周 靜，沈俏蔚，涂 平，王漢生

1 中國(guó)人民大學(xué) 統(tǒng)計(jì)學(xué)院，北京 100872 2 北京大學(xué) 光華管理學(xué)院，北京 100871

引言

隨著在線社交平臺(tái)的蓬勃發(fā)展，在線分享已經(jīng)成為社交平臺(tái)上用戶進(jìn)行交流和信息分享的主要手段之一[1]。與此同時(shí)，消費(fèi)者也越來越多地借助網(wǎng)絡(luò)中的信息幫助自己進(jìn)行選擇和判斷。例如，當(dāng)消費(fèi)者在尋找某個(gè)品牌時(shí)，他們會(huì)關(guān)注別人的推薦，以此更精細(xì)化自己的購(gòu)物體驗(yàn)[2-3]。用戶在社交平臺(tái)上選擇他們感興趣的人或團(tuán)體進(jìn)行關(guān)注，這些被關(guān)注的人基本可以分為兩類，一類是比較著名、有影響力的人，如影視明星、政治家或一些領(lǐng)域的專家等，這些人通常被稱為意見領(lǐng)袖[4-5]。另一類則是普通用戶，如同學(xué)、同事、親戚朋友等，本研究將這些人稱為非意見領(lǐng)袖。由于消費(fèi)者的偏好和選擇不是獨(dú)立形成的，而是受到其他消費(fèi)者的影響，在互聯(lián)網(wǎng)時(shí)代，這種影響多是通過網(wǎng)絡(luò)口碑傳播的[6]。消費(fèi)者的類型不同，其所產(chǎn)生的影響也不同。REINGEN et al.[7]研究發(fā)現(xiàn)，彼此聯(lián)系不緊密的消費(fèi)者只起到傳遞信息的作用，只有聯(lián)系緊密的消費(fèi)者才相信彼此的推薦并傾向于選擇相同的產(chǎn)品或服務(wù)。但是該研究中并未明確提到意見領(lǐng)袖的作用。因此，本研究推斷，在網(wǎng)絡(luò)口碑傳播時(shí)代，來自意見領(lǐng)袖和非意見領(lǐng)袖的影響是不同的。

用戶的發(fā)帖可以分為原創(chuàng)帖和轉(zhuǎn)發(fā)帖，而發(fā)帖的數(shù)量和質(zhì)量直接影響社交平臺(tái)的活躍度。組織行為領(lǐng)域的研究表明，創(chuàng)新是一個(gè)組織進(jìn)化的動(dòng)力[8]，對(duì)于在線社交平臺(tái)，創(chuàng)新來源于用戶的原創(chuàng)行為，如果一個(gè)社交平臺(tái)每天被重復(fù)的信息充斥，久而久之這個(gè)平臺(tái)就會(huì)沉寂下去，因此平臺(tái)信息的原創(chuàng)性直接決定了其創(chuàng)新程度，進(jìn)而影響網(wǎng)站的活躍度。這說明帖子的類型也對(duì)用戶發(fā)帖行為產(chǎn)生不一樣的影響。已有研究都對(duì)用戶發(fā)帖動(dòng)機(jī)進(jìn)行研究[9-11]，SHRIVER et al.[9]的研究表明，發(fā)帖數(shù)與好友數(shù)之間有因果關(guān)系；TOUBIA et al.[10]從效用的角度解釋社交網(wǎng)站用戶的發(fā)帖動(dòng)機(jī)；IYER et al.[11]從受關(guān)注的角度研究影響社會(huì)化交流的因素，一個(gè)重要結(jié)論是隨著信息交流范圍的擴(kuò)大，信息交流的動(dòng)機(jī)逐漸減弱。但鮮有研究對(duì)發(fā)帖類型進(jìn)行研究，本研究認(rèn)為，無論是在創(chuàng)作成本還是創(chuàng)作內(nèi)容上，原創(chuàng)帖與轉(zhuǎn)發(fā)帖都有本質(zhì)的不同，因此他們對(duì)發(fā)帖行為的影響也不同。綜上所述，用戶的關(guān)注類型(意見領(lǐng)袖和非意見領(lǐng)袖)和發(fā)帖類型(原創(chuàng)帖和轉(zhuǎn)發(fā)帖)是發(fā)帖行為研究中被忽略的兩個(gè)方面，為了彌補(bǔ)這方面的缺失，本研究將從用戶關(guān)注的類型和發(fā)帖類型兩個(gè)角度出發(fā)，探討二者對(duì)用戶發(fā)帖行為的影響。

1 相關(guān)研究評(píng)述和假設(shè)

