更全的杂志信息网

不同微博营销渠道对产品销量的影响研究:品牌自有媒体VS第三方媒体的路径对比*

更新时间:2009-03-28

引言

社交媒体的快速发展吸引了企业的注意,促使企业将营销活动逐渐转移到社交媒体平台。其中,微博平台因具有双向互动和意见反馈的优势受到众多企业青睐,截至2017年3月底,已有超过1400万的品牌入驻微博平台。企业在微博平台可以接收到关注、点赞、评论、转发等消费者反应,[1]极大提高了信息交换效率。对于产品,尤其是购买前无法对产品质量进行准确判断的体验型产品,信息传播与网络口碑对产品销量极其重要。实践中微博营销正如火如荼地开展,但学术界关于微博的研究并没有厘清其作用机理,仅集中于微博使用动机[2,3]及微博营销效果,[4-6]鲜有研究打开中间过程的黑箱,揭示从微博营销活动到产品销量的内在作用机制,这种忽视消费者反应的做法可能造成阻碍消费者购买的后果。

实际上微博平台有多种营销渠道,除品牌自有媒体外,第三方媒体也会以评价和比较的形式发布产品信息。同样截至2017年3月底,已有超过9万的媒体机构入驻微博平台,积极参与产品讨论。正是因为中间机制的未知,导致学术界混淆了品牌自有媒体与第三方媒体的概念和营销效果,忽视了第三方媒体对消费者的影响作用,未将其与品牌自有媒体联系起来,比较二者对产品销量的影响路径异同,不能用理论指导这两条路径发挥更好的营销效果。

粒粒戴着大围巾和帽子,穿了双排扣收腰大衣,举着相机不停地拍,拍树,拍行人,连电线杆子都拍了,拍着拍着,一个黑色的身影闪进镜头里,用一双眼睛盯住粒粒的镜头。粒粒吓了一跳,急忙移开相机,抬起头。

本文以详尽可能性模型[7-9]和体验型产品特征[10]为理论基础,研究微博平台的品牌自有媒体和第三方媒体对产品销量的影响路径差异,认为品牌自有媒体以中心路径说服消费者,通过产品关注的中介作用对产品销量产生正向影响;第三方媒体以边缘路径说服消费者,通过产品关注和产品态度的双中介作用对产品销量产生正向影响。本文选取2016年上映的154部电影作品为研究对象,手动采集发布微博数量、粉丝量、最大点赞量及电影票房等客观数据,综合运用路径分析和分层回归检验假设,最终所有假设均得到验证,证实了品牌自有媒体与第三方媒体的营销效果与作用机制。最后,根据本文研究结论对企业提出管理建议与实践指导。

一、文献综述

微博的出现开启了“自媒体”时代,企业因此拥有了建立自有媒体的平台。[11]本文将企业在微博平台开设的官方账号定义为品牌自有媒体。不同于传统报纸杂志、电视广播的单向信息输出模式,微博平台上的品牌自有媒体有利于企业与消费者进行双向互动,及时获得消费者反馈。微博营销在实践中的迅速发展引起了学术界的重视,使之成为营销领域研究的热点。目前关于微博的研究多集中于使用动机,如Chai等[2]证实信任是影响用户使用博客进行知识共享的前因;Honey等[12]为了给微博设计提供指导,更好地促进用户之间沟通交流与合作,对用户使用微博的动机进行研究。还有学者研究微博营销效果,如Smith等[4]比较了不同微博平台上企业营销引起用户生成内容的差异;Culnan等[5]对三个开设微博官方账号的财富100强企业进行案例研究,得出企业利用微博获取商业价值的策略。这些研究都只关注营销结果而忽略了消费者反应这一中间过程,这种做法可能导致企业在无意识中对消费者造成负面影响。实际上,企业营销活动是通过先作用于消费者,引起消费者关注,使其产生积极的产品态度,再促进消费者采取购买行为,产生销售指标。纵观已有的营销研究模型,消费者反应的中介作用通常都是研究重点。例如Lantos等[13]提出广告音乐对消费者的影响模型显示,广告音乐通过作用于消费者认知反应和情感反应来对消费者购买意向产生影响;Dens等[14]认为,品牌延伸相比子品牌能引起更积极的消费者反应,进而产生更高的购买意向等。微博平台的开放性与互动性为揭开营销活动影响机制的黑箱提供了条件,但现有研究并没有意识到这一问题。

此外,微博营销引起的消费者反应也不能一概而论。微博拥有多条产品营销渠道,[15]除品牌自有媒体外,媒体机构开设的微博账号也会发布产品相关资讯。对比品牌自有媒体,本文将媒体机构在微博平台开设的官方账号定义为第三方媒体。已有研究表明,品牌自有媒体和第三方媒体都能够促进产品销售,[16]但二者的作用机理不同。品牌自有媒体侧重发布关于产品介绍的信息,[17]其性质类似于品牌自建的广告窗口,出发点在于推介产品;而第三方媒体本着设置议程的职能,会侧重发布关于产品评价的信息,[18]其性质类似于第三方检验,出发点在于点评产品。[19]二者出发角度与内容侧重的不同,必然引起不同的消费者反应,产生差异化营销效果,因此有必要将二者对产品销量的影响路径进行对比研究。

因为缺乏对微博营销中间机制的深入研究,导致大家混淆了品牌自有媒体与第三方媒体的概念,误以为二者对产品销量的影响机制是相同的,因此仅关注品牌自有媒体的营销效果,忽略了第三方媒体的影响力,无法为企业充分利用微博平台营销渠道提供指导。本文旨在通过研究品牌自有媒体和第三方媒体引起的不同消费者反应,以及消费者反应对产品销量的作用解决以上问题。

配置完成后通过display eth-trunk 1来检查聚合链路是否工作正常,如图3所示,g0/0/1接口由于优先级不占优所以被设置成备份链路,其他两条链路为活动链路。

