盧 美 麗，燕 宇 飛，曹 翠 珍

（1.山西財(cái)經(jīng)大學(xué)工商管理學(xué)院，山西太原 030006；2.西南財(cái)經(jīng)大學(xué)工商管理學(xué)院，四川成都 611130；3.山西工商學(xué)院商學(xué)院，山西太原 030006）

一、引言

隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展，虛擬社區(qū)憑借其良好的互動(dòng)性，成為人們分享知識(shí)、交流經(jīng)驗(yàn)的重要場(chǎng)所。交易型虛擬社區(qū)是電子商務(wù)發(fā)展的產(chǎn)物，其在營(yíng)銷(xiāo)中的價(jià)值日益受到電商企業(yè)和科研工作者的關(guān)注[1]。虛擬社區(qū)的技術(shù)環(huán)境特征為消費(fèi)者口碑分享提供了更好的平臺(tái)與支撐，豐富的圖片、基于親身體驗(yàn)的描述使口碑分享變得更加真實(shí)、可信，進(jìn)而增加商品附加價(jià)值，并對(duì)消費(fèi)者購(gòu)買(mǎi)決策產(chǎn)生更加強(qiáng)烈的影響。

虛擬社區(qū)中消費(fèi)者購(gòu)買(mǎi)產(chǎn)品后自發(fā)地發(fā)表口碑并分享體驗(yàn)的過(guò)程，其本身就是消費(fèi)者行為的表現(xiàn)和延伸，在這一過(guò)程中形成了大量反映消費(fèi)行為的客觀數(shù)據(jù)。消費(fèi)者發(fā)布的口碑影響其他成員的購(gòu)買(mǎi)意愿，并觸發(fā)他人購(gòu)買(mǎi)后發(fā)布口碑的行為，消費(fèi)者通過(guò)分享體驗(yàn)并回復(fù)評(píng)價(jià)，彼此關(guān)注，互動(dòng)交流，逐漸形成虛擬社區(qū)消費(fèi)者之間的網(wǎng)絡(luò)結(jié)構(gòu)。正因?yàn)槿绱?，有關(guān)虛擬社區(qū)的研究開(kāi)始從知識(shí)分享[2]、價(jià)值共創(chuàng)[3]、購(gòu)買(mǎi)意愿[4]等視角轉(zhuǎn)向社交網(wǎng)絡(luò)視角[5]。不過(guò)，多數(shù)研究主要關(guān)注意見(jiàn)領(lǐng)袖的概念、特征、識(shí)別和影響力[6-7]，并未從整個(gè)虛擬社區(qū)口碑發(fā)布者的角度進(jìn)行分析。本文分析虛擬社區(qū)口碑發(fā)布者影響力，構(gòu)建相應(yīng)的評(píng)價(jià)指標(biāo)體系，并研究口碑發(fā)布者影響力的價(jià)值，是一個(gè)有實(shí)踐意義的課題。

二、虛擬社區(qū)相關(guān)理論及口碑發(fā)布行為剖析

（一）自我決定理論與虛擬社區(qū)環(huán)境建設(shè)

作為一種新的認(rèn)知?jiǎng)訖C(jī)理論，自我決定理論最早由美國(guó)心理學(xué)家德西（Deci E L）等[8]提出。該理論認(rèn)為，人都具有先天、內(nèi)在追求自我實(shí)現(xiàn)和自我成長(zhǎng)的潛能，但人類(lèi)自我的決定取決于個(gè)人需要與外部環(huán)境的交互作用。人類(lèi)最基本的心理需要有三種，即自主需要、能力需要、關(guān)系需要。外部環(huán)境為上述三種需要的滿(mǎn)足提供了機(jī)會(huì)，且外部環(huán)境對(duì)個(gè)體動(dòng)機(jī)的影響體現(xiàn)在外部環(huán)境對(duì)內(nèi)在動(dòng)機(jī)的促進(jìn)以及外部動(dòng)機(jī)的內(nèi)化過(guò)程中。

首先，虛擬社區(qū)環(huán)境為成員自我決定理論提到的基本需要的滿(mǎn)足提供了較好的技術(shù)基礎(chǔ)。馬（Ma M）等[9]提出了虛擬社區(qū)環(huán)境的四個(gè)特征，即支持虛擬共存的技術(shù)、支持用戶(hù)持續(xù)性標(biāo)簽、支持用戶(hù)自我實(shí)現(xiàn)、支持用戶(hù)資料深度挖掘。其中，虛擬共存指虛擬社區(qū)環(huán)境下個(gè)體成員可以感覺(jué)到與其他成員在一起的主觀感受[10]，如瀏覽次數(shù)增加、有用性評(píng)價(jià)、回復(fù)留言、通過(guò)關(guān)注成為粉絲等均能表明發(fā)布口碑的成員受到了其他成員的關(guān)注和重視，進(jìn)而可實(shí)現(xiàn)其內(nèi)心需要的滿(mǎn)足；持續(xù)性標(biāo)簽指虛擬社區(qū)環(huán)境下個(gè)體成員注冊(cè)了ID號(hào)便建立了虛擬身份，這個(gè)虛擬身份既是用戶(hù)持續(xù)表達(dá)并展示自己虛擬角色的信號(hào)標(biāo)簽，也是被他人識(shí)別和認(rèn)可的主要標(biāo)識(shí)；自我實(shí)現(xiàn)指虛擬社區(qū)的用戶(hù)一旦對(duì)某次消費(fèi)形成滿(mǎn)意體驗(yàn)，就有可能利用文本、圖像、視頻等各種擴(kuò)展的網(wǎng)絡(luò)符號(hào)工具構(gòu)建和表達(dá)自我，分享自己的心得和感受，實(shí)現(xiàn)自我滿(mǎn)足或利他的喜悅；用戶(hù)資料深度挖掘指虛擬社區(qū)能夠集中提供更多有關(guān)用戶(hù)的資料，如所有產(chǎn)品的購(gòu)買(mǎi)、評(píng)論、口碑記錄以及成員間相互聯(lián)系和彼此關(guān)注的關(guān)系等，對(duì)這些信息的搜索和匯集既方便成員間相互了解，也有利于成員間關(guān)系的建立。

