基于關鍵事件法的虛擬品牌社群顧客間互動行為研究

楊瑞

摘要：運用關鍵事件法對虛擬品牌社群顧客間互動行為進行探索性研究，結果顯示共有建議與幫助、認同與共鳴、友好態(tài)度、干擾與爭執(zhí)、負面態(tài)度和問題未解決6大類16個子類的顧客間互動行為。以此為基礎進行量表開發(fā)，信度分析、探索性因子分析以及驗證性因子分析表明，最終量表包括6個維度23個測項并具有良好的信度和效度。

關鍵詞：虛擬品牌社群；顧客間互動行為；關鍵事件法；測量量表

DOI：10.13956/j.ss.1001-8409.2017.03.26

中圖分類號：F713 文獻標識碼：A 文章編號：1001-8409（2017）03-0120-05

Abstract： Using Critical Incident Technique， this paper explores CCI behaviors in virtual brand communities and divides them into six categories： advice and help， identification and resonance， friendly attitude， interference and dispute， negative attitude， problems unsolved， a total of 16 subclasses. Then， a measurement scale is developed. Through the reliability analysis， exploratory factor analysis and confirmatory factor analysis， the final scale consists of 23 measurement items， and the scale has good reliability and validity.

Key words： virtual brand community； customer to customer interaction（CCI）behavior； Critical Incident Technique； measurement scale

互聯(lián)網(wǎng)的發(fā)展使顧客間的交流日益便捷和頻繁。連接品牌與顧客的虛擬品牌社群，聚集大量的顧客和潛在顧客，已經(jīng)成為顧客間互動的重要平臺。虛擬品牌社群中的互動包括顧客與企業(yè)（品牌）之間的互動以及顧客與顧客之間的互動，顧企之間的互動在顧客參與文獻中討論較多，而顧客之間的互動研究卻相對匱乏。這主要是因為與顧企互動相比，顧客間互動的過程和結果難以控制和測量。但服務業(yè)文獻表明，和其他顧客的口頭交互會使顧客在購買過程中更加滿意，其他顧客的評論比銷售人員的建議更可信[1]；積極的顧客間互動對顧客忠誠和口碑傳播具有正向作用[2]；不良的顧客間互動則會影響顧客的再惠顧意愿[3]。但當前的顧客間互動研究多集中于實體環(huán)境，關注處于同一消費場景中的顧客間互動[1～7]，僅有少數(shù)學者對虛擬環(huán)境中的顧客間互動進行了研究，但這些研究或者著眼于強度、雙向性、響應性等互動屬性[9，10]，或者注重互動內(nèi)容[11，12]，將其分為產(chǎn)品互動、人際互動、信息互動等，鮮有針對互動行為的研究。國內(nèi)僅見魏斐翡[13]對電子商務物流服務中的顧客間互動行為進行了研究，但該文的研究重點仍是處于同一虛擬服務場景中的顧客間互動。而本文關注處于服務現(xiàn)場之外的虛擬品牌社群中的顧客間互動行為，而且顧客間互動具有行業(yè)和情境依賴性[14]，針對特定情境的專門研究才更有意義。

鑒于此，本文對虛擬品牌社群顧客間互動行為進行探索性研究，探查其現(xiàn)象與形式，進而構建維度并開發(fā)量表，以期為企業(yè)影響和引導顧客間互動行為提供幫助，也為相應實證研究提供工具支持。

1 虛擬品牌社群顧客間互動行為研究內(nèi)容

品牌社群是建立在品牌愛好者形成的社會關系之上的、不受地域限制的特殊消費者群體[15]。基于互聯(lián)網(wǎng)的虛擬品牌社群超越了時間和地域的限制，實現(xiàn)了隨時隨地的自由交互，成為顧客間互動的重要場所。顧客間互動是指發(fā)生在顧客之間的互動，狹義上的顧客間互動僅指發(fā)生在服務現(xiàn)場的顧客間接觸[16]；廣義上的顧客間互動則是指相關信息在顧客間轉(zhuǎn)移的過程，這種過程會影響顧客的消費偏好、購買行為及同其他顧客進一步交流的意愿[17]，它可以發(fā)生在服務現(xiàn)場和服務現(xiàn)場之外[16]。

