張 偉，馬 驍，劉思妤

(西安理工大學 經(jīng)濟與管理學院，陜西 西安 710054)

用戶使用微博時不僅可以瀏覽信息、發(fā)布相關(guān)內(nèi)容，還可以把他人發(fā)布的微博予以分享，即進行轉(zhuǎn)發(fā)(1)Luo Z, Osborne M, Tang J, et al. Who will retweet me?:finding retweeters in twitter. International Acm Sigir Conference on Research & Development in Information Retrieval. ACM, 2013:869-872.。轉(zhuǎn)發(fā)作為微博中普遍存在的行為，是推廣活動及發(fā)布信息的主要手段之一，對于信息傳播具有重要意義。轉(zhuǎn)發(fā)是指用戶發(fā)現(xiàn)有用或者感興趣的他人發(fā)布的微博，想與自己的關(guān)注者進行分享，因此選擇將整條內(nèi)容復制后傳播給其他微博用戶的行為。微博的轉(zhuǎn)發(fā)簡潔易行，用戶只需點擊左下角處的微博轉(zhuǎn)發(fā)鍵即可將整條微博分享給他人。因此，信息在不進行任何改動的情況下，就可以在除了最開始發(fā)布這條信息的用戶之外的網(wǎng)絡社交區(qū)擴散(2)Peng H K, Zhu J, Piao D, et al. Retweet Modeling Using Conditional Random Fields. IEEE, International Conference on Data Mining Workshops. IEEE Computer Society, 2011:336-343.。這種轉(zhuǎn)發(fā)行為能夠?qū)⑿畔⒀杆賯鞑ブ脸汕先f微博用戶手中，其擴散范圍以指數(shù)的形式劇增，傳播效率遠超出了其他任何一種傳播機制。在現(xiàn)行網(wǎng)絡環(huán)境下，某些微博甚至可以被轉(zhuǎn)發(fā)千萬次以上，點擊次數(shù)遠超出作者預期。

轉(zhuǎn)發(fā)行為不僅可以將信息內(nèi)容傳播至當前的關(guān)注者手中，而且還會吸引一批新受眾。轉(zhuǎn)發(fā)行為的初衷可能是將特定內(nèi)容提供給具體的用戶，或是根據(jù)原文內(nèi)容發(fā)表自己的見解和看法、表達自身的感受，亦或是用以表明自己對該觀點的認同或反對，還可能是從有用性角度出發(fā)，將自己認為有用、有益的內(nèi)容以轉(zhuǎn)發(fā)的形式進行保存，以供今后瀏覽查閱。無論出于怎樣的目的，都無法忽視微博轉(zhuǎn)發(fā)內(nèi)容中所包含的信息價值(3)Boyd D, Golder S, Lotan G. Tweet, Tweet, Retweet: Conversational Aspects of Retweeting on Twitter. Hawaii International Conference on System Sciences. IEEE, 2010:1-10.。

轉(zhuǎn)發(fā)機制將微博內(nèi)容分為兩種具有明顯差異的形式：原創(chuàng)型微博和非原創(chuàng)型(轉(zhuǎn)發(fā)型)微博。通過Zarrella 的研究可以發(fā)現(xiàn)，轉(zhuǎn)發(fā)型微博中含有鏈接的數(shù)量是原創(chuàng)型微博中含有鏈接數(shù)量的3倍。也就是說，大多數(shù)用戶選擇轉(zhuǎn)發(fā)行為而非原創(chuàng)的目的是將他人提供并且自認為有趣的視頻、網(wǎng)頁鏈接、信息頁面?zhèn)鞑ソo其他用戶。綜覽學術(shù)界相關(guān)研究文獻可以看出，兩類微博的差異主要體現(xiàn)在內(nèi)容和情境兩方面：是否與他人進行互動、所屬類別、是否可跳轉(zhuǎn)到其他網(wǎng)頁等因素都歸屬于微博內(nèi)容的不同；而情境特征具體包括微博粉絲數(shù)量、關(guān)注數(shù)量、注冊微博的年限、微博點贊數(shù)量、發(fā)布微博條數(shù)以及頻率等(4)Suh B, Hong L, Pirolli P, et al. Want to be Retweeted? Large Scale Analytics on Factors Impacting Retweet in Twitter Network. IEEE Second International Conference on Social Computing. IEEE, 2010:177-184；李紅霞,陳均明,尼珍:《微博與微信的用戶行為影響因素比較》，《重慶工商大學學報》(社會科學版),2017年第3期。?？傮w而言，由于轉(zhuǎn)發(fā)型微博在價值和趣味性方面高于原創(chuàng)型微博(5)Macskassy S A, Michelson M. Why do People Retweet? Anti-Homophily Wins the Day!. International Conference on Weblogs and Social Media, Barcelona, Catalonia, Spain, July. DBLP, 2011.，因此關(guān)注者才會選擇轉(zhuǎn)發(fā)，由此導致轉(zhuǎn)發(fā)型微博在產(chǎn)品關(guān)注度和態(tài)度改變方面影響效果更加顯著。綜上分析，本文認為原創(chuàng)型微博與轉(zhuǎn)發(fā)型微博對消費者的影響程度存在很大差異。

