一、引 言

隨著Web2.0互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，以微博、博客、視頻網(wǎng)站等為代表的社會化媒體擁有著越來越強的影響力，各種創(chuàng)造性的活動也層出不窮

。近年來，嗶哩嗶哩彈幕網(wǎng)(簡稱B站)、新浪微博等社會化媒體平臺上出現(xiàn)了大量“抽錦鯉”引發(fā)的信息病毒式傳播現(xiàn)象。其中“抽錦鯉”是指由具有一定影響力的平臺用戶發(fā)起，其他用戶通過轉(zhuǎn)發(fā)該動態(tài)即可參與并有概率成為“幸運錦鯉”(獲得獎品)的活動。由于獎品對受眾的刺激，這種“抽錦鯉”的方式能夠?qū)崿F(xiàn)信息的快速廣泛傳播。許多商家發(fā)現(xiàn)其中的營銷機遇，并通過贊助的方式委托社會化媒體影響者在其發(fā)布的用戶生成內(nèi)容中插入贊助內(nèi)容(Sponsored Content)進行營銷。例如，Realme真我手機在新產(chǎn)品發(fā)布時，經(jīng)常通過贊助B站內(nèi)的影響者發(fā)起“抽錦鯉”活動對新產(chǎn)品發(fā)布會進行宣傳，并提供新款手機作為獎品，從而吸引人們關(guān)注該產(chǎn)品。這種營銷方式與傳統(tǒng)廣告明星代言相比有許多優(yōu)勢：對于廠商來說，相較于傳統(tǒng)廣告明星代言，產(chǎn)品或品牌由用戶關(guān)注并喜愛的影響者背書，成本較低，也可大大降低受眾的抵觸情緒和不信任感;對于影響者來說，除廠商給予的利益外，由于可為自己的粉絲帶來一定“福利”，自己的影響力也可獲得一定提升;對于普通用戶來說，影響者為了維護其聲譽，會慎重選擇可靠的產(chǎn)品進行背書，因此其推薦的產(chǎn)品具有較強的參考性,另外，普通用戶也有參與并獲獎的可能。可以說，這種由廠商贊助的“抽錦鯉”活動實現(xiàn)了三方共贏的結(jié)果，因此對其進行研究有著較強的實踐意義。

一般來說，包含贊助內(nèi)容的轉(zhuǎn)發(fā)抽獎動態(tài)都可歸屬為或明或暗的原生廣告?，F(xiàn)有原生廣告對消費者影響的研究基本可劃分為基于發(fā)布廣告的社會化媒體影響者和基于廣告本身兩個視角：基于發(fā)布廣告的社會化媒體影響者的研究主要為信息源特質(zhì)對消費者的影響

；基于廣告本身的研究較為多樣化，如贊助內(nèi)容披露

和廣告語境融入

等，但目前缺乏針對包含分享獎勵的原生廣告對消費者影響的相關(guān)研究。轉(zhuǎn)發(fā)是社會化媒體中原生廣告?zhèn)鞑サ闹匾緩?社會化媒體平臺允許用戶發(fā)布文字來分享信息，當信息的接收者認為信息值得分享時，可以選擇點擊“分享”“轉(zhuǎn)發(fā)”等選項將信息再次分享給他人

。已有研究表明，信息源特質(zhì)是影響轉(zhuǎn)發(fā)行為的重要因素

；也有學者發(fā)現(xiàn)，物質(zhì)獎勵顯著影響社區(qū)用戶的轉(zhuǎn)發(fā)意愿

。但目前缺乏統(tǒng)籌考慮信息源特質(zhì)和分享獎勵對包含抽獎的原生廣告轉(zhuǎn)發(fā)行為影響的相關(guān)研究。

鑒于B站或微博等社會化媒體平臺推出的“抽錦鯉”等轉(zhuǎn)發(fā)抽獎活動同時包含了信息源特質(zhì)和分享獎勵，現(xiàn)有研究難以很好地對其進行解釋，因此提出以下問題：第一，信息源特質(zhì)和分享獎勵如何影響轉(zhuǎn)發(fā)量？第二，信息源特質(zhì)和分享獎勵是否存在影響轉(zhuǎn)發(fā)量的交互作用？根據(jù)2020年底QuestMobile發(fā)布的數(shù)據(jù)顯示，B站已經(jīng)成為Z世代(特指1990—2009年出生的人)用戶活躍滲透率最高的在線社會化視頻App。因此，本文在已有文獻的基礎(chǔ)上，選擇B站內(nèi)影響者發(fā)起的轉(zhuǎn)發(fā)抽獎活動為研究對象，針對上述問題進行探討。

二、理論基礎(chǔ)與研究假設(shè)

(一)信號理論與原生廣告

信號理論(Signaling Theory)為理解如何減少雙方之間的信息不對稱提供了一個基本框架

，Kirmani和Rao(2000)的研究發(fā)現(xiàn)，消費者經(jīng)常利用可觀察的信號獲取信息，進而影響消費者的決策

。近年來，信號理論被廣泛應(yīng)用于電子商務(wù)

、知識市場

等領(lǐng)域，為解釋信號對消費者的影響提供了基本架構(gòu)。原生廣告指任何通過數(shù)字媒體傳播的、給予發(fā)布者一定報酬的廣告，并且這些廣告往往被整合到發(fā)布者編輯的內(nèi)容中，具有一定的隱蔽性

