本文來源：996論文網

本文是一篇市場營銷論文，本文擬以原創性為分類標準，對比研究在微博營銷對產品銷量的中介模型中，原創型微博和轉發型微博哪一個有更顯著的影響。

1 緒論
1.1 研究背景
1.1.1 微博的蓬勃發展
Web3.0 時代，互聯網最突出的變化是增強了用戶間的互動與分享功能，使用戶連結更加緊密。其中社交媒體因為具有典型的新時代特征，迅速受到大眾追捧。隨著信息化進程的加快，社交媒體遍地開花，不論是從形式上還是用戶數量上來看都呈現井噴式增長。
國際上，91%的線上成年用戶都曾使用社交媒體工具，截至2017年4月，Facebook、Youtube、Twitter是訪問量排名前三的網站，其中Facebook的市場滲透率已達到線上總人數的12%，在北美甚至達到了50%。這些網站的用戶增長也頗為迅速，從2011年第一季度到2012年第一季度，Facebook用戶增長率達到25%，移動端的增長率更是驚人，在2013年達到了67%。
從國內來看，截至2017年6月，我國網民規模達7.51億，占全球網民總人數的五分之一，互聯網普及率為54.3%，超出全球平均水平4.6個百分點。手機網民規模達7.24億，國內互聯網網民數量，特別是手機網民數量一直呈現持續增長狀態。根據全球性社交營銷代理機構we are social的報告，目前中國活躍用戶數量排名前三的社交媒體工具分別是微信、QQ空間和新浪微博。其中，微信以4.68億的月活躍賬戶位居國內社交網絡排名第一，相當于中國總網民人數的62%。IBM預測，在2015年到2018年間，使用社交媒體與客戶互動的企業數量將翻三番。
微博是一種包含文字、圖片、音樂、視頻、文章、網站鏈接等形式的短信息平臺。不同于微信和 QQ 這類側重通訊功能的社交工具，微博具有實時性、開放性、自由性、交互性等特征[4]。任意用戶都能夠實時獲取各類信息，自由表達自己的觀點，并且還能與他人交流討論。它不僅拉近了熟人之間的距離，更是提供了陌生人之間進行交互的空間，在交流自由度方面相比微信、QQ 等即時通訊工具更具優勢。微博不僅有廣大的普通用戶基礎，還有眾多名流、企業、媒體賬號入駐，提供了普通群眾接觸這些群體的機會，同時也使得微博主體相比其他社交網絡更加多元化。正是這些特征使得它廣泛受到用戶的喜愛，目前新浪微博是國內受眾最廣的實時信息分享平臺，其發展速度也異常迅猛。根據新浪微博用戶發展報告，截至 2017 年 3 月，微博注冊用戶人數已超過 5 億，月活躍用戶人數已達到3.4 億人，較上年同期增長 48%，正式超越 Twitter 成為全球最大的獨立社交網站。6 月的日均活躍用戶數達到 1 億，較上年同期增長 30%。
.......................

