砸錢給大V做營銷，冤不冤？

希南·阿拉爾(Sinan Aral)

每次演講時，我都會做個小實驗：

首先，我請在推特上關注了演員阿什頓·庫徹（Ashton Kutcher）的聽眾舉手。不出所料，大部分聽眾都舉了手。最近幾年，庫徹一直在大肆搜羅粉絲，甚至不惜租用廣告牌宣傳自己的推特。2009年，他成為第一位粉絲數破千萬的推特用戶；2013年初，這一數字攀升到1370萬。庫徹儼然是社交媒體“影響者”的化身。

不過，當我再問：他的推文直接影響過你的行動嗎？大部分時候，都無人舉手。因此，我不得不思考：如果像庫徹這樣的典型影響者都不能改變人們的行為，那他的影響力又體現在哪里？

這個問題值得所有營銷員深思。

關于“影響力”的爭論

馬爾科姆·格拉德威爾（M a l c o l m Gladwell）在2000年出版的《引爆點》（The Tipping Point）一書使“影響者”這一概念迅速躥紅。各路商家深信，如果能把產品推給互相關注、發言踴躍的特定消費者群體，人際影響的效應遲早將觸發產品的流行引爆點。他們在社交媒體營銷上投入巨額資金，希望積聚足夠的人氣，并同時運用Klout、PeerIndex等公司開發的“影響力指標”，試圖精確把握每位粉絲的影響力；他們希望告別昂貴低效的傳統大眾廣告，轉向點對點的口碑營銷。影響力的效力并不止于營銷領域。政策制定者也在研究如何運用影響力來為社會帶來積極變化，例如，減少肥胖。

這項工作極富挑戰性。即使手握強大統計工具的數據科學家也會發現，從紛繁復雜的各種因素中剝離出影響力因素絕非易事。準確把握影響力，可以提升企業利潤，助推社會改革；但如果判斷失誤，將原本就具有購買傾向的消費者當成營銷目標人群，那么營銷活動就做了無用功。

在研究了影響力在消費行為中的作用后，一些學者開始質疑格拉德威爾等人是否高估了影響力。例如，鄧肯·瓦茨（Duncan Watts）在他的《顯而易見》（Everything Is Obvious）一書中就認為，影響力本身并不必然制造流行趨勢，在引領潮流方面，大明星庫徹和普通人并無分別。

解決這些爭論需要數據，尤其是實驗數據。為此，我和同事以社交媒體為平臺，進行了一系列實驗研究，意在更精確地評估影響力。盡管這些試驗的最終結論尚不明晰，但企業仍可以參考我們的初步研究成果，找準最具影響力的人群和最易受影響的人群。

物以類聚，人以群分

影響力常被誤讀，主要原因在于，我們常把相關關系和因果關系搞混。

眾多關于人類行為方式的研究已經表明，人們傾向于同時和朋友做相同的事。這是人們互相影響的結果，還是緣于其他因素呢？社會學中的“同嗜性”（homophily）概念提供了一種可能的解釋。

俗話說，物以類聚，人以群分。我們傾向于與自己相似的人在一起。我們的偏好、興趣以及行為方式都與朋友高度相關：我們同時購買相同的產品，觀看同樣的電視節目，瀏覽同樣的網站（自然而然，接收相同的廣告信息）；我們外出就餐、健身、通勤路線的選擇也大體相同。這些現象看似受控于社會影響力，其實可能與之完全無關。研究者將這些同嗜現象稱為“混雜因素”（confounding factors）。

為準確評估社會影響力，我們需要找出各種混雜因素，以區分開行為傾向和行為變化。若要衡量你可以在多大程度上影響我的購買決定，就必須區分我已有的購買傾向和你的推薦行為對我產生的額外影響。在實際操作中，這非常困難，好在社交媒體提供了全新的實驗平臺。

傳統模型將影響力的作用高估了七倍

我們研究了雅虎即時通訊平臺的2700萬用戶對某項移動服務的使用情況，具體說，就是考察用戶的使用和推薦如何影響其好友對該服務的選擇。實驗目的在于，運用統計方法，將影響力因素從同嗜性等混雜因素中區分出來。

結果表明，傳統模型將影響力的作用高估了七倍之多；約有一半的“影響力”只是同嗜現象及其他混雜因素的結果。我們還發現，在產品生命周期的早期階段，人們對影響力的高估尤為這些發現可能會讓你徹底改變營銷戰略。

假設你是一位首席營銷官，正在籌備新品發布。公司數據科學家分析認為，該產品的采用者會帶動很多朋友采用這款產品，你會怎么做？若數據科學家認為，在90%的情況下，影響力發揮了作用，你可能會將大部分預算投入到點對點營銷和口碑營銷上；若數據科學家認為，在90%的情況下，同嗜性在發揮作用，你會意識到，以人際影響為核心的點對點營銷可能派不上用場，于是轉而研究潛在用戶群的特征，細分市場，利用傳統的廣告和促銷手段來贏得消費者。

人們愿意將好處傳遞給朋友

在第二項實驗中，我們研究了1 4 0萬Facebook用戶下載一款電影應用的情況，以找出影響他們做出決定的因素。

我們將下載了這款應用的用戶隨機分成三組：第一組用戶有權自行邀請朋友試用；第二組用戶的朋友則會接到一條自動生成的信息，提示你的好友正在使用這款應用；第三組用戶的朋友不會收到任何信息。結果，收到主動邀請的人中，有6%下載了應用；在收到自動提示的人群中，這一比例僅為2%。

此外，我們比較了發送個邀請而成功邀請到朋友以及只是向朋友發送自動提示就邀請到朋友的這兩類已有用戶，長期來看，前者使用應用的時間比后者多出17%。

總而言之，這些營銷策略不僅提高了用戶的參與度，還帶來了相當數量的新用戶。更值得一提的是，設計并實施這些策略只需一次性支出600美元。

另外，通過深入的影響力數據分析，我們發現以下規律：一般而言，男性比女性更具影響力；女性較易影響男性，而不易影響其他女性；30歲以上人士比年輕人更具影響力，且更不易受影響；已婚人士比單身人士更不易受影響；影響力與易受影響的程度成反比，即影響力越強的人，越不易受別人影響，反之亦然。

雖然這些結論不一定對所有產品都成立，但我們的實驗示范了衡量影響力的一般方法，這有助于企業搞清楚哪類消費者的影響力能為其產品帶來更多用戶。

此后，我們又研究了企業應如何激勵消費者向他人推薦其產品。

在實驗中，為推廣一家網上花店，我們設置了三種激勵方式：如果向朋友推薦訂花服務，第一組用戶每人獲得10美元的獎勵（“自私激勵”）；第二組用戶沒有任何獎勵，但他們的朋友在該網站注冊即可得到10美元折扣（“慷慨激勵”）；第三組用戶和他們的朋友每人各得5美元（“公平激勵”）。

結果出乎意料：慷慨激勵和公平激勵比自私激勵帶來了更多推薦次數。這表明，人們愿意將好處傳遞給朋友，而不是轉發垃圾郵件。

我們應積極地研究驅動人類行為發生變化的因素，社會影響力營銷的未來有賴于此。如果錯將混雜因素當成影響力，我們將在市場營銷乃至公共政策領域走彎路。