企业微博营销效果和粉丝数量的短期互动模型.pdf

《企业微博营销效果和粉丝数量的短期互动模型.pdf》由会员分享，可在线阅读，更多相关《企业微博营销效果和粉丝数量的短期互动模型.pdf（13页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、企业微博营销效果和粉丝数量的短期互动模型金永生1，王睿1，陈祥兵1，21 北京邮电大学 经济管理学院，北京 1008762 武汉科技大学 管理学院，武汉 430081摘要:根据 AISAS 模型，企业微博营销的影响力存在放大、衰减等复杂过程，而企业微博的粉丝数量是衡量营销效果的重要影响因素。研究企业微博营销的影响力与粉丝数量之间的定量关系，在收集、整理新浪微博上10 个典型企业微博营销案例真实数据的基础上，通过相关分析和回归分析进行实证研究，建立衡量企业微博营销效果的短期互动模型，即企业微博营销效果和粉丝数量的一阶自回归模型，并验证模型的合理性。研究结果表明，当期企业微博营销影响力效果与前一期

2、影响力正相关，企业微博营销影响力效果与发布微博数量和粉丝数量正相关。进一步讨论模型参数的适用范围和影响因素，结果表明知名品牌在微博营销中具有先发优势，大小品牌有不同的微博营销战略，企业微博营销影响力随时间自然衰减。企业应保持微博活跃，并将企业微博运营作为长期品牌建设的战略。关键词:AISAS;社会化媒体;微博;一阶自回归模型中图分类号:F274文献标识码:A文章编号:1672 0334(2011)04 0071 13收稿日期:2010 11 30修返日期:2011 07 04作者简介:金永生(1965 )，男，河北保定人，毕业于中国人民大学，获博士学位，现为北京邮电大学经济管理学院教授、博士生

3、导师，研究方向:市场营销、消费者行为学等。E-mail:jys1900 yahoo com cn1引言自以 Twitter 为代表的微博从2006 年 6 月诞生以来，其互动、分享、筛选、聚集、放大等社会化媒体特性一直吸引着企业开展微博营销活动，大牌公司(如DELL)通过在 Twitter 上 2 年多的持续营销，截至2009年 6 月已拥有150 万个粉丝，并获得650 万美元的营业收入1。从2009 年 8 月新浪微博的推出到2011 年初，四大门户网站微博服务相继成熟，中国微博用户数量已突破 2 亿。庞大的微博用户数量使微博成为企业无法忽视的新兴营销渠道，也使企业如何通过微博开展营销和扩

4、大企业品牌影响力成为前沿热点话题。企业在微博上通过短期互动营销活动可以聚集大量人气，获得大量粉丝关注，为企业进行后续微博营销打下基础。但由于微博营销在中国还是新鲜事物，企业普遍缺乏微博营销的经验和认识，可供参考的案例也不多。而新浪微博通过名人微博吸引大量粉丝的运营策略，造成粉丝数量越多越好的舆论环境，导致企业对微博营销效果与粉丝数量之间的关系并不了解，对企业微博与粉丝的人际互动等考验企业微博运营能力的方案更不了解，无法制定清晰完整的微博营销战略规划。本研究从注意 兴趣 搜索 行动 分享(at-tention-interest-search-action-share，AISAS)模 型 理 论

5、出发，基于新浪微博上10 个典型的企业微博营销案例，应用实证研究的方法，建立衡量企业微博营销效果和粉丝数量的定量模型，以考察粉丝数量在企业微博短期营销过程中如何发挥影响作用，进一步探讨模型的适用范围和经济意义，对企业进行微博营销提出相应管理建议。2相关研究评述企业微博营销以企业微博与粉丝的真实人际互动为基本形 式，涉 及 消 费 者 行 为 学、电 子 商 务 等 范畴2。但由于微博诞生时间不长，国内外关于微博营销的理论书籍和文献正在发展中，比较有解释能第 24 卷第 4 期2011 年 8 月管理科学ISSN 16720334Journal of Management ScienceVol

6、24 No 4 7183August，2011力的模型是消费者行为学领域的 AISAS 模型。2 1AISAS 模型的发展概述AISAS 模 型 由AIDMA(attention-interest-desire-memory-action)模 型 发 展 而 来，后 者 源 自 于 Lewis 在1898 年提出、由 Hall3 在19 世纪20 年代系统整理成熟的传统营销理论。AIDMA 模型表明，在传统的营销模式中，消费者从接触商品或服务的信息到最后达成购买经历 5 个阶段，即引起注意、激发兴趣、产生欲望、留下记忆、产 生 行 动，见 图 1。AIDMA 模 型揭示了消费者通过媒体广告等方

