更全的杂志信息网

社会影响对不同类型虚拟产品扩散的差异化作用*

更新时间:2009-03-28

引言

不断促进消费者的购买、提升产品的扩散,是企业获取市场价值、保持竞争优势的重要手段。[1]作为一种提升产品扩散的重要因素,消费者之间的相互影响——社会影响,受到了越来越多的关注。特别是近年来,随着社会化媒体的兴起,如Facebook、Twitter、微博、微信等,使得人们相互之间的联系越来越紧密,消费者之间的相互影响对产品扩散的作用也越来越强,[2]甚至超过了传统广告。[3,4]比如,Manchanda等以一种药品的扩散为研究对象发现,企业的广告只能在产品扩散的前四个月内起主导作用,之后药品的扩散主要依靠消费者之间的相互影响(即社会影响),并且90%的用户购买是由于用户之间的相互影响而导致的。[4]

对于企业来说,运用社会影响促进产品扩散的主要途径是寻找关键性消费者,即:(1)识别影响力高的已购买消费者,比如意见领袖,利用他们的购买促进产品的扩散;[5] (2)寻找易感性强的(即自身更容易受到其他人影响)未购买消费者,比如网络社区中的新用户,从而帮助企业更好地定位消费者,进行精准营销。[6]但是,对于哪些已购买者影响力更强、哪些未购买者的易感性更高,以往的研究结论并未达成一致。例如,对于影响力更高的已购买消费者,Risselada等发现近期购买时间短的消费者能够产生更大的影响力,[7]而Iyengar等则认为购买时间长的消费者影响力更大。[5]类似地,对于未购买者的易感性,Nitzan等认为社区经验较少的消费者易感性更强,[6]而Algesheimer等则认为社区经验较多的消费者易感性更强。[8]为了对以往的研究有更全面的了解,本文在表1中总结了近年来的文献。从表1中可以发现,以往的学者在寻找关键消费者(即有影响力的已购买者和易感的未购买者)时,更多针对一种产品,[7,9]然而现实中,产品可以因为自身的属性而被区分为很多不同的类型。基于此,本文主要探讨,在不同产品类型下,社会影响对不同类型产品扩散的差异化作用。

已有研究发现,在不同产品类型的情境下,如实用型VS社会型产品,[10]消费者对产品的诉求偏好不同。具体地,实用型产品的消费主要是为了完成某些特定的任务,获得更多的效能,即消费者主要关注产品的信息;[11,12]而消费者购买社会型产品并不是为了获得产品的使用价值,更多是为了获得产品“所代表的符号价值或情感,从而建立自身与群体中其他用户的社会认同”,即消费者更关注产品所代表的共同价值或规范。[13]这也就预示着社会影响在不同的产品类型下可能会产生迥异的作用,进而导致了前述的矛盾性结论。

如前文所提及,朝代的更替使更多文人雅士甘为隐居山林,造就了他们不问世事的心性,那么绘画以自娱便成了其乐趣。这些画家作画并不再为生计,也不为任何功利,只求自得其乐,故绘画的功用性渐渐只留在了朝廷之中,乡野平民们只顾得抒自己胸中逸气,自讨墨趣,功用性的绘画便成为宫廷画师的专利,而那些常年只呆在珠光宝气里的画师画匠画工们,哪里还有几个留得灵气,所以很容易就被乡野里的隐士们的才气所掩盖了。

因此,为了探究以上问题的答案,本研究和国内某虚拟世界运营公司合作,以虚拟世界中消费者购买多种类型的虚拟产品为样本,设计两个研究来探究社会影响对不同类型产品扩散的差异化作用。在研究1中,随机选取该产品中的一个公会为实验对象,分析不同产品类型下,社会影响的作用机制是否相同,为后续探究关键消费者的差异化作用(以往研究的冲突点)奠定基础。在研究2中,随机选取了10种实用型产品和8种社会型产品,对该款虚拟世界中的897765名用户实施85天的田野实验(其中133748名用户发生了购买行为),并通过日志文件的解析,运用社会网络的方法以及脆弱性模型来分析社会影响中的关键消费者。研究结果表明,社会影响对实用型产品和社会型产品的扩散都有正向促进作用,但是作用的方式有所差异。具体而言,对于实用型产品,社会影响主要通过信息性影响发挥作用,近期购买者产生的影响力更大,社区经验少的未购买者易感性更强;而对于社会型产品,社会影响主要通过规范性影响发挥作用,早期购买者产生的影响力更强,社区经验多的未购买者易感性更强。

一、文献综述与研究假设

1. 社会影响和产品购买

社会影响,即消费者的行为(如产品购买等)会受到其他人的影响而改变。[7,14]以往研究主要从两个视角来探究社会影响,[15]第一,心理学视角,主要关注社会影响的内在机制,即信息性影响和规范性影响。[16,17]具体地说,信息性影响是指未购买消费者通过与周围人群的交流,接触到关于产品的信息;[18,19]而规范性影响主要是为了保持和群体中其他个人的一致性而产生的规范性压力。[20,21]第二,从网络分析的视角来寻找关键消费者,即哪些(已购买)消费者能够产生更大的影响力,[22,23]哪些(未购买)消费者的易感性更强。[24,25]但是,以往从网络视角寻找关键消费者的结论并不一致。例如,对于已购买消费者的影响力,Risselada等发现购买时间短的消费者能够产生更大的影响力,[7]而Iyengar等则发现购买时间长的消费者的影响力更强。[5]类似地,对于未购买者的易感性,Nitzan等认为社区经验较少的消费者易感性更强,[6]而Algesheimer等则认为社区经验较多的消费者易感性更强。[8]表1中总结了以往从网络视角寻找关键消费者的文献。从中不难发现,以往结论更多地是建立在一种[6,9]或是一类产品[7,26]的基础上,并没有关注在不同的产品情境下,社会影响是否会有不同的作用。实际上,在不同的产品类型下,消费者对产品的诉求是不同的,[20,27]这也就意味着社会影响的作用机制可能不同。因此,本文结合社会影响的两个视角,首先从心理学的视角探究不同产品类型下,社会影响的机制是否有差异,然后从网络分析的视角探究不同产品类型下关键消费者的差异。

2. 社会影响和产品类型

产品可以根据自身的主要属性区分为不同类型,比如实用型产品和社会型产品。[10,11]消费者购买实用型产品主要是为了获得更多的效能或完成特定的任务,[11,12,28]首要消费目的是为了获得产品的“功效”,而非产品带来的社会属性。[27]因此,当消费者遇到其他消费者购买时,更多的是希望了解产品带来的效能,即了解产品本身准确的信息,从而更好地评估产品给自身带来的绩效。[20,29]这也就意味着,在实用型产品的情境下,信息性影响将起到主导作用。据此假设:

