Information Systems Research

Vol. 24, No. 1, March 2013, pp. 88–107

ISSN 1047-7047 (print)| ISSN 1526-5536 (online) http://dx.doi.org/10.1287/isre.1120.0469
© 2013 INFORMS

Komunitas Merek Media Sosial dan

Perilaku Konsumen: Mengukur Relatif
Dampak Konten Buatan Pengguna dan Pasar
Khim-Yong Goh, Cheng-Suang Heng
School of Computing, National University of Singapore, Singapore 117417, Republic of Singapore
{gohky@comp.nus.edu.sg, hengcs@comp.nus.edu.sg}

Zhijie Lin
School of Business, Nanjing University, Nanjing 210093, People’s Republic of China; and School of Computing,
National University of Singapore, Singapore 117417, Republic of Singapore, mailtozjlin@gmail.com

Meskipun penggunaan media sosial populer oleh konsumen dan pemasar, penelitian empiris yang menyelidiki nilai ekonomi
mereka masih tertinggal. Dalam penelitian ini, kami mengintegrasikan data konten interaksi pemasar pemakai kualitatif dari
komunitas merek laman penggemar di Facebook dan data transaksi konsumen untuk mengumpulkan kumpulan data unik di
tingkat konsumen individual. Kami kemudian mengukur dampak konten komunitas dari konsumen (konten buatan pengguna,
yaitu, UGC) dan pemasar (konten yang dihasilkan oleh pemasar, yaitu, MGC) pada pengeluaran pembelian pakaian konsumen.
Metode analisis isi digunakan untuk membangun langkah-langkah untuk menangkap sifat informatif dan persuasif dari UGC
dan MGC sementara membedakan antara mode komunikasi terarah dan tidak terarah dalam komunitas merek. Dalam analisis
empiris kami, kami memanfaatkan perbedaan di seluruh laman penggemar konsumen yang menggabungkan keputusan dan
perbedaan waktu di laman penggemar yang menghubungkan tanggal untuk estimasi model dan strategi identifikasi kami. Yang
penting, kami juga mengendalikan potensi bias seleksi diri dan faktor yang relevan seperti penetapan harga, promosi, atribut
jejaring sosial, demografi konsumen, dan heterogenitas yang tidak teramati. Temuan kami menunjukkan bahwa keterlibatan
dalam komunitas merek media sosial mengarah ke peningkatan positif dalam belanja pembelian. Pemeriksaan tambahan
terhadap dampak UGC dan MGC menunjukkan bukti konten media sosial yang mempengaruhi perilaku pembelian konsumen
melalui informasi dan persuasi yang tertanam. Kami juga mengungkap berbagai peran yang dimainkan oleh UGC dan MGC,
yang bervariasi menurut jenis mode komunikasi yang diarahkan atau tidak diarahkan oleh konsumen dan pemasar. Secara
khusus, elastisitas permintaan sehubungan dengan kekayaan informasi UGC adalah 0,006 (komunikasi terarah) dan 3,140
(komunikasi tidak diarahkan), sedangkan untuk kekayaan informasi MGC tidak signifikan. Selain itu, elastisitas valensi UGC
permintaan adalah 0,180 (komunikasi tidak diarahkan), sedangkan untuk valensi MGC adalah 0,004 (komunikasi terarah).
Secara keseluruhan, UGC menunjukkan dampak yang lebih kuat daripada MGC pada perilaku pembelian konsumen. Temuan
kami memberikan berbagai implikasi untuk penelitian akademis dan
praktek.

Kata kunci: media sosial; komunitas merek; perilaku konsumen; konten buatan pengguna; konten yang dihasilkan pemasar;
mode komunikasi; penambangan teks; pemodelan ekonometrik
Sejarah: David Godes, Editor Senior; Wendy Moe, Editor Associate. Tulisan ini diterima pada
15 Januari 2012, dan bersama penulis 4 bulan untuk 2 revisi. Diterbitkan online di Artikel di Muka
14 anuari 2013.

1. Perkenalan pemasaran (Website-Monitoring 2010).

Media sosial telah menjadi sangat Pemasar, atas nama perusahaan mereka,
populer dalam beberapa tahun terakhir. menghasilkan konten di media sosial
eMarketer memproyeksikan bahwa lebih (selanjutnya disebut sebagai konten
dari separuh pengguna Internet dewasa yang dihasilkan oleh pemasar (MGC))
AS akan menjadi pengguna reguler media untuk melibatkan konsumen secara aktif.
sosial pada tahun 2013 (Grau 2009). Terlepas dari penggunaan media sosial
Jumlah pengguna aktif Facebook telah oleh konsumen dan pemasar, penelitian
mencapai 955 juta pada Juli 2012, empiris yang menyelidiki nilai ekonomi
meningkat 29% dibandingkan tahun mereka masih tertinggal dalam tiga
sebelumnya (Facebook 2012). Lonjakan aspek penting yang memotivasi
popularitas ini telah menghasilkan penelitian kami.
konten yang dibuat pengguna online
(UGC) atau word of mouth (WOM) yang Pertama, penelitian UGC sebelumnya yang
ekstensif dan karenanya, menarik telah mendokumentasikan dampak ekonomi
perhatian penikmat. Misalnya, lebih dari berbagai aspek UGC, seperti volume
dari 1,5 juta bisnis telah membentuk ulasan (Chevalier dan Mayzlin 2006,
komunitas merek (yaitu, halaman Duan dkk. 2008, Liu 2006), meninjau
penggemar) di Facebook untuk tujuan subjektivitas, dan keterbacaan (Ghose
dan Ipeirotis 2011), memiliki terfokus
terutama pada satu kali pembelian
barang atau produk seperti film (Duan
et al. 2008, Liu 2006) dan buku
(Chevalier dan Mayzlin 2006). Studi
seperti Luca (2011) yang memeriksa UGC
dalam kaitannya dengan item pembelian
berulang jarang, dan tidak ada yang
memeriksa UGC dan MGC dalam konteks
komunitas merek media sosial. Dengan
demikian, literatur tidak memiliki
kuantifikasi ketat dari nilai
keterlibatan berulang oleh konsumen dan
pemasar dalam komunitas semacam itu,
terutama dengan metrik seperti UGC dan
MGC elastisitas permintaan untuk
pembelian berulang barang.
Kedua, penelitian sebelumnya telah
memberi sedikit cahaya pada
pertentangan antara dua peran rumit
konsumen dan pemasar. Meskipun beberapa
penelitian (Chen dan Xie 2008, Mayzlin
2006, Trusov et al. 2009) telah
berusaha untuk mengevaluasi peran sisi
UGC berdampingan dengan MGC atau
tindakan pemasar lainnya, bukti empiris
pada kemanjuran relatif dari UGC dan
MGC di mendorong pembelian konsumen
jarang terjadi, dengan pengecualian
dari Trusov et al. (2009) dan
Albuquerque et al. (2012). Karena
keterlibatan konsumen dan pemasar
secara bersamaan di media sosial,
keputusan pembelian konsumen sering
dipengaruhi oleh UGC dan MGC. Potensi
konflik berasal dari motivasi konsumen
yang berbeda, kebutuhan, dan kadang-
kadang, tingkat skeptisisme mereka
terhadap MGC (Escalas 2007, Obermiller
dan Spangenberg 1998). Ditambah dengan
potensi dua sisi (yaitu, positif dan
negatif secara umum) dari interaksi
dari UGC dan WOM online (Godes dan
Mayzlin 2009), maka belum jelas dalam
literatur seperti apa efektivitas
pemasaran relatif MGC (yang biasanya
terang-terangan positif) dan UGC pada
pembelian konsumen adalah.
