C2B沟通和C2C沟通对在线品牌搜索影响的实证分析

柳涯妮 李东贤

中图分类号：F713   文献标识码：A

内容摘要：互联网时代下企业与消费者之间的双向沟通变得越来越普遍。本研究探索了用户生成内容中的C2B沟通和C2C沟通，克服了过去研究忽视C2B沟通的问题。研究使用某品牌社交网络平台上的企业主页作为研究情境，并基于对C2B沟通和C2C沟通的比较和消费者在新产品发布前后不同的搜索兴趣，发现了二者在新产品发布前后对在线品牌搜索的不同影响。通过比较得出C2C沟通比C2B沟通的信息量更大且更加可信，C2C沟通在新产品发布前和后都能够显著地正向影响消费者的在线品牌搜索，而C2B沟通仅在新产品发布后起作用;此外，尽管C2C沟通占用户生成内容的比例更小，但是它比C2B沟通对在线品牌搜索的影响更大。

关键词：用户生成内容   C2B沟通   C2C沟通   在线品牌搜索

互联网时代的到来和社交媒体平台的不断发展有力推动了用户生成内容的大幅度增长，消费者可以通过发布自己的消费体验参与用户生成内容，也可以通过收集相关产品的用户生成内容来影响自己的消费决定（Hennig-Thurau等，2004）。Naylor（2016）认为用户生成内容（User-generated Content，UGC）是包括消费者对企业（C2B Communication）和消费者对消费者（C2C Communication）的任何沟通，消费者可以通过文字、图片、音频和视频等不同的沟通方式表达对该企业的品牌评估和品牌参与。目前Web2.0的时代特点给予了消费者越来越多的机会通过产生内容与其他的市场主体建立联系。VanMeter等（2015）也表示当下营销中的关系已经不是单向的企业对消费者的沟通，而是普遍的消费者对企业和消费者对消费者的沟通。互联网内容中C2B沟通和C2C沟通所占的比例已经远远超过了企业生成内容所占的比例，也越来越多地引起营销者的关注。目前，用户生成内容平台的类型非常多样，例如京东和亚马逊等电商平台、豆瓣和大众点评等评论平台、微博和微信等社交网络平台和企业的品牌社区等。Opreana和Vinerean（2015）认为在多样的社交网络上的企业主页上的沟通能够充分地体现C2B沟通和C2C沟通，同一情境下允许的相同测量也使得二者更具有可比性。本研究使用国内应用最为广泛的社交网络平台微博作为研究情境，那么企业如何经营好自己的微博主页，更好地分配资源激励消费者的C2B沟通和C2C沟通是本文的研究问题。

已经有很多学者探索了用户生成内容对消费者参与意愿、购买意愿、产品销量和品牌态度等的影响。但是研究存在以下几个问题：首先，过去研究充分地支持了C2C沟通的重要影响，但是没有细化用户生成内容，多数学者忽视了用户生成内容中的C2B沟通部分;其次，对C2B沟通的测量不够准确，有研究使用传统的沟通方式作为C2B沟通的测量，并与以在线评论数量作为测量的C2C沟通进行比较，不同的测量方式难以控制二者在消费者涉入度和可见度等方面差别的影响。此外还有通过使用企业决策作为因变量来间接地反映C2B沟通的影响等。本研究对这两点进行了改进，使用企业微博主页更准确地分辨和测量了C2B沟通和C2C沟通，并且基于对二者的比较和消费者在新产品发布前后的不同关注兴趣，发现了二者在新产品发布前后对消费者在线品牌搜索的不同影响，以此丰富了用户生成内容的相关研究。

