广告中国互联网络中心

119国际新闻界2016.
05微信朋友圈信息流广告用户参与效果研究徐智杨莉明摘要随着移动互联网络在中国的普及,手机即时通信软件已成为第一大上网应用.
拥有超过五亿的月活跃用户的腾讯微信在2015年初开始了商业化的尝试.
根据广告主的需求,微信在细分用户特征的基础上实现信息流广告的差异化推送.
本文通过对问卷调查所得的数据进行分析,研究了微信朋友圈信息流广告的用户参与(点赞、发表正面评论、查看详情)的影响因素.
数据表明,与广告有关的变量对用户参与的影响是有限的,相比之下,与社交媒体属性有关的变量则对用户参与有非常显著的影响.
这种与社交媒体属性显著相关的数据结果也提示,新媒体广告效果的评估应该建立在互动性的基础上,且应发展有别于传统媒体广告效果评估的新评价标准.
关键词微信朋友圈、信息流广告、社交媒体、广告效果、参与作者简介徐智,中国人民大学新闻学院博士研究生.
邮件地址:xuzhi_phd@ruc.
edu.
cn杨莉明,北京大学新闻与传播学院博士研究生.
邮件地址:lmyang@pku.
edu.
cnAResearchonUsers'ParticipationofIn-FeedAdvertisingfromWeChatMomentXUZhi,YANGLimingAbstractInstant-messaging(IM)softwareoncellphonehasbecomethemostpopularAPPinChinaalongwiththedevelopmentofmobileInternet.
InJanuary2015,WeChatfromTencentdecidedtomakeacommercializedmoveasactiveusersonWeChatareover500millionmonthly.
Basedonadvertisers'needs,WeChatachieveddifferentiatedin-feedadvertisingpushaccordingtocustomersegmentationdata.
InordertoinvestigateinfluencingfactorsinWeChatusers'participationonin-feedadvertising,theauthorsconductedasurveytocollectandanalyzestatistics.
Theresultsshowthatsignificanceofvariablesrelatedtoadvertisingislimited,whereasvariablesrelatedtosocialmediaaffectuser'sparticipationsignificantly.
Unliketheadvertisingeffectevaluation网络传播研究120国际新闻界2016.
05oftraditionalmedium,astheconclusionindicates,aninteractive-basednewevaluationsystemshouldbeconstructedfornoveladvertisingonnewmedia.
KeywordsWeChatMoment,in-feedadvertising,socialmedia,advertisingeffect,participationAuthorsXuZHiisaPhDstudentattheSchoolofJournalismandCommunication,RenminUniversityofChina.
Email:xuzhi_phd@ruc.
edu.
cnYangLimingisaPhDstudentsattheSchoolofJournalismandCommunication,PekingUniversity.
Email:lmyang@pku.
edu.
cn一、引言截至2015年6月,中国网民规模已达6.
68亿,手机网民规模达5.
94亿,使用手机上网人群占网民总体的88.
9%(中国互联网络中心,2015a).
手机作为网民的网络接入终端的比例一直在增加.
同时,手机即时通信应用已成为第一大上网应用,并在网民中的使用率继续上升(中国互联网络中心,2015b).
由腾讯公司研发的微信迎合了上述两大趋势:由手机作为接入终端,并具备即时通信功能.
根据腾讯在2015年6月所公布的中期业绩报告,微信及WeChat(微信海外版)的合并月活跃用户已经达到了六亿(腾讯控股有限公司,2015).
TNS市场研究公司2014年的调查报告显示,在中国内地的网络用户中,每天使用微信者的比例达69%(TaylorNelsonSofres,2014).
面对庞大且粘度较强的用户群,微信一直在权衡商业化策略,但却相对谨慎.
自2011年推出微信后,腾讯直到2015年1月25日,才在微信朋友圈投放了第一批信息流广告,这一举动被认为是腾讯在移动广告市场上迈出的一大步.
信息流广告是微信根据广告主的需求,通过后台的大数据对用户特征进行分析和细分,选择不同的目标受众来推送信息,从而实现差异化投放的广告.
研究普遍认为,微信朋友圈信息流广告的效果是成功的(韩杰,2015;鞠宏磊,黄琦翔,王宇婷,2015;施琴,2015).