其次，成員自主需要、能力需要、關(guān)系需要的滿(mǎn)足會(huì)促進(jìn)成員對(duì)虛擬社區(qū)環(huán)境的依賴(lài)，這也是虛擬社區(qū)形成和存在的基礎(chǔ)[11]。其中，自主需要指成員個(gè)體是積極的有機(jī)體，其進(jìn)行決策更多依靠自己而非依靠他人，因此當(dāng)他認(rèn)為自己可以在虛擬社區(qū)控制事情的發(fā)生和發(fā)展時(shí)，就會(huì)提高參與活動(dòng)的內(nèi)部動(dòng)機(jī)，并從虛擬社區(qū)行為中體驗(yàn)到更強(qiáng)烈的滿(mǎn)足感；能力需要指成員希望有機(jī)會(huì)展示自己所具有的勝任某項(xiàng)活動(dòng)的才能，虛擬社區(qū)成員有足夠的自信來(lái)表達(dá)自己并得到他人認(rèn)可，從而使其能力需要得以滿(mǎn)足，并進(jìn)一步因虛擬社區(qū)可以較大程度地調(diào)動(dòng)自己參與活動(dòng)的積極性而感到滿(mǎn)意；關(guān)系需要指成員通過(guò)與他人建立密切聯(lián)系，感受到環(huán)境中存在的來(lái)自他人的關(guān)注、理解或欣賞，同時(shí)也會(huì)以同樣的態(tài)度對(duì)待他人，當(dāng)虛擬社區(qū)成員通過(guò)瀏覽、關(guān)注、交流而彼此認(rèn)可時(shí)，其內(nèi)心的幸福感、滿(mǎn)足感和歸屬感就會(huì)自然提升。

（二）口碑發(fā)布行為剖析

虛擬社區(qū)口碑形成、發(fā)布及產(chǎn)生影響的過(guò)程同時(shí)體現(xiàn)了消費(fèi)者具體的參與行為。電商虛擬社區(qū)中的消費(fèi)者參與行為可概括為個(gè)人信息完善、信息分享、人際關(guān)系建立、參與團(tuán)購(gòu)、達(dá)人評(píng)比等活動(dòng)。在線(xiàn)購(gòu)買(mǎi)前，消費(fèi)者的主要行為往往是采集信息，網(wǎng)上瀏覽搜集他人見(jiàn)解、經(jīng)驗(yàn)和評(píng)價(jià)[12]，這種對(duì)有用的信息形成信任并使用可用信息的過(guò)程被稱(chēng)為信息采納。在線(xiàn)購(gòu)買(mǎi)后，受一定的動(dòng)機(jī)誘導(dǎo)，發(fā)表他們的看法或張貼問(wèn)題，形成虛擬社區(qū)成員間的幫助與交流互動(dòng)[13]。這些行為的發(fā)生符合前面有關(guān)自我決定理論的分析，虛擬社區(qū)的環(huán)境特征為社區(qū)成員需要的滿(mǎn)足提供了基礎(chǔ)條件。在虛擬社區(qū)口碑形成、發(fā)布及產(chǎn)生影響的整個(gè)過(guò)程中會(huì)產(chǎn)生或生成相應(yīng)的數(shù)據(jù)，可從中獲得豐富的信息。具體參見(jiàn)圖1。

三、虛擬社區(qū)口碑發(fā)布者影響力評(píng)價(jià)指標(biāo)體系構(gòu)建

（一）實(shí)證數(shù)據(jù)獲取

考慮到數(shù)據(jù)的代表性、豐富性和可得性，本研究選取聚美口碑中心的數(shù)據(jù)進(jìn)行研究。聚美優(yōu)品成立于2010年3月，2014年在美國(guó)上市，成為登陸美國(guó)紐約證券交易所的首家中國(guó)美妝電商，到2016年公司營(yíng)業(yè)收入達(dá)到9.05億美元。

