劉靈芝 夏強(qiáng)強(qiáng) 肖邦明

(1， 2， 3 華中農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院/湖北農(nóng)村發(fā)展研究中心 武漢 430070)

1. 引言

食品的購(gòu)買行為可被視為復(fù)雜的、 高參與度的購(gòu)買行為(Dawson, 2013), 而品牌有助于將產(chǎn)品與同類別中的競(jìng)爭(zhēng)品區(qū)分開來(Srinivasan& Till, 2002)。 在復(fù)雜的競(jìng)爭(zhēng)環(huán)境中, 形成良好的品牌形象, 是食品企業(yè)增加銷量, 提高競(jìng)爭(zhēng)力的重要戰(zhàn)略舉措。 在這種新形勢(shì)下, 食品企業(yè)正在尋求改善其品牌形象的戰(zhàn)略方法。 品牌認(rèn)知是品牌形象建設(shè)的基礎(chǔ), 因?yàn)槠髽I(yè)依賴消費(fèi)者對(duì)品牌的看法來為營(yíng)銷戰(zhàn)略提供信息, 了解競(jìng)爭(zhēng)對(duì)手的相對(duì)定位(Johnson & Huson, 1996； Long et al., 2019)。

如何推斷品牌認(rèn)知度一直是困擾學(xué)者和管理人員的重要問題, 以往的方法往往是依靠線下調(diào)查或其他感知映射手段(Xie et al., 2019), 數(shù)據(jù)收集成本高昂且容易過時(shí)。 使用非結(jié)構(gòu)化數(shù)據(jù)的文本分析技術(shù), 需要花費(fèi)巨額的經(jīng)費(fèi)訓(xùn)練神經(jīng)網(wǎng)絡(luò), 進(jìn)行機(jī)器學(xué)習(xí), 而且非結(jié)構(gòu)化文本中的噪聲、 模糊性以及網(wǎng)絡(luò)語(yǔ)言快速發(fā)展的特質(zhì)也給文本分析技術(shù)帶來了巨大挑戰(zhàn)(Drury & Roche, 2019)。 營(yíng)銷管理人員迫切需要一種品牌認(rèn)知度的測(cè)算方法, 為理解消費(fèi)者-品牌關(guān)系提供真實(shí)、 可靠, 有前景的數(shù)據(jù)來源(Culotta & Cutler, 2016)。

近年來, 營(yíng)銷人員和消費(fèi)者使用社交媒體的數(shù)量激增(Liu & Bakici, 2019), 更多的消費(fèi)者網(wǎng)絡(luò)足跡為品牌認(rèn)知挖掘的大數(shù)據(jù)方法提供了基礎(chǔ)材料。 在這種背景下, Culotta和Cutler(2016)開發(fā)的社交感知得分(social perception score, SPS)提供了一種自動(dòng)化的大數(shù)據(jù)流程算法, 流程中只需要輸入關(guān)鍵字, 即可以映射到該關(guān)鍵字的屬性上, 生成近乎實(shí)時(shí)的品牌認(rèn)知評(píng)級(jí)估計(jì)值。

研究使用社交感知得分(SPS)算法, 先是通過詞頻統(tǒng)計(jì), 識(shí)別出食品消費(fèi)者關(guān)注的18關(guān)鍵屬性指標(biāo), 通過因子分析從中提取出代表消費(fèi)者對(duì)食品企業(yè)認(rèn)知維度的4 個(gè)關(guān)鍵屬性(營(yíng)養(yǎng)健康、 時(shí)尚休閑、 口感和綠色安全屬性)。 然后, 將評(píng)級(jí)結(jié)果與企業(yè)的產(chǎn)品銷量進(jìn)行了多元回歸分析, 證明了該算法在食品銷量預(yù)測(cè)方面的可行性。 最后, 研究對(duì)社交感知得分算法進(jìn)行了穩(wěn)健性檢驗(yàn), 通過將SPS 屬性評(píng)級(jí)結(jié)果和調(diào)查數(shù)據(jù)進(jìn)行相關(guān)性分析, 評(píng)級(jí)結(jié)果對(duì)示例賬戶數(shù)量和粉絲數(shù)量的敏感度測(cè)試, 發(fā)現(xiàn)算法在評(píng)估食品行業(yè)品牌認(rèn)知度的過程中具有良好的穩(wěn)健性。 證明了社交感知得分(SPS)算法是食品企業(yè)進(jìn)行品牌認(rèn)知度測(cè)量、 產(chǎn)品銷量預(yù)測(cè)的良好工具, 為食品企業(yè)理解品牌的相對(duì)定位, 進(jìn)行社交媒體營(yíng)銷活動(dòng)提供了理論基礎(chǔ)和數(shù)據(jù)來源。

2. 文獻(xiàn)綜述

2.1 食品企業(yè)品牌建設(shè)與社交媒體營(yíng)銷

隨著人們生活水平的提高, 食品消費(fèi)觀念的轉(zhuǎn)型升級(jí), 食品的附加屬性和服務(wù)的重要性日益凸顯, 國(guó)內(nèi)食品行業(yè)的營(yíng)銷模式正在逐步排除無品牌食品(奚國(guó)泉和李岳云,2001)。 加之近年來食品安全事故頻發(fā), 如何增加企業(yè)的品牌資產(chǎn), 進(jìn)行品牌建設(shè)從而取得消費(fèi)者信任, 增加產(chǎn)品銷量, 成為食品企業(yè)管理者和業(yè)界專家們普遍關(guān)心的話題。 學(xué)者們也做了一些相應(yīng)的研究。

夏曉平和李秉龍(2011)以羊肉產(chǎn)品為例, 通過問卷調(diào)查的方法探討了品牌信任對(duì)于消費(fèi)者的食品消費(fèi)行為的影響, 結(jié)果表明隨著消費(fèi)者品牌信任的增加, 消費(fèi)者購(gòu)買產(chǎn)品的傾向也會(huì)顯著提高。 Banerji 等人(2016)以印度的高鐵珍珠粟(HIPM)為例, 評(píng)估了消費(fèi)者對(duì)不同品牌驗(yàn)證的珍珠粟的偏好和信任程度, 結(jié)果表明消費(fèi)者更傾向于品牌機(jī)構(gòu)提供的珍珠粟產(chǎn)品。 Hobbs 和Goddard(2015)的研究表明食品企業(yè)的品牌推廣活動(dòng)在提高消費(fèi)者信任, 增加產(chǎn)品銷量方面具有積極作用。

