论文部分内容阅读
摘 要：微商是基于微信生态，集社交与移动为一体的新型社会化分销商业模式，利用移动互联网的“碎片化”特点，为人们的购物方式带来便利。本文以“鬼冢涅槃”微店为例，利用UCINET软件对其经营者的朋友圈进行了社会网络分析，通过实证分析，得出微商要建立消费者信任可采取的策略。
关键词：微商 社会网络分析 网络密度 中心性
一、引言
微商是基于社交网络平台而衍生的新型商务模式，社交网络的核心价值是人与人之间的关系，充分利用每个人的信息和联系，可以更好地为用户提供基于关系的服务。以往有关线上消费者信任的研究大多集中于电子商务领域，几乎没有涉猎微商领域。本文利用社会网络分析工具UCINET对微店朋友圈的网络关系问题展开了研究，本文的研究对提升社交网络平台的变现能力，提高微商中的用户信任度，加强交易的回报率，以及对微商经营者都有着积极促进作用。
二、相关文献综述
1.社会网络分析。社会网络分析最早起源于20世纪30年代西方的心理学和人类学研究。在社会网络分析的早期发展中，主要有三条主线：
1.1第一种学派是社会计量学学派。他们在运用图论方法方面对网络分析做出了贡献，最具代表性的人物是Jacob Moreno。他是社会计量学的首倡者并创造了利用“社群图”方法来反映社会构型的关系属性。这种方法用“点”来表示个人，用“线”来表示人与人之间的社会关系，并以此表现人际关系的结构。Jacob Moreno还提出了“明星”概念，就是指对网络成员来说关联最密切的人。在微商中，这类“明星”可看作是意见领袖，他们对于产品的正面评价和推荐更能增强微商消费者对产品的信任，提高购买意愿。
1.2第二种学派是哈佛学派。他们的成就主要集中在研究人际模式和“团伙”形式方面。Durkheim和Radcliffe-Brown主要研究群体结构及其动力学，他们强调对社会关系的分析，而且把社会关系看作是一种“网”或“网络”。著名的“霍桑试验”就是对群体中人际关系的研究。哈佛著名社会学家George Homans在小群体的研究方面作出了突出成就。在研究方法上，他把社会计量学与群体动力学结合起来，从而使小群体研究在理论和方法上都有了很大进展。
1.3第三种学派是曼彻斯特的人类学派。他们主要研究部落和乡村社会的“共同体”关系结构。Barnes（1954）使用“网络”概念对挪威的一个渔村布雷姆斯中跨越亲属群体和社会阶级的社会联系作了分析，更加精确的描述了这个渔村的社会结构。Mitchell对早期社会网络分析的系统化起到了关键作用。他指出，社会网络概念关注对社会关系的分析，并具体论述了“整体网络”和“自我中心网络”的概念，说明了社会网络的特征，如网络的形态特征、互动特征。20世纪90年代以来，社会网络分析进入了快速发展时期。一方面社会网络分析理论得到深化，如Ronald Burt（1992）的“结构洞理论”、林南等人的社会资本研究等，研究成果大量出现；另一方面，社会网络分析技术更为成熟，特别是随着计算机技术的广泛应用，网络分析的模型化也得到了深化，社会网络分析的应用也越来越广泛。概括而言，社会网络分析是对社会关系结构及其属性加以分析的一套规范和方法，它主要分析的是不同社会单位（个体、群体或社会）所构成的关系的结构及其属性。社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想（Barry Wellman，1997）。 行动者之间相互联结而形成的关系是社会网络分析的基础，社会关系的组织成为了分析网络结构属性的核心概念（Knoke，1982）。
2.社会网络分析主要内容。社会网络分析作为一种以关系数据为对象的研究方法，主要用数值来考察社会网络的属性和特征，并对处于网络中的个体属性和特征进行分析，其主要分析内容有网络规模、网络密度分析、中心性分析、凝聚子群分析、QAP分析、核心——边缘分析。根据本文的需要，对微商的社会网络分析以网络密度分析、中心性分析为主。
