社会化商务沟通如何提高B2B企业净推荐值？

2022-09-19高维和韩晟昊

商业经济与管理 2022年8期

高维和，韩晟昊

(上海财经大学商学院，上海 200433)

一、引言

社会化商务沟通是指企业借助社交媒体在电子商务的信息阶段、谈判阶段和实现阶段中辅助销售、建立关系的一种新型商务沟通方式(Singh等，2020)[1]。随着Web 2.0、5G、云计算和智能通信技术的高速发展，社交媒体等在线沟通技术与电子商务的融合逐渐成为电子商务领域的热点。(1)2015年，全球在线商务沟通相关内容的信息数量每秒已达86,000,000条(The Radicati Group，https://www.radicati.com/).特别是新型冠状病毒肺炎疫情带来的人际传染压力，给传统沟通方式带来了极大的挑战。社会化商务沟通成为全球疫情大环境下个人、企业乃至国家维持社会经济正常稳定运转的首要和必然选择。同时以关系性为特征的社交媒体、严重同质的产品、爆炸式增长的竞争对手等现实情境，让B2B企业意识到相较于传统营销组合，借由沟通建立关系所创造的口碑推荐价值才更可能成为其他企业难以复制的持久性竞争优势(Dost等，2019)[2]。

然而，现阶段对于在线商务沟通的研究主要聚焦于电子商务谈判的先进性和适用性(Kersten和Lo，2003；Koeszegi等，2011；Geiger，2014)[3-5]，社交媒体在商务沟通的应用(Utami等，2019；Chatterjee等，2021；Fraccastoro等，2021)[6-8]以及对某一具体社交媒体在商务沟通的细化研究(Chen等，2020；Chen等，2021)[9-10]，对社会化商务沟通这一新问题及其对企业的影响机制关注不足，缺乏对其核心特质的深入挖掘，对其B2B这一商务沟通的重点领域的应用也缺乏足够的了解。而口碑推荐的研究则仅仅聚焦消费者在线口碑推荐动机的研究(Cheung和Lee，2012)[11]，以及信息及其发送者和接收者等在线口碑推荐效果的影响因素研究(Lurie和Mason，2007)[12]。考虑到融媒体时代口碑失控正造成大量的客户抱怨并进而吞噬企业利润，传统的关系绩效考核信息冗余又缺乏重点，通过明确社会化商务沟通的核心特质，探讨B2B情境下社会化商务沟通影响推荐意愿的内在机制势在必行。

净推荐值(Net Promoter Score，NPS)(2)NPS具有“趋势分析”“拐点预测”以及“客户贬损声音挖掘”三大黄金价值，使用NPS来评估客户忠诚度的公司，其成长率比同行要高出2.6倍，已在快消品、耐用品和服务业等行业广泛应用并发展。是通过客户口碑管理来有效促进企业良性发展的多渠道、多维度关系绩效管理概念和工具(Situmorang等，2017)[13]，直接反映用户对企业的认可程度和购买意愿(Aguinis和Burgi-tian,2021)[14]。企业间买方和供应商频繁沟通和循环接触，基于构建长期的合作关系的现实需要，关系强度重要性越发突出(Möller和Törrönen，2003)[15]。同时，在线沟通具有跨越时空、非面对面接触、多方异步通信等全新特征，用户对IT技术的强烈感知会导致非人性化感知增强(Runions和Bak，2015)[16]，从而阻碍在线沟通驱动关系建立和良性发展。因而本文依据社会网络理论(Granovetter，1973)[17]，创新性地将“净推荐值”引入B2B情境，结合关系强度、IT可供性感知、合同详尽性，探析社会化商务沟通对NPS这一核心关系绩效指标的影响。

综上所述，本文的创新之处在于，首先，本文综合运用定性和定量的研究方法挖掘并验证了社会化商务沟通的核心特质，为社会化商务沟通的效应异质性提供了新颖而细致的见解；其次，本文以社会网络理论为基础，创新性地引入净推荐值来探讨社会化商务沟通对企业口碑的影响，首次提出了在B2B情境下，社会化商务沟通通过关系强度影响B2B企业NPS的调节中介模型，是探讨社会化商务沟通影响净推荐值的第一批研究；最后，本文创造性地揭示了IT可供性感知与合同详尽性如何调节社会化商务沟通等关键问题，响应了长期以来的研究需要和现实紧迫性(Singh等，2020)[1]，加深了我们对社会化商务沟通和NPS之间关系的理解。

