电子商务企业微博品牌传播效果研究

摘要：利用内容分析法对易迅网微博内容进行了全样本分析，探索电子商务企业微博品牌传播效果差异及纵向变化趋势。品牌传播分布研究结果表明：广告数量最多，销售促进次之，再次是公共关系，“其他”最少。品牌传播纵向研究结果表明：企业微博成立之初，各类品牌传播方式的数量非常接近，表明企业微博内容具有随机性；此后广告和销售促进的增长速度逐渐加快，“其他”则逐渐趋近于零，而公共关系是先快后慢，表明企业微博营销意识越来越强。品牌传播效果研究结果表明：广告和销售促进的传播效果最好且无显著差异，公共关系次之，“其他”最差，并且它们之间存在显著差异。

关键词：电商企业微博；品牌传播效果；内容分析法；单因素方差分析

中图分类号：F274；F49文献标识码：A文章编号：1001-8409（2013）12-0067-05

引言

近年来4种主要社交媒体——微博、社交网站、视频分享网站和开放式百科全书从根本上改变了人们的生活。微博更是成为人们沟通和信息传递的一种重要方式，截止2012年12月，仅新浪微博注册用户总数就达5.03亿。企业纷纷注册官方微博开展营销活动，部分企业已经取得了良好的营销效果，比如戴尔公司利用Twitter已经直接创造了近700万美元的营业额[1]。新浪微博与CIC联合《2012企业微博白皮书》的数据表明：截至2012年2月底，共有130565家企业开通新浪微博，新浪微博平台上企业微博账号的粉丝注册数超过7亿个（未排重），排重后粉丝数近1.7亿个，平均每个企业微博拥有粉丝数超过5000个，平均每个用户关注4个企业微博，56%的新浪微博用户至少关注1个企业微博。企业将官方微博看作品牌传播的重要平台和渠道，经常利用其营销活动和企业信息。网购和微博使用已经成为一种流行时尚，所以电子商务企业（简称电商企业）利用官方微博作为营销平台是非常明智的。然而，电商企业并不清楚如何运营官方微博才能获得良好的品牌传播效果，更不知道各品牌传播方式的效果差异。因此，研究需要解决以下问题：不同品牌传播方式分布规律如何？不同品牌传播方式随时间的纵向变化趋势如何？不同品牌传播方式的传播效果是否存在差异？

研究从定量角度探索电商企业官方微博品牌传播方式的分布规律及纵向变化趋势，并比较不同品牌传播方式的传播效果。研究搜集了电商企业微博数据并严格按照内容分析法的步骤对微博内容进行分类编码，探索品牌传播方式的分布规律及其变化趋势，并推论企业微博营销意识的变化。然后，利用单因素方差分析比较不同品牌传播方式产生转发数和评论数的差异，帮助电商企业了解各品牌传播方式的传播效果差异，为企业良好运营官方微博提供理论指导。

1文献回顾

1.1微博内容分类研究

微博能够让用户简短评论和实时信息，每条微博不能超过140个字，且具有社交网络的特征[2]，是近年国内外成长最快的社交网络之一。针对传统媒体的品牌传播分类的研究结果并不统一。从传播形式角度，旅游景区品牌传播可分为行为传播、媒介传播和口碑传播[3]。菲利普.科特勒从营销角度将品牌传播分为广告、销售促进、公共关系、人员推销四类。从品牌娱乐化视角，品牌传播可以分为娱乐显性广告、娱乐隐性广告、娱乐软性广告、赞助和参与媒体娱乐节目、品牌娱乐秀及品牌名人代言六种品牌娱乐化传播形式[4]。微博内容按主题可分为主题信息类微博和非主题信息类微博，按主题内容又可分为趣味分享类、产品推介类、传播活动类和企业信息类[1]。从情感角度，微博内容可分为工具型微博和情感型微博[5]。电商企业微博品牌传播效果研究采用菲利普.科特勒的品牌传播分类框架是非常恰当的，但是人员推销不适合微博情景，所以被排除在研究框架之外。

