C2B溝通和C2C溝通對在線品牌搜索影響的實證分析

柳涯妮 李東賢

中圖分類號：F713? ?文獻標識碼：A

內(nèi)容摘要：互聯(lián)網(wǎng)時代下企業(yè)與消費者之間的雙向溝通變得越來越普遍。本研究探索了用戶生成內(nèi)容中的C2B溝通和C2C溝通，克服了過去研究忽視C2B溝通的問題。研究使用某品牌社交網(wǎng)絡(luò)平臺上的企業(yè)主頁作為研究情境，并基于對C2B溝通和C2C溝通的比較和消費者在新產(chǎn)品發(fā)布前后不同的搜索興趣，發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。通過比較得出C2C溝通比C2B溝通的信息量更大且更加可信，C2C溝通在新產(chǎn)品發(fā)布前和后都能夠顯著地正向影響消費者的在線品牌搜索，而C2B溝通僅在新產(chǎn)品發(fā)布后起作用;此外，盡管C2C溝通占用戶生成內(nèi)容的比例更小，但是它比C2B溝通對在線品牌搜索的影響更大。

關(guān)鍵詞：用戶生成內(nèi)容? ?C2B溝通? ?C2C溝通? ?在線品牌搜索

互聯(lián)網(wǎng)時代的到來和社交媒體平臺的不斷發(fā)展有力推動了用戶生成內(nèi)容的大幅度增長，消費者可以通過發(fā)布自己的消費體驗參與用戶生成內(nèi)容，也可以通過收集相關(guān)產(chǎn)品的用戶生成內(nèi)容來影響自己的消費決定（Hennig-Thurau等，2004）。Naylor（2016）認為用戶生成內(nèi)容（User-generated Content，UGC）是包括消費者對企業(yè)（C2B Communication）和消費者對消費者（C2C Communication）的任何溝通，消費者可以通過文字、圖片、音頻和視頻等不同的溝通方式表達對該企業(yè)的品牌評估和品牌參與。目前Web2.0的時代特點給予了消費者越來越多的機會通過產(chǎn)生內(nèi)容與其他的市場主體建立聯(lián)系。VanMeter等（2015）也表示當(dāng)下營銷中的關(guān)系已經(jīng)不是單向的企業(yè)對消費者的溝通，而是普遍的消費者對企業(yè)和消費者對消費者的溝通?；ヂ?lián)網(wǎng)內(nèi)容中C2B溝通和C2C溝通所占的比例已經(jīng)遠遠超過了企業(yè)生成內(nèi)容所占的比例，也越來越多地引起營銷者的關(guān)注。目前，用戶生成內(nèi)容平臺的類型非常多樣，例如京東和亞馬遜等電商平臺、豆瓣和大眾點評等評論平臺、微博和微信等社交網(wǎng)絡(luò)平臺和企業(yè)的品牌社區(qū)等。Opreana和Vinerean（2015）認為在多樣的社交網(wǎng)絡(luò)上的企業(yè)主頁上的溝通能夠充分地體現(xiàn)C2B溝通和C2C溝通，同一情境下允許的相同測量也使得二者更具有可比性。本研究使用國內(nèi)應(yīng)用最為廣泛的社交網(wǎng)絡(luò)平臺微博作為研究情境，那么企業(yè)如何經(jīng)營好自己的微博主頁，更好地分配資源激勵消費者的C2B溝通和C2C溝通是本文的研究問題。

