基于社交媒體的食品企業(yè)品牌認知度挖掘*
——社交感知得分算法與應用

劉靈芝 夏強強 肖邦明

(1， 2， 3 華中農(nóng)業(yè)大學 經(jīng)濟管理學院/湖北農(nóng)村發(fā)展研究中心 武漢 430070)

1. 引言

食品的購買行為可被視為復雜的、 高參與度的購買行為(Dawson, 2013), 而品牌有助于將產(chǎn)品與同類別中的競爭品區(qū)分開來(Srinivasan& Till, 2002)。 在復雜的競爭環(huán)境中, 形成良好的品牌形象, 是食品企業(yè)增加銷量, 提高競爭力的重要戰(zhàn)略舉措。 在這種新形勢下, 食品企業(yè)正在尋求改善其品牌形象的戰(zhàn)略方法。 品牌認知是品牌形象建設(shè)的基礎(chǔ), 因為企業(yè)依賴消費者對品牌的看法來為營銷戰(zhàn)略提供信息, 了解競爭對手的相對定位(Johnson & Huson, 1996； Long et al., 2019)。

如何推斷品牌認知度一直是困擾學者和管理人員的重要問題, 以往的方法往往是依靠線下調(diào)查或其他感知映射手段(Xie et al., 2019), 數(shù)據(jù)收集成本高昂且容易過時。 使用非結(jié)構(gòu)化數(shù)據(jù)的文本分析技術(shù), 需要花費巨額的經(jīng)費訓練神經(jīng)網(wǎng)絡(luò), 進行機器學習, 而且非結(jié)構(gòu)化文本中的噪聲、 模糊性以及網(wǎng)絡(luò)語言快速發(fā)展的特質(zhì)也給文本分析技術(shù)帶來了巨大挑戰(zhàn)(Drury & Roche, 2019)。 營銷管理人員迫切需要一種品牌認知度的測算方法, 為理解消費者-品牌關(guān)系提供真實、 可靠, 有前景的數(shù)據(jù)來源(Culotta & Cutler, 2016)。

近年來, 營銷人員和消費者使用社交媒體的數(shù)量激增(Liu & Bakici, 2019), 更多的消費者網(wǎng)絡(luò)足跡為品牌認知挖掘的大數(shù)據(jù)方法提供了基礎(chǔ)材料。 在這種背景下, Culotta和Cutler(2016)開發(fā)的社交感知得分(social perception score, SPS)提供了一種自動化的大數(shù)據(jù)流程算法, 流程中只需要輸入關(guān)鍵字, 即可以映射到該關(guān)鍵字的屬性上, 生成近乎實時的品牌認知評級估計值。

研究使用社交感知得分(SPS)算法, 先是通過詞頻統(tǒng)計, 識別出食品消費者關(guān)注的18關(guān)鍵屬性指標, 通過因子分析從中提取出代表消費者對食品企業(yè)認知維度的4 個關(guān)鍵屬性(營養(yǎng)健康、 時尚休閑、 口感和綠色安全屬性)。 然后, 將評級結(jié)果與企業(yè)的產(chǎn)品銷量進行了多元回歸分析, 證明了該算法在食品銷量預測方面的可行性。 最后, 研究對社交感知得分算法進行了穩(wěn)健性檢驗, 通過將SPS 屬性評級結(jié)果和調(diào)查數(shù)據(jù)進行相關(guān)性分析, 評級結(jié)果對示例賬戶數(shù)量和粉絲數(shù)量的敏感度測試, 發(fā)現(xiàn)算法在評估食品行業(yè)品牌認知度的過程中具有良好的穩(wěn)健性。 證明了社交感知得分(SPS)算法是食品企業(yè)進行品牌認知度測量、 產(chǎn)品銷量預測的良好工具, 為食品企業(yè)理解品牌的相對定位, 進行社交媒體營銷活動提供了理論基礎(chǔ)和數(shù)據(jù)來源。

2. 文獻綜述

2.1 食品企業(yè)品牌建設(shè)與社交媒體營銷

隨著人們生活水平的提高, 食品消費觀念的轉(zhuǎn)型升級, 食品的附加屬性和服務的重要性日益凸顯, 國內(nèi)食品行業(yè)的營銷模式正在逐步排除無品牌食品(奚國泉和李岳云,2001)。 加之近年來食品安全事故頻發(fā), 如何增加企業(yè)的品牌資產(chǎn), 進行品牌建設(shè)從而取得消費者信任, 增加產(chǎn)品銷量, 成為食品企業(yè)管理者和業(yè)界專家們普遍關(guān)心的話題。 學者們也做了一些相應的研究。

夏曉平和李秉龍(2011)以羊肉產(chǎn)品為例, 通過問卷調(diào)查的方法探討了品牌信任對于消費者的食品消費行為的影響, 結(jié)果表明隨著消費者品牌信任的增加, 消費者購買產(chǎn)品的傾向也會顯著提高。 Banerji 等人(2016)以印度的高鐵珍珠粟(HIPM)為例, 評估了消費者對不同品牌驗證的珍珠粟的偏好和信任程度, 結(jié)果表明消費者更傾向于品牌機構(gòu)提供的珍珠粟產(chǎn)品。 Hobbs 和Goddard(2015)的研究表明食品企業(yè)的品牌推廣活動在提高消費者信任, 增加產(chǎn)品銷量方面具有積極作用。

