基于SNS用户人气影响因素分析.docVIP

基于SNS用户人气影响因素分析 　　【摘要】 本文建立了SNS用户人气影响因素的理论框架，通过实证分析的方法研究了社交网络中影响用户人气的主要因素，并从实际意义上给予合理的解释。结果发现用户发表状态数、日志数、留言数、好友数同用户的访问量正相关；并通过因子分析的方法将变量分类，状态数、日志数和好友数可以归为用户的活跃度；而性别和分享数可以归为用户的特征情况（包括个人信息及偏好）。本文从实证角度指导网络营销人员通过合理手段提高人气，有助于将SNS与营销更好的结合在一起。【关键词】 SNS 用户人气 活跃度 因子分析 　　社交网络是人的对象化活动的产物，同现实社会一样，人与人之间的关系牵扯着人无法脱离这个社会，所以社交网络的越来越关系化，让用户对社交网络产生依赖性。只有以用户为中心，当用户发现他需要什么，社交网络就能提供什么时，自然而然会把社交网络作为生活的一部分，就像现实生活一样。 　　当今社会正处于一个信息爆炸的时代，随着网络信息化技术的发展，社交网络上产生了大量的信息，表现为海量统计数据。这些数据大多以表格的形式存放在数据库内既枯燥又难于理解，如何才能将这些数据有效的展示出来，帮助用户理解数据，发现潜在的规律，是亟待解决的问题。SPSS分析能够将抽象的数据表示成为可见的图形或图像，显示数据之间的关联、比较、走势关系，有效揭示出数据的变化趋势，从而为理解那些大量复杂的抽象数据信息，为企业决策支持提供帮助探索人类的各种行为的统计特性，是探索自然界、认知人类自身的一个重要方面，对于研究经济、心理和众多社会学类学科有着重要的意义。 　　一、研究目的及方法 　　1. 研究目的 　　本论文的研究工作的目的就是尝试将SNS高效率的社会化互动传播方式应用于网络营销，SNS的口碑传播对营销信息流的传播将会起到很大的促进作用。在更加开放和宽广的社会化网络中，销售仅仅是商务的结果。为了实现销售，消费者之间有价值的信息流传递就是传统营销所没有解决好的问题，也是将SNS与营销更好结合在一起的目的，对于最终促进商务销售的结果也将有实际的意义，也是对现有社会化商务的理论的有益补充和实践。 　　现在网络营销已经成为公司的主要营销策略之一，很多大公司的微博、人人等社交网络账号随处可见。那么如何有效的增加公司人气，成功的在社交网络中把自己推销出去，成为企业网络营销的一个瓶颈。 　　2.研究方法 　　本文以人人网为研究对象，选取任一用户进行三层滚雪球抽样，任意抽样的基本理论依据是，认为被调查总体的每个单位都是相同的，因此把谁选为样本进行调查，其调查结果都是一样的。在考察社交网络用户间的关系时，每个用户都是同质的，因此适合用任意抽样来获取样本。具体来说，选取了某一微群，获取全体1009名成员间的基本信息，包括：访问量，状态数，日志数，相册数，留言数，好友数，分享数， 性别。 　　本文主要通过变量统计分析的方法进行模型假设验证，具体假设如下：H1：社交网络用户状态数与用户访问量正相关；H2：社交网络用户日志数与用户访问量正相关；H3：社交网络用户相册数与用户访问量正相关；H4：社交网络用户留言数与用户访问量正相关；H5：社交网络用户好友数与用户访问量正相关；H6：社交网络用户分享数与用户访问量正相关；H7：社交网络用户性别与用户访问量相关。 　　在SNS网站中用户通过发表状态、写日志、上传照片、分享内容来提高自己的活跃度，赢得好友的关注，使得用户在好友中建立稳固的话语权。本文使用访问量作为衡量人气的因变量。下面通过统计分析的方法进行验证。 　　二、人气影响因素分析 　　1.相关性分析 　　下面从理论框架出发，分析访问量同其他自变量之间的相关关系，发现用户发表状态数、日志数、留言数、好友数同用户的访问量正相关，假设H1，H2，H4，H5成立。即若用户发表状态、日志越多，那么用户的访问量越高；若用户的好友越多，得到的留言越多，那么用户的访问量越高。也就是说用户可以通过增加状态、日志发表数量，添加好友，并获得更多留言来增加自己的访问量，进而提升人气。 　　2.变量分类――因子分析 　　从自变量特征上我们可以发现，有些变量是相似的，因此可能会有共线性的干扰，下面通过因子分析法从变量群中提取共性因子，提取重点变量，归类相似变量。 　　首先通过相关系数矩阵、KMO检验等方法确定样本数据是否存在共线干扰，结果发现样本数据适合做因子分析，然后观察样本数据的旋转负荷矩阵，显示每个因子主要有哪些变量提供信息。发现这里状态数、日志数、好友数对第一个主成分贡献都很大，相册数和留言数的贡献较小；第二个成分中性别贡献较大，分享数的贡献较小。所以如果提取主要信息代替原变量进行分析，可以避开原变量的共线性问题。如状态数、日志数和好友数可以归纳为用户的活跃度；而性别和分享数可以归纳为用户的特征情况