文档介绍：从MGC到UGC
——内容在企业微博转发中的作用
PPT模板下载:an/ 行业PPT模板:gye/
节日PPT模板:ri/ PPT素材下载:ai/
PPT背景图片:jing/ PPT图表下载:iao/
优秀PPT下载:zai/ PPT教程: erpoint/
Word教程: d/ Excel教程:el/
资料下载:iao/ PPT课件下载:ian/
范文下载:wen/ 试卷下载:ti/
教案下载:oan/
概述
研究目的:研究了从MGC到UGC的过程中内容对企业微博转发数量的影响。
(MGC:Marketer Generated Content,营销者产生内容;UGC:User Generated Content,用户产生内容)
研究方法:基于病毒式营销、品牌社区理论和推荐奖励计划,运用内容分析方法和负二项回归模型进行建模分析。
概述
病毒式营销:一种个人对个人的传播机制,鼓励消费者在其社会网络中传播营销信息,从而是信息像计算机病毒或传染病一样快速传播。
品牌社区理论:社区成员围绕品牌的交流和讨论能够建立起统一的社区认同和社区承诺,并提升社区的参与行为。
推荐奖励计划:一种由企业发起和控制的口碑营销活动,通过对消费者的推荐行为进行物质奖励,来鼓励消费者发布积极的口碑,以实现企业的营销目的。
研究假设
H1:企业微博内容对企业微博转发数量有显著影响
H2:品牌对企业微博转发数量存在显著影响
H3:推荐奖励计划对企业微博转发数量存在显著影响
样本与数据收集
数据收集时间:2013年3月25日-29日
收集对象:1003个企业微博
收集内容:企业微博账号每天所发布的所有微博内容及其转发数量
对收集到的数据进行清洗,删除了重复、内容不完整等无效数据,最终数据量为663家企业的6524条企业微博。
内容分析
使用内容分析法对6524条企业微博进行数据处理。首先对数据进行类目分类:
接着对企业微博样本进行编码。
研究模型
使用负二项回归模型来检验企业微博内容对转发数量的影响:
研究结果
研究结果
企业微博内容对企业微博的转发数量存在显著性影响(p<),假设H1得到验证。话题、提及、。
研究结果
进一步用负二项回归模型分析不同内容分类对转发数量的影响。