内 容 摘 要
随着互联网技术的持续繁荣发展,信息产生量与日俱增,不可避免的导致营销类信息过剩,引发用户的感知紊乱等一系列问题,如何提升信息质量,降低对用户的信息打扰成为当下社交媒体亟需解决的问题。本文以微信营销为例,通过文献调研、问卷收集、SPSS统计分析及Amos结构方程拟合,基于前人的研究与国内外的发展现状,总结了营销类信息质量的各个维度,并结合驱力理论、关系营销理论归纳出影响用户满意及行为的三个层级:信息内容、效用及载体质量。进行信效度检验及结构方程拟合分析后,发现在三个层级中,有五个维度(真实性,完整性,激励性,安全性,系统性能)以用户满意为中介变量正向影响用户分享行为,并得到各个维度对用户满意的影响系数,其中激励性对用户满意的影响系数最大,对此提出了强化用户利益感知、提升媒介的丰富度、优化系统布局及改善信息安全机制的建议。
关键词:微信营销;结构方程;分享行为;用户满意;信息质量
一、绪 论
(一)研究背景
短短二十载,中国已崛起成为全球电商行业先行示范者,其成就令世人惊叹,这个庞大的市场里,拥有着8.55亿数字消费者和最活跃的移动社交用户群体,全球零售商为此趋之若鹜。其中新兴社交电商企业是这股风潮的领头羊,电商平台纷纷将消费概念融入社交媒体,而社交媒体除了为品牌商提供拥有社交元素的第三方平台外,还提供了直达消费者(DTC)的新渠道[14]。以微信小程序为例,据2019年中国数字消费者趋势数据显示,通过微信小程序进行品牌认知的用户,已约占该品牌在大型电商平台上用户的四分之一[14]。
网络节点特有的连通性属性,能够让用户发出的有效信息快速遍及整个网络,相比于企业所发出的营销信息而言,用户口口相传的口碑信息带来的效益更有广度和深度。企业若能建立起用户与产品之间的信任关系,则在一定程度上能够实现营销信息传播的广度和深度。
因此,网络节点的属性与用户分享行为的模式对企业的网络营销信息是否能够实现有效传播具有重要意义。
(二)研究目的和意义
1.研究目的
在互联网技术与电商持续繁荣的环境下,企业信息营销逐渐从线下转移至线上,理清影响营销信息质量的因子有利于企业更好的设计营销信息,达到预期效果。因此本研究通过剖析营销类信息质量的各个维度,理清各因子影响系数的研究将有助于企业制定科学合理的微信营销方案,以降低营销成本,促进微信营销平台可持续发展。
2.研究意义
本研究将关系营销理论、驱力理论放置在一个新的情境并予以验证,分析其用户模式是否适应于微信营销,在这当中是否还需要引入其它新的变量,切换情境以后,理论影响差异如何?这是本研究将考证的理论意义。
此外,营销类信息本身易引起消费者的反感,不论是何种形式的营销信息,都是为了刺激消费者产生消费行为,从而达到企业盈利的目的,对于消费者来说,营销类信息总是不容易被接受的,自身不过是被利用从而达到消费的目的,尽管现实社会鼓励消费,但这并不意味着用户愿意无条件买单。因此,营销类信息本身携带被排斥的属性,这也正是本研究的实际意义所在。
(三)研究方法
1.研究方法
j文献调查法:结合国内外相关理论文献以获取有效资源,归纳信息质量系统、关系营销、驱力理论、用户行为等相关理论。
k问卷调查法:通过移动互联网向目标用户投放问卷,并回收有效数据。
l统计分析法:通过SPSS21.0对回收的问卷数据进行描述性分析,探索性、验证性因子检验,相关性检验,再运用Amos22.0进行结构方程拟合,验证研究假设。
2.研究路线
图1研究路线
二、文献综述
(一)发展现状及问题思考
根据《2019年中国社交电商行业研究报告》,2018年中国社交电商行业规模达6268.5亿元,同比增长255.8%,微信月活跃账户达到10.98亿,在众多移动社交类流量入口中,微信带来的流量超过60%。社交媒体正快速促成冲动式消费,除了为品牌商提供具有社交元素的第三方平台外,还提供了直达消费者(DTC)的新渠道[14]。以拼多多、京东、美团等为首的微信小程序如雨后春笋快速展开,直接或间接带来超5000亿规模拼购类社交经济,丰富的玩法引导用户分享传播,用户呈裂变增长,而这些营销信息对分享意愿的影响因子有哪些?这些因子对分享意愿的影响有多大?这是本文所要研究的问题。
(二)微信营销及微信营销类信息的界定
结合前人对微信营销的定义,大体上都认为微信营销是一种点对点的新型网络营销形式,斯特莱登魏薇(2012)认为微信营销本质上是一种新型的网络营销方式,不同的是随着微信用户数量的快速增长而又有新的本身平台特征[10]。代玲(2017)认为微信营销类信息是企业、品牌和产品、服务素质在微信上自我表达,从而构建与用户的线性持续传播[10]。
据此,本文认为,微信营销是企业依托于微信平台而进行各种产品形式、品牌的表达与塑造,单向持续输出用户端。而微信营销类信息则是企业、品牌、产品等信息在微信上的表现形式,旨在搭建与用户的长期良好关系。
(三)国内外研究综述
1.基于认知的营销类信息研究
国外在信息系统研究的基础上,证实了用户对广告信息的积极态度会影响后续购买行为,并通过该系统得到了几个影响变量,涉及的前因变量含有权威性,功利性,娱乐性等。本研究聚焦微信营销类信息的信息质量,基于传播学、营销学、心理学等领域的研究成果,对国内外的文献作分析总结。
Delone和Mclean(1992)提供的IS系统模型是本研究的基础,他们在研究IS系统时,认为系统质量与信息质量共同对用户满意度及使用产生影响,最终影响到个体及组织,具体模型如图1-1所示[1]。
图1-1 Delone信息系统成功模型
Urbach N, Smolnik S & Riempp G(2009)通过对2003-2007年间信息系统成功的现状做了深入的研究分析,证实IS成功模型仍然是IS成功度量的主要基础[2]。Petter S, DeLone W & McLean E(2008)也证实了IS系统成功模型是寻找关键维度的有效框架[4]。
国内的研究对于营销类信息质量本身的研究多聚集在微博、网络社群、微信公众号等;
方天堃(2015)通过加入风险承担作为调节变量,探究相关性及有效性对购买意愿的影响,以评估信息质量[17]。胡媛(2017)通过对微博信息质量及信源可信度的模糊层次评价模型分析,得到影响信息质量的因素从大到小的排列依次为:信息时效性、信息影响度、信息权威性、信息价值度、信息准确性、信息关联度、信息内容、信息呈现形式[13]。冯旭艳(2015)以消费者作为主体,研究消费者对微信营销接受意愿影响,得出营销的易用性、有用性、愉悦性能够正向影响用户态度,而感知上的干扰对用户态度有显著负面影响的结论[11]。