文献回顾与研究假设

已经有学者对消费者与企业和消费者与消费者之间的互动沟通进行了研究：林家宝等（2015）认为消费者与企业之间的互动沟通越有效，消费者对企业的信任水平越高;汪涛等（2014）认为社交媒体的使用增加了企业沟通的拟人化，发现拟人化沟通能够正向影响品牌态度。当然也有学者从用户生成内容方面进行了探究：杜学美等（2016）通过调查问卷的研究方法得到了消费者在线评论的数量、效价和质量都显著正向影响消费者的购买意愿，并且探究了信息接收者专业能力的调节作用;汪旭晖和王军（2015）在对国内高票房低口碑问题的研究中发现了网络口碑对票房的正向影响和网络口碑效价对票房的负向影响;江晓东（2015）发现评论回帖数量越多，评论感知有用性越高。类似地，国外学者Chevalier和Mayzlin（2006）以亚马逊作为用户生成内容平台进行研究，发现了评论数量对图书排名的影响以及会随时间维度的增长对销量有更强的正向影响;Willemsen等（2011）发现，相对于正面评论，消费者在线评论中的负向评论具有更高的评论有用性;Baek等（2012）认为消费者在线评论的评论深度对评论有用性的影响呈现倒U型关系。基于上述可以发现，过去大多数研究用户生成内容对消费者购买意愿或销量的影响都是从它对消费者的影响的角度进行探索，例如消费者感知评论有用性等，实际上是将它仅看成C2C沟通，没有分辨其中的沟通对象并且忽视了C2B沟通的反馈和建议的重要影响，没有全面地反映用户生成内容。

Bauer等（2006）通过比较线下交易过程与线上交易过程发现，促进C2B沟通和C2C沟通是企业在协商阶段获得更高电子服务质量的两大重点。Das（2013）也表示，企业采取多种手段和活动促进消费者的C2B沟通和C2C沟通是获取企業产品正面口碑的重要手段。但是目前仅有少数学者同等强调C2B沟通和C2C沟通的重要影响：Naylor（2016）明确强调了数字化时代下C2B沟通和C2C沟通是用户生成内容的重要内容，具体界定了用户生成内容的范围，并且提出了无机用户生成内容（inorganic UGC，iUGC）的定义，即由营销者鼓励的C2B沟通和C2C沟通，刺激物可以是内在的象征性利益和外在的金钱和折扣等。Jang和Chung（2015）探索了C2B、C2C和B2C交互活动对移动应用市场绩效的影响，发现了C2B沟通和C2C沟通能够显著地正向影响产品销量，且二者对企业的研发活动也有显著的正向影响。但是该研究使用电子邮件数量测量C2B沟通，难以控制沟通方式本身的不同所产生的影响，而且直觉上对其他消费者非公开的电子邮件与销量之间的关系是非常间接的。

本研究对C2B沟通和C2C沟通进行了比较：首先，在企业微博主页的研究情境中，C2B沟通和C2C沟通的主要内容包括了消费者对企业发布的产品、物流、包装和有关话题等方面的相关陈述，C2C沟通是对C2B沟通在内容上的加强或反驳。具体地，C2B沟通和C2C沟通有以下三种关系：二者观点一致，C2C沟通是对C2B沟通的加强，表达情感认同;二者观点不一致，C2C沟通是对C2B沟通的反驳，表达相反的陈述;C2C沟通的产生是为了阐述与C2B沟通的不同的解释，引发更多的讨论。其次，Naylor（2016）表示C2B沟通和C2C沟通可以是消费者内在驱动的和营销者驱动的。在本文的研究情境中，因为C2B沟通反映了消费者对企业发布内容的态度，而C2C沟通是对C2B沟通的进一步讨论，所以相对于C2C沟通，C2B沟通更为直接地受到了企业对消费者沟通的影响。因此，C2B沟通可以是营销者驱动的和消费者内在驱动的，而C2C沟通多数是消费者内在驱动的。最后，Brodie等（2013）认为相对于C2B沟通，C2C沟通更可能使得消费者在情感上获得亲密感、依附感和社会交互等。此外，不论新产品发布前还是发布后，上述三点总是有效的。因此本文提出以下假设：

