五、数据分析

5.1传统计量模型

在借鉴相关文献的计量模型基础上，结合我国电影产业的特点，本研究共建立了三个模型，运用最小二乘法对下式进行回归分析。由于票房、搜索指数、转发、传播力、互动力和好感度数据之间标准差很大，我们在模型中对票房进行了对数处理，以压缩量纲，消除离群值的影响。

企业发布内容与消费者参与模型验证

我们首先对企业发布内容和消费者行为之间的关系进行分析。得到如表3的结果。

可见，消费者的转发行为与企业发布微博包含的信息量具有显著的正相关关系，也就是说，信息量越大的微博会得到更多的转发，从而通过企业的直接关注者迅速向外传播。但是，消费者不会因为内容包含高信息量而去进行评论，甚至两者之间呈现不显著的负相关关系。但对于高说服力的内容，也即企业通过主动表达情感、与用户对话、提高内容的幽默程度等方式，能够使企业发布内容的评论数量显著上升。这说明微博用户愿意对企业的主动表达行为进行回应，产生交流行为。与之类似的，高说服力的内容也能带来用户点赞数的上升。这表明，企业可以通过提高内容说服力的方式，刺激信息接受者的互动倾向。

由此，本研究提出的假设2a、2b、2c得到验证。

企业发布内容与票房收入模型验证

将电影票房对企业发布内容进行回归，并且在模型中引入了会对电影票房造成影响的其他外生变量进行控制，结果如表4所示。

可见，企业发布内容的信息量与首周票房收入有显著的正相关作用影响。如前文所分析，高信息量消除了消费者的不确定性，降低了决策成本，本研究提出的假设1a得到了验证。然而，我们发现，企业发布内容的说服力以及发布内容的频率与首周票房收入缺乏显著的关系。研究提出的假设1b被拒绝。企业发布内容的说服性内容对票房收入无显著影响，相应的，关于企业与消费者的互动力与好感度在其中的中介作用的假设3b和假设3c也被拒绝。这是由于在消费者与企业双向关系建立的过程中，企业的商业性质在一定程度上是被隐藏的，因此无法直接带来企业产品销量的提高。

3.消费者参与作为中介变量影响发布内容和票房收入的模型验证

将对数化的首周票房收入对内容信息量、微博转发量，以及其他控制变量进行回归，得到表5的结果。

回归结果显示信息性和转发量的回归参数都是显著大于0的。微博用户对企业发布内容的转发行为，在企业发布内容的信息量和首周票房收入之间起到了部分中介的作用。企业发布内容的高信息量激发了信息接受者的转发行为，使得更多的人获知企业发布的内容，从而影响更多潜在消费者对公司的认知、态度和购买决策，为企业商品、服务的销量。

由此，本研究提出的假设3a得到验证。

5.2稳健性检验

于前面的模型中，部分公式中的解释变量，在其他公式中作为外生变量存在。为了解决可能的内生性问题，并对模型进行稳健性检验。在完成上述分析之后，本研究采用三阶段最小二乘法（3SLS）对整个联立方程模型进行系统估计。三阶段最小二乘法是估计联立方程模型全部结构方程的系统估计方法，基本思路3SLS = 2SLS + GLS，即首先用两阶段最小二乘法估计模型系统中的每一个结构方程，然后再用广义最小二乘法估计模型系统。通过三阶段最小二乘法，研究得到如表5-8所示的结果。由于在相关性分析中，互动力和好感度表现出较高的相关性（0.6995），在此模型3中将这两个变量以相加的形式整合成一个变量：反馈力（FeedbackForce）。

表 6三阶段最小二乘法结果 (括号内数值为标准误)

从表中可以看到，三阶段最小二乘法得到的结果与本文此前的分析结果是相似的，模型假设验证的结论相同。因此，本研究数据分析得到的结果是稳健的。

六、总结与展望

本研究在相关研究的基础上，针对企业微博发布内容特征、消费者参与以及企业销售收入三种之间的作用机理进行了分析，构筑了新的理论模型。并且以中国电影市场为研究场景，使用万达院线微博数据以及中国电影市场票房数据，进行了深入的实证研究。针对实证研究的结果，进行了详细的分析，最后获得了一些有价值的结论：

1. 企业发布微博的信息量是微博传播的的重要动力。当企业满足了微博用户对于信息搜索的诉求，向其提供足量的高价值的信息，消费者就更愿意主动进行信息分享。高信息量内容更容易消除网络异质性对信息扩散的影响，跨越结构洞的限制，产生被普遍接受的内容价值。

