Специфика бренд сообществ в социальных сетях

· Идентификация бренда [Wirtz et al., 2012]. Респондентам были предложены 3 утверждения, отражающие, насколько потребитель переносит на себя часть индивидуальности бренда (например, «Факт использования мной продуктов этого бренда многое говорит о моей личности»).

· Символическая функция бренда [Campbell, 2002]. Респондентам были предложены 4 утверждения, демонстрирующие восприятие бренда, как символ (например, «Приобретение продуктов данного бренда заставляет чувствовать себя особенным».

Для оценки влияние Социальных драйверов так же было использовано 2 конструкта:

· Социальные выгоды [Dholaika et al., 2009]. Респондентам были предложены 4 утверждения, отражающие потенциальные выгоды социального характера, которые они могут получить благодаря подписке на этот аккаунт (например, «Мне нравится общаться с другими пользователями в рамках этого аккаунта»).

· Социальная идентичность [там же]. Респондентам были предложены 2 утверждения, отражающих, насколько респондент причисляет себя к подписчикам данного аккаунта как к социальной группе (например, «Если я говорю о подписчиках этого аккаунта, то я скорее говорю о «нас», чем о «них»).

Для оценки влияния Функциональных драйверов были использованы следующие конструкты:

· Функциональные выгоды [там же]. Респондентам были предложены 4 утверждения, отражающих, какую практическую пользу приносит им подписка на данный аккаунт (например, «Благодаря подписке на этот аккаунт я получаю ценную информацию»).

· Качество информации [Muylle, Moenaert, and Despontin 2004; Dholaika et al., 2009]. Респондентам были предложены 3 утверждения, отражающих качество получаемой от аккаунта информации.

· Экономические выгоды [Gummerus and Lijander, 2012]. Респондентам были предложены 4 утверждения, демонстрирующие варианты мотиваций подписки экономического толка (бонусы, распродажи, скидки)

Для оценки влияния драйвера Развлечения было использовано 4 утверждения [там же], отражающих подписку с целью отдохнуть, развлечься, скоротать время.

Говоря о группе Дополнительных факторов, то они оценивались следующим образом:

· сложность продукта оценивалась по 5-балльной шкале, где 1 - Продукты просты в использовании, 5 - Продукты сложны в использовании [Adjei et al., 2010];

· размер бренд сообщества оценивался по 5-элементной порядковой шкале от менее 100 до более 5000 (с шагами на 100, 500, 1000 и 5000 пользователей);

· тональная окрашенность информации оценивалась по двум параметрам с 5-балльными шкалами (с крайними значениями Приятная - Неприятная, Позитивная - Негативная) [Adjei et al., 2010];

· наконец, знания потребителя оценивались по трём параметрам с 5-балльными шкалами (с крайними значениями Опытный - Неопытный, Компетентный - Некомпетентный, Информированный - Неинформированный).

При проверке всех групп гипотез в качестве зависимой, результирующей переменной, будет использоваться количество аккаунтов брендов beauty сектора, на которое подписан пользователь, переведённое в порядковую шкалу. В изначальной анкете нас интересовало абсолютное число аккаунтов, на которое был подписан пользователь. После обработки данной информации по частотам, полученная абсолютная шкала была переведена в шкалу порядковую. Первоначальная информация собиралась в абсолютной шкале как раз для того, чтобы мы могли сформировать порядковую шкалу с адекватными составляющими. Это было сделано для целей исследования, так как для построения регрессии, где независимыми переменными являются элементы, измеряемые при помощи порядковой шкалы, зависимая так же должна измеряться при помощи порядковой шкалы. В рамках данного исследования, мы применили следующую шкалу: 1 - 1-2 аккаунта, 2 - 3-5 аккаунтов, 3 - 6-10 аккаунтов, 4 - 10-20 аккаунтов, 5 - более 20 аккаунтов.



Глава 3. Результаты исследования

3.1 Выборка

Всего опрос прошли n=354 человек в возрасте от 18 до 49 лет (средний возраст составил 25 лет), с преобладанием среднего (65%) и высокого дохода (15%), что в целом согласуется с нашей целью, хотя виден недостаток пользователей возраста от 25 до 35 лет. Говоря о пользователях сетей, то если среди пользователей Twitter женщины преобладали с небольшим перевесом (57%), то вот среди пользователей Instagram их оказалось абсолютное большинство (85%), что, конечно, могло повлечь некоторое смещение результатов.

Существенные выводы можно сделать уже на основании базового частотного анализа полученных данных (см Таблица 4 Базовые показатели интереса к аккаунтам брендов в Twitter и Instagram).

Таблица 4. Базовые показатели интереса к аккаунтам брендов в Twitter и Instagram

Показатель	Доля
Пользуются Twitter	48,9%
Из них посещали или подписывались на страницы брендов	51,7%
Подписывались на аккаунты брендов beauty сектора	21,3%
Пользуются Instagram	79,9%
Из них посещали или подписывались на страницы брендов	70,1%
Подписывались на аккаунты брендов beauty сектора	56,3%
Пользуются и Twitter, и Instagram	43,7%

Итак, если небольшой перекос в сторону использования Instagram можно отнести всё же к недостаткам выборки, то что касается интереса к аккаунтам бренда, уже сейчас можно заметить, что пользователи гораздо охотнее подписываются на аккаунты брендов (в том числе и beauty сектора) в Instagram, нежели в Twitter. Связано ли это с характером использования или же с особенностями ведения аккаунтов, мы и постараемся выяснить.

3.2 Группа гипотез «Базовые мотивы»

Разбирая первую группу гипотез - о Базовых мотивах - мы рассматриваем связь между базовыми мотивами использования и фактом подписки на аккаунт бренда. Для начала будет интересным взглянуть на корреляцию между типами мотиваций и желанием подписываться на бренды вообще, равно как и с желанием подписываться на beauty бренды в частности.

