基于灰色层次关联分析的微博营销评估

张英莉,周 捷,毛 倩

(西安工程大学 服装与艺术设计学院,陕西 西安 710048)

0 引 言

以互联网为依托的新媒体呈现出多样化的网络营销模式,微博意见领袖在网络舆论中形成的作用[1]和微博红人流量变现的经济模式[2]使得微博网红营销应运而生。这种以网络用户为主体的传播，衍生出新型主导消费行为模式AISAS，即，Attention(引起注意)、Interest(产生兴趣)、Search(主动搜索)、Action(购买行为)和Share(分享体验)5个因素[3-4]。相比传统上依据此模式对微博营销策略的定性研究[5],从微观角度量化评价微博营销效果显得更加重要[6]。衡量微博营销效果主要以微博营销相关理论和影响因素为基础,建立回归模型[7-10]进行相关回归分析研究,或构建微博营销效果评价指标体系[11-13]进行效果评估。研究文献发现,除神经网络分析[14]、社会网络分析[15-16]和层次分析[17-19]外,灰色关联分析方法也广泛应用于效果评价类研究[20-22],且通过灰色关联分析与层次分析可引导设计决策方案[23]。但将AISAS模型与灰色关联分析和层次分析相结合的营销评估研究较少。本文以AISAS模型的5个因素构建微博营销效果评估指标体系,利用灰色层次关联分析确定影响微博营销效果的关键性因素,旨在通过研究微博消费者的行为模式确定影响微博营销效果的主要因素,符合“用户为王”的互联网思维。

1 方法与体系

1.1 研究方法

利用灰色关联分析，通过计算灰色模型中比较序列与参考序列之间的灰色关联度,以灰色关联度的大小评估比较序列与参考序列的紧密联系程度[24-25]判断影响微博营销效果因素的主次顺序,并利用层次分析法进一步计算微博营销评估体系中各指标的权重,验证灰色关联的分析结果,确定本文评估体系的可行性。

1.2 评估体系

新浪网络技术股份有限公司根据其网络营销理念细分评估指标形成网络营销效果评估体系 IMPACT:Interactive(互动性)、Magnetism(用户黏性)、Popularity(聚合性)、Authoritative(公信力)、Creative(创意性)和Target(精准性),但该体系还停留在质化层面。为进一步量化各评估指标,文献[26-27]将日本电通公司提出的AISAS消费者行为模型应用于微博营销中。本文应用AISAS模型的购买行为、引起注意、产生兴趣、主动搜索和分享体验5个因素建立微博营销效果评估体系,该体系包括3层：

(1) 目标层:微博营销效果直接体现为将潜在客户转化为实际用户[28],即产生购买行为,量化后体现为店铺成交单数。

(2) 一级指标层:引起注意、产生兴趣、主动搜索和分享体验。

(3) 二级指标层:引起注意、产生兴趣、主动搜索和分享体验4个一级指标量化后对应微博营销过程分别为新增粉丝数、转发评论数、关键词搜索数和分享体验微博数。

2 模型建立与验证

2.1 数据来源

按照网红出身特征对微博营销中的网红博主进行分类筛选,选取3位典型的有一定粉丝基础的,不同出身的知名网红代表及其经营的淘宝店铺作为案例。时装模特出身的“张*奕”与其店铺“吾欢喜的衣橱”、短视频红人出身的“温*”与其店铺“温*分享店”和学生网店店主出身的“雪*”与其店铺“钱夫人家雪*定制”。分别将3位网红同一时间段一个月内(2018年10月6日至2018年11月5日)的某一条营销类微博产生的微博数据和其淘宝店铺的店铺成交单数等5组数据统计整合，见表1。

表 1 微博数据及其淘宝店铺数据

注:数据来源为2018年11月6日GooSeeker对新浪微博和淘宝店铺统计

2.2 灰色关联分析

以微博营销效果评价指标体系中的一级指标数据序列为参考序列,二级指标各数据序列为比较序列,求其比较序列与参考序列之间的关联度。关联度越大,说明该指标序列对于整体微博营销效果的影响程度越大[24]。

2.2.1 确定序列矩阵 反应系统行为的数据序列称为参考序列，影响系统行为的数据序列称为比较序列[20]。选定购买行为因素为参考序列(X0),其余4因素为比较序列(Xi)，见表2。对于选取的3组网红营销数据,生成参考序列X0={X0(k),(k=1,2,3)}；比较序列Xi={Xi(k),(k=1,2,3)(i=1,2,3,4)},其中Xi(k)表示第k个网红对指标i的评价值。确定分析序列后得到矩阵

