在线品牌社区中的社会影响效应: 好友网络对顾客参与活跃度的影响研究

邵景波，胡名叶，陈珂珂，肖 波

(1. 哈尔滨工业大学 管理学院，黑龙江 哈尔滨 150001; 2. 夏威夷大学莫纳分校 商学院，美国 夏威夷 96822)

一、引言

随着社会媒体的蓬勃发展和市场竞争的不断加剧，以互联网为媒介的在线品牌社区成为企业维护顾客关系、实施营销策略的重要工具[1]。在线品牌社区凝聚了一群对特定品牌有共同兴趣的顾客或潜在顾客，他们在社区中可以交流消费经验、咨询售后问题或分享兴趣爱好等。企业通过在线品牌社区可以了解顾客对产品或服务的评价和建议，帮助顾客解决产品或服务相关问题，并更好地识别顾客的潜在需求[2]。也因此，越来越多的企业开始重视在线品牌社区的运营，世界“Top 100”的企业中有超过50%的企业已经建立在线品牌社区。在国内，在线品牌社区运营较为成功的小米公司，于2010年公司成立之初就创建了自己的在线品牌社区，社区功能版块包括产品发布、故障反馈、新功能建议、开发者交流等。通过这些功能版块，小米的顾客可以参与到MIUI手机操作系统的开发过程之中，同小米的员工讨论功能改进方案，提供测评报告，这使得小米和顾客的关系由单纯的生产消费关系上升到伙伴关系，角色的转换大幅提升了顾客对小米的信任，帮助企业培养了大量的忠实顾客。截至2018年7月30日，小米社区的注册用户总数达3亿多人，每日平均活跃用户数量接近16万人，每日平均发帖数量在39万份以上，这些活跃用户在贡献了大量原创帖子的同时，在小米公司新产品的发布和推广过程中扮演了信息中介的角色，进而当小米公司陆续推出电视、平板电脑、空气净化器、智能平衡车等新产品时，很快就获得了顾客的接受和认可。

从小米在线品牌社区的成功可以看出，一个成功的社区一定是活跃的，有一群忠实的顾客持续参与，进而持续产生内容贡献。有学者曾指出，顾客参与是在线品牌社区运营的核心问题[3]，国际营销科学院(Marketing Science Institute)更是将顾客参与作为营销科学领域的重点研究主题[4]，诸多学者也就此问题开展了大量的研究，研究成果涵盖了顾客参与前因和结果的多个方面。在前因方面，已有成果探索了顾客心理动机、技术环境因素和社会因素对顾客参与的影响[5-6]。例如，Muntinga等(2011)[7]通过即时通讯工具对顾客进行非结构化访谈发现，顾客参与在线品牌社区主要是基于娱乐、社会交往、信息获取、自我表达和物质奖励等动机；Casaló等(2010)[8]则通过对456名用户的问卷调查发现，平台的感知易用性和感知有用性正向影响顾客参与；Chan等(2014)[9]同样通过问卷调查的方法发现，系统稳定性、社区价值、表达的自由性和奖励对顾客参与存在正向影响。此外，还有学者指出社会因素如团体规范、社会认同、主观规范等，对顾客参与具有积极影响[10]。在结果方面，已有成果研究了顾客参与对品牌或社区的认同、信任和忠诚等产生的影响[11-14]。例如，Habibi等(2014)[15]通过对来自284个品牌社区的成员进行调研发现，顾客参与社区可以显著影响顾客对品牌的信任感；杨晶等(2017)[16]通过对732名在线品牌社区用户的问卷调查发现，顾客参与对在线品牌社区的认知性认同、情感性认同均有正向影响。

