一、引言
截止2013年底，中国手机网民超过5亿，占网民整体比例的81%，我国已进入移动互联网的时代。移动互联网的时代，移动互联网产品数量多、更新快，移动互联网企业竞争异常激烈，如何促进推进移动互联网产品的推广是一个十分有意义的课题。随着经济的飞速发展，顾客越来越多地占据了市场交易中的主动权，大多数顾客会将自己的消费体验同其社会网络中其他顾客进行非正式的沟通，进行口碑传播或推荐，无形中给企业带来了可观的收益。以往对顾客口碑推荐行为影响因素的研究很少有涉及网络特征，针对移动互联网用户群体推荐行为的研究还较少，本文拟通过分析移动互联网群体，研究其用户推荐行为，从而为互联网企业提供营销建议。
二、文献探讨
（一）社会网络相关文献综述
针对社会网络（SocialNetwork）的定义，Bras（s2004）认为社会网络是一系列节点以及节点之间存在的种种关系所组成的集合；刘军（2004）认为社会网络是社会行动者及其间的关系集合，虽然具体的描述不尽相同，但是大多学者在对社会网络定义时会涉及“关系”和“行动者”（或者“节点”）的字眼。
（二）顾客推荐行为相关文献综述
推荐是指介绍好的人或事物希望被任用或接受。顾客的推荐行为对于企业来说具有很大的意义，顾客的推荐行为主要是通过口碑传播来完成的，顾客在进行口碑传播的过程中会伴随着推荐行为。王晶（2012）发现，购买者对产品信息的传播对消费者直接做出购买行为起到了“推波助澜”的作用。Ac尼尔森在2009年对全球50个国家和地区的25000名消费者的在线调查(2009)表明“，最受中国在线消费者信任的广告推荐形式是熟人推荐形式，不同程度的信任熟人推荐这种形式的中国消费者超过九成(91%)”。
（三）社会网络与顾客推荐行为的关系
社会网络与顾客推荐的关系方面，国外已有了一些研究，但多集中于口碑传播与社会网络的关系研究，国内对其研究就更是缺少。KyoichiKjima和HisaoHirata（2005）认为新产品通过口碑在消费者信息网络中传播可以获得更大的宣传效果。SmithTed等学者(2013)认为营销人员应给予激励推动口碑传播，同时，作者指出口碑传播由人们帮助他人的基本需求驱动，人们在口碑传播中分享共同的乐趣。
三、社会网络环境下移动互联网环境及用户特征
移动互联网的发展改变了信息与人的二元结构，从而改变了生产生活方式，而在社会网络环境下，更存在以下特征：1.主动社交媒体搜索。消费者在选择某产品时，往往通过主动社交媒体信息搜索，获得与产品相关的全方位了解。2.社交类软件使用频率。移动互联网时代，用户普遍形成了在微信、微博等社交类软件中主动分享、浏览、评论的习惯。3.跨软件分享便捷易行。软件之间的方便分享使得移动互联网产品的推荐社交化，用户间可快速通过其线上社交网络进行沟通分享。社会网络环境下，移动互联网环境下的用户主要具有如下特征：1.用户主导是核心。移动互联网时代的品牌必须以用户为中心，“消费者即生产者”，品牌传播就是在用户的良好体验和分享中完成的。2.用户群体年轻化。移动互联网时代的消费群体主要是80后、90后，需要企业以娱乐、另类的方式把产品推荐给你的目标用户，其朋友间的分享和推荐，往往更能获得其信服。3.粉丝经济盛行。粉丝经济是以品牌为核心、以口碑为中心的铁杆顾客群体的经济现象，铁杆粉丝在社交媒体、网络论坛和粉丝社交圈内，都发挥着“意见领袖”作用。在社会网络环境下，铁杆品牌粉丝变成了可以创造价值的经济现象。
四、模型的构建及假设提出
（一）假设提出
基于社会网络的分析方法，学术界比较一致的观点是从结构维度和关系维度两个维度进行分析。社会网络的结构维度的属性主要是指网络的整体情况的分析与描述，主要表现为网络中心度，网络凝聚子群，网络规模、网络结构洞、网络密度。郭贝贝（2012年）通过调查研究发现，以上五个维度中，只有网络中心度，网络凝聚子群和网络密度会对顾客的推荐行为产生影响。由此，提出假设：H1：网络中心度正向影响移动互联网用户推荐行为。H2：网络凝聚子群正向影响移动互联网推荐行为。H3：网络密度正向影响移动互联网用户推荐行为。社会网络分析方法的关系维度指人与人之间关系的联结状态，主要包括关系的内容或类型、关系强度、关系持续性、关系方向等属性。处于同一社会网络中成员关系的强与弱会影响其相互之间的推荐行为。由此，提出假设：H4：直销顾客间关系强度正向影响直销顾客推荐行为；H5：网络中心度正向影响直销顾客间关系强度；H6：凝聚子群正向影响直销顾客间关系强度；H7：网络密度正向影响直销顾客间关系强度。
