企业官方微博的特征分析

企业官方微博的特征分析

0微博营销的理论研究作为一个影响巨大的社交平台，微博改变了人们在交流和沟通中的方式。然而,相对于具有强关系的网络社交平台SNS,微博表现了出更强的媒体特征。这种媒体特性,使得微博不可避免地成为企业营销推广的集中性平台。从早期依靠twitter成功解决了翻新电脑销路问题的戴尔,到国内搞的风生水起的凡客“送围脖”活动。微博高效率、低成本的营销优势,不仅使其成为企业的营销新宠儿,同时也成为学术界关注的又一焦点。目前,在微博营销理论方面,主要还集中于对个案的定性研究。周凯等人认为:网络口碑营销是微博营销的基础,基于5T微博营销模型,对欧莱雅进行了案例分析。张忞娴运用SWOT分析方法,分析企业微博营销现状和特点,以及博营销的优势、机遇、劣势和存在威胁。在用户特征的挖掘研究方面,则更多采用统计学相关的定量分析方法。王晓光对一般性的微博进行研究,分析了信息传播特征、文本内容特征,发现博文数、粉丝数、关注数呈现显著的相关,并对这三个变量建立回归模型。郭秋艳对名人用户特征进行挖掘。分析了名人用户的特征,并用人气指数和转发影响力指数来识别名人用户。杨小朋提出博文魅力指数的概念,用Pearson相关系数和K-Means聚类对腾讯微博用户进行研究。本文针对企业官方微博进行研究。首先,通过统计数据总结了企业微博的帐号特征;其次,从动态行为的角度,研究了企业微博的行为规律、用户响应状态以及信息传播规律的规律;最后,对企业微博的营销效果进行研究,通过建立回归模型,描述了企业行为对信息受众规模的影响。1微博号码的选取本文的研究对象均来源于新浪微博“品牌馆”中认证的企业官方微博,我们选取了30家著名企业,涵盖了餐饮、食品、美容、汽车、通讯、IT以及电子商务等主要行业。对于具有多个微博帐号的企业,我们选取粉丝数最多的帐号,即最具代表性的帐号。表1给出了本文研究的30家企业的新浪微博用户名。2官方微博号码的uid属性本文通过新浪API中的User/Show接口,根据官方微博帐号的Uid属性获取了如下几个属性的具体数据:用户名、帐号创建时间、粉丝数、关注数、互粉数、微博数。2.2企业微博受众规模“受众”指的是信息传播的接收者。对于微博而言,直接衡量受众规模的就是粉丝数量,它也是衡量用户影响力的重要指标。识别高影响力的明星用户具有最显著的特征就是高粉丝数量。由于我们选择的样本均是国内外的著名企业,因此他们的微博帐号都均有非常明显的明星特征。统计数据显示,这30家企业的官方微博平均拥有粉丝数量高达85万。图1给出了30家企业微博的粉丝分布情况。大部分企业微博的粉丝规模集中在50万到150之间,但各个帐号之间也存在着较大差异。粉丝数量最多的是美图秀秀和中国农业银行电子银行,粉丝规模都超过了300万;而粉丝数量最少的是玛莎拉蒂_Maserati和俏江南SouthBeauty,其粉丝数量均少于10万。为了进一步了解企业微博受众规模特征,我们考虑按行业进行分类统计。但各行业分开统计导致样本容量偏低,为了更客观反映各行业特征,此处将样本容量稍作扩展,将每个行业企业数均增加到30家。需要说明的是,新增的样本依然选取国内外著名企业的官方认证微博,另外交通运输类企业由原汽车运输扩展到航空运输企业,经融服务类由银行经融服务扩展到保险和证券类金融服务企业。图2给出了6个行业企业粉丝量的分布情况。结果显示服装、餐饮、美容、交通领域的企业官方微博帐号的平均粉丝数量都在30万左右,没有较大差异。而比较突出的是金融服务行业和IT行业。通过分析发现,对于IT企业而言,这类企业由同微博具有较强的行业相似度,因此可以说他们在这个领域具有先天性的优势。例如Camera360在用户使用该软件向新浪微博分享照片时,会默认设置用户关注Camera360的官方微博。而金融服务行业表现突出主要受益于拥有庞大用户规模的国有银行,其粉丝规模均在百万以上,而证券类公司和外资银行则表现不佳。2.3关注对象和信息的丰富性2.3.1用户关注度分析我们具体收集了这30家企业微博帐号所关注的所有用户的信息,按照新浪API接口中提供的verifiedType(认证类型)属性进行分类。图3显示了企业关注的各类用户所占的比例,企业微博关注的所有对象中78%都是具有新浪认证的明星微博,比例最高的分别是社会名人、其他企业的官方微博、以及社会媒体的官方微博。