǎn)生影響。網(wǎng)絡(luò)意見領(lǐng)袖是由生人關(guān)系構(gòu)成的虛擬網(wǎng)絡(luò)(黃敏學(xué)等，2015)[35]。其中，推特意見領(lǐng)袖可以分為頻繁發(fā)布者和頻繁轉(zhuǎn)發(fā)者，推特意見領(lǐng)袖與在線網(wǎng)絡(luò)的規(guī)模具有強(qiáng)聯(lián)系，與在線公民行為顯著正相關(guān)(Park和Kaye，2017)[36]。研究表明在產(chǎn)品傷害危機(jī)情境下，網(wǎng)絡(luò)意見領(lǐng)袖的動(dòng)員方式影響網(wǎng)絡(luò)集群行為，感性動(dòng)員通過引發(fā)憤怒情緒導(dǎo)致網(wǎng)民參與以發(fā)泄不滿情緒為主要目的的非現(xiàn)實(shí)型網(wǎng)絡(luò)集群行為，理性動(dòng)員通過引發(fā)利益剝奪感產(chǎn)生已解決問題、滿足訴求為目的的現(xiàn)實(shí)型網(wǎng)絡(luò)集群行為(青平等，2016)[37]。

三、 研究設(shè)計(jì)

(一) 研究對(duì)象

本文研究對(duì)象的選取結(jié)合了前期的問卷調(diào)研和現(xiàn)實(shí)消費(fèi)實(shí)際。本文進(jìn)行了一項(xiàng)有關(guān)消費(fèi)者網(wǎng)紅品牌認(rèn)知度、購(gòu)買率、購(gòu)買影響因素等的調(diào)查，共發(fā)放問卷392份，收回有效問卷376份。分析發(fā)現(xiàn)，在“鮑師傅”、“喜茶”、“一點(diǎn)點(diǎn)”、“桃園眷村”、“Farine”、“哥老官”、“杏花樓‘青團(tuán)’”、“祿鼎記”、“光之乳酪”、“阿大蔥油餅”等多個(gè)網(wǎng)紅品牌中，消費(fèi)者對(duì)“喜茶”的知曉率和購(gòu)買率最高，分別為70.48%和38.30%，排在第二位的是“祿鼎記”，其知曉率和購(gòu)買率分別為48.40%和28.46%，第三位的是“一點(diǎn)點(diǎn)”，其知曉率和購(gòu)買率分別為44.68%和34.31%，消費(fèi)者對(duì)第四位之后的網(wǎng)紅品牌知曉率在20%左右及以下，與此同時(shí)購(gòu)買率則均未達(dá)到10%。此外，現(xiàn)實(shí)中微博、微信等社交媒體及其他新聞媒體對(duì)“喜茶”討論熱烈。因此本文選擇了“喜茶”做為網(wǎng)紅品牌的代表。

“喜茶”于2012年誕生在廣東省江門市。原名皇茶(Royaltea)，后更名為“喜茶HEYTEA”并于2016年拿到了IDG領(lǐng)投的超過1億元的A輪融資。名震珠三角后，“喜茶”于2017年2月在上海人民廣場(chǎng)開設(shè)分店，消費(fèi)者爭(zhēng)相排隊(duì)購(gòu)買，更有黃牛把一杯均價(jià)二十元的奶茶炒到七八十元?！跋膊琛痹阡N售過程中甚至推行實(shí)名制和限購(gòu)策略。諸多消費(fèi)者以買到“喜茶”并發(fā)朋友圈為榮。有報(bào)道稱，曾有消費(fèi)者找了黃牛，花80元錢買一杯“喜茶”，只為拍照發(fā)微信朋友圈[38]。從“喜茶”的產(chǎn)品、營(yíng)銷策略、消費(fèi)者的追崇、媒體的廣泛關(guān)注等方面可以看到它是名符其實(shí)的網(wǎng)紅。

通過對(duì)社交媒體上有關(guān)“喜茶”的文本數(shù)據(jù)進(jìn)行分析，本文旨在對(duì)“喜茶”的消費(fèi)者進(jìn)行人群畫像，分析“喜茶”發(fā)展過程中關(guān)鍵意見領(lǐng)袖的作用，探究消費(fèi)者在社交平臺(tái)上討論“喜茶”時(shí)的情感傾向。

(二) 研究過程

本文選取2017年1月1日至3月29日發(fā)布于不同社交媒體平臺(tái)(以新浪微博和騰訊微信為主)有關(guān)“喜茶”的文本內(nèi)容為研究對(duì)象，其中微信平臺(tái)不含個(gè)人朋友圈發(fā)布的內(nèi)容?；谂老x技術(shù)和新浪API接口*微博開放商業(yè)數(shù)據(jù)API為企業(yè)接入者提供便捷的獲取微博官方數(shù)據(jù)的通道，從而使企業(yè)接入者可向微博賬號(hào)提供數(shù)據(jù)分析、輿情監(jiān)控、企業(yè)運(yùn)營(yíng)等服務(wù)。商業(yè)數(shù)據(jù)API提供REST接口，接入方通過主動(dòng)調(diào)用REST API的形式，獲取微博、評(píng)論、官方分析數(shù)據(jù)，包括歷史全量數(shù)據(jù)、用戶行為、活躍及互動(dòng)粉絲數(shù)據(jù)、粉絲變化趨勢(shì)等。的技術(shù)對(duì)接，共收集到46892條數(shù)據(jù)，其中包括新聞55條、新浪微博44362條、微信2326條、論壇148條、博客1條。具體數(shù)據(jù)處理的步驟如下：