雖然微博的注冊用戶日益增加，配套性功能逐步完善，但是目前學術(shù)界對這一領(lǐng)域的研究還處于初級階段，可供使用的相關(guān)模型和理論較少。目前可檢索到的研究成果主要從預測轉(zhuǎn)發(fā)行為、選擇轉(zhuǎn)發(fā)微博的原因、微博轉(zhuǎn)發(fā)用戶的特性等方面著手研究，幾乎沒有學者對轉(zhuǎn)發(fā)行為所帶來的商業(yè)價值進行探討。因此，為進一步在微博營銷研究領(lǐng)域深耕，本文擬解決以下問題：轉(zhuǎn)發(fā)型微博是否能更顯著地引起產(chǎn)品關(guān)注和積極的產(chǎn)品態(tài)度？文章將基于微博營銷背景，對比研究不同微博營銷渠道——企業(yè)自有媒體和第三方媒體發(fā)布的原創(chuàng)型微博和轉(zhuǎn)發(fā)型微博影響產(chǎn)品關(guān)注和產(chǎn)品態(tài)度的顯著性差異，通過在微博平臺收集客觀數(shù)據(jù)進行驗證，證實轉(zhuǎn)發(fā)行為更為突出的營銷效果，最后據(jù)此提出相應的營銷建議。

一、文獻回顧

轉(zhuǎn)發(fā)作為傳播微博信息內(nèi)容的主要途徑之一，能夠使得信息以指數(shù)級的速度擴散和傳播。根據(jù)已有數(shù)據(jù)可知，非原創(chuàng)即轉(zhuǎn)發(fā)型微博占總微博數(shù)量的25.5%(6)Yang Z, Guo J, Cai K, et al. Understanding retweeting behaviors in social networks. ACM International Conference on Information and Knowledge Management. ACM, 2010:1633-1636.。而當今學術(shù)界關(guān)于轉(zhuǎn)發(fā)行為的文章大多都是會議型論文，對此方面的研究仍停留在初步探索階段。通過對相關(guān)研究成果分類整理后發(fā)現(xiàn)，該領(lǐng)域的研究主要分為兩種：第一種研究聚焦轉(zhuǎn)發(fā)行為的預測。Yang等人探討了哪些因素會導致用戶轉(zhuǎn)發(fā)行為的產(chǎn)生，主要應用了因子圖模型，主要研究了用戶的過往行為以及話題趨勢(7)Yang Z, Guo J, Cai K, et al. Understanding retweeting behaviors in social networks. ACM International Conference on Information and Knowledge Management. ACM, 2010:1633-1636.；Peng等人通過微博社交網(wǎng)絡影響(content influence)、內(nèi)容影響(content influence)、時間衰減系數(shù)(temporal decay factor)三方面的特征來建立轉(zhuǎn)發(fā)行為預測模型，主要采用的方法是條件隨機域(8)Peng H K, Zhu J, Piao D, et al. Retweet Modeling Using Conditional Random Fields. IEEE, International Conference on Data Mining Workshops. IEEE Computer Society, 2011:336-343.；Kupavskii等人主要研究轉(zhuǎn)發(fā)流(Retweet cascades)，利用一定的算法對微博在固定時間內(nèi)被轉(zhuǎn)發(fā)的數(shù)量進行預測(9)Kustarev A, Kustarev A, Kustarev A, et al. Prediction of retweet cascade size over time. ACM International Conference on Information and Knowledge Management. ACM, 2012:2335-2338.；Lu等人通過一些微博特征因素建立了轉(zhuǎn)發(fā)樹(Reposts Tree)模型，例如：點贊微博數(shù)、粉絲數(shù)、關(guān)注的用戶數(shù)量、是否與微博粉絲交流、所發(fā)布的微博數(shù)量、所轉(zhuǎn)發(fā)的微博數(shù)量等，并以此來預測某個特定微博會被轉(zhuǎn)發(fā)的數(shù)量(10)Lu X, Yu Z, Guo B, et al. Predicting the content dissemination trends by repost behavior modeling in mobile social networks. Journal of Network & Computer Applications, 2014, 42(3):197-207.?？梢钥闯?，上述文獻將實證研究作為主要研究方法的甚少，更多的是采用計算機建模進行數(shù)據(jù)分析和假設檢驗。

