潘洪濤 李葉

摘要：文章以微博為研究在線口碑最新的研究對象，通過對微博數(shù)據(jù)進(jìn)行點互信息算法的實證分析，解決了目前在社會網(wǎng)絡(luò)服務(wù)與品牌管理領(lǐng)域的一個新興問題，即基于微博的在線口碑的品牌個性是怎樣的，并為企業(yè)提出了管理建議。

關(guān)鍵詞：微博；在線口碑；品牌個性

近年來，借助于技術(shù)的進(jìn)步，社會網(wǎng)絡(luò)服務(wù)（Social Networking Services，簡稱SNS）發(fā)展迅速。微博（Microblog）是SNS的代表，自從Twitter的使用，微博日益成為顧客，企業(yè)，學(xué)者所關(guān)注的焦點。由于社會網(wǎng)絡(luò)服務(wù)的特征與功能，我們有理由相信它可能成為口碑傳播的新方式并且影響顧客與企業(yè)之間的關(guān)系，如品牌形象與品牌識別（Bernard J.Jansen & Mimi Zhang，2009）。Davenport和Beck（2002）在探討了現(xiàn)代社會網(wǎng)絡(luò)服務(wù)在商業(yè)領(lǐng)域中的持續(xù)作用，并以此為基礎(chǔ)上提出了“眼球經(jīng)濟(jì)”（Attention Economy）的概念，他們認(rèn)為在現(xiàn)代社會網(wǎng)絡(luò)中，品牌都處在吸引顧客關(guān)注的競爭之中。在眼球經(jīng)濟(jì)中，微博成為顧客與顧客之間，顧客與企業(yè)之間溝通的新方式。通過微博簡短的留言和評論可以表達(dá)情感和態(tài)度。因此，有必要將微博作為在線口碑的一種新的形式而加以關(guān)注和研究。本研究希望通過對微博內(nèi)容的分析，探索微博作為在線口碑的新的表現(xiàn)形式，其中所表現(xiàn)出對品牌個性的感知。

一、 相關(guān)文獻(xiàn)綜述

1. 在線口碑。口碑（Word of Mouth，簡稱WOM）是從一個顧客向另一顧客信息傳遞的過程（Richins & Root-Shaffer，1988）。在商業(yè)領(lǐng)域中，口碑包括了顧客之間相互分享的態(tài)度、觀點，以及對商業(yè)活動、產(chǎn)品、品牌和服務(wù)的反應(yīng)。對于企業(yè)而言，口碑的影響是多方面的、層次的而又不容易控制的（Dellarocas，2003）。作為一種信息交流的方式，在線口碑被定義為“由潛在顧客、實際顧客或是以前的顧客產(chǎn)生的針對公司或產(chǎn)品的一些陳述，這些陳述通過互聯(lián)網(wǎng)很容易被其他人和組織所獲得”（Hennig-Thurau，Gwinner，Walsh & Gremle，2004）。

就在線口碑而言，微薄的研究到目前還很少見。Barton（2006）認(rèn)為微博可以發(fā)生在顧客購買決策中也可以發(fā)生在購買行為之中。Java，Song，F(xiàn)inin和Tseng（2007）研究了Twitter作為社會網(wǎng)絡(luò)的拓?fù)鋵W(xué)和地理學(xué)特征。因此，微博作為新的信息溝通形式，對于廣告、商業(yè)和產(chǎn)品的成功有著重要的作用，理解微博的作用對于市場中的各方非常關(guān)鍵（Bernard J.Jansen & Mimi Zhang，2009）。

Bernard J.Jansen和Mimi Zhang（2009）在綜合研究在線口碑文獻(xiàn)的基礎(chǔ)上提出了，微博與品牌關(guān)系一般模型。該模型中，微博傳遞的品牌信息可以影響顧客品牌知識，包括品牌知覺和品牌形象，而品牌知覺也會影響品牌形象的感知。顧客有關(guān)品牌的知識（知曉與形象）影響品牌關(guān)系中的品牌滿意與品牌信任，而品牌滿意與品牌信任的高低則影響品牌依戀的產(chǎn)生。品牌依戀則決定了顧客的當(dāng)前購買行為和未來的購買行為。模型也預(yù)期了前置變量品牌知識和顧客購買行為可能存在著直接的作用，模型特別預(yù)期了基于微博內(nèi)容的品牌形象與當(dāng)前購買行為之間存在相互的作用。