以上這些研究都表明, 食品企業(yè)進行品牌建設(shè)和營銷推廣活動對于增加品牌資產(chǎn)和產(chǎn)品銷量方面的重要作用, 這主要是因為在食品消費的過程中往往會出現(xiàn)信息不對稱的現(xiàn)象, 消費者對于食品品質(zhì)的鑒別很大程度上受到經(jīng)驗的限制。 因此, 品牌就成了食品消費者可以依賴的重要標識。 增強食品企業(yè)的品牌和聲譽, 對促進食品質(zhì)量信號的有效傳遞具有重要意義(王秀清和孫云峰, 2002)。 對于一些知名品牌, 它們象征著可以滿足消費者對高品質(zhì)、 高質(zhì)量的追求, 因此在吸引消費者和增加銷量方面具有獨特的優(yōu)勢。

然而, 這些研究尚未考慮到互聯(lián)網(wǎng)和社交媒體在食品企業(yè)品牌建設(shè)中的重要作用。 隨著互聯(lián)網(wǎng)的普及和Web2.0 時代的到來, 食品企業(yè)面臨著來自社交媒體的多方面機遇與挑戰(zhàn)。 首先, 社交媒體平臺的發(fā)展為品牌相關(guān)的營銷活動帶來了新的機遇(Plumeyer et al.,2017), 社交媒體是食品企業(yè)進行品牌宣傳的理想工具, 它的作用主要體現(xiàn)在以下方面：企業(yè)使用社交媒體進行宣傳活動, 為顧客提供信息和服務； 顧客可以通過撰寫有關(guān)他們消費體驗的在線口碑與其他消費者進行互動, 對企業(yè)進行反饋； 社交媒體還是食品企業(yè)進行危機管理和風險控制的良好媒介(Hsu & Lawrence, 2016)。 同時, 企業(yè)的曝光率對消費者的品牌態(tài)度和消費選擇也會產(chǎn)生重要影響, 有關(guān)品牌負面新聞的曝光率會對消費者的購買意向產(chǎn)生嚴重的負面影響(Aaker, 1999), 當有關(guān)食品企業(yè)的負面口碑(例如, 食品安全事件的相關(guān)口碑)在社交媒體上傳播時, 對企業(yè)將造成嚴重的負面影響。 如何處理好消費者-品牌社交網(wǎng)絡(luò)關(guān)系, 做好品牌社交媒體營銷, 進行社交媒體風險管理成為食品企業(yè)不得不面對的重要課題(Stevens et al., 2018； Choudhary et al., 2019)。

在社交媒體加速增長和擴散的推動下, 全球消費品牌正在將其廣告預算越來越多地轉(zhuǎn)向在線媒體(Chan et al., 2018), 近年來, 越來越多的食品企業(yè)也開始使用社交媒體。 在中國, 微博平臺因具有雙向互動、 意見反饋和受眾廣泛等特點受到眾多企業(yè)青睞, 截至2017 年, 已有超過1400 萬家品牌入駐微博, 微博平臺的每月活躍用戶達到3.4 億(張偉等, 2018； Liu & Hu, 2019), 這也是本次研究通過微博平臺進行的主要原因。

基于以上分析, 研究認為食品行業(yè)的品牌建設(shè)對于食品企業(yè)增加品牌資產(chǎn), 提高產(chǎn)品銷量, 增加企業(yè)價值等具有十分重要的意義。 但是, 目前有關(guān)食品行業(yè)社交媒體品牌建設(shè)的研究還十分匱乏。 因此, 研究從食品行業(yè)的品牌建設(shè)、 社交媒體營銷的角度出發(fā), 對食品行業(yè)的品牌認知度進行細致分析, 旨在挖掘食品品牌的相對定位, 豐富和發(fā)展該領(lǐng)域的相關(guān)研究, 并為食品企業(yè)品牌和社交媒體建設(shè)提供建議。

2.2 品牌認知與社交媒體挖掘

有關(guān)品牌認知的研究一直是學術(shù)和實踐領(lǐng)域的重要話題, Lee 和Watkins(2016)的研究發(fā)現(xiàn)消費者在觀看了YouTuBe 網(wǎng)站上的視頻之后, 對于品牌奢侈屬性的認知會顯著提高； Salciuviene 等人(2010)的研究證明, 當企業(yè)用外語來命名品牌時, 消費者對品牌的時尚屬性認知會顯著提高； Favier 等人(2019)探討了包裝的簡易或復雜對于香檳品牌的消費者品牌認知度的影響； 這些研究專注于探究造成不同消費者品牌認知度的前因, 為品牌認知的相關(guān)研究做出了巨大貢獻, 但是目前專注于推進獲取消費者品牌認知度方法的研究還十分匱乏。