(1)數(shù)據(jù)清洗。首先，對(duì)收集的所有數(shù)據(jù)，經(jīng)過抽樣處理，識(shí)別出與研究主題無關(guān)的數(shù)據(jù)，如“每日茶知識(shí)每日分享茶知識(shí)，歡迎喜茶者關(guān)注”“娘家人隨即給每個(gè)客人端上一碗加了糖的油茶，稱為‘喜茶’”。從抽樣數(shù)據(jù)里的不相關(guān)數(shù)據(jù)中提取出關(guān)鍵詞，如喜茶者、品茗、老舍、趙佶、娘家人等，進(jìn)行相關(guān)詞匯拓展，如“娘家人”可以拓展至“娘家人、結(jié)婚、喜餅、喜糖、喜蜜、婚禮、敬茶”等，將這些詞判定為噪音詞，從抽樣樣本中整理出去噪腳本的噪音詞庫。其次，根據(jù)去噪腳本，對(duì)全量的數(shù)據(jù)進(jìn)行篩選，刪除提及噪音詞的數(shù)據(jù)。

(2)數(shù)據(jù)挖掘。數(shù)據(jù)挖掘主要對(duì)獲取數(shù)據(jù)的不同維度進(jìn)行剖析，根據(jù)“主體—特征—情感”三元組，構(gòu)建可以量化分析的維度?；谙M(fèi)者性別、地點(diǎn)、發(fā)布平臺(tái)、發(fā)布時(shí)間等數(shù)據(jù)信息，多層次地刻畫用戶畫像。根據(jù)消費(fèi)者的購(gòu)買、飲用(分為已消費(fèi)者和未消費(fèi)者)與評(píng)價(jià)(正面、中性、負(fù)面評(píng)價(jià))構(gòu)建五維度情感分析。

(3)可視化分析。制作圖表，清晰呈現(xiàn)數(shù)據(jù)結(jié)果。針對(duì)文本等不可直接量化的分析結(jié)果，以制作詞云的方式，把主要的文本信息具像化地呈現(xiàn)出來。借助詞云工具可直接制作詞云圖。詞云的制作包含三個(gè)步驟。首先，分解句子，對(duì)完整的句子進(jìn)行主謂賓的拆解，如“喜茶來了，我和一點(diǎn)點(diǎn)的故事結(jié)束了”可拆解為“喜茶/來/了，我/和/一點(diǎn)點(diǎn)/的/故事/結(jié)束/了”。其次，剔除無意義的詞匯，如語氣詞。最后，對(duì)有意義的詞匯進(jìn)行詞頻計(jì)算，根據(jù)詞頻制作詞云，詞頻越高的詞匯在詞云中字號(hào)越大。

四、 研究結(jié)果

(一) 網(wǎng)紅消費(fèi)者畫像及傳播過程中關(guān)鍵意見領(lǐng)袖的作用分析

1.網(wǎng)紅消費(fèi)者畫像分析?！跋膊琛毕M(fèi)者有其特定的人群特征。分析結(jié)果顯示，女性消費(fèi)者(79.12%)更熱衷于討論“喜茶”。地域分布方面，討論量居前十的省市中，上海市位居首位，廣東省排第二，江浙地區(qū)和北京市的網(wǎng)友討論熱情很高(高于廣西)，湖北、福建和四川省的網(wǎng)友也積極參與“喜茶”相關(guān)的討論。討論“喜茶”網(wǎng)民數(shù)量最多的上海，具體到區(qū)域分布上，占比最高的是浦東區(qū)，徐匯區(qū)和黃浦區(qū)并列第二。有趣的是，在微博網(wǎng)頁客戶端發(fā)布“喜茶”討論信息的男性比例明顯高于女性。此外，“喜茶”討論信息發(fā)布時(shí)段集中于下午5點(diǎn)至6點(diǎn)、晚上7點(diǎn)至11點(diǎn)。