二、理论基础和研究假设

从图2可以初步得出,自有媒体发博量通过产品关注影响产品销量,第三方媒体通过产品关注和产品态度影响发博量。虽然AMOS能验证变量间的关系以及整体模型与数据的拟合效果,但其一般应用于检验离散型变量,在处理连续型数值变量时误差较大。因此,为进一步检验假设中的中介效应,我们再采用分层回归分析对数据进行处理。

对于体验型产品,通常获取产品质量信息相对困难且搜索成本较高,一般需要经过亲身体验才能对产品有清晰的认识。[10]Ackerberg提出,[20]质量信息搜寻成本较高的产品需要投入更多广告,为消费者提供关于产品质量的线索和信号。体验型产品的特征决定了它对产品宣传活动具有高依赖性,需要通过宣传引起消费者注意,促进他们进行产品体验。微博具有信息扩散速度快、范围广的特点,且微博信息形式多样化,包含文字、图片、音频、视频等多种呈现方式,能降低体验型产品的质量信息获取成本,是体验型产品进行营销的最优选择。因此,我们选择体验型产品为研究对象。本文研究模型如图1所示。

pathology revealed a tumor measuring 1.7 cm × 1.4 cm × 1.0 cm with a capsule abutting, leading to a diagnosis of a grade 2 ccpRCC without necrosis and a final pathologic stage of T1aN × M0.

  

图1 研究模型

1. 品牌自有媒体、产品关注和产品销量

品牌自有媒体侧重商业属性,出于树立正面形象的目的,其发布的内容多是正向积极的产品属性信息,受众需要付出更多的信息处理努力,对品牌自有媒体的观点进行思考和判断。而受众愿意付出时间与精力对自有媒体的信息进行分析判断通常出于个人的购买需求,此时自有媒体的信息与受众的个人相关性较高。综合以上两点,品牌自有媒体对受众的劝说作用属于中心路径。对体验型产品而言,在中心线索的影响下,个体会逐条判断品牌自有媒体的观点质量(Argument Quality)。[21]自有媒体发布的信息越多,个体得到的线索就越多,越可能吸引个体的注意,并关注该自有媒体接收后续产品信息。在关注品牌自有媒体后,品牌自有媒体通过图片、音乐、视频等形式丰富的信息展示让个体对产品的认识日趋完整,最终促使消费者产生购买行为,提高产品销量。相反,品牌自有媒体发布信息越少,个体获得的产品信息就越少,难以对产品进行关注,采取购买行为的可能性越小。以微博情境为例,个体通过其他渠道(电视广告、好友分享等)看到产品信息,对产品产生兴趣,然后主动搜索品牌官方微博,通过浏览品牌自有媒体之前发布的产品信息,对信息观点加以判断,确认无误后会添加品牌自有媒体到关注列表,当通过品牌自有媒体获得足够全面的产品信息后,就会产生购买行为。

Bhattacherjee等[21]提出,中心线索作用于个体的理性判断而非情感反应,即使中心线索会影响受众情绪,也是先引起受众关注,受众对信息作出理性判断后再产生态度,中心线索无法在影响产品关注之前影响产品态度。换言之,受众无法在还未关注品牌自有媒体前就对其产品抱有积极态度。此外,在没有消费体验之前,受众很难对体验型产品有明确的态度,因此本文认为品牌自有媒体仅影响产品关注,不会对产品态度产生影响。产品关注会促进购买行为,这二者的关系也获得了大量研究证实。[22-24]综上,本文认为品牌自有媒体通过产品关注对产品销量产生正向影响。

H1:品牌自有媒体发布微博数量通过产品关注对产品销量产生正向影响

据介绍,该生产线以可快速再生的农作物秸秆为主要原料,应用真空纤维分离技术,剥离植物茎秆的强力韧性纤维,结合黏合剂加工而成秸秆人造板材。这种禾香板材不含甲醛、表面光滑、可锯可刨,根据不同用途要求,能直接进行贴面或油漆,在强度、弹性、膨胀率、握钉力等性能上均优于相似的木质板材,深受亚丹、欧派等国内一线家居企业的青睐。

目前,已有不少研究成果支持这条中介路径假设。Rishika等[25]以企业在国外社交网站Facebook 开设的自有媒体账号为研究对象,证实消费者关注品牌自有媒体的行为通过与自有媒体发帖量的交互作用,对消费者到店频率产生正向影响,佐证了自有媒体通过消费者关注影响购买行为的路径;Schniederjans等[26]采用文本挖掘的方法对150个制药行业上市公司在各个社交网站的自有媒体进行分析,得出社交媒体能够通过吸引顾客关注来正向促进公司财政业绩的结论,再次说明消费者关注在营销与销量的关系之间起中介作用;除此之外,Rajagopal[27]在关于广播广告影响效果的研究中同样证实消费者关注的重要作用,提出广告会正向影响消费者认知,消费者认知会进一步促进购买行为。综上,本文提出以下假设:

2. 第三方媒体、产品态度和产品销量

第三方媒体侧重媒介属性,发布的内容多是产品评价,客观叙述产品优劣。由于第三方媒体是客观中立的,通常受众对它的抵触情绪更少,更乐意接受第三方媒体的评价,甚至还会将对第三方媒体的信任[28]和喜爱等积极态度投射到其推荐的产品上。受众关注第三方媒体不一定是出于迫切的购买需求,可能是为未来的需求作准备。比如关注电影类媒体的用户不一定当下有看电影的需求,但受到第三方媒体推荐的吸引,可能会在未来走进电影院观看第三方媒体推荐的电影,因此第三方媒体的信息与受众的个人相关性较低。综合以上两点,第三方媒体对受众的劝说作用属于边缘路径。[21]个体在处理边缘线索时,不会深入思考信息包含的观点,仅根据对信息源可靠性的判断作出决策。对于体验型产品,第三方媒体发布某个产品的信息越多,个体越能感受到第三方媒体对该产品的支持和偏好,越可能采用省力的方式对第三方媒体的积极态度直接投射到该产品上,并采取购买行为,促进产品销量。相反,第三方媒体提及较少的产品会让受众默认为产品评价不高,受众的产品态度就会相对消极,产生购买行为的可能性就越小。以微博情境为例,个体关注了一个经常推荐电影的第三方媒体,出于对该平台的信任,个体会在未详细浏览电影介绍的情况下对其推荐多次的电影产生好感,并且会在之后采取购票行为。