第二種研究則聚集分析轉(zhuǎn)發(fā)型微博的特征。Boyd等人對轉(zhuǎn)發(fā)型微博的特征、轉(zhuǎn)發(fā)的方式與原因等方面進行了研究，主要采用了案例研究的分析方法(11)Boyd D, Golder S, Lotan G. Tweet, Tweet, Retweet: Conversational Aspects of Retweeting on Twitter. Hawaii International Conference on System Sciences. IEEE, 2010:1-10.；Suh等人主要對微博內(nèi)容進行了研究，從內(nèi)容特征和情景特征兩個維度探索轉(zhuǎn)發(fā)型微博與原創(chuàng)型微博之間的差別。通過內(nèi)容特征分析，他們發(fā)現(xiàn)URL以及話題標簽與轉(zhuǎn)發(fā)行為之間的關(guān)系為強相關(guān)性。從情景特征分析可知，關(guān)注其他微博的數(shù)量以及用戶自身的粉絲數(shù)量與轉(zhuǎn)發(fā)行為具有強相關(guān)性(12)Suh B, Hong L, Pirolli P, et al. Want to be Retweeted? Large Scale Analytics on Factors Impacting Retweet in Twitter Network. IEEE Second International Conference on Social Computing. IEEE, 2010:177-184.；Macskassy和Michelson通過分析一定數(shù)量的Twitter文本數(shù)據(jù)，探究轉(zhuǎn)發(fā)型微博特征時發(fā)現(xiàn)，用戶的轉(zhuǎn)發(fā)行為具有反同質(zhì)性(anti-homophily)，指的是通常情況下，大部分微博用戶轉(zhuǎn)發(fā)的微博并非是自己之前發(fā)表過的言論，而是與自己具有較大反差甚至相反風格的內(nèi)容(13)Macskassy S A, Michelson M. Why do People Retweet? Anti-Homophily Wins the Day!. International Conference on Weblogs and Social Media, Barcelona, Catalonia, Spain, July. DBLP, 2011.；Luo等人也選擇從情景特征方面對轉(zhuǎn)發(fā)型微博進行剖析，提出了微博中各種因素與轉(zhuǎn)發(fā)行為的相關(guān)性，指出在用戶粉絲的微博發(fā)布數(shù)量、活躍時間、興趣特征及其是否有過轉(zhuǎn)發(fā)歷史諸因素中，之前有過轉(zhuǎn)發(fā)行為的粉絲以及用戶的興趣愛好與其粉絲的興趣愛好相似時，更易于促進某些微博被轉(zhuǎn)發(fā)(14)Luo Z, Osborne M, Tang J, et al. Who will retweet me?:finding retweeters in twitter. International Acm Sigir Conference on Research & Development in Information Retrieval. ACM, 2013:869-872.；Nip和Fu從框架和特征兩方面對新浪微博中的原創(chuàng)性微博和轉(zhuǎn)發(fā)型微博進行了比較，從兩者的異同出發(fā)解釋了微博中某些公共意見的形成過程(15)Nip J Y M, Fu K W. Networked framing between source posts and their reposts: an analysis of public opinion on China's microblogs. Information Communication & Society, 2016, 19(8):1127-1149.；湯胤等人提出四個情境特征對微博轉(zhuǎn)發(fā)行為具有促進作用，這四種情境特征分別是：個人結(jié)果期望、績效結(jié)果期望、意見領(lǐng)袖、自我效能，他們參照社會認知理論通過實證研究的方法驗證了初始假設(16)Yang Z, Guo J, Cai K, et al. Understanding retweeting behaviors in social networks. ACM International Conference on Information and Knowledge Management. ACM, 2010:1633-1636.。在上述研究中，Boyd等人所提出的觀點最值得關(guān)注，他們認為微博轉(zhuǎn)發(fā)行為的實質(zhì)是用戶之間的參與交流。

時間、空間和社會環(huán)境通常會對對話產(chǎn)生影響。隨著網(wǎng)絡技術(shù)的發(fā)展，各社交媒介和網(wǎng)絡用戶證明對話可以不受區(qū)域和時間的限制進行異步交流，但參與交流的群體以及共處的社會環(huán)境卻是具體明確的。由于微博的特殊機制，用戶通過無形的互聯(lián)網(wǎng)進行交流，對交流的空間和群體沒有任何限制。無論何時，即使是只言片語，用戶講的話語也都算是對交流的一種參與。微博提供的信息流使得用戶即使不參與到交流中也可以在外圍了解話題的內(nèi)容和討論結(jié)果。計算機技術(shù)日新月異，微博行為也有了相應的運行規(guī)范，其中，轉(zhuǎn)發(fā)功能將微博內(nèi)容進行復制后再轉(zhuǎn)發(fā)到自己的交際網(wǎng)絡，是一種新的對話形式。用戶的轉(zhuǎn)發(fā)行為既可以使其參與到交流中，也可以進行信息傳播，同時也是驗證消息、參與互動的行為，即使用戶對話題沒有發(fā)表過任何意見，也會產(chǎn)生參與其中的感受(17)Boyd D, Golder S, Lotan G. Tweet, Tweet, Retweet: Conversational Aspects of Retweeting on Twitter. Hawaii International Conference on System Sciences. IEEE, 2010:1-10.。由于轉(zhuǎn)發(fā)行為可以使人人都參與到某一對話中，因此相較于其他行為而言，其影響更加深刻。