。研究表明，原生廣告越來越受到品牌的歡迎，品牌在原生廣告中投入的預(yù)算也不斷增長

。

作為重要的媒體信號，原生廣告及其發(fā)布者對受眾具有重要影響：研究表明，如果接收者認為信號是可信或有益的，就會接受并處理該信號，進而影響個體行為

。值得注意的是，并非所有信號都有效，有效的信號有兩個特征：信號可觀察性和信號成本

。信號可觀察性指信號的接收者有多大的可能性注意到信號；信號成本則是發(fā)送信號需要付出的代價。一般而言，低成本的發(fā)送者比高成本的發(fā)送者更有利

?，F(xiàn)有原生廣告的研究多基于廣告披露

、廣告措辭

和信息源特質(zhì)

等視角，缺乏對包含分享獎勵原生廣告的相關(guān)研究。同時現(xiàn)有針對分享獎勵的研究多基于“拼團”“集贊”等具有一定社會成本、需要他人配合的活動

，缺乏對轉(zhuǎn)發(fā)抽獎這種幾乎不需要社會成本活動的研究。

根據(jù)信號理論，信息源特質(zhì)和分享獎勵都是影響信號有效性的重要因素

。其中，信息源特質(zhì)主要影響信號的可觀察性，分享獎勵則對信號成本有著重要影響。因此，本文參考已有研究

，以信息源特質(zhì)和廣告分享獎勵為自變量，探索其對轉(zhuǎn)發(fā)量的影響，其中信息源特質(zhì)包含信息源影響力和信息源活躍度。具體來說：王晰巍等(2021)認為受眾認可度是影響力的重要組成部分

，而影響者生成內(nèi)容的獲贊數(shù)和點擊量都反映了影響者創(chuàng)作內(nèi)容的受眾認可度，同時林晶和王世強(2019)將粉絲數(shù)視為衡量影響力的指標之一

，因此本文基于視頻分享網(wǎng)站的研究情境，以影響者的視頻獲贊數(shù)、播放量以及粉絲數(shù)作為影響力的衡量指標；參照廖琳和黃濤(2020)的研究，以影響者發(fā)布的視頻數(shù)量作為活躍度的衡量指標

；參照魏尉等(2020)的研究，以獎品總價值來衡量分享獎勵

。因此，本文將統(tǒng)籌考慮信息源特質(zhì)與廣告分享獎勵，探究這兩類因素及其內(nèi)部的交互作用對營銷效果的影響，進而構(gòu)建原生廣告情境下信息源特質(zhì)與分享獎勵的理論框架，拓展原生廣告領(lǐng)域的進一步研究。

因變量為抽獎原生廣告的轉(zhuǎn)發(fā)量。由于本文采集的B站動態(tài)欄目內(nèi)互動抽獎的必要條件均包括轉(zhuǎn)發(fā)該動態(tài)(廣告)，同時轉(zhuǎn)發(fā)可使得更多人看到為贊助商進行宣傳的原生廣告，這也是贊助商想要實現(xiàn)的營銷目標。因此，本文以轉(zhuǎn)發(fā)量作為衡量原生廣告營銷效果的指標。

(二)影響力對轉(zhuǎn)發(fā)量的影響

在B站，用戶憑借自己的影響力來影響其他人，而粉絲數(shù)、視頻播放量和獲贊數(shù)是影響力的重要體現(xiàn)

。Ge和Gretzel(2018)的研究發(fā)現(xiàn)，在社會化媒體情境下，影響者90%的影響力來自其創(chuàng)作的內(nèi)容

。視頻獲贊數(shù)和播放量反映了影響者創(chuàng)作內(nèi)容的質(zhì)量，而高質(zhì)量的內(nèi)容源自影響者高超的專業(yè)技能。Ohanian(1991)的研究發(fā)現(xiàn)，高超的專業(yè)技能是提升社會化媒體影響者吸引力的重要因素

。因此，視頻獲贊數(shù)和播放量越多，越有利于提升影響者的吸引力。劉鳳軍等(2020)的研究表明，社會化媒體影響者的吸引力可顯著提升用戶對背書產(chǎn)品的感知價值

。因此，本文認為視頻獲贊數(shù)和播放量代表的吸引力可以有效提升用戶感知到背書產(chǎn)品或品牌對自己或他人的價值。研究表明，利己和利他都是驅(qū)動人們主動分享在線內(nèi)容的動機

。因此，本文認為視頻獲贊數(shù)和播放量能夠推動用戶對原生廣告進行轉(zhuǎn)發(fā)。粉絲數(shù)即關(guān)注影響者的人數(shù)，也是反映影響者影響力的重要指標之一

。由于B站互動抽獎位于動態(tài)區(qū)，因此影響者在發(fā)布原生廣告后會以動態(tài)的形式推送給自己的粉絲，這有效提高了信號的可觀察性，進而提升了信號的有效性，也就會有更多的參與者

。同時，粉絲數(shù)意味著喜歡并認同該影響者的人數(shù)，根據(jù)社會認同理論，粉絲相較于其他用戶更愿意參與社會化媒體影響者發(fā)起的活動

。據(jù)此，提出以下假設(shè)：

如果說，40年的大改革，成功使中國從高度集中的計劃經(jīng)濟體制轉(zhuǎn)向充滿活力的社會主義市場經(jīng)濟體制；那么，40年的大開放，則使中國實現(xiàn)從封閉半封閉到全方位開放的成功跨越——