以上這些研究都表明, 食品企業(yè)進(jìn)行品牌建設(shè)和營(yíng)銷推廣活動(dòng)對(duì)于增加品牌資產(chǎn)和產(chǎn)品銷量方面的重要作用, 這主要是因?yàn)樵谑称废M(fèi)的過程中往往會(huì)出現(xiàn)信息不對(duì)稱的現(xiàn)象, 消費(fèi)者對(duì)于食品品質(zhì)的鑒別很大程度上受到經(jīng)驗(yàn)的限制。 因此, 品牌就成了食品消費(fèi)者可以依賴的重要標(biāo)識(shí)。 增強(qiáng)食品企業(yè)的品牌和聲譽(yù), 對(duì)促進(jìn)食品質(zhì)量信號(hào)的有效傳遞具有重要意義(王秀清和孫云峰, 2002)。 對(duì)于一些知名品牌, 它們象征著可以滿足消費(fèi)者對(duì)高品質(zhì)、 高質(zhì)量的追求, 因此在吸引消費(fèi)者和增加銷量方面具有獨(dú)特的優(yōu)勢(shì)。

然而, 這些研究尚未考慮到互聯(lián)網(wǎng)和社交媒體在食品企業(yè)品牌建設(shè)中的重要作用。 隨著互聯(lián)網(wǎng)的普及和Web2.0 時(shí)代的到來, 食品企業(yè)面臨著來自社交媒體的多方面機(jī)遇與挑戰(zhàn)。 首先, 社交媒體平臺(tái)的發(fā)展為品牌相關(guān)的營(yíng)銷活動(dòng)帶來了新的機(jī)遇(Plumeyer et al.,2017), 社交媒體是食品企業(yè)進(jìn)行品牌宣傳的理想工具, 它的作用主要體現(xiàn)在以下方面：企業(yè)使用社交媒體進(jìn)行宣傳活動(dòng), 為顧客提供信息和服務(wù)； 顧客可以通過撰寫有關(guān)他們消費(fèi)體驗(yàn)的在線口碑與其他消費(fèi)者進(jìn)行互動(dòng), 對(duì)企業(yè)進(jìn)行反饋； 社交媒體還是食品企業(yè)進(jìn)行危機(jī)管理和風(fēng)險(xiǎn)控制的良好媒介(Hsu & Lawrence, 2016)。 同時(shí), 企業(yè)的曝光率對(duì)消費(fèi)者的品牌態(tài)度和消費(fèi)選擇也會(huì)產(chǎn)生重要影響, 有關(guān)品牌負(fù)面新聞的曝光率會(huì)對(duì)消費(fèi)者的購(gòu)買意向產(chǎn)生嚴(yán)重的負(fù)面影響(Aaker, 1999), 當(dāng)有關(guān)食品企業(yè)的負(fù)面口碑(例如, 食品安全事件的相關(guān)口碑)在社交媒體上傳播時(shí), 對(duì)企業(yè)將造成嚴(yán)重的負(fù)面影響。 如何處理好消費(fèi)者-品牌社交網(wǎng)絡(luò)關(guān)系, 做好品牌社交媒體營(yíng)銷, 進(jìn)行社交媒體風(fēng)險(xiǎn)管理成為食品企業(yè)不得不面對(duì)的重要課題(Stevens et al., 2018； Choudhary et al., 2019)。

在社交媒體加速增長(zhǎng)和擴(kuò)散的推動(dòng)下, 全球消費(fèi)品牌正在將其廣告預(yù)算越來越多地轉(zhuǎn)向在線媒體(Chan et al., 2018), 近年來, 越來越多的食品企業(yè)也開始使用社交媒體。 在中國(guó), 微博平臺(tái)因具有雙向互動(dòng)、 意見反饋和受眾廣泛等特點(diǎn)受到眾多企業(yè)青睞, 截至2017 年, 已有超過1400 萬家品牌入駐微博, 微博平臺(tái)的每月活躍用戶達(dá)到3.4 億(張偉等, 2018； Liu & Hu, 2019), 這也是本次研究通過微博平臺(tái)進(jìn)行的主要原因。

基于以上分析, 研究認(rèn)為食品行業(yè)的品牌建設(shè)對(duì)于食品企業(yè)增加品牌資產(chǎn), 提高產(chǎn)品銷量, 增加企業(yè)價(jià)值等具有十分重要的意義。 但是, 目前有關(guān)食品行業(yè)社交媒體品牌建設(shè)的研究還十分匱乏。 因此, 研究從食品行業(yè)的品牌建設(shè)、 社交媒體營(yíng)銷的角度出發(fā), 對(duì)食品行業(yè)的品牌認(rèn)知度進(jìn)行細(xì)致分析, 旨在挖掘食品品牌的相對(duì)定位, 豐富和發(fā)展該領(lǐng)域的相關(guān)研究, 并為食品企業(yè)品牌和社交媒體建設(shè)提供建議。

2.2 品牌認(rèn)知與社交媒體挖掘

有關(guān)品牌認(rèn)知的研究一直是學(xué)術(shù)和實(shí)踐領(lǐng)域的重要話題, Lee 和Watkins(2016)的研究發(fā)現(xiàn)消費(fèi)者在觀看了YouTuBe 網(wǎng)站上的視頻之后, 對(duì)于品牌奢侈屬性的認(rèn)知會(huì)顯著提高； Salciuviene 等人(2010)的研究證明, 當(dāng)企業(yè)用外語(yǔ)來命名品牌時(shí), 消費(fèi)者對(duì)品牌的時(shí)尚屬性認(rèn)知會(huì)顯著提高； Favier 等人(2019)探討了包裝的簡(jiǎn)易或復(fù)雜對(duì)于香檳品牌的消費(fèi)者品牌認(rèn)知度的影響； 這些研究專注于探究造成不同消費(fèi)者品牌認(rèn)知度的前因, 為品牌認(rèn)知的相關(guān)研究做出了巨大貢獻(xiàn), 但是目前專注于推進(jìn)獲取消費(fèi)者品牌認(rèn)知度方法的研究還十分匱乏。

