虚拟社区在线口碑与消费者行为Word格式文档下载.docx

虚拟社区在线口碑与消费者行为Word格式文档下载.docx

《虚拟社区在线口碑与消费者行为Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《虚拟社区在线口碑与消费者行为Word格式文档下载.docx（6页珍藏版）》请在冰豆网上搜索。

influencialfactor；

factoranalysis作为新兴的网络平台，虚拟社区在聚集人气、传递信息方面的力量不容小觑。

随着电子商务的发展，虚拟社区更是成为消费者分享个体购物经验、消费体验和沟通信息的重要场所，借助各类搜索工具，消费者不仅可以轻松获得产品和服务的评价信息，也可以方便自由地发表自己的相关体验，形成网络口碑。

据美国jupiterresearch公司的调查显示，消费者往往对那些允许发表产品评论的品牌更为信任，77%的网民在线购买商品前，会参考网上其他人所写的产品评论；

超过90%的大公司相信，用户推荐和网民意见在影响用户是否购买的决定性因素中是非常重要的。

随着虚拟社区的不断成熟。

当前许多企业都希望利用这个平台做好口碑营销，或建设自己的品牌虚拟社区，或利用已有的第三方社区来拓展自己的信息源、进行客户关系管理，但其对在线口碑的认识和使用却大大滞后于飞速发展的口碑影响力。

本文旨在通过构建虚拟社区内在线口碑对消费者行为的影响因素模型，通过对模型的解释给出基本结论和相关建议。

一、文献述评

（一）虚拟社区述评rheingold（1993）将虚拟社区界定为互联网上出现的社会集合体，在这个集合体中，人们经常讨论共同的话题，成员之间有感情交流并形成人际关系的网络。

有关虚拟社区成员自身社区的动机，armstrong等（1999）最先提出消费者是为了交易、兴趣、幻想和关系的需要加入虚拟社区，而且认为一种类型的虚拟社区可以满足成员的多种需要；

dholakia（2002）则认为消费者参与虚拟社区的个体动机有目标性价值、自我发现价值、保持人际联络价值、社会强化价值和娱乐性价值。

在消费者参与虚拟社区的影响因素方面，okleshen（2000）的一项研究表明，潜水行为与感知成员资格不相关，发帖行为与感知成员资格正相关，虚拟社区的规模大小与成员参与活动存在显著地相关关系；

dholakia（2002）则认为个体层次变量和群体层次变量都是驱动成员参与虚拟社区的重要因素，个体层次变量是群体层次变量的前因。

（二）在线口碑述评因特网的出现使得顾客可以透过网页收集其他消费者提供的产品信息以及与此产品有关的讨论，并且顾客可以通过互联网针对特定产品进行自身经验、意见与相关知识的分享，这就形成了在线口碑（onlineword-of-mouth），也称之为网络口碑（sunetal，2006）。

haubl和murray（2006）认为，在线口碑与传统口碑的相似之处是，两者的可信度都较高，传播者都来源于独立的第三方，他们能客观描述有关产品的事实情况。

另外，口碑是双向而非单向传播的，两者都具有很强的交互性。

陈明亮（2009）则提出，在线口碑与传统口碑的不同点主要体现在沟通的渠道和内容形式的不同、传播主体之间的关系强度不同、在线口碑比传统口碑影响力更大等几个方面。

hennigthurauetal（2004）提出，由于媒体的低成本、更广的范围以及更高的匿名性，随着时间的发展，越来越多的顾客似乎可能将或者搜寻，或者简单地置于网络意见领袖的建议之中。

更重要的是，与传统口碑的短暂性不同，网络口碑存在于网络空间中，它能够随时被访问到、链接到和搜索到。

（三）社区成员消费行为述评社区成员消费行为可以从购买态度、购买决策和品牌忠诚度几个方面来综合考虑。

对于潜在消费者，虚拟社区在线口碑最大的影响就是对其购买决策的影响，正面口碑能缩短其决策时间，改变其品牌选择的结果；

对已有的消费者，在线口碑主要是影响其品牌认知，进而提高或降低其品牌忠诚度。

dholakia（2002）提出虚拟社区传播新产品知识和信息会影响成员的消费选择。

hennigthurauetal（2004）对消费者到网络论坛查询其他消费者在线言论的动机和影响进行了实证研究。

结果发现消费者浏览虚拟论坛意见的最大动机是借鉴别人的经验，降低风险，减少搜寻时间，以便做出更好的购买决策，论坛意见对消费者购买决策和购买行为变化有明显的影响。

okleshen（2000）的研究则发现虚拟社区中积极地参与者重视来自群体的信息，并随之修正个人行为，虚拟社区的意见领袖所发布的正面和负面信息会被其他成员高度重视。