二、基于扎根理论的社会化商务沟通核心特质探析

(一) 研究设计

1.研究方法。本文是基于社会化商务沟通这一新兴现象的探索性研究，扎根理论作为一种严谨有效的质性研究工具，适用于尚未有理论解释或未被完全研究的新社会现象及问题。同样关注B2B领域商务沟通的Rose等(2021)[18]的研究表明，对公众进行大样本的结构化问卷调查并无意义。因此本文通过开放式问卷对代表性人物进行半结构化的深度访谈以收集第一手资料，然后通过扎根理论对资料进行系统性编码、聚类、归纳和概念化，实现对社会化商务沟通的洞察与建构。

2.理论抽样。为了更好地契合研究主题、解决研究问题，本文筛选访谈对象的标准如下：首先，对象的典型性。本文选取的访谈对象是以商务沟通为主要职能、沟通对象(即业务伙伴)众多，且位于社会网络中心节点的B2B企业人员。传统单一的沟通方式无法支持此类人群进行高效大规模的商务沟通活动，社会化商务沟通是其必然选择。其次，资料的多样性。本文尽量在兼顾对象代表性的同时选择位于不同区域、不同行业地位和企业规模的零售商作为对象进行访谈。最后，访谈的完整性。本文的样本具有一定的共性，均为能够覆盖业内完整渠道网络的零售商，确保访谈对象真实参与了社会化商务沟通。

按照上述标准，本文从代表性园区的100多位备选人员中随机选取了10位渠道销售的代表经销商作为本文的访谈对象。从职能来看，受访者中总经理2位，总监1位，副总经理3位，类目采销4位；从受访者企业规模来看，50人以下的企业占40%，50-100人占20%，100人以上占40%；从企业伙伴数量来看，企业伙伴数量在20-50个占40%，50个以上占40%，基本符合访谈需求。

3.数据收集。本文采用一对一深度访谈的方式，每次访谈在1小时至1.5小时间，共计137个小时，给受访者相对自由充分的思考表达的时间。同时在征得受访者同意的前提下对访谈过程进行了录音以保证访谈内容的真实性和完整性，并在访谈结束后对录音材料进行初步整理，形成原始文字资料供后续使用。同时，辅助网络搜索到的企业信息、新闻报道等相关信息形成三角证据取证，从而完善社会化商务沟通过程的整体信息。

(二) 编码过程

1.开放式编码。开放式编码是对原始文字资料逐字逐句进行编码，实现标签化、概念化和范畴化。在编码过程中，要尽可能使用访谈资料的原字原词，确保初始概念自然涌现，避免将文献或研究者主观意见强加到数据之上。最终，本文借助Nvivo软件完成了访谈资料的分解、比较、概念化和范畴化，得到了51个初级代码，41个代码，并在此基础上进一步提炼整合，形成13个零阶范畴，如表1所示。

表1 开放编码形成零阶范畴结果示例

(续表1)

2.主轴编码。主轴编码是结合文献对开放编码形成的描述性范畴进行聚类分析，提取理论抽象性一阶范畴，探究其中的联系，使理论从数据中涌现，并形成导向性二阶范畴(Chun Tie等，2019)[19]。因此本文基于社会网络理论，选取开放式编码过程中关联度和出现频率双高的零阶范畴进行萃取，从而形成特定的逻辑，最终归纳为4个一阶范畴，即广关联性、泛可见性、富载体性和推荐者，以及社会化商务沟通和净推荐值两个二阶范畴，如表2所示。

表2 主轴编码形成二阶和一阶范畴结果

其中，广关联性是最具工具性的特质，指社会化商务沟通可以帮助人们跨越时空障碍实现一对多的高效率且低成本的即时或异步交流；泛可见性是最具记忆性的特质，指社会化商务沟通允许人们永久保存并随时访问先前创建、发布的信息，同时这种可见性的权利可以分享给其他人；富载体性是最具理解性的特质，指社会化商务沟通能提供图、文、视频、链接、聊天记录等多种信息载体，从而帮助人们更高效准确地进行交互。

