社交媒体营销方法精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇社交媒体营销方法范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

营销已经进化成了一个比以往任何时候都更加复杂的学科，对于营销者也提出了更高的要求。为了避免自己变得无关紧要，营销者承受着更大的压力，尤其是当他们期望抓住新世代年轻人的时候。

2012年有4900万新世代的消费者使用了智能手机，其中84%都是热切、积极的社交媒体使用者。要想抓住这种移动/社交目标，需要营销者比以往都更切中主题。

那么营销者如何创造出实时的、对品牌而言又是内在固有的内容呢?他们如何通过创造出消费者想要阅读和分享的内容，在一个更私人的水平上与更年轻的消费者互动?在你和新世代打交道的时候，下面五件事一定要记住：

1.保持对话的主动性，否则交流还在进行，你却已经被排除在外。在最近《华尔街日报》的问答环节中，迪士尼的Anne Sweeny和电视制作人I.Marlene King曾表示，在线交流正在改变整个创意过程以及组织运行方式。交流是持续存在的，组织必须保持关注，并提供及时和持续的反馈，除此之外，再没有别的途径。

2.事前积极准备，并为准备的过程投资。对于策划重要时刻和与年轻的用户实时交流来说，投资在必要的资源上是至关重要的。事后证明，在饱受诟病的第47届超级碗断电事故期间，奥利奥雇佣了一个多达15人的社交媒体队伍来应对比赛期间发生的任何事情，奥利奥甚至事先准备了两种不同版本的推文，已备不时之需。(译注：2013年第47届超级碗比赛突发断电事故，奥利奥立即在推特上一条拿断电开涮的广告，在恢复供电的35分钟内被转发超过一万次，点赞数千次，为奥利奥赢得无数赞誉。)

3.假定他们同时关注多个平台。超级碗之前的一项调查表明，36%的观众会从多个平台接收信息。对于品牌来说，在重大的文化时刻，要想在个人资讯或是情感层面接近你的受众，有一个完美的途径，那就是通过智能手机、电脑、平板端的相关社交频道，即时、迅速地回应你的受众。

4.有的放矢。当你的目标是新世代的年轻人时，有一点很重要，那就是发现他们在线的时间都花在什么地方，同时这种趋势是如何随着时间而变化的。现在，使用Twitter的年轻人有1600多万，使用Facebook的有6500多万，对品牌而言，移动设备和社交应用的普及程度已经变成了一种生活方式，品牌应该利用它与被过分刺激的年青一代相联系。

篇(2)

关键词：社交媒体；营销特点；营销理论；传播策略

中图分类号：G206.2 文献识别码：A 文章编号：1001-828X（2017）007-0-01

引言

社交媒体的普及给人们生活带来了巨大的变化，逐渐成为人们分享、交流、沟通的主要工具。在这种情况下，社交媒体营销成为了企业营销的一个重要内容。社交媒体营销本身是一项专业性很强的工作，目前我国企业在社交媒体营销方面还处于一个探索起步的阶段，在做好这一工作方面存在能力、经验不足的问题，这一定程度上影响了企业社交媒体营销效果。因此有必要加强社交媒体营销的研究，了解做好这一工作的要点及方法，从而推动企业营销水平的整体提升。

一、社交媒体营销概述

社交媒体以及社交媒体营销都是营销领域的新概念，因此有必要对于这两个概念的界定以及特点进行深入了解。

1.社交媒体营销概念与特点

社交媒体是指基于互联网形成的让人们进行沟通交流的平台。社交媒体类型很多，常见的包括微博、微信、论坛等等。当前社交媒体以其具有的天然优势已经成为了人们交流沟通的主要工具，社交媒体在一个个的热门话题制造、传播等方面发挥着越来越重要的作用。社交媒体的主要特点在于信息传播点对点层面，每一个人都是信息的接收者，同时也是信息的传播者，网民更多的主动权使得社交媒体活力四射[1]。

社交媒体营销简单来说就是以社交媒体为平台和工具进行产品的宣传推广，从而顺利实现提升产品知名度、美誉度，开发更多消费者的过程。社交媒体营销本质上是企业营销的一种模式，利用的是社交媒体受众广泛、传播效果好的优势。社交媒体营销本身具有可计量、速度快、成本低、交互性强等特点，可计量是指借助于网络信息技术，可以精准地查看有多少人看了企业的营销广告；速度快是指社交媒体营销传播的实时性，每个网民都可以及时获取社交媒体上的营销内容；成本低则是相对于传统媒体而言，单人广告成本较低；交互性强是指社交媒体上的各个网民都可以进行互动沟通，从而带来营销互动性的强化。