Bhattacherjee等[21]同样认为,边缘线索作用于个体的情感反应而非理性判断,即利用边缘路径加工信息的个体会以专业信息源的推荐代替自己的努力思考过程,采用更省力的方式进行决策。所以,边缘线索的可靠性会影响受众的态度,即第三方媒体的名人效应会促使受众对其推荐的产品产生积极态度。[29]对于体验型产品,个体常常无法根据文字介绍推断产品质量,第三方推荐显得尤为重要。产品态度是消费者购买行为的基础之一,[30]积极的产品态度会促进消费者产生购买行为。[31,32]因此本文认为,第三方媒体通过产品态度对产品销量产生正向影响。

关于第三方信息源与产品态度的关系已得到诸多研究的证实,如Kamins等[33]证实第三方认证在激发积极的产品情绪和购买意向方面颇有成效;Bhattacherjee等[29]认为,如果信息接收者信任代言人,他们就会将对代言人的喜爱投射到产品上,从而产生更积极的产品偏好和态度;Janiszewski[34]提出的纯粹接触效应从另一个角度佐证了第三方媒体对受众的影响过程,即个体若在无意识状态下持续接受产品信息,就会对产品产生积极态度。而关于产品态度与产品销量关系的研究文献更是不胜枚举,如Brown等[31]以及MacKenzie等[32]均证实品牌态度对购买意愿有直接影响。因此,本文提出以下假设:

H2:第三方媒体发布微博数量通过产品态度对产品销量产生正向影响

3. 第三方媒体和产品关注

第三方媒体不仅会作用于受众的情感反应,也会引起受众对产品的关注。个体无法跟上产品的更新速度,只能依靠第三方媒体推荐来知晓最新的产品信息,[21]根据第三方媒体的推荐关注产品。媒体具有议程设置功能,通过突出报道的形式引起受众对特定事物的关注,影响受众对事物重要性的判断。[35]媒体强调越多的事物,受众对其关注程度也会越高。因此,第三方媒体发布信息越多的产品,越能吸引受众的注意力,获得越多的消费者关注,消费者采取购买行为的可能性越大。相反,第三方媒体提及次数越少的产品,在受众的重要性排序中越靠后,越难吸引受众关注以及转化为购买力。同样以电影产品为例,在微博情境中,个体通过浏览第三方媒体的微博内容获取最新的电影资讯注意到,最近该账号多次提到某一部电影,其给予的高度评价以及剧情介绍引起了个体的兴趣,于是个体主动搜索了该电影的官方微博账号,并添加到关注列表,以获取更多关于该电影的介绍,之后在自有媒体潜移默化的影响下,用户就会走进电影院购买电影票。鉴于以上分析,本文认为第三方媒体同样会通过产品关注对产品销量产生正向影响。

虽然没有能够直接证明该假设的文献,但还是有一些研究结论能部分支持该假设。如Tam等[36]以ELM模型为理论基础,证实他人对商品的评级这一边缘线索能够引起消费者的关注,且吸引能力取决于视觉对象的突出性,数量越多越容易落入用户的“视觉带”,引起的用户关注度越高,与该假设的前半部分相符;杨学成等[1]关于微博内容的研究中提出,微博的名人效应能够提高品牌的吸引力和影响力,吸引更多用户参与互动,也意味着第三方能够提高消费者对产品的关注;Agnihotri等[37]认为,在B2B背景下社交媒体能够促进消费者参与和互动,说明第三方媒体本身就对消费者有足够的吸引力。关于产品关注对产品销量的影响在假设H1中已经阐明,故不再赘述。因此,本文提出以下假设:

H3:第三方媒体发布微博数量通过产品关注对产品销量产生正向影响

三、研究设计

1. 研究对象的选取

新浪微博是目前国内活跃用户数量最多且媒体覆盖面最广的微博平台,以新浪微博为研究背景具有典型的代表性。本文选择电影行业作为研究对象,原因有三点:第一,电影是典型的体验型产品,在消费前很难获取准确的产品质量信息;第二,电影对互联网有很强的依赖性,需要借助社交媒体的传播功能让大众知晓,获得大众关注;第三,电影的观众以年轻人为主,而年轻人也恰好是参与微博互动最多的群体,两者的受众较为匹配。本文采用手动收集数据的方式,利用新浪微博自有搜索引擎和统计功能,从中获取了2016年上映的154部电影相关数据。

2. 变量操作化定义

市场主体认可度和接受度显著提高。截至6月末,云南跨境人民币结算业务已从试点初期的边境贸易拓展到全部经常项目和资本项目投融资领域,结算主体从企业延伸至普通个人。跨境人民币业务已覆盖全省16个州市和23个省级以上口岸,提供结算服务的银行25家,参与结算企业近3000家,较好满足实体经济跨境结算需要。鼓励云南省边境地区金融机构与周边国家金融机构加强联系,共同促进区域性跨境金融合作与交流。文山州与越南河江省将金融合作纳入双边合作规划,德宏州瑞丽与缅甸木姐建立了“中国瑞丽—缅甸木姐”双边商业银行定期会晤机制,版纳州与缅甸开展联合反假货币合作与跨境警务协作,确保人民币在毗邻国家地区的正常使用。

(1)自变量:品牌自有媒体发布关于产品的微博数量(以下简称品牌自有媒体发博量)由2016年上映的154部电影官方微博账号发布的微博数量测量,第三方媒体发布关于产品的微博数量(以下简称第三方媒体发博量)由“微博电影”账号发布的包含电影名称的微博数量测量,二者的统计时间均以开通微博之日为起始,以总票房统计日为终止。某些续集电影会沿用前作的微博账号,对于多部电影共用一个微博账号的情况进行了数据剔除。通过浏览微博具体内容将宣传非目标电影的微博剔除,仅统计一个官方微博中宣传目标电影的微博数量。我们选择“微博电影”作为第三方媒体数据采集对象是因为该微博账号拥有近千万的粉丝数量,在电影宣传方面有强大的号召力,是电影行业的意见领袖;其次,我们进一步分析其微博内容时发现它并非报道了所有电影,只是选择性地发布它认为质量高的电影资讯,这与我们定义的第三方媒体特征相符。