对前人的研究进行一个汇总,可以发现感知上的舒适感能够正面影响用户的态度,而干扰则会对用户态度有负面的影响。
2.基于分享行为的营销类信息研究
信息分享是用户行为的一种表达方式,从信息接触产生一系列情感变化,到最终接纳信息并分享的这个过程中,分享行为起到了一个结束的作用。对于企业营销而言,用户进行信息分享,实现品牌的传播作用,从而使品牌信息在社交媒体上链式扩散是非常理想的状况。
宋维翔,贾佳(2019)通过小规模的访谈法及公众号的用户行为数据分析证实信息内容质量、信息形式质量、信息效用质量、信息载体质量对用户的互动行为有正向影响,如图1-2所示[12]。
图1-2
信息质量对用户行为影响模型
国外对于社交媒体分享行为的研究还显得比较空白,而国内对于微信、微博等社交媒体的分享意愿、接受意愿均有一定程度上的研究。
赵云霞等(2013)的实证结果表明消费者对企业信息的信任会对其分享意愿产生积极影响[8]。代玲(2017)进行了一场大规模的问卷调查及实证分析,以用户满意度作为中介变量,测试其余因子通过该变量对分享行为的影响系数,最终通过用户满意正向影响用户分享行为因子共有5个,包含真实性、表达完整性、及时、安全及互动性[10]。梁艳(2017)通过实证分析证实微信好友的相似性、熟悉性和互惠性越强,则越有利于微信好友的分享行为,从而有利于帮助消费者形成企业认同感[9]。陈星,张星,肖泉(2019)通过对在线健康社区用户的持续知识分享意愿研究,将用户满意度作为中介变量,探究其它因子通过满意度对持续分享意愿的影响,发现有显著的正向影响[24]。Xiaoping L, Lisha C, Yan L(2019)研究微信用户个人特征对其它好友的影响,得到感知价值对消费者分享意愿的影响最大的结论[5]。
归纳国内外的相关研究,可以发现用户的分享行为带有一定的目的性,即分享行为存在着一种形式动机,对于信息本身,来自内外部的激励对用户行为均存在着影响。
(四)用户信息行为理论及研究综述
1.驱力理论
L.Berkowitz在1969年出版的《社会心理学手册》中将驱力描述为促动个体采取行动的内部刺激,这种刺激来自于体内的某些需要过剩或匮乏[25]。对此可以认为,驱力为行为提供动力、能源,而日常中的行为方式、模式决定行为发展路线。
驱力分为原始驱力和获得驱力,其中原始驱力是指出于个人生理上的需要,无需通过一系列的学习才能形成的驱力[25]。获得驱力则是指由经过学习、条件作用而获得的驱力[25]。为了研究驱力背后的系统机制,这里还将引入诱因论,感受-激励机制(SIM)和预期-激励机制(AIM),根据驱力理论,可以得到模型如图1-3所示。
图1-3驱力理论模型
2.关系营销
关系营销的概念始于Berry(1983),认为关系营销是“通过各种手段吸引、维持和强化顾客关系的活动”。Morgan,Hunt(1994)认为关系营销是旨在建立、发展和维持关系交换的一切营销活动。
随着微信的发展,公众号的日常信息推送已成为广大网民获取信息的主要途径之一,在公众号与网民的这段关系中,发展、维护与用户的关系成为公众号运营的本质,通过对关系的运营,以形成良好的持续互动。另一方面,庄贵军,席酉民(2003)发现中国的市场营销一开始就是一种关系营销[15]。它还存在这样的一种行为模式:意识到某人对自己达成某种目的或利益有用时,会开始运用各种方式接近某人,并产生互动而强化关系[15]。
因此,企业主对用户的点对点传播需要进一步观测到用户与用户之间的关系传播。
三、模型框架与假设提出
(一)模型框架
回顾已有的文献进行归纳演绎,借鉴前人的成熟量表,将驱力理论、关系营销理论作为理论基础,构建信息质量影响分享行为模型,加入用户满意作为中间变量,设置量表二阶结构,将信息质量分为内容质量、效用质量、载体质量三个一阶因子,下设真实性、表达性、时效性、激励性、互动性、安全性、系统性能7个维度作为二阶因子。如图2-1所示。
图2-1信息质量对分享行为影响模型
(二)研究假设
1.信息内容质量相关假设
Wang R Y(1998)在全面数据质量管理中指出,高质量信息产品的首要条件是具备真实性、信息完整性,为了获取移动端口的竞争优势,需要充分挖掘信息数据的潜力。唐晓波,陈馥怡(2015)认为不同的媒介在信息内容、表达方式和信息质量上都会存在差别,足够的创新性、趣味性搭配丰富的表达方式(如图片、音频等)能够刺激用户的分享意愿[21]。
对于消费者而言,信息的真实可靠是最基本的,一旦信息变得虚假、不可靠,消费者对信息的认知也将止步于此。而信息的不完整,会导致部分内容失真,长期来看,会导致用户产生期望与实际感知产生偏差,从而使用户的行为态度产生变化。
据此可以做出如下假设:
H1信息的真实性越高,则消费者对信息质量越满意;
H2信息的完整性越高,则消费者对信息质量越满意。
2.信息效用质量相关假设
朴雅宁(2014)指出用户会根据其对信息敏感程度来使用信息,随着时间的推迟,对信息的关注度会缓缓降低[18]。曹瑞昌(2002)研究信息质量及其评价指标体系时指出信息具有明显的时间限制,超出限制的信息将会失去价值[22]。
信息的及时、适用是用户获取有效信息的指标之一。信息具有显著的时效性,当下以及不断更新的信息,及时而有效的信息能够帮助用户做决策,其中对用户衡量决策越有效的信息,越具备价值。
据此可以做出如下假设:
H3信息的时效性越高,则消费者对信息质量越满意;
H4信息的激励性越高,则消费者对信息质量越满意。
3.信息载体质量相关假设
宋维翔(2019)在研究公众号信息质量与用户互动行为的关系时,从信息内容质量、信息效用质量、信息形式质量、信息载体质量四个方面来考察对用户互动行为的影响,其中载体质量包括可操作性、可检索性、整合性、安全性、可获取性[12]。
张大勇等(2019)在研究社交媒体用户群体互动行为特征研究时,指出网络群体内部用户间的互动时社交活动的重要组成部分,也是信息能够快速有效传播的关键[19]。研究表明,能够与用户利益诉求产生联系的信息内容更能激起用户参与度,并促使信息在群体内形成影响。因此本文将互动性单独作为一个变量研究系统载体质量。
