互联网行动大数据应用于品牌丈量的探究_数据采集_咨询调查公司

2018-11-10 23:01:07 盈海咨询 16


    择要 互联网转变了消费者与品牌的沟通体式格局,大数据手艺的生长,使得这些沟通行为可以被丈量。在互联网上,消费者与品牌的打仗体式格局有很多种,但这类大数据与传统的品牌症结目标关联度怎样,哪些目标更有用,这是大数据应用于品牌丈量范畴的症结题目。本研讨基于大数据网络了近200个品牌的30多种消费者网络行为大数据,而且与对应的200个品牌的基于线下观察的品牌生长数据库举行比较。研讨发明:消费者行为大数据可以分为四大类联络行为:内容、需求、行为与互动,并可以汇总为一致的联络指数。品类生长不平衡,各品类的联络指数差别较大。应用统计要领在消弭品类差别后,互联网行为大数据的品牌目标与传统观察目标显著相干。这个研讨提醒我们,大数据目标确切可以丈量品牌的表现,因为大数据越发敏捷、细节和正确,可以协助营销完成基于数据驱动的刷新。
    症结词 品牌联络资产,互联网行为,多层次线性模子,大数据,品牌丈量
    1.序言
    我们在互联网上阅读信息,搜刮内容,购置产物,分享看法……互联网的生长,转变了我们的生涯体式格局。
    互联网也转变了消费者与品牌的沟通体式格局。消费者购置一个品牌,不再依赖于头脑中的封闭式的大批品牌的遴选,而是转化为开放性的、依托更多信息的品牌评价 。这也让我们从新思索,在数字时期,品牌应当怎样治理 。Chen 和Muller 的研讨表明,网站对企业的品牌治理有偏重要的作用,它是加强品牌属性(brand attribute)的重要东西。在2002年,Page & Lepkowska-White 初次提出网站品牌资产的观点,以传统的要领构建了以网站熟悉和网站抽象为中间的网络品牌资产的理论框架,协助企业经由过程加强网站的治理进而加强品牌的治理。但David Edelman1 以为,在数字时期用传统的目标、体式格局来治理品牌是不合时宜的,大部份企业在互联网上对品牌的消费用错了处所。
    大数据的应用,给互联网上品牌的治理带来了新契机。但是当前,经由过程大数据处置最多的是关于交际媒体在大数据范畴的研讨。一些学者发明,交际媒体的应用可以增添品牌的销量 ,但是,这些研讨重要集中于特定的行业中,并不能普遍适用于一切品牌。虽然在数字化革新中,数字化触点的治理将是企业致胜的宝贝 。可实际上,在数字时期,企业对怎样周全的治理品牌,且消费者与品牌是怎样互相影响和作用的,都缺乏清楚的相识和熟悉,也缺乏轻便有用的要领。
    2.研讨假定:
    本研讨将偏重探究在数字时期,应用互联网行为大数据对品牌举行丈量的要领,且以期此要领可以普遍应用于各行业中。
    越来越多的企业已意想到互联网对品牌的转变,也在勤奋寻觅一些目标以丈量品牌在互联网上的近况,如运用官网接见量、百度指数、微博、电商等目标数据。但是,这些目标多而复杂,更重要的是,它们显现的仅仅是品牌在市场表现的一个个自力的点,没法体系地显现出品牌全貌。因而,在此基础上提出假定1:互联网行为大数据可以举行分类,并可以提炼出综合目标丈量品牌的团体表现。
    互联网已成为消费者与品牌发生关联的重要渠道,且差别品类和品牌对互联网的运用体式格局差别。如网上银行是网购过程当中必不可少的付出环节;消费者习惯于在超市里遴选饮料,立即饮用;消费者在互联网上检察汽车的信息,分享履历,但倾向于在4S店里举行购置。基于此,本文提出假定2:差别品类在互联网上的生长阶段差别,且品类间的品牌表现具有显著性差别。
    品牌在互联网上的表现仅仅是品牌在市场中表现的一部份,品牌在线上的表现是不是也是其在实际天下的反应,是企业异常关注的题目。基于此,本文将以传统的观察数据作为效标,考证互联网品牌大数据的实际意义。因而,提出假定3:互联网行为大数据的品牌目标与传统观察目标品牌力显著相干。 
