基于特征数据的旅游局官方微博营销效果研究

2014-07-24李欣欣翟晓鹏

武汉理工大学学报（信息与管理工程版） 2014年2期

李欣欣，翟晓鹏

(天津大学管理与经济学部，天津300072)

据中国互联网络信息中心《第31次中国互联网网络发展状况统计报告》统计，截至2012年12月底，我国微博用户规模为3.09亿，较2011年底增长了5 873万，增幅达到23.5%［1］。国内各地旅游局已经意识到微博平台在宣传旅游地形象、营销旅游产品方面所具有的潜力，纷纷在微博上开通旅游局官方微博。如何客观评价其运营效果，更好地推广与宣传旅游目的地，扩大影响力成为迫切需要解决的问题。基于此，笔者通过选取相关境内旅游局官方微博的指标数据，运用主成分分析方法对旅游局官方微博的营销效果及影响因素进行研究，在研究结论的基础上，给出提升其微博营销效果的对策与建议。

1 文献回顾

目前对于微博营销的研究主要可分为微博的基础性研究，微博环境下的沟通研究和微博沟通价值研究［2］。对于旅游微博营销的研究主要包括旅游景区微博营销研究［3］，旅游酒店微博营销研究［4］和旅游局微博营销模式研究［5］等。

彭敏等［6］指出现阶段关于微博营销效果的定量化研究还相对较少;金永生等［7］根据AISAS模型，运用相关分析和回归分析方法研究了粉丝数量对企业微博营销效果的影响，但该研究只是考虑了粉丝数量的影响，没有考虑粉丝的互动率、微博数目等其他同样可能对微博营销效果产生影响的因素;王霞等［8］运用多水平泊松回归模型研究了微博营销过程中品牌曝光度对网络口碑的影响，但对影响微博营销效果的影响因素研究较少;刘雁妮等［9］采用层次分析法对名人微博的影响力指标进行研究，得出了影响名人微博影响力的4大指标。

目前国内学者对于旅游局官方微博营销的研究集中在营销模式研究层面上［10－11］，大多利用内容分析［12］等定性分析工具，较少有对旅游局官方微博的微博营销效果进行定量分析的研究。

旅游微博营销研究，关键是要对其营销效果进行测评，找出旅游微博营销效果的影响因素及其影响程度，并通过对这些因素的改善提升营销效果。

2 数据来源及描述统计

2.1 数据来源与样本选择

笔者的研究中所采用的数据来源于微博风云榜网站，“微博风云”(http://www.tfengyun.com/)是一家基于微博开放平台进行数据统计、分析与挖掘的网站。该网站提供微博用户的特征数据，如粉丝数、活跃粉丝数、日均微博数等。考虑目前我国的新浪微博具有较强的影响力，截止到2012年12月底，新浪微博注册用户已超过5亿，因此选择新浪旅游微博作为研究数据库。

在样本选取方面，选择微博风云网影响力排名前100的境内旅游局官方微博自运营以来的特征数据，数据最后更新时间为2013年8月3日。该样本的选择主要基于两方面的考虑:①这些官方旅游微博在行业内具有较强的影响力，能够保证研究结论的权威性与可靠性;②数据量较大，满足统计分析的数量要求(一般要求样本数量不小于30)，从而保证研究结论的可信性。

2.2 指标选取及分类

在指标选取方面，考虑微博本身涉及到的特征数据(如粉丝数、微博数等)以及微博风云所提供的数据，研究选择粉丝数X1、活跃粉丝数X2、认证粉丝数 X3、关注率 X4、微博数 X5、评论数 X6、转发数X7和平均微博数X8共8个指标，各指标的具体含义如下，各指标的统计描述如表1所示。

X1为关注该微博账号的总粉丝数;X2为粉丝中经常进行微博操作(如发微博、评论、转发等)的用户数目;X3为粉丝中通过新浪认证的微博用户的总数，一般这样的粉丝影响力比较大，拥有较多的子一级粉丝数;X4为关注该账号的活跃用户占微博风云数据库中总活跃用户的比例;X5为该微博账号自注册之日起所发布的微博总数;X6为该微博账号最近200条微博平均被评论的次数;X7为该微博账号最近200条微博平均被转发的次数;X8为该微博账号平均每天发布的微博数。

表1 各指标描述性统计

3 实证分析

3.1 研究过程

运用SPSS17.0对样本微博数据进行主成分分析，首先得到各指标的相关系数表，如表2所示。由表2可以看出，8个指标基本上都成正相关关系(除评论和平均微博数呈较小的负相关外)，这说明8个指标的变化趋势基本一致。表3为研究所得到的各主成分特征值及贡献率。3个特征值对应的方差解释度为88.766%，满足主成分分析的一般要求，说明主成分分析取得了较好的效果，同时也表明研究结论可信度较高。

表2 各指标相关系数

表3 主成分特征值和贡献率

若要对所提取的主成分进行解释，需要得到3个主成分的因子载荷量，具体如表4所示。由表4 可以看出:主成分 Z1中，X1、X2、X3、X4、X5和X8载荷均大于0.5，该主成分主要是以上6种指标的反映。由指标含义可知，粉丝数、活跃粉丝数、认证粉丝数和关注率都是微博账户所覆盖群体大小的反映;又由于X5和X8在主成分Z3中的载荷明显大于其他6个指标，故将该两个指标的分析放在主成分Z3里面，将该主成分定义为覆盖度成分。