H1A:对于实用型产品,社会影响的作用主要通过信息性影响体现

农垦经济保持稳步增长态势。预计2018年农垦生产总值8181.68亿元,较上年增加268.06亿元,增长3.39%。粮食和重要农产品产量稳步增长,预计2018年粮食、棉花、糖料、天然橡胶产量分别达到3639.47万吨、219.16万吨、779.61万吨、35.33万吨,分别较上年增加123.98万吨、46.38万吨、20.21万吨、6.23万吨,分别增长3.53%、26.84%、2.66%、21.41%。

对于社会型产品,消费者的主要目的并不是为了获得产品的使用价值,更多地是为了获得产品“所代表的符号价值或情感,从而建立自身与群体中其他用户的社会认同”,[13]也就是说消费者主要通过社会型产品的购买达到一定的社会认同。[30]在大多数社区中,群体内部的认同更多地是被群体内的规范来定义。[16,31]这也就意味着,当消费者遇到社会型产品时,关注的更多是产品背后所代表的群体规范。[20,29]据此,提出假设:

H1B:对于社会型产品,社会影响的作用主要通过规范性影响体现

3. 社会影响和关键消费者

消费者购买决策建立在内部知识和外部信息共同作用的基础上。[47]因此,根据已有研究除了其他人的影响以外,已购买者和未购买者的个人特征也会调节社会影响的作用。[7,22,25]本研究讨论了以往文献中结论相悖的两种影响因素:购买者的购买时间(近期VS早期)和未购买者的个人社区经验(高VS低)。

过去很长一段时间,职业院校教学的主要目标大多是培养一线的生产、服务技术技能型人才。通过职业教育,学生毕业后具有很强的岗位竞争力,可快速适应职业的变化。然而,随着时代的发展和教育改革的纵深推入,对职业院校的教育带来了挑战,也提出了诸多的新要求。但受到多重因素影响,多年来,产教融合模式还只停留在职业院校单方面,行业和企业等各方的参与程度十分有限,缺乏主动性。究其原因,很大程度上是因为体制、机制方面的原因,国家在立法层面上无法保障企业正常参与职业教育的权利,相关部门也没有出台有关的配套政策,导致院校、企业、行业之间很难形成合作切入点和利益共同点。

购买者的购买时间主要是指购买者购买产品的时间。[48,49]随着购买时间的延长,使得购买信息的传递时间拉长,由于信息在传递的过程中会逐渐衰减,[50,51]这也就使得购买者产生的影响力可能会随着购买时间的延

长而降低。[52]但另一方面,购买时间的延长也能让社区中其他消费者有更多的时间去学习或模仿他们的行为。因为,群体的规范建立需要群体成员之间逐渐了解、熟悉,[5]随着购买时间的延长,藉由产品而建立的规范也会更多地为群体内其他个体所了解。[53,54]一旦用户做出违反群体规范的行为,则更有可能为群体内其他个体所意识到,受到的惩罚也就可能比前期受到的影响更大。[51]

 

表1 近年来关于社会影响的研究总结

  

影如 作的 同 新 向而(一类产品)定的时间段内Iyengar 等[22] 意见领袖水平 药品(一种产品) 比例风险模型 即使是在控制企业的广告效用之后,社会影响依然能够存在,并且那些意见领袖能够产生更大的影响力Katona 等[38] 未购买者的网络特征 网络服务(一种产品) 风险模型 未购买者的行为会受到:1) 周围已购买的用户数量;2) 已购买者的平均特征;3) 周围未购买者的特征Nitzan等 [6] 采用时间、用户经验、关系强度和同质性 (一种产品) 风险模型 近期购买的,与未采用者关系强度高以及同质性高的采用者能够产生更大的影响力;同时,自身经验比较少的用户对他人的影响更敏感Aral等 [25] 年龄、性别以及婚姻状况 手机应用手机服务推送(一种产品) 比例风险模型 年轻的消费者更有易感性,男性的采用更有传染力,女性对男性的影响力比对男性的影响力更大,并且已婚人群是最不容易被影响的一部分消费者Bond等[23] 关系强度 投票行为(一种行为) 田野实验 作者发现强关系能够显著的增强社会影响效应,促进投票行为Singh 等 [39] 周围成功的项目数量 SourceForge的项目(一种项目) 风险模型 周围成功项目多的用户更有可能成功,即社会影响能正向促进开发者项目的成功Muchnik 等[40] 未区分 网络评论(未区分) 田野实验 不同来源的社会影响能够产生不同的影响。负向评论能够使得用户更加谨慎的评分,而正向的评分能够使得用户更能产生正向的评分Aral等[41] 未区分 手机应用(一种产品) 田野实验 不考虑同质性会使得社会影响影响效应被高估,同时作者还发现在寻找种子用户的过程中,如果种子用户的数量超过0.2%,就会产生浪费Aral等 [9] 嵌入度,关系强度 Facebook的一种APP(一种产品) 比例风险模型 嵌入度和关系的强度都能增强消费者采用的影响力Zhang 等[42] 未区分 商店产品(未区分)主动的社会影响测量能够使得用户更多呆在商店内部,而那些有很多同伴的用户则更倾向于听从同伴的建议Risselada 等[7] 采用时间、同质性、关系强度 智能手机购买分层泊松回归模型(一类产品) 风险模型 近期的购买者产生的影响力更大,并且与为购买者关系强度更高、同质性更强的用户更有影响力Hu等 [24] 社会地位 商用监测系统(一种产品) 风险模型 消费者的个人易感性并不是线性的,相比于高、低社会地位的消费者,中间社会地位的消费者对于社会影响的易感性更强Kuan等[16] 未区分 团购(一种产品) 回归分析 信息性影响和规范性影响都能够促进用户的购买Ma 等[43] 未区分 手机铃声(一种产品) 结构模型 通过建模的方式区分了社会影响影响,并发现社会影响和同质性都会促进用户采用手机铃声Iyengar 等[5] 信任、自信程度、社会地位等 药品(一种产品)在试用阶段,信任同伴的社会影响更有传染力,那些对自身不是很自信的消费者也更容易被感染;在重购阶段,社区内的同伴更有影响,中间社会地位的消费者更有可能被感染Bilgicer 等[44] 同质性、建立关系的长度 零售渠道、控制性风险模型(未区分) 比例风险模型 社会影响对于零售商采用实体渠道和网上渠道都会有正向影响,那些与已采用者同质性高的用户更有可能采用,而那些长关系的用户则不容易受影响Melamed 等 [45] 社会地位、意见领袖能力 与他人共同完成的任务(一种任务) 线性回归 高社会地位和高意见领袖能力的人能够有效减低其他人的信息不确定性,从而更好地提升社会影响的效果Bahns 等[46] 同质性、地理位置接近性 电话记录、网络评论等(未区分)线性回归、逻辑回归等本文 购买者采用时间和未购买者的相关经验虚拟产品(实用型产品VS社会性产品)脆弱性模型地理上的接近性能够有效地增强人们感知到的相似性,进而有效地增强社会影响效应;同时,关系强度能够有效地增强这种效应在实用型产品情境下,信息性影响其主导作用,近期的购买者产生的影响力更大,相关经验少的未购买者更容易受到其他人的影响而购买。而在社会型产品的情境下,规范性影响会起到主导的作用,早期的购买者产生的影响力更强,并且相关经验少的未购买者更有可能成为易感者

