在日益興盛的互聯網影響下，數字營銷越來越受到重視，不少企業(yè)的營銷都開始轉向數字營銷。過去的十幾年里，數字營銷發(fā)展迅速，為整個營銷領域帶來了革命性的沖擊和變化，為商家提供了一種全新的廣告、洞察客戶、吸引關注以及推廣商品的方式。

本刊將連續(xù)分5期回顧數字營銷的發(fā)展歷史，希望能讓大家清晰了解數字營銷研究與實踐的過去、現在和未來。標題中的數字營銷實際包含了數字營銷、社交媒體營銷和移動營銷三個大的領域，統(tǒng)稱為DSMM。

本期為第一篇，主要講述從2000-2004年數字營銷的發(fā)展。

數字營銷的第一階段：2000-2004

2000年之所以可以成為數字營銷歷史的起點，主要有如下幾點原因：

首先，關注數字互動營銷的學術研究在2000年前后開始大量增加。《直效營銷雜志》（Journal of Direct Marketing）在1998年更名為《互動營銷雜志》（Journal of Interactive Marketing）并開始發(fā)行。該雜志在1999年發(fā)表一個重要觀點，所有的營銷都是或很快將會是互動營銷。這個觀點在當時可能不成熟，但仍是具有預見性的。同時，該雜志也對缺乏“具有持續(xù)性、概括性的高質量互動營銷研究”表示遺憾（Glazer，1999）。

第二，盡管在2000年之前，學者們盡管已經將數字營銷的發(fā)展?jié)摿{入考慮范圍，但主要還是停留在概念層面。這其中就包括Iacobucci（1998）在內的學者認為，網絡分析非常重要并建議在營銷中使用。此外，他們還在當時強調了互聯網營銷的個性化和快速反應的潛力。

第三，2000年“ 互聯網泡沫”爆發(fā)，給了世界一記悶棍：營銷戰(zhàn)略不應該過分依賴于營銷大師的建議，而應該基于實踐的觀察和實際數據（Lohse， Bellman and Johnson，2000）。《紐約時報》在2000年發(fā)表文章認為，過分依賴學術權威會導致互聯網市場瘋狂擴張，隨之而來就是泡沫破滅，即盡管互聯網越來越火，但互聯網卻“可能不是一個能快速賺錢的新興手段?！?/p>

“互聯網泡沫”爆發(fā)讓人們開始重新審視對DSMM的科學理解，迫使大家尋求用更嚴格的科學方法去解釋這一領域的現象。

一、本階段在數字營銷學術研究方面的進展

在本階段，數字營銷主要在以下三個主題上展開研究：

（一）作為個性化表達的網絡

這一階段的早期，研究者把用戶作為信息受眾或者信息源，用戶會利用互聯網與其他用戶發(fā)生聯系。定性研究學者將注意力放在消費者通過在門戶和在線社區(qū)來尋求自我定位（Schau and Gilly 2003）。

當時的研究顯示，在線體驗會增強和影響消費者的線下生活，這也是一個在此后十五年中不斷提及并進行定量研究的主題。類似的，Kozinets（2002）用定性的方法研究了在線社區(qū)中用戶的溝通行為，并解釋了為何這些在線平臺能為研究人員提供用戶在線評論的信息。這些在線平臺包括早期的社交媒體平臺，如Facebook和Twitter。Kozinets使用網絡民族志技術，向營銷人員推薦了一個重要的技術，即如何把在線社區(qū)作為用戶信息的獲取來源。

定性研究人員將數字化社區(qū)平臺作為信息來源，而定量研究人員也在探索在線口碑營銷（WOM）和在線社區(qū)。此類研究中最重要的兩篇是Dellarocas（2003），Godes and Mazlin（2004）。

Dellarocas（2003）認為在線口碑營銷（WOM）有發(fā)展前景，同時也有挑戰(zhàn)，他將自己的研究重點放在在線社區(qū)中反饋機制是如何影響個人行為的。這項研究成果激發(fā)了后來大量的研究，在接下去的12年中每年都有差不多39次被引用。

Godes和Mayzlin（2004）研究在線論壇中的口碑營銷（WOM）對電視節(jié)目評分的影響。他們的研究發(fā)現，在線口碑營銷對電視消費的確有一定的影響。這一研究激發(fā)了大量的對各種形式的在線口碑營銷的影響研究。

