企业微博营销效果实证探究.doc

企业微博营销效果实证探究 　　摘 要：本文基于AISAS模型的定性理论，以新浪微博的企业微博营销为研究案例，在收集整理案例数据的基础上进行量化实证研究，建立企业微博营销效果的测量模型，并对此测量模型的适用范围和诸多影响因素及企业微博营销进行探讨。 关键词：AISAS，微博营销，效果测量 一、研究目的 微博营销是凭借微博这一平台进行的营销活动，其特点有：受众范围广、传播速度快、具有一定的影响深度等等。自2009年8月28日新浪推出了微博后，截止2011年12月底，我国微博用户数量从2010年底的6311万迅速增长至249亿，一年新增微博用户近185亿人，增长率高达2838%，在网民中的使用率从138%提升到487%。以新浪微博为例，截止2011年12月，已有超过2亿的注册用户，每天发布微博量超过7500万条，超过40000家企业开设了新浪微博账号。 目前，企业微博营销业界研究使用微观理论较多，以AISAS模型为主。AISAS模型认为，在互联网时代的Web20营销模式中，消费者在接触到商品或服务的信息，达成购买活动后，还会进行主动分享，从而影响其它消费者，并经历这5个环节：引起注意、激发兴趣、信息搜索、产生行动、信息分享。本研究运用AISAS模型对新浪微博上的案例进行研究，在收集整理案例数据的基础上进行量化实证研究，建立企业微博营销短期效果的测量模型，并对此测量模型的适用范围和诸多影响因素进行探讨。 二、研究设计 AISAS模型为构建企业微博营销短期效果和粉丝数量的关系模型，以横轴表示时间，上下对称的纵轴表示企业微博营销产生的影响力效果。对比图1中的AISAS模型示意图，用O表示时间原点A和A表示企业没有进行微博营销之前的影响力，B和B表示企业刚开始进行微博营销时在微博中的初始影响力，C和C表示企业在微博中的影响力自然衰减到最低点。AISAS模型时所使用变量定义如表1-1所示： 表1-1 企业微博营销的AISAS模型参数 模型参数 参数含义 TT 企业微博营销活动发布的微博数量 FL 企业微博的粉丝数量 HT 被微博用户转发的含有有奖营销信息标签的企业微博的总数 T 任意一个观测时点 t-1 时点t之前的一个观测时点 HTt 时点O到时点t之间被微博用户转发的含有有奖营销位息标签的企业微博的总数，用以衡量时点O到时点t之间企业通过微博销累积产生的影响力 HTt-1 时点O到时点t-1之间被微博用户转发的六有有奖营销消息标签的企业微博的总数，用以衡量时点O到时点t-1之间企业通过微博费销累积产生的影响力 △HT 观测时点t和t-1间，企业通过短期微博营销发生的影响力效果变化量 a 企业在微博营销之前具有的品牌影响力 a0 企业品牌影响力a在短期微博营销中产生的影响力效果，是只与a有关的常量 a1 HTt-1的自然衰减系数，O a2 TT和FL相互作用对企业微博营销产生影响力的放大系数，a20 互动性是企业微博营销与以往营销模式最大的区别，在企业与粉丝互动过程中，一方面，企业越主动参与，粉丝的互动性越强，越有更多粉丝关注企业微博；另一方面，企业发布微博越多，关注企业微博的粉丝数量越多，企业与粉丝互动、粉丝与粉丝互动起到扩大企业微博营销的短期效果的作用越明显，因此提出两个相关假设：HI：企业发布微博数量与和粉丝数量正相关。H2：企业微博营销影响力效果与企业发布的微博数量与和粉丝数量正相关。根据AISAS模型，产生影响力自然衰减效应。本文的案例数据提取，采用每隔半天记录一次全部观测数据的方式，对于企业微博营销影响力效果的数据，尽管当期数据比前一期数据要小，在自然衰减过程中依然有前一期影响力越大，当期影响力也越大，因此提出另一个相关假设：H3：当期企业微博营销影晌力效果与前一期影响力正相关。 由企业微博营销过程中影响力效果的多层次传播复杂性可知：（1）任意观察时点的HTt-1对HTt、HTt+1… 都存在影响力滞后效应；（2）TT和FL的非独立性会导致多重共线性。考虑到这两个问题，本文采用一阶自回归模型，用以解决上述滞后问题和多重共线性问题。所以，根据国内研究的总结，笔者采用借鉴已有的关于TT、FL、HT的一阶自回归模型（王睿，2012）： HTt=a0+a1*HTt-1+f{TT，FL） 三、数据分析 由于新浪微博在2010年成为国内企业进行微博营销的首选平台，更多典型案例陆续出现。通过对不同案例的回归检验结果进行对比分析，见表1-2所示我们可知：（1）a2可用来衡量企业微博营销的短期效果。（2）a2越大，表示微博粉丝越活跃，同时a0越小甚至为负值，企业微博营销的短期效果越好。（3）a2特别大的极