1.1 意見領(lǐng)袖和非意見領(lǐng)袖

意見領(lǐng)袖的概念起源于傳播學(xué)，是指將獲得的信息進(jìn)行二次傳播并能影響他人決策的個(gè)體[12]。已有研究表明，意見領(lǐng)袖通常也是一些有影響力的人，如類似名人這樣的特殊群體，這類人對(duì)他人的行為意向產(chǎn)生影響，具體表現(xiàn)為可以使他人的行為方式發(fā)生改變，影響個(gè)體的決策行為和行為信念[13]。OHANIAN[14]認(rèn)為可信度、專業(yè)性和吸引力是有影響力的人不同于普通人產(chǎn)生說服力的主要因素?？尚哦戎附邮苷咴诙啻蟪潭壬舷嘈判畔⒃磦鬟f的信息，大量研究表明有影響力的人的可信度在很大程度上影響消費(fèi)者的態(tài)度[15]、品牌偏好[16]和購(gòu)買行為[17]。專業(yè)性指接受者感知到的有效主張來源的程度，是指有影響力的人擁有的知識(shí)、經(jīng)驗(yàn)和技能。研究表明，信息源的專業(yè)性對(duì)態(tài)度改變有積極影響[18]，如對(duì)意見或者喜好能否達(dá)成一致[19]。也有學(xué)者研究專業(yè)性對(duì)黑人社會(huì)經(jīng)濟(jì)地位的影響[20]。大量的廣告?zhèn)鞑パ芯勘砻魍庠谖υ谙M(fèi)者進(jìn)行決策判斷時(shí)起重要作用[21]，因?yàn)榇匀说耐庠谖哂猩鐣?huì)適應(yīng)性[22-24]。研究通過提高信息源的外在吸引力，可以提高消費(fèi)者對(duì)產(chǎn)品或服務(wù)的態(tài)度的積極性[25]，同時(shí)對(duì)如何進(jìn)行意見領(lǐng)袖的選擇具有積極作用[26]。從之前的研究結(jié)果可以看出，意見領(lǐng)袖具有區(qū)別于非意見領(lǐng)袖的一些特質(zhì)，因此如何挖掘意見領(lǐng)袖以及意見領(lǐng)袖的傳播機(jī)制一直是學(xué)者們普遍關(guān)注的問題[27]，有學(xué)者研究如何識(shí)別在線社交平臺(tái)上的意見領(lǐng)袖[28]，這對(duì)在線平臺(tái)的信息傳播具有重要意義。

意見領(lǐng)袖對(duì)消費(fèi)者的行為產(chǎn)生影響，無論這種影響是正面的還是負(fù)面的，都對(duì)消費(fèi)者的決策以及后續(xù)的選擇起到一定作用，這一理論被稱為影響假設(shè)[29]。從構(gòu)建水平理論角度，被感知到的意見領(lǐng)袖與他人的社會(huì)距離比非意見領(lǐng)袖要遠(yuǎn)，這是因?yàn)橐庖婎I(lǐng)袖通常是一些領(lǐng)域中比較有影響力的人，這些人與普通用戶通常有一些距離感，因此，意見領(lǐng)袖很難施加一些具有個(gè)人屬性的影響[30-31]。可以推斷意見領(lǐng)袖在不同的情景下將產(chǎn)生不同的影響。近年來，識(shí)別有影響力的用戶已經(jīng)成為廣大學(xué)者關(guān)注的問題，如何識(shí)別一個(gè)社區(qū)里有影響力的博主[32]，如何識(shí)別學(xué)術(shù)社交網(wǎng)絡(luò)里有影響力的學(xué)者[33]，如何識(shí)別政府關(guān)系網(wǎng)絡(luò)里有影響力的領(lǐng)導(dǎo)者[34]，等等。從已有研究可以看出，意見領(lǐng)袖與非意見領(lǐng)袖對(duì)消費(fèi)者的決策產(chǎn)生不同的影響，因此研究用戶關(guān)注類型與發(fā)帖行為之間的關(guān)系具有重要意義。

1.2 原創(chuàng)帖和轉(zhuǎn)發(fā)帖

促進(jìn)在線社交平臺(tái)發(fā)展的一個(gè)驅(qū)動(dòng)力就是用戶在線創(chuàng)造內(nèi)容，即用戶的發(fā)帖，包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖，這直接影響平臺(tái)的活躍度。對(duì)于在線社交平臺(tái)，原創(chuàng)性的內(nèi)容通常被認(rèn)為是創(chuàng)新的源泉，轉(zhuǎn)發(fā)的內(nèi)容一般認(rèn)為是信息的重復(fù)傳播。社交平臺(tái)的發(fā)展主要與創(chuàng)新程度相關(guān)，換句話說，創(chuàng)新性決定了一個(gè)社交平臺(tái)的生存時(shí)間。因此，如果一個(gè)社交平臺(tái)中原創(chuàng)的內(nèi)容越多，該平臺(tái)就處在一個(gè)不斷上升發(fā)展的狀態(tài)；如果一個(gè)社交平臺(tái)每天都充斥著重復(fù)的信息，用戶無法從平臺(tái)中獲得新的信息和知識(shí)，該社交平臺(tái)很有可能就會(huì)走向消亡。由此可以看出，發(fā)帖類型對(duì)于維護(hù)平臺(tái)的活躍度具有重要的意義。因此，為了使社交平臺(tái)更加活躍，平臺(tái)運(yùn)營(yíng)者鼓勵(lì)用戶發(fā)原創(chuàng)帖。關(guān)于發(fā)帖的已有研究包括但不局限于探討用戶產(chǎn)生內(nèi)容的影響因素[35]、用戶內(nèi)容質(zhì)量的評(píng)判[36]、用戶內(nèi)容質(zhì)量對(duì)渠道商品品牌權(quán)益的影響[37]以及品牌帖子轉(zhuǎn)發(fā)與品牌偏好的關(guān)系[38]。