(2)中介变量:消费者的产品关注由电影官方微博粉丝数量来衡量。在微博情境中,如果产品引起了消费者的关注与兴趣,消费者就会采取关注品牌官方微博的行为进一步获得更多关于产品的信息,而一个电影类微博通常只涉及一个电影产品,因此官方微博粉丝数量反映了关注其产品的消费者数量。但是在统计过程中我们发现,存在某些系列电影或同一个公司出品的电影共用一个微博账号的情况,此时的粉丝量存在积累的情况,不能真实反映某一部电影获得的关注,因此将这些数据剔除。产品态度由电影官方微博所有资讯获得的最大点赞量来测量。原因有三点:第一,在社交媒体中,点赞行为是消费者态度的反映,[38]如果消费者对微博内容持积极态度,就会产生点赞行为;第二,由于第三方媒体发布的微博常常会将多个产品放在一起评价,我们无法分辨总点赞量中哪一部分属于对目标产品的赞赏,因此官方微博的点赞量更具有代表性;第三,在官方微博页面,关于同一产品的资讯往往不止一条,每一条资讯都会引起不同的消费者反应,或是点赞或是评论或是转发,任意一条资讯的点赞量都不能全面反映消费者态度;此外,经过观察我们发现,消费者在同一个官方微博下重复点赞的现象频发,即总点赞量远远大于总粉丝量,如果将所有点赞量相加会导致重复计算。综合以上观点,我们选择品牌官方微博中最大点赞量衡量消费者的产品态度。因变量产品销量由电影票房衡量。以上所有数据的采集时间均截至总票房统计日。

关于品牌延伸的研究指出,母品牌的质量和评价对延伸产品的销量有正向影响,[39]品牌溢出效应是影响产品销量的因素之一,因此本文将产品类型纳入控制变量,认为延伸产品与非延伸产品的产品销量具有显著差异。产品类型为分类变量,由续集电影代表延伸产品,赋值为1;非续集电影代表非延伸产品,赋值为0。已有研究表明,市场是决定产品销量的重要因素,[40,41]市场需求高的产品更有可能获得高销量,本文同样将市场需求纳入控制变量。市场需求也是分类变量,由电影上映日所属档期衡量,在热门档期上映的电影属于市场需求高的产品,赋值为1;在非热门档期上映的电影属于市场需求低的产品,赋值为0。各个变量类别、名称以及测量指标如表1所示。

 

表1 研究变量测量指标汇总

  

变量类别变量名称 测量指标自变量 连续变量 自有媒体发博量 电影官方微博发布微博数量连续变量 第三方媒体发博量“微博电影”发布的包含电影名称的微博数量中介变量 连续变量 产品关注 官方微博粉丝数量连续变量 产品态度 官方微博所有资讯中最大点赞量因变量 连续变量 产品销量 截至总票房统计日的电影票房数量控制变量 分类变量 产品类型 电影是否为续集电影(是1否0)分类变量 市场需求 电影上映日期是否在热门档期(是1否0)

四、数据分析与假设检验

1. 描述统计及相关性分析

 

表2 描述统计与相关系数

  

注:*表示在0.05水平(双侧)上显著相关,**表示在0.01水平(双侧)上显著相关

 

(1) (2) (3) (4) (5) (6) (7)自有媒体 1第三方媒体 0.374** 1产品关注 0.624** 0.494** 1产品态度 0.652** 0.517** 0.727** 1产品类型 -0.109 0.029 -0.112 -0.158 1市场需求 0.222** 0.192* 0.212** 0.202* -0.038 1产品销量 0.546** 0.714** 0.681** 0.682** 0.131 0.221** 1均值 453.63 2.23 235767.00 3758.47 0.14 0.59 15762.18标准差 515.658 4.731 422074.264 7792.125 0.351 0.493 36881.292

研究共采集154个样本数据,利用SPSS19.0进行数据分析,样本的描述统计如表2所示,其中自有媒体代表品牌自有媒体发博量,第三方媒体代表第三方媒体发博量,产品销量的单位为万元。根据描述性统计的结果可知,各个观测变量间数量级相差较大,为避免数量级差距带来的误差,之后的数据分析均在原始数据基础上加1后取对数处理。取对数后的Pearson相关系数矩阵同样如表2所示。

根据表2的分析结果可知,自有媒体与产品关注、第三方媒体与产品关注和产品态度均有显著的相关性,产品关注和产品态度与产品销量有显著相关性。但相关系数不能反映变量之间的因果关系及中介效应,因此需要采用路径分析与分层回归分析相结合的方法进行假设检验。

2. 结构方程模型

本研究先采用AMOS21.0软件进行路径分析以检验整体模型与数据的拟合度。结构方程模型的数据处理结果如图2所示,所有路径系数均显著,假设初步得到支持。模型拟合度如表3所示,其中参考值借鉴吴明隆[42]的标准,对比参考值可以看出整体研究模型与数据的拟合度良好。

管理体制改革取得重大突破。按照新规定,珠航局除了承担所辖范围内的航运行政管理工作外,还承接了内地与港澳间海上运输部分业务的行政许可、航运管理事务协调,琼州海峡客滚运输市场监管等工作。为了确保新增职责接得住、管得好、见实效,珠航局迅速制定了行政许可服务指南、操作规程,并向社会公布办理流程和申请范本,实现了“最多跑一次、一次就办好”,缩短审批时间、提高审批效率,展现了高效办事和为民服务的良好作风。

  

图2 AMOS分析结果

 

注:***表示P<0.001,**表示P<0.01

 

表3 模型适配度指标实际值

  