另外我们也注意到,剩下22%的关注对象是未受到认证的普通用户。通过进一步分析发现,虽然这些用户未受到新浪的名人认证,但其人均粉丝数量竟高达12万,也就是说这部分用户并非真正意义上的普通用户,他们同样均有明星特性。2.3.2企业与产品相关信息我们选取每个企业最新发布的20条微博,手工将内容大致分为3类,Info1表示企业发布的与公司或公司产品相关信息,Info2表示与本行业相关信息,Info3表示与本公司及本行业均无关的信息。其中p1表示权重,第三类信息相较于第二类与企业的相关性更低,因此将p1设为0.3,p2设为0.7。从得分来看信息内容最丰富的是360安全卫士、建设电子银行、美图秀秀。2.3.3关注对象对企业信息接收量从信息传播角度来看,当企业微博关注其他用户时,企业微博成为信息的受众对象,即信息的接收方。因此关注对象的多少表现了企业对其他信息的关注程度。关注对象少则信息接受面窄,关注对象多则信息接受面宽。而信息接受面的宽度最终会对企业向外发布的信息产生影响。表2给出了30家企业微博信息丰富指数与关注对象数量标准化后的Speaman相关系数。两个指标的Speaman相关系数为0.533,相伴概率为0.002,表明变量呈现中度正相关,企业发布信息内容的丰富度一定程度上受到其外来信息面宽度的影响。2.4企业官方微博总体发布量微博发布量和微博原创率是衡量企业官方微博帐号的重要指标。我们收集了30家官方微博帐号从2013年5月3日到2013年5月23日连续3周所发布的所有微博,统计结果如表3所示。总体发布量统计结果显示,企业官方微博的总体活跃度较高,每周发布微博总量超过1000条,单个微博帐号平均发布微博量接近40条,平均原创率均超过70%。而个体发布数据显示,个体发布量的标准差与方差较高,说明各个帐号每周发布总量之间存在较大差异。从连续三周的变化趋势来看,企业微博每周所发布的微博情况变化幅度不大,活跃度比较稳定。3企业微博操作特点3.1对微博发布信息的时间和影响我们同样以2013年5月3日到2013年5月23日的微博作为样本,分别统计了企业官方微博在一天24小时内各时段发布的微博总量,以及一周七天每天发布的微博总量。并且以转发作为响应行为,给出了每个时段内用户的响应状况。统计结果如图4和图5所示。发布量统计结果显示:一周七天内企业官方微博发布信息的时间主要集中于工作日;而在一天24小时内,早上9点至11点以及下午14点至16点是企业官方微博帐号最活跃的时间。这主要由于企业官方微博帐号一般都是由专门的工作人员在管理,因此发布量很大程度上受到工作人员的作息时间影响。用户响应结果表面:用户在工作日对微博的响应比较积极,特别是周三到周五。而相对于工作日,用户在周末对微博的响应则明显比较冷淡。从一天24小时的响应情况来看,早上9点、中午13点、下午17点以及晚上23点是用户响应的高峰段。其中早上9点和中午13点是用户即将进入工作状态的调节时间。而下午17点和晚上23点分别是工作的结束以及一天忙碌的结束时间,这两个时间段是用户最为放松的时间,特别是下午17点。然而从用户响应状态和企业帐号的活跃状态的对比情况可以看出,官方企业微博没有能够很好的利用用户最活跃的时间段进行营销推广活动。3.2企业官方微博转发量统计转发和评论是用户对一条微博响应最直接的表现形式。将30家企业微博连续3周所发布的微博作为样本,按转发、评论数划分为22个区间,统计每个区间内微博数量的比例。如图6所示:统计结果显示,即使人均拥有粉丝高达85万的企业官方微博,其微博的评论量和转发率都明显偏低,其中接近75%的微博评论量少于50条,而接近60%的微博转发量少于50条。此外,在这三千多条微博中有6%的微博转发量超过一千,共202条。而转发量超过一万的微博共有27条。我们具体查看了这些高转发量的微博内容,这27条微博中20条微博都是有奖活动。3.3“不同转发量”微博的转发过程“半衰期”指某种特定事物的浓度经过某种反映降低到剩下一半所消耗的时间。国外流行的短网址服务Bitly利用“半衰期”来测试网址的寿命。分别对Twitter、Facebook、E-mail、IM和YouTube等网络营销工具进行研究。