服裝行業微博病毒營銷的傳播意愿影響因素研究

周 莎，羅戎蕾

(浙江理工大學服裝學院，杭州310018)

微博是對微博客(MicroBlogging)的簡稱，是一個基于用戶關系的信息分享、傳播及獲取平臺，用戶可以通過Web、Wap及客戶端組建個人社區，以140字左右的文字更新信息，并實現及時分享［1］。根據中國互聯網絡信息中心(CNNIC)此前發布的最新數據，截止2012年6月，中國網民數量達5.38億，而微博用戶數已趨近中國網民數，18歲及以上的微博用戶占中國網民總數的九成［2］。微博營銷是隨著微博的火熱衍生出的新興的網絡營銷方式，微博的轉發、評論功能具有病毒式傳播的特點，微博的病毒營銷正是建立在病毒式傳播的基礎上的。病毒式營銷(viral marketing)，是指企業通過網絡傳播的方式在全球網絡社群發動營銷活動，利用口碑傳播成為與消費者交流強有力的營銷方法［3］。微博的病毒營銷通過利用公眾的積極性和人際網絡，讓營銷信息像病毒一樣傳播和擴散，營銷信息被快速復制并傳向數以萬計的受眾，從而使信息的傳播和影響呈指數式爆發［4］。在服裝行業中，病毒式營銷也在營銷策略中有著舉足輕重的作用。優衣庫“LUCKY UNIQLO LINE——優衣庫網上排隊·全國新店之旅”的成功推出［5］，“凡客體”的大肆流行，都是服裝企業利用病毒式營銷的典型案例［6］。然而，國內微博市場畢竟才剛剛起步，眾多服裝企業的微博病毒營銷也還處在摸索階段，了解影響受眾參與微博病毒營銷的主要因素有利于服裝企業進一步明確受眾需求，從而更有針對性地開展服裝企業微博營銷。

本研究結合微博病毒營銷的特點，以問卷調研的形式進行影響服裝企業微博病毒營銷傳播意愿因素的探討和定量分析，為服裝企業開展微博營銷提出可行性的意見和措施，對服裝企業的推廣與發展具有一定的營銷意義。

1 問卷的設計

問卷主要從受眾的角度出發，在技術接受模型(TAM)［7］和創新擴散理論(IDT)［8］的基礎上整合出主要效用的服裝企業微博病毒營銷傳播意愿的模型。模型主要由兩大因素組成，個人內部因素和外部環境因素。個人內部因素從受眾個體創新性、個體感知有用性和個體感知風險三個維度來測量;外部環境因素包括產品因素(微博的信息質量因素)、微博網站因素和服裝企業因素。針對這6個變量，進行問卷項設計，具體指標與參考來源如表1所示。

表1 各影響因素的度量Tab.1 Measurement of various influencing factors

此部分共設定有19個題項，問卷填答采用了Likert五點尺度量表來設置選項，分別為非常不同意、不同意、一般、比較同意、非常同意，在作數據分析時分別賦值 1、2、3、4、5。

另外問卷還包括受訪者基本信息及使用微博的基本情況，包括學歷、受教育程度、使用微博的歷史、是否關注轉發服裝企業官方微博等問項。根據2011年微博用戶使用狀況調查數據顯示，在微博用戶年齡以18～35歲為主，而這個年齡段的年輕人絕大多數創新意識強，容易接受新事物，是企業微博病毒營銷最重要的受眾。因此，本研究以18～35歲的微博用戶作為主要研究對象。

2 問卷發放

由于本研究先建立服裝企業微博病毒營銷傳播的概念模型，再通過問卷的調研和數據分析對模型進行驗證，因此，對樣本量的大小具有一定要求，足夠大的樣本能更準確地驗證模型的可靠性與科學性。過往的研究表明，樣本量與測量題比例在5︰1以上會比較合適，最好能達到10︰1。經預調研問卷的修改與整理，本研究共有29個題項，所以樣本量必須在145份以上。本研究最后得到的有效問卷為346份，達到了10︰1以上，因此樣本大小能滿足研究的要求。

