2025年4月18日下午2点，中国营销工程与创新研究中心(以下简称“MEI”)2024-2025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及MEI各位成员。

　　本次 Seminar 由卫广宇研读文章《A Meta-Analysis of the Effects of Brands’Owned Social Media on Social Media Engagement and Sales》。

　　一、研究导入

　　全球社交媒体用户超过2018亿，许多品牌已经建立了活跃的社交媒体形象，能够直接与客户互动。这种由品牌控制的社交媒体通常被称为“自媒体”(Stephen和Galak，2012)。调查表明，91%公司未来三年的社交媒体预算将增加，并且62%的消费者认为，品牌只有拥有强大的社交媒体影响力，才能获得长远成功。虽然品牌自媒体投资增加，但社交媒体的整体回报仍受到质疑(Appel et al.，2020)。

　　提出问题：

　　1.自媒体是否能影响销售，还是只影响社交媒体参与度?

　　2.什么类型的内容对促进社交参与和销售更有效?

　　3.品牌自媒体在不同环境下是否同样有效?

　　二、理论基础

　　1.社交媒体传播效果

　　品牌自媒体可能会在消费者购买漏斗中引起差异化反应，从而对社交媒体参与度和销售额产生不同效果(Akpinar和Berger，2017;Van et al.，2010)。为了衡量消费者对品牌在社交媒体上分享内容的接受程度，管理者往往会跟踪其帖子的参与度。消费者可以通过点赞、收藏、评论或分享等方式进行互动。这些行为被称为社交媒体参与度(Muntinga，Moorman和Smit，2011;Srinivasan，Rutz和Pauwels，2016)，是对品牌内容的理想回应，有助于将内容传播或“串联”到其他消费者。

　　品牌传播的最终目的是提高销售额。大量研究表明，社交媒体对销售有积极影响(Hewett et al.，2016;Mochon et al.，2017)。例如，社交媒体运营能够提高品牌知名度、建立产品认知(Colicev et al.，2018)以及建立客户关系(Kumar et al.，2016)。

　　2.社交媒体内容类型

　　营销传播相关研究通常将传播内容分为信息诉求和情感诉求。信息诉求侧重于产品的功能或用途，而情感诉求则侧重于消费的情感和体验，(Maclnnis，Rao和Weiss，2002;Rossiter，Percy和Bergkvist，2018)。

　　社交媒体信息的功能上，现有研究区分了两种类型的产品信息。第一是产品或服务属性(Eigenraam，Eelen和Verlegh，2021;Meire et al.，2019)，第二是交易和定价(Tellis et al.，2019)。

　　社交媒体信息的享乐内容中，现有研究区分了情感取向和社会取向。一些享乐内容以情感为导向，提供娱乐价值或引发情感反应(Akpinar和Berger，2017;Eigenraam，Eelen和Verlegh，2021)，其他享乐内容具有社会取向，专注于社区建设和对话，也被称为“社交”(De，Gensler和Leeflang，2012;Homburg，Ehm和Artz，2015)。

　　功能内容和享乐内容在实现社交媒体参与度和销售目标的程度上有所不同。对于社交媒体参与度，研究预测享乐内容比功能内容更有效，带有情感信息的享乐内容提供了更多的情感唤醒，促进了信息的分享与传播(Berger和Milkman，2012;Bernritter，Verlegh和Smit，2016)。

　　对于销售，研究预测功能内容比享乐内容更有效，功能内容使有关产品属性的信息更具说服力，有助于消费者做出购买决策(Akpinar和Berger，2017)。

　　3.品牌特征

　　品牌特征通常分为功利型和享乐型(Chen，Lee和Yap，2017)。功利型品牌满足消费者的实际需求(Metha，Zhu和Meyers-Levy，2014)，而享乐型品牌满足了与乐趣、享受等情绪相关的客户需求(Babin，Darden和Griffin，1994)。

　　研究表明，消费者更倾向于在社交媒体上与享乐型品牌互动(Bernritter，Verlegh和Smit，2016)，鉴于此，本研究预计享乐型品牌在社交媒体参与度方面比功利型品牌更有效。