表 2 序列因素定义

2.2.2 对变量序列进行无量纲化 数据序列由5组因素分别对应的不同指标值构成,每个因素对应不同的指标值。为保证分析结果的可靠性,需要对变量序列进行无量纲化。无量纲化后得到矩阵

2.2.4 计算关联系数 根据

计算。式中:ρ为分辨系数,在[0,1]内取值,取0.5[25];ξ0j(k)为第k个网红的参考序列与第j个比较序列之间的关联系数。得到关联系数转置矩阵

表 3 各因素关联度及排序

从表3可以看出,各因素关联度排序为γ02>γ03>γ04>γ01。即产生兴趣与购买行为的关联度最大(0.928),主动搜索次之(0.852),其他两者对应的关联度较为接近,分别为分享体验(0.602)和引起注意(0.596)。

由灰色关联分析结果可知,在微博营销消费者行为模式中,产生兴趣对消费者是否产生购买行为的影响最大,主动搜索影响次之,分享体验和引起注意影响最小。消费者的主观能动性能够极大地影响购买行为的形成。当消费者自主自发地对营销类微博产生兴趣,进而主动搜索该商品相关信息时,产生购买行为的动机已经存在。而分享体验与引起注意环节在传达给消费者相关信息并且使其接受时,具有一定程度上的被动色彩,因此达成的购买效果没有通过主动性行为产生的效果明显。在消费者行为模式中,相比搜索商品相关微博、发布分享体验微博和关注大量营销博主3种用户体验,产生兴趣所对应的转发评论营销微博行为,从心理和生理角度更容易达成。加之营销博主经常会通过让用户转发和评论营销微博进行一系列抽奖等福利活动,所以会吸引更多的消费者完成该项行为。基于此,产生兴趣对购买行为影响最大的结果是必然的。

2.3 层次分析验证

为进一步验证和确定影响微博营销效果的主要因素,对灰色关联分析的关联度排序结果建立单层次分析结构模型,然后进行权重计算并确定影响微博营销效果的各指标的权重及排序,最后进行一致性检验验证层次分析结果的合理性。

2.3.1 建立单层次结构与构建判断矩阵 根据文献[29]提出的1～9标度,以产生购买行为作为目标层S,评价元素记为Ai,即指标层A1～A4分别代表引起注意、产生兴趣、主动搜索和分享体验(见表4),对4个指标关联度的排序结果按归一化标度进行处理,定量描述两两指标间的相对重要性,构建判断矩阵

表 4 归一化标度及其含义

2.3.2 确定指标权重 根据

计算权重。式中i=1,2,…,n;aij表示判断矩阵中第i行第j列的元素。可得对应评价单元的权重向量W=[0.054 0.552 0.293 0.102]T。则指标权重单层次排序为W2>W3>W4>W1。

2.3.3 一致性检验 根据

计算得到一致性指标CI。式中

层次分析验证结果表明，单层次结构4个指标中产生兴趣所占权重最高(0.552),主动搜索所占权重居第二位(0.293),其次分别为分享体验(0.102)和引起注意(0.054)。与灰色关联分析的结果一致,即在微博营销效果评估指标体系中，产生兴趣因素所对应的指标微博转发评论数对微博营销效果影响最大。

表 5 平均一致性指标

基于以上分析和验证可得，在微博营销效果评估指标体系中,营销类微博的转发和评论数是影响消费者产生购买行为的主要指标,如何提高相关数目是微博营销过程中最重要环节。确定影响微博营销效果的主要因素后,微博营销博主可依据微博营销效果评估体系中指标的不同权重,针对性地对微博营销做出客观的营销决策,更加科学地管理营销微博,正确引导消费者的购买行为。如可加强微博内容管理,调整微博发布时间,增加新品体验福利,公开透明活动制度,增强营销微博的关注度,从而提升微博营销的转化率。

3 结 论

(1) 通过灰色关联分析和层次分析验证,确定在微博营销效果评估指标体系中,“产生兴趣”是影响微博营销效果的主要因素,“主动搜索”是次要因素,“分享体验”和“引起注意”对微博营销效果的影响较小。

(2) 基于灰色层次关联的微博营销评估体系可以用来衡量微博营销效果。