Ketiga, penelitian UGC sebelumnya
kebanyakan berfokus pada nilai-nilai
ekonomi tingkat agregat dari UGC,
tetapi mengamati fenomena kritis yang
terjadi pada tingkat konsumen
individual diad. Terlepas dari
meningkatnya ketergantungan perusahaan
pada WOM konsumen sebagai strategi
pemasaran (Godes dan Mayzlin 2009, Nam
et al. 2010), sedikit usaha telah
dikhususkan untuk memahami apakah dan
bagaimana mode komunikasi interpersonal
penting. Komunikasi konsumen-ke-
konsumen cenderung tidak diarahkan di
masa lalu (misalnya, dalam tinjauan
online), dan begitu juga komunikasi
pemasar-ke-konsumen disebarkan dalam
cara siaran. Komunikasi yang tidak
diarahkan seperti itu biasanya menyapa
seluruh basis audiens secara luas tanpa
menargetkan pihak tertentu dan tanpa
memperhatikan konteks interaksi
sebelumnya. Namun, dalam konteks media
sosial (misalnya, halaman penggemar
Facebook), disandingkan antara
komunikasi yang tidak terarah sering
diarahkan komunikasi konsumen-ke-
konsumen dan pemasaran-ke-konsumen
(Burke et al. 2011). Misalnya, konsumen
dan pemasar dapat menunjukkan dengan
tepat setiap komentar dan menanggapi
dengan cara yang ditargetkan ke konten
masing-masing pihak.
Mereka dapat berinteraksi pada halaman
penggemar secara satu-ke-satu melalui
posting atau komentar sebagai tanggapan
atas sebuah posting. Meskipun
prevalensi, penelitian yang membedakan
efek dari mode komunikasi diarahkan dan
diarahkan konsumen dan pemasar dalam
mempengaruhi perilaku konsumen masih
tertinggal.
Tujuan dari penelitian kami adalah
untuk menilai dampak dari UGC dan MGC
dalam komunitas merek media sosial pada
perilaku pembelian berulang konsumen.
Dengan mengukur aspek informatif dan
persuasif dari UGC dan MGC, dan
mengamati mereka di tingkat konsumen
individual diadik, kami berusaha untuk
mengkuantifikasi dampak langsung dan
relatif mereka di bawah mode komunikasi
diarahkan dan tidak diarahkan.
Pertanyaan penelitian kami adalah:
Bagaimana perilaku pembelian konsumen
dipengaruhi oleh konten yang dibuat
pengguna dan konten yang dibuat oleh
pemasar di komunitas merek media
sosial, dan apakah dan bagaimana mode
komunikasi itu penting?
Untuk menjawab pertanyaan penelitian kami,
kami mengumpulkan data UGC dan MGC dari
komunitas merek pengecer pakaian (yaitu,
halaman penggemar) di Facebook, dan
mencocokkannya dengan informasi pembelian
anggota komunitas dari basis data hadiah
pelanggan pelanggan pengecer. Kami
menggunakan alat penambangan teks komersial
untuk membangun langkah-langkah untuk
menangkap sifat inforatif dan persuasif dari
UGC dan MGC sementara membedakan antara mode
komunikasi terarah dan tidak terarah di
komunitas merek. Spesifikasi ekonometrik
kami memodelkan pengeluaran pembelian
mingguan konsumen sebagai fungsi faktor UGC
dan MGC, mengendalikan faktor-faktor yang
relevan pada penetapan harga, promosi,
konsumen perorangan, jaringan sosial, dan
level unit waktu. Strategi identifikasi kami
untuk dampak UGC dan MGC pertama berdasarkan
pada teknik pencocokan skor kecenderungan
yang memungkinkan kami untuk mengontrol
seleksi mandiri pada tingkat halaman
penggemar (Moe dan Schweidel 2012) melalui
membangun kelompok "kontrol" dari pelanggan
yang cocok yang berada di program hadiah
tetapi tidak bergabung dengan komunitas
merek media sosial. Dengan sampel data
pelanggan yang sesuai, kami kemudian
menggunakan pendekatan perbedaan-dalam-
perbedaan untuk memperkirakan dampak ekonomi
(yaitu, efek "perlakuan") bergabung dengan
komunitas merek. Kami akhirnya memperkirakan
model seleksi Heckman untuk mengukur efek
diferensial dari UGC dan MGC yang diarahkan
dan tidak diarahkan, sambil mengendalikan
potensi seleksi mandiri berdasarkan faktor
yang tidak teramati, serta yang diamati
seperti pembuatan konten dan ikatan
jaringan. Terakhir, kami melakukan
pemeriksaan kekokohan untuk memvalidasi
konsistensi temuan kami di hadapan potensi
korelasi serial dan melintasi perbedaan
dalam kelambatan waktu dan spesifikasi
model.
Kami menemukan bukti bahwa konten komunitas
merek media sosial mempengaruhi perilaku
pembelian konsumen melalui informasi yang
disematkan dan persuasi.
Yang penting, kami menentukan dampak positif
dari bergabung dengan komunitas merek
menjadi sekitar $ 25 per konsumen. Kami
menemukan berbagai peran yang dimainkan oleh
UGC dan MGC dalam mendorong pembelian
konsumen, yang bervariasi dengan jenis
komunikasi diarahkan atau tidak diarahkan
oleh konsumen dan pemasar. Secara khusus,
konsumen mempengaruhi pembelian satu sama
lain melalui komunikasi yang informatif dan
persuasif, dan pemasar hanya mempengaruhinya
melalui komunikasi persuasif. Selanjutnya,
konten yang tidak dipengaruhi lebih efektif
daripada yang diarahkan untuk komunikasi
konsumen-ke-konsumen yang informatif dan
persuasif, sedangkan konten yang diarahkan
lebih efektif daripada yang tidak diarahkan
untuk komunikasi pemasar-ke-konsumen yang
persuasif. Elastisitas permintaan berkenaan
dengan efek persuasif UGC (tidak diarahkan)
dan efek informatif (terarah) diperkirakan
0,180 dan 0,006, masing-masing, sedangkan
untuk efek persuasif MGC (diarahkan) adalah
0,004. Dengan demikian, UGC menunjukkan
peran yang lebih berpengaruh daripada MGC
dalam mendorong pembelian konsumen.
Secara keseluruhan, penelitian kami
membuat kontribusi berikut. Pertama,
penelitian kami mengungkap peran rumit
konsumen dan pemasar di media sosial,
dan memberikan kuantifikasi yang ketat
terhadap dampak ekonomi dari komunitas
merek media sosial UGC dan MGC atas
pembelian berulang dari merek pakaian.
Kedua, penelitian kami berfungsi
sebagai upaya pertama untuk mengukur
keefektifan langsung dan relatif dan
nilai-nilai ekonomi dari WOM online
pelanggan dan kegiatan pemasaran
proaktif para marinir di media sosial
pada tingkat konsumen individual.
Ketiga, temuan kami mendokumentasikan
kekritisan mode komunikasi konten media
sosial dengan menunjukkan perbedaan dan
bahkan dampak kontras dari konten media
sosial di bawah mode komunikasi yang
diarahkan dan tidak diarahkan.
2. Tinjauan Literatur
Kemunculan populer media sosial telah
menyaksikan peningkatan dramatis dalam
keterlibatan online dan komunikasi WOM
yang digi- talized (Dellarocas 2003).
Pembuat modal juga telah memanfaatkan
tren dan meluncurkan komunitas merek
pada platform media sosial untuk
melibatkan konsumen dan memfasilitasi
serta menghasilkan "buzz" WOM sehingga
dapat meningkatkan pembagian informasi
dan akhirnya mendorong penjualan
(Kozinets 2002). Ini juga telah memicu
peneliti untuk menyelidiki nilai
ekonomi media sosial. Upaya awal
berfokus pada berbagai hasil dari
keterlibatan konsumen dalam komunitas
merek. Misalnya, para peneliti
mempelajari identifikasi konsumen
(Algesheimer et al. 2005), partisipasi
(Bagozzi dan Dholakia 2006), dan
komunikasi (Adjei et al. 2010) dalam
komunitas merek. Mereka menemukan bahwa
keterlibatan ini akan secara positif
memengaruhi perilaku dan komitmen
partisipasi komunitas konsumen,
kepercayaan kuat, dan perilaku
pembelian merek.