H1：不论新产品发布之前还是之后，C2C沟通对在线品牌搜索的影响都大于C2B沟通对在线品牌搜索的影响。

基于上述对C2B沟通和C2C沟通的比较，本研究还探索了二者在新产品发布前后对在线品牌搜索的不同影响。Kulkarni等（2012）认为，消费者在新产品发布前的信息搜索多是受到产品兴趣的驱动，而消费者在新产品发布后的信息搜索多是受到产品兴趣和消费兴趣两者的驱动。产品兴趣主要包括与产品本身有关的信息，例如产品的属性和功能等;消费兴趣主要包括与消费便利有关的信息，例如支付方式、购买渠道和消费者评论等。本研究认为企业微博主页中的C2B沟通和C2C沟通能够对消费者的在线品牌搜索产生影响。具体地，新产品发布之前，消费者关注的是产品本身，但是此时消费者的产品知识更多地受到企业发布信息的影响，消费者并不能够从C2B沟通和C2C沟通当中获得相关的产品信息。然而，C2C沟通在内容上对C2B沟通的加强或反驳使其信息量比C2B沟通的信息量更大;C2C沟通的消费者内在驱动的特点和体现消费者之间情感联系的特点使其信源可信度比C2B沟通的信源可信度更高。因此，本文提出新产品发布前的研究假设H2a和H2b。而新产品发布后的C2B沟通和C2C沟通都能够提供消费者感兴趣的有关消费便利的信息，尤其是消费者关注的产品在线评论，因此二者都能够引起消费者的兴趣和关注。因此，本文提出新产品发布后的研究假设H3a和H3b。具体假设如下：

H2：新产品发布前，C2B沟通（H2a）对在线品牌搜索没有显著的影响，而C2C沟通（H2b）对在线品牌搜索有着显著的正向影响。

H3：新产品发布后，C2B沟通（H3a）和C2C沟通（H3b）对在线品牌搜索都有着显著的正向影响。

研究方法

数据收集。本研究的数据均来自于某手机品牌在新浪微博上的主页。利用爬虫获取该品牌自2013年起至2015年10月期间发布的所有新产品的微博数据，时间范围为新产品发布前后各30天。共包括10个新产品，具体数据包括共4645条微博及其相应的点赞和评论。在线品牌搜索的数据来源于以该品牌名称为关键词的百度指数。

变量测量。本研究变量中的企业微博数量和用户点赞数量都可以根据新浪微博原始数据直接获得，而微博词语数量、C2B沟通和C2C沟通的测量是通过文本分析获得。本研究增加了共6023个词汇以完善词库，包括产品相关的专业词汇、新兴词汇和话题词汇等，以合并过的词库作为分词的基础并获得了微博词语数量的测量。根据新浪微博网页的结构特点，本研究以“回复@用户名”作为C2C沟通区别于C2B沟通的标识，通过正则表达式识别出来并依据时间单位进行累加。研究变量均以“日”为时间单位，解释具体见表1所示。

实证检验

（一）描述性统计

本文对新产品发布前后的数据分别进行了描述性统计，具体见表2和表3所示。具体地，对比新产品发布前后的数据发现：企业平均每天发布的微博数量和词语数量在新产品发布前后没有太大的差别;而用户在新产品发布后的参与明显高于用户在新产品发布前的参与，具体为点赞数（10831.81>5425.94）、C2B沟通数量（1768.78>1250.25）和C2C沟通数量（170.57>155.82）。

（二）模型建立

本文旨在研究C2B沟通和C2C沟通在新产品发布前后对在线品牌搜索的影响，因此对新产品发布之前和之后的数据分别进行了建模检验。本文研究数据横截面个体数量小于时间长度（N<T），使用了Stata11.0进行长面板数据分析。具体模型如下：

LnSearchit=Const+β1LnPostit+β2LnWordsit+β3LnLikeit+β4LnC2Bit+β5LnC2Cit+β6Weekendit+β7Trend+εit          （1）

其中，下標i表示第i个产品，下标t表示新产品发布之前或之后的第t天，εit表示随机误差项。模型中控制了企业生成内容（企业微博数量和微博词语数量）、用户参与（点赞数量）和周末对在线品牌搜索的影响，此外为了考虑时间效应，生成了时间趋势变量Trend。模型中除了哑变量和时间趋势变量以外，其他变量均进行了自然对数的转换。

（三）模型检验

面板单位根检验。对所有研究变量进行了序列平稳性检验以避免出现伪回归的问题。分别对新产品发布之前和之后的序列进行了平稳性检验（具体见表4和表5），结果显示研究变量均拒绝了LLC检验、IPS检验、Fisher-ADF检验和Fisher-PP检验的原假设，这表明所有的研究变量都是序列平稳的。