本研究關(guān)注帖子的類型如何影響用戶發(fā)帖行為。從創(chuàng)作成本看，原創(chuàng)帖的創(chuàng)作成本遠(yuǎn)高于轉(zhuǎn)發(fā)帖，因?yàn)樗枰髡吒嗟母冻?。同時(shí)原創(chuàng)帖也是一個(gè)社交網(wǎng)站新內(nèi)容和新信息的來源，是社交媒體可持續(xù)發(fā)展的一個(gè)源動(dòng)力。在內(nèi)容上，原創(chuàng)帖更關(guān)注與用戶自身相關(guān)的話題，比較具有個(gè)人特征，而轉(zhuǎn)發(fā)帖涉及到的內(nèi)容相對(duì)廣泛，隱私性較低。因此，社交網(wǎng)絡(luò)中用戶來自原創(chuàng)帖和轉(zhuǎn)發(fā)帖的感知是不一樣的，如果用戶關(guān)注的人群中發(fā)的原創(chuàng)帖居多，很有可能會(huì)激發(fā)該用戶的原創(chuàng)動(dòng)力。因?yàn)楦鶕?jù)社會(huì)影響理論，處在同一個(gè)圈子的人更趨于表現(xiàn)相同的行為。如果一個(gè)用戶周圍的朋友每天都在不停的轉(zhuǎn)發(fā)，他進(jìn)行原創(chuàng)的動(dòng)力也會(huì)大大下降，取而代之的是轉(zhuǎn)發(fā)朋友圈中的重復(fù)信息。搜索現(xiàn)有的關(guān)于社交網(wǎng)絡(luò)的研究發(fā)現(xiàn)，鮮有對(duì)發(fā)帖類型的研究，而本研究將探究發(fā)帖類型對(duì)用戶發(fā)帖行為的影響。

1.3 研究假設(shè)

如前所述，本研究將用戶關(guān)注的類型分為意見領(lǐng)袖和非意見領(lǐng)袖，將發(fā)帖類型分為原創(chuàng)帖和轉(zhuǎn)發(fā)帖，社交平臺(tái)上的用戶既關(guān)注意見領(lǐng)袖，也關(guān)注非意見領(lǐng)袖，而關(guān)注的這些人既發(fā)原創(chuàng)帖，也發(fā)轉(zhuǎn)發(fā)帖。本研究將探討意見領(lǐng)袖的原創(chuàng)帖、非意見領(lǐng)袖的原創(chuàng)帖、意見領(lǐng)袖的轉(zhuǎn)發(fā)帖和非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖對(duì)目標(biāo)用戶發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)行為的影響，目標(biāo)用戶特指當(dāng)前分析的某一個(gè)用戶。

(1)從發(fā)帖類型看，原創(chuàng)帖具有創(chuàng)新性，更關(guān)注用戶的個(gè)人特征，具有較高的親密性和隱私性，同時(shí)原創(chuàng)帖的創(chuàng)作占用發(fā)帖者更多的成本。當(dāng)涉及到與個(gè)人特質(zhì)比較相關(guān)的內(nèi)容時(shí)，根據(jù)前面的論述可知，意見領(lǐng)袖被感知到的社會(huì)距離比非意見領(lǐng)袖被感知到的社會(huì)距離遠(yuǎn)。也就是說，非意見領(lǐng)袖的原創(chuàng)帖更容易與目標(biāo)用戶產(chǎn)生共鳴，進(jìn)而影響他們的發(fā)帖行為。因此，雖然目標(biāo)用戶收到很多原創(chuàng)帖的信息，但是由于這些原創(chuàng)帖的發(fā)出者身份不同，傳遞出的信息的影響力也不同，當(dāng)發(fā)出者身份類型與目標(biāo)用戶更接近時(shí)，影響力越強(qiáng)，反之越弱。因此，本研究提出假設(shè)。

H1非意見領(lǐng)袖的原創(chuàng)帖比意見領(lǐng)袖的原創(chuàng)帖更能激發(fā)目標(biāo)用戶的發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)行為。

(2)對(duì)于轉(zhuǎn)發(fā)帖，它比原創(chuàng)帖的創(chuàng)作成本更低，關(guān)注的內(nèi)容更廣泛，與轉(zhuǎn)發(fā)者的個(gè)人特質(zhì)聯(lián)系較少。如果一個(gè)帖子被某一個(gè)有影響力的人轉(zhuǎn)發(fā)后，其傳播速度呈爆發(fā)式的增長(zhǎng)，因此一個(gè)帖子能否成為熱門帖子與轉(zhuǎn)發(fā)者的類型有極其密切的關(guān)系。意見領(lǐng)袖在傳播信息方面有很大的優(yōu)勢(shì)，這也是為什么很多企業(yè)在做微博營(yíng)銷時(shí)，不惜花重金邀請(qǐng)一些明星大號(hào)進(jìn)行宣傳的原因。相對(duì)于非意見領(lǐng)袖的信息傳播，意見領(lǐng)袖在信息傳播的速度和范圍上都更快、更廣。因此，與非意見領(lǐng)袖相比，意見領(lǐng)袖對(duì)轉(zhuǎn)發(fā)帖的傳播產(chǎn)生更大的作用。因此，本研究提出假設(shè)。

H2意見領(lǐng)袖的轉(zhuǎn)發(fā)帖比非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖更能激發(fā)目標(biāo)用戶的發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)行為。

