柳涯妮 李東賢

中圖分類號：F713? ?文獻(xiàn)標(biāo)識碼：A

內(nèi)容摘要：互聯(lián)網(wǎng)時代下企業(yè)與消費(fèi)者之間的雙向溝通變得越來越普遍。本研究探索了用戶生成內(nèi)容中的C2B溝通和C2C溝通，克服了過去研究忽視C2B溝通的問題。研究使用某品牌社交網(wǎng)絡(luò)平臺上的企業(yè)主頁作為研究情境，并基于對C2B溝通和C2C溝通的比較和消費(fèi)者在新產(chǎn)品發(fā)布前后不同的搜索興趣，發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。通過比較得出C2C溝通比C2B溝通的信息量更大且更加可信，C2C溝通在新產(chǎn)品發(fā)布前和后都能夠顯著地正向影響消費(fèi)者的在線品牌搜索，而C2B溝通僅在新產(chǎn)品發(fā)布后起作用;此外，盡管C2C溝通占用戶生成內(nèi)容的比例更小，但是它比C2B溝通對在線品牌搜索的影響更大。

關(guān)鍵詞：用戶生成內(nèi)容? ?C2B溝通? ?C2C溝通? ?在線品牌搜索

互聯(lián)網(wǎng)時代的到來和社交媒體平臺的不斷發(fā)展有力推動了用戶生成內(nèi)容的大幅度增長，消費(fèi)者可以通過發(fā)布自己的消費(fèi)體驗參與用戶生成內(nèi)容，也可以通過收集相關(guān)產(chǎn)品的用戶生成內(nèi)容來影響自己的消費(fèi)決定（Hennig-Thurau等，2004）。Naylor（2016）認(rèn)為用戶生成內(nèi)容（User-generated Content，UGC）是包括消費(fèi)者對企業(yè)（C2B Communication）和消費(fèi)者對消費(fèi)者（C2C Communication）的任何溝通，消費(fèi)者可以通過文字、圖片、音頻和視頻等不同的溝通方式表達(dá)對該企業(yè)的品牌評估和品牌參與。目前Web2.0的時代特點(diǎn)給予了消費(fèi)者越來越多的機(jī)會通過產(chǎn)生內(nèi)容與其他的市場主體建立聯(lián)系。VanMeter等（2015）也表示當(dāng)下營銷中的關(guān)系已經(jīng)不是單向的企業(yè)對消費(fèi)者的溝通，而是普遍的消費(fèi)者對企業(yè)和消費(fèi)者對消費(fèi)者的溝通?；ヂ?lián)網(wǎng)內(nèi)容中C2B溝通和C2C溝通所占的比例已經(jīng)遠(yuǎn)遠(yuǎn)超過了企業(yè)生成內(nèi)容所占的比例，也越來越多地引起營銷者的關(guān)注。目前，用戶生成內(nèi)容平臺的類型非常多樣，例如京東和亞馬遜等電商平臺、豆瓣和大眾點(diǎn)評等評論平臺、微博和微信等社交網(wǎng)絡(luò)平臺和企業(yè)的品牌社區(qū)等。Opreana和Vinerean（2015）認(rèn)為在多樣的社交網(wǎng)絡(luò)上的企業(yè)主頁上的溝通能夠充分地體現(xiàn)C2B溝通和C2C溝通，同一情境下允許的相同測量也使得二者更具有可比性。本研究使用國內(nèi)應(yīng)用最為廣泛的社交網(wǎng)絡(luò)平臺微博作為研究情境，那么企業(yè)如何經(jīng)營好自己的微博主頁，更好地分配資源激勵消費(fèi)者的C2B溝通和C2C溝通是本文的研究問題。