Таблица 5. Twitter: Корреляции мотивационных факторов и подписки на бренды/beauty бренды

	corrt
	Бренды	Beauty бренды
Отношения с друзьями	0,101	0,047
Самовыражение	0,258*	0,146
Группировка новостей	0,295*	0,167**
Средство от скуки	0,113	0,161**
Источник вдохновения	0,134	0,068

* - значимость на 0,01

** - значимость на 0,05

Таблица 6. Instagram: Корреляции мотивационных факторов и подписки на бренды/beauty бренды

	corrI
	Бренды	Beauty бренды
Отношения с друзьями	0,007	0,11
Самовыражение	0,136**	0,2*
Группировка новостей	0,160*	0,203*
Средство от скуки	0,109	0,102
Источник вдохновения	0,267*	0,294*

* - значимость на 0,01

** - значимость на 0,05

Итак, мы видим, что в отношении подписки на аккаунты брендов вообще, значимые корреляции наблюдаются в отношении одних и тех же факторов как для Twitter, так и для Instagram. Это использование сети в качестве средства самовыражения (corr=0,258 для Twitter, corr=0,136 для Instagram) и Использование сети для группировки новостей (corr=0,295 для Twitter, corr=0,16 для Instagram). Однако, для Instagram так же значимые корреляции проявляются для использования в качестве Источника вдохновения (corr=0,267). При сужении темы до сектора аккаунтов beauty брендов ситуация несколько меняется. Так, для Twitter отпадает Самовыражение, но добавляются группировка новостей (corr=0,167) и средство от скуки (corr=0,161) - такой поворот в целом сходится с предположением о более утилитарной природе Twitter. Что касается Instagram, то здесь остаются использование для самовыражения (corr=0,2), группировки новостей (corr=0,203) и в качестве источника вдохновения(corr=0,294).

Для непосредственной проверки гипотез были построены линейные регрессии, где зависимой переменной выступил факт подписки на аккаунт beauty бренда в сети, а независимыми - факторы базовой мотивации. Опытным путём было выведено, что оптимальной формой является линейная регрессия без константы. При этом для случая Instagram как регрессия с обязательным включением всех элементов, так и регрессия с пошаговым исключением незначимых элементов дали одинаковый результат (в той мере, в которой нас это интересует) - это значимость факторов Группировка новостей (p<0,004) и Источник вдохновения (p<0,001) (см. Таблица 7 Instagram: Результаты построения регрессии для проверки группы гипотез о Базовых мотивах).. Стоит так же отметить, что данная регрессия продемонстрировала весьма высокую объясняющую способность - R_j=0,617, то есть, в ней представлен существенный перечень факторов, объясняющих подписку пользователей на аккаунт beauty бренда в Instagram.

Таблица 7. Instagram: Результаты построения регрессии для проверки группы гипотез о Базовых мотивах

R2=0,617 F=74,616, p<0,001	встд	t-тест	Значимость
Отношения с друзьями	0,12	0,915	0,361
Самовыражение	0,149	1,135	0,257
Группировка новостей	0,266	2,885	0,004
Средство от скуки	0,023	0,167	0,867
Источник вдохновения	0,407	3,246	0,001

Что же касается случая Twitter, то тут построение регрессии с обязательным включением всех элементов не дало сколько-нибудь полезного результата. Все переменные оказались незначимы на уровне 18%, что в совокупности с довольно низким R²=0,233 сделало эту регрессию непригодной для проверки гипотез. Однако, построение регрессии с шаговым отбором переменных дало более интересный результат (см. Таблица 8 Twitter: Результаты построения регрессии для проверки группы гипотез о Базовых мотивах). Единственным значимым фактором оказалось использование Twitter в качестве средства для группировки новостей (p<0.001).

Таблица 8. Twitter: Результаты построения регрессии для проверки группы гипотез о Базовых мотивах

R2=0,233 F=52,652, p<0,001	встд	t-тест	Значимость
Группировка новостей	0,483	7,256	0,000



В итоге, ситуация с проверкой первой группы гипотез выглядит следующим образом:

Таблица 9. Результаты проверки группы гипотез Базовые мотивы

Базовые мотивы
	Instagram	Twitter
H1.1: Поддержание отношений с друзьями/знакомыми	незначимый(+)	незначимый(+)
H1.2: Средство самовыражения	значимый(-)	незначимый(+)
H1.3: Средство группировки новостей	незначимый(-)	значимый(+)
H1.4: Средство от скуки	значимый(-)	незначимый(+)
H1.5: Источник вдохновения	значимый(+)	незначимый(+)

В результате проверки гипотез мы видим, что, во-первых, базовые мотивы пользователей социальных сетей, влияющие на факт подписки на аккаунт beauty бренда, отличаются для Twitter и Instagram, что согласуется с нашими предположениями. Что касается Instagram, то здесь мы видим два значимых фактора: это использование в качестве Источника вдохновения и использование в качестве инструмента для Группировки новостей. Появление первого фактора было ожидаемо (как и ожидаемо наибольшее влияние этого фактора на решение подписаться и его наибольшая значимость). Здесь мы можем предполагать, что речь идёт о тех самых «красивых картинках», не относящихся напрямую к продукту, которые зачастую выкладываются в аккаунтах подобного рода. И это является примером стратегии выстраивания отношений с пользователем без откровенного продвижения товара. Что касается использования в качестве инструмента для Группировки новостей, то появление этого фактора было неожиданным, так как в рамках поискового исследования [Сибирко, Винокуров, 2014] эта мотивация для Instagram почти не встречалась. Однако это говорит о том, что, по крайней мере, в контексте beauty сектора, пользователи вполне могут рассматривать Instagram в качестве канала оповещения о новостях, связанных с брендом, его продуктами и т.д.

Что касается Twitter, то здесь наши предположения полностью подтвердились, продемонстрировав единственный значимый фактор - использование в качестве Инструмента для группировки новостей. Это в очередной раз указало на более утилитарную природу Twitter. То есть, единственное, что может заставить пользователя подписаться на аккаунт beauty бренда в Twitter - оповещение о новостях, связанных с брендом, его продуктами и т.д.