据此可以做出如下假设:
H5信息载体的互动性越高,则消费者对信息质量越满意;
H6信息载体的安全性越高,则消费者对信息质量越满意;
H7信息载体的系统性能越高,则消费者对信息质量越满意。
4.分享行为相关假设
李鑫(2018)在研究社区电子商务用户信息分享行为影响因素研究时,发现用户与平台之间良好的互动可以大大增加用户对平台的好感,平台功能的简化,界面的美观,界面的整体排版都能给予用户直观的视觉冲击[20]。Nah和Davis(2002)的研究认为,消费者大多愿意付出低成本来快速获得想要的信息,若此时消费者得到的信息很大程度上符合消费者的预期,则消费者的感知能够得到很大的满足,这种情况下更容易让消费者采纳信息内容,并触发分享行为。Jooyoung(2007)研究情感反应与认知结构在产品试用态度形成中的作用时,发现态度的决定因子为认识性态度与情感性态度,两者均影响用户行为意愿[8]。据此,本文认为消费者在决定是否采用分享行为时,相当程度上取决于那一时刻的个人态度。
据此可以做出如下假设:
H8用户对企业营销信息的满意度正向影响营销类信息分享行为。
本章小结
基于前人关于信息质量、分享行为研究,引入驱力理论及关系营销理论,加入用户满意作为中间变量,构建信息质量影响分享行为模型,借鉴前人的研究思路,从中提取8个影响信息质量的变量,对各变量提出了研究假设,详见表2-1。
表2-1研究假设
假设因子 | 具体内容 | |
真实性 | H1 | 真实性正向影响用户营销类信息满意度 |
完整性 | H2 | 完整性正向影响用户营销类信息满意度 |
时效性 | H3 | 时效性正向影响用户营销类信息满意度 |
激励性 | H4 | 激励性正向影响用户营销类信息满意度 |
互动性 | H5 | 互动性正向影响用户营销类信息满意度 |
安全性 | H6 | 安全性正向影响用户营销类信息满意度 |
系统性能 | H7 | 系统性能正向影响用户营销类信息满意度 |
用户满意 | H8 | 用户满意正向影响用户营销类信息分享行为 |
四、问卷设计与实证分析
(一)问卷设计研究变量
基于第一章文献综述的总结及本文研究的需要,本文将通过发布问卷的形式来回收相关有效数据,本研究将遵循以下4个步骤。
形成始量表:引用前人已有的成熟量表,以提升量表整体的拟合度及认可度。
问卷预测试:将始量表投放于部分目标群体进行问卷预测试,检测问卷及模型整体的数据可信度及有效性,同时根据因子测试来检验问卷模型的拟合度。
形成最终问卷:根据预测试的结果进行适当的删改,以保证量表具有良好聚敛效果及区分效度。
下面是本研究的量表结构及各指标变量的来源。
表3-1量表结构及来源
一阶维度 | 二阶维度 | 量度 | 来源 | |
前因变量 | 信息内容质量 | 真实性 | A1 信息的内容真实 | Wang & Strong (1996) |
A2 信息的内容来源于权威学者、专家等 | ||||
A3 信息的内容正确无误 | ||||
完整性 | B1 信息的内容表达清晰 | Ryan & Nelson (2004) | ||
B2 信息的内容易于理解 | ||||
B3信息的信息量丰富 | ||||
信息效用质量 | 时效性 | C1 信息的内容具有时效性 | Bovee (2004) | |
C2 信息的内容是最新的 | ||||
C3 信息的传递速度非常快 | ||||
激励性 | D1 信息能使我在多方面受益 | Maltz (2000) | ||
D2 信息的内容对我购买产品或服务有帮助 | ||||
D3 信息能够满足我的购物需求 | ||||
D4 信息中含有免费的物质奖励 | ||||
D5 信息中含有抽奖获利的机会 | ||||
信息载体质量 | 互动性 | E1 我能够自由选择我想浏览的信息内容 | Lee.T (2005) | |
E2 微信平台能够简便的进行信息分享 | ||||
E3 我能够快速的使用各类信息 | ||||
系统性能 | F1 微信系统能及时响应我的信息需求 | Aladwani & Palvia (2002) | ||
F2 微信平台系统链接顺畅 | ||||
F3 微信平台系统导航清晰高效 | ||||
F4 微信系统能根据我的偏好给我相应的信息需求 | ||||
安全性 | G1 在微信信息交互的过程中,信息数据安全得到保障 | Salisbury, Pearson & Perarson (2001) | ||
G2 在微信信息交互的过程中,个人隐私得到保护 | ||||
G3 在微信信息交互的过程中,个人权益不受侵犯 | ||||
中间变量 | 用户满意 | H1 我认为该信息满足了我的需要 | Assael (1987) | |
H2 该信息的使用过程是愉快的 | ||||
H3 总的来说,我对该信息是满意的 | ||||
H4 信息能够帮助我理性消费 | ||||
结果变量 | 分享行为 | I1 我经常主动将信息分享到朋友圈中 | Park J W, Kwon O K, Jang H Y (2012) | |
I2 我经常主动将信息发送给指定的好友 | ||||
I3 我经常主动将好友分享的内容再次分享出去 | ||||
I4 有企业或品牌发布活动并要求分享时,我愿意参与 | ||||
I5 我愿意分享企业或品牌精心准备的广告 | ||||
I6 我愿意分享企业或品牌准备的软文 |
(二)问卷预测试
预测试中,笔者采用了便利抽样的调查方式,以广州工商学院三水校区的本科生作为抽样样本,这类学生具有一定的思维能力,有过相关企业营销信息分享行为(如拼多多,天猫淘宝双十一,京东等)。本次调查回收84份问卷,筛选条件后有效问卷70份。
信度检验是问卷数据的可靠性检验,反映数据的稳定性,是问卷数据真实程度的评价指标,根据相关标准,系数0.7-0.8说明数据具有相当的可信度,0.8-0.9为很好,0.9以上为非常好。
运用SPSS21.0对数据进行信度分析,结果如表3-2所示,α>0.9,说明信度非常好,对9个因子维度进行分层信度检验,以检验各因子对整体的影响,得到的系数均大于0.7,说明本量表具有一定的解释度,能够大范围问卷发放。
表3-2 可靠性统计量 | ||