"信息流广告将程序化购买与互动程度高的社交平台结合在一起,具有投用户所好、可分享、可评论等特点,这些特点决定了它以一种十分自然的方式融入到用户的好友动态中,有很高的触达率.
"(艾瑞网,2015)然而上述结论都仅是推论,缺乏实证研究的支持.
微信用户对于信息流广告的实际参与情况如何这是本文研究的出发点.
本文以期通过实证研究弥补现有文献的不足,找出影响用户参与微信朋友圈信息流广告的因素有哪些,为社交媒体平台上的网络传播研究121国际新闻界2016.
05广告的策划和投放提出有意义的参考意见,为下一步对信息流广告效果反应机制的研究做好前期探索,并且深化对于依托社交媒体平台进行差异化投放的这种新形式的广告的理解.
二、文献梳理信息流广告是原生广告(NativeAdvertising)的一种,即将品牌内容以不同的网站或者平台的形式融入用户的使用体验中,内容上提供用户价值,促成产品与用户之间的关联与共鸣(喻国明,2014;康瑾,2015).
信息流广告首先出现在国外的知名社交平台如Facebook和Twitter之中,而后又被Instragram等社交平台沿用,并进入了中国社交平台.
而它区别于其他原生广告的特点在于,信息流广告是基于用户大数据和程序化购买的基础上所采取的一种投放策略.
也有研究者认为它是与社交媒体情境相结合的一种基于大数据的精准广告.
"基于大数据的精准广告"是指依托互联网广告网络及广告交易平台,应用大数据信息检索、受众定向及数据挖掘等技术对目标消费者数据进行实时抓取与分析,针对消费者个性化特征和需求而推送具有高度相关性商业信息的传播与沟通方式(鞠宏磊,黄琦翔,王宇婷,2015).
所谓社交媒体,即"socialmedia".
由于中英文语境和社会背景的差异,内地学术界常年混用"社交媒体"和"社会化媒体"等中文概念来指代英文"socialmedia".
赵云泽等人梳理了这一组相关概念后指出:"socialmedia在英文中包含了socialnetworksites,socialnetworkingsites,onlinesocialnetworks以及其他类型的基于web2.
0的交互式媒体的总称",如微博、微信这一类应用成功弥合了媒体的"公共传播"和"社交"两项功能,"社交"和"媒体"功能重叠且强大,将其翻译成"社交媒体"更贴合中文语义,也更符合其本质属性(赵云泽,张竞文,谢文静,俞炬昇,2015).
因此,本文将使用"社交媒体"一词来指代微信、微博等符合同类描述的交互平台.
作为中国网民主要使用的社交媒体,微信受到了业界和学界的关注.
在信息流广告出现以前,微信中的广告主要包括以下两种形式:1.
微信公众号推送的广告信息,包括品牌公众号推送的产品、促销、品牌广告,或其他公众号中所包含的内容广告;2.
个人用户通过朋友圈所发布的广告信息.
2014年起,与微信广告相关的研究明显增多,这一时期大部分文献以介绍其营销模式、讨论广告在微信平台价值的文章为主.
如早期有研究者探讨微信广告的传播力,主要提到了腾讯所依附的强大用户平台、社交圈多级传播以及能准确锁定广告受众群等优势(周蕾,2012).
在网络传播研究122国际新闻界2016.
05广告价值方面,有研究者认为微信平台的自主、平等、交互和精确等特征,符合了互联网2.
0时代的广告需求;但也有研究者呼吁需要理性看待新平台的崛起(尹卫卫,2014;周晓莉,2013).
这些研究虽然较宽泛,但从微信平台的基本特点出发,为广告主和运营商提供了广告投放的参考方向.
随着2015年1月腾讯首次在朋友圈推送信息流广告,关于微信广告的研究也开始变得具体.
其中不少研究者是基于传播视角出发:有研究者以原生广告的角度,以传播要素为依据对微信广告进行分析,认为这是一种传播途径的改变,而通过对信息内容的镶嵌和对受众心理的把握,这种细分的社交圈广告所造成差额心理将带来传播效果的扩大化(李亚楠,2015).