7、式获知商品信息，引起对该商品的注意，激发对商品的兴趣，形成购买欲望，加强记忆形成对该商品的深度认知，最终购买该商品的消费者产生心理变化过程，而这整个过程都可以由传统营销手段所左右。同时，AIDMA 模型还反映出 企 业 的 营 销 效 果 来 源 于 企 业 的 品 牌 影 响力，并在营销过程中随时间呈三角形逐渐减少。这是因为能够接受企业营销活动并最终产生购买的消费者的数量，随着 AIDMA 的 5 个阶段呈现逐级递减，企业通过大量营销活动形成最终真实消费的顾客总是少数，这揭示了传统的企业营销活动效果随时间呈现自然衰减趋势，真实的营销转化率并不高。这一理论得到广告和营销行业的普遍认可，并在传统

8、的营销实践中得到广泛应用。随着生产力的发展，产品供给日益充足，促使消费者在营销过程中权重不断增加，使企业营销逐渐转向以消费者为中心，而且随着互联网的发展和Web2 0 时代的到来，消费者拥有了更多的话语权，其行为和态度也发生着结构性的变化。Lewis 等4 通过长期实证调查研究提出“新消费者”概念，反映了互联网时代的消费者拥有“独立自主、个性鲜明、注重参与且消费信息灵通”的新行为特征，并建议企业应该把营销活 动 的 重 心 由 以 企 业 为 主 转 向 以 消 费 者 为主，通过“消费者理念控制”赢得新消费者忠诚。针对“新消费者”概念，日本电通公司的调查表明6，在商品认知阶段，消费者的信息来

9、源以电视、报纸、杂志、户外、互联网等媒体广告为主;在理解商品、比较探讨和决定购买的阶段，除亲临商店外，互联网及人际间的口碑相传是其主要信息来源和决策依据。同时，Web 2 0 环境下，消费者不仅可以通过网络搜索主动获取信息，而且能够通过网络主动发布信息，与更多的消费者分享消费体验。企业必须重视消费者的切身感受和实际利益，并不断激发用户产生强烈的消费和 分 享 意 愿，导 致 网 络 营 销 模 式 的 革 新5。据此，日 本 电 通 公 司 将 传 统 的 AIDMA 模 型 进 行 重构，提出 基 于 网 络 时 代 市 场 特 征 的 AISAS 模 型6。AISAS 模型表明，在互联网时

10、代的Web 2 0 营销模式中，消费者在接触到商品或服务的信息、达成购买活动后，还会进行主动分享，从而影响其他消费者，并经历这 5 个阶段，即引起注意、激发兴趣、信息搜索、产生行动、信息分享，见图 1。该模型把消费者在注意商品、产生兴趣之后的信息搜索以及产生购买行动之后的信息分享作为两个重要环节来考量，因为这两个阶段是消费者自发的主动行为，已非传统营销手段能 够 控 制。同 时，AISAS 模 型 的 尾 部 发 生 变化，不再是 AIDMA 模型中随时间呈现逐渐减少的形态，而是由于消费者可以通过 BBS、Blog 等以互动社交为特征的Web 2 0 平台的主动分享，使企业的营销效果和品牌影响

11、力被人际互动逐渐放大，更多潜在消费者受到购买该商品或服务的消费者在 Web 2 0平台信息分享的影响转化为真实消费者7。这揭示了在互联网时代，企业把营销活动的重心由以企业为中心转向以消费者为中心后，企业营销效果随时间不再是单纯的自然衰减趋势，而是既存在自然衰减趋势，又因为消费者的搜索、行动、分享等互动行为而呈现放大趋势，消费者的良性互动能提高企业营销活动的真实转化率。图 1AIDMA 模型向 AISAS 模型进化示意图Figure 1Evolution Illustrationfrom AIDMA Model to AISAS ModelAISAS 模型简单直观地反映了互联网时代的企业营销现实

12、，并被普遍应用于商业实践中。Ritsuya8 认为 AISAS 模型对广告公司新媒体策略发展有重要的影响，并建议广告、营销、公关等行业要加快媒体创新战略，以适应逐渐脱离传统营销手段控制的新消费者;Fumito9 用系统动力学方法对 AISAS 模型进行仿真，找出 AISAS 模型在 5 个阶段的关键影响要素，第一次系统地对互联网时代 AISAS 模型的企业营销活动提供了战略和决策建议;彭延喜等10 以 AI-SAS 等模型为基础，对11 位台湾彩妆博客博主进行深度访谈并制定问卷进行调查，通过对410 份有效问卷进行分析，得出台湾彩妆群体利用博客营销的运作模式;Chang 等11 基 于 品 牌