Fader 和Winer(2012)開發(fā)的基于用戶生成內(nèi)容(UGC)進行社交媒體數(shù)據(jù)挖掘的方法——文本分析技術(shù), 是研究品牌認知的常用方法。 另外一種流行的技術(shù)是Sonnier 等人(2011)開發(fā)的情緒分析技術(shù), 即量化消費者在線表達的有關(guān)品牌的總體正面和負面情緒。這兩種技術(shù)都是基于對用戶生成內(nèi)容(UGC)等非結(jié)構(gòu)化文本數(shù)據(jù)進行的, 在品牌建設(shè)和網(wǎng)絡(luò)數(shù)據(jù)挖掘領(lǐng)域應用十分廣泛, Timoshenko 和Hauser (2019)使用文本分析技術(shù)從用戶生成內(nèi)容中挖掘出消費者需求, Bach 等人(2019)將文本分析技術(shù)應用于金融領(lǐng)域的大數(shù)據(jù)分析。

在數(shù)據(jù)洪流(data deluge)面前, 文本分析技術(shù)的重要性不言而喻。 然而, 近年來卻有研究表明： 只有50%的社交媒體用戶主動發(fā)布內(nèi)容(Toubia & Stephen, 2013), 大多數(shù)的帖子來自少數(shù)精英用戶, 而沉默的大多數(shù)卻會對品牌形象產(chǎn)生重大影響(Wu et al.,2011)。 所以, 從效果層面來看, 這些基于用戶生成內(nèi)容(UGC)的數(shù)據(jù), 不具有廣泛的代表性； 從技術(shù)層面來看, 處理這些數(shù)據(jù)需要更多的外部數(shù)據(jù)和上下文定制, 需要大量的手工操作和經(jīng)費支撐, 另外, 網(wǎng)絡(luò)語言快速發(fā)展的特質(zhì)也給文本分析技術(shù)帶來了巨大的挑戰(zhàn)。 文本分析技術(shù)的這些局限成為研究人員探索新信息源的動因。

已有研究表明品牌社交媒體的粉絲構(gòu)成能夠反映出并影響到品牌形象(Kuksov et al.,2013)。 結(jié)合這種觀點Culotta 和Cutler(2016)基于Twitter 社交媒體平臺, 對來自多個行業(yè)的200 多個品牌進行研究, 測量了它們的綠色、 奢侈和營養(yǎng)屬性的感知評級, 并將評級結(jié)果與調(diào)查數(shù)據(jù)進行對比, 驗證了算法的穩(wěn)健性。 近兩年來, 社交感知得分(SPS)算法受到品牌建設(shè)和網(wǎng)絡(luò)營銷領(lǐng)域研究人員的廣泛關(guān)注, Gitto 和Mancusoc(2019)使用SPS 算法對118 個機場品牌的Twitter 賬戶進行聚類分析, 識別了機場在客戶感知中的處境和相對定位。 Blasi 等人(2020)使用SPS 算法挖掘了奢侈品行業(yè)的綠色和時尚感知屬性的評分, 并證實了奢侈品的綠色屬性和時尚屬性具有相互融合的趨勢。 該方法經(jīng)過了理論和實證的檢驗, 被認為是一種可靠高效的品牌認知評級方法。

但是, 目前國內(nèi)外使用社交感知得分(SPS)算法的研究尚未涉及食品行業(yè)和微博平臺。 而且, 以往的研究是對研究者感興趣的產(chǎn)品屬性進行測量, 往往忽略了哪些屬性是消費者真正關(guān)心的。 綜上所述, 鑒于食品企業(yè)品牌建設(shè)的重要性, 社交媒體在品牌建設(shè)中的重要作用, 感知映射和非結(jié)構(gòu)化文本數(shù)據(jù)推斷品牌認知度的局限性, 以及SPS 方法的優(yōu)越性, 研究借鑒Culotta 和Cutler(2016)開發(fā)的社交感知得分(SPS)算法, 將其推廣到食品行業(yè)和微博平臺, 通過對128 個食品企業(yè)官方微博賬戶和424 個屬性示例賬戶進行社交網(wǎng)絡(luò)挖掘, 使用文本分析和因子分析識別和細分消費者關(guān)心的食品品牌的關(guān)鍵屬性, 探討了屬性評級在產(chǎn)品銷量預測方面的作用, 并使用線下數(shù)據(jù)對評級結(jié)果進行了穩(wěn)健性檢驗。

3. 研究方法和數(shù)據(jù)來源

3.1 社交感知得分方法論

社交感知得分(social perception score, SPS)評級高低主要依賴于品牌賬戶與示例賬戶的相似程度, 分數(shù)越高表示品牌與示例賬戶的相似性越高, 品牌與屬性之間存在越強烈的感知關(guān)系。 換言之, 算法的核心假設(shè)為： 品牌的社交感知得分越高, 消費者就越強烈地將品牌與該屬性聯(lián)系起來。 該方法的思路可以表示為圖1：