Fader 和Winer(2012)開發(fā)的基于用戶生成內(nèi)容(UGC)進(jìn)行社交媒體數(shù)據(jù)挖掘的方法——文本分析技術(shù), 是研究品牌認(rèn)知的常用方法。 另外一種流行的技術(shù)是Sonnier 等人(2011)開發(fā)的情緒分析技術(shù), 即量化消費(fèi)者在線表達(dá)的有關(guān)品牌的總體正面和負(fù)面情緒。這兩種技術(shù)都是基于對(duì)用戶生成內(nèi)容(UGC)等非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行的, 在品牌建設(shè)和網(wǎng)絡(luò)數(shù)據(jù)挖掘領(lǐng)域應(yīng)用十分廣泛, Timoshenko 和Hauser (2019)使用文本分析技術(shù)從用戶生成內(nèi)容中挖掘出消費(fèi)者需求, Bach 等人(2019)將文本分析技術(shù)應(yīng)用于金融領(lǐng)域的大數(shù)據(jù)分析。

在數(shù)據(jù)洪流(data deluge)面前, 文本分析技術(shù)的重要性不言而喻。 然而, 近年來卻有研究表明： 只有50%的社交媒體用戶主動(dòng)發(fā)布內(nèi)容(Toubia & Stephen, 2013), 大多數(shù)的帖子來自少數(shù)精英用戶, 而沉默的大多數(shù)卻會(huì)對(duì)品牌形象產(chǎn)生重大影響(Wu et al.,2011)。 所以, 從效果層面來看, 這些基于用戶生成內(nèi)容(UGC)的數(shù)據(jù), 不具有廣泛的代表性； 從技術(shù)層面來看, 處理這些數(shù)據(jù)需要更多的外部數(shù)據(jù)和上下文定制, 需要大量的手工操作和經(jīng)費(fèi)支撐, 另外, 網(wǎng)絡(luò)語(yǔ)言快速發(fā)展的特質(zhì)也給文本分析技術(shù)帶來了巨大的挑戰(zhàn)。 文本分析技術(shù)的這些局限成為研究人員探索新信息源的動(dòng)因。

已有研究表明品牌社交媒體的粉絲構(gòu)成能夠反映出并影響到品牌形象(Kuksov et al.,2013)。 結(jié)合這種觀點(diǎn)Culotta 和Cutler(2016)基于Twitter 社交媒體平臺(tái), 對(duì)來自多個(gè)行業(yè)的200 多個(gè)品牌進(jìn)行研究, 測(cè)量了它們的綠色、 奢侈和營(yíng)養(yǎng)屬性的感知評(píng)級(jí), 并將評(píng)級(jí)結(jié)果與調(diào)查數(shù)據(jù)進(jìn)行對(duì)比, 驗(yàn)證了算法的穩(wěn)健性。 近兩年來, 社交感知得分(SPS)算法受到品牌建設(shè)和網(wǎng)絡(luò)營(yíng)銷領(lǐng)域研究人員的廣泛關(guān)注, Gitto 和Mancusoc(2019)使用SPS 算法對(duì)118 個(gè)機(jī)場(chǎng)品牌的Twitter 賬戶進(jìn)行聚類分析, 識(shí)別了機(jī)場(chǎng)在客戶感知中的處境和相對(duì)定位。 Blasi 等人(2020)使用SPS 算法挖掘了奢侈品行業(yè)的綠色和時(shí)尚感知屬性的評(píng)分, 并證實(shí)了奢侈品的綠色屬性和時(shí)尚屬性具有相互融合的趨勢(shì)。 該方法經(jīng)過了理論和實(shí)證的檢驗(yàn), 被認(rèn)為是一種可靠高效的品牌認(rèn)知評(píng)級(jí)方法。

但是, 目前國(guó)內(nèi)外使用社交感知得分(SPS)算法的研究尚未涉及食品行業(yè)和微博平臺(tái)。 而且, 以往的研究是對(duì)研究者感興趣的產(chǎn)品屬性進(jìn)行測(cè)量, 往往忽略了哪些屬性是消費(fèi)者真正關(guān)心的。 綜上所述, 鑒于食品企業(yè)品牌建設(shè)的重要性, 社交媒體在品牌建設(shè)中的重要作用, 感知映射和非結(jié)構(gòu)化文本數(shù)據(jù)推斷品牌認(rèn)知度的局限性, 以及SPS 方法的優(yōu)越性, 研究借鑒Culotta 和Cutler(2016)開發(fā)的社交感知得分(SPS)算法, 將其推廣到食品行業(yè)和微博平臺(tái), 通過對(duì)128 個(gè)食品企業(yè)官方微博賬戶和424 個(gè)屬性示例賬戶進(jìn)行社交網(wǎng)絡(luò)挖掘, 使用文本分析和因子分析識(shí)別和細(xì)分消費(fèi)者關(guān)心的食品品牌的關(guān)鍵屬性, 探討了屬性評(píng)級(jí)在產(chǎn)品銷量預(yù)測(cè)方面的作用, 并使用線下數(shù)據(jù)對(duì)評(píng)級(jí)結(jié)果進(jìn)行了穩(wěn)健性檢驗(yàn)。

3. 研究方法和數(shù)據(jù)來源

3.1 社交感知得分方法論

社交感知得分(social perception score, SPS)評(píng)級(jí)高低主要依賴于品牌賬戶與示例賬戶的相似程度, 分?jǐn)?shù)越高表示品牌與示例賬戶的相似性越高, 品牌與屬性之間存在越強(qiáng)烈的感知關(guān)系。 換言之, 算法的核心假設(shè)為： 品牌的社交感知得分越高, 消費(fèi)者就越強(qiáng)烈地將品牌與該屬性聯(lián)系起來。 該方法的思路可以表示為圖1：