1.2微博营销效果研究

微博营销效果是衡量营销行为是否有效的直接标准，所以营销效果是营销研究的重要部分。有学者建立了企业微博营销效果和粉丝数量的一阶自回归模型以衡量企业微博营销效果，结果发现：当期企业微博营销影响力效果与前一期影响力正相关，企业微博营销影响力效果与微博数量和粉丝数量正相关[6]。国外学者研究了微博内容中品牌名称被提及的比例以及用户对品牌的情绪和态度，研究结果表明：19%的微博提及了一个品牌，其中接近20%微博出现了对品牌情绪的表达，50%以上是正面情绪，33%是对公司或产品的批评[7]。广告扩散模型能够提供给广告主持续不断的广告扩散并且能够有效地提升广告效果[8]。品牌传播方式产生的营销效果亦可称为“品牌传播效果”，而微博品牌传播效果用转发数和评论数来衡量。当微博内容影响微博用户时，可能会使用户产生转发和评论行为，所以采用转发数和评论数两个指标衡量品牌传播效果是合理的。

2研究设计

2.1样本选择及数据收集

腾讯微博设置了企业微博粉丝数排行榜，出于便利性考虑，研究选取腾讯平台中粉丝数最多的易迅网微博作为研究对象，截止至2012年5月1日易迅网粉丝数达8533758个。据经验可知，微博一段时间后转发数和评论数才会稳定，所以研究搜集了一个月以前的微博数据，即易迅网微博2011年3月16日至2012年4月1日的所有微博，总微博数为1281条，原创微博为969条。研究以原创微博为研究对象，并搜集微博内容、转发数和评论数三项微博数据。

2.2内容分析法

研究采用内容分析法对易迅网的969条原创微博进行了全样本分析。微博情景下，各类品牌传播方式的内涵和外延都发生了变化，所以研究对微博品牌传播方式进行了定义和操作性定义（见表1）。

研究采用排他性分类编码方式，邀请一名博士生和一名硕士生完成编码工作。首先，根据研究命题制定编码操作指南，包括研究目的、品牌传播方式的定义及操作性定义、类别赋值和编码规则等，比如编码规则规定编码1小时候后休息10分钟，每天平均编码不要超过4小时以降低编码人员因疲劳产生的错误。然后，培训两名编码人员使其充分理解品牌传播方式的定义及操作性定义，并严格按照编码规则要求进行编码。再次，培训结束后要求编码人员进行预编码并消除分歧，反复此过程直至预编码结果一致性达到85%才能进行正式编码[9]。最后，两名编码人员对微博内容进行正式编码并评估编码结果的信度。研究中两名编码人员正式编码结果一致性为91%，高于内容分析法要求的85%，研究者和编码人员共同讨论解决编码不一致微博。

2.3描述性统计

广告是电商企业最常采用的品牌传播方式。不同品牌传播方式的频数分布为：广告398条，占比41.1%；公共关系196条，占比20.2%；销售促进255条，占比26.3%；“其他”120条，占比12.4%。

电商企业微博品牌传播方式存在阶段性变化。从品牌传播方式累积频数趋势图的四条曲线可知：第1至第220条的时间区间里，四种品牌传播方式的数量非常接近，随后广告和销售促进数量增速较快，第969条时广告已经远远高于另外三类，而销售促进先超过“其他”，在第820条时又超过了公共关系。由此可以推论：企业微博成立之初，企业没有意识到微博的营销价值，所以微博内容具有随机性使得各类品牌传播方式的数量接近。随着时间的推移，企业渐渐意识到微博营销的重要性，广告和销售促进的数量越来越多。在第220至第550条的时间区间里，企业将微博作为重要的公关平台，公共关系的数量不断增加。“其他”类微博在第550条以后基本处于平稳状态，表明企业意识到“其他”类微博的品牌传播效果较差，所以数量才较少。图1的每条微博序号代表微博的时间顺序，第1条微博是易迅网最早的微博，而第969条是最近的微博，所以横轴的微博序号代表了“时间顺序”，纵轴的“累积频率”代表四种品牌传播方式随着时间变化的累积频数。

