許研　張欣瑞　陶曉波

摘要：品牌合作下的聯(lián)合促銷是企業(yè)獲取新顧客、提升品牌價(jià)值的重要方式，分析電子商務(wù)下的消費(fèi)者購(gòu)買行為，使聯(lián)合促銷的品牌間關(guān)系研究由傳統(tǒng)“一對(duì)一匹配”方法轉(zhuǎn)向“社會(huì)網(wǎng)絡(luò)分析”等全新的研究方法。本文從電商平臺(tái)的用戶評(píng)價(jià)信息出發(fā)抽象出顧客-品牌網(wǎng)絡(luò)，通過(guò)分析網(wǎng)絡(luò)結(jié)構(gòu)特性而提取品牌組合，并提出一套品牌關(guān)系測(cè)度方法，通過(guò)語(yǔ)素相似性論證該方法的有效性，旨在為企業(yè)的聯(lián)合促銷策略提供參考。

關(guān)鍵詞：聯(lián)合促銷；顧客-品牌網(wǎng)絡(luò)；品牌關(guān)系；社會(huì)網(wǎng)絡(luò)分析；語(yǔ)素相似性分析

中圖分類號(hào)：F274 文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：許研（1983-），女，遼寧錦州人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院講師，理學(xué)博士，研究方向：網(wǎng)絡(luò)效應(yīng)、新產(chǎn)品擴(kuò)散；張欣瑞（1963-），女，河北保定人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院教授，研究方向：品牌管理；陶曉波（1981-），男，重慶人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，管理學(xué)博士，研究方向：面向創(chuàng)新績(jī)效的網(wǎng)絡(luò)營(yíng)銷。

橫向聯(lián)合促銷是指企業(yè)在進(jìn)行促銷時(shí)，基于消費(fèi)者消費(fèi)時(shí)機(jī)或銷售渠道的一致性，與合作企業(yè)進(jìn)行的同類或功能互補(bǔ)型產(chǎn)品的交叉促銷活動(dòng)[1]。相比于供應(yīng)鏈上的制造商與批發(fā)零售商進(jìn)行的縱向聯(lián)合促銷，橫向聯(lián)合促銷不僅可以使聯(lián)合體內(nèi)的各成員以較少費(fèi)用獲得更好的促銷效果，還是企業(yè)獲取新顧客的渠道[2-3]。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，企業(yè)促銷的活動(dòng)規(guī)模和頻率正在不斷增大，但大量的促銷活動(dòng)存在同質(zhì)化嚴(yán)重與效率降低等問(wèn)題，品牌合作下的橫向聯(lián)合促銷（Joint Promotion）是解決這些問(wèn)題的有效途徑。本文著眼于顧客發(fā)表在B2C電商平臺(tái)上的購(gòu)后評(píng)論信息，通過(guò)統(tǒng)計(jì)這些評(píng)論中呈現(xiàn)的用戶與產(chǎn)品信息所構(gòu)建的顧客-品牌網(wǎng)絡(luò)資料，并運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法探究品牌關(guān)系網(wǎng)絡(luò)中的品牌群體特征和品牌關(guān)系，以期為聯(lián)合促銷策略的品牌選擇提供依據(jù)。

一、研究方法與結(jié)果

（一）數(shù)據(jù)來(lái)源及樣本描述

近些年大型B2C網(wǎng)絡(luò)購(gòu)物平臺(tái)在我國(guó)發(fā)展迅猛，顧客購(gòu)買品牌的影響因素除了平臺(tái)服務(wù)、平臺(tái)信譽(yù)，還有平臺(tái)中展示的客觀真實(shí)的用戶評(píng)價(jià)信息，客觀全面的用戶評(píng)價(jià)信息可以幫助企業(yè)制止負(fù)面口碑和謠言的傳播[4]，為以往只能依靠有限調(diào)研或模擬進(jìn)行的社會(huì)網(wǎng)絡(luò)分析，提供了大規(guī)模開(kāi)展和實(shí)施的條件。京東商城是我國(guó)最具影響力的電子商務(wù)網(wǎng)站之一，本研究利用網(wǎng)頁(yè)抓取工具Rost WebSpider，通過(guò)京東商城的API，以某日用品牌中用戶評(píng)論數(shù)超過(guò)1 000的所有產(chǎn)品項(xiàng)目頁(yè)面作為抓取網(wǎng)站入口，抓取了深度為1-3的所有網(wǎng)頁(yè)，這些網(wǎng)頁(yè)涵蓋了該品牌大部分的產(chǎn)品評(píng)價(jià)、評(píng)價(jià)用戶購(gòu)買過(guò)的商品及這些商品的產(chǎn)品評(píng)價(jià)。我們?cè)谶@些網(wǎng)頁(yè)中提取了116 373條評(píng)價(jià)信息，每條信息中包括用戶名、品牌名、用戶評(píng)論、評(píng)價(jià)時(shí)間等屬性，評(píng)價(jià)信息中包含595個(gè)品牌、11 989個(gè)用戶，時(shí)間跨度為2008年7月至2014年1月?？紤]到分析的焦點(diǎn)集中于品牌之間形成的網(wǎng)絡(luò)，本研究采用matlab軟件進(jìn)行數(shù)據(jù)整理，在刪掉入口品牌和與入口品牌連結(jié)的所有用戶后剩余60 179條評(píng)價(jià)信息，這些評(píng)價(jià)中包含594個(gè)品牌、7 486個(gè)用戶，共17 600條不重復(fù)連邊，這些數(shù)據(jù)將作為社會(huì)網(wǎng)絡(luò)分析以及聯(lián)合品牌相似度檢驗(yàn)的基礎(chǔ)。

