2023年4月26日下午2点，中国营销工程与创新研究中心(以下简称“MEI”)2023-2024年第二学期第9次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师、朱华伟老师及MEI各位成员。

　　本次Seminar由谢晓东研读文章《Revenue Generation Through Influencer Marketing》。

　　一、研究概述

　　直接面向消费者的公司越来越相信网红营销是播种的有效选择。然而，对于直接面向消费者的公司来说，目前与管理相关的问题，即：针对低关注度还是高关注度的影响者以产生即时收入仍未解决。在本文，作者通过首次考虑整个影响者营销漏斗来回答这个问题，即从用户生成的内容网络(例如Instagram)上的追随者，到接触的追随者，到参与度，再到实际收入，同时考虑付费代言的成本。作者发现，在三个绩效(投资回报率)指标上，低关注度影响者的表现优于高关注度影响者。中介分析表明，参与度可以解释影响者的追随者水平与投资回报率之间的负相关关系。这与社会资本理论的基本原理一致，即随着影响者的追随者水平越高，影响者与其追随者之间的参与度就会降低。这两项发现来自1,881,533次购买的二次销售数据，以及三项全面的实地研究的结果，其中有数百名付费影响者的背书，检验了结果的稳健性。

　　二、理论背景

　　1.研究现状与问题提出

　　尽管收入是影响者营销中预算分配的最重要目标( Brown 2023 )，但目前研究集中于其他结果变量(如内容消费、内容互动、内容转发和后续跟踪等)。这些结果变量虽然重要且值得考虑，但并不是实践者尤其是DTC企业关注的主要重点。在实际分析中，另一个重要但被遗漏的变量是成本，现有的文献忽略了成本方面的内容研究，公开发表的文献也较少，但忽视了成本就不能对影响者背书(Batra and Keller 2016)进行有效的评估。

　　本文试图填补这一研究空白，并将收入作为影响者营销研究的关键结果变量，探讨影响者背书在驱动DTC公司财务回报方面的有效性。

　　2.理论基础

　　社会资本理论为参与制定了社会网络中的承诺和互惠的概念。根据在线信息共享行为的整合框架(Wasko and Faraj 2005)，这两者构成了关系资本的两大支柱。

　　承诺与未来互动的参与密切相关，起源于频繁的交流;它指的是一个人对特定个体的心理依恋和忠诚( Coleman 1988 )。对影响者的高水平承诺意味着一个追随者会积极参与影响者的帖子，分享它们，并以评论的形式提供反馈。追随者的高水平承诺意味着追随者积极地参与影响者的帖子，分享他们的帖子，并以评论的形式提供反馈。

　　互惠与联结强度(Aral and Walker 2014)的概念相联系。互惠体现了一种共同的义务感，导致人们通常会回报为他们所做的行为，这反过来又促进了持续的支持性互动，参与度也取决于追随者的数量，随着粉丝数的增加，影响者积累并需要维持新的追随者，这削弱了整体关系强度。

　　根据这些思路，本文使用( 1 )追随者参与行为和( 2 )影响者参与行为来操作测量承诺和互惠- -这两种互动参与的概念，这两个概念都被认为与影响者追随水平负相关。

　　结果发现，在3个表现(投资回报率)指标上，低粉丝数的影响者比高粉丝数的影响者表现出优势。中介效应分析表明，参与度可以解释影响者追随水平(粉丝数 )与投资收益之间的负相关关系。

　　三、实证过程

　　1. 实证分析

　　欧洲领先的DTC时尚公司之一为我们提供了一个数据集，该数据集包括2018年至2021年期间创建的2808个特定于影响者的折扣代码。这些代码由1698名影响者通过代言帖子向他们的追随者发布，包括1881533个销售产品(总收入超过1700万)。我们对这些公司的高级影响者营销经理进行了一项调查以发现最重要的ROI指标，包括：(1)每个追随者的收入，(2)每个覆盖范围的收入，以及(3)ROIS。我们使用这些指标作为主要因变量。我们还将影响者进行了分类：纳米影响者是底部的25%，宏观影响者是前25%，微观影响者占中间的50%。在漏斗比较中，我们证明了纳米影响者相对低成本的无模型证据。