3.3 Группы гипотез «Драйверы вступления» и «Дополнительные факторы»

Приступая к проверке второй и третьей группы гипотез - Драйверы вступления и Дополнительные факторы - прежде всего нам необходимо проверить адекватность используемых конструктов и суб-конструктов (собственно, самих драйверов). Для этого были использована Альфа Кронабаха (для оценки надёжности внутренней согласованности) - они приведены в таблице ниже:

Таблица 10. Расчёт Альфа Кронбаха для используемых конструктов

	Instagram	Twitter
Идентификация бренда	0,72	0,589
Символическая функция бренда	0,563	0,404
Социальные выгоды	0,76	0,651
Социальная идентичность	0,795	0,733
Функциональные выгоды	0,793	0,677
Качество информации	0,788	0,766
Экономические выгоды	0,763	0,716
Развлечение	0,795	0,783
Тональная окраска информации	0,955	0,913
Знания потребителя	0,9	0,748

Как можно видеть, большая часть коэффициентов превосходит барьер в 0,7, необходимый для оценки конструкта как надёжного [Fornell, C.& Larcker, D. F. 1981]. Исключение составляют лишь два конструкта, связанные с Бренд драйверами (Идентификация бренда и Символическая функция бренда). К сожалению, в случае с Instagram объединение этих двух конструктов принесло результат, так как альфа выросла до приемлемых 0,726, но в случае с Twitter это привело лишь к снижению показателя. Поэтому была исключена одна из составляющих конструкта Символическая функция бренда, что подняло Альфу Кронбаха до 0,581. В целом же более низкую надёжность конструктов для Twitter можно объяснить меньшей выборкой.

Далее, чтобы «собрать» конструкты, был проведён факторный анализ с выделением главных компонент при помощи Метода максимального правдоподобия с Варимакс вращением. Выбор метода был обусловлен тем, что, во-первых, это скорее подтверждающий факторный анализ, так наша задача не найти и интерпретировать новые факторы, а проверить работоспособность используемых нами, уже априори составленных факторов. Во-вторых, размер выборки достаточно мал, и предпочтительнее в этом случае использовать именно Метод максимального правдоподобия [Enginkaya, Yэlmaz, 2014]. Результаты этого факторного анализа - включая нагрузки факторов, собственные значения и объяснённую дисперсию вы можете найти в Приложении.

Для случая Instagram как мера выборочной адекватности Кайзера-Мейкина-Олкина (0,794), так и критерий Бартлетта (ч²=2337,943, p=0,0001) - оба показателя продемонстрировали допустимость факторного анализа. Однако в результате было получено не 10 главных компонент, как в оригинальной структуре, а 8: Социальные выгоды схлопнулись с Социальной идентичностью, а Функциональные выгоды с Качеством информации. внутренние. При этом тест Goodness-of-fit так же допустил использование полученной структуры (ч²=282,529, p=0,046) (см. Приложение).

Однако для случая Twitter, вероятно, ввиду малой выборки, процесс факторного анализа не дал таких хороших результатов. После множества итераций и применения различных методов, единственным способом получить приличный результат, оказалось полное исключение конструкта Символическая функция бренда. Лишь эта мера смогла поднять значение меры выборочной адекватности Кайзера-Мейкина-Олкина (хотя бы до 0,395), а критерий Бартлетта сделать значимым (ч²=654,858, p=0,0001). В результате было получено 6 факторов (Функциональные выгоды были объединены с Качеством информации, Социальные выгоды - с Социальной идентификацией, а Тональная окрашенность информации со Знанием пользователя) (см. Приложение). Последний комплексный фактор вызывает некоторые вопросы с точки зрения интерпретации: что может быть общего между оценкой тональной окраски распространяемой информации (как то позитивная/негативная, приятная/неприятная) и самооценкой пользователя как информированного или компетентного. К сожалению, можно предположить, что это так же результат низкого качества выборки. Более того, приняв во внимание веса, с которыми входят отдельны составляющие в конструкт, можно увидеть, что веса составляющих, относящихся к Знанию пользователя крайне низки. Таким образом, мы можем пренебречь составляющей Знание потребителя и принять данный конструкт как Тональную окраску информации.

Наконец, можно приступить к проверке гипотез. Для этой цели на первом этапе были построены линейные регрессии, выражающие зависимость числа аккаунтов beauty-брендов (в порядковой шкале), на которое подписан пользователь и всех выше обозначенных факторов. Две отдельных регрессии строятся для случая Twitter и для случая Instagram. Стоит отметить, что в данном случае у построения методом линейной регрессии есть теоретическое ограничение. А именно, что при использовании полученной модели для попытки спрогнозировать значение, можно получить результат, выходящий за рамки определения зависимой переменной (для нас это промежуток от 1 до 5)). Однако, во-первых, в контексте данного исследования не предполагается использовать данную модель для расчёта значения зависимой переменной - это действие представляет собой сомнительную практическую ценность. Во-вторых, попытка построить теоретически более приемлемую для данного случая порядковую регрессию привело ухудшению результатов - как с точки зрения объясняющей способности, так и с точки зрения значимости переменных.

Для случая Instagram первая регрессия, с принудительным включением всех переменных (см. Таблица 11 Instagram: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах), дала 3 переменных, значимых на уровне 10%: это Экономические выгоды (в_стд=0,297; p<0,025), Символическая функция бренда (в_стд=0,418; p<0,066) и Идентификация бренда (в_стд=-0,418; p<0,089). Кроме того, переменная Социальных драйверов (в_стд=0,257; p<0,147) так же продемонстрировала серьёзную тенденцию к значимости. Важно заметить, что полученная регрессия, несмотря на присутствие ряда незначимых переменных, продемонстрировала довольно-таки высокую объясняющую способность: R²=0,688. Что интересно, на данном этапе наибольшее влияние оказывают (то есть, обладают наибольшими значениями стандартизованных коэффициентов) переменные, отвечающие за Бренд драйверы: Идентификация бренда (в_стд=-0,418; p<0,089) и Символическая функция бренда (в_стд=0,418; p<0,066), при этом действующие в противоположных направлениях. То есть выходит, что чем меньше пользователь идентифицирует себя с брендом, тем больше вероятность, что он подпишется на аккаунт бренда.