3.理论编码。理论编码的目的是整合所有编码范畴，萃取主轴编码间呈现的逻辑关系，形成扎根于数据且具有解释力的理论。基于Singh等(2020)[1]以及Stahlkopf(2019)[20]等文献支持，本文将主轴编码一阶和二阶范畴间的联系与社会化商务沟通的真实资料之间不断比较，最终总结出了社会化商务沟通的核心特质，并发现社会化商务沟通可以影响净推荐值，将整个研究问题的“故事线”具体化为“社会化商务沟通(广关联性、泛可见性、富载体性)→净推荐值”的理论模型，如图1所示。

图1 社会化商务沟通的核心特质及其影响效应

(三) 信度检验

为了检验编码过程的严谨性和编码结果的可靠性，首先，本文进行了饱和度检验，通过理论抽样分析没有发现新的概念和范畴，可判定为理论饱和；其次，本文根据两位独立编码员的一致性程度进行判断(Rust和Cooil，1994)[21]，通过对比两位编码员对随机抽取的5份访谈资料重新编码的结果，发现两位编码员的一致性程度达90.57%，表明本文具有良好的编码信度。

(四) 小结

综上，本文通过质性分析的方法，发现社会化商务沟通具有广关联性、泛可见性与富载体性三个核心特质，使其在社交媒体时代得到广泛认可与使用，进而作为重要的媒介升级推动了B2B企业间的推荐意愿与行为。为了提高研究的稳健性，本文将通过实证方法进一步验证社会化商务沟通的三大特质并探析其对企业NPS的影响机制。

三、社会化商务沟通对净推荐值影响效应研究

(一) 文献回顾与研究假设

1.社会化商务沟通与NPS。根据社会交换理论的互惠准则(Gouldner，1960)[22]，个体之间进行社交互动和资源交换的基础在于个体在社会关系中期望得到回报，例如口碑的推荐与传播，同时沟通被证实会影响企业的关系绩效(高维和等，2010)[23]。因此本文预测社会化商务沟通会影响企业的NPS。

首先，对广关联性来说，一方面社会化商务的信息技术升级沟通克服了地理和时间的限制，在物理意义上提高了企业间交互的效率，节省了大量的时间和成本；另一方面一对多和高频互动等沟通方式在信息规模上优化企业间交互的质量，带来了商机置换与灵感获取(Heirati和O’Cass，2016)[24]，从而提高沟通各方的推荐意愿。其次，对泛可见性来说，社会化商务沟通一方面拥有随时访问和永久保存的功能，在信息存取层面上改善企业间的交流体验和信任；另一方面允许信息通过转载分享等方式供其他人阅读学习，使相关信息恰当地语境化(Leonardi和Treem，2012)[25]，在授权共享层面提高企业间交流的可理解性与应用速度，从而促进沟通各方的推荐意愿。最后，对富载体性来说，社会化商务沟通一方面会丰富信息的呈现形式与承载容量，在文本多样性上深化企业间交流的深度和广度(Wang等，2007)[26]；另一方面促进了信息展示和传递的形象化，增加了信息接收者的临场体验感，会在情感传递性上促进企业间的理解与信任，从而提升沟通各方的推荐意愿。基于以上分析，本文提出以下假设：

H1a/b/c：社会化商务沟通的广关联性/泛可见性/富载体性正向影响NPS。

2.关系强度的中介作用。关系强度，常被定义为信息源与信息接收者之间的熟悉程度(Hansen，1999)[27]，是由接触时间与频次、情感强度、相互信赖和互惠性四个维度构成的集合概念(Granovetter，1973)[17]。考虑到社会化商务中，用户间关系强度对于信息的扩散、交流、网络口碑的形成都起到重要影响(Liang等，2011)[28]，本文从社会网络理论视角出发对关系强度进行研究探讨，并预测关系强度会在社会化商务沟通与NPS之间起中介作用。

