基于在线品牌社区的社会影响对顾客参与活跃度的作用研究.pdf 10页

'中国科技论文在线http://www.paper.edu.cn基于在线品牌社区的社会影响对顾客参与#活跃度的作用研究*邵景波，陈珂珂，胡名叶，任可心5（哈尔滨工业大学管理学院）摘要：与以往研究多关注用户心理动机和技术环境因素不同，本文从顾客关系网络视角，分析了在线品牌社区顾客参与活跃度如何受到好友群体的影响。首先，应用Burt提出的社会影响理论，构建了内聚力和结构对等两种社会影响效应对顾客参与活跃度作用的理论模型，10并提出研究假设；其次，通过抓取花粉俱乐部中顾客互动真实行为的面板数据，运用双体制网络效应自相关模型对假设进行验证。分析结果表明，内聚力和结构对等对在线品牌社区顾客参与活跃度均存在正向影响，研究结果对在线品牌社区管理具有一定的参考价值。关键词：营销管理；社会影响；顾客参与；好友网络；在线品牌社区中图分类号：F713.315TheEffectofSocialInfluenceonCustomerParticipationActivityBasedonOnlineBrandCommunityShaoJingbo,ChenKeke,HuMingye,RenKexin(SchoolofManagement,HarbinInstituteofTechnology)20Abstract:Comparedwithpreviousstudieswhichprimarilyfocusontheuser"spsychologicalmotivationandtechnicalenvironmentfactors,thispaper,fromtheperspectiveofcustomerrelationshipnetwork,analyzeshowcustomerparticipationactivityintheonlinebrandcommunityisaffectedbythiscustomer’sfriends.Firstofall,basedonBurt’ssocialinfluencetheory,thispaperexplorestheimpactoftwokindsofsocialinfluenceeffects:cohesionandstructuralequivalenceoncustomer25participationactivity,andputsforwardtheresearchhypothesis.Secondly,throughcollectingthepaneldataofeverycustomer’sfriendlistandinteractiverecord,weusetwo-regimenetworkeffectsmodelwithautocorrelationtotestthehypotheses.Theresultsshowthatcohesionandstructuralequivalencehavepositiveeffectsontheactivityofcustomerparticipation,andtheresultsprovidesomereferencevalueforonlinebrandcommunitymanagement.30Keywords:marketingmanagement;socialinfluence;customerparticipation;friendnetwork;onlinebrandcommunity0引言在线品牌社区（onlinebrandcommunity，以下简称OBC）是由互联网用户因对某一品[1]牌的喜爱聚集在一起，通过互动交流而形成的网络平台（Algesheimer等，2005）。Shankar[2]35等（2003）发现，80%的顾客在购买产品前会通过网络搜索信息，而OBC上凝聚了相当数量的电子口碑信息，是顾客进行信息交换、情感交流和兴趣分享的重要平台。随着顾客对OBC的认可和持续使用，企业也越来越重视OBC的价值，尤其是互动活跃的OBC将产生更多有价值的内容，吸引更多新用户的加入，会进一步刺激社区顾客的参与，这种良性循环使OBC保持了持续活力。也正因如此，对OBC顾客参与活跃度给予关注并洞察其影响因40素显得尤为必要。梳理已有研究成果可以看出，OBC顾客参与的影响因素可以划分为用户自身、用户关基金项目：国家自然科学基金（71672048,71172155,70802018）；中央高校基本科研业务费专项资金（HIT.HSS.201104）作者简介：邵景波（1973-），女，哈尔滨工业大学管理学院教授，博导，主要研究方向：网络营销、品牌管理.E-mail:boboshao@163.com-1- 中国科技论文在线http://www.paper.edu.cn系和平台环境三个方面。