為進一步反映和分析活躍度調(diào)節(jié)作用的形態(tài)趨勢，本文進行了簡單斜率檢驗。在對活躍度進行高、低分組(以M±1個SD為標準)的基礎(chǔ)上，繪制了活躍度對影響力的調(diào)節(jié)效應(yīng)示意圖，如圖2所示。簡單斜率檢驗的結(jié)果顯示，在活躍度較低的情況下，影響力對轉(zhuǎn)發(fā)量的影響顯著(β=0.164,t=5.824,p=0.000)；在活躍度較高的情況下，影響力對轉(zhuǎn)發(fā)量的影響顯著性降低(β=0.053,t=2.185,p=0.030),同時斜率降低，證明了影響力對轉(zhuǎn)發(fā)量的正向影響會隨著活躍度的增加而減弱。同時，也繪制了活躍度對分享獎勵的調(diào)節(jié)效應(yīng)示意圖，如圖3所示。簡單斜率檢驗的結(jié)果顯示，在活躍度較低的情況下，分享獎勵對轉(zhuǎn)發(fā)量的影響不顯著(β=0.107,t=1.564,p=0.120)；在活躍度較高的情況下，分享獎勵對轉(zhuǎn)發(fā)量的影響顯著(β=0.395,t=4.565,p=0.000),同時斜率增大，證明了影響力對轉(zhuǎn)發(fā)量的正向影響會隨著活躍度的增加而增強。

活躍度越高代表著影響者付出更多的努力、創(chuàng)作更多的作品，進而為用戶帶來滿足感和對影響者的認同感。這種滿足感和認同感可視為一種內(nèi)在激勵，即出于對影響者個人和作品的認同以及自己需求的滿足，用戶可能會產(chǎn)生回饋影響者的意愿

，物質(zhì)獎勵雖然能刺激受眾的轉(zhuǎn)發(fā)意愿，但是也會給受眾帶來外部壓力，削弱分享者的自主感

。參與影響者組織的活動是回饋影響者的重要方式，這種回饋意愿出于自愿報答影響者的心理，是一種高自主性行為。用戶通過參與活動能夠?qū)崿F(xiàn)回饋影響者的意愿，可以有效減輕自主感的削弱，進而通過較高的自我效能感強化分享獎勵對轉(zhuǎn)發(fā)量的正向影響

。蘇鷺燕等(2019)的研究表明，較高的認同感會帶來較高的信任程度

。本文認為，對影響者的認同感可以有效提升對影響者的信任程度，這會在一定程度上降低消費者對于活動真實性的疑慮，即降低風險感知。朱鵬等(2019)的研究表明，高風險感知會抑制用戶的分享行為

。據(jù)此，提出以下假設(shè)：

(三)活躍度對轉(zhuǎn)發(fā)量的影響

H2：信息源活躍度正向影響原生廣告的轉(zhuǎn)發(fā)量。

活躍度是指信息源能夠塑造一個有能力、有精力或吸引力形象的程度

。本研究將活躍度定義為平臺用戶感知到的影響者創(chuàng)作的活躍程度。B站是具有強大影響力的視頻分享網(wǎng)站，網(wǎng)站內(nèi)社會化媒體影響者創(chuàng)作視頻的數(shù)量是決定其被認同程度的重要因素

。發(fā)布的視頻數(shù)越多，證明該影響者越活躍，也意味著粉絲可以觀看更多自己喜歡和關(guān)注影響者的用戶生成內(nèi)容，進而會產(chǎn)生較強的滿足感和認同感。根據(jù)社會認同理論，個體在對某個群體產(chǎn)生社會認同后，會對該群體產(chǎn)生積極的評價

。黃金華等(2016)的研究發(fā)現(xiàn)，對企業(yè)微博的認同可以有效提升消費者對該企業(yè)產(chǎn)品的推薦意愿

。因此，本文認為對影響者的認同可以有效提升受眾對影響者背書產(chǎn)品的推薦意愿。廖琳和黃濤(2020)的研究也表明，社會化媒體影響者的活躍度對其發(fā)布內(nèi)容轉(zhuǎn)發(fā)可能性具有正向影響

。同時，活躍度越高意味著信息源在受眾心目中的能力越強

。能力代表實施意圖的有效程度

，也代表著受眾對信息源的信任程度

。因此，高活躍度的影響者可通過受眾對其較強的能力感知產(chǎn)生高信任感。研究表明，消費者更容易接受可信或有益的信號

。因此，較高的信任感意味著受眾只需要相對較低的收益感知便會采納該信號，這在一定程度上降低了信號成本

。Shen和Chen(2015)的研究也表明，信任對虛擬社區(qū)中成員的轉(zhuǎn)發(fā)意愿具有正向影響

。據(jù)此，提出以下假設(shè)：

(四)分享獎勵對轉(zhuǎn)發(fā)量的影響

在B站，分享主要以轉(zhuǎn)發(fā)的形式進行。在本文中，分享獎勵指用戶參與轉(zhuǎn)發(fā)原生廣告可能獲得的物質(zhì)獎勵。Wolf等(2011)的研究表明，物質(zhì)獎勵帶來的獲益感知對社區(qū)分享行為起到促進作用

。在本文中，感知價值指用戶感知到的抽獎原生廣告能為用戶自身帶來的價值，已有研究表明，感知價值可以帶來社會認同感，有利于用戶產(chǎn)生積極的態(tài)度

。根據(jù)使用—滿足理論，感知價值包括信息價值、社交價值、娛樂價值和金錢價值

。在B站影響者發(fā)布的抽獎原生廣告中，物質(zhì)獎勵以獎品總價值來衡量，其中獎品總價值是指在一則抽獎原生廣告中所有獎品的價值總和。獎品總價值越高，消費者感知到的金錢價值也就越高。廖俊云等(2019)的研究表明，較高的感知價值能夠提高虛擬社區(qū)用戶的互動參與意愿

。社會交易理論認為，消費者是否愿意參與轉(zhuǎn)發(fā)取決于該決策帶來的感知收益和感知風險

。因此，分享獎勵額度越大，感知收益就越大，進而有利于受眾決定是否參與轉(zhuǎn)發(fā)。根據(jù)信號理論，分享獎勵額度越大，越有利于強化受眾的獲益感知，進而提升受眾對信號的采納意愿