2.社交媒体营销理论

社交媒体营销方面的理论很多，对于这些营销理论进行深入探讨，可以根据这些理论的指导来制定科学的社交媒体营销策略，本文这里将典型的社交媒体营销理论探讨如下：首先是六度空间理论。所谓的六度空间理论是指任何两个陌生人之间间隔都不超过6个人，在营销工作开展中，借助于六度空间理论就可以找到目标客户，这一理论在口碑营销中的作用比较明显[2]。其次是长尾理论。长尾理论的核心观点认为只要销售渠道够宽广且流通阻碍小，即使是传统营销中的小市场也能够与大市场在规模层面相匹敌，这一理论是对于二八理论的有益补充，借助于社交媒体就可以将小市场串联起来，形成大市场。最后就是4R营销理论，这一理论的内容包括了关联、反应、关系、报酬等四个方面的内容，根据这一理论，企业在营销工作开展中，注重对于客户诉求的反应，要与顾客之间形成良好的互动关系，从而通过营销获得经济利益。

二、社交媒体营销传播策略

社交媒体营销工作开展是一项系统性的工作，要做好这一工作难度很大，对于企业各方面营销能力要求很高。本文结合社交媒体以及社交媒体营销的基本特点，认为要做好这一工作，关键是要做好以下几个方面的工作：

1.注重情感文化传播

一流的企业卖文化，二流的企业卖产品。在企业之间的竞争加剧以及产品同质化严重的情况下，营销重心放在情感文化层面，对于营销效果的提升具有重要促进作用。因此社交媒体营销中一定要注重目标受众的情感分析把握，在营销内容层面照顾到受众的情感，力争引起情感共鸣，从而实现营销效果的持续提升。

2.利用好热点事件

企业社交媒体营销工作开展要善于利用好一些热点事件、话题，懂得借势，这对于社交媒体营销效果提升来说可以做到事半功倍。毕竟在目前信息广告严重过剩的情况下，对于社交媒体用户来说，很多企业的营销广告都很难引起关注，这自然会影响到营销效果。而通过借助公众关注度比较高的热点事件，巧妙借助于热点事件进行营销方案设计，可以很好地吸引公众关注，从而提升营销效果[3]。当然社交媒体营销中借势热点事件，一定要住注意度的把握，注意内容层面要较好地结合热点事件，不要生硬地与热点事件挂钩，否则会导致受众的反感，这样的营销在效果层面反而会出现适得其反的情况。

3.开展互动性强的沟通活动

社交媒体营销方面一定要充分发挥好社交媒体本身的互动性，避免营销方面的单项推送，良好的互动有助于更好地解决企业与受众之间的信息不对称问题，赢得受众更多的信任。因此在基于社交媒体平台进行营销工作开展中，一定要增强营销方案的参与性，具体来说可以开通抽奖、评论、分享心得等功能，对于受众各方面的咨询及时进行反馈，让受众感受到来自于企业的尊重，同时引导客户发表产品使用体验，形成良好的口碑，提升企业产品的美誉度。

4.增强营销方案趣味性

社交媒w营销方案设计一定要充分考虑趣味性，僵化古板的营销方案与灵动有趣的营销方案在营销效果层面是截然不同的。社交媒体在营销方案的设计方面有着更多的选择，因此需要充分利用社交媒体的优点，进行营销方案的设计，举例而言，在故事讲述、图片搭配、视频内容设计等方面进行巧妙构思，从而使得营销方案有趣有味，引起良好的反响。

5.进行必要的付费推广

必要的付费推广是社交媒体营销必然之举，通过与网站合作设置广告弹窗、购买关键词搜索等手段，可以实现广告到达率的提升，让更多的潜在客户了解企业的产品、服务等。在付费推广工作方面，要强调精确性，提升商品购买转化率，不断进行付费推广的优化。

参考文献：

[1]李怡芳，曹睿.中国社交媒体营销策略研究[J].经济研究导刊，2013（36）.

篇(3)

IBM大数据分析融入腾讯媒体报道

在世界杯开赛之前，IBM和腾讯“牵手”成为腾讯体育社交媒体数据分析合作伙伴。IBM根据网友和球迷在腾讯网络媒体平台及社交网络上的海量公开信息和数据，通过大数据分析技术，获得球迷话题、球迷类型、球迷个性分析等一系列洞察；同时还能根据这些信息得出网友心中真实的球队支持率。而腾讯则通过这些分析得出的洞察来指导内容报道，细分受众，制作球迷更加喜欢的内容。

比如，IBM基于典型球迷在微博等社交媒体上所内容的综合分析，并对比心理学上的任务性格分析模型，通过大数据技术进行球迷的性格分析，勾勒出不同球星的典型球迷形象，不仅是球迷的兴趣爱好，连性格特点和行为方式都刻画的十分详细。如内马尔球迷的关键词为“阳光活泼、爱凑热闹、爱找乐子、喜欢悠闲生活”等等。

