服装行业微博病毒营销的传播意愿影响因素研究

周 莎，罗戎蕾

(浙江理工大学服装学院，杭州310018)

微博是对微博客(MicroBlogging)的简称，是一个基于用户关系的信息分享、传播及获取平台，用户可以通过Web、Wap及客户端组建个人社区，以140字左右的文字更新信息，并实现及时分享［1］。根据中国互联网络信息中心(CNNIC)此前发布的最新数据，截止2012年6月，中国网民数量达5.38亿，而微博用户数已趋近中国网民数，18岁及以上的微博用户占中国网民总数的九成［2］。微博营销是随着微博的火热衍生出的新兴的网络营销方式，微博的转发、评论功能具有病毒式传播的特点，微博的病毒营销正是建立在病毒式传播的基础上的。病毒式营销(viral marketing)，是指企业通过网络传播的方式在全球网络社群发动营销活动，利用口碑传播成为与消费者交流强有力的营销方法［3］。微博的病毒营销通过利用公众的积极性和人际网络，让营销信息像病毒一样传播和扩散，营销信息被快速复制并传向数以万计的受众，从而使信息的传播和影响呈指数式爆发［4］。在服装行业中，病毒式营销也在营销策略中有着举足轻重的作用。优衣库“LUCKY UNIQLO LINE——优衣库网上排队·全国新店之旅”的成功推出［5］，“凡客体”的大肆流行，都是服装企业利用病毒式营销的典型案例［6］。然而，国内微博市场毕竟才刚刚起步，众多服装企业的微博病毒营销也还处在摸索阶段，了解影响受众参与微博病毒营销的主要因素有利于服装企业进一步明确受众需求，从而更有针对性地开展服装企业微博营销。

本研究结合微博病毒营销的特点，以问卷调研的形式进行影响服装企业微博病毒营销传播意愿因素的探讨和定量分析，为服装企业开展微博营销提出可行性的意见和措施，对服装企业的推广与发展具有一定的营销意义。

1 问卷的设计

问卷主要从受众的角度出发，在技术接受模型(TAM)［7］和创新扩散理论(IDT)［8］的基础上整合出主要效用的服装企业微博病毒营销传播意愿的模型。模型主要由两大因素组成，个人内部因素和外部环境因素。个人内部因素从受众个体创新性、个体感知有用性和个体感知风险三个维度来测量;外部环境因素包括产品因素(微博的信息质量因素)、微博网站因素和服装企业因素。针对这6个变量，进行问卷项设计，具体指标与参考来源如表1所示。

表1 各影响因素的度量Tab.1 Measurement of various influencing factors

此部分共设定有19个题项，问卷填答采用了Likert五点尺度量表来设置选项，分别为非常不同意、不同意、一般、比较同意、非常同意，在作数据分析时分别赋值 1、2、3、4、5。

另外问卷还包括受访者基本信息及使用微博的基本情况，包括学历、受教育程度、使用微博的历史、是否关注转发服装企业官方微博等问项。根据2011年微博用户使用状况调查数据显示，在微博用户年龄以18～35岁为主，而这个年龄段的年轻人绝大多数创新意识强，容易接受新事物，是企业微博病毒营销最重要的受众。因此，本研究以18～35岁的微博用户作为主要研究对象。

2 问卷发放

由于本研究先建立服装企业微博病毒营销传播的概念模型，再通过问卷的调研和数据分析对模型进行验证，因此，对样本量的大小具有一定要求，足够大的样本能更准确地验证模型的可靠性与科学性。过往的研究表明，样本量与测量题比例在5︰1以上会比较合适，最好能达到10︰1。经预调研问卷的修改与整理，本研究共有29个题项，所以样本量必须在145份以上。本研究最后得到的有效问卷为346份，达到了10︰1以上，因此样本大小能满足研究的要求。

问卷的发放以纸质问卷为主，同时也发放了部分电子版问卷。问卷发放时间从2012年9月7日至9月30日。共发放问卷400份，收回379份，回收率为94.75%，其中有效问卷为346份，问卷的有效率为 91.29%。