Upaya penelitian lainnya berfokus pada
buzz WOM online, yang merupakan hasil
pengamatan dari keterlibatan konsumen
di media sosial. Buzz WOM ini biasanya
didefinisikan sebagai UGC. Sebagian
besar studi yang masih ada berfokus
pada aspek kuantitatif (misalnya,
meninjau volume dan peringkat) UGC dan
menyelidiki dampaknya pada beberapa
hasil ekonomi tingkat agregat1.
Misalnya, para peneliti mempelajari
dampak ulasan yang dihasilkan oleh
pengguna pada penjualan sebagian besar
barang pembelian, seperti film
(Chintagunta dkk. 2010, Duan dkk. 2008,
Liu 2006), buku (Chevalier dan Mayzlin
2006 ), video game (Zhu dan Zhang
2010), dan lebih jarang, mengulangi
pembelian barang seperti bir (Clemons
et al. 2006) dan produk kecantikan (Moe
dan Trusov 2011). Mereka umumnya
menyimpulkan bahwa aspek kuantitatif
dari tinjauan online seperti volume
ulasan dan / atau peringkat (valensi)
secara positif mempengaruhi penjualan
produk agregat. Terlepas dari ulasan
online, beberapa penelitian juga
menguji jenis UGC lainnya. Godes dan
Mayzlin (2004) mempelajari percakapan
newsgroup Usenet, Tumarkin dan Whitelaw
(2001) menyelidiki posting Internet
dalam forum diskusi keuangan, Dhar dan
Chang (2009) mempelajari posting blog,
dan Albuquerque et al. (2012)
mempelajari majalah yang dibuat
pengguna dalam platform online.
Demikian juga, mereka juga melaporkan
bahwa aspek kuantitatif UGC (misalnya,
volume, dispersi) terkait dengan hasil
ekonomi tingkat agregat.
Namun, temuan yang terisolasi pada
aspek kuantitatif UGC secara berangsur-
angsur memudar dalam konklusi karena
peran informasi kualitatif (misalnya,
konten tekstual) meningkat ke garis
terdepan dengan kepentingannya dalam
konteks media sosial saat ini.
Misalnya, Forman dkk. (2008) menemukan
bahwa pengungkapan informasi identitas
resensi dan lokasi geografis bersama
antara peninjau dan konsumen
meningkatkan penjualan produk,
menyoroti dampak faktor kualitatif.
Untuk memeriksa aspek kualitatif UGC
dan dampak ekonomi mereka, peneliti
sering menggunakan beberapa metode
analisis kualitatif (misalnya,
penambangan teks) atau alat untuk
mengekstrak informasi yang disematkan
dari isi tekstual. Misalnya, Pavlou dan
Dimoka (2006) mengekstrak informasi
"kebajikan" dan "kredibilitas" yang
disematkan dalam komentar teks umpan
balik penjual di pasar online lelang
eBay. Mereka menemukan bahwa kinerja
penjual masa lalu yang lebih tinggi
yang diungkapkan oleh komentar teks
umpan balik penjual menciptakan harga
premium untuk reputasi.
Hasil tingkat agregat lihat di sini untuk
metrik seperti total volume penjualan per hari
dan pangsa pasar merek, dibandingkan dengan hasil
perilaku pelanggan individu seperti belanja
pembelian atau kuantitas dalam perjalanan atau
kita.
penjual dengan menanamkan kepercayaan
pembeli pada penjual. Gu et al. (2007)
mengekstraksi "kualitas" dari posting
di komunitas virtual dan menemukan
trade-off antara kualitas dan kuantitas
posting. Ghose dan Ipeirotis (2011)
mengkonstruksi ukuran untuk dua atribut
berbasis teks (subjektivitas dan
keterbacaan) dari konten ulasan dan
menyimpulkan bahwa kedua faktor ini
berdampak positif terhadap penjualan.
Selain itu, dalam disiplin keuangan,
Antweiler dan Frank (2004) menemukan
bahwa kekeruhan (sentimen) dari pesan
yang diposting di forum saham Inter-
net membantu memprediksi volatilitas
pasar. Demikian pula, Das dan Chen
(2007) mengidentifikasi sentimen
investor dari papan pesan pasar saham
dan menemukan hubungan antara sentimen
dan nilai-nilai saham. Ghose et al.
(2012) memanfaatkan UGC ditangkap
menggunakan teknik penambangan data
dari platform media sosial untuk
menghasilkan sistem peringkat baru
untuk mesin pencari perjalanan. Sonnier
dkk. (2011) dan Tirunillai dan Tellis
(2012) lebih lanjut mengklasifikasikan
komunikasi online menjadi kategori
sentimen positif, negatif, dan acuh tak
acuh, dan menemukan dampak asimetris
pada penjualan perusahaan dan hasil
perdagangan saham. Pada intinya, aliran
penelitian ini melaporkan bahwa aspek
kualitatif media sosial UGC memberikan
dampak pada hasil ekonomi tingkat
agregat.
Meskipun upaya penelitian ini dalam
mempelajari dampak UGC, fokus tetap
pada nilai-nilai ekonomi tingkat
agregat telah menghasilkan peneliti
yang menghadap komunikasi interpersonal
UGC di tingkat konsumen individu diad.
Secara khusus, UGC yang ditangkap dalam
studi sebelumnya cenderung menjadi
komunikasi dengan cara yang tidak
terpengaruh dari konsumen ke konsumen.
Misalnya, ulasan online (misalnya,
Chevalier dan Mayzlin 2006, Clemons
dkk. 2006, Duan dkk. 2008, Liu 2006)
diposting oleh konsumen yang telah
membeli beberapa produk, sementara
konsumen lain yang belum membeli atau
tertarik dalam produk hanya dapat
membaca ulasan ini. Namun, tidak ada
pesan yang diarahkan yang dipertukarkan
karena peninjau pada dasarnya menulis
ulasan dengan masyarakat umum dalam
pikiran. Ini juga berlaku untuk banyak
tipe UGC lainnya di studi sebelumnya,
seperti forum keuangan (Tumarkin dan
Whitelaw 2001) dan situs web e-commerce
(Pavlou dan Dimoka 2006). Namun,
platform media sosial kini telah
memungkinkan banyak fitur untuk
komunikasi antarpribadi yang dapat
diamati dan diarahkan.
Hanya ada beberapa penelitian yang
meneliti efek relatif UGC dibandingkan
dengan MGC, dan dengan demikian terkait
dengan penelitian kami. Misalnya,
Mayzlin (2006) mengembangkan model
analitik untuk menguji kredibilitas WOM
online, yang dapat menjadi campuran
rekomendasi konsumen dan promosi
perusahaan yang terselubung. Dia
menemukan bahwa konsumen WOM masih bisa
persuasif meskipun niat promosi yang
jelas oleh perusahaan dalam pengaturan
online tersebut. Chen dan Xie (2008)
mengembangkan model analitik untuk
menyatakan bahwa fungsi utama dari
tinjauan konsumen adalah berfungsi
sebagai elemen baru dalam bauran
komunikasi pemasaran. Meskipun mereka
berteori bahwa keputusan perusahaan
untuk memberikan ulasan konsumen dapat
meningkatkan insentifnya untuk
menawarkan informasi produk yang lebih
lengkap, tidak ada perbandingan relatif
pada dampak laba dari tinjauan konsumen
dan komunikasi pemasaran tradisional.
Trusov dkk. (2009) mempelajari efek
pemasaran WOM pada akuisisi pelanggan
dan pertumbuhan di situs jejaring
sosial internet dan membandingkannya
dengan mekanisme pemasaran tradisional.
Penelitian ini hanya berfokus pada
hasil agregat seperti jumlah satu kali
akuisisi pelanggan dan tidak penjualan
berulang oleh pelanggan individu. Para
penulis memperoleh elastisitas jangka
panjang untuk WOM online 0,53, yang
sekitar 20 hingga 30 kali lebih tinggi
dari itu untuk pemasaran tradisional.