本文關注虛擬品牌社群中的顧客間互動行為，這是發(fā)生在服務現(xiàn)場之外的、虛擬環(huán)境中的顧客間互動，屬于廣義上的顧客間互動。廣義上的顧客間互動強調(diào)信息的轉(zhuǎn)移和對顧客的影響，互動發(fā)生的地點則不是重點。具體到虛擬品牌社群的環(huán)境中，顧客間的互動可能是立即得到回復的即時溝通，也可能是需要一段時間的延時溝通，還有可能是根本沒有得到回復的準社會互動準社會互動，指虛擬環(huán)境中發(fā)帖者與瀏覽者通過互聯(lián)網(wǎng)等媒體進行的非面對面的單向互動。

式溝通。但這些都實現(xiàn)了信息的轉(zhuǎn)移，也都會對顧客產(chǎn)生影響，因而都屬于廣義上顧客間互動行為研究的內(nèi)容，這也就是本文的主要研究內(nèi)容。

2 虛擬品牌社群顧客間互動行為類型探索

2.1 研究方法與過程

作為一種定性研究方法，關鍵事件法通過特定程序收集被試講述的令其印象深刻的關鍵事件，對其進行內(nèi)容分析并將之歸納到某個框架體系中。該方法能夠方便研究者對所發(fā)生的事情或狀況進行分類。當前，關鍵事件法已經(jīng)被較多地用于實體服務環(huán)境中的顧客間互動行為研究。例如，Martin和Pranter[4]運用該法將公共場合的顧客間互動行為歸納為顧客間的社交、其他顧客的外觀、不關心他人的行為、粗魯?shù)男袨椤⒈┝Φ男袨?、不滿的行為及從容不迫的行為等7大類32種具體行為。Zhang等[5]通過對餐廳、電影院等15種服務場景的關鍵事件研究，發(fā)現(xiàn)可以根據(jù)互動行為給同屬顧客同屬顧客，處于同一服務（或消費）場景中的其他顧客。

帶來的影響是直接或間接、積極或消極的，將顧客間互動行為分為4大類共9種。銀成鉞等[6]采用該法將服務接觸中的顧客間互動行為分為其他顧客的外觀、其他顧客的行為和顧客間的語言交流等3大類15個子類。蔣婷和胡正明[7]采用該法將游客間互動行為分為基本禮儀、旅游規(guī)范、語言溝通、幫助行為和其他等5個大類20個子類。

借鑒以上研究，本文亦采用關鍵事件法對虛擬品牌社群顧客間互動行為進行探索性研究。按照相關研究的普遍做法，通過問卷調(diào)查收集相關數(shù)據(jù)。首先，請被試填寫其經(jīng)常登錄的虛擬品牌社群；然后請被試描述在該社群中由于其他顧客的行為而使被試感到滿意或不滿意的一個事件，包括事件過程、其他顧客的表現(xiàn)和被試的感受；最后是被試的人口統(tǒng)計信息。本文委托“問卷星”調(diào)研網(wǎng)站并購買其樣本服務來收集數(shù)據(jù)。

調(diào)查共進行了7天，回收問卷322份。剔除無效問卷157份，得到165份有效問卷。其中，男性84人占比50.9%，女性81人占比49.1%；18～30歲84人占比50.9%，31～40歲64人占比38.8%；本科學歷121人占比73.3%；月收入4000～5000元及5000元以上的，共計118人，占比71.5%。在性別和年齡結構上，被試與第36次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告中的相應統(tǒng)計項目第36次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告顯示，截至2015年6月，中國網(wǎng)民男女比例為55.1：44.9；20～29歲網(wǎng)民占比最大，為31.4%；學歷以初、高中為主，占比67.0%；月收入以2001～5000元為主，占比43.4%。

基本吻合。在學歷層次和收入水平上，被試均高于該統(tǒng)計報告中的相應統(tǒng)計項目。這說明，與普通網(wǎng)民相比，虛擬品牌社群成員整體上學歷和收入較高。加入社群6～12個月、1～2年及3年以上的，共計112人，占比67.9%?？傮w上，樣本加入社群時間較長，這也保證了收集的事件是具有普遍意義的。