另外一部分研究者则从微信功能和属性出发,研究微信广告的社会化效果:比如研究者结合朋友圈信息流广告和微信平台的强连接关系特征进行讨论,并有意将这种信息流广告的模式和效果与新浪微博平台的信息流广告区分开来,强调朋友圈的私密性和"熟人社交"特性对信息流广告效果的影响(韩杰,2015).
相比之下,海外有关社交媒体营销的研究较为系统.
社交媒体被细分和解构,学者们通过社会化平台来研究社交媒体内的消费者行为,并给出了部分社交媒体具体的测量指标(凯利,2012/2014;塔腾与所罗门,2013/2014).
值得注意的是,海外研究者更多地选择定量研究方法.
如从用户认知和用户行为的角度来考察移动社交媒体广告的效果,通过问卷调查的数据证明了在社交媒体中"广告被认知的信息化越高/娱乐化越高/刺激度越低,广告价值将得到更高的评估"等假设关系,提出考察社交媒体广告效果的理论框架(Ha,Park&Lee,2014).
总结国内的相关文献,并与海外研究进行对比后发现,目前国内有关微信广告的研究较为宽泛,且未将研究落实于具体的广告形态和广告策略上.
另外,国内的微信广告研究仍然缺乏定量的研究方法对研究结果进行支撑,大多数研究为描述性或总结性,结论相对主观.
据此,本文使用定量的研究方法对微信朋友圈信息流广告的参与效果进行实证性的检验.
三、研究问题和相关变量广告参与:点赞、评论、查看详情在传统的广告和营销理论中,人们通常提到"4P"理论,即:产品(Product)、价格(Price)、渠道(Place)、宣传(Promotion).
但随着互联网网络传播研究123国际新闻界2016.
05技术和社交媒体营销手段的发展,有研究者建议可以增加第五个"P"——参与(Participation)(塔腾与所罗门,2013/2014:21);并且认为营销观念应该转变,主张"消费者是积极的参与者"(沃泰姆与芬威克,2008/2009:27).
互联网广告在早期时,仍与传统媒体一样,提供的是单向的、"打断式"的广告,如网页弹窗广告等.
在强调互动的Web2.
0时代,尤其是社交媒体的出现为消费者和品牌提供了互动和沟通的接触点,社交媒体将主动权转移至消费者身上,使消费者能利用社交媒体去评价商品,与品牌进行直接对话;使消费者与自己相关联的好友去讨论、贡献、合作和分享品牌和广告信息(沃泰姆与芬威克,2008/2009:27;塔腾与所罗门,2013/2014:22-23).
因此,本文研究者认为"参与"是社交媒体的广告研究和评估中不可缺少的重要指标,并将研究重点放在了微信朋友圈信息流广告的用户参与效果和其影响因素上,提出如下研究问题:RQ:哪些因素会影响用户对微信朋友圈信息流广告的参与效果在社交媒体中,好友的点赞和评论最常见的互动形式.
以Facebook这个平台为例,70%的用户点过赞,55%的用户发表过评论(SocialTimes,2015).
点赞可以使人积累社会资本,抵抗权威话语,为人提供心理支持(王斌,2014).
不过,点赞原因和过程并不如想象的积极乐观,点赞中不对称的交流使得互动变得虚假,导致意义空缺(刘一鸥,陈肖静,2015),使人难以在虚拟空间中完整地表达主体间丰富、多元的互动意义(王斌,2014).
因此,在评估参与效果的时候,本文还考量了另一个指标:评论.
研究表明,点赞加评论等互动相结合的交流方式能使人获得更多满足,孤独感也会降低;而光是点赞,孤独感并没有发生变化(Marche,2012).
相比起"点赞党"表现出来的盲目随大流,或是敷衍式的虚情假意,评论更加需要参与主体对内容进行认知上的加工,突破了点赞功能单一且含义模糊的局限性,可传达出内容更丰富且意义更明确的信息,使用户之间进行更深层次的互动.
对于信息流广告来说,收到同一条信息流广告的人能看到自己的微信好友对广告的点赞和评论内容,并且参与到这种互动中去.