2. 企业发布微博的说服力能够有效激励企业——消费者双向关系的建立。消费者会对企业内容中外露的情感产生反应，并以评论和点赞的行为表达出来。可见社交网络用户更愿意与那些具有喜怒哀乐的“人格化”虚拟实体进行互动，而较少理睬那些“机器人”一般的机构代理人。

3. 企业营销微博的信息量能够带来产品销量的提高，而微博的传播在其中起到部分中介作用。当企业发布更多关于自己的产品、服务以及企业相关的信息，并以丰富的媒体形式（图片、视频）发布时，消费者从企业发布的信息中建立企业及其产品的认知，降低消费者的决策不确定性风险。一方面，风险的降低影响了消费者的决策偏好，使其更可能与发布信息的企业合作；另一方面，这些高价值的信息更容易通过信息接收者再次传播出去，使更多人接收到企业发布的信息，进一步提升企业的销售收入。

为了适应社交媒体的迅猛发展，人民网的人民微博平台2010年2月上线，按照“以沟通促改变”的宗旨，形成了鲜明的政务微博特色，特别在高端政务微博领域奠定了较为明显的优势。截至2014年9月，人民微博认证的党政机构及干部微博超过30000个。外交部、商务部等20家部委微博落户人民网，上百名部级以上官员在人民微博实现与网友互动交流。在微博内容运营时，人民网可以从以下几个方面进行借鉴：1）应重视富媒体内容，根据主题及受众的需要，尽可能同时运用文字、图片、视频等多种形式来报道新闻事件或发布内容。2）应合理恰当地增强对网民熟悉或流行用语的使用，充分思考微博受众多元化的需求和平台互动性，以此提升亲和力，拉近与网友的距离，激发用户更大程度的参与。3）应增强微博信息含量的条理性。在新浪微博的搜用户栏输入“人民日报”后，会弹出几十个人民日报系列相关微博。数量虽然繁多，但是杂乱无章，开设的标准不一，有些按分社开设，有些按部门开设，有些按媒介产品开设。而且有些同一类别的微博名称的格式也不一，这样会增强网友的辨识和搜索有用信息的难度。建议应设定统一的标准命名，发布信息也尽可能地严格按照各板块的功能。4）通过有选择地转发、解答、评论等方式增强与网友的双向互动，以此增强用户粘性，提高人民日报的近民性。可考虑从网友留言中挑选出新闻线索，并于调查采访证实后发布在微博中，以表扬的方式突出受众在新闻采编过程中的贡献发布，既可以调动群众积极性又可以丰富采编素材。

参考文献

[1] M. Bulearca and S. Bulearca. Twitter: a viable marketing tool for SMEs? [J]. Glob. Bus. Manag. Res. Int. J.. vol. 2. no. 4. pp. 296–309. 2010.

[2] 王睿. 企业微博营销影响因素与短期效果测量研究[D]. 北京邮电大学. 2012.

[3] Dorbian. Social media taps its way into b2b marketing plans[J].

[4] D. Lee. K. Hosanagar. and H. Nair. The Effect of Social Media Marketing Content on Consumer Engagement: Evidence from Facebook[J]. Available SSRN 2290802. 2014.

[5] A. Resnik and B. L. Stern. An analysis of information content in television advertising[J]. J. Mark.. pp. 50–53. 1977.

[6] G. J. Stigler. The economics of information[J]. J. Polit. Econ.. pp. 213–225. 1961.

[7] R. H. Ducoffe. How consumers assess the value of advertising[J]. J. Curr. Issues Res. Advert.. vol. 17. no. 1. pp. 1–18. 1995.

[8] L. R. Klein. Evaluating the potential of interactive media through a new lens: Search versus experience good[J]s. J. Bus. Res.. vol. 41. no. 3. pp. 195–203. 1998.

[9] J. R. Bettman and C. W. Park. Effects of prior knowledge and experience and phase of the choice process on consumer decision processes: A protocol analysis[J]. J. Consum. Res.. pp. 234–248. 1980.

[10] B. L. Stern. D. M. Krugman. and A. Resnik. MAGAZINE ADVERTISING-AN ANALYSIS OF ITS INFORMATION-CONTENT[J]. J. Advert. Res.. vol. 21. no. 2. pp. 39–44. 1981.

[11] L. Porter and G. J. Golan. From subservient chickens to brawny men: A comparison of viral advertising to television advertising[J]. J. Interact. Advert.. vol. 6. no. 2. pp. 30–38. 2006.