13、 价 值 理 论 和 AISAS 理论，通过对18 天562 名在线游戏玩家的实证分析，构27管理科学(Journal of Management Science)2011 年 8 月建测量在线游戏中广告有效性的模型，得出一致性、整体性和显著性对于在线游戏广告引起消费者的兴趣和购买意愿有正相关性，消费者的兴趣能对购买意愿产生积极影响;姜旭平12 进一步提出“网络整合营销传播”概 念，从 技 术 基 础、电 子 商 务、网 络 营销、传播方法和网络整合 5 个层面阐述网络背景下企业的整合营销传播行为。AISAS 模型主要在日本、台湾、中国、韩国等亚洲国家迅速普及，在其他国家发展虽不及亚洲各国，但

14、结合丰富 的 研 究 对 象，也 得 出 不 少 有 价 值 的 结 论。Barletta13 在研究中发现女性较男性而言，决策过程会更为细腻，消费前会多方收集、查询相关信息，更重要的是女性购买完产品后会更主动地分享经验或推荐给别人，形成符合 AISAS 模型的口碑传播;Verk-lin 等14 通过统计显示，互联网时代的消费者搜索商品信息比以往频繁得多，通过Web 2 0 平台已分享了大量影响购买行为的内容，并能影响他人消费行为;Carvao15 采用 AISAS 理论，对互联网时代全球旅游行业的电子商务策略进行分析，指出全球旅游行业的网站大多数仍以展示自己景区内容为主，对旅游者贡献的内容进

15、行分析和展示做得很不够，不能更好地进行客户分类挖潜，提升旅游者满意度。基于 AISAS 模型的营销实践的发展，也促使基于AISAS 模型的 系 统 开 发 工 作 得 到 发 展，如 为 了 解 决Web 2 0 平台消费者搜索和分享的数据不容易为企业控制和 运 用 的 问 题，AISAS 模 型 被 应 用 于 系 统 控制、数据挖掘等领域。Fukui 等16 为解决因短时间内消费者产生内容爆发式增长、导致大量数据拥入网站造成网络堵塞的问题，设计基于 AISAS 理论的仿真模型，并通过 OPNET 仿真得出网络应对短期网络堵塞的方案，并得出该模式下口碑效应的预测方案;Lin 等17 把 AI

16、SAS 理念应用于与消费者的即时短信反馈系统上，设计出“行动决议”和“行动评价”两个模块，分别负责记录消费者的短信互动回复数量和短信评价好坏级别，从量化角度处理消费者的反馈信息，并在尽可能掌握消费者反馈数据基础上进行数据挖掘。总体来说，基于Web 2 0 的 AISAS 模型比传统的 AIDMA 模型更能解释互联网时代消费者基于人际交互的行为模式。2 2AISAS 模型在企业微博营销中的应用分析在 Twitter 等微博未出现以前，消费者在互联网上的最大入口是 Google，这正凸显了 AISAS 模型中信息搜索的重要性，而且通过对 Google 广告系统的构成和运行机制分析，发现“去中介化”

17、的搜索引擎广告能够比传统广告以更低成本实现更加精准的信息传递，从而引发消费者产生行动和信息分享18。随着社交网络媒体的发展，Twitter 等微博的出现在一定程度上进化了 AISAS 模型。一方面，在引起注意和激发兴趣两个环节，因为任何微博用户都可以通过搜索微博平台上企业或企业提供的商品或服务的品牌，主动和直接跟踪企业微博消息，能简化企业微博聚集粉丝的 AttentionIn-terest 阶段。另一方面，在信息搜索、产生行动、信息分享 3 个 环 节，由 于 微 博 具 有 即 时 搜 索 功 能，比Google 能形成更即时、更精准的信息搜索，对 Google的互联网搜索的入口地位产生冲击

18、和替代作用;由于微博与电子商务网站的流量导入和 API 接口应用，消费者可以直接通过微博产生购买行为;由于微博平台每个账户都有发布微博、评论、转发等分享功能，消费者对企业的品牌或商品或服务的信息分享可以直接在微博平台上完成。这 3 点使得开展微博营销活动的企业必须与粉丝进行积极主动互动，形成有企业参与的 SearchActionShare 阶段，实现更好的企业营销效果，并提高企业微博营销的真实转化率。这样，AISAS 模型在企业微博营销实践中可以分成两个阶段，即企业微博聚集粉丝的 AttentionInterest 阶段(以下简称 AI 粉丝聚集阶段)以及企业微博与粉丝互动、粉丝与自己的粉丝多