在上述的文獻中，Nip等人以及Suh等人都通過相關(guān)的數(shù)據(jù)對轉(zhuǎn)發(fā)型微博以及原創(chuàng)型微博進行了比較，發(fā)現(xiàn)兩者無論是在情境特征還是在內(nèi)容特征上都有顯著的差別，而且相比原創(chuàng)型微博，轉(zhuǎn)發(fā)型微博似乎包含更多有用的信息，因此本文擬弄清轉(zhuǎn)發(fā)型微博是否對消費者影響更大，是否能夠引起更多的產(chǎn)品關(guān)注和更好的產(chǎn)品態(tài)度。

二、研究假設

根據(jù)張偉等人的研究，微博主體可分為企業(yè)自有媒體和第三方媒體(18)張偉，李曉丹，郭立宏：《不同微博營銷渠道對產(chǎn)品銷量的影響研究:品牌自有媒體VS第三方媒體的路徑對比》，《南開管理評論》, 2018年第2期。，不同微博主體會對消費者產(chǎn)生不同影響。因此為進一步細化研究，本文擬將兩種微博主體加以區(qū)分，分別討論原創(chuàng)型微博和轉(zhuǎn)發(fā)型微博對消費者的影響差異，研究影響因素及假設如下：

1.企業(yè)自有媒體轉(zhuǎn)發(fā)型微博和原創(chuàng)型微博對產(chǎn)品關(guān)注的影響差異

企業(yè)自有媒體，是指企業(yè)自主在微博平臺開設的官方賬號體(19)張偉，李曉丹，郭立宏：《不同微博營銷渠道對產(chǎn)品銷量的影響研究:品牌自有媒體VS第三方媒體的路徑對比》，《南開管理評論》, 2018年第2期。。企業(yè)自有媒體發(fā)布的微博數(shù)量越多，受眾獲得的產(chǎn)品信息就越多，就越能幫助受眾清楚判斷產(chǎn)品是否符合自身需求，引發(fā)的產(chǎn)品關(guān)注也就更多。每日有數(shù)以萬計的原創(chuàng)型微博在平臺上編輯發(fā)布，但微博用戶中的潛在消費者缺乏足夠的時間以瀏覽全部信息，從中挑選重要信息也會相當麻煩，因此很可能會錯過某些有價值的信息。微博的轉(zhuǎn)發(fā)功能可以在一定程度上解決這方面的困擾。用戶通常會選擇將有共感的、重要的信息進行分享，因此相比于原創(chuàng)型微博來說，轉(zhuǎn)發(fā)型微博更能代表用戶對品牌的認可度，消費者會更加留意轉(zhuǎn)發(fā)型微博產(chǎn)品內(nèi)容，也可以說，轉(zhuǎn)發(fā)行為具有推薦產(chǎn)品的效能。對企業(yè)自有媒體來說，轉(zhuǎn)發(fā)型微博的地位相較于原創(chuàng)性微博更加重要的原因是前者會挑選出重要的信息以供消費者查閱參考，當這一差異被消費者察覺以后，他們會提高對轉(zhuǎn)發(fā)型微博中所提及商品的關(guān)注度。與原創(chuàng)型微博相比較，轉(zhuǎn)發(fā)型微博能夠覆蓋并輻射更多的民眾，而每一個接受信息的用戶都有可能將信息進行二次傳播，分享給關(guān)注自己的用戶，以此類推，便會將信息傳遞給更多的用戶，影響更加廣泛深刻。Suh等人通過對Twitter的客觀數(shù)據(jù)進行分析后認為，微博賬號中粉絲的數(shù)量越多，轉(zhuǎn)發(fā)型微博的占比就越高(20)Suh B, Hong L, Pirolli P, et al. Want to be Retweeted? Large Scale Analytics on Factors Impacting Retweet in Twitter Network. IEEE Second International Conference on Social Computing. IEEE, 2010:177-184.，換言之，轉(zhuǎn)發(fā)型微博的數(shù)量越多，企業(yè)自有媒體推廣的產(chǎn)品所獲得的關(guān)注度也就越多。因此，本文提出以下假設：