1.2 研究意義
1.2.1 理論意義
社交媒體的快速發展為企業提供了新的營銷渠道和與消費者互動的平臺。其中新浪微博最為國內社交與媒體功能結合最典型的網絡平臺，正逐漸成為企業進行產品營銷的新渠道。基于微博本身龐大的用戶數量，很容易為企業官方賬號吸引來大量關注者，一個又一個奪人眼球的話題創造出巨大的瀏覽量，其信息傳播能力是驚人的。相比傳統媒體投放的廣告無法獲得受眾的反饋，無論是企業官方微博還是受眾微博，二者的交流對象都是微博用戶，這種機制能將雙方置于更加平等的溝通位置，有利于拉近企業與消費者的距離，不僅能讓企業迅速獲得消費者的反饋，還能在巨大的轉發量中形成一定的影響力。顯而易見，這種新興的營銷方式不僅成本低廉，而且對樹立形象、提高業績有顯著影響。已有的研究已經肯定了微博營銷的商業價值，也證實了微博宣傳對消費者購買行為的影響，但這種傳播方式是如何作用于消費者并最終轉化為購買力的目前還沒有學者深入探究，因此本文旨在厘清這一問題。
在學術方面，本文具有以下理論意義。本文將分三部分逐步深入研究微博營銷對產品銷量的作用機理，首先在第一部分，本文提出企業自有媒體和第三方媒體的概念，并比較二者的異同，進一步細分微博營銷的前因；在第二部分，也就是本文的核心部分，我們擬結合心理學、傳播學、廣告學等多個領域的理論，包括詳盡可能性模型、議程設置理論、培養理論等，在傳統廣告學勸說效應和知曉效應以及心理學詳盡可能性模型的基礎上，引入傳播學的議程設置功能理論和培養理論，為微博營銷影響產品銷量的中介模型提供充足的理論依據，實現多領域理論融合使用以及跨領域應用，拓寬現有理論應用范圍，并建立起營銷學領域的新模型，找到企業自有媒體和第三方媒體影響產品銷量的中介變量，彌補微博營銷研究的空白點與缺陷；第三部分繼續細分微博內容，提出轉發行為的重要性及其在影響產品銷量方面的重要影響，填補關于轉發行為商業價值的研究空白。總體來講，本文在理論融合、理論應用領域拓寬、理論模型建立方面具有一定的作用。
.......................

2 文獻綜述

2.1 概念界定
2.1.1 企業自有媒體與第三方媒體
社交媒體和 Web 2.0 的快速發展為電子商務從產品導向的環境向社交和顧客導向的環境轉變提供無限潛力。目前社交媒體的形式眾多，如何從中做出選擇是企業面臨的第一個難題。Smith & fischer（2012）在從宣傳自我展示、品牌中心性、營銷導向的交流、對微博營銷行為的響應、品牌真實信息和品牌情緒六個維度比較了不同社交媒體平臺上品牌引起用戶生成內容（UGC）的差異后，得出微博是信息傳播效果最好、用戶生成內容中品牌中心性最高的平臺，因此我們選擇微博作為研究對象。微博的出現為大眾提供了自我表達的平臺，在這種環境中，企業擁有建立自有媒體的權利，人人都可以作為傳播媒介進行信息分享，消費者獲得了更多的產品信息與產品體驗，能幫助他們更好的理解自己的網絡消費目的，以及做出更準確更好的購買決策。微博是社交媒體的一種，它擁有典型的社交媒體特征，即向外傳遞信息，如果企業運用得當，會極大的提高用戶的信息接收效率，并且，這種信息傳播達到的對象會呈指數增長。本文將企業員工在微博平臺開設的官方賬號定義為企業自有媒體，包括品牌官方微博、企業領袖微博、代言人微博、產品設計人員微博等。由于產品設計人員屬于幕后人員，其微博受到的關注較少，在宣傳推廣方面效果較小，因此本文主要以前三個微博主體為研究對象。不同于傳統報紙雜志、電視廣播的單向信息輸出模式，基于微博平臺的企業自有媒體有利于企業與消費者進行信息交換與直接互動，能夠及時獲得消費者反饋，提高信息傳播速度。企業自有媒體因其具有成本低效率高的優勢，迅速獲得企業追捧，成為目前頗受歡迎的營銷方式。
........................