郭国庆等（2007）认为，口碑通过对消费者态度的强化或转化实现了其对消费者实际购买行为的影响。

二、实证研究

（一）研究方法本文以因子分析法为主要研究方法，它将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系，其主要宗旨是保证信息损失为最小，因子间不具有显著的相关性。

（二）本文提出的假设本文通过阅读国内外相关文献，将在线口碑传播对虚拟社区成员消费行为的影响因素归纳为以下五个维度：

信息源因素、信息传播方向因素、社区成员自身因素、产品因素、虚拟社区类型因素。

并提出以下假设：

假设1：

信息源因素主要影响指标为使用者主观评价x1、使用者客观陈述x2、第三方评论x3、企业自述x4①这四个方面。

假设2：

信息传播方向因素主要影响指标为正面口碑x5、负面口碑x6和中立口碑7这三个方面。

假设3：

社区成员自身因素主要影响指标为网络涉入度x8、专业程度x9、口碑感知度x10、在线联结强度x11、信息传受双方信任度x12、潜在消费者x13、已有消费者x14。

假设4：

产品因素主要影响指标为习惯性购买渠道x15、产品类别x16、产品外观x17、产品价格x18、产品卷入程度x19。

假设5：

虚拟社区的类型因素主要影响指标为品牌虚拟社区x20、社交型虚拟社区x21、交易型虚拟社区x22和娱乐型虚拟社区x23。

（三）调研对象本文抽选了杭州19楼论坛、天涯社区、onlylady、雅培四个虚拟社区为调研对象。

发放问卷300份，回收有效问卷240份，问卷有效率为80%（非注册用户、年龄15岁以下50岁以上的对象所填问卷被视为无效问卷）。

在接受调查问卷的人员中，男性占41%，其余59%为女性；

年龄在20-35岁的人群所占比例最高，为61%；

受访者80%为大专以上学历；

每天上网时长在4-6小时的比例最高，为36.8%，1-3小时的为25.9%。

（四）统计分析本次调研主要采用结构式问卷进行访问，问卷以封闭式题目为主，辅以部分开放式问题。

问卷数据的处理采用spss.18软件包，主要分析方法有频数分析、因子分析和信度检验。

1．kmo和球形bartlett检验。

假设中的指标是否具有相关性，是进行因子分析的前提。

kmo样本测度和bartlett球形检验是目前检验相关性的主要方法。

其中，kmo值是相关系数与偏相关系数的一个比值，kmo值越大（最大接近1），表示变量间共同因子越多，越适合进行因子分析。

根据学者kaiser的观点，如果kmo的值小于0.5，则不适宜进行因子分析。

一般来说，0.7以上的kmo值才适合做因子分析。

首先作者对处理过的数据结果做相关性检验,发现由这23个指标构成的体系总体kmo值仅为0.422，不适宜进行因子分析，但删除掉虚拟社区类型的四个指标后，即可得到如下结果（表1）。

表1给出了因子分析的kmo和球形bartlett检验结果。

bartlett球度检验的概率p值为0.0000，也就是说相关系数矩阵与单位矩阵有显著差异。

同时,kmo值为0.713,根据kmo度量标准可知，该组数据可以进行因子分析。

另外，统计分析结果显示，假设1中信息源四个因素的信度检验值只有0.298，删掉“企业自述”x4之后，信息源余下的三个子因素的cronbachα系数提高至0.673，调整幅度较高，因此可以将该项子因素删除。