已經(jīng)有很多學(xué)者探索了用戶生成內(nèi)容對消費(fèi)者參與意愿、購買意愿、產(chǎn)品銷量和品牌態(tài)度等的影響。但是研究存在以下幾個問題：首先，過去研究充分地支持了C2C溝通的重要影響，但是沒有細(xì)化用戶生成內(nèi)容，多數(shù)學(xué)者忽視了用戶生成內(nèi)容中的C2B溝通部分;其次，對C2B溝通的測量不夠準(zhǔn)確，有研究使用傳統(tǒng)的溝通方式作為C2B溝通的測量，并與以在線評論數(shù)量作為測量的C2C溝通進(jìn)行比較，不同的測量方式難以控制二者在消費(fèi)者涉入度和可見度等方面差別的影響。此外還有通過使用企業(yè)決策作為因變量來間接地反映C2B溝通的影響等。本研究對這兩點(diǎn)進(jìn)行了改進(jìn)，使用企業(yè)微博主頁更準(zhǔn)確地分辨和測量了C2B溝通和C2C溝通，并且基于對二者的比較和消費(fèi)者在新產(chǎn)品發(fā)布前后的不同關(guān)注興趣，發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對消費(fèi)者在線品牌搜索的不同影響，以此豐富了用戶生成內(nèi)容的相關(guān)研究。

文獻(xiàn)回顧與研究假設(shè)

已經(jīng)有學(xué)者對消費(fèi)者與企業(yè)和消費(fèi)者與消費(fèi)者之間的互動溝通進(jìn)行了研究：林家寶等（2015）認(rèn)為消費(fèi)者與企業(yè)之間的互動溝通越有效，消費(fèi)者對企業(yè)的信任水平越高;汪濤等（2014）認(rèn)為社交媒體的使用增加了企業(yè)溝通的擬人化，發(fā)現(xiàn)擬人化溝通能夠正向影響品牌態(tài)度。當(dāng)然也有學(xué)者從用戶生成內(nèi)容方面進(jìn)行了探究：杜學(xué)美等（2016）通過調(diào)查問卷的研究方法得到了消費(fèi)者在線評論的數(shù)量、效價和質(zhì)量都顯著正向影響消費(fèi)者的購買意愿，并且探究了信息接收者專業(yè)能力的調(diào)節(jié)作用;汪旭暉和王軍（2015）在對國內(nèi)高票房低口碑問題的研究中發(fā)現(xiàn)了網(wǎng)絡(luò)口碑對票房的正向影響和網(wǎng)絡(luò)口碑效價對票房的負(fù)向影響;江曉東（2015）發(fā)現(xiàn)評論回帖數(shù)量越多，評論感知有用性越高。類似地，國外學(xué)者Chevalier和Mayzlin（2006）以亞馬遜作為用戶生成內(nèi)容平臺進(jìn)行研究，發(fā)現(xiàn)了評論數(shù)量對圖書排名的影響以及會隨時間維度的增長對銷量有更強(qiáng)的正向影響;Willemsen等（2011）發(fā)現(xiàn)，相對于正面評論，消費(fèi)者在線評論中的負(fù)向評論具有更高的評論有用性;Baek等（2012）認(rèn)為消費(fèi)者在線評論的評論深度對評論有用性的影響呈現(xiàn)倒U型關(guān)系?；谏鲜隹梢园l(fā)現(xiàn)，過去大多數(shù)研究用戶生成內(nèi)容對消費(fèi)者購買意愿或銷量的影響都是從它對消費(fèi)者的影響的角度進(jìn)行探索，例如消費(fèi)者感知評論有用性等，實際上是將它僅看成C2C溝通，沒有分辨其中的溝通對象并且忽視了C2B溝通的反饋和建議的重要影響，沒有全面地反映用戶生成內(nèi)容。

Bauer等（2006）通過比較線下交易過程與線上交易過程發(fā)現(xiàn)，促進(jìn)C2B溝通和C2C溝通是企業(yè)在協(xié)商階段獲得更高電子服務(wù)質(zhì)量的兩大重點(diǎn)。Das（2013）也表示，企業(yè)采取多種手段和活動促進(jìn)消費(fèi)者的C2B溝通和C2C溝通是獲取企業(yè)產(chǎn)品正面口碑的重要手段。但是目前僅有少數(shù)學(xué)者同等強(qiáng)調(diào)C2B溝通和C2C溝通的重要影響：Naylor（2016）明確強(qiáng)調(diào)了數(shù)字化時代下C2B溝通和C2C溝通是用戶生成內(nèi)容的重要內(nèi)容，具體界定了用戶生成內(nèi)容的范圍，并且提出了無機(jī)用戶生成內(nèi)容（inorganic UGC，iUGC）的定義，即由營銷者鼓勵的C2B溝通和C2C溝通，刺激物可以是內(nèi)在的象征性利益和外在的金錢和折扣等。Jang和Chung（2015）探索了C2B、C2C和B2C交互活動對移動應(yīng)用市場績效的影響，發(fā)現(xiàn)了C2B溝通和C2C溝通能夠顯著地正向影響產(chǎn)品銷量，且二者對企業(yè)的研發(fā)活動也有顯著的正向影響。但是該研究使用電子郵件數(shù)量測量C2B溝通，難以控制溝通方式本身的不同所產(chǎn)生的影響，而且直覺上對其他消費(fèi)者非公開的電子郵件與銷量之間的關(guān)系是非常間接的。