Таблица 11. Instagram: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай принудительного включения всех переменных)

R2=0,688 F=30,712, p<0,0001	встд	t-тест	Значимость
Идентификация бренда	-0,418	-1,712	0,089
Символическая функция бренда	0,418	1,853	0,066
Социальные драйверы	0,257	1,458	0,147
Функциональные выгоды и качество информации	0,27	1,242	0,216
Экономические выгоды	0,297	2,27	0,025
Развлечение	-0,005	-0,27	0,978
Тональная окраска информации	-0,029	-0,306	0,76
Знания потребителя	-0,089	-0,75	0,454
Размер сообщества	0,158	0,895	0,372
Сложность продукта	-0,21	-0,205	0,838

Если мы построим ещё одну регрессию, но на этот раз воспользуемся методом пошагового исключения переменных (см. Таблица 12 Instagram: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай пошагового исключения переменных)), для обнаружения наиболее важных переменных, то мы получим регрессию, содержащую лишь Экономические выгоды (в_стд=0,372; p<0,001) и Символическую функцию бренда (в_стд=0,468; p<0,0001).

Таблица 12. Instagram: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай пошагового исключения переменных)

R2=0,671 F=150,237, p<0,0001	встд	t-тест	Значимость
Экономические выгоды	0,372	3,397	0,001
Символическая функция бренда	0,468	4,283	0,000

Что касается случая Twitter, то здесь, вероятно, в результате меньшей выборки, и её боле низкого качества, первоначальная регрессия, построенная с принудительным включением всех переменных, во-первых, обладала более низким качеством с точки зрения объясняющей способности (R²=0,582). А во-вторых, при использовавшемся для случая Instagram уровне значимости в 10% ни одна переменная не может считаться значимой (см. Таблица 13 Twitter: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай принудительного включения всех переменных)). На априори очень низком уровне значимости в 20% мы можем признать значимой переменную Идентификация бренда (в_стд=0,673; p<0,182), а так же отметить стремление к значимости со стороны переменной Тональная окраска информации и Знание потребителя (в_стд=0,256; p<0,356) и Сложность продукта (в_стд=-0,29; p<0,363). При этом, что интересно, как и в случае Instagram, наибольшее влияние (с точки зрения величины стандартизованного коэффициента) оказывает Идентификация бренда.

Таблица 13. Twitter: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай принудительного включения всех переменных)

R2=0,582 F=5,045, p<0,001	встд	t-тест	Значимость
Идентификация бренда	0,673	1,367	0,182
Социальные драйверы	0,13	0,338	0,738
Функциональные выгоды и качество информации	0,02	0,038	0,97
Экономические выгоды	-0,027	-0,065	0,948
Развлечение	-0,211	-0,495	0,624
Тональная окраска информации и Знания потребителя	0,256	0,939	0,356
Размер сообщества	0,212	0,527	0,602
Сложность продукта	-0,29	-0,925	0,363

В такой ситуации (со значимостью) большой интерес представляет построение регрессии методом пошагового исключения переменных - это позволит выявить действительно важные переменные. Приняв уровень значимости в 20%, мы получили регрессию, содержащую 3 переменных - тех же, что мы отметили в первоначальной регрессии: Идентификация бренда (в_стд=0,768; p<0,02), Тональная окраска информации и Знание потребителя (в_стд=0,298; p<0,177) и Сложность продукта (встд=-0,312; p<0,233). Последнюю примем как «на грани» критического уровня значимости (см. Таблица 14 Twitter: Результаты построения регрессии для проверки гипотез о Драйверах вступления и Дополнительных факторах (случай пошагового исключения переменных)).

Здесь обращают на себя внимание два факта. Во-первых, это «упрочнение лидерства» Идентификации бренда - как с позиций величины стандартизованного коэффициента, так и с позиций значимости. А во-вторых, это отрицательно (как и в первоначальной регрессии) значение коэффициента при Сложности продукта. То есть, чем сложнее продукт, тем меньше вероятность, что пользователь подпишется на данный аккаунт.

Таким образом, говоря о проверке групп гипотез Драйверы вступления и Дополнительные факторы, мы имеем следующие результаты:

Что касается дополнительной гипотезы H2.3.1, о большей значимости фактора Развлечения для Twitter, чем для Instagram, то проверить в такой формулировке мы её не можем, так как оба фактора оказались незначимы. И хотя можно провести, например, тест на равенство средних, чтобы, по крайней мере, выяснить, для какой сети респонденты чаще соглашались с предположениями о развлекательной мотивации подписки, результат этого теста не будет нести никакой смысловой нагрузки ввиду незначимости обоих факторов.

В результате проверки групп гипотез Драйверы вступления и Дополнительные факторы, в первую очередь, мы так же видим, что факторы различны для двух сетей, что согласуется с нашим основным предположением. Кроме того, важно отметить, что, хотя гипотезы формулировались с использованием итоговых конструктов (Бренд драйверы, Социальные драйверы и т.д.), но в процессе реализации исследования, некоторые конструкты претерпели изменения (а именно, часть составляющих была отброшена, так как не удовлетворяла требуемым для анализа критериям). Однако, мы предполагаем, что на интерпретацию результатов это влияния не оказало.

Итак, говоря о факторах, влияющих на подписку пользователя на аккаунт beauty бренда в Instagram в рамках модели, то здесь мы наблюдаем значимость Бренд драйверов (с доминированием Символической функции бренда - так как Бренд идентификация выпадает при построении регрессии с пошаговым исключением факторов) и Функциональные драйверы, которые фактически в данном случае представляют собой Экономические выгоды. Присутствие последнего несколько неожиданно, так как предполагалось, что утилитарная нагрузка, функциональные выгода - это, скорее, удел Twitter. Однако результат показывает, что пользователи готовы подписываться на аккаунт beauty бренда в Instagram, с целью получать бонусы, скидки и т.д. В целом этот вывод согласуется с результатами проверки гипотез о Базовых мотивациях, где выяснилось, что респонденты используют Instagram как инструмент для Группировки новостей. Что касается Бренд драйверов, то тут интересно отметить, что при построении первоначальной регрессии с принудительным включением всех факторов, фактор Бренд идентификации оказался с отрицательным коэффициентом (причём значимым и существенным по величине). То есть, чем больше пользователь идентифицирует себя с брендом, тем меньше вероятность, что он подпишется на аккаунт в Instagram (хотя, приходится признать, что это несколько вольная формулировка с учётом, что результирующей переменной в данном случае было количество аккаунтов, на которое подписан пользователь). И это тем более странно, при условии, что коэффициент при факторе Символическая функция бренда имел положительную и значимую величину. То есть, чем в большей мере Бренд является символом для пользователя, тем больше вероятность, что пользователь подпишется на его аккаунт. Таким образом, велика вероятность, что отрицательное значение коэффициента при Идентификации бренда - результат неудачно подобранного конструкта или некачественных данных.

