3 数据分析与结果

本研究调查问卷主要通过线上渠道进行发放与回收，最后总计回收240份问卷，其中有效的问卷191份，本文运用SPSS 21.0软件来对有效问卷进行数据分析。

3.1 描述性统计分析结果

样本男女性百分比分别为30.4%和69.6%，以女性占多数。样本最大的年龄为57岁，最小为18岁，样本覆盖的年龄面是比较广。89.5%为本科以上学历，职业中学生占67%。样本人群较为偏向90后学生群体，这也是微博和微信主要活跃的用户群体。另外，随着智能手机的普及和移动通讯技术的发展，微博与微信这类移动社交媒体软件的使用人群不仅仅只是年轻人群，特别是微信，用户的年龄面较宽泛。

微博因为早于微信面世，用户平均使用时长要长于微信，59.2%的样本使用时长在三年到四年以上，而微信使用时长主要集中在两年到四年内。

3.2 效度与信度检验

本研究通过验证性因子分析对量表进行效度检验，在对微信广告量表进效度检验时，本应归属于“社会影响”因子的题项“我周围认识的很多人都会关注微博/微信广告”，在因子分析中被单独析出，故将其单独列为一个因子，命名为“亲友关注度”。因子分析检验结果显示微博、微信广告量表各因子层面的题项变量的因子负荷量均在0.5以上。效度检验结果表明微博与微信广告量表都有较好的聚合度。信度检验结果显示，微博广告和微信广告各变量的Cronbach α值都在0.7以上，各变量题项的内部一致性信度良好，说明本研究问卷测试效果的可信度很高。

从表2、表3可以看出除了感知风险以外，微信广告对应的各变量得分均值都高于微博广告，感知风险总分均值低于微博广告，说明整体而言，用户对微信广告的态度、体验和接受意愿都要高于微博广告。

3.3回归分析

本研究运用逐步多元回归分析方法，深入探讨各影响因素是如何影响用户接受意愿的，建构一个最佳的接受意愿回归模型。逐步多元回归分析会从数个自变量中找出对因变量最具预测力的自变量以建构一个最佳的回归分析模型，回归系数未达显著的自变量会被排除于回归模型之外。

3.3.1 微博广告用户接受意愿影响因素回归分析

由表4可知，控制变量与接受意愿的回归分析显著度（p＞.05）都未达到显著水平，可知性别、年龄、学历、职业和使用时长对微博广告用户接受意愿没有显著影响。回归分析结果显示共有四个影响因素进入回归模型。这四个因素分别是“社会影响”、“感知精准性”、“努力期望”和“内容绩效期望”，他们的回归系数均达到显著水平，且回归系数为正，故这四个影响因素对微博广告用户接受意愿有显著的正向影响，并且与控制变量无关，假设1、3、4、6得到验证。此外，“广告奖励”与“感知风险”的回归系数没达到显著水平（p>.05），被排除在回归模型外。根据标准化回归系数β值，可以得到回归方程式：

微博广告用户接受意愿=0.390*社会影响+0.192*感知精准性+0.166*努力期望+0.140*内容绩效期望。

综合以上回归分析结果，可以得到调整后的微博广告用户接受意愿影响因素路径模型图（只收入回归系数呈显著水平的因素），见图3：

3.3.2 微信广告用户接受意愿影响因素回归分析

由表5可知，控制变量与接受意愿的回归分析显著度（p＞.05）都未达到显著水平，可知性别、年龄、学历、职业和使用时长对微信广告用户接受意愿没有显著影响。微信广告回归分析结果中也有四个影响因素进入回归模型，这四个因素分别是“感知精准性”、“努力期望”、“社会影响”和“亲友关注度”，他们的回归系数均达到显著水平，且回归系数为正，故这四个影响因素对微信广告用户接受意愿有显著的正向影响，且与控制变量无关，假设3、4、6得到验证。另外，“内容绩效期望”、“广告奖励”和“感知风险”的回归系数没达到显著水平（p> .05），被排除在回归模型外。根据标准化回归系数β值，可以得到回归方程式：

微信广告用户接受意愿=0.339*感知精准性+0.270*努力期望+0.206*社会影响+0.172*亲友关注度。

综合以上回归分析结果，可以得到调整后的微信广告用户接受意愿影响因素路径模型图（只收入回归系数呈显著水平的因素），见图4.2：

综合归纳以上数据分析结果，本研究的假设检验结果如下表6所示：

4 研究结论

本研究试图发现影响用户广告接受意愿的因素在微博与微信上的差异性，通过寻找到各自不同的侧重点，讨论微博与微信在广告营销中如何充分发挥出各自的优势，为广告营销实务提供实证参考依据。