本研究對C2B溝通和C2C溝通進(jìn)行了比較：首先，在企業(yè)微博主頁的研究情境中，C2B溝通和C2C溝通的主要內(nèi)容包括了消費(fèi)者對企業(yè)發(fā)布的產(chǎn)品、物流、包裝和有關(guān)話題等方面的相關(guān)陳述，C2C溝通是對C2B溝通在內(nèi)容上的加強(qiáng)或反駁。具體地，C2B溝通和C2C溝通有以下三種關(guān)系：二者觀點(diǎn)一致，C2C溝通是對C2B溝通的加強(qiáng)，表達(dá)情感認(rèn)同;二者觀點(diǎn)不一致，C2C溝通是對C2B溝通的反駁，表達(dá)相反的陳述;C2C溝通的產(chǎn)生是為了闡述與C2B溝通的不同的解釋，引發(fā)更多的討論。其次，Naylor（2016）表示C2B溝通和C2C溝通可以是消費(fèi)者內(nèi)在驅(qū)動的和營銷者驅(qū)動的。在本文的研究情境中，因為C2B溝通反映了消費(fèi)者對企業(yè)發(fā)布內(nèi)容的態(tài)度，而C2C溝通是對C2B溝通的進(jìn)一步討論，所以相對于C2C溝通，C2B溝通更為直接地受到了企業(yè)對消費(fèi)者溝通的影響。因此，C2B溝通可以是營銷者驅(qū)動的和消費(fèi)者內(nèi)在驅(qū)動的，而C2C溝通多數(shù)是消費(fèi)者內(nèi)在驅(qū)動的。最后，Brodie等（2013）認(rèn)為相對于C2B溝通，C2C溝通更可能使得消費(fèi)者在情感上獲得親密感、依附感和社會交互等。此外，不論新產(chǎn)品發(fā)布前還是發(fā)布后，上述三點(diǎn)總是有效的。因此本文提出以下假設(shè)：

H1：不論新產(chǎn)品發(fā)布之前還是之后，C2C溝通對在線品牌搜索的影響都大于C2B溝通對在線品牌搜索的影響。

基于上述對C2B溝通和C2C溝通的比較，本研究還探索了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。Kulkarni等（2012）認(rèn)為，消費(fèi)者在新產(chǎn)品發(fā)布前的信息搜索多是受到產(chǎn)品興趣的驅(qū)動，而消費(fèi)者在新產(chǎn)品發(fā)布后的信息搜索多是受到產(chǎn)品興趣和消費(fèi)興趣兩者的驅(qū)動。產(chǎn)品興趣主要包括與產(chǎn)品本身有關(guān)的信息，例如產(chǎn)品的屬性和功能等;消費(fèi)興趣主要包括與消費(fèi)便利有關(guān)的信息，例如支付方式、購買渠道和消費(fèi)者評論等。本研究認(rèn)為企業(yè)微博主頁中的C2B溝通和C2C溝通能夠?qū)οM(fèi)者的在線品牌搜索產(chǎn)生影響。具體地，新產(chǎn)品發(fā)布之前，消費(fèi)者關(guān)注的是產(chǎn)品本身，但是此時消費(fèi)者的產(chǎn)品知識更多地受到企業(yè)發(fā)布信息的影響，消費(fèi)者并不能夠從C2B溝通和C2C溝通當(dāng)中獲得相關(guān)的產(chǎn)品信息。然而，C2C溝通在內(nèi)容上對C2B溝通的加強(qiáng)或反駁使其信息量比C2B溝通的信息量更大;C2C溝通的消費(fèi)者內(nèi)在驅(qū)動的特點(diǎn)和體現(xiàn)消費(fèi)者之間情感聯(lián)系的特點(diǎn)使其信源可信度比C2B溝通的信源可信度更高。因此，本文提出新產(chǎn)品發(fā)布前的研究假設(shè)H2a和H2b。而新產(chǎn)品發(fā)布后的C2B溝通和C2C溝通都能夠提供消費(fèi)者感興趣的有關(guān)消費(fèi)便利的信息，尤其是消費(fèi)者關(guān)注的產(chǎn)品在線評論，因此二者都能夠引起消費(fèi)者的興趣和關(guān)注。因此，本文提出新產(chǎn)品發(fā)布后的研究假設(shè)H3a和H3b。具體假設(shè)如下：