19、层次互动的SearchActionShare 阶段(以下简称 SAS 粉丝互动阶段)。但这两个阶段没有绝对界限，AI 粉 丝 聚 集阶段聚集的粉丝越多，越有利于 SAS 粉丝互动阶段企业微博互动营销的开展;企业微博在 SAS 粉丝互动阶段做得越好，越容易在 AI 粉丝聚集阶段聚集更多的粉丝。理想的企业微博营销活动应该是 AI 粉丝聚集阶段和 SAS 粉丝互动阶段的循环促进过程。当然，不注重与粉丝互动或是开展得不好的企业微博，其影响力在微博平台上将如 AIDMA 模型所描述的，呈现越来越小的趋势，直到成为没有生命力的死亡微博。所以，AISAS 模型能从正面和反面反映企业品牌影响力在微博营销中衰减

20、和放大的过程。Java等19 也在研究中表明，微博用户之间容易形成具有高度相关性和互动性的紧密社区，从而能够对企业微博营销形成整体的正向或反向互动作用。正是由于企业微博营销需要企业把营销思路由以企业为中心转变为以消费者为中心，在微博平台上以人性化角度开展以品牌建设和营销活动相结合的企业微博经营活动，企业需要去除传统营销模式中与消费者的距离感，通过Web 2 0 与消费者平等互动的沟通方式，采取发布微博、开展活动、评论转发等手段获得粉丝的认可，从而提升消费者的品牌忠诚度，提高潜在消费者的真实转化率。这个转变需要企业运用互联网思维重构经营思路并坚决执行。不过，从事实看，尽管许多企业意识到企业微博营

21、销的重要性，但不少基于企业微博营销实务的研究成果表明，企业在微博营销的实际运作中实施效果不佳。Shandwick20 研究表明，许多大企业使用微博营销效果与其品牌不能匹配，不少企业有兴趣投入微博营销，但使用效果并不理想;Court 等21 在研究企业利用 Twitter 等社会化媒体使客户从认识品牌到形成品牌忠诚度的过程时发现，多数企业通过微博营销的困难在于如何将战略和资金支出都集中于最有影响力的关键点，形成有效的投资回报;Passant 等22 指出，由于微博的信息传播方式与传统媒体不同，导致公众对其信息传播效率无法全面认识，从而在营37第 4 期金永生等:企业微博营销效果和粉丝数量的短期互

22、动模型销策略的制定和执行上存在困难;Xu 等23 通过社会化软件模拟分析发现，由于微博的“去中心化”经营理念，企业在微博中的营销效果往往会向两极发展，要么通过持续运作赢得更多粉丝关注和响应，要么不温不火，直到消失;Ehrlich 等24 通过对 Twitter 上 4个月的持续观察和对比分析认为，企业在运用微博营销的同时，需要控制负面消息在微博上的传播，基于人们猎奇、愤怒、批评等心理，往往负面消息比正面消息传播得更加迅速;Heil 等25 统计显示，10%的Twitter 账户贡献了90%的 Twitter 信息，反映了微博活跃程度和影响力具有高度集中性，也从侧面说明相当多的企业微博营销活动并

23、不成功。中国由于微博兴起时间不长，关于企业微博营销的文献比较稀缺，基于真实案例的企业微博营销文献更是缺乏，这与中国微博平台成熟的营销案例不多有关。基于新浪微博早期的企业微博营销案例，王武义26 提出微博影响力与粉丝数量、粉丝的粉丝数量、热点 话 题、微 博 平 台 对 企 业 的 支 持 等 因 素 相关。针对微博上信息多级化传播路径，黄朔27 分析认为，微博在进行信息传播时呈现出传播阶段和模式的多级化，第一级的传播由于其传播文本的碎片化和传播形式的针对性，呈现出一种分众传播的状态;第二级的传播由于与网络大众媒体的深度链接和融合，其传播模式逐渐升级为大众传播状态，达到更大的传播效果。前者能够印

24、证 AISAS 模型中的 AI粉丝聚集 阶 段，后 者 能 够 印 证 AISAS 模 型 中 的 SAS粉丝互动阶段。此外，针对新浪微博主打名人微博的经营策略，平亮等28 手工抓取2010 年 3 月30 日在新浪微博上由拥有10 万粉丝且互相关注的14 位名人微博所组成的子网络数据，通过 UCINET 软件从点度中心性、中间中心性、接近中心性等 3 个角度，实证分析数量相当有限的名人微博子网络在微博信息传播影响力、社区互动性、不同名人微博在各自领域的意见领袖作用等特性，结果表明，尽管14 位名人微博数量相当少，但一方面，名人微博之间有不错的互动性，尤其是相同领域之间的名人微博，另一方面，名