　　品牌拥有的社交媒体有效性受其社群规模影响，具体表现为：

　　社群规模与覆盖范围的权衡：品牌通常倾向于扩大关注者规模以提升信息覆盖(Bolton，1989)。然而，信息有效性存在天花板效应，即关注者数量的增长未必带来社交媒体参与度或销售额的等比例提升。

　　小社群的优势：较小的品牌社群因成员间联系紧密且与品牌关联度高，消费者更易产生高参与行为(Algesheimer等，2005)。这种紧密性增强了用户对品牌内容的认同感。

　　大社群的挑战：随着社群规模扩大，品牌难以精准定位用户需求并维持强连接关系，可能导致参与度和销售转化效率下降(Algesheimer等，2005)。

　　4.行业特征

　　行业提供的产品类型有实体产品和服务。

　　服务类产品的特殊性：服务具有无形性、异质性、难以评估性(Zeithaml, Parasuraman, & Berry, 1985)，消费者对服务信息的依赖度更高。品牌自建社交媒体(如内容发布)在建立服务品牌与消费者的信任关系中起关键作用(De Oliveira Santini et al., 2020;Palmatier et al., 2006)。

　　效果差异：即使内容相似，服务类品牌的社交媒体对消费者参与度和销售额的提升作用更显著(De Oliveira Santini et al., 2020)。

　　产品生命周期：新产品 vs. 成熟产品。新产品的社交媒体优势：新产品的广告弹性显著高于成熟产品(Sethuraman, Tellis, & Briesch, 2011)，因消费者尚未形成固定偏好且信息处理动机更强(Moldovan, Goldenberg, & Chattopadhyay, 2011)。社交媒体通过传递产品功能信息，能快速提升消费者对新产品的关注度与购买意愿(Köhler et al., 2017)。

　　5.平台特征

　　社交媒体渠道与其他渠道的不同之处在于其社群结构和参与者之间的联系。Facebook、Ins等社交网络以用户的社会关系为中心，从而产生信任和个人联系(Buzeta，De和Dens，2020)。新浪微博、Twitter等社交平台以内容为基础，以广泛传播为重点，更受公众关注(Kaplan和Haenlein，2011)。

　　社交媒体渠道之间的差异很可能会转化为自媒体内容对参与度和销售额的不同影响。社交网络上分享的内容，由于社群关系紧密、信任度高，比在微博上分享的内容更有影响力。

　　然而，微博能更广泛地传播内容，在短时间内接触到更多的消费者。这些特点对平台层面的弹性具有相互影响，因此本研究不对这些弹性的差异进行先验预测。

　　6.国家特征

　　6.1社会经济因素

　　移动电话普及率：高普及率提升消费者对品牌内容的可访问性，但对社交参与度有负向影响(因用户更倾向被动浏览而非互动)(Shankar et al., 2016)。对销售额的正向作用显著，因移动端便于即时转化(Kübler et al., 2018)。

　　人均GDP：经济发达地区(高GDP)的社交媒体效果较弱，因市场成熟度高、增长空间有限(Datta et al., 2022)。低GDP国家中，社交媒体对销售额的促进作用更明显(Poushter et al., 2018)。

　　6.2文化维度：权力距离(Power Distance)

　　高权力距离国家：消费者更重视品牌地位与物质象征，品牌自有内容对销售额的提升作用更强(Datta et al., 2022)。但社交参与度较低，因用户更谨慎公开表达观点(Eelen, Özturan, & Verlegh, 2017)。

　　三、研究数据

　　1.数据收集和筛选

　　收集来源：整合86篇研究(2011-2021年)，覆盖31个行业、14个平台、17个国家，包含1,641个弹性系数(95,295,208条观测值)。

　　筛选标准：仅纳入明确分析品牌自有社交媒体对参与度或销售额影响的研究(Moher et al., 2009)。研究报告统计特征，使得可计算弹性(采用Hunter & Schmidt(2004)方法校正测量误差，通过参数估计与描述统计计算弹性(Edeling & Fischer, 2016)。

　　去除弹性系数异常值(均值±3个标准差)(Bijmolt et al., 2005)。

　　筛选方法：对学术数据库中已发表和未发表的文章进行的完整的文献检索;对JM、JMR、Marketing Science和Management Science进行手动逐期审查;应用“滚雪球”的方法，从参考文献列表中找出更多研究;在ELMAR平台上发布了一则公告，以识别有关该主题的未发表作品。