用户自身的因素主要涉及个体参与OBC的内心诉求和主观心理动[3][4]机，包括功能动机（Weiss等，2008）、娱乐动机（Dholaki等，2004）、自我效能（Mckenna[5]等，1999）等。用户关系因素主要指与他人的互动而产生的相关利益衡量，包括品牌认同[6][7][8]45（Hughes和Ahearne，2010）、社会认同（Lam等，2010）、成员信任（Hsu等，2007）、[9][10]利他主义（Lee等，2011）、互惠期望（Chen等，2009）等。而平台环境因素主要是与[11]OBC平台相关的网站环境与管理氛围，包括网站安全（Shin，2010）、网站人气（Kankanhalli[12][13]等，2006）、管理风格（Lin等，2012）等。这些成果中，少有人关注顾客在OBC中形成的社会关系对参与行为的影响，事实上，OBC具有较高的人际互动特征，顾客在参与50OBC的过程中逐渐形成好友关系、关注关系等。依据社会影响理论，身处在社会关系中的[14]个体会受到其所在团体的影响，逐渐调整并改变自己的行为（Kelman，1958），OBC中的顾客自然也不例外。鉴于此，本研究应用社会影响理论分析顾客参与活跃度是否会受到其好友群体的影响，以及受到何种影响，并提出研究假设。通过构建计量分析模型，同时抓取在线品牌社区中顾客互动真实行为的面板数据，对假设进行检验，以探明社会影响对OBC55顾客参与活跃度的作用，研究结果对在线品牌社区管理具有一定参考价值。1理论基础社会影响（socialinfluence）最早是社会心理学领域的概念，Deutsch和Gerard（1955）认为“人们渴望寻求他人的认同，以及希望被他人所喜爱”的心理导致了社会影响现象的产生[15]。例如有两个个体，一个没有采纳新技术，另一个采纳了新技术，其所处的社会环境会60使个体对其他人的行为敏感，没有采纳新技术的个体会受到其他人的影响调整或改变自己的行为。在此基础上，Burt（1987）对个体层面社会影响的方式进行了研究，提出了两种最基[16]本的社会影响效应：内聚力和结构对等，本研究将以此为基础来探讨社会影响对顾客参与活跃度的作用效果。1.1内聚力65内聚力（cohesion）是指一个网络中两个个体之间的直接连接。网络的内聚力反映出网络连接的稠密程度，内聚力强的网络其节点间的联系更为紧密。因此，内聚力的影响效应关注的是社会网络中个体间的直接影响作用。内聚力在社会网络中扮演了比较重要的角色，相关研究认为个体会通过观察与自己存在社会连接关系的其他个体而进行学习和模仿，这种直接的影响效应得到了一些社会网络学者的认可。例如，如果一个医生在生活或工作中经常联[17]70系的同事采用了某个药品，那么这个医生也很可能采用相同的药品（Mizruchi，1993）；[18]类似的，消费者购买产品的决策也会受到其邻居购买行为的影响（Zhang等，2013）。当面对一个以经验为主、模棱两可的问题时，人们会向有经验的熟人询问，以更多地了解采纳新技术或购买新产品所带来的成本和收益，从而规避由某个问题带来的不确定性，此时熟人的影响就源自于内聚力的社会影响效应。751.2结构对等结构对等（structuralequivalence）是指一个网络中两个个体之间仅且只与相同的第三方连接，这两个个体在网络中的位置是对等的。在同一网络关系中，如果两个个体受到相同的-2- 中国科技论文在线http://www.paper.edu.cn[19]关系制约，相互交换位置不改变整个网络结构，那么二者在结构上是对等的（刘军，2004）。结构对等的影响效应关注的是在社会网络中处于相同位置的个体间的间接影响作用，这种影[16]80响效应来自于个体之间的竞争行为（Burt，1987），包括极端情况下为了生存进行的竞争，以及个体仅仅为了取得相对优势的一般竞争。在Burt以两个医生对新药物采纳的例子中，两个不相识的医生为了在行业圈子中维护他们在医疗领域进行交流的社会结构和地位，他们会倾向于做出相似的行为，并且这两个医生与其他人的社会关系越相近，他们会越迅速地做出采纳行为，以增强自己对其他人的吸引力。实际生活中，能达到真正意义上结构对等的个85体比较少，因此在研究时通常考虑在一个范围内或者在多大程度上两个个体是结构对等的。例如，在企业间形成的合同关系中，两家企业均与相同的第三家企业存在合同关系，即使他们的上下游合作企业不同，也可以认定他们是结构对等的；或者计算个体之间结构对等的倾[20]向值来界定结构对等的程度（Wasserman和Faust，1994）。