（二）社會(huì)網(wǎng)絡(luò)整體分析

考慮到用戶節(jié)點(diǎn)形成的品牌自身顧客網(wǎng)絡(luò)的重要性，本研究將顧客-品牌二分網(wǎng)投影到單頂點(diǎn)網(wǎng)絡(luò)，直接基于原始二分網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析。圖1是利用R軟件的igraph包繪制的顧客-品牌關(guān)系網(wǎng)絡(luò)圖，除了兩個(gè)孤立的顧客-品牌子團(tuán)之外，大部分節(jié)點(diǎn)（其他592個(gè)商品）是相互連通的。在得到了顧客-品牌關(guān)系網(wǎng)之后，本研究從網(wǎng)絡(luò)密度、度值、中心性等方面分析整體網(wǎng)絡(luò)特性[5]，統(tǒng)計(jì)分析顯示網(wǎng)絡(luò)密度（現(xiàn)有連邊數(shù)/所有節(jié)點(diǎn)間的可能連邊數(shù)）為0.00054，度值為1的節(jié)點(diǎn)占76.2%，度值介于2-10的節(jié)點(diǎn)占19.3%，度值介于11-186的節(jié)點(diǎn)只占4.5%，度分布具有長(zhǎng)尾特征。節(jié)點(diǎn)密集中心性的均值為1.6×10-6，標(biāo)準(zhǔn)差為1.6×10-7。由這些指標(biāo)的計(jì)算結(jié)果可知顧客-品牌整體網(wǎng)絡(luò)的節(jié)點(diǎn)連接較稀疏，網(wǎng)絡(luò)冗余度較大、節(jié)點(diǎn)與其他節(jié)點(diǎn)間的平均連接路徑較長(zhǎng)，沒(méi)有明顯的網(wǎng)絡(luò)中心節(jié)點(diǎn)。

（三）顧客-品牌關(guān)系網(wǎng)中的社群劃分

顧客-品牌關(guān)系網(wǎng)絡(luò)是根據(jù)顧客的購(gòu)買評(píng)價(jià)記錄形成的社會(huì)網(wǎng)絡(luò)，由于顧客具有不同的偏好、購(gòu)買習(xí)慣、生活背景等特點(diǎn)，品牌之間的品類、顧客群規(guī)模也不相同，顧客-品牌關(guān)系網(wǎng)中一定存在著疏密不同的子團(tuán)，我們稱之為社群網(wǎng)絡(luò)，需要對(duì)現(xiàn)有的顧客-品牌關(guān)系網(wǎng)進(jìn)行社群劃分。社會(huì)網(wǎng)絡(luò)中的每個(gè)子團(tuán)內(nèi)部節(jié)點(diǎn)互動(dòng)很多，稱之為“強(qiáng)連接”，兩子團(tuán)之間的節(jié)點(diǎn)就是連接兩子團(tuán)的唯一路徑，稱之為“弱連接”。如果將邊介數(shù)定義為網(wǎng)絡(luò)中所有節(jié)點(diǎn)之間的最短路徑中經(jīng)過(guò)該邊的數(shù)目，那么“弱連接”的特點(diǎn)是邊介數(shù)非常大，反之“強(qiáng)連接”的邊介數(shù)相對(duì)小。所以，可以用邊介數(shù)來(lái)區(qū)分社群網(wǎng)絡(luò)的內(nèi)部邊和社群之間的連接邊。