社交感知得分算法可以分為四步： (1)輸入： B——品牌賬戶(如@ZHY 官方微博)和Q——屬性查詢句柄(如“時(shí)尚”)； (2)收集示例賬戶： 使用微博檢索功能, 檢索出示例賬戶Ei的列表, 這些示例賬戶反映了特定的感知屬性； (3)收集粉絲： 收集品牌官方微博的粉絲集合FB, 收集示例賬戶的粉絲集合FE； (4)計(jì)算粉絲相似度： 計(jì)算品牌粉絲集合FB和示例賬戶粉絲集合FE之間的相似度, 返回品牌特定屬性社交感知得分——SPS(B,E)

圖1 社交感知得分方法概觀

基于相關(guān)實(shí)證研究和理論基礎(chǔ), 社交感知得分算法采用了Jaccard 指數(shù)來計(jì)算品牌賬戶和示例賬戶的相似性, Jaccard 指數(shù)被證實(shí)可以很好地表示集合相似性。 將FB定義為食品品牌(B)的粉絲集合,FE定義為示例賬戶(E)的粉絲集合。 這里的Jaccard 指數(shù)是指同時(shí)關(guān)注品牌賬戶(Bi)和示例賬戶(Ei)的粉絲數(shù)量, 與僅關(guān)注品牌賬戶(Bi)或示例賬戶(Ei)的粉絲數(shù)量的比率, 見式(1)。

Culotta 和Cutler(2016)提出與大眾樣本相比, 小眾樣本更能反映兩個(gè)集合的相似性(例如： 時(shí)尚屬性的一個(gè)示例賬戶@angelababy 擁有1 億粉絲, 相比之下, 另一個(gè)示例賬戶@時(shí)尚小公舉, 只擁有405 萬的粉絲, 同時(shí)關(guān)注@時(shí)尚小公舉和品牌B 的用戶比同時(shí)關(guān)注@angelababy 和品牌B 的用戶, 提供了更強(qiáng)的相似性證據(jù))。 結(jié)合這種觀點(diǎn), 研究將粉絲量較小的示例賬戶稱為“利基示例賬戶”, 反之稱為“流行示例賬戶”, 然后對(duì)示例賬戶進(jìn)行了加權(quán)處理, 使相似性與粉絲數(shù)量成反比, 算法見式(2)：

3.2 數(shù)據(jù)來源

3.2.1 自變量

研究實(shí)證部分的核心內(nèi)容是檢驗(yàn)品牌認(rèn)知度對(duì)產(chǎn)品銷量的影響。 自變量為128 家企業(yè)的18 個(gè)屬性指標(biāo)中提取的4 個(gè)關(guān)鍵屬性的評(píng)級(jí)結(jié)果。 自變量的計(jì)算需要進(jìn)行品牌賬戶選擇, 示例屬性選擇和示例賬戶選擇以及粉絲采集等操作, 具體步驟如下所述：

(1)品牌賬戶選擇。 2015 年第十二屆全國(guó)人民代表大會(huì)常委會(huì)第十四次會(huì)議修訂的《中華人民共和國(guó)食品安全法》中闡述“食品”的含義為： 食品, 指各種供人食用或者飲用的成品和原料以及按照傳統(tǒng)既是食品又是中藥材的物品, 但是不包括以治療為目的的物品。 這也為研究選取食品企業(yè)樣本提供了依據(jù), 參考CNPP 品牌數(shù)據(jù)庫(kù)統(tǒng)計(jì)的食品品牌,研究從國(guó)內(nèi)外證券交易所“食品飲料”板塊上市的企業(yè)中選取開設(shè)有微博賬號(hào)的上市企業(yè)128 家。 在選擇品牌賬戶(Bi)的過程中, 研究通過手動(dòng)驗(yàn)證匹配結(jié)果, 摒棄微博活動(dòng)不活躍的品牌賬戶(不活躍被定義為： 少于1000 個(gè)粉絲和20 條推文的品牌官方微博)。 如果一個(gè)品牌設(shè)置有多個(gè)賬戶, 研究會(huì)選擇品牌的官方微博賬戶； 如果在多個(gè)賬戶中沒有定義哪一個(gè)為官方賬戶, 則選擇粉絲量最多的賬戶來代表品牌的官方賬戶。

(2)示例屬性選擇。 研究使用Pyhon3.7selenium 模擬爬蟲技術(shù), 從微博中采集有關(guān)“食品”這一關(guān)鍵詞的在線口碑8000 多條, 然后使用Pyhon3.7jieba 等中文文本分詞庫(kù)進(jìn)行文本清洗、 分詞處理和詞頻統(tǒng)計(jì), 從中提取了消費(fèi)者最關(guān)注的有關(guān)食品的18 個(gè)屬性指標(biāo),并通過SPS 算法計(jì)算出了這些指標(biāo)的屬性評(píng)級(jí), 然后進(jìn)行了因子分析, 提取4 個(gè)屬性因子作為反映食品行業(yè)品牌認(rèn)知度的關(guān)鍵屬性, 因子分析結(jié)果見4.1 節(jié)。

(3)示例賬戶選擇。 研究使用的方法是輸入表示屬性的查詢?cè)~(例如： “環(huán)境”“環(huán)?！薄熬G色”“生態(tài)”等), 微博查詢將返回查詢列表, 方法程序會(huì)遍歷前50 個(gè)列表, 保留至少出現(xiàn)在兩個(gè)關(guān)鍵詞查詢列表中的賬戶作為示例賬戶。

(4)粉絲采集。 在選擇品牌賬戶(Bi)和示例賬戶(Ei)的粉絲時(shí), 為了減少誤差, 研究限定收集2019 年1 月1 日的微博數(shù)據(jù), 研究使用的所有品牌賬戶(Bi)和示例賬戶(Ei)的粉絲都更新到當(dāng)天。 研究使用Python 的requests, person, json 庫(kù)編寫了一套自動(dòng)化的模擬爬蟲腳本, 對(duì)128 品牌賬戶和424 個(gè)示例賬戶的粉絲進(jìn)行采集, 共采集了5521 萬條粉絲ID(對(duì)于每個(gè)示例賬戶, 我們最多收集10 萬個(gè)微博粉絲ID), 具體粉絲分布情況如表1所示。

