谷斌++李晴琳

內(nèi)容提要：通過對(duì)“粉絲”培養(yǎng)機(jī)制及消費(fèi)意愿的產(chǎn)生做出定量分析，提出影響自媒體社群用戶消費(fèi)意愿的因素包括忠誠度、歸屬感、轉(zhuǎn)變成本、信息效用、信任度、服務(wù)質(zhì)量、物質(zhì)激勵(lì)、社交價(jià)值、形象表現(xiàn)、娛樂感等，個(gè)人感知、群體意識(shí)、利益需求是影響自媒體社群用戶消費(fèi)意愿的綜合指標(biāo)，根據(jù)這3個(gè)綜合指標(biāo)可將自媒體社群用戶分為4類用戶。本文針對(duì)每類用戶特征提出社群“粉絲”的經(jīng)營建議，以期得出促進(jìn)用戶消費(fèi)的大體決策方向，旨在為相關(guān)在線社群經(jīng)營決策提供參考。

關(guān)鍵詞：“粉絲經(jīng)濟(jì)”；自媒體社群；消費(fèi)意愿； K-means聚類

中圖分類號(hào)：F71355 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-148X（2017）03-0008-06

近年來“粉絲經(jīng)濟(jì)”在自媒體領(lǐng)域成為熱門，只要是對(duì)某一項(xiàng)事物有著相當(dāng)高的熱情并能夠?yàn)橹度刖Φ男袨榫捅环Q為“粉絲行為”，倘若基于興趣組成的自媒體社群可以將自己的用戶發(fā)展成為“粉絲”，通過“粉絲”提高社群優(yōu)勢(shì)品牌的知名度，擴(kuò)大社群在虛擬網(wǎng)絡(luò)中乃至實(shí)際社會(huì)中的影響力，就可挖掘關(guān)注社群的潛在用戶，逐步提高活躍用戶的社群消費(fèi)意愿，增加銷售產(chǎn)品或服務(wù)盈利使社群不斷經(jīng)營下去。本文利用數(shù)據(jù)挖掘技術(shù)分析“粉絲”的轉(zhuǎn)變過程及產(chǎn)生消費(fèi)意愿的影響因素，以期得出促進(jìn)用戶消費(fèi)的大體決策方向，為相關(guān)在線社群經(jīng)營決策提供支持。

一、研究基礎(chǔ)與調(diào)研設(shè)計(jì)

“粉絲”在日常生活中更多地體現(xiàn)為對(duì)某種事物的“熱愛”與“忠誠”行為，普通自媒體社群用戶向“粉絲”的轉(zhuǎn)變及消費(fèi)意愿的產(chǎn)生更多地依賴于網(wǎng)絡(luò)的信息傳播和社會(huì)心理。由于個(gè)人的行為意圖是行為態(tài)度和主觀規(guī)范共同作用的結(jié)果，消費(fèi)者行為意愿受到個(gè)人態(tài)度、感知行為控制和主觀規(guī)范的影響，其中感知行為控制是個(gè)體對(duì)自我行為的控制能力，虛擬社群中體現(xiàn)為轉(zhuǎn)換社群的成本，行為控制能力越強(qiáng)，掌握資源越多，轉(zhuǎn)換社群成本越高。因此，本文從個(gè)體態(tài)度和行為控制方面對(duì)消費(fèi)意愿影響因素進(jìn)行探討，其中個(gè)人態(tài)度包含忠誠度、歸屬感、信息效用、信任度、服務(wù)質(zhì)量、娛樂感。個(gè)人的積極性與其歸屬感和忠誠度有關(guān)，用戶對(duì)虛擬社群的歸屬感越高、越忠誠，則愿意為虛擬社群付出的精力就會(huì)越多，接受虛擬社群推送的意愿就越強(qiáng)，消費(fèi)意愿就會(huì)越高。個(gè)人對(duì)信息的有用、易用感知以及對(duì)信息安全性感受也會(huì)直接與用戶持續(xù)使用社群并產(chǎn)生消費(fèi)意愿有關(guān)系。假如用戶認(rèn)為社群推送的信息是無效的，并且在信息共享與傳播過程中認(rèn)為存在個(gè)人信息泄露的風(fēng)險(xiǎn)，那么用戶在虛擬社群中產(chǎn)生購買意愿的可能性將會(huì)降低；相反，如果信息是有效的，在日常生活中可娛樂用戶，且能夠保證信息安全，則用戶在虛擬社群中產(chǎn)生購買意愿的可能將會(huì)提高。