2 數(shù)據(jù)和變量

2.1 數(shù)據(jù)收集

本研究數(shù)據(jù)來自新浪微博，基于研究目的，需要收集一個(gè)包含動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)的固定樣本組的時(shí)間序列數(shù)據(jù)。為了獲取固定樣本組用戶，采取滾雪球抽樣的方法[39]。網(wǎng)絡(luò)結(jié)構(gòu)具有稀疏性，換言之，任意兩個(gè)個(gè)體，他們之間有聯(lián)系的概率幾乎為0，如果采用隨機(jī)抽樣的方法，抽出的將是獨(dú)立的個(gè)體，而非具有網(wǎng)絡(luò)結(jié)構(gòu)的個(gè)體，這樣的樣本無法滿足研究的需要。滾雪球抽樣能在一定程度上保留抽出個(gè)體的網(wǎng)絡(luò)結(jié)構(gòu)。具體的實(shí)施程序如下：從微博上某官方賬號(hào)的粉絲中隨機(jī)抽取10個(gè)用戶ID，以此為初始抽樣種子，運(yùn)用滾雪球抽樣的方法，每次抽取上一批用戶粉絲的ID，去除重復(fù)的ID，如此反復(fù)，最終形成一個(gè)8 500個(gè)左右ID的網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)的密度為1.23%。將此網(wǎng)絡(luò)結(jié)構(gòu)樣本作為本研究的固定樣本組數(shù)據(jù)，并且從2013年11月11日開始一直到2014年3月20日持續(xù)記錄這些樣本的信息。主要包括3類信息，第1類為網(wǎng)絡(luò)結(jié)構(gòu)信息，記錄用戶之間的關(guān)注與被關(guān)注的關(guān)系；第2類為用戶的個(gè)人信息，如昵稱、粉絲數(shù)、好友數(shù)、發(fā)帖數(shù)、賬號(hào)創(chuàng)建時(shí)間、地理位置、性別和個(gè)人描述；第3類是微博文本信息，記錄每天發(fā)微博(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)的文本內(nèi)容。最終得到947 662個(gè)觀測(cè)數(shù)據(jù)，包含8 340個(gè)用戶116天的觀測(cè)數(shù)據(jù)。

本研究探討單個(gè)用戶的發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)行為，需要剔除公眾賬號(hào)的用戶(如一些企業(yè)的官方微博)，這些賬號(hào)的發(fā)帖行為不同于普通用戶，不在本研究范圍內(nèi)。因此，本研究聘請(qǐng)40名助研手工檢查每一個(gè)用戶的個(gè)人描述，如果出現(xiàn)諸如“某某公司官方微博”的字樣，則認(rèn)為這是一個(gè)公眾賬號(hào)，從樣本中剔除。經(jīng)過手工整理，得到用于分析的862 118個(gè)觀測(cè)數(shù)據(jù)，橫跨116天。

2.2 變量構(gòu)建

通過對(duì)數(shù)據(jù)的初步分析，本研究發(fā)現(xiàn)，用戶平均每人每天發(fā)帖的中位數(shù)只有0.04，換言之，平均每人每天發(fā)帖數(shù)不超過1條，大部分用戶都是不發(fā)帖的狀態(tài)，詳細(xì)的分析可參見后文的描述性分析。發(fā)帖與不發(fā)帖具有本質(zhì)的區(qū)別，考慮到數(shù)據(jù)中有大量的0值存在，所以本研究定義因變量為是否發(fā)帖，發(fā)帖取值為1，不發(fā)帖取值為0。具體的，考慮兩個(gè)因變量，分別是用戶是否發(fā)原創(chuàng)帖和是否發(fā)轉(zhuǎn)發(fā)帖。在解釋變量的構(gòu)建上，考慮4個(gè)主要變量，分別為用戶關(guān)注的意見領(lǐng)袖原創(chuàng)帖數(shù)和轉(zhuǎn)發(fā)帖數(shù)以及用戶關(guān)注的非意見領(lǐng)袖原創(chuàng)帖數(shù)和轉(zhuǎn)發(fā)帖數(shù)。本研究將粉絲數(shù)超過10萬的用戶定義為意見領(lǐng)袖，其余的為非意見領(lǐng)袖。通常，意見領(lǐng)袖的影響是外生的，因?yàn)橐庖婎I(lǐng)袖的行為更容易影響他人，他們本身并不容易受到其他人的影響。而來自非意見領(lǐng)袖的影響相對(duì)復(fù)雜，目標(biāo)用戶與關(guān)注的非意見領(lǐng)袖之間是可以互相影響的，這給后續(xù)探索因果關(guān)系帶來了障礙，為此本研究采取工具變量方法解決這一問題。除以上4個(gè)主要變量外，本研究還構(gòu)建一些控制變量，具體的變量說明見表1。

表1 變量說明Table 1 Description of Variables

3 內(nèi)生性問題和工具變量

3.1 內(nèi)生性問題

已有研究認(rèn)為在進(jìn)行與社會(huì)網(wǎng)絡(luò)相關(guān)的分析時(shí)，必須要謹(jǐn)慎處理可能遇到的內(nèi)生性問題[40]。在本研究的實(shí)證分析中，有3個(gè)變量具有內(nèi)生性問題，分別為Fan、ORt和ORr。本研究采取工具變量方法解決內(nèi)生性問題。

