《基于社会网络分析的联合促销品牌关系研究》-经济学论文，商业论文-论文范文参考-科学狗论文网

标题

基于社会网络分析的联合促销品牌关系研究

范文

许研　张欣瑞　陶晓波

摘要：品牌合作下的联合促销是企业获取新顾客、提升品牌价值的重要方式，分析电子商务下的消费者购买行为，使联合促销的品牌间关系研究由传统“一对一匹配”方法转向“社会网络分析”等全新的研究方法。本文从电商平台的用户评价信息出发抽象出顾客-品牌网络，通过分析网络结构特性而提取品牌组合，并提出一套品牌关系测度方法，通过语素相似性论证该方法的有效性，旨在为企业的联合促销策略提供参考。

关键词：联合促销；顾客-品牌网络；品牌关系；社会网络分析；语素相似性分析

中图分类号：F274 文献标识码：A

作者简介：许研（1983-），女，辽宁锦州人，北方工业大学经济管理学院讲师，理学博士，研究方向：网络效应、新产品扩散；张欣瑞（1963-），女，河北保定人，北方工业大学经济管理学院教授，研究方向：品牌管理；陶晓波（1981-），男，重庆人，北方工业大学经济管理学院副教授，管理学博士，研究方向：面向创新绩效的网络营销。

横向联合促销是指企业在进行促销时，基于消费者消费时机或销售渠道的一致性，与合作企业进行的同类或功能互补型产品的交叉促销活动[1]。相比于供应链上的制造商与批发零售商进行的纵向联合促销，横向联合促销不仅可以使联合体内的各成员以较少费用获得更好的促销效果，还是企业获取新顾客的渠道[2-3]。随着市场竞争的加剧，企业促销的活动规模和频率正在不断增大，但大量的促销活动存在同质化严重与效率降低等问题，品牌合作下的横向联合促销（Joint Promotion）是解决这些问题的有效途径。本文着眼于顾客发表在B2C电商平台上的购后评论信息，通过统计这些评论中呈现的用户与产品信息所构建的顾客-品牌网络资料，并运用社会网络分析方法探究品牌关系网络中的品牌群体特征和品牌关系，以期为联合促销策略的品牌选择提供依据。

一、研究方法与结果

（一）数据来源及样本描述

近些年大型B2C网络购物平台在我国发展迅猛，顾客购买品牌的影响因素除了平台服务、平台信誉，还有平台中展示的客观真实的用户评价信息，客观全面的用户评价信息可以帮助企业制止负面口碑和谣言的传播[4]，为以往只能依靠有限调研或模拟进行的社会网络分析，提供了大规模开展和实施的条件。京东商城是我国最具影响力的电子商务网站之一，本研究利用网页抓取工具Rost WebSpider，通过京东商城的API，以某日用品牌中用户评论数超过1 000的所有产品项目页面作为抓取网站入口，抓取了深度为1-3的所有网页，这些网页涵盖了该品牌大部分的产品评价、评价用户购买过的商品及这些商品的产品评价。我们在这些网页中提取了116 373条评价信息，每条信息中包括用户名、品牌名、用户评论、评价时间等属性，评价信息中包含595个品牌、11 989个用户，时间跨度为2008年7月至2014年1月。考虑到分析的焦点集中于品牌之间形成的网络，本研究采用matlab软件进行数据整理，在删掉入口品牌和与入口品牌连结的所有用户后剩余60 179条评价信息，这些评价中包含594个品牌、7 486个用户，共17 600条不重复连边，这些数据将作为社会网络分析以及联合品牌相似度检验的基础。

（二）社会网络整体分析

考虑到用户节点形成的品牌自身顾客网络的重要性，本研究将顾客-品牌二分网投影到单顶点网络，直接基于原始二分网络结构进行分析。图1是利用R软件的igraph包绘制的顾客-品牌关系网络图，除了两个孤立的顾客-品牌子团之外，大部分节点（其他592个商品）是相互连通的。在得到了顾客-品牌关系网之后，本研究从网络密度、度值、中心性等方面分析整体网络特性[5]，统计分析显示网络密度（现有连边数/所有节点间的可能连边数）为0.00054，度值为1的节点占76.2%，度值介于2-10的节点占19.3%，度值介于11-186的节点只占4.5%，度分布具有长尾特征。节点密集中心性的均值为1.6×10-6，标准差为1.6×10-7。由这些指标的计算结果可知顾客-品牌整体网络的节点连接较稀疏，网络冗余度较大、节点与其他节点间的平均连接路径较长，没有明显的网络中心节点。