社交感知得分算法可以分為四步： (1)輸入： B——品牌賬戶(如@ZHY 官方微博)和Q——屬性查詢句柄(如“時尚”)； (2)收集示例賬戶： 使用微博檢索功能, 檢索出示例賬戶Ei的列表, 這些示例賬戶反映了特定的感知屬性； (3)收集粉絲： 收集品牌官方微博的粉絲集合FB, 收集示例賬戶的粉絲集合FE； (4)計算粉絲相似度： 計算品牌粉絲集合FB和示例賬戶粉絲集合FE之間的相似度, 返回品牌特定屬性社交感知得分——SPS(B,E)

圖1 社交感知得分方法概觀

基于相關(guān)實證研究和理論基礎(chǔ), 社交感知得分算法采用了Jaccard 指數(shù)來計算品牌賬戶和示例賬戶的相似性, Jaccard 指數(shù)被證實可以很好地表示集合相似性。 將FB定義為食品品牌(B)的粉絲集合,FE定義為示例賬戶(E)的粉絲集合。 這里的Jaccard 指數(shù)是指同時關(guān)注品牌賬戶(Bi)和示例賬戶(Ei)的粉絲數(shù)量, 與僅關(guān)注品牌賬戶(Bi)或示例賬戶(Ei)的粉絲數(shù)量的比率, 見式(1)。

Culotta 和Cutler(2016)提出與大眾樣本相比, 小眾樣本更能反映兩個集合的相似性(例如： 時尚屬性的一個示例賬戶@angelababy 擁有1 億粉絲, 相比之下, 另一個示例賬戶@時尚小公舉, 只擁有405 萬的粉絲, 同時關(guān)注@時尚小公舉和品牌B 的用戶比同時關(guān)注@angelababy 和品牌B 的用戶, 提供了更強的相似性證據(jù))。 結(jié)合這種觀點, 研究將粉絲量較小的示例賬戶稱為“利基示例賬戶”, 反之稱為“流行示例賬戶”, 然后對示例賬戶進行了加權(quán)處理, 使相似性與粉絲數(shù)量成反比, 算法見式(2)：

3.2 數(shù)據(jù)來源

3.2.1 自變量

研究實證部分的核心內(nèi)容是檢驗品牌認知度對產(chǎn)品銷量的影響。 自變量為128 家企業(yè)的18 個屬性指標中提取的4 個關(guān)鍵屬性的評級結(jié)果。 自變量的計算需要進行品牌賬戶選擇, 示例屬性選擇和示例賬戶選擇以及粉絲采集等操作, 具體步驟如下所述：

(1)品牌賬戶選擇。 2015 年第十二屆全國人民代表大會常委會第十四次會議修訂的《中華人民共和國食品安全法》中闡述“食品”的含義為： 食品, 指各種供人食用或者飲用的成品和原料以及按照傳統(tǒng)既是食品又是中藥材的物品, 但是不包括以治療為目的的物品。 這也為研究選取食品企業(yè)樣本提供了依據(jù), 參考CNPP 品牌數(shù)據(jù)庫統(tǒng)計的食品品牌,研究從國內(nèi)外證券交易所“食品飲料”板塊上市的企業(yè)中選取開設(shè)有微博賬號的上市企業(yè)128 家。 在選擇品牌賬戶(Bi)的過程中, 研究通過手動驗證匹配結(jié)果, 摒棄微博活動不活躍的品牌賬戶(不活躍被定義為： 少于1000 個粉絲和20 條推文的品牌官方微博)。 如果一個品牌設(shè)置有多個賬戶, 研究會選擇品牌的官方微博賬戶； 如果在多個賬戶中沒有定義哪一個為官方賬戶, 則選擇粉絲量最多的賬戶來代表品牌的官方賬戶。

(2)示例屬性選擇。 研究使用Pyhon3.7selenium 模擬爬蟲技術(shù), 從微博中采集有關(guān)“食品”這一關(guān)鍵詞的在線口碑8000 多條, 然后使用Pyhon3.7jieba 等中文文本分詞庫進行文本清洗、 分詞處理和詞頻統(tǒng)計, 從中提取了消費者最關(guān)注的有關(guān)食品的18 個屬性指標,并通過SPS 算法計算出了這些指標的屬性評級, 然后進行了因子分析, 提取4 個屬性因子作為反映食品行業(yè)品牌認知度的關(guān)鍵屬性, 因子分析結(jié)果見4.1 節(jié)。

(3)示例賬戶選擇。 研究使用的方法是輸入表示屬性的查詢詞(例如： “環(huán)境”“環(huán)?！薄熬G色”“生態(tài)”等), 微博查詢將返回查詢列表, 方法程序會遍歷前50 個列表, 保留至少出現(xiàn)在兩個關(guān)鍵詞查詢列表中的賬戶作為示例賬戶。