可以看出，当前顾客参与方面的研究成果已经比较丰富且研究角度多样。然而，顾客心理动机和技术环境因素两类前因研究中，没有考虑个体所处社会网络对顾客参与的社会影响，而在考虑社会因素影响的一些研究中，虽然考虑了团体规范、主观规范等社会影响变量，但没有涉及个体之间的相互影响。实际上，处于社会网络环境中的个体行为会受到网络中其他个体的影响，并且来自其他个体的影响程度存在差异，例如来自好友和陌生人的意见对顾客的购买决策的影响程度就是不同的。在在线品牌社区中，顾客在互动过程中也会形成某种社会关系，诸如好友关系、转发和评论关系等，由此形成社会网络，存在着某种社会结构。Bagozzi和Lee(2002)[17]曾经指出，社会影响是人们行为决策的重要因素，个体在形成自我的行为、态度或观点的过程中，会参考社会系统中其他个体的的行为、态度或观点。因此，研究在线品牌社区中顾客个体参与行为之间的社会影响十分必要。本研究就将聚焦于在线品牌社区中的好友关系网络，以在线品牌社区顾客参与活跃度为结果变量，探讨在线品牌社区中顾客个体参与行为之间存在的社会影响，以及不同社会关系和结构下的影响差异。研究结果有助于企业更清晰地把握在线品牌社区顾客参与的行为规律，对在线品牌社区的运营管理有一定的参考价值。

二、相关理论基础

(一)顾客参与

顾客参与的概念来自于关系营销领域[18]，Vargo(2009)[19]认为顾客参与扩展了关系营销的范围，可以对企业营销过程、消费过程和交付过程做出贡献，顾客不再只是企业的营销对象，而是企业的资源。目前对于顾客参与的界定存在多种观点，Wilson(2010)[20]认为顾客参与是顾客对品牌的认知和情感承诺。Algesheimer等(2005)[21]认为顾客参与是顾客基于一定的功能、娱乐或社交动机，与社区成员进行的互动或合作活动。Mollen和Brodie等(2011)[22]则将顾客参与定义为，顾客在一个组织中的投入程度，包括行为、认知和情绪三个方面。可以看出，这些定义有的是基于心理层面，有的是基于行为层面，还有的包含了心理和行为两个层面。虽然心理层面上的顾客参与可以促进顾客自身对品牌或社区的信任和承诺[14]，但是对于两方或多方互动的个体来说，在社区中发表的文字、图片或视频等信息是在线品牌社区这一虚拟环境下顾客建立关系的唯一参考[23]。因此，本研究涉及的顾客参与仅限于行为层面，是指顾客围绕品牌或企业进行的，超出交易范围的行为表现[12]。这种行为表现可以有多种形式，如在线讨论、发表评论或帮助其他顾客解决问题等[24]。

(二)社会影响的路径

社会影响(Social Influence)最早是社会心理学领域的概念。Deutsch和Gerard(1955)[25]认为“人们渴望寻求他人的认同，以及希望被他人所喜爱”的心理导致了社会影响现象的产生。当个体在形成观点或做出决策时，他(她)会参考其所处社会环境中他人的态度或行为，个体参考他人的过程也就是其受到影响的过程[26]。社会影响理论认为，个体受到影响的过程是通过沟通(Communication)和比较(Comparison)两种路径进行的[27]。沟通是指个体参考与其直接连接的其他人的态度或行为，强调个体受到影响是通过两个个体间的直接接触[28]。沟通越频繁，两个个体间的行为越有可能相互影响而趋于相似，这是因为通过与其他个体直接交流，个体获得更多新的信息，影响其形成最终的观点或决策。在政治活动中，熟人的意见更容易获得人们的信任，人们在确定投票对象的时候往往依赖熟人提供的信息，而不是大众媒体[29]。此外，Baerveldt和Snijders(1994)[30]研究了社交网络对犯罪行为的影响，同样发现小学生的犯罪行为与他们朋友犯罪的次数有关。大多数关于社会影响的研究都认为沟通是影响产生的重要途径[31]。另一个社会影响的路径是比较，即个体观察与其社会地位相似的他人，对自我的态度或行为进行调整。比较路径的产生，一方面是由于社会认同，即个体为了获得其所在社会团体的认可，往往与其具有相似社会地位的其他个体进行比较，避免自己的行为与众不同；另一方面是由个体的竞争心理所驱动，个体为了维护其所在社会团体中的地位和吸引力，根据其他个体尤其是与其地位或角色相似的个体行为对自我行为进行调整。

综上，运用社会网络分析方法，本研究选取内聚力(Cohesion)和结构对等(Structure Equivalence)两个变量来表征沟通和比较两种路径的社会影响[27, 32-33]。在社会网络中，内聚力是指一个网络中个体之间的直接连接关系；结构对等是指一个网络中的两个个体拥有完全相同的连接对象，但本身并不直接连接。在同一网络关系中，如果两个个体受到相同的关系制约，相互交换位置不改变整个网络结构，那么二者在结构上是对等的[34]。现实中能达到真正意义上结构对等的个体比较少，在研究时通常考虑在多大程度上两个个体是结构对等的。