　　2.样本特征

　　时间分布：81%研究发表于2016-2021年，反映社交媒体研究热度上升。

　　行业分布：汽车(9%)、服装(9%)、零售(6%)占比最高，服务类占20%(如银行、旅游)。

　　平台分布：Facebook(60%)、Twitter(17%)、YouTube(6%)为主，微博客占22%。

　　国家分布：北美(44%)、欧洲(17%)、亚洲(14%)，其余为新兴市场(如非洲、中东)。

　　3.变量操作化与编码

　　3.1因变量：

　　参与度：以数量(点赞/评论数)或效价(情感倾向)衡量(Hewett et al., 2016)。

　　销售额：实际销量、品类销量或销售排名(反向编码)(Brynjolfsson et al., 2003)。

　　3.2自变量：

　　品牌自有社交媒体分为功能型(信息/促销)与享乐型(情感/社交)，未明确类型占35%。

　　编码可靠性：编码者间一致性达93%(Geyskens et al., 2009)。

　　四.研究方法

　　1.计算弹性：从主要研究中检索弹性(η)，若没有弹性，则根据弧弹性方程计算。

　　2.Meta分析模型

　　采用两步法Meta分析，首先计算每个因变量的平均自媒体弹性，并分析弹性的分布。其次，使用两层线性Meta分析模型(HiLMA;Bijmolt和Pieters，2001)识别重要的调节因素，弹性(一级)嵌套在论文(二级)中。

　　其中，Yij是第j篇论文的第i个自有社交媒体弹性;α0j是第j篇论文的截距;βm、βb、βk、βp、βc和βs分别是不同信息特征m、品牌特征b、行业特征k、平台特征p、国家特征c和研究特征s的参数估计;eij是与论文j中第i个弹性相关的随机误差，正态分布，均值为0，方差为σ2;g0是总体截距;μj是论文层面的随机效应，正态分布，均值为0，方差为τ。

　　3.研究数据具有层级结构

　　作者收集了86篇研究中的1,641个效应量(elasticities)，这些效应量并不是彼此独立的，因为：

　　·同一篇文章中可能报告多个效应量(如不同平台、内容类型、品牌维度);

　　·这些效应量共享相同的研究设计、样本来源、统计模型等特征;

　　因此，效应量是“嵌套”在研究(paper)之中的。这就构成了一个“效应量嵌套于研究”的两层数据结构。

　　4.使用HiLMA的好处和必要性

　　4.1 控制同一研究中多个效应的相关性

　　如果不考虑效应之间的相关性(即假设它们独立)，会低估标准误、夸大显著性水平，从而得出不可靠的结论。

　　4.2 避免伪精度(false precision)

　　两层模型允许对“研究间变异”(between-study variance)和“研究内变异”(within-study variance)分别建模，更真实地反映不同研究条件下的结果差异。

　　4.3 提升结果的稳健性和解释力

　　·第一层(Level 1)用于分析单个效应量与自变量(如内容类型、品牌类型、平台特征等)之间的关系;

　　·第二层(Level 2)通过引入研究层的随机效应(random intercepts)，控制各研究之间的系统性差异;

　　这种方法比传统的固定效应或简单回归模型更能揭示调节效应和跨研究的一般性结论。

　　五.数据结果

　　1.描述性统计结果

　　基于86篇论文的1,641个弹性数据，自有社交媒体的总体影响是：

　　参与度弹性(η_engagement)= 0.137，销售弹性(η_sales)= 0.353。这些影响显著不同(p < .001)。

　　效应分散：37%的参与度弹性和16%的销售弹性为负值，表明如果内容设计不佳，可能会产生不利结果的风险。

　　参与度与销售：销售的影响更强，这与社交媒体主要推动参与度的观点相矛盾。

　　2.内容特征

　　社交媒体参与度：情感内容最有效。

　　信息性内容(β = -0.248, p < .01, η = .018)、交易性内容(β = -0.254, p < .01, η = .012)和社会性内容(β = -0.154, p < .01, η = .112)的效果不如情感内容。