為了能更好地闡述，本研究用示意圖說明社交關(guān)系，見圖1。圖中圓圈為用戶，包括A、B、C、D、E、i和j。箭頭為有向的關(guān)注關(guān)系，如A用戶關(guān)注了B用戶，箭頭由A指向B。A關(guān)注了B和C，是B和C的粉絲，根據(jù)本研究分類，B和C或者是意見領(lǐng)袖，或者是非意見領(lǐng)袖，只要B和C發(fā)帖，A就可以看見，因?yàn)锳關(guān)注了B和C。i的箭頭指向A，說明i關(guān)注了A，所以i是A的粉絲，A發(fā)帖，i可以看見，但i發(fā)帖，A看不見，因?yàn)锳沒有關(guān)注i。j關(guān)注了i，但沒有關(guān)注A，稱j為A的2階粉絲。以下介紹工具變量將基于此圖進(jìn)行說明。

(1)粉絲數(shù)的工具變量

本研究探討用戶的粉絲數(shù)對(duì)發(fā)帖行為的影響，粉絲數(shù)也可以看成用戶發(fā)帖的一個(gè)函數(shù)，即用戶的發(fā)帖行為也能影響他的粉絲數(shù)，如用戶為了吸引更多的粉絲而發(fā)帖[10]。所以粉絲數(shù)這個(gè)變量具有內(nèi)生性。需要為粉絲數(shù)尋找一個(gè)工具變量，該工具變量應(yīng)該與內(nèi)生性變量高度相關(guān)，并且不直接影響因變量。在本研究中，選取用戶的2階粉絲數(shù)(即粉絲的粉絲數(shù))作為粉絲數(shù)的工具變量，如圖1中用戶的2階粉絲數(shù)即為j的個(gè)數(shù)。統(tǒng)計(jì)分析表明，用戶的粉絲數(shù)與其2階粉絲數(shù)之間的相關(guān)系數(shù)高達(dá)0.677，p<0.001，顯著相關(guān)。所以將2階粉絲數(shù)作為用戶粉絲數(shù)的工具變量是合理的，將其命名為IVf。

圖1 社交關(guān)系示意圖Figure 1 Diagram of Social Relation

(2)非意見領(lǐng)袖原創(chuàng)帖數(shù)的工具變量

在社交網(wǎng)絡(luò)中，用戶的行為受到與他相連的“鄰居”的影響，他可以受到關(guān)注者的影響，同時(shí)也可以影響他的關(guān)注者。這使非意見領(lǐng)袖原創(chuàng)帖數(shù)具有內(nèi)生性，本研究選取用戶關(guān)注的非意見領(lǐng)袖的粉絲數(shù)作為非意見領(lǐng)袖原創(chuàng)帖數(shù)的工具變量。如圖1中，如果以A為研究對(duì)象，A的非意見領(lǐng)袖原創(chuàng)帖數(shù)應(yīng)為用戶C發(fā)的所有原創(chuàng)帖數(shù)，他的工具變量為所有用戶E的個(gè)數(shù)，即非意見領(lǐng)袖的粉絲數(shù)。統(tǒng)計(jì)分析表明，非意見領(lǐng)袖原創(chuàng)帖數(shù)與非意見領(lǐng)袖粉絲數(shù)的相關(guān)系數(shù)為0.567，p<0.001，可以認(rèn)為選取用戶關(guān)注的非意見領(lǐng)袖的粉絲數(shù)作為非意見領(lǐng)袖原創(chuàng)帖數(shù)的工具變量是合理的，將其命名為ORf。

(3)非意見領(lǐng)袖轉(zhuǎn)發(fā)帖數(shù)的工具變量

最后一個(gè)具有內(nèi)生性的變量是用戶關(guān)注的非意見領(lǐng)袖轉(zhuǎn)發(fā)帖數(shù)，理由與第2個(gè)內(nèi)生性變量基本相似，在此不再贅述。本研究選取用戶關(guān)注的人所關(guān)注的意見領(lǐng)袖發(fā)帖數(shù)(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)作為非意見領(lǐng)袖轉(zhuǎn)發(fā)帖數(shù)的工具變量。具體見圖1，仍以A為例，他的非意見領(lǐng)袖轉(zhuǎn)發(fā)帖數(shù)應(yīng)為所有用戶C的轉(zhuǎn)發(fā)帖數(shù)，他的工具變量應(yīng)該是所有用戶D的發(fā)帖數(shù)，因?yàn)榘凑斩x，此時(shí)D是B的意見領(lǐng)袖。A關(guān)注的意見領(lǐng)袖B發(fā)的帖子在一定程度上與A關(guān)注的其他人的轉(zhuǎn)發(fā)帖相關(guān)，但假如這些用戶關(guān)注的人所關(guān)注的意見領(lǐng)袖不是該用戶關(guān)注的意見領(lǐng)袖，則這些意見領(lǐng)袖發(fā)的帖子并不直接對(duì)該用戶產(chǎn)生影響。統(tǒng)計(jì)分析表明，非意見領(lǐng)袖轉(zhuǎn)發(fā)帖數(shù)與用戶關(guān)注的人所關(guān)注的意見領(lǐng)袖的發(fā)帖數(shù)的相關(guān)系數(shù)為0.338，p<0.001，可以認(rèn)為選取用戶關(guān)注的人所關(guān)注的意見領(lǐng)袖的發(fā)帖數(shù)作為工具變量是合理的，將其命名為Fdb。