[12] J. Berger, K. Milkman. Social transmission, emotion, and the virality of online content[J]. Wharton research paper, pp. 106. 2010.

[13] J. Berger. Arousal Increases Social Transmission of Information[J]. Psychological Science. vol. 22. no. 7. pp. 891–893. Jul. 2011.

[14] C. Tucker. Ad virality and ad persuasiveness[M]. SSRN Work. Pap. Ser.. 2012.

[15] J. Berger and E. M. Schwartz. What drives immediate and ongoing word of mouth? [J]. J. Mark. Res.. vol. 48. no. 5. pp. 869–880. 2011.

[16] P. Patterson. T. Yu. and K. De Ruyter. Understanding customer engagement in services[C]. in Advancing theory. maintaining relevance. proceedings of ANZMAC 2006 conference. Brisbane. 2006. pp. 4–6.

[17] S. D. Vivek. A scale of consumer engagement[M]. The University of Alabama TUSCALOOSA. 2009.

[18] A. Mollen and H. Wilson. Engagement. telepresence and interactivity in online consumer experience: Reconciling scholastic and managerial perspectives[J]. J. Bus. Res.. vol. 63. no. 9. pp. 919–925. 2010.

[19] B. J. Jansen. M. Zhang. K. Sobel. and A. Chowdury. Twitter power: Tweets as electronic word of mouth[J]. J. Am. Soc. Inf. Sci. Technol.. vol. 60. no. 11. pp. 2169–2188. 2009.

[20] F.-R. Esch. T. Langner. B. H. Schmitt. and P. Geus. Are brands forever? How brand knowledge and relationships affect current and future purchases[J]. J. Prod. Brand Manag.. vol. 15. no. 2. pp. 98–105. 2006.

[21] C.-L. Hsu. C.-C. Liu. and Y.-D. Lee. Effect of commitment and trust towards micro-blogs on consumer behavioral intention: a relationship marketing perspective[J]. Int. J. Electron. BusinessManagement. vol. 8. no. 4. p. 292. 2010.

[22] D. Hoe-Lian Goh and C. Sian Lee. An analysis of tweets in response to the death of Michael Jackson[C]. in Aslib Proceedings. 2011. vol. 63. pp. 432–444.

[23] 金永生. 王睿. and 陈祥兵. 企业微博营销效果和粉丝数量的短期互动模型 [J]. 管理科学. vol. 4. 2011.

[24] J. Florin. M. Lubatkin. and W. Schulze. A social capital model of high-growth ventures[J]. Acad. Manage. J.. vol. 46. no. 3. pp. 374–384. 2003.

[25] S. Chung. A. Animesh. K. Han. and A. Pinsonneault. Firm’s Social Media Efforts[J]. Consumer Behavior. and Firm Performance. 2014.

[26] M. J. Culnan. P. J. Mchugh. and J. I. Zubillaga. How Large U.S. Companies Can Use Twitter and Other Social Media to Gain Business Value[J]. Mis Q. Exec.. vol. 9. no. 4. pp. 243–259. 2010.

[27] J. Gallaugher and S. Ransbotham. Social Media and Customer Dialog Management at Starbucks[J]. Mis Q. Exec.. vol. 9. no. 4. pp. 197–212. 2010.

[28] A. T. Ching and M. Ishihara. Measuring the Informative and Persuasive Roles of Detailing on Prescribing Decisions[J]. Manag. Sci.. vol. 58. no. 7. pp. 1374–1387. 2012.

[29] D. A. Ackerberg. Empirically Distinguishing Between Informative and Prestige Effects of Advertising[J]. in Rand Journal of Economics. 2002. pp. 316–33.

[30] D. A. Ackerberg. Advertising. Learning. and Consumer Choice in Experience Good Markets: A Structural Empirical Examin[J]. Int. Econ. Rev.. vol. 44. no. 3. pp. 1007–1040. 2003.

[31] H. Rui. Y. Liu. and A. Whinston. Whose and what chatter matters? The effect of tweets on movie sales[J]. Decis. Support Syst.. vol. 55. no. 4. pp. 863–870. Nov. 2013.

[32] C. Dellarocas. X. Zhang. and N. F. Awad. Exploring the value of online product reviews in forecasting sales: The case of motion pictures[J]. J. Interact. Mark.. vol. 21. no. 4. pp. 23–45. 2007. 

分享让更多人看到