在線品牌社區中的社會影響效應: 好友網絡對顧客參與活躍度的影響研究

邵景波，胡名葉，陳珂珂，肖 波

(1. 哈爾濱工業大學 管理學院，黑龍江 哈爾濱 150001; 2. 夏威夷大學莫納分校 商學院，美國 夏威夷 96822)

一、引言

隨著社會媒體的蓬勃發展和市場競爭的不斷加劇，以互聯網為媒介的在線品牌社區成為企業維護顧客關系、實施營銷策略的重要工具[1]。在線品牌社區凝聚了一群對特定品牌有共同興趣的顧客或潛在顧客，他們在社區中可以交流消費經驗、咨詢售后問題或分享興趣愛好等。企業通過在線品牌社區可以了解顧客對產品或服務的評價和建議，幫助顧客解決產品或服務相關問題，并更好地識別顧客的潛在需求[2]。也因此，越來越多的企業開始重視在線品牌社區的運營，世界“Top 100”的企業中有超過50%的企業已經建立在線品牌社區。在國內，在線品牌社區運營較為成功的小米公司，于2010年公司成立之初就創建了自己的在線品牌社區，社區功能版塊包括產品發布、故障反饋、新功能建議、開發者交流等。通過這些功能版塊，小米的顧客可以參與到MIUI手機操作系統的開發過程之中，同小米的員工討論功能改進方案，提供測評報告，這使得小米和顧客的關系由單純的生產消費關系上升到伙伴關系，角色的轉換大幅提升了顧客對小米的信任，幫助企業培養了大量的忠實顧客。截至2018年7月30日，小米社區的注冊用戶總數達3億多人，每日平均活躍用戶數量接近16萬人，每日平均發帖數量在39萬份以上，這些活躍用戶在貢獻了大量原創帖子的同時，在小米公司新產品的發布和推廣過程中扮演了信息中介的角色，進而當小米公司陸續推出電視、平板電腦、空氣凈化器、智能平衡車等新產品時，很快就獲得了顧客的接受和認可。

從小米在線品牌社區的成功可以看出，一個成功的社區一定是活躍的，有一群忠實的顧客持續參與，進而持續產生內容貢獻。有學者曾指出，顧客參與是在線品牌社區運營的核心問題[3]，國際營銷科學院(Marketing Science Institute)更是將顧客參與作為營銷科學領域的重點研究主題[4]，諸多學者也就此問題開展了大量的研究，研究成果涵蓋了顧客參與前因和結果的多個方面。在前因方面，已有成果探索了顧客心理動機、技術環境因素和社會因素對顧客參與的影響[5-6]。例如，Muntinga等(2011)[7]通過即時通訊工具對顧客進行非結構化訪談發現，顧客參與在線品牌社區主要是基于娛樂、社會交往、信息獲取、自我表達和物質獎勵等動機；Casaló等(2010)[8]則通過對456名用戶的問卷調查發現，平臺的感知易用性和感知有用性正向影響顧客參與；Chan等(2014)[9]同樣通過問卷調查的方法發現，系統穩定性、社區價值、表達的自由性和獎勵對顧客參與存在正向影響。此外，還有學者指出社會因素如團體規范、社會認同、主觀規范等，對顧客參與具有積極影響[10]。在結果方面，已有成果研究了顧客參與對品牌或社區的認同、信任和忠誠等產生的影響[11-14]。例如，Habibi等(2014)[15]通過對來自284個品牌社區的成員進行調研發現，顧客參與社區可以顯著影響顧客對品牌的信任感；楊晶等(2017)[16]通過對732名在線品牌社區用戶的問卷調查發現，顧客參與對在線品牌社區的認知性認同、情感性認同均有正向影響。

