卢 美 丽，燕 宇 飞，曹 翠 珍

（1.山西财经大学工商管理学院，山西太原 030006；2.西南财经大学工商管理学院，四川成都 611130；3.山西工商学院商学院，山西太原 030006）

一、引言

随着互联网和信息技术的高速发展，虚拟社区凭借其良好的互动性，成为人们分享知识、交流经验的重要场所。交易型虚拟社区是电子商务发展的产物，其在营销中的价值日益受到电商企业和科研工作者的关注[1]。虚拟社区的技术环境特征为消费者口碑分享提供了更好的平台与支撑，丰富的图片、基于亲身体验的描述使口碑分享变得更加真实、可信，进而增加商品附加价值，并对消费者购买决策产生更加强烈的影响。

虚拟社区中消费者购买产品后自发地发表口碑并分享体验的过程，其本身就是消费者行为的表现和延伸，在这一过程中形成了大量反映消费行为的客观数据。消费者发布的口碑影响其他成员的购买意愿，并触发他人购买后发布口碑的行为，消费者通过分享体验并回复评价，彼此关注，互动交流，逐渐形成虚拟社区消费者之间的网络结构。正因为如此，有关虚拟社区的研究开始从知识分享[2]、价值共创[3]、购买意愿[4]等视角转向社交网络视角[5]。不过，多数研究主要关注意见领袖的概念、特征、识别和影响力[6-7]，并未从整个虚拟社区口碑发布者的角度进行分析。本文分析虚拟社区口碑发布者影响力，构建相应的评价指标体系，并研究口碑发布者影响力的价值，是一个有实践意义的课题。

二、虚拟社区相关理论及口碑发布行为剖析

（一）自我决定理论与虚拟社区环境建设

作为一种新的认知动机理论，自我决定理论最早由美国心理学家德西（Deci E L）等[8]提出。该理论认为，人都具有先天、内在追求自我实现和自我成长的潜能，但人类自我的决定取决于个人需要与外部环境的交互作用。人类最基本的心理需要有三种，即自主需要、能力需要、关系需要。外部环境为上述三种需要的满足提供了机会，且外部环境对个体动机的影响体现在外部环境对内在动机的促进以及外部动机的内化过程中。

首先，虚拟社区环境为成员自我决定理论提到的基本需要的满足提供了较好的技术基础。马（Ma M）等[9]提出了虚拟社区环境的四个特征，即支持虚拟共存的技术、支持用户持续性标签、支持用户自我实现、支持用户资料深度挖掘。其中，虚拟共存指虚拟社区环境下个体成员可以感觉到与其他成员在一起的主观感受[10]，如浏览次数增加、有用性评价、回复留言、通过关注成为粉丝等均能表明发布口碑的成员受到了其他成员的关注和重视，进而可实现其内心需要的满足；持续性标签指虚拟社区环境下个体成员注册了ID号便建立了虚拟身份，这个虚拟身份既是用户持续表达并展示自己虚拟角色的信号标签，也是被他人识别和认可的主要标识；自我实现指虚拟社区的用户一旦对某次消费形成满意体验，就有可能利用文本、图像、视频等各种扩展的网络符号工具构建和表达自我，分享自己的心得和感受，实现自我满足或利他的喜悦；用户资料深度挖掘指虚拟社区能够集中提供更多有关用户的资料，如所有产品的购买、评论、口碑记录以及成员间相互联系和彼此关注的关系等，对这些信息的搜索和汇集既方便成员间相互了解，也有利于成员间关系的建立。

其次，成员自主需要、能力需要、关系需要的满足会促进成员对虚拟社区环境的依赖，这也是虚拟社区形成和存在的基础[11]。其中，自主需要指成员个体是积极的有机体，其进行决策更多依靠自己而非依靠他人，因此当他认为自己可以在虚拟社区控制事情的发生和发展时，就会提高参与活动的内部动机，并从虚拟社区行为中体验到更强烈的满足感；能力需要指成员希望有机会展示自己所具有的胜任某项活动的才能，虚拟社区成员有足够的自信来表达自己并得到他人认可，从而使其能力需要得以满足，并进一步因虚拟社区可以较大程度地调动自己参与活动的积极性而感到满意；关系需要指成员通过与他人建立密切联系，感受到环境中存在的来自他人的关注、理解或欣赏，同时也会以同样的态度对待他人，当虚拟社区成员通过浏览、关注、交流而彼此认可时，其内心的幸福感、满足感和归属感就会自然提升。