从世界杯看社交大数据分析如何为行业客户创造价值

通过大数据分析，媒体能够了解网友和球迷的喜好和关注点，就能够有针对性的制作内容并进行推荐，这大大改善了网友的体验。作为一名媒体人，笔者经常会为找到读者喜欢的话题而头痛，往往精心制作的选题却反映冷淡，其原因在于媒体认知和读者需求出现了脱节。大数据分析改变了媒体传统的单向式传播模式，让读者变成内容制作的“参与者”，从而更加贴近读者的需求。“大数据”开启了媒体报道的新模式，据悉，众多媒体集团都表现出兴趣，希望能和IBM进行类似的合作。同时，在本届世界杯上，大数据和媒体的结合，也为球迷送去了一场与众不同的“足球报道盛宴”。

行业CMO最关注大数据和社交网络对营销的影响

IBM在本届世界杯和腾讯的合作只是IBM在体育行业大数据分析的一个缩影，此前IBM大数据社交分析已经在网球四大大满贯赛事、橄榄球、高尔夫球等赛事中也发挥着巨大作用，为球迷带来了更佳的观赛体验，为球员和教练合理制定训练和比赛计划提供着参考，同时也助力主办方创办世界顶级赛事也帮助转播机构传递精彩比赛。事实上，其它行业的企业CMO也正越来越重视大数据和社交网络在企业营销中的价值。

图注一：中国的CMO已经意识到营销管理在将来的巨大变化，并且已经开始在投资/整合技术与分析方面做出相应的准备

根据IBM年度的全球和中国CMO调查报告，在被认为对营销管理产生重要影响的13中因素中，数据爆炸和社交媒体被认为是最重要的两种因素。其中，85%的CMO都选择企业应对数据爆炸做出市场营销的改变；71%的CMO则选择了社交媒体。

IBM大数据社交分析已有成熟的方法论

移动技术和社交业务正在催生着很多新的IT服务来与被数字化武装的个体进行交互。对于企业而言，构建一套全方位的互动参与体系，在员工、合作伙伴和客户之间建立参与机制将尤为重要。而IBM在社交大数据分析方面不仅有SoftLayer等云计算基础设施的支撑，还通过多年积累形成了一套为企业提供社交环境下客户全生命周期支持的完整方法论，使大数据社交分析能充分挖掘到在媒体行业、电信、金融、交通运输、零售、快速消费品等不同行业的客户价值。

图注2：IBM社交大数据分析解决方案为企业提供社交环境下客户全生命周期的支持

篇(4)

〔关键词〕社交媒体；信息可信度；评估；综述

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）12-0164-06

〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.

〔Key words〕social media；information；credibility；assessment；review

1 研究的意义

随着互联网技术和移动技术的突飞猛进，社交媒体盛行，人人可做信息的制造者，制造的信息极为丰富。然而，在这丰富信息的背后，隐藏着漫天飞舞的谣言、病毒般传播的虚假照片和视频，这给人们幸福的生活、社会的稳定带来了严重的隐患。为了遏制虚假不良信息传播，营造健康向上的网络环境，信息可信度评估就成了迫在眉睫的问题，社交媒体信息急需“鉴定师”和“测谎仪”。

社交媒体信息可信度评估研究既有较高的学术价值，也有较强的应用价值。具体来说，学术价值表现在研究社交媒体信息可信度评估并探讨虚假信息的生成机制、传播模式、治理措施，是对社交媒体环境下网络信息资源管理理论的丰富、发展与完善。应用价值表现在研究社交媒体信息可信度评估有助于社交媒体用户判断信息的可信性，营造诚信健康的互联网环境，也有助于提高社交媒体信息舆情监控、社交媒体信息引导、社交媒体搜索、社会化推荐等方面的效果。

2 社交媒体信息研究

社交媒体（Social Media）是通过Web2.0技术实现的一类支持用户自主创造和交换内容的媒体，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、论坛、人人网等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美国加州伯克利市建立全球第一个公共电子公告牌系统 Community Memory后，BBS以及网络社区等早期的社交媒体开始映入人们的眼帘。《2015年全球社会化媒体、数字和移动业务数字统计趋势》报告表明：全球社交媒体活跃用户约占全球人口的29%。

2.1 国外研究

社交媒体的相关研究从20世纪80年代开始，在2005年左右开始进入快速发展阶段，发文量有逐年增加的趋势。在国际期刊中，发表社交媒体论文较多的要属《Computers in Human Behavior》。近两年，关于社交媒体的国际会议主要有ASONAM、SMP、MISNC、SMAP、SCSM。国外学者研究内容主要集中在以下4个方面：

2.1.1 社交媒体信息利用研究

社交媒体在商业领域、教育领域、公共管理领域等都有广泛的应用[1]。如在营销领域，利用社交媒体信息，可以获知消费者态度和行为[2]，可以获知客户交流和推荐对营销的影响[3-4]，可以获知社交媒体信息对营销管理功能的影响[5]。