H2：新產(chǎn)品發(fā)布前，C2B溝通（H2a）對在線品牌搜索沒有顯著的影響，而C2C溝通（H2b）對在線品牌搜索有著顯著的正向影響。

H3：新產(chǎn)品發(fā)布后，C2B溝通（H3a）和C2C溝通（H3b）對在線品牌搜索都有著顯著的正向影響。

研究方法

數(shù)據(jù)收集。本研究的數(shù)據(jù)均來自于某手機(jī)品牌在新浪微博上的主頁。利用爬蟲獲取該品牌自2013年起至2015年10月期間發(fā)布的所有新產(chǎn)品的微博數(shù)據(jù)，時間范圍為新產(chǎn)品發(fā)布前后各30天。共包括10個新產(chǎn)品，具體數(shù)據(jù)包括共4645條微博及其相應(yīng)的點(diǎn)贊和評論。在線品牌搜索的數(shù)據(jù)來源于以該品牌名稱為關(guān)鍵詞的百度指數(shù)。

變量測量。本研究變量中的企業(yè)微博數(shù)量和用戶點(diǎn)贊數(shù)量都可以根據(jù)新浪微博原始數(shù)據(jù)直接獲得，而微博詞語數(shù)量、C2B溝通和C2C溝通的測量是通過文本分析獲得。本研究增加了共6023個詞匯以完善詞庫，包括產(chǎn)品相關(guān)的專業(yè)詞匯、新興詞匯和話題詞匯等，以合并過的詞庫作為分詞的基礎(chǔ)并獲得了微博詞語數(shù)量的測量。根據(jù)新浪微博網(wǎng)頁的結(jié)構(gòu)特點(diǎn)，本研究以“回復(fù)@用戶名”作為C2C溝通區(qū)別于C2B溝通的標(biāo)識，通過正則表達(dá)式識別出來并依據(jù)時間單位進(jìn)行累加。研究變量均以“日”為時間單位，解釋具體見表1所示。

實證檢驗

（一）描述性統(tǒng)計

本文對新產(chǎn)品發(fā)布前后的數(shù)據(jù)分別進(jìn)行了描述性統(tǒng)計，具體見表2和表3所示。具體地，對比新產(chǎn)品發(fā)布前后的數(shù)據(jù)發(fā)現(xiàn)：企業(yè)平均每天發(fā)布的微博數(shù)量和詞語數(shù)量在新產(chǎn)品發(fā)布前后沒有太大的差別;而用戶在新產(chǎn)品發(fā)布后的參與明顯高于用戶在新產(chǎn)品發(fā)布前的參與，具體為點(diǎn)贊數(shù)（10831.81>5425.94）、C2B溝通數(shù)量（1768.78>1250.25）和C2C溝通數(shù)量（170.57>155.82）。

（二）模型建立

本文旨在研究C2B溝通和C2C溝通在新產(chǎn)品發(fā)布前后對在線品牌搜索的影響，因此對新產(chǎn)品發(fā)布之前和之后的數(shù)據(jù)分別進(jìn)行了建模檢驗。本文研究數(shù)據(jù)橫截面?zhèn)€體數(shù)量小于時間長度（N<T），使用了Stata11.0進(jìn)行長面板數(shù)據(jù)分析。具體模型如下：

LnSearchit=Const+β1LnPostit+β2LnWordsit+β3LnLikeit+β4LnC2Bit+β5LnC2Cit+β6Weekendit+β7Trend+εit? ? ? ? ? （1）