通过对问卷数据进行描述性统计分析发现，男女比例为60.12%和39.88%;学历分布为大学本科60.12%、硕士及以上 27.46%、专科 8.96%、高中/中专及以下3.46%;使用新浪微博和腾讯微博的人数较多，分别为90.17%和29.77%;受访者中关注了服装企业相关微博的占了73.41%，说明服装企业类相关微博在受访者中比较认可;看到服装企业微博发布了自己感兴趣的微博，很乐意会转发的受访者概率仅为35.83%，其余的是不一定转发和不会转发的受众，因此想提高服装企业微博病毒营销的效果，必须探索影响它的相关因素。

3 数据处理与样本特征分析

本研究所涉及到的信效度分析、相关分析、回归分析都是以SPSS17.0软件作为分析工具，首先将所有有效的原始数据录入到SPSS软件并以相应的文件名存档。

3.1 问卷信度分析

利用克隆巴赫(R T Cronbach，1951)提出的系数检验调查问卷的信度［9］，当Cronbachα系数高于0.9时，认为问卷的信度极佳;当高于0.8时，则认为该因素下的问项信度良好;而介于0.7～0.8时，则认为问卷信度可以接受。从表2可以看出，本研究中变量的Cronbachα系数高于0.7，因此各变量均符合要求。

表2 各变量描述性统计与信度检验结果Tab.2 Results of descriptive statistics and reliability test of various variables

3.2 问卷效度分析

效度分析首先用于衡量研究量表是否准确反映研究目的和要求，其次考察变量是否合适进行因子分析，本研究利用Kaiser的KMO度量标准，如果KMO值小于0.5，认为样本不合适进行因子分析［10］。表3为效度检验结果，可以看出KMO值都不小于0.5，且Bartlett球形检验显著概率为0，小于0.01，因子载荷大于0.4认为因子有效。表3测量结果均符合要求，问卷有效性较高。

表3 问卷效度检验结果Tab.3 Results of questionnaire validity test

3.3 相关分析

相关分析是指衡量变量之间线性相关程度的强弱，并用适当的统计指标表示出来的这一过程。本研究通过个体创新性、个体感知有用、感知风险、产品因素、网站因素和服装企业因素这6个维度与分别转发微博意愿进行相关分析，SPSS分析结果见表4。

表4 各维度与微博转发意愿的相关分析Tab.4 Correlation analysis on various dimensions and micro-blog forwarding will

从表4可以看出，个体创新性、个体感知有用、感知风险、产品因素、网站因素和服装企业因素6个维度与转发微博意愿的相关系数依次为0.643，0.510，－0.481，0.318，0.456，0.838，均为显著相关。在0.01的置信水平上，其中感知风险与转发微博意愿呈现负相关关系，其他5各维度均呈正相关关系。同时，服装企业因素与转发微博意愿的相关性最强，表明服装企业开展微博病毒营销的成果与企业本身有密切关系。

3.4 回归分析

回归分析是确定两种或两种以上变量间是否具有定量关系的一种分析方法。从相关分析可以说明各因素与转发服装企业微博意愿之间是否存在关系及关系的紧密程度，但并不能说明其因果关系，回归分析则可进一步表示出彼此之间关系的方向。以转发微博的意愿为因变量，以受众个体创新、个体感知有用、感知风险、产品因素、网站因素和服装企业因素为自变量进行多元线性回归分析，回归分析的置信度为95%。

F检验:当显著概率Sig.值＜0.05时，说明所检验的自变量能够描述因变量［10］。由表5回归模型的方差分析结果显示整体模型是显著的(F比值=191.615;Sig.=0.000)。因此，由表5和表6所分析的结果可知研究模型在显著水平=0.05的情况下，能通过显著性检验。

表5 回归方差分析表(ANOVA)Tab.5 Regression variance analytical statement(ANOVA)