2.1.2 社交媒体信息检索与信息推荐研究

侧重于社交媒体信息检索与信息推荐方法的研究。社交媒体信息的检索采用主题模型[6]、社会网络[7]、本体[8]等检索方法。比如，Hong和Davison（2010）使用标准主题模型进行社交媒体Twitter信息的检索。社交媒体信息的推荐采用内容推荐[9]、协同过滤[10]、时序推荐[11]、位置推荐[12]、社会化推荐[13]等方法。比如，Levandoski等（2012）提出位置感知推荐系统（LARS）[12]。

2.1.3 社交媒体信息传播研究

侧重于反映信息传播传播规律的社交媒体信息传播模型的构建以及通过模型的构建对实际问题进行预测等方面的研究。如Galuba等（2010）通过研究1 500万URL在不同Twitter用户之间的300小时传播，提出了基于内容流行度、用户影响力和传播速度的线性阈值模型[14]。Adar和Adamic（2005）通过研究信息在博客中传播的模式和动力学特性，提出用传染病模型来描绘信息传播的机理[15]。Asur和Huberman（2010）采用来自的聊天数据通过简单的线性回归模型预测电影票房的收入[16]。

2.1.4 社交媒体用户隐私研究

在探讨社交媒体用户隐私现存问题的基础上，提出了相应的隐私保护方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基础上探讨了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解决社交媒体用户隐私问题[18]。

2.2 国内研究

国内学者的社交媒体研究最早可追溯至20世纪90年代末，但从2005年后起关于社交媒体的论文才逐渐表现出增长态势。国内研究内容主要集中在：

2.2.1 社交媒体信息传播研究

研究内容包括：①社交媒体信息传播模式研究。如韩佳等（2013）提出了基于改进SIR的在线社交网络信息传播模型[19]。姜景等（2015）构建表征谣言信息与辟谣信息传播机理的Lotka-Volterra竞争模型[20]。②社交媒体信息传播中存在的问题与对策研究。如阎俊（2015）探讨微博传播存在的问题及原因，并提出了加强微博内容管理、增强把关意识、提高微博用户的媒介素养等对策[21]。③社交媒体信息传播效果研究。如陈远和袁艳红（2012）以新浪微博作为数据来源，把信息覆盖人数、评论数、转发数作为微博信息传播效果的量化指标，从纵横向两个角度研究新浪微博信息传播过程造成的效应[22]。

2.2.2 社交媒体舆情分析与监测研究

如张J等（2014）以打砸日系车系列突发公共事件为实例，探讨其在新浪微博和新浪新闻平台上舆情传播的特征与规律[23]。张瑜等（2015）对新浪微博热门话题“北京单双号限行常态化”下的微博进行了数据采集，将舆情演化划分为潜伏、成长、爆发、衰退、波动、死亡6个阶段，并对各阶段进行情感分析，为舆情治理提供了支持[24]。唐涛（2014）在分析网络舆情五要素的基础上，探讨移动互联网舆情的新特征，指出面临的新挑战，并从信息分析、信息筛选、信息引导等方面提出对策[25]。

2.2.3 社交媒体营销研究

如唐兴通（2012）的著作《社会化媒体营销大趋势：策略与方法》系统总结了社交媒体营销，并对众多社交媒体工具在实际工作中的应用提供了具体的建议[26]。张淼（2014）提出了企业完善社交媒体营销策略的“9+3”模式[27]。刘晓燕和郑维雄（2015）采用社会网络分析方法研究企业微博营销传播的效果[28]。

3 信息可信度研究

3.1 国外研究

信息可信度（Information Credibility）是指人们对信息可相信程度的认识。它由值得信赖（Trustworthiness）和专业性（Expertise）两个关键要素组成[29]。信息可信度比较系统的研究始于20世纪50年代的传播领域。Hovland和同事的工作具有里程碑的意义[30]。信息可信度最初关注的是传播者的可信度。国外对传统媒体信息可信度的研究主要是从信源可信度、内容可信度、渠道可信度三方面展开的。随着互联网的出现，网络信息可信度的评估被提上了议事日程。研究情况可归纳如下：

3.1.1 网络信息可信度评估的理论模型

主要有Fogg（2003）的P-I理论模型、Wathen和Burkell（2002）的评判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的统一模型、Metzger（2007）的双处理模型以及Lucassen等（2013）的3S模型（修订版）。以上理论模型是由情境、用户特征、操作性、处理过程这些侧面的若干部分构建而成的。

3.1.2 网络信息可信度研究内容

主要有对网络新闻的可信度研究、对搜索引擎结果的可信度研究以及对维基百科内容的可信度研究。比如，Nagura等（2006）通过比较关于同一主题不同网页的相似度来计算每个网页的可信度[31]。Yamamoto和Tanaka（2011）利用用户可信度评判模型对网页搜索结果进行重新排序，以便从Web搜索结果的列表中用户可以更高效的找到可信的网页[32]。Adler等（2008）以文章长度、版本数量和基于贡献数量的作者声誉建立模型，计算出维基百科文章的可信度[33]。