25、人微博网络在各自领域能够对用户数量庞大的新浪微博用户有充分影响。这意味着企业微博营销可以通过与粉丝数量庞大的名人微博合作，达到营销目的。2 3对企业微博营销的 AISAS 模型研究的评价通过对 AISAS 模型发展的回顾，可以对以互联网时代人际互动为特色的企业微博营销有个整体的认识。但是国内外关于企业微博营销的研究以营销实践的数据统计性结论居多，零散呈现于个人或机构的博客文章或非正式报告中，而以系统理论呈现的学术文献不多，即使像能够解释企业微博营销的 AI-SAS 模型，也由于偏重于经验性的解释，在数据性的解释方面不够。Fumito9 较早时曾用系统动力学方法对 AISAS 模型进行仿真，并对

26、企业利用互联网开展营销活动提出战略和决策建议。当时只是 BBS 和Blog 盛行的时代，企业在与消费者互动的主动性方面远远不如企业微博方便，相关操作建议并不完全适合企业微博营销。同时，由于中国微博起步不久，新浪微博通过名人微博吸引大量粉丝的运营策略造成片面追求粉丝数量的舆论，对 AI 粉丝聚集阶段和SAS 粉丝互动阶段没有理论的普 及 和 实 践 的 引 导。不少企业在尝试微博营销运作时，以企业微博的粉丝数量等简单目标论成败，对企业微博与粉丝的人际互动等考验企业微博运营深度能力的工作没有足够认识，这样的大环境也引起花钱刷粉丝的虚假营销出现。不可否认的是，国内外的研究也认可粉丝数量是企业微博营销

27、效果的重要影响因素，但由于企业微博营销涉及大量微博用户网络的复杂性和粉丝多层次放大传播等因素，简单直观的 AISAS 模型并不能完全给予充分解释。此外，由于任何微博用户的粉丝数量、评论数量、转发数量、发布的微博数量以及企业微博营销活动的关键字都可以在微博的前台和后台直接查询到，在数据统计性上，比不易进行交互统计的 BBS、Blog 等互联网产品方便许多，使得 Lin 等17 通过在即时短信反馈系统上设计“行动决议”和“行动评价”两个模块进行互动数据统计和数据挖掘的工作能够大大简化。数据统计的方便性也为 AISAS 模型在企业微博营销的应用提供了更便捷的数据挖掘条件，有利于开展定量研究。本研究基

28、于 AISAS 模型的定性理论，观察新浪微博上的真实案例，认为除了粉丝数量，企业已有品牌影响力、企业发布微博数量、企业微博持续营销、企业多渠道营销、企业的明星代言人等因素也会对企业微博营销影响力产生影响;同时，在收集整理案例数据的基础上进行实证分析和研究，从定量角度建立企业微博营销效果和粉丝数量的短期互动模型，并讨论模型的适用范围和诸多影响因素，对企业微博营销提出相应管理建议。3模型建立3 1模型假设企业微博营销的 AISAS 模型如图 2 所示。为构建企业微博营销效果与粉丝数量的关系模型，以横轴表示时间，上下对称的纵轴表示企业微博营销产生的影响力效果。对比图 1 中的 AISAS 模型示意图

29、，用 O 表示时间原点，A 和 A 表示企业没有进行微博营销之前的影响力，B 和 B 表示企业刚开始进行微博营销时在微博中的初始影响力。企业如果开展微博营销活动时间不够长，其影响力效果将呈现出与不注重与粉丝互动或是微博营销开展不好类似的数据。由 AIDMA 模型可知，企业在微博平台上的影响力会呈现减弱的趋势，在此自然衰减过程中，企业先后经历了 AI 粉丝聚集阶段的引起注意、激发兴趣两个环节以及 SAS 粉丝互动阶段的信息搜索环节和产生行动环节的前期，C 和 C 表示企业在微博中的影响力自然衰减到最低点。此后，由于企业微博营销效果逐渐产生并形成良性循环，影响力逐步上升，进入产生行动环节的后期和信

30、息分享环节。取信息分享47管理科学(Journal of Management Science)2011 年 8 月图 2企业微博营销的 AISAS 模型Figure 2AISAS Model of EnterpriseMicroblogging Marketing表 1企业微博营销的 AISAS 模型参数Table 1Parameters of AISAS Modelof Enterprise Microblogging Marketing模型参数参数含义TT企业微博营销活动发布的微博数量FL企业微博的粉丝数量HT被微博用户转发的含有有奖营销信息标签的企业微博的总数t任意一个观测时点t 1时