此外，網(wǎng)紅消費(fèi)者具有獨(dú)特的行為表現(xiàn)。首先，網(wǎng)紅消費(fèi)者非常看重網(wǎng)紅產(chǎn)品的外觀屬性，追求“高顏值”。他們?cè)谏缃幻襟w上討論網(wǎng)紅品牌和產(chǎn)品時(shí)，主要圍繞產(chǎn)品的包裝、店面的裝修環(huán)境及風(fēng)格等內(nèi)容進(jìn)行展開。例如，很多消費(fèi)者提到“‘喜茶’包裝好看，適合拍照曬美圖”、“‘喜茶’的店面裝修有特色，對(duì)標(biāo)‘星巴克’，在享受奶茶時(shí)感受到濃濃的小資氛圍”。其次，網(wǎng)紅消費(fèi)者十分注重感官體驗(yàn)和社交體驗(yàn)。消費(fèi)者在討論“喜茶”時(shí)，亦提及了其他當(dāng)紅美食，如“肉松小貝”“鮑師傅”“哥老官”“杏花樓青團(tuán)”“阿大蔥油餅”“光之乳酪”“探魚”等品牌，提及上述品牌的微博共有2617條。消費(fèi)者圍繞口味展開了豐富的討論，像“哥老官”、“探魚”具有高刺激性，這種強(qiáng)烈的感官刺激給消費(fèi)者帶來愉悅和滿足感。同時(shí)網(wǎng)紅消費(fèi)者樂于分享，他們是社交媒體中的活躍分子，喜歡將日常生活中的趣事分享于微信、微博等社交媒體，從而獲取積極的社交體驗(yàn)。再次，網(wǎng)紅消費(fèi)者追求時(shí)尚，愿意為網(wǎng)紅品牌支付更高的價(jià)格。網(wǎng)紅消費(fèi)者追求時(shí)尚的生活態(tài)度與消費(fèi)體驗(yàn)。一般而言，網(wǎng)紅品牌的價(jià)格高于品類平均水平，正如“喜茶”被追崇的消費(fèi)者定位為奶茶中的“星巴克”，但網(wǎng)紅消費(fèi)者依然表現(xiàn)出很高的忠誠(chéng)度和購(gòu)買率。最后，網(wǎng)紅消費(fèi)者熱愛新事物、追求創(chuàng)新與多樣性。這可以從消費(fèi)者對(duì)網(wǎng)紅新產(chǎn)品的追捧中窺見一斑。例如，“喜茶”的消費(fèi)者除了熱愛主打產(chǎn)品“金鳳茶王”“滿杯紅柚”等，對(duì)其季節(jié)性新品，如“芝士莓莓”“芝士芒芒”等情有獨(dú)鐘。

2.傳播過程中關(guān)鍵意見領(lǐng)袖的作用分析。在關(guān)鍵意見領(lǐng)袖的帶動(dòng)下，消費(fèi)者對(duì)“喜茶”展開了熱烈的討論。數(shù)據(jù)分析截取時(shí)間段內(nèi)，新浪微博上發(fā)布的44362條微博中，曝光量*曝光量指單條微博最大可能性地觸達(dá)到多少網(wǎng)民，曝光量=發(fā)布微博的粉絲數(shù)+轉(zhuǎn)發(fā)微博的粉絲數(shù)總計(jì)超過4.7億(475140197)人次，轉(zhuǎn)發(fā)數(shù)達(dá)123471人次，評(píng)論數(shù)達(dá)118307人次，點(diǎn)贊數(shù)達(dá)105408人次，總互動(dòng)量*互動(dòng)量=轉(zhuǎn)發(fā)數(shù)+評(píng)論數(shù)+點(diǎn)贊數(shù)總計(jì)347186人次。從討論趨勢(shì)圖(圖1)可以看出，2月9日后有關(guān)“喜茶”的討論大幅增加，在2月27日左右達(dá)到峰值(3524條討論)，討論高峰的主要聲量由關(guān)鍵意見領(lǐng)袖發(fā)起，然后帶動(dòng)較多的轉(zhuǎn)發(fā)層次，擴(kuò)大了社交媒體上有關(guān)“喜茶”的討論聲量。本文找到了引發(fā)“喜茶”討論的那條微博，該微博是由微博號(hào)為“TheMorpheus”的消費(fèi)者在2月9號(hào)發(fā)布的，微博題為“喜茶來了，我跟一點(diǎn)點(diǎn)的故事結(jié)束了”。該微博的轉(zhuǎn)發(fā)量為5490次，討論數(shù)量3558條，點(diǎn)贊數(shù)2168個(gè)，其轉(zhuǎn)發(fā)層級(jí)為19層，其中有11個(gè)超過十萬粉絲的微博大號(hào)進(jìn)行了轉(zhuǎn)發(fā)。此外，日討論量最高的是2月28日，由澎湃新聞發(fā)布的一條微博，帶來了5273次轉(zhuǎn)發(fā)，3956次評(píng)論，564次點(diǎn)贊，這條微博的轉(zhuǎn)發(fā)層級(jí)高達(dá)20層。

圖1 “喜茶”的討論趨勢(shì)圖

表1 關(guān)鍵意見領(lǐng)袖識(shí)別的轉(zhuǎn)發(fā)數(shù)及粉絲數(shù)