其中，下標(biāo)i表示第i個產(chǎn)品，下標(biāo)t表示新產(chǎn)品發(fā)布之前或之后的第t天，εit表示隨機(jī)誤差項。模型中控制了企業(yè)生成內(nèi)容（企業(yè)微博數(shù)量和微博詞語數(shù)量）、用戶參與（點(diǎn)贊數(shù)量）和周末對在線品牌搜索的影響，此外為了考慮時間效應(yīng)，生成了時間趨勢變量Trend。模型中除了啞變量和時間趨勢變量以外，其他變量均進(jìn)行了自然對數(shù)的轉(zhuǎn)換。

（三）模型檢驗

面板單位根檢驗。對所有研究變量進(jìn)行了序列平穩(wěn)性檢驗以避免出現(xiàn)偽回歸的問題。分別對新產(chǎn)品發(fā)布之前和之后的序列進(jìn)行了平穩(wěn)性檢驗（具體見表4和表5），結(jié)果顯示研究變量均拒絕了LLC檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗的原假設(shè)，這表明所有的研究變量都是序列平穩(wěn)的。

模型回歸結(jié)果?；陂L面板可能出現(xiàn)的異方差、序列相關(guān)和截面相關(guān)的問題，本研究使用更為有效率的全面可行廣義二乘估計方法（全面FGLS）進(jìn)行模型估計。分別使用新產(chǎn)品發(fā)布之前和之后15天的數(shù)據(jù)進(jìn)行了模型檢驗，首先建立固定效應(yīng)模型和隨機(jī)效應(yīng)模型，進(jìn)行了Hausman檢驗。新產(chǎn)品發(fā)布前模型的Hausman檢驗得到的Chi2值為7.84（p=0.347），不能拒絕隨機(jī)效應(yīng)模型的原假設(shè);新產(chǎn)品發(fā)布后模型的Hausman檢驗結(jié)果Chi2值為12.45（p=0.087），同樣不能拒絕隨機(jī)效應(yīng)模型的原假設(shè)。因此，在此全面FGLS模型估計中不需要加入個體虛擬變量。通過殘差檢驗，進(jìn)一步對模型的異方差和截面相關(guān)問題進(jìn)行了修正。此外，為了保證實證結(jié)果的穩(wěn)健性和可靠性，本研究采用了改變樣本區(qū)間的方式進(jìn)行了穩(wěn)健性檢驗。進(jìn)一步使用了新產(chǎn)品發(fā)布前后的20天、25天和30天的時間范圍內(nèi)的數(shù)據(jù)進(jìn)行了模型檢驗。具體的模型估計結(jié)果見表6和表7所示。

在新產(chǎn)品發(fā)布前的模型中，模型（1）-模型（4）中C2B溝通的參數(shù)估計均接受了原假設(shè)，表明C2B溝通對在線品牌搜索沒有顯著的影響;而C2C溝通的參數(shù)估計均在0.1%水平下拒絕了原假設(shè)，且系數(shù)（分別為0.121、0.111、0.108和0.089）均為正，表明C2C溝通對在線品牌搜索有著顯著的正向影響。因此驗證了假設(shè)H2a和H2b。在新產(chǎn)品發(fā)布后的模型中，模型（5）-模型（8）中C2B溝通的估計系數(shù)（分別為0.095、0.076、0.044和0.046）和C2C溝通的估計系數(shù)（分別為0.103、0.106、0.118和0.117）均是顯著為正的，表明在新產(chǎn)品發(fā)布后C2B溝通和C2C溝通對在線品牌搜索都有著顯著的正向影響，驗證了假設(shè)H3a和H3b。綜合模型（1）-模型（8）的參數(shù)估計結(jié)果發(fā)現(xiàn)，不論在新產(chǎn)品發(fā)布之前還是之后，C2C溝通對在線品牌搜索的影響總大于C2B溝通對在線品牌搜索的影響，驗證了假設(shè)H1。具體地，新產(chǎn)品發(fā)布前的模型中，C2C溝通能夠顯著地影響在線品牌搜索，而C2B溝通無顯著影響;新產(chǎn)品發(fā)布后的C2C溝通的估計系數(shù)值在不同樣本區(qū)間的模型中都大于C2B溝通的估計系數(shù)值（分別為0.103>0.095、0.106>0.076、0.118>0.044和0.117>0.046）。