2.1网络密度分析。网络密度代表的是整个社会网络结构中各个行动者之间相互联系的紧密程度。网络密度越小，表示行動者之间的联系越少；网络密度越大，表示行动者之间的联系越频繁。
2.2中心性分析。中心性反映的是社会网络中某个特定的社会成员所处位置的重要性程度。如果行动者的中心性越大，其在网络中所处位置就越重要，拥有越多的特权。中心性分析方法使用最广泛的是度数中心性、中间中心性和接近中心性，其中又包括中心度和中心势两个指标。
2.3相关文献评述。由于微商起步较晚，近两年才逐渐兴起，对微商的研究尚处于初级阶段，还未形成完善的理论。有关消费者信任方面的研究，过去大多数是采用结构方程模型或者PLS方法的实证研究，这种调查研究的方法使得消费者个体从其所在的购物环境中剥离出来，并保证他们彼此之间不再存在联系。但是在微商环境中，各个消费者并不是彼此独立，他们之间存在复杂的社会关系网，忽视消费者个体之间的联系，可能无法揭示微商中消费者购买行为的本质。有些学者在研究消费者在美丽说或者蘑菇街之类的社会化购物社区中的购买行为时，采用了社会网络分析方法。本文将借鉴这种方法，在微商环境中运用社会网络分析，以研究微商的社会网络拓扑结构对微商消费者初始信任的影响。
三、数据收集及分析
1.数据收集。本研究利用滚雪球抽样方法，以确保样本抽取的随机性，且能有效排除在微信上不活跃的用户。为了使本研究量表有足够的信度和效度，正式发放问卷前小范围地与微信用户就问卷内容进行了深度访谈，确保问卷清晰易懂，没有歧义。本文以微店“鬼冢涅槃”的经营者的微信朋友圈作为样本来源，数据采集时间为2016年3月20日00：00至2016年4月5日23：59。样本数据分为三度，一度样本是其朋友圈的微信用户；二度样本是对其发布的产品信息进行点赞、评论的用户；三度样本是对二度样本进行统计，剔除无效样本后所得到的。通过滚雪球的方法，三度数据共采集了108个样本。 2.数据分析.
2.1网络密度分析。在以上样本的基础上，利用UCINET软件对微店经营者的微信朋友圈进行社会网络密度分析，测量结果如图1所示：
从图1中可以看出，含有起始点的社会网络密度值为0.1507，全体样本的均方差为0.3577。整个网络的密度较低，呈现出较为疏松的结构特征，并且网络社会成员之间存在小群体现象，也就是个别成员之间存在比较紧密的联系，但是与其他群体之间则联系较少。在微信平台上，只有相互关注的用户之间才有交流沟通的渠道，与其他小群体之间的交集几乎为零，所以信任只能在各个小群体之间传递，而不能够对整个社会网络产生影响。从图2中可以看出，不含起始点的社会网络密度值为0.1477，不含起始点样本的均方差为0.3548。这两个社会网络密度值相差非常小，说明本研究中的起始样本对于整个社会网络密度没有重要影响，即“鬼冢涅槃”的经营者在整个社会网络中没有起到加强社会网络成员之间的沟通作用，成员之间的沟通联系是通过同学、朋友或同事等关系建立起来的，而不是通过“鬼冢涅槃”的经营者这个桥梁构建起来的。
2.2中心性分析。（1）度数中心性。点的度数中心度大的行动者，通常处于社会网络的中心；点的度数中心度小的行动者，通常处于社会网络的边缘。样本的部分度数中心度如表1所示。
图3给出一些指标的描述性统计，如平均值，标准差、方差、最大值、最小值、网络点度中心势等。表1按照点出度中心度由高到低的顺序给出了各个节点的绝对点出度中心度、绝对点入度中心度、相对点出度中心度、相对点入度中心度。由于连接关系是相互的，在UCINET软件中分析社会网络矩阵是对称的邻接矩阵，为无向网络，所以各个点的点出度等于点入度。从表1和图3可以得出，度数不小于平均值16.120的点有68个，大于平均值1.5倍的点有7个，这些点的用户与其他用户的联系最为密切，他们在整个社会网络中处于中心位置。对其他的用户具有较高的影响力，即他们从其他社会成员中取得较高的信任度。
（2）中间中心性