内聚力和结构对等产生的社会影响就是内聚力效应和结构对等效应，社会网络环境下的两种社会影响效应如图1所示。

图1 社会网络环境下的两种社会影响效应

三、研究假设

内聚力关注个体之间的直接连接关系，在线品牌社区中，顾客的内聚力越高，表明其在社区中的好友越多。当顾客面对不确定性情况时，如产品的品质、新产品的选择等，经常会咨询自己熟悉的人以做出购买决策[35]，有时候朋友的意见甚至要比自身的偏好更加重要[36]。在社交关系中，越多的朋友采取某一行为，个体所感受到的同伴影响力就越大，也因此越容易采取这一行为[37]。例如，对于青少年吸烟的行为，同伴吸烟的孩子的吸烟概率会增加11%，而同伴对吸烟行为的抵制可以显著提升青少年的戒烟效果[38-39]。另有研究表明，朋友使用社交网站的付费功能可以显著提升该用户也购买类似服务的可能性[40]。还有学者发现，用户在Facebook上的点赞行为也受到朋友点赞行为的影响[41]。类似地，在线品牌社区中，当好友发表了新的内容或关注了某个帖子，该顾客会看到好友的更新动态，受好友影响，其参与相似话题交流的可能性会增大，进而在社区中发表观点、转发或点赞他人的帖子等。这样一来，原本并不活跃的用户也有了互动行为，而活跃的用户也会受到好友互动行为的影响而变得更加活跃。由此提出假设：

H1：在线品牌社区中内聚力效应对顾客参与活跃度有正向影响。

结构对等关注的是社会网络中处于相同位置的两个个体，反映了社会地位的相似性[40]。处于结构对等的两个个体为了获取社会群体的认同，或者是竞争心理的驱动，倾向于采取类似的行为。例如，Burt(1987)[42]在对医生是否采纳新药物用于治疗的研究中发现，两个医生在社会关系网络中的结构对等程度越高，他们做出相似行为的可能性就越大。Singh和Phelps(2013)[43]的研究发现，在网络中结构对等的项目经理最终趋向于使用相同的软件许可证完成任务。在在线品牌社区中，结构对等的两个个体拥有相同的好友群体，但他们相互间并不是好友关系，他们可以看到共同的好友评论了谁、关注了谁、对哪些内容更感兴趣，会刺激该顾客加入到类似话题的讨论和互动活动中，以提升自身在共同好友群体中的受关注度和吸引力，维护与共同好友群体的良好社交关系，最终结果是提升了自身在品牌社区中的参与活跃度。由此，提出以下假设：

H2：在线品牌社区中结构对等效应对顾客参与活跃度有正向影响。

四、研究方法

(一)研究模型与变量

本研究采用Doreian(1989)[44]提出的网络效应自相关模型(Network Effects Model with Autocor￣relation)作为测量模型，来分析内聚力和结构对等两种社会影响效应对顾客参与活跃度的作用。其中，自相关是指某个变量在同一个分布区内的观测数据之间相互依赖,例如在线品牌社区中不同顾客个体的参与活跃度(因变量)就是相互依赖的，即自相关。由于传统线性模型要求观察样本之间相互独立，当样本之间不独立时，传统的统计方法就会失灵，而此时网络效应自相关模型就显现出了优势，该模型假设因变量之间存在自相关，其函数表达如式(1)所示。为了测度内聚力和结构对等两个变量，将该模型进行调整，如式(2)所示。

y=Xβ+ρWy+ε,ε～N(0,σ2I)

(1)

y=Xβ+ρ1W1y+ρ2W2y+ε,ε～N(0,σ2I)

(2)

式(2)中，假定整个网络在t时刻的用户数为N，y表示社会网络中各个顾客的参与活跃度，y=(y1t,y2t, …,yNt)T；X是可能影响因变量的外生因素，即控制变量矩阵；W1和W2分别代表内聚力和结构对等矩阵；β、ρ1和ρ2为待估系数向量；ε表示随机误差项。