（1）研究结果表明对微博广告用户接受意愿影响最大的是社会影响因素，而微信广告是感知精准性。这反映用户对微博与微信广告接受的侧重点有所不同。用户对微博广告关注的侧重点是所在群体里其他用户的态度，而对微信广告关注的侧重点是广告是否匹配自己的需求，这与微博和微信不同的平台属性特点有关。

微博平台上的交互行为都是开放透明的，用户更容易受到所在群体中其他人的影响，这也从一个侧面反映了普通用户在微博上更多地是“围观”和“跟随”，围观热点话题，跟随意见领袖。虽然是自媒体平台，但微博上的话语权和影响力还是主要集中在少数人手中，意见领袖的影响力非常大，通过意见领袖的中介作用能深刻影响普通用户的态度，这也是很多广告主选择微博的明星大V博主进行代言或推送广告的原因。微博平台弱关系链最典型的表现形态就是以明星大V微博为核心的粉丝圈子，各圈子相互嵌套勾连，大V账号间的互动可以产生多元中心效应，一对多到多对多，扩大传播范围，增加边缘受众。而微信相比于微博更加私密个人化，信息传播和交互相对封闭，很难营造出微博上全民关注的大热门话题，在私密的社交平台上，用户对与之不相关的营销信息的打扰会非常排斥。相对于微博的一对多到多对多的传播模式，微信上更多的是一对一的深度互动，微信用户的主导权利较大，只有推送用户感兴趣的内容才能吸引用户主动长时间关注。

（2）社会影响对微博与微信广告的用户接受意愿都有显著正向影响。这说明用户在决定是否接受微博和微信广告时很大程度上会受到身边特定群体的影响。而其中亲友关注度是用户接受微信广告意愿的一个重要正向影响因素，而在微博广告中这一因素并没有被单独的特别强调；内容绩效期望显著影响微博广告的用户接受意愿，而对微信广告影响不显著。该结果从广告接受的角度反映微博的媒体属性更强，微信的社交属性更强。以上的不同与微博和微信用户关系链的不同特点有关。

微博用户之间为单向关注的弱关系链，弱关系在信息传播方面的作用显著[13]，因此微博具有较强的媒体属性，用户很看重微博广告传递内容的实用与娱乐价值，他们愿意接受能够提高效率、带来愉悦感的微博广告。依据Granovetter对关系强度的界定，在强关系链中，联系时间较长，情感强度、相互的信任度较高，彼此的互惠性强[14],因此强关系具有一定的影响力[15]。依靠强关系的微信主要提供一对一的互动体验，具有更强的社交属性，Pasquale研究认为强关系将同一社群的用户在内部建立连接[16],本就紧密的熟人圈因为微信提供的社交便利只会变的更加聚合，同一圈子内部个体之间知识结构、经验、背景、兴趣取向都很相似，因此当有人对广告产生关注，这势必会影响到圈内其他人，这种影响不会扩散很广，但确有实实在在的影响作用。

（3）广告奖励对微博、微信广告的用户接受意愿的影响都不具有统计意义上的显著性。以往研究中广告奖励是影响用户对移动广告接受意愿的重要因素，而本研究的结果有所不同，这就提出了一个现实问题：微博与微信上单一重复的转发抽奖活动对于用户的吸引力还剩多少？笔者认为广告奖励只是提高感知价值、吸引用户参与的手段，如果没有更加创新的奖励形式，那么用户更看重的是其他因素，比如广告内容本身能带给用户的价值或者广告能否精准匹配用户需求。

（4）努力期望对微博广告与微信广告的用户接受意愿都有显著正向影响。在这个注意力稀缺的时代，面对两个平台巨大而冗杂的信息量，用户没有太多时间和精力去应付复杂的营销信息。对努力成本的降低，能够提升用户感知的广告价值。因此用户对容易获取、解读和参与的微博和微信广告会更积极地接受。

（5）感知风险因素对微博和微信广告接受意愿都不具有显著的影响作用。虽然在以往很多研究中感知风险是重要的消极影响因素，但近几年已经有研究也发现感知风险的影响作用并没有预想的显著了，消费者对移动技术的感知风险在逐渐降低[17]。因为移动通讯技术的普及，消费者对移动新媒体的使用越来越熟练，已经有意识和能力规避和预防风险，当然这与移动平台自身对安全与风险管理的优化也离不开关系。另外，也有可能是因为感知风险因素需要通过其他变量来对用户接受意愿产生影响，而这需要进一步的研究来验证。

分享让更多人看到