可以用图1所示的社会网络关系来说明内聚力和结构对等，其中A、B、C、D分别代90表一个个体，连线代表个体间存在着好友关系，如A和C是好友关系，A和B不是好友。以A和C为例，A的行为会影响到C的行为决策，反之亦然，这就是内聚力通过个体间的关系直接产生的影响。同样地，A和D、B和C、B和D这些存在关系的个体之间也存在着内聚力的影响效应。而结构对等是指两个节点在社会网络中的位置相近甚至完全相同的时候，他们之间表现出相似的行为，强调了两个个体间的竞争，如A和B均与C、D相连，95这时A和B就在网络中占据了相同的位置，A和B都想获得与自己连接的社会关系群体的社会认可，也就是他们共同的社交对象C和D的认可，因此A和B之间的竞争使得他们表现出相似的行为。ACDB图1社会网络关系示意图100Fig.1ExampleofSocialNetwork2理论分析与假设提出本研究选取在线品牌社区作为研究平台，探索社区成员逐渐形成的好友关系网络中的内聚力和结构对等对顾客参与活跃度的社会影响效果。2.1内聚力的社会影响效应105行为传播理论描述了同伴影响（peerinfluence）的产生及其对个体跟从同伴行为的作用[21](Crandall，1988)。在社交关系中，朋友间的联系通常较为紧密，他们相互的了解程度也[22][23]比较深入(Brown和Reingen，1987；Granovetter，1973)。由于这种亲密关系，朋友的[24]意见是最为可信的(Mangleburg和Doney，2004)，朋友的意见甚至要比自身的偏好更加[25]重要(Moschis和Moore，1979)。越多的朋友采取某一行为，个体所感到的同伴影响力就-3- 中国科技论文在线http://www.paper.edu.cn[26]110越大，也因此越容易采取这一行为(Centola，2010)。对于青少年吸烟的行为，同伴吸烟的孩子的吸烟概率会增加11%；类似地，同伴对吸烟行为的抵制也可以显著提升青少年的戒[27][28]烟效果（Card和Giuliano，2013；方晓义和林丹华，2003）。同伴影响不止存在于现实世界中，同样也存在于虚拟世界中。在社交网站中，朋友使用网站的付费功能可以显著提升该用户也购买类似服务的可能性（Bapna和Umyarov，[29]1152015）。还有学者发现，用户在Facebook上的点赞行为也受到朋友点赞行为的影响[30](Egebark，2011)。顾客在OBC中的表现也呈现类似规律，对某品牌的喜爱和热情促使用户加入OBC，并基于某种相似性而建立起好友关系。对于OBC上的顾客而言，好友的意见[31]是一个相当可靠的消息来源(Mangleburg和Doney，2004)，他们通常会相对看重好友所给出的意见。当好友发表了新的内容或关注了某个帖子，该顾客也会关注到其好友的更新状120态或点赞行为，从而采取类似的行动，进而提升其与其他人交流观点、为他人点赞等社区参与行为的可能性。这样一来，原本并不活跃的用户也有了互动行为，而活跃的用户也会受到好友互动行为的影响而变得更加活跃。由此做出研究假设：H1：OBC中顾客参与的活跃度与其好友参与的活跃度正相关。2.2结构对等的社会影响效应125结构对等的个体间有着共同的好友群体，但他们相互间并不是好友关系。个体可以感受到自身在团体中的影响力，当个体感觉到在团体中的影响力有所下降时会调整自己的行为，[16]以保持自己的竞争地位（Burt，1987）。在对医生是否采纳新药物用于治疗的研究中发现，医生在社会关系网络中的结构对等程度越高，他们做出相似行为的可能性就越大（Burt，[16]1987）。Singh和Phelps（2013）发现在网络中结构对等的项目经理最终趋向于使用相[32]130同的软件许可证完成项目。在OBC中，活跃度越高的顾客越容易受到其好友群体的关注，从而形成自身在OBC中的话语权和影响力。在同一个好友关系网络中，处在结构对等位置的另一个用户，可以看到自己的好友评论了谁、关注了谁、对哪些内容更感兴趣，会刺激该顾客加入到类似话题的讨论和互动活动中，以提升自身在好友群体中的吸引力，维护与好友群体的良好社交关系，最终结果是提升了自身在品牌社区中的参与活跃度。由此做出研究假135设：H2：OBC中顾客参与的活跃度与其好友关系网络中结构对等用户的活跃度正相关。