表4 因子载荷矩阵与得分系数矩阵

主成分Z2中，X6和X7的载荷均大于0.5，表明该主成分是这两种指标的反映。评论数和转发数越大，说明能够实际看到该微博的用户越多，其产生的影响也越大，故将该主成分定义为影响度成分。

主成分Z3中，X5和X8的载荷均大于0.5，表明该主成分是以上两种指标的反映，这两个指标反映了旅游局更新微博的程度，进行目的地营销的频次，因此将该主成分定义为活跃度成分。

由表4得到的各主成分得分与各指标间的关系如下:

其中λi为主成分Zi对应的特征值。

3.2 研究结果

依据所得到的各主成分得分公式及总得分公式，对样本数据中的100个官方旅游局微博进行排序，分别得出了覆盖度、影响度、活跃度和营销效果前10名的官方微博，具体如表5所示。

由式(4)知，微博的营销效果是微博的覆盖度、影响度和活跃度的函数，而其中覆盖度的影响最大(系数为 0.59)，其次为影响度(系数为0.265)，最后为活跃度(系数为0.145)。因此，旅游微博若要提高营销效果，则应该首先提升自己的覆盖度，之后是影响度，最后为活跃度。

表5 各主成分得分及总得分前10微博

3.3 研究建议

3.3.1 覆盖度的提升

由表4知，对覆盖度影响较大的指标有X1、X2、X3、X4、X5和 X8。由于微博数和平均微博数在主成分Z3中的影响较大，故将该两个指标放在活跃度里讨论，就如何提高覆盖度而言，应着重在X1、X2、X3、X4这 4 个指标方面努力。

由式(1)可知，指标X2的系数大于X1，即活跃粉丝数对微博账号覆盖度的贡献大于粉丝数，首要任务是努力增加活跃粉丝数。活跃粉丝数的增加可以通过“互粉”或者粉丝的中介作用达到。从已关注自己账号的粉丝中，积极且认真筛选出高质量粉丝并对其予以关注，这样在拥有活跃粉丝的同时，可以通过这些活跃粉丝的中介作用，在更广泛的范围内进行覆盖。特别是其目的地客源市场的活跃粉丝尤为重要。

其次是要争取更多认证粉丝，经过新浪微博认证的在某一领域具有较大影响的个人或机构微博通常具有较多粉丝，若能成为政府官方旅游微博的粉丝，会有利于提升政府官方旅游微博覆盖度。旅游局官方微博可以多关注其当地的名人名企，利用其“故乡情节”来提升认证粉丝数，并且积极与其互动，从关系营销和邀请等途径获得更广大范围内的认证粉丝的关注。

3.3.2 影响度的提升

提升影响力，即提升对其影响较大的X6和X7这两个指标。又由式(2)可知，转发对影响度的贡献大于评论，这与直觉感知相一致，即微博被转发越多，其影响力越大，这也在一定程度上说明了研究结论的可信性。由于指标评论和转发是指该微博账户最近200条微博被评论和转发的平均次数，该两个指标主要体现的是粉丝的主观意愿，使得这两个指标的提高具有一定的难度。

若要提升这两个指标，使粉丝乐于评论和转发，则首先应当对微博粉丝的心理进行剖析，研究其自身微博转发量大或者评论量大的是什么内容和类型的微博。就粉丝感兴趣的内容、话题、景点和景点历史等多方面进行原创内容的发布。

其次可以发起话题讨论，话题应当选择当地热门话题、热门事件以及粉丝感兴趣的话题，这些话题可以激起粉丝的共鸣，从而乐于对微博进行转发与评论，如微博热门的“PM2.5指标”，每日公布旅游目的地或景区的“PM2.5”指标，吸引更多粉丝的转发，并招徕更多游客。同时积极发起有奖评论转发的活动，调动起粉丝参与评论转发的积极性，取得更大的影响力。

此外，还应该尝试不同的微博语言风格，紧跟微博趋势，使用在微博上热门的语言元素如“淘宝体”，“甄嬛体”等对旅游目的地进行宣传，也会引起更多粉丝的兴趣，得到更多评论和转发。

由于微博的实时性与互联性，该粉丝的粉丝看到其转发或评论的微博后，将有可能成为该官方旅游微博的粉丝，进而在提升该官方微博影响度的同时提升其覆盖度。

3.3.3 活跃度的提升

由表4和式(3)可知，对覆盖度影响较大的指标有X5和X8，因此，应当着重提升这2个指标。微博数与平均微博数具有正向关系，即微博数越多，平均微博数也会越多，因而官方旅游微博应当不断发新微博。在保证数量的同时还应该保证微博的质量，在微博的内容方面，要发一些新颖的、原创的，能够吸引粉丝的微博，吸引新的粉丝，从而进一步提升自己的覆盖度。同时，可以通过微博平台举办旅游目的地摄影大赛，微电影制作大赛等，获得广大粉丝对于旅游目的地的原创图像、视频等，并将摄影图像和微电影进行微博发布。这样在提升粉丝积极性的同时，也获得了更多高质量的宣传旅游目的地的原创素材，活跃度提升的同时更是对旅游目的地从“线下—线上—线下”的宣传。