适配度 χ2/dfRMSEA NFI GFI CFI IFI TLI AGFI指标值 1.567 0.061 0.933 0.961 0.972 0.972 0.954 0.916参考值 [1,5] <0.08 >0.90 >0.90 >0.90 >0.90 >0.90 >0.90

本文旨在探究消费者对品牌自有媒体和第三方媒体信息处理过程的异同,故采用阐述受众信息加工路径的详尽可能性模型(Elaboration Likelihood Model,简称ELM模型)作为理论基础。ELM模型认为,在个体有充分的时间和机会处理信息的前提下,当个体信息处理参与度较高且信息处理能力较高时,中心路径(Central Route)起劝说作用;当个体信息处理参与度较低且信息处理能力较差时,边缘路径(Peripheral Route)起劝说作用。在中心路径主导的情况下,个体会谨慎仔细地审视信息内容,如果信息中的观点有说服力且没有错误,个体的信念和态度就会被改变。在边缘路径主导的情况下,个体只会投入有限的精力处理信息内容,他们对信息包含观点的判断仅仅依据简单的启发式线索,而非深思熟虑得出结果。[7-9]

3. 分层回归分析

根据温忠麟等[43]检验中介效应的程序,分四步检验:第一,检验自变量是否对因变量存在显著影响;第二,检验自变量对中介变量是否有显著影响;第三,检验自变量和中介变量同时进入回归方程是否对因变量有显著影响;第四,如果第三步中至少有一个变量系数不显著,则进行Sobel检验。

(2)以产品态度为中介变量,第三方媒体的影响路径回归分析:首先以产品态度为因变量,分两步先后引入控制变量和第三方媒体发博量(见表5模型1和2);然后以产品销量为因变量,分三步依次引入控制变量、第三方媒体发博量和产品态度(见表5模型3、4、5)。分层回归分析结果如表5所示。

集中化监控所指的是由一个系统对所有运行项目的运行进行控制,这种方式有着操作较简单、方便系统维护和系统运行、对控制站要求也很低等优点。由于分散的单独监控不管在电缆的连接上,还是处理器安装方面,都显得非常复杂,同时很多电缆混在一起,也造成了处理器速度被减慢了,增加了电气工程的投资成本,还造成系统的可靠性和安全性的降低。可是现在电气工程通过集中化监控式理念的应用,不但使设备成本减少了,也做到了系统的统一监控,使电气工程的运行更加有序,达到了工程的实际所需求。所以在电气工程中集中化监控理念被大大推广。

 

表4 自有媒体影响路径分析结果

  

注:***表示p<0.001,**表示p<0.01,*表示p<0.05

 

因变量解释变量产品关注 产品销量模型1 模型2 模型3 模型4 模型5控制变量产品类型市场需求-0.104 0.208**-0.044 0.076 0.140 0.226**0.195**0.107 0.219***0.064自变量自有媒体 0.603*** 0.543*** 0.203**中介变量产品关注0.566***调整后R2 0.056 0.397 0.068 0.346 0.539 ΔR2 0.056 0.341 0.068 0.278 0.193 F值 4.454* 32.944*** 5.540** 26.470*** 43.561***

根据表8 Bootstrap法的结果,第三方媒体直接影响产品销量的区间为[0.7897, 1.2555],通过产品态度间接影响产品销量的区间为[0.3329, 0.6118],均不包含0。故第三方媒体对产品销量有显著的直接影响,通过产品态度对产品销量有显著的间接影响,即产品态度在第三方媒体和产品销量间起部分中介作用,假设H2得到支持。

尸解的结果让所有人惊呆了:那把刀无比精确地洞穿了他的心脏,他却多活了三天,而且可以做到不被任何人察觉。唯一可能的解释是因为创口太小,使得被切断的心肌依原样贴在一起,维持了三天的供血。这是医学史上罕见的奇迹。医学会议上,有人说要称为大西洋的奇迹,有人建议以死者的名字命名,还有人说要叫大神迹……“够了。”那是一位坐在首席的老医生,须发俱白,皱纹里满是人生的智慧,此刻一声大喝,然后一字一顿地说:“这个奇迹的名字,叫父爱。”

(1)自有媒体的影响路径回归分析:首先以产品关注为因变量,分两步先后引入控制变量和自有媒体发博量(见表4模型1和2);然后以产品销量为因变量,分三步依次引入控制变量、自有媒体发博量和产品关注(见表4模型3、4、5)。自有媒体分层回归分析结果如表4所示。

政策调整主要针对矿税制合同模式,多适用于现行项目。调整内容多样化,涉及合同模式、政府参股、税费变化、成本回收/利润分成、签字费等多个方面。

 

表5 第三方媒体影响路径分析结果(产品态度作为中介变量)

  

注:***表示p<0.001,**表示p<0.01,*表示p<0.05

 

因变量解释变量产品态度 产品销量模型1 模型2 模型3 模型4 模型5控制变量产品类型市场需求-0.150 0.196*-0.169*0.099 0.140 0.226**0.115*0.093 0.194***0.046自变量第三方媒体 0.503*** 0.693*** 0.458***中介变量产品态度0.466***调整后R2 0.063 0.307 0.068 0.530 0.681 ΔR2 0.063 0.244 0.068 0.462 0.151 F值 5.112** 22.148*** 5.540** 56.389*** 79.365***

从表5可知,模型2相比只包含控制变量的模型1解释力有显著提高(ΔR2=0.244,F=22.148,p<0.001),第三方媒体发博量(β=0.503,p<0.001)对产品态度有显著正向影响。前面已知第三方媒体发博量对产品销量有显著正向影响,而第三方媒体发博量(β=0.458,p<0.001)和产品态度(β=0.466,p<0.001)同时对产品销量有显著正向影响,整体模型解释力较高(R2=0.681)。因此,我们认为中介效应成立,产品态度在第三方媒体与产品销量之间起部分中介作用,假设H2初步得到支持。

(3)以产品关注为中介变量,第三方媒体的影响路径回归分析:首先以产品关注为因变量,分两步先后引入控制变量和第三方媒体发博量(见表6模型1和2);然后以产品销量为因变量,分三步依次引入控制变量、第三方媒体发博量和产品关注(见表6模型3、4、5)。分层回归分析结果如表6所示。

 

表6 第三方媒体影响路径分析结果(产品关注作为中介变量)

  

注:***表示p<0.001,**表示p<0.01,*表示p<0.05

 

?