網絡論壇可能是隱性觀察消費者口碑營銷（WOM）數據的重要來源，但是這類研究需要依法使用在線聊天數據，“依法”顯得非常重要。在互聯網發(fā)展之前，這些口碑營銷信息幾乎是私人性質的（并且是線下的），那時在依賴于自我報告數據的情況下，準確性難以保證，很難進行研究。

盡管在線社區(qū)數據為口碑營銷研究提供了新的方法，但為后來的學者提出了新的問題。例如，是否真的能從口碑營銷與營銷績效的數據分析得出因果關系？如何利用口碑營銷推斷線下行為？線下行為如何影響線上行為？如何產生這種影響并建模？將用戶交流作為數據來源是否合規(guī)？

這些問題實際上為下一階段的研究點明了方向。

（二）作為搜索與決策支持工具的網絡

本階段開展的第二種重要研究內容就是，互聯網能幫助消費者更容易搜索，更優(yōu)化選擇。

與此同時，電子商務提供了無止境的虛擬商店貨架，心理學研究過度選擇的危險性，自我決策的缺點（例如Iyengar and Lepper，2000； Schwartz，2000），零售商開始努力找尋做出合理決策的方式（例如Broniarczyk，Hoyer and McAlister，1998）。假設從32種類型的果醬中選擇會使消費者感到疲勞，選擇質量下降，那么消費者如何利用好這種龐大的線上選擇？（Iyengar and Lepper，2000）。

考慮將互聯網作為決策工具，Haubl和Trifts（2000）的研究將消費者行為研究與新購物方式（網購）聯系在一起。作者探索了兩個決策工具：智能搜索和比較矩陣，大致可用Payne（1982）和Payne，Bettman and Johnson（1988）描述的兩階段決策過程。智能搜索起到篩選功能，剔除大量相關性不強的產品。而比較矩陣通過比較和評估較少的選擇來促進產品優(yōu)化選擇。

文章通過試驗的方式，研究了80個購買了某些產品的被試人員。他們中有些有決策輔助工具，而有些沒有。結果表明，決策輔助工具能夠促進高質量產品的選擇，降低了搜索成本，且得到了更優(yōu)的選擇。

雖然得出這個結論似乎并不意外，但它的研究仍然很重要：與過去的研究（例如Payne，Bettman and Johnson，1993）相比， Haubl和Trifts（2000）的發(fā)現表明，工作量降低和準確度提高可以同時存在于在線平臺。Brynjolfsson，Hu and Smith（2003）擴展了這種思維，認為網上提供的多元化產品對消費者是有利的，部分原因是在線市場帶來了更大的價格競爭：“在線書店產品種類的增加使消費者福利從7.31億美元提高到了2000年的10.3億美元，競爭的提高和市場價格的下降使消費者福利增長了7倍到10倍。”

但是這種線上“商業(yè)經濟”和簡便搜索是否意味著互聯網的低搜索成本會侵蝕所有的公司利潤？早在2000年互聯網泡沫破裂之前，就有一些建模分析研究已經開始涉及互聯網零售對價格競爭的影響（Lal and Sarvary，1999）。

一方面，如果消費者擁有所有價格信息，那么基于價格的競爭就會非常強烈。而另一方面，有質量的信息仍然有一定的成本。如果產品質量很容易確定，消費者便能夠區(qū)分產品，促使價格下降。

這種抵消效應（countervailing effects）為研究人員提供了大量的研究內容。例如，Brynjolfsson 和Smith（2000）發(fā)現，在線零售商的價格確實比實體店的價格低9%-16%，這表明在線零售商的價格競爭可能更為強烈。然而他們也發(fā)現，在線商店市場依舊存在著消費者忠誠和品牌效應，這表明對質量的關注不會被簡便的價格比較取代。

由于互聯網的搜索成本較低，就便于消費者更好地區(qū)別不同商家的產品。Lynch和Ariely（2000）發(fā)現，只有當不同的公司提供相同的產品時，低搜索成本才會導致強烈的價格競爭。如果公司的產品是獨特的，那么搜索的簡便性就不是危險，而是福利。Diehl，Kornish和Lynch（2003）認為，以質量排序的搜索代理人在很多情況下可能會提高價格敏感性，因為排序列表為消費者提供了一系列符合他們偏好的同質產品。此外，他們指出，注重質量的消費者，以質量為標準的排序會促使他們選擇的產品價格高、質量好，但對于注重價格的消費者，以價格為標準的排序使他們選擇的產品價格低、質量差。