可以看出，當前顧客參與方面的研究成果已經比較豐富且研究角度多樣。然而，顧客心理動機和技術環境因素兩類前因研究中，沒有考慮個體所處社會網絡對顧客參與的社會影響，而在考慮社會因素影響的一些研究中，雖然考慮了團體規范、主觀規范等社會影響變量，但沒有涉及個體之間的相互影響。實際上，處于社會網絡環境中的個體行為會受到網絡中其他個體的影響，并且來自其他個體的影響程度存在差異，例如來自好友和陌生人的意見對顧客的購買決策的影響程度就是不同的。在在線品牌社區中，顧客在互動過程中也會形成某種社會關系，諸如好友關系、轉發和評論關系等，由此形成社會網絡，存在著某種社會結構。Bagozzi和Lee(2002)[17]曾經指出，社會影響是人們行為決策的重要因素，個體在形成自我的行為、態度或觀點的過程中，會參考社會系統中其他個體的的行為、態度或觀點。因此，研究在線品牌社區中顧客個體參與行為之間的社會影響十分必要。本研究就將聚焦于在線品牌社區中的好友關系網絡，以在線品牌社區顧客參與活躍度為結果變量，探討在線品牌社區中顧客個體參與行為之間存在的社會影響，以及不同社會關系和結構下的影響差異。研究結果有助于企業更清晰地把握在線品牌社區顧客參與的行為規律，對在線品牌社區的運營管理有一定的參考價值。

二、相關理論基礎

(一)顧客參與

顧客參與的概念來自于關系營銷領域[18]，Vargo(2009)[19]認為顧客參與擴展了關系營銷的范圍，可以對企業營銷過程、消費過程和交付過程做出貢獻，顧客不再只是企業的營銷對象，而是企業的資源。目前對于顧客參與的界定存在多種觀點，Wilson(2010)[20]認為顧客參與是顧客對品牌的認知和情感承諾。Algesheimer等(2005)[21]認為顧客參與是顧客基于一定的功能、娛樂或社交動機，與社區成員進行的互動或合作活動。Mollen和Brodie等(2011)[22]則將顧客參與定義為，顧客在一個組織中的投入程度，包括行為、認知和情緒三個方面。可以看出，這些定義有的是基于心理層面，有的是基于行為層面，還有的包含了心理和行為兩個層面。雖然心理層面上的顧客參與可以促進顧客自身對品牌或社區的信任和承諾[14]，但是對于兩方或多方互動的個體來說，在社區中發表的文字、圖片或視頻等信息是在線品牌社區這一虛擬環境下顧客建立關系的唯一參考[23]。因此，本研究涉及的顧客參與僅限于行為層面，是指顧客圍繞品牌或企業進行的，超出交易范圍的行為表現[12]。這種行為表現可以有多種形式，如在線討論、發表評論或幫助其他顧客解決問題等[24]。

(二)社會影響的路徑

社會影響(Social Influence)最早是社會心理學領域的概念。Deutsch和Gerard(1955)[25]認為“人們渴望尋求他人的認同，以及希望被他人所喜愛”的心理導致了社會影響現象的產生。當個體在形成觀點或做出決策時，他(她)會參考其所處社會環境中他人的態度或行為，個體參考他人的過程也就是其受到影響的過程[26]。社會影響理論認為，個體受到影響的過程是通過溝通(Communication)和比較(Comparison)兩種路徑進行的[27]。溝通是指個體參考與其直接連接的其他人的態度或行為，強調個體受到影響是通過兩個個體間的直接接觸[28]。溝通越頻繁，兩個個體間的行為越有可能相互影響而趨于相似，這是因為通過與其他個體直接交流，個體獲得更多新的信息，影響其形成最終的觀點或決策。在政治活動中，熟人的意見更容易獲得人們的信任，人們在確定投票對象的時候往往依賴熟人提供的信息，而不是大眾媒體[29]。此外，Baerveldt和Snijders(1994)[30]研究了社交網絡對犯罪行為的影響，同樣發現小學生的犯罪行為與他們朋友犯罪的次數有關。大多數關于社會影響的研究都認為溝通是影響產生的重要途徑[31]。另一個社會影響的路徑是比較，即個體觀察與其社會地位相似的他人，對自我的態度或行為進行調整。比較路徑的產生，一方面是由于社會認同，即個體為了獲得其所在社會團體的認可，往往與其具有相似社會地位的其他個體進行比較，避免自己的行為與眾不同；另一方面是由個體的競爭心理所驅動，個體為了維護其所在社會團體中的地位和吸引力，根據其他個體尤其是與其地位或角色相似的個體行為對自我行為進行調整。

綜上，運用社會網絡分析方法，本研究選取內聚力(Cohesion)和結構對等(Structure Equivalence)兩個變量來表征溝通和比較兩種路徑的社會影響[27, 32-33]。在社會網絡中，內聚力是指一個網絡中個體之間的直接連接關系；結構對等是指一個網絡中的兩個個體擁有完全相同的連接對象，但本身并不直接連接。在同一網絡關系中，如果兩個個體受到相同的關系制約，相互交換位置不改變整個網絡結構，那么二者在結構上是對等的[34]。現實中能達到真正意義上結構對等的個體比較少，在研究時通常考慮在多大程度上兩個個體是結構對等的。