31、点 t 之前的一个观测时点HTt时点 O 到时点 t 之间被微博用户转发的含有有奖营销信息标签的企业微博的总数，用以衡量时点 O 到时点 t 之间企业通过微博营销累积产生的影响力HTt1时点 O 到时点(t 1)之间被微博用户转发的含有有奖营销信息标签的企业微博的总数，用以衡量时点 O 到时点(t 1)之间企业通过微博营销累积产生的影响力HT观测时点t与(t 1)间企业通过微博短期营销发生的影响力效果变化量a企业在微博营销之前具有的品牌影响力0企业品牌影响力a在微博短期营销过程中产生的影响力效果，是只与 a 有关的常量1HTt1的自然衰减系数，0 1 12TT 和 FL 相互作用对企业微博营销

32、产生影响力的放大系数，2 0环节的某个观测时点 t，此时点上企业微博营销影响力为 E 和 E，时点 O 至 t 之间企业通过微博营销累积产生的影响力用HTt表示;再取 t 之前某个观测时点(t 1)，此时点上企业微博营销影响力为 D 和 D，时点 O 至(t 1)之间企业通过微博营销累积产生的影响力用HTt1表示，O1、O2、O3分别为BB、DD、EE 在时间轴上对应的时点。通过 AISAS 理论建立模型使用变量的定义见表 1。企业微博短期营销活动大体运作模式为，企业开通官方微博，凭借企业品牌吸引早期粉丝关注，然后通过企业微博发布含有有奖营销信息标签的企业微博，引发粉丝转发和评论，并进一步引发

33、粉丝的粉丝转发和评论。在这个过程中，更多粉丝关注企业微博，企业微博也参与到与粉丝的互动之中，促使大量含有有奖 营 销 信 息 标 签 的 企 业 微 博 形 成 多 层 次 转发，并进一步达到企业营销的目的。在营销活动期间，含有有奖营销信息标签的企业微博数据可由微博平台的搜索引擎查询得出，用以衡量企业微博营销影响力效果;企业发布微博数量、企业微博粉丝数量等数据，可从企业微博直接查询得出。在企业微博营销实践中，企业通常使用的策略有3 个，即企业品牌、营销活动、粉丝互动。根据 AISAS模型可知，企业微博营销影响效果可看成三部分效果的叠加，企业微博凭借品牌等使粉丝引起注意、激发兴趣;企业微博通过活

34、动吸引粉丝信息搜索、产生行动、信息分享;企业微博营销效果在传播中的影响力自然衰减。(1)AI 粉丝聚集阶段，在短期营销活动中，企业品牌形 成 的 微 博 影 响 力 不 变。在 企 业 微 博 开 通 初期，在无微博平台等外界宣传的情况下，企业往往只能依靠企业品牌获得粉丝信任和关注。根据基于顾客的品牌权益测评方法，在长期内，企业品牌对消费者形成的 品 牌 权 益 能 维 持 消 费 者 形 成 长 期 的 忠 诚度，对企业微博吸引粉丝关注有着直接影响;在短期内，企业品牌对消费者影响不变29。所以，可视企业的品牌影响力 a 在企业微博短期营销过程中具有不变的影响力效果 0。同时，根据 Cobb-

35、Walgren 等30 提出的品牌资产的前因和后果模型，消费者对企业品牌的认知 和 信 任 有 助 于 形 成 品 牌 价 值 和 品 牌 忠 诚度，进而促进消费者接受各类隐性或显性的广告，并参与到营销活动中，形成购买意愿和消费决策。企业品牌能影响和主导营销活动的效果，企业需要依据商品或服务的特点，有针对性地以发布含有有奖营销信息标签的企业微博的形式开展营销活动。(2)SAS 粉丝互动阶段，通过企业微博短期营销活动，产生影响力放大效应。企业能够使用营销活动和粉丝互动策略，通过企业微博发布含有有奖营销信息标签，开展营销活动并主动与粉丝互动，粉丝也能在微博上通过关键字等搜索信息，产生评论转发甚至购

36、买行动，并把在这个过程中的体验通过微博平台上即时分享，产生大量用户创造内容，带动多层次粉丝进行互动，形成 SAS 粉丝互动阶段，并促进57第 4 期金永生等:企业微博营销效果和粉丝数量的短期互动模型更多粉丝关注企业微博，使 AI 粉丝聚集阶段与 SAS粉丝互动阶段形成良性互动，从而达到企业微博营销的目的。所以，互动性是企业微博营销与以往营销模式最大的区别，也是Web 2 0 营销的典型特点。在企业与 粉 丝 互 动 过 程 中，一 方 面，企 业 越 主 动 参与，粉丝的 互 动 性 越 强，越 有 更 多 粉 丝 关 注 企 业 微博;另一方面，企业发布微博越多，关注企业微博的粉丝数量越多，