2. 品牌個性。Aaker（1997）將品牌個性定義為“品牌所具有的一系列人類的性格特征”并采用“大五”人類個性量表開發(fā)了品牌個性的理論框架。黃勝兵、盧泰宏（2003）在西方研究的基礎(chǔ)上提出了中國本土品牌的個性化維度，分別為仁、智、勇、樂、雅。本研究的主要對象是有關(guān)中國本土品牌微博中的內(nèi)容（一般為文字內(nèi)容），通過對文內(nèi)容進(jìn)行內(nèi)容分析可以獲得內(nèi)容撰寫人的對品牌的認(rèn)知及情感態(tài)度，因此，本文采用黃勝兵、盧泰宏（2003）對中國本土品牌個性維度的分類，通過分析微博內(nèi)容研究品牌個性情況。

二、 研究過程

1. 微博平臺選擇。我們選擇了國內(nèi)目前用戶最多的兩個平臺（新浪微博與騰訊微博）。新浪微博是中國大陸地區(qū)第一個正式使用的微博平臺，截止截至2012年12月底新浪注冊微薄用戶數(shù)已超過5億。騰訊微博由于QQ強(qiáng)大的用戶基礎(chǔ)，其注冊用戶也已經(jīng)超過5億。鑒于以上兩個微博平臺在國內(nèi)的影響力，因此本文選擇這兩個平臺作為研究對象。

2. 品牌選擇。本文研究的是微博對于品牌的作用，因此我們需要選擇被研究的品牌。我們使用百度搜索，選擇了國內(nèi)有關(guān)品牌排行的點擊量前三名的網(wǎng)站：福布斯中文網(wǎng)（http：//www.forbeschina.com/）、CCTV年中國度品牌榜（www.cctv.com/）、中國品牌榜（http：//www.chinabrand.cn/）研究中國2012年品牌價值排行榜，為了保證橫截面樣本的穩(wěn)定，我們選擇了中國品牌榜中的行業(yè)品牌分類，并且選擇了大眾消費(fèi)者日常生活中經(jīng)常接觸到的一些產(chǎn)品品牌作為研究對象以確保這些品牌的官方微薄有較多的人關(guān)注。此外，在品牌的選擇中，我們刻意選取了一些生產(chǎn)相同產(chǎn)品或服務(wù)的相互競爭的品牌。

本研究選取的研究品牌如表1所示，每一行業(yè)選擇了一個主要的品牌，和一個與主要品牌競爭的品牌，和其它一些在排行榜中名次較低的品牌。

3. 數(shù)據(jù)收集與分析。

（1）數(shù)據(jù)采集。我們收集的數(shù)據(jù)包括兩大類，一類是在一定時間段內(nèi)，新浪和騰訊兩個微博平臺中發(fā)表的關(guān)于表1中品牌的微博內(nèi)容；第二類是采集表1中品牌的官方微博中的關(guān)注數(shù)量、粉絲數(shù)以及對特定營銷事件，用戶的反應(yīng)（表2）。我們采用，微博搜索工具新浪微薄助理和SOSO微博（http：//t.soso.com/）作為數(shù)據(jù)搜索工具，共收集了從2012年10月1日到2012年11月31日為期兩個月的數(shù)據(jù)。由于采集到的微博評論有些是無效的，如對品牌沒有實質(zhì)的描述、微博廣告等，我們利用數(shù)據(jù)挖掘工具火車頭數(shù)據(jù)采集器對數(shù)據(jù)進(jìn)行清洗，去除HTML標(biāo)記，主貼中的廣告及其鏈接，修改亂碼，建立起可以使用的文本庫。從表2中，可以看出微博中針對奶粉、信息服務(wù)、運(yùn)動服裝、肉類加工等行業(yè)的評論較多。

（2）研究方法。對于第一和第二問題，由于需研究微博內(nèi)容的語義問題，將使用信息理論中點互信息。（Pointwise Mutual Information，簡稱PMI）算法開展研究。Turney（2002）發(fā)展了PMI算法用以計算兩個詞之間的點互信息（稱為SO-PMI算法，如公式1），該算法通過計算文本中抽取的關(guān)鍵詞和種子詞（Excellent，Poor）的相似度來對文本的情感傾向性進(jìn)行判別。在公式（1）中P（Word1&Word2）是Word1和Word2的在同一文本中同現(xiàn)概率，p（word1）和p（word2）是word1和word2同一文本分別出現(xiàn)的概率。如果兩個詞在統(tǒng)計意義上是相互獨立的則概率為1，其取對數(shù)后值為0；如果兩個詞有強(qiáng)聯(lián)系，則可以算出兩個詞之間的相對距離。