Albuquerque dkk. (2012) menggunakan
data dari platform majalah yang dibuat
pengguna online untuk membandingkan
aktivitas pembuat konten (misalnya,
arahan dan upaya WOM) dengan tindakan
berbasis perusahaan (misalnya, hubungan
masyarakat). Namun, mereka tidak
memiliki data kunjungan dan komunikasi
khusus pelanggan tertentu, dan tidak
fokus pada MGC per se atau mempelajari
aspek kualitatif UGC. Penelitian kami
berbeda dari studi di atas dengan
mengukur sejauh mana aspek yang berbeda
dari konten media sosial mendorong
penjualan produk pembelian berulang,
dalam hal aspek tekstual (kekayaan
informasi dan valensi), dan mode
komunikasi (diarahkan dan tidak
diarahkan) dari jenis isi (UGC dan MGC)
pada tingkat konsumen individual
diadik.
3. Hipotesis Penelitian
Consumers typically face product
uncertainties prior to purchases, so
they often seek information from online
contents (e.g., consumer reviews)
(Chevalier and Mayzlin 2006). Contents
from mass media or social media are
evaluative and can serve to persuade
consumers (Goh et al. 2011). Thus, we
aim to exam- ine two effects
(informative effect and persuasive
effect2) of UGC and MGC in social media
brand commu- nity contexts. We focus on
two important textual aspects of UGC
and MGC, namely, content informa- tion
richness (to capture the informative
effect) and con- tent valence (to
capture the persuasive effect). Content
information richness refers to the
amount of infor- mation (e.g., product
or brand attributes, usage expe-
riences) embedded in the UGC and MGC.
Content
The informative effect of UGC/MGC draws
analogy to the notion
iklan informatif dalam literatur
pemasaran, di mana konsumen diberikan
data faktual tentang sifat dan fungsi
produk atau layanan. Sejalan dengan
itu, efek persuasif dari UGC / MGC
sejalan dengan konsep iklan persuasif
yang mengasumsikan bahwa konsumen telah
memahami fungsi dasar atau sifat produk
tetapi harus diyakinkan akan keinginan
dan / atau manfaat dari produk yang
membedakannya dari alterna saingan. -
Tives di pasar.
valensi mengacu pada sentimen,
evaluasi, atau sikap positif atau
negatif yang melekat pada produk atau
merek, yang dapat ditunjukkan melalui
penggunaan kata-kata positif atau
negatif (misalnya, baik, buruk,
mengerikan).
3.1. Kaya Informasi Konten Konsumen
sering menghadapi informasi produk yang
tidak lengkap (Kivetz dan Simonson
2000), jadi mereka perlu membuat
keputusan pembelian di bawah
ketidakpastian (Narayanan et al. 2007,
Nelson 1970). Karena konsumen biasanya
menolak kerugian (Kahneman dan Tversky
1979), mereka mungkin mencari informasi
yang lebih terkait dengan produk untuk
mengurangi ketidakpastian mereka.
Ketika ketidakpastian berkurang,
konsumen lebih percaya dalam membuat
keputusan pembelian (Schubert dan
Ginsburg 2000). Oleh karena itu,
ceteris paribus, ketika konsumen
memiliki lebih banyak informasi terkait
produk, mereka akan lebih mungkin
membeli produk yang memenuhi kebutuhan
atau persyaratan mereka.
Komunitas merek adalah khusus, karena
pada pusatnya adalah produk bermerek
(Muniz dan O’Guinn 2001). UGC dan MGC
yang dihasilkan dalam masyarakat
melibatkan informasi terkait produk.
Misalnya, UGC dapat menanamkan
pengalaman penggunaan produk konsumen,
yang melibatkan informasi produk
(misalnya, fitur produk) dan informasi
terkait lainnya (misalnya, pengalaman
berbelanja). MGC juga dapat menanamkan
produk dan informasi terkait lainnya
(misalnya, ketentuan garansi, layanan
purnajual). Dengan demikian, kami
berharap kekayaan informasi dari UGC
dan MGC memiliki dampak positif pada
perilaku pembelian konsumen.
Dampak komparatif UGC dan MGC (dalam
hal efek informatif) adalah ambivalen.
Di satu sisi, masalah asimetri
informasi (yaitu, perusahaan memiliki
informasi produk yang lengkap sedangkan
konsumen memiliki informasi produk yang
tidak lengkap) (Akerlof 1970, Mishra et
al. 1998) selalu mengganggu hubungan
konsumen-perusahaan. Oleh karena itu,
konsumen tergoda untuk mencari
informasi yang mereka butuhkan dari
pemasar (atau perwakilan dari
perusahaan), daripada dari konsumen
lain yang mungkin kekurangan informasi
yang diinginkan. Dengan demikian,
informasi MGC mungkin lebih efektif
daripada informasi UGC dalam menangani
kebutuhan konsumen dan mengurangi
ketidakpastian. Lebih-lebih, mencari
dan memproses biaya terjadi ketika
konsumen mencari dan memproses
informasi (Ratchford 1982). Karena MGC
memiliki kemungkinan lebih tinggi untuk
menanamkan informasi yang memenuhi
kebutuhan konsumen, MGC akan lebih
murah untuk pencarian dan pemrosesan
informasi konsumen. Akibatnya, konsumen
mungkin lebih menekankan pada MGC
daripada UGC. Dengan demikian, kami
berharap kekayaan informasi MGC menjadi
lebih berpengaruh daripada kekayaan
informasi UGC.
Di sisi lain, ada sekolah lain yang
memikirkan. Secara khusus, informasi
yang dihasilkan
oleh para pemasar biasanya
menggambarkan informasi produk
berdasarkan spesifikasi teknis dan
dengan demikian berorientasi pada
produk, sedangkan informasi yang
dihasilkan oleh konsumen cenderung
menggambarkan produk berdasarkan pada
kondisi penggunaan dari perspektif
konsumen dan, sebaliknya, lebih
cenderung berorientasi pada konsumen.
(Bickart dan Schindler 2001). Dengan
kata lain, informasi UGC mungkin lebih
relevan bagi konsumen daripada
informasi MGC, dan dengan demikian
memiliki keuntungan dalam membantu
konsumen menemukan produk yang sesuai
dengan preferensi mereka (Chen dan Xie
2008). Ini melahirkan hipotesis
bersaing bahwa kekayaan informasi UGC
akan lebih berpengaruh daripada
kekayaan informasi MGC dalam
mempengaruhi pembelian konsumen.
Menjumlahkan kedua perspektif, kita
sampai pada satu set hipotesis yang
bersaing:
Hipotesis 1A (H1A, Bersaing). Kekayaan
informasi UGC memiliki dampak yang
lebih kecil daripada kekayaan informasi
MGC pada perilaku pembelian konsumen.
Hipotesis 1B (H1B, Bersaing). Kekayaan
informasi UGC memiliki dampak yang
lebih besar daripada kekayaan informasi
MGC pada perilaku pembelian konsumen.
3.2. Isi ValenceKonsumen sering suka
berbagi dan mengaitkan pengalaman
produk mereka dengan anggota komunitas
merek, mengungkapkan pendapat dan
sentimen mereka (Algesheimer et al.
2005). Jika konsumen puas dengan merek
atau produk, mereka dapat menunjukkan
sikap dan sentimen yang mendukungnya.
Jika mereka tidak menyukai merek atau
produk, atau dirusak oleh pengalaman,
mereka dapat menunjukkan sikap dan
sentimen negatif. Oleh karena itu,
valensi yang tertanam di UGC dapat
diartikan sebagai evaluasi umum mereka
terhadap suatu merek atau produk
(Clemons et al. 2006, Liu 2006).
Valensi positif (negatif) dari UGC
harus mendorong (menghalangi) pembelian
konsumen (Pavlou dan Dimoka 2006).
Dampak valensi MGC dapat dilihat dari
literatur tentang iklan persuasif
(misalnya, Russo dan Chaxel 2010, Von
der Fehr dan Stevik 1998). Iklan
persuasif melibatkan pesan yang
menyoroti positif produk untuk
meningkatkan evaluasi dan menanamkan
perasaan yang baik pada konsumen untuk
menggoda mereka menjadi pembelian (Wu
et al. 2009). Demikian pula, para
pemasar menanamkan pernyataan positif
mereka di MGC untuk menciptakan
reputasi dan citra produk yang
menguntungkan untuk memengaruhi
penjualan. Oleh karena itu, kami
menempatkan bahwa dampak valensi MGC,
mirip dengan periklanan yang
menguntungkan, secara positif
mempengaruhi perilaku pembelian
konsumen.
