社会网络特征对虚拟品牌社区信任的影响机制分析

孙延红+许可+孙芳

内容摘要：虚拟品牌社区是现代企业培育品牌忠诚的重要战略平台，本文以米聊、威锋网、花粉俱乐部、爱vivo四个虚拟品牌社区为调研对象进行实证分析，揭示虚拟品牌社区信任的影响机制。结果表明，虚拟品牌社区的四个社会网络特征均对社区信任有显著正向影响，信息获取是四条路径共同的重要中介变量，而网络权力、活跃度、社区体验分别在网络位置、网络密度、关系强度与社区信任之间起到部分中介作用。本文构建的社区信任影响机制整合模型，为企业品牌管理、品牌资产、品牌决策提供了实践的理论依据。

关键词：社区信任 虚拟品牌社区 社会网络特征 网络权力 社区体验

引言

随着自媒体的快速发展，虚拟品牌社区迅速成为现代企业培育品牌忠诚的重要战略平台，品牌忠诚的建立离不开社区信任。虚拟品牌社区的本质是以品牌为中心的消费者社会关系集合，具有社会网络的一般属性特征，这些属性特征会影响社区信任的形成。虚拟品牌社区的虚拟性又增加了社区成员之间相互信任的难度，从而制约了虚拟品牌社区的发展。当前学者主要从社区成员个体视角研究社区信任的建立。但一部分学者将社区视为整体社会网络，认为其整体因素会影响社区信任的建立。Lee（2002）从整体网络环境视角出发，发现逼真的网络环境、丰富的信息可以促进社区信任的建立；罗昕（2014）进一步研究了社区交流环境对社区信任的影响，认为交流环境通过满足成员需求来促进社区信任的建立。除此之外，薛海波（2011）关注社区的社会网络性，认为网络密度通过促进成员的感情交流来建立社区信任；谢英香（2014）从关系强度入手，认为关系强度使成员价值观逐渐相似从而利于社区信任的建立。通过文献梳理发现，大多数研究主要围绕社会网络的单一特征进行，虚拟品牌社区因其独特的虚拟性、网络性及其在现代企业品牌管理中日益突显的价值地位，基于社会网络整合视角的信任研究就显得尤为重要。

基于此，本文从社会网络的视角，研究社会网络特征（包括网络规模、网络位置、网络密度、关系强度4个维度）对虚拟品牌社区信任的影响，尝试剖析影响社区信任建立的“黑箱”，为虚拟品牌社区的良性发展提供理论支持。

研究假设

（一）网络规模与社区信任

Burt（1992）认为社会网络是社区成员高效获取信息的途径，网络规模是指个体在社区中所能联系到的成员数量。网络规模越大，获得有效信息的机会大大增加，而这也是社区成员参与虚拟品牌社区的重要目的之一。大量有效信息可以很好地帮助社区成员进行品牌决策，成员通过品牌决策更愿意信任并接受来自于虚拟品牌社区的信息，所以大量有效信息会对成员的社区信任产生较大影响。

H1：网络规模通过增加社区成员的信息获取对社区信任产生正向影响。

虚拟品牌社区成员既是信息获取者，也是信息提供者。一般来说，网络规模越大，社区知名度、影响力相对就越高，社区成员提供的信息被他人浏览使用的几率就越大，更容易赢得较高社区声望。如此，基于社区成员奉献的虚拟品牌社区所期望的回报与社区满足成员所期望的回报之间就形成了隐形心理契约。心理契约越稳定，社区成员与虚拟品牌社区之间的信任度就越高。

H2：网络规模通过建立心理契约对社区信任产生正向影响。

（二）网络位置与社区信任

Kanter（1979）认为成员的社区影响力是由其所在的网络位置决定的，网络中心性是表达网络位置的重要测度指标。虚拟品牌社区不同于熟人的在线社交网络，网络位置是成员身份的重要标识。具有较高网络中心性的社区成员，通常在社区中活跃度高、发帖数量多、质量优，是处于社区中心位置的核心人物。高活跃度的中心成员更容易与其他社区成员建立联系，拥有更多信息来源和结构洞，从而极大提高获取有效信息的几率，大量有效信息的获取可以增加社区信任。