本文首先閱讀并分析關鍵事件，初步確立分類標準；其次，借鑒相關文獻[4～7]的做法，由包括本文的兩位研究者獨立對所有事件分類，并進一步確定分類標準和類別名稱；最后，由第三位研究者再次對所有事件分類，不一致的事件由3位研究者集中判斷并達成一致。本文采用式（1）所示的可靠性指數(shù)來檢驗分類過程的信度。其中，Ir表示信度指數(shù)，F(xiàn)0表示彼此同意的件數(shù)，N為總樣本數(shù)，K為分類數(shù)。當Ir超過0.8時，其結果被視為是可信的。

顧客間正面的相互影響更多。其次，再按照引起顧客滿意或不滿意的原因，將滿意事件劃分為建議與幫助、認同與共鳴、友好態(tài)度3大類10個子類，將不滿意事件劃分為干擾與爭執(zhí)、負面態(tài)度、問題未解決3大類6個子類。

第一類，建議與幫助，主要指社群成員間關于產(chǎn)品或品牌購買、使用、維護等方面的互動行為，收集56個事件，占滿意事件比例61.5%，占總事件比例33.9%，包括3個子類。（1）求助得到幫助，主要是顧客在產(chǎn)品或品牌使用中遇到問題求助網(wǎng)友而得到幫助解決問題的互動。典型事件有手機閃退/黑屏、電腦卡頓/中毒，化妝品使用方法等，收集32個事件，是讓顧客滿意的第一大因素。（2）購買咨詢建議，主要是指顧客在購買產(chǎn)品之前咨詢網(wǎng)友而得到推薦或建議的互動。典型事件有手機購買咨詢、衣服質(zhì)量咨詢、電腦換件咨詢、護膚品牌咨詢等，收集7個事件。（3）獲得信息知識，主要是顧客從他人帖子中獲得關于產(chǎn)品或品牌相關信息知識的互動，包括經(jīng)驗分享帖、創(chuàng)新使用帖、回答問題帖、產(chǎn)品推薦帖等。該類事件中，顧客并沒有發(fā)帖求助，而是通過瀏覽他人帖子而實現(xiàn)互動，這屬于準社會互動的范疇，收集17個事件，是讓顧客滿意的第二大因素。

第二類，認同與共鳴，主要指社群成員間能引起認同與共鳴的互動行為，收集18個事件，占滿意事件比例19.8%，占總事件比例10.9%，包括3個子類。（1）觀點得到認同，主要是顧客發(fā)帖表達意見和看法得到他人肯定與支持的互動。典型描述如“得到稱贊，回復率超高”“得到大家的肯定”，收集3個事件。（2）思想交流與碰撞，主要是顧客感知到可以與他人暢所欲言、自由交流并參與其中的行為。典型描述如“仁者見仁、智者見智的討論”“能談在一起”“可以自由表達想法”等，收集12個事件，是讓顧客滿意的第三大因素。（3）引起共鳴，主要指顧客瀏覽到能引起共鳴的帖子。典型描述如“說得跟我想的一樣”“……很有內(nèi)涵，我很受啟發(fā)”，共收集3個事件，屬于準社會互動。

需要說明的是，在以往的顧客間互動行為研究中，尚沒有文獻涉及“認同與共鳴”這一互動行為，較為接近的只有Nambisan和Baron[11]從互動內(nèi)容角度提出的成員身份互動，即顧客維持和表露穩(wěn)定身份的互動。品牌社群研究文獻表明，社群由對產(chǎn)品或品牌具有共同興趣和愛好的顧客組成，對品牌或社群的認同是顧客參與社群的重要動力。馬斯洛需求層次理論指出，人有歸屬、尊重與自我實現(xiàn)的需要。當顧客與社群其他成員進行交流時，彼此相近的認知必然會讓顧客產(chǎn)生歸屬感，進而感知到尊重與自我實現(xiàn)的滿足，其結果就是顧客感到滿意。因而，筆者認為，“認同與共鳴”是虛擬品牌社群特有的、導致顧客滿意的關鍵顧客間互動行為，也是該環(huán)境中顧客間互動行為的特有維度。

第三類，友好態(tài)度，主要指社群成員間輕松愉快的互動行為以及對他人友好的態(tài)度，收集17個事件，占滿意事件比例18.7%，占總事件比例10.3%，包括4個子類。（1）熱情友好態(tài)度，典型描述如“相互問候，很親切”“氣氛融洽，輕松聊天”，收集12個事件，與“思想交流與碰撞”一樣是讓顧客滿意的第三大因素。（2）得到安慰與鼓勵，主要指顧客發(fā)帖傾訴遇到的困難和挫折并獲得他人安慰和鼓勵的互動。事件描述為“工作中……，大家紛紛安慰鼓勵我”“發(fā)生了一件事，群友主動關心我，感覺好了些”，共收集2個事件。（3）有趣的內(nèi)容，收集2個事件，事件描述為“論壇很有趣”“有些人很幽默”。（4）獲得他人饋贈，收集1個事件，事件描述為“壇友送我一個游戲賬號，我很高興”。