PMI（Word1，Word2）=log2■（1）

（3）品牌個性描述語。以上點互信息算法可以幫助我們了解品牌個性與微博內(nèi)容的聯(lián)系。因為我們選擇的是中國自有品牌，因此我們采用黃勝兵，盧泰宏（2003）本土品牌個性化的維度。在中文里有很多可以表示“仁、智、勇、樂、雅”的詞語，因此，我們需要建立語義分析編碼表，盡可能包含具有以上五個維度語義的詞匯。為此，我們按照內(nèi)容分析法的規(guī)則進(jìn)行分析。首先選擇分析單元，由于微博內(nèi)容語言較少，我們將分析單元設(shè)定為短句。第二步是建立分類，就是將數(shù)據(jù)中有關(guān)品牌個性的描述進(jìn)行歸類，比如微博中有的認(rèn)為海爾電視“智能”、有的認(rèn)為“聰明”、還有的認(rèn)為“先進(jìn)”，基于語義的內(nèi)涵我們都將它們歸為“智”。建立分類的前提是制定編碼規(guī)則，培訓(xùn)編碼人員，然后進(jìn)行編碼人員的前測，在編碼分類后還要進(jìn)行信度的檢測，這樣做的目的是保證，不同的編碼者對分析單位所屬類目的意見應(yīng)有一致性（孫瑞英，2005）。

在本研究中我們選擇8名市場營銷專業(yè)的博士研究生作為編碼員，其中2人作為前測編碼員，6人為編碼員。首先，前測編碼人員利用《現(xiàn)代漢語大詞典》、《近義詞詞典》、《現(xiàn)代漢語詞頻詞典》選擇與“仁、智、勇、樂、雅”相近的詞匯，生成詞匯編碼表；其次，編碼人員利用編碼表隨機(jī)選擇600條評論進(jìn)行編碼測試，將測試結(jié)果反饋給前測編碼員，進(jìn)行詞匯調(diào)整（增加了5個詞匯減去12個詞匯）并修正編碼表；最后，編碼員利用編碼表進(jìn)行編碼，生成最終的詞匯編碼表（表3），結(jié)果表明采用這種方法的編碼可靠性較高（Cohen's k=0.85）。

（4）數(shù)據(jù)加工。利用計算機(jī)對中文文本進(jìn)行語義分析，首先要對文本數(shù)據(jù)進(jìn)行分詞處理，分詞是整個語義分析中非常重要的一步，分詞的正確與否直接關(guān)系到文本分類的準(zhǔn)確率。本研究選擇了中國科學(xué)院ICTCLAS分詞工具，其分詞準(zhǔn)確率達(dá)到96%以上。其次，將分詞處理后。使用ICTCLAS工具對文本數(shù)據(jù)進(jìn)行詞性標(biāo)注，標(biāo)注后重新入庫。第三，利用自動抽取句子的SBGA系統(tǒng)，抽取同時含有品牌名稱與品牌形容詞（或近義詞，如表2）的句子，并排除包含“不”、“否”、“非”、“不是”、“不好”等否定詞語的句子。如表4，其中評論句子總數(shù)是指包含有品牌個性形容詞的有效句子數(shù)。

（5）品牌PMI值計算。我們將（1）式的算法進(jìn)行改進(jìn)，對于某一品牌B和品牌個性P，我們將PMI方法簡化，可以利用數(shù)據(jù)中既包含B又包含P的比例來計算，那么這一品牌在品牌個性P上的相對位置就可以表示為式（2）， Yp是品牌個性P上各個品牌的均值。

SB，P=■（2）

經(jīng)過標(biāo)準(zhǔn)化后可得式（3），S的修正值S'。設(shè)其最高值為50，最低值為-50。

S′B，P=SB，P-■（3）

從表5中我們可以了解到相互競爭的品牌在微博用戶中的品牌個性，比如李寧與其主要競爭對手安踏、特步和361度。在用戶感知到的五種品牌個性中，其PMI值雖然均未有處在第一位的，但五種個性比較均勻。這說明在用戶的心中，李寧的運(yùn)動品牌是一個比較中庸的品牌，其產(chǎn)品沒有突出某一種個性。而其它品牌相對于李寧而言處于追趕者的地位，因此他們會突出將品牌的某一個性，以此吸引顧客。