其一，广关联性能降低沟通成本的同时提高沟通效率，在增加接触时间与频次的角度提升企业间的关系强度；同时广关联性还能为企业的远距离交互、紧急事件处理、交易预约等协调问题提供技术保证，在促进互惠性的角度提升企业间的关系强度，进而基于强关系的关系黏性增强企业的相似程度和认可程度，从而提升企业的推荐意愿。其二，泛可见性能通过保证数据的可访问性形成更广泛的社会交互感(Kersten和Lo，2003)[4]，在增加情感强度的角度提升企业间的关系强度；同时泛可见性还能通过保证信息的即时存储性与同权共享性降低传递损耗，在增加信任感的角度提升企业间的关系强度，进而基于强关系的强同质性促进企业间价值取向和信念的一致性趋向(Liu等，2022)[29]，从而提升企业的推荐意愿。其三，富载体性能通过信息丰富性拓展感官接收信息的广度和深度并减少沟通中的不确定性，在增加信任感的角度提升企业间的关系强度；同时富载体性能通过信息生动性提高沟通的情感交互性，在增加情感强度的角度提升企业间的关系强度，进而通过强关系的强情感联结加深企业间的信任与忠诚，从而提升企业的推荐意愿。基于以上分析，本文提出以下假设：

H2a/b/c：关系强度在社会化商务沟通的广关联性/泛可见性/富载体性与NPS间起中介作用。

3.IT可供性感知的调节作用。IT可供性感知则是个体在使用IT技术过程中，受到IT技术特征、个体能力、行为目标和外部信息的影响，对IT存在的识别与认知，即个体认识到IT技术所提供的行为可能性。受到兼具主观性与客观性的可供性影响(Huber，1990)[30]，所处不同环境的不同的个体可能对同一技术器物的感知和使用完全不同(Bernhard等，2013)[31]。人们总是倾向于根据自己的需求识别那些与目标一致的可供性，例如，为了增加高度，人们看到椅子时更会感知到“踩”的可供性而非“坐”的可供性。社会化商务沟通所依赖的在线虚拟环境具有非面对面接触、允许异步通信、空间和时间无限制等特点。在社会化商务沟通中，应用IT技术的主要目的是提高信息传输的质量与效率，实现一对多的高效沟通，以及在虚拟环境中缓解交易面临的跨时空障碍。因此交流各方间的IT可供性感知越强，IT技术与在线虚拟环境的存在感越高，交流各方间感知距离越大，社会属性感知越低，社会存在越弱(Runions和Bak，2015)[16]。这种对IT的强烈感知会导致非人性化的发生，进而影响沟通各方的情感交互，阻碍关系强度的发展。因此考虑到社会化商务沟通所处的在线虚拟环境，本文预测IT可供性感知负向调节社会化商务沟通与关系强度之间的关系。

具体来说，当IT可供性感知较高时，沟通各方更易在虚拟环境中形成非人性化印象，从而阻碍社会化商务沟通对关系强度的提升作用。例如，IT可供性感知较高时，广关联性提供的高频、一对多且跨时空互动会使沟通各方感知距离更大，对彼此非人性化的感知增强，并因此更关注交易和问题本身而不是投入情感进行深入交互，进而降低沟通各方的亲密程度，影响了关系强度。类似地，IT可供性感知较高时，泛可见性和富载体性会使沟通各方更关注信息的质量和利用效率，降低沟通各方的社会属性感知和情感暗示，减少对交流的情感投入和参与体验，最终影响关系强度的发展。相反地，当IT可供性感知较低时，沟通各方更易在虚拟环境中更能体会到相互的社会存在，并增加情感交互与协调互惠，从而促进社会化商务沟通广关联性、泛可见性和富载体性对关系强度的提升作用。基于以上分析，本文提出以下假设：

H3a/b/c：IT可供性感知负向调节社会化商务沟通的广关联性/泛可见性/富载体性与关系强度间关系。

H4a/b/c：IT可供性感知负向调节关系强度在社会化商务沟通广关联性/泛可见性/富载体性与NPS的关系中所起的中介作用。

4.合同详尽性的调节作用。合同治理指企业通过签订正式书面合同对交易关系进行治理(Memon等，2015)[32]，治理的强度可以采用合同详尽性来衡量。在商业交易中，合同详尽性会促进合同双方的交易成功率。然而较高强度的合同治理也会引发合作方的抵触心理，影响企业的关系治理。因此考虑到强关系已经建立，本文预测合同详尽性负向调节关系强度与NPS之间的关系。