問卷的發放以紙質問卷為主，同時也發放了部分電子版問卷。問卷發放時間從2012年9月7日至9月30日。共發放問卷400份，收回379份，回收率為94.75%，其中有效問卷為346份，問卷的有效率為 91.29%。

通過對問卷數據進行描述性統計分析發現，男女比例為60.12%和39.88%;學歷分布為大學本科60.12%、碩士及以上 27.46%、專科 8.96%、高中/中專及以下3.46%;使用新浪微博和騰訊微博的人數較多，分別為90.17%和29.77%;受訪者中關注了服裝企業相關微博的占了73.41%，說明服裝企業類相關微博在受訪者中比較認可;看到服裝企業微博發布了自己感興趣的微博，很樂意會轉發的受訪者概率僅為35.83%，其余的是不一定轉發和不會轉發的受眾，因此想提高服裝企業微博病毒營銷的效果，必須探索影響它的相關因素。

3 數據處理與樣本特征分析

本研究所涉及到的信效度分析、相關分析、回歸分析都是以SPSS17.0軟件作為分析工具，首先將所有有效的原始數據錄入到SPSS軟件并以相應的文件名存檔。

3.1 問卷信度分析

利用克隆巴赫(R T Cronbach，1951)提出的系數檢驗調查問卷的信度［9］，當Cronbachα系數高于0.9時，認為問卷的信度極佳;當高于0.8時，則認為該因素下的問項信度良好;而介于0.7～0.8時，則認為問卷信度可以接受。從表2可以看出，本研究中變量的Cronbachα系數高于0.7，因此各變量均符合要求。

表2 各變量描述性統計與信度檢驗結果Tab.2 Results of descriptive statistics and reliability test of various variables

3.2 問卷效度分析

效度分析首先用于衡量研究量表是否準確反映研究目的和要求，其次考察變量是否合適進行因子分析，本研究利用Kaiser的KMO度量標準，如果KMO值小于0.5，認為樣本不合適進行因子分析［10］。表3為效度檢驗結果，可以看出KMO值都不小于0.5，且Bartlett球形檢驗顯著概率為0，小于0.01，因子載荷大于0.4認為因子有效。表3測量結果均符合要求，問卷有效性較高。

表3 問卷效度檢驗結果Tab.3 Results of questionnaire validity test

3.3 相關分析

相關分析是指衡量變量之間線性相關程度的強弱，并用適當的統計指標表示出來的這一過程。本研究通過個體創新性、個體感知有用、感知風險、產品因素、網站因素和服裝企業因素這6個維度與分別轉發微博意愿進行相關分析，SPSS分析結果見表4。

表4 各維度與微博轉發意愿的相關分析Tab.4 Correlation analysis on various dimensions and micro-blog forwarding will

從表4可以看出，個體創新性、個體感知有用、感知風險、產品因素、網站因素和服裝企業因素6個維度與轉發微博意愿的相關系數依次為0.643，0.510，－0.481，0.318，0.456，0.838，均為顯著相關。在0.01的置信水平上，其中感知風險與轉發微博意愿呈現負相關關系，其他5各維度均呈正相關關系。同時，服裝企業因素與轉發微博意愿的相關性最強，表明服裝企業開展微博病毒營銷的成果與企業本身有密切關系。

3.4 回歸分析

回歸分析是確定兩種或兩種以上變量間是否具有定量關系的一種分析方法。從相關分析可以說明各因素與轉發服裝企業微博意愿之間是否存在關系及關系的緊密程度，但并不能說明其因果關系，回歸分析則可進一步表示出彼此之間關系的方向。以轉發微博的意愿為因變量，以受眾個體創新、個體感知有用、感知風險、產品因素、網站因素和服裝企業因素為自變量進行多元線性回歸分析，回歸分析的置信度為95%。

F檢驗:當顯著概率Sig.值＜0.05時，說明所檢驗的自變量能夠描述因變量［10］。由表5回歸模型的方差分析結果顯示整體模型是顯著的(F比值=191.615;Sig.=0.000)。因此，由表5和表6所分析的結果可知研究模型在顯著水平=0.05的情況下，能通過顯著性檢驗。

表5 回歸方差分析表(ANOVA)Tab.5 Regression variance analytical statement(ANOVA)