（二）口碑发布行为剖析

虚拟社区口碑形成、发布及产生影响的过程同时体现了消费者具体的参与行为。电商虚拟社区中的消费者参与行为可概括为个人信息完善、信息分享、人际关系建立、参与团购、达人评比等活动。在线购买前，消费者的主要行为往往是采集信息，网上浏览搜集他人见解、经验和评价[12]，这种对有用的信息形成信任并使用可用信息的过程被称为信息采纳。在线购买后，受一定的动机诱导，发表他们的看法或张贴问题，形成虚拟社区成员间的帮助与交流互动[13]。这些行为的发生符合前面有关自我决定理论的分析，虚拟社区的环境特征为社区成员需要的满足提供了基础条件。在虚拟社区口碑形成、发布及产生影响的整个过程中会产生或生成相应的数据，可从中获得丰富的信息。具体参见图1。

三、虚拟社区口碑发布者影响力评价指标体系构建

（一）实证数据获取

考虑到数据的代表性、丰富性和可得性，本研究选取聚美口碑中心的数据进行研究。聚美优品成立于2010年3月，2014年在美国上市，成为登陆美国纽约证券交易所的首家中国美妆电商，到2016年公司营业收入达到9.05亿美元。

对于实证数据，首先利用爬虫程序随机选取十个粉丝数在200人左右的达人作为初始入口，采用滚雪球的方法得到1 931个用户的ID，并随机选取300个ID入口。下载用户名称、粉丝数、关注数、口碑商品ID、口碑主要内容、口碑浏览数、回复数、有用数、发布日期、粉丝ID数据以及粉丝所购买产品的名称、价格、购买时间数据。删除购买记录不完整（比如产品信息不全）、粉丝有重复的用户，最终得到280个第一层用户，称为达人，共计18 298条记录，与各达人相对应的粉丝形成第二层用户，其中有购买记录的粉丝数量总计107 627人，购买记录的总数为280.222万条。下载时间为2016年3月，最终数据的最早时间为2011年5月1日，截止时间为2016年2月29日。

图1 虚拟社区消费者行为分析

（二）基于因子分析的评价指标体系构建

因子分析是一种降维和简化数据的技术，主要研究众多变量间的内部依赖关系，探索这些变量观测数据彼此间可能包含的基本结构，尝试依靠少数几个假想变量来表达结构内涵，并将假想变量称为因子。接下来对聚美口碑中心可以直接得到或整理计算后得到的初始变量进行因子分析。具体变量说明参见表1。

表1 初始变量表

表2 描述性统计

使用SPSS21.0软件，可以得到上述各变量的描述性统计情况。结果参见表2。由表2可以发现，变量普遍表现出了较大的差异性。

进一步计算变量间的相关性，具体结果参见表3。

表3中存在许多比较大的相关系数，且从相关系数显著性检验结果看，存在大量小于0.05的p值，说明变量间相关性较强，具有进行因子分析的必要。

进一步进行KMO检验和巴特利特（Bartlett）球形检验。KMO统计量的取值在0到1之间，其值越接近1，表明原始变量相关性越强，越适合使用因子分析方法。巴特利特球形检验的原假设是原始变量的相关系数矩阵是单位矩阵，即非对角线上的值为0，变量间相互独立。利用SPSS21.0软件，可以得到KMO检验和巴特利特球形检验的结果。具体参见表4。

由表4可见，KMO检验统计量0.709＞0.7，巴特利特球形检验的p值为0.000，说明该数据组比较适合进行因子分析。

表3 相关系数及显著性检验

表4 KMO检验和巴特利特球形检验

采用主成分分析法进行因子提取，将给定的具有相关性的初始变量通过线性变换转化成另外一组不相关的变量，保持总方差不变，将新的变量按照方差递减的顺序排列。表5显示了各阶段的特征值与方差贡献率。