为了研究企业微博信息的传播时间周期,我们这样也引入“半衰期”概念。我们将5月10日到5月16日这一周内30家企业微博所发布的微博作为研究样本,记录每条微博的发布时间,以及该微博所有转发的发布时间,按转发和发布的时间差统计每条微博发布后各小时内的转发量,再除以该微博的总转发量,得到每个时间段内的转发率。最后将所有微博按转发量分为5个级别,统计每个级别内微博的平均转发“半衰期”。表4给出了不同转发量级别微博的平均最长转发时间,显然转发量越多的微博传播的时间越长。转发量少于100条的微博平均最长传播时间为41个小时,而转发量较多的微博平均最长传播时间可以达到4到7天。图7给出了5个转发量级别的微博发布24小时后转发量的衰减情况。可以看到虽然很多微博最长转发时间可以超过100个小时,但除了转发量超过5000高转发微博有较长的传播周期外,其余转发高峰仅集中在发布后的2个小时之内,在发布5个小时之后转发量就逐渐趋于平缓,尤其是转发总量越少的微博衰减越快。4企业微博转发量模型为了析研究企业微博行为的营销效果,我们使用回归分析,建立影响力扩散模型。回归分析是统计学中最基本的分析方法之一,它可以描述因变量与自变量之间的定性关系,反映不用自变量对因变量影响的显著程度。由于微博在不经转发的情况下只能到达现有粉丝,因此每日微博累计直接转发量反映企业微博每天对现有的粉丝的影响能力。单条微博的平均转发量衡量企业微博发布信息的总体质量,微博信息质量高则单条微博的平均转发量高。新增粉丝数量是衡量企业微博对潜在用户的吸引程度,衡量企业影响力的扩散能力,能够综合的反映企业微博行为的营销效果。设每日新增粉丝量为因变量Y,单日累计转发量为自变量X1,单条微博平均转发量为自变量X2。数据使用连续7天内30家企业官方企业微博的统计数据。回归分析过程如表5至表7所示,平均单条微博转发量和每日累计转发总量与每日新增粉丝数的系数分别为0.627和0.653,具有比较显著的相关关系。回归模型调整后的决定系数为0.480,t检验的相伴概率为0.000,具有显著的统计学意义。回归结果如表8所示:日新增粉丝量与每日累计转发量、平均单条微博转发量的拟合结果为Y=0.122X1+2.119X2+112.659。每日累计转发量、平均单条微博转发量的相伴概率均为0.000,各系数也通过了显著性T检验。最后图8给出了模型残差的直方图,残差服从均值为0的正太分布,表明模型符合我们的假设。5企业微博行为对于数字微博发布的影响本文针对企业的官方微博帐号进行研究。首先对企业微博的总体帐号特征进行分析。发现企业微博都具有显著的明星特性,拥有规模庞大的信息受众群体,但用户规模受到行业以及现实用户群体的影响;而关注对象的多少则反映企业微博对外部信息的关注程度,在一定程度上影响企业对外发布信息的内容。其次,在企业微博行为特征研究方面,发现企业官方微博大多具有较高的活跃度,但信息质量偏低;同时在发布时间规律方面受到工作人员作息时间影响,没有能够很好的利用用户响应积极的时段;此外通过引入转发半衰期的概念,发现大部分微博高响应期仅集中在发布后的2个小时内。这个结论可以与用户高响应时段结合,为企业选择最佳时段发布重要信息提供参考依据。最后我们以日新增粉丝数量来衡量企业微博的影响效果,通过回归模型分析了企业微博行为对用户产生的影响。由于企业微博的明星特性,因此数据量庞大,本文仅选取了30家著名的企业作为研究对象,希望后期的研究工作可以扩大研究对象的规模,或者针对于某一领域的企业进行进一步的研究。2.1其他公司关注的微博号码特征本文研究的30家企业官方微博帐号全部都创建于2012年之前。最早创建的是360安全卫士和梅赛德斯-奔驰,这两个帐号分别创建于2009年9月和2009年12月。我们知道,新浪微博自2009年8月还处在低调的内测段,而360和奔驰在新浪微博仅上线半年不到的时间内就开创了自己的微博帐号,可以说明他们相较于其他公司对于微博营销潜力的发掘具有更强的敏锐性。而其他28家企业的微博账号中,有17家是创建于2010年,剩下11家全部创建于2011年。说明大部分的企业官方微博帐号都集中于2010到2011年间创建,而这段时间,不仅是新浪微博,可以说国内所有的微博产品呈现爆发式增长的阶段。企业纷纷选择这个时间段加入微博,也是对市场需求变化的积