（三）顾客-品牌关系网中的社群划分

顾客-品牌关系网络是根据顾客的购买评价记录形成的社会网络，由于顾客具有不同的偏好、购买习惯、生活背景等特点，品牌之间的品类、顾客群规模也不相同，顾客-品牌关系网中一定存在着疏密不同的子团，我们称之为社群网络，需要对现有的顾客-品牌关系网进行社群划分。社会网络中的每个子团内部节点互动很多，称之为“强连接”，两子团之间的节点就是连接两子团的唯一路径，称之为“弱连接”。如果将边介数定义为网络中所有节点之间的最短路径中经过该边的数目，那么“弱连接”的特点是边介数非常大，反之“强连接”的边介数相对小。所以，可以用边介数来区分社群网络的内部边和社群之间的连接边。

实现社群划分的社会网络分析方法有很多，2002年提出的Girvan和Newman（G-N）算法是其中具有代表性的算法之一。G-N算法的基本思想是一种分裂算法，通过不断移除网络中边介数最大的边，而将整个网络划分成若干相对独立的社群。本研究采用R.igraph软件包中的walktrap.community函数实现G-N算法，得到了406个社群。其中大部分呈单个商品连接多个顾客的网络结构，删掉这些社群还剩50个社群。删掉单品牌社群后的社群划分结果如图2所示，其中大部分社群是两或三个商品组成的商品对或商品组。对这50个社群进行评价的具体结果如表1所示，从网络密度、节点密集中心性等指标来看，划分后的50个社群均优于整体网络，说明社群划分是有效的。

（四）品牌组合提取

我们的最终目标是在复杂的顾客-品牌网络中搜寻到具有大量共同顾客连接的品牌对或品牌组，现有的社群划分显然不能满足要求，需要结合社群呈现的网络特点而进行进一步的数据提取。下面以group5为例展示整个品牌组合提取过程，通过观察可以发现每个社群中都存在着大量的“边缘品牌”，这些品牌是因为偶然的单一顾客购买而与社群网络相连。虽然品牌节点本身的度值较大，但大都来自只购买过本品牌的顾客，与网络中的其他品牌只有一或两条连边，处在整个社群的边缘（如图3（a）所示），利用式（1）删除这些“边缘品牌”，即：

Ci=max（ci2，…cij，…cin）（1）

其中cij为节点i与节点j的连边数，可利用igraph.connectivity函数进行测算。n为整个社群的节点数，Ci为节点i与其他节点连边数的最大值。我们删掉Ci小于等于3的品牌节点，该操作删除66个品牌节点后剩余12个，得到的社群关系如图3（b）所示。通过进一步观察可以发现在图3（b）中一些品牌形成了“单边连接品牌组合”，即通过单个顾客形成的连接关系网很难将其作为品牌联合促销的依据。为此，我们编写了程序来删除这些“单边连接节点”，具体的步骤是：（1）搜索每个品牌节点相邻的品牌；（2）计算与每个相邻品牌的连接顾客数，并测算其最大值；（3）删除最大值小于等于1的品牌节点。该操作删除10个品牌节点后剩余2个，得到的社群关系如图3（c）所示。最后，将条件限制在保留共同顾客数大于5的品牌对或品牌组，这样最终放弃了group5这一社群，我们将上述操作作用于所有社群最终得到了8个联合品牌组合，如表2所示。

（五）品牌组合有效性检验

原品牌在联合之前可能各自拥有不同的品牌属性，联合品牌在属性上可以实现互补，品牌的互补性可以使有品牌意识的顾客、寻求多变化的顾客和涉入度高的顾客，对联合品牌产生更加强烈的购买意向[6]。从中外对品牌联合影响因素的研究来看，成功的品牌联盟需要满足原品牌的品牌特征相似、产品匹配性高等原则。考虑到用户的偏好、购买习惯等特点会反映在购后心得中，而品牌与产品的特征会反映在产品描述中，这些都体现在用户评价信息中，本研究采用用户评价信息中语素的余弦相似度（Cosine Similarity）来检验品牌组合的有效性，并使用余弦相似度进一步检验品牌组合的相似度。定义品牌i和j全部用户评价的语素集合Wij={（w1，i1，j1），（w2，i2，j2），…，（wn，in，jn）}，Wij≠，其中in、jn分别表示品牌i和j用户评论中语素wn出现的次数，n为Wij中出现的全部语素数，由余弦公式求得的i和j两品牌相似度如式（2）所示：