2.4剔除奇异值

奇异值是受不确定偶然因素干扰使得数值发生非正常变化，最终导致研究结论产生偏差。剔除奇异值方法主要有两种：一种是“均值±3倍标准差”，认为大于或小于“均值±3倍标准差”的值被判定为奇异值；另一种是盒形图，认为1.5倍四分距以外的数据为奇异值。两种方法剔除奇异值各有特点，研究综合两种方法剔除各组转发数和评论数的奇异值。各组转发数和评论数的描述性统计结果发现：各组数据均出现大于“均值+3倍标准差”和1.5倍四分位距以外的数值，且全距和标准差较大，可判定各组转发数和评论数均存在奇异值。考虑到不同品牌传播方式产生的转发数和评论数不同，研究将分别剔除各组转发数和评论数的奇异值。各组剔除奇异值数量分别为：广告（剔除评论数=4，剔除转发数=4）、销售促进（剔除评论数=17，剔除转发数=14）、公共关系（剔除评论数=9，剔除转发数=4），“其他”（剔除评论数=3，剔除转发数=6）。从表2可以看出，剔除奇异值后各组转发数和评论数均值、标准差、全距都出现了大幅下降，表明剔除奇异值效果明显。

3数据分析及结果

3.1相关分析

研究采用SPSS17.0对转发数和评论数进行了相关分析， Pearson相关系数为0.758，p

3.2方差齐性检验

研究试图采用单因素方差分析（ANOVA）探索品牌传播方式产生转发数和评论数的差异。研究对四组数据进行了方差齐性检验。检验结果显示：转发数的Levene统计量为94.804，P

3.3单因素方差分析

单因素方差分析（ANOVA）结果：转发数的F值为39.358，P

四种多重比较方法获得一致的结论：显著性在0.05水平下，广告与销售促进产生的用户转发数在统计上不具有显著差异（392.81 VS 490.98，P>0.05）。然而，广告显著高于公共关系所带来的用户转发数（392.81 VS 158.54，P

研究结果表明，不同品牌传播方式在用户转发数和评论数上的差异性是一致的，与两者相关系数为0.758的结果相符。分析结果可知： “其他”给用户带来价值较小，传播效果显著低于另外三种传播方式，但是所占比重却高达12.4%。因此，企业应尽量避免“其他”类微博，节约微博空间和用户注意力的浪费，促使每条微博的品牌传播效果最大化。

4研究结论及管理应用

研究以易迅网为例探索电商企业微博品牌传播方式的分布规律、纵向变化趋势和品牌传播效果，具体研究结论及管理应用如下：

第一，品牌传播方式的分布规律研究发现，电商企业最喜欢采用广告，其次是销售促进，公共关系所占比重居第三位，而“其他”类微博所占比重最小。电商企业将微博作为营销平台，较多广告和销售促进类微博属于正常的企业行为。

第二，品牌传播方式的纵向研究发现，电子商务企业微博成立之初，各种品牌传播方式的数量基本接近，企业微博具有较大的随机性。随后广告数量增速较快，最终使得其所占比重最高，销售促进增速迅猛，先后超过“其他”和公共关系越居第二位，而“其他”类微博到达一定程度后，曲线就趋于平缓。由此说明，企业的微博营销意识越来越强，而“其他”类微博的传播效果最差，所以企业“其他”类微博的数量就越来越少。

第三，品牌传播效果差异研究发现，不同品牌传播方式产生转发数和评论数的均值存在显著差异。广告和销售促进的品牌传播效果最好且均不存在显著差异，其次是公共关系，“其他”类微博传播效果最差。企业应该多对消费者价值较高的微博信息——广告和销售促进以满足用户获取信息的需求，同时提升用户对微博账户的价值感知。企业还可以将广告和销售促进方式进行混搭，既能保持同等的品牌传播效果，又能降低粉丝用户的视觉疲劳。

内容分析法使用的是客观数据，所以具有客观性、系统性和可重复性的特点[11]。因此，采用内容分析法研究电商企业品牌传播方式所得结论是客观和科学的。控制好其他变量（微博平台、微博时间、电子商务网站类型等）的影响后，采用内容分析法分析其他企业微博数据也应得到相同结论，理由如下：（1）微博粉丝是企业现有或潜在顾客，所以企业利用微博向粉丝推广产品也可算精准营销。企业利用微博向消费者传递广告和销售促进信息是一种正常的营销行为，此二类微博数量占比较高属于一种正常现象。（2）广告和销售促进能够为消费者带来较高的价值而产生较好的营销效果，而“其他”类微博却恰恰相反。因此，随着时间的推移，广告和销售促进类微博不断增加，“其他”类微博数量越来越少也属情理之中。（3）从消费者行为角度来看，广告提供的产品信息能够帮助消费者做出明智的购买决策，而销售促进能够为消费者带来更直接的利益（低价或赠品），此二类微博容易促进消费者通过转发将信息分享给朋友或评论信息，所以广告和销售促进具有较高的评论数和转发数。反之，“其他”类微博价值较小而不能促进消费者评论和转发，使得此类微博转发数和评论数较少。以上三点同样符合其他企业和消费者的行为逻辑，所以研究可以推论若采用相同的研究程序分析其他企业微博数据也将会获得一致的研究结论。