3.2 控制方程方法

在計(jì)量經(jīng)濟(jì)學(xué)中，通常用二階段最小二乘法解決內(nèi)生性問題，但二階段最小二乘法僅適用于因變量是連續(xù)型的情況，對(duì)于因變量是離散的(如本研究中的0-1變量)，不適合用二階段最小二乘法。因此，本研究使用控制方程方法，解決因變量為離散情形時(shí)的內(nèi)生性問題。

4 實(shí)證分析結(jié)果

4.1 描述性分析

表2給出平均每人每天各變量的描述性統(tǒng)計(jì)結(jié)果，包括最大值、最小值、均值和中位數(shù)。

表2 描述性統(tǒng)計(jì)結(jié)果Table 2 Results for Descriptive Statistics

由表2可知，①對(duì)于大部分用戶來說，平均每人每天的發(fā)帖數(shù)(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)僅為0.423，說明不發(fā)帖是常態(tài)。平均每人每天發(fā)帖數(shù)的最大值僅為37.830，說明用戶在微博上大部分狀態(tài)是“消費(fèi)內(nèi)容”而不是“創(chuàng)造內(nèi)容”。②用戶平均使用微博的時(shí)間為3.277年，名人占1.400%，并且可以看到超過一半的用戶注冊(cè)地是在北京。有65.200%的用戶是男性，并且有43.700%的用戶是微博認(rèn)證用戶。粉絲數(shù)的中位數(shù)為5.982，而它的最大值為3 648，這也印證了在社交網(wǎng)絡(luò)中大部分用戶只有很少的粉絲，只有很少一部分用戶擁有龐大的粉絲群，說明粉絲數(shù)呈冪律分布。轉(zhuǎn)發(fā)數(shù)和粉絲數(shù)非常相似，有很少的帖子被轉(zhuǎn)發(fā)很多次，大部分的帖子都是沒有被轉(zhuǎn)發(fā)過。③對(duì)關(guān)鍵的4個(gè)變量的分析結(jié)果表明，意見領(lǐng)袖和非意見領(lǐng)袖的發(fā)帖數(shù)存在顯著差異，平均來說，意見領(lǐng)袖的發(fā)帖數(shù)(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)顯著高于非意見領(lǐng)袖的發(fā)帖數(shù)(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)，說明意見領(lǐng)袖比非意見領(lǐng)袖更加活躍，正是這種活躍才使意見領(lǐng)袖成為社交平臺(tái)上的信息傳播者。

4.2 模型估計(jì)結(jié)果

表3給出無工具變量的模型估計(jì)結(jié)果，第3列的因變量為是否發(fā)原創(chuàng)帖，最后1列的因變量為是否發(fā)轉(zhuǎn)發(fā)帖。由表3可知，①因變量為是否發(fā)原創(chuàng)帖時(shí)，微博使用時(shí)間越長(zhǎng)的用戶越容易發(fā)帖；與女性相比，男性發(fā)帖的意愿相對(duì)較低；微博認(rèn)證用戶比非認(rèn)證用戶更愿意發(fā)帖；粉絲數(shù)越多的用戶更愿意發(fā)帖；與普通用戶相比，名人發(fā)帖的意愿更強(qiáng)烈；4個(gè)關(guān)鍵變量中，意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)和非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)都抑制用戶的發(fā)帖行為，其他變量對(duì)用戶的發(fā)帖行為具有正向促進(jìn)作用。②因變量為是否發(fā)轉(zhuǎn)發(fā)帖時(shí)，性別變得不顯著；地理位置變得顯著，北京用戶相比于非北京用戶更愿意發(fā)帖；粉絲數(shù)與用戶發(fā)帖為負(fù)向關(guān)系；在4個(gè)關(guān)鍵變量中，非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)對(duì)用戶的發(fā)帖行為有正向影響，其他變量的結(jié)果與因變量為是否發(fā)原創(chuàng)帖時(shí)基本保持一致。

采取工具變量的估計(jì)方法進(jìn)行回歸分析，根據(jù)控制方程的實(shí)施步驟，分別用每一個(gè)內(nèi)生性變量對(duì)所有的外生變量和工具變量進(jìn)行OLS回歸，得到3個(gè)回歸方程，回歸結(jié)果見表4。

表4給出控制方程方法第1階段的OLS回歸結(jié)果，3個(gè)方程的因變量分別是對(duì)應(yīng)的內(nèi)生性變量，一般認(rèn)為F統(tǒng)計(jì)量大于10時(shí)所選的工具變量是有效的，本研究中所選的3個(gè)工具變量都是有效的。提取OLS回歸的殘差項(xiàng)，將其作為新的控制變量，放入到第2階段的回歸方程中，可以得到使用工具變量后的模型回歸結(jié)果，具體見表5。