H3：网络位置通过增加社区成员的信息获取对社区信任产生正向影响。

处于网络中心位置的社区成员占据相对较多的结构洞，来自信息和控制方面的收益相对较大。这些成员通常拥有信息发布的决策权，积累了较高社区权威。另外这些处于网络中心位置的成员自身有着大量消费经验，具有帮助其他社区成员获取品牌认知和影响其品牌决策行为的能力。而且心理学研究显示，处于弱势位置的群体更渴望得到和相信来自外界的帮助，因此处于中心位置的成员更容易取得边缘位置成员的信任。

H4：网络位置通过提升成员的网络权力对社区信任产生正向影响。

（三）网络密度与社区信任

网络密度是关系网络的一个重要特征，是指虚拟社区所包含的成员数量和相互连接数量。网络密度越大，社区成员之间互动和相互影响的可能性就越大，有利于成员之间的信息交流，使社区中的流动信息增多，与成员互动欠缺、信息流动少的社区相比，社区成员获得有效信息的几率大大增加，获取信息机会的增加使成员相对获取更多信息，对社区的依赖度增加，从而提高成员的社区信任。

H5：网络密度通过增加成员的信息获取对社区信任产生正向影响。

网络密度大意味着成员间连接的富集，因此随着网络密度的增加，社区成员之间的活跃度也随之加大。活跃度高的社区成员互动不仅可以交流消费经验、品牌知识以及品牌情感等，还会分享个人价值观、消费观等，这使社区成员易产生感情上的共鸣。在网络中共同的爱好和相似的经历，使成员之间更容易形成深厚的感情，建立彼此信任。成员间的信任也是社区信任的主要表现形式。

H6：网络密度通过增加成员的活跃程度对社区信任产生正向影响。

（四）关系强度与社区信任

关系强度用来表现成员之间的亲密关系，一般用強关系和弱关系来描述关系强度。Hansen（1999）认为弱关系有利于显性知识的交换和获取，强关系有利于隐性知识的流动和获取。但是在儒家文化背景下，人们更喜欢在基于人伦关系的高凝聚力的强关系网络中交流，因此强关系意味着成员之间存在频繁的沟通交流，而弱关系恰恰相反，社区成员会因为彼此的不熟悉、不信任而较少进行沟通交流，使得弱关系中的信息获取量远少于强关系，信息获取会增加成员对社区的信任。endprint

H7：关系强度通过增加社区成员的信息获取对社区信任产生正向影响。

强关系社区成员间的信息互换、交流沟通顺畅，容易形成良好的社区氛围，社区的交流环境对社区成员的心理和行为有着显著积极影响，有利于激发社区成员的外向性和开放性。社区成员性格得到释放，更容易充分表述感受与情感，心理需求得到满足，形成愉悦的社区体验，根据Dayal（1999）的信任建构阶段模型，愉悦的社区体验有利于社区信任的建立。

H8：关系强度通过提升成员的社区体验对社区信任产生正向影响。

本文的研究假设如图1所示。

研究设计

（一）问卷设计及测量量表

问卷题项共涉及自变量、中介变量及因变量的10个变量，问卷采用成熟的量表测量模型中各变量，测量维度和来源见表1，选项均采用李克特五点量表法。

（二）样本选取及数据收集

本文选择米聊、威锋、爱vivo、花粉俱乐部作为调查对象。这四个社区成员注册数量较大，被网友熟知且运行比较成功，具有代表性。问卷分两个阶段发放：第一阶段问卷前测，第二阶段问卷正式发放。问卷正式发放时间为2016年7月-2016年8月，回收问卷849份，剔除答题时间小于300秒和相同IP地址的无效问卷，有效问卷366份，有效率43.1%。

数据分析

本文利用SPSS20.0对样本数据展开分析。首先检验问卷的可信度和有效性，其次进行相关分析，初步验证模型，最后进行回归分析，修正相关路径，形成最终模型。

（一）信度与效度分析

为了保证实证分析结果的真实可靠，首先对问卷进行信度和效度分析（见表1）。

本文采用组合信度（CR）和内部一致性（Cronbach α）来检验问卷信度。结果表明，每个构念都具有较高组合信度（均大于0.755）和内部一致性（均大于0.70）。效度檢验分别采用探索性因子分析和平均方差提取值（AVE）对结构效度检验和判别效度检验，结果显示所有题项的因子载荷均大于0.50，所有构念的AVE值均大于0.50。这说明问卷具有较高信度和效度，可进行相关性分析和回归分析。