具体来说，当合同详尽性水平较高时，合同详细规定所揭示的警界意图会引起企业关于另一方对其信任缺乏的感知，引发交易另一方的不满与抵触(王勇等，2018)[33]，降低了强关系的关系黏性，减少了双方情感交流与自发互惠的意愿，从而会削弱关系强度对企业满意度与口碑推荐的影响。同时过于明确复杂的合同强调了制度、规则以及各种硬性手段的保证执行，导致各方的交流缺乏灵活性，降低了强关系的强情感联结，并更倾向于依照合同规定进行交易(王勇等，2018)[33]，对于合同未明确说明的口碑推荐等自发行动不作为，最终减弱关系强度对企业的推荐意向的影响。相反地，当合同详尽性水平较低时，企业更易基于强关系进行深入的情感交流与自发的互惠行为，进而在强关系同质性的基础上提高企业间一致性的价值取向和信念，并由此提高彼此的满意度与推荐意愿。基于以上分析，本文提出以下假设：

H5：合同详尽性负向调节关系强度与NPS间关系。

H6a/b/c：合同详尽性负向调节关系强度在社会化商务沟通广关联性/泛可见性/富载体性与NPS间的中介作用。

本文的假设理论模型如图2所示。

图2 理论模型

(二) 研究设计

1.样本与数据收集。由于本文关注的对象是B2B企业的社会化商务沟通，因此问卷设置了三个过滤问题来确保调研对象身份的准确性，即“您所在单位是否为B2B企业，并通过在线沟通与多个合作业务伙伴进行联系？”，如果答案是“是”，那么参与者还被要求需要至少参与了50%的与合作业务伙伴接触的工作，对相关工作具有比较大的决策权限和了解，同时需要简要评价与大多数业务伙伴的关系质量。这种方法还能强化参与者的记忆，提高后续回答的准确性。此外，为了保证问卷的真实性和有效性，参与者被告知此次问卷调查属于仅需要总合数据，每个人的问卷填写结果无须也不会被单个呈现。同时本文限制每个IP地址及每台设备只能填写一次问卷，且监控问卷填写时长，并设置注意力题项和反向问项，以确保参与者的认真态度。

对于数据收集过程，首先，根据企业详细信息与本文研究主题相匹配的程度，本文从中国企业库(http://www.qiyeku.com/)与阿里巴巴平台(https://www.1688.com/)中确定了1万个B2B企业作为初始样本备选；其次，兼顾经济有效性原则与时间精力等现实情况，遵循随机原则抽取了1000个企业作为电子问卷发放对象；最后，为了保证数据收集的质量与效率，本文与国内一家领先的营销研究公司合作(Zhang等，2020)[34]，进行问卷发放与回收。

最终，排除了那些未参与调查、未通过过滤问题、忽略注意力题项或反向问项、不完整或不真实的作答以及过于快速提交问卷的人，本文在2020年5月初到7月底的三个月时间内收集到208份有效问卷(52.4%为男性，47.6%为女性)。从受访者企业规模来看，50人以下的企业占30.3%，50-100人占40.4%；从受访者年销售收入来看，100万-1000万元占38.9%，1000万-5000万元占38.9%；从受访者行业类型来看，主要分布在“生物/化工/医药(26.9%)”“食品/饮料/纺织(23.1%)”“仪器仪表(20.7%)”，符合相关业务开展需要快节奏高频率沟通的现状，特别是医药类目对于人际推荐的高度依赖。因此样本的代表性较好。

2.变量测量。为了保证问卷的科学性和准确性，本文所用量表都参考了专业领域顶尖期刊的成熟量表，并且基于扎根结果对相应测量题项进行了适当调整和改进以便更好地适应本文的情景。除了NPS，其余所有变量均采用七级Likert量表(1=非常不同意，7=非常同意)进行测量。

