[论文解读] The Role of Emotions in Propagating Brands in Social Networks

Ronald Hochreiter, Christoph Waldhauser|arXiv (Cornell University)|Sep 16, 2014

Digital Marketing and Social Media参考文献 4被引用 4

一句话总结

本研究利用包含30,000条Google+消息的数据集，调查品牌信息中的情绪如何影响其在社交媒体上的传播。通过计算语言学与混合效应回归模型分析，发现尽管高唤醒度情绪（如愤怒和惊讶）通常会增加转发量，但其效果在不同行业中存在显著差异——尤其对于愤怒情绪，仅在汽车品牌中提升传播效果，而在电子产品和食品/饮料行业中则无此效果。

ABSTRACT

A key aspect of word of mouth marketing are emotions. Emotions in texts help propagating messages in conventional advertising. In word of mouth scenarios, emotions help to engage consumers and incite to propagate the message further. While the function of emotions in offline marketing in general and word of mouth marketing in particular is rather well understood, online marketing can only offer a limited view on the function of emotions. In this contribution we seek to close this gap. We therefore investigate how emotions function in social media. To do so, we collected more than 30,000 brand marketing messages from the Google+ social networking site. Using state of the art computational linguistics classifiers, we compute the sentiment of these messages. Starting out with Poisson regression-based baseline models, we seek to replicate earlier findings using this large data set. We extend upon earlier research by computing multi-level mixed effects models that compare the function of emotions across different industries. We find that while the well known notion of activating emotions propagating messages holds in general for our data as well. But there are significant differences between the observed industries.

研究动机与目标

• 理解情绪在在线社交网络中推动品牌信息传播的作用。
• 探究以往在离线及一般在线语境中关于情绪与病毒式传播的研究发现，是否适用于Google+等社交媒体平台。
• 考察情绪对信息传播的影响在不同行业间的差异。
• 利用大规模真实世界品牌营销信息数据集，提供实证证据。
• 为营销人员提供针对特定行业的基于情绪的内容策略的可操作见解。

提出的方法

• 从Google+社交网络平台收集了超过30,000条品牌营销信息。
• 应用先进的计算语言学分类器，确定每条信息的情感与情绪内容。
• 使用基于泊松回归的基线模型，分析信息转发率与情绪内容的关系。
• 通过多层次混合效应模型扩展分析，以考虑行业与品牌间的差异。
• 在所有模型中控制消息长度和一天中时间等混淆变量。
• 使用随机效应比较七大数据行业间的情绪影响差异，评估情绪影响的变异性。

实验结果

研究问题

• RQ1 正如以往在离线和一般在线语境中所发现的那样，愤怒和惊讶等高唤醒度情绪是否确实会提高社交媒体上信息转发的可能性？
• RQ2 品牌信息的情绪内容如何影响其在不同行业社交网络中的传播？
• RQ3 悲伤、喜悦和厌恶等情绪对信息分享的影响在不同行业间的差异程度如何？
• RQ4 信息极性（正向情感 vs. 负向情感）是否是社交媒体品牌传播中信息转发可能性的显著预测因子？
• RQ5 情绪内容能否根据不同行业进行战略性调整，以增强品牌信息的病毒式传播效果？

主要发现

• 高唤醒度情绪（如愤怒和惊讶）显著提高了信息转发的可能性，证实了Berger和Milkman（2012）在Google+语境下的发现。
• 悲伤在所有行业中均一致降低信息转发的可能性，与部分先前研究认为其可能促进口碑传播的观点相矛盾。
• 愤怒对信息传播的影响具有高度行业依赖性：仅在汽车行业中提升转发量，而在电子产品和食品/饮料行业中则会抑制转发。
• 厌恶和恐惧等情绪在不同行业中的影响差异极大，表明情绪传播具有强烈的语境敏感性。
• 信息极性（整体正向或负向情感）对转发可能性无显著影响，表明情绪强度或情感极性本身并不能驱动病毒式传播。
• 本研究揭示，品牌信息传播的情绪策略无法一概而论；在共同创作与营销规划中必须考虑行业特异性的情绪反应。