表5 特征值与方差贡献率

方差贡献率可以反映变量的重要程度，其值越大，说明重要程度越高。由表5可见，有四个因子的特征值大于1，其方差贡献率分别为33.705%、15.249%、13.304%、10.749%，因此提取相应的四个公共因子，总解释率为73.008%，说明公共因子信息基本能够反映初始变量的情况，具有较好的代表性。且由图2可见，前面四个因子的特征值普遍较大，彼此连接形成陡峭的折线，后面各因子的特征值普遍较小，形成的折线较为平缓，进一步说明所提取的四个因子是适当的。

但由表6可见，旋转前变量在各因子的负载差别不是很明显，不便于对所得因子进行合理解释。因此，采用方差最大旋转法进行旋转，使得与某因子有关的负载平方的方差最大，因子可解释性更强。

使用凯撒（Kaiser）标准化正交旋转法进行旋转，旋转在六次迭代后收敛。表7为旋转后的因子负载矩阵。

图2 因子碎石图

表6 旋转前的因子负载矩阵

由表7可以明显发现，旋转后的负载系数在其中一个因子上具有较大的负载。比如，粉丝（Fans）、关注（Attention）、有购买的粉丝（Buyfans）以及口碑发布后有购买的粉丝（Afterbuy）这四个变量表现出了较强的相关性，可归为一类，其中粉丝量和关注数反映了口碑发布者的活跃性；口碑（WOM）、时长（Length）、口碑发布后产生粉丝购买的口碑（AfterbuyP）这三个变量可归为一类，其中前面两个变量明显反映了口碑发布者的忠诚度；平均阅读（Averreader）、平均回复（Averreply）、平均有用（Averuseful）这三个变量可归为一类，反映了口碑发布者的互动性；口碑发布者粉丝的平均粉丝（Averfansfans）和口碑发布者粉丝的平均关注（Averfansatten）在第四个因子上有较大的负载，可归为最后一类，反映了网络的拓展性。因子得分参见表8。

根据上述因子分析的结果，构建口碑发布者影响力评价指标体系，其二级指标分别为活跃性、忠诚性、互动性和拓展性。具体情况及三级指标参见图3。

四、影响力实证分析

（一）基于因子分析结果的聚类分析

聚类分析是一种根据多个观测指标之间相似程度划分群体类型的定量统计方法，其结果往往是将关系密切的群体聚合到一个小的分类单位，将关系疏远的群体聚合到一个大的分类单位。

将上述因子分析得到的四个因子视为各口碑发布者新的特征变量，使用SPSS21.0软件中的K均值聚类法对口碑发布者进行聚类分析。选择系统默认的迭代次数值10和收敛条件值0，并对类别数分别为三类、四类、五类时的结果进行比较，发现选择四类比较合适。

表9给出了分为四类时的方差分析结果。在由四个因子构成的新变量中，任意一个变量造成的类间均方都远远大于类内均方，从p值来看，四个变量类间无差异假设成立的概率均小于0.05。

每个聚类中的案例数和聚类结果参见表10、表11。

（二）分类结果

将所有案例按第一个因子（F1）、第三个因子（F3）、第四个因子（F4）以及第二个因子（F2）的得分分别降序排列，具体参见表12。可以发现，按第一个因子（F1）得分排序后，前38名中除17名外均归为1类（17名对应编号为257的案例，其按第三个因子（F3）得分排序的名次为7，故另行归类）。该类群体的主要特点是粉丝数较大，在3 206～11 937之间，平均粉丝数约为7 786，与总平均粉丝数1 558.230相比超出了6 227.770。同时关注、有购买的粉丝、口碑发布后有购买的粉丝均值分别为80.70、604.81、1 856.22，与对应的总均值36.120、373.680、141.810相比，同样差距明显。这类人群称为“超级活跃达人”。