第四類，干擾與爭執(zhí)，主要指社群成員間令人不愉快的互動行為乃至引起的爭執(zhí)和沖突，收集53個事件，占不滿意事件比例71.6%，占總事件比例32.1%，包括3個子類。（1）爭執(zhí)和沖突，主要指顧客間由于觀點和看法不同而引發(fā)的爭執(zhí)和沖突。典型描述如“聊到一個應用，意見不同互相說”“手機測評觀點不同引起沖突”，收集7個事件。（2）不文明現(xiàn)象，典型事件如辱罵他人、發(fā)布不雅內(nèi)容、炫富或炫耀、鼓動抵制某某等，收集29個事件，是讓顧客不滿意的第一大因素。（3）假消息和廣告，典型描述如“發(fā)布虛假中獎信息”“在我帖子后鏈接廣告，不高興”“謠言很多”，收集17個事件，是讓顧客不滿意的第二大因素。

第五類，負面態(tài)度，主要指社群成員互動中感知到他人的冷漠與挑剔，收集19個事件，占不滿意事件比例25.7%，占總事件比例11.5%，包括2個子類。（1）態(tài)度冷漠，典型描述如“提問題時，沒人理”“提問沒人回復”，收集4個事件。（2）態(tài)度挑剔，典型事件如咨詢問題被嘲諷、發(fā)表評論被攻擊、對產(chǎn)品或品牌質(zhì)疑被圍攻等，收集15個事件，是讓顧客不滿意的第三大因素。

第六類，問題未解決，主要指顧客在社群內(nèi)提出問題，雖得到答復但卻沒有解決問題的互動，收集2個事件，占不滿意事件比例2.7%，占總事件比例1.2%。事件描述為“……說著玩，無法解決問題”“……不搭邊，有用的不多”。

至此，通過對關鍵事件的內(nèi)容分析并參照現(xiàn)有研究，本文將虛擬品牌社群顧客間互動行為劃分為6大類16個子類。使顧客滿意的主要是建議與幫助、認同與共鳴、友好態(tài)度。其中，求助得到幫助、獲得信息知識、思想交流與碰撞、熱情友好態(tài)度是主要影響因素。使顧客不滿意的主要是干擾與爭執(zhí)、負面態(tài)度、問題未解決。其中，不文明現(xiàn)象、假消息和廣告、態(tài)度挑剔是主要影響因素?？煽啃灾笖?shù)表明，分類結果具有較高信度，為后繼量表的開發(fā)奠定了基礎。

3 虛擬品牌社群顧客間互動行為量表開發(fā)

本文首先將上述6類行為作為虛擬品牌社群顧客間互動行為的6個維度，以此為基礎提煉出35個語句；再結合深度訪談和文獻回顧補充7個語句；然后請營銷專家甄別語句的重復性和模糊性，刪除13個問句后得到初步優(yōu)化的29個測項；最后采用Likert 5級量表生成問卷，從1到5分別表示從幾乎不發(fā)生到經(jīng)常發(fā)生。

3.1 預調(diào)研與量表修正

預調(diào)研主要是修正量表。通過“問卷星”網(wǎng)站發(fā)布問卷并邀請朋友填寫。兩周時間里，回收107份問卷，刪除無效問卷3份，有效問卷共計104份。使用Cronbachs α和CITC值（Corrected-item Total Correlation）進行信度分析并凈化測項。一般認為，Cronbachs α應大于0.7。同時，刪除CITC小于0.5且刪除該項后Cronbachs α值增加的測項。按照上述標準，刪除3個題項后重新計算的CICT值均大于0.5，各維度Cronbachs α系數(shù)最小值為0.765，整體Cronbachs α系數(shù)為0.855，表明量表信度佳。量表KMO值為0.784，Bartletts球體檢驗顯著，適合進行探索性因子分析。采用主成分分析和最大方差正交旋轉(zhuǎn)，刪除因子載荷均小于0.5和兩個或多個因子載荷均不低于0.5的測項，逐個刪除3個測項后得到最終量表。萃取特征根大于1的公因子6個，旋轉(zhuǎn)后的23個測項分屬6個因子，各測項因子載荷均大于0.5，符合標準。6個公因子累計方差貢獻率68.055%，超過50%的閾值，可以很好地解釋研究變量。