2．旋转矩阵。

考虑到因子分析的一个重要目的在于对原始变量进行综合评价，且利用因子提取方法得到的结果虽然能保证因子之间的正交性，但因子对变量的解释能力较弱，所以需要通过对因子模型进行旋转变换，使公共因子的载荷系数更接近1或0。

表2显示了经过旋转后因子载荷矩阵。

从旋转后的因子载荷矩阵可以看出:

（1）公因子1对使用者主观评价x1、使用者客观陈述x2和第三方评论x3有较高负荷,因此这些指标综合反映了在线口碑对消费者行为影响中的信息源因素,与假设1基本一致。

（2）公因子2对x8、x9、x10、x13、x14和x19即网络涉入度、专业程度、口碑感知度、潜在消费者、已有消费者和产品卷入程度有较高负荷,这与假设3中社区成员自身因素的主要影响指标有一些出入,因此假设3被修正为社区成员自身因素的主要影响指标为为网络涉入度、专业程度、口碑感知度和产品卷入程度、潜在消费者、已有消费者等子因素。

此外，信息传受双方关系强度x11和信息传受双方信任度x12在公因子5上有较高载荷，因此可以将x11和x12划分为一个单独的影响维度，称之为社区成员互动因素。

（3）公因子3对x5、x6、x7,即正面口碑、负面口碑和中立口碑这几个方面有较大载荷的变量,这与假设2中信息传播方向的主要影响因素一致。

（4）公因子4对x15、x16、x18即习惯性购买渠道、产品类别和产品价格这三方面有绝对值较大的负荷系数,但x17产品外观因素并没有体现在公因子4上有较大载荷系数，所以可将这一因素删除，将假设4修正为产品因素的主要影响因子为习惯性购买渠道、产品类别和产品价格。

对原假设进行修正后，得到以下影响因素模型，见表3。

3．信度检验。

信度反映了检测工具所得到结果的一致性或稳定性，是被检测特征真实程度的指标。

在因子分析之后,有必要进行信度检验来了解其可靠性,我们可以用“cronbachα”系数来检测组成量表题项的内在一致性程度。

信度系数越大，表明测量的可信程度越大。

一般来说，在探索性研究中至少要达到0.6，0.7以上或更高认为一致性信度较好，达到0.8或更高即认为非常好。

表4显示了对量表做信度分析得出的结果。

从数据来看，各项数值均符合标准，在0.6以上，属于可接受的范围。

4．结果分析。

对比修正前后的两个模型我们可以发现，原有的23个子因素，通过因子分析后还剩下17个，与原有的假设相差甚大。

五大维度中也去掉了“虚拟社区的类型”这一因素，增加了“社区成员互动”因素。

此外，部分指标被剔除掉，还有部分指标调整至其他的维度。

（1）虚拟社区的类型因素作为在线口碑对消费者行为影响因素的假设不能成立，主要是因为对于虚拟社区的类型，按照不同的标准有多种分类方法，且在线口碑是原创者通过互联网进行口碑信息传递的行为，虚拟社区的类型很难对其传播动机、传播意愿、传播渠道以及网上网下的人际网络有所影响。

经过实地调研也发现，无论是交易型的虚拟社区、社交型的虚拟社区还是品牌虚拟社区、娱乐型虚拟社区，口碑原创者、传播者和搜索者的行为活动方式基本一致，并无太大区别，同时，对消费者行为的影响也是微乎其微。

（2）在因子分析的过程中，企业自述信息x4与产品外观x17这两个因素被剔除了，经过仔细分析，这也是可以理解的。

虚拟社区强大的说服场效应和特殊的人际交往方式决定了企业自述信息不管以什么样的方式出现，很大程度上都会被成员认定为广告，而发布类似信息的社区成员则会被认定为“托”，因此这类信息在虚拟社区中的可信度是比较低的，对消费者行为的影响非常小。