　　表2提供了所有1,698名影响者的描述性统计数据，以及每种影响者类型的平均值，包括纳米、微型和宏观影响者。

　　为了研究拥有低水平追随者的影响者优越性能背后的机制，我们进行了平行中介分析：追随者参与和影响者参与。

　　结果如下图，总效应为−0.453(p<.01)。这一发现与三种影响者类型的单调下降模式一致(见表2)，从0.265(纳米影响者)到0.080(微型影响者)到0.049(宏观影响者)。包括所有控制变量后，先前显著的负总效应接近零：直接效应为−0.297(p<.01)。且平行中介分析显示，追随者数量对每个追随者收入的影响是由追随者参与度和影响者参与度部分中介的，因为追随者数量对每个追随者收入的直接影响接近于零，但保持显著。

　　当用其他两个ROI指标，即每个跟随者的收入(见表3，模型2)和ROIS(见表3，模型3)替代时，中介效应变得更强，这进一步证明了研究结果的稳健性。

　　从实证调查中我们发现：首先，低追随者目标在数量级上优于高追随者目标。其次，平行中介分析显示，参与度可以解释追随者数量和三个相关ROI指标之间的负相关关系。

　　2. 关于参与度的额外证据：文本分析

　　对于赞助发布前的所有五个网红帖子，我们分析了追随者评论和影响者回复。由于我们期望较低的参与度，我们也期望追随者评论更短，影响者回答更短(即较低的字数)，以及较低的信息丰富度(即每句话的单词更少)。同样，随着追随者数量越高，参与度越低，我们期望这样的影响者对LIWC的“情绪语气”“真实性”“个人代词”“社会过程”(即社会行为和社会参照)“情感”“积极情绪”“隶属关系”和“网络语言”(即会话语言)的词汇类别的价值有所下降。

　　我们通过对聚合的五个帖子进行回归，评估影响者的追随者数量与相应的 LIWC 类别之间的这种期望是否成立(对于每个帖子，我们计算了相应 LIWC 类别的中位数)，同时包括所有影响者和追随者相关的控制变量(见表 2)：

　　根据我们中介分析的主要中介因素，即追随者参与度，与较高的追随者水平相比，追随者水平较低的追随者在他们的评论行为中表现出更多真实和积极语言的迹象。LIWC的“字数”、“每句字数”、“人称代词”和“社会过程”类别也指向同一方向。这提供了额外的证据，表明低追随者网红与其追随者的个人关系中存在更高的参与度和社交互动。

　　每个人都有自己独特的语言风格，这不是指我们说话的内容，而是指我们如何说的。为了评估LSM(语言风格匹配)的程度，我们基于完善的LSM，分析了追随者评论和影响者回复之间的相似性。例如，对于介词的函数词类别，我们计算每个影响者i：

　　然后，我们对8个功能词类别进行平均，从而为每个影响者创建一个LSM的复合度量：

　　正如我们所期望的，追随者和追随者水平较低的影响者之间有更大的亲密性和凝聚力。此外，纳米、微观和宏观影响者的 LSM 指标分别为0.886、0.868 和 0.855。纳米影响者表现出明显高于微影响者(p = .023)和宏观影响者(p < .01)的LSM。 虽LSM的水平与所有的因变量呈正相关，却不显著(corr = .03;p > .1)，这可能是由于在Instagram上的评论通常很短，LSM很难始终检测相似性。

　　3. 低追随者与高追随者的目标：三个实地研究

　　我们总共进行了三项实地研究，其中的设置在产品领域、品牌、内容创建的自由度、跟踪水平、支付和销售归属等方面各不相同。在第一项研究中，除了追随者数量，其他保持不变。在第二项研究中，允许内容创作一些自由，使其更加现实。在第三项研究中，允许内容创造的完全自由。

　　单尾Welch不等方差t检验为所有三个实地研究提供了小于 0.001 的 p 值，因此所有三个实地研究的差异都非常显著。

　　四、研究结论

　　低关注度影响者的表现优于高关注度影响者，参与度可以解释影响者的追随者水平与投资回报率之间的负相关关系。如果公司的目标是微观追随者或纳米影响者，那么它们可以达到最高的投资回报率。在经验和现场证据中，这种纳米影响者的投资回报率明显优于宏观影响者。

　　至此，本次Seminar文章研读完毕。

　　之后，由王汐文、王玥、黄嘉慧、许乐分享了最近的研究进展。针对研究中的问题，老师与同学们提出了一些建议，并且明确了进一步的研究计划。

　　至此，本学期第9次Seminar圆满结束。

　　文字/王紫灵

　　排版/王紫灵

　　审核/林曼菁