社区经验指消费者关于某一社区的社区经验。本研究用未购买者在社区内所待的时间来度量。很显然,消费者待的时间越长,社区经验就会越多,关于社区内相关产品的信息也会更多,同时用户关于社区的归属感和认同感也会逐渐增强。[55,56]一方面,当消费者面对社区内其他人的产品购买行为时,逐渐增长的社区经验能够增强消费者决策时的自信,[56]也就是说会更加不容易受到其他人的影响。[6]但另一方面,随着社区经验的增强,用户关于社区的参与程度和认同感也会增强,[57,58]使得用户更有可能承担起维持和代表社区的责任。[55,59]因此,对于能够代表群体的规范性行为,他们更有可能遵从。[8]

(1)实用型产品

第二,在虚拟世界中,虚拟产品与现实产品具有非常相似的性质。许多研究指出,[63,64]虚拟产品主要有以下三个特征:竞争性 (Rivalrousness)、通用性(Interconnectedness)和持久性 (Persistence)。竞争性是指虚拟商品与现实商品一样,在一个时间段内只能有一位玩家或是消费者使用,并不像其他的信息性商品,如MP3音乐、电子书等,可以同时被多个消费者使用或复制;[65,66]通用性是指虚拟商品不仅能够被一个消费者使用,当与其他消费者交易或交换时,也能够被其他消费者使用;持久性是指虚拟商品能够被保持(至少在一段时间内,如QQ秀服装、虚拟世界中的武器等),不会随着电脑的开关而消失。

当然,除了球星、俱乐部等职业人士外,许多广东的教育机构也设有自己的篮球课程,进一步助推篮球运动在青少年群体中的普及度。

社会影响:借鉴以往的文献,[7,22]将社会影响定义为用户购买某种产品之前通过社会交互接触产品的次数(简称为“接触次数”)。具体地,对于任一用户i0,在t时刻前关于产品j的社会影响为:

H2:对于实用型产品,近期购买者产生的影响力更大,社区经验较少的未购买者更有可能受到其他人的影响

(2)社会型产品

对于社会型产品,社会影响主要通过规范性影响发挥作用(H1B)。当遇到其他人的购买时,消费者会更多关注产品所代表的群体规范。因此,对于已购买的消费者来说,早期购买者有更多时间让其他人了解和接受,也更有可能成为群体的规范,[16]即产生的影响力更大。[55]而对于未购买者来说,随着个人社区经验的增多,他们也更有可能形成对社区较强的认同,承担起社区的责任和义务。[58]当遇到那些代表群体的社会型产品时,他们更有可能受到其他人的影响而购买。[8]由此,提出假设:

H3:对于社会型产品,早期购买者产生的影响力更大,社区经验较多的未购买者更有可能受到其他人的影响

二、研究设计

本文关注不同产品类型下,社会影响内在机制检验(H1A、H1B)与关键消费者鉴定(H2、H3),研究框架如图1所示。本研究和国内某著名虚拟世界运营公司合作,设计两个实验,分别从心理学和网络分析视角来验证H1-H3。研究1随机选取虚拟世界中的一个公会,探究不同产品类型下社会影响内在机制的差异。研究2随机选取了10种实用型产品和8种社会型产品,对该平台的897765名用户进行85天的田野实验(其中133748名用户发生了购买行为),之后通过解析日志文件来寻找不同产品类型下的关键消费者(H2、H3)。

  

图1 研究框架

1. 研究1:社会影响在不同产品类型下的差异化作用

由表3可知,就胴体重而言,3个组之间的差异不显著(P>0.05)。与空白对照组比较,试验组和金霉素组的平均背膘厚度下降17.61%(P<0.05)和6.98%(P>0.05),试验组下降最大,试验组较金霉素组下降11.43%(P<0.05)。对于平均眼肌面积比较,空白对照组与试验组、金霉素组差异不显著(P>0.05)。屠宰率比较,各组间均差异不显著(P>0.05)。瘦肉率比较,与空白对照组比较,试验组显著上升7.73%(P<0.05);试验组较金霉素组显著上升7.17%(P<0.05)。各组脂肪率比较,均差异不显著(P>0.05)。综上所述,说明益生菌与中药提取物可以改善猪部分胴体性状。

本文以虚拟世界中虚拟产品的购买为样本,主要理由为以下四点:

本研究的实验长度为85天,由于无法确定那些未购买的用户是否会在之后的时间内会购买,即本文数据为删失数据,这也就意味着我们无法针对用户的行为建模,如常用的线性回归或是逻辑回归的方法。因此,本研究应用风险回归系列的模型来建模。[22,26]同时,为了控制由于产品不同而导致的误差,即用户对不同产品有不同风险偏好,我们运用了脆弱性模型。[71]同以往的脆弱性模型建模相似,[72]我们首先构建用户购买产品的j的风险为:h(t|Xi0jt)

经济杠杆时代,各地区负债情况相差不大,但基本劳动力成本差距明显。因此,在地方负债,财政去杠杆政策的环境下,做好产业转移,降低企业成本是应对政府控制货币输出的最好方式。中央政府需要进一步规划产业转移路径,将东部低技术含量的制造业转移到中西部地区,刺激地区经济的发展,比如西南地区,做好产业承接,增加地方政府税收,降低负债去杠杆。地区间需要加强协调合作,做好产业链的区域规划。科学规划中原城市群、京津冀等经济群,形成东部沿海经济带后我国经济发展的“第二个引擎”。

第三,与现实产品一样,虚拟产品也有实用价值以及社会价值。Lehdonvirta等指出虚拟产品具有实用价值和社会价值功能;[63]基于虚拟产品主要的价值属性,本文把虚拟产品分为实用型产品和社会型产品。对于实用型产品,如样本中的刀剑等,能够有效地提升消费者的对战能力,从而更好地帮助消费者打怪、完成任务等;而对于社会型产品,如附录中的时装、坐骑等,消费者购买社会型产品更多地不是追求产品的实用价值,而是寻求产品所代表的符号价值或情感,通过这种符号或情感价值拉近与其他(如购买了相同产品)消费者的距离,从而形成基于群体的社会认同。[67]

第四,由于现实场景的复杂性,很难观察到用户购买不同类型、不同阶段的产品,而在虚拟世界中用户的所有行为都能够被记录,包含自身特征、相互之间的交流、产品购买等方面的信息。同时,为了进一步增强样本真实性,本文选择需要支付真实货币的虚拟产品作为样本。