表1 各類賬戶的基本信息

(5)社交感知得分計(jì)算。 在確定了要測(cè)量的有關(guān)食品的18 個(gè)屬性指標(biāo)之后, 研究利用社交感知得分算法(SPS)對(duì)各屬性指標(biāo)的得分進(jìn)行了測(cè)算, 算法詳情見式(1), 式(2)。如4.1 節(jié)所示, 研究對(duì)這18 個(gè)屬性指標(biāo)進(jìn)行了因子分析, 從中提取出了4 種關(guān)鍵屬性,并將這四種關(guān)鍵屬性的評(píng)級(jí)結(jié)果作為研究的自變量對(duì)產(chǎn)品銷量進(jìn)行了回歸分析。

3.2.2 其他變量

(1)因變量和控制變量。 因變量為產(chǎn)品銷量, 通過采集上市公司披露的2018 年度的財(cái)務(wù)數(shù)據(jù)獲得, 為了剔除企業(yè)規(guī)模對(duì)于銷量的影響, 研究使用的產(chǎn)品銷量指標(biāo)是主營(yíng)業(yè)務(wù)收入和總資產(chǎn)的比值。 研究采用了微博的明星代言、 微博賬戶等級(jí)作為控制變量。 微博的明星代言是通過查看各個(gè)品牌的官方微博是否存在明星代言的元素, 如果存在明星代言記做“1”, 沒有則記做“0”； 賬戶等級(jí)是指品牌官方微博的賬戶等級(jí)。

(2)調(diào)查數(shù)據(jù)。 為了驗(yàn)證社交感知得分(SPS)算法的穩(wěn)健性, 研究人員在北京、 上海、廣州等地通過線下問卷的方式對(duì)消費(fèi)者進(jìn)行了620 份問卷調(diào)查, 其中有效問卷578 份, 回收率達(dá)到93.2%。 在進(jìn)行基本的個(gè)人情況調(diào)查之后, 研究人員不會(huì)直接詢問受訪者是否在微博上關(guān)注品牌, 受訪者會(huì)被問及是否可以識(shí)別出品牌, 并對(duì)他們能夠識(shí)別出的品牌進(jìn)行打分, 每個(gè)屬性的分?jǐn)?shù)從1 分到5 分不等, 分?jǐn)?shù)越高表示品牌與感知屬性的一致性程度越高, 每個(gè)參與者能夠識(shí)別的品牌從28 個(gè)到55 個(gè)不等。 品牌識(shí)別率從××可樂、 YL 等品牌的100%, 到ZZD、 YLT 等不足10%, 總體平均識(shí)別率為82%。 研究將線下調(diào)查中受訪者對(duì)每個(gè)品牌的每個(gè)屬性評(píng)分取平均值, 表示該品牌該屬性的線下調(diào)查得分, 最后保留了128 個(gè)食品品牌樣本, 問卷調(diào)查的描述性統(tǒng)計(jì)特征如表2 所示。

表2 問卷調(diào)查變量的描述性統(tǒng)計(jì)特征

4. 實(shí)證分析

4.1 因子分析

研究為了確定能夠反映食品企業(yè)品牌認(rèn)知的關(guān)鍵屬性, 更好地起到產(chǎn)品銷量預(yù)測(cè)效果, 采集了微博上有關(guān)“食品”這個(gè)話題的8000 多條在線口碑, 對(duì)在線口碑文本進(jìn)行清洗之后進(jìn)行了分詞處理和詞頻統(tǒng)計(jì), 得到了出現(xiàn)頻率最高的18 個(gè)屬性指標(biāo), 然后計(jì)算了128 家食品企業(yè)的18 個(gè)屬性指標(biāo)的SPS 評(píng)級(jí)結(jié)果。 為了從這些屬性中提取共性因子, 簡(jiǎn)化數(shù)據(jù), 研究對(duì)各屬性進(jìn)行綜合評(píng)價(jià)和理論概括, 并使用IBM SPSS Statistics 25 統(tǒng)計(jì)軟件對(duì)這18 個(gè)屬性進(jìn)行了因子分析。

在對(duì)數(shù)據(jù)進(jìn)行了無量綱化處理之后, 對(duì)各指標(biāo)進(jìn)行了KMO 分析, KMO 值=0.85 大于0.5, 說明數(shù)據(jù)適合進(jìn)行因子分析。 由表3 可知, 對(duì)數(shù)據(jù)進(jìn)行歸一化處理之后, 提取方差貢獻(xiàn)率在90%以上的因子, 旋轉(zhuǎn)后的特征根均大于1, 累積方差貢獻(xiàn)率達(dá)到了89.12%,因此可以通過提取前4 個(gè)因子來代替原來的18 個(gè)指標(biāo)。

表3 特征根與方差貢獻(xiàn)率

為了使指標(biāo)能夠更好地解釋因子, 研究又做了旋轉(zhuǎn)因子載荷分析, 如表4 所示, 指標(biāo)X1～X9 很大程度上體現(xiàn)成分1, 反映了消費(fèi)者對(duì)于食品的營(yíng)養(yǎng)綠色屬性的偏愛, 因此研究將“營(yíng)養(yǎng)健康屬性”作為一個(gè)關(guān)鍵屬性； 指標(biāo)X10～X13 反映了消費(fèi)者對(duì)于食品的休閑時(shí)尚屬性的追求, 因此研究的第二個(gè)屬性為“時(shí)尚休閑屬性”； 指標(biāo)X14～X15 體現(xiàn)了成分3,反映了消費(fèi)者對(duì)食品口感的追求, 因此“口感屬性”成為本次研究的第三個(gè)關(guān)鍵屬性；X16～X18 在很大程度上體現(xiàn)了成分4, 反映了消費(fèi)者對(duì)于食品的安全綠色屬性的追求,因此本次研究要測(cè)量的食品行業(yè)的第四個(gè)關(guān)鍵屬性為“綠色安全屬性”。 最后, 研究根據(jù)每個(gè)因子的方差貢獻(xiàn)率計(jì)算出了每個(gè)屬性因子的綜合得分。

