数字营销：过去、现在与将来（一）

在日益兴盛的互联网影响下，数字营销越来越受到重视，不少企业的营销都开始转向数字营销。过去的十几年里，数字营销发展迅速，为整个营销领域带来了革命性的冲击和变化，为商家提供了一种全新的广告、洞察客户、吸引关注以及推广商品的方式。

本刊将连续分5期回顾数字营销的发展历史，希望能让大家清晰了解数字营销研究与实践的过去、现在和未来。标题中的数字营销实际包含了数字营销、社交媒体营销和移动营销三个大的领域，统称为DSMM。

本期为第一篇，主要讲述从2000-2004年数字营销的发展。

数字营销的第一阶段：2000-2004

2000年之所以可以成为数字营销历史的起点，主要有如下几点原因：

首先，关注数字互动营销的学术研究在2000年前后开始大量增加。《直效营销杂志》（Journal of Direct Marketing）在1998年更名为《互动营销杂志》（Journal of Interactive Marketing）并开始发行。该杂志在1999年发表一个重要观点，所有的营销都是或很快将会是互动营销。这个观点在当时可能不成熟，但仍是具有预见性的。同时，该杂志也对缺乏“具有持续性、概括性的高质量互动营销研究”表示遗憾（Glazer，1999）。

第二，尽管在2000年之前，学者们尽管已经将数字营销的发展潜力纳入考虑范围，但主要还是停留在概念层面。这其中就包括Iacobucci（1998）在内的学者认为，网络分析非常重要并建议在营销中使用。此外，他们还在当时强调了互联网营销的个性化和快速反应的潜力。

第三，2000年“ 互联网泡沫”爆发，给了世界一记闷棍：营销战略不应该过分依赖于营销大师的建议，而应该基于实践的观察和实际数据（Lohse， Bellman and Johnson，2000）。《纽约时报》在2000年发表文章认为，过分依赖学术权威会导致互联网市场疯狂扩张，随之而来就是泡沫破灭，即尽管互联网越来越火，但互联网却“可能不是一个能快速赚钱的新兴手段。”

“互联网泡沫”爆发让人们开始重新审视对DSMM的科学理解，迫使大家寻求用更严格的科学方法去解释这一领域的现象。

一、本阶段在数字营销学术研究方面的进展

在本阶段，数字营销主要在以下三个主题上展开研究：

（一）作为个性化表达的网络

这一阶段的早期，研究者把用户作为信息受众或者信息源，用户会利用互联网与其他用户发生联系。定性研究学者将注意力放在消费者通过在门户和在线社区来寻求自我定位（Schau and Gilly 2003）。

当时的研究显示，在线体验会增强和影响消费者的线下生活，这也是一个在此后十五年中不断提及并进行定量研究的主题。类似的，Kozinets（2002）用定性的方法研究了在线社区中用户的沟通行为，并解释了为何这些在线平台能为研究人员提供用户在线评论的信息。这些在线平台包括早期的社交媒体平台，如Facebook和Twitter。Kozinets使用网络民族志技术，向营销人员推荐了一个重要的技术，即如何把在线社区作为用户信息的获取来源。

定性研究人员将数字化社区平台作为信息来源，而定量研究人员也在探索在线口碑营销（WOM）和在线社区。此类研究中最重要的两篇是Dellarocas（2003），Godes and Mazlin（2004）。

Dellarocas（2003）认为在线口碑营销（WOM）有发展前景，同时也有挑战，他将自己的研究重点放在在线社区中反馈机制是如何影响个人行为的。这项研究成果激发了后来大量的研究，在接下去的12年中每年都有差不多39次被引用。

Godes和Mayzlin（2004）研究在线论坛中的口碑营销（WOM）对电视节目评分的影响。他们的研究发现，在线口碑营销对电视消费的确有一定的影响。这一研究激发了大量的对各种形式的在线口碑营销的影响研究。