表2 部分微博內(nèi)容轉(zhuǎn)發(fā)數(shù)、層級(jí)數(shù)及關(guān)鍵轉(zhuǎn)發(fā)人比例

(二) 網(wǎng)紅消費(fèi)者情感傾向分析

情感分析是自然語言處理的一個(gè)分支，是一種以效價(jià)為依據(jù)對(duì)文本進(jìn)行自動(dòng)分類的方法，主要研究觀點(diǎn)中表達(dá)或隱含的積極或消極情感(Liu，2012)[39]?，F(xiàn)有研究非常關(guān)注社交媒體中內(nèi)容的情感分析。例如可通過分析推特上的情感以預(yù)測(cè)股票市場(chǎng)的漲跌(Bollen等，2010)[40]。本文運(yùn)用情感分析對(duì)消費(fèi)者情感傾向進(jìn)行探究，經(jīng)分析發(fā)現(xiàn)，在微博平臺(tái)上，共44362條微博談及“喜茶”，依據(jù)討論者的消費(fèi)行為、消費(fèi)后評(píng)價(jià)和態(tài)度，本文把已喝過“喜茶”的消費(fèi)者標(biāo)注為“已消費(fèi)者”和未喝過“喜茶”的消費(fèi)者標(biāo)注為“未消費(fèi)者”。接著，再把“已消費(fèi)者”的消費(fèi)后評(píng)價(jià)和態(tài)度分為三類：表示成功“拔草”的消費(fèi)者，*指有嘗試意愿并在第一次消費(fèi)之后做出積極評(píng)價(jià)的消費(fèi)者群體。喝完表示不好喝的“失望者”，喝完之后表示滿足的忠實(shí)消費(fèi)者；把“未消費(fèi)者”的消費(fèi)后評(píng)價(jià)和態(tài)度分為兩類：被“種草”*被“種草”：網(wǎng)絡(luò)流行語，指受他人推薦，或自己根據(jù)外界信息，對(duì)某事物產(chǎn)生體驗(yàn)或購(gòu)買欲望。的潛在消費(fèi)者、表示無法理解的“拒絕者”。本文共識(shí)別出36551位上述五類消費(fèi)者(占總微博發(fā)布者的82.39%)，其余消費(fèi)者只是單純的轉(zhuǎn)發(fā)而并未有任何情感傾向的表達(dá)。從數(shù)據(jù)可以明顯看出，“喜茶”的“已消費(fèi)者”占比將近七成，而“未消費(fèi)者”約為三成，其中25.55%的消費(fèi)者表示想喝，只有5.76%的消費(fèi)者表示無法理解，拒絕排隊(duì)購(gòu)買“喜茶”?？梢姟跋膊琛庇写罅康默F(xiàn)有及潛在消費(fèi)者?！跋膊琛闭J(rèn)知者分類情況見表3。

表3 “喜茶”認(rèn)知者分類情況

依據(jù)評(píng)估理論(Appraisal Theory)中區(qū)分的16種情感，具體為驚喜(Surprise)、期待(Hope)、害怕(Fear)、愉悅(Joy)、釋然(Relief)、難過(Sadness)、苦難(Distress)、厭惡(Disgust)、沮喪(Frustration)、喜歡(Liking)、不喜歡(Dislike)、憤怒(Anger)、自豪(Pride)、恥辱(Shame)、罪惡感(Guilt)、后悔(Regret)(Roseman等，1990)[41]，本文對(duì)五類消費(fèi)者的情感傾向進(jìn)行歸納。

第一類：被“種草”但還沒喝到“喜茶”的潛在消費(fèi)者。他們?cè)谏缃幻襟w上表達(dá)出“期待”“喜歡”“愉悅”和“驚喜”的情感。該類消費(fèi)者的微博討論分詞分析結(jié)果有“想喝”“叫我”“要喝”“誘惑”“可愛”“鼓掌”“最喜歡”“真棒”“快樂”“吃驚”“我們這里沒有”“先馬”*網(wǎng)絡(luò)流行語，“馬”和“碼”都是Mark的音譯，意為先標(biāo)記下來?！跋麓卧偃ピ嚒?，其中“想喝”“叫我”“要喝”“吃驚”的提及頻次分別達(dá)4329次、1629次、1003次和841次。他們表示希望“喜茶”在自己所在城市開分店，會(huì)約朋友一起去購(gòu)買。這些消費(fèi)者最種草的產(chǎn)品有“水果系列”“四季春”“紅茶”等。呼聲最高的消費(fèi)者來自上海、成都、重慶、武漢、長(zhǎng)沙等地，其中主要的消費(fèi)者以女性為主，84.02%的女性表示被種草想喝，只有15.98%的男性表示想喝。

第二類：成功“拔草”的第一次喝到“喜茶”的消費(fèi)者。通過對(duì)這類消費(fèi)者的討論進(jìn)行詞頻分析，本文發(fā)現(xiàn)這群消費(fèi)者滿懷欣喜，在社交媒體上表達(dá)著自己愿望達(dá)成后的喜悅心情，“終于喝到傳說中心心念念的喜茶”“拔草了一直想喝的喜茶”。該類消費(fèi)者大多跟朋友一起排隊(duì)購(gòu)買，基于嘗試的心態(tài)加上朋友陪伴，使得他們即使排隊(duì)也樂在其中。討論過程中，該類消費(fèi)者有拍照片發(fā)朋友圈炫耀的、有評(píng)價(jià)說“好吃”和包裝杯子可愛的、有自認(rèn)是“跟風(fēng)”和“湊熱鬧”的，其中也不乏很多消費(fèi)者沖著剛開業(yè)“買一送一”的促銷活動(dòng)前往購(gòu)買。拔草成功的消費(fèi)者，女性占比85.76%，男性占比14.24%。