本研究還得到以下結(jié)論：第一，企業(yè)發(fā)布的微博數(shù)量在新產(chǎn)品發(fā)布前對在線品牌搜索具有顯著的負(fù)向影響，表明用戶將企業(yè)微博作為接收新產(chǎn)品信息的重要信息來源，則會降低用戶的進(jìn)一步搜索興趣。而企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布后雖無顯著影響，但影響方向是正向的，不同的影響方向表明企業(yè)微博數(shù)量與在線品牌搜索可能存在非線性關(guān)系。第二，不論新產(chǎn)品發(fā)布之前還是之后，企業(yè)發(fā)布微博的詞語數(shù)量總是顯著地正向影響在線品牌搜索，這表明用戶關(guān)注企業(yè)發(fā)布的微博并會閱讀其中的內(nèi)容。具體地，微博詞語數(shù)量在新產(chǎn)品發(fā)布前模型中的估計系數(shù)（分別為0.147、0.086、0.071和0.045）和在新產(chǎn)品發(fā)布后的模型中的估計系數(shù)（分別為0.083、0.142、0.143和0.187）均為正向的。

結(jié)論和管理啟示

本研究更加全面地認(rèn)識了用戶生成內(nèi)容，是包括了文字和圖片等任何形式的C2B溝通和C2C溝通，克服了過去研究忽略C2B溝通的問題。本文使用社交網(wǎng)絡(luò)平臺上的企業(yè)主頁作為研究情境更好地體現(xiàn)了C2B溝通和C2C溝通，并基于對二者的比較發(fā)現(xiàn)了二者在新產(chǎn)品發(fā)布前后對在線品牌搜索的不同影響。具體地，對比C2B溝通和C2C溝通發(fā)現(xiàn)，由于C2C溝通的信息量比C2B溝通的信息量更大且具有更高的信源可信度，則C2C溝通對在線品牌搜索的影響總大于C2B溝通對在線品牌搜索的影響。進(jìn)一步基于新產(chǎn)品發(fā)布前后用戶的不同的搜索興趣發(fā)現(xiàn)，C2C溝通總是顯著地正向影響消費(fèi)者的在線品牌搜索，而C2B溝通僅在新產(chǎn)品發(fā)布后對在線品牌搜索有顯著的正向影響。此外，本研究還發(fā)現(xiàn)了企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布前對在線品牌搜索的顯著負(fù)向影響，微博詞語數(shù)量不論在新產(chǎn)品發(fā)布之前還是之后總是顯著地正向影響在線品牌搜索。

本文給企業(yè)如何經(jīng)營好自己在社交網(wǎng)絡(luò)平臺上的主頁提供了一些管理啟示：盡管營銷實踐中有很多企業(yè)提供了獎勵鼓勵用戶多多發(fā)布評論，忽略了用戶之間溝通的影響，也使得C2B溝通所占用戶生成內(nèi)容的比例大大超過了C2C溝通，但是實際上這種投入在新產(chǎn)品發(fā)布前是無效的，所以企業(yè)應(yīng)該更加關(guān)注C2C溝通。C2C溝通很難直接通過獎勵激勵產(chǎn)生，因此企業(yè)可以通過以下方式增加用戶之間的溝通以引起更多消費(fèi)者的興趣。首先，企業(yè)可以推動鼓勵微博主頁、企業(yè)發(fā)言人和代言名人都直接參與到用戶對企業(yè)或?qū)ζ渌脩舻臏贤ㄖ?，一方面可以增加用戶對C2C溝通的關(guān)注，增加企業(yè)和用戶之間的聯(lián)系，從而愿意進(jìn)行更多的C2C溝通，另一方面企業(yè)可以在C2C溝通中起到話題的引導(dǎo)作用，從而進(jìn)一步引發(fā)更多的討論。其次，企業(yè)可以發(fā)起能夠引起討論的熱點(diǎn)話題以增加用戶的關(guān)注，例如有關(guān)新技術(shù)應(yīng)用的話題等。