本文所选取的样本来自国内领先的运营公司,具有很强的虚拟世界产品运营经验和实力。且该产品是该公司重点产品,2011年上线,当年年底累积注册消费者数目已经高达到1200万;2016年5月该游戏又推出了“手游版”,进一步提升了消费者粘性。

按 《中国药典》2015年版二部奥美拉唑肠溶胶囊质量标准[4],对 A、B、C、D 和 E 的有关物质、耐酸力、溶出度、含量均匀度和含量进行检验。结果表明,A、B、C、D和E的质量属性均符合规定。见表2。

该公会中共有2732名成员,用户加入公会主要是为了更好地获得关于产品、虚拟世界的更多信息。公会成员经常一起进行共同活动,如共同打怪、探险、完成任务等。同时,公会成员也会经常交流经验,如指导新手、交流产品使用经验等。

在和设计人员交流的基础上,我们虚构了两种虚拟产品作为测试目标。其中实用型虚拟产品为“碧环刀”,产品描述为:物理攻击力30–60,法术攻击24–48;社会型产品为限量版《微微一笑很倾城》主题时装。通过和企业合作,我们在虚拟世界中进行实验。首先,我们告诉被试,平台方要进行一个关于产品改进的调研,询问他们是否参与,如果愿意参与将会获得一定金币奖励。接着,我们告诉被试,为了提高参与的准确度,被试要完成四次验证,每次验证由系统随机选取该用户5名朋友的昵称,请他们匹配这5名朋友的职业。之后,我们再告诉被试,假设之前验证的20名朋友都已购买了某一产品(由于系统自动呈现实用型或社会型产品)。最后,请被试回答关于产品评估、改进及购买意愿的问卷。在问卷中,关于产品属性的测量(即通过确定产品的主要属性,进而确定产品类型[11]),我们分别用Batra等[68]和Midgly等[30]的题项;同时,运用Bearden等[69]的题项来测量社会影响的两种影响机制;另外,我们在问卷中也询问了被试者的年龄、性别等,以保证两组用户无显著性差异。

(3)结果分析

我们向公会中2732名用户发送实验邀请,共有586位用户参与了实验,其中294位被随机分配到了实用型产品组,剩余的292位被分配到了社会型产品组。首先,我们比较这两组用户是否有显著性差异:对于实用型和社会型产品组,性别的均值为0.22和0.24(其中0代表男性,1代表女性),两组没有显著性差异(F(1,586)=1.15, p=0.28);而年龄的均值为23.4和23.8,两组同样没有显著性差别(F(1, 586)=1.83, p=0.16)。接着,我们分析产品类型的操纵是否成功:对于实用型产品,实用型和社会型属性的评分为5.57和4.90,存在显著性差异(t(293)=8.67, p<0.01);对于社会型产品,实用型属性和社会型属性的评分为5.35和4.77,用户对于两种属性的评分存在显著性差异(t(291)=3.05,p<0.01)。这表明,本实验对于实用型产品和社会型产品的操纵是成功的。

(1)研究背景

最后,我们比较不同产品类型下社会影响的主导机制。对于实用型产品,用户对信息性影响和规范性影响的评分均值为5.62和4.89,存在着显著性差异(t(293)=8.03, p<0.01),这表明在实用型产品情境下,信息性影响起主导作用,假设H1A得到证明;对于社会型产品,用户对于信息性影响和规范性影响的评分均值为5.36和4.93,存在着显著性差异(t(291)=3.22,p<0.01),这表明在社会型产品情境下,规范性影响起主导作用,假设H1B成立。

2. 研究2:关键消费者在不同产品类型下的差异化作用

(1)研究背景

本研究同样和该虚拟世界平台运营商合作,借助其平台向用户推出多种产品。为了进一步增强购买的真实性,我们筛选了样本中需要支付真实货币的10种实用型产品和8种社会型产品作为样本。样本共包含85天的数据,897765位用户参与该田野实验,其中133748位用户发生了购买行为。再者,在实验过程中,虚拟世界运营商并未针对这部分用户实施营销行为,为实验提供了一个干净的环境。

(2)变量测量

虚拟产品的购买:对于用户i,如果在截止点之前购买了某一产品P,记用户i的购买为1,并且记录下他们在虚拟社区内所待的时间。对于那些没有购买的用户,标记他们的购买为0。他们在社区内的时间我们统计为自从加入虚拟世界直到我们数据截止的最后一天。

虚拟产品类别(实用型VS社会型):平台方为本文提供了多种虚拟产品。结合产品的描述,借鉴Lehdonvirta等[70]对于虚拟产品中产品属性的归类,本研究请两位虚拟产品设计专家对产品进行归类,把产品归类为实用型产品、社会型产品。在本文的样本中,实用型产品主要是一些刀、剑,以及增强攻击属性的产品;而社会型产品则是一些漂亮的衣服或主题,或是一些限量版宝物等。对产品归类之后,为减少单个产品在估计中所造成的误差,扩大结论的外部效度,随机选择10种实用型产品和8种社会型产品作为估计的样本。

在实用型产品的情境下,社会影响主要通过信息性影响发挥作用(H1A)。当遇到其他已购买者时,消费者更多会关注产品信息。[5,51]由于信息的扩散会随着时间的延长而衰减,[50,51]所以,对于实用型产品,近期购买者能够产生更大的影响力。[7]另一方面,对于未购买者来说,由于社区经验较少的消费者会因为缺少足够的信息来做出决策,[6,22]从而更有可能受到其他人的影响。[6]综上提出假设:

 

其中yijt表示社区内其他用户i是否在时刻t之前购买了产品j,1表示该用户购买了该产品,0表示没有购买;zi0it表示用户i是否在时刻t之前与用户i0发生了交互行为,其中1表示用户i购买了该产品,0表示没有购买。在我们的数据中,这些交互行为包含用户之间的交流、交易、共同完成任务等。

购买时间:根据已有定义,将购买时间定义为用户在购买之前(接触到的)已购买者的平均购买时间。[48,49]每一个用户的购买时间被定义为从产品购买时间点到用户购买的时间(如果用户未发生购买行为,则截止到数据截断的时间);之后,求取所有(已购买者的)购买时间的均值,即得到针对该用户的购买时间。

社区经验:本文以用户参与虚拟社区的时间作为社区经验的测量。虚拟世界平台方提供了所有用户的登录日志,通过分析,可以确定用户每天参与社区的时间,进而确定他们在购买之间的总时间,即为社区经验。

控制变量:即其他四种可能会对用户购买产生影响的变量,包括用户在虚拟世界的平均金钱、产品的价格、所有用户总的购买数目以及用户的性别。其中平均金钱代表用户在购买之前每天积累的平均金钱数,由用户积累的总金钱除以总天数得到。产品的价格同用户性别由虚拟世界平台方提供,0代表男性,1代表女性。表2为变量的描述性统计。