Cronbach’s Alpha | 基于标准化项的 Cronbachs Alpha | 项数 |
0.946 | 0.946 | 34 |
表3-3分层信度系数表
变量 | Cronbach α系数 | 项目个数 |
真实性 | 0.772 | 3 |
完整性 | 0.79 | 3 |
时效性 | 0.765 | 3 |
激励性 | 0.737 | 5 |
互动性 | 0.788 | 3 |
系统性能 | 0.777 | 4 |
安全性 | 0.904 | 3 |
用户满意 | 0.875 | 4 |
分享行为 | 0.898 | 6 |
效度检验是测量问卷数据有效程度的分析方法。本次效度检验涉及KMO检验和球状检验,其中KMO值是检验相关性的一个指标,其判断原则是0.6-0.7为最小接受程度,0.7-0.8为效度较好,0.8-0.9为很好,0.9以上为非常好。
本次问卷数据预测试得到KMO值0.663>0.6,说明效度尚可接受,Bartlett’s球状检验值等于1669.913,sig=0.000<0.001,说明具有显著性。
表3-4 KMO 和 Bartlett 的检验 | ||
取样足够度的 Kaiser-Meyer-Olkin 度量。 | 0.663 | |
Bartlett 的球形度检验 | 近似卡方 | 1669.913 |
df | 561 | |
Sig. | 0 |
(三)实证分析
正式调查阶段,本问卷发放对象为全网使用微信的用户,发放时间为两个星期,采用裙带抽样的方式进行传播最终回收问卷578份,其中有效问卷538份,有效回收率为93.07%。
1.描述性统计分析
对回收的问卷数据作汇总分析后,得到如表3-5所示;男性用户占39%,女性用户61%;年龄主要分布在19-35岁之间,以中青年为主;职业分布较为均匀,教育程度普遍为大专及以上。各量表均值及标准差如表3-6所示。
表3-5描述性统计分析表
样本特征 | 特征项目 | 频数 | 比例 |
性别 | 男 | 211 | 39% |
女 | 327 | 61% | |
年龄 | 18及以下 | 34 | 6% |
19-26 | 284 | 53% | |
27-35 | 182 | 34% | |
36及以上 | 38 | 7% | |
职业 | 在校学生 | 104 | 19% |
XX/机关干部/公务员 | 21 | 4% | |
企业管理者(含基层及中高层管理者) | 32 | 6% | |
普通职员(办公室/写字楼工作人员) | 167 | 31% | |
专业人员(如医生/律师/文体/记者/老师等) | 62 | 12% | |
普通工人(如工厂工人/体力劳动者等) | 19 | 4% | |
商业服务业职工(如销售人员/商店职员/服务员等) | 29 | 5% | |
个体经营者/承包商 | 34 | 6% | |
自由职业者 | 50 | 9% | |
农林牧渔劳动者 | 3 | 1% | |
暂时无业 | 2 | 0% | |
其它 | 15 | 3% | |
教育程度 | 初中及以下 | 32 | 6% |
高中 | 42 | 8% | |
大专 | 125 | 23% | |
本科 | 322 | 60% | |
硕士及以上 | 17 | 3% | |
接触的微信营销类信息类型 | 信息流广告 | 432 | 80% |
朋友圈营销信息 | 362 | 67% | |
订阅号或服务号推送信息 | 501 | 93% | |
第三方服务类营销信息 | 231 | 43% |
表3-6 变量描述性统计
变量 | 均值 | 标准差 |
真实性 | 4.007 | 0.986 |
表达性 | 3.949 | 1.004 |
及时性 | 4.015 | 0.941 |
激励性 | 4.003 | 0.955 |
互动性 | 3.993 | 1.003 |
系统性能 | 3.968 | 1.023 |
安全性 | 3.964 | 0.995 |
用户满意 | 3.956 | 1.059 |
分享行为 | 3.804 | 0.954 |
2.信度分析
将有效样本数据导入,进行信度检验,相关结果如表3-9,α=0.873>0.8,对各测量维度信度进行分层测量,得到结果如表3-8所示。每个子项Alpha值比整体的α值低,说明该问卷在整体结构上有良好的信度。
表3-7 可靠性统计量 | ||
Cronbach’s Alpha | 基于标准化项的 Cronbachs Alpha | 项数 |
0.873 | 0.876 | 30 |
表3-8 分层信度分析
变量 | α值 | 子项 | 校正的项总计相关性 | 项已删除的 Cronbach’s Alpha值 |
真实性 | 0.786 | A1 | .624 | .747 |
A2 | .668 | .673 | ||
A3 | .629 | .717 | ||
完整性 | 0.821 | B1 | .657 | .794 |
B2 | .710 | .725 | ||
B3 | .686 | .748 | ||
及时性 | 0.825 | C1 | .651 | .811 |
C2 | .704 | .744 | ||
C3 | .741 | .718 | ||
激励性 | 0.832 | D1 | .710 | .770 |
D2 | .696 | .767 | ||
D3 | .703 | .766 | ||
系统性能 | 0.828 | E1 | .645 | .827 |
E2 | .710 | .745 | ||
E3 | .731 | .726 | ||
互动性 | 0.825 | F1 | .679 | .801 |
F2 | .716 | .742 | ||
F3 | .704 | .744 | ||
安全性 | 0.829 | G1 | .687 | .787 |
G2 | .688 | .768 | ||
G3 | .718 | .742 | ||
用户满意 | 0.836 | H1 | .706 | .780 |
H2 | .721 | .755 | ||
H3 | .690 | .786 | ||
分享行为 | 0.904 | I1 | .814 | .878 |
I2 | .743 | .887 | ||