网络论坛可能是隐性观察消费者口碑营销（WOM）数据的重要来源，但是这类研究需要依法使用在线聊天数据，“依法”显得非常重要。在互联网发展之前，这些口碑营销信息几乎是私人性质的（并且是线下的），那时在依赖于自我报告数据的情况下，准确性难以保证，很难进行研究。

尽管在线社区数据为口碑营销研究提供了新的方法，但為后来的学者提出了新的问题。例如，是否真的能从口碑营销与营销绩效的数据分析得出因果关系？如何利用口碑营销推断线下行为？线下行为如何影响线上行为？如何产生这种影响并建模？将用户交流作为数据来源是否合规？

这些问题实际上为下一阶段的研究点明了方向。

（二）作为搜索与决策支持工具的网络

本阶段开展的第二种重要研究内容就是，互联网能帮助消费者更容易搜索，更优化选择。

与此同时，电子商务提供了无止境的虚拟商店货架，心理学研究过度选择的危险性，自我决策的缺点（例如Iyengar and Lepper，2000； Schwartz，2000），零售商开始努力找寻做出合理决策的方式（例如Broniarczyk，Hoyer and McAlister，1998）。假设从32种类型的果酱中选择会使消费者感到疲劳，选择质量下降，那么消费者如何利用好这种庞大的线上选择？（Iyengar and Lepper，2000）。

考虑将互联网作为决策工具，Haubl和Trifts（2000）的研究将消费者行为研究与新购物方式（网购）联系在一起。作者探索了两个决策工具：智能搜索和比较矩阵，大致可用Payne（1982）和Payne，Bettman and Johnson（1988）描述的两阶段决策过程。智能搜索起到筛选功能，剔除大量相关性不强的产品。而比较矩阵通过比较和评估较少的选择来促进产品优化选择。

文章通过试验的方式，研究了80个购买了某些产品的被试人员。他们中有些有决策辅助工具，而有些没有。结果表明，决策辅助工具能够促进高质量产品的选择，降低了搜索成本，且得到了更优的选择。

虽然得出这个结论似乎并不意外，但它的研究仍然很重要：与过去的研究（例如Payne，Bettman and Johnson，1993）相比， Haubl和Trifts（2000）的发现表明，工作量降低和准确度提高可以同时存在于在线平台。Brynjolfsson，Hu and Smith（2003）扩展了这种思维，认为网上提供的多元化产品对消费者是有利的，部分原因是在线市场带来了更大的价格竞争：“在线书店产品种类的增加使消费者福利从7.31亿美元提高到了2000年的10.3亿美元，竞争的提高和市场价格的下降使消费者福利增长了7倍到10倍。”

但是这种线上“商业经济”和简便搜索是否意味着互联网的低搜索成本会侵蚀所有的公司利润？早在2000年互联网泡沫破裂之前，就有一些建模分析研究已经开始涉及互联网零售对价格竞争的影响（Lal and Sarvary，1999）。

一方面，如果消费者拥有所有价格信息，那么基于价格的竞争就会非常强烈。而另一方面，有质量的信息仍然有一定的成本。如果产品质量很容易确定，消费者便能够区分产品，促使价格下降。

这种抵消效应（countervailing effects）为研究人员提供了大量的研究内容。例如，Brynjolfsson 和Smith（2000）发现，在线零售商的价格确实比实体店的价格低9%-16%，这表明在线零售商的价格竞争可能更为强烈。然而他们也发现，在线商店市场依旧存在着消费者忠诚和品牌效应，这表明对质量的关注不会被简便的价格比较取代。

由于互联网的搜索成本较低，就便于消费者更好地区别不同商家的产品。Lynch和Ariely（2000）发现，只有当不同的公司提供相同的产品时，低搜索成本才会导致强烈的价格竞争。如果公司的产品是独特的，那么搜索的简便性就不是危险，而是福利。Diehl，Kornish和Lynch（2003）认为，以质量排序的搜索代理人在很多情况下可能会提高价格敏感性，因为排序列表为消费者提供了一系列符合他们偏好的同质产品。此外，他们指出，注重质量的消费者，以质量为标准的排序会促使他们选择的产品价格高、质量好，但对于注重价格的消费者，以价格为标准的排序使他们选择的产品价格低、质量差。