3.1.3 网络信息可信度研究方法

主要采用定量研究法。比如，Olteanu等（2013）在调查网页的各种特征（文本内容、链接结构、网页设计等）的基础上，经过统计分析方法筛选出关键的特征，采用监督学习算法来推断网页内容的可信度[34]。与网络信息可信度有关的典型系统有日本的WISDOM和Honto？Search。

3.1.4 影响力较大的项目和国际会议

影响力较大的项目有互联网可信度研究（The Web Credibility Research）项目，影响力较大的国际会议有WICOW（Workshop on Information Credibility on the Web）。

3.2 国内研究

1993年的《鉴别虚假信息五法》是国内发表的早期论文。2004年至今，相关研究进入快速发展期。相对于国外较多研究评估算法和评估系统，国内研究重点在于定性分析上，大多采用问卷调查及专家访谈法等进行人工评估。国内研究内容主要有：

3.2.1 侧重于信息可信度影响因素研究

比如，龚思兰等（2013）针对评论信息的文本内容、长度、情感倾向、时效性、者、商家活动等特征，通过问卷调查方式对大学生消费群体进行在线商品评论信息可信度影响因素实证分析[35]。蒋洪梅（2013）运用理论分析辅以实证研究的方法，从宏观的社会系统、中观的政策法规、微观的媒介与受众3个视角分析网络新闻信息可信度的影响因素[36]。

3.2.2 侧重于信息可信度指标体系的构建

比如，胡红亮（2013）按照信息源、信息加工、信息传播和信息应用等方面采用德尔菲专家调查法建立了学术著作可信度的基本评价模型[37]。潘勇和孔栋（2007）基于第三方认证机构的视角，构建了电子商务网站的信用评价指标体系及评价因素集，并建立灰色关联信用评估模型[38]。当然，也有少量基于机器学习的信息可信度自动化评估实验研究，比如，马伟瑜（2011）提出一种采用改进的PageRank算法评估网页信息可信度的方法[39]。

4 社交媒体信息可信度评估研究

4.1 国外研究

国外相关研究较早。社交媒体信息可信度的相关研究随着BBS的出现随之展开，最早可追溯到20世纪80年代。目前可以说，研究处于繁荣期。国外研究情况可归纳如下：

4.1.1 社交媒体信息可信度评估研究内容

研究内容主要包括：①不实信息的判断识别。如Qazvinian等（2011）提取Twitter信息的文本特征、网络特征和微博元素特征，构建贝叶斯分类器甄别谣言[40]。Zhao等（2015）通过研究查询帖以便及早识别社交媒体谣言[41]。②话题新闻的可信度评估。如Castillo等（2011）选取了有关用户特征、文本特征、主题特征、信息传播特征，采用J48决策树评估Twitter中话题新闻的可信度[42]。

4.1.2 社交媒体信息可信度评估方法

评估方法主要有监督学习[43]，统计分析[44]，与可信信息来源的相似性比较[45-46]，社交网络的链接结构分析与主题模型的利用[47]等。它们主要采用自动评估，具体来说：①选取的特征：选取的特征主要是用户特征、文本特征、信息传播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）选取用户特征（如注册时间、粉丝量、好友量），文本特征（如是否包含#标签、是否包含问号、Tweet中包含的URL数量、是否转发），主题特征（如带#标签Tweet的比例、Tweet数量、Tweet的平均长度、Tweet的平均情感分值、积极情绪或消极情绪的比例），以及信息传播特征（如传播树的深度），采用J48决策树评估Twitter信息的可信度[42]。②评估的方法：大多通过构建SVM分类器、Bayesian分类器、Decision Tree分类器等方法，并对结果进行分类，以达到评估社交媒体信息可信度的目的。上例Castillo等采用J48决策树构建分类器，并对结果进行分类，从而评估Twitter信息的可信度[42]。当然，也有通过对结果进行排序的实例，从而达到评估社交媒体信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM与PRF相结合的方法，按照可信度得分对Twitter信息进行排序[43]。

4.1.3 有较大影响的在研项目与系统

由欧盟资助七国科研人员联合攻关的PHEME项目研究的重点是社交媒体信息的真实性，该项目在国际上有较大影响。Jacob Ratkiewicz等（2011）开发出可实时追踪Twitter上政治谣言的Truthy系统[48]。Gupta等（2014）、Lorek等（2015）分别开发出一款可自动评估推文可信度的工具TweetCred、TwitterBOT[49-50]。

4.2 国内研究

2007年《博客信息“可信度不亚于纽约时报”？》拉开了国内探讨社交媒体信息可信度评估的序幕。目前研究还处于发展的初期。社交媒体信息可信度评估研究主要有：

4.2.1 社交媒体信息可信度影响因素研究

如刘雪艳和闫强（2013）探讨政府微博中的热点事件信息可信度的影响因素[51]。丁科芝（2015）从信息传播者、渠道、信息内容和用户基本信任观念4个方面构建社交网络可信度影响因素模型[52]。薛传业等（2015）从信息来源可信度、信息传播渠道可信度、信息内容可信度以及信息评论反馈多维度探讨了突发事件中社交媒体信息可信度的影响因素[53]。