（二）相关性分析

为了初步判断变量之间的关系，对模型中各变量进行相关性分析（见表2）。

表2列示了有效样本中各变量间的Pearson相关系数，可以看出自变量与中介变量、中介变量与因变量、自变量与因变量之间存在显著相关性，但在回归分析中的方差膨胀因子（VIF）均小于4，因此不会导致严重的多重共线性。结果显示，网络规模与心理契约的相关系数不显著，不能支持假设H2，这可能是因为选取样本太过于片面，成员的多样性没有考虑其中。但是相关性分析没有考虑其他因素的影响，因此需要引入控制变量，通过多元回归分析进一步解释变量之间的因果关系。

（三）多元回归分析

本文在控制变量设定后，用逐步回归分析的方法再次进行数据分析。本文结合Baron等的观点对中介变量的中介效应进行检验，首先对三组变量进行回归分析，其次系统分析三组变量之间的关系。

社会网络特征与社区信任。与模型1（见表3）相比，加入自变量社会网络特征后的模型2比模型1对社区信任具有更强解释力（F值由不显著变为在0.01水平下显著，R2增加0.34）。在没有中介变量的情况下，网络规模（β=0.14、P<0.10）、网络位置（β=0.25、P<0.05）、网络密度（β=0.43、P<0.01）、关系强度（β=0.37、P<0.01）对社区信任都有显著影响，说明社会网络特征能影响社区信任的建立。为考证影响路径，再进一步加入中介变量进行验证分析（见表4）。

社会网络特征与中介变量。在表4中，加入自变量的模型2在模型1的基础上更清楚的呈现自变量与中介变量的关系，信息获取与网络规模、网络位置、网络密度、关系强度均在0.01的水平上显著（分别为β=0.24、β=0.52、β=0.42、β=0.41），网络规模与心理契约的回归系数仍然不显著（P>0.10），网络位置与网络权力（β=0.35、P<0.01）、网络密度与活跃度（β=0.63、P<0.01）、关系强度与社区体验（β=0.24、P<0.05）的回归系数均显著，由此可以看出除网络规模对心理契约的影响不显著外，其他均影响显著，鉴于网络规模对心理契约回归分析结果不显著的结论，在中介效应的检验过程中剔除中介变量“心理契约”。

中介变量与社区信任。验证完前两组变量关系后，进一步检验中介变量对社区信任的作用机制（见表5）。与上述一致，增加中介变量之后的模型更具有说服力（F值由不显著变为在0.01水平下显著，R2增加0.61）。信息获取、心理契约、网络权力、活跃度、社区体验与社区信任的回归系数均显著（分别为β=0.36、β=0.50、β=0.04、β=0.36、β=0.36，P均小于0.01），表明理论假设中的中介变量都对社区信任有积极显著作用。

理论假设中中介变量的中介效应检验。在加入控制变量和自变量的基础上，引入中介变量进行回归分析，验证社会网络特征与理论假设中的中介变量对因变量社区信任的共同作用。若中介变量的统计结果仍显著，而自变量的作用变弱，则存在部分中介作用；若自变量的作用消失，则存在完全中介作用，分析结果见表6。

中介效应检验结果表明（见表6），信息获取在网络规模、网络位置、网络密度、关系强度四条路径中的回归系数均在0.05水平上显著，网络规模对社区信任的影响路径中加入信息获取之后的回归系数由β=1.14（P<0.10）变得不显著，说明信息获取在网络规模与社区信任之间起到完全中介作用，网络位置、网络密度、关系强度的显著性降低（分别由β=0.25、P<0.05变为β=0.06、P<0.10；β=0.43、P<0.01变为β=0.30、P<0.05；β=0.37、P<0.01变为β=0.24、P<0.10），但仍然具有显著性，说明信息获取在网络位置、网络密度、关系强度与社区信任之间起到部分中介作用；网络权力仍具有显著性（β=0.04、P<0.10），但是网络位置的显著性降低（由β=0.25、P<0.05变为β=0.25、P<0.10），但仍具有显著性，说明网络权力在网络位置与社区信任之间存在部分中介作用；活跃度的显著性仍然存在（β=0.86、P<0.10），网络密度虽然具有显著性，但显著性明显降低（由β=0.43、P<0.01变为β=0.32、P<0.10），说明活跃度在网络密度与社区信任之间存在部分中介作用；社区体验仍具有显著性（β=0.32、P<0.01），而关系强度的显著性降低（由β=0.37、P<0.01变为β=0.28、P<0.05），说明社区体验在关系强度与社区信任之间存在部分中介作用。由此H1、H3-H7得到验证，H2不成立，得到新模型如图2所示。endprint