(1)广关联性、泛可见性与富载体性。对于社会化商务沟通的三个核心特质，本文以Singh等(2020)[1]以及Stahlkopf(2019)[20]研究为基础，结合前期扎根结果，分别为广关联性、泛可见性与富载体性设计了3个题项。(2)关系强度。本文借鉴了Granovetter(1973)[17]以及潘松挺和蔡宁(2010)[35]的研究，为关系强度设计了6个题项。(3)IT可供性感知。本文基于Majchrzak等(2013)[36]的研究，为IT可供性感知设计了4个题项。(4)合同详尽性。本文参考了Zhou和Poppo(2010)[37]以及Cannon和Perreault(1999)[38]的研究，设计了4个题项测量B2B企业间签订合同的详细完备程度。(5)NPS。鉴于NPS可以仅通过一个问题进行测量，测评方法相对简单便捷，因此本文以Reichheld(2003)[39]的研究为基础，要求每个参与者选取20名合作伙伴或业务相关人员，向选取对象询问“用1至10分表示，贵单位有多大可能推荐我们的商品或服务？”以测量自身企业的NPS，同时提供评分人员的联系方式。本文后续随机选取其中的三位进行复核，询问调查问卷受众的NPS情况，确保数据的真实准确。本文根据行业标准按分数将这些合作伙伴分为三类，包括推荐者(9-10分)、中立者(7-8分)和贬损者(0-6分)，并由公式“NPS=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%”得到各企业最终的NPS得分。

此外，为了捕捉与本文目标无关的非研究变量对净推荐值的影响，本文引入一组控制变量，具体来说分为两个层面，一是个体属性类，包括性别、年龄和受教育程度；二是企业特征类，包括行业类型、员工数量、运营年限与年销售额。

(三) 数据分析与结果

1.信度与效度检验。为了保证调查问卷数据的可靠性和有效性，本文对问卷的信度和效度进行检验。首先，每个变量的Cronbach’s Alpha系数和组合信度(CR)均大于0.7的临界水平(αmin=0.908；CRmin=0.909)，表明量表具有较高的信度。其次，本文提取的所有平均方差(AVE)都高于最低要求的阈值0.5(AVEmin=0.674)，表明量表具有可接受的收敛效度。最后，本文对所涉及的七个主要变量进行验证性因子分析，结果如表3所示，七因子模型的各项拟合指标[χ2(839)=2242.794，CFI=0.875，TLI=0.866，SRMR=0.039，RMSEA=0.090]均优于其他模型，这说明该模型拟合效果最好，因此本文各变量之间具有良好的区分效度。

表3 验证性因子分析比较

2.描述性统计。表4展示了本文主要变量的平均数、标准差、相关系数和内部一致性系数。其中关系强度与广关联性(r=0.657，p<0.001)、泛可见性(r=0.677，p<0.001)和富载体性(r=0.679，p<0.001)显著正相关，NPS与广关联性(r=0.772，p<0.001)、泛可见性(r=0.794，p<0.001)和富载体性(r=0.799，p<0.001)显著正相关。同时关系强度与NPS(r=0.839，p<0.001)显著正相关。

3.主效应检验与中介效应检验。本文通过层次回归来进行假设检验。首先，本文对主效应的检验中，泛可见性(β=0.105，p<0.001)、富载体性(β=0.110，p<0.001)与NPS显著正相关，但广关联性(β=0.036，p>0.05)与NPS没有显著相关性。H1b、H1c成立，但H1a不被支持。

其次，为了检验关系强度在社会化商务沟通三个核心特质与NPS之间关系中发挥的中介作用，本文根据陈瑞等(2013)[40]介绍的Bootstrap方法进行检验，样本量选择5000，在95%置信区间下，中介检验的结果如表5所示，均没有包含0，表明关系强度在广关联性(Effect=0.113，CI=[0.090，0.138])、泛可见性(Effect=0.114，CI=[0.092，0.138])、富载体性(Effect=0.108，CI=[0.088，0.132])与NPS之间关系中的中介效应显著。此外，控制了中介变量后，自变量对NPS的影响仍显著(Effect=0.111，CI=[0.086，0.136]；Effect=0.124，CI=[0.098，0.149]；Effect=0.121，CI=[0.096，0.145])。综上分析可知，关系强度在广关联性、泛可见性、富载体性与NPS之间关系中起部分中介作用。因此H2a、H2b、H2c得到验证4.IT可供性感知的调节效应检验和有调节的中介效应的检验。本文将合同详尽性纳入控制变量，并依次加入了中心化后的IT可供性感知和不同自变量的交互项。首先，在调节效应检验结果中，广关联性和IT可供性感知的交互项(β=-0.100，p<0.001)、泛可见性和IT可供性感知的交互项(β=-0.102，p<0.001)富载体性和IT可供性感知的交互项(β=-0.122，p<0.001)均与关系强度显著负相关。同时为了更直观地考察IT可供性感知的调节作用，本文根据Aiken等(1991)[41]的建议，将IT可供性感知均值加减一个标准差分为高水平组和低水平组，图3展示了调节回归结果。综合表6与图3可知，IT可供性感知在广关联性、泛可见性、富载体性与关系强度之间关系中起负向调节作用，假设H3a、H3b、H3c成立。