(3)建模过程

第一,虚拟产品是虚拟世界中销售的产品,[60]而虚拟世界(本项目所采用的是大型多人在线游戏,初步搜集的样本中包含近90万消费者)是按照现实世界构建的,样本主线是一个传统爱情故事,消费者可以围绕故事的主线进行多方面的行为,如相互交流、交易和组织不同的小圈子。[61]虚拟世界能够在很大程度上作为现实世界的倒影,是研究现实社会网络的重要数据背景。[62]

 

其中,t是消费者i0购买产品j的时刻,T表示消费者i0在购买产品j之前的持续时间,F(t)j代表所有用户在t时刻购买产品j的累积分布。接着,应用上式得到的h(t|Xi0jt)求解影响购买的协变量系数矩阵β:

 

其中,αj是用户在t购买产品j的基准风险,Xi0jt是上一节中总结的关于用户在t时刻购买产品j的协变量。

由于样本中包含了多种产品,用户对产品偏好会有差异。因此,产品的异质性是建模过程中必须要考虑的一个重要因素。借鉴以往的脆弱性模型的设定,本文把用户对不同产品的偏好用随机效应来界定:其中,α0表示用户对于产品的平均偏好,rj代表用户对产品j的偏好,则用户的基准风险可以分解为:

随着城市化进程的加快,城市需要增强软实力特别是文化软实力建设,推动城市文化形象的全面升级。在此过程中应该深入挖掘城市的文化资源及其蕴含的深层次文化价值,并且通过城市文化营销来让社会大众熟悉和了解。城市文化营销的手段可以是多种多样的,包括体验营销、事件营销、口碑营销、影视营销、网络营销,等等,在对各种城市文化资源进行营销时,这些手段可以结合起来综合运用,取得最佳的营销效果。

 

则产品的随机效应所构成的列矩阵r为(r1, r2, …,rj)'。借鉴已有研究,本文把rj设定为均值为0,方差为的伽马分布,并应用惩罚偏似然估计来计算模型中的系数和伽马分布的方差。[71,72]具体地,惩罚方程为:

(2)研究设计和步骤

 

其中L(β)P为不考虑产品差异的偏似然估计量,Cox[73] 把偏似然函数定义为k个有序失效时间上的联合乘积:

 

其中风险集合R(t)被定义为刚好在t时刻之前观测的关于产品购买的所有个体集合,而D(tj)则是在t时刻观测的关于产品购买的个体集合(这里不区分不同类型的产品)。其中δit为1则表示用户i在时刻t之前购买了任一产品,0则表示没有购买该产品。

 

表2 描述性统计分析

  

变量 均值 标准差相关系数实用型产品 社会型产品 实用型产品 社会型产品 1 2 3 4 5 6 7 8 9购买 0.25 0.32 0.12 0.44 1.00/1.00产品价格 14455 14282 12064 17305 0.06/0.05 1.00/1.00用户基数 279.22 983.02 307.33 1123.01 -0.09/-0.070.06/-0.09 1.00/1.00关系强度 6.93 24.18 8.47 23.27 0.03/0.07 0.11/0.07-0.02/-0.06 1.00/1.00平均金钱数 385183 608727 499263 551868 -0.11/0.15 0.14/0.15 0.11/0.08 0.20/0.16 1.00/1.00性别 0.45 0.36 0.45 0.36 -0.05/-0.19-0.19/-0.13 0.07/0.17-0.09/-0.11-0.24/-0.15 1.00/1.00接触次数 17.67 39.95 18.95 40.78 0.01/0.02 0.12/0.11 0.04/0.12 0.19/0.17 0.20/0.16-0.24/0.17 1.00/1.00购买时间 13.80 38.42 12.34 31.60 -0.01/-0.06-0.01/-0.07 0.06/0.06-0.06/-0.07-0.15/-0.16 0.10/0.09-0.11/-0.10 1.00/1.00社区经验 124.16 238.41 161.73 214.79 -0.13/0.12 0.03/0.06 0.19/0.13 0.20/0.22 0.27/0.24-0.21/0.23 0.26/0.23-0.14/-0.19 1.00/1.00

对于伽马分布的方差θ,我们用H表示惩罚偏似然的负海赛矩阵,即:

 

而脆弱性模型的边际偏似然估计可以表示为:

政府可以重点支持品牌出口企业,对品牌出口企业在申请专利和注册商标方面给予政策支持,在企业自主创新和加强知识产权保护等方面也给予相应的政策优惠。政府可以建立出口品牌专项基金,鼓励扶持品牌建设。政府还可以通过完善保护知识产权的法律法规以及相应的制度,规范品牌竞争秩序,加强品牌保护,防范品牌风险。

 

借用逼近的方法,Lm(β,θ)可以表示为:

在班级建设实践中积累管理经验。王阳明的弟子陆澄有一个困惑。他问:“静坐用功,觉得此心异常强大,甚至想着如果我们遇到某某事,必能轻松解决。可一遇事就蒙了。”王阳明针对此症,提出了心学顶级方法论,即在事上磨炼。

 

通过不断迭代,进而得到β。同时,方差θ可以用估计量L(θ)得到:

 

(4)结果分析

表2是变量的描述性统计结果,表3是回归结果。其中,表3的模型1-3是实用型产品回归结果,模型4-6是社会型产品回归结果。模型1和4仅仅包含控制变量,模型2和5加入了自变量“社会影响”,探究社会影响对产品的购买是否有正向影响;模型3和6进一步加入了交互项,探究购买时间和社区经验的差异化调节作用。由于模型1-6的随机效应方差 (E) 都是显著的(p<0.01),说明模型很好地控制了由产品差异引起的消费者偏好差异。

 

表3 回归结果

  

注:* p<0.05, **p<0.01, ***p<0.001

 

变量购买风险实用型产品 社会型产品模型1 模型2 模型3 模型4 模型5 模型6产品价格 -2.83E-05*-2.89E-05*-2.65E-05*-4.87E-05** -4.68E-05**-9.67E-05***用户基数 0.03** 0.03** 0.03** 0.02*** 0.02*** -0.02***关系强度 0.03*** 0.02** 0.02** 0.02** 0.02** -0.02**金钱数 8.89E-07***5.57E-07***7.83E-08***4.79E-07*3.75E-07**7.71E-07*性别 -0.20* -0.20* -0.17* -0.038* -0.045* -0.023*接触次数 0.06** 0.04** 0.10** 0.11**购买时间 -0.03** 0.02***社区经验 -2.54E-03** 4.78E-03*接触次数×购买时间 -1.38E-4** 1.02E-4**接触次数×社区经验 -2.15E-5* 8.94E-05**E 0.16*** 0.13*** 0.13*** 1.44 *** 1.51*** 1.45***偏极大似然值 -110682 -109881 -108869 -30761 -30108 -29748

从表3的模型2和5中可以看出,随着接触次数的增加,用户的产品购买风险都会增强(实用型产品:β=0.06,p<0.05;社会型产品:β=0.10, p<0.05),表明社会影响对产品购买有正向影响,和以往的研究结论类似。[5,22,24,26,32]