（一）模型構(gòu)建

根據(jù)文獻(xiàn)得到多個(gè)變量后，通過主成分分析方法等數(shù)據(jù)挖掘技術(shù)將這些變量降維，盡量整理成少數(shù)的綜合性影響因素，再根據(jù)多元線性回歸理論將這些綜合性影響因素整理成線性函數(shù)，以便為K-means聚類分析提供基礎(chǔ)。

1.主成分分析。主成分分析是降維及解釋變量的過程[1]，即主成分分析是用k個(gè)最能代表數(shù)據(jù)變量信息的n維正交向量表示由p個(gè)屬性或維描述的元組或數(shù)據(jù)向量的過程，其中k≤n，即主成分分析的線性變化[2]如（1）式：

采用新變量P1來代替原來的p個(gè)變量X11、X12 …X1P，P1為第一主成分，包含盡可能多的變量信息，其方差為λ1，并且λ1λ2λ3…λP，如果第一主成分不足以解釋大多數(shù)的變量，則引入第二主成分P2。若第二主成分還是不能更好地解釋絕大多數(shù)變量，則引入第三主成分P3。如此類推直至大多數(shù)變量信息能過被解釋為止。PP通常使用協(xié)方差矩陣∑或相關(guān)矩陣R來判斷，其解釋方差累計(jì)貢獻(xiàn)率如（2）式，其中λ為∑或R的特征值，p為主成分?jǐn)?shù)，i為全部主成分?jǐn)?shù)。

方差累計(jì)貢獻(xiàn)率= ∑mP=1λP/∑ni=1λi（2）

2.聚類分析。K-means聚類算法以自己設(shè)定的簇?cái)?shù)為基準(zhǔn)來劃分，并確保簇內(nèi)相似度較高、簇間相似度較低，簇的相似度用簇中對(duì)象的均值來衡量，步驟為：首先，決定簇?cái)?shù)k和初始凝聚點(diǎn)，根據(jù)每個(gè)對(duì)象到初始凝聚點(diǎn)的距離確定初始簇。計(jì)算每個(gè)初始簇的均值，根據(jù)每個(gè)對(duì)象到均值的最短距離進(jìn)行分配，形成新的簇，不斷重復(fù)這個(gè)過程，直至簇不變?yōu)橹?。其次，簇要滿足誤差平方和E最小的條件，E可由（3）式算得，其中p為空間中的點(diǎn)，Ci為第i個(gè)簇，ci為Ci簇的形心。

（二）調(diào)查方案

為了調(diào)查基于“粉絲經(jīng)濟(jì)”的自媒體社群用戶消費(fèi)意愿，本文在中國最大的在線調(diào)查平臺(tái)問卷星上發(fā)布問卷，邀請(qǐng)關(guān)注自媒體社群的用戶參與回答，這里的自媒體社群包括基于各種興趣愛好而建立的微博、微信群、QQ群、博客、論壇等。問卷包括基本信息和主要調(diào)查信息，其中基本信息包括性別、年齡段、學(xué)歷、家庭月收入、每周平均上網(wǎng)時(shí)間、成為每個(gè)自媒體社群成員時(shí)間、每周平均訪問自媒體次數(shù)、訪問時(shí)平均滯留時(shí)間，樣本描述情況如表1所示。表1問卷結(jié)果顯示被調(diào)查對(duì)象年齡集中在35歲以下，派發(fā)問卷200份，回收問卷數(shù)量為184份，排除無效問卷及答卷時(shí)間少于55秒的問卷（其中55秒是研究小組隨機(jī)邀請(qǐng)6名受試者最短答題時(shí)間），共獲得有效問卷165份。