第三類：喝完表示不好喝的“失望者”。通過分析發(fā)現(xiàn)，該類消費(fèi)者主要呈現(xiàn)出“不喜歡” “沮喪”“難過”“憤怒”等消極情感。討論中，消費(fèi)者表示“不好喝”“難喝”“沒有想象中好喝”“不值得”“失望” “白排了”“一次就夠了”“再也不去”“可憐”“再好喝也不至于排那么久”“好不開心”等。其中，“不好喝”提及次數(shù)達(dá)413次。 消費(fèi)者表達(dá)消極情感的主要原因是排隊(duì)時(shí)間過長(zhǎng)，很多消費(fèi)者提及排了2小時(shí)、3小時(shí)、7小時(shí)的隊(duì)伍，由于排隊(duì)時(shí)間長(zhǎng)提高了消費(fèi)者的期望水平，消費(fèi)之后容易出現(xiàn)不滿意的情況。此外，有大部分不滿意的消費(fèi)者提到競(jìng)爭(zhēng)品牌“一點(diǎn)點(diǎn)”，“個(gè)人口感問題吧，感覺排2小時(shí)買‘喜茶’不值得，還不如去喝‘一點(diǎn)點(diǎn)’”。失望的消費(fèi)者中，女性占比80.78%，男性占比19.22%，失望者的男性比例在五類消費(fèi)者中占比較高，僅次于拒絕者中男性比例。其中失望者主要來自上海和廣東，上海的失望者比例為37.51%，廣東的失望者比例則為13.02%。

第四類：表示滿足的忠實(shí)消費(fèi)者。該類消費(fèi)者的討論主要涉及“自豪”“愉悅”“喜歡”等積極情感。消費(fèi)者265次提到“滿足”，114次提到“贏家”，對(duì)喜歡的產(chǎn)品也會(huì)特意提及。他們表示喝到“喜茶”后超級(jí)滿足，愛上了“喜茶”，“喜茶”比滿大街的奶精沖泡的奶茶好喝多了。評(píng)價(jià)中也提到了“喜茶”的原料，被提及最多的產(chǎn)品是新品“芝士莓莓”。這些忠實(shí)的消費(fèi)者紛紛表示“一次就上癮，希望開遍世界”“希望迅速可以開遍全國(guó)”。還有很多消費(fèi)者是在“喜茶”還沒有這么火爆、不需要排隊(duì)時(shí)，就已經(jīng)是忠實(shí)的消費(fèi)者，他們表示“懷念‘喜茶’只用排五分鐘的日子”。這些忠實(shí)的消費(fèi)者還主動(dòng)提到“喜茶”的廣告語“靈感之茶”，而在其他幾類消費(fèi)者討論最多的詞語中沒有發(fā)現(xiàn)有提到“喜茶”廣告語的。這也證實(shí)了忠誠(chéng)消費(fèi)者對(duì)品牌的重要價(jià)值。本文也發(fā)現(xiàn)女性消費(fèi)者的忠誠(chéng)度遠(yuǎn)高于男性消費(fèi)者，有84.37%的女性忠實(shí)者，而男性忠實(shí)者僅為15.63%。在地域分布上，上海消費(fèi)者表現(xiàn)出了最高的忠誠(chéng)度，有29.82%的忠誠(chéng)消費(fèi)者來自上海。

第五類：表示無法理解的“拒絕者”。分析發(fā)現(xiàn)，該類消費(fèi)者主要表達(dá)了“厭惡”情感。具體如消費(fèi)者提到的“神經(jīng)病”“人來瘋”“瘋了” “智障”“吃飽了撐著”“深井病”等詞匯。這部分消費(fèi)者主要表現(xiàn)出不理解，“為了一杯奶茶至于嗎？”“排隊(duì)的人真是吃飽了撐著”“神經(jīng)病”“喝了能成仙嗎”等等。消費(fèi)者拒絕的主要原因是“喜茶”的排隊(duì)等候時(shí)間太長(zhǎng)。在表達(dá)出消極情感，持抵觸情緒的此類消費(fèi)者中，女性占65.45%，男性占34.55%，這也是五類消費(fèi)者中女性比例最低、男性占比最高的一類消費(fèi)者。拒絕者主要分布在上海、廣東、江蘇、北京。

通過數(shù)據(jù)清洗、數(shù)據(jù)挖掘和可視化分析，本文識(shí)別了社交媒體上網(wǎng)紅消費(fèi)者的主要行為特征，并分別得出了五類消費(fèi)者的主要情感表達(dá)傾向及人口統(tǒng)計(jì)特征。

五、 結(jié)論、啟示與展望

(一) 結(jié)論

運(yùn)用文本挖掘技術(shù)對(duì)來自微博、微信等社交媒體平臺(tái)46892條有關(guān) “喜茶”的用戶生成內(nèi)容進(jìn)行分析，本文得到了“喜茶”消費(fèi)者性別比例、地域分布、媒體使用習(xí)慣等重要特征；提煉出了網(wǎng)紅消費(fèi)者重視網(wǎng)紅產(chǎn)品外觀屬性、追求“高顏值”，注重感官體驗(yàn)、社交體驗(yàn)，追求時(shí)尚、愿意為網(wǎng)紅品牌支付更高價(jià)格，熱愛新事物、追求創(chuàng)新與多樣性等特有的行為表現(xiàn)。依據(jù)轉(zhuǎn)發(fā)數(shù)、轉(zhuǎn)發(fā)層級(jí)數(shù)、粉絲數(shù)，本文找到了促進(jìn)“喜茶”社交媒體傳播影響力提升的關(guān)鍵意見領(lǐng)袖，然后發(fā)現(xiàn)關(guān)鍵意見領(lǐng)袖在網(wǎng)紅知名度的提升過程中扮演著非常重要的角色，通過關(guān)鍵意見領(lǐng)袖的帶動(dòng)，可以引發(fā)網(wǎng)紅相關(guān)話題討論的高峰，形成消費(fèi)者對(duì)網(wǎng)紅有關(guān)信息更多層級(jí)的瀏覽、轉(zhuǎn)發(fā)，對(duì)現(xiàn)有消費(fèi)者和潛在消費(fèi)者的品牌認(rèn)知、購(gòu)買行為帶來影響。這在一定程度上證實(shí)了意見領(lǐng)袖在網(wǎng)紅信息傳播中的關(guān)鍵作用，與以往研究認(rèn)為意見領(lǐng)袖影響消費(fèi)者行為的結(jié)論保持一致(Lyons和Henderson，2005；Chaudhry和Irshad，2013)[42-43]。此外，本文發(fā)現(xiàn)消費(fèi)者在社交媒體平臺(tái)討論網(wǎng)紅過程中會(huì)傳遞出對(duì)網(wǎng)紅的情感傾向。不同類型的消費(fèi)者會(huì)表達(dá)出差異化的情感，這些情感或偏重積極層面，或偏重消極層面。例如，“喜茶”忠誠(chéng)的消費(fèi)者能夠熟悉并主動(dòng)傳播網(wǎng)紅品牌廣告語，對(duì)“喜茶”呈現(xiàn)出積極情感，表達(dá)再次購(gòu)買意愿等。