表4 旋轉(zhuǎn)后的因子載荷矩陣

續(xù)表

綜合以上因子分析結(jié)果和前人研究, 本次研究將食品行業(yè)的關(guān)鍵屬性鎖定為： 營(yíng)養(yǎng)健康屬性, 時(shí)尚休閑屬性, 口感屬性和綠色安全屬性。 這為接下來計(jì)算各品牌屬性感知得分評(píng)級(jí)和用這些關(guān)鍵屬性的品牌認(rèn)知度去預(yù)測(cè)產(chǎn)品銷量打下了基礎(chǔ)。

4.2 屬性評(píng)級(jí)結(jié)果與產(chǎn)品銷量

研究對(duì)通過因子分析得到的每個(gè)因子的方差貢獻(xiàn)率進(jìn)行計(jì)算得到了每個(gè)屬性的SPS屬性評(píng)級(jí)。 為了探究這些關(guān)鍵屬性對(duì)于產(chǎn)品銷量的影響, 研究按照如下模型對(duì)數(shù)據(jù)進(jìn)行了多元回歸分析：

其中Salei表示第i 家食品企業(yè)的2018 年度的主營(yíng)業(yè)務(wù)收入和總資產(chǎn)的比值； NHi,FCi, TAi, GSi, 分別表示第i 家企業(yè)的營(yíng)養(yǎng)健康屬性評(píng)級(jí), 時(shí)尚休閑屬性評(píng)級(jí), 口感屬性評(píng)級(jí)以及綠色屬性評(píng)級(jí)；φ1∑control 是控制變量, 主要包括官方微博的明星代言和賬戶等級(jí)兩個(gè)指標(biāo), 回歸結(jié)果如表5 所示。

表5 多元回歸結(jié)果

由表5 的多元回歸結(jié)果可知, 在控制了賬戶等級(jí)、 明星代言和企業(yè)規(guī)模之后, 營(yíng)養(yǎng)健康屬性和綠色安全屬性評(píng)級(jí)與產(chǎn)品銷量的回歸系數(shù)分別為0.972 和0.930, 在0.001 水平上顯著； 時(shí)尚休閑屬性評(píng)級(jí)和口感屬性與產(chǎn)品銷量的回歸系數(shù)分別為0.173 和0.437, 在0.01 的水平上顯著。 總體而言,ΔR2=0.550 說明整體模型較高的解釋力度, 4 個(gè)屬性指標(biāo)與產(chǎn)品銷量的回歸系數(shù)都為正數(shù)且具有顯著性, 說明營(yíng)養(yǎng)健康、 時(shí)尚休閑、 口感和綠色安全的屬性評(píng)級(jí)均會(huì)對(duì)產(chǎn)品銷量產(chǎn)生顯著的正向影響。 相比之下, 營(yíng)養(yǎng)健康屬性和綠色安全屬性的系數(shù)值要明顯高于口感屬性和綠色安全屬性的系數(shù)值, 對(duì)產(chǎn)品銷量的影響較大。

5. 穩(wěn)健性檢驗(yàn)

5.1 SPS 評(píng)級(jí)結(jié)果對(duì)示例賬戶數(shù)量的敏感性

研究考慮到示例賬戶(Ei)的樣本量對(duì)SPS 評(píng)分準(zhǔn)確性的影響, 一般認(rèn)為示例賬戶的樣本量越大, SPS 評(píng)分的準(zhǔn)確性越高, 越不容易受到樣本選擇的影響。 為此研究選擇示例賬戶樣本的隨機(jī)子集, 使用不同比例的子集樣本數(shù)量得到社交感知得分與調(diào)查結(jié)果進(jìn)行Pearson 相關(guān)性分析, 得到各屬性的SPS 結(jié)果與調(diào)查結(jié)果的平均相關(guān)系數(shù)如表6 所示。

表6 不同示例屬性樣本量下SPS 結(jié)果和調(diào)查結(jié)果的Pearson 相關(guān)分析

續(xù)表

從表6 中可以看出, 隨著示例賬戶樣本量的增加, SPS 值和調(diào)查結(jié)果的相關(guān)系數(shù)趨于增加, SPS 值的質(zhì)量趨于增加, 然而在屬性示例賬戶到達(dá)50%～60%(平均每個(gè)屬性53 ～64 個(gè)示例賬戶)相關(guān)性達(dá)到最高, 額外的樣本量并沒有使相關(guān)系數(shù)顯著變高。 當(dāng)樣本量在10 個(gè)左右的時(shí)候相關(guān)性可能非常高, 但結(jié)果并不穩(wěn)定, 各屬性間存在較大的差異。 總的而言, 隨著屬性示例賬戶的樣本量擴(kuò)大, SPS 評(píng)分的質(zhì)量在不斷變高, 在到達(dá)一定的數(shù)量之后, 額外的樣本量并不必要。

本次研究使用了424 個(gè)(100%)示例賬戶, 營(yíng)養(yǎng)健康、 時(shí)尚休閑、 口感和綠色安全的線上線下屬性評(píng)級(jí)結(jié)果的相關(guān)系數(shù)分別為0.71, 0.62, 0.84, 0.63, 平均相關(guān)系數(shù)為0.70, 都在0.5 以上, 因此可以認(rèn)為線上線下的評(píng)級(jí)結(jié)果具有顯著的正相關(guān)關(guān)系。

5.2 SPS 評(píng)級(jí)結(jié)果對(duì)粉絲數(shù)量的敏感性

在本節(jié)中, 研究繼續(xù)探討SPS 評(píng)分質(zhì)量如何隨著示例賬戶粉絲量的變化而變化。 研究認(rèn)為“利基示例賬戶”比“流行示例賬戶”提供更強(qiáng)的相似性證據(jù)。 為了驗(yàn)證這種假設(shè),本節(jié)將按照粉絲數(shù)量來過濾樣本, 根據(jù)粉絲數(shù)量將樣本分為{0 ～10K, 10K ～25K, 25K ～40K, 40K～50K}四組, 然后按照分組, 計(jì)算出每個(gè)屬性使用不同組別示例賬戶的SPS 評(píng)分(例如： 從綠色安全屬性示例賬戶中挑選出粉絲量在0～10K 的賬戶, 分別計(jì)算出每個(gè)品牌的SPS 評(píng)分), 將其與調(diào)查結(jié)果進(jìn)行相關(guān)性分析, 結(jié)果如表7 所示。