已經(jīng)有很多學(xué)者探索了用戶生成內(nèi)容對消費者參與意愿、購買意愿、產(chǎn)品銷量和品牌態(tài)度等的影響。但是研究存在以下幾個問題：首先，過去研究充分地支持了C2C溝通的重要影響，但是沒有細化用戶生成內(nèi)容，多數(shù)學(xué)者忽視了用戶生成內(nèi)容中的C2B溝通部分;其次，對C2B溝通的測量不夠準確，有研究使用傳統(tǒng)的溝通方式作為C2B溝通的測量，并與以在線評論數(shù)量作為測量的C2C溝通進行比較，不同的測量方式難以控制二者在消費者涉入度和可見度等方面差別的影響。此外還有通過使用企業(yè)決策作為因變量來間接地反映C2B溝通的影響等。本研究對這兩點進行了改進，使用企業(yè)微博主頁更準確地分辨和測量了C2B溝通和C2C溝通，并且基于對二者的比較和消費者在新產(chǎn)品發(fā)布前后的不同關(guān)注興趣，發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對消費者在線品牌搜索的不同影響，以此豐富了用戶生成內(nèi)容的相關(guān)研究。

文獻回顧與研究假設(shè)

已經(jīng)有學(xué)者對消費者與企業(yè)和消費者與消費者之間的互動溝通進行了研究：林家寶等（2015）認為消費者與企業(yè)之間的互動溝通越有效，消費者對企業(yè)的信任水平越高;汪濤等（2014）認為社交媒體的使用增加了企業(yè)溝通的擬人化，發(fā)現(xiàn)擬人化溝通能夠正向影響品牌態(tài)度。當(dāng)然也有學(xué)者從用戶生成內(nèi)容方面進行了探究：杜學(xué)美等（2016）通過調(diào)查問卷的研究方法得到了消費者在線評論的數(shù)量、效價和質(zhì)量都顯著正向影響消費者的購買意愿，并且探究了信息接收者專業(yè)能力的調(diào)節(jié)作用;汪旭暉和王軍（2015）在對國內(nèi)高票房低口碑問題的研究中發(fā)現(xiàn)了網(wǎng)絡(luò)口碑對票房的正向影響和網(wǎng)絡(luò)口碑效價對票房的負向影響;江曉東（2015）發(fā)現(xiàn)評論回帖數(shù)量越多，評論感知有用性越高。類似地，國外學(xué)者Chevalier和Mayzlin（2006）以亞馬遜作為用戶生成內(nèi)容平臺進行研究，發(fā)現(xiàn)了評論數(shù)量對圖書排名的影響以及會隨時間維度的增長對銷量有更強的正向影響;Willemsen等（2011）發(fā)現(xiàn)，相對于正面評論，消費者在線評論中的負向評論具有更高的評論有用性;Baek等（2012）認為消費者在線評論的評論深度對評論有用性的影響呈現(xiàn)倒U型關(guān)系?；谏鲜隹梢园l(fā)現(xiàn)，過去大多數(shù)研究用戶生成內(nèi)容對消費者購買意愿或銷量的影響都是從它對消費者的影響的角度進行探索，例如消費者感知評論有用性等，實際上是將它僅看成C2C溝通，沒有分辨其中的溝通對象并且忽視了C2B溝通的反饋和建議的重要影響，沒有全面地反映用戶生成內(nèi)容。

Bauer等（2006）通過比較線下交易過程與線上交易過程發(fā)現(xiàn)，促進C2B溝通和C2C溝通是企業(yè)在協(xié)商階段獲得更高電子服務(wù)質(zhì)量的兩大重點。Das（2013）也表示，企業(yè)采取多種手段和活動促進消費者的C2B溝通和C2C溝通是獲取企業(yè)產(chǎn)品正面口碑的重要手段。但是目前僅有少數(shù)學(xué)者同等強調(diào)C2B溝通和C2C溝通的重要影響：Naylor（2016）明確強調(diào)了數(shù)字化時代下C2B溝通和C2C溝通是用戶生成內(nèi)容的重要內(nèi)容，具體界定了用戶生成內(nèi)容的范圍，并且提出了無機用戶生成內(nèi)容（inorganic UGC，iUGC）的定義，即由營銷者鼓勵的C2B溝通和C2C溝通，刺激物可以是內(nèi)在的象征性利益和外在的金錢和折扣等。Jang和Chung（2015）探索了C2B、C2C和B2C交互活動對移動應(yīng)用市場績效的影響，發(fā)現(xiàn)了C2B溝通和C2C溝通能夠顯著地正向影響產(chǎn)品銷量，且二者對企業(yè)的研發(fā)活動也有顯著的正向影響。但是該研究使用電子郵件數(shù)量測量C2B溝通，難以控制溝通方式本身的不同所產(chǎn)生的影響，而且直覺上對其他消費者非公開的電子郵件與銷量之間的關(guān)系是非常間接的。