(二) 啟示

本文的理論貢獻(xiàn)體現(xiàn)在：第一，盡管當(dāng)前我國(guó)網(wǎng)紅經(jīng)濟(jì)快速發(fā)展，但學(xué)者們對(duì)網(wǎng)紅的定義并不一致并且狹隘，從理論視角并運(yùn)用用戶生成內(nèi)容對(duì)網(wǎng)紅現(xiàn)象進(jìn)行分析的研究還比較缺乏，本文的分析有助于促進(jìn)網(wǎng)紅相關(guān)的理論研究。第二，本文以“喜茶”消費(fèi)者的消費(fèi)態(tài)度、評(píng)價(jià)和行為為基礎(chǔ)，結(jié)合情感分析法把“喜茶”消費(fèi)者分成了五類，這種運(yùn)用客觀數(shù)據(jù)進(jìn)行消費(fèi)者分類的方法，為消費(fèi)者市場(chǎng)細(xì)分提供了新的思路，有助于充實(shí)消費(fèi)者市場(chǎng)細(xì)分理論。第三，以往研究大多通過問卷調(diào)查獲取數(shù)據(jù)從而識(shí)別意見領(lǐng)袖，在當(dāng)前web 2.0時(shí)代，大量消費(fèi)者參與內(nèi)容制造，形成了海量用戶生成內(nèi)容，本文通過文本挖掘技術(shù)能夠有效地識(shí)別網(wǎng)紅信息傳播過程中的關(guān)鍵意見領(lǐng)袖，提供了互聯(lián)網(wǎng)情境下識(shí)別意見領(lǐng)袖的新方式，豐富了意見領(lǐng)袖理論研究。

此外，本文對(duì)網(wǎng)紅實(shí)施品牌管理具有很好的營(yíng)銷實(shí)踐價(jià)值。首先，網(wǎng)紅要重視消費(fèi)者社交媒體中傳達(dá)的情感信息，依據(jù)不同類型的情感做出有針對(duì)性的響應(yīng)。消費(fèi)者能夠傳播網(wǎng)紅有關(guān)的或積極或消極的情感，而關(guān)于正面情感，如喜歡、期待，能夠給網(wǎng)紅帶來積極的價(jià)值。針對(duì)表達(dá)積極情感的潛在消費(fèi)者，網(wǎng)紅營(yíng)銷管理者可以開發(fā)更有新意和有吸引力的產(chǎn)品，輔以促銷活動(dòng)(如直接打折、數(shù)量折扣)；針對(duì)表達(dá)積極情感的現(xiàn)有消費(fèi)者，可以借助社會(huì)規(guī)范的影響，采用推薦獎(jiǎng)勵(lì)計(jì)劃，鼓勵(lì)現(xiàn)有消費(fèi)者推薦自己的朋友前來消費(fèi)，同時(shí)做好忠實(shí)消費(fèi)者的維護(hù)；針對(duì)表達(dá)消極情感的失望者和拒絕者，網(wǎng)紅營(yíng)銷管理者應(yīng)分析其根本原因，本文中消費(fèi)者對(duì)網(wǎng)紅“喜茶”失望和拒絕的主要原因是其購(gòu)買時(shí)排隊(duì)時(shí)間過長(zhǎng)，除去網(wǎng)上一直熱議的“喜茶”雇人排隊(duì)的說法，“喜茶”應(yīng)從產(chǎn)品制作流程、服務(wù)管理方面進(jìn)行優(yōu)化改進(jìn)，同時(shí)注意競(jìng)爭(zhēng)對(duì)手分析，減少顧客流失率。其次，網(wǎng)紅可以通過文本挖掘技術(shù)，依據(jù)轉(zhuǎn)發(fā)數(shù)、轉(zhuǎn)發(fā)層級(jí)數(shù)、粉絲數(shù)進(jìn)行意見領(lǐng)袖管理。意見領(lǐng)袖的選擇過程中，關(guān)鍵意見領(lǐng)袖的真實(shí)觸達(dá)率直接影響著營(yíng)銷效果，因此需要選擇粉絲數(shù)量大、與消費(fèi)者連接緊密的關(guān)鍵意見領(lǐng)袖，通過他們帶動(dòng)其追隨者注意、轉(zhuǎn)發(fā)自己關(guān)注的信息，將粉絲轉(zhuǎn)化為消費(fèi)者，讓關(guān)鍵意見領(lǐng)袖為品牌帶來積極溢價(jià)。最后，網(wǎng)紅可根據(jù)情感分析實(shí)施精準(zhǔn)定位，充分借助社交媒體平臺(tái)開展?fàn)I銷活動(dòng)。在當(dāng)前豐富的大數(shù)據(jù)環(huán)境下，網(wǎng)紅在品牌形象塑造過程中，可以借助社交媒體大數(shù)據(jù)精準(zhǔn)快速地獲得跨平臺(tái)消費(fèi)數(shù)據(jù)，通過文本數(shù)據(jù)分析和情感分析，識(shí)別其消費(fèi)者，分析消費(fèi)者喜好，為其現(xiàn)有及潛在消費(fèi)者進(jìn)行畫像，刻畫消費(fèi)者的外部特征及情感傾向，從而獲取更多的流量，為消費(fèi)者提供有針對(duì)性的產(chǎn)品，實(shí)現(xiàn)更多的消費(fèi)者轉(zhuǎn)化。