表7 不同示例賬戶粉絲量的SPS 評(píng)分和調(diào)查結(jié)果的Pearson 相關(guān)性分析

從表7 中不難看出, 示例賬戶粉絲量越多對(duì)SPS 評(píng)分的預(yù)測(cè)能力未必越強(qiáng), 這也與Culotta 和Cutler(2016)的結(jié)論一致。 示例賬戶粉絲量有一個(gè)“甜蜜點(diǎn)”, 在這一點(diǎn)上示例賬戶有足夠的粉絲量來計(jì)算可靠的品牌屬性評(píng)級(jí)。 正如表7 所示, 當(dāng)粉絲量在10K ～25K 時(shí)達(dá)到這個(gè)“甜蜜點(diǎn)”, 相關(guān)系數(shù)最高(0.74), 在這個(gè)區(qū)間內(nèi)的示例賬戶最具有預(yù)測(cè)力, 這也證明了算法使用示例賬戶粉絲數(shù)的倒數(shù)作為權(quán)重計(jì)算社交感知得分(SPS)更加準(zhǔn)確。

6. 結(jié)論和啟示

6.1 研究結(jié)論

本次研究采用了一種從社交媒體中挖掘食品品牌認(rèn)知度的全新算法, 這種全自動(dòng)、 動(dòng)態(tài)化的算法提供了比傳統(tǒng)的感知映射方法更加高效、 實(shí)時(shí)、 低成本的替代方案。 食品企業(yè)可以更加高效地明確自己和競(jìng)爭(zhēng)對(duì)手在消費(fèi)者心目中的相對(duì)定位, 為營(yíng)銷策略的制定和產(chǎn)品銷量的預(yù)測(cè)提供依據(jù)。

文本分析和因子分析的結(jié)果表明： 消費(fèi)者關(guān)注的有關(guān)食品的4 個(gè)關(guān)鍵屬性, 包括營(yíng)養(yǎng)健康屬性、 休閑時(shí)尚屬性、 口感屬性和綠色安全屬性, 這些關(guān)鍵屬性構(gòu)成食品企業(yè)品牌認(rèn)知度的各個(gè)維度。 事實(shí)上, 這些屬性的選擇也能從以往的研究和理論中找到依據(jù)。 何德華等(2014)的研究表明, 消費(fèi)者對(duì)食品質(zhì)量和安全狀況的預(yù)期會(huì)對(duì)其購(gòu)買意愿產(chǎn)生顯著的影響, 食品的營(yíng)養(yǎng)、 健康屬性作為食品的重要質(zhì)量指標(biāo), 會(huì)對(duì)食品的銷量產(chǎn)生重要的影響。 Woo 和Kim(2019)多維建構(gòu)應(yīng)用四種綠色感知價(jià)值(GPV)形式, 結(jié)果表明綠色感知價(jià)值(GPV)對(duì)食品消費(fèi)者的購(gòu)買意愿和購(gòu)買態(tài)度產(chǎn)生積極影響, 隨著綠色消費(fèi)觀念深入人心, 人們?cè)谙M(fèi)的過程中或許會(huì)考慮食品的綠色屬性。 同時(shí), Woo 和Kim(2019)還通過計(jì)算機(jī)輔助的個(gè)人訪談探討了與食品安全相關(guān)的感知風(fēng)險(xiǎn)、 責(zé)任和控制。 結(jié)果表明, 消費(fèi)者(尤其是高年齡段消費(fèi)者)對(duì)食品安全風(fēng)險(xiǎn)的厭惡、 責(zé)任感和控制食品安全風(fēng)險(xiǎn)的意愿對(duì)他們進(jìn)行食品購(gòu)買行為和意愿的影響十分顯著。 劉靈芝等人(2018)使用文本分析技術(shù)探究了熟食產(chǎn)品在線口碑的數(shù)量和極性, 證明熟食產(chǎn)品的口感屬性對(duì)產(chǎn)品銷量產(chǎn)生顯著的正向影響。 孫邦平(2005)所做的調(diào)查表明食品消費(fèi)的方向是休閑化、 時(shí)尚化, “休閑的就是時(shí)尚的”已經(jīng)成為消費(fèi)者的共識(shí)。

品牌認(rèn)知度與產(chǎn)品銷量的回歸結(jié)果表明： 社交感知得分結(jié)果對(duì)產(chǎn)品銷量具有一定的預(yù)測(cè)作用。 4 個(gè)關(guān)鍵屬性對(duì)產(chǎn)品銷量的重要影響說明了, 食品企業(yè)在追求提高食品口感進(jìn)行休閑化、 時(shí)尚化包裝的同時(shí), 也應(yīng)該注重食品安全、 健康、 綠色等方面的投資。 食品企業(yè)應(yīng)該重視社會(huì)責(zé)任建設(shè), 加強(qiáng)食品安全監(jiān)管, 減少食品浪費(fèi), 注重實(shí)用環(huán)保材料, 以此提高消費(fèi)者對(duì)企業(yè)相關(guān)屬性的認(rèn)知, 增加企業(yè)價(jià)值。

社交感知得分算法的穩(wěn)健性檢驗(yàn)結(jié)果表明： 社交感知得分的評(píng)級(jí)結(jié)果和線下調(diào)查結(jié)果具有顯著的相關(guān)性, 評(píng)級(jí)結(jié)果沒有受到屬性示例賬戶的數(shù)量, 屬性示例賬戶粉絲量的顯著影響, 該算法在評(píng)估食品行業(yè)的品牌認(rèn)知度方面具有良好的穩(wěn)健性。 在Web2.0和社交媒體快速發(fā)展的今天, 網(wǎng)絡(luò)上有大量的消費(fèi)者足跡, 如何利用好這些消費(fèi)者足跡, 繪制消費(fèi)者群體的用戶畫像, 對(duì)于食品企業(yè)的營(yíng)銷策略制定和產(chǎn)品銷量提升至關(guān)重要, 社交感知得分算法的誕生為企業(yè)和研究者進(jìn)一步利用和挖掘用戶足跡提供了良好的算法工具。