    但是,不管在线下照样在线上,消费者的行为习惯会因品类存在较大差别。比方我们能够每隔一个月须要购置护发用品,而替换一部手机却要一年之久,因而,行业的差别是大数据目标实际意义考证中须要关注的要素。基于此,提出假定4:品牌所属的品类,会显著性影响品牌在互联网上的表现与品牌力的关联。
    3.数据网络与剖析
    3.1 大数据的网络
    本研讨所采纳的互联网行为大数据,掩盖凌驾中国1亿网民用户。同时为保证研讨的普遍性和适用性,在研讨中,本文将触及与消费者一样平常生涯息息相干的20个品类,如打扮、汽车、手机、快餐、护发等,包括两百余个国内外品牌。
    个中,这些数字触点由两类数据组成。一种是基于消费者在一系列相干网站或页面的阅读数目。将每一个网站或页面的URL作为统计根据,计算在肯定时候范围内,每一个URL的阅读次数之和。另一种是基于消费者和品牌在互联网上宣布或转发文章数目标统计。在肯定的时候范围内,只需全文中包括特定症结词,则记为一篇。这些数据基础掩盖了消费者与品牌发生关联的各触点以及触及体式格局。
    为便于统计整顿,将这些触点根据消费者的决议计划途径划分为四个大维度:内容联络,需求联络,行为联络和互动联络,如表1所示。个中,内容联络为消费者对品牌官网、官方论坛等品牌相干内容的接见;需求联络为消费者主动搜刮品牌;行为联络为消费者在电商搜刮或许阅读品牌电商页;互动联络为消费者在交际媒体等互动平台上宣布品牌的相干内容。
    市场研究_市场调查公司_调研公司——盈海咨询
    3.2 线下品牌数据源
    本文将环球着名流传效劳团体WPP旗下市场调研机构华透明略 (MillwardBrown)推出的BrandZ? 数据作校验,其每一年推出的“最具代价品牌排行榜”在环球范围内具有普遍的影响。BrandZ?是经由过程传统市场调研中抽样接见的要领,接见数百万的消费者获得的品牌资产数据。本文所援用的数据是2015年环球品牌资产榜中品牌在中国的数据。
    个中,品牌力是品牌资产重要的组成部份 ,具有强劲品牌力的品牌,在市场上可以敏捷生长,从而把品牌资产与品牌生长计谋相联络起来 。别的,从BrandZ? 数据中很轻易的剖析出,品牌力与品牌排名具有较高的相干性(0.62)。因而,在后文的剖析中,拔取品牌力作为权衡品牌线下表现的目标,探究互联网上品牌表现的目标与品牌力的关联。
    3.3 剖析要领
    在前期的数据预备中,将互联网行为大数据所触及的品类和品牌与BrandZ? 一一对应,剔除缺失值。终究,可用于研讨的品类有15个,分别为:衣饰类、银行类、啤酒类、汽车类、奶制品类、家电类、护肤品类、快餐类、食品类、护发类、医药类、婴儿食品类、保险类、手机类、软饮料类、以及活动品类,涵盖缭绕消费者生涯的品牌109个。
    本文研讨过程当中,将根据以下要领对假定举行考证。
    第一步:主身分剖析
    与传统观察要领中品牌影响力的目标一样,品牌大数据目标并不能简朴地由各级目标加总而成,须要斟酌各目标间的差别及互相作用,本文将采纳主身分法肯定品牌大数据目标各二级目标系数。在这一阶段,运用互联网行为大数据中网络到的192个品牌,凌驾1,000,000触点的数据。
    第二步:单要素方差剖析
    品牌所处的行业和品类的特征会使得品牌在互联网上的生长显现差别性,进而影响品牌在互联网上的表现,因而,本文将经由过程单要素方差剖析的要领来举行考证。在这一阶段,本文将采纳上一步剖析中,经由过程192个品牌总结出的品牌大数据目标。
    第三步:HLM多层线性模子