结论及建议

（一）结论

虚拟品牌社区既具有虚拟性，也具有社会性和网络性，其社会网络特征为虚拟品牌社区的研究提供了新视角。本文综合考虑虚拟品牌社区的多维社会网络特征，构建社区信任影响机制整合模型。虚拟品牌社区的多维社会网络特征对社区信任有显著正向影响。其中网络规模、网络位置、网络密度、关系强度均对社区信任有显著影响，这与中国背景下的“亲而信”的信任形成机制相吻合。信息获取、网络权力、活跃度、社区体验在社会网络特征与社区信任之间存在显著中介作用。依据资源基础理论、社会资本理论，信息的富集、权力的增加、关系的亲密会加强成员的社区信任。

（二）管理启示

虚拟品牌社区作为企业品牌化发展的重要依托，研究结果可以为其提供管理方面的有益思考：虚拟品牌社区作为企业品牌化战略的重要平台，对品牌的长期发展具有重要作用。品牌规划及品牌理念的塑造可以通过虚拟品牌社区进行有效传递和沟通，从而具有良好的品牌识别和明晰的品牌定位。同时虚拟品牌社区能够缓解品牌负面事件带来的影响，维护良好的品牌形象。虚拟品牌社区中的社会关系网络使品牌关系管理由单维化演变为社会化、网络化、多维化。对于品牌关系管理，可以通过社区中的社会网络观察到品牌与消费者、消费者与消费者、消费者与企业关系的變化，实时准确地反映品牌关系中出现的问题，以及时补救，使虚拟品牌社区成为更有效的维护品牌关系的平台。

（三）研究局限与展望

本文进行了严密设计和认真的调查、分析，但仍存在如下局限：首先，本文选取的样本均为手机品牌社区，样本构成不够丰富，研究结论的普适性值得进一步研究；其次，本文中的社会网络特征要素是从静态视角进行的分析，而虚拟品牌社区是动态变化的关系网络集合体，后续研究可以引入动态视角，进一步探讨虚拟品牌社区信任的建立机制。

参考文献：

1.Lee E.Factors That Enhance Consumer Trust in Human-Computer Interface Interaction：An Examination of Interface Factors and The Moderating Influences[D].The University of Tennessee Knoxville，2002

2.罗昕，许倩婷.虚拟社群信任网络的生成与维系：以广州两个跑群为例[J].国际新闻界，2014（9）

3.薛海波，王新新.品牌社群关系网络密度影响品牌忠诚的作用机制研究[J].商业经济与管理，2011（8）

4.谢英香，冯锐.在线社交网络中人际信任的影响因素研究[J].中国电化教育，2014（5）

5.Burt R.Structure Holes：The Social Structure of Competition[M].Cambridge：Harvard University Press，1992

6.Rousseau D M.New hire perceptions of their own and their employers obligations：A study of psychological contracts. Journal of organizational behavior，1990（11）

7.Kanter R M.Power Failures in Management Circuits[J].Harvard Business Review，1979，57（4）

8.李.新媒体与传统媒体的博弈[J].中国传媒科技，2013（6）

9.张君立，蔡莉，朱秀梅.社会网络、资源获取与新创企业绩效关系研究[J].工业技术经济，2008（5）

10.Hansen，M. T.The Search-transfer Problem：The Role of Weak Ties in Sharing Knowledge across Organization Subunits.Administrative Science Quarterly，1999，44（1）

11.Dayal S.，Landesberg H.，Zeisser M.How to Build Trust Online[J].Journal of Marketing Management，1999（3）

12.费孝通.乡土中国[M].生活·图书·新知三联书店，1985endprint