4.2.2 构建社交媒体信息可信度指标体系研究

它大多采用问卷调查及专家访谈法进行人工评估。屈文建和谢冬（2013）从站点层次、版块层次、主题层次、内容层次4方面，采用模糊综合信用评估模型对网络学术论坛信息可信度进行评估[54]。莫祖英等（2013）从微博信息量、信息内容质量、信息来源质量和信息利用情况等方面进行问卷调查，采用层次分析法构建微博信息质量评估模型[55]。当然国内也有少量自动化评估的例子。比如，贺刚等（2013）引入关键词分布特征和时间差等新特征，基于SVM算法来预测新浪微博信息是否为谣言[56]。程亮等（2013）提出基于BP神经网络模型及改进其激发函数，同时引入冲量项，对微博话题在传播过程中演变为谣言进行检测[57]。路同强（2015）采用半监督学习算法检测微博谣言，但不足之处在于未考虑信息的深层特征[58]。

4.3 存在的问题

对比国内外研究情况，可发现国内研究存在如下问题：

4.3.1 研究内容

关于社交媒体信息可信度研究，国内外目前以微博研究较多。与国外丰富的研究内容相比，国内在该领域的研究还主要集中于对影响因素以及特征的探讨上。

4.3.2 研究方法

国外定量研究较多，很多涉及自动化评估，而国内定性研究较多，大多采用问卷调查法、专家访谈法等进行人工评估。

总之，现有研究大多是针对Twitter等英文社交媒体，其研究成果大多不能直接应用于中文社交媒体。尽管也有少量研究是面向中文社交媒体的，但研究成果零散，还缺乏系统性。另外，在特征选择上，选择范围面较窄，考虑社交媒体深层的隐含特征较少。

5 结 语

为了解决中文社交媒体的可信度评估问题，在吸收前人研究的基础上[59-63]，很有必要对中文社交媒体信息可信度进行系统研究，特别是在参考国外信息可信度评估系统的基础上，很有必要研制开发中文社交媒体信息可信度评估系统，实现中文社交媒体信息可信度的自动评估。在进行中文社交媒体信息可信度评估中，应注意下列问题：

1）评估要在对信息资源分类的基础上，对不同的类别采用不同的评估指标体系，以提高评估工作的科学性和合理性。

2）评估既要重视定性评估，也要重视定量评估，尤其是自动化评估。特别是在大数据环境下，应针对评估的实际需求，制定科学的评估方案，选择恰当的评估方法，构建适合评估工作需要的自动化评估系统。

3）评估指标、评估模型的选取以及参数的训练，既要考虑研究结果的精确度，又要考虑系统的运算时间。

4）评估模型构建后，不仅要进行实验室评估，还应进行实际效果评估。

参考文献

[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.

[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.

[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.

[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.

[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.

[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.

[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.

[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.

[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.

[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.

[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.

[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.

[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.

[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.

[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.

[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.

[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.

[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.

[19]韩佳，肖如良，胡耀，等.在线社交网络中信息传播模式的特征分析[J].计算机应用，2013，（1）：105-107，111.

[20]姜景，李丁，刘怡君.基于竞争模型的微博谣言信息与辟谣信息传播机理研究[J].数学的实践与认识，2015，（1）：182-191.

[21]阎俊.微博传播的问题与对策研究[D].锦州：渤海大学，2015：1-38.

[22]陈远，袁艳红.微博信息传播效果实证研究[J].信息资源管理学报，2012，（3）：28-34.

[23]张，孙霄凌，朱庆华.突发公共事件舆情传播特征与规律研究――以新浪微博和新浪新闻平台为例[J].情报杂志，2014，（4）：90-95.

[24]张瑜，李兵，刘晨.面向主题的微博热门话题舆情监测研究――以“北京单双号限行常态化”舆情分析为例[J].中文信息学报，2015，（5）：143-151，159.

[25]唐涛.移动互联网舆情新特征、新挑战与对策[J].情报杂志，2014，（3）：113-117.

[26]唐兴通.社会化媒体营销大趋势：策略与方法（第2版）[M].北京：清华大学出版社，2012：1-235.

[27]张淼.社会化媒体在市场营销中的应用研究[D].北京：首都经济贸易大学，2014：1-47.

[28]刘晓燕，郑维雄.企业社会化媒体营销传播的效果分析――以微博扩散网络为例[J].新闻与传播研究，2015，（2）：89-102，128.

[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.

[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.

[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.

[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，Flammini，A.and Menczer，F.Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.

[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.

[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.

[51]刘雪艳，闫强.政府微博中的热点事件信息可信度研究[J].北京邮电大学学报：社会科学版，2013，（2）：6-12.