微信首批投放的宝马、Vivo和可口可乐广告使用户接触到了明显的差异化推送,在信息流广告下的点赞和评论呈现了用户另一种好友关联状态,这些参与情况又被其他媒体所关注,造成了广告效果的二次发酵.
因此,点赞和评论都应该作为信息流广告的参与指标予以考虑.
除此之外,对于信息流广告,用户还可点击查看详情,在新的页面中获取更为详尽的广告信息,对信息进行更为深入的认知加工,甚至可能会通过网址链接跳转到官方网站去注册或到网购渠道上去购买,从而起到促进活动参与、商品销售的作用.
所以,"查看广告详情"也应该作网络传播研究124国际新闻界2016.
05为信息流广告的参与指标之一来研究.
考虑到微信朋友圈信息流广告是依托社交媒体平台所推送的广告信息,本文从信息流广告本身的广告属性和微信的社交媒体平台属性两个角度出发,提出可能产生影响的因素.
从广告属性来看,结合信息流广告的特性,衡量其效果的指标有广告频率、广告表现、广告品牌与用户的契合度这三个因素;从微信社交媒体属性来看,对于信息流广告可能产生影响的因素有:用户在朋友圈的日常操作习惯和好友对信息流广告的参与这两个因素.
以下分别讨论这五个因素:广告频率广告的曝光频率是广告部门需要决策的重要项目之一,因此在考察用户对信息流广告参与效果时,广告频率这个自变量被首先考虑在内.
有人认为,有时只需一次接触,广告就能在消费者脑中留下印象、产生效果;但也有意见认为,广告的主要信息需要多次接触才能被固化在消费者脑中(陈宁,2001).
有研究者通过实验法证明了广告重复的次数将带来消费者知觉流畅性的增加,提高受众对广告信息的自动化加工,因此消费者对广告刺激的反应会更积极(陈宁,2001).
但通过实验也同时证明了新品牌与已建立良好形象的品牌在广告频率的选择上是有差异的.
随着互联网技术使广告的曝光和到达更为便捷,广告频率的增加也变得更为容易,但是对广告频率的研究也得出了不同的结论.
在电子邮件广告流行时,有研究指出,过高的电子邮件广告推送频率会造成消费者的认知压力,建议广告公司应该从消费者的角度对电子邮件广告的频率进行管理(Micheaux,2011).
据本文的研究者观察,在2015年1月之前,微信平台内并无任何由腾讯官方投放的广告,这成为了用户和腾讯都认可的平台生态优势.
微信一直对朋友圈信息流广告的投放表现谨慎,担忧广告的投放将造成"用户友善(UserFriendly)"度的下降.
在第一批信息流广告投放过后,有调查显示,有40.
3%的受访微信用户表示自己会因为"广告出现频率高"而反感朋友圈信息流广告(艾媒咨询集团,2015).
于是,本文推测,微信朋友圈信息流广告推送频率与用户对微信朋友圈信息广告的参与效果之间可能存在关联,因此,将广告频率列入讨论范围.
广告表现消费者从接触广告到最后实现购买,通常包含了A(Attention引起注意)、I(Interest引起兴趣)、D(Desire唤起欲望)、A(Action购买行动)等阶段阶段,被称为AIDA模型又或是层级效果模型(hierarchy-of-effectsmodel)(维尔斯,莫里亚提与伯奈特,1995/2009:41).
广告的创意和表现对于吸引受众注意力、加强受众的网络传播研究125国际新闻界2016.
05记忆效果、形成对品牌的好感度方面均有影响.
学者针对静态的平面广告和动态的电视广告进行研究,意图明确广告表现对于受众注意力和广告效果的影响.
比如在平面广告表现上,图像比文字更能强化记忆效果(齐春媚,2011).
而在电视广告方面,研究者证明了广告传播内容在影响电视广告效果方面的作用要远大于广告传播者和广告环境因素,且积极的广告传播内容对引起受众注意力、形成正面的社会效果有正向作用,认为合理的广告创意和表现形式有利于收获消费者的良好评价(董纪昌,郏捷,李秀婷,与刘晓欣,2013).
互联网技术在各个网络平台实现了文字、图片、音频、视频等多种表现方式的叠加.