對(duì)于實(shí)證數(shù)據(jù)，首先利用爬蟲(chóng)程序隨機(jī)選取十個(gè)粉絲數(shù)在200人左右的達(dá)人作為初始入口，采用滾雪球的方法得到1 931個(gè)用戶(hù)的ID，并隨機(jī)選取300個(gè)ID入口。下載用戶(hù)名稱(chēng)、粉絲數(shù)、關(guān)注數(shù)、口碑商品ID、口碑主要內(nèi)容、口碑瀏覽數(shù)、回復(fù)數(shù)、有用數(shù)、發(fā)布日期、粉絲ID數(shù)據(jù)以及粉絲所購(gòu)買(mǎi)產(chǎn)品的名稱(chēng)、價(jià)格、購(gòu)買(mǎi)時(shí)間數(shù)據(jù)。刪除購(gòu)買(mǎi)記錄不完整（比如產(chǎn)品信息不全）、粉絲有重復(fù)的用戶(hù)，最終得到280個(gè)第一層用戶(hù)，稱(chēng)為達(dá)人，共計(jì)18 298條記錄，與各達(dá)人相對(duì)應(yīng)的粉絲形成第二層用戶(hù)，其中有購(gòu)買(mǎi)記錄的粉絲數(shù)量總計(jì)107 627人，購(gòu)買(mǎi)記錄的總數(shù)為280.222萬(wàn)條。下載時(shí)間為2016年3月，最終數(shù)據(jù)的最早時(shí)間為2011年5月1日，截止時(shí)間為2016年2月29日。

圖1 虛擬社區(qū)消費(fèi)者行為分析

（二）基于因子分析的評(píng)價(jià)指標(biāo)體系構(gòu)建

因子分析是一種降維和簡(jiǎn)化數(shù)據(jù)的技術(shù)，主要研究眾多變量間的內(nèi)部依賴(lài)關(guān)系，探索這些變量觀測(cè)數(shù)據(jù)彼此間可能包含的基本結(jié)構(gòu)，嘗試依靠少數(shù)幾個(gè)假想變量來(lái)表達(dá)結(jié)構(gòu)內(nèi)涵，并將假想變量稱(chēng)為因子。接下來(lái)對(duì)聚美口碑中心可以直接得到或整理計(jì)算后得到的初始變量進(jìn)行因子分析。具體變量說(shuō)明參見(jiàn)表1。

表1 初始變量表

表2 描述性統(tǒng)計(jì)

使用SPSS21.0軟件，可以得到上述各變量的描述性統(tǒng)計(jì)情況。結(jié)果參見(jiàn)表2。由表2可以發(fā)現(xiàn)，變量普遍表現(xiàn)出了較大的差異性。

進(jìn)一步計(jì)算變量間的相關(guān)性，具體結(jié)果參見(jiàn)表3。

表3中存在許多比較大的相關(guān)系數(shù)，且從相關(guān)系數(shù)顯著性檢驗(yàn)結(jié)果看，存在大量小于0.05的p值，說(shuō)明變量間相關(guān)性較強(qiáng)，具有進(jìn)行因子分析的必要。

進(jìn)一步進(jìn)行KMO檢驗(yàn)和巴特利特（Bartlett）球形檢驗(yàn)。KMO統(tǒng)計(jì)量的取值在0到1之間，其值越接近1，表明原始變量相關(guān)性越強(qiáng)，越適合使用因子分析方法。巴特利特球形檢驗(yàn)的原假設(shè)是原始變量的相關(guān)系數(shù)矩陣是單位矩陣，即非對(duì)角線(xiàn)上的值為0，變量間相互獨(dú)立。利用SPSS21.0軟件，可以得到KMO檢驗(yàn)和巴特利特球形檢驗(yàn)的結(jié)果。具體參見(jiàn)表4。

由表4可見(jiàn)，KMO檢驗(yàn)統(tǒng)計(jì)量0.709＞0.7，巴特利特球形檢驗(yàn)的p值為0.000，說(shuō)明該數(shù)據(jù)組比較適合進(jìn)行因子分析。

表3 相關(guān)系數(shù)及顯著性檢驗(yàn)

表4 KMO檢驗(yàn)和巴特利特球形檢驗(yàn)

采用主成分分析法進(jìn)行因子提取，將給定的具有相關(guān)性的初始變量通過(guò)線(xiàn)性變換轉(zhuǎn)化成另外一組不相關(guān)的變量，保持總方差不變，將新的變量按照方差遞減的順序排列。表5顯示了各階段的特征值與方差貢獻(xiàn)率。

表5 特征值與方差貢獻(xiàn)率

方差貢獻(xiàn)率可以反映變量的重要程度，其值越大，說(shuō)明重要程度越高。由表5可見(jiàn)，有四個(gè)因子的特征值大于1，其方差貢獻(xiàn)率分別為33.705%、15.249%、13.304%、10.749%，因此提取相應(yīng)的四個(gè)公共因子，總解釋率為73.008%，說(shuō)明公共因子信息基本能夠反映初始變量的情況，具有較好的代表性。且由圖2可見(jiàn)，前面四個(gè)因子的特征值普遍較大，彼此連接形成陡峭的折線(xiàn)，后面各因子的特征值普遍較小，形成的折線(xiàn)較為平緩，進(jìn)一步說(shuō)明所提取的四個(gè)因子是適當(dāng)?shù)摹?/p>