(三) 展望

盡管本文在理論和實(shí)踐上對(duì)網(wǎng)紅品牌營(yíng)銷管理提供了一定的洞察，但在收集社交媒體平臺(tái)上有關(guān)“喜茶”的文本內(nèi)容過程中，由于隱私保護(hù)的緣故未能獲取有關(guān)消費(fèi)者個(gè)人微信朋友圈發(fā)布的“喜茶”有關(guān)的內(nèi)容。通常，個(gè)人微信朋友圈是消費(fèi)者表達(dá)情感的重要平臺(tái)，如果能夠獲取這部分?jǐn)?shù)據(jù)更能充實(shí)本研究中有關(guān)消費(fèi)者討論“喜茶”時(shí)情感傾向分析的內(nèi)容。因此，未來研究可以考慮通過便利抽樣及滾雪球抽樣的方式，增加個(gè)人微信朋友圈中有關(guān)網(wǎng)紅的文本數(shù)據(jù)，檢驗(yàn)研究結(jié)論的穩(wěn)定性。

參考文獻(xiàn):

[1]LIU X,BURNS A C,HOU Y.An investigation of brand-related user-generated content on twitter[J].Journal of Advertising,2017,46(2):1-12.

[2]IYENGAR R,BULTE C V D,VALENTE T W.Opinion leadership and social contagion in new product diffusion[J].Marketing Science,2009,30(2):224-229.

[3]GAMSON J.The unwatched life is not worth living:the elevation of the ordinary in celebrity culture[J].Pmla Publications of the Modern Language Association of America,2011,126(4):1061-1069.

[4]艾瑞咨詢.中國(guó)網(wǎng)紅生態(tài)研究報(bào)告[R].上海:艾瑞咨詢集團(tuán),2016：3.

[5]殷俊,張?jiān)略?“網(wǎng)紅”傳播現(xiàn)象分析[J].新聞與寫作,2016(9):64-66.

[6]王月.消費(fèi)社會(huì)的轉(zhuǎn)型:從消費(fèi)明星到消費(fèi)網(wǎng)紅[J].現(xiàn)代傳播:中國(guó)傳媒大學(xué)學(xué)報(bào),2017,39(2):23-26.

[7]敖鵬.網(wǎng)紅為什么這樣紅?——基于網(wǎng)紅現(xiàn)象的解讀和思考[J].當(dāng)代傳播(漢文版),2016(4):40-44.

[8]李化來,沈玲玲.網(wǎng)紅現(xiàn)象的傳播學(xué)解讀[J].編輯之友,2017(5):65-68.

[9]KELLER K L.Unlocking the power of integrated marketing communications:how integrated is your IMC program?[J].Journal of Advertising,2016,45(3):1-16.

[10]SLATER S.Unpacking celebrity brands through unpaid market communications[J].Journal of Marketing Management,2015,31(5/6):665-684.

[11]KAPLAN A M,HAENLEIN M.Users of the world,unite! the challenges and opportunities of social media[J].Business Horizons,2010,53(1):59-68.

[12]OECD.Participative web:user-created content working party on the information economy[R].Paris:Organisation for Economic Co-operation and Development,2007:8-9.

[13]DENNHARDT S.User-generated content and its impact on branding:how users and communities create and manage Brands in Social Media[M].Wiesbaden: Springer Gabler,2014:4.

[14]CHINTAGUNTA P K, GOPINATH S,VENKATARAMAN S.The effects of online user reviews on movie box-office performance:accounting for sequential rollout and aggregation across local markets[J].Marketing Science,2011,29(5):944-957.

[15]NETZER O,FELDMAN R,GOLDENBERG J,et al.Mine your own business:market-structure surveillance through text mining[J].Marketing Science,2012,31(3):521-543.

[16]WEDEL M,KANNAN P K.Marketing analytics for data-rich environments[J].Journal of Marketing,2016,80(6):97-121.

[17]LEE T Y,BRADLOW E T.Automated marketing research using online customer reviews[J].Journal of Marketing Research,2013,48(5):881-894.