Что касается обнаруженных факторов, влияющих на подписку на аккаунт beauty бренда в рамках Twitter, то тут сразу нужно оговориться, что, вероятно, ввиду низкой доли пользователей Twitter в выборке, результаты исследования для случая Twitter продемонстрировали сравнительно худшее качество с точки зрения статистического анализа. Поэтому, в частности, был существенно понижен допустимый уровень значимости. Что касается обнаруженных факторов, оказывающих значимое влияние на подписку на аккаунт beauty бренда в Twitter в рамках модели, то их оказалось два: это Бренд драйверы (в лице Идентификации бренда - так как конструкт Символическая функция бренда был исключён ввиду низкого качества полученных результатов) и комплексный фактор, сочетающий Тональную окрашенность информации и Знания потребителя. Оба фактора вошли с положительными коэффициентами. Что касается Идентификации бренда, то тут ситуация аналогична ситуацией с Istagram, описанной в предыдущем параграфе. Что же касается комплексного фактора, то, во-первых, сложно сформулировать какую-то новую его трактовку, учитывающую симбиоз двух конструктов, так как один описывает характеристику пользователя, другой - аккаунта. Можно лишь вынести несколько абсурдное предположение, что чем пользователь более опытен в пользовании, более осведомлён о продукте - тем более позитивной кажется ему информация. Однако, это лишь формальная трактовка и она не несёт никакой ценности. Таким образом, мы можем трактовать этот фактор, раскладывая его на две составляющих: чем более позитивная информация распространяется и чем более компетентен пользователь, тем выше вероятность, что он подпишется на аккаунт beauty бренда в Twitter.

социальный сеть мобильный интернет

3.4 Общие выводы, ограничения и рекомендации

Итак, в рамках нашей работы была протестирована на эмпирических данных модель вступления в онлайн бренд сообщество для Twitter и Instagram, а также проверено влияние ряда общих мотивационных факторов на подписку. Нужно отметить, что для случая Instagram как модель с общими мотивациями пользователей, так и модель с драйверами вступления, продемонстрировали достаточно высокую объясняющую способность - R²=61,7% и R²=68,8%, что говорит о том, что мы учли существенную долю факторов, влияющих на решение подписываться на аккаунт beauty бренда в Instagram. Приняв во внимание тот факт, что регрессии, полученные путём пошагового исключения незначимых факторов, продемонстрировали так же R² в окрестностях 60%, мы можем положительно оценить полученные результаты. Таким образом, для Instagram полученная модель вступления в бренд сообщество будет выглядеть следующим образом:

На основании полученных результатов, можно сделать следующие практические рекомендации, касающиеся аккаунта beauty бренда в Instagram:

· Должны иметь место общие «красивые», «вдохновляющие» визуальные материалы, не имеющие прямого отношения к продвигаемому продукту.

· Допустимо и поощряется размещение практической информации (в какой форме - другой вопрос) в аккаунте, касающейся событий в жизни бренда, запусков продуктов, мероприятий, распродаж.

· Контент, распространяемый в рамках аккаунта, должен поддерживать сформированную идентичность бренда

Что же касается Twitter, то тут, к сожалению, здесь мы не можем отметить такие же успешные результаты. Свойства полученной выборки оказались таковы, что пользователей Twitter там оказалось менее половины (несмотря на то, что Twitter был одним из каналов распространения опроса), а из них на аккаунты beauty брендов подписывались немногим более 20%. С одной стороны, это отражает действительность в том плане, что Twitter в целом менее популярен, чем Instagram (с точки зрения размера аудитории [Brand Analytics, 2015]). Равно как и бренды там меньше представлены и менее популярны. Но, тем не менее, в данных условиях недостаток респондентов, подписывающихся на Twitter был серьёзнее, чем в реальности. В результате полученные данные обладали низким качеством, полученные регрессии обладали R² менее 60%, а значимость полученных коэффициентов была крайне низка. Но даже с учётом низкого качества, явно читалась тенденция к тому, что присутствие beauty бренда в Twitter совсем необязательно. В итоге, формально, для Twitter полученная модель подписки на аккаунт beauty бренда выглядит следующим образом:

На основании полученных результатов, можно сделать следующие практические рекомендации, касающиеся аккаунта beauty бренда в Instagram:

· Допустимо и поощряется размещение практической информации (в какой форме - другой вопрос) в аккаунте, касающейся событий в жизни бренда, запусков продуктов, мероприятий, распродаж.

· Контент, распространяемый в рамках аккаунта, должен поддерживать сформированную идентичность бренда.

· Распространяемый контент должен быть охарактеризован как «позитивный», «приятный».

Помимо низкого качества данных для случая Twitter, у данного исследования можно выделить следующие ограничения. Во-первых, не очень адекватная переменная, использовавшаяся для оценки желания подписки на аккаунт бренда - количество аккаунтов брендов, на которые пользователь уже подписан. Использование некоей специализированной меры позволило бы получить более качественные результаты. Во-вторых, вероятно, построение более сложной структурной модели могло бы продемонстрировать более сложные и интересные связи между факторами, а также продемонстрировать, в какой области потенциально можно найти недостающие факторы. Наконец, в-третьих, в будущем имеет смысл дополнить модель более специфическими параметрами, связанными с мобильной средой, в которой, преимущественно, функционируют интересующие нас сети.



Заключение

Несмотря на то, что с каждым годом появляется всё больше и больше литературы, разъясняющей использование социальных сетей в рамках маркетинговой стратегии, этот вопрос до сих пор вызывает множество разногласий. И если он вызывает разногласия для такой уже хорошо изученной сети, как Facebook, то чего уж говорить о Twitter и, тем более, Instagram. И при этом компании изъявляют явное желание использовать и этот канал коммуникации. В частности, это актуально и для производителей косметики. Принимая во внимание вышеизложенные факты, можно считать проведённое нами исследование, направленное на выявление факторов подписки пользователей на аккаунты beauty брендов в Twitter и Instagram, актуальным для современных рекламодателей.