Simij=∑nk=1ikjk（∑nk=1i2k）（∑nk=1j2k）（2）

如果SimijSimT，可以认为两品牌相似。在确定相似度阈值SimT的经验方法中，最接近形式化的是CTDCS（中文文档分类系统）中使用的相关性分布曲线寻找交点的算法，该算法选取1/10作为经验阈值[7]。商品组合的测算结果如表3所示，可以看出所有的结果均大于0.1，说明我们设计的品牌组合提取方法能够准确的划分出同类品牌项目；同时，Sim值越大说明商品之间的相似度越高，用户评价体现出的较高相似性从一个侧面验证了目前提取出的品牌组合，可以作为以同类或功能互补类品牌联合促销的选择依据。

二、结论

品牌关系测度是进行联合促销或品牌联盟需要考虑的重要因素，也是保证联合成功的关键环节。通过真实的用户评价数据挖掘出顾客-品牌网络，本文构造了能够反映品牌之间关系的社会网络模型，利用社会网络分析方法提取品牌组合，并探索性地提出了一种基于顾客网络的联合促销品牌关系测度方法，通过用户评价内容的语素相似性分析论证了方法的有效性。

首先，社会网络分析深化了市场营销者对品牌关系的认识，将品牌关系的研究视野从传统营销时代的“一对一匹配”引向了“品牌网络结构分析”。这一转变能够帮助人们更加准确地接近市场的本质，更真实地理解品牌关系。但是，在相当长的一段时间，网络分析的研究方法受到数据条件的限制而无法运用。当今计算机技术和网络技术的发展为社会网络分析方法提供了广阔的舞台，可以帮助企业在具体营销工作思考如何转变网络思维方式，如何利用大数据进行社会化网络分析等问题。

其次，对于从事电子商务的中小型企业来说，基于品牌关系网络选择联合促销对象有利于他们获得范围经济优势。电子商务平台形成的根源是入驻商品的范围经济性，大型电商利用平台优势进行不同产品类别的联合促销活动，获得了较大的渠道控制力。认识到产品范围经济的重要性，渠道商甚至发展自己的私有品牌与进驻品牌开展竞争。中小企业与电商相比面临严重的数据信息不对称，这使得中小网商只能处于受支配的尴尬境地。本文所提出的利用数据挖掘技术获得真实的购买数据方法，通过建立品牌关系网络划分出品牌群落，分析结果有利于中小企业建立适合自己的产品范围经济，并从中获得主导地位。

最后，对一般企业而言，无论未来的联合促销是否在网络渠道中进行，基于网络销售数据进行的顾客-品牌网络分析都可以为企业的联合促销，甚至企业战略联盟、品牌合作、市场准入等营销活动提供决策支持。

三、未来研究展望

社会网络分析是进行品牌间关系测度的一种有效工具，但本文采用的是无向、无权重的品牌关系网络，未来的研究可以在以下两个方向上进行深化：一是根据购物数据的时间信息，为品牌之间的连接加入方向，有向网络有利于展示产品的购买次序，辨别品牌之间的相互依赖关系，能够帮助企业进行更加细化品牌联合促销管理；二是将品牌的产品类别、知名度、品牌个性等属性作为节点权重加入网络，探索出一条可以整合传统品牌间关系研究与社会网络研究的较好途径。另外，本文仅从京东一家网站的用户评价中选取样本，在一定程度上制约了样本来源的全面性。在后续的工作中应基于更大、更全面的数据样本，考虑带权重的有向网络模型进行网络分析，以进一步扩展研究结果。

参考文献：

[1] 王国才，陶鹏德.零售商主导下的制造商竞争与营销渠道联合促销研究[J].管理学报， 2009，6（9）：1231-1235.

[2] Rao， A.R.， Ruekert， R.W. Brand alliances as signals of product quality[J].Sloan Management Review，1994（4）：87-97.

[3] 邵景波，陈珂珂，吴晓静.社会网络效应下顾客资产驱动要素研究[J].中国软科学， 2012（8）：84-97.

[4] Chen， Y， Xie， J. Online consumer review： word-of-mouth as a new element of marketing communication mix[J].Management Science， 2008，54（3）：477-491.

[5] 杨建梅.复杂网络与社会网络研究范式的比较[J].系统工程理论与实践， 2010（11）： 2046-2055.

[6] Helmig， B. J.， Huber， A.， Leeflang， P. Explaining behavioral intentions toward co-branded products[J].Journal of Marketing Management， 2007，23（3/4）：285-304.

[7] 刁力力，王丽坤.计算文本相似度阈值的方法[J].清华大学学报：自然科学版， 2003，43（1）： 108-111.

（责任编辑：厉新）

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。