本研究對C2B溝通和C2C溝通進行了比較：首先，在企業(yè)微博主頁的研究情境中，C2B溝通和C2C溝通的主要內(nèi)容包括了消費者對企業(yè)發(fā)布的產(chǎn)品、物流、包裝和有關(guān)話題等方面的相關(guān)陳述，C2C溝通是對C2B溝通在內(nèi)容上的加強或反駁。具體地，C2B溝通和C2C溝通有以下三種關(guān)系：二者觀點一致，C2C溝通是對C2B溝通的加強，表達情感認同;二者觀點不一致，C2C溝通是對C2B溝通的反駁，表達相反的陳述;C2C溝通的產(chǎn)生是為了闡述與C2B溝通的不同的解釋，引發(fā)更多的討論。其次，Naylor（2016）表示C2B溝通和C2C溝通可以是消費者內(nèi)在驅(qū)動的和營銷者驅(qū)動的。在本文的研究情境中，因為C2B溝通反映了消費者對企業(yè)發(fā)布內(nèi)容的態(tài)度，而C2C溝通是對C2B溝通的進一步討論，所以相對于C2C溝通，C2B溝通更為直接地受到了企業(yè)對消費者溝通的影響。因此，C2B溝通可以是營銷者驅(qū)動的和消費者內(nèi)在驅(qū)動的，而C2C溝通多數(shù)是消費者內(nèi)在驅(qū)動的。最后，Brodie等（2013）認為相對于C2B溝通，C2C溝通更可能使得消費者在情感上獲得親密感、依附感和社會交互等。此外，不論新產(chǎn)品發(fā)布前還是發(fā)布后，上述三點總是有效的。因此本文提出以下假設(shè)：

H1：不論新產(chǎn)品發(fā)布之前還是之后，C2C溝通對在線品牌搜索的影響都大于C2B溝通對在線品牌搜索的影響。

基于上述對C2B溝通和C2C溝通的比較，本研究還探索了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。Kulkarni等（2012）認為，消費者在新產(chǎn)品發(fā)布前的信息搜索多是受到產(chǎn)品興趣的驅(qū)動，而消費者在新產(chǎn)品發(fā)布后的信息搜索多是受到產(chǎn)品興趣和消費興趣兩者的驅(qū)動。產(chǎn)品興趣主要包括與產(chǎn)品本身有關(guān)的信息，例如產(chǎn)品的屬性和功能等;消費興趣主要包括與消費便利有關(guān)的信息，例如支付方式、購買渠道和消費者評論等。本研究認為企業(yè)微博主頁中的C2B溝通和C2C溝通能夠?qū)οM者的在線品牌搜索產(chǎn)生影響。具體地，新產(chǎn)品發(fā)布之前，消費者關(guān)注的是產(chǎn)品本身，但是此時消費者的產(chǎn)品知識更多地受到企業(yè)發(fā)布信息的影響，消費者并不能夠從C2B溝通和C2C溝通當(dāng)中獲得相關(guān)的產(chǎn)品信息。然而，C2C溝通在內(nèi)容上對C2B溝通的加強或反駁使其信息量比C2B溝通的信息量更大;C2C溝通的消費者內(nèi)在驅(qū)動的特點和體現(xiàn)消費者之間情感聯(lián)系的特點使其信源可信度比C2B溝通的信源可信度更高。因此，本文提出新產(chǎn)品發(fā)布前的研究假設(shè)H2a和H2b。而新產(chǎn)品發(fā)布后的C2B溝通和C2C溝通都能夠提供消費者感興趣的有關(guān)消費便利的信息，尤其是消費者關(guān)注的產(chǎn)品在線評論，因此二者都能夠引起消費者的興趣和關(guān)注。因此，本文提出新產(chǎn)品發(fā)布后的研究假設(shè)H3a和H3b。具體假設(shè)如下：