一些研究人員還更細致地研究了作為決策工具的互聯網非價格機制。例如，Ansari和Mela（2003）考慮了如何定制電子郵件信息（就是現在非常常見的營銷人員發(fā)送的個性化客戶電子郵件）以幫助客戶決策并減少過多無用信息。有研究指出，盡管智能搜索的推薦信息可以幫助消費者決策，但這些推薦也可能造成心理反感（Fitzsimons and Lehmann，2004）。也有研究指出，搜索工具可能會降低消費者的選擇質量，而不是增加附加利益（Diehl，2005）。

以上關于消費者決策輔助的研究非常重要，這些研究被引次數隨時間保持基本恒定。這種穩(wěn)定性意味著兩件事：

首先，互聯網本身的存在和發(fā)展表明，便捷的搜索不會給營銷人員帶來價格戰(zhàn)爭，或給消費者帶來難以面對的過度選擇癥。一般而言，價格不可能一成不變，價格敏感度會不斷變化，公司也可能決定是否與消費者共享關于價格和質量的信息（見Clemons，Hann and Hitt，2002）。

第二，雖然隨著時間的推移，互聯網還會一直幫助消費者進行決策。但營銷人員提供的篩選工具，及與搜索成本相關的策略不再是關鍵手段，選擇權之后開始逐漸轉移到消費者、網絡關鍵節(jié)點和社交媒體。

（三）作為智能營銷的網絡

本階段的三個重要研究主題是關于互聯網作為智能營銷工具的研究，用以預測消費者偏好和消費者行為。將互聯網作為智能營銷工具不僅可以使消費者受益，獲得與自己的偏好匹配度更高的產品（例如Ansari and Mela，2003），也能使公司受益，獲得更高的客戶滿意度和忠誠度。

互聯網智能營銷研究最早是由Ansari，Essegaier和Kohli（2000）提出的。當時的研究已經引入綜合篩選，為決策提供消費建議（Breese，Heckerman and Kadie，1998）。但是預測結果相當令人失望：數據缺少、產品異質、算法特殊，只能間接衡量偏好，相關數據的局限性對營銷研究人員都是一種挑戰(zhàn)。

在早期的DSMM研究中，對這個主題的研究主要是在經驗方法的基礎上進行創(chuàng)新，這很大程度上是因為當時的新數字源為研究人員提供了新數據類型。此類研究以Ansari，Essegaier和Kohli（2000）的為最佳，他們認為“信息代理這一新應用需要數據收集和分析程序的進一步發(fā)展；營銷研究人員在這些方面發(fā)揮了極其重要的作用”。

Bradlow和Schmittlein（2000）提出了類似的觀點，他們模擬了當時最主要的六個搜索引擎（AltaVista，Northern Light，HotBot，Infoseek，Excite和Lycos），并處理新型數據 ，以此建模分析。在這項研究中，研究人員試圖為營銷管理者找出可以用來查找市場信息的最佳搜索引擎。雖然這些搜索引擎后來都過氣了，但他們的研究結果在當時顯得很重要。這項研究的長期貢獻在于其建模方法和正確的預測結果。

還有一些研究關注網絡點擊量，以理解廣告和消費者瀏覽模式如何共同作用以促進銷售（例

如Bucklin and Sismeiro，2003； Chatterjee， Hoffman and Novak，2003； Montgomery et al.，2004）。目前，我們除了能夠將搜索引擎作為智能營銷工具，還能夠通過社交媒體數據來獲取大量的市場信息，特別是消費者信息。

二、本階段在數字營銷實踐層面的進展

這一階段，在實踐層面，營銷從業(yè)者對這三個學術研究主題有一些不同的看法。

雖然學者們認為互聯網是一種用來獲取消費者看法和促進銷售的手段，但市場營銷人員仍然對依靠數字化工具所收集的數據持懷疑態(tài)度（Jakobson，2005）。李維斯（Levis）歐洲數字營銷經理Helene Velenge認為他們公司的數字營銷低支出（約占2005年預算的2%）是由于“人們對數字媒體和渠道缺乏了解，因此不知道如何戰(zhàn)略性、長期性的使用數字營銷”（Jakobson，2005）。