    斟酌到品牌嵌套于差别的品类和行业中,而这类嵌套关联的存在,难以满足品牌间随机偏差自力性的假定前提,因而,传统的回归剖析没法应用于此研讨中。而传统的市场研讨中,平常也只范围于同品类品牌的比较,没法找到适宜的要领来处理这一题目。因而,本文将借用社会学研讨的要领,采纳多层线性模子(HLM)来研讨影响品牌大数据目标与品牌力的关联。HLM的上风在于充分斟酌了数据分层的特性,经由过程竖立多层回归方程组,将总偏差剖析为各层次的偏差,处理了随机偏差自力性假定违背的题目 (刘红云,孟庆茂,2002),以议论差别层面自变量对因变量的影响。在这一阶段,将运用经由比对整顿的15个品类,109个品牌的大数据信息。
    4. 剖析效果
    4.1 互联网的差别联络之间高度相干
    在研讨中发明,处于差别联络频次的品类的重要联络点有所差别,如图1。高频品类对官方资本的控制力较强,擅长应用官网、官方论坛、官方商城等与消费者联络。百科类网站对中低频品类有偏重要的作用,是与消费者沟通的重要渠道之一。因而,经由过程相识品类在互联网上的生长状况,可以明白品牌自身的优劣势,采用差别化战略。
    市场研究_市场调查公司_调研公司——盈海咨询
    同时,在剖析中,我们也看到,品牌的各个目标并非自力存在的,他们互相影响作用,组成了品牌在互联网上生计的生态圈。因而,须要找到一个指数,用于丈量品牌在互联网上的团体表现。本文采纳主身分法,得出以下剖析效果:
    市场研究_市场调查公司_调研公司——盈海咨询
    KMO值大于0.7,显著性为P=0.000,且提炼出的一个因子对目标都的诠释率到达63%,申明可以经由过程主身分法建立目标系数。因而,互联网行为大数据可以举行分类,并可以提炼出一个综合目标,用于丈量品牌经由过程各个触点与消费者之间的关联,假定1证明建立。因为品牌与消费者关联的实质在于联络,在后面的研讨中,我们将这一目标定义为“品牌联络资产(BrandCQ, Brand Connection Quotient)”,示意每万人每周消费者与品牌的联络指数。下图为品牌联络资产指数与各目标的关联,品牌加强各触点与消费者的联络,有助于进步品牌在互联网上的表现,即增添品牌联络资产。
    市场研究_市场调查公司_调研公司——盈海咨询
    4.2 互联网的数字联络品类间差别很大
    虽然在互联网上,各品牌与消费者关联的实质都是联络,都可以用一致的目标举行丈量,但因为品类的物理特征,功用特征等差别,各品类对互联网的应用体式格局和程度差别,其所属品牌在互联网上的表现也会差别。本文经由过程单要素方差磨练,也证明了这一点,如表3:
    市场研究_市场调查公司_调研公司——盈海咨询
    单要素方差磨练的效果显现,品类间存在着显著性差别(P=0.000),这申明,假定2建立,差别品类在互联网上的生长阶段差别,且品类间的品牌表现具有显著性差别。
    在进一步的剖析中,我们可以看到(如图3),银行、手机、汽车等与人们天天生涯都密不可分的品类的数字化程度越高,消费者与这些品类每月的联络占到一切联络的95%摆布;而脸部护理,婴儿纸尿裤,奶制品,计生用品等品类处于中等数字化程度,每月消费者与这些品类的联络占到一切联络的4%摆布;而婴儿奶粉、软饮料等品类,在互联网上的数字化程度较低,消费者与这些品类的联络唯一1%摆布。可见,消费者与品牌的亲密关联直接表现在联络上。
    单要素方差磨练的效果显现,品类间存在着显著性差别(P=0.000),这申明,假定2建立,差别品类在互联网上的生长阶段差别,且品类间的品牌表现具有显著性差别。
    在进一步的剖析中,我们可以看到(如图3),银行、手机、汽车等与人们天天生涯都密不可分的品类的数字化程度越高,消费者与这些品类每月的联络占到一切联络的95%摆布;而脸部护理,婴儿纸尿裤,奶制品,计生用品等品类处于中等数字化程度,每月消费者与这些品类的联络占到一切联络的4%摆布;而婴儿奶粉、软饮料等品类,在互联网上的数字化程度较低,消费者与这些品类的联络唯一1%摆布。可见,消费者与品牌的亲密关联直接表现在联络上。