由图4所见，节点1的中间中心度最高。排在其后的分别是节点50、12、10、42、76、64、14等，说明这些节点在信息交流网络中处于很重要的桥梁位置，对网络中信息交流的控制程度相对较高，掌握了丰富的信息资源，其他社会网络成员对他们的依赖性较大，他们在社会网络成员中获得的信任度较高。另外还有一些中间中心度为0的节点，他们处于社会网络的边缘，其他成员在进行联系和交往时不会经过这些节点，他们在社会网络成员中获得信任度也较低。图4是一个以中间中心度为标准的社群图，在这个社群图中，通过节点的大小直观地表现出了各个节点的中间中心度的大小。
通过图5可以看出，样本网络的方差为451966.313，表明网络中节点的中间中心度差距非常大。样本网络的中间中心势为57.23%，说明节点彼此联系时需要经过其他节点的概率较大。
四、结语
通过以上对微店经营者朋友圈的社会网络分析，本文得出以下结论：互动程度能够影响消费者对微商的信任，购买意愿较高的用户，大多数处于网络的中心，与微商经营者和其他用户之间的互动交流均较为频繁。根据以上研究，我们可以为微商经营者提高用户信任度，增强影响力提出以下几点建议：
1.重视重点顾客的用户体验，加强对重点顾客的管理，发挥其在社会网络中的影响力，对重点顾客的售后问题给予及时的解答和帮助。
2.关注每个顾客的评价，广泛接受客户提供的各项意见与建议，增强客户的信任感、亲密度与满意度。
本文尽管只是针对个案的研究，但由于案例涉及数据较为具有代表性，因此具有一定推广意义。
参考文献：
[1]张豪锋，李瑞萍，李名. QQ虚拟学习社群的社会网络分析（J）.现代教育技术，2009，19（12）：80-83.
[2]邱蒙雯，姜育恒.微博用户的社会网络分析（J）.科技情报开发与经济，2015，25（19）：137-139.
[3]覃学健，李翠白.虚拟学习社区的社会网络分析研究（J）.现代教育技術，2009，19（2）：26-29.
[4]董亚倩，邓尚民.基于社会网络分析的网络舆情主题挖掘研究（J）.情报资料工作，2011（6）：45-49.
[5]侯筱蓉，于晓林.自媒体用户关系结构对健康信息扩散的影响及案例分析[J].国书情报工作，2015，59（16）：90-95.
[6]于静，李君轶.微博营销信息的时空扩散模式研究—以曲江文旅为例[J].科技情报开发与经济，2013，33（19）：7-12.
关键词：微商 社会网络分析 网络密度 中心性
一、引言
微商是基于社交网络平台而衍生的新型商务模式，社交网络的核心价值是人与人之间的关系，充分利用每个人的信息和联系，可以更好地为用户提供基于关系的服务。以往有关线上消费者信任的研究大多集中于电子商务领域，几乎没有涉猎微商领域。本文利用社会网络分析工具UCINET对微店朋友圈的网络关系问题展开了研究，本文的研究对提升社交网络平台的变现能力，提高微商中的用户信任度，加强交易的回报率，以及对微商经营者都有着积极促进作用。
二、相关文献综述
1.社会网络分析。社会网络分析最早起源于20世纪30年代西方的心理学和人类学研究。在社会网络分析的早期发展中，主要有三条主线：
1.1第一种学派是社会计量学学派。他们在运用图论方法方面对网络分析做出了贡献，最具代表性的人物是Jacob Moreno。他是社会计量学的首倡者并创造了利用“社群图”方法来反映社会构型的关系属性。这种方法用“点”来表示个人，用“线”来表示人与人之间的社会关系，并以此表现人际关系的结构。Jacob Moreno还提出了“明星”概念，就是指对网络成员来说关联最密切的人。在微商中，这类“明星”可看作是意见领袖，他们对于产品的正面评价和推荐更能增强微商消费者对产品的信任，提高购买意愿。
1.2第二种学派是哈佛学派。他们的成就主要集中在研究人际模式和“团伙”形式方面。Durkheim和Radcliffe-Brown主要研究群体结构及其动力学，他们强调对社会关系的分析，而且把社会关系看作是一种“网”或“网络”。著名的“霍桑试验”就是对群体中人际关系的研究。哈佛著名社会学家George Homans在小群体的研究方面作出了突出成就。在研究方法上，他把社会计量学与群体动力学结合起来，从而使小群体研究在理论和方法上都有了很大进展。