H1a：企業(yè)自有媒體發(fā)布的轉(zhuǎn)發(fā)型微博越多，產(chǎn)品關(guān)注越多。

H1b：企業(yè)自有媒體發(fā)布的轉(zhuǎn)發(fā)型微博與原創(chuàng)型微博相比所引起的產(chǎn)品關(guān)注更高。

2.第三方媒體轉(zhuǎn)發(fā)型微博和原創(chuàng)型微博對產(chǎn)品態(tài)度的影響差異

第三方媒體，是指傳統(tǒng)媒體在微博平臺開設的官方賬號(21)張偉，李曉丹，郭立宏：《不同微博營銷渠道對產(chǎn)品銷量的影響研究:品牌自有媒體VS第三方媒體的路徑對比》，《南開管理評論》, 2018年第2期。。第三方媒體主要發(fā)揮信息傳播作用，為受眾安排接受新事物的議程，通常會涉及產(chǎn)品評價。受眾群體會因為第三方媒體發(fā)布關(guān)于某產(chǎn)品的微博數(shù)量較多，而認為第三方媒體對該產(chǎn)品的認可度較高，從而逐步將對第三方媒體的信任投射到產(chǎn)品上，對產(chǎn)品的態(tài)度變得積極。轉(zhuǎn)發(fā)行為通常會在原微博的基礎(chǔ)上增加更多的內(nèi)容，或是對原微博進行修改，或是對原微博進行注釋說明，因此轉(zhuǎn)發(fā)型微博相比原創(chuàng)型微博所包含的信息更多(22)Suh B, Hong L, Pirolli P, et al. Want to be Retweeted? Large Scale Analytics on Factors Impacting Retweet in Twitter Network. IEEE Second International Conference on Social Computing. IEEE, 2010:177-184；湯胤, 徐永歡, 張萱：《基于社會認知理論的社交媒體用戶轉(zhuǎn)發(fā)行為研究》，《圖書館工作與研究》, 2016年第6期。。當微博信息的有用性越高時，就會獲得更多的點贊數(shù)，也會獲得更好的產(chǎn)品態(tài)度(23)Cvijikj I P, Michahelles F. Online engagement factors on Facebook brand pages. Social Network Analysis & Mining, 2013, 3(4):843-861.。因此可以初步得出如下結(jié)論：對比原創(chuàng)型微博，轉(zhuǎn)發(fā)型微博更能得到消費者積極的產(chǎn)品態(tài)度。轉(zhuǎn)發(fā)是人們自愿采取的一種行為，屬于非強迫性信息傳播行為。由于用戶認可信息的表述內(nèi)容從而選擇將其進行傳播，信任和滿意等因素是重要的傳播前因變量(24)沈璐, 莊貴軍, 姝曼：《品牌帖子轉(zhuǎn)發(fā)與品牌偏好之間的因果關(guān)系》，《管理科學》，2016年第1期。。在大多數(shù)情況下，受眾往往采用邊緣路徑對第三方媒體的信息進行加工處理，一般會根據(jù)第三方在推薦產(chǎn)品時態(tài)度的積極性來判斷此微博所推薦產(chǎn)品的評價，當認為積極性較高時，則會選擇信任其轉(zhuǎn)發(fā)的微博內(nèi)容，并愿意嘗試接受所推薦的產(chǎn)品。Noort等人認為，微博主體與微博粉絲之間有極強的關(guān)系連接，通常粉絲會對微博主體轉(zhuǎn)發(fā)的微博產(chǎn)生強烈的信任感，微博主體轉(zhuǎn)發(fā)行為的說服力大于直白說教，能贏得消費者更好的產(chǎn)品態(tài)度(25)Guda van Noort, Marjolijn L. Antheunis, Eva A. van Reijmersdal. Social connections and the persuasiveness of viral campaigns in social network sites: Persuasive intent as the underlying mechanism. Journal of Marketing Communications, 2012, 18(1):39-53.。 因此我們推測，對于第三方媒體來說，相比于原創(chuàng)型微博，轉(zhuǎn)發(fā)型微博能夠更為顯著地影響消費者對產(chǎn)品的態(tài)度。因此本文提出以下假設：

H2a：第三方媒體發(fā)布的轉(zhuǎn)發(fā)型微博越多，消費者的產(chǎn)品態(tài)度越積極。

H2b：第三方媒體發(fā)布關(guān)于產(chǎn)品的轉(zhuǎn)發(fā)型微博相比原創(chuàng)型微博能引起更好的產(chǎn)品態(tài)度。

3.第三方媒體轉(zhuǎn)發(fā)型微博和原創(chuàng)型微博對產(chǎn)品關(guān)注的影響差異

與上述假設H1a、H1b有相同邏輯，第三方媒體從不計其數(shù)的微博中挑選出相對重要的信息進行轉(zhuǎn)發(fā)，首先，為了方便大家更快速地了解身邊的重大事件，讓受眾更加重視轉(zhuǎn)發(fā)行為起到的作用。同時，該行為還強調(diào)和安排了事件在人們心中的重要程度，使得轉(zhuǎn)發(fā)型微博的議程設置功能更加顯著。其次，轉(zhuǎn)發(fā)型微博可以使信息的傳播范圍加大，與原創(chuàng)型微博相比，其覆蓋的消費者群體更加廣泛，轉(zhuǎn)發(fā)型微博的受眾通常多于原創(chuàng)型微博。因此可得到如下結(jié)論：與原創(chuàng)型微博相比，第三方媒體的轉(zhuǎn)發(fā)型微博更能引起消費者對產(chǎn)品的關(guān)注。根據(jù)上述分析，提出下述假設：