。據(jù)此，提出以下假設(shè)：

釀醋常用的原料中谷類有糯米、玉米、麩皮、高粱等；薯類原料有甘薯、木薯、馬鈴薯等；近些年研究比較多的，用富含碳水化合物的蔬菜、水果釀醋，如蘋果、柑橘、香蕉、梨、棗、葡萄、李子、獼猴桃、番茄、海帶等；富含糖分的甘蔗糖蜜、甜菜糖蜜、蜂蜜等也適用于食醋釀造；也可將食用酒精、啤酒、白酒、果酒用于食醋固態(tài)發(fā)酵，可簡化生產(chǎn)工序，縮短生產(chǎn)周期，提高勞動效率[12]。

H3：分享獎勵正向影響原生廣告的轉(zhuǎn)發(fā)量。

后來我上車后轉(zhuǎn)身往車尾跨步的瞬間，眼角就啟動搜尋功能。一旦瞄到她，我會不自覺修正步幅大小，以便能夠完美地抵達她面前。我甚至懷疑我是否還保有剛好走四步的習慣。于是在自主意識的幫助下，我總是能剛好站在她面前。合不合理、合不合邏輯、是否命中注定、是否特別有緣都不是重點，重點是我會站在她面前、我想站在她面前、我要站在她面前。

天然無句是推敲，詩到江門品絕高。幾處風花真有此，古來周邵本人豪。冥心水月誰堪會，盥手山泉我自抄。讀到烏啼春在處，江山垂老覺神交。

(五)活躍度與影響力的交互作用對轉(zhuǎn)發(fā)量的影響

表3為分析結(jié)果，模型一只有控制變量，模型二加入了自變量對因變量的影響，模型三加入了活躍度與影響力和活躍度與分享獎勵的交乘項。

H4：活躍度在影響力與原生廣告轉(zhuǎn)發(fā)量之間起到調(diào)節(jié)作用，即當活躍度較高時，影響力對原生廣告轉(zhuǎn)發(fā)量的正向影響會減弱。

(六)活躍度與分享獎勵的交互作用對轉(zhuǎn)發(fā)量的影響

為了更好推動未來工程造價信息化建設(shè)，還需要能夠在整個行業(yè)內(nèi)表現(xiàn)出較強的統(tǒng)一性和標準化效果，尤其是能夠較好實現(xiàn)對于企業(yè)之間或者是工程內(nèi)部各個部門之間的信息資源共享，這也就需要進行工程造價信息化管理的標準化體系建設(shè)。這種標準化管理體系的建設(shè)需要自上而下進行構(gòu)建，能夠在行業(yè)內(nèi)形成統(tǒng)一、權(quán)威和規(guī)范的體系，為后續(xù)造價管理工作提供較強的參考和指導，盡量避免在后續(xù)可能形成的明顯問題和隱患缺陷。工程造價信息化管理標準體系建設(shè)還應(yīng)該體現(xiàn)出較強的分層次和分階段效果，能夠針對工程造價中的所有數(shù)據(jù)類型以及數(shù)據(jù)接口進行統(tǒng)一，保障工程造價信息化管理標準體系得到更好貫徹落實。

通過上述節(jié)約里程法一系列的計算與規(guī)劃，現(xiàn)只需使用1輛車型I與兩輛車型II使用人次3次，總車程也將減少21.9KM，這將大大節(jié)約我們的成本，也解決了無序性問題和車輛搭配的問題。

H5：活躍度在分享獎勵與原生廣告轉(zhuǎn)發(fā)量之間起到調(diào)節(jié)作用，即當活躍度較高時，分享獎勵對原生廣告轉(zhuǎn)發(fā)量的正向影響會加強。

綜上所述，本文的研究模型如圖1所示：

三、研究設(shè)計

(一)數(shù)據(jù)來源

本文使用網(wǎng)絡(luò)爬蟲技術(shù)，以B站2020年度和2019年度百大up主為對象，爬取了這些up主動態(tài)中2020年1月1日至12月31日之間進行的抽獎原生廣告相關(guān)信息，并收集每位up主的粉絲數(shù)、獲贊數(shù)和發(fā)布視頻數(shù)等平臺個人信息。選擇2020年度和2019年度百大up主的原因如下：第一，百大up主均為B站內(nèi)有著強大影響力的社會化媒體影響者，因此品牌和企業(yè)多選擇他們進行合作，具有較強的代表性；第二，百大up主分布于B站各個欄目，面向不同類型的用戶，因此得到的樣本有較強的普適性；第三，由于網(wǎng)絡(luò)環(huán)境的瞬息萬變，許多有著強大影響力的社會化媒體影響者可能會由于一些原因在短時間內(nèi)失去影響力，因此選擇近兩年評選出來的百大up主進行研究，確保他們在研究時間范圍內(nèi)具有較強的影響力。選擇2020年作為數(shù)據(jù)采集時間的原因如下：第一，up主的粉絲數(shù)、獲贊數(shù)等個人信息是隨著時間不斷變化的，因此選擇距今較近的年份可有效降低這種變化帶來的干擾；第二，獎品的價值會隨著時間而變化，因此選擇距數(shù)據(jù)采集時間較近的年份有利于降低這種干擾。研究團隊于2021年1月15日爬取了所有數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理，刪除不包含原生廣告的互動抽獎動態(tài)以及數(shù)據(jù)不完整或獎品價值難以估量的動態(tài)，共得到192個樣本用于研究。數(shù)據(jù)的描述性分析統(tǒng)計如表1所示。