基于以上分析，构建本文的理论模型如图2所示：内聚力H1社会影响顾客参与活效应跃度结构对等H2图2OBC中社会影响对顾客参与活跃度作用的理论模型140Fig.2ATheoryModelofTheEffectofSocialInfluenceonCustomerParticipationActivity-4- 中国科技论文在线http://www.paper.edu.cn3实证分析3.1研究模型与变量为了能同时测度内聚力和结构对等对OBC中顾客参与活跃度的影响，本研究借鉴Doreian（1989）提出的双体制网络效应自相关模型（two-regimenetworkeffectsmodelwith[33]145autocorrelation），基础公式如（1）所示：yX1Wy12Wy2（1）公式（1）中，y是因变量，X是一组控制变量，W和W分别代表内聚力和结构对等这12两种社会影响效应的矩阵，ρ1和ρ2是相对应的系数，ε表示随机误差项。对于内聚力矩阵的确定方法为：假设整个网络在t时刻的用户数为N，首先计算在t时150刻用户i和j之间的连接状态aijt，当用户i和j在时刻t相互连接时，aijt=1，否则aijt=0，i和j分别在1,2,…,N中取值，那么计算出所有节点在t时刻的连接状态aijt，就可得到t时刻的内聚力矩阵W1t，这是一个N×N阶的矩阵。对于结构对等矩阵的确定方法为：首先计算在t时刻用户i和j之间的距离dijt，如果i和j在时刻t相互连接，则dijt=1，否则dijt=0。然后通过公式（2）计算出用户i和j的结构对等程度。其中，N是指t时刻整个网络中的用户155数，i和j分别在1,2,…,N中取值，计算出所有节点在t时刻的结构对等程度sijt，就可得到t时刻的结构对等矩阵W2t，这也是一个N×N阶的矩阵。S1（2）ijtN21k1,kikj,(ddiktjkt)本研究的因变量为OBC中的顾客参与活跃度。OBC中顾客参与主要表现在知识贡献、知识获取、服务使用、隐私信息披露、自我披露、提供服务/产品、购买产品/服务、提供/160获取社会支持等。一般OBC中都会对注册用户设置一些客观性赋值的标准，如华为的品牌社区中用户发表一篇原创帖子+2分、帖子加精华+5分，评论其他用户+1分，参与社区投票活动+2分等等，这些赋值反映了用户参与OBC的活跃度。因此，本研究采用某在线品牌社区中的用户所得的客观赋值代表顾客参与活跃度的指标。3.2数据的收集与处理165本研究选取华为的花粉俱乐部为研究对象，来探究内聚力和结构对等对顾客参与活跃度的作用。据《移动智能终端产业发展白皮书2015》的数据，华为公司在智能手机、平板电脑的市场占有率分别居于全球第三位和第五位，处于国内市场的首位。华为公司的花粉俱乐部注册会员达三千五百万，每日发帖数量40万以上，是一个用户参与十分活跃的在线品牌社区。同时，通过访问用户的个人主页，可以清楚地了解用户的各种属性，如积分、人气、170威望、好友数量及花瓣数等，并可以确切地知道该用户的好友列表。这为研究中建立好友关系网络，并得到相应研究数据提供了极大的便利。为了获取花粉俱乐部中的好友关系网络，本研究采用滚雪球抽样(snowballsampling)的方法进行样本采集。首先，随机选择30名用户做为第一级用户，此后，采集这30名用户的好友列表作为第二级用户，以此类推共获取4层好友数据，剔除掉因设置隐私保护而无法获175取好友信息及属性的用户，共获得4086个有效节点，最终形成四级好友关系网络，如图3所示。本研究的数据抓取时间为2016年4月25日至2016年6月12日，每天抓取一次。将-5- 中国科技论文在线http://www.paper.edu.cn每天收集的样本数据导入社会网络分析软件Gephi，描绘出其好友关系网络，就可以得出相应的内聚力矩阵和结构对等矩阵。180图3花粉俱乐部中部分好友关系网络Fig.3PartialFriendsNetworkinHuaweiClub在花粉俱乐部中，顾客参与活跃度这一变量选择用积分值来测度。表1汇总了花粉俱乐部的客观赋值标准，积分值是对用户的发帖行为、被评论、评论他人、精华帖、发表回复、185发表主题等一系列参与活动的综合反映，可以较为准确地体现每位用户的参与活跃度。此外，顾客的参与行为除了受到内聚力和结构对等效应的影响，还会受到虚拟货币的激励作用，由于非本研究关注的主效应，所以需要加以控制。花粉俱乐部中的虚拟货币为“花瓣”，用户使用花瓣可以在论坛中购买华为的许多周边产品，如带有华为品牌标识的定制水杯、书包、台灯、文化衫等。这无形中对用户形成了一种激励，用户可能会为了得到花瓣而积极地参与社190区。因此，研究中将花瓣数作为控制变量加入到模型中。