（三）調(diào)查問卷

問卷主要調(diào)查信息包括忠誠度、歸屬感、轉(zhuǎn)變成本、信息效用、信任度、服務(wù)質(zhì)量、物質(zhì)激勵(lì)、社交價(jià)值、形象表現(xiàn)、娛樂感，每個(gè)方面有多個(gè)影響變量（見表2），其中服務(wù)質(zhì)量參考楊冠淳和盧向華[3]的研究，物質(zhì)激勵(lì)參考周志民[4]的研究，社交價(jià)值參考Yu等[5]的研究，娛樂感、信息效用參考唐莉斯和鄧勝利[6]的研究，信任度參考寧連舉和張玉紅[7] 的研究，忠誠度、形象表現(xiàn)參考金立印[8] 的研究，歸屬感參考Blanchard和Markus[9]的研究，轉(zhuǎn)變成本參考Imperial和Rodriguez-Navarro[10]的研究。本文在設(shè)計(jì)問卷過程中使用Likert五點(diǎn)量表計(jì)分，最低分為1分，最高分為5分，分?jǐn)?shù)由低至高分別表示含義為非常不符合、不符合、不確定、符合、非常符合，消費(fèi)意愿用購買意愿與重復(fù)購買意愿來描述。

二、影響社群用戶消費(fèi)意愿的主成分分析

（一）KMO和巴特利特球度檢驗(yàn)

對(duì)量表的30個(gè)因素進(jìn)行KMO和巴特利特檢驗(yàn)，KMO值為0951，大于07，巴特利特的近似卡方值為4 832745，對(duì)應(yīng)概率值P=0000<001，原始變量之間存在相關(guān)性，說明本文采用的調(diào)研數(shù)據(jù)適用于因子分析。

（二）確定公因子

KMO和巴特利特球度檢驗(yàn)表明調(diào)研數(shù)據(jù)可作因子分析，可利用SPSS190對(duì)30個(gè)變量作相關(guān)系數(shù)矩陣分析，通過對(duì)初始特征值的觀察可以看到前3個(gè)公因子的特征根均大于1，且累計(jì)方差貢獻(xiàn)率約為70%，說明這3個(gè)公因子所代表的信息基本上能夠解釋原始數(shù)據(jù)所表達(dá)的信息，數(shù)據(jù)能夠很好地解釋自變量。所以，可以用3個(gè)公因子代替原來的30個(gè)影響因素。為了更好地用原始變量來解釋各個(gè)公因子的含義，按照方差極大法對(duì)因子進(jìn)行旋轉(zhuǎn)，并將數(shù)值大于05的因素歸為一類。第一個(gè)公因子在F1、F2、F3、F4、S1、S2、S3、Y1、Y2、Y3、XX1、XX2、G1、G2、Z1上有較高載荷，根據(jù)對(duì)F1、F2…Z1因子的含義分析，第一個(gè)公因子用個(gè)人感知表示；第二個(gè)公因子在X1、X2、X3、XR1、XR2、XR3、XX3、Z2、Z3、ZH2、ZH3上有較高載荷，根據(jù)對(duì)X1、X2…ZH3的含義分析，第二個(gè)公因子用群體意識(shí)表示；第三個(gè)公因子在W1、W2、W3、ZH1上有較高載荷，根據(jù)對(duì)W1、W2…ZH1，第三個(gè)公因子用利益需求表示。

綜上所述，自媒體社群用戶“粉絲”轉(zhuǎn)變與消費(fèi)意愿的產(chǎn)生是與個(gè)人感知、群體意識(shí)和利益需求有關(guān)的，如果管理者社群經(jīng)營過程中想要通過社群品牌吸引廣大用戶，進(jìn)而促進(jìn)社群產(chǎn)品或服務(wù)的銷售量增長，在平日與用戶進(jìn)行交流時(shí)就要考慮到個(gè)人感知、群體意識(shí)和利益需求對(duì)用戶的影響。

（三）主成分回歸

通過上一步因子分析找到了原始數(shù)據(jù)的公因子，即個(gè)人感知、群體意識(shí)、利益需求，這三個(gè)綜合影響指標(biāo)對(duì)用戶向“粉絲”的轉(zhuǎn)變起到至關(guān)重要的作用，如果自媒體社群想增加用戶粘性、提高用戶對(duì)社群親密度，就可從這三方面入手，但它們是否能增加社群用戶的消費(fèi)意愿需要通過主成分回歸來作進(jìn)一步的探討。根據(jù)之前介紹的主成分分析方法可知3個(gè)公因子是主成分分析變換后的新變量，可以直接對(duì)這些公因子作主成分回歸。表3表示根據(jù)原數(shù)據(jù)得出的主成分，可以看到個(gè)人感知是第一主成分，方差貢獻(xiàn)率為31621%；群體意識(shí)是第二主成分，方差貢獻(xiàn)率為24099%；利益需求為第三主成分，方差貢獻(xiàn)率為1383%。對(duì)反映消費(fèi)意愿的兩個(gè)因素值作均值處理，得到反映消費(fèi)意愿的綜合指標(biāo)YY，并將YY和公因子1、公因子2、公因子3作相關(guān)分析得到表4所示結(jié)果，并得知個(gè)人感知、群體意識(shí)、利益需求在001的置信水平上與消費(fèi)意愿顯著相關(guān)，相關(guān)系數(shù)分別為0538、0459、0415。因此，可對(duì)消費(fèi)意愿、個(gè)人感知、群體意識(shí)和利益需求作回歸分析。