H2：新產(chǎn)品發(fā)布前，C2B溝通（H2a）對在線品牌搜索沒有顯著的影響，而C2C溝通（H2b）對在線品牌搜索有著顯著的正向影響。

H3：新產(chǎn)品發(fā)布后，C2B溝通（H3a）和C2C溝通（H3b）對在線品牌搜索都有著顯著的正向影響。

研究方法

數(shù)據(jù)收集。本研究的數(shù)據(jù)均來自于某手機品牌在新浪微博上的主頁。利用爬蟲獲取該品牌自2013年起至2015年10月期間發(fā)布的所有新產(chǎn)品的微博數(shù)據(jù)，時間范圍為新產(chǎn)品發(fā)布前后各30天。共包括10個新產(chǎn)品，具體數(shù)據(jù)包括共4645條微博及其相應(yīng)的點贊和評論。在線品牌搜索的數(shù)據(jù)來源于以該品牌名稱為關(guān)鍵詞的百度指數(shù)。

變量測量。本研究變量中的企業(yè)微博數(shù)量和用戶點贊數(shù)量都可以根據(jù)新浪微博原始數(shù)據(jù)直接獲得，而微博詞語數(shù)量、C2B溝通和C2C溝通的測量是通過文本分析獲得。本研究增加了共6023個詞匯以完善詞庫，包括產(chǎn)品相關(guān)的專業(yè)詞匯、新興詞匯和話題詞匯等，以合并過的詞庫作為分詞的基礎(chǔ)并獲得了微博詞語數(shù)量的測量。根據(jù)新浪微博網(wǎng)頁的結(jié)構(gòu)特點，本研究以“回復(fù)@用戶名”作為C2C溝通區(qū)別于C2B溝通的標識，通過正則表達式識別出來并依據(jù)時間單位進行累加。研究變量均以“日”為時間單位，解釋具體見表1所示。

實證檢驗

（一）描述性統(tǒng)計

本文對新產(chǎn)品發(fā)布前后的數(shù)據(jù)分別進行了描述性統(tǒng)計，具體見表2和表3所示。具體地，對比新產(chǎn)品發(fā)布前后的數(shù)據(jù)發(fā)現(xiàn)：企業(yè)平均每天發(fā)布的微博數(shù)量和詞語數(shù)量在新產(chǎn)品發(fā)布前后沒有太大的差別;而用戶在新產(chǎn)品發(fā)布后的參與明顯高于用戶在新產(chǎn)品發(fā)布前的參與，具體為點贊數(shù)（10831.81>5425.94）、C2B溝通數(shù)量（1768.78>1250.25）和C2C溝通數(shù)量（170.57>155.82）。

（二）模型建立

本文旨在研究C2B溝通和C2C溝通在新產(chǎn)品發(fā)布前后對在線品牌搜索的影響，因此對新產(chǎn)品發(fā)布之前和之后的數(shù)據(jù)分別進行了建模檢驗。本文研究數(shù)據(jù)橫截面?zhèn)€體數(shù)量小于時間長度（N<T），使用了Stata11.0進行長面板數(shù)據(jù)分析。具體模型如下：

LnSearchit=Const+β1LnPostit+β2LnWordsit+β3LnLikeit+β4LnC2Bit+β5LnC2Cit+β6Weekendit+β7Trend+εit? ? ? ? ? （1）