另外，产品外观这个因素之所以被剔除，主要有两个原因，一是许多消费者往往只是以在线口碑为参考，比较之后再选择线下购物的传统方式；

二是物流业的发达基本能保证不同外观网购商品的安全送达。

（3）产品因素中的一个子因素“产品卷入程度”x19调整到社区成员自身因素，这种划分方式可以用态度改变的精细加工可能性模型（elm）来解释：

产品卷入程度与消费者自身因素相关，不同年龄、职业、性别、收入的消费者对产品的卷入程度各不相同。

产品卷入程度是决定信息如何被加工处理以及态度如何改变的关键因素。

对于高卷入程度的产品，消费者进行认真考虑和综合信息之后才会发生态度的改变；

对于低卷入程度的产品，消费只对所获得的信息进行粗浅的处理，并依据信息中的显而易见的线索形成对品牌或企业的印象。

因此，“产品卷入程度”x19这一子因划分至社区成员自身因素较为恰当。

（4）根据因子分析的结果，应将原假设3社区成员自身因素中的两个指标“在线联结强度”x11和“信息传受双方信任度”x12划分为一个单独的维度，本文称之为社区成员互动因素。

根据实地调研的结果来看，社区成员彼此间的熟悉度、感知相似性及信任倾向不仅会正向影响其对社区的信任度，也会由此正向影响其获取信息的意向和消费意向。

在实地调研中我们也发现，社区成员之间的信任显著影响到他们在社区中获取和接受信息的渴望，尤其是在交易型虚拟社区中，这种信任感和在线联结强度不仅能降低双方的交易成本，更能促进两者之间的知识共享。

三、研究结论与建议从以上研究结果来看，口碑信息源、口碑信息传播方向、社区成员自身因素、社区成员互动性和产品等因素在网络口碑对虚拟社区成员消费行为的影响过程中起了最大的作用。

考虑到口碑效果的累积和影响原本就是碎片式、长尾式的，因此企业要想充分重视在线口碑的影响力，需在以下方面做出努力：

（一）提供充足的口碑信息，增加信息可信度虚拟社区内信息源不足是导致口碑信息失真、扭曲的一个重要原因。

由于在线口碑信息源主要由使用者主观评价、使用者客观陈述和第三方评论等组成，且一般以帖子的形式出现，许多帖子的点击率和浏览量很高，但回复率却很低。

在线口碑的这种公共产品属性导致消费者产生搭便车的行为倾向，更多的消费者会选择消费信息而不是去提供信息，从而形成知识困境（knowledge-sharingdilemma）。

要解决这些困境，企业可以激励消费者进行口碑传播。

如先争取获得社会价值取向为合作型的消费者的支持,再通过他们将信息传播出去；

也可以通过建立互相交流机制,增强消费者之间的交流。

这样一方面可以让消费者有更多的口碑获取机会，另一方面还可以增强消费者之间的情感，增强口碑的说服力。

例如，在虚拟社区中,受众可以和自己信任的评论者交流。

在这个过程中,社区内的某些成员逐渐形成了一个关系紧密的网络,他们可以互相评价彼此的产品评论。

这让评论过程变得更为有趣和有回报性。

（二）提高在线口碑作为反馈机制的效益虚拟社区中的受众具备精准的优势，在企业选择精准的目标受众后把口碑传播作为营销的一部分，重视在线口碑的反馈机制功能，将其融入到整合营销体系当中，这样能以低成本有效地吸引新客户和保持老客户，起到一个广告补充的作用（mayzlin，2003）。

同时，这种在线口碑反馈机制可以帮助企业更好地了解客户对产品的反应，同时了解竞争对手的情况及自己产品的缺陷。

企业可以利用一些网络口碑监测手段，定期搜集并整理口碑营销的趋势及效果。

目前一些企业拥有自己的虚拟平台，通过后台运营以期达到良好的推广效果。

这些后台有数据测量的功能，可以定量看到营销数据。

企业中的品牌经理可以将自己管理的品牌设置为监测主题，每天搜集网民针对该品牌的最新讨论趋势，热点话题，讨论的网站类型分布等资料，并进行统计分析，对下一阶段的口碑营销提供参考。

如果口碑营销的效果不在预计之中，企业可以随时调整营销策略，比如增加或者减少口碑数量，积极拓展更加精准的虚拟社区平台等等。

（三）提高在线口碑的间接收益正面口碑能为企业带来比广告更具说服力的间接收益，进而影响企业的收入。

因为消费者的价值不仅仅局限于他买了多少东西，还在于他对企业和产品是什么想法，他准备告诉其他人什么，这些也会影响企业的收入（reinchheld，2003），这一价值我们可以称之为消费者推荐价值。