一些研究人员还更细致地研究了作为决策工具的互联网非价格机制。例如，Ansari和Mela（2003）考虑了如何定制电子邮件信息（就是现在非常常见的营销人员发送的个性化客户电子邮件）以帮助客户决策并减少过多无用信息。有研究指出，尽管智能搜索的推荐信息可以帮助消费者决策，但这些推荐也可能造成心理反感（Fitzsimons and Lehmann，2004）。也有研究指出，搜索工具可能会降低消费者的选择质量，而不是增加附加利益（Diehl，2005）。

以上关于消费者决策辅助的研究非常重要，这些研究被引次数随时间保持基本恒定。这种稳定性意味着两件事：

首先，互联网本身的存在和发展表明，便捷的搜索不会给营销人员带来价格战争，或给消费者带来难以面对的过度选择症。一般而言，价格不可能一成不变，价格敏感度会不断变化，公司也可能决定是否与消费者共享关于价格和质量的信息（见Clemons，Hann and Hitt，2002）。

第二，虽然随着时间的推移，互联网还会一直帮助消费者进行决策。但营销人员提供的筛选工具，及与搜索成本相关的策略不再是关键手段，选择权之后开始逐渐转移到消费者、网络关键节点和社交媒体。

（三）作为智能营销的网络

本阶段的三个重要研究主题是关于互联网作为智能营销工具的研究，用以预测消费者偏好和消费者行为。将互联网作为智能营销工具不仅可以使消费者受益，获得与自己的偏好匹配度更高的产品（例如Ansari and Mela，2003），也能使公司受益，获得更高的客户满意度和忠诚度。

互联网智能营销研究最早是由Ansari，Essegaier和Kohli（2000）提出的。当时的研究已经引入综合筛选，为决策提供消费建议（Breese，Heckerman and Kadie，1998）。但是预测结果相当令人失望：数據缺少、产品异质、算法特殊，只能间接衡量偏好，相关数据的局限性对营销研究人员都是一种挑战。

在早期的DSMM研究中，对这个主题的研究主要是在经验方法的基础上进行创新，这很大程度上是因为当时的新数字源为研究人员提供了新数据类型。此类研究以Ansari，Essegaier和Kohli（2000）的为最佳，他们认为“信息代理这一新应用需要数据收集和分析程序的进一步发展；营销研究人员在这些方面发挥了极其重要的作用”。

Bradlow和Schmittlein（2000）提出了类似的观点，他们模拟了当时最主要的六个搜索引擎（AltaVista，Northern Light，HotBot，Infoseek，Excite和Lycos），并处理新型数据 ，以此建模分析。在这项研究中，研究人员试图为营销管理者找出可以用来查找市场信息的最佳搜索引擎。虽然这些搜索引擎后来都过气了，但他们的研究结果在当时显得很重要。这项研究的长期贡献在于其建模方法和正确的预测结果。

还有一些研究关注网络点击量，以理解广告和消费者浏览模式如何共同作用以促进销售（例

如Bucklin and Sismeiro，2003； Chatterjee， Hoffman and Novak，2003； Montgomery et al.，2004）。目前，我们除了能够将搜索引擎作为智能营销工具，还能够通过社交媒体数据来获取大量的市场信息，特别是消费者信息。

二、本阶段在数字营销实践层面的进展

这一阶段，在实践层面，营销从业者对这三个学术研究主题有一些不同的看法。

虽然学者们认为互联网是一种用来获取消费者看法和促进销售的手段，但市场营销人员仍然对依靠数字化工具所收集的数据持怀疑态度（Jakobson，2005）。李维斯（Levis）欧洲数字营销经理Helene Velenge认为他们公司的数字营销低支出（约占2005年预算的2%）是由于“人们对数字媒体和渠道缺乏了解，因此不知道如何战略性、长期性的使用数字营销”（Jakobson，2005）。