内聚力矩阵的确定方法为：计算在t时刻用户i和j之间的连接状态aijt，当用户i和j在时刻t相互连接时，aijt=1，否则aijt=0，i和j分别在1, 2, …,N中取值，那么计算出所有节点在t时刻的连接状态aijt，就可得到t时刻的内聚力矩阵W1t，这是一个N×N阶的矩阵。

结构对等矩阵的确定方法为：计算在t时刻用户i和用户j之间的距离dijt，如果用户i和用户j在时刻t相互连接，则dijt=1，否则dijt=0。然后通过式(3)计算出用户i和用户j的结构对等程度。其中，N是指t时刻整个网络中的用户数，i和j分别在1, 2, …,N中取值，计算出所有节点在t时刻的结构对等程度sijt，就可得到t时刻的结构对等矩阵W2t，这也是一个N×N阶的矩阵。

(3)

(二)数据的收集与处理

本研究选取华为公司的在线品牌社区“花粉俱乐部”作为研究对象。根据《移动智能终端产业发展白皮书(2016)》，华为公司在智能手机和平板电脑的市场占有率分别居于全球第三位和第五位，处于国内市场的首位，公司在2012年成立花粉俱乐部，截至2017年年底注册会员达3500万，每日发帖数量40万以上。为了获取花粉俱乐部中的好友关系网络，研究中采用滚雪球抽样(Snowball Sampling)的方法进行样本采集。首先，随机选择30名用户做为第一级用户，此后，采集这30名用户的好友列表作为第二级用户，以此类推共获取4层好友关系数据，剔除掉因设置隐私保护而无法获取好友信息及属性的用户，共获得4086个有效节点。之后，通过爬虫程序每天采集样本数据，采集时间跨度为2016年4月25日至2016年6月12日，最后，应用Gephi软件绘制出由4086个节点构成的初始好友关系网络，如图2所示。

图2 花粉俱乐部中的初始好友关系网络

研究中选取用户的积分值来测度顾客参与活跃度变量，一般在线品牌社区中都会对注册用户设置积分值的客观赋值标准，如华为品牌社区中顾客每发表一篇原创帖子+2分，发表精华帖+5分，评论其他用户+1分，参与社区投票活动+2分等，如表1所示。

表1 花粉俱乐部中顾客参与行为的积分赋值标准

积分值是顾客在社区中发帖、评论和回复等一系列参与行为的综合评价，较为客观地反映了顾客参与活跃度。同时，在线品牌社区中顾客的参与行为除了受到来自好友网络的社会影响外，还会受到物质激励的作用，例如在花粉俱乐部中，顾客通过参与行为可以获得虚拟货币“花瓣”，用“花瓣”可以兑换华为品牌的“周边”商品，如带有华为品牌标识的水杯、书包、台灯、文化衫等，这无形中形成了一种激励，顾客可能会为了得到“花瓣”而积极地参与社区交流。因此，需要将“花瓣”数作为控制变量加入到模型中。此外，为了比较内聚力和结构对等效应对因变量影响的差异，研究中对数据进行了标准化处理，去除数据的单位限制，将其转化为无量纲的纯数值[45]。相关变量的操作化及描述性统计如表2所示。

五、假设检验与结果分析

(一)假设检验

由公式(2)可以得出如公式(4)所示的实证模型。为了计算模型中的内聚力矩阵和结构对等矩阵，运用Matlab软件编写相应程序，最后得出内聚力矩阵和结构对等矩阵的数值。同时采用火车头数据采集器获得积分值和“花瓣”数的数据。

PartiActi,t=βFlowersi,t+ρ1Cohi,t*PartiActi,t+

ρ2Equii,t*PartiActi,t+ ɛi,t

(4)

下面运用Stata统计软件分析内聚力和结构对等效应的相关系数，以验证模型中的自变量之间是否存在多重共线性。从表3可以看出，内聚力和结构对等效应的相关系数均小于0.6，不存在多重共线性问题。

表2 变量的操作化及描述性统计

为了验证假设，继续运用Stata统计软件进行模型计算，结果如表4所示。模型的可决系数R2等于0.4612，说明模型的拟合优度可以接受，同时F(3,16307)=41.08，p值小于0.001，模型通过显著性检验。由表4可以看出，内聚力效应的影响系数为0.0168，p值小于0.05，结果显著，假设H1通过检验。同时，结构对等效应的影响系数为0.3548，p值小于0.05，结果显著，假设H2通过检验。