I3 | .703 | .892 | ||
I4 | .752 | .886 | ||
I5 | .718 | .890 | ||
I6 | .722 | .889 |
3.效度分析
在SPSS21.0中继续进行效度分析,如表3-9所示,得到KMO=0.855>0.8,Bartlett的数值为8023.4, sig=0.000<0.001,表明数据能够进一步进行探索性及验证性因子分析。
表3-9KMO 和 Bartlett 的检验 | ||
取样足够度的Kaiser-Meyer-Olkin度量。 | .855 | |
Bartlett的球形度检验 | 近似卡方 | 8023.397 |
df | 435 | |
Sig. | 0.000 |
4.因子分析
继效度分析后,采用主成分分析法并旋转,发现能够提炼的变量共有9个,解释度=74.664%>70%,如表3-10。据此本研究认为,这9个因子对全部数据的解释度均可接受。
表3-10解释的总方差
成份 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差的 % | 累积 % | 合计 | 方差的 % | 累积 % | 合计 | 方差的 % | 累积 % | |
1 | 6.767 | 22.557 | 22.557 | 6.767 | 22.557 | 22.557 | 4.201 | 14.004 | 14.004 |
2 | 4.104 | 13.680 | 36.237 | 4.104 | 13.680 | 36.237 | 2.335 | 7.782 | 21.786 |
3 | 1.968 | 6.561 | 42.798 | 1.968 | 6.561 | 42.798 | 2.321 | 7.736 | 29.523 |
4 | 1.868 | 6.225 | 49.023 | 1.868 | 6.225 | 49.023 | 2.311 | 7.704 | 37.227 |
5 | 1.803 | 6.011 | 55.034 | 1.803 | 6.011 | 55.034 | 2.311 | 7.702 | 44.929 |
6 | 1.657 | 5.523 | 60.557 | 1.657 | 5.523 | 60.557 | 2.307 | 7.691 | 52.620 |
7 | 1.535 | 5.116 | 65.673 | 1.535 | 5.116 | 65.673 | 2.306 | 7.685 | 60.306 |
8 | 1.460 | 4.867 | 70.540 | 1.460 | 4.867 | 70.540 | 2.180 | 7.268 | 67.574 |
9 | 1.217 | 4.056 | 74.596 | 1.217 | 4.056 | 74.596 | 2.107 | 7.022 | 74.596 |
10 | .581 | 1.937 | 76.533 | ||||||
11 | .533 | 1.777 | 78.310 | ||||||
12 | .472 | 1.572 | 79.882 | ||||||
13 | .454 | 1.512 | 81.394 | ||||||
14 | .452 | 1.507 | 82.901 | ||||||
15 | .413 | 1.376 | 84.277 | ||||||
16 | .400 | 1.333 | 85.610 | ||||||
17 | .395 | 1.317 | 86.927 | ||||||
18 | .383 | 1.277 | 88.203 | ||||||
19 | .363 | 1.209 | 89.412 | ||||||
20 | .353 | 1.177 | 90.589 | ||||||
21 | .335 | 1.116 | 91.705 | ||||||
22 | .321 | 1.071 | 92.776 | ||||||
23 | .316 | 1.055 | 93.831 | ||||||
24 | .295 | .985 | 94.816 | ||||||
25 | .287 | .956 | 95.772 | ||||||
26 | .279 | .929 | 96.700 | ||||||
27 | .268 | .893 | 97.593 | ||||||
28 | .252 | .839 | 98.432 | ||||||
29 | .242 | .808 | 99.240 | ||||||
30 | .228 | .760 | 100.000 | ||||||
提取方法:主成份分析。 |
旋转成分矩阵并取消绝对系数小于0.6的数值显示,得到如表3-11所示的结果。可以发现各因子子项在相同因子上负载很高,能够聚合为一个因子,参照问卷以后,因子1-9分别对应分享行为、安全性、激励性、系统性能、完整性、时效性、互动性、真实性、用户满意。
表3-11旋转成份矩阵a | ||||||||||
成份 | ||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ||
I1 | .872 | |||||||||
I4 | .819 | |||||||||
I2 | .813 | |||||||||
I6 | .811 | |||||||||
I5 | .804 | |||||||||
I3 | .790 | |||||||||
G3 | .843 | |||||||||
G1 | .843 | |||||||||
G2 | .834 | |||||||||
D1 | .866 | |||||||||
D3 | .843 | |||||||||
D2 | .819 | |||||||||
E3 | .842 | |||||||||
E2 | .822 | |||||||||
E1 | .820 | |||||||||
B2 | .841 | |||||||||
B3 | .838 | |||||||||
B1 | .831 | |||||||||
C3 | .856 | |||||||||
C2 | .823 | |||||||||