3.2 正式調(diào)研與量表檢驗

正式調(diào)研重新收集數(shù)據(jù)對量表進行檢驗。將23個測項生成新的問卷，再次委托“問卷星”網(wǎng)站并購買其樣本服務收集數(shù)據(jù)。7天內(nèi)，回收問卷280份，刪除26份無效問卷，獲得有效問卷254份。將254份問卷隨機分成兩部分，前者120份用于信度分析和探索性因子分析，后者134份用于驗證性因子分析。本文共有23個測項，兩份樣本均符合樣本數(shù)為量表測項數(shù)量5倍的基本要求。

120份樣本信度分析結果顯示，各個測項的CICT值均大于0.5，且刪除任一測項都會使Cronbachs α系數(shù)降低，表明每個測項都應被保留。同時，6個維度的Cronbachs α系數(shù)最小值為0.786，整體Cronbachs α系數(shù)為0.828，達到了非常好的程度。KMO值為0.853，Bartletts球體檢驗顯著，采用主成分分析并最大方差正交旋轉(zhuǎn)后，23個測項分屬6個因子，因子載荷均大于0.5且無跨因子載荷現(xiàn)象，顯示量表結構較好。6個因子累計方差貢獻率為68.821%，表明抽取6個因子是合理的。

對剩余134個樣本進行驗證性因子分析。運用AMOS17.0軟件構建驗證性因子分析模型，并采用固定負荷法和極大似然法進行評估。表1表明，各測項因子載荷均在0.5～0.95的標準之間，全部通過了t檢驗且在p<0.001的水平上顯著，表明假設關系是存在的；各個潛變量組合信度（CR）均大于0.6的標準，平均方差析出（AVE）均大于0.5的標準，且各個潛變量AVE值的平方根（對角線上數(shù)據(jù)）均大于對應潛變量之間的相關系數(shù)（對角線下數(shù)據(jù)）（見表2），說明量表內(nèi)部一致性、收斂效度和區(qū)分效度良好。χ2/df=1.214（1～2之內(nèi)），RMSEA=0.040（小于0.05）、RMR=0.039（小于0.05），IFI=0.975（大于0.9），GFI=0.867（大于0.8），NFI=0.872（大于0.8），在實務中大于0.8也被視為是合理的[18]，說明模型擬合程度較好。

4 研究結論、意義及局限性

本文的研究結論可以總結為以下幾點。第一，通過對165個事件的內(nèi)容分析，本研究總結出建議與幫助、認同與共鳴、友好態(tài)度3類滿意事件（91件），及干擾與爭執(zhí)、負面態(tài)度、問題未解決3類不滿意事件（74件）。同時發(fā)現(xiàn)虛擬品牌社群特定情境下，顧客更多地感受到正面互動行為，這與以往研究不同，基于共同愛好和興趣的虛擬品牌社群是這一不同的主要原因。第二，通過定性和定量研究，本文構建了虛擬品牌社群顧客間互動行為的6個維度，尤其是“認同與共鳴”這一特有維度，是以往顧客間互動研究尚未涉及的。第三，基于探索性研究的結果，本文嚴格按照規(guī)定流程開發(fā)了虛擬品牌社群顧客間互動行為量表，信度分析、探索性因子分析和驗證性因子分析結果表明，量表包含6個維度23個測項，信度效度良好。

研究意義主要體現(xiàn)在以下幾點上。第一，顧客間互動是虛擬品牌社群的關鍵內(nèi)容和社群成功與否的重要標志。但是顧客并不天然都會與他人進行積極主動的良性互動，消極負面互動也普遍存在于顧客之間并影響顧客整體體驗。本文識別并總結出虛擬品牌社群中導致顧客滿意與否的6類互動行為，為企業(yè)管控和引導顧客間互動行為提供了切實的幫助和指導。第二，以往研究尚未涉及“認同與共鳴”這一顧客間互動行為，雖然這是基于虛擬品牌社群環(huán)境而提出的，但對其他環(huán)境中的此類研究也會具有啟發(fā)和促進作用。第三，如前所述，顧客間互動研究多集中于實體環(huán)境，本文開發(fā)的量表可以為虛擬環(huán)境中的此類研究提供工具支持，從而拓展顧客間互動的研究領域。