在微信朋友圈上,除了文字、图片和音视频,还能通过链接接入第五代HTML互动页面等.
广告的创意和表现在科技的支持下得到了极大的延伸空间.
所以,本文认为在讨论微信信息流广告时,广告表现也应该作为重要的变量列入研究.
信息流广告品牌的契合度第一批信息流广告推送后,用户发现了接收品牌的差异,而这种"大数据"、"品牌差异化推送"和"精准投放"正是微信朋友圈信息流广告推出之初的主要卖点.
这种差异化推送的机制微信是在其海量用户数据的基础上实施了用户标签化,将地域、性别、年龄、设备、好友关系、兴趣图谱等指标进行提取和分析,实现初步品牌的"精准投放"(虎嗅网,2015).
正是基于信息流广告的差异化推送的特点,本文提出了"广告品牌契合度"这个概念,用于指信息流广告推送的品牌,与接收到该则广告的用户在特征、消费习惯、消费能力、品牌偏好之间的契合的程度.
在品牌研究中,品牌关系理论常常被应用其中.
品牌关系以消费者和品牌为主体,并认为这两个主体之间是相互作用的,甚至从广义上,产品、品牌、消费者、公司和其他顾客也被列入其中,是多对关系的整合.
值得注意的是,品牌关系的特征之一是它的排他性:品牌关系的建立将影响消费者的品牌偏好,品牌忠诚度等,甚至如人与人一般产生依赖心理;品牌关系发展成熟时,品牌和消费者双方情感的联系更为密切,互动也会越频繁(黄静,2014:318-322).
有研究者利用品牌关系维度考察消费者对品牌的评价,品牌关系可通过个人或群体层面进行联结,在个人层面上独立构念的消费者,当品牌与自我关联较强时,消费者对其评价更好(Swaminathan,Page&GürhanCanli,2007).
在微信朋友圈中,品牌被微信"伪装"成了用户认证过的"好友",使品牌变成了与用户一样的社交平台使用者,消费者对于品牌的看法和态度通过"点赞"和"评论"得到直接体现,将品牌关系具象化.
由于品牌和消费者联结较强、品牌关网络传播研究126国际新闻界2016.
05系越成熟时,双方的互动和联系将越频繁.
因此本文推测投放的广告的精准程度可能会影响用户对广告的参与,将其列入研究的范围.
用户在朋友圈的日常操作习惯社交媒体的互动性是以用户的参与为基础的.
在与社交媒体用户的使用效果相关的研究中,不少研究者将"社交媒体的使用频率"列为考察变量,证明了用户对于社交媒体的使用频率与用户的社会参与意愿和线上公共参与程度均呈正相关;尤其是以强关系为联结的微信平台,比微博呈现出更为显著的相关性(赵曙光,2014;郭瑾,2015).
因此在讨论用户对于信息流广告的参与时,本文亦将用户平时在朋友圈的操作习惯纳入考察,具体来说,考察用户平时在朋友圈点赞、平时在朋友圈评论以及平时在朋友圈点击文章查看详情这三种行为习惯对于信息流广告参与的影响.
微信好友对信息流广告的参与塔腾与所罗门(2014:224-227)认为,在社交媒体中,用户对营销活动的反应和购买行为受到"社会认同"的影响,用户在做决策时观察周围人在相同情境下的反应.
这种影响来自于"文化压力"、"群体一致性"等方面,而其中,"他人认同"长久以来都是社会认同的来源.
社交媒体中,信息的同步和聚合使熟悉或非熟悉的用户在人际关系圈里实现了和他人的即时互动,这些信息的互动也营造虚拟化的共同情境.
与"社会认同"相对应的研究来自口碑(WOM,WordofMouth)传播.
在微信与微博这样的产品机制中,用户对于品牌产品的消费和体验亦变成了用户生成内容(UGC,UserGeneratedContent),变成了品牌的网络口碑.
网络口碑研究已经证明网络口碑能引起消费者的认知、知晓、理解、购买和再传播,且网络口碑的数量、评价方向和分散程度都对口碑传播的效果有着影响(毕继东与胡正明,2010).