(二)變量測量

1.因變量

夏小春看著她，似乎明白了什么。兩年過去了，溫簡也終于明白當初顧青為什么那么輕易地和她分手了。因為他不想拖累她，他對自己充滿了懷疑，覺得自己給不了溫簡想要的幸福。那個時候，他弟正需要大把的錢，他借了很多的錢，包括夏小春的。那次溫簡見到夏小春和顧青在一起，其實是夏小春送錢來給顧青。

2.自變量

自變量分為信息源特質(zhì)和分享獎勵兩大類。信息源特質(zhì)包括信息源影響力和信息源活躍度，其中信息源影響力參照蔡舜等(2019)的研究，同時根據(jù)B站實際情況，以視頻播放數(shù)、獲贊數(shù)和粉絲數(shù)衡量，具體操作為將三者標準化后求和來衡量影響力

；信息源活躍度以發(fā)布視頻數(shù)來衡量；分享獎勵以發(fā)布原生廣告中包含的獎品總價值來衡量。

3.控制變量

這樣一份承諾書其實更像一封自我舉報信，反映出了“承諾者”所在部門、單位存在的諸多問題，比如可能存在的各種辦事潛規(guī)則，比如極為松弛的日常管理，比如消極應(yīng)對承諾、整改的錯誤認識和不良作風。因此，當?shù)赜嘘P(guān)部門在調(diào)查這一事件時，千萬不能只盯著涉事科室負責人和承諾書的草擬者，而應(yīng)該深入查一查是不是像網(wǎng)友們懷疑的“承諾=自曝”。只有這樣，才能清除深層次問題，讓這一奇葩承諾書成為絕響。

本文將關(guān)注數(shù)(影響者關(guān)注其他人的數(shù)量)、獎品數(shù)和活動已進行時間(以天數(shù)衡量，若采集數(shù)據(jù)時活動已經(jīng)結(jié)束則以活動持續(xù)時間衡量)作為控制變量。理由如下：具有較強影響力的影響者很少關(guān)注其他用戶，即使有少量關(guān)注用戶，其關(guān)注的也多為聯(lián)系較密切的影響者，因此，對其他用戶的關(guān)注數(shù)在一定程度上反映了影響者的社交偏好，由于影響者之間有時會相互轉(zhuǎn)發(fā)動態(tài)，加上有影響力的影響者有較多的粉絲，互相轉(zhuǎn)發(fā)動態(tài)會使得更多的人看到該動態(tài)，可能會對結(jié)果產(chǎn)生影響；獎品數(shù)在一定程度上影響了中獎的概率，可能會影響用戶參與轉(zhuǎn)發(fā)的意愿；活動已進行時間(天數(shù))會在一定程度上影響信號接收者的數(shù)量，進而可能會對轉(zhuǎn)發(fā)量產(chǎn)生影響。由于年度百大up主的等級均為6級(B站中的最高等級)，且有部分是團隊賬號，因此不把等級和性別納入控制變量。

四、實證結(jié)果分析

(一)相關(guān)性分析

變量間的相關(guān)性分析如表2所示。從相關(guān)性分析結(jié)果可以看出，假設(shè)H1、H2及H3得到了初步驗證，且自變量間的皮爾遜相關(guān)系數(shù)最高值為0.213，遠低于0.7。同時可以看出，控制變量中活動已進行時間與轉(zhuǎn)發(fā)量顯著相關(guān)，而關(guān)注數(shù)和獎品數(shù)與轉(zhuǎn)發(fā)量并不顯著相關(guān)?？赡艿脑蚴请m然影響者之間會選擇互相關(guān)注，但不一定會選擇幫助其他影響者轉(zhuǎn)發(fā)廣告信息；同時，選擇轉(zhuǎn)發(fā)帶有分享獎勵原生廣告的用戶在獎品價值的吸引下，也可能不會過多關(guān)注獎品數(shù)量對自己獲獎概率的影響。

(二)假設(shè)檢驗

本文主要探究視頻分享網(wǎng)站中信息源特質(zhì)和原生廣告分享獎勵兩類信號對用戶轉(zhuǎn)發(fā)決策的影響。針對這一過程中信息源特質(zhì)和分享獎勵對轉(zhuǎn)發(fā)量的影響以及二者間交互作用產(chǎn)生的影響，采用層次回歸法構(gòu)建回歸模型。根據(jù)Aiken和West(1991)的建議，在生成交互項之前，先將自變量和調(diào)節(jié)變量進行中心化處理，然后再形成交互項納入模型

。根據(jù)本文提出的研究假說，建立如下三個研究模型：

=

+

+

+

_

+

=

+

+

+

_

+

+

+

+

=

+

+

+

_

+

+

+

+

×

+

×

+

在利用振動在線監(jiān)測診斷系統(tǒng)監(jiān)測大型透平壓縮機組的過程中，分析發(fā)現(xiàn)渦流位移傳感器的軸向動態(tài)振動信號是一個很有用的信號。通過一個實例介紹利用這個信號監(jiān)測轉(zhuǎn)子軸向振動數(shù)據(jù)來診斷轉(zhuǎn)子主軸裂紋開裂的方法。

影響力和活躍度都是影響平臺用戶決策的重要因素

。越高的活躍度可以為用戶帶來越強的滿足感和認同感，進而提升用戶的轉(zhuǎn)發(fā)意愿。但越高的活躍度也意味著越多內(nèi)容出現(xiàn)在影響者的動態(tài)中，即每一條動態(tài)都有更大概率被忽略，這會在一定程度上減弱影響力對轉(zhuǎn)發(fā)量的正向影響——部分被影響者影響力覆蓋的平臺用戶可能無法發(fā)現(xiàn)該信號(動態(tài))，降低了信號的可觀察性，進而會導致更少的轉(zhuǎn)發(fā)參與者