[52]丁科芝.社交网络信息可信度研究[D].武汉：华中师范大学，2015：1-61.

[53]薛传业，夏志杰，张志花，等.突发事件中社交媒体信息可信度研究[J].现代情报，2015，（4）：12-16.

[54]屈文建，谢冬.网络学术论坛信息可信度的灰度分析[J].图书情报知识，2013，（2）：112-118.

[55]莫祖英，马费成，罗毅.微博信息质量评价模型构建研究[J].信息资源管理学报，2013，（2）：12-18.

[56]贺刚，吕学强，李卓，等.微博谣言识别研究[J].图书情报工作，2013，（23）：114-120.

[57]程亮，邱云飞，孙鲁.微博谣言检测方法研究[J].计算机应用与软件，2013，（2）：226-228，262.

[58]路同强，石冰，闫中敏，等.一种用于微博谣言检测的半监督学习算法[J].计算机应用研究，2016，（3）：744-748.

[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.

[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.

[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社会媒体挖掘[M].北京：人民邮电出版社，2015：1-240.

篇(5)

营销4.0的核心驱动力是云技术以及云技术改变的商业结构、市场结构、媒体结构、营销模式，而云营销是营销4.0的最大驱动引擎。营销4.0的价值链已经形成，我们已能描述其基本轮廓：

电子商务市场的崛起。2011年国内网上交易额5万亿元（含B2B），占GDP的比重约为13%，网络零售（B2C、C2C电商）交易额约8000亿元，占社会消费品零售总额的比重不足5%，显示出巨大的增长潜力。比数字更重要的是电商的支持系统：网上订单、支付、物流、结算等商业体系已经成熟。

媒体预算的结构性变化。社会化媒体的崛起，使传统电视、纸媒、户外甚至互联网门户都受到了冲击，以新浪微博为代表的社交化媒体的影响力与商业价值已经显露，并且正在改变着企业媒体费用的投放结构。

一云多屏、无缝链接的终端世界。从互联网上的微博、视频到移动互联网（手机），以及即将到来的家庭终端（智能电视）甚至未来的车载电视、显示屏媒体（写字楼、住宅、超市等），都将被无缝连接在多个不同的云系统（iOS、Andriod等）内。

云生活方式初见端倪。在中国一部分（北上广为代表的核心城市）进入云生活时代的城市及人群里，传统媒体广告不再是他们作出购买决策的主要信息来源，取而代之的是圈子和网站的用户对商品的评价。这群人已经生活在“云端”（一个虚拟却真实的网络社交圈里），可以与任何地点的人自由连接互动。

社会化媒体及新营销方法勃兴。社会化营销正在对传统营销方法进行一场“路径革命”：从传统的围绕知名度的叫卖创意、单向控制的媒体，向营销4.0时代以美誉度为核心的创意、口碑积累的双向互动模式转变。简单地说，靠垄断传统媒体资源、拼实力的传播时代面临着瓦解，而依靠创意、互动、口碑的社交化媒体传播新驱动力正在崛起。

云消费的商业化路径形成闭环。最具颠覆性的是消费方式的变化：社交化媒体创造的关注度（流量），可以通过与电商的无缝连接马上变成购买力（转化率），而不是传统媒体下看完广告、留下记忆、再到终端前形成购买行为的AIDA模式（注意——兴趣——决策——行动）。

篇(6)

(国内首部社交电商实操之作，全面解读社交电商，讲方法，讲实操，讲技巧)

作者简介

贺关武，陕西铜川人，“我看电商”自媒体联合创始人；深圳晚九点新媒体创始人；电商实战派，自媒体人。出版畅销书《电商，这么玩才有未来》。

内容简介

2015年下半年综合性电商平台已基本稳定，大平台商家出现拥堵，O2O项目遍地开花，移动互联网飞速发展，火爆一时的微商出现拐点。传统的营销方式作用越来越小，网络推广成本也越来越高，对于创业者，对于广大草根如何找到突破口，找到自己的客户。

能改变这一切现状的就是社交电商，在未来社交电商会渗透到各个行业，影响到每一个人，也就是说人人都可以做，人人都能做好。本书堪称国内首部社交电商之作，全面解读社交电商，讲方法，讲实操，讲技巧，几乎全部覆盖社交电商的各个方面。详细讲解了社交电商该如何玩，做社交电商之前的准备，培养网络社交用户的方法，如何在社交平台促成成交，各大社交电商平台如何运用。