从表6的分析结果可知,模型2相比只包含控制变量的模型1解释力有显著提高(ΔR2=0.217,F=18.795,p<0.001),第三方媒体发博量(β=0.475,p<0.001)对产品关注有显著正向影响。同样,模型4比只包含控制变量的模型3解释力有显著提高(ΔR2=0.462,F=56.389,p<0.001),第三方媒体发博量(β=0.693,p<0.001)对产品销量有显著正向影响,并且第三方媒体发博量(β=0.475,p<0.001)和产品关注(β=0.457,p<0.001)同时对产品销量有显著正向影响,整体模型解释力较高(R2=0.682)。因此,我们认为中介效应成立,产品关注在第三方媒体与产品销量之间起部分中介作用,假设H3初步得到支持。

采用倒梯结构齿圈淬火感应器,很好地解决了传统高频感应淬火工艺无法实现齿圈“阴阳脸”的技术问题,从而大幅提高了齿圈件的使用寿命。

4. Bootstrap 法

用SPSS做回归分析检验中介变量仍然存在误差,为进一步确认中介效应的存在我们再次利用SPSS进行Bootstrap法检验。设置Bootstrap样本为5000,置信区间的置信度设置为95%,我们分三次录入数据检验三条中介路径,得到的结果分别如表7、表8、表9所示。

根据表7 Bootstrap法的结果,自有媒体直接影响产品销量的区间为[0.0934, 0.6338],通过产品关注间接影响产品销量的区间为[0.4779, 0.8432],均不包含0。故自有媒体对产品销量有显著的直接影响,通过产品关注对产品销量有显著的间接影响,即产品关注在自有媒体和产品销量间起部分中介作用,假设H1得到支持。

 

表7 H1的中介效应检验

  

自有媒体对产品销量的直接影响Effect SE t p LLCI ULCI 0.3636 0.1368 2.6588 0.0087 0.0934 0.6338自有媒体对产品销量的间接影响(以产品关注为中介)Effect BootSE BootLLCI BootULCI 0.6384 0.0899 0.4779 0.8432

 

表8 H2的中介效应检验

  

第三方媒体对产品销量的直接影响Effect SE t p LLCI ULCI 1.0226 0.1179 8.6748 0.0000 0.7897 1.2555第三方媒体对产品销量的间接影响(以产品态度为中介)Effect BootSE BootLLCI BootULCI 0.4582 0.0708 0.3329 0.6118

 

表9 H3的中介效应检验

  

第三方媒体对产品销量的直接影响Effect SE t p LLCI ULCI 1.0353 0.1145 9.0391 0.0000 0.8090 1.2616第三方媒体对产品销量的间接影响(以产品关注为中介)Effect BootSE BootLLCI BootULCI 0.4456 0.0665 0.3292 0.5900

在控制了产品类型、市场需求两个变量后,表4模型2相比模型1解释力有显著提高(ΔR2=0.341,F=32.944,p<0.001), 自 有 媒 体 发 博 量(β=0.603,p<0.001)对产品关注有显著正向影响。模型4比只包含控制变量的模型3解释力有显著提高(ΔR2=0.278,F=26.470,p<0.001), 自 有 媒 体 发 博 量(β=0.543,p<0.001)对产品销量有显著正向影响,并且自有媒体发博量(β=0.203,p<0.01)和产品关注(β=0.566,p<0.001)同时对产品销量有显著正向影响,整体模型解释力较高(R2=0.539)。因此,我们认为中介效应成立,产品关注在自有媒体发博量与产品销量之间起部分中介作用,假设H1初步得到支持。

根据表9 Bootstrap法的结果,第三方媒体直接影响产品销量的区间为[0.8090, 1.2616],通过产品关注间接影响产品销量的区间为[0.3292, 0.5900],均不包含0。故第三方媒体对产品销量有显著的直接影响,通过产品关注对产品销量有显著的间接影响,即产品关注在第三方媒体和产品销量间起部分中介作用,假设H3得到支持。至此,研究模型中的全部假设均得到支持。

五、研究结论与讨论

1. 研究结论

首先,本文证实了消费者反应在微博营销活动与产品销量间的中介作用。企业微博营销活动通过作用于消费者,或引起消费者的产品关注,或让消费者产生积极的产品态度,进而促进消费者采取购买行为,提高产品销量。微博发布量越多,粉丝量和点赞量就越多,产品销量也越高。该模型弥补了过往研究对消费者反应的忽视,首次考察了微博情境下消费者反应的中介作用,为揭开微博营销影响机制的黑箱提供了指导。

基于以上模式,本文进一步证实微博平台的两条营销渠道——品牌自有媒体和第三方媒体经过不同路径对产品销量产生影响。品牌自有媒体通过引起产品关注来获得产品销量,第三方媒体通过引起产品关注及积极的产品态度来获得产品销量。品牌自有媒体发博量越多,粉丝量越多,产品销量越高;第三方媒体发博量越多,粉丝量和点赞量均越多,产品销量越高。正是前人研究对消费者反应的忽视,才会导致品牌自有媒体和第三方媒体概念的混淆,本文首次将二者区分开来,提出微博营销中品牌自有媒体和第三方媒体的双路径影响机制,并强调第三方媒体的理论与实践意义,期待后续能有更多研究关注这一概念。

本研究的结论适用于体验型产品,如电影、电脑软件、香水等,这类产品在购买之前很难对其质量有准确判断,对网络宣传的依赖性较高。微博平台上品牌自有媒体加第三方媒体的营销模式能通过观点质量和信任投射两条路径增强体验型产品信息对受众的说服力,是体验型产品进行营销的不二选择。