Namun, MGC dapat menunjukkan efek
persuasif yang lebih lemah daripada
UGC. Secara khusus, selama bertahun-
tahun, konsumen telah mengembangkan
kecenderungan umum untuk tidak percaya
atau skeptis terhadap pesan pemasaran
(Escalas 2007). Mereka merasa bahwa
pemasar akan menggunakan gimmick dan
trik (misalnya, membesar-besarkan
keuntungan produk sambil mengecilkan
kelemahan) di memesan untuk membujuk
konsumen untuk membeli. Sebaliknya,
konsumen lain memiliki sedikit alasan
untuk melakukannya. Selain itu,
konsumen cenderung mempercayai UGC
dalam mengevaluasi produk karena mereka
lebih mirip satu sama lain dalam hal
identitas masyarakat, kebutuhan, dan
preferensi untuk merek atau produk
tertentu dan informasi mereka (Arazy et
al. 2010, Brown dan Reingen). 1987,
Gilly dkk. 1998). Dengan demikian,
konsumen mungkin menyerah lebih pada
persuasi UGC daripada persistensi MGC.
Trusov dkk. (2009) mendokumentasikan
bahwa dampak rujukan pengguna
(persuasi) terhadap pertumbuhan anggota
di situs jejaring sosial internet lebih
tinggi daripada komunikasi pemasaran
tradisional (misalnya, penampilan media
dan acara promosi). Korosi ini menilai
dugaan kami bahwa UGC mungkin lebih
kuat daripada MGC dalam hal efek
persuasif. Pada intinya, kami
mendalilkan bahwa media sosial UGC
valensi memiliki dampak yang lebih
besar daripada valensi MGC dalam
mendorong pembelian.
Hipotesis 2 (H2). Valensi UGC memiliki
dampak yang lebih besar daripada
valensi MGC pada perilaku pembelian
konsumen.
3.3. Komunikasi Terarah versus
Komunikasi Tidak Terarah
Konsumen dibanjiri dengan informasi
yang tidak relevan di lingkungan online
saat ini (Tam dan Ho 2005). Oleh karena
itu, pesan yang diarahkan, yang
dikomunikasikan kepada konsumen yang
ditargetkan, diharapkan akan lebih
efektif daripada yang tidak diarahkan
yang diedarkan ke populasi massal,
karena komunikasi terarah mudah
menangkap perhatian seseorang dan
memunculkan respons (Amaldoss dan He
2009). Selain itu, dibandingkan dengan
komunikasi yang tidak diarahkan,
komunikasi diarahkan konsumen ke
konsumen lebih mungkin untuk
membangkitkan norma timbal balik.
Komunikasi terarah seperti itu di
komunitas merek mungkin lebih intim
dalam isi pesan sehingga rekomendasi
produk atau umpan balik WOM dapat
dipertukarkan dengan cara yang lebih
dipersonalisasi sesuai dengan
preferensi atau kebutuhan masing-masing
(Burke et al. 2011). Dengan demikian
kami mendalilkan bahwa berkomunikasi
secara terarah dengan UGC akan lebih
efektif dalam mendorong pembelian
konsumen daripada melakukannya dengan
cara yang tidak terpengaruh untuk
interaksi konsumen-ke-konsumen di
komunitas merek media sosial.
Hipotesis 3 (H3). Untuk komunitas merek
UGC, dampak komunikasi terarah lebih
efektif daripada komunikasi tidak
terarah dalam memengaruhi perilaku
pembelian konsumen.
Keuntungan komparatif dari pesan yang
diarahkan atas pesan yang tidak
diarahkan untuk komunikasi MGC adalah
samar-samar. Di satu sisi, ketika
pemasar langsung berkomunikasi dengan
konsumen tertentu, lebih mudah untuk
menangkap perhatian seseorang relatif
terhadap komunikasi tidak diarahkan
yang menangani seluruh basis pelanggan
tanpa memperhatikan konteks interaksi
masa lalu atau konsumen tertentu yang
ditargetkan. Pesan pemasaran terarah
yang dirancang untuk dan
dikomunikasikan kepada konsumen
tertentu sering disesuaikan dengan
kebutuhan seseorang, yang meningkatkan
relevansi dan kesesuaiannya. Ini
memastikan bahwa balasan dapat
disesuaikan untuk menghasilkan
tanggapan atau interaksi untuk mencapai
puncaknya pada pembelian akhir
(Manchanda dkk. 2008). Memang,
komunikasi terarah sering menjadi
teladan layanan pelanggan yang hebat.
Di sisi lain, jika pemasar sering kali
terlibat dalam komunikasi langsung yang
tidak diminta dengan konsumen,
skeptisisme dan kejengkelan konsumen
(Obermiller dan Spangenberg 1998)
mungkin akan diperparah. Hal ini dapat
mengakibatkan penghentian tautan
komunikasi tersebut (Goh et al. 2011),
atau perilaku yang tidak disukai,
seperti boikot produk atau bahkan
penyebaran WOM negatif (Smith dan
Cooper-Martin 1997). Sebaliknya,
komunikasi pemasaran yang tidak
diarahkan oleh pemasar mungkin memiliki
tingkat jangkauan yang lebih tinggi
dalam penerimaan pesan oleh konsumen di
komunitas platform merek seperti
Facebook. Komunikasi yang tidak
diarahkan sering disebarluaskan sebagai
"pos" atau aliran berita yang muncul
secara mencolok, misalnya, pada halaman
"News Feed" milik penggemar atau
pelanggan Facebook. Sebaliknya, pesan
yang dipasarkan pemasar kepada konsumen
tertentu memiliki tingkat jangkauan
atau keterpaparan yang lebih rendah.
Dengan demikian, komunikasi pemasaran
yang tidak diarahkan mungkin lebih
efektif daripada komunikasi terarah.
Dengan demikian, dua kubu argumen ini
memunculkan serangkaian hipotesis yang
saling bersaing.
Hipotesis 4A (H4A, Bersaing). Untuk
komunitas merek MGC, dampak komunikasi
terarah lebih efektif daripada
komunikasi tidak terarah dalam
memengaruhi perilaku pembelian
konsumen.
Gambar 1 Komunitas Merek FFS Retailer Fan
Page
Catatan. Pos terbaru muncul di atas, tetapi komentar terbaru muncul di bagian bawah
daftar komentar yang terkait dengan pos tertentu.
Hipotesis 4B (H4B, Bersaing). Untuk
komunitas merek MGC, dampak komunikasi
terarah kurang efektif dibandingkan
komunikasi tidak terarah dalam
memengaruhi perilaku pembelian
konsumen.
4. Metodologi Penelitian
4.1. Konteks Penelitian Konteks
penelitian kami adalah komunitas merek
laman penggemar merek di Facebook yang
disiapkan pada bulan Juli 2009 oleh FFS
pengecer pakaian jadi santai di pasar
Asia kecil. Pengecer juga memberi kami
informasi pelanggan dari basis data
program hadiah mereka. Gambar 1
menyajikan tangkapan layar yang diedit
dari komunitas merek. Pengecer FFS
menyiapkan komunitas ini untuk
berfungsi sebagai platform untuk
terlibat dan berinteraksi dengan
konsumen mereka dan juga untuk
memfasilitasi interaksi di antara
konsumen.
Karena perjanjian menjaga rahasia, kami
tidak dapat mengungkapkan identitas
pengecer.
Commented [DW1]:
Konsumen dapat "menyukai" halaman
penggemar ini untuk terlibat sebagai
anggota komunitas atau penggemar dan
kemudian berinteraksi dengan konsumen
lain dan pemasar (yaitu pengecer FFS).
Pengguna berinteraksi dengan membuat
konten, seperti posting dan komentar.
Konten yang dihasilkan oleh konsumen
(atau pasar) disebut sebagai UGC (atau
MGC). Menurut pengecer FFS, Facebook
adalah satu-satunya plat media sosial
yang digunakan untuk melibatkan konsumen.