但由表6可見(jiàn)，旋轉(zhuǎn)前變量在各因子的負(fù)載差別不是很明顯，不便于對(duì)所得因子進(jìn)行合理解釋。因此，采用方差最大旋轉(zhuǎn)法進(jìn)行旋轉(zhuǎn)，使得與某因子有關(guān)的負(fù)載平方的方差最大，因子可解釋性更強(qiáng)。

使用凱撒（Kaiser）標(biāo)準(zhǔn)化正交旋轉(zhuǎn)法進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)在六次迭代后收斂。表7為旋轉(zhuǎn)后的因子負(fù)載矩陣。

圖2 因子碎石圖

表6 旋轉(zhuǎn)前的因子負(fù)載矩陣

由表7可以明顯發(fā)現(xiàn)，旋轉(zhuǎn)后的負(fù)載系數(shù)在其中一個(gè)因子上具有較大的負(fù)載。比如，粉絲（Fans）、關(guān)注（Attention）、有購(gòu)買(mǎi)的粉絲（Buyfans）以及口碑發(fā)布后有購(gòu)買(mǎi)的粉絲（Afterbuy）這四個(gè)變量表現(xiàn)出了較強(qiáng)的相關(guān)性，可歸為一類(lèi)，其中粉絲量和關(guān)注數(shù)反映了口碑發(fā)布者的活躍性；口碑（WOM）、時(shí)長(zhǎng)（Length）、口碑發(fā)布后產(chǎn)生粉絲購(gòu)買(mǎi)的口碑（AfterbuyP）這三個(gè)變量可歸為一類(lèi)，其中前面兩個(gè)變量明顯反映了口碑發(fā)布者的忠誠(chéng)度；平均閱讀（Averreader）、平均回復(fù)（Averreply）、平均有用（Averuseful）這三個(gè)變量可歸為一類(lèi)，反映了口碑發(fā)布者的互動(dòng)性；口碑發(fā)布者粉絲的平均粉絲（Averfansfans）和口碑發(fā)布者粉絲的平均關(guān)注（Averfansatten）在第四個(gè)因子上有較大的負(fù)載，可歸為最后一類(lèi)，反映了網(wǎng)絡(luò)的拓展性。因子得分參見(jiàn)表8。

根據(jù)上述因子分析的結(jié)果，構(gòu)建口碑發(fā)布者影響力評(píng)價(jià)指標(biāo)體系，其二級(jí)指標(biāo)分別為活躍性、忠誠(chéng)性、互動(dòng)性和拓展性。具體情況及三級(jí)指標(biāo)參見(jiàn)圖3。

四、影響力實(shí)證分析

（一）基于因子分析結(jié)果的聚類(lèi)分析

聚類(lèi)分析是一種根據(jù)多個(gè)觀測(cè)指標(biāo)之間相似程度劃分群體類(lèi)型的定量統(tǒng)計(jì)方法，其結(jié)果往往是將關(guān)系密切的群體聚合到一個(gè)小的分類(lèi)單位，將關(guān)系疏遠(yuǎn)的群體聚合到一個(gè)大的分類(lèi)單位。

將上述因子分析得到的四個(gè)因子視為各口碑發(fā)布者新的特征變量，使用SPSS21.0軟件中的K均值聚類(lèi)法對(duì)口碑發(fā)布者進(jìn)行聚類(lèi)分析。選擇系統(tǒng)默認(rèn)的迭代次數(shù)值10和收斂條件值0，并對(duì)類(lèi)別數(shù)分別為三類(lèi)、四類(lèi)、五類(lèi)時(shí)的結(jié)果進(jìn)行比較，發(fā)現(xiàn)選擇四類(lèi)比較合適。

表9給出了分為四類(lèi)時(shí)的方差分析結(jié)果。在由四個(gè)因子構(gòu)成的新變量中，任意一個(gè)變量造成的類(lèi)間均方都遠(yuǎn)遠(yuǎn)大于類(lèi)內(nèi)均方，從p值來(lái)看，四個(gè)變量類(lèi)間無(wú)差異假設(shè)成立的概率均小于0.05。

每個(gè)聚類(lèi)中的案例數(shù)和聚類(lèi)結(jié)果參見(jiàn)表10、表11。

（二）分類(lèi)結(jié)果

將所有案例按第一個(gè)因子（F1）、第三個(gè)因子（F3）、第四個(gè)因子（F4）以及第二個(gè)因子（F2）的得分分別降序排列，具體參見(jiàn)表12?？梢园l(fā)現(xiàn)，按第一個(gè)因子（F1）得分排序后，前38名中除17名外均歸為1類(lèi)（17名對(duì)應(yīng)編號(hào)為257的案例，其按第三個(gè)因子（F3）得分排序的名次為7，故另行歸類(lèi)）。該類(lèi)群體的主要特點(diǎn)是粉絲數(shù)較大，在3 206～11 937之間，平均粉絲數(shù)約為7 786，與總平均粉絲數(shù)1 558.230相比超出了6 227.770。同時(shí)關(guān)注、有購(gòu)買(mǎi)的粉絲、口碑發(fā)布后有購(gòu)買(mǎi)的粉絲均值分別為80.70、604.81、1 856.22，與對(duì)應(yīng)的總均值36.120、373.680、141.810相比，同樣差距明顯。這類(lèi)人群稱(chēng)為“超級(jí)活躍達(dá)人”。