表1花粉俱乐部中顾客参与行为的评分标准Tab.1ScaleaboutCustomerParticipationBehaviorinHuaweiClub参与动作周期内最多奖周期范围人气值威望值花瓣数积分值名称励次数被评论每天20200评论每天40100发帖数´0.5+人参与投票不限周期不限次数002气´1+威望´5+加精华不限周期不限次数5150精华帖数´5发表回复每天20101发表主题每天50202195基于以上分析，本研究的实证模型可以用公式3表示。同时，模型中所涉及的变量表示方法及描述如表2所示。PartiActFlowersCohPartiActEquiPartiActit,it,1it,it,2it,it,it,（3）-6- 中国科技论文在线http://www.paper.edu.cn表2变量的定义及描述200Tab.2VariableDefinationandDescription变量描述PartiActi,t取自然对数，用户i在t时刻的参与活跃度，用积分值来反映Cohi,t用户i在t时刻的内聚力矩阵Cohi,t*PartiActi,t取自然对数，用户i在t时刻所有好友的累计参与活跃度Equii,t用户i在t时刻的结构对等矩阵Equii,t*PartiActi,t取自然对数，用户i在t时刻与其结构对等用户的累计参与活跃度Flowersi,t取自然对数，用户i在t时刻的花瓣数关于矩阵的运算过程较为繁琐，本研究运用软件Matlab编写相应程序进行计算，最后获得内聚力效应和结构对等效应的数值；同时采用火车头数据采集器获得顾客的积分值和花瓣数。表3对变量的数值进行了描述性统计。205表3变量描述性统计Tab.3VariableDescriptiveStatistics样本数平均值标准差最小值最大值PartiActi,t203956313.73214980.552215402Cohi,t*PartiActi,t2039550250.29133102.501636821Equii,t*PartiActi,t2039551699852058222222608.58238002Flowersi,t203955712.04824578.2608637033.3假设检验210首先，验证模型中的变量是否存在多重共线性。表4反映了各变量间的相关系数矩阵，可以看出，内聚力和结构对等变量之间的相关系数均没有高于0.6，因此不存在多重共线性，可以进行面板数据的回归分析。表4相关系数矩阵215Tab.4TheCorrelationMatrixCohi,t*PartiActi,tEquii,t*PartiActi,tFlowersi,tCohi,t*PartiActi,t1.0000Equii,t*PartiActi,t-0.53731.0000Flowersi,t0.2378-0.29551.00002应用Stata软件对数据进行回归分析，结果如表5所示。从表5可以看出，可决系数R等于0.4612，模型的拟合优度可接受，并且模型通过显著性检验（F(3,16307)=41.08，p<0.001）。实证检验结果表明，内聚力效应的影响系数为0.0168，P值小于0.05，检验结果显著，220假设H1通过验证，即OBC中顾客参与活跃度与其好友参与活跃度正相关。顾客好友的活跃度每提升1%，顾客自身的参与活跃度就会提升1.6%。结构对等效应的影响系数为0.3548，P值小于0.05，结果显著，表明假设H2通过验证，即OBC中顾客参与活跃度与其在好友关系网络中结构对等用户的活跃度成正相关。结构对等的用户每提升1%的社区参与活跃度，顾客自身的参与活跃度就提升35.4%。225-7- 中国科技论文在线http://www.paper.edu.cn表5模型拟合结果Tab.5ModelResultPartiActi,tCoef.Std.Err.tP值Cohi,t*PartiActi,t0.01680.00006962.410.016Equii,t*PartiActi,t0.35480.00130632.720.007Flowersi,t0.56940.000529410.760.000常数项6.83290.0207639329.070.000No.20395R-sq0.4612F41.082304讨论研究结果表明内聚力和结构对等对OBC顾客参与活跃度的正向影响作用。一方面，当OBC中某一用户的好友参与活跃度普遍较高时，即使该用户不会主动进行发帖、参与讨论，也会受到其好友的社会影响，产生对其好友所发帖子进行点赞、评论等行为，进而提高其参与OBC的活跃度。另一方面，用户在OBC中的互动行为在很大程度上会受到其结构对等235用户的影响，在OBC中有着共同好友圈的两个用户存在着极大的可能性做出相似的行为，即使这两个用户并不是好友关系，这与Burt在现实生活中对医生在治疗过程中是否采纳新药物的研究结果是一致的。