H3a：第三方媒體發(fā)布關(guān)于產(chǎn)品的轉(zhuǎn)發(fā)型微博越多，產(chǎn)品關(guān)注越多。

H3b：第三方媒體發(fā)布關(guān)于產(chǎn)品的轉(zhuǎn)發(fā)型微博相比原創(chuàng)型微博所引起的產(chǎn)品關(guān)注更高。

根據(jù)以上假設，本文創(chuàng)建了研究模型，見圖1。

圖1 研究模型

三、研究設計

本研究選擇新浪微博作為研究對象，因為新浪微博是目前國內(nèi)企業(yè)和媒體入駐最多、用戶基數(shù)最大的微博平臺，同時它具備轉(zhuǎn)發(fā)、關(guān)注、點贊等社交網(wǎng)絡典型功能。此外，本研究選擇電影產(chǎn)品作為數(shù)據(jù)收集對象，因為電影產(chǎn)品具有對前期宣傳的高依賴性、受眾與微博使用群體高匹配性、銷售數(shù)據(jù)易于獲取等特征，既符合研究要求又便于數(shù)據(jù)收集。本研究利用新浪微博自身攜帶的搜索引擎工具進行數(shù)據(jù)收集，選取2015年與2016年期間上映的電影作為研究樣本，通過自動計算、手動收集的方式采集研究所需要的數(shù)據(jù)。在2015—2016年，上映的電影共有773部，其中含有非院線電影，以及排片比較少的、票房不足100萬元人民幣的電影，這兩類電影通常不以盈利為目的，因此將其從數(shù)據(jù)樣本中剔除。除此之外，還有一部分沒有設置官微賬號的電影，由于無法獲取數(shù)據(jù)，也將其剔除。本研究還剔除了多個電影產(chǎn)品同時使用一個官微賬號的數(shù)據(jù)樣本。最終選取了338個有效樣本，并采集了電影相關(guān)數(shù)據(jù)。

在變量的定義中，自變量企業(yè)自有媒體原創(chuàng)型微博和轉(zhuǎn)發(fā)型微博分別由電影官方微博賬號自己編輯的微博數(shù)量和轉(zhuǎn)發(fā)他人的微博數(shù)量測量。本研究用“微博電影”賬號發(fā)布的與電影有關(guān)的微博數(shù)量來衡量第三方媒體的影響，采用該定義的主要原因有以下兩點：第一，該微博賬號擁有超過千萬的關(guān)注用戶，屬于電影行業(yè)的意見領(lǐng)袖；第二，其微博內(nèi)容并非涉及所有電影，而是選擇性地推薦高質(zhì)量電影，與本文的第三方媒體定義相符合：第三方媒體可以根據(jù)自我需求以及是非判斷來選擇是否推薦，并不是對所有的產(chǎn)品都予以高度贊賞。第三方媒體原創(chuàng)型微博和轉(zhuǎn)發(fā)型微博的數(shù)量，采用第三方媒體自己編輯的微博數(shù)量和轉(zhuǎn)發(fā)他人的微博數(shù)量來衡量。因變量產(chǎn)品關(guān)注由電影官方微博粉絲數(shù)量來測量，在使用微博的場景中，消費者對產(chǎn)品進行持續(xù)關(guān)注、接收產(chǎn)品資訊的方式之一是關(guān)注產(chǎn)品的官方微博賬號，進而獲得消息推送，所以消費者關(guān)注產(chǎn)品官方賬號的行為可以視同為產(chǎn)品關(guān)注。具體到電影產(chǎn)品而言，一個電影官方微博只涉及一部電影，所以用電影官方微博粉絲數(shù)量來衡量有多少消費者對產(chǎn)品進行關(guān)注是適宜的。

因變量產(chǎn)品態(tài)度主要的衡量方式是采用電影官方微博所有資訊獲得的最大點贊量，選擇這個衡量指標主要是因為：第一，在微博背景下，用戶的點贊行為代表積極的態(tài)度(26)Vries L D, Gensler S, Leeflang P S H. Popularity of Brand Posts on Brand Fan Pages: An Investigation of the Effects of Social Media Marketing. Journal of Interactive Marketing, 2012,26(2):83-91.，即消費者面對接收到的產(chǎn)品資訊產(chǎn)生滿意、贊賞等正向態(tài)度時，才會對資訊進行點贊，所以點贊行為能反映消費者的產(chǎn)品態(tài)度；第二，之所以選擇電影官方微博的點贊量，是因為第三方媒體發(fā)布的產(chǎn)品推薦微博中有時會涉及多個產(chǎn)品，難以從中篩選出目標產(chǎn)品獲得的點贊量，而電影官方微博的點贊量針對性更強、數(shù)據(jù)更具有說服力；第三，最大點贊量這一指標的選取是相對其他指標比較分析的結(jié)果。在通常情況下，官方的微博主頁會發(fā)布較多的有關(guān)產(chǎn)品宣傳的資訊。以電影產(chǎn)品為例，官方微博會從劇照、預告片、宣傳曲等多方面進行電影宣傳，任意一條資訊引起的點贊數(shù)量都無法代表所有消費者的產(chǎn)品態(tài)度，但其中最大的點贊量最為接近全面的產(chǎn)品態(tài)度。此外，可供選擇的指標還有總點贊量，但在統(tǒng)計的過程中我們發(fā)現(xiàn)用戶重復點贊的現(xiàn)象嚴重，即總點贊量遠超過官方微博粉絲數(shù)量，所以采用這一指標衡量產(chǎn)品態(tài)度會存在較大誤差。綜合以上分析，本研究采用電影官方微博所有資訊中最大點贊量作為產(chǎn)品態(tài)度的測量指標。所有變量的操作化定義如表1所示。

