企业形象识别系统微博应用模型检验方法.doc

企业形象识别系统微博应用模型检验方法 　　摘 要：企业形象识别系统的微博应用模型（Corporate Identity System-Micro Blog， CIS-MB）是将传统企业形象识别系统（Corporate Identity System， CIS）与微博相结合的企业品牌构建指导系统，它实现了现代企业管理概念在新型社交网络平台上的应用。为了检验其有效性，通过问卷的形式收集评价数据并代入到自然估计方法的difference in difference（DID）模型中，检验企业形象识别系统的微博应用模型的有效性。 关键字：企业形象识别系统 微博 自然估计方法 DID模型 一、企业形象识别系统的微博应用模型的简介 本文从企业形象识别系统（Corporate Identity System， CIS）理论出发，对CIS发展历程进行回顾与分析，总结出其对企业形象构建的存在重要价值，也发现了传统的CIS存在成本高、使用周期长等缺陷。为了解决这个问题，本文从微博的研究中寻找CIS的发展新方向，即以微博的丰富功能作为企业形象识别系统的载体，提出在微博上应用CIS的操作化建议，形成企业形象识别系统的微博应用模型（Corporate Identity System-Micro Blog， CIS-MB），这样便能利用微博客信息传播快捷与成本低廉的特点弥补CIS的缺陷，实现对CIS理论的进一步拓展。 二、研究过程及研究方法 （一）评价所遵照的指标体系 收集数据所用的问卷是遵照一个能客观评价CIS-MB效用的指标体系而设计的，这个指标体系以充分衡量品牌影响力为出发点，包括以下三个一级指标： 品牌认知度：这个指标主要衡量企业在微博上构建的品牌形象是否具有足够的辨识度，从而为社会大众广泛了解。其对应的二级指标有品牌联想度、品牌视觉形象与微博语言风格； 文化吸引力：这个指标主要衡量企业在微博上能否营造一种良好的文化氛围，并吸引到受众的关注，从而对企业产生良好印象其对应的二级指标有企业文化观念与企业亲和力； 商誉感召力：这个指标主要衡量企业在微博上能否展示出其良好的声誉，令受众对企业的品牌形象产生信心，其对应的二级指标有企业经营态势、企业服务水平与企业社会关系。 遵循指标体系收集志愿者的对微博的评价后，利用模糊综合评判法，将定性化的评价转化为定量化的分值，最终得出志愿者对于三个一级指标：品牌认知度、文化吸引力以及商誉感召力的评价分数。 （二）假设的提出 企业形象识别系统的主要作用是构建和宣传企业品牌形象，所以评价CIS-MB是否有效也要遵循品牌影响力的指标，于是结合评价的指标体系，课题组提出了三个假设： H1 ：导入CIS-MB能提升企业的品牌认知度 H2 ：导入CIS-MB能提升企业的文化吸引力 H3 ：导入CIS-MB能提升企业的商誉感召力 （三）研究方法：DID模型及其变量的设定 下面说明DID模型的具体运用及其变量的设定： 首先定义一个虚拟变量dB ，如果志愿者属于实验组，则有虚拟变量 dB=1；如果志愿者属于对照组，则有虚拟变量dB =0。同时，T是代表导入CIS-MB时期的虚拟变量，如果是导入前，则T=0；如果是导入后，则T=1。最后，Y代表志愿者对某个一级指标的评分，那么便会有分析导入CIS-MB对受访者评分的影响的回归方程： Y= 0+ 0T+ 1dB+ 1TdB --方程① 对于对照组的志愿者来说， dB=0，所以回归方程可以表示为Y= 0+ 0T ，于是对照组志愿者在CIS-MB导入前后的评分分别是： 所以对照组志愿者在CIS-MB导入前后的评分平均变动为diff1=（ 0+ 0）- 0 = 0； 而对于实验组的志愿者来说，dB =1，所以回归方程可以表示为Y= Y= 0+ 0T+ 1+ 1T，于是实验组志愿者在CIS-MB导入前后的评分分别是： 所以实验组志愿者在CIS-MB导入前后的评分平均变动为 diff2=（ 0+ 0 + 1+ 1）-（ 0+ 1）= 0 + 1 于是，导入CIS-MB对评分的净影响为diff=diff2-diff1=（ 0 + 1）- 0 = 1 ，即方程①中变量TdB 的系数，也是双重差分估计量（DID估计量）。只要这个系数显著不为零，相应的假设便成立。 三、检验结果 （一）品牌认知度结果： 通过软件计算可以看出，品牌认知度的回归方程中， 1为0.415，sig值为0.014，在0.05的水平下显著不为零，说明在导入系统后，实验对象对品牌认知度的平均评价显著增长了0.415分（增长幅度为12.89%），即 H1成立。 （二）文化