其中，下標i表示第i個產(chǎn)品，下標t表示新產(chǎn)品發(fā)布之前或之后的第t天，εit表示隨機誤差項。模型中控制了企業(yè)生成內(nèi)容（企業(yè)微博數(shù)量和微博詞語數(shù)量）、用戶參與（點贊數(shù)量）和周末對在線品牌搜索的影響，此外為了考慮時間效應(yīng)，生成了時間趨勢變量Trend。模型中除了啞變量和時間趨勢變量以外，其他變量均進行了自然對數(shù)的轉(zhuǎn)換。

（三）模型檢驗

面板單位根檢驗。對所有研究變量進行了序列平穩(wěn)性檢驗以避免出現(xiàn)偽回歸的問題。分別對新產(chǎn)品發(fā)布之前和之后的序列進行了平穩(wěn)性檢驗（具體見表4和表5），結(jié)果顯示研究變量均拒絕了LLC檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗的原假設(shè)，這表明所有的研究變量都是序列平穩(wěn)的。

模型回歸結(jié)果?；陂L面板可能出現(xiàn)的異方差、序列相關(guān)和截面相關(guān)的問題，本研究使用更為有效率的全面可行廣義二乘估計方法（全面FGLS）進行模型估計。分別使用新產(chǎn)品發(fā)布之前和之后15天的數(shù)據(jù)進行了模型檢驗，首先建立固定效應(yīng)模型和隨機效應(yīng)模型，進行了Hausman檢驗。新產(chǎn)品發(fā)布前模型的Hausman檢驗得到的Chi2值為7.84（p=0.347），不能拒絕隨機效應(yīng)模型的原假設(shè);新產(chǎn)品發(fā)布后模型的Hausman檢驗結(jié)果Chi2值為12.45（p=0.087），同樣不能拒絕隨機效應(yīng)模型的原假設(shè)。因此，在此全面FGLS模型估計中不需要加入個體虛擬變量。通過殘差檢驗，進一步對模型的異方差和截面相關(guān)問題進行了修正。此外，為了保證實證結(jié)果的穩(wěn)健性和可靠性，本研究采用了改變樣本區(qū)間的方式進行了穩(wěn)健性檢驗。進一步使用了新產(chǎn)品發(fā)布前后的20天、25天和30天的時間范圍內(nèi)的數(shù)據(jù)進行了模型檢驗。具體的模型估計結(jié)果見表6和表7所示。

在新產(chǎn)品發(fā)布前的模型中，模型（1）-模型（4）中C2B溝通的參數(shù)估計均接受了原假設(shè)，表明C2B溝通對在線品牌搜索沒有顯著的影響;而C2C溝通的參數(shù)估計均在0.1%水平下拒絕了原假設(shè)，且系數(shù)（分別為0.121、0.111、0.108和0.089）均為正，表明C2C溝通對在線品牌搜索有著顯著的正向影響。因此驗證了假設(shè)H2a和H2b。在新產(chǎn)品發(fā)布后的模型中，模型（5）-模型（8）中C2B溝通的估計系數(shù)（分別為0.095、0.076、0.044和0.046）和C2C溝通的估計系數(shù)（分別為0.103、0.106、0.118和0.117）均是顯著為正的，表明在新產(chǎn)品發(fā)布后C2B溝通和C2C溝通對在線品牌搜索都有著顯著的正向影響，驗證了假設(shè)H3a和H3b。綜合模型（1）-模型（8）的參數(shù)估計結(jié)果發(fā)現(xiàn)，不論在新產(chǎn)品發(fā)布之前還是之后，C2C溝通對在線品牌搜索的影響總大于C2B溝通對在線品牌搜索的影響，驗證了假設(shè)H1。具體地，新產(chǎn)品發(fā)布前的模型中，C2C溝通能夠顯著地影響在線品牌搜索，而C2B溝通無顯著影響;新產(chǎn)品發(fā)布后的C2C溝通的估計系數(shù)值在不同樣本區(qū)間的模型中都大于C2B溝通的估計系數(shù)值（分別為0.103>0.095、0.106>0.076、0.118>0.044和0.117>0.046）。