以消費(fèi)意愿為因變量，以個(gè)人感知、群體感知、利益需求為自變量做回歸分析，得到下列線性回歸模型。其中，消費(fèi)意愿的判定系數(shù)R2為082，標(biāo)準(zhǔn)估計(jì)誤差為058，說明該模型能夠較好擬合數(shù)據(jù)，并且消費(fèi)意愿的F=110433，P值為0000，模型總體上是顯著的。對(duì)于自變量，個(gè)人感知系數(shù)為0538，T值為1194，P值小于001，可見個(gè)人感知是顯著影響消費(fèi)意愿的。群體意識(shí)系數(shù)為0459，T值為10186，P值小于001，可見群體意識(shí)是顯著影響消費(fèi)意愿的。利益感知系數(shù)為0415，T值為9218，P值小于001，可見利益需求是顯著影響消費(fèi)意愿的，主成分回歸方程表示如（4）式所示。

Y個(gè)人消費(fèi)意愿=0538*X個(gè)人感知+0459*X群體意識(shí)+0415*X利益需求（4）

當(dāng)群體意識(shí)和利益需求不變時(shí)，個(gè)人感知增加1個(gè)單位，個(gè)人消費(fèi)意愿增加0538個(gè)單位；當(dāng)個(gè)人感知和利益需求不變時(shí)，群體意識(shí)增加1個(gè)單位，個(gè)人消費(fèi)意愿增加0459個(gè)單位；當(dāng)個(gè)人感知和群體意識(shí)不變時(shí)，利益需求增加1個(gè)單位，個(gè)人消費(fèi)意愿增加0415個(gè)單位。從（4）式可知個(gè)人感知對(duì)個(gè)人消費(fèi)意愿的影響與其他兩個(gè)因素相比較大，群體意識(shí)與利益需求對(duì)個(gè)人消費(fèi)意愿的影響相當(dāng)，在社群經(jīng)營過程中可針對(duì)個(gè)人感知提高社群的服務(wù)水平。

三、影響社群用戶消費(fèi)意愿的聚類分析

聚類分析方法是一種無監(jiān)督學(xué)習(xí)方法，不需要通過對(duì)訓(xùn)練集的學(xué)習(xí)構(gòu)造分類器，反映的是數(shù)據(jù)本身的特性。根據(jù)之前介紹的聚類分析方法，基于上一步主成分分析得到的公因子，對(duì)調(diào)查的自媒體社群用戶進(jìn)行劃分，以期獲得對(duì)待不同類型用戶的策略。在進(jìn)行聚類分析之前需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，從而獲得均值為0、方差為1的無量綱數(shù)據(jù)。對(duì)于簇?cái)?shù)，相關(guān)美國數(shù)字營銷專家根據(jù)網(wǎng)絡(luò)社群的參與度將社群用戶分為5類，分別是外圍的人、新手、常客、領(lǐng)導(dǎo)、出走的人。本文將簇?cái)?shù)取為5，表5、表6顯示每類樣本數(shù)及最終類中心變量值。

個(gè)人感知、群體意識(shí)、利益需求的類中心變量值越大，說明自媒體社群用戶對(duì)綜合指標(biāo)關(guān)注度越高。從表5、表6可以看出每一類用戶對(duì)個(gè)人感知、群體意識(shí)、利益需求是不太相同的。從表5中可以看出第三類用戶的樣本量只有1個(gè)，通過多次不同簇?cái)?shù)的聚類其樣本量依然為1，本文在這里將這個(gè)樣本視作聚類的離群點(diǎn)，最后用戶分為4類，分別為外圍者、利益驅(qū)動(dòng)者或資格老人、社群新手、社群“粉絲”。