實(shí)現(xiàn)社群劃分的社會(huì)網(wǎng)絡(luò)分析方法有很多，2002年提出的Girvan和Newman（G-N）算法是其中具有代表性的算法之一。G-N算法的基本思想是一種分裂算法，通過(guò)不斷移除網(wǎng)絡(luò)中邊介數(shù)最大的邊，而將整個(gè)網(wǎng)絡(luò)劃分成若干相對(duì)獨(dú)立的社群。本研究采用R.igraph軟件包中的walktrap.community函數(shù)實(shí)現(xiàn)G-N算法，得到了406個(gè)社群。其中大部分呈單個(gè)商品連接多個(gè)顧客的網(wǎng)絡(luò)結(jié)構(gòu)，刪掉這些社群還剩50個(gè)社群。刪掉單品牌社群后的社群劃分結(jié)果如圖2所示，其中大部分社群是兩或三個(gè)商品組成的商品對(duì)或商品組。對(duì)這50個(gè)社群進(jìn)行評(píng)價(jià)的具體結(jié)果如表1所示，從網(wǎng)絡(luò)密度、節(jié)點(diǎn)密集中心性等指標(biāo)來(lái)看，劃分后的50個(gè)社群均優(yōu)于整體網(wǎng)絡(luò)，說(shuō)明社群劃分是有效的。

（四）品牌組合提取

我們的最終目標(biāo)是在復(fù)雜的顧客-品牌網(wǎng)絡(luò)中搜尋到具有大量共同顧客連接的品牌對(duì)或品牌組，現(xiàn)有的社群劃分顯然不能滿足要求，需要結(jié)合社群呈現(xiàn)的網(wǎng)絡(luò)特點(diǎn)而進(jìn)行進(jìn)一步的數(shù)據(jù)提取。下面以group5為例展示整個(gè)品牌組合提取過(guò)程，通過(guò)觀察可以發(fā)現(xiàn)每個(gè)社群中都存在著大量的“邊緣品牌”，這些品牌是因?yàn)榕既坏膯我活櫩唾?gòu)買而與社群網(wǎng)絡(luò)相連。雖然品牌節(jié)點(diǎn)本身的度值較大，但大都來(lái)自只購(gòu)買過(guò)本品牌的顧客，與網(wǎng)絡(luò)中的其他品牌只有一或兩條連邊，處在整個(gè)社群的邊緣（如圖3（a）所示），利用式（1）刪除這些“邊緣品牌”，即：

Ci=max（ci2，…cij，…cin）（1）

其中cij為節(jié)點(diǎn)i與節(jié)點(diǎn)j的連邊數(shù)，可利用igraph.connectivity函數(shù)進(jìn)行測(cè)算。n為整個(gè)社群的節(jié)點(diǎn)數(shù)，Ci為節(jié)點(diǎn)i與其他節(jié)點(diǎn)連邊數(shù)的最大值。我們刪掉Ci小于等于3的品牌節(jié)點(diǎn)，該操作刪除66個(gè)品牌節(jié)點(diǎn)后剩余12個(gè)，得到的社群關(guān)系如圖3（b）所示。通過(guò)進(jìn)一步觀察可以發(fā)現(xiàn)在圖3（b）中一些品牌形成了“單邊連接品牌組合”，即通過(guò)單個(gè)顧客形成的連接關(guān)系網(wǎng)很難將其作為品牌聯(lián)合促銷的依據(jù)。為此，我們編寫了程序來(lái)刪除這些“單邊連接節(jié)點(diǎn)”，具體的步驟是：（1）搜索每個(gè)品牌節(jié)點(diǎn)相鄰的品牌；（2）計(jì)算與每個(gè)相鄰品牌的連接顧客數(shù)，并測(cè)算其最大值；（3）刪除最大值小于等于1的品牌節(jié)點(diǎn)。該操作刪除10個(gè)品牌節(jié)點(diǎn)后剩余2個(gè)，得到的社群關(guān)系如圖3（c）所示。最后，將條件限制在保留共同顧客數(shù)大于5的品牌對(duì)或品牌組，這樣最終放棄了group5這一社群，我們將上述操作作用于所有社群最終得到了8個(gè)聯(lián)合品牌組合，如表2所示。

（五）品牌組合有效性檢驗(yàn)