В первой части данной работы мы проанализировали специфику социальных сетей Twitter и Instagram - c точки зрения как функциональной, так и с точки зрения мотивации пользователей. В частности, на основе дополнительного поискового исследования были выявлены основные причины использования обеих сетей пользователями. В результате было обнаружено, что использование Twitter носит более утилитарный характер (поддержание контактов, группировка новостей), в то время Instagram рассматривается больше как средство от скуки, инструмент самовыражения. Так же были проанализирована специфика мобильной среды, в которой, по большей части функционируют оба приложения, и особенности онлайн бренд сообществ. Наконец, была сформулирована концептуальная модель вступления в онлайн бренд сообщество.

Практическая часть нашей работы состояла в выявлении факторов, влияющих на подписку пользователей Twitter и Instagram на аккаунты beauty брендов на основе сформулированной модели, а также создание практических рекомендаций на основе полученных результатов. Базой для исследования послужил опрос, проведённый на выборке из 354 человек. Основной гипотезой исследования было предположение, что не все факторы общей модели будут значимы для Twitter и Instagram и, более того, они будут различаться для этих двух сетей. Соответственно, эта гипотеза распадалась на ряд суб-гипотез о значимости того или иного фактора. В основании основной гипотезы лежал концепт, утверждающий, что при использовании социальных сетей в рамках маркетинговой стратегии, кампании, прежде всего, должны ориентироваться на те цели, которые пользователи преследуют в рамках данной сети. И способствовать достижению этих целей пользователями. Соответственно, так как Twitter и Instagram c точки зрения целей, преследуемых пользователями, различаются, то и бренд сообщества, адаптированные под эти цели, будут различаться, и привлекать пользователей в них будут разные аспекты.

По итогам исследования было определено, во-первых, какие мотивации пользования сетью в целом способствуют подписке на аккаунт beauty бренда. Для Twitter это оказалось использование сети в качестве инструмента для группировки новостей (что в очередной раз подтвердило более функциональную природу Twitter), для Instagram же к аналогичной мотивации добавилась так же использование в качестве источника вдохновения. Что же касается более специализированных драйверов вступления, то здесь для обеих сетей оказались важны так называемые Бренд драйверы - а именно, Идентичность бренда. То есть, чем ближе пользователю идентичность, сформированная брендом, тем выше вероятность, что он подпишется на аккаунт. Кроме того, для Instagram важны оказались экономические выгоды - возможность получать бонусы, скидки, подарки.

На основании полученных результатов были сформированы рекомендации, касающиеся ведения аккаунтов beauty брендов в сетях Twitter и Instagram. В частности, в обеих сетях допустимо и поощряется информирование пользователей о новостях бренда, запуске новых продуктов, акциях. Кроме того, что касается Instagram, то там желательно присутствие «красивых», «вдохновляющих» изображений, не связанных непосредственно с брендом или продвигаемым продуктом. И, наконец, в обеих сетях при помощи публикуемого контента жизненно необходимо выстраивать и поддерживать сформированную идентичность бренда. В данных рекомендациях и состоит практическая ценность данной работы, так как эта область практически не изучена в академической среде. И в этой области можно найти большой простор для дальнейших исследований, так как полученные модели объясняют существенную часть, но далеко не всю мотивацию подписки на аккаунты beauty брендов в социальных сетях.



Список использованной литературы

1) Арестова О.Н., Бабанин Л.Н., Войскунский А.Е. Мотивация пользователей Интернета // Гуманитарные исследования в Интернете: Сб.ст. / Под ред. А.Е. Войскунского. М.: Можайск-Терра, 2000. - С.55-76

2) Белинская Е.П. Психология интернет-коммуникации: Учеб. пособие. М.: МПСУ, 2013. - 185 с.

3) Белинская Е.П. Человек в информационном мире // Социальная психология в современном мире. М.: Аспект пресс. 2002. С.203-220

4) Лайкни (22, сентябрь 2014), Продвижение в Instagram: основные механики и особенности работы в разных тематиках.

5) Мобильная Россия. Использование мобильного Интернета целевыми группами российских потребителей. Весна 2013 г.

6) Сибирко А.И., Винокуров Ф.Н. (2014), Мотивация пользователей социальных сетей // Фундаментальные и прикладные исследования в современном мире: [материалы Международной научно-практической конференции], СПб.,17 июня 2014 г., Т.2. С. 148-153.

7) Система Межрегиональных Маркетинговых Центров (2009), Обзор российского рынка косметики.

8) Словарь русского предпринимателя // Hopes & Fears. URL: http://www.hopesandfears.com/hopesandfears/cloud/cloud/118833-media-huedia

9) Фролова Е., (2, Март 2015), Самые популярные социальные сети в России 2015. Pro SMM. URL: http://www.pro-smm.com/populyarnye-socialnye-seti-v-rossii-2015/

10) Adjei, M.T., Noble, S.M. and Noble, C.H. (2010), “The influence of C2C communications in online brand communities on customer purchase behavior”// Journal of the Academy of Marketing Science, Vol. 38 No. 5, pp. 634-653.

11) Algesheimer, R., Dholakia, U. and Herrmann, A. (2005), “The social influence of brand community: evidence from European car clubs” // Journal of Marketing, Vol. 69 No. 3, pp. 19-34.

12) Anderson, R.E. and Srinivasan, S.S. (2003), “E-satisfaction and e-loyalty: a contingency framework” // Psychology & Marketing, Vol. 20 No. 2, pp. 123-138.

13) Arnould, E.J., Price, L.L. and Zinkhan, G.M. (2002), Consumers, 2nd ed., McGraw-Hill Irwin, Boston, MA.

14) Ba, S. and Pavlou, P.A. (2002), “Evidence of the effect of trust building technology in electronic markets: price premiums and buyer behavior” // MIS Quarterly, Vol. 26 No. 3, pp. 243-268.

15) Bagozzi, R.P. and Dholakia, U.M. (2006), “Antecedents and purchase consequences of customer participation in small group brand communities” // International Journal of Research in Marketing, Vol. 23 No. 1, p. 45.