[18]TIRUNILLAI S,TELLIS G J.Mining marketing meaning from online chatter:strategic brand analysis of big data using latent dirichlet allocation[J].Journal of Marketing Research,2014,51(4):463-479.

[19]MA L,SUN B,KEKRE S.The squeaky wheel gets the grease-an empirical analysis of customer voice and firm intervention on twitter[J].Marketing Science,2015,34(5):192.

[20]MCQUARRIE E F,MILLER J,PHILLIPS B J.The megaphone effect:taste and audience in fashion blogging[J].Journal of Consumer Research,2013,40(1):136-158.

[21]FLOYD K,FRELING R,ALHOQAIL S,et al.How online product reviews affect retail sales:a meta-analysis[J].Journal of Retailing,2014,90(2):217-232.

[22]JIN S A,PHUA J.Following celebrities’ tweets about brands:the impact of twitter-based electronic word-of-mouth on consumers’ source credibility perception,buying intention,and social identification with celebrities[J].Journal of Advertising,2014,43(2):181-195.

[23]郭慶光.傳播學(xué)教程(第二版)[M].北京：中國(guó)人民大學(xué)出版社，2011:189.

[24]KING C W,SUMMERS J O.Overlap of opinion leadership across consumer product categories[J].Journal of Marketing Research,1970,7(1):43-50.

[25]ZHAO Y,KOU G,PENG Y,et al.Understanding influence power of opinion leaders in e-commerce networks:an opinion dynamics theory perspective[J/OL].Information Sciences,2018,426(February 2018):131-147[2017-11-14].https://ac.els-cdn.com/S0020025517310265/1-s2.0-S0020025517310265-main.pdf?_tid=94f520ae-caa7-11e7-9625-00000aacb361&acdnat=1510820856_df8342e144ba0806d77c1fb00c15ddbf.

[26]WEEKS B E,ARDEVOLABREU A,HOMERO G D Z.Online influence? Social media use,opinion leadership,and political persuasion[J].International Journal of Public Opinion Research,2017,29(2):214-239.

[27]JANSSON J,NORDLUND A,WESTIN K.Examining drivers of sustainable consumption:the influence of norms and opinion leadership on electric vehicle adoption in Sweden[J].Journal of Cleaner Production,2017,154(6):176-187.

[28]CHO Y,HWANG J,LEE D.Identification of effective opinion leaders in the diffusion of technological innovation:a social network approach[J].Technological Forecasting & Social Change,2012,79(1):97-106.

[29]CHAN K K,MISRA S.Characteristics of the opinion leader:a new dimension[J].Journal of Advertising,1990,19(3):53-60.

[30]GOLDENBERG J,HAN S,LEHMANN D R,et al.The role of hubs in the adoption process[J].Journal of Marketing,2009,73(2):1-13.

[31]TRUSOV M,BODAPATI A V,BUCKLIN R E.Determining influential users in internet social networks[J].Journal of Marketing Research,2010,47(4):643-658.

[32]KRATZER J,LETTL C.Distinctive roles of lead users and opinion leaders in the social networks of schoolchildren[J].Journal of Consumer Research,2009,36(4):646-659.

[33]THAKUR R,ANGRIAWAN A,SUMMEY J H.Technological opinion leadership:the role of personal innovativeness,gadget love,and technological innovativeness[J].Journal of Business Research,2016,69(8):2764-2773.

[34]COREY L G.People who claim to be opinion leaders:identifying their characteristics by self-report[J].Journal of Marketing,1971,35(4):48-53.

[35]黃敏學(xué),王琦緣,肖邦明,等.消費(fèi)咨詢網(wǎng)絡(luò)中意見領(lǐng)袖的演化機(jī)制研究——預(yù)期線索與網(wǎng)絡(luò)結(jié)構(gòu)[J].管理世界,2015(7):109-121.

[36]PARK C S,KAYE B K.The tweet goes on:interconnection of Twitter opinion leadership,network size,and civic engagement[J].Computers in Human Behavior,2017,69(4):174-180.

[37]青平,張瑩,涂銘,等.網(wǎng)絡(luò)意見領(lǐng)袖動(dòng)員方式對(duì)網(wǎng)絡(luò)集群行為參與的影響研究——基于產(chǎn)品傷害危機(jī)背景下的實(shí)驗(yàn)研究[J].管理世界,2016(7):67-79.

[38]王燁捷.“網(wǎng)紅美食”如何紅下去[N].中國(guó)青年報(bào),2017-05-23(10).

[39]LIU B.Sentiment analysis and opinion mining[M].San Rafael,California:Morgan & Claypool Publishers,2012:7.

[40]BOLLEN J,MAO H,ZENG X.Twitter mood predicts the stock market[J].Journal of Computational Science,2010,2(1):1-8.

[41]ROSEMAN I J,SPINDEL M S,JOSE P E.Appraisals of emotion-eliciting events:testing a theory of discrete emotions[J].Journal of Personality & Social Psychology,1990,59(5):899-915.

[42]LYONS B,HENDERSON K.Opinion leadership in a computer-mediated environment[J].Journal of Consumer Behaviour,2005,4(5):319-329.

[43]CHAUDHRY S A,IRSHAD W.Opinion leadership and its role in buyer decision making[J].Academy of Contemporary Research Journal,2013,7(1):7-14.