1.3第三种学派是曼彻斯特的人类学派。他们主要研究部落和乡村社会的“共同体”关系结构。Barnes（1954）使用“网络”概念对挪威的一个渔村布雷姆斯中跨越亲属群体和社会阶级的社会联系作了分析，更加精确的描述了这个渔村的社会结构。Mitchell对早期社会网络分析的系统化起到了关键作用。他指出，社会网络概念关注对社会关系的分析，并具体论述了“整体网络”和“自我中心网络”的概念，说明了社会网络的特征，如网络的形态特征、互动特征。20世纪90年代以来，社会网络分析进入了快速发展时期。一方面社会网络分析理论得到深化，如Ronald Burt（1992）的“结构洞理论”、林南等人的社会资本研究等，研究成果大量出现；另一方面，社会网络分析技术更为成熟，特别是随着计算机技术的广泛应用，网络分析的模型化也得到了深化，社会网络分析的应用也越来越广泛。概括而言，社会网络分析是对社会关系结构及其属性加以分析的一套规范和方法，它主要分析的是不同社会单位（个体、群体或社会）所构成的关系的结构及其属性。社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想（Barry Wellman，1997）。 行动者之间相互联结而形成的关系是社会网络分析的基础，社会关系的组织成为了分析网络结构属性的核心概念（Knoke，1982）。
2.社会网络分析主要内容。社会网络分析作为一种以关系数据为对象的研究方法，主要用数值来考察社会网络的属性和特征，并对处于网络中的个体属性和特征进行分析，其主要分析内容有网络规模、网络密度分析、中心性分析、凝聚子群分析、QAP分析、核心——边缘分析。根据本文的需要，对微商的社会网络分析以网络密度分析、中心性分析为主。
2.1网络密度分析。网络密度代表的是整个社会网络结构中各个行动者之间相互联系的紧密程度。网络密度越小，表示行動者之间的联系越少；网络密度越大，表示行动者之间的联系越频繁。
2.2中心性分析。中心性反映的是社会网络中某个特定的社会成员所处位置的重要性程度。如果行动者的中心性越大，其在网络中所处位置就越重要，拥有越多的特权。中心性分析方法使用最广泛的是度数中心性、中间中心性和接近中心性，其中又包括中心度和中心势两个指标。
2.3相关文献评述。由于微商起步较晚，近两年才逐渐兴起，对微商的研究尚处于初级阶段，还未形成完善的理论。有关消费者信任方面的研究，过去大多数是采用结构方程模型或者PLS方法的实证研究，这种调查研究的方法使得消费者个体从其所在的购物环境中剥离出来，并保证他们彼此之间不再存在联系。但是在微商环境中，各个消费者并不是彼此独立，他们之间存在复杂的社会关系网，忽视消费者个体之间的联系，可能无法揭示微商中消费者购买行为的本质。有些学者在研究消费者在美丽说或者蘑菇街之类的社会化购物社区中的购买行为时，采用了社会网络分析方法。本文将借鉴这种方法，在微商环境中运用社会网络分析，以研究微商的社会网络拓扑结构对微商消费者初始信任的影响。
三、数据收集及分析
1.数据收集。本研究利用滚雪球抽样方法，以确保样本抽取的随机性，且能有效排除在微信上不活跃的用户。为了使本研究量表有足够的信度和效度，正式发放问卷前小范围地与微信用户就问卷内容进行了深度访谈，确保问卷清晰易懂，没有歧义。本文以微店“鬼冢涅槃”的经营者的微信朋友圈作为样本来源，数据采集时间为2016年3月20日00：00至2016年4月5日23：59。样本数据分为三度，一度样本是其朋友圈的微信用户；二度样本是对其发布的产品信息进行点赞、评论的用户；三度样本是对二度样本进行统计，剔除无效样本后所得到的。通过滚雪球的方法，三度数据共采集了108个样本。 2.数据分析.