C1 | .817 | |||||||||
F1 | .867 | |||||||||
F2 | .829 | |||||||||
F3 | .829 | |||||||||
A1 | .834 | |||||||||
A2 | .814 | |||||||||
A3 | .780 | |||||||||
H2 | .797 | |||||||||
H1 | .766 | |||||||||
H3 | .746 | |||||||||
提取方法:主成份。
旋转法:具有Kaiser 标准化的正交旋转法。 | ||||||||||
a. 旋转在6 次迭代后收敛。 |
本次针对共9个变量及30个子项进行CFA分析。从表3-12可知,所有变量的AVE值均大于0.5,且CR值均高于0.7,说明该数据具有良好的聚合(收敛)效度。
表3-12组合信度表
Factor | 平均方差萃取AVE值 | 组合信度CR值 |
真实性 | 0.5721 | 0.7998 |
完整性 | 0.6195 | 0.8296 |
时效性 | 0.645 | 0.8442 |
激励性 | 0.6352 | 0.8393 |
互动性 | 0.6377 | 0.8398 |
系统性能 | 0.6371 | 0.84 |
安全性 | 0.6324 | 0.8375 |
用户满意 | 0.6428 | 0.8437 |
分享行为 | 0.6184 | 0.9065 |
5.相关性分析
通过SPSS21.0进行pearson相关分析后,发现真实性、完整性、时效性、激励性、互动性、系统性能、安全性对用户满意、分享行为均存在显著性。各数值如表3-13所示。从表3-14可知,共9个因子分别对应的平方根值最小为0.756,大于因子间系数的最大值0.367,意味着研究数据具有良好的区分效度。
表3-13pearson相关
用户满意 | 分享行为 | ||
真实性 | Pearson 相关性 | .315** | .134** |
显著性(双侧) | .000 | .002 | |
表达性 | Pearson 相关性 | .320** | .085* |
显著性(双侧) | .000 | .050 | |
及时性 | Pearson 相关性 | .338** | .079 |
显著性(双侧) | .000 | .067 | |
激励性 | Pearson 相关性 | .322** | .076 |
显著性(双侧) | .000 | .078 | |
互动性 | Pearson 相关性 | .324** | .034 |
显著性(双侧) | .000 | .437 | |
系统性能 | Pearson 相关性 | .316** | .072 |
显著性(双侧) | .000 | .093 | |
安全性 | Pearson 相关性 | .322** | .049 |
显著性(双侧) | .000 | .254 | |
**. 在 .01 水平(双侧)上显著相关。 | |||
*. 在 0.05 水平(双侧)上显著相关。 |
表3-14pearson相关与AVE平方根
真实性 | 完整性 | 时效性 | 激励性 | 互动性 | 系统性能 | 安全性 | |
真实性 | 0.5721 | ||||||
完整性 | 0.319*** | 0.62 | |||||
时效性 | 0.313*** | 0.292*** | 0.6439 | ||||
激励性 | 0.273*** | 0.212*** | 0.053*** | 0.6358 | |||
互动性 | 0.367*** | 0.275*** | 0.049*** | 0.053*** | 0.6377 | ||
系统性能 | 0.35*** | 0.26*** | 0.055*** | 0.058*** | 0.056*** | 0.6365 | |
安全性 | 0.332*** | 0.247*** | 0.053*** | 0.055*** | 0.053*** | 0.058*** | 0.6324 |
AVE平方根 | 0.756373 | 0.787401 | 0.802434 | 0.797371 | 0.798561 | 0.79781 | 0.795236 |
***. 在 .001 水平上显著相关。
6.模型假设检验
本文将各量表数据导入Amos 22.0软件,运用结构方程拟合,得到各因子间的显著性水平及影响系数如表3-15所示,各拟合指标均呈现出良好水平。
表3-15结构方程拟合指标评价表及研究值
指标 | 判断标准 | 本研究值 | |
可接受 | 好 | ||
卡方自由比(X²/df) | <3.0 | 1.522 | |
拟合优度指数(GFI) | (0.7-0.9) | >0.9 | 0.933 |
修正拟合优度指数(AGFI) | (0.7-0.9) | >0.9 | 0.917 |
模型比较适合度(CFI) | (0.7-0.9) | >0.9 | 0.975 |
非规范拟合指数(TLI) | (0.7-0.9) | >0.9 | 0.971 |
规范拟合指数(NFI) | (0.7-0.9) | >0.9 | 0.93 |
近似误差均方根(RMSEA) | <0.1 | <0.08 | 0.031 |
具体的路径系数如表3-16。模型拟合的路径分析如图3-1所示。
表3-16路径系数表
路径 | Estimate | S.E. | C.R. | P | ||
满意度 | <— | 真实性 | 0.185 | 0.082 | 2.241 | 0.025 |
满意度 | <— | 完整性 | 0.201 | 0.067 | 2.993 | 0.003 |
满意度 | <— | 时效性 | 0.131 | 0.073 | 1.796 | 0.072 |
满意度 | <— | 激励性 | 0.246 | 0.072 | 3.399 | *** |
满意度 | <— | 互动性 | 0.096 | 0.065 | 1.465 | 0.143 |
满意度 | <— | 系统性能 | 0.164 | 0.065 | 2.518 | 0.012 |
满意度 | <— | 安全性 | 0.198 | 0.065 | 3.071 | 0.002 |