本研究還得到以下結(jié)論：第一，企業(yè)發(fā)布的微博數(shù)量在新產(chǎn)品發(fā)布前對在線品牌搜索具有顯著的負向影響，表明用戶將企業(yè)微博作為接收新產(chǎn)品信息的重要信息來源，則會降低用戶的進一步搜索興趣。而企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布后雖無顯著影響，但影響方向是正向的，不同的影響方向表明企業(yè)微博數(shù)量與在線品牌搜索可能存在非線性關(guān)系。第二，不論新產(chǎn)品發(fā)布之前還是之后，企業(yè)發(fā)布微博的詞語數(shù)量總是顯著地正向影響在線品牌搜索，這表明用戶關(guān)注企業(yè)發(fā)布的微博并會閱讀其中的內(nèi)容。具體地，微博詞語數(shù)量在新產(chǎn)品發(fā)布前模型中的估計系數(shù)（分別為0.147、0.086、0.071和0.045）和在新產(chǎn)品發(fā)布后的模型中的估計系數(shù)（分別為0.083、0.142、0.143和0.187）均為正向的。

結(jié)論和管理啟示

本研究更加全面地認識了用戶生成內(nèi)容，是包括了文字和圖片等任何形式的C2B溝通和C2C溝通，克服了過去研究忽略C2B溝通的問題。本文使用社交網(wǎng)絡(luò)平臺上的企業(yè)主頁作為研究情境更好地體現(xiàn)了C2B溝通和C2C溝通，并基于對二者的比較發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。具體地，對比C2B溝通和C2C溝通發(fā)現(xiàn)，由于C2C溝通的信息量比C2B溝通的信息量更大且具有更高的信源可信度，則C2C溝通對在線品牌搜索的影響總大于C2B溝通對在線品牌搜索的影響。進一步基于新產(chǎn)品發(fā)布前后用戶的不同的搜索興趣發(fā)現(xiàn)，C2C溝通總是顯著地正向影響消費者的在線品牌搜索，而C2B溝通僅在新產(chǎn)品發(fā)布后對在線品牌搜索有顯著的正向影響。此外，本研究還發(fā)現(xiàn)了企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布前對在線品牌搜索的顯著負向影響，微博詞語數(shù)量不論在新產(chǎn)品發(fā)布之前還是之后總是顯著地正向影響在線品牌搜索。

本文給企業(yè)如何經(jīng)營好自己在社交網(wǎng)絡(luò)平臺上的主頁提供了一些管理啟示：盡管營銷實踐中有很多企業(yè)提供了獎勵鼓勵用戶多多發(fā)布評論，忽略了用戶之間溝通的影響，也使得C2B溝通所占用戶生成內(nèi)容的比例大大超過了C2C溝通，但是實際上這種投入在新產(chǎn)品發(fā)布前是無效的，所以企業(yè)應(yīng)該更加關(guān)注C2C溝通。C2C溝通很難直接通過獎勵激勵產(chǎn)生，因此企業(yè)可以通過以下方式增加用戶之間的溝通以引起更多消費者的興趣。首先，企業(yè)可以推動鼓勵微博主頁、企業(yè)發(fā)言人和代言名人都直接參與到用戶對企業(yè)或?qū)ζ渌脩舻臏贤ㄖ?，一方面可以增加用戶對C2C溝通的關(guān)注，增加企業(yè)和用戶之間的聯(lián)系，從而愿意進行更多的C2C溝通，另一方面企業(yè)可以在C2C溝通中起到話題的引導(dǎo)作用，從而進一步引發(fā)更多的討論。其次，企業(yè)可以發(fā)起能夠引起討論的熱點話題以增加用戶的關(guān)注，例如有關(guān)新技術(shù)應(yīng)用的話題等。