原品牌在聯(lián)合之前可能各自擁有不同的品牌屬性，聯(lián)合品牌在屬性上可以實(shí)現(xiàn)互補(bǔ)，品牌的互補(bǔ)性可以使有品牌意識(shí)的顧客、尋求多變化的顧客和涉入度高的顧客，對(duì)聯(lián)合品牌產(chǎn)生更加強(qiáng)烈的購(gòu)買意向[6]。從中外對(duì)品牌聯(lián)合影響因素的研究來(lái)看，成功的品牌聯(lián)盟需要滿足原品牌的品牌特征相似、產(chǎn)品匹配性高等原則?？紤]到用戶的偏好、購(gòu)買習(xí)慣等特點(diǎn)會(huì)反映在購(gòu)后心得中，而品牌與產(chǎn)品的特征會(huì)反映在產(chǎn)品描述中，這些都體現(xiàn)在用戶評(píng)價(jià)信息中，本研究采用用戶評(píng)價(jià)信息中語(yǔ)素的余弦相似度（Cosine Similarity）來(lái)檢驗(yàn)品牌組合的有效性，并使用余弦相似度進(jìn)一步檢驗(yàn)品牌組合的相似度。定義品牌i和j全部用戶評(píng)價(jià)的語(yǔ)素集合Wij={（w1，i1，j1），（w2，i2，j2），…，（wn，in，jn）}，Wij≠，其中in、jn分別表示品牌i和j用戶評(píng)論中語(yǔ)素wn出現(xiàn)的次數(shù)，n為Wij中出現(xiàn)的全部語(yǔ)素?cái)?shù)，由余弦公式求得的i和j兩品牌相似度如式（2）所示：

Simij=∑nk=1ikjk（∑nk=1i2k）（∑nk=1j2k）（2）

如果SimijSimT，可以認(rèn)為兩品牌相似。在確定相似度閾值SimT的經(jīng)驗(yàn)方法中，最接近形式化的是CTDCS（中文文檔分類系統(tǒng)）中使用的相關(guān)性分布曲線尋找交點(diǎn)的算法，該算法選取1/10作為經(jīng)驗(yàn)閾值[7]。商品組合的測(cè)算結(jié)果如表3所示，可以看出所有的結(jié)果均大于0.1，說(shuō)明我們?cè)O(shè)計(jì)的品牌組合提取方法能夠準(zhǔn)確的劃分出同類品牌項(xiàng)目；同時(shí)，Sim值越大說(shuō)明商品之間的相似度越高，用戶評(píng)價(jià)體現(xiàn)出的較高相似性從一個(gè)側(cè)面驗(yàn)證了目前提取出的品牌組合，可以作為以同類或功能互補(bǔ)類品牌聯(lián)合促銷的選擇依據(jù)。

二、結(jié)論

品牌關(guān)系測(cè)度是進(jìn)行聯(lián)合促銷或品牌聯(lián)盟需要考慮的重要因素，也是保證聯(lián)合成功的關(guān)鍵環(huán)節(jié)。通過(guò)真實(shí)的用戶評(píng)價(jià)數(shù)據(jù)挖掘出顧客-品牌網(wǎng)絡(luò)，本文構(gòu)造了能夠反映品牌之間關(guān)系的社會(huì)網(wǎng)絡(luò)模型，利用社會(huì)網(wǎng)絡(luò)分析方法提取品牌組合，并探索性地提出了一種基于顧客網(wǎng)絡(luò)的聯(lián)合促銷品牌關(guān)系測(cè)度方法，通過(guò)用戶評(píng)價(jià)內(nèi)容的語(yǔ)素相似性分析論證了方法的有效性。

首先，社會(huì)網(wǎng)絡(luò)分析深化了市場(chǎng)營(yíng)銷者對(duì)品牌關(guān)系的認(rèn)識(shí)，將品牌關(guān)系的研究視野從傳統(tǒng)營(yíng)銷時(shí)代的“一對(duì)一匹配”引向了“品牌網(wǎng)絡(luò)結(jié)構(gòu)分析”。這一轉(zhuǎn)變能夠幫助人們更加準(zhǔn)確地接近市場(chǎng)的本質(zhì)，更真實(shí)地理解品牌關(guān)系。但是，在相當(dāng)長(zhǎng)的一段時(shí)間，網(wǎng)絡(luò)分析的研究方法受到數(shù)據(jù)條件的限制而無(wú)法運(yùn)用。當(dāng)今計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展為社會(huì)網(wǎng)絡(luò)分析方法提供了廣闊的舞臺(tái)，可以幫助企業(yè)在具體營(yíng)銷工作思考如何轉(zhuǎn)變網(wǎng)絡(luò)思維方式，如何利用大數(shù)據(jù)進(jìn)行社會(huì)化網(wǎng)絡(luò)分析等問(wèn)題。