6.2 研究意義

研究的理論意義在于： 首先, 本次研究豐富了食品行業(yè)消費(fèi)者品牌認(rèn)知度的相關(guān)文獻(xiàn), 迄今為止, 食品行業(yè)品牌認(rèn)知度的研究主要通過問卷調(diào)查和文本分析的方法, 相比之下, 本次研究不僅考慮了食品行業(yè)的特殊屬性, 還為食品品牌的品牌認(rèn)知測(cè)量提供了一種高效可靠的替代方案。 其次, 以往研究在使用社交感知算法時(shí), 往往是對(duì)研究者感興趣的產(chǎn)品屬性直接進(jìn)行預(yù)測(cè), 本次研究在繼承SPS 算法的基礎(chǔ)上, 將文本分析技術(shù)和社交網(wǎng)絡(luò)技術(shù)相結(jié)合, 從在線口碑中提取消費(fèi)者感興趣的食品屬性指標(biāo), 然后進(jìn)行因子分析, 使屬性指標(biāo)來源更具有代表性。 最后, 以往社交感知得分算法主要立足于國(guó)外社交媒體平臺(tái)(如Twitter, Facebook), 現(xiàn)存的食品企業(yè)社交媒體營(yíng)銷的文獻(xiàn)匱乏, 而在微博平臺(tái)快速發(fā)展, 食品購(gòu)買行為品牌化的今天, 研究將社交感知得分算法推廣到食品行業(yè)和微博平臺(tái),為進(jìn)一步豐富品牌認(rèn)知度挖掘和食品行業(yè)網(wǎng)絡(luò)營(yíng)銷的相關(guān)研究做出了貢獻(xiàn)。

研究的實(shí)踐意義在于： 區(qū)別于現(xiàn)存的感知映射方法, 社交感知得分算法是基于結(jié)構(gòu)化數(shù)據(jù)的社交網(wǎng)絡(luò)分析方法, 它為食品企業(yè)的品牌認(rèn)知度測(cè)量提供了一種全新思路和信息源。 無論是學(xué)者還是市場(chǎng)營(yíng)銷經(jīng)理只需要在Python 程序腳本中輸入自己想要測(cè)量的品牌微博賬戶ID 和感知屬性句柄, 就可以得到對(duì)應(yīng)的屬性評(píng)級(jí)結(jié)果, 所以SPS 算法是傳統(tǒng)啟發(fā)式算法的良好替代方案, 是食品企業(yè)預(yù)測(cè)品牌認(rèn)知度的有效手段。 其次, 研究結(jié)果為食品企業(yè)確定自身產(chǎn)品和競(jìng)爭(zhēng)對(duì)手的相對(duì)定位, 制定適合自身定位的營(yíng)銷策略提供依據(jù)。 最后, 研究建議食品企業(yè)在注重食品的口感、 時(shí)尚化、 休閑化包裝的同時(shí), 更應(yīng)該在食品安全、 可持續(xù)發(fā)展方面進(jìn)行投資, 提高消費(fèi)者對(duì)相關(guān)屬性的認(rèn)知, 從而增加企業(yè)的品牌資產(chǎn)和企業(yè)價(jià)值。

6.3 研究局限與展望

本次研究還存在如下局限, 希望在未來能夠進(jìn)一步地完善這些不足之處。 首先, 社交感知得分算法本身存在一些限制, 比如： 只能對(duì)開設(shè)有社交媒體賬號(hào)的品牌進(jìn)行研究； 有些關(guān)鍵詞屬性無法使用該算法進(jìn)行估計(jì)。 其次, 搜集品牌賬戶和示例賬戶的過程中, 微博平臺(tái)粉絲真?zhèn)蔚蔫b別十分困難, 不排除一些賬戶存在虛假粉絲的現(xiàn)象, 如何對(duì)這些粉絲進(jìn)行真?zhèn)舞b別還需要進(jìn)一步的研究, 但在大規(guī)模數(shù)據(jù)的分析下, 這些問題對(duì)SPS 最終結(jié)果的影響并不明顯。 最后, 本次研究選擇的樣本是來自食品行業(yè)的上市企業(yè), 并從多個(gè)維度測(cè)量其品牌認(rèn)知度, 由于涉及的食品種類繁多, 受訪者無法從一個(gè)維度對(duì)品牌認(rèn)知度進(jìn)行綜合評(píng)價(jià), 導(dǎo)致各屬性評(píng)級(jí)在總體品牌認(rèn)知度中的權(quán)重?zé)o法確定, 所以研究在4.2 節(jié)研究檢驗(yàn)了SPS 屬性評(píng)級(jí)與產(chǎn)品銷量的關(guān)系, 回歸系數(shù)的大小在一定程度上也可以體現(xiàn)出各屬性在消費(fèi)者心目中的權(quán)重。 事實(shí)上, 社交感知得分算法的初衷就在于從不同維度、 不同屬性上找到企業(yè)自身和競(jìng)爭(zhēng)對(duì)手的相對(duì)定位。

為了克服算法本身的局限性, 研究使用文本分析和社交網(wǎng)絡(luò)分析相結(jié)合的手段, 以提高預(yù)測(cè)的準(zhǔn)確性和可靠性。 相比較于先前的研究, 本次研究在關(guān)鍵屬性的選擇上使用文本分析和因子分析的方法, 提高了屬性選擇的可靠性和代表性。 本次研究只是為社交感知得分算法打開了食品行業(yè)和微博平臺(tái)的大門, 今后的研究可以圍繞更多的產(chǎn)品屬性展開, 結(jié)合具體產(chǎn)品的特性, 進(jìn)行具體分析, 依據(jù)不同的產(chǎn)品類型識(shí)別消費(fèi)者所關(guān)心的產(chǎn)品屬性；同時(shí)還可以將這種方法推廣到更多的社交網(wǎng)絡(luò)平臺(tái), 在其他領(lǐng)域有更多的突破。