37、企业与粉丝互动、粉丝与粉丝互动起到扩大企业微博短期营销效果的作用越明显。因此提出两个假设。H1企业发布微博数量与粉丝数量正相关。H2企业微博营销影响力效果与企业发布的微博数量和粉丝数量正相关。(3)在整个 AISAS 阶段，产生影响力自然衰减效应。根据 AIDMA 理论，消费者从获知商品信息到最终购买该商品的过程中，企业营销活动效果随时间在人际网络传播中呈现自然衰减趋势3。由于本研究的案例数据提取采用每隔半天记录一次全部观测数据的方式，对于企业微博营销影响力的数据，尽管当期数据比前一期数据要小，在自然衰减过程中依然存在前一期影响力越大、当期影响力也越大的现象。因此提出假设。H3当期企业微博营销

38、影响力效果与前一期影响力正相关。3 2建立模型在图 2 中，企业在微博营销之前具有的品牌影响力a=SABBA。取观测时点 t 和(t 1)，时点 O 到时点 t之间企业微博营销累积产生的影响力效果为 HTt=SBCEECB，时点 O 到时点(t 1)之间企业微博营销累积产生的影响力为HTt1=SBCDDCB，在观测期内企业通过微博短期营销发生的影响力效果变化量 HT=HTt HTt1=SDEED。根据 AISAS 模型，企业微博营销影响效果可看成三部分效果的叠加，AI 粉丝聚集阶段，企业品牌影响力 a 在微博短期营销过程中产生的影响力效果 0;SAS 粉丝互动阶段，通过企业微博短期营销活动，产

39、生微博营销影响力放大效应，由企业发布微博数量TT 和企业微博的粉丝数量FL 通过复杂的多层次互动形成，设为f(TT，FL);在整个AISAS 阶段具有微博营销影响力自然衰减效应，在观测期内，即为HTt1的衰减效应，记为1HTt1，1为自然衰减系数，0 1 1。由企业微博营销过程中影响力效果的多层次传播复 杂 性 可 知，任 意 观 察 时 点 的 HTt1，对 HTt、HTt1 都存在影响力滞后效应;TT 和 FL 的非独立性会导致多重共线性。本研究采用一阶自回归模型，解决上述滞后问题和多重共线性问题，初步建立关于TT、FL、HT 的一阶自回归模型，即HTt=0+1HTt1+f(TT，FL)(

40、1)4实证研究4 1数据来源根据企业微博短期营销模式，企业在不同时间通过微博推出各种形式的短期互动营销活动，以吸引粉丝关注、评论、转发，从而扩大影响力，并在日常工作中进行客户关系维护和用户深度挖掘，形成企业微博营销 的 长 期 战 略。本 研 究 基 于2009 年11 月 至2010 年 5 月从新浪微博上观察到的10 个典型企业微博短期营销案例的数据，建立企业微博营销效果与粉丝数量的短期互动模型。数据收集方法如下。首先观察2009 年11 月16 日至12 月 1 日的“长安福特”新浪微博营销活动，重点记录“长安福特”官方微博上发布的微博消息条数、企业微博的粉丝数量、新浪微 博 即 时 搜

41、 索 到 的 含 有 有 奖 标 签“长 安 福特”的信息总条数，即TT、FL、HT 等 3 个参数。3 个参数在每天中午13:00 和夜晚23:00 记录两次，用以描绘此次企业微博营销活动的进度和效果。在11 月16日至12 月 4 日共19 天中(包括企业微博营销活动开展的16 天和活动结束之后企业微博营销效果延续的3 天)，共收集38 组有效数据。通过对这些数据进行回归分析，建立企业微博营销效果与粉丝数量的短期互动模型。4 2模型参数估计使用STATA 10 1 软件对“长安福特”案例38 组有效数据的TT、FL 进行相关性检测，TT 和 FL 的相关系数为0 992，H1得到验证;同时

42、，考虑到FL 对HT 具有直接放大作用，故用f(FL)替换f(TT，FL)，解决(1)式中的多重共线性问题。根据 H2，f(TT，FL)=f(FL)=2FL，代入(1)式得到企业微博营销粉丝数量和影响力关系的一阶自回归模型，即HTt=0+1HTt1+2FL(2)根据(2)式，用STATA 10 1 对“长安福特”案例38组有效数据进行拟合回归，其结果见表 2。表 2“长安福特”案例数据拟合回归分析表Table 2Data Regression Analysis Tableof“Changan Ford”Case系数t 统计值概率FL0 0132 6900 011HTt10 83015 7700