表7 旋轉(zhuǎn)后的因子負(fù)載矩陣

表8 因子得分

圖3 口碑發(fā)布者影響力指標(biāo)體系

表9 方差分析結(jié)果

表10 每個(gè)聚類(lèi)中的案例數(shù)

表11 聚類(lèi)結(jié)果明細(xì)

表12 按因子排名的結(jié)果

按第三個(gè)因子（F3）得分從大到小排列，將前11名的所有口碑發(fā)布者歸為一類(lèi)。其主要特點(diǎn)是互動(dòng)性強(qiáng)，所對(duì)應(yīng)的平均閱讀、平均回復(fù)、平均有用的值分別為13 550.26、19.02、47.76，明顯高于總體平均值2.444、6.974、4.143。我們稱(chēng)這類(lèi)人群為“互動(dòng)達(dá)人”。其較高的閱讀量以及很好的互動(dòng)性表明，這類(lèi)達(dá)人可能在產(chǎn)品選擇與口碑內(nèi)容撰寫(xiě)上具有獨(dú)到的眼光與表現(xiàn)力，能夠得到大家更大程度的認(rèn)同。

按第四個(gè)因子（F4）得分從大到小排列，將前11名的所有口碑發(fā)布者均歸為一類(lèi)，稱(chēng)之為“小小達(dá)人”。這個(gè)類(lèi)別的主要特點(diǎn)是口碑發(fā)布者粉絲的粉絲或粉絲的關(guān)注平均值較大，分別為2 893.04和77.99，均遠(yuǎn)遠(yuǎn)超出了它們的總均值242.145和23.396。在這11名口碑發(fā)布者中，有9名成員其粉絲的粉絲平均值處于該指標(biāo)前十位，另外兩名其粉絲的關(guān)注平均值排在第四和第五位。進(jìn)一步對(duì)照相應(yīng)記錄，這個(gè)類(lèi)別的口碑發(fā)布者粉絲量偏少，因此當(dāng)粉絲中有較大的粉絲或關(guān)注者時(shí)對(duì)結(jié)果影響較大，其實(shí)有許多這樣的超級(jí)活躍達(dá)人，在其眾多的粉絲甚至更下一級(jí)粉絲中仍有超級(jí)活躍達(dá)人存在，但由于基數(shù)的原因使得該指標(biāo)較低。不過(guò)，這也進(jìn)一步說(shuō)明，這類(lèi)人群具有獨(dú)特的魅力，盡管口碑有限卻能得到超級(jí)活躍達(dá)人的關(guān)注，是正在成長(zhǎng)并有望通過(guò)下一級(jí)粉絲的參與和激勵(lì)實(shí)現(xiàn)盡快發(fā)展的達(dá)人。

除上述三類(lèi)外，其余人員形成規(guī)模最大的一類(lèi)，人數(shù)達(dá)到221名，他們?cè)谏鲜鋈齻€(gè)因子上的表現(xiàn)均不突出，可稱(chēng)為“大眾人群”，但按第二個(gè)因子（F2）得分從大到小排列，排名在前面的口碑發(fā)布者基本都在此類(lèi)。第二個(gè)因子主要反映口碑?dāng)?shù)和時(shí)長(zhǎng)，因此我們可以根據(jù)實(shí)際情況選擇一部分。比如，前20名中除序號(hào)為6的案例因其在第一個(gè)因子上的排名比較靠前被歸入1類(lèi)外，其余19位口碑發(fā)布者均被評(píng)定為“忠誠(chéng)達(dá)人”，他們?cè)凇按蟊娙巳骸敝忻黠@表現(xiàn)出更高的忠誠(chéng)度。

（三）影響力價(jià)值評(píng)價(jià)與管理啟示

1.超級(jí)活躍達(dá)人。超級(jí)活躍達(dá)人因?yàn)閾碛写罅康姆劢z而備受關(guān)注。盡管總體來(lái)說(shuō)粉絲數(shù)與最早進(jìn)入時(shí)間的相關(guān)性不是很強(qiáng)（相關(guān)系數(shù)為0.166），但這個(gè)類(lèi)別的38位達(dá)人最早發(fā)布口碑的時(shí)間普遍較早，說(shuō)明社區(qū)成立早期進(jìn)入的成員更容易積累粉絲，這與巴拉巴斯（Barabasi A L）等[14]提出的擇優(yōu)原則一致。他們依靠先進(jìn)入的優(yōu)勢(shì)，得到較多的關(guān)注并形成較大的粉絲量，即便后來(lái)已經(jīng)表現(xiàn)出僵化老化的跡象而不再活躍，其粉絲量仍然會(huì)優(yōu)先增加。這類(lèi)達(dá)人因粉絲量大而容易受到關(guān)注，常常被視為社區(qū)的意見(jiàn)領(lǐng)袖，影響力較大，因此社區(qū)管理者應(yīng)關(guān)注他們的沉寂時(shí)間，及時(shí)給予更多激勵(lì)和關(guān)注，延長(zhǎng)其口碑發(fā)布生命周期，防止其過(guò)早老化，充分發(fā)揮其意見(jiàn)領(lǐng)袖作用，強(qiáng)化其對(duì)他人觀點(diǎn)、態(tài)度、動(dòng)機(jī)、信念、行為等的影響[15]。