內聚力和結構對等產生的社會影響就是內聚力效應和結構對等效應，社會網絡環境下的兩種社會影響效應如圖1所示。

圖1 社會網絡環境下的兩種社會影響效應

三、研究假設

內聚力關注個體之間的直接連接關系，在線品牌社區中，顧客的內聚力越高，表明其在社區中的好友越多。當顧客面對不確定性情況時，如產品的品質、新產品的選擇等，經常會咨詢自己熟悉的人以做出購買決策[35]，有時候朋友的意見甚至要比自身的偏好更加重要[36]。在社交關系中，越多的朋友采取某一行為，個體所感受到的同伴影響力就越大，也因此越容易采取這一行為[37]。例如，對于青少年吸煙的行為，同伴吸煙的孩子的吸煙概率會增加11%，而同伴對吸煙行為的抵制可以顯著提升青少年的戒煙效果[38-39]。另有研究表明，朋友使用社交網站的付費功能可以顯著提升該用戶也購買類似服務的可能性[40]。還有學者發現，用戶在Facebook上的點贊行為也受到朋友點贊行為的影響[41]。類似地，在線品牌社區中，當好友發表了新的內容或關注了某個帖子，該顧客會看到好友的更新動態，受好友影響，其參與相似話題交流的可能性會增大，進而在社區中發表觀點、轉發或點贊他人的帖子等。這樣一來，原本并不活躍的用戶也有了互動行為，而活躍的用戶也會受到好友互動行為的影響而變得更加活躍。由此提出假設：

H1：在線品牌社區中內聚力效應對顧客參與活躍度有正向影響。

結構對等關注的是社會網絡中處于相同位置的兩個個體，反映了社會地位的相似性[40]。處于結構對等的兩個個體為了獲取社會群體的認同，或者是競爭心理的驅動，傾向于采取類似的行為。例如，Burt(1987)[42]在對醫生是否采納新藥物用于治療的研究中發現，兩個醫生在社會關系網絡中的結構對等程度越高，他們做出相似行為的可能性就越大。Singh和Phelps(2013)[43]的研究發現，在網絡中結構對等的項目經理最終趨向于使用相同的軟件許可證完成任務。在在線品牌社區中，結構對等的兩個個體擁有相同的好友群體，但他們相互間并不是好友關系，他們可以看到共同的好友評論了誰、關注了誰、對哪些內容更感興趣，會刺激該顧客加入到類似話題的討論和互動活動中，以提升自身在共同好友群體中的受關注度和吸引力，維護與共同好友群體的良好社交關系，最終結果是提升了自身在品牌社區中的參與活躍度。由此，提出以下假設：

H2：在線品牌社區中結構對等效應對顧客參與活躍度有正向影響。

四、研究方法

(一)研究模型與變量

本研究采用Doreian(1989)[44]提出的網絡效應自相關模型(Network Effects Model with Autocor￣relation)作為測量模型，來分析內聚力和結構對等兩種社會影響效應對顧客參與活躍度的作用。其中，自相關是指某個變量在同一個分布區內的觀測數據之間相互依賴,例如在線品牌社區中不同顧客個體的參與活躍度(因變量)就是相互依賴的，即自相關。由于傳統線性模型要求觀察樣本之間相互獨立，當樣本之間不獨立時，傳統的統計方法就會失靈，而此時網絡效應自相關模型就顯現出了優勢，該模型假設因變量之間存在自相關，其函數表達如式(1)所示。為了測度內聚力和結構對等兩個變量，將該模型進行調整，如式(2)所示。

y=Xβ+ρWy+ε,ε～N(0,σ2I)

(1)

y=Xβ+ρ1W1y+ρ2W2y+ε,ε～N(0,σ2I)

(2)

式(2)中，假定整個網絡在t時刻的用戶數為N，y表示社會網絡中各個顧客的參與活躍度，y=(y1t,y2t, …,yNt)T；X是可能影響因變量的外生因素，即控制變量矩陣；W1和W2分別代表內聚力和結構對等矩陣；β、ρ1和ρ2為待估系數向量；ε表示隨機誤差項。