由表5可知，總體來說，系數(shù)的估計(jì)與沒有應(yīng)用工具變量之前的結(jié)果基本一致，但除了以下幾個(gè)變量。①對(duì)于因變量為是否發(fā)原創(chuàng)帖，使用工具變量之后性別變?yōu)椴伙@著，是否名人與發(fā)帖之間的正向關(guān)系也變?yōu)樨?fù)向，這說明與普通人相比，名人發(fā)的原創(chuàng)帖更少；意見領(lǐng)袖的原創(chuàng)帖數(shù)也變?yōu)樨?fù)向影響，而意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)變?yōu)檎蛴绊?。H2得到驗(yàn)證。②對(duì)于因變量為是否發(fā)轉(zhuǎn)發(fā)帖，性別變?yōu)轱@著變量，

表3 二元Probit模型回歸結(jié)果(無工具變量)Table 3 Regression Results for Bivariate Probit Model(without Instrument Variables)

注：括號(hào)中數(shù)據(jù)為標(biāo)準(zhǔn)誤，***為0.001的顯著性水平，下同。

粉絲數(shù)也由之前的負(fù)相關(guān)變?yōu)檎嚓P(guān)；意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)變成正向影響，而非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)變?yōu)樨?fù)向影響。H1得到驗(yàn)證。

意見領(lǐng)袖的原創(chuàng)帖數(shù)對(duì)用戶的原創(chuàng)帖具有負(fù)向影響，這是因?yàn)橐庖婎I(lǐng)袖做為有影響力的人，很少與普通用戶進(jìn)行互動(dòng)，他們的原創(chuàng)帖數(shù)僅與自身有關(guān)，并不會(huì)涉及到普通用戶，所以意見領(lǐng)袖的原創(chuàng)帖數(shù)并不會(huì)促進(jìn)一個(gè)用戶的原創(chuàng)行為。然而，意見領(lǐng)袖的原創(chuàng)帖數(shù)對(duì)用戶的轉(zhuǎn)發(fā)行為產(chǎn)生正向影響，這可能是由意見領(lǐng)袖發(fā)帖性質(zhì)決定的，意見領(lǐng)袖發(fā)帖的內(nèi)容可以成為用戶發(fā)帖的信息來源或創(chuàng)作素材，同時(shí)轉(zhuǎn)發(fā)意見領(lǐng)袖的帖子也可以創(chuàng)造更多的社會(huì)互動(dòng)，所以意見領(lǐng)袖的原創(chuàng)帖可以正向影響用戶的轉(zhuǎn)發(fā)行為。此外，本研究發(fā)現(xiàn)意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)正向影響用戶的原創(chuàng)帖和轉(zhuǎn)發(fā)帖行為。這是因?yàn)橐庖婎I(lǐng)袖做為社交平臺(tái)上的信息傳播者，他轉(zhuǎn)發(fā)的內(nèi)容往往可以成為他人的創(chuàng)作素材，從而降低他人創(chuàng)作的成本，所以意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)可以正向影響用戶的發(fā)帖行為(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)。

表4 控制方程方法第一階段的OLS回歸結(jié)果Table 4 OLS Regression Results for the First Stage in Control Function Method

注：*為0.050的顯著性水平，下同。

表5 二元Probit模型回歸結(jié)果(使用工具變量后)Table 5 Regression Results for Bivariate Probit Model(with Instrument Variables)

注：**為0.010顯著性水平。

非意見領(lǐng)袖的原創(chuàng)帖數(shù)正向影響用戶的發(fā)帖行為。對(duì)于用戶關(guān)注的非意見領(lǐng)袖來說，他們之間由于彼此聯(lián)系而互相影響，所以也就不難理解正相關(guān)的關(guān)系。本研究發(fā)現(xiàn)一個(gè)有意思的結(jié)果，非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)對(duì)用戶的發(fā)帖行為具有負(fù)向影響，可以用時(shí)間成本約束理論解釋這個(gè)結(jié)果。用戶花在社交平臺(tái)上的時(shí)間是有限的，如果用戶每天都被千篇一律的帖子刷屏，這會(huì)大大增加他的閱讀成本以及篩選好帖子的成本，留給創(chuàng)作原創(chuàng)帖的時(shí)間就大大下降。此外，由于應(yīng)用了工具變量，當(dāng)用戶關(guān)注的非意見領(lǐng)袖總是發(fā)一些用戶不喜歡的帖子，勢(shì)必引起用戶反感。所以，從時(shí)間成本以及帖子受喜歡程度的角度看，非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)大大增加用戶的閱讀成本，從而抑制用戶原創(chuàng)的熱情。

再來看控制變量的結(jié)果，使用微博時(shí)間越長(zhǎng)的用戶發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)意愿越強(qiáng)；男性比女性更愿意轉(zhuǎn)發(fā)，但并沒有證據(jù)表明男性與女性在發(fā)原創(chuàng)帖上有差異；微博認(rèn)證用戶比非認(rèn)證用戶更愿意發(fā)帖；北京用戶比非北京用戶更愿意發(fā)帖。以上結(jié)果可以幫助營(yíng)銷人員更好地進(jìn)行客戶細(xì)分，將有限的營(yíng)銷資源應(yīng)用到最有價(jià)值的客戶身上。