模型回归结果。基于长面板可能出现的异方差、序列相关和截面相关的问题，本研究使用更为有效率的全面可行广义二乘估计方法（全面FGLS）进行模型估计。分别使用新产品发布之前和之后15天的数据进行了模型检验，首先建立固定效应模型和随机效应模型，进行了Hausman检验。新产品发布前模型的Hausman检验得到的Chi2值为7.84（p=0.347），不能拒绝随机效应模型的原假设;新产品发布后模型的Hausman检验结果Chi2值为12.45（p=0.087），同样不能拒绝随机效应模型的原假设。因此，在此全面FGLS模型估计中不需要加入个体虚拟变量。通过残差检验，进一步对模型的异方差和截面相关问题进行了修正。此外，为了保证实证结果的稳健性和可靠性，本研究采用了改变样本区间的方式进行了稳健性检验。进一步使用了新产品发布前后的20天、25天和30天的时间范围内的数据进行了模型检验。具体的模型估计结果见表6和表7所示。

在新产品发布前的模型中，模型（1）-模型（4）中C2B沟通的参数估计均接受了原假设，表明C2B沟通对在线品牌搜索没有显著的影响;而C2C沟通的参数估计均在0.1%水平下拒绝了原假设，且系数（分别为0.121、0.111、0.108和0.089）均为正，表明C2C沟通对在线品牌搜索有着显著的正向影响。因此验证了假设H2a和H2b。在新产品发布后的模型中，模型（5）-模型（8）中C2B沟通的估计系数（分别为0.095、0.076、0.044和0.046）和C2C沟通的估计系数（分别为0.103、0.106、0.118和0.117）均是显著为正的，表明在新产品发布后C2B沟通和C2C沟通对在线品牌搜索都有着显著的正向影响，验证了假设H3a和H3b。综合模型（1）-模型（8）的参数估计结果发现，不论在新产品发布之前还是之后，C2C沟通对在线品牌搜索的影响总大于C2B沟通对在线品牌搜索的影响，验证了假设H1。具体地，新产品发布前的模型中，C2C沟通能够显著地影响在线品牌搜索，而C2B沟通无显著影响;新产品发布后的C2C沟通的估计系数值在不同样本区间的模型中都大于C2B沟通的估计系数值（分别为0.103>0.095、0.106>0.076、0.118>0.044和0.117>0.046）。

本研究还得到以下结论：第一，企业发布的微博数量在新产品发布前对在线品牌搜索具有显著的负向影响，表明用户将企业微博作为接收新产品信息的重要信息来源，则会降低用户的进一步搜索兴趣。而企业微博数量在新产品发布后虽无显著影响，但影响方向是正向的，不同的影响方向表明企业微博数量与在线品牌搜索可能存在非线性关系。第二，不论新产品发布之前还是之后，企业发布微博的词语数量总是显著地正向影响在线品牌搜索，这表明用户关注企业发布的微博并会阅读其中的内容。具体地，微博词语数量在新产品发布前模型中的估计系数（分别为0.147、0.086、0.071和0.045）和在新产品发布后的模型中的估计系数（分别为0.083、0.142、0.143和0.187）均为正向的。

结论和管理启示

本研究更加全面地认识了用户生成内容，是包括了文字和图片等任何形式的C2B沟通和C2C沟通，克服了过去研究忽略C2B沟通的问题。本文使用社交网络平台上的企业主页作为研究情境更好地体现了C2B沟通和C2C沟通，并基于对二者的比较发现了二者在新产品发布前后对在线品牌搜索的不同影响。具体地，对比C2B沟通和C2C沟通发现，由于C2C沟通的信息量比C2B沟通的信息量更大且具有更高的信源可信度，则C2C沟通对在线品牌搜索的影响总大于C2B沟通对在线品牌搜索的影响。进一步基于新产品发布前后用户的不同的搜索兴趣发现，C2C沟通总是显著地正向影响消费者的在线品牌搜索，而C2B沟通仅在新产品发布后对在线品牌搜索有显著的正向影响。此外，本研究还发现了企业微博数量在新产品发布前对在线品牌搜索的显著负向影响，微博词语数量不论在新产品发布之前还是之后总是显著地正向影响在线品牌搜索。