在实用型产品情境下(模型3),交互项“接触次数×购买时间”的系数为−1.38E-4(p<0.01),“接触次数×社区经验”的系数为−2.15E -5(p<0.05),表明购买时间和社区经验对接触次数的调节作用为负,即近期的已购买者能够产生更大的影响力,社区经验少的未购买者易感性更强,假设2得到验证。对于社会型产品(模型6),交互项“接触次数 × 购买时间”的系数为1.02E-4(p<0.01),“接触次数 × 社区经验”的系数为 8.94E-05(p<0.01),表明购买时间和社区经验对接触次数的调节作用为正,即早期的已购买者能够产生更大的影响力,社区经验多的未购买者易感性更强,假设3得到验证。

三、研究结论与讨论

1. 理论和管理意义

本文的理论贡献主要体现在以下五个方面:

虽然水权交易市场理论上具有诸多优势,但是水权交易市场并非没有遭遇挑战。水权交易市场所依赖的水商品学说受到质疑,批评者认为政府管理和分配水资源时不该借助市场方法。对水商品学说的批评大致可以分为两大阵营——水资源人权学说和水资源公共信托学说,前者认为水权交易会导致公共利益(如环境利益)受损,后者认为水权交易会导致穷人无法获得新鲜的水。

第一,以往关于社会影响的文献多以一种产品[22,24,32]或一类产品[7,26] 为样本,并没有讨论社会影响在不同类型产品之间的差异。本文以虚拟产品购买为样本,探究了社会影响在不同类型产品下的差异化作用,结果发现,尽管社会影响对实用型和社会型产品的扩散都有正向影响,但其内在影响机制和关键消费者的寻找均有差异。

由表6可知,1 kW的烘干功率不够,水分未完全蒸干,组织结构未紧缩;2 kW下水分烘干差不多,但质构还未重整,更紧缩;而4 kW功率太大,烘干太快,质构变化太大,容易烘干不均匀,导致局部太干;在烘干功率为3 kW的条件下适宜,且凤尾鱼片口感较好,色泽保持得很好。

第二,本文明晰了社会影响在不同类型产品下的主导影响机制。以往研究大都论述了社会影响的两种影响机制,[16,17]但并未关注不同产品类型下社会影响的主导机制。研究结果发现,在实用型产品情境下,信息性影响起主导作用,而在社会型产品情境下,规范性影响起主导作用。

第三,本文也进一步理清了以往文献中关键消费者的差异化作用。由于部分学者并未区分产品的类型,形成了迥然相异的结果,如Risselada等发现,近期购买者能够产生更大的影响力,[7]但Iyengar等却认为早期购买者可能产生更大的影响力。[5]本文在区分产品类型的基础上,进一步明晰了关键消费者的作用,具体来说,对于实用型产品,近期购买者产生的影响力更大,社区经验少的未购买者更容易受到其他人的影响而购买。对于社会型产品,早期购买者产生的影响力更强,并且社区经验少的未购买者更有可能成为易感者。

第四,本文的结论也拓展了病毒营销。以往学者在关注病毒营销时,并没有考虑不同产品类型企业的定位战略是否有差异。[74,75]本文的结果表明,对于不同的产品类型,企业应该采取不同的病毒营销策略:在种子用户的选取上,对于实用型产品,应选取近期购买者,对于社会型产品,应选取早期购买者;在消费者定位上,实用型产品应该定位于社区经验较少的用户,社会型产品则应该把重心放到社区经验较多的用户。

第五,在方法上,本文运用异质性模型来控制产品之间的异质性,拓展了社会影响的外部效度。已有研究多以一种产品作为样本,[22,24,32]或是多种产品分别估计,[26]没有学者把多种产品放在同一模型下来估计。本文以多种产品为样本,运用脆弱性模型,从更广泛的层面验证了结论的适用性。

本文结论也有着很强的管理意义。首先,进一步验证了社会影响效应的存在,为营销经理利用社会影响来促进产品的扩散提供了更多依据;其次,发现在不同的产品类型下,影响策略应该有所差异:对于实用型产品,营销经理应该重点关注社区经验少的用户,而对于社会型产品,则应重点关注社区经验比较多的用户;最后,为企业实施病毒营销提供了重要的种子用户选取策略,即对于实用型产品,应该重点选取近期的购买者,对于社会型产品,应该选取早期的购买者。

广东省各级政府加强调查研究,积极借鉴有关地方的成功经验,结合自身实际情况,在加大财政投入方面取得明显成效。如全省21个地级以上市均出台了加快水利改革发展的政策文件,明确从土地出让收益提取10%用于农田水利建设、从城市维护税中划出15%用于城市防洪排涝和水资源工程建设等。广州、深圳、东莞由财政一次性解决城乡水利防灾减灾工程建设资金,中山市规定市、镇两级财政投入水利工程建设的资金,每年以10%的增幅递增等。

2. 不足和未来的方向

第一,样本的代表性。本研究以国内一款流行的虚拟世界中虚拟产品为样本,但是虚拟世界的平台成千上万,如著名的魔兽世界、第二生活等。由于不同的虚拟世界都是独立设计的,但设计理念可能会有所差异。再者,尽管虚拟世界是现实的模拟,[62]但虚拟产品的销售和现实产品的销售还是有一定的区别。后续研究中我们希望用现实世界的数据来验证本文的结论。

第二,产品类型的划分。在本文中,由于样本的可控性,我们能够比较清晰地区分社会型和实用型虚拟产品。[70]但是由于大多数虚拟产品同时拥有实用属性和社会属性,并且不同的用户对于同一种产品也可能有不同的属性感知。[76]但本文沿用Okada[11]的界定:如果产品的某一种属性占主导地位,则该产品被划分为该属性产品。本文并没有关注产品的多重属性,我们希望在未来关注多重属性下社会影响的差异化作用。

参考文献

[1] Kotler, P., Armstrong, G.. Principle of Marketing. New Jersey:Prentice Hall, 2012.

[2] Kaplan, A. M., Haenlein, M.. Users of the World, Unite! The Challenges and Opportunities of Social Media. Business Horizons, 2010, 53(1): 59-68.

[3] Trusov, M., Bucklin, R. E., Pauwels, K.. Effects of Word-of-Mouth versus Traditional Marketing: Findings from an Internet Social Networking Site. Journal of Marketing, 2009, 73(5): 90-102.

[4] Manchanda, P., Xie, Y., Youn, N.. The Role of Targeted Communication and Contagion in Product Adoption. Management Science, 2008, 27(6): 961-976.

[5] Iyengar, R., Van Den Bulte, C., Lee, J. Y.. Social Contagion in New Product Trial and Repeat. Marketing Science, 2015, 34(3):1-22.

[6] Nitzan, I., Libai, B.. Social Effects on Customer Retention. Journal of Marketing, 2011, 75(November ): 24-38.