表7 旋转后的因子负载矩阵

表8 因子得分

图3 口碑发布者影响力指标体系

表9 方差分析结果

表10 每个聚类中的案例数

表11 聚类结果明细

表12 按因子排名的结果

按第三个因子（F3）得分从大到小排列，将前11名的所有口碑发布者归为一类。其主要特点是互动性强，所对应的平均阅读、平均回复、平均有用的值分别为13 550.26、19.02、47.76，明显高于总体平均值2.444、6.974、4.143。我们称这类人群为“互动达人”。其较高的阅读量以及很好的互动性表明，这类达人可能在产品选择与口碑内容撰写上具有独到的眼光与表现力，能够得到大家更大程度的认同。

按第四个因子（F4）得分从大到小排列，将前11名的所有口碑发布者均归为一类，称之为“小小达人”。这个类别的主要特点是口碑发布者粉丝的粉丝或粉丝的关注平均值较大，分别为2 893.04和77.99，均远远超出了它们的总均值242.145和23.396。在这11名口碑发布者中，有9名成员其粉丝的粉丝平均值处于该指标前十位，另外两名其粉丝的关注平均值排在第四和第五位。进一步对照相应记录，这个类别的口碑发布者粉丝量偏少，因此当粉丝中有较大的粉丝或关注者时对结果影响较大，其实有许多这样的超级活跃达人，在其众多的粉丝甚至更下一级粉丝中仍有超级活跃达人存在，但由于基数的原因使得该指标较低。不过，这也进一步说明，这类人群具有独特的魅力，尽管口碑有限却能得到超级活跃达人的关注，是正在成长并有望通过下一级粉丝的参与和激励实现尽快发展的达人。

除上述三类外，其余人员形成规模最大的一类，人数达到221名，他们在上述三个因子上的表现均不突出，可称为“大众人群”，但按第二个因子（F2）得分从大到小排列，排名在前面的口碑发布者基本都在此类。第二个因子主要反映口碑数和时长，因此我们可以根据实际情况选择一部分。比如，前20名中除序号为6的案例因其在第一个因子上的排名比较靠前被归入1类外，其余19位口碑发布者均被评定为“忠诚达人”，他们在“大众人群”中明显表现出更高的忠诚度。

（三）影响力价值评价与管理启示

1.超级活跃达人。超级活跃达人因为拥有大量的粉丝而备受关注。尽管总体来说粉丝数与最早进入时间的相关性不是很强（相关系数为0.166），但这个类别的38位达人最早发布口碑的时间普遍较早，说明社区成立早期进入的成员更容易积累粉丝，这与巴拉巴斯（Barabasi A L）等[14]提出的择优原则一致。他们依靠先进入的优势，得到较多的关注并形成较大的粉丝量，即便后来已经表现出僵化老化的迹象而不再活跃，其粉丝量仍然会优先增加。这类达人因粉丝量大而容易受到关注，常常被视为社区的意见领袖，影响力较大，因此社区管理者应关注他们的沉寂时间，及时给予更多激励和关注，延长其口碑发布生命周期，防止其过早老化，充分发挥其意见领袖作用，强化其对他人观点、态度、动机、信念、行为等的影响[15]。

2.忠诚达人。其口碑数较多，时间跨度长，且在截止日期附近仍然表现活跃。进一步计算最后口碑发布时间与口碑量之间的相关系数，结果为0.577，在0.01的水平上（双侧）显著相关，与仅仅观察忠诚达人的情况相一致。口碑是虚拟社区存在的根本，虚拟口碑空间中的文字、图片、交流互动等丰富而生动，可以通过信任、降低成本等因素影响潜在消费者购买意愿或购买决策，并进一步促进购买行为，提高产品销量，产生直接的影响力价值。因此，忠诚达人所表现出的旺盛生命力和成长力是虚拟社区所需要并首先倡导的。当然，聚美口碑中心一直非常注重对近期口碑的评比和推动，这也是忠诚达人持续活跃的直接原因，这些具体的活动和策略需要继续进行。