表6 回歸模型綜述Tab.6 Regression model overview

T檢驗:當 n＞5時，若取 a=0.05，則當|t|＞2時，則可以判斷回歸系數不為0，其相對應的變量可以作為解釋變量來描述因變量。結合表7的數據，可以看到在置信度為95%的情況下，在置信度為95%的情況下，常數項、網站因素及感知風險3個變量未通過檢驗，其余各個變量都通過檢驗。因此剔除網站因素這一變量，再進行一次回歸檢驗。

表7 回歸系數與顯著性檢驗Tab.7 Regression coefficient and significance test

根據表8、表9和表10的數據，可以看到在置信度為95%的情況下，常數項、個體創新性、個體感知有用、產品因素和服裝企業因素5個變量都通過檢驗。因此可以得出關于轉發服裝企業微博的回歸模型方程:

表8 回歸方差分析(ANOVA)Tab.8 Regression variance analysis(ANOVA)

表9 回歸模型綜述Tab.9 Regression model overview

轉發服裝企業微博 =0.320×個體創新性 +0.239×個體感知有用+0.368×產品因素+0.522×服裝企業因素－1.114

4 結論

個體創新性、感知有用、產品因素與服裝企業因素對服裝企業微博病毒營銷有顯著的正向影響，感知風險和網站因素沒有進入回歸方程，表明對服裝企業微博病毒營銷沒有顯著影響。服裝企業因素的回歸系數最大，服裝企業自身因素對其開展微博病毒營銷影響最為強烈，說明受眾在轉發服裝企業相關微博時，最為看重的是該企業自身的各方面因素。

表10 回歸系數與顯著性檢驗Tab.10 Regression coefficient and significance test

［1］周蓓婧，侯倫.消費者微博營銷參與意愿影響因素分析［J］.管理學家:學術版，2011(12):22-23.ZHOU Beijing，HOU Lun，An analysis of factors affecting the intention of consumers about micro-blogging marketing［J］.An Academic Edition of Managerialist，2011(12):22-23.

［2］中國互聯網絡信息中心.DCCI:19歲及以上國內網民近9成是微博用戶［EB/OL］.(2012-07-27)［2012-11-26］.http://www.199it.com/archives/59294.html.China Internet network information center.DCCI:90%netizen 19 years old and above are weibo users in China［EB/OL］.(2012-07-27)［2012-11-26］.http://www.199it.com/archives/59294.html.

［3］馮英健.網絡營銷基礎與實踐［M］.北京:清華大學出版社，2004:66.FENG Yingjian.Foundation and Practice of Network Marketing［M］.Beijing:Tsinghua University Press，2004:66.

［4］蔡建梅，盛夢佳，潘力豐.基于Web2.0數字環境的本土服裝品牌發展策略研究［J］.浙江理工大學學報，2011，28(4):647-652.CAI Jianmei，SHENG Mengjia，PAN Lifeng.Analysis on comprehensive marketing strategies of native fashion brands in Web2.0 digital environment［J］.Journal of Zhejiang Sci-Tech University，2011，28(4):647-652.

［5］崔穎.論優衣庫網絡營銷［J］.中國傳媒科技，2012，15(8):5-6.CUI Ying.Talk about the network marketing of Uniqlo［J］.China Media Technology，2012，15(8):5-6.

［6］文鵬.“凡客體”風靡背后的病毒營銷［J］.品牌策略，2010，21(10):45-46.WEN Peng.Viral marketing behind the popular VANCL style［J］.Brand Srategy，2010，21(10):45-46.

［7］DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information ［J］.MIS Quarterly，1989，13(3):319-340.

［8］CHANG M K，CHEUNG W，LAI V S.Literature derived reference models for the adoption of online shopping［J］.Information ＆ Management，2005，42(4):543-559.

［9］PAUL A P.Integrating trust and risk with the technology acceptance model［J］.Information ＆ Management，2003，39(8):705-719.

［10］倪雪梅.精通SPSS統計分析［M］.北京:清華大學出版社，2010:270-271.NI Xuemei.Proficient in SPSS Statistical Analysis［M］.Beijing:Tsinghua University Press，2010:270-271.