目录

01思维篇：机会随时都会出现

社交电商的趋势/ 2

初步认识国内相关社交平台/ 7

人与人之间的连接更容易/ 10

有情怀必将有人追随/ 12

请教是社交的开始/ 15

网络社交也能发展成为强关系/ 18

中高级人才招聘将被社交网络垄断/ 22

初创企业的发声地/ 26

移动互联网的本质就是社交/ 29

每个人都是社交自媒体/ 32

这4种人能够在社交平台中赚钱/ 36

社交中发现潜在需求/ 39

02技能篇：动手照做就对了

你拥有什么，能坚持多久/ 43

因为兴趣走到一起/ 46

社交电商运营策略、技巧与实操

6步让自己的账号变得有价值/ 49

点赞是初步试探/ 53

玩转互动的7个小技巧/ 55

转发分享是传播的开始/ 59

文字、图片、视频怎么玩/ 62

这6点玩转圈子营销/ 65

网络社交中的9大禁忌/ 69

这5招防止落入社交网络的时间陷阱/ 73

03晋级篇：修炼，再次引爆

搜索偏爱/ 77

如何打通二度人脉、三度人脉/ 80

红包用好了才是红包，用不好是毒瘤/ 85

激发粉丝活跃度的6种方法/ 88

优质社群的7个必备条件/ 91

好内容：有争议、有后续/ 95

至少选择4个社交平台/ 98

玩网络社交就是不断埋线索/ 101

1000个忠实粉丝的真正含义/ 103

04实战篇：社交中卖产品、做服务

人就是产品，就是服务/ 106

中小卖家拼的就是人脉/ 109

这3种组团方式会产生不一样的效果/ 111

这4招让网络社交也能本地化/ 114

信任的5种方式/ 117

5种直播场景下的传播/ 121

从一个产品开始，一个卖点就好/ 125

搞定官方微博的8个小技巧/ 128

7招让你迅速成为标题党/ 132

能卖出东西的6种好文案/ 136

一定要有奖励措施/ 147

借势营销的5个技巧/ 150

5种免费的赢利模式/ 154

05融合篇：社交电商化，电商社交化

朋友圈怎么玩电商/ 160

微博的快速电商化/ 168

支付宝的社交化/ 177

手机淘宝社交化/ 181

职场社交电商化/ 185

手Q的电商化/ 189

豆瓣的兴趣社交电商化/ 195

陌陌的匿名社交电商化/ 200

后记：

篇(7)

报告题为《中国2012年数字智商指数》，对全球100个奢侈品牌在中国市场的数字竞争力进行了评估，通过“数字智商”这一评估方法，从以下几个方面对品牌进行综合排名：品牌兼容性、优化以及在智能手机和平板电脑上的营销(20%)，品牌呈现、社区规模、内容以及社交媒体参与度(30%)，网站功能的本地化(30%)，以及包括搜索、数字媒体、电子邮件营销在内的数字营销(20%)。

美容类品牌继续在网站建设方面独占鳌头，时尚类品牌发展势头迅猛。

排名前10的品牌分别为：雅诗兰黛、奥迪、周大福珠宝、兰蔻、沃尔沃、宝马、别克、路虎、贝玲妃以及博柏利。

位居前四位的品牌获得“天才”数字智商——其数字营销具有差异化竞争优势，能成功开展多渠道数字活动，能建设迎合当地需求的多功能站点，社会知名度高，以及能整合跨平台传播。

前10名中其余6个以及另外12个品牌被评为“有天赋”。报告称，这些品牌正在通过网站、移动媒体、传统以及新兴社交媒体平台进行尝试和创新。

研究还发现，几乎一半的品牌(44%)未有足够投入以抓住市场机遇。

根据L2的报告，中国电子商务销售预计将在未来三年增加两倍。价格透明度、仿冒品、运营困境以及低质量的客户服务仍是奢侈品牌在线销售所面临的挑战;Web2.0工具的采用，包括社交媒体共享、用户评论以及即时聊天的发展在中国也逐年加快。

根据2012胡润百富(Hurun Report)，61%的中国富豪表示，互联网已超越其他所有渠道，成为他们了解品牌信息的主要方式。

根据波士顿咨询集团的报告《The World’s Next E-Commerce Superpower》，有近80%的消费者通过社交媒体来了解奢侈品牌及其产品的更多信息。

如今，奢侈品牌已广泛采用社交媒体进行推广。排名中仅有5个品牌没有采用社交媒体。有10个品牌拥有5个以上社交媒体平台，而去年这样的品牌仅有2个。中国社交媒体的生态系统仍相当分散且竞争日益激烈，市场中有大量新进入者。

同时，随着中国智能手机渗透率的不断提升，移动平台的影响力也与与日俱增。根据益普索和谷歌2012年5月的报告《Our Mobile Planet：China》，97%的中国智能手机用户通过手机进行产品调查，59%通过手机购买产品。

L2的报告显示，尽管今年针对中国消费者的移动投资出现两位数的增长，但仅有23%的品牌保持了其中国网站手机优化版的开通，其中仅有三分之一支持电子商务。

此外，仅有五分之一的奢侈品牌开设了中国网站，其中只有一半品牌以人民币显示产品价格。奢侈品牌对微博营销的采用率高达91%，对移动、社交以及搜索引擎营销的采用也出现了两位数的增长，但自2011年以来，仅有4个品牌推出了直接电子商务。