在虚拟社区中，意见领袖的推荐价值显得尤为突出，因为他们既是话题的发起者，又是担当信息的过滤者。

他们代表社区又监督社区，是权威的化身和信息的源泉。

他们文字表达能力强、分析问题深刻、有独特见解的网民的发言往往影响甚至左右其他网民的看法,并能够引导、控制虚拟社区的舆论方向。

因此企业除了要注意与社区成员们互动以外，还要注意“意见领袖”在虚拟社区中的影响力，尽量取得他们的支持，在社区中形成强有力的说服场，将社区居民网罗其中。

除了话语上的权威性以外，这种“网上名人”（onlinevips）还常常是新思潮的领袖，所以企业可以通过追随这些网上名人以获取他们的观点、对新产品的反馈意见，努力赢得他们的肯定，进而来影响普通的消费者。

（四）掌握处理负面口碑的应急之策负面口碑带来的负面效益难以估算，因此企业应掌握相关的应急之策，应对解除负面口碑传播。

首先，企业可以通过建立顾客档案系统和有效的反馈机制来及时发现并修改产品或服务的错误，并获取创新的建议与机会。

其次，完善顾客投诉机制。

顾客投诉是企业建立和巩固良好企业形象的素材。

顾客在消费后会认为满意的产品或者服务进行正面传播，即正面口碑传播，这才是真正的广告。

消除顾客投诉的阻碍因素可以有效控制负面口碑效应的传播。

这些因素包括：

缺少合适的投诉渠道；

顾客对投诉结果没有信心，或是担心厂家对投诉结果处理不公等。

要扫除这些障碍，公司首先应当鼓励顾客投诉，采用各种奖励补偿方式让顾客主动将心中的不满反映给公司；

同时建立便捷的顾客投诉渠道，使顾客将投诉直接反映到公司；

建立有效投诉处理小组，在最快的时间内对顾客的投诉进行处理，并将投诉处理结果反馈给顾客。

注释：

①企业自述主要指企业在自己的品牌虚拟社区或第三方社区中发布的相关信息，如广告、主题活动、公告说明、公共活动等可识别的官方信息。

参考文献：

［1］陈明亮.在线口碑传播原理［m］．杭州：

浙江大学出版社，2009.［2］蒋雁,吴克烈.基于因子分析的创意产业区影响因素模型研究——以杭州四大创意产业区为例［j］．上海经济研究，2009

（1）:

66-72［3］朱国玮,杨玲.虚拟品牌社区、口碑信息与消费者行为——基于扎根理论的研究［j］．财经理论与实践，2010（5）:

117-122［4］张庆利.spss宝典［m］．北京：

电子工业出版社，2011:

387-403.［5］罗茂群.虚拟社区中口碑影响力的影响苏及其传到机制研究［d］．浙江大学，2010.［6］goldsmith,ronalde.david,horowitz.measuringmotivationsforonlineopinionseeking［j］．journalofinteractiveadvertising,2006,6

（2）:

1-16［7］hennig-thurau,thorsten,kevinp.gwinner,gianfranco,walsh,etalelectronicword-of-mouthviaconsumer-opinionplatforms:

whatmotivatesconsumerstoarticulatethemselvesontheinternet?

［j］．journalofinteractivemarketing,2004,18

（1）:

38-52［8］sundaram,d.s.,mitra,k.andwebster,c.word-of-mouthcommunications:

amotivationalanalysis［j］．advanceinconsumerre－seareh,1998,25

（1）:

527-531［9］bansal,harvirs.,shirleyf.taylor.investigatinginteractiveeffectsinthetheoryofplannedbehaviorinaservice-providerswitchingcontext［j］．psychologyandmarketing,2002,19（5）:

407-425［10］lam,t.,t.baum,r.pine.moderatingeffectonnewemployee’sjobsatisfactionandturnoverintentions:

theroleofsubjectivenorm［j］．annalsoftourismresearch,2003,30

（1）:

160-177［11］wangenheim,florianv.,tomasbayon.theeffect