从研究结果还可以进一步看出，结构对等的社会影响效应要远远大于内聚力（0.3548>>0.0168），这表明在线品牌社区中的顾客对自身在社会关系结构中的地位较为敏感，当用户感知到自身的社会影响力有所下降时，更愿意做出努力提高参与活跃240度。本文的研究结果具有一定的理论贡献和营销启示。在理论方面，本研究将Burt的社会影响理论扩展到了在线品牌社区的研究中。以往文献中，社会影响效应在不同场景中会表现出不一致的效果，诸如网络游戏中用户的消费行为受到结构对等用户的影响效果不显著[34]（Golub，2010），而在Burt的研究中，医生对新药物的采纳仅受到结构对等效应的显著245影响，而内聚力效应对创新的扩散没有显著的作用效果；与这些研究场景不同，本研究关注的在线品牌社区是一个相对松散的组织，成员之间的关系完全是平等的，体现出一种扁平式的人际关系结构，本研究结果丰富了社会影响理论。在实践上，本研究结果对于企业如何管理和运营在线品牌社区具有一定的参考价值。企业建立在线品牌社区的目的主要包括提升品牌形象、维护客户关系、收集创造性的想法以提高产品或服务水平、以及增加销量等（Wirtz[35]250和denAmbtman等，2013）。在线社区中的顾客参与越活跃越有可能为企业创造价值，而研究结果告诉我们，顾客参与活跃度受到了其所处好友关系的影响，企业在管理在线品牌社区时应对这种虚拟世界中产生的好友关系给予更多的重视。比如，在线品牌社区的管理者可以在新用户注册时强制让用户加一些管理员为好友，使得他通过好友动态便可以随时了解产品发布，技术讨论等信息，进而提高用户的参与活跃度。亦或者是加入一些社交网站的功255能，对用户进行好友推荐，将一些参与行为极其活跃的用户推荐给初来乍到的用户，通过这种方式逐渐调动顾客参与积极性。同大多数研究一样，本研究也存在着一些局限。首先，选取的在线品牌社区为电子产品类，相应的研究结论是否适用于其他产品类别的社区还有待进一步验证，未来可以考虑在酒店类、汽车类在线品牌社区中开展类似的研究。其次，由于数据处理的复杂性，本研究采用-8- 中国科技论文在线http://www.paper.edu.cn260的抽样方法为滚雪球抽样，虽然第一级样本是随机抽取的，但仍不能全部反映在线品牌社区所有顾客好友关系网络下的社会影响结果，未来可以尝试在更长的时间周期内探索更大范围甚至整个社区用户的社会影响效应。[参考文献](References)[1]AlgesheimerR,DholakiaUM,HerrmannA.Thesocialinfluenceofbrandcommunity:Evidencefrom265Europeancarclubs[J].JournalofMarketing,2005,69(3):19-34.[2]ShankarV,SmithAK,RangaswamyA.Customersatisfactionandloyaltyinonlineandofflineenvironments[J].InternationalJournalofResearchinMarketing,2003,20(2):153-175.[3]WeissAM,LurieNH,MacInnisDJ.Listeningtostrangers:whoseresponsesarevaluable,howvaluablearethey,andwhy?[J].JournalofMarketingResearch,2008,45(4):425-436.270[4]DholakiaUM,BagozziRP,PearoLK.Asocialinfluencemodelofconsumerparticipationinnetwork-andsmall-group-basedvirtualcommunities[J].Internationaljournalofresearchinmarketing,2004,21(3):241-263.[5]McKennaKYA,BarghJA.CausesandconsequencesofsocialinteractionontheInternet:Aconceptualframework[J].MediaPsychology,1999,1(3):249-269.[6]HughesDE,AhearneM.Energizingthereseller"ssalesforce:Thepowerofbrandidentification[J].Journalof275Marketing,2010,74(4):81-96.