外圍者即表6中的第一類用戶，其樣本數(shù)比例為3273%，這類用戶對(duì)個(gè)人感知、群體意識(shí)、利益需求都不是很關(guān)注，所占比例也比較高。外圍者在日常生活中不太注重自媒體社群便利性，不經(jīng)常自發(fā)地與社群成員進(jìn)行交流，對(duì)社群及社群成員的信任度比較低，他們習(xí)慣在各種社群進(jìn)行切換，不會(huì)長時(shí)間駐留。他們可能只是因?yàn)槊總€(gè)話題而關(guān)注社群，一旦話題熱度不再就會(huì)迅速降低關(guān)注。所以，針對(duì)該類用戶要盡量做好社群內(nèi)容，持續(xù)不斷地引起熱門的話題，幫他們培養(yǎng)關(guān)注社群的習(xí)慣，并且廣告式的推薦與宣傳會(huì)導(dǎo)致用戶的大量流失，讓社群失去規(guī)模經(jīng)濟(jì)的優(yōu)勢(shì)。因此，不太建議在一開始就鼓動(dòng)用戶積極消費(fèi)。

利益驅(qū)動(dòng)者或資格老人即為表6中的第二類用戶，其樣本所占比例十分低。利益驅(qū)動(dòng)的用戶比較關(guān)注利益需求，對(duì)個(gè)人感知與群體意識(shí)比較忽視。社群各類折扣、積分返回等物質(zhì)利益是吸引他們關(guān)注社群的目的，如果一個(gè)自媒體社群是品牌類的社群則可以通過在特定節(jié)假日發(fā)放優(yōu)惠來吸引他們的注意。除此之外，這類用戶也可能是社群里的資格老人，資格老人在社群里的權(quán)利較大和地位較高，由于他們已經(jīng)將注意力放在了新的自媒體社群上，對(duì)舊社群的精力投入大大下降，出發(fā)點(diǎn)從以前的精神追求轉(zhuǎn)變?yōu)槲镔|(zhì)需求。要想這部分用戶回流并產(chǎn)生消費(fèi)意愿，就要有針對(duì)性地給予他們其他社群成員沒有的優(yōu)惠，讓他們感覺自己在該社群可獲得的利益比其他社群更多，所獲得的特權(quán)也更多。利益驅(qū)動(dòng)者或資格老人在此次調(diào)查中所占比例相當(dāng)?shù)牡?，可能是與樣本容量的大小有關(guān)，也可能是因?yàn)檫@類用戶的人數(shù)本來不多。

社群新手即為表6中的第四類用戶，他們關(guān)注個(gè)人感知，群體意識(shí)薄弱，對(duì)利益的需求較低。這類用戶通常對(duì)自媒體社群的使用便利性要求比較高，期望與他人交流的同時(shí)又不希望有過深的接觸，比較希望得到有趣的、有用的資訊，社群的歸屬感與忠誠度比較強(qiáng)。社群新手是成為社群“粉絲”的潛力股，對(duì)社群的活動(dòng)比較積極，也能夠做到努力分享。針對(duì)這類用戶的做法是精準(zhǔn)營銷，根據(jù)用戶點(diǎn)擊率推送他們喜歡的內(nèi)容，選擇在逢年過節(jié)盡可能舉辦相關(guān)活動(dòng)吸引他們參與，可以根據(jù)他們偏好的內(nèi)容推出相關(guān)產(chǎn)品與服務(wù)的推薦清單，在提高他們消費(fèi)動(dòng)力的同時(shí)讓用戶感受到社群的貼心，并且在與社群新手的互動(dòng)中通過定期社群活動(dòng)的舉辦逐步提高社群新手的群體意識(shí)，讓社群新手不經(jīng)意間向社群“粉絲”靠近。

社群“粉絲”即為表6中的第五類用戶，他們對(duì)個(gè)人感知、群體意識(shí)、利益需求比較關(guān)注，是自媒體社群的?？突蚴枪芾碚摺＿@類用戶對(duì)自媒體社群有著較強(qiáng)的歸屬感和較高的忠誠度，平日對(duì)社群所投入的精力較大，屬于社群的“鐵粉”。自媒體社群若想不斷地經(jīng)營下去或從中取得收益，必須依靠這類“粉絲”的鼎力支持。在web20時(shí)代，針對(duì)“粉絲”對(duì)社群的情感聯(lián)結(jié)和自身個(gè)性化的需求，在自媒體社群的日常經(jīng)營里必須利用好用戶生產(chǎn)內(nèi)容的模式，讓“粉絲”自發(fā)地為社群宣傳產(chǎn)品與服務(wù)?！胺劢z”行為實(shí)際是口碑營銷和病毒式營銷的表現(xiàn)，具有影響力的“粉絲”數(shù)量的增長可以增加社會(huì)網(wǎng)絡(luò)類中心節(jié)點(diǎn)的數(shù)量，可以提高更多外圍者和新手的積極性，可以讓更多對(duì)社群感到陌生的用戶認(rèn)識(shí)并了解到加入社群的樂趣。

