本文来源：996论文网本文是一篇市场营销论文，本文拟以原创性为分类标准，对比研究在微博营销对产品销量的中介模型中，原创型微博和转发型微博哪一个有更显著的影响。
1 绪论
1.1 研究背景
1.1.1 微博的蓬勃发展
Web3.0 时代，互联网最突出的变化是增强了用户间的互动与分享功能，使用户连结更加紧密。其中社交媒体因为具有典型的新时代特征，迅速受到大众追捧。随着信息化进程的加快，社交媒体遍地开花，不论是从形式上还是用户数量上来看都呈现井喷式增长。
国际上，91%的线上成年用户都曾使用社交媒体工具，截至2017年4月，Facebook、Youtube、Twitter是访问量排名前三的网站，其中Facebook的市场渗透率已达到线上总人数的12%，在北美甚至达到了50%。这些网站的用户增长也颇为迅速，从2011年第一季度到2012年第一季度，Facebook用户增长率达到25%，移动端的增长率更是惊人，在2013年达到了67%。
从国内来看，截至2017年6月，我国网民规模达7.51亿，占全球网民总人数的五分之一，互联网普及率为54.3%，超出全球平均水平4.6个百分点。手机网民规模达7.24亿，国内互联网网民数量，特别是手机网民数量一直呈现持续增长状态。根据全球性社交营销代理机构we are social的报告，目前中国活跃用户数量排名前三的社交媒体工具分别是微信、QQ空间和新浪微博。其中，微信以4.68亿的月活跃账户位居国内社交网络排名第一，相当于中国总网民人数的62%。IBM预测，在2015年到2018年间，使用社交媒体与客户互动的企业数量将翻三番。
微博是一种包含文字、图片、音乐、视频、文章、网站链接等形式的短信息平台。不同于微信和 QQ 这类侧重通讯功能的社交工具，微博具有实时性、开放性、自由性、交互性等特征[4]。任意用户都能够实时获取各类信息，自由表达自己的观点，并且还能与他人交流讨论。它不仅拉近了熟人之间的距离，更是提供了陌生人之间进行交互的空间，在交流自由度方面相比微信、QQ 等即时通讯工具更具优势。微博不仅有广大的普通用户基础，还有众多名流、企业、媒体账号入驻，提供了普通群众接触这些群体的机会，同时也使得微博主体相比其他社交网络更加多元化。正是这些特征使得它广泛受到用户的喜爱，目前新浪微博是国内受众最广的实时信息分享平台，其发展速度也异常迅猛。根据新浪微博用户发展报告，截至 2017 年 3 月，微博注册用户人数已超过 5 亿，月活跃用户人数已达到3.4 亿人，较上年同期增长 48%，正式超越 Twitter 成为全球最大的独立社交网站。6 月的日均活跃用户数达到 1 亿，较上年同期增长 30%。
.......................
1.2 研究意义
1.2.1 理论意义
社交媒体的快速发展为企业提供了新的营销渠道和与消费者互动的平台。其中新浪微博最为国内社交与媒体功能结合最典型的网络平台，正逐渐成为企业进行产品营销的新渠道。基于微博本身庞大的用户数量，很容易为企业官方账号吸引来大量关注者，一个又一个夺人眼球的话题创造出巨大的浏览量，其信息传播能力是惊人的。相比传统媒体投放的广告无法获得受众的反馈，无论是企业官方微博还是受众微博，二者的交流对象都是微博用户，这种机制能将双方置于更加平等的沟通位置，有利于拉近企业与消费者的距离，不仅能让企业迅速获得消费者的反馈，还能在巨大的转发量中形成一定的影响力。显而易见，这种新兴的营销方式不仅成本低廉，而且对树立形象、提高业绩有显著影响。已有的研究已经肯定了微博营销的商业价值，也证实了微博宣传对消费者购买行为的影响，但这种传播方式是如何作用于消费者并最终转化为购买力的目前还没有学者深入探究，因此本文旨在厘清这一问题。
在学术方面，本文具有以下理论意义。本文将分三部分逐步深入研究微博营销对产品销量的作用机理，首先在第一部分，本文提出企业自有媒体和第三方媒体的概念，并比较二者的异同，进一步细分微博营销的前因；在第二部分，也就是本文的核心部分，我们拟结合心理学、传播学、广告学等多个领域的理论，包括详尽可能性模型、议程设置理论、培养理论等，在传统广告学劝说效应和知晓效应以及心理学详尽可能性模型的基础上，引入传播学的议程设置功能理论和培养理论，为微博营销影响产品销量的中介模型提供充足的理论依据，实现多领域理论融合使用以及跨领域应用，拓宽现有理论应用范围，并建立起营销学领域的新模型，找到企业自有媒体和第三方媒体影响产品销量的中介变量，弥补微博营销研究的空白点与缺陷；第三部分继续细分微博内容，提出转发行为的重要性及其在影响产品销量方面的重要影响，填补关于转发行为商业价值的研究空白。总体来讲，本文在理论融合、理论应用领域拓宽、理论模型建立方面具有一定的作用。
.......................