3.互动达人。互动达人平均阅读、平均回复、平均有用三个指标值特别是平均阅读指标值较大。由表3可以发现，这三个指标除本身相关性较强外，它们与粉丝数也具有一定的相关性，分别为0.206、0.362和0.167，且均在0.01的水平上（双侧）显著相关。进一步计算三个指标与最早口碑发布时间的相关系数，结果分别为0.148、0.197和0.260，分别在0.05、0.01、0.01的水平上（双侧）显著相关。尽管从相关系数上看，其相关性不是很高，但直接分析11位互动达人的口碑发布情况可以发现，与超级活跃达人相近，同样表现为最早发布时间较早且近期活跃度偏低。因此，仍可根据择优原则来分析其平均浏览量较大的原因，此外还需要结合这些指标后台记录的动态变化规律及口碑内容等进一步具体分析。虚拟社区成员之间通过相互交流形成基于一定人际关系的社群网络，成员间联系越紧密，虚拟社区的凝聚力和影响力就越强，社区成员所蕴含的商业价值就越大。虚拟社区消费者之间的互动体验对用户行为和态度有着积极的作用，因此提升虚拟社区平台功能与服务，促使消费者在使用平台的过程中获取自身所需要的价值，可有效推动消费者进行口碑推荐[16]。口碑互动是虚拟社区活力的来源，虚拟社区应设置专栏鼓励成员互动，如根据回复内容的质量，对一段时间以来积极参与回复的成员进行进一步评比，选择一些有代表性的成员进行试用品或其他优惠激励，充分发挥虚拟社区互动环境的影响作用，通过消费者互动共同创造实用价值和享乐价值等，提高口碑发布者的忠诚度和接收者的信任度，形成对销量的正向影响。

4.小小达人。第四类成员被评为小小达人。由表3可以发现，该类的两个指标与其他变量的相关性均比较弱，比较独立。但进一步研究发现，口碑发布者粉丝的粉丝平均值与最早口碑发布时间的相关度为0.573（在0.01的水平上双侧显著相关），且该类达人的11名成员其最早发布口碑时间和最晚发布口碑时间也普遍较早，而近期活跃度很低，与第一类和第三类成员相似，明显老化。尽管这类成员其口碑、粉丝等指标值均比较小，但其个体分享知识或经验的欲望与生俱来且普遍存在[17]，小小达人对网络的构建作用同样不容忽视。从发展的角度看，虚拟社区口碑网络建设不应仅仅注重将已有的口碑发布者逐渐培养为意见领袖，更应通过互动交流和相互关注促使新的口碑发布者不断产生，推动虚拟社区整体发展壮大，真正发挥网络倍增效应，进而实现社区成员的普遍忠诚。

目前，聚美口碑中心针对第二类人群有现实激励，但对另外三类人群缺乏关注，不利于虚拟社区的长远发展，建议根据分类情况开辟不同的专栏，引导并激励各类达人代表继续保持活跃状态。

五、结论

《长尾理论》一书的作者克里斯·安德森曾经说过：“随着用户驱动的网络的崛起，值得信赖的个人多了，值得信赖的机构少了，最有效的广告来自同龄人，没有什么比口碑更有效，正如我们亲眼所见，网络是世界上前所未有的口碑放大器。”在如今的电子商务实践中，许多企业已经意识到了虚拟社区在延伸和培养客户关系以及激发顾客创造行为等方面的价值，虚拟社区中成员的相互交流和作用甚至可以对业务战略和业务运作产生重大影响，于是电商企业纷纷开始着手制订虚拟社区营销计划[18]。

本文根据自我决定理论中个人需要满足与虚拟社区环境特征之间的关系，以聚美口碑中心为实证对象，从社区口碑发布行为中提取相关可得数据，建立了口碑影响力评价指标体系，并通过聚类分析剖析了不同类型达人的指标特征与行为表现，为虚拟社区支持电子商务持续发展提供了理论基础及相应策略。

第一，虚拟社区环境为满足成员自我决定理论中提到的基本需要（即自主需要、能力需要、关系需要）提供了较好的技术基础。对社区成员三种需要的满足会增强成员对虚拟社区环境的依赖性，这也是虚拟社区形成和存在的基础。

第二，在虚拟社区口碑形成、发布、影响等一系列行为中生成了相应的数据，可从中获得丰富的信息，如口碑数量、关注数量、粉丝数量、口碑阅读数、口碑回复数、口碑有用数、口碑发布后有购买的粉丝数等。