四、總結(jié)

“粉絲”的消費(fèi)能力有目共睹，通過對(duì)“粉絲”培養(yǎng)機(jī)制及消費(fèi)意愿的產(chǎn)生做出定量分析，提出影響自媒體社群用戶消費(fèi)意愿的因素包括忠誠度、歸屬感、轉(zhuǎn)變成本、信息效用、信任度、服務(wù)質(zhì)量、物質(zhì)激勵(lì)、社交價(jià)值、形象表現(xiàn)、娛樂感等，個(gè)人感知、群體意識(shí)、利益需求是影響自媒體社群用戶消費(fèi)意愿的綜合指標(biāo)，根據(jù)這3個(gè)綜合指標(biāo)將自媒體社群用戶分為4類用戶，針對(duì)每類用戶特征提出了社群“粉絲”的經(jīng)營建議。期望本文對(duì)相關(guān)在線社群經(jīng)營決策有參考價(jià)值。

參考文獻(xiàn)：

[1]韓家煒，坎伯. 數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2001：100，103.

[2]公麗艷，孟憲軍，劉乃僑，等. 基于主成分與聚類分析的蘋果加工品質(zhì)評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2014（13）：276-285.

[3]楊冠淳，盧向華. 促進(jìn)用戶粘性的虛擬社區(qū)技術(shù)與管理設(shè)計(jì)創(chuàng)新——基于實(shí)證的研究[J].研究與發(fā)展管理，2009（5）：29-38.

[4]周志民. 基于品牌社群的消費(fèi)價(jià)值研究[J].中國工業(yè)經(jīng)濟(jì)，2005（2）：103-109.

[5]Yu J， Jiang Z， Chan H C. Knowledge contribution in problem solving virtual communities：the mediating role of individual motivations[C]//ACM Sigmis Cpr Conference on Computer Personnel Research 2007， April 19-21， 2007， St. Louis， Missouri， Usa. DBLP， 2007：144-152.

[6]唐莉斯，鄧勝利. SNS用戶忠誠行為影響因素的實(shí)證研究[J].圖書情報(bào)知識(shí)，2012（1）：102-108.

[7]寧連舉，張玉紅. 虛擬社區(qū)感對(duì)用戶忠誠度影響的實(shí)證研究[J].技術(shù)經(jīng)濟(jì)，2014（11）：7-15+35.

[8]金立印. 虛擬品牌社群的價(jià)值維度對(duì)成員社群意識(shí)、忠誠度及行為傾向的影響[J].管理科學(xué)，2007（2）：36-45.

[9]Blanchard A L， Markus M L. The experienced “sense” of a virtual community [J].Characteristics and Processes， 2004，35（1）：64-79.

[10]Imperial J， Rodríguez-Navarro A. Usefulness of Hirschs h-index to evaluate scientific research in Spain[C]//Scientometrics，2007：271-282.

Research on We-Media Community Users′ Consuming Intention based on

“Fan Economy”

GU Bin，LI Qing-lin

（School of Economics and Commerce， South China University of Technology， Guangzhou 510006， China）

Abstract：Through the quantitative analysis of training mechanism and consuming intention occurence of “fans”， the paper gets the factors that affect the user′s willingness to consume in We-Media community include loyalty， sense of belonging， transition cost， information utility， trust， service quality， material incentives， social value， image manifestation， sense of entertainment， etc. Personal perception， group consciousness and interest demand are the comprehensive indicators that affect consumers′ willingness to consume in the We- Media community， and users can be divided into 4 categories according to these 3 indicators. This paper proposes the management suggestions for maintaining users based on the feature of “fans”， in order to get the overall decision-making direction to promote consuming and provide a reference for making management decisions of relevant online community.

Key words： “fan economy”； We-Media community； consuming intention； K-means cluster

（責(zé)任編輯：關(guān)立新）