16) Bechmann A., Lomborg S. Mapping actor roles in social media: Different perspectives on value creation in theories of user participation // New Media & Society,2013, Vol. 15, No. 5, p. 765-781

17) Bender, B. (1978), “Gatherer-Hunter to farmer: a social perspective”, World Archaeology, Vol. 10, No. 2, pp. 204-222.

18) Benkler, Yochai (2006) The Wealth of Networks: How Social Production Transforms Markets and Freedom. New Haven, Conn: Yale University Press

19) Berry, L.L., Seiders, K. and Grewal, D. (2002), “Understanding service convenience” // Journal of Marketing, Vol. 66 No. 3, pp. 1-17.

20) Brand Analytics, (6, Июнь 2015), Социальные сети в России, весна 2015. Цифры, тренды, прогнозы. Brand Analytics. URL: http://br-analytics.ru/blog/socialnye-seti-v-rossii-vesna-2015-cifry-trendy-prognozy/

21) Brodie, R.J., Ilic, A., Biljana, J. and Hollebeek, L. (2011), “Consumer engagement in a virtual brand community: an exploratory analysis” // Journal of Business Research, Vol. 66 No. 1, pp. 314-329.

22) Carlota Lorenzo-Romero (2013), Social Media as Marketing Strategy: An Explorative Study on Adoption and Use by Retailers // Social Media in Strategic Management, Advanced Series in Management, 197-215

23) Chen G.M. Why do women bloggers use social media? Recreation and information motivations outweigh engagement motivations // New Media & Society,2013, Vol. 0, No. 0, p. 1-19.

24) Muniz, A.M. Jr and O'Guinn, T.C. (2001), “Brand community” // Journal of Consumer Research, Vol. 27 No. 4, pp. 412-432.

25) Musser, J. and T. O'Reilly (2007) Web 2.0 Principles and Best Practices. O'Reilly Radar,

26) Naaman, M., Becker, H. and Gravano, L. (2011), “Hip and trendy: characterizing emerging trends on Twitter” // Journal of the American Society for Information Science and Technology, Vol. 62 No. 5, pp. 902-18.

27) Ouwersloot, H. and Odekerken-SchroЁder, G. (2008), “Who's who in brand communities - and why?” // European Journal of Marketing, Vol. 42 Nos 5/6, pp. 571-585.

28) Peck, A. and Malthouse, E. (2011), Medill on Media Engagement, Hampton Press, Cresskill, NJ.

29) Pr-cy.ru, 2015. Социальные сети и их значение в интернет-маркетинге. SMM и SMO. http://pr-cy.ru/lib/seo/Sotsial-nye-seti-i-ikh-znachenie-v-internet-marketinge-SMM-i-SMO

30) Pura, M. (2005), “Linking perceived value and loyalty in location-based mobile services” // Managing Service Quality, Vol. 15 No. 6, pp. 509-538.

31) 

Приложение 1

Информация об исследовании мотивов использования социальных сетей, проведённого в рамках курсовой работы студентки факультета Психологии МГУ Сибирко А.А.:

Программа исследования

Целью данного исследования, которое носит поисковый характер, является описание мотивационно-потребностной сферы пользователей «мобильных» социальных сетей.

В соответствии с целью исследования выделены следующие задачи:

1) проанализировать мотивационно-потребностную сферу пользователей микроблога Twitter,

2) проанализировать мотивационно-потребностную сферу пользователей фото- и видеоприложения Instagram,

3) провести их сравнительный анализ,

4) выделить универсальные и/или специфические факторы, влияющие на использование «мобильных» социальных сетей.

Объектом исследования являются жители Москвы, пользователи социальных сетей.

Предметом исследования является мотивационно-потребностная сфера пользователей социальных сетей.

Были выдвинуты следующие поисковые гипотезы:

1) использование микроблога Twitter и фото- и видеоприложения Instagram полимотивированно,

2) существуют общие мотивы, обуславливающие использование Twitter и Instagram,

3) существуют уникальные мотивы, обуславливающие использование Twitter и Instagram.

Процедура

Респондентам предлагалось принять участие в исследовании, посвященном изучению социальных сетей. Интервью проводилось при личной встрече и занимало в среднем около 30 минут. Все беседы с согласия респондентов записывались на диктофон.

Выборка (обоснование выборки)

Всего было опрошено 9 человек, после отсева по критериям «возраст» и «пол» обрабатывались данные 7 респондентов, из них 4 девушки. Возраст респондентов составил от 20 до 25 лет, а опыт пользования микроблогом Twitter или фото- и видеоприложением приложением Instagram - не менее полугода. Выборка была сформирована исходя из демографического описания пользователей Twitter и Instagram, приведенного ранее.

Описание методов сбора и анализа данных

Для сбора данных был использован метод опроса. Было проведено полуструктурированное интервью, при составлении плана которого были учтены методические указания, приведенные в работах О.В. Мельниковой, С. Квале.

Для анализа полученных данных был использован метод обоснованной теории (grounded theory) в классическом авторском варианте А. Страусса и Дж. Корбин.

Материалом для анализа с помощью описанного метода в нашем случае служили транскрипты интервью - содержание бесед интервьюера и респондентов, представленные дословно в текстовом виде.



Приложение 2

Анкета, использовавшаяся при проведении опроса. Вопросы с 1 по 46 были одинаковы для Twitter и Instagram. Утверждения 6-11, 14-40 предлагалось оценить по шкале от 1 до 5, где 1 - Полностью не согласен, 2 - Не согласен, 3 - Затрудняюсь ответить, 4 - Согласен, 5 - Полностью согласен. В тексте анкеты пояснялось, что утверждения 14-47 относятся к тому аккаунту бренда/компании beauty сектора, на который подписан респондент.

1. Пользуетесь ли вы в настоящее время аккаунтом в Twitter (Instagram), и если да - то как часто?

· Ежедневно

· Несколько раз в неделю

· Реже, чем несколько раз в неделю

· Аккаунт есть, но не пользуюсь

· Нет аккаунта

2. На сколько, приблизительно, аккаунтов вы подписаны?

3. Сколько, приблизительно, аккаунтов подписаны на вас?

4. Вы когда-либо посещали/подписывались на аккаунт компании/бренда?

5. Приблизительно, на сколько аккаунтов компаний/брендов вы подписаны?