    市场研究_市场调查公司_调研公司——盈海咨询
    4.3 行为大数据与观察所得数据高度相干
    前面的研讨已证明,品牌联络资产指数越高,品牌与消费者在互联网上的关联越严密。但是,线上和线下都是品牌表现的重要组成部份,考证品牌联络资产对品牌线下表现的影响是异常必要的。
    对此,本研讨采纳多层次线性模子,品牌是第一层数据,品牌嵌套在品类中,形貌各品类在互联网上的表现,即品类的联络资产是第二层数据。在剖析中,起首看0模子:
    层1:品牌联络资产 = B0 + R
    层2:B0 = G00 + U0
    市场研究_市场调查公司_调研公司——盈海咨询
    由表4可见,0模子的卡方磨练效果显著(P= 0.000),差别品牌的品牌联络资产存在显著差别,且对品牌联络资产而言,其跨级相干为:319125/(319125+354100)=47.4%,即品类之间的差别诠释了品牌在互联网上表现的47.4%。显著,如以上结论,品类之间存在差别。到场品牌力这一变量,输出效果以下:
    市场研究_市场调查公司_调研公司——盈海咨询
    由牢固部份的参数可见,品牌力与品牌联络资产显现显著上升的趋向(回归系数3.00,p值<0.05),即品牌力越强的品牌,其品牌联络资产也越高,因而,假定3建立,品牌在互联网上的表现目标——品牌联络资产对品牌力具有显著性影响。但从随机部份的参数估计效果可以看出,品牌个别之间存在显著性差别,因而到场品类品牌联络资产这一变量,获得完全模子,输出效果以下:
    层1:品牌联络资产 = B0 + B1*(品牌力) + R
    层2:B0 = G00 + G01*(品类联络资产) + U0
    B1 = G10
    市场研究_市场调查公司_调研公司——盈海咨询
    如以上效果,交互作用显著,品类作为第二层变量,对品牌联络资产和品牌力有显著性影响(P=0.000),同时,作为第二层的品类很好的诠释了品牌间的差别(P>.5)。这申明在互联网上生长较成熟的品类,其所属的品牌在互联网上的品牌联络资产与品牌力的互相作用就越显著。假定4建立,品牌所属的品类,会对品牌联络资产与品牌牌力的关联发生显著性影响。
    5. 议论
    5.1 须要用周全的联络行为作为互联网时期品牌治理的东西
    品牌已存在于消费者大脑和互联网外脑。在数字时期,品牌不仅存在于消费者的头脑中,还存在于互联网这个大空间中,互联网上的各种信息已成为我们可以恣意读取、存储、反复应用的低价的电子影象形状(E-Memory) 。消费者与品牌在互联网上的联络行为纷繁复杂,多种多样。
    从文中剖析可知,单一的搜刮或许交际数据只是品牌表现的一部份。品牌在互联网上与消费者联络的各触点并非伶仃存在的,它们对品牌有差别的作用,且触点间互相影响,配合形成了品牌在互联网上的数字化状况。因而,企业须要一个综合周全的数据目标对品牌举行丈量。
    品牌联络资产的提出,恰是基于对品牌各触点的整合,让企业不仅可以直观相识品牌的团体表现,还可以结构化地对品牌表现举行剖析,有目标对品牌举行治理,以确保品牌在互联网上周全、平衡、健康生长。
    5.2品牌联络资产为品牌的数字化治理供应了新要领
    大数据手艺的应用,使得消费者与品牌各触点的联络可以被追踪和纪录,并终究转化为数字,让品牌可以被丈量。品牌的数字化丈量要领相对传统的品牌观察,有诸多上风。
    一、速度快。品牌联络资产根据一致标准,及时网络消费者行为大数据,可以程序化的应用于品牌监测中,使之可以敏捷、动态地反应品牌在市场中的表现,加速品牌治理的迭代更新。
    二、数据客观。与传统的特定情境下的接见式观察差别,品牌联络资产作为一个观察者,实在纪录消费者与品牌在互联网上的每一次打仗,剔除工资滋扰及要领上的体系偏差,保证丈量效果客观正确。