盡管學術研究中認為消費者可能已經形成積極的品牌社區(qū)和在線口碑（WOM），但營銷從業(yè)者似乎還沒有強烈意識到這些研究能為他們的實踐提供了可靠的或長期可行的方法，他們認為還需要更深入的心理學研究。Velenge認為，“未來在很長時間內，公司還是會把關注點放在消費者洞察和消費者行為洞察上，而不是在媒體、渠道和技術本身”（Campaign，2005）。

在一致性上，從業(yè)者與學術界一樣，都將互聯網視為具有巨大潛力的營銷工具。根據當時的預測，在線廣告支出會快速增長（Case，2004）。雖然有些人認為不能過度樂觀，但也有人認為能夠從搜索的上升預估這種增長。2003年搜索上升了170%，2004年當時就預測會上升35%-40%（Case ，2004）。根據搜索的增長，專家預測在線廣告也會持續(xù)增長。與傳統(tǒng)媒體渠道，如電視相比，在線廣告的價格更具競爭性、可追蹤性，針對性也更強。因此，可以說在這個階段，學術界對于DSMM能促進搜索和作為決策工具的作用與從業(yè)者的看法是相當一致的。

然而，在這段時期的學術研究似乎對從業(yè)者及其對DSMM的了解沒產生很大的影響。例如，在這個階段的最后一年（2004年）發(fā)表一項研究報告指出，雖然92%的營銷主管認為數字技術正在改變他們的營銷方式，但卻只有43%的人認為他們較了解在線營銷，只有41%認為需要協調企業(yè)資源與新技術發(fā)展。

雖然此階段學術研究持續(xù)發(fā)展，但是大量的從業(yè)者對研究沒有充分的了解，研究人員也沒能幫助從業(yè)人員消除這種理解不足的情況。在下一個階段的回顧中，我們還將看到這個相類似的問題。

編譯材料主要來源：

Cait Lamberton and Andrew T. Stephen （2016） .A Thematic Exploration of Digital， Social Media， and Mobile Marketing： Research Evolution from 2000 to 2015 and an Agenda for Future Inquiry[J]. Journal of Marketing，80（November）， pp.146-172.

主要參考文獻：

[1] Alexa Bezjian Avery， Bobby Calder， Dawn Iacobucci（1998）.New Media Interactive Advertising vs. Traditional Advertising[J].Journal of Advertising Research.30（July - August），pp.23-32

[2] Lohse， G.L.， Bellman， S. and Johnson， E.J. （2000） Consumer Buying Behavior on the Internet： Findings from Banel Bata[J]. Journal of Interactive Marketing， 14 （1）， pp. 15-29.

[3] Schau， Hope Jensen， and Mary C. Gilly （2003）.We Are What We Post Self-Presentation in Personal Web Space[J].Journal of Consumer Research， 30（December）， pp.385-404.

[4] Robert V. Kozinets （2002） .The Field Behind the Screen： Using Netnography for Marketing Research in Online Communities[J].Journal of Marketing Research， 39（February） ， pp. 61-72.

[5] Dellarocas C. N.， （2003）.The Digitization of Word-of-Mouth： Promise and Challenges of Online Feedback Mechanisms[J].Management Science， Vol. 49（10）， pp.1407-1424.

[6] Godes， David and Dina Mayzlin （2004）.Using Online Conversations to Study Word-of-Mouth Communication[J].Marketing Science ， 23 （4）， pp.545–60.

[7] Iyengar， Sheena， and Mark R. Lepper （2000）. When Choice is Demotivating： Can One Desire Too Much of a Good Thing [J].Journal of Personality and Social Psychology， 79（6）， pp.995-1006.

[8] Broniarczyk， Susan M.， Wayne D. Hoyer， and Leigh McAlister （1998）. Consumers Perceptions of the Assortment Offered in a Grocery Category： The Impact of Item Reduction[J]Journal of Marketing Research， 35 （May）， pp.166-176.

[9]Payne， J. W. （1982）. Contingent decision behavior[J]. Psychological Bulletin， 92，pp. 382-402.[10] Payne， J.W.， Bettman， J.R.， and Johnson， E.J.（1988）. Adaptive Strategy Selection in Decision Making[J].Journal of Experimental Psychology，14， pp.534-552.