2.1网络密度分析。在以上样本的基础上，利用UCINET软件对微店经营者的微信朋友圈进行社会网络密度分析，测量结果如图1所示：
从图1中可以看出，含有起始点的社会网络密度值为0.1507，全体样本的均方差为0.3577。整个网络的密度较低，呈现出较为疏松的结构特征，并且网络社会成员之间存在小群体现象，也就是个别成员之间存在比较紧密的联系，但是与其他群体之间则联系较少。在微信平台上，只有相互关注的用户之间才有交流沟通的渠道，与其他小群体之间的交集几乎为零，所以信任只能在各个小群体之间传递，而不能够对整个社会网络产生影响。从图2中可以看出，不含起始点的社会网络密度值为0.1477，不含起始点样本的均方差为0.3548。这两个社会网络密度值相差非常小，说明本研究中的起始样本对于整个社会网络密度没有重要影响，即“鬼冢涅槃”的经营者在整个社会网络中没有起到加强社会网络成员之间的沟通作用，成员之间的沟通联系是通过同学、朋友或同事等关系建立起来的，而不是通过“鬼冢涅槃”的经营者这个桥梁构建起来的。
2.2中心性分析。（1）度数中心性。点的度数中心度大的行动者，通常处于社会网络的中心；点的度数中心度小的行动者，通常处于社会网络的边缘。样本的部分度数中心度如表1所示。
图3给出一些指标的描述性统计，如平均值，标准差、方差、最大值、最小值、网络点度中心势等。表1按照点出度中心度由高到低的顺序给出了各个节点的绝对点出度中心度、绝对点入度中心度、相对点出度中心度、相对点入度中心度。由于连接关系是相互的，在UCINET软件中分析社会网络矩阵是对称的邻接矩阵，为无向网络，所以各个点的点出度等于点入度。从表1和图3可以得出，度数不小于平均值16.120的点有68个，大于平均值1.5倍的点有7个，这些点的用户与其他用户的联系最为密切，他们在整个社会网络中处于中心位置。对其他的用户具有较高的影响力，即他们从其他社会成员中取得较高的信任度。
（2）中间中心性
由图4所见，节点1的中间中心度最高。排在其后的分别是节点50、12、10、42、76、64、14等，说明这些节点在信息交流网络中处于很重要的桥梁位置，对网络中信息交流的控制程度相对较高，掌握了丰富的信息资源，其他社会网络成员对他们的依赖性较大，他们在社会网络成员中获得的信任度较高。另外还有一些中间中心度为0的节点，他们处于社会网络的边缘，其他成员在进行联系和交往时不会经过这些节点，他们在社会网络成员中获得信任度也较低。图4是一个以中间中心度为标准的社群图，在这个社群图中，通过节点的大小直观地表现出了各个节点的中间中心度的大小。
通过图5可以看出，样本网络的方差为451966.313，表明网络中节点的中间中心度差距非常大。样本网络的中间中心势为57.23%，说明节点彼此联系时需要经过其他节点的概率较大。
四、结语
通过以上对微店经营者朋友圈的社会网络分析，本文得出以下结论：互动程度能够影响消费者对微商的信任，购买意愿较高的用户，大多数处于网络的中心，与微商经营者和其他用户之间的互动交流均较为频繁。根据以上研究，我们可以为微商经营者提高用户信任度，增强影响力提出以下几点建议：
1.重视重点顾客的用户体验，加强对重点顾客的管理，发挥其在社会网络中的影响力，对重点顾客的售后问题给予及时的解答和帮助。
2.关注每个顾客的评价，广泛接受客户提供的各项意见与建议，增强客户的信任感、亲密度与满意度。
本文尽管只是针对个案的研究，但由于案例涉及数据较为具有代表性，因此具有一定推广意义。
参考文献：
[1]张豪锋，李瑞萍，李名. QQ虚拟学习社群的社会网络分析（J）.现代教育技术，2009，19（12）：80-83.
[2]邱蒙雯，姜育恒.微博用户的社会网络分析（J）.科技情报开发与经济，2015，25（19）：137-139.
[3]覃学健，李翠白.虚拟学习社区的社会网络分析研究（J）.现代教育技術，2009，19（2）：26-29.
[4]董亚倩，邓尚民.基于社会网络分析的网络舆情主题挖掘研究（J）.情报资料工作，2011（6）：45-49.
[5]侯筱蓉，于晓林.自媒体用户关系结构对健康信息扩散的影响及案例分析[J].国书情报工作，2015，59（16）：90-95.
[6]于静，李君轶.微博营销信息的时空扩散模式研究—以曲江文旅为例[J].科技情报开发与经济，2013，33（19）：7-12.