表3 相关系数矩阵

表4 网络效应自相关模型计算结果

(二)结果分析

研究中提出的两个假设均得到验证，具体结果分析如下：

首先，在线品牌社区中内聚力效应对顾客参与活跃度有正向影响，即在线品牌社区中顾客参与活跃度与其好友参与活跃度正相关。从表4的影响系数可以看出，顾客好友的活跃度每提高1%，顾客自身的参与活跃度就会提升1.68%。在线品牌社区中一般会设置消息提醒功能，主要用来通知好友动态，例如，好友发布了新内容，赞同了谁的观点，评论了谁等，可以让顾客及时注意到好友的最新动态，顾客可能从中发现感兴趣的观点或者有用的信息，进而参与讨论、点赞或转发等，不仅增多了顾客与好友沟通交流的机会，还提高了其参与的活跃度。

其次，在线品牌社区中结构对等效应对顾客参与活跃度有正向影响，即在线品牌社区中顾客参与活跃度与其结构对等的陌生顾客的参与活跃度成正相关。结构对等顾客的参与活跃度每提升1%，顾客自身的参与活跃度就提升35.48%。两个顾客之间的结构对等触发了他们的竞争心理，当顾客感知到自己在社交关系中的被关注度与自己相似的其他个体相比有所下降时，会调整自己的参与活跃度，以提高自身在社区中的存在感和影响力。

最后，在线品牌社区中结构对等效应对顾客参与活跃度的影响程度大于内聚力效应(0.3548>0.0168)，即来自相似社会地位的陌生顾客的影响大于好友。这意味着，在线品牌社区中的顾客对自身在社交关系中的地位较为敏感，相比于好友在社区中的参与行为，顾客更为关注“与其处在结构相似位置的陌生顾客”的行为，竞争心理对其持续参与社区有更大的驱动作用。

六、研究贡献与不足

在理论方面，本研究创新性地探索了在线品牌社区中顾客参与行为之间的社会影响效应，丰富了在线品牌社区和顾客参与领域的研究成果，同时为未来继续进行相关领域的研究提供了一定的思路。另外，将社会影响理论运用到在线品牌社区的研究中，扩展了该理论的应用领域。已有研究证实，社会影响效应在不同场景中会表现出不一致的效果，诸如网络游戏中用户的消费行为显著受到内聚力的影响[46]，而在医生采纳新药物时则受到结构对等效应的显著影响。而在线品牌社区作为一个用户关系更为松散的虚拟组织，顾客之间的社会影响效应也具有一定的特殊性。研究结果表明，在线品牌社区中结构对等效应对顾客参与活跃度的影响远大于内聚力效应，就是一个有趣且有价值的发现，已有研究尚未涉及。

实践上，研究结果对在线品牌社区的运营管理具有一定的参考价值。企业建立在线品牌社区的主要目的包括提升品牌形象、维护客户关系、收集创意、增加销量等[5]，在线品牌社区中的顾客参与活跃度越高越有可能达到企业的目的，为企业创造更大的价值。企业或者社区管理人员可以制定更有针对性的政策提高在线品牌社区中顾客的参与活跃度。一方面，由于顾客的参与活跃度受到其好友参与活跃度的正向影响，企业可以定期发起一些社区活动，增加顾客间建立好友关系的机会，增强社区中的内聚力效应；另一方面，由于顾客的参与活跃度受到与其处在结构对等位置的陌生顾客参与活跃度的正向影响，为了提高顾客的结构对等影响效应，企业可以培育一定数量的意见领袖，吸引普通用户与意见领袖建立好友关系，增加社区中的顾客拥有相似朋友圈的可能。

本研究虽然取得了一些有价值的结论，但同时也存在一些局限。首先，实证研究中仅抓取了移动电子设备类在线品牌社区的数据，研究结论对其他产品类别在线品牌社区的适用性需进一步验证，未来可以考虑针对体验型产品(如化妆品、酒店)的在线品牌社区开展研究。其次，由于关系型数据处理的复杂性，实证研究中采用了滚雪球抽样的方法选取样本，没有收集华为品牌社区中的全部用户好友网络数据，可能会造成一定的数据偏差。