(4)粉絲采集。 在選擇品牌賬戶(Bi)和示例賬戶(Ei)的粉絲時, 為了減少誤差, 研究限定收集2019 年1 月1 日的微博數(shù)據(jù), 研究使用的所有品牌賬戶(Bi)和示例賬戶(Ei)的粉絲都更新到當天。 研究使用Python 的requests, person, json 庫編寫了一套自動化的模擬爬蟲腳本, 對128 品牌賬戶和424 個示例賬戶的粉絲進行采集, 共采集了5521 萬條粉絲ID(對于每個示例賬戶, 我們最多收集10 萬個微博粉絲ID), 具體粉絲分布情況如表1所示。

表1 各類賬戶的基本信息

(5)社交感知得分計算。 在確定了要測量的有關(guān)食品的18 個屬性指標之后, 研究利用社交感知得分算法(SPS)對各屬性指標的得分進行了測算, 算法詳情見式(1), 式(2)。如4.1 節(jié)所示, 研究對這18 個屬性指標進行了因子分析, 從中提取出了4 種關(guān)鍵屬性,并將這四種關(guān)鍵屬性的評級結(jié)果作為研究的自變量對產(chǎn)品銷量進行了回歸分析。

3.2.2 其他變量

(1)因變量和控制變量。 因變量為產(chǎn)品銷量, 通過采集上市公司披露的2018 年度的財務數(shù)據(jù)獲得, 為了剔除企業(yè)規(guī)模對于銷量的影響, 研究使用的產(chǎn)品銷量指標是主營業(yè)務收入和總資產(chǎn)的比值。 研究采用了微博的明星代言、 微博賬戶等級作為控制變量。 微博的明星代言是通過查看各個品牌的官方微博是否存在明星代言的元素, 如果存在明星代言記做“1”, 沒有則記做“0”； 賬戶等級是指品牌官方微博的賬戶等級。

(2)調(diào)查數(shù)據(jù)。 為了驗證社交感知得分(SPS)算法的穩(wěn)健性, 研究人員在北京、 上海、廣州等地通過線下問卷的方式對消費者進行了620 份問卷調(diào)查, 其中有效問卷578 份, 回收率達到93.2%。 在進行基本的個人情況調(diào)查之后, 研究人員不會直接詢問受訪者是否在微博上關(guān)注品牌, 受訪者會被問及是否可以識別出品牌, 并對他們能夠識別出的品牌進行打分, 每個屬性的分數(shù)從1 分到5 分不等, 分數(shù)越高表示品牌與感知屬性的一致性程度越高, 每個參與者能夠識別的品牌從28 個到55 個不等。 品牌識別率從××可樂、 YL 等品牌的100%, 到ZZD、 YLT 等不足10%, 總體平均識別率為82%。 研究將線下調(diào)查中受訪者對每個品牌的每個屬性評分取平均值, 表示該品牌該屬性的線下調(diào)查得分, 最后保留了128 個食品品牌樣本, 問卷調(diào)查的描述性統(tǒng)計特征如表2 所示。

表2 問卷調(diào)查變量的描述性統(tǒng)計特征

4. 實證分析

4.1 因子分析

研究為了確定能夠反映食品企業(yè)品牌認知的關(guān)鍵屬性, 更好地起到產(chǎn)品銷量預測效果, 采集了微博上有關(guān)“食品”這個話題的8000 多條在線口碑, 對在線口碑文本進行清洗之后進行了分詞處理和詞頻統(tǒng)計, 得到了出現(xiàn)頻率最高的18 個屬性指標, 然后計算了128 家食品企業(yè)的18 個屬性指標的SPS 評級結(jié)果。 為了從這些屬性中提取共性因子, 簡化數(shù)據(jù), 研究對各屬性進行綜合評價和理論概括, 并使用IBM SPSS Statistics 25 統(tǒng)計軟件對這18 個屬性進行了因子分析。

在對數(shù)據(jù)進行了無量綱化處理之后, 對各指標進行了KMO 分析, KMO 值=0.85 大于0.5, 說明數(shù)據(jù)適合進行因子分析。 由表3 可知, 對數(shù)據(jù)進行歸一化處理之后, 提取方差貢獻率在90%以上的因子, 旋轉(zhuǎn)后的特征根均大于1, 累積方差貢獻率達到了89.12%,因此可以通過提取前4 個因子來代替原來的18 個指標。

表3 特征根與方差貢獻率

為了使指標能夠更好地解釋因子, 研究又做了旋轉(zhuǎn)因子載荷分析, 如表4 所示, 指標X1～X9 很大程度上體現(xiàn)成分1, 反映了消費者對于食品的營養(yǎng)綠色屬性的偏愛, 因此研究將“營養(yǎng)健康屬性”作為一個關(guān)鍵屬性； 指標X10～X13 反映了消費者對于食品的休閑時尚屬性的追求, 因此研究的第二個屬性為“時尚休閑屬性”； 指標X14～X15 體現(xiàn)了成分3,反映了消費者對食品口感的追求, 因此“口感屬性”成為本次研究的第三個關(guān)鍵屬性；X16～X18 在很大程度上體現(xiàn)了成分4, 反映了消費者對于食品的安全綠色屬性的追求,因此本次研究要測量的食品行業(yè)的第四個關(guān)鍵屬性為“綠色安全屬性”。 最后, 研究根據(jù)每個因子的方差貢獻率計算出了每個屬性因子的綜合得分。