分享行为 | <— | 满意度 | 0.269 | 0.034 | 7.935 | *** |
(注:***表示P<0.001)
图3-1模型路径系数图
通过分析,发现有6个因子呈现出显著性,各指标均呈现出良好的拟合度。从表3-17中可以得知H1、H2、H4、H6、H7、H8假设支持,真实性(p=0.025<0.05)、完整性(p=0.003<0.01)、激励性(p<0.001)、系统性能(p=0.012<0.05)、安全性(p=0.002<0.01)、用户满意(p<0.001)在统计学上具有显著性,且系数均为正,可以得到如下结论:作为中介变量的用户满意度正向影响用户分享行为,其次,真实、完整、激励、安全性、系统性能正向影响用户满意度;H3假设不支持,时效性(p=0.072>0.05); H5假设不支持,互动性(p=0.143>0.05);所有假设检验结果如表3-18所示。各因子标准化回归系数如图3-2所示。
表3-18假设检验结果
假设 | 结果 |
H1 真实性正向影响用户营销类信息满意度 | 支持 |
H2 完整性正向影响用户营销类信息满意度 | 支持 |
H3 时效性正向影响用户营销类信息满意度 | 不支持 |
H4 激励性正向影响用户营销类信息满意度 | 支持 |
H5 互动性正向影响用户营销类信息满意度 | 不支持 |
H6 系统性能正向影响用户营销类信息满意度 | 支持 |
H7 安全性正向影响用户营销类信息满意度 | 支持 |
H8 用户满意正向影响用户营销类信息分享行为 | 支持 |
图3-2标准化回归系数图
其中,真实性、完整性、激励性、安全性、系统性能、用户满意的标准化回归系数分别为0.13、0.15、0.17、0.13、0.16、0.40。时效性及互动性不具备显著性,不在讨论范围之内。
从回归系数来看,用户满意很大程度上正向影响分享行为,而激励性对用户满意度的影响最大,其次是系统性能,完整性、真实性、安全性。
本章小结
本章根据因子分析的结果对各维度变量进行划分,根据已有的成熟量表及前人的研究思路设计了本次研究的调查问卷,通过2次问卷预测试对问卷模型进行了检验和完善,最终本次研究的9个因子在信度、效度及结构拟合度上都满足要求,因此将问卷用于正式调查。
通过对有效问卷数据的描述性统计分析,信度及效度的检验后,确定了4个变量对用户满意具有显著的正向影响,分别是真实性,完整性,激励性,系统性能及安全性。通过标准化回归系数可以发现,激励性对用户满意的影响系数达到0.17,是所有变量中最为显著的,其次分别为系统性能,完整性、真实性及安全性。
五、建议与研究局限
(一)微信营销的启示及建议
1.强化用户利益感知
通过本研究,激励性对用户满意度的影响系数最大。在《国富论》中,亚当斯密对人的假设是“经济人”,认为人是利己的。
现阶段,对于企业营销信息来说,现金红包能够较大程度上吸引用户的点击、参与及转发。以支付宝为例,每年“集五福”活动,不但抓住了国人对于“家”的情怀需求,还提供了实际性的好处(瓜分红包,财富红包,单车月卡,蚂蚁森林保护罩等形式),这使得每年参与“集五福”活动的用户只多不少,并呈现逐年增多的趋势。
除此之外,2019天猫双十一运用盖楼对抗得红包的形式,促使用户为营销信息广泛传播,还带动“卖楼”行业的发展,一时间“淘宝卖楼”呈现一个朝气蓬勃的现象,天猫以支付一个红包的代价,带来了数倍的广告传播价值回报。从这个角度来说,如何用低成本给予用户利益上的强烈感知是企业营销信息成功的条件之一。
2.提升媒介丰富度
信息表达的完整性能够让用户的感知与实际绩效趋于一致,而丰富的表达能够提升信息的趣味性,增添吸引力。微信相比于其它社交平台而言,一个明显的优势就是具有丰富多样的媒介,企业能够通过媒介来定义产品,同时增添趣味性,对于企业营销信息来说,除了常见的文字,图片外,还可以通过一些特定的条件来实现信息的获取,如界面滑动,AR扫描,手机旋转等方式来提升媒介的丰富度,增加信息的趣味性,以吸引用户的眼球。
3.优化系统布局
对于用户所需要的功能应设置在明显的位置,切忌为了让用户增添中介途径来达成目标。例如2019年末“同程春运帮抢票”,用户在帮助抢票的前提是完成企业所要求的其它页面签到,浏览等行为,这在一定程度上给用户造成了信息理解偏差和感知上的干扰,许多发起抢票者往往得不到其它用户的支持,这显然不利于企业的营销信息传播。
因此,导航功能的设计应建立在企业与用户双方有良好的互动意愿基础上,或激励性基础上,否则不但徒增成本,还损害了用户对品牌形象的信任。
4.改善信息安全及获取机制
用户通过微信端口进入营销信息界面时,往往会被提示企业将获取您的用户昵称,性别,手机号码等信息,这在一定程度上容易引起用户的反感,担心信息泄露。
企业获取用户信息无可厚非,但应改善表达方式并告知信息用途,让用户的信息安全能够产生保障;另外,企业还应完善自身的信息保护机制。2015年网易邮箱大量数据泄露引起用户的恐慌,继X斯诺登事件以后,网络信息安全不断引起人们的重视,若企业不能持续更新完善自身的信息保护系统,则用户容易对企业失去信心,并且还会对企业形象带来很大的消极影响。
(二)研究局限
1.模型有待深化
本文基于大量的文献研究,引用前人的成熟量表及研究模型,在一定程度上揭示了信息质量对用户满意度及分享行为的影响。前人关于信息质量的研究维度非常宽广且深入,基于笔者的水平与篇幅的限制,仅仅对小范围的信息质量进行了研究,还有其它如信息形式,干扰性,意见领袖等维度对于用户满意度及分享行为又是如何变化的,是否还需要加入其它调节变量?控制变量?中介变量来进一步探讨分享行为的影响因子,这是本文还未能解决的问题。
2.调研方法有待改进
本研究的结论在一定程度上忽略了个体特征对用户产生分享行为的影响,如男性和女性在行为模式、思维模式上的差异如何?对其分享行为的影响是否有变化?学历层次对分享行为的认知有何差异?职业特征的不同是否又会影响到分享行为等问题,这些是未来还应继续考虑和研究的问题。
3.样本选样方式有待扩宽
笔者使用的抽样方法是便利式抽样,数据在一定程度上有所失真,尽管本文运用了大量的统计分析方法确保了数据的真实有效,但实际上并不能断言本研究的数据能够代表大多数人,若未来还有机会对本问题继续深入研究,则应加入多种抽样方法,设置两个或多个对照组,以检验不同样本数据得到的结论是否趋于一致。