[7]LamSK,AhearneM,HuY,etal.Resistancetobrandswitchingwhenaradicallynewbrandisintroduced:Asocialidentitytheoryperspective[J].JournalofMarketing,2010,74(6):128-146.[8]HsuMH,JuTL,YenCH,etal.Knowledgesharingbehaviorinvirtualcommunities:Therelationshipbetweentrust,self-efficacy,andoutcomeexpectations[J].Internationaljournalofhuman-computerstudies,2007,28065(2):153-169.[9]LeeD,YejeanParkJ,KimJ,etal.Understandingmusicsharingbehaviouronsocialnetworkservices[J].OnlineInformationReview,2011,35(5):716-733.[10]ChenIYL,ChenNS.Examiningthefactorsinfluencingparticipants"knowledgesharingbehaviorinvirtuallearningcommunities[J].JournalofEducationalTechnology&Society,2009,12(1):134.285[11]ShinDH.Theeffectsoftrust,securityandprivacyinsocialnetworking:Asecurity-basedapproachtounderstandthepatternofadoption[J].Interactingwithcomputers,2010,22(5):428-438.[12]KankanhalliA,TanBCY,WeiKK.Contributingknowledgetoelectronicknowledgerepositories:anempiricalinvestigation[J].MISQuarterly,2005:113-143.[13]LinKY,LuHP.Whypeopleusesocialnetworkingsites:Anempiricalstudyintegratingnetwork290externalitiesandmotivationtheory[J].ComputersinHumanBehavior,2011,27(3):1152-1161.[14]KelmanHC.Compliance,identification,andinternalizationthreeprocessesofattitudechange[J].JournalofConflictResolution,1958,2(1):51-60.[15]Deutsch,M.,H.B.Gerard.AStudyofNormativeandInformationalSocialInfluencesuponIndividualJudgment[J].TheJournalofAbnormalandSocialPsychology,1955,51(1):629-636.295[16]Burt,R.S.SocialContagionandInnovation:CohesionVersusStructuralEquivalence[J].AmericanJournalofSociology,1987,92(6):1287-1335.[17]MizruchiMS.Cohesion,equivalence,andsimilarityofbehavior:Atheoreticalandempiricalassessment[J].SocialNetworks,1993,15(3):275-307.[18]Zhang,B.,A.C.Thomas,P.Doreian,etal.ConstrastingMultipleSocialNetworkAutocorrelationsforBinary300Outcomes,withAppilcationstoTechnologyAdoption[J].ACMTransactionsonManagementInformationSystems,2013,3(4):1-18.[19]刘军.社会网络分析导论[M].社会科学文献出版社,2004.