本研究存在以下不足：首先，本研究以國內(nèi)某品牌手機為研究對象，并且使用了不同樣本區(qū)間的數(shù)據(jù)進行了穩(wěn)健性檢驗，但也可以使用其他行業(yè)或品牌的數(shù)據(jù)進行進一步的檢驗以增加研究結(jié)果的外部效度;其次，研究對象手機為搜索型產(chǎn)品，未來可以使用體驗型產(chǎn)品的數(shù)據(jù)進行探索，對產(chǎn)品類型是否起到調(diào)節(jié)作用進行檢驗;最后，本研究發(fā)現(xiàn)企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布前后的不同影響方向，認為它與在線品牌搜索是非線性的關(guān)系，未來研究可以做更多的探討。

參考文獻：

1.林家寶，萬俊毅，魯耀斌.生鮮農(nóng)產(chǎn)品電子商務(wù)消費者信任影響因素分析：以水果為例[J].商業(yè)經(jīng)濟與管理，2015（5）

2.汪濤，謝志鵬，崔楠.和品牌聊聊天——擬人化溝通對消費者品牌態(tài)度影響[J].心理學(xué)報，2014，46（7）

3.杜學(xué)美，丁妤，謝志鴻等.在線評論對消費者購買意愿的影響研究[J].管理評論，2016，28（3）

4.汪旭暉，王軍.網(wǎng)絡(luò)口碑如何影響電影票房——中國電影“高票房低口碑”現(xiàn)象反思[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2015（2）

5.江曉東.什么樣的產(chǎn)品評論最有用？——在線評論數(shù)量特征和文本特征對其有用性的影響研究[J].外國經(jīng)濟與管理，2015，37（4）

6.Hennig-Thurau T.，Gwinner K. P.，Walsh G.，et. al. Electronic Word-of-mouth via Consumer-opinion Platforms：What Motivates Consumers to Articulate Themselves on the Internet？[J].Journal of Interactive Marketing，2004，18（1）

7.Naylor G. S. Complaining Complimenting and Word-of-mouth in the Digital Age：Typology and Terms[J].Journal of Consumer Satisfaction，Dissatisfaction and Complaining Behavior，2016，29

8.VanMeter R. A.， Grisaffe D. B.， Chonko L. B. Of “Likes” and “Pins”：The Effects of Consumers Attachment to Social Media[J].Journal of Interactive Marketing，2015，32

9.Opreana A.，Vinerean S. A New Development in Online Marketing： Introducing Digital Inbound Marketing[J].Expert Journal of Marketing，2015，3（1）

10.Chevalier J. A.，Mayzlin D. The Effect of Word of Mouth on Sales： Online Book Reviews[J].Journal of Marketing Research，2006，43（3）

11. Willemsen L. M.，Neijens P. C.，Bronner F.，et. al.“Highly Recommended！”The Content Characteristics and Perceived Usefulness of Online Consumer Reviews[J].Journal of Computer-Mediated Communication，2011，17（1）

12.Baek H.，Ahn J.，Choi Y.Helpfulness of Online Consumer Reviews：Readers Objectives and Review Cues[J].International Journal of Electronic Commerce，2012，17（2）

13.Bauer H. H.，F(xiàn)alk T.，Hammerschmidt M. eTransQual：A Transaction Process-based Approach for Capturing Service Quality in Online Shopping[J].Journal of Business Research，2006，59（7）

14. Das D. Evolution，Rapid Growth & Future of Research on Electronic Word of Mouth（ewom）：A Scientific Review. Available at Social Science Research Network，2013 http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2287134

15.Jang S.，Chung J.How Do Interaction Activities among Customers and between Customers and Firms Influence Market Performance and Continuous Product Innovation？ An Empirical Investigation of the Mobile Application Market[J].Journal of Product Innovation Management，2015，32（2）

16. Brodie R.J.，Ilic A.，Juric B.，et. al.Consumer Engagement in a Virtual Brand Community：An Exploratory Analysis[J].Journal of Business Research，2013，66（1）

17.Kulkarni G.， Kannan P.K.， Moe W. Using Online Search Data to Forecast New Product Sales[J].Decision Support Systems，2012，52（3）