[7] Risselada, H., Verhoef, P. C., Bijmolt, T. H. A.. Dynamic Effects of Social Influence and Direct Marketing on the Adoption of High-technology Products. Journal of Marketing, 2014, 78(2):52-68.

[8] Algesheimer, R., Dholakia, U. M., Herrmann, A.. The Social Influence of Brand Community: Evidence from European Car Clubs. Journal of Marketing, 2005, 69(July): 19-34.

[9] Aral, S., Walker, D.. Tie Strength, Embeddedness, and Social Inf l uence: A Large-scale Networked Experiment. Management Science, 2014, 60(6): 1352-1370.

[10] Harmeling, C. M., Palmatier, R. W., Fang, E., Wang, D.. Group Marketing: Theory, Mechanisms, and Dynamics. Journal of Marketing, 2017, 81(4): 1-24.

[11] Okada, E. M.. Justif i cation Effects on Consumer Choice of Hedonic and Utilitarian Goods. Journal of Marketing Research,2005, 42(February): 43-53.

[12] Crowley, A. E., Spangenberg, E. R., Hughes, K. R.. Measuring the Hedonic and Utilitarian Dimensions of Attitudes toward Product Categories. Marketing Letters, 1992, 3(3): 239-249.

[13] Thomas, T. C., Price, L. L., Schau, H. J.. When Differences Unite: Resource Dependence in Heterogeneous Consumption Communities. Journal of Consumer Research, 2013, 39(5): 1010-1033.

[14] Deutsch, M., Gerard, H. B.. A Study of Normative and Informational Social Inf l uences upon Individual Judgment. The Journal of Abnormal and Social Psychology, 1955, 51(3): 629-636.

[15] Contractor, N. S., Dechurch, L. A.. Integrating Social Networks and Human Social Motives to Achieve Social Influence at Scale. Proceedings of the National Academy of Sciences, 2014,111(Supplement 4): 13650-13657.

[16] Kuan, K. K., Zhong, Y., Chau, P. Y.. Informational and Normative Social Inf l uence in Group-buying: Evidence from Self-reported and Eeg Data. Journal of Management Information Systems, 2014, 30(4): 151-178.

[17] Burnkrant, R. E., Cousineau, A.. Informational and Normative Social Influence in Buyer Behavior. Journal of Consumer Research, 1975, 2(December): 206-215.

[18] 黄敏学, 王琦缘, 肖邦明, 王殿文. 消费咨询网络中意见领袖的演化机制研究——预期线索与网络结构. 管理世界, 2015, (7):109-121.

[19] 张正林, 庄贵军. 基于社会影响和面子视角的冲动购买研究.管理科学, 2008, 21(6): 66-72.

[20] Kaplan, M. F., Miller, C. E.. Group Decision Making and Normative versus Informational Inf l uence: Effects of Type of Issue and Assigned Decision Rule. Journal of Personality and Social Psychology, 1987, 53(2): 306.

[21] Van Den Bulte, C., Wuyts, S.. Social Networks and Marketing.Cambridge: Marketing Science Institute, 2007.

[22] Iyengar, R., Van Den Bulte, C., Valente, T. W.. Opinion Leadership and Social Contagion in New Product Diffusion. Marketing Science, 2011, 30(2): 195-212.

[23] Bond, R. M., Fariss, C. J., Jones, J. J., Kramer, A. D.. A 61-Million-Person Experiment in Social Inf l uence and Political Mobilization. Nature, 2012, 489(7415): 295-298.

[24] Hu, Y., Van Den Bulte, C.. Nonmonotonic Status Effects in New Product Adoption. Marketing Science, 2014, 33(4): 509-533.

[25] Aral, S., Walker, D.. Identifying Influential and Susceptible Members of Social Networks. Science, 2012, 337(6092): 337-341.

[26] Du, R. Y., Kamakura, W. A.. Measuring Contagion in the Diffusion of Consumer Packaged Goods. Journal of Marketing Research, 2011, 48(February): 28-47.

[27] Jiang, Z., Benbasat, I.. Investigating the Inf l uence of the Functional Mechanisms of Online Product Presentations. Information Systems Research, 2007, 18(4): 454-470.

[28] Chitturi, R., Raghunathan, R., Mahajan, V.. Delight by Design:The Role of Hedonic versus Utilitarian Benef i ts. Journal of Marketing, 2008, 72(3): 48-63.

[29] Lord, K. R., Lee, M. S., Choong, P.. Differences in Normative and Informational Social Inf l uence. Advances in Consumer Research, 2001, 28(1): 280-285.

[30] Midgley, D. F.. Patterns of Interpersonal Information Seeking for the Purchase of a Symbolic Product. Journal of Marketing Research, 1983: 74-83.

[31] Cialdini, R. B., Trost, M. R.. Social Influence: Social Norms,Conformity and Compliance, Susan, T., Fiske, D. T. G., Gardner, L., (Ed.), Handbook of Social Psychology, New York: Mc-Graw-Hill, 1998: 151-192.

[32] Van Den Bulte, C., Lilien, G. L.. Medical Innovation Revisited:Social Contagion versus Marketing Effort. American Journal of Sociology, 2001, 106(5): 1409-1435.

[33] Hill, S., Provost, F., Volinsky, C.. Network-based Marketing:Identifying Likely Adopters via Consumer Networks. Statistical Science, 2006, 21(2): 256-276.

[34] Aral, S., Muchnik, L., Sundararajan, A.. Distinguishing Inf l uence-based Contagion from Homophily-driven Diffusion in Dynamic Networks. Proceedings of the National Academy of Sciences, 2009, 106(51): 21544-21549.

[35] Choi, J., Hui, S. K., Bell, D. R.. Spatiotemporal Analysis of Imitation Behavior across New Buyers at an Online Grocery Retailer. Journal of Marketing Research, 2010, 47(1): 75-89.

[36] Reppenhagen, D.. Contagion of Accounting Methods: Evidence from Stock Option Expensing. Review of Accounting Studies,2010, 15(3): 629-657.

[37] Aral, S., Walker, D.. Creating Social Contagion through Viral Product Design: A Randomized Trial of Peer Inf l uence in Networks. Management Science, 2011, 57(9): 1623-1639.

[38] Katona, Z., Zubcsek, P. P., Sarvary, M.. Network Effects and Personal Inf l uences: The Diffusion of an Online Social Network.Journal of Marketing Research, 2011, 48(3): 425-443.

[39] Singh, P. V., Phelps, C.. Networks, Social Influence, and the Choice among Competing Innovations: Insights from Open Source Software Licenses. Information Systems Research, 2013,24(3): 539-560.

[40] Muchnik, L., Aral, S., Taylor, S. J.. Social Influence Bias: A Randomized Experiment. Science, 2013, 341(6146): 647-651.

[41] Aral, S., Muchnik, L., Sundararajan, A.. Engineering Social Contagions: Optimal Network Seeding in the Presence of Homophily. Network Science, 2013, 1(2): 125-153.