其次，對(duì)于從事電子商務(wù)的中小型企業(yè)來(lái)說(shuō)，基于品牌關(guān)系網(wǎng)絡(luò)選擇聯(lián)合促銷對(duì)象有利于他們獲得范圍經(jīng)濟(jì)優(yōu)勢(shì)。電子商務(wù)平臺(tái)形成的根源是入駐商品的范圍經(jīng)濟(jì)性，大型電商利用平臺(tái)優(yōu)勢(shì)進(jìn)行不同產(chǎn)品類別的聯(lián)合促銷活動(dòng)，獲得了較大的渠道控制力。認(rèn)識(shí)到產(chǎn)品范圍經(jīng)濟(jì)的重要性，渠道商甚至發(fā)展自己的私有品牌與進(jìn)駐品牌開(kāi)展競(jìng)爭(zhēng)。中小企業(yè)與電商相比面臨嚴(yán)重的數(shù)據(jù)信息不對(duì)稱，這使得中小網(wǎng)商只能處于受支配的尷尬境地。本文所提出的利用數(shù)據(jù)挖掘技術(shù)獲得真實(shí)的購(gòu)買數(shù)據(jù)方法，通過(guò)建立品牌關(guān)系網(wǎng)絡(luò)劃分出品牌群落，分析結(jié)果有利于中小企業(yè)建立適合自己的產(chǎn)品范圍經(jīng)濟(jì)，并從中獲得主導(dǎo)地位。

最后，對(duì)一般企業(yè)而言，無(wú)論未來(lái)的聯(lián)合促銷是否在網(wǎng)絡(luò)渠道中進(jìn)行，基于網(wǎng)絡(luò)銷售數(shù)據(jù)進(jìn)行的顧客-品牌網(wǎng)絡(luò)分析都可以為企業(yè)的聯(lián)合促銷，甚至企業(yè)戰(zhàn)略聯(lián)盟、品牌合作、市場(chǎng)準(zhǔn)入等營(yíng)銷活動(dòng)提供決策支持。

三、未來(lái)研究展望

社會(huì)網(wǎng)絡(luò)分析是進(jìn)行品牌間關(guān)系測(cè)度的一種有效工具，但本文采用的是無(wú)向、無(wú)權(quán)重的品牌關(guān)系網(wǎng)絡(luò)，未來(lái)的研究可以在以下兩個(gè)方向上進(jìn)行深化：一是根據(jù)購(gòu)物數(shù)據(jù)的時(shí)間信息，為品牌之間的連接加入方向，有向網(wǎng)絡(luò)有利于展示產(chǎn)品的購(gòu)買次序，辨別品牌之間的相互依賴關(guān)系，能夠幫助企業(yè)進(jìn)行更加細(xì)化品牌聯(lián)合促銷管理；二是將品牌的產(chǎn)品類別、知名度、品牌個(gè)性等屬性作為節(jié)點(diǎn)權(quán)重加入網(wǎng)絡(luò)，探索出一條可以整合傳統(tǒng)品牌間關(guān)系研究與社會(huì)網(wǎng)絡(luò)研究的較好途徑。另外，本文僅從京東一家網(wǎng)站的用戶評(píng)價(jià)中選取樣本，在一定程度上制約了樣本來(lái)源的全面性。在后續(xù)的工作中應(yīng)基于更大、更全面的數(shù)據(jù)樣本，考慮帶權(quán)重的有向網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)分析，以進(jìn)一步擴(kuò)展研究結(jié)果。

參考文獻(xiàn)：

[1] 王國(guó)才，陶鵬德.零售商主導(dǎo)下的制造商競(jìng)爭(zhēng)與營(yíng)銷渠道聯(lián)合促銷研究[J].管理學(xué)報(bào)， 2009，6（9）：1231-1235.

[2] Rao， A.R.， Ruekert， R.W. Brand alliances as signals of product quality[J].Sloan Management Review，1994（4）：87-97.

[3] 邵景波，陳珂珂，吳曉靜.社會(huì)網(wǎng)絡(luò)效應(yīng)下顧客資產(chǎn)驅(qū)動(dòng)要素研究[J].中國(guó)軟科學(xué)， 2012（8）：84-97.

[4] Chen， Y， Xie， J. Online consumer review： word-of-mouth as a new element of marketing communication mix[J].Management Science， 2008，54（3）：477-491.

[5] 楊建梅.復(fù)雜網(wǎng)絡(luò)與社會(huì)網(wǎng)絡(luò)研究范式的比較[J].系統(tǒng)工程理論與實(shí)踐， 2010（11）： 2046-2055.

[6] Helmig， B. J.， Huber， A.， Leeflang， P. Explaining behavioral intentions toward co-branded products[J].Journal of Marketing Management， 2007，23（3/4）：285-304.

[7] 刁力力， 王麗坤.計(jì)算文本相似度閾值的方法[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版， 2003，43（1）： 108-111.

（責(zé)任編輯：厲新）