2.忠誠(chéng)達(dá)人。其口碑?dāng)?shù)較多，時(shí)間跨度長(zhǎng)，且在截止日期附近仍然表現(xiàn)活躍。進(jìn)一步計(jì)算最后口碑發(fā)布時(shí)間與口碑量之間的相關(guān)系數(shù)，結(jié)果為0.577，在0.01的水平上（雙側(cè)）顯著相關(guān)，與僅僅觀察忠誠(chéng)達(dá)人的情況相一致?？诒翘摂M社區(qū)存在的根本，虛擬口碑空間中的文字、圖片、交流互動(dòng)等豐富而生動(dòng)，可以通過(guò)信任、降低成本等因素影響潛在消費(fèi)者購(gòu)買(mǎi)意愿或購(gòu)買(mǎi)決策，并進(jìn)一步促進(jìn)購(gòu)買(mǎi)行為，提高產(chǎn)品銷(xiāo)量，產(chǎn)生直接的影響力價(jià)值。因此，忠誠(chéng)達(dá)人所表現(xiàn)出的旺盛生命力和成長(zhǎng)力是虛擬社區(qū)所需要并首先倡導(dǎo)的。當(dāng)然，聚美口碑中心一直非常注重對(duì)近期口碑的評(píng)比和推動(dòng)，這也是忠誠(chéng)達(dá)人持續(xù)活躍的直接原因，這些具體的活動(dòng)和策略需要繼續(xù)進(jìn)行。

3.互動(dòng)達(dá)人。互動(dòng)達(dá)人平均閱讀、平均回復(fù)、平均有用三個(gè)指標(biāo)值特別是平均閱讀指標(biāo)值較大。由表3可以發(fā)現(xiàn)，這三個(gè)指標(biāo)除本身相關(guān)性較強(qiáng)外，它們與粉絲數(shù)也具有一定的相關(guān)性，分別為0.206、0.362和0.167，且均在0.01的水平上（雙側(cè)）顯著相關(guān)。進(jìn)一步計(jì)算三個(gè)指標(biāo)與最早口碑發(fā)布時(shí)間的相關(guān)系數(shù)，結(jié)果分別為0.148、0.197和0.260，分別在0.05、0.01、0.01的水平上（雙側(cè)）顯著相關(guān)。盡管從相關(guān)系數(shù)上看，其相關(guān)性不是很高，但直接分析11位互動(dòng)達(dá)人的口碑發(fā)布情況可以發(fā)現(xiàn)，與超級(jí)活躍達(dá)人相近，同樣表現(xiàn)為最早發(fā)布時(shí)間較早且近期活躍度偏低。因此，仍可根據(jù)擇優(yōu)原則來(lái)分析其平均瀏覽量較大的原因，此外還需要結(jié)合這些指標(biāo)后臺(tái)記錄的動(dòng)態(tài)變化規(guī)律及口碑內(nèi)容等進(jìn)一步具體分析。虛擬社區(qū)成員之間通過(guò)相互交流形成基于一定人際關(guān)系的社群網(wǎng)絡(luò)，成員間聯(lián)系越緊密，虛擬社區(qū)的凝聚力和影響力就越強(qiáng)，社區(qū)成員所蘊(yùn)含的商業(yè)價(jià)值就越大。虛擬社區(qū)消費(fèi)者之間的互動(dòng)體驗(yàn)對(duì)用戶(hù)行為和態(tài)度有著積極的作用，因此提升虛擬社區(qū)平臺(tái)功能與服務(wù)，促使消費(fèi)者在使用平臺(tái)的過(guò)程中獲取自身所需要的價(jià)值，可有效推動(dòng)消費(fèi)者進(jìn)行口碑推薦[16]?？诒?dòng)是虛擬社區(qū)活力的來(lái)源，虛擬社區(qū)應(yīng)設(shè)置專(zhuān)欄鼓勵(lì)成員互動(dòng)，如根據(jù)回復(fù)內(nèi)容的質(zhì)量，對(duì)一段時(shí)間以來(lái)積極參與回復(fù)的成員進(jìn)行進(jìn)一步評(píng)比，選擇一些有代表性的成員進(jìn)行試用品或其他優(yōu)惠激勵(lì)，充分發(fā)揮虛擬社區(qū)互動(dòng)環(huán)境的影響作用，通過(guò)消費(fèi)者互動(dòng)共同創(chuàng)造實(shí)用價(jià)值和享樂(lè)價(jià)值等，提高口碑發(fā)布者的忠誠(chéng)度和接收者的信任度，形成對(duì)銷(xiāo)量的正向影響。