以微信为例,经过互相认证的好友,当收到同一条信息流广告时且参与互动时,好友间均能看见互动内容,构建了共同情境.
这种产品机制将用户对品牌的反应和认知直接反映在广告下方,形成了与品牌关联的网络口碑.
共同情境的存在,也使这种网络口碑同时具备了社会认同的影响.
好友对于信息流广告的参与是否也会影响用户的参与这也是本文要探讨的因素.
四、研究方法与变量测量本文的研究者于2015年8月期间在问卷星网站(www.
sojump.
com)发布了一份网络传播研究127国际新闻界2016.
05网络问卷来调查微信用户对朋友圈信息流广告的参与.
在无法获知微信信息流广告推送对象的总体的情况下,研究者根据《2015微信生活白皮书》(腾讯科技,2015)中提及的微信用户人口统计特征,通过判断抽样的方法增加了部分通过调查网站较难接触到的群体的样本数,例如年龄在40岁以上微信用户,使样本结构尽可能接近该报告中提及的比例.
一共回收到621份问卷.
经筛查,删除了填答具有明显规律性和答案前后矛盾的无效填写问卷,并且排除了从未接收过信息流广告的微信用户,最终得到有效问卷512份,有效回收率为82.
45%.
问卷中的变量包括:1.
用户对信息流广告的参与效果变量:为了使"信息流广告的参与效果"具有可操作性,本文将其定义为三项量化指标:对信息流广告点赞、评论以及点击查看广告详情.
需要明确的是,由于评论的内容比较复杂,而本文所要研究是用户对信息流广告的正面评价,即对广告中的商品、品牌、活动以及对该则广告的创意表现等表示赞赏,因此在这个变量的测量上,用户需要回答的是否曾在信息流广告下发表过正面评论.
据统计,用户是否曾对信息流广告点赞(是=211,41.
2%;否=301,58.
8%)、是否曾在信息流广告下发表过正面的评论(是=125,24.
4%;否=387,75.
6%)、是否曾查看信息流广告详情(是=288,56.
2%;否=224,43.
8%).
2.
与广告有关的变量:包括广告频率、广告频率上限、广告表现、广告品牌契合度.
广告频率是指用户接收到的微信朋友圈信息流广告的频率,选项按频繁程度由低至高分为:数月1-2条(n=68,13.
3%)、每月1-2条(n=144,28.
1%)、每周1-2条(n=126,24.
6%)、每周3-4条(n=46,9.
0%)、每天1-2条(n=76,14.
8%)、每天3条及以上(n=52,10.
2%).
为了进一步考察用户对微信信息流广告的推送频率的心理预期是否会影响参与效果,研究者提出"广告频率上限"这个变量.
它是指用户最多能够接受的信息流广告推送频率上限,选项按频繁程度由低至高分为:不能接受任何信息流广告(n=50,9.
8%)、数月1-2条(n=55,10.
7%)、每月1-2条(n=88,17.
2%)、每周1-2条(n=141,27.
5%)、每周3-4条(n=63,12.
3%)、每天1-2条(n=91,17.
8%)、每天3条及以上(n=24,4.
7%).
广告表现是指用户对微信朋友圈推送的信息流广告的创意表现的评价,选项分为:差(n=123,24.
0%),一般(n=315,61.
5%),好(n=74,14.
5%).
广告品牌契合度是指用户认为微信朋友圈推送的信息流广告的品牌是否适合网络传播研究128国际新闻界2016.
05自己,这个问题实际上综合了用户对于品牌或产品的偏好、自身的消费习惯等因素在内.
选项分为不适合(n=244,47.
7%),一般(n=240,46.
9%),适合(n=28,5.
5%).
3.
与微信有关的变量:包括微信好友人数、自己平时在朋友圈点赞/评论/查看详情的频率、微信好友是否曾对广告点赞/正面评论.
微信好友人数:牛津大学人类学家邓巴指出,人类能够维持的稳定的群体规模受到大脑新皮层大小的限制(Dunbar,1993),交往群体人数上限通常约为150人(Hill&Dunar,2003;Hernandoetal.
,2010).