本文也是首次将ELM模型应用到微博营销领域,这种应用背景转移经验证是合适且必要的。ELM模型在微博背景下的适用提高了它在多个领域的解释能力,这不仅是对该理论自身核心内容的丰富,也是对微博营销研究理论基础的扩展。此外,本文也是首次将媒体的议程设置功能运用到营销学研究中,微博营销研究的本质即是关于信息传播的影响,传播学的理论能有效解释营销学现象。期待后续能有更多传播学与营销学相结合的跨领域研究。

在调查区布置了1∶2000地面高精度磁法测量和视电阻率测深,磁法异常主要分布在调查区东部,面积较大,磁性特征为正负异常伴生(图4),最高值约520nT,最低值约-220nT,经过现场查证,异常范围内出露有大面积橄榄玄武岩。为了解异常深部特征,在异常上布设有视电阻率测深剖面,剖面长120m,走向331°,其中70号点位于橄榄玄武岩出露的边界处。由视电阻率等值线断面图(图5)可知,地表以下不同深度内均分布有低阻异常,顺层产出于高阻异常中,倾向NW,低阻异常位置与磁异常位置对应较好,推测该异常为橄榄玄武岩引起。根据刘效才等[6],鲁西地区金伯利岩地面磁测异常强度一般在200~500nT之间。

2. 管理建议

本研究得出的结论为企业开展微博营销提供了一些启示和建议。

(80)瓦氏皱指苔Telaranea wallichiana(Gottsche)R.M.Schust.

第一,微博营销活动引起的消费者反应对产品销量有显著的促进作用,企业在实际应用中要重视这些消费者反应,如粉丝量、点赞、评论、转发等,多多鼓励消费者参与互动,可以举办关注有赏、点赞抽奖等活动,同时要避免引发消费者取消关注的行为,并对消费者点赞量低和高的微博进行对比分析,找到促进消费者点赞的产品推广方式。

第二,品牌自有媒体和第三方媒体的影响路径并不相互排斥,两者都能提高产品销量。在营销实践中,企业应该首先管理好自有官方微博,提高微博发布频率,以达到吸纳粉丝的目的;除此之外,企业还要多与第三方媒体合作,联合进行产品宣传,能获得更高的产品关注度和更好的产品态度。

第三,品牌自有媒体的微博内容应多涉及产品优势、特征、性能等关于产品属性方面的介绍,为消费者判断观点质量提供充足的中心线索,促进消费者购买行为的产生;第三方媒体的微博内容应多关注代言人、网络口碑等产品评价信息,促使消费者将对代言人和信息源的喜爱投射到产品上,从而促进购买。

3. 研究局限与展望

本研究还存在以下局限,希望未来能进一步完善这些不足之处。首先,本文仅以体验型产品为例建立研究模型,没有将搜索型产品纳入研究范围,但实际上搜索型产品也存在自有媒体和第三方媒体两条营销渠道,例如媒体账号“新浪汽车”专门推送汽车类资讯,未来可以进一步研究搜索型产品的营销渠道影响路径差异,提高研究外部效度;其次,本文没有区分两条渠道发布微博内容的正负性,仅采用相关微博总数作为自变量进行数据检验,未来可以进一步对微博内容的正负性进行区分,研究不同情感倾向的微博内容对消费者是否有不同影响;最后,本文控制变量的选择不够全面,未来研究还需将更多影响产品销量的因素纳入控制变量范畴。

参考文献

[1] 杨学成, 兰冰, 孙飞. 品牌微博如何吸引粉丝互动——基于CMC理论的实证研究. 管理评论, 2015, 27(1): 158-168.

[2] Chai, S., Kim, M.. What Makes Bloggers Share Knowledge? An Investigation on the Role of Trust. International Journal of Information Management, 2010, 30(5): 408-415.

[3] 赵玲,张静.微博用户使用动机影响因素与结构的实证研究.管理学报, 2014, 11(8): 1239-1245.

[4] Smith, A. N., Fischer, E., Chen, Y. J.. How Does Brand-related User-generated Content Differ across YouTube, Facebook, and Twitter? Journal of Interactive Marketing, 2012, 26(2):102-113.

[5] Culnan, M. J., McHugh, P. J., Zubillaga, J. I.. How Large U.S.Companies Can Use Twitter and other Social Media to Gain Business Value. MIS Quarterly Executive, 2010, 9(4): 243-259.

[6] 王霞,牛海鹏.企业微博营销中品牌曝光度对网络口碑的影响研究. 管理评论, 2013, 25(5): 116-135.

[7] Petty, R. E., Cacioppo, J. T., Schumann, D.. Central and Peripheral Routes to Advertising Effectiveness: The Moderating Role of Involvement. Journal of Consumer Research, 1983, 10(2): 135-146.

[8] Petty, R. E., Cacioppo, J. T.. Source Factors and the Elaboration Likelihood Model of Persuasion. Advances in Consumer Research, 1984, 11(1): 668-672.

[9] Petty, R. E., Cacioppo, J. T.. Communication and Persuasion:Central and Peripheral Routes to Attitude Change. New York:Springer-Verlag, 1986.

[10] Mudambi, S. M., Schuff, D.. What Makes a Helpful Online Review? A Study of Customer Reviews on Amazon.com. MIS Quarterly, 2010, 34(1): 185-200.

[11] Huang, Z., Benyoucef, M.. From E-commerce to Social Commerce: A Close Look at Design Features. Electronic Commerce Research and Applications, 2013, 12(4): 246-259.

[12] Honey, C., Herring, S. C.. Beyond Microblogging Conversation and Collaboration via Twitter. Hawaii International Conference on System Sciences. IEEE, 2009: 1-10.

[13] Lantos, G. P., Craton, L. G.. A Model of Consumer Response to Advertising Music. Journal of Consumer Marketing, 2012, 29(1): 22-42.

[14] Dens, N., Pelsmacker, P. D.. Consumer Response to Different Advertising Appeals for New Products: The Moderating Inf l uence of Branding Strategy and Product Category Involvement.Brand Management, 2010, 18(1): 50-65.

[15] Burton, S., Soboleva, A.. Interactive or Reactive? Marketing with Twitter. Journal of Consumer Marketing, 2011, 28(7): 491-499.