4.小小達(dá)人。第四類(lèi)成員被評(píng)為小小達(dá)人。由表3可以發(fā)現(xiàn)，該類(lèi)的兩個(gè)指標(biāo)與其他變量的相關(guān)性均比較弱，比較獨(dú)立。但進(jìn)一步研究發(fā)現(xiàn)，口碑發(fā)布者粉絲的粉絲平均值與最早口碑發(fā)布時(shí)間的相關(guān)度為0.573（在0.01的水平上雙側(cè)顯著相關(guān)），且該類(lèi)達(dá)人的11名成員其最早發(fā)布口碑時(shí)間和最晚發(fā)布口碑時(shí)間也普遍較早，而近期活躍度很低，與第一類(lèi)和第三類(lèi)成員相似，明顯老化。盡管這類(lèi)成員其口碑、粉絲等指標(biāo)值均比較小，但其個(gè)體分享知識(shí)或經(jīng)驗(yàn)的欲望與生俱來(lái)且普遍存在[17]，小小達(dá)人對(duì)網(wǎng)絡(luò)的構(gòu)建作用同樣不容忽視。從發(fā)展的角度看，虛擬社區(qū)口碑網(wǎng)絡(luò)建設(shè)不應(yīng)僅僅注重將已有的口碑發(fā)布者逐漸培養(yǎng)為意見(jiàn)領(lǐng)袖，更應(yīng)通過(guò)互動(dòng)交流和相互關(guān)注促使新的口碑發(fā)布者不斷產(chǎn)生，推動(dòng)虛擬社區(qū)整體發(fā)展壯大，真正發(fā)揮網(wǎng)絡(luò)倍增效應(yīng)，進(jìn)而實(shí)現(xiàn)社區(qū)成員的普遍忠誠(chéng)。

目前，聚美口碑中心針對(duì)第二類(lèi)人群有現(xiàn)實(shí)激勵(lì)，但對(duì)另外三類(lèi)人群缺乏關(guān)注，不利于虛擬社區(qū)的長(zhǎng)遠(yuǎn)發(fā)展，建議根據(jù)分類(lèi)情況開(kāi)辟不同的專(zhuān)欄，引導(dǎo)并激勵(lì)各類(lèi)達(dá)人代表繼續(xù)保持活躍狀態(tài)。

五、結(jié)論

《長(zhǎng)尾理論》一書(shū)的作者克里斯·安德森曾經(jīng)說(shuō)過(guò)：“隨著用戶(hù)驅(qū)動(dòng)的網(wǎng)絡(luò)的崛起，值得信賴(lài)的個(gè)人多了，值得信賴(lài)的機(jī)構(gòu)少了，最有效的廣告來(lái)自同齡人，沒(méi)有什么比口碑更有效，正如我們親眼所見(jiàn)，網(wǎng)絡(luò)是世界上前所未有的口碑放大器。”在如今的電子商務(wù)實(shí)踐中，許多企業(yè)已經(jīng)意識(shí)到了虛擬社區(qū)在延伸和培養(yǎng)客戶(hù)關(guān)系以及激發(fā)顧客創(chuàng)造行為等方面的價(jià)值，虛擬社區(qū)中成員的相互交流和作用甚至可以對(duì)業(yè)務(wù)戰(zhàn)略和業(yè)務(wù)運(yùn)作產(chǎn)生重大影響，于是電商企業(yè)紛紛開(kāi)始著手制訂虛擬社區(qū)營(yíng)銷(xiāo)計(jì)劃[18]。

本文根據(jù)自我決定理論中個(gè)人需要滿(mǎn)足與虛擬社區(qū)環(huán)境特征之間的關(guān)系，以聚美口碑中心為實(shí)證對(duì)象，從社區(qū)口碑發(fā)布行為中提取相關(guān)可得數(shù)據(jù)，建立了口碑影響力評(píng)價(jià)指標(biāo)體系，并通過(guò)聚類(lèi)分析剖析了不同類(lèi)型達(dá)人的指標(biāo)特征與行為表現(xiàn)，為虛擬社區(qū)支持電子商務(wù)持續(xù)發(fā)展提供了理論基礎(chǔ)及相應(yīng)策略。

第一，虛擬社區(qū)環(huán)境為滿(mǎn)足成員自我決定理論中提到的基本需要（即自主需要、能力需要、關(guān)系需要）提供了較好的技術(shù)基礎(chǔ)。對(duì)社區(qū)成員三種需要的滿(mǎn)足會(huì)增強(qiáng)成員對(duì)虛擬社區(qū)環(huán)境的依賴(lài)性，這也是虛擬社區(qū)形成和存在的基礎(chǔ)。

第二，在虛擬社區(qū)口碑形成、發(fā)布、影響等一系列行為中生成了相應(yīng)的數(shù)據(jù)，可從中獲得豐富的信息，如口碑?dāng)?shù)量、關(guān)注數(shù)量、粉絲數(shù)量、口碑閱讀數(shù)、口碑回復(fù)數(shù)、口碑有用數(shù)、口碑發(fā)布后有購(gòu)買(mǎi)的粉絲數(shù)等。

第三，虛擬社區(qū)口碑發(fā)布者影響力可從活躍性、忠誠(chéng)性、互動(dòng)性、拓展性四個(gè)方面進(jìn)行評(píng)價(jià)，每個(gè)特性都有相對(duì)應(yīng)的若干指標(biāo)進(jìn)行衡量。