表1變量的操作化定義

四、數(shù)據(jù)檢驗

1.數(shù)據(jù)的描述統(tǒng)計

樣本數(shù)據(jù)的描述統(tǒng)計及相關(guān)性分析結(jié)果如下表2所示。由于版面限制，本文對變量名稱進行了縮寫，將企業(yè)自有媒體原創(chuàng)型微博數(shù)量縮寫為企原創(chuàng)型，企業(yè)自有媒體轉(zhuǎn)發(fā)型微博數(shù)量縮寫為企轉(zhuǎn)發(fā)型，第三方媒體與產(chǎn)品相關(guān)原創(chuàng)型微博數(shù)量縮寫為三原創(chuàng)型，第三方媒體與產(chǎn)品相關(guān)轉(zhuǎn)發(fā)型微博數(shù)量縮寫為三轉(zhuǎn)發(fā)型。

表2樣本數(shù)據(jù)的描述統(tǒng)計及相關(guān)性分析

注：*表示在0.05水平(雙側(cè))上顯著相關(guān)，**表示在0.01水平(雙側(cè))上顯著相關(guān)。

根據(jù)Pearson相關(guān)性分析得到的結(jié)果顯示，企業(yè)自有媒體的轉(zhuǎn)發(fā)型微博與原創(chuàng)型微博的數(shù)量都與產(chǎn)品的關(guān)注正向相關(guān)，差距主要體現(xiàn)在兩者的相關(guān)系數(shù)上，轉(zhuǎn)發(fā)型微博與產(chǎn)品關(guān)注之間的相關(guān)系數(shù)要大于原創(chuàng)型微博與產(chǎn)品關(guān)注之間的相關(guān)系數(shù)；第三方媒體的兩種類型的微博與產(chǎn)品態(tài)度皆呈現(xiàn)正向相關(guān)關(guān)系，與第一個結(jié)果相同，轉(zhuǎn)發(fā)型微博與產(chǎn)品態(tài)度的相關(guān)系數(shù)大于原創(chuàng)型微博與產(chǎn)品態(tài)度之間的相關(guān)系數(shù)；第三方媒體轉(zhuǎn)發(fā)型微博與產(chǎn)品關(guān)注呈正向相關(guān)關(guān)系，但與產(chǎn)品關(guān)注無顯著相關(guān)。相關(guān)性分析無法證明變量間的因果關(guān)系，因此下面利用線性回歸分析進一步驗證假設。

2.線性回歸分析

本文采用SPSS 19進行線性回歸分析，并以此檢驗假設是否成立。分析結(jié)果見表3。

表3第一階段的線性回歸分析

注：***表示p<0.001,**表示p<0.01,*表示p<0.05。

對數(shù)據(jù)進行線性回歸分析得出，企業(yè)自有媒體轉(zhuǎn)發(fā)型微博數(shù)量與產(chǎn)品關(guān)注呈現(xiàn)正相關(guān)關(guān)系，而原創(chuàng)型微博數(shù)量對產(chǎn)品關(guān)注無顯著影響，假設H1a、H1b得到驗證；第三方媒體轉(zhuǎn)發(fā)型微博數(shù)量對產(chǎn)品態(tài)度有顯著正向影響，而原創(chuàng)型微博數(shù)量對產(chǎn)品態(tài)度無顯著影響，假設H2a、H2b得到驗證；第三方媒體轉(zhuǎn)發(fā)型微博數(shù)量對產(chǎn)品關(guān)注有顯著正向影響，而原創(chuàng)型微博數(shù)量對產(chǎn)品關(guān)注無顯著影響，假設H3a、H3b得到驗證。雖然模型解釋力偏低，但考慮到收集的數(shù)據(jù)均為客觀數(shù)據(jù)，且數(shù)據(jù)較多，難以完全符合統(tǒng)計標準，因此可以認為模型是有效的，即所有假設均得到數(shù)據(jù)支持。