43、 000常数项13 1682 1000 043观测数据量:38R2=0 997(1)R2=0 997，说明HTt=0+1HTt1+2FL 拟合程度很高;(2)0=13 168，1=0 830，2=0 013，相对应的t 统计值均大于 2，说明 3 个 变 量 均 显 著 异 于 0，H2和 H3从数据角度得到验证。(3)HTt=0+1HTt1+2FL，即企业微博营销效67管理科学(Journal of Management Science)2011 年 8 月果与粉丝数量的短期互动一阶自回归模型可接受。在“长安福特”案例中，模型可具体表述为HTt=13 168+0 830HTt1+0 013F

44、L4 3回归结果分析和讨论2010 年新浪微博成为中国企业进行微博营销的首选平台，更多典型案例相继诞生。通过对不同案例的回归检验结果进行对比分析，并对重要参数进行讨论，可以更深入地对已得出的企业微博营销效果与粉丝数量的短期互动模型进行探讨。采用与“长安福特”案例相同的数据采集方法，从2010 年 3 月至 5 月在新浪微博上收集其他 9 个典型企业微博营销案例数据(企业微博运营的客观复杂性造成后 9 个案例观测数据量的数值并不一定是观测时间天数的 2 倍)，见表 3。根据已得出的HTt=0+1HTt1+2FL 模型，用STATA 10 1 以同样的方法对其他 9 个典型企业微博营销案例的有效数

45、据进行拟合回归并检验，分析结果见表 4。对重要参数讨论如下。4 3 1参数 2的模型含义2用来 衡 量 企 业 微 博 营 销 的 短 期 效 果。案 例2“戴尔中国”在2010 年 3 月10 日至 4 月 7 日开展的企业微博营销中，2=0 281，远远高于案例 1“长安福特”的2=0 013，加上 DELL 在 Twitter 上进行微博营销的成功为“戴尔中国”奠定了良好口碑，“戴尔中国”在新浪微博的首次企业微博营销非常成功，并得到业界的一致好评。同时，对案例 2“戴尔中国”中FL、TT、HT 等数量关系可进一步用图 3 和图 4 来 说明，并印证案例 1“长安福特”证明的结论。图 3

46、用图形方式描述 H1，反映了在案例 2 的观测期内，企业微博的粉丝数量FL 越多，企业微博营销活动发布的微博数量TT 也越多，反之亦然。图 3 中的点表示不同时点上 FL 和 TT 一一对应的数量 关 系。图 4 用图形方式描述 H2和 H3，即HTt=0+1HTt1+2FL 的数量关系，反映了在案例 2 的观测期内，企业微博的粉丝数量FL 越多，被微博用户转发的含有有奖营销信息标签的企业微博的总数HT 越多(由于HT与HTt1的一阶自回归性质，还可得出HTt1也越多)。图 4 中的点表示不同时点上FL 和HT 一一对应的数量关系。图 3案例 2“戴尔中国”的 FL 与 TT 关系图Figur

47、e 3Relationship Chart of FL and TTin Case 2 of“DELL China”表 3 10 个典型企业微博营销案例观测数据表Table 3Observation Data Table of 10 Typical Enterprise Microblogging Marketing Cases案例序号案例名称观测标签观测时间观测数据量平均粉丝数量1长安福特长安福特2009 11 16 2009 12 04385 2592戴尔中国DELL2010 03 10 2010 04 07508 9763光大银行光大2010 03 16 2010 04 135013 5

48、064杨幂天下贰天下贰2010 04 15 2010 04 2112430 7855招商银行招商银行2010 04 27 2010 05 072224 5746OPPO 手机OPPO 手机2010 04 06 2010 04 16201 1347一汽马自达马自达2010 04 09 2010 04 23247 9448欧莱雅中国欧莱雅2010 03 18 2010 05 19966 6809肯德基中国KFC2010 04 12 2010 05 126041 08510肯德基中国秒杀门2010 04 12 2010 05 126041 08577第 4 期金永生等:企业微博营销效果和粉丝数量的短

49、期互动模型表 4 10 个典型企业微博营销案例数据拟合回归分析表Table 4Data Regression Analysis Table of 10 Typical Enterprise Microblogging Marketing Cases案例序号企业微博数与粉丝数的相关系数R2系数t 统计值概率10 9920 997FL0 0132 6900 011HTt10 83015 7700 000常数项13 1682 1000 04320 9460 999FL0 2814 9900 000HTt10 87535 3100 000常数项 812 461 3 6200 00130 9700 99

50、8FL0 2091 5300 133HTt10 91519 7600 000常数项 2 283 124 1 4300 15840 9890 958FL2 1740 6300 592HTt10 3890 5500 636常数项 875 023 400 0 6100 60350 9510 994FL0 8585 2500 000HTt1 0 259 1 1200 279常数项 13 042 090 5 1300 00060 8570 989FL0 0291 0000 332HTt11 03018 4300 000常数项 35 691 2 0600 05570 9860 993FL 0 057 0