。具體來說：當活躍度較低時，被影響力輻射到的用戶有較高的可能性發(fā)現(xiàn)影響者發(fā)布的原生廣告，也就可以越好地發(fā)揮影響力對轉(zhuǎn)發(fā)量的正向作用；當活躍度較高時，雖然活躍度本身對轉(zhuǎn)發(fā)量帶來的正向影響增強，但也會導致用戶有較低的可能性發(fā)現(xiàn)影響者發(fā)布的原生廣告，這會在一定程度上抑制影響力對轉(zhuǎn)發(fā)量的正向作用。同時，為了降低承接廣告可能帶來的粉絲反感等負面影響，影響者一般會在承接廣告的前后一段時期內(nèi)保證作品的創(chuàng)作和上傳，因此這一時期的活躍度不會發(fā)生顯著變化。即在發(fā)布廣告的前后一段時期內(nèi)，一般不存在影響者有意降低活躍度使得廣告(信號)可見性臨時上升的情況。據(jù)此，提出以下假設(shè)：

H1：信息源影響力正向影響原生廣告的轉(zhuǎn)發(fā)量。

通過數(shù)據(jù)分析可知，模型一調(diào)整后R

為0.356。加入自變量后，模型二的調(diào)整后R

增加到0.517，說明自變量對因變量起到了重要的解釋作用。信息源影響力對轉(zhuǎn)發(fā)量的回歸系數(shù)顯著為正，H1成立；信息源活躍度對轉(zhuǎn)發(fā)量的回歸系數(shù)顯著為正，H2成立；分享獎勵對轉(zhuǎn)發(fā)量的回歸系數(shù)顯著為正，H3成立。模型三的調(diào)整后R

增加到0.545，說明模型的解釋力進一步增強。模型三加入活躍度與影響力以及活躍度與分享獎勵的交互項，前者顯著為負，后者顯著為正，H4和H5成立。同時，本文通過檢驗方差膨脹因子(VIF)來確認研究中是否存在多重共線性的問題，根據(jù)檢驗結(jié)果，VIF值最高為2.425，遠低于經(jīng)驗值10，說明本研究不存在嚴重的多重共線性問題。

由于形勢發(fā)展、環(huán)境變化等因素客觀長期存在，而且不斷變化，導致施工企業(yè)生產(chǎn)經(jīng)營任務(wù)更加繁重，外部市場環(huán)境更加復雜，各種腐朽思想的侵蝕滲透更加多樣，干部職工面對著更多誘惑和考驗，導致社會市場項目管理客觀上存在較多的問題。

(三)穩(wěn)健性分析

1.影響力對分享獎勵的影響

本文引入影響力與分享獎勵的交乘項，探究影響力對分享獎勵效果的影響，結(jié)果如表4所示?？梢钥闯?，影響力與分享獎勵的交乘項不顯著，即二者沒有明顯的交互作用，進一步驗證了研究結(jié)論的穩(wěn)健性。

2.增加擁有中小影響力的影響者樣本

上文驗證了以2019年度和2020年度百大up主為樣本的相關(guān)假設(shè)。鑒于部分擁有中小影響力的影響者也有承接抽獎原生廣告的行為，因此研究團隊爬取了2021年1月1日至7月20日B站內(nèi)所有的抽獎原生廣告樣本，并通過篩選和清洗得到up主粉絲數(shù)在50萬以下的樣本383個。通過上述已建立的三個模型進行假設(shè)驗證，結(jié)果如表5所示。中小影響力up主樣本的回歸結(jié)果與百大up主樣本的回歸結(jié)果基本一致，表明結(jié)果穩(wěn)健。

[編者按]瘦素是蛋白激素，在魚類體內(nèi)主要由肝合成分泌，參與機體調(diào)節(jié)攝食、代謝、生長、神經(jīng)及造血細胞發(fā)育、免疫、繁殖等。關(guān)于瘦素的研究目前還處在起步階段，亟待深入研究。本期我們特邀廣西大學水產(chǎn)科學研究所許友卿教授以“瘦素對水生動物代謝、生長發(fā)育和繁殖的影響及機理”為題，介紹了瘦素對水生動物能量代謝、脂肪代謝、蛋白質(zhì)代謝、核酸代謝及生長繁殖的影響及機理的探討，供大家參考。

五、結(jié)論與啟示

(一)研究結(jié)論

本文在社會化媒體影響者營銷情境下，從信息源特質(zhì)和分享獎勵的角度出發(fā)，基于信號理論構(gòu)建了信息源影響力、信息源活躍度和分享獎勵對轉(zhuǎn)發(fā)量影響的理論模型，分析了三者之間的交互效應(yīng)，并得到以下結(jié)論：第一，信息源影響力、信息源活躍度和分享獎勵顯著正向影響轉(zhuǎn)發(fā)量；第二，活躍度與影響力存在負向交互作用，即活躍度負向調(diào)節(jié)影響力對轉(zhuǎn)發(fā)量的正向影響；第三，活躍度與分享獎勵存在正向交互作用，即活躍度正向調(diào)節(jié)分享獎勵對轉(zhuǎn)發(fā)量的正向影響。同時，還通過穩(wěn)健性檢驗證明了影響力與分享獎勵不存在顯著的交互作用。