第四，基于以上四個(gè)方面的特性和指標(biāo)，可將口碑發(fā)布者分為四個(gè)類(lèi)別，即超級(jí)活躍達(dá)人、忠誠(chéng)達(dá)人、互動(dòng)達(dá)人和小小達(dá)人，不同類(lèi)別的人群其影響力價(jià)值各有不同。目前，聚美口碑中心僅僅關(guān)注對(duì)第二類(lèi)人群的現(xiàn)實(shí)激勵(lì)，而缺乏對(duì)另外三類(lèi)人群的關(guān)注，不利于虛擬社區(qū)的長(zhǎng)遠(yuǎn)發(fā)展。

第五，除持續(xù)發(fā)布口碑的忠誠(chéng)達(dá)人外，虛擬社區(qū)中擁有眾多粉絲的意見(jiàn)領(lǐng)袖、成員間互動(dòng)交流以及社區(qū)網(wǎng)絡(luò)拓展均對(duì)虛擬社區(qū)凝聚力與未來(lái)發(fā)展具有較大影響力。社區(qū)管理者應(yīng)當(dāng)建立相應(yīng)的專(zhuān)欄，對(duì)各類(lèi)成員代表給予一定的激勵(lì)，以全面發(fā)揮不同類(lèi)別達(dá)人的影響和作用，促進(jìn)虛擬社區(qū)持續(xù)發(fā)展。

當(dāng)然，本文仍然存在一定的局限性，如目前所得數(shù)據(jù)只能看到粉絲數(shù)和關(guān)注量的靜態(tài)數(shù)據(jù)，缺乏對(duì)粉絲增長(zhǎng)與關(guān)注動(dòng)態(tài)的了解。虛擬社區(qū)管理者應(yīng)利用后臺(tái)更為豐富的數(shù)據(jù)，定期運(yùn)用該方法進(jìn)行分析，嘗試增加能夠反映一定時(shí)期內(nèi)變化情況的動(dòng)態(tài)指標(biāo)。

參考文獻(xiàn)：

[1]MILLER K D，F(xiàn)ABIAN F，LIN S J.Strategies for online communities[J].Strategic management journal，2009，30（3）：305-322.

[2]LIANG C Y，CHANG C C，ROTHWELL W，et al.Influences of organizational culture on knowledge sharing in an online virtual community[J].Journal of organizational&end user computing，2016，28（4）：15-32.

[3]申光龍，彭曉東，秦鵬飛.虛擬品牌社區(qū)顧客間互動(dòng)對(duì)顧客參與價(jià)值共創(chuàng)的影響研究——以體驗(yàn)價(jià)值為中介變量[J].管理學(xué)報(bào)，2016，13（12）：1 808-1 816.

[4]LEAL G P A，HOR-MEYLL L F.Influence of virtual communities in purchasing decisions：the participants'perspective[J].Journal of business research，2014，67（5）：882-890.

[5]夏立新，鄭路，翟?shī)檴櫍?基于結(jié)構(gòu)洞理論的虛擬社區(qū)邊緣用戶(hù)信息資源推薦模型構(gòu)建研究[J].情報(bào)理論與實(shí)踐，2017，40（2）：1-6.

[6]HUANG B，YU G，KARIMI H R.The finding and dynamic detection of opinion leaders in social network[J].Mathematical problems in engineering，2014（1）：1-7.

[7]CHEN Y F，TSAI C W，LIN P H.The influence of perceived risk，shopping value and opinion leader to explore online consumer purchase intention：using social network analysis[J].International journal of e-adoption，2017，9（2）：31-58.

[8]DECI E L，RYAN R M.The general causality orientations scale：self-determination in personality[J].Journal of research in personality，1985，19（2）：109-134.

[9]MA M，AGARWAL R.Through a glass darkly：information technology design，identity verification，and knowledge contribution in online communities[J].Information systems research，2007，18（1）：42-67.

[10]BIOCCA F，HARMS C，BURGOON J.Toward a more robust theory and measure of social presence：review and suggested criteria[J].Presence，2003，12（5）：456-480.

[11]趙明霞.虛擬社區(qū)成員持續(xù)參與行為的心理機(jī)制研究——基于社會(huì)認(rèn)同理論的視角[D].上海：復(fù)旦大學(xué)，2013.

[12]PITTA D A，F(xiàn)OWLER D.Online consumer communities and their value to new product developers[J].Journal of product&brand management，2005，14（5）：283-291.

[13]SUSSMAN S W，SIEGAL W S.Informational influence in organizations：an integrated approach to knowledge adoption[J].Information systems research，2003，14（1）：47-65.

[14]BARABASI A L，ALBERT R.Emergence of scaling in random networks[J].Science，1999，286（5 439）：509-512.

[15]VALENTE T W，PUMPUANG P.Identifying opinion leaders to promote behavior change[J].Health education&behavior the official publication of the society for public health education，2007，34（6）：881-896.

[16]張明立，涂劍波.虛擬社區(qū)共創(chuàng)用戶(hù)體驗(yàn)對(duì)用戶(hù)共創(chuàng)價(jià)值的影響[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，42（7）：1 140-1 146.

[17]滕沐穎，趙云澤.基于社會(huì)網(wǎng)絡(luò)分析的虛擬社區(qū)“認(rèn)知盈余”實(shí)現(xiàn)過(guò)程研究[J].新聞大學(xué)，2017（3）：79-87.

[18]WILLIAMS R L，COTHREL J.Four smart ways to run online communities[J].Mit sloan management review，2000，41（4）：81.