Arnaboldi、Guazzini与Passarella(2013)的实验结果表明,人们所能够在Facebook上维系的活跃的社会关系是有限的,好友数与邓巴数字150人非常接近.
一项针对6100万Facebook用户的研究也表明,每个用户平均有149个Facebook好友(Bondetal.
,2012).
结合上述研究,以及微信使用的具体状况,问卷将用户微信中的好友人数分为:1-49人(n=53,10.
4%)、50-99人(n=92,18.
0%)、100-199人(n=130,25.
4%)、200-299人(n=94,18.
4%)、300-499人(n=73,14.
3%)、500-799人(n=52,10.
2%)、800人及以上(n=18,3.
5%),统计结果在一定程度上也反映出邓巴数字的规律,微信好友人数范围的峰值出现在100-199人的区间.
自己平时在朋友圈点赞/评论/查看详情的频率:这类频率在问卷中用五级量表来测量,受访者要从"从不"、"很少"、"有时"、"经常"、"总是"做出选择,选项分别赋值1-5.
据统计,平时朋友圈点赞的频率(M=3.
23,SD=0.
912)、平时朋友圈评论的频率(M=2.
96,SD=0.
832)、平时朋友圈点击文章查看详情(M=2.
82,SD=0.
934).
微信好友对广告点赞/正面评论:该组变量是指据受访者的观察,微信朋友圈中是否有好友曾对信息流广告点赞和评论,据统计,好友曾对信息流广告点赞(是=434,84.
8%;否=78,15.
2%)、好友曾在信息流广告下发表正面的评论(是=190,37.
1%;否=322,62.
9%).
4.
人口统计学变量:本组变量包括性别、年龄、受教育程度、经济水平和职业.
在512个样本中,男性(n=186,36.
3%),女性(n=326,63.
7%).
年龄分布上,19岁及以下(n=59,11.
5%),20-29岁(n=326,63.
7%),30-39岁(n=111,21.
7%),40岁及以上(n=16,3.
1%).
受教育程度划分为本科以下(n=77,15.
0%),大网络传播研究129国际新闻界2016.
05学本科(n=273,53.
3%),研究生学历(n=162,31.
6%).
经济水平以月收入来衡量,分为:无收入(n=59,11.
5%),1000元以下(n=26,5.
1%);1001-2000元(n=65,12.
7%);2001-3000元(n=59,11.
5%);3001-5000元(n=85,16.
6%);5001-8000元(n=82,16.
0%);8000元以上(n=136,26.
6%).
职业按照受访者现今从事的工作是否与信息流广告有关,分为"相关行业"(n=155,30.
3%)和"无关行业"(n=357,69.
7%),相关行业包括广告/公关/营销/宣传、IT业、传统渠道销售业、电商、社交媒体平台运营以及这些领域的科研教学人员.
无关行业指的是非上述工作领域,学生和离退休人员亦属于此类.
五、研究发现与分析由于本文中的因变量都是二分的定类变量,研究者运用SPSS16.
0软件中的BinaryLogistic回归来分析数据,将因变量分别设为用户是否曾对信息流广告点赞、是否曾发表正面评论以及是否曾查看广告详情,将相关的变量作为协变量输入回归方程.
在进行回归分析之前,所有的定类变量都已处理成了虚拟变量.
为使某些变量能更好地拟合模型,研究者对其进行了数学形式上的变换.
以"是否曾对广告点赞"、以"是否曾对广告发表正面评论"、以"是否曾查看广告详情"分别作为因变量的三次Logistic回归统计结果分别如表一、表二和表三所示.
以下三个Logistic回归模型都通过了共线性诊断,确保模型中的自变量之间,特别是成分项与交互项之间不存在多元共线性问题.
表一:以"是否曾对广告点赞"为因变量的BinaryLogistic回归统计结果(n=512)回归系数B标准误S.
E.
Wald统计量优势比Exp(B)人口统计学变量性别(女=0):男0.
6970.
2855.
9902.
008*年龄的平方-0.
4070.
12111.
3380.
666**受教育程度的倒数-1.
1671.
0361.
2680.
311月收入的立方-0.
0020.
0011.
6670.
998职业(无关行业=0):相关行业-0.
7330.
5521.
7590.
