微博数据挖掘应用.PPT

从MGC到UGC ——内容在企业微博转发中的作用 PPT模板下载：/moban/ 行业PPT模板：/hangye/ 节日PPT模板：/jieri/ PPT素材下载：/sucai/ PPT背景图片：/beijing/ PPT图表下载：/tubiao/ 优秀PPT下载：/xiazai/ PPT教程： /powerpoint/ Word教程： /word/ Excel教程：/excel/ 资料下载：/ziliao/ PPT课件下载：/kejian/ 范文下载：/fanwen/ 试卷下载：/shiti/ 教案下载：/jiaoan/ 概述 研究目的：研究了从MGC到UGC的过程中内容对企业微博转发数量的影响。 （MGC：Marketer Generated Content，营销者产生内容；UGC：User Generated Content，用户产生内容） 研究方法：基于病毒式营销、品牌社区理论和推荐奖励计划，运用内容分析方法和负二项回归模型进行建模分析。 概述 病毒式营销：一种个人对个人的传播机制，鼓励消费者在其社会网络中传播营销信息，从而是信息像计算机病毒或传染病一样快速传播。 品牌社区理论：社区成员围绕品牌的交流和讨论能够建立起统一的社区认同和社区承诺，并提升社区的参与行为。 推荐奖励计划：一种由企业发起和控制的口碑营销活动，通过对消费者的推荐行为进行物质奖励，来鼓励消费者发布积极的口碑，以实现企业的营销目的。 研究假设 H1：企业微博内容对企业微博转发数量有显著影响 H2：品牌对企业微博转发数量存在显著影响 H3：推荐奖励计划对企业微博转发数量存在显著影响 样本与数据收集 数据收集时间：2013年3月25日-29日 收集对象：1003个企业微博 收集内容：企业微博账号每天所发布的所有微博内容及其转发数量 对收集到的数据进行清洗，删除了重复、内容不完整等无效数据，最终数据量为663家企业的6524条企业微博。 内容分析 使用内容分析法对6524条企业微博进行数据处理。首先对数据进行类目分类： 接着对企业微博样本进行编码。 研究模型 使用负二项回归模型来检验企业微博内容对转发数量的影响： 研究结果 研究结果 企业微博内容对企业微博的转发数量存在显著性影响（p0.001），假设H1得到验证。话题、提及、短链和粉丝数4个控制变量也在0.001的显著性水平下显著。 研究结果 进一步用负二项回归模型分析不同内容分类对转发数量的影响。 研究结果 检验结果显示，在与品牌相关的企业微博类目中，各个内容类目均对企业微博的转发数量有显著性影响。 除产品推介类微博（content=6）在0.05的显著性水平下显著之外，企业品牌类（content=5）、客服互动类（content=7）和推荐奖励类（content=8）微博对转发数量的影响均在0.001水平下显著。 以企业品牌类（content=5）微博为例，路径系数为0.469，这表明在其他因素不变时，企业品牌类微博对转发数量的影响为EXP（0.469）=1.598。可以看到，与品牌相关的四类微博指数变换后的路径系数均大于1，这表明四类微博内容均能增加企业微博被转发的数量。 研究结果 相应地在与品牌无关的企业微博类目中，生活百科类（content=3）和幽默美文类（content=4）微博对转发数量无显著性影响；而社会热点类（content=1）和行业资讯类（content=4）微博变换后的路径系数均小于1，即这两类微博在其他条件不变的情况下，反而会降低企业微博的转发次数。 综上，品牌在企业微博转发中起着关键作用。假设H2得到验证。 研究结果 进一步观察路径系数发现，推荐奖励类（content=8）微博指数变换后的路径系数为15.040，而其他类目变换后的路径系数均小于2。这表明，推荐奖励类对企业微博转发数量的影响显著高于其他类目，一条推荐奖励类微博能够带来15.040次转发。从而，假设H3得到验证。 研究结果 第一，企业微博内容是影响转发数量的重要因素。（H1） 第二，企业微博的转发数量还受到微博形式的影响。（话题、提及、短链） 第三，品牌对企业微博的转发数量也存在显著影响。（H2） 第四，推荐奖励计划能够有效地提升企业微博的转发数量。（H3）