表5 关系强度中介效应检验结果

表6 IT可供性感知的有调节的中介效应路径分析

图3 IT可供性感知的调节作用示意图

其次，为了检验IT可供性感知的有调节的中介效应的显著性，本文参照陈瑞等(2013)[40]以及Hayes(2013)[42]提出的有调节的中介分析模型(Model 7)进行Bootstrap中介变量检验，样本量选择5000，在95%置信区间下，中介变量关系强度的确中介了广关联性和IT可供性感知的交互项(Effect=-0.033，CI=[-0.046，-0.021])、泛可见性和IT可供性感知的交互项(Effect=-0.028，CI=[-0.042，-0.015])、富载体性和IT可供性感知的交互项(Effect=-0.030，CI=[-0.043，-0.017])对NPS的影响。进一步均值、均值加减一个标准差，区分了低、中、高三种IT可供性感知程度，分析了在不同IT可供性感知状态下自变量对NPS的影响中关系强度的中介效应，数据结果显示，对于低可供性感知与中可供性感知来说，关系强度的中介效应显著，均不包含0；而对于高可供性感知来说，关系强度并不发挥中介作用，该区间包含0。综上可知，IT可供性感知的有调节的中介效应显著，H4a、H4b、H4c得到支持。

5.合同详尽性的调节效应检验和有调节的中介效应的检验。本文将IT可供性感知纳入控制变量，并加入了中心化后的合同详尽性和关系强度的交互项。首先，在合同详尽性的调节效应检验结果中，合同详尽性和关系强度的交互项(β=-0.043，p<0.001)与NPS显著负相关。同时本文用图4直观展示了调节回归结果。综上所述，合同详尽性在关系强度与NPS之间关系中起负向调节作用，H5得到支持。

图4 合同详尽性的调节作用示意图

其次，为了检验合同详尽性的有调节的中介效应的显著性，本文参照陈瑞等(2013)[40]以及Hayes(2013)[42]提出的有调节的中介分析模型(Model 14)进行Bootstrap中介变量检验，样本量选择5000，在95%置信区间下，结果如表7所示，关系强度和合同详尽性的交互项(Effect=-0.026，CI=[-0.038，-0.014]；Effect=-0.026，CI=[-0.039，-0.014]；Effect=-0.026，CI=[-0.039，-0.015])对NPS影响显著。进一步均值、均值加减一个标准差，区分了低、中、高三种合同详尽性程度，分析了在不同合同详尽性程度下自变量对NPS的影响中关系强度的中介效应，数据结果显示，对于低合同详尽性与中合同详尽性来说，关系强度的中介效应显著，均不包含0；而对于高合同详尽性来说，关系强度并不发挥中介作用，该区间包含0。综上可知，合同详尽性的有调节的中介效应显著，H6a、H6b、H6c得到支持。

表7 合同详尽性的有调节的中介效应路径分析

四、结论、启示与展望

(一) 研究结论

第一，社会化商务沟通的核心特质有三个，包括广关联性、泛可见性和富载体性，分别在沟通广度与效率、信息的存取与共享以及载体的多样和交互三个方面体现社会化商务沟通的独特优势，并影响着企业间推荐意愿的形成。