Ini dengan demikian memberikan kita
pengaturan yang menyeluruh, tidak ambigu
untuk memeriksa dampak UGC dan MGC pada
perilaku konsumen. Statistik deskriptif
dari data untuk penelitian ini akan
disajikan dalam §4.4.
Dalam komunitas ini, kami mengamati dua
jenis konten, yaitu, posting dan
komentar, untuk UGC dan MGC. Posting
adalah posting teks awal yang dapat
dialamatkan kepada seseorang (diarahkan)
atau seluruh komunitas (tidak
terpengaruh) sedangkan komentar adalah
tindak lanjut untuk posting. Meskipun
komentar adalah tanggapan terhadap
posting, mereka juga dapat diarahkan atau
tidak diarahkan. Oleh karena itu, coders
secara manual membaca semua posting dan
komentar untuk memastikan pengkodean mode
komunikasi yang benar. Pos dan komentar
yang langsung ditujukan kepada pengguna
dikodekan sebagai komunikasi terarah
sedangkan pos dan komentar yang tidak
secara langsung ditujukan kepada pengguna
dianggap sebagai komunikasi yang tidak
diarahkan. Misalnya, teks 1 dan 2 ke
konsumen 4 adalah komunikasi yang
diarahkan dari pemasar dan konsumen 3,
masing-masing, sedangkan semua pesan lain
yang dihasilkan oleh yang lain dianggap
sebagai komunikasi yang tidak diarahkan
ke konsumen 4 (mis., frasa "WOW! Gifts
!!!" dari konsumen 2).
4.2. Analisis Kualitatif Kami menggunakan
teknik penambangan teks untuk menganalisa
data tual atau kualitatif UGC dan MGC
untuk analisis kuantitatif. Diberikan
sepotong konten tekstual, alat
penambangan teks terlebih dahulu
menguraikan konten menjadi kata dan frasa
berdasarkan pustaka besarnya, dan
kemudian melakukan ekstraksi konsep.
Setiap konsep yang diekstraksi diberikan
jenis yang sesuai yang menunjukkan sifat
sentimen (positif, negatif, atau acuh tak
acuh).
Karena jumlah konsep dapat menunjukkan
kekayaan informasi dan jenis konsep dapat
mencerminkan sentimen yang melekat,
pengukuran kami terhadap faktor UGC dan
MGC secara langsung berasal dari hasil
penambangan teks ini. Pertama, kekayaan
informasi diukur dengan jumlah konsep
yang diambil. Studi ekstraksi informasi
sebelumnya juga mengekstraksi informasi
dengan mengidentifikasi konsep yang
terkait konteks atau konteks-bebas
(misalnya, Rau et al. 1989). Pendekatan
serupa telah digunakan dalam studi di
berbagai disiplin ilmu. Misalnya, para
peneliti telah mengoperasionalkan
informasi
Apendiks online (tersedia di
http://dx.doi.org/10.1287/isre
.1120.0469) menguraikan prosedur
penambangan teks secara terperinci.
kekayaan sebagai jumlah konsep (misalnya,
harga, kualitas) yang dikomunikasikan
oleh iklan (mis., Healey dan Kassarjian
1983, Resnik dan Stern 1977). Kedua,
valensi diukur sebagai positivitas bersih
(yaitu, jumlah konsep positif dikurangi
jumlah konsep negatif), yang diturunkan
dari algoritme penggolongan sentimen,
yaitu, Naïve Classi fi er (Das dan Chen
2007). Setiap kata dalam sebuah teks
diperiksa terhadap leksikon dan diberi
nilai 4 11 01 C15 berdasarkan jenis yang
tepat (negatif, acuh tak acuh, positif).
Jumlah kata bersih dari semua kata
leksikon yang cocok diambil, dan teks
dianggap positif (negatif) jika nilainya
lebih besar (kurang) dari nol; lain, itu
acuh tak acuh.
4.3. Model Empiris
4.3.1. Intensitas Komunikasi. Telah
secara luas diakui bahwa interaksi sosial
online dapat memungkinkan pengguna online
untuk membangun kesadaran satu sama lain
(McKenna et al. 2002), dan kesadaran
dapat meningkat dengan jumlah interaksi
dan akhirnya mengarah pada pengembangan
hubungan online (Parks and Floyd 1996).
Tingkat kesadaran yang berbeda dapat
menghasilkan berbagai tingkat dampak
komunikasi (Brown dan Reingen 1987).
Misalnya, seseorang mungkin mengharapkan
informasi dari seorang teman, yang dia
punya kesadaran yang lebih tinggi, untuk
menjadi lebih berpengaruh dibandingkan
dengan informasi yang sama dari orang
asing. Selain itu, konsumen mungkin
memiliki hubungan dengan perusahaan atau
perwakilannya seperti pemasar, dan
hubungan ini juga dapat memengaruhi
keputusan pembelian konsumen (Crosby dan
Stephens 1987). Yang penting, kepercayaan
pada pedagang online juga biasanya
dibangun dari waktu ke waktu dengan
meningkatnya interaksi dan patronase
(Pavlou dan Dimoka 2006).
Untuk menjelaskan hal ini, kami
menggunakan intensitas komunikasi untuk
menimbang dampak dari setiap komunikasi
konsumen-ke-konsumen (UGC) dan pemasar-
ke-konsumen (MGC) yang diarahkan. Dengan
demikian, kekayaan informasi dan valensi
masing-masing komunikasi yang diarahkan
dibobot oleh intensitas komunikasi antara
setiap pasangan pengguna yang
berkomunikasi. Untuk memperhitungkan
intensitas ini di antara setiap pasangan
pengguna, kami mengukur jumlah komunikasi
yang diarahkan sebelumnya di antara
mereka, yang terakumulasi dari waktu ke
waktu.
4.3.2. Faktor UGC. Untuk komunikasi
terarah, U_D_IRit dalam Persamaan (1) dan
U_D_VAit in Equation (2) menunjukkan
kekayaan informasi rata-rata dan rata-
rata valensi UGC yang konsumen telah
amati melalui komunikasi terarah dalam
periode waktu t, di mana UDIRijtm dan
UDVAijtm adalah kekayaan informasi dan
valensi dari UGC mth yang konsumen telah
saya amati dari konsumen melalui
komunikasi diarahkan pada periode t.
Intensitas komunikasi antara konsumen i
dan j dilambangkan sebagai UIntensity
ijtm
yang diukur sebagai jumlah komunikasi
terarah sebelumnya antara konsumen i dan
j sebelum komunikasi yang diarahkan ke
mereka pada periode t. Jumlah total UGC
yang dikonsumsi konsumen untuk konsumen i
melalui pesan yang diarahkan pada periode
t dilambangkan sebagai Mijt. Dengan
demikian, membagi istilah penjumlahan
batin dari UDIRijtm dan UDVAijtm dalam
Persamaan (1) dan (2) oleh Mijt
memperoleh kekayaan informasi rata-rata
dan rata-rata valensi dari UGC terarah
dari setiap konsumen j. Akhirnya, Jit
adalah jumlah total konsumen yang telah
menghasilkan pesan yang diarahkan ke
konsumen i pada periode t. Oleh karena
itu, membagi istilah penjumlahan luar
dalam Persamaan (1) dan (2) oleh Jit
memperoleh kekayaan informasi rata-rata
dan valensi dari UGC terarah untuk
konsumen i di seluruh pengguna Jit yang
konsumen saya berinteraksi dengan secara
terarah:
Untuk komunikasi tidak terarah, U_U_IRit
dalam Persamaan (3) dan U_U_VAit dalam
Persamaan (4) menunjukkan kekayaan
informasi rata-rata dan valensi UGC yang
konsumen telah saya amati melalui
komunikasi yang tidak diarahkan pada
periode t. Variabel U_U_IRit dan U_U_VAit
hanyalah kekayaan informasi rata-rata dan
rata-rata valensi dari semua potongan Nit
UGC yang konsumen telah saya amati
melalui komunikasi yang tidak diarahkan
pada periode t, di mana UUIRitn dan
UUVAitn
menunjukkan kekayaan informasi dan
valensi dari UGC ke-n yang konsumen telah
saya amati melalui komunikasi yang tidak
terpengaruh dalam periode t:
4.3.3. Faktor MGC. Untuk komunikasi
terarah, M_D_IRit dalam Persamaan (5) dan
M_D_VAit in Equation (6) menunjukkan
kekayaan informasi rata-rata dan rata-
rata valensi MGC terarah yang pemasar
telah komunikasikan kepada konsumen i
pada periode t, di mana MDIRitr dan
MDVAitr adalah kekayaan informasi dan
valensi dari MGC diarahkan rth bahwa
pasar telah dikomunikasikan kepada
konsumen i pada periode t. Intensitas
komunikasi antara konsumen i dan pemasar
dilambangkan sebagai MIntensityitr, yang
diukur sebagai jumlah komunikasi terarah
sebelumnya antara konsumen i dan pemasar
sebelum komunikasi diarahkan ke t pada
periode t. Jumlah total MGC terarah yang
pemasar telah komunikasikan kepada
konsumen i pada periode t dilambangkan
sebagai Rit:
4.3.4. Variabel kontrol. Untuk memperoleh
perkiraan kuat dari pengaruh konstruksi
UGC dan MGC fokus, kami mengontrol faktor
pembaur yang berpotensi pada harga,
promosi, konsumen perorangan, jaringan
sosial sejawat, dan tingkat waktu.