應(yīng)用工具變量之前粉絲數(shù)的系數(shù)為負(fù)，應(yīng)用工具變量后系數(shù)變?yōu)檎?。該結(jié)論與TOUBIA et al.[10]的結(jié)論不一致，原因可能是由于粉絲數(shù)的內(nèi)生性造成的，應(yīng)該對(duì)他的系數(shù)小心解讀。由回歸結(jié)果可知，名人更愿意轉(zhuǎn)發(fā)，因?yàn)樵诤芏嗌缃黄脚_(tái)上，名人可以充當(dāng)信息的傳播者，他們通常是某一領(lǐng)域的意見領(lǐng)袖，而很多企業(yè)也希望通過名人的轉(zhuǎn)發(fā)來增加自己產(chǎn)品或品牌的知名度。所以，通過名人進(jìn)行傳播的信息更容易被公眾關(guān)注，起到更大的作用，這也就解釋了為什么名人比普通人轉(zhuǎn)發(fā)的更多。另外，是否名人與是否發(fā)原創(chuàng)帖之間負(fù)相關(guān)，可以用時(shí)間成本約束理論來解釋。名人花費(fèi)了太多的時(shí)間來轉(zhuǎn)發(fā)帖子，所以留給自己進(jìn)行原創(chuàng)的時(shí)間十分有限，與普通用戶相比，名人的原創(chuàng)帖就會(huì)大大減少。上1期的轉(zhuǎn)發(fā)帖數(shù)與用戶的發(fā)帖行為具有正向關(guān)系，從某種程度上說，轉(zhuǎn)發(fā)帖數(shù)代表帖子的受歡迎程度，如果一個(gè)人的帖子被很多人轉(zhuǎn)發(fā)，這會(huì)激起用戶再次發(fā)帖的沖動(dòng)，說明用戶發(fā)帖的內(nèi)容能夠被人認(rèn)可，讓用戶感受到與別人的互動(dòng)。

5 結(jié)論

本研究著眼于用戶關(guān)注的類型(意見領(lǐng)袖和非意見領(lǐng)袖)和發(fā)帖類型(原創(chuàng)帖和轉(zhuǎn)發(fā)帖)對(duì)發(fā)帖行為的影響，采用從新浪微博獲取的相關(guān)數(shù)據(jù)，從實(shí)證角度分析用戶關(guān)注類型和發(fā)帖類型對(duì)用戶發(fā)帖行為的影響，并運(yùn)用工具變量的方法解決變量的內(nèi)生性問題。研究結(jié)果表明，意見領(lǐng)袖的原創(chuàng)帖數(shù)對(duì)用戶的原創(chuàng)帖具有負(fù)向影響，對(duì)用戶的轉(zhuǎn)發(fā)帖產(chǎn)生正向影響；意見領(lǐng)袖的轉(zhuǎn)發(fā)帖數(shù)正向影響用戶的原創(chuàng)帖和轉(zhuǎn)發(fā)帖行為；非意見領(lǐng)袖的轉(zhuǎn)發(fā)帖對(duì)用戶的發(fā)帖(包括原創(chuàng)帖和轉(zhuǎn)發(fā)帖)行為具有負(fù)向影響。

本研究的一個(gè)貢獻(xiàn)是區(qū)別分析來自不同用戶類型對(duì)發(fā)帖行為的影響，意見領(lǐng)袖的言論或意見很容易影響到他人，他們自身很難受到非意見領(lǐng)袖的影響。而在非意見領(lǐng)袖身上，這個(gè)情形恰恰相反，非意見領(lǐng)袖很容易被意見領(lǐng)袖影響，他們自身并沒有任何影響力。本研究的實(shí)證分析結(jié)果也支持了這一結(jié)論。意見領(lǐng)袖不經(jīng)常與用戶進(jìn)行互動(dòng)，他們發(fā)的帖子通常被認(rèn)為是某種信息的來源，因此意見領(lǐng)袖往往是信息傳播者而非承擔(dān)社交功能。這啟示我們，如果營(yíng)銷人員希望用戶更多地參與到社交平臺(tái)的活動(dòng)中，應(yīng)該對(duì)非意見領(lǐng)袖進(jìn)行營(yíng)銷，尤其是鼓勵(lì)非意見領(lǐng)袖的原創(chuàng)性工作。本研究結(jié)論可以幫助企業(yè)營(yíng)銷人員更好地理解用戶發(fā)帖的背后動(dòng)機(jī)，幫助營(yíng)銷人員更好地進(jìn)行營(yíng)銷策劃，而企業(yè)的營(yíng)銷方案要因人而異，多采取個(gè)性化營(yíng)銷。

本研究仍然存在不足，希望在未來研究中得以改進(jìn)。①本研究數(shù)據(jù)來自固定樣本組的局部網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)，并沒有觀察到全網(wǎng)數(shù)據(jù)，這是研究的一個(gè)局限。未來可以獲取更全面的網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)，但是想要獲得全網(wǎng)數(shù)據(jù)是很難做到的。②本研究只區(qū)分了意見領(lǐng)袖和非意見領(lǐng)袖兩類用戶的影響，而用戶關(guān)注的類型可以根據(jù)不同的標(biāo)準(zhǔn)進(jìn)行劃分，未來研究可以對(duì)用戶類型做更加細(xì)致的劃分，以期進(jìn)一步探索來自不同用戶類型的影響。③用戶的發(fā)帖動(dòng)機(jī)是多方面的，目前本研究?jī)H探討發(fā)帖與不發(fā)帖的區(qū)別，未來研究還可以探索更多層面的動(dòng)機(jī)因素。