本研究存在以下不足：首先，本研究以國內(nèi)某品牌手機(jī)為研究對象，并且使用了不同樣本區(qū)間的數(shù)據(jù)進(jìn)行了穩(wěn)健性檢驗，但也可以使用其他行業(yè)或品牌的數(shù)據(jù)進(jìn)行進(jìn)一步的檢驗以增加研究結(jié)果的外部效度;其次，研究對象手機(jī)為搜索型產(chǎn)品，未來可以使用體驗型產(chǎn)品的數(shù)據(jù)進(jìn)行探索，對產(chǎn)品類型是否起到調(diào)節(jié)作用進(jìn)行檢驗;最后，本研究發(fā)現(xiàn)企業(yè)微博數(shù)量在新產(chǎn)品發(fā)布前后的不同影響方向，認(rèn)為它與在線品牌搜索是非線性的關(guān)系，未來研究可以做更多的探討。

參考文獻(xiàn)：

1.林家寶，萬俊毅，魯耀斌.生鮮農(nóng)產(chǎn)品電子商務(wù)消費(fèi)者信任影響因素分析：以水果為例[J].商業(yè)經(jīng)濟(jì)與管理，2015（5）

2.汪濤，謝志鵬，崔楠.和品牌聊聊天——擬人化溝通對消費(fèi)者品牌態(tài)度影響[J].心理學(xué)報，2014，46（7）

3.杜學(xué)美，丁妤，謝志鴻等.在線評論對消費(fèi)者購買意愿的影響研究[J].管理評論，2016，28（3）

4.汪旭暉，王軍.網(wǎng)絡(luò)口碑如何影響電影票房——中國電影“高票房低口碑”現(xiàn)象反思[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2015（2）

5.江曉東.什么樣的產(chǎn)品評論最有用？——在線評論數(shù)量特征和文本特征對其有用性的影響研究[J].外國經(jīng)濟(jì)與管理，2015，37（4）

6.Hennig-Thurau T.，Gwinner K. P.，Walsh G.，et. al. Electronic Word-of-mouth via Consumer-opinion Platforms：What Motivates Consumers to Articulate Themselves on the Internet？[J].Journal of Interactive Marketing，2004，18（1）

7.Naylor G. S. Complaining Complimenting and Word-of-mouth in the Digital Age：Typology and Terms[J].Journal of Consumer Satisfaction，Dissatisfaction and Complaining Behavior，2016，29

8.VanMeter R. A.， Grisaffe D. B.， Chonko L. B. Of “Likes” and “Pins”：The Effects of Consumers Attachment to Social Media[J].Journal of Interactive Marketing，2015，32

9.Opreana A.，Vinerean S. A New Development in Online Marketing： Introducing Digital Inbound Marketing[J].Expert Journal of Marketing，2015，3（1）

10.Chevalier J. A.，Mayzlin D. The Effect of Word of Mouth on Sales： Online Book Reviews[J].Journal of Marketing Research，2006，43（3）

11. Willemsen L. M.，Neijens P. C.，Bronner F.，et. al.“Highly Recommended！”The Content Characteristics and Perceived Usefulness of Online Consumer Reviews[J].Journal of Computer-Mediated Communication，2011，17（1）

12.Baek H.，Ahn J.，Choi Y.Helpfulness of Online Consumer Reviews：Readers Objectives and Review Cues[J].International Journal of Electronic Commerce，2012，17（2）

13.Bauer H. H.，F(xiàn)alk T.，Hammerschmidt M. eTransQual：A Transaction Process-based Approach for Capturing Service Quality in Online Shopping[J].Journal of Business Research，2006，59（7）

14. Das D. Evolution，Rapid Growth & Future of Research on Electronic Word of Mouth（ewom）：A Scientific Review. Available at Social Science Research Network，2013 http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2287134

15.Jang S.，Chung J.How Do Interaction Activities among Customers and between Customers and Firms Influence Market Performance and Continuous Product Innovation？ An Empirical Investigation of the Mobile Application Market[J].Journal of Product Innovation Management，2015，32（2）

16. Brodie R.J.，Ilic A.，Juric B.，et. al.Consumer Engagement in a Virtual Brand Community：An Exploratory Analysis[J].Journal of Business Research，2013，66（1）

17.Kulkarni G.， Kannan P.K.， Moe W. Using Online Search Data to Forecast New Product Sales[J].Decision Support Systems，2012，52（3）