(二)理論貢獻

首先，本文首次從信號理論的視角探究了原生廣告與分享獎勵相結(jié)合情境下原生廣告轉(zhuǎn)發(fā)量的影響因素。以往研究大多聚焦于不包含分享獎勵的原生廣告對消費者的影響，缺乏將信息源特質(zhì)與分享獎勵結(jié)合起來的研究。本文彌補了這一不足，為原生廣告和分享獎勵領(lǐng)域的研究提供了新視角和新思路。其次，本文提出了信息源特質(zhì)以及分享獎勵對轉(zhuǎn)發(fā)量影響的框架模型，通過將分享獎勵應(yīng)用至原生廣告研究中，豐富了物質(zhì)獎勵領(lǐng)域與原生廣告領(lǐng)域的交叉研究。最后，本文考慮了影響力、活躍度和分享獎勵間的交互作用，彌補了信息源特質(zhì)內(nèi)部以及信息源特質(zhì)與物質(zhì)獎勵之間交互作用研究的空白。

(三)管理啟示

對于品牌和企業(yè)的管理者而言，需要選擇合適的影響者進行原生廣告的創(chuàng)作，同時可以配合分享獎勵來增加廣告輻射范圍。具體來說：在影響者選擇層面，影響者的高影響力和高活躍度是產(chǎn)生高轉(zhuǎn)發(fā)量的核心要素，因此盡量選擇粉絲數(shù)、視頻獲贊數(shù)和播放量多的社會化媒體影響者進行營銷；在廣告層面，高價值的分享獎勵也是吸引用戶的重要因素。同時，應(yīng)注意影響者特質(zhì)與分享獎勵的交互作用：雖然影響者的影響力、活躍度與分享獎勵都是越多越好，但應(yīng)注意到活躍度高的影響者會抑制影響力對轉(zhuǎn)發(fā)量的正向作用，同時活躍度高的影響者會促進分享獎勵對轉(zhuǎn)發(fā)量的正向作用。因此在成本有限的情況下，若采用低分享獎勵的策略，與低影響力、高活躍度的影響者相比，選擇高影響力、低活躍度的影響者可以取得更好的效果；若采用高分享獎勵的策略，與高影響力、低活躍度的影響者相比，選擇低影響力、高活躍度的影響者可以取得更好的效果。

(四)研究不足與展望

本研究也存在一些不足之處。為了降低不同時間獎品價值和影響者特質(zhì)(粉絲數(shù)、獲贊數(shù)和視頻數(shù))波動帶來的干擾，選擇了距數(shù)據(jù)采集最為接近的2020年和2021年的一部分作為時間范圍，缺乏以往年份的數(shù)據(jù)，這使得研究難以進行時間序列分析，也就無法準確把握抽獎原生廣告自出現(xiàn)以來的發(fā)展趨勢。因此，未來可考慮通過長期收集數(shù)據(jù)來展開時間序列研究，以期得出更加深入的趨勢性結(jié)論。同時，本文僅針對B站這一種社會化媒體平臺內(nèi)的樣本進行研究，未來可考慮選擇多種不同類型的社會化媒體平臺的樣本，以期得出更具穩(wěn)健性和普適性的結(jié)論。

[1]鄧喬茜, 王丞, 周志民. 社會化媒體營銷研究述評[J]. 外國經(jīng)濟與管理, 2015, 37(1): 32-42.

[2]Boerman， Sophie. C., Willemsen, Lotte. M., Van Der Aa, Eva P. “This Post Is Sponsored”: Effects of Sponsorship Disclosure on Persuasion Knowledge and Electronic Word of Mouth in the Context of Facebook[J]. Journal of Interactive Marketing, 2017, 38(5): 82-92.

[3]Evans N. J., Wojdynski B. W., Hoy M. G., et al. How Sponsorship Transparency Mitigates Negative Effects of Advertising Recognition[J]. International Journal of Advertising, 2019, 38(3): 364-382.

[4]Campbell C., Evans N. J. The Role of a Companion Banner and Sponsorship Transparency in Recognizing and Evaluating Article-style Native Advertising[J]. Journal of Interactive Marketing, 2018, 43(8): 17-32.

[5]Shi Z., Rui H., Andrew B. W. Content Sharing in a Social Broadcasting Environment: Evidence From Twitter. [J]. Mis Quarterly, 2014, 38(1): 123.

[6]廖琳, 黃濤. 信源、信息內(nèi)容、情緒特征對微博轉(zhuǎn)發(fā)的影響探究[J]. 現(xiàn)代情報, 2020, 40(9): 42-52.

[7]趙琴琴, 張夢, 付曉蓉. 物質(zhì)獎勵對旅游虛擬社區(qū)再分享意愿影響研究[J]. 旅游學刊, 2018, 33(3): 39-49.

[8]Wells J. D., Valacich J. S., Hess T. J., et al. What Signal are You Sending? How Website Quality Influences Perceptions of Product Quality and Purchase Intentions[J]. Management Information Systems Quarterly, 2011, 35(2): 373-396.

[9]Kirmani A., Rao A. R. No Pain, No Gain: A Critical Review of the Literature on Signaling Unobservable Product Quality[J]. Journal of Marketing, 2000, 64(2): 66-79.

[10]Shao B., Cheng Z., Wan L., et al. The Impact of Cross Border E-tailer’s Return Policy on Consumer’s Purchase Intention [J]. Journal of Retailing and Consumer Services, 2021, 59(3): 59.

[11]Zhang M., Zhang Y., Zhao L., et al. What Drives Online Course Sales? Signaling Effects of User-generated Information in the Paid Knowledge Market[J]. Journal of Business Research, 2020, 118(9): 389-397.

[12]Wojdynski B. W., Evans N. J. Going Native: Effects of Disclosure Position and Ianguage on the Recognition and Evaluation of Online Native Advertising[J]. Journal of Advertising, 2016, 45(2): 157-168.

[13]Campbell C., Grimm P. E. The Challenges Native Advertising Poses: Exploring Potential Federal Trade Commission Responses and Identifying Research Needs[J]. Journal of Public Policy & Marketing, 2019, 38(1): 110-123.