表4 旋轉(zhuǎn)后的因子載荷矩陣

續(xù)表

綜合以上因子分析結(jié)果和前人研究, 本次研究將食品行業(yè)的關(guān)鍵屬性鎖定為： 營養(yǎng)健康屬性, 時尚休閑屬性, 口感屬性和綠色安全屬性。 這為接下來計算各品牌屬性感知得分評級和用這些關(guān)鍵屬性的品牌認知度去預測產(chǎn)品銷量打下了基礎(chǔ)。

4.2 屬性評級結(jié)果與產(chǎn)品銷量

研究對通過因子分析得到的每個因子的方差貢獻率進行計算得到了每個屬性的SPS屬性評級。 為了探究這些關(guān)鍵屬性對于產(chǎn)品銷量的影響, 研究按照如下模型對數(shù)據(jù)進行了多元回歸分析：

其中Salei表示第i 家食品企業(yè)的2018 年度的主營業(yè)務收入和總資產(chǎn)的比值； NHi,FCi, TAi, GSi, 分別表示第i 家企業(yè)的營養(yǎng)健康屬性評級, 時尚休閑屬性評級, 口感屬性評級以及綠色屬性評級；φ1∑control 是控制變量, 主要包括官方微博的明星代言和賬戶等級兩個指標, 回歸結(jié)果如表5 所示。

表5 多元回歸結(jié)果

由表5 的多元回歸結(jié)果可知, 在控制了賬戶等級、 明星代言和企業(yè)規(guī)模之后, 營養(yǎng)健康屬性和綠色安全屬性評級與產(chǎn)品銷量的回歸系數(shù)分別為0.972 和0.930, 在0.001 水平上顯著； 時尚休閑屬性評級和口感屬性與產(chǎn)品銷量的回歸系數(shù)分別為0.173 和0.437, 在0.01 的水平上顯著。 總體而言,ΔR2=0.550 說明整體模型較高的解釋力度, 4 個屬性指標與產(chǎn)品銷量的回歸系數(shù)都為正數(shù)且具有顯著性, 說明營養(yǎng)健康、 時尚休閑、 口感和綠色安全的屬性評級均會對產(chǎn)品銷量產(chǎn)生顯著的正向影響。 相比之下, 營養(yǎng)健康屬性和綠色安全屬性的系數(shù)值要明顯高于口感屬性和綠色安全屬性的系數(shù)值, 對產(chǎn)品銷量的影響較大。

5. 穩(wěn)健性檢驗

5.1 SPS 評級結(jié)果對示例賬戶數(shù)量的敏感性

研究考慮到示例賬戶(Ei)的樣本量對SPS 評分準確性的影響, 一般認為示例賬戶的樣本量越大, SPS 評分的準確性越高, 越不容易受到樣本選擇的影響。 為此研究選擇示例賬戶樣本的隨機子集, 使用不同比例的子集樣本數(shù)量得到社交感知得分與調(diào)查結(jié)果進行Pearson 相關(guān)性分析, 得到各屬性的SPS 結(jié)果與調(diào)查結(jié)果的平均相關(guān)系數(shù)如表6 所示。

表6 不同示例屬性樣本量下SPS 結(jié)果和調(diào)查結(jié)果的Pearson 相關(guān)分析

續(xù)表

從表6 中可以看出, 隨著示例賬戶樣本量的增加, SPS 值和調(diào)查結(jié)果的相關(guān)系數(shù)趨于增加, SPS 值的質(zhì)量趨于增加, 然而在屬性示例賬戶到達50%～60%(平均每個屬性53 ～64 個示例賬戶)相關(guān)性達到最高, 額外的樣本量并沒有使相關(guān)系數(shù)顯著變高。 當樣本量在10 個左右的時候相關(guān)性可能非常高, 但結(jié)果并不穩(wěn)定, 各屬性間存在較大的差異。 總的而言, 隨著屬性示例賬戶的樣本量擴大, SPS 評分的質(zhì)量在不斷變高, 在到達一定的數(shù)量之后, 額外的樣本量并不必要。

本次研究使用了424 個(100%)示例賬戶, 營養(yǎng)健康、 時尚休閑、 口感和綠色安全的線上線下屬性評級結(jié)果的相關(guān)系數(shù)分別為0.71, 0.62, 0.84, 0.63, 平均相關(guān)系數(shù)為0.70, 都在0.5 以上, 因此可以認為線上線下的評級結(jié)果具有顯著的正相關(guān)關(guān)系。