[42] Zhang, X., Li, S., Burke, R. R., Leykin, A.. An Examination of Social Influence on Shopper Behavior Using Video Tracking Data. Journal of Marketing, 2014, 78(5): 24-41.

[43] Ma, L., Krishnan, R., Montgomery, A. L.. Latent Homophily or Social Inf l uence? An Empirical Analysis of Purchase within a Social Network. Management Science, 2015, 61(2): 454-473.

[44] Bilgicer, T., Jedidi, K., Lehmann, D. R., Neslin, S. A.. Social Contagion and Customer Adoption of New Sales Channels. Journal of Retailing, 2015, 91(2): 254-271.

[45] Melamed, D., Savage, S. V.. Status, Faction Sizes, and Social Infl uence: Testing the Theoretical Mechanism. American Journal of Sociology, 2016, 122(1): 201-232.

[46] Bahns, A. J., Crandall, C. S., Gillath, O., Preacher, K. J.. Similarity in Relationships as Niche Construction: Choice, Stability, and Inf l uence within Dyads in a Free Choice Environment. Journal of Personality & Social Psychology, 2017, 112(2): 329.

[47] Sridhar, S., Srinivasan, R.. Social Influence Effects in Online Product Ratings. Journal of Marketing, 2012, 76(September): 70-88.

[48] Prins, R., Verhoef, P. C.. Marketing Communication Drivers of Adoption Timing of a New E-service among Existing Customers. Journal of Marketing, 2007, 71(2): 169-183.

[49] Steenkamp, J. B. E., Gielens, K.. Consumer and Market Drivers of the Trial Probability of New Consumer Packaged Goods.Journal of Consumer Research, 2003, 30(3): 368-384.

[50] Guadagni, P. M., Little, J. D.. A Logit Model of Brand Choice Calibrated on Scanner Data. Marketing Science, 2008, 27(1): 29-48.

[51] Mazursky, D., Geva, A.. Temporal Decay in Satisfaction-Purchase Intention Relationship. Psychology & Marketing, 1989,6(3): 211-227.

[52] Strang, D., Tuma, N. B.. Spatial and Temporal Heterogeneity in Diffusion. American Journal of Sociology, 1993: 614-639.

[53] Kennedy, M. T., Fiss, P. C.. Institutionalization, Framing, and Diffusion: The Logic of Tqm Adoption and Implementation Decisions among US Hospitals. Academy of Management Journal,2009, 52(5): 897-918.

[54] Westphal, J. D., Gulati, R., Shortell, S. M.. Customization or Conformity? An Institutional and Network Perspective on the Content and Consequences of Tqm Adoption. Administrative Science Quarterly, 1997, 42(June): 366-394.

[55] Muniz, A. M., O`guinn, T. C.. Brand Community. Journal of Consumer Research, 2001, 27(March): 412-432.

[56] Kim, H. W., Chan, H. C., Kankanhalli, A.. What Motivates People to Purchase Digital Items on Virtual Community Websites?The Desire for Online Self-presentation. Information Systems Research, 2012, 23(4): 1232-1245.

[57] Mcalexander, J. H., Schouten, J. W., Koenig, H. F.. Building Brand Community. Journal of Marketing, 2002, 66(January): 38-54.

[58] Thompson, S. A., Sinha, R. K.. Brand Communities and New Product Adoption: The Influence and Limits of Oppositional Loyalty. Journal of Marketing, 2008, 72(November): 65-80.

[59] 周志民, 邓乔茜, 饶志俊. 在线品牌社群产品知识与结构洞:互依自我的调节. 管理科学, 2015, 28(4): 86-96.

[60] Animesh, A., Pinsonneault, A., Byung, Y. S., Wonseok, O.. An Odyssey into Virtual Worlds: Exploring the Impacts of Technological and Spatial Environments on Intention to Purchase Virtual Products. MIS Quarterly, 2011, 35(3): 789-810.

[61] 陈立巍, 叶强. 虚拟世界网络用户生活方式测量模型研究. 管理科学, 2009, 22(2): 83-90.

[62] Bainbridge, W. S.. The Scientif i c Research Potential of Virtual Worlds. Science, 2007, 317(5837): 472-476.

[63] Lehdonvirta, V.. Virtual Item Sales as a Revenue Model: Identifying Attributes That Drive Purchase Decisions. Electronic Commerce Research, 2009, 2009(9): 97-113.

[64] Fairf i eld, J. A. T.. Virtual Property. Boston University Law Review, 2005, 85(4): 1047-1102.

[65] Wu, S., Hitt., L. M., Chen, P., Anandalingam, G.. Customized Bundle Pricing for Information Goods: A Nonlinear Mixed-Integer Programming Approach. Management Science, 2008, 54(3):608-622.

[66] Geng, X., Stinchcombe, M. B., Whinston, A. B.. Bundling Information Goods of Decreasing Value. Management Science, 2005,51(4): 662-667.

[67] Raghunathan, R., Corfman, K.. Is Happiness Shared Doubled and Sadness Shared Halved? Social Inf l uence on Enjoyment of Hedonic Experiences. Journal of Marketing Research, 2006,43(August): 386-394.

[68] Batra, R., Ahtola, O. T.. Measuring the Hedonic and Utilitarian Sources of Consumer Attitudes. Marketing Letters, 1991, 2(2):159-170.

[69] Bearden, W. O., Netemeyer, R. G., Teel, J. E.. Measurement of Consumer Susceptibility to Interpersonal Inf l uence. Journal of Consumer Research, 1989, 15(4): 473-481.

[70] Lehdonvirta, V., Wilska, T. A., Johnson, M.. Virtual Consumerism: Case Habbo Hotel. Information, Communication & Society,2009, 12(7): 1059-1079.

[71] Cameron, A. C., Trivedi, P. K.. Microeconometrics: Methods and Applications. New York: Cambridge University Press, 2005.

[72] Aboulnasr, K., Narasimhan, O., Blair, E., Chandy, R.. Competitive Response to Radical Product Innovations. Journal of Marketing, 2008, 72(3): 94-110.

[73] Cox, D. R.. Partial Likelihood. Biometrika, 1975, 62(2): 269-276.

[74] Hinz, O., Skiera, B., Barrot, C., Becker, J. U.. Seeding Strategies for Viral Marketing: An Empirical Comparison. Journal of Marketing, 2011, 75(November): 55-71.

[75] Van Der Lans, R., Van Bruggen, G., Eliashberg, J., Wierenga, B..A Viral Vranching Model for Predicting the Spread of Electronic Word of Mouth. Marketing Science, 2010, 29(2): 348-365.

[76] Botti, S., Mcgill, A. L.. The Locus of Choice: Personal Causality and Satisfaction with Hedonic and Utilitarian Decisions. Journal of Consumer Research, 2011, 37(April): 1065-1078.

 
王殿文,周元元,黄敏学
《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