为了验证三个研究结论是否适用于其他企业微博数据，本文对京东商城的腾讯微博——“京东”进行了验证性研究。京东商城和易迅网属于同一类电商网站，研究采用相同的研究程序，比如：相同的时间框架和全样本分析等。验证性研究基本获得了与前述研究一致的研究结论。分布规律研究表明：广告数量最多（47.2%），其次是销售促进（28.7%），再次是公共关系（13.8%），最少是“其他”（10.3%）；纵向研究表明：刚开始各类微博数量未出现明显差异，随后广告和销售促进增长速度最快，而“其他”类微博增长速度很慢，远低于另外三种品牌传播方式；品牌传播效果研究表明：显著性在0.05水平下，广告和销售促进产生的评论数和转发数显著高于公共关系和“其他”；公共关系产生的评论数和转发数显著高于“其他”。验证性研究结果表明，利用相同的研究程序分析其他企业微博数据可以得到基本一致的研究结果。

研究以腾讯平台粉丝最多的易迅网为研究对象探索微博品牌传播效果是较为恰当的，然后严格按照内容分析法步骤对品牌传播方式进行操作性定义和分类编码，保证了获得数据的可靠性。研究采用了全样本分析，能够保证研究结论的可靠性。本文的研究局限性在于使用了单案例研究，后续研究可以扩展为多案例，以保证结论的普适性。未来研究方向：（1）探索不同电商模式和微博平台下，各品牌传播方式效果差异；（2）探索从电子商务类企业扩展到其他传统类企业，分析不同类型企业品牌传播效果差异；（3）探索不同品牌方式“混搭”是否会产生更好的品牌传播效果。

参考文献：

[1] 史亚光. 企业微博客营销策略研究[D]. 华东师范大学硕士论文， 2011.

[2] Barnes S J， Bhringer M. Modeling Use Continuance Behavior in Microblogging Services： The Case of Twitter[J]. Journal of Computer Information Systems， 2011， 51（4）： 1-10.

[3] 刘德昌，付勇. 我国旅游景区品牌传播策略初探[J]. 西南民族大学学报：人文社会科学版， 2006， 27（9）： 173-176.

[4] 许安心，易爱娣. 品牌娱乐化传播与品牌价值关系的实证研究[J]. 山西财经大学学报，2010（2）： 88-95.

[5] 程雪芬. 企业微博营销效果影响因素及测度研究[D]. 大连理工大学硕士论文， 2012.

[6] 金永生，王睿，陈祥兵. 企业微博营销效果和粉丝数量的短期互动模型[J]. 管理科学， 2011， 24（4）： 71-83.

[7] Jansen B J， Zhang M， Sobel K， et al. Twitter Power： Tweets as Electronic Word of Mouth[J]. Journal of the American Society for Information Science & Technology，2009，60（11）： 2169-2188.

[8] Li Y， Shiu Y. A Diffusion Mechanism for Social Advertising over Microblogs[J]. Decision Support Systems，2012， 54（1）： 9-22.

[9] Kassarjian H H. Content Analysis in Consumer Research[J]. Journal of Consumer Research， 1977， 4（1）： 8-18.

[10]吴明隆. 问卷统计分析实务——SPSS操作与应用[M]. 重庆： 重庆大学出版社， 2010：328-368.

[11]丹尼尔·里夫， 斯蒂文·赖斯， 弗雷德里克·G·菲克（著）， 嵇美云（译）.内容分析法——媒介信息量化研究技巧[M]. 北京： 清华大学出版社， 2010：25-26.