5.2 SPS 評級結(jié)果對粉絲數(shù)量的敏感性

在本節(jié)中, 研究繼續(xù)探討SPS 評分質(zhì)量如何隨著示例賬戶粉絲量的變化而變化。 研究認為“利基示例賬戶”比“流行示例賬戶”提供更強的相似性證據(jù)。 為了驗證這種假設(shè),本節(jié)將按照粉絲數(shù)量來過濾樣本, 根據(jù)粉絲數(shù)量將樣本分為{0 ～10K, 10K ～25K, 25K ～40K, 40K～50K}四組, 然后按照分組, 計算出每個屬性使用不同組別示例賬戶的SPS 評分(例如： 從綠色安全屬性示例賬戶中挑選出粉絲量在0～10K 的賬戶, 分別計算出每個品牌的SPS 評分), 將其與調(diào)查結(jié)果進行相關(guān)性分析, 結(jié)果如表7 所示。

表7 不同示例賬戶粉絲量的SPS 評分和調(diào)查結(jié)果的Pearson 相關(guān)性分析

從表7 中不難看出, 示例賬戶粉絲量越多對SPS 評分的預測能力未必越強, 這也與Culotta 和Cutler(2016)的結(jié)論一致。 示例賬戶粉絲量有一個“甜蜜點”, 在這一點上示例賬戶有足夠的粉絲量來計算可靠的品牌屬性評級。 正如表7 所示, 當粉絲量在10K ～25K 時達到這個“甜蜜點”, 相關(guān)系數(shù)最高(0.74), 在這個區(qū)間內(nèi)的示例賬戶最具有預測力, 這也證明了算法使用示例賬戶粉絲數(shù)的倒數(shù)作為權(quán)重計算社交感知得分(SPS)更加準確。

6. 結(jié)論和啟示

6.1 研究結(jié)論

本次研究采用了一種從社交媒體中挖掘食品品牌認知度的全新算法, 這種全自動、 動態(tài)化的算法提供了比傳統(tǒng)的感知映射方法更加高效、 實時、 低成本的替代方案。 食品企業(yè)可以更加高效地明確自己和競爭對手在消費者心目中的相對定位, 為營銷策略的制定和產(chǎn)品銷量的預測提供依據(jù)。

文本分析和因子分析的結(jié)果表明： 消費者關(guān)注的有關(guān)食品的4 個關(guān)鍵屬性, 包括營養(yǎng)健康屬性、 休閑時尚屬性、 口感屬性和綠色安全屬性, 這些關(guān)鍵屬性構(gòu)成食品企業(yè)品牌認知度的各個維度。 事實上, 這些屬性的選擇也能從以往的研究和理論中找到依據(jù)。 何德華等(2014)的研究表明, 消費者對食品質(zhì)量和安全狀況的預期會對其購買意愿產(chǎn)生顯著的影響, 食品的營養(yǎng)、 健康屬性作為食品的重要質(zhì)量指標, 會對食品的銷量產(chǎn)生重要的影響。 Woo 和Kim(2019)多維建構(gòu)應用四種綠色感知價值(GPV)形式, 結(jié)果表明綠色感知價值(GPV)對食品消費者的購買意愿和購買態(tài)度產(chǎn)生積極影響, 隨著綠色消費觀念深入人心, 人們在消費的過程中或許會考慮食品的綠色屬性。 同時, Woo 和Kim(2019)還通過計算機輔助的個人訪談探討了與食品安全相關(guān)的感知風險、 責任和控制。 結(jié)果表明, 消費者(尤其是高年齡段消費者)對食品安全風險的厭惡、 責任感和控制食品安全風險的意愿對他們進行食品購買行為和意愿的影響十分顯著。 劉靈芝等人(2018)使用文本分析技術(shù)探究了熟食產(chǎn)品在線口碑的數(shù)量和極性, 證明熟食產(chǎn)品的口感屬性對產(chǎn)品銷量產(chǎn)生顯著的正向影響。 孫邦平(2005)所做的調(diào)查表明食品消費的方向是休閑化、 時尚化, “休閑的就是時尚的”已經(jīng)成為消費者的共識。

品牌認知度與產(chǎn)品銷量的回歸結(jié)果表明： 社交感知得分結(jié)果對產(chǎn)品銷量具有一定的預測作用。 4 個關(guān)鍵屬性對產(chǎn)品銷量的重要影響說明了, 食品企業(yè)在追求提高食品口感進行休閑化、 時尚化包裝的同時, 也應該注重食品安全、 健康、 綠色等方面的投資。 食品企業(yè)應該重視社會責任建設(shè), 加強食品安全監(jiān)管, 減少食品浪費, 注重實用環(huán)保材料, 以此提高消費者對企業(yè)相關(guān)屬性的認知, 增加企業(yè)價值。

社交感知得分算法的穩(wěn)健性檢驗結(jié)果表明： 社交感知得分的評級結(jié)果和線下調(diào)查結(jié)果具有顯著的相關(guān)性, 評級結(jié)果沒有受到屬性示例賬戶的數(shù)量, 屬性示例賬戶粉絲量的顯著影響, 該算法在評估食品行業(yè)的品牌認知度方面具有良好的穩(wěn)健性。 在Web2.0和社交媒體快速發(fā)展的今天, 網(wǎng)絡(luò)上有大量的消費者足跡, 如何利用好這些消費者足跡, 繪制消費者群體的用戶畫像, 對于食品企業(yè)的營銷策略制定和產(chǎn)品銷量提升至關(guān)重要, 社交感知得分算法的誕生為企業(yè)和研究者進一步利用和挖掘用戶足跡提供了良好的算法工具。