六、结论
互联网技术蓬勃发展,移动社交平台随之崛起,人与人之间的沟通距离变得更为触手可及,传统商业不断向现代电商转型,社交型电商应运而生,高度契合的两者,再结合我国的特殊国情,为移动电商提供了更多可能性。在众多移动社交平台中,微信以低传播成本,高便捷,强人际关系的属性脱颖而出,带来大量的流量价值,成为企业营销推广的重要渠道之一。理清各因子影响系数的研究将有助于企业制定科学合理的微信营销方案,以降低营销成本,促进微信营销平台可持续发展。因此本文结合大量的国内外文献研究,对微信营销类信息的形式、传播方式及研究现状进行了相关阐述,引用前人的成熟量表及研究模型,经过预测试的检验及改进,对量表加以完善,并进行实证研究,以期能够为企业制定科学合理的微信营销方案提供参考价值。
本研究结合驱力理论,关系营销理论,从预期-激励、感受-激励的行为路径与前人的研究基础上提出研究假设,通过实际的问卷调查,及数据统计研究方法,得到了如下结论:在本研究背景下,微信营销类信息影响用户满意并产生分享行为的因子共有5个,分别是真实性,完整性、激励性、系统性能,安全性。
信息内容层面:以双十一期间微信拼多多的“帮我提现微信零钱”为例,该活动期间,全国高校几乎都存在着拼多多“帮我提现微信零钱”活动,笔者对此深入研究,发现拼多多的微信营销信息存在着表达不完整的属性,当助力金额达标以后,用户会随机得到抵扣券或微信零钱现金,这部分的讯息被隐藏在具体规则,即该信息虽然真实,成功引发大规模的信息转发,但其本身只呈现了片面的信息,导致后期用户的分享行为显著下降,品牌形象还受到一定程度上的损害。
信息效用层面:同样以拼多多为例,该营销信息能够实现在微信上广泛的裂变式传播,是因为其“诱饵”足够吸引人,即对用户产生的回报、效用大于转发行为的损失(对朋友的打扰等),从感知-激励这个层面来说,拼多多的微信营销信息是满足这个条件的。
信息载体层面:以微信小程序为例,它的出现提供了极大的便捷性,实现应用“触手可及”,无需下载就能体验较为完善的应用功能,操作界面较为美观,便捷,而对于小程序的激励性分享要求,用户往往易于接受。另一方面,部分小程序存在15s广告,要求获取个人信息,跳转至其它小程序、公众号等现象,这类现象会降低了用户的满意度及分享意愿,即系统界面的设计出现杂乱,繁琐的步骤,安全信息得不到保障,给用户带来了感知干扰,这说明信息载体的系统性能及安全性对用户满意度具备显著影响。
用户满意及分享行为层面:用户满意对分享行为有正向影响符合本研究的假设。互联网的高速发展,使得网络信息的增长速度与日俱增,在这个信息过剩的时代,用户自然会过滤大量感知上排斥的信息。而作为企业,对用户的过滤条件进行调查研究,提升用户对信息的参与度及满意度是必要的,因此企业如何抓住用户对信息的喜好,让内容变得简洁易懂,让分享行为具备激励性成为时下营销类信息设计的重中之重。
在本文的研究背景下,在信息内容质量、信息效用质量、信息载体质量中,对用户满意呈现显著影响的因子从大到小排序是激励性、系统性能、完整性、真实性、安全性。
参考文献
[1]栗云.微信病毒式营销因子及其对消费者分享意愿的影响研究[D].广州:暨南大学,2016.
[2]梁艳.微信好友特征对消费者分享意愿的影响研究[D].浙江工商大学,2018.
[3]代玲.微信营销类信息质量对分享行为的影响研究[D].广州:华南理工大学,2017.
[4]冯旭艳.消费者对微信营销的接受意愿影响因素研究[D].北京邮电大学,2015.
[5]宋维翔,贾佳.微信公众号信息质量与用户互动行为关系研究[J].现代情报,2019,39(01):78-85.
致 谢
本次论文是在我的导师的指导下完成的,从论文选题到开题报告,攥写初稿,中期报告以致定稿,都受到了老师无微不至的关怀。老师严谨的治学态度,广阔的视野让我思维得到升华,才写下了这份研究。期间还受到了其它老师的帮助及指导,在此一一表示感谢,他们是老师以及甄学宁教授。
本次写作引用了大量前人的文献及成熟量表,在此一一表示感谢,对于研究过程中给我提供帮助的好友,同学表示真挚的感谢,对协助我问卷研究的人们表示诚挚的感谢。
时光转瞬即逝,年华一去不复返,是非成败转头空;初入大学的画面还历历在目,我就已经成为了一名即将毕业的大四生。回顾这四年来的一切,有过颓废,有过奋斗,有过成功,也有过失败,而这些经历都将成为我人生阅历的一部分。
四年来,有些老师可能只是匆匆而过,没有留下多少足迹,而有些老师却让我受益匪浅,我能够真实的感受到您是如此认真负责,热爱教师这份职业,不论是课堂内还是课堂外,您都教了我许多。我参加一些比赛的时候,您虽然不是其中的利益相关者,却愿意付出时间来指导我,让我成功获奖。
老师,教了我一年半,让我掌握了许多心理层面的知识,比如我们经常提到的马斯洛需求层次理论,双因素,弗洛伊德的精神分析说等等,这些理论知识让我更懂得如何与他人相处。
老师,既是良师,又是益友。课堂上我常常向您请教许多问题,您总是不厌其烦的给我解释,还能带我回顾很久以前的知识;课堂之外,您总能听我倾诉我的烦恼,我的疑惑,让我深刻的认识人生是什么样的。
老师,如同我的人生导师一般,总是默默为我的大小事提出建议,适时激励我,不论是学业的事情,还是未来人生规划的事情,您总能从不同角度给我提供一些建议,一步步拓宽我的思维,让我少走了许多弯路。
老师,非常拘谨的一位老师,您我之间总用您互称,我总觉得很不好意思,感谢您让我学习到许多关于市场调研的知识,也非常感谢您引领我发表了第一篇论文,在我往后的学术研究里打下了基础。
老师,你们适时的一句小小的鼓励,让我发生了天翻地覆的变化,使我变得非常上进,我在大学里的所得,都离不开你们对我的鼓舞。
四年来的记忆,依旧历历在目,其中充满了许多波澜起伏,成功也好,失败也罢,都将会是我宝贵的财富,不断激励我继续前行,愿往后的日子只争朝夕,不负韶华。
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。
2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。
原创文章,作者:1158,如若转载,请注明出处:https://www.447766.cn/chachong/154468.html,