內聚力矩陣的確定方法為：計算在t時刻用戶i和j之間的連接狀態aijt，當用戶i和j在時刻t相互連接時，aijt=1，否則aijt=0，i和j分別在1, 2, …,N中取值，那么計算出所有節點在t時刻的連接狀態aijt，就可得到t時刻的內聚力矩陣W1t，這是一個N×N階的矩陣。

結構對等矩陣的確定方法為：計算在t時刻用戶i和用戶j之間的距離dijt，如果用戶i和用戶j在時刻t相互連接，則dijt=1，否則dijt=0。然后通過式(3)計算出用戶i和用戶j的結構對等程度。其中，N是指t時刻整個網絡中的用戶數，i和j分別在1, 2, …,N中取值，計算出所有節點在t時刻的結構對等程度sijt，就可得到t時刻的結構對等矩陣W2t，這也是一個N×N階的矩陣。

(3)

(二)數據的收集與處理

本研究選取華為公司的在線品牌社區“花粉俱樂部”作為研究對象。根據《移動智能終端產業發展白皮書(2016)》，華為公司在智能手機和平板電腦的市場占有率分別居于全球第三位和第五位，處于國內市場的首位，公司在2012年成立花粉俱樂部，截至2017年年底注冊會員達3500萬，每日發帖數量40萬以上。為了獲取花粉俱樂部中的好友關系網絡，研究中采用滾雪球抽樣(Snowball Sampling)的方法進行樣本采集。首先，隨機選擇30名用戶做為第一級用戶，此后，采集這30名用戶的好友列表作為第二級用戶，以此類推共獲取4層好友關系數據，剔除掉因設置隱私保護而無法獲取好友信息及屬性的用戶，共獲得4086個有效節點。之后，通過爬蟲程序每天采集樣本數據，采集時間跨度為2016年4月25日至2016年6月12日，最后，應用Gephi軟件繪制出由4086個節點構成的初始好友關系網絡，如圖2所示。

圖2 花粉俱樂部中的初始好友關系網絡

研究中選取用戶的積分值來測度顧客參與活躍度變量，一般在線品牌社區中都會對注冊用戶設置積分值的客觀賦值標準，如華為品牌社區中顧客每發表一篇原創帖子+2分，發表精華帖+5分，評論其他用戶+1分，參與社區投票活動+2分等，如表1所示。

表1 花粉俱樂部中顧客參與行為的積分賦值標準

積分值是顧客在社區中發帖、評論和回復等一系列參與行為的綜合評價，較為客觀地反映了顧客參與活躍度。同時，在線品牌社區中顧客的參與行為除了受到來自好友網絡的社會影響外，還會受到物質激勵的作用，例如在花粉俱樂部中，顧客通過參與行為可以獲得虛擬貨幣“花瓣”，用“花瓣”可以兌換華為品牌的“周邊”商品，如帶有華為品牌標識的水杯、書包、臺燈、文化衫等，這無形中形成了一種激勵，顧客可能會為了得到“花瓣”而積極地參與社區交流。因此，需要將“花瓣”數作為控制變量加入到模型中。此外，為了比較內聚力和結構對等效應對因變量影響的差異，研究中對數據進行了標準化處理，去除數據的單位限制，將其轉化為無量綱的純數值[45]。相關變量的操作化及描述性統計如表2所示。

五、假設檢驗與結果分析

(一)假設檢驗

由公式(2)可以得出如公式(4)所示的實證模型。為了計算模型中的內聚力矩陣和結構對等矩陣，運用Matlab軟件編寫相應程序，最后得出內聚力矩陣和結構對等矩陣的數值。同時采用火車頭數據采集器獲得積分值和“花瓣”數的數據。

PartiActi,t=βFlowersi,t+ρ1Cohi,t*PartiActi,t+

ρ2Equii,t*PartiActi,t+ ?i,t

(4)

下面運用Stata統計軟件分析內聚力和結構對等效應的相關系數，以驗證模型中的自變量之間是否存在多重共線性。從表3可以看出，內聚力和結構對等效應的相關系數均小于0.6，不存在多重共線性問題。

表2 變量的操作化及描述性統計

為了驗證假設，繼續運用Stata統計軟件進行模型計算，結果如表4所示。模型的可決系數R2等于0.4612，說明模型的擬合優度可以接受，同時F(3,16307)=41.08，p值小于0.001，模型通過顯著性檢驗。由表4可以看出，內聚力效應的影響系數為0.0168，p值小于0.05，結果顯著，假設H1通過檢驗。同時，結構對等效應的影響系數為0.3548，p值小于0.05，結果顯著，假設H2通過檢驗。