本文也具有一定的局限性。第一，對關鍵事件的劃分存在主觀性，故而研究結論也會有一定的局限性。第二，沒有區(qū)分不同的虛擬品牌社群。雖然虛擬環(huán)境不像實體環(huán)境能夠顯著影響顧客行為，但不同類型社群的顧客間互動還是會存在差異。例如，企業(yè)發(fā)起的社群中，假消息和廣告相對會少一些。手機、電腦等電子產(chǎn)品社群中，顧客間互動可能更多地集中于產(chǎn)品的使用與維護上；而游戲、旅游等娛樂體驗社群中，顧客可能更多地討論消費中的樂趣和感受。因此，不同虛擬品牌社群中，各類互動行為的相對重要性還需要進一步研究。第三，受時間和資源所限，本文的有效樣本數(shù)量還不夠大，未來應在更大范圍內(nèi)收集樣本，以進一步驗證量表的適用性。

參考文獻：

[1]Harris K，Baron S，Ratcliffe J.Customers as Oral Participants in a Service Setting [J].Journal of Services Marketing，1995，9（4）：64-76.

[2]Moore R，Moore M L，Capella M.The Impact of Customer-to-customer Interaction in a High Personal Contact Service Setting[J].Journal of Services Marketing，2005，19（7）： 482-491.

[3]蔣婷，張峰.游客間互動對再惠顧意愿的影響研究——基于游客體驗的視角[J].旅游學刊，2013，28（7）：90-100.

[4]Martin C L，Pranter C A.Compatibility Management： Customer-to-customer Relationships in Service Environments [J].Journal of Services Marketing，1989，3（3）：5-15.

[5]Zhang J Y，Beatty S E，Mothersbaugh D. A CIT Investigation of Other Customers Influence in Services[J].Journal of Services Marketing，2010，24 （5）：389-399.

[6]銀成鉞，楊雪，王影.基于關鍵事件技術的服務業(yè)顧客間互動行為研究[J].預測，2010，29（1）：15-20.

[7]蔣婷，胡正明.服務接觸中游客間互動行為研究——基于關鍵事件技術的方法[J].旅游學刊，2011，26（5）：77-83.

[9]Frey K， Lüthje C.Antecedents and Consequences of Interaction Quality in Virtual End-user Communities[J].Creativity and Innovation Management，2011，20（1）：22-35.

[10]Wang H W， Meng Y，Wang W.The Role of Perceived Interactivity in Virtual Communities： Building Trust and Increasing Stickiness[J].Connection Science，2013，25（1）：55-73.

[11]Nambisan S，Baron R A.Virtual Customer Environments： Testing a Model of Voluntary Participation in Value Co-creation Activities [J].Journal of Product Innovation Management，2009，26（4）：388-406.

[12]Zhou J J，Zuo M Y，Yu Y， et al.How Fundamental and Supplemental Interactions Affect Users Knowledge Sharing in Virtual Communities？ A Social Cognitive Perspective [J].Internet Research，2014，24（5）：566-586.

[13]魏斐翡.電子商務物流網(wǎng)絡服務下的顧客電子互動研究[J].計算機與數(shù)字工程，2013，41（10）：1567-1569，1684.

[14]Martin C L.Consumer-to-consumer Relationships： Satisfaction with Other Consumers Public Behavior[J].Journal of Consumer Affairs，1996，30（1）：146-169.

[15]Muniz A M Jr，O'Guinn T C.Brand Community[J].Journal of Consumer Research，2001，27（4）：412-432.

[16]Harris K，Baron S，Parker D.Understanding the Consumer Experience： Its “good to talk” [J].Journal of Marketing Management，2000，16（1-3）：111-127.

[17]Libai B，Bolton R，Bugel M S，et al.Customer-to-customer Interactions： Broadening the Scope of Word of Mouth Research [J].Journal of Service Research，2010，13（3）：267-282.

[18]Hair J F，Black W C，Babin B J，et al.Multivariate Data Analysis（7th Edition） [M].New Jersey：Prentice Hall，2009.

（責任編輯：楊 銳）