　　销售：功能性内容效果最好。

　　信息性内容：β = 0.652, p < .05, η = .580

　　社会性内容：β = 0.461, p < .10, η = .338

　　情感内容的表现不如这两种内容。

　　3.品牌特征与行业特征

　　品牌类型：享乐型品牌与实用型品牌之间没有显著差异。

　　品牌社区规模：较小的社区对销售更有效(β = -.067, p < .01; η_high = .268, η_low = .411)。

　　产品与服务：没有观察到显著差异。

　　新产品：销售效果更强(β = .545, p < .01; η = .650)，支持先前关于新产品弹性的研究(Sethuraman et al., 2011)。

　　4.平台特征与国家特征

　　社交网络与微博： 对于参与度而言，微博的效果较差(β = -0.164, p < .05; η = 0.028)。

　　平台广告： 会削弱对销售的影响(β = -0.600, p < .01; η = 0.211)。

　　移动设备渗透率： 对参与度有负面影响(β = -0.014, p < .01);对销售有正面影响(β = 0.054, p < .01)。

　　人均GDP： 出人意料的是，较高的人均GDP导致销售影响降低(β = -0.221, p < .10)。

　　权力距离： 对销售有正面影响(β = 0.024, p < .01; η_high = 0.559)。

　　5.研究特征

　　5.1时间趋势：

　　参与度的影响随时间增加(β = 0.083, p < .05)，但达到一个平台期(β² = -0.039, p < .01)。

　　销售影响随时间减少(β = -0.204, p < .01)，并且呈凹形(β² = -0.034, p < .01)。

　　5.2滞后因变量：参与度增加(β = 0.247, p < .05);销售减少(β = -0.279, p < .10)。

　　5.3内生性控制：结果没有显著变化。

　　5.4操作化：

　　将参与度视为情感价值 → 效果更强(β = 0.494, p < .01; η = 0.600)。

　　社交媒体存在与体量 → 销售弹性下降(β = -0.963, p < .01)。

　　5.5领域差异：

　　信息系统研究报告显示销售效果更强(β = 0.365, p < .10)。

　　六．讨论

　　1.理论贡献：

　　1.1本文提供了对品牌自有社交媒体对社交媒体参与度和销售影响的元分析，提供了对现有文献的综合综合。

　　1.2它澄清了社交媒体参与度与销售之间的关系，有助于理解自有平台上的参与度指标如何影响消费者行为和品牌表现。

　　1.3研究强调了社交媒体作为直接品牌-消费者互动的关键平台的作用及其对品牌忠诚度和客户保留的影响。

　　1.4本文识别了影响自有社交媒体对参与度和销售效果的各种调节因素(例如，品牌类型、消费者特征)。

　　2.管理含义：

　　2.1品牌可以利用这些发现来战略性地分配资源到其自有社交媒体平台，优化参与度努力，最终推动销售。

　　2.2分析表明，社交媒体平台上的内容质量和互动性对于增加参与度至关重要。管理者可以优先考虑那些促进有意义互动的内容策略。

　　2.3鼓励品牌将自有社交媒体不仅视为营销工具，而是作为与客户建立持久关系的重要渠道。

　　2.4对调节因素的洞察表明，品牌可以根据消费者细分来定制其社交媒体策略，以增强参与度和销售结果。

　　3.局限性：

　　3.1普遍适用性： 研究结果可能并不适用于所有行业或领域。

　　3.2因果关系： 研究显示了参与度和销售之间的相关性，但并未建立两者之间的因果关系。

　　3.3情境因素： 研究并未完全探讨平台类型或地理因素如何影响结果。

　　4.未来研究方向：

　　4.1长期影响： 探索社交媒体参与度对品牌忠诚度和销售的持久影响。

　　4.2特定平台研究： 调查不同的社交媒体平台如何影响参与度和销售。

　　4.3消费者行为： 检验被动参与与主动参与在推动品牌成功中的作用。

　　4.4跨文化差异： 研究文化背景如何塑造社交媒体对参与度和销售的效果。

　　至此，本次Seminar文章研读完毕。

　　之后，由黄嘉慧、王紫灵、许乐和陈星宇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/许乐

　　排版 /许乐

　　审核 /左翎