第三，虚拟社区口碑发布者影响力可从活跃性、忠诚性、互动性、拓展性四个方面进行评价，每个特性都有相对应的若干指标进行衡量。

第四，基于以上四个方面的特性和指标，可将口碑发布者分为四个类别，即超级活跃达人、忠诚达人、互动达人和小小达人，不同类别的人群其影响力价值各有不同。目前，聚美口碑中心仅仅关注对第二类人群的现实激励，而缺乏对另外三类人群的关注，不利于虚拟社区的长远发展。

第五，除持续发布口碑的忠诚达人外，虚拟社区中拥有众多粉丝的意见领袖、成员间互动交流以及社区网络拓展均对虚拟社区凝聚力与未来发展具有较大影响力。社区管理者应当建立相应的专栏，对各类成员代表给予一定的激励，以全面发挥不同类别达人的影响和作用，促进虚拟社区持续发展。

当然，本文仍然存在一定的局限性，如目前所得数据只能看到粉丝数和关注量的静态数据，缺乏对粉丝增长与关注动态的了解。虚拟社区管理者应利用后台更为丰富的数据，定期运用该方法进行分析，尝试增加能够反映一定时期内变化情况的动态指标。

参考文献：

[1]MILLER K D，FABIAN F，LIN S J.Strategies for online communities[J].Strategic management journal，2009，30（3）：305-322.

[2]LIANG C Y，CHANG C C，ROTHWELL W，et al.Influences of organizational culture on knowledge sharing in an online virtual community[J].Journal of organizational&end user computing，2016，28（4）：15-32.

[3]申光龙，彭晓东，秦鹏飞.虚拟品牌社区顾客间互动对顾客参与价值共创的影响研究——以体验价值为中介变量[J].管理学报，2016，13（12）：1 808-1 816.

[4]LEAL G P A，HOR-MEYLL L F.Influence of virtual communities in purchasing decisions：the participants'perspective[J].Journal of business research，2014，67（5）：882-890.

[5]夏立新，郑路，翟姗姗，等.基于结构洞理论的虚拟社区边缘用户信息资源推荐模型构建研究[J].情报理论与实践，2017，40（2）：1-6.

[6]HUANG B，YU G，KARIMI H R.The finding and dynamic detection of opinion leaders in social network[J].Mathematical problems in engineering，2014（1）：1-7.

[7]CHEN Y F，TSAI C W，LIN P H.The influence of perceived risk，shopping value and opinion leader to explore online consumer purchase intention：using social network analysis[J].International journal of e-adoption，2017，9（2）：31-58.

[8]DECI E L，RYAN R M.The general causality orientations scale：self-determination in personality[J].Journal of research in personality，1985，19（2）：109-134.

[9]MA M，AGARWAL R.Through a glass darkly：information technology design，identity verification，and knowledge contribution in online communities[J].Information systems research，2007，18（1）：42-67.

[10]BIOCCA F，HARMS C，BURGOON J.Toward a more robust theory and measure of social presence：review and suggested criteria[J].Presence，2003，12（5）：456-480.

[11]赵明霞.虚拟社区成员持续参与行为的心理机制研究——基于社会认同理论的视角[D].上海：复旦大学，2013.

[12]PITTA D A，FOWLER D.Online consumer communities and their value to new product developers[J].Journal of product&brand management，2005，14（5）：283-291.

[13]SUSSMAN S W，SIEGAL W S.Informational influence in organizations：an integrated approach to knowledge adoption[J].Information systems research，2003，14（1）：47-65.

[14]BARABASI A L，ALBERT R.Emergence of scaling in random networks[J].Science，1999，286（5 439）：509-512.

[15]VALENTE T W，PUMPUANG P.Identifying opinion leaders to promote behavior change[J].Health education&behavior the official publication of the society for public health education，2007，34（6）：881-896.

[16]张明立，涂剑波.虚拟社区共创用户体验对用户共创价值的影响[J].同济大学学报（自然科学版），2014，42（7）：1 140-1 146.

[17]滕沐颖，赵云泽.基于社会网络分析的虚拟社区“认知盈余”实现过程研究[J].新闻大学，2017（3）：79-87.

[18]WILLIAMS R L，COTHREL J.Four smart ways to run online communities[J].Mit sloan management review，2000，41（4）：81.