表3 相關系數矩陣

表4 網絡效應自相關模型計算結果

(二)結果分析

研究中提出的兩個假設均得到驗證，具體結果分析如下：

首先，在線品牌社區中內聚力效應對顧客參與活躍度有正向影響，即在線品牌社區中顧客參與活躍度與其好友參與活躍度正相關。從表4的影響系數可以看出，顧客好友的活躍度每提高1%，顧客自身的參與活躍度就會提升1.68%。在線品牌社區中一般會設置消息提醒功能，主要用來通知好友動態，例如，好友發布了新內容，贊同了誰的觀點，評論了誰等，可以讓顧客及時注意到好友的最新動態，顧客可能從中發現感興趣的觀點或者有用的信息，進而參與討論、點贊或轉發等，不僅增多了顧客與好友溝通交流的機會，還提高了其參與的活躍度。

其次，在線品牌社區中結構對等效應對顧客參與活躍度有正向影響，即在線品牌社區中顧客參與活躍度與其結構對等的陌生顧客的參與活躍度成正相關。結構對等顧客的參與活躍度每提升1%，顧客自身的參與活躍度就提升35.48%。兩個顧客之間的結構對等觸發了他們的競爭心理，當顧客感知到自己在社交關系中的被關注度與自己相似的其他個體相比有所下降時，會調整自己的參與活躍度，以提高自身在社區中的存在感和影響力。

最后，在線品牌社區中結構對等效應對顧客參與活躍度的影響程度大于內聚力效應(0.3548>0.0168)，即來自相似社會地位的陌生顧客的影響大于好友。這意味著，在線品牌社區中的顧客對自身在社交關系中的地位較為敏感，相比于好友在社區中的參與行為，顧客更為關注“與其處在結構相似位置的陌生顧客”的行為，競爭心理對其持續參與社區有更大的驅動作用。

六、研究貢獻與不足

在理論方面，本研究創新性地探索了在線品牌社區中顧客參與行為之間的社會影響效應，豐富了在線品牌社區和顧客參與領域的研究成果，同時為未來繼續進行相關領域的研究提供了一定的思路。另外，將社會影響理論運用到在線品牌社區的研究中，擴展了該理論的應用領域。已有研究證實，社會影響效應在不同場景中會表現出不一致的效果，諸如網絡游戲中用戶的消費行為顯著受到內聚力的影響[46]，而在醫生采納新藥物時則受到結構對等效應的顯著影響。而在線品牌社區作為一個用戶關系更為松散的虛擬組織，顧客之間的社會影響效應也具有一定的特殊性。研究結果表明，在線品牌社區中結構對等效應對顧客參與活躍度的影響遠大于內聚力效應，就是一個有趣且有價值的發現，已有研究尚未涉及。

實踐上，研究結果對在線品牌社區的運營管理具有一定的參考價值。企業建立在線品牌社區的主要目的包括提升品牌形象、維護客戶關系、收集創意、增加銷量等[5]，在線品牌社區中的顧客參與活躍度越高越有可能達到企業的目的，為企業創造更大的價值。企業或者社區管理人員可以制定更有針對性的政策提高在線品牌社區中顧客的參與活躍度。一方面，由于顧客的參與活躍度受到其好友參與活躍度的正向影響，企業可以定期發起一些社區活動，增加顧客間建立好友關系的機會，增強社區中的內聚力效應；另一方面，由于顧客的參與活躍度受到與其處在結構對等位置的陌生顧客參與活躍度的正向影響，為了提高顧客的結構對等影響效應，企業可以培育一定數量的意見領袖，吸引普通用戶與意見領袖建立好友關系，增加社區中的顧客擁有相似朋友圈的可能。

本研究雖然取得了一些有價值的結論，但同時也存在一些局限。首先，實證研究中僅抓取了移動電子設備類在線品牌社區的數據，研究結論對其他產品類別在線品牌社區的適用性需進一步驗證，未來可以考慮針對體驗型產品(如化妝品、酒店)的在線品牌社區開展研究。其次，由于關系型數據處理的復雜性，實證研究中采用了滾雪球抽樣的方法選取樣本，沒有收集華為品牌社區中的全部用戶好友網絡數據，可能會造成一定的數據偏差。