481与广告有关的变量广告频率0.
0340.
1040.
1061.
035广告频率上限0.
0150.
0990.
0231.
015广告表现0.
2710.
2321.
3701.
312广告品牌契合度0.
1040.
2320.
2001.
109与微信有关的变量网络传播研究130国际新闻界2016.
05从表一可知,对于用户是否对信息流广告点赞来说,性别(OR=2.
008,p中国互联网络中心(2015a).
《中国互联网络中心第36次中国互联网络发展状况统计报告》.
检索于http://www.
cnnic.
net.
cn/hlwfzyj/hlwxzbg/hlwtjbg/201507/P020150723549500667087.
pdf.
[CNNIC(2015a).
The36thChinaInternetDevelopmentStatisticsReport.
Retrievedfromhttp://www.
cnnic.
net.
cn/hlwfzyj/hlwxzbg/hlwtjbg/201507/P020150723549500667087.
pdf.
]中国互联网络中心(2015b).
《中国互联网络中心第35次中国互联网络发展状况统计报告》.
检索于http://www.
cnnic.
net.
cn/hlwfzyj/hlwxzbg/201502/P020150203551802054676.
pdf.
[CNNIC(2015b).
The35thChinaInternetDevelopmentStatisticsReport.
Retrievedfromhttp://www.
cnnic.
net.
cn/hlwfzyj/hlwxzbg/201502/P020150203551802054676.
pdf.
]周蕾(2012).
微信广告传播力研究.
《东南传播》,(1),21-23.
[Zhou,Lei(2012).
AresearchoncommunicationeffectofWeChatadvertising.
SoutheasternCommunication,(1),21-23.
]周晓莉(2013).
微信的广告价值分析.
《青年记者》,(17),75-76.
网络传播研究139国际新闻界2016.
05[Zhou,Xiaoli(2013).
AdsvalueanalysisonWeChat.
YouthJournalist,(17),75-76.
]Amaboldi,V.
,Guazzini,A.
&Passarella,A.
(2013).
Egocentriconlinesocialnetworks:AnalysisofkeyfeaturesandpredictionoftiestrengthinFacebook.
ComputerCommunications,36(10-11),1130-1144.
Bond,R.
M.
etal.
(2012).
A61-million-personexperimentinsocialinfluenceandpoliticalmobilization.
Nature,489(7415),295-298.
Dunbar,R.
I.
M.
(1993).
Coevolutionofneocorticalsize,groupsizeandlanguageinhumans.
BehavioralandBrainSciences,33(12),1333-1346.
Ha,Young-Wook,Park,Myeong-Cheol&Lee,Euehun(2014).
AframeworkformobileSNSadvertisingeffectiveness:userperceptionsandbehaviourperspective.
Behaviour&InformationTechnology,33(12),1333-1346.
Hernando,A.
,Villuendas,D.
,Vesperinas,C.
,Abad,M.
&Plastino,A.
(2010).
Unravellingthesizedistributionofsocialgroupswithinformationtheoryincomplexnetworks.
TheEuropeanPhysicalJournalB,76(1),87-97.
Hill,R.
A.
&Dunar,R.
I.
M.
(2003).
Socialnetworksizeinhumans.
HumanNature,14(1),53-72.
Marche,S.
(2012).
IsFacebookmakinguslonely.
Atlantic,309(4),60-69.
Micheaux,Andrea(2011).
Managinge-mailAdvertisingFrequencyfromtheConsumerPerspective.
JournalofAdvertising,40(4),45-66.
SocialTimes(2015).
INFOGRAPHIC:FacebookLikeButtonTopsSocialNetActions.
Retrievedfromhttp://www.
adweek.
com/socialtimes/infographic-gwi-social-network-actions/617411.
Swaminathan,Vanitha,Page,KarenL.
&GürhanCanli,Zeynep(2007).
'My'Brandor'Our'Brand:TheEffectsofBrandRelationshipDimensionsandSelf-ConstrualonBrandEvaluations.
JournalofConsumerResearch,34(2),248-259.
TaylorNelsonSofres(2014).
ConnectedLife.
Retrievedfromhttp://connectedlife.
tnsglobal.
com/.
网络传播研究