第二，泛可见性、富载体性分别与NPS显著正相关，但广关联性与NPS相关性不显著。同时关系强度在广关联性、泛可见性、富载体性与NPS之间关系中起部分中介作用。经过与扎根结果的比较分析，本文认为广关联性与关系强度、NPS的相关性不强的原因在于，广关联性主要体现为社会化商务沟通在沟通广度与效率方面的工具性价值，更易使企业把关注点放在交易往来与问题解决上，而非情感的交互以及关系的建立与维护，因此广关联性对关系强度与NPS等企业关系绩效方面的影响较小。

第三，IT可供性感知在广关联性、泛可见性、富载体性与关系强度之间关系中起负向调节作用，同时还分别负向调节关系强度在社会化商务沟通的广关联性、泛可见性和富载体性与NPS的关系中所起的中介作用。

第四，合同详尽性在关系强度与NPS之间关系中起负向调节作用，同时合同详尽性分别负向调节关系强度在社会化商务沟通的广关联性、泛可见性和富载体性与NPS的关系中所起的中介作用。

(二) 理论意义

首先，本文采用扎根理论方法明确了社会化商务沟通的三个核心特质，并通过调查问卷的定量方法进行了验证。尽管在线沟通的普及性与重要性越发凸显，但现有文献更多关注电子商务谈判的技术先进性和适用性(Kersten和Lo，2003)[4]及影响因素(Koeszegi等，2011)[5]以及社交媒体在商务沟通中的应用效应(Utami等，2019；Chatterjee等，2021；Fraccastoro等，2021)[6-8]，对什么特质支撑了社会化商务沟通的独特优势研究不足，因此本文对社会化商务沟通的质性挖掘，区分了三种核心特质及其差异化影响，为社会化商务沟通提供了独特而细致的见解。

其次，本文是深入探索和解释社会化商务沟通的泛可见性、富载体性通过关系强度正向影响NPS的第一批研究。与以往关系与口碑研究不同，本文基于社交媒体时代口碑失控的现实，不再关注传统的口碑与满意度指标(Cheung和Lee，2012；Lurie和Mason，2007)[11-12]，而是将NPS引入B2B情景，并从社会网络理论视角创造性解读社会化商务沟通产生推荐意愿的内在机制。因此通过对社会化商务沟通进行更精细的划分，本文从关系性角度增进了对社会化商务沟通与口碑推荐意愿之间潜在关系发展过程的理解，丰富了社会网络理论相关文献，同时有助于现有的关于社会化商务沟通对企业口碑绩效一般影响的理论和经验知识最后，考虑到社会化商务沟通所依赖的在线虚拟环境与B2B情境的独特性，本文响应了Runions和Bak(2015)[16]对在线环境中非人性化趋势的关注，以及Memon等(2015)[32]对B2B领域合同的重视，揭示了IT可供性感知与合同详尽性作为调节变量对关系强度在社会化商务沟通与NPS间中介作用的负向影响。立足于在线沟通的虚拟环境与本文在B2B领域中关系强度的聚焦，本文发现了IT可供性感知与合同详尽性两个边界条件，从理论上深化了社会化商务沟通对NPS影响效应的认识，可提供更准确的口碑绩效预测。

(三) 实践意义

首先，企业可以充分发挥社会化商务沟通三大特质的优势来提升企业间的关系强度与口碑推荐。通过高效灵活的联系与互动、信息化的信息的存取与共享、多样化且体验性文本载体，B2B企业可以增强企业间的了解、认可与情感交互，进而提升正面口碑并激发推荐意愿与行为。

其次，B2B企业要尤其重视关系强度以及NPS等忠诚度指标背后的关系价值。一方面，企业可以通过及时回应、长期合同、自发互惠与情感认可等行为向合作方发出关系建立发展的信号，并展示自身对关系的投资，提高并深化与合作方的关系强度；另一方面，鉴于传统的满意度考核正在制造越来越多投诉专业户的现实，企业可以将注意力放到NPS等多渠道、多维度的忠诚度指标上，同时利用大数据优化指标数据分析，开展推荐客户维持、中立客户转化以及贬损客户情感修复等策略，以提升企业的正面口碑。

最后，企业需要明确社会化商务沟通并不能完全替代线下沟通，而且在线沟通时要尤其注意人性化的情感交流，避免虚拟环境中IT技术造成的非人性化感知对企业间关系的伤害。同时追求合同详尽性的同时需要考虑企业间关系强度，以促进企业的可持续发展。