本文给企业如何经营好自己在社交网络平台上的主页提供了一些管理啟示：尽管营销实践中有很多企业提供了奖励鼓励用户多多发布评论，忽略了用户之间沟通的影响，也使得C2B沟通所占用户生成内容的比例大大超过了C2C沟通，但是实际上这种投入在新产品发布前是无效的，所以企业应该更加关注C2C沟通。C2C沟通很难直接通过奖励激励产生，因此企业可以通过以下方式增加用户之间的沟通以引起更多消费者的兴趣。首先，企业可以推动鼓励微博主页、企业发言人和代言名人都直接参与到用户对企业或对其他用户的沟通之中，一方面可以增加用户对C2C沟通的关注，增加企业和用户之间的联系，从而愿意进行更多的C2C沟通，另一方面企业可以在C2C沟通中起到话题的引导作用，从而进一步引发更多的讨论。其次，企业可以发起能够引起讨论的热点话题以增加用户的关注，例如有关新技术应用的话题等。

本研究存在以下不足：首先，本研究以国内某品牌手机为研究对象，并且使用了不同样本区间的数据进行了稳健性检验，但也可以使用其他行业或品牌的数据进行进一步的检验以增加研究结果的外部效度;其次，研究对象手机为搜索型产品，未来可以使用体验型产品的数据进行探索，对产品类型是否起到调节作用进行检验;最后，本研究发现企业微博数量在新产品发布前后的不同影响方向，认为它与在线品牌搜索是非线性的关系，未来研究可以做更多的探讨。

参考文献：

1.林家宝，万俊毅，鲁耀斌.生鲜农产品电子商务消费者信任影响因素分析：以水果为例[J].商业经济与管理，2015（5）

2.汪涛，谢志鹏，崔楠.和品牌聊聊天——拟人化沟通对消费者品牌态度影响[J].心理学报，2014，46（7）

3.杜学美，丁妤，谢志鸿等.在线评论对消费者购买意愿的影响研究[J].管理评论，2016，28（3）

4.汪旭暉，王军.网络口碑如何影响电影票房——中国电影“高票房低口碑”现象反思[J].湖南师范大学社会科学学报，2015（2）

5.江晓东.什么样的产品评论最有用？——在线评论数量特征和文本特征对其有用性的影响研究[J].外国经济与管理，2015，37（4）

6.Hennig-Thurau T.，Gwinner K. P.，Walsh G.，et. al. Electronic Word-of-mouth via Consumer-opinion Platforms：What Motivates Consumers to Articulate Themselves on the Internet？[J].Journal of Interactive Marketing，2004，18（1）

7.Naylor G. S. Complaining Complimenting and Word-of-mouth in the Digital Age：Typology and Terms[J].Journal of Consumer Satisfaction，Dissatisfaction and Complaining Behavior，2016，29

8.VanMeter R. A.， Grisaffe D. B.， Chonko L. B. Of “Likes” and “Pins”：The Effects of Consumers Attachment to Social Media[J].Journal of Interactive Marketing，2015，32

9.Opreana A.，Vinerean S. A New Development in Online Marketing： Introducing Digital Inbound Marketing[J].Expert Journal of Marketing，2015，3（1）

10.Chevalier J. A.，Mayzlin D. The Effect of Word of Mouth on Sales： Online Book Reviews[J].Journal of Marketing Research，2006，43（3）

11. Willemsen L. M.，Neijens P. C.，Bronner F.，et. al.“Highly Recommended！”The Content Characteristics and Perceived Usefulness of Online Consumer Reviews[J].Journal of Computer-Mediated Communication，2011，17（1）

12.Baek H.，Ahn J.，Choi Y.Helpfulness of Online Consumer Reviews：Readers Objectives and Review Cues[J].International Journal of Electronic Commerce，2012，17（2）

13.Bauer H. H.，Falk T.，Hammerschmidt M. eTransQual：A Transaction Process-based Approach for Capturing Service Quality in Online Shopping[J].Journal of Business Research，2006，59（7）

14. Das D. Evolution，Rapid Growth & Future of Research on Electronic Word of Mouth（ewom）：A Scientific Review. Available at Social Science Research Network，2013 http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2287134

15.Jang S.，Chung J.How Do Interaction Activities among Customers and between Customers and Firms Influence Market Performance and Continuous Product Innovation？ An Empirical Investigation of the Mobile Application Market[J].Journal of Product Innovation Management，2015，32（2）

16. Brodie R.J.，Ilic A.，Juric B.，et. al.Consumer Engagement in a Virtual Brand Community：An Exploratory Analysis[J].Journal of Business Research，2013，66（1）

17.Kulkarni G.， Kannan P.K.， Moe W. Using Online Search Data to Forecast New Product Sales[J].Decision Support Systems，2012，52（3）