    三、效果邃密。相较于大略的抽样接见,品牌联络资产可以掩盖全国一切省市和各级别市场,洞察一切网民与品牌的各个触点,周全而平面地丈量品牌在市场中的表现。
    5.3 数字化生长阶段差别的品类应采纳差别的品牌数字化战略
    数字化程度较低的品类应加强品牌与消费者在官方类网站上的联络。由前文剖析可知,数字化生长程度较高的品类在官方渠道,如内容联络中的官网、官方论坛,行为联络中的官方商城等,与消费者的联络量显著高于低品类的品牌。这申明消费者更倾向于从官方渠道上相识品牌和产物,并举行购置,这也申明品牌的官方类网站更易于与消费者竖立联络。因而,企业可以经由过程加强官方类网站的治理,竖立优越的品牌抽象,加强与消费者的互动沟通,以增添消费者的联络量。
    而数字化程度较高的品类应偏重探究互联网应用的新方向。如前文剖析,银行、手机、汽车处于数字化生长较高阶段,银行经由过程官网的付出功用与消费者联络,汽车正在试图让消费者在互联网上预定购置,而手机涌现出如小米的互联网品牌。尤此可见,互联网不仅是品牌推行的序言,贩卖的渠道,也是效劳自身。
    5.4 探究行为数据与立场数据的连系,以更好洞察品牌
    品牌联络资产的行为数据与问卷观察的立场数据相连系,能更完全洞察品牌。品牌联络资产由消费者行为大数据组成,是消费者对品牌主动行为的表现;而问卷观察在丈量消费者的情绪立场方面具有上风,用来相识消费者行为背地的缘由。如文中剖析,品牌联络资产与品牌力高度相干,因而,品牌联络资产可以和观察所得数据相交互,周全深度解读品牌表现。
    在辅以问卷观察时,发起采纳简短疾速的Online观察。设想有针对性的问卷,可以定时、定所在、一连地投放在相干网站上,疾速、周期性网络消费者反应。如许,观察效果不仅能反应出消费者立场,更具有时候上的一连性,与品牌联络资产相连系时,研讨效果更正确,更能顺应品牌市场的瞬息万变,推进品牌治理的更新迭代。
    6、本文孝敬与研讨范围
    本文的理论孝敬在于:探究性地提了出“品牌联络资产”这一丈量品牌的新目标,并对其举行了考证。不管是在我国照样外洋,大数据都尚属新兴范畴,将大数据应用在市场营销范畴以及品牌治理范畴的研讨更是少之又少,本研讨既可雄厚此范畴的理论基础又对将来的研讨起到举一反三的作用。
    别的,分层线性模子剖析的引入,雄厚了市场研讨的要领,更加大数据在市场营销范畴的应用提出了新的思绪。
    实践意义在于:在互联网的影响下,企业传统的对品牌的治理已没法满足疾速变化市场的需求,基于大数据的品牌联络资产,可以成为企业疾速治理品牌的东西,其具有的灵敏、细节、正确的特征,协助企业举行品牌市场决议计划。
    只管本研讨取得了肯定的效果,但仍存在一些不足。起首,因为传统观察获得的是截面数据,基于大数据的品牌联络资产在时候上的上风没有获得表现。其次,缺乏恰当的销量数据与品牌联络资产互相考证,品牌联络资产对销量的影响还没法有用证明。在将来,将引入线下的销量数据,对目标的贩卖瞻望才能举行探究。
    
    参考文献
     Edelman, D. (2010) 'Branding in the digital age: You're spending your money in all the wrong places', Harvard Business Review, December, No. 65
     Hatch, M.-J., & Schultz, M. (2010). Toward a theory of brand co-creation with implications for brand governance. Brand Management, 17(8), 590–604.