Selain variabel UGC dan MGC fokus, kami
juga mengontrol untuk aspek penting
lainnya dari UGC dan MGC, yaitu, volume
UGC terarah (U_D_VOit), UGC tidak terarah
(U_U_VOit), diarahkan MGC (M_D_VOit), dan
MGC tidak terarah (M_U_VOit) yang
konsumen yang saya amati di komunitas
merek pada periode t. Untuk
memperhitungkan bias seleksi potensial
pada tingkat pembuatan konten, kami
menyertakan variabel yang mengukur
valensi posting pengguna sendiri
(OWN_VAit5 dan volume posting sendiri
(OWN_VOit5, yaitu, rata-rata valensi dan
volume total konten yang dihasilkan oleh
konsumen i dalam komunitas merek di
periode.
Yang penting, kami juga memasukkan
variabel kontrol yang mengukur tingkat
pengaruh rekan, pengaruh dan aktivitas
umum dalam komunitas merek FFS, serta
jaringan sosial Facebook pengguna secara
luas. Untuk mengukur pengaruh penggemar,
kami menghitung derajat sentralitasnya
(CENTIT) pada halaman penggemar FFS,
berdasarkan ikatan komunikasi yang
konsumen saya pertahankan dengan konsumen
lain pada halaman penggemar pada periode
t. Langkah-langkah kontrol lain yang
memperhitungkan sejauh hubungan jaringan
kerja, aktivitas, dan pengaruh dari
jaringan sosial Facebook konsumen secara
luas termasuk jumlah tampilan halaman
Facebook6 (FB_Vi, yaitu, jumlah total
tampilan halaman Facebook sejak
registrasi konsumen i akun di Facebook),
jumlah teman Facebook (FB_Fi), dan jumlah
teman Facebook saya yang juga penggemar
di halaman penggemar FFS (FFS_Fi).
Kami memetakan struktur jaringan pengguna
berdasarkan komunikasi konten langsung di
halaman penggemar FFS, yaitu, dua
pengguna atau konsumen dianggap saling
terhubung satu sama lain jika mereka
pernah terlibat dalam komunikasi yang
diarahkan.
Untuk mengendalikan efek kegiatan bauran
pemasaran, kami menyertakan variabel
HARGA yang mengukur harga rata-rata
(termasuk diskon) dari semua produk yang
dijual dalam periode t. Kami
memperhitungkan intensitas promosi7
(PROMt), yaitu, tingkat rata-rata promosi
di semua hari dalam periode t. Promosi
pada setiap hari diukur sebagai indikator
dummy dari acara promosi berdasarkan
informasi dari kalender pemasaran
pengecer.
Di tingkat konsumen, kami memperhitungkan
pengeluaran masa lalu (PEXPit5, yaitu,
pengeluaran rata-rata konsumen per
transaksi sebelum periode t. Variabel
demografis lainnya yang ditangkap
termasuk usia konsumen8 (AGEi),
pendapatan bulanan (INCi, yaitu, tingkat
pendapatan bulanan konsumen i (1:
terendah, 5: tertinggi)), dan gen-
(MALEi, yaitu, indikator boneka untuk
jenis kelamin laki-laki (1: laki-laki, 0:
perempuan)). Terakhir, kami menyertakan
satu set waktu mingguan dummies.
Ukuran ini bervariasi di masing-masing
konsumen tetapi waktu invariant, seperti
halnya untuk FB_Fi dan FFS_Fi.
Promosi pemasaran ini ditargetkan untuk
semua konsumen (yaitu, penggemar dan
nonfans masyarakat).
Kami menggunakan usia konsumen per Juli
2010 (titik tengah kumpulan data kami).
Kami mempertimbangkan faktor-faktor UGC
dan MGC pada periode waktu sebelumnya
4t15 untuk menghindari masalah
simultanitas dan untuk memungkinkan efek
yang tertinggal dari paparan UGC dan MGC
konsumen terhadap pembelian aktual
mereka.9s adalah koefisien model yang
menarik, saya menangkap efek spesifik
konsumen yang tidak tertata, dan itu
adalah istilah kesalahan residual. Untuk
memperhitungkan keputusan pemilihan
sendiri dari konsumen yang bergabung
dengan komunitas merek FFS, kami lebih
lanjut menspesifikasikan dan
memperkirakan model pemilihan Heckman,
yaitu kombinasi pengeluaran model dalam
Persamaan (9) dan model seleksi dalam
Persamaan (10) hingga (12). Untuk
memodelkan keputusan pemilihan halaman
fan tahap pertama (BrandComi5, kami
menyertakan beberapa variabel eksogen
sebagai kovariat dalam model probit tahap
pertama yang ditunjukkan dalam Persamaan
(10) hingga (12): (1) AGEi, (2) INCi, (3)
) MALEi, dua indikator biner tentang
apakah seorang konsumen mengungkapkan
nomor telepon rumah (4) rumah
(PHONE_DISi5 dan (5) alamat rumah
(ADDRESS_DISi5, dan dua indikator apakah
konsumen memilih untuk menerima informasi
promosi melalui (6) ponsel (PHONE_OPTi5
dan (7) surat pos (MAIL_OPTi5 ketika
seseorang mendaftar sebagai anggota
program penghargaan.

di mana zi adalah vektor dari model
Kovariat tahap pertama Heckman seperti
yang dijelaskan dalam paragraf
sebelumnya. Kami berharap bahwa keputusan
pemilihan halaman penggemar konsumen,
BrandComi, terkait dengan usia, tingkat
pendapatan, dan jenis kelamin (Muniz dan
O'Guinn 2001) karena FFS adalah peritel
pakaian dengan pria trendi, bergaya,
wanita dan pakaian bayi / anak-anak. Kami
juga mengharapkan keputusan pengguna
untuk bergabung dengan halaman fan FFS
(dan dengan demikian Facebook) terkait
dengan kekhawatiran atas privasi data
atau informasi (yang dapat diproksikan
dengan nomor telepon dan pengungkapan
alamat) dan minat dalam menerima
komunikasi pemasaran dari FFS melalui
saluran yang berbeda (Tsai et al. 2011).
We compared a set of lag time-period
models and determined our choice of one-
period lag 4t ƒ 15 as the best lag level
in terms of model fit statistics. The
comparison is shown in the online
appendix.
4.4. Deskripsi Data Data dalam penelitian
kami diambil dari tiga sumber. Pertama,
kami menulis kode Java berdasarkan
antarmuka pemrograman aplikasi Facebook
untuk mengambil semua konten interaksi
pengguna dari komunitas halaman penggemar
FFS pengecer di Facebook. Kedua, rincian
pengguna Facebook dan log penggunaan
diperoleh dari sumber yang terkait dengan
Tim Sains Data Facebook. Ketiga, pengecer
FFS memberi kami (1) basis data program
pelanggan dengan informasi untuk 14.388
pelanggan, (2) data transaksi pembelian
pelanggan dalam database ini, dan (3)
kalender pemasaran yang merinci peristiwa
pemasaran dalam suatu periode. Kumpulan
data ini memungkinkan kami untuk
membangun variabel utama kami yang
menarik dan berbagai variabel kontrol.