[20]WassermanS,FaustK.Socialnetworkanalysis:Methodsandapplications[M].Cambridgeuniversitypress,1994.305[21]CrandallCS.Socialcontagionofbingeeating[J].Journalofpersonalityandsocialpsychology,1988,55(4):588.[22]BrownJJ,ReingenPH.Socialtiesandword-of-mouthreferralbehavior[J].JournalofConsumerResearch,1987,14(3):350-362.[23]GranovetterMS.Thestrengthofweakties[J].Americanjournalofsociology,1973,78(6):1360-1380.310[24]MangleburgTF,DoneyPM,BristolT.Shoppingwithfriendsandteens"susceptibilitytopeerinfluence[J].Journalofretailing,2004,80(2):101-116.[25]MoschisGP,MooreRL.Decisionmakingamongtheyoung:asocializationperspective[J].JournalofConsumerresearch,1979,6(2):101-112.[26]Centola,D.TheSpreadofBehaviorinanOnlineSocialNetworkExperiment[J].Science,2010,329(5996):3151194-1197.[27]CardD,GiulianoL.Peereffectsandmultipleequilibriaintheriskybehavioroffriends[J].ReviewofEconomicsandStatistics,2013,95(4):1130-1149.[28]方晓义,林丹华.青少年吸烟行为的预防与干预[J].心理学报,2003,35(3):379-386.[29]BapnaR,UmyarovA.Doyouronlinefriendsmakeyoupay?Arandomizedfieldexperimentonpeer320influenceinonlinesocialnetworks[J].ManagementScience,2015,61(8):1902-1920.-9- 中国科技论文在线http://www.paper.edu.cn[30]Egebark,J.,M.Ekström.LikeWhatYouLikeorLikeWhatOthersLike?ConformityandPeerEffectsonFacebook[OL].2011.https://papers.ssrn.com/Sol3/papers.cfm?abstract_id=1948802[31]Mangleburg,T.F.,P.M.Doney,T.Bristol.ShoppingwithFriendsandTeens"SusceptibilitytoPeerInfluence[J].JournalofRetailing,2004,80(2):101-116.325[32]Singh,P.V.,C.Phelps.Networks,SocialInfluence,andtheChoiceamongCompetingInnovations:InsightsfromOpenSourceSoftwareLicenses[J].InformationSystemsResearch,2013,24(3):539-560.[33]DoreianP.TwoRegimesofNetworkAutocorrelation[M].NewJersey:Ablex,1989.[34]Golub,A.BeingintheWorld(ofWarcraft):Raiding,Realism,andKnowledgeProductioninaMassivelyOnlineGame[J].AnthropologicalQuarterly,2010,83(1):17-46.330[35]WirtzJ,denAmbtmanA,BloemerJ,etal.Managingbrandsandcustomerengagementinonlinebrandcommunities[J].JournalofServiceManagement,2013,24(3):223-244.-10-'