2 文献综述
2.1 概念界定
2.1.1 企业自有媒体与第三方媒体
社交媒体和 Web 2.0 的快速发展为电子商务从产品导向的环境向社交和顾客导向的环境转变提供无限潜力。目前社交媒体的形式众多，如何从中做出选择是企业面临的第一个难题。Smith & fischer（2012）在从宣传自我展示、品牌中心性、营销导向的交流、对微博营销行为的响应、品牌真实信息和品牌情绪六个维度比较了不同社交媒体平台上品牌引起用户生成内容（UGC）的差异后，得出微博是信息传播效果最好、用户生成内容中品牌中心性最高的平台，因此我们选择微博作为研究对象。微博的出现为大众提供了自我表达的平台，在这种环境中，企业拥有建立自有媒体的权利，人人都可以作为传播媒介进行信息分享，消费者获得了更多的产品信息与产品体验，能帮助他们更好的理解自己的网络消费目的，以及做出更准确更好的购买决策。微博是社交媒体的一种，它拥有典型的社交媒体特征，即向外传递信息，如果企业运用得当，会极大的提高用户的信息接收效率，并且，这种信息传播达到的对象会呈指数增长。本文将企业员工在微博平台开设的官方账号定义为企业自有媒体，包括品牌官方微博、企业领袖微博、代言人微博、产品设计人员微博等。由于产品设计人员属于幕后人员，其微博受到的关注较少，在宣传推广方面效果较小，因此本文主要以前三个微博主体为研究对象。不同于传统报纸杂志、电视广播的单向信息输出模式，基于微博平台的企业自有媒体有利于企业与消费者进行信息交换与直接互动，能够及时获得消费者反馈，提高信息传播速度。企业自有媒体因其具有成本低效率高的优势，迅速获得企业追捧，成为目前颇受欢迎的营销方式。
........................
2.2 理论综述
2.2.1 详尽可能性模型
社会心理学中最早关于改变个体感知和行为的劝说过程的理论是双加工理论（dual-process theory）。该理论认为外部信息是态度改变和行为结果改变的主要驱动因素，这些信息会给个体带来新的可能性，促进他们重新审视自己最初的信念和态度，并在潜移默化中影响现在的行为。双加工理论还认为社会判断的处理过程不一定总是依赖于需仔细判断的信息，有时也会基于启发式线索这种更省力的方式来加工处理进行判断。这两种促进态度形成的信息加工方式，即努力成本相对更高的信息处理过程和努力成本相对更低的信息处理过程，共同组成双加工理论的核心。
在双加工理论的基础上，Petty & Cacioppo（1981）提出详尽可能性模型（Elaboration Likelihood Model，ELM），更加详细地阐述了信息加工过程。详尽可能性的程度指个体评价某个观点的精细程度，而详尽可能性模型主要阐述的观点是个体在进行信息加工时有两条路径：中心路径和边缘路径。在个体有充足的时间和机会处理接收的信息的前提下，当个体对观点的参与度较高时且处理观点信息的能力较强时，其态度由中心路径说服，而当个体参与度较低且能力较差时，边缘路径起劝说作用。在中心路径的情况下，个体会谨慎仔细的处理接收的信息内容，个体的态度由信息包含的相关问题观点所决定。如果观点是正确无误没有问题的，那么个体的信念和态度就会顺利地被改变。在边缘路径下的情况下，个体由于缺乏动机和能力，只能投入有限的认知努力来处理接收的信息，因此，他们是根据简单的启发式线索的劝说效应来判断信息包含观点的正误，而非深入的思考。例如，个体对产品的喜好可能仅仅出于他对产品代言人的喜欢。边缘线索包括有名的代言人，信息源的高专业性，专业的第三方认证等；中心线索包括强调产品的优势，强调产品与竞争产品的不同等，其主要通过描述产品的属性和优点，而不是产品使用的感受，来提供有力的观点佐证。
...........................
3 研究假设
3.1 理论模型的提出
3.2 不同微博主体对产品销量的影响差异
4 研究设计
4.1 研究方法的选择
4.1.1 问卷调查法
4.1.2 实验研究法
.................
5 数据分析与假设检验
5.1 数据分析方法
5.1.1 描述统计
描述统计是用数学语言来展示一组样本或样本中各个变量相互之间关联的特点与特征，其目的是对样本数据进行总结和概括。在实证研究中，收集得到的众多数据特征通常无法由某一个特定数据来代表，需要用某种方法对所有数据进行整合，得出整体的结论
描述统计就是对众多数据进行整合展示的方法。通常，一种描述统计方法也很难概括所有数据的整体面貌，因此需要结合多种描述统计方法对数据进行全方位的解释和描述。 描述统计分为单变量描述统计、双变量描述统计和多变量描述统计。其中，单变量描述统计又包括集中趋势分析，例如众数、中位数、平均数等等；离散趋势分析，例如极差、四分互差、标准差等等；以及频数和频率分布。双变量描述统计包括关联表、回归分析、相关分析等。多变量描述统计包括多变量关联表、偏相关分析、多元回归分析、因子分析等。
根据本文数据特征，我们拟采用的描述统计方法包括极大值、极小值、平均数、标准差、相关分析和回归分析。极大值和极小值是反映样本数据离散趋势的统计指标，即一组样本数据中的最大值和最小值，通过比较极大值与极小值的差值，可以看出样本数据的取值跨度范围。平均数是用于反映数据集中趋势的描述统计指标，由样本观测值相加的总和除以观测值的个数得到。该数值可以通过 SPSS 软件直接处理得到。标准差是用于反映数据离散趋势的描述统计指标，通常与平均数配套使用，综合反映全部样本数据的特征。标准差由各个样本值与总体平均值的差值平方后相加，再除以样本个数，并取以上结果的平方根得到。该数值也可以通过 SPSS 软件直接处理得到。
5.1.2 线性回归分析
.....................
6 研究结论与展望
6.1 研究结论与创新点
6.1.1 研究结论
参考文献（略）
浙公网安备 33010802012068号