[14]Kotha R., Crama P., Kim H. Experience and Signaling Value in Technology Licensing Contract Payment Structures[J]. Academy of Management Journal, 2018, 61(4): 1307-1342.

[15]Connelly B. L., Certo S. T., Ireland R. D., et al. Signaling Theory: A Review and Assessment[J]. Journal of Management, 2011, 37(1): 39-67.

[16]Evans N. J., Phua J., Lim J., et al. Disclosing Instagram Influencer Advertising: The Effects of Disclosure Language on Advertising Recognition, Attitudes, and Behavioral Intent[J]. Journal of Interactive Advertising, 2017, 17(2): 138-149.

[17]魏尉, 梅姝娥, 江芬芬. 企業(yè)分享獎勵機制中的價格策略及獎勵策略研究[J]. 軟科學, 2020, 34(3): 49-55.

[18]江芬芬, 梅姝娥, 仲偉俊. 社交營銷中基于消費者分享行為的閾值獎勵機制[J]. 系統(tǒng)管理學報, 2020, 29(4): 742-751.

[19]Wolfe C. J., Loraas T. M. Knowledge Sharing: The Effects of Incentives, Environment, and Person[J]. Journal of Information Systems, 2008, 22(2): 53-76.

[20]王晰巍, 賈璽智, 劉婷艷, 等. 區(qū)塊鏈環(huán)境下社交網(wǎng)絡(luò)用戶意見領(lǐng)袖識別與影響力研究[J]. 情報理論與實踐, 2021, 44(5): 84-91.

[21]林晶, 王世強. 高校官方微博影響力評價及對策研究[J]. 情報科學, 2019, 37(4): 122-124.

[22]Ge J., Gretzel U. Emoji rhetoric: a social media influencer perspective[J]. Journal of Marketing Management, 2018, 34(10): 1272-1295.

[23]Ohanian R. The Impact of Celebrity Spokesperson’s Perceived Image on Consumers’ Intention to Purchase[J]. Journal of Advertising Research, 1991, 31(1): 46-52.

[24]劉鳳軍, 孟陸, 陳斯允, 等. 網(wǎng)紅直播對消費者購買意愿的影響及其機制研究[J]. 管理學報, 2020, 17(1): 94-104.

[25]劉偉, 劉昱彤, 李純青, 等. 刷屏的原理：在線內(nèi)容的病毒式分享機制[J]. 心理科學進展, 2020, 28(4): 638-649.

[26]Dahl D. W., Fuchs C., Schreier M., et al. Why and When Consumers Prefer Products of User-Driven Firms: A Social Identification Account[J]. Management Science, 2015, 61(8): 1978-1988.

[27]Johnston A. C., Warkentin M. The Influence of Perceived Source Credibility on End User Attitudes and Intentions to Comply with Recommended IT Actions [J]. Journal of Organizational and End User Computing, 2010, 22(3): 1-21.

[28]黃京華, 金悅, 張晶. 企業(yè)微博如何提升消費者忠誠度——基于社會認同理論的實證研究[J]. 南開管理評論, 2016, 19(4): 159-168.

[29]Cuddy A., Fiske S. T., Glick P. Warmth and Competence as Universal Dimensions of Social Perception: The Stereotype Content Model and the BIAS Map[J]. Advances in Experimental Social Psychology, 2008, 40(7): 61-149.

[30]Mayer C., Davis H., Schoorman D. An Integrative Model of Organizational Trust[J]. Academy of Management Review, 1995, 20(3): 709.

[31]Shen X., Chen J. Consumers’ Decisions in Social Commerce Context: An Empirical Investigation[J]. Decision Support Systems, 2015, 79(11): 55-64.

[32]Wolf P., Haefliger S., Spaeth S. Participation in Intra-firm Communities of Practice: A Case Study from the Automotive Industry[J]. Journal of Knowledge Management, 2011, 15(1): 2-39.

[33]Hogg M. A. Subjective Uncertainty Reduction through Self-categorization: A Motivational Theory of Social Identity Processes[J]. European Review of Social Psychology, 2000, 11(1): 223-255.

[34]Kwon E. S., Kim E., Sung Y., et al. Brand Followers: Consumer Motivation and Attitude towards Hrand Communications on Twitter[J]. International Journal of Advertising, 2014, 33(4): 657-680.

[35]廖俊云, 林曉欣, 衛(wèi)海英. 虛擬品牌社區(qū)價值如何影響消費者持續(xù)參與：品牌知識的調(diào)節(jié)作用[J]. 南開管理評論, 2019, 22(6): 16-26.

[36]Frenzen J., Nakamoto K. Structure, Cooperation, and the Flow of Market Information[J]. Journal of Consumer Research, 1993, 20(3): 360.

[37]劉麗虹, 張積家. 動機的自我決定理論及其應(yīng)用[J]. 華南師范大學學報(社會科學版), 2010, (4): 53-59.

[38]蘇鷺燕, 李瀛, 李文立. 用戶在線知識付費影響因素研究: 基于信任和認同視角[J]. 管理科學, 2019, 32(4): 90-104.

[39]朱鵬, 李璐, Gary Marchionini. 基于調(diào)節(jié)定向理論的社交網(wǎng)絡(luò)用戶信息分享行為研究[J]. 情報學報, 2019, 38(3): 257-265.

[40]蔡舜, 石海榮, 傅馨, 等. 知識付費產(chǎn)品銷量影響因素研究: 以知乎Live為例[J]. 管理工程學報, 2019, 33(3): 71-83.

[41]Aiken L. S., West S. G. Multiple Regression: Testing and Interpreting Interactions[M]. Newsbury Park, CA: Sage, 1991.