2.2 理論綜述
2.2.1 詳盡可能性模型
社會心理學中最早關于改變個體感知和行為的勸說過程的理論是雙加工理論（dual-process theory）。該理論認為外部信息是態度改變和行為結果改變的主要驅動因素，這些信息會給個體帶來新的可能性，促進他們重新審視自己最初的信念和態度，并在潛移默化中影響現在的行為。雙加工理論還認為社會判斷的處理過程不一定總是依賴于需仔細判斷的信息，有時也會基于啟發式線索這種更省力的方式來加工處理進行判斷。這兩種促進態度形成的信息加工方式，即努力成本相對更高的信息處理過程和努力成本相對更低的信息處理過程，共同組成雙加工理論的核心。
在雙加工理論的基礎上，Petty & Cacioppo（1981）提出詳盡可能性模型（Elaboration Likelihood Model，ELM），更加詳細地闡述了信息加工過程。詳盡可能性的程度指個體評價某個觀點的精細程度，而詳盡可能性模型主要闡述的觀點是個體在進行信息加工時有兩條路徑：中心路徑和邊緣路徑。在個體有充足的時間和機會處理接收的信息的前提下，當個體對觀點的參與度較高時且處理觀點信息的能力較強時，其態度由中心路徑說服，而當個體參與度較低且能力較差時，邊緣路徑起勸說作用。在中心路徑的情況下，個體會謹慎仔細的處理接收的信息內容，個體的態度由信息包含的相關問題觀點所決定。如果觀點是正確無誤沒有問題的，那么個體的信念和態度就會順利地被改變。在邊緣路徑下的情況下，個體由于缺乏動機和能力，只能投入有限的認知努力來處理接收的信息，因此，他們是根據簡單的啟發式線索的勸說效應來判斷信息包含觀點的正誤，而非深入的思考。例如，個體對產品的喜好可能僅僅出于他對產品代言人的喜歡。邊緣線索包括有名的代言人，信息源的高專業性，專業的第三方認證等；中心線索包括強調產品的優勢，強調產品與競爭產品的不同等，其主要通過描述產品的屬性和優點，而不是產品使用的感受，來提供有力的觀點佐證。
...........................
3 研究假設
3.1 理論模型的提出

3.2 不同微博主體對產品銷量的影響差異

4 研究設計
4.1 研究方法的選擇
4.1.1 問卷調查法
4.1.2 實驗研究法
.................

5 數據分析與假設檢驗

5.1 數據分析方法
5.1.1 描述統計
描述統計是用數學語言來展示一組樣本或樣本中各個變量相互之間關聯的特點與特征，其目的是對樣本數據進行總結和概括。在實證研究中，收集得到的眾多數據特征通常無法由某一個特定數據來代表，需要用某種方法對所有數據進行整合，得出整體的結論
描述統計就是對眾多數據進行整合展示的方法。通常，一種描述統計方法也很難概括所有數據的整體面貌，因此需要結合多種描述統計方法對數據進行全方位的解釋和描述。 描述統計分為單變量描述統計、雙變量描述統計和多變量描述統計。其中，單變量描述統計又包括集中趨勢分析，例如眾數、中位數、平均數等等；離散趨勢分析，例如極差、四分互差、標準差等等；以及頻數和頻率分布。雙變量描述統計包括關聯表、回歸分析、相關分析等。多變量描述統計包括多變量關聯表、偏相關分析、多元回歸分析、因子分析等。
根據本文數據特征，我們擬采用的描述統計方法包括極大值、極小值、平均數、標準差、相關分析和回歸分析。極大值和極小值是反映樣本數據離散趨勢的統計指標，即一組樣本數據中的最大值和最小值，通過比較極大值與極小值的差值，可以看出樣本數據的取值跨度范圍。平均數是用于反映數據集中趨勢的描述統計指標，由樣本觀測值相加的總和除以觀測值的個數得到。該數值可以通過 SPSS 軟件直接處理得到。標準差是用于反映數據離散趨勢的描述統計指標，通常與平均數配套使用，綜合反映全部樣本數據的特征。標準差由各個樣本值與總體平均值的差值平方后相加，再除以樣本個數，并取以上結果的平方根得到。該數值也可以通過 SPSS 軟件直接處理得到。

5.1.2 線性回歸分析
.....................

6 研究結論與展望

6.1 研究結論與創新點
6.1.1 研究結論

參考文獻（略）