基于“粉丝经济”的自媒体社群用户消费意愿研究

《基于“粉丝经济”的自媒体社群用户消费意愿研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于“粉丝经济”的自媒体社群用户消费意愿研究内容提要：通过对“粉丝”培养机制及消费意愿的产生做出定量分析，提出影响自媒体社群用户消费意愿的因素包括忠诚度、归属感、转变成本、信息效用、信任度、服务质量、物质激励、社交价值、形象表现、娱乐感等，个人感知、群体意识、利益需求是影响自媒体社群用户消费意愿的综合指标，根据这3个综合指标可将自媒体社群用户分为4类用户。本文针对每类用户特征提出社群“粉丝”的经营建议，以期得出促进用户消费的大体决策方向，旨在为相关在线社群经营决策提供参考。中国2/vie　　关键词：“粉丝经济”；自媒体社群；消费意愿；K-means聚类　

2、　中图分类号：F71355文献标识码：A：1001-148X（2017）03-0008-06　　近年来“粉丝经济”在自媒体领域成为热门，只要是对某一项事物有着相当高的热情并能够为之投入精力的行为就被称为“粉丝行为”，倘若基于兴趣组成的自媒体社群可以将自己的用户发展成为“粉丝”，通过“粉丝”提高社群优势品牌的知名度，扩大社群在虚拟网络中乃至实际社会中的影响力，就可挖掘关注社群的潜在用户，逐步提高活跃用户的社群消费意愿，增加销售产品或服务盈利使社群不断经营下去。本文利用数据挖掘技术分析“粉丝”的转变过程及产生消费意愿的影响因素，以期得出促进用户消费的大体决策

3、方向，为相关在线社群经营决策提供支持。　　一、研究基础与调研设计　　“粉丝”在日常生活中更多地体现为对某种事物的“热爱”与“忠诚”行为，普通自媒体社群用户向“粉丝”的转变及消费意愿的产生更多地依赖于网络的信息传播和社会心理。由于个人的行为意图是行为态度和主观规范共同作用的结果，消费者行为意愿受到个人态度、感知行为控制和主观规范的影响，其中感知行为控制是个体对自我行为的控制能力，虚拟社群中体现为转换社群的成本，行为控制能力越强，掌握资源越多，转换社群成本越高。因此，本文从个体态度和行为控制方面对消费意愿影响因素进行探讨，其中个人态度包含忠诚度、归属感、信息

4、效用、信任度、服务质量、娱乐感。个人的积极性与其归属感和忠诚度有关，用户对虚拟社群的归属感越高、越忠诚，则愿意为虚拟社群付出的精力就会越多，接受虚拟社群推送的意愿就越强，消费意愿就会越高。个人对信息的有用、易用感知以及对信息安全性感受也会直接与用户持续使用社群并产生消费意愿有关系。假如用户认为社群推送的信息是无效的，并且在信息共享与传播过程中认为存在个人信息泄露的风险，那么用户在虚拟社群中产生购买意愿的可能性将会降低；相反，如果信息是有效的，在日常生活中可娱乐用户，且能够保证信息安全，则用户在虚拟社群中产生购买意愿的可能将会提高。　　（一）模型构建　　根

5、据文献得到多个变量后，通过主成分分析方法等数据挖掘技术将这些变量降维，尽量整理成少数的综合性影响因素，再根据多元线性回归理论将这些综合性影响因素整理成线性函数，以便��K-means聚类分析提供基础。　　1.主成分分析。主成分分析是降维及解释变量的过程[1]，即主成分分析是用k个最能代表数据变量信息的n维正交向量表示由p个属性或维描述的元组或数据向量的过程，其中k≤n，即主成分分析的线性变化[2]如（1）式：　　采用新变量P1来代替原来的p个变量X11、X12…X1P，P1为第一主成分，包含尽可能多的变量信息，其方差为λ1，并且λ1λ2λ3…λP，如果第

6、一主成分不足以解释大多数的变量，则引入第二主成分P2。若第二主成分还是不能更好地解释绝大多数变量，则引入第三主成分P3。如此类推直至大多数变量信息能过被解释为止。PP通常使用协方差矩阵∑或相关矩阵R来判断，其解释方差累计贡献率如（2）式，其中λ为∑或R的特征值，p为主成分数，i为全部主成分数。　　方差累计贡献率=∑mP=1λP/∑ni=1λi（2）　　2.聚类分析。K-means聚类算法以自己设定的簇数为基准来划分，并确保簇内相似度较高、簇间相似度较低，簇的相似度用簇中对象的均值来衡量，步骤为：首先，决定簇数k和初始凝聚点，根据每个对象到初始凝聚点的距离

7、确定初始簇。计算每个初始簇的均值，根据每个对象到均值的最短距离进行分配，形成新的簇，不断重复这个过程，直至簇不变为止。其次，簇要满足误差平方和E最小的条件，E可由（3）式算得，其中p为空间中的点，Ci为第i个簇，ci为Ci簇的形心。　　（二）调查方案　　为了调查基于“粉丝经济”的自媒体社群用户消费意愿，本文在中国最大的在线调查平台问卷星上发布问卷，邀请关注自媒体社群的用户参与回答，这里的自媒体社群包括基于各种兴趣爱好而建立的微博、微信群、QQ群、博客、论坛等。问卷包括基本信息和主要调查信息，其中基本信息包括性别、年龄段、学历、家庭月收入、每周平均上网时间

8、、成为每个自媒体社群成员时间、每周平均访问自媒体次数、访问时平均滞留时间，样本描