6.2 研究意義

研究的理論意義在于： 首先, 本次研究豐富了食品行業(yè)消費者品牌認知度的相關(guān)文獻, 迄今為止, 食品行業(yè)品牌認知度的研究主要通過問卷調(diào)查和文本分析的方法, 相比之下, 本次研究不僅考慮了食品行業(yè)的特殊屬性, 還為食品品牌的品牌認知測量提供了一種高效可靠的替代方案。 其次, 以往研究在使用社交感知算法時, 往往是對研究者感興趣的產(chǎn)品屬性直接進行預測, 本次研究在繼承SPS 算法的基礎(chǔ)上, 將文本分析技術(shù)和社交網(wǎng)絡(luò)技術(shù)相結(jié)合, 從在線口碑中提取消費者感興趣的食品屬性指標, 然后進行因子分析, 使屬性指標來源更具有代表性。 最后, 以往社交感知得分算法主要立足于國外社交媒體平臺(如Twitter, Facebook), 現(xiàn)存的食品企業(yè)社交媒體營銷的文獻匱乏, 而在微博平臺快速發(fā)展, 食品購買行為品牌化的今天, 研究將社交感知得分算法推廣到食品行業(yè)和微博平臺,為進一步豐富品牌認知度挖掘和食品行業(yè)網(wǎng)絡(luò)營銷的相關(guān)研究做出了貢獻。

研究的實踐意義在于： 區(qū)別于現(xiàn)存的感知映射方法, 社交感知得分算法是基于結(jié)構(gòu)化數(shù)據(jù)的社交網(wǎng)絡(luò)分析方法, 它為食品企業(yè)的品牌認知度測量提供了一種全新思路和信息源。 無論是學者還是市場營銷經(jīng)理只需要在Python 程序腳本中輸入自己想要測量的品牌微博賬戶ID 和感知屬性句柄, 就可以得到對應的屬性評級結(jié)果, 所以SPS 算法是傳統(tǒng)啟發(fā)式算法的良好替代方案, 是食品企業(yè)預測品牌認知度的有效手段。 其次, 研究結(jié)果為食品企業(yè)確定自身產(chǎn)品和競爭對手的相對定位, 制定適合自身定位的營銷策略提供依據(jù)。 最后, 研究建議食品企業(yè)在注重食品的口感、 時尚化、 休閑化包裝的同時, 更應該在食品安全、 可持續(xù)發(fā)展方面進行投資, 提高消費者對相關(guān)屬性的認知, 從而增加企業(yè)的品牌資產(chǎn)和企業(yè)價值。

6.3 研究局限與展望

本次研究還存在如下局限, 希望在未來能夠進一步地完善這些不足之處。 首先, 社交感知得分算法本身存在一些限制, 比如： 只能對開設(shè)有社交媒體賬號的品牌進行研究； 有些關(guān)鍵詞屬性無法使用該算法進行估計。 其次, 搜集品牌賬戶和示例賬戶的過程中, 微博平臺粉絲真?zhèn)蔚蔫b別十分困難, 不排除一些賬戶存在虛假粉絲的現(xiàn)象, 如何對這些粉絲進行真?zhèn)舞b別還需要進一步的研究, 但在大規(guī)模數(shù)據(jù)的分析下, 這些問題對SPS 最終結(jié)果的影響并不明顯。 最后, 本次研究選擇的樣本是來自食品行業(yè)的上市企業(yè), 并從多個維度測量其品牌認知度, 由于涉及的食品種類繁多, 受訪者無法從一個維度對品牌認知度進行綜合評價, 導致各屬性評級在總體品牌認知度中的權(quán)重無法確定, 所以研究在4.2 節(jié)研究檢驗了SPS 屬性評級與產(chǎn)品銷量的關(guān)系, 回歸系數(shù)的大小在一定程度上也可以體現(xiàn)出各屬性在消費者心目中的權(quán)重。 事實上, 社交感知得分算法的初衷就在于從不同維度、 不同屬性上找到企業(yè)自身和競爭對手的相對定位。

為了克服算法本身的局限性, 研究使用文本分析和社交網(wǎng)絡(luò)分析相結(jié)合的手段, 以提高預測的準確性和可靠性。 相比較于先前的研究, 本次研究在關(guān)鍵屬性的選擇上使用文本分析和因子分析的方法, 提高了屬性選擇的可靠性和代表性。 本次研究只是為社交感知得分算法打開了食品行業(yè)和微博平臺的大門, 今后的研究可以圍繞更多的產(chǎn)品屬性展開, 結(jié)合具體產(chǎn)品的特性, 進行具體分析, 依據(jù)不同的產(chǎn)品類型識別消費者所關(guān)心的產(chǎn)品屬性；同時還可以將這種方法推廣到更多的社交網(wǎng)絡(luò)平臺, 在其他領(lǐng)域有更多的突破。