4. 討論。研究中，我們使用了新的方法——點互信息的算法，通過計算微博中同一句話中，兩個詞語之間的相對距離，以此判定微博發(fā)言人的情感傾向。這種方法全完不同于以往營銷學(xué)中使用的方法。我們認(rèn)為傳統(tǒng)的營銷學(xué)研究方法如實驗法和調(diào)查問卷法，都很難在互聯(lián)網(wǎng)中使用。而對二手?jǐn)?shù)據(jù)的分析方法，能較好的展現(xiàn)網(wǎng)絡(luò)中營銷學(xué)的本質(zhì)問題。在研究中，我們只是靜態(tài)的研究了顧客心中的品牌個性的感知，沒有對品牌個性感知的變化進(jìn)行動態(tài)的探討。特別對于一些發(fā)生了重大事件的品牌，如雙匯、蒙牛。動態(tài)的考察顧客的品牌個性感知對于實踐領(lǐng)域有著更重大的實踐意義。

三、 結(jié)論

1. 研究結(jié)論。本研究中利用微博用戶的在線口碑，使用點互信息的方法和品牌個性維度，從微博的內(nèi)容中挖掘出顧客對品牌個性的感知，從證實了微博內(nèi)容確實包含了顧客對品牌個性的感知。

2. 管理建議。通過本研究，我們發(fā)現(xiàn)微博日益成為顧客之間，顧客與品牌之間溝通的紐帶。而且由于微博高度實時性、高度的草根性與高度的開放性，對品牌管理產(chǎn)生了巨大的挑戰(zhàn)。我們建議：第一，企業(yè)應(yīng)盡早建立自己的品牌微博，積極參與到顧客的互動中；第二，要利用微博中的意見領(lǐng)袖和被關(guān)注眾多的用戶，傳播品牌信息；第三，加強(qiáng)事件中微博的應(yīng)急與處理機(jī)制和策略的研究與制定。

參考文獻(xiàn)：

1. 王海忠，于春玲，趙平.品牌資產(chǎn)的消費(fèi)者模式與產(chǎn)品市場產(chǎn)出模式的關(guān)系.管理世界，2006，（1）：106-119.

2. 孫瑞英.網(wǎng)絡(luò)數(shù)據(jù)內(nèi)容分析研究.圖書館學(xué)研究，2005，（5）：35-39.

3. 李綱，甘停，寇廣增.基于文本情感分類的網(wǎng)絡(luò)推手識別.圖書情報工作，2010，54（8）：77-80.

4. Bernard J. Jansen & Mimi Zhang. Twitter Power： Tweets as Electronic Word of Mouth， Journal of the American Society for Information Science and Technology，2009，60（11）：2169-2188.

5. Richins， M.L.， & Root-Shaffer， T. The role of involvement and opinion leadership in consumer word-of-mouth： An implicit model made explicit，Advances in Consumer Research，1988，（15）：32-36.

6. Dellarocas， C. The digitization of word- of-mouth： Promise and challenges of online reputation systems， Management Science，2003，49（10）：1407-1424.

7. Duana，W.， Gub， B.， &Whinston， A.B. Do online reviews matter？-An empirical investigation of panel data， Decision Support Systems，2008，45（3）：1007-1016.

基金項目：上海財經(jīng)大學(xué)研究生創(chuàng)新基金項目“消費(fèi)者困境與品牌態(tài)度決策：基于網(wǎng)絡(luò)推手信息和品牌奇觀的研究”（項目號：CXJJ-2011-321）；教育部人文社會科學(xué)研究基金青年項目“品牌社群關(guān)系網(wǎng)絡(luò)的密度、中心性和聯(lián)結(jié)強(qiáng)度研究”（項目號：09YJC630079）；上海財經(jīng)大學(xué)研究生創(chuàng)新基金（項目號：CXJJ-2011-317）。

作者簡介：潘洪濤，上海財經(jīng)大學(xué)國際工商管理學(xué)院博士生；李葉，上海財經(jīng)大學(xué)國際工商管理學(xué)院博士生。

收稿日期：2013-03-28。