（二）社会网络中移动互联网用户推荐行为影响因素模型构建
基于前文对社会网络结构维度和关系维度的分析及假设，结合众多学者的观点，本文构建了社会网络中移动互联网用户推荐行为影响因素的模型，如图1所示：
五、数据分析与假设检验
根据文献中社会网络顾客推荐行为的因素，结合移动互联网用户自身的特点设计了问卷题目。问卷采用李克特五点量表，共回收139份有效问卷。
（一）问卷的信度与效度
本研究采用SPSS20.0分析，得出本研究所用量表各个变量的Cronbach'sAlpha值，如下表所示。各个变量的Cronbach'sAlpha值皆大于0.7，初步表明本量表的信度较高。接着采用SPSS进行效度分析，做KMO和Bartlett球形检验，结果如下表所示。据此，可以判断此量表的效度良好，可以进行接下来的研究。
（二）假设及模型检验本文使用AMOS17.0软件对模型进行拟合分析，本研究整体模型的各项拟合度指标中，卡方统计值为2.300，达到小于3的理想水平。适配度指数(GFI)、调整后良性适配指数(AGFI)、规准适配指数(NFI)、比较适配指数(CFI)、增值适配指数(IFI)的值分别为0.892、0.884、0.916、0.851、0.842，比较接近于1。绝对拟合指数RMSEA值0.039，低于0.05。统计结果表明，本研究提出的模型与数据拟合较好，各项指标均能较好地满足拟合指数所设定的标准。在拟合过程中，应用最大似然估计方法对其参数估计形成路径图，如图2所示。本研究根据AMOS提供的参数估计值分析各变量间的因果关系，验证各个假设是否成立。判定结果如表3所示。由此得出：假设H1、H2、H3、H4、H6、H7的P检验值均达到小于0.01的显著性水平，因此以上假设成立；H5的P值大于0.05，未达到显著性水平，因此该假设被拒绝。
六、研究结论及营销建议
（一）实证研究结论
1.H1、H2、H3、H4得到验证，说明影响移动互联网用户推荐行为的因素有网络中心度、网络凝聚子群、网络密度和顾客-顾客间关系强度。移动互联网用户推荐行为主要受网络凝聚子群的影响，表明移动互联网用户的推荐更多在自己所处的小群体中开展，同一个小群体中的成员有更多的共同关注点，推荐行为发生更多。网络密度和顾客—顾客间关系对移动互联网用户推荐行为有一定影响，表明移动互联网用户网络密度越高，用户之间关系越紧密，那么用户之间的交流频率会更大，信息流动的速度越大，顾客推荐行为就越容易发生，推荐的效果也更好。此外，网络中心度对移动互联网用户推荐行为影响较小，但仍有较重要的作用。网络中心度越高的网络中“，意见领袖”发挥的作用越大，进而更有机会进行推荐并有更高的推荐可信度及被接纳度。2.H6、H7得到验证，H5被拒绝，表明网络凝聚子群和网络密度在影响移动互联网用户间关系强度，但网络中心度对移动互联网用户间关系强度的影响效果不显著。网络凝聚子群中人员的共性特点决定顾客间关系较其他群体更密切。网络密度越高，顾客之间沟通频率越高，移动互联网用户间关系强度也越高。网络中心度虽体现了移动互联网用户群体中意见领袖对于群体整体的引导作用，但其对移动互联网用户之间信任的程度以及信息交换频率的影响尚不显著。
（二）营销建议
在社会网络的环境下，移动互联网企业应通过对顾客的推荐进行引导，促进更多的移动互联网用户在他们所处的关系圈内对该企业的产品和服务进行推荐。1.用户为主。每位用户都会有自己所处的小群体，无数的小群体就组成了大群体，信息的不断传导和扩散的力量是无穷大的。移动互联网企业更应当重视移动互联网用户群体中的意见领袖，可对意见领袖给予VIP等特别的待遇。2.搭建移动互联网用户沟通平台。通过积极建立该企业自身的线上社交群、线下顾客小组等，形成以使用其产品为共性的移动互联网用户群体。同时，通过开展一系列顾客联谊活动增进顾客间交流、提升顾客间关系紧密度，进而引导和促进顾客间推荐行为的产生。3.用户推荐奖励。在问卷调查中，41.73%的受访者表示愿意向他人推荐好的移动互联网产品，24.46%的受访者非常愿意进行推荐，这说明该方法可行。有的顾客个性上偏于内向，或考虑到推荐过程中可能发生的成本而保持沉默，即便对本企业的产品和服务很满意，也没有出现推荐行为。另外，对进行推荐的顾客进行奖励会给实施推荐的顾客产生激励作用，并刺激其更有效的推荐。4.当然，如果想让移动互联网用户产生源源不断的推荐行为，直销企业做好自己的产品和服务才是最基本的保障。
作者：孙畅
相关专题：案外人执行异议起诉状 臭氧超标