Общая мотивация

6. Вы используете Twitter (Instagram), чтобы поддерживать отношения с друзьями и знакомыми, с которыми личные встречи редки или невозможны, быть в курсе событий, происходящих в их жизни.

7. Вы используете Twitter (Instagram) в качестве средства самовыражения.

8. Вы используете Twitter (Instagram) в качестве средства для группировки новостей, отбора информации.

9. Вы используете Twitter (Instagram) в качестве средства поддержания широкого круга социальных контактов. С его помощью вы остаётесь на связи с теми знакомыми, с которыми вы не видятся каждый день, что позволяет в случае необходимости обратиться к ним за помощью.

10. Вы используете Twitter (Instagram) в качестве средства от скуки.

11. Вы используете Twitter (Instagram) в качестве источника вдохновения.

12. Вы когда-либо посещали/подписывались на аккаунт компании/бренда beauty сектора?

13. На сколько аккаунтов компаний/брендов beauty сектора вы подписаны?

Идентичность бренда

14. Факт использования мной продуктов этого бренда многое говорит о моей личности.

15. Образ бренда во многом пересекается с моим собственным образом.

16. Бренд играет важную роль в моей жизни.

Символическая функция бренда

17. Люди, приобретающие этот бренд озабочены тем, что окружающие о них думают.

18. Приобретение продуктов данного бренда заставляет чувствовать себя особенным.

19. Продукты этого бренда внешне привлекательны.

20. Бренд известен своим качеством.

Социальные выгоды

21. Социальные аспекты происходящего в рамках этого аккаунта важны для меня.

22. Благодаря этому аккаунту я узнал других людей, которые разделяют моё увлечение брендом.

23. Мне нравится общаться с другими пользователями в рамках этого аккаунта.

24. Мне нравится наблюдать за взаимодействием других людей в рамках этого аккаунта.

Социальная идентификация

25. Я воспринимаю себя как часть сообщества, образованного подписчиками на этот аккаунт.

26. Если я говорю о подписчиках этого аккаунта, то я скорее говорю о «нас», чем о «них».

Функциональные выгоды

27. Благодаря подписке на этот аккаунт я получаю ценную информацию.

28. Благодаря подписке на этот аккаунт я получаю полезную информацию.

29. Благодаря подписке на этот аккаунт я получаю достаточно детализированную информацию.

30. Подписка на этот аккаунт помогает мне при решении реальных задач.

Качество информации

31. Благодаря подписке на этот аккаунт я получаю верную информацию.

32. Благодаря подписке на этот аккаунт я получаю актуальную информацию.

33. Благодаря подписке на этот аккаунт я получаю информацию, на которую могу положиться.

Экономические выгоды

34. Благодаря подписке на этот аккаунт я получаю различные бонусы (скидки, подарки и т.д.).

35. Благодаря подписке на этот аккаунт я участвую в конкурсах и розыгрышах призов.

36. Благодаря подписке на этот аккаунт я получаю более качественный сервис.

37. Благодаря подписке на этот аккаунт я быстрее получаю ответы на интересующие меня вопросы.

Развлечение

38. Подписка на этот аккаунт предоставляет вам возможность развлечься.

39. Подписка на этот аккаунт предоставляет вам возможность расслабиться.

40. Подписка на этот аккаунт предоставляет вам скоротать время, когда скучно.

Сложность продукта

41. Для продуктов бренда, на который вы подписаны, оцените их простоту в использовании по шкале от 1 до 5, где 1 - Просты в использовании, а 5 - Непросты в использовании

Размер сообщества

42. Когда вы подписались на этот аккаунт, какого было число подписчиков (приблизительно)?

1. Менее 100

2. От 100 до 499

3. От 500 до 999

4. От 1000 до 4999

5. Более 5000

Тональная окрашенность информации

43. Оцените информацию, распространяемую через этот аккаунт, по шкале от 1 до 5, где 1 - Позитивная, а 5 - Негативная

44. Оцените информацию, распространяемую через этот аккаунт, по шкале от 1 до 5, где 1 - Приятная, а 5 - Неприятная

Знания потребителя

45. Говоря о свойствах продуктов, выпускаемых брендом, на который вы подписаны, охарактеризуйте себя по шкале от 1 до 5, где 1 - Опытный пользователь, 5 - Неопытный пользователь

46. Говоря о свойствах продуктов, выпускаемых бредом, на который вы подписаны, охарактеризуйте себя по шкале от 1 до 5, где 1 - Компетентный пользователь, 5 - Некомпетентный пользователь

47. Говоря о свойствах продуктов, выпускаемых бредом, на который вы подписаны, охарактеризуйте себя по шкале от 1 до 5, где 1 - Информированный пользователь, 5 - Неинформированный пользователь

Демографические параметры

1. Укажите ваш пол

· Мужской

· Женский

2. Укажите ваш возраст

3. Укажите уровень Вашего образования

4. К какой группе работников Вы себя относите, если говорить об основном месте работы?

· Специалист с высшим образованием в коммерческом секторе

· Специалист с высшим образованием в бюджетном секторе

· Неквалифицированный рабочий, включая сельское хозяйство

· Квалифицированный рабочий, включая сельское хозяйство

· Представитель творческих профессий

· Пенсионер

· Студент, учащийся

· Бизнесмен, предприниматель

· Государственный или муниципальный служащий

· Служащий без высшего образования

· Военнослужащий в армии, органах внутренних дел

· В декретном отпуске

· Безработный

· Затрудняюсь ответить

· Другое (укажите)

5. К какой группе населения Вы, скорее всего, отнесли бы свою семью?

· Мы едва сводим концы с концами, денег не хватает даже на продукты

· На продукты денег хватает, но покупка одежды вызывает серьезные затруднения

· Денег хватает на продукты и одежду, но покупка товаров длительного пользования (например, бытовой техники) является для нас проблемой

· Мы можем без труда приобретать вещи длительного пользования, но нам затруднительно приобретать действительно дорогие вещи

· Мы можем позволить себе достаточно дорогие покупки - машину, квартиру, дачу и многое другое



Приложение 3

Факторный анализ как подготовительный этап для построения модели. Случай Instagram.



Приложение 4

Факторный анализ как подготовительный этап для построения модели. Случай Twitter.



Размещено на Allbest.ru