Kami akhirnya menyesuaikan data konten
interaksi Facebook dengan data transaksi
dengan nama konsumen dan mengatur data
estimasi model kami di tingkat konsumen-
minggu.
Data kami mencakup 104 minggu dari saat
komunitas merek pertama kali diluncurkan
pada Juli 2009 hingga Juni 2011. Pada
Juni 2011, halaman penggemar FFS
mengakuisisi sekitar 6.600 penggemar
secara total.10 Rata-rata setiap minggu,
ada sekitar 2,07 posting MGC ( std. dev.
D 2008, max D 10) dan sekitar 2.59
komentar MGC (std. dev. D 3067, max D
25). Demikian pula, dalam hal partisipasi
UGC, rata-rata posting UGC rata-rata
sekitar 1,62 per minggu (std. Dev. D
2072, max D 17) dan rata-rata komentar
UGC rata-rata sekitar 5,72 per minggu
(std. Dev. D 10011, maks D 62). Secara
agregat, UGC plus MGC berpartisipasi
rata-rata 12 insiden (std. Dev. D 15057,
max D 78) setiap minggu. Secara umum,
kami mencatat bahwa ada tingkat
heterogenitas atau variasi yang tinggi
dalam kontribusi UGC dan MGC pada basis
minggu ke minggu, yang memberikan sumber
penting identifikasi untuk efek UGC dan
MGC yang dapat mempengaruhi perilaku
pembelian. Dalam merakit sampel akhir
pada tingkat konsumen-minggu, tidak ada
sensor kiri karena kita tahu tanggal dari
setiap penggabungan fan dari fan page dan
tanggal pembelian pertama.
Sampel data terakhir kami untuk estimasi
model memiliki 398 konsumen unik yang
merupakan anggota program penghargaan FFS
dan penggemar FFS di halaman penggemar
Facebook. Di semua transaksi pembelian,
398 pelanggan ini menghabiskan rata-rata
$ 37,05 (std. Dev. D $ 29015). Kami
kemudian menemukan bahwa pengeluaran
pembelian rata-rata sebelum bergabung
dengan halaman penggemar adalah $ 28,57
(std. Dev. D $ 29019), dan bahwa setelah
bergabung dengan halaman penggemar adalah
$ 40,52 (std. Dev. D $ 28041) —sebuah
perbedaan positif sekitar $ 12 . Relatif,
pengeluaran pembelian rata-rata untuk
semua 14.388 pelanggan dalam program
hadiah adalah $ 32,93 di semua transaksi.
Untuk menempatkan jumlah penggemar dalam
perspektif, kami mencatat bahwa halaman
fan FFS berada dalam top 100 halaman fan
Facebook negara tertentu dalam hal
penggemar yang diperoleh, seperti yang
tercantum di http: //www.socialbakers
.com / facebook-pages .

Tabel 1 menunjukkan statistik deskriptif
dari variabel model untuk panel tidak
seimbang dari 398 konsumen di 20.406
pengamatan. Matriks korelasi ditunjukkan
dalam apendiks online. Dari Tabel 1, ada
tingkat variabilitas yang tinggi dalam
variabel kekayaan dan valensi UGC dan
MGC, dengan banyak kasus overdispersion
(yaitu, mean> std. Dev.). Membandingkan
UGC dengan MGC, sarana dan standar
deviasi dari variabel kekayaan informasi
dan valensi MGC lebih tinggi daripada
variabel UGC yang setara.
5. Model Estimasi dan Hasil
5.1. Strategi Identifikasi Strategi
identifikasi pertama kami untuk dampak
UGC dan MGC didasarkan pada metode skor
kecocokan kecenderungan (PSM) 12 (Heckman
et al. 1998, Rosenbaum dan Rubin 1983).
Hal ini memungkinkan kami untuk
mengontrol seleksi mandiri pada tingkat
halaman penggemar (Moe dan Schweidel
2012) melalui pembuatan kelompok
"kontrol" dari 398 pelanggan yang
sesuai13 yang berada dalam program
penghargaan tetapi tidak bergabung dengan
komunitas merek FFS. Perbedaan utama
antara kedua kelompok ini adalah bahwa
konsumen dalam kelompok "pengobatan"
adalah penggemar di halaman penggemar
Facebook pengecer FFS dan dengan demikian
dapat terpapar UGC dan MGC, sedangkan
mereka dalam kelompok kontrol bukan
penggemar dan dengan demikian tidak
memiliki paparan UGC atau MGC. Mengingat
bahwa konsumen di seluruh kontrol dan
kelompok perlakuan secara esensial
identik satu sama lain di seluruh
himpunan variabel eksogen (usia,
pendapatan, jenis kelamin, telepon rumah
dan pengungkapan alamat, telepon seluler,
dan opt-in email untuk informasi
pemasaran) digunakan sebagai kriteria
untuk pencocokan, pemilihan sendiri pada
tingkat halaman kipas berdasarkan pada
atribut yang diamati ini dikontrol (lihat
lampiran online untuk perincian).
Kumpulan atribut konsumen ini bersifat
komprehensif dan informatif, sedemikian
rupa sehingga memengaruhi tugas perawatan
(yaitu, bergabung dengan halaman
penggemar) namun tidak terpengaruh oleh
perawatan, sehingga memuaskan
ketidakterbatasan atau seleksi pada
asumsi identifikasi yang dapat
diobservasi dari PSM. Namun PSM tidak
memungkinkan untuk seleksi pada
unobservables (yang dua strategi
identifikasi kami berikutnya
memungkinkan), dan dengan demikian hanya
dapat cocok berdasarkan pada atribut yang
diamati, tetapi tidak teramati, faktor
pembaur potensial.14 Keterbatasan lain
adalah bahwa PSM hanya dapat
memperkirakan efek pengobatan di mana ada
adalah dukungan untuk individu yang
dirawat di antara populasi "tidak
diobati". Terakhir, seperti halnya dengan
metode evaluasi ekuilibrium parsial
lainnya, PSM tidak dapat menentukan
dampak pengobatan di luar kelompok
konsumen yang dapat diandalkan. Dengan
sampel data pelanggan yang dicocokkan,
strategi identifikasi kedua kami
mengeksploitasi perbedaan di seluruh
halaman penggemar konsumen yang
menggabungkan keputusan dan melintasi
perbedaan waktu di halaman fan yang
menghubungkan tanggal untuk menggunakan
pendekatan estimasi perbedaan-dalam-
perbedaan (DID). Hal ini memungkinkan
kami untuk memperkirakan dampak ekonomi
(yaitu, efek pengobatan) bergabung dengan
komunitas merek FFS. Meskipun konteks
data kami menafsirkan strategi
identifikasi yang tepat menggunakan
pendekatan DID yang memungkinkan untuk
seleksi pada (waktu-invariant) tidak
teramati, ada keterbatasan untuk metode
ini. Pertama, pendekatan DID hanya
berlaku bila perawatannya sama baiknya
dengan acak ketika dikondisikan pada efek
individual, kelompok, dan waktu. Kedua,
validitas estimasi DID mungkin terancam
oleh potensi endogenitas perawatan atau
intervensi itu sendiri (misalnya, dalam
konteks kami, jika konsumen setia
memiliki kecenderungan yang bervariasi
waktu untuk bergabung dengan halaman
penggemar pengecer). Terakhir, perkiraan
model DID mungkin rentan terhadap masalah
korelasi serial (Bertrand et al. 2004).
Selanjutnya, dengan data sampel yang
sama, strategi identifikasi ketiga kami
menggunakan model seleksi Heckman untuk
mengukur efek dari UGC dan MGC terarah
dan tidak berarah, sementara
mengendalikan potensi seleksi mandiri
pada level lain seperti pembuatan konten
dan ikatan jaringan