     Chen, S. (2001) 'Assessing the impact of the Internet on brands'. Journal of Brand Management, Vol. 8, No. 4, pp. 288-302.
     Muller, B. and Chandon, J. B. (2004) ‘The impact of a World Wide Web site visit on brand image in the motor vehicle and mobile telephone industries’, Journal of Marketing Communications, Vol. 10, No. 2, pp. 153-165.
     Page. C.,&Lepkowska-Whiet, E. L. Web equity: A framework for building consumer value in online companies[J]. Journal of Consumer Marketing, 2002,19(3),231-248
     Stephen,T. and Galak,J. (2012) 'The effects of traditional and social earned inedia on sales: A study of a microlending marketplace', Journal of Marketing Research, Vol. 49, No. 5, pp. 624-639.
     Duana, W., Gub, B. and Whinston, A. (2008) ‘The dynamics of online word-of-mouth and product sales — An empirical investigation of the movie industry’, Journal of Retailing,,Vol. 84, No. 2, pp. 233-242.
     Jacques Bughin (2014) ‘Brand success in an era of digital Darwinism’, JOURNAL OF BRAND STRATEGY VOL. 2. NO. 4, 355-365 WINTER 2013-2014.
     卢泰宏,周志民.基于品牌关联的品牌理论:研讨模子及瞻望[J].商业经济与治理,2003(2):4-9.
     Pitta D &Katsanis L. Understanding brand equity for successful extension [J] .Journal of Consumer Marketing, 12(4), 51~64 .1995.
     刘红云,孟庆茂.教诲和心思研讨中的多层线性模子[J].心思科学希望,2002,10(2)
     Robert W. Clowes(2013). ‘The Cognitive Integration of E-Memory’, Rev.Phil.Psych. DOI 10.1007/s13164-013-0130-y
    
    The exploratory study of using behaviors’ big data in internet to measure brand performance
    Abstract The Internet has been changed the relationship between the consumers and brands. As the meanwhile, the development of big data technology makes the relationships can be tracked. There are many different touch points between consumers and brands which all can be tracked. But the biggest difficult points are whether and which touch points from big data have high relationship with the traditional indices. only solve this problem, the big data can be used in brand management. In this article, we will explore the relationship and apply it to brand measurement in digital era. We collected the big data about nearly 200 brands information. Each brand has more than 30 touch points information which gathered to four big parts, Content connection, Desire connection, Action connection and Interaction connection. We found that, the behaviors’ big data in internet can be gathered and calculated to a single one index, which named Brand Connection Quotient, to measure the brand performance. We also found that different category has different stages of development in the internet. Some categories have very high frequency connection with consumers but some are very low. The other very important result is the index of behaviors’ big data shows significant impact upon the traditional brand power index and the category has the same significant impact to the relationship between the index of behaviors and brand power index. With the research, We learn that big data is truly a very useful technology to measure brand performance in the internet and the real world. It makes the measurement more rapid, detailed and accurate. The companies need to care about the changing relationship about the brand and consumer and use the big data technology to measure the brands and their consumers in marketing.
    Key Word Brand Connection Quotient, Internet behavior, HLM, Big data, Brand tracking
    

,数据采集

【一起分析】欧莱雅集团微信营销策略


【一起分析】欧莱雅集团微信营销策略


电话咨询
业务领域
服务内容
在线客服