论文网
关于品牌传播类论文范文素材,与电子商务企业微博品牌传播效果相关论文下载
本论文是一篇关于品牌传播类论文下载,关于电子商务企业微博品牌传播效果相关电大毕业论文范文。免费优秀的关于品牌传播及公共关系及企业微博营销方面论文范文资料,适合品牌传播论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
#30340;品牌传播效果较差,所以发布数量才较少.图1的每条微博序号代表微博发布的时间顺序,第1条微博是易迅网最早发布的微博,而第969条是最近发布的微博,所以横轴的微博序号代表了“时间顺序”,纵轴的“累积频率”代表四种品牌传播方式随着时间变化的累积频数.2.4剔除奇异值
奇异值是受不确定偶然因素干扰使得数值发生非正常变化,最终导致研究结论产生偏差.剔除奇异值方法主要有两种：一种是“均值±3倍标准差”,认为大于或小于“均值±3倍标准差”的值被判定为奇异值；另一种是盒形图,认为1.5倍四分距以外的数据为奇异值.两种方法剔除奇异值各有特点,研究综合两种方法剔除各组转发数和评论数的奇异值.各组转发数和评论数的描述性统计结果发现：各组数据均出现大于“均值+3倍标准差”和1.5倍四分位距以外的数值,且全距和标准差较大,可判定各组转发数和评论数均存在奇异值.考虑到不同品牌传播方式产生的转发数和评论数不同,研究将分别剔除各组转发数和评论数的奇异值.各组剔除奇异值数量分别为：广告（剔除评论数等于4,剔除转发数等于4）、销售促进（剔除评论数等于17,剔除转发数等于14）、公共关系（剔除评论数等于9,剔除转发数等于4）,“其他”（剔除评论数等于3,剔除转发数等于6）.从表2可以看出,剔除奇异值后各组转发数和评论数均值、标准差、全距都出现了大幅下降,表明剔除奇异值效果明显.
3数据分析及结果
3.1相关分析
研究采用SPSS17.0对转发数和评论数进行了相关分析,Pearson相关系数为0.758,p<0.05,表明评论数和转发数之间存在高度正相关关系.由此推论能够激发用户产生转发行为的微博内容也容易获得用户评论.
3.2方差齐性检验
研究试图采用单因素方差分析（ANOVA）探索品牌传播方式产生转发数和评论数的差异.研究对四组数据进行了方差齐性检验.检验结果显示：转发数的Levene统计量为94.804,P<0.05；评论数的Levene统计量为78.801,P<0.05.由此可知,各组数据的方差存在显著差异,表明各组数据违反方差同质性假定.
3.3单因素方差分析
单因素方差分析（ANOVA）结果：转发数的F值为39.358,P<0.05；评论数的F值为33.959,P<0.05.数据分析结果表明：四种传播方式的转发数和评论数均值存在显著差异,研究需要进一步做多重比较.四组数据的方差违反了同质性假定,所以多重比较的统计方法应采用Tamhane检验、DuntT3检验、Games-Howell检验、DuntC检验[10].
四种多重比较方法获得一致的结论：显著性在0.05水平下,广告与销售促进产生的用户转发数在统计上不具有显著差异（392.81VS490.98,P>0.05）.然而,广告显著高于公共关系所带来的用户转发数（392.81VS158.54,P<0.05）,同时也显著高于“其他”带来的用户转发数（392.81VS5.84,P<0.05）；销售促进显著高于公共关系带来的用户转发数（490.98VS158.54,P<0.05）,同时也显著高于“其他”带来的用户转发数（490.98VS5.84,P<0.05）；公共关系显著高于“其他”带来的用户转发数（158.54VS5.84,P<0.05）.显著性为0.05的水平下,广告与销售促进产生的用户评论数在统计上不具有显著差异（11.6VS12.22,P>0.05）.然而,广告显著高于公共关系所带来的用户评论数（11.6VS4.2,P<0.05）,同时也显著高于“其他”带来的用户评论数（11.6VS1.11,P<0.05）；销售促进显著高于公共关系带来的用户评论数（12.22VS4.2,P<0.05）；同时也显著高于“其他”带来的用户评论数（12.22VS1.11,P<0.05）,公共关系显著高于“其他”带来的用户评论数（4.2VS1.11,P<0.05）.
研究结果表明,不同品牌传播方式在用户转发数和评论数上的差异性是一致的,与两者相关系数为0.758的结果相符.分析结果可知：“其他”给用户带来价值较小,传播效果显著低于另外三种传播方式,但是所占比重却高达12.4%.因此,企业应尽量避免发布“其他”类微博,节约微博空间和用户注意力的浪费,促使每条微博的品牌传播效果最大化.