五、研究結(jié)論

1.研究結(jié)論

本文以微博平臺中的轉(zhuǎn)發(fā)行為作為研究對象，主要研究內(nèi)容是轉(zhuǎn)發(fā)型和原創(chuàng)型微博，研究主體是自有媒體和第三方媒體。本文對比了轉(zhuǎn)發(fā)型微博、原創(chuàng)型微博在影響產(chǎn)品關(guān)注和產(chǎn)品態(tài)度方面的差異，以微博客觀數(shù)據(jù)為研究樣本，通過手動獲取并分析數(shù)據(jù)，得到的結(jié)果支持了所有假設，即企業(yè)自有媒體發(fā)布的轉(zhuǎn)發(fā)型微博對產(chǎn)品關(guān)注具有正向影響且大于原創(chuàng)型微博對產(chǎn)品關(guān)注的影響；第三方媒體發(fā)布的關(guān)于產(chǎn)品的轉(zhuǎn)發(fā)型微博對產(chǎn)品態(tài)度具有正向影響且大于原創(chuàng)型微博對產(chǎn)品態(tài)度的影響；由第三方媒體發(fā)布的轉(zhuǎn)發(fā)型微博與產(chǎn)品的關(guān)注度呈正相關(guān)性且比原創(chuàng)型微博對產(chǎn)品關(guān)注帶來的影響更大。轉(zhuǎn)發(fā)行為擁有其他傳播機制無法企及的影響力，能夠使得信息的覆蓋率以指數(shù)型增長，在微博情境中屬于非常重要的傳播機制，值得引起人們的注意。轉(zhuǎn)發(fā)型微博所引起的產(chǎn)品關(guān)注更加廣泛，產(chǎn)品態(tài)度更加正向，而這主要是因為其微博內(nèi)容包含的信息豐富多樣且更為重要，具有對消費者產(chǎn)生的影響更加深刻的特點。通過實證研究，本文證明了轉(zhuǎn)發(fā)行為的重要性，但在營銷領(lǐng)域研究中，學術(shù)界對轉(zhuǎn)發(fā)行為還沒有足夠的重視，指導這一行為在營銷領(lǐng)域進行應用的案例也較為匱乏，期待未來出現(xiàn)更多基于營銷理論模型的研究來指導實踐。

2.營銷建議

根據(jù)取得的研究結(jié)果，本文呼吁企業(yè)多重視微博轉(zhuǎn)發(fā)行為所帶來的影響。無論是在產(chǎn)品關(guān)注還是產(chǎn)品態(tài)度上，相較于原創(chuàng)性微博，轉(zhuǎn)發(fā)型微博的影響效果都更加顯著。在營銷實踐中，第三方媒體和企業(yè)自有媒體在進行轉(zhuǎn)發(fā)之前，都要對微博內(nèi)容進行評估與篩選，提高轉(zhuǎn)發(fā)型微博的質(zhì)量。在此基礎(chǔ)上適當提高轉(zhuǎn)發(fā)型微博的比例，從而使轉(zhuǎn)發(fā)型微博所產(chǎn)生的傳播效果在消費者心中有所提高，在營銷方面也會更加有效。研究表明，轉(zhuǎn)發(fā)型微博的影響力是呈指數(shù)型增長的，因此不僅要鼓勵第三方媒體以及企業(yè)自有媒體在發(fā)布信息時盡量選擇轉(zhuǎn)發(fā)形式，同時也應支持用戶盡量多轉(zhuǎn)發(fā)企業(yè)官方媒體的微博內(nèi)容，從而使信息的傳播度更廣、觸及的覆蓋面更大，以促進粉絲數(shù)量增多，收獲更積極的產(chǎn)品態(tài)度。

3.研究局限和展望

首先，本研究收集的數(shù)據(jù)樣本僅來自于電影行業(yè)，因此得到結(jié)果的外部效度不高。其他行業(yè)例如汽車行業(yè)的大多數(shù)產(chǎn)品也會有企業(yè)注冊的品牌專用微博，同時，第三方媒體例如“新浪汽車”“全球汽車阿飛說”等微博賬號也是專做與汽車相關(guān)的新聞推送。因此，本文研究模型的推廣性以及在其他行業(yè)的適用性還有待進一步討論。再者，本研究還沒有完全厘清轉(zhuǎn)發(fā)型微博和原創(chuàng)型微博對產(chǎn)品關(guān)注和產(chǎn)品態(tài)度造成影響差異的原因。轉(zhuǎn)發(fā)型微博更為顯著的影響效果已得到驗證，但它影響消費者的內(nèi)在機理還處于黑箱狀態(tài)。可以針對此問題進行后續(xù)研究，了解消費者對于轉(zhuǎn)發(fā)型微博的看法和感受，結(jié)合調(diào)查問卷的研究方式，通過分析調(diào)查結(jié)果使得轉(zhuǎn)發(fā)行為對消費者的作用機制更為清晰，從而在企業(yè)自有媒體面臨轉(zhuǎn)發(fā)內(nèi)容的選擇時，有可以遵循的規(guī)律作為決策考慮因素。