表6 回归模型综述Tab.6 Regression model overview

T检验:当 n＞5时，若取 a=0.05，则当|t|＞2时，则可以判断回归系数不为0，其相对应的变量可以作为解释变量来描述因变量。结合表7的数据，可以看到在置信度为95%的情况下，在置信度为95%的情况下，常数项、网站因素及感知风险3个变量未通过检验，其余各个变量都通过检验。因此剔除网站因素这一变量，再进行一次回归检验。

表7 回归系数与显著性检验Tab.7 Regression coefficient and significance test

根据表8、表9和表10的数据，可以看到在置信度为95%的情况下，常数项、个体创新性、个体感知有用、产品因素和服装企业因素5个变量都通过检验。因此可以得出关于转发服装企业微博的回归模型方程:

表8 回归方差分析(ANOVA)Tab.8 Regression variance analysis(ANOVA)

表9 回归模型综述Tab.9 Regression model overview

转发服装企业微博 =0.320×个体创新性 +0.239×个体感知有用+0.368×产品因素+0.522×服装企业因素－1.114

4 结论

个体创新性、感知有用、产品因素与服装企业因素对服装企业微博病毒营销有显著的正向影响，感知风险和网站因素没有进入回归方程，表明对服装企业微博病毒营销没有显著影响。服装企业因素的回归系数最大，服装企业自身因素对其开展微博病毒营销影响最为强烈，说明受众在转发服装企业相关微博时，最为看重的是该企业自身的各方面因素。

表10 回归系数与显著性检验Tab.10 Regression coefficient and significance test

［1］周蓓婧，侯伦.消费者微博营销参与意愿影响因素分析［J］.管理学家:学术版，2011(12):22-23.ZHOU Beijing，HOU Lun，An analysis of factors affecting the intention of consumers about micro-blogging marketing［J］.An Academic Edition of Managerialist，2011(12):22-23.

［2］中国互联网络信息中心.DCCI:19岁及以上国内网民近9成是微博用户［EB/OL］.(2012-07-27)［2012-11-26］.http://www.199it.com/archives/59294.html.China Internet network information center.DCCI:90%netizen 19 years old and above are weibo users in China［EB/OL］.(2012-07-27)［2012-11-26］.http://www.199it.com/archives/59294.html.

［3］冯英健.网络营销基础与实践［M］.北京:清华大学出版社，2004:66.FENG Yingjian.Foundation and Practice of Network Marketing［M］.Beijing:Tsinghua University Press，2004:66.

［4］蔡建梅，盛梦佳，潘力丰.基于Web2.0数字环境的本土服装品牌发展策略研究［J］.浙江理工大学学报，2011，28(4):647-652.CAI Jianmei，SHENG Mengjia，PAN Lifeng.Analysis on comprehensive marketing strategies of native fashion brands in Web2.0 digital environment［J］.Journal of Zhejiang Sci-Tech University，2011，28(4):647-652.

［5］崔颖.论优衣库网络营销［J］.中国传媒科技，2012，15(8):5-6.CUI Ying.Talk about the network marketing of Uniqlo［J］.China Media Technology，2012，15(8):5-6.

［6］文鹏.“凡客体”风靡背后的病毒营销［J］.品牌策略，2010，21(10):45-46.WEN Peng.Viral marketing behind the popular VANCL style［J］.Brand Srategy，2010，21(10):45-46.

［7］DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information ［J］.MIS Quarterly，1989，13(3):319-340.

［8］CHANG M K，CHEUNG W，LAI V S.Literature derived reference models for the adoption of online shopping［J］.Information ＆ Management，2005，42(4):543-559.

［9］PAUL A P.Integrating trust and risk with the technology acceptance model［J］.Information ＆ Management，2003，39(8):705-719.

［10］倪雪梅.精通SPSS统计分析［M］.北京:清华大学出版社，2010:270-271.NI Xuemei.Proficient in SPSS Statistical Analysis［M］.Beijing:Tsinghua University Press，2010:270-271.