4研究结论及管理应用
研究以易迅网为例探索电商企业微博品牌传播方式的分布规律、纵向变化趋势和品牌传播效果,具体研究结论及管理应用如下：
第一,品牌传播方式的分布规律研究发现,电商企业最喜欢采用广告,其次是销售促进,公共关系所占比重居第三位,而“其他”类微博所占比重最小.电商企业将微博作为营销平台,发布较多广告和销售促进类微博属于正常的企业行为.第二,品牌传播方式的纵向研究发现,电子商务企业微博成立之初,各种品牌传播方式的数量基本接近,企业发布微博具有较大的随机性.随后广告数量增速较快,最终使得其所占比重最高,销售促进增速迅猛,先后超过“其他”和公共关系越居第二位,而“其他”类微博到达一定程度后,曲线就趋于平缓.由此说明,企业的微博营销意识越来越强,而“其他”类微博的传播效果最差,所以企业发布“其他”类微博的数量就越来越少.
第三,品牌传播效果差异研究发现,不同品牌传播方式产生转发数和评论数的均值存在显著差异.广告和销售促进的品牌传播效果最好且均不存在显著差异,其次是公共关系,“其他”类微博传播效果最差.企业应该多发布对消费者价值较高的微博信息——广告和销售促进以满足用户获取信息的需求,同时提升用户对微博账户的价值感知.企业还可以将广告和销售促进方式进行混搭,既能保持同等的品牌传播效果,又能降低粉丝用户的视觉疲劳.
内容分析法使用的是客观数据,所以具有客观性、系统性和可重复性的特点[11].因此,采用内容分析法研究电商企业品牌传播方式所得结论是客观和科学的.控制好其他变量（微博平台、微博时间、电子商务网站类型等）的影响后,采用内容分析法分析其他企业微博数据也应得到相同结论,理由如下：（1）微博粉丝是企业现有或潜在顾客,所以企业利用微博向粉丝推广产品也可算精准营销.企业利用微博向消费者传递广告和销售促进信息是一种正常的营销行为,此二类微博数量占比较高属于一种正常现象.（2）广告和销售促进能够为消费者带来较高的价值而产生较好的营销效果,而“其他”类微博却恰恰相反.因此,随着时间的推移,广告和销售促进类微博不断增加,“其他”类微博发布数量越来越少也属情理之中.（3）从消费者行为角度来看,广告提供的产品信息能够帮助消费者做出明智的购买决策,而销售促进能够为消费者带来更直接的利益（低价或赠品）,此二类微博容易促进消费者通过转发将信息分享给朋友或评论信息,所以广告和销售促进具有较高的评论数和转发数.反之,“其他”类微博价值较小而不能促进消费者评论和转发,使得此类微博转发数和评论数较少.以上三点同样符合其他企业和消费者的行为逻辑,所以研究可以推论若采用相同的研究程序分析其他企业微博数据也将会获得一致的研究结论.
为了验证三个研究结论是否适用于其他企业微博数据,本文对京东商城的腾讯微博——“京东”进行了验证性研究.京东商城和易迅网属于同一类电商网站,研究采用相同的研究程序,比如：相同的时间框架和全样本分析等.验证性研究基本获得了与前述研究一致的研究结论.分布规律研究表明：广告数量最多（47.2%）,其次是销售促进（28.7%）,再次是公共关系（13.8%）,最少是“其他”（10.3%）；纵向研究表明：刚开始各类微博数量未出现明显差异,随后广告和销售促进增长速度最快,而“其他”类微博增长速度很慢,远低于另外三种品牌传播方式；品牌传播效果研究表明：显著性在0.05水平下,广告和销售促进产生的评论数和转发数显著高于公共关系和“其他”；公共关系产生的评论数和转发数显著高于“其他”.验证性研究结果表明,利用相同的研究程序分析其他企业微博数据可以得到基本一致的研究结果.
研究以腾讯平台粉丝最多的易迅网为研究对象探索微博品牌传播效果是较为恰当的,然后严格按照内容分析法步骤对品牌传播方式进行操作性定义和分类编码,保证了获得数据的可靠性.研究采用了全样本分析,能够保证研究结论的可靠性.本文的研究局限性在于使用了单案例研究,后续研究可以扩展为多案例,以保证结论的普适性.未来研究方向：（1）探索不同电商模式和微博平台下,各品牌传播方式效果差异；（2）探索从电子商务类企业扩展到其他传统类企业,分析不同类型企业品牌传播效果差异；（3）探索不同品牌方式“混搭”是否会产生更好的品牌传播效果.
参考文献：
[1]史亚光.企业微博客营销策略研究[D].华东师范大学硕士论文,2011.
[2]BarnesSJ,BhringerM.ModelingUseContinuanceBehaviorinMicrobloggingServices：TheCaseofTwitter[J].JournalofComputerInformationSystems,2011,51（4）：1-10.
[3]刘德昌,付勇.我国旅游景区品牌传播策略初探[J].西南民族大学学报：人文社会科学版,2006,27（9）：173-176.
[4]许安心,易爱娣.品牌娱乐化传播与品牌价值关系的实证研究[J].山西财经大学学报,20
关于品牌传播类论文范文素材,与电子商务企业微博品牌传播效果相关论文下载参考文献资料：