尽管学术研究中认为消费者可能已经形成积极的品牌社区和在线口碑（WOM），但营销从业者似乎还没有强烈意识到这些研究能为他们的实践提供了可靠的或长期可行的方法，他们认为还需要更深入的心理学研究。Velenge认为，“未来在很长时间内，公司还是会把关注点放在消费者洞察和消费者行为洞察上，而不是在媒体、渠道和技术本身”（Campaign，2005）。

在一致性上，从业者与学术界一样，都将互联网视为具有巨大潜力的营销工具。根据当时的预测，在线广告支出会快速增长（Case，2004）。虽然有些人认为不能过度乐观，但也有人认为能够从搜索的上升预估这种增长。2003年搜索上升了170%，2004年当时就预测会上升35%-40%（Case ，2004）。根据搜索的增长，专家预测在线广告也会持续增长。与传统媒体渠道，如电视相比，在线广告的价格更具竞争性、可追踪性，针对性也更强。因此，可以说在这个阶段，学术界对于DSMM能促进搜索和作为决策工具的作用与从业者的看法是相当一致的。

然而，在这段时期的学术研究似乎对从业者及其对DSMM的了解没产生很大的影响。例如，在这个阶段的最后一年（2004年）发表一项研究报告指出，虽然92%的营销主管认为数字技术正在改变他们的营销方式，但却只有43%的人认为他们较了解在线营销，只有41%认为需要协调企业资源与新技术发展。

虽然此阶段学术研究持续发展，但是大量的从业者对研究没有充分的了解，研究人员也没能帮助从业人员消除这种理解不足的情况。在下一个阶段的回顾中，我们还将看到这个相类似的问题。

编译材料主要来源：

Cait Lamberton and Andrew T. Stephen （2016） .A Thematic Exploration of Digital， Social Media， and Mobile Marketing： Research Evolution from 2000 to 2015 and an Agenda for Future Inquiry[J]. Journal of Marketing，80（November）， pp.146-172.

主要參考文献：

[1] Alexa Bezjian Avery， Bobby Calder， Dawn Iacobucci（1998）.New Media Interactive Advertising vs. Traditional Advertising[J].Journal of Advertising Research.30（July - August），pp.23-32

[2] Lohse， G.L.， Bellman， S. and Johnson， E.J. （2000） Consumer Buying Behavior on the Internet： Findings from Banel Bata[J]. Journal of Interactive Marketing， 14 （1）， pp. 15-29.

[3] Schau， Hope Jensen， and Mary C. Gilly （2003）.We Are What We Post Self-Presentation in Personal Web Space[J].Journal of Consumer Research， 30（December）， pp.385-404.

[4] Robert V. Kozinets （2002） .The Field Behind the Screen： Using Netnography for Marketing Research in Online Communities[J].Journal of Marketing Research， 39（February） ， pp. 61-72.

[5] Dellarocas C. N.， （2003）.The Digitization of Word-of-Mouth： Promise and Challenges of Online Feedback Mechanisms[J].Management Science， Vol. 49（10）， pp.1407-1424.

[6] Godes， David and Dina Mayzlin （2004）.Using Online Conversations to Study Word-of-Mouth Communication[J].Marketing Science ， 23 （4）， pp.545–60.

[7] Iyengar， Sheena， and Mark R. Lepper （2000）. When Choice is Demotivating： Can One Desire Too Much of a Good Thing [J].Journal of Personality and Social Psychology， 79（6）， pp.995-1006.

[8] Broniarczyk， Susan M.， Wayne D. Hoyer， and Leigh McAlister （1998）. Consumers Perceptions of the Assortment Offered in a Grocery Category： The Impact of Item Reduction[J]Journal of Marketing Research， 35 （May）， pp.166-176.

[9]Payne， J. W. （1982）. Contingent decision behavior[J]. Psychological Bulletin， 92，pp. 382-402.[10] Payne， J.W.， Bettman， J.R.， and Johnson， E.J.（1988）. Adaptive Strategy Selection in Decision Making[J].Journal of Experimental Psychology，14， pp.534-552.