[16] Hajli, N.. Social Commerce Constructs and Consumer`s Intention to Buy. International Journal of Information Management,2015, 35(2): 183-191.

[17] Hsu, Y. L.. Facebook as International eMarketing Strategy of Taiwan Hotels. International Journal of Hospitality Management, 2012, 31(3): 972-980.

[18] Conway, B. A., Kenski, K., Wang, D.. The Rise of Twitter in the Political Campaign: Searching for Intermedia Agenda-setting Effects in the Presidential Primary. Journal of Computer-mediated Communication, 2015, 20(4): 363-380.

[19] Bai, Y., Yao, Z., Dou, Y. F.. Effect of Social Commerce Factors on User Purchase Behavior: An Empirical Investigation from Renren.com. International Journal of Information Management,2015, 35(5): 538-550.

[20] Ackerberg, D. A.. Advertising, Learning, and Consumer Choice in Experience Good Markets: A Structural Empirical Examination. International Economic Review, 2003, 44(3): 1007-1040.

[21] Bhattacherjee, A., Sanford, C.. Inf l uence Processes for Information Technology Acceptance: An Elaboration Likelihood Model.MIS Quarterly, 2006, 30(4): 805-825.

[22] 梁磊, 赖红波. 新媒体传播对本土新奢侈品品牌培育与顾客购买意向影响研究. 科研管理, 2016, 37(6): 84-90.

[23] 陶萍, 刘先伟. 关注度视角下的网络广告效果影响因素研究.预测, 2013, 32(6): 45-50.

[24] Zhang, J., Wedel, M., Pieters, R.. Sales Effects of Attention to Feature Advertisements: A Bayesian Mediation Analysis. Journal of Marketing Research, 2009, 46(5): 669-681.

[25] Rishika, R., Kumar, A., Janakiraman, R., Bezawada, R.. The Effect of Customers` Social Media Participation on Customer Visit Frequency and Profitability: An Empirical Investigation.Information Systems Research, 2013, 24(1): 108-127.

[26] Schniederjans, D., Cao, E. S., Schniederjans, M.. Enhancing Financial Performance with Social Media: An Impression Management Perspective. Decision Support Systems, 2013, 55(4):911-918.

[27] Rajagopal.. Impact of Radio Advertisements on Buying Behaviour of Urban Commuters. International Journal of Retail &Distribution Management, 2011, 39(7): 480-503.

[28] Yang, S. C., Hung, W. C., Sung, K., Farn, C. K.. Investigating Ini-tial Trust toward E-tailers from the Elaboration Likelihood Model Perspective. Psychology & Marketing, 2006, 23(5): 429-445.

[29] Bhattacherjee, A., Sanford, C. C.. Influence Processes for Information Technology Acceptance: An Elaboration Likelihood Model. MIS Quarterly, 2006, 30(4): 805-825.

[30] 苏凇, 黄劲松. 品牌延伸还是子品牌——基于品牌态度、广告说服和购买意愿的比较. 管理评论, 2013, 25(2): 98-107.

[31] Brown, S. P., Stayman, D. M.. Antecedents and Consequences of Attitude toward the Ad: A Meta-analysis. Journal of Consumer Research, 1992, 19(1): 34-51.

[32] MacKenzie, S. B., Lutz, R. J., Belch, G. E.. The Role of Attitude toward the Ad as a Mediator of Advertising Effectiveness: A Test of Competing Explanations. Journal of Marketing Research,1986, 23(2): 130-143.

[33] Kamins, M. A., Marks, R. B.. The Perception of Kosher as A Third-party Certif i cation Claim in Advertising for Familiar and Unfamiliar Brands. Journal of the Academy of Marketing Sciences, 1991, 19(3): 177-185.

[34] Janiszewski, C.. Pre-attentive Mere Exposure Effects. Journal of Consumer Research, 1993, 20(3): 376-392.

[35] Mccombs, M. E., Shaw, D. L.. The Agenda-setting Function of Mass Media. Public Opinion Quarterly, 1972, 36(2): 176-187.

[36] Tam, K. Y., Ho, S. Y.. Web Personalization as a Persuasion Strategy: An Elaboration Likelihood Model Perspective. Information Systems Research, 2005, 16(3): 271-291.

[37] Agnihotri, R., Dingus, R., Hu, M. Y., Krush, M. T.. Social Media: Inf l uencing Customer Satisfaction in B2B Sales. Industrial Marketing Management, 2016, (53): 172-180.

[38] Vries, L. D., Gensler, S., Leef l ang, P. S. H.. Popularity of Brand Posts on Brand Fan Pages: An Investigation of the Effects of Social Media Marketing. Journal of Interactive Marketing, 2012,26(2): 83-91.

[39] 侯永, 王铁男, 李向阳. 续集电影品牌溢出效应的形成机理:从信号理论与品牌延伸理论的视角. 管理评论, 2014, 26(7): 125-137.

[40] Im, S., Jr., J. P. W.. Market Orientation, Creativity, and New Product Performance in High-technology Firms. Journal of Marketing, 2004, 68(2): 114-132.

[41] Matsuno, K., Mentzer, J. T.. The Effects of Strategy Type on the Market Orientation-performance Relationship. Journal of Marketing, 2000, 64(4): 1-16.

[42] 吴明隆. 结构方程模型——AMOS的操作与应用(第2版).重庆大学出版社, 2010: 52-53.

[43] 温忠麟, 张雷, 侯杰泰, 刘红云. 中介效应检验程序及其应用.心理学报, 2004, 36(5): 614-620.

注释

① 电影票房数据来自艺恩网中国票房www.cbooo.cn。

② 热门档期包括四个时间段:贺岁档(2016年1月1日—2月22日,2016年12月1日—12月31日)、五一档(2016年4月30日—5月2日)、暑期档(2016年7月1日-8月31日)、国庆档(2016年10月1日—10月7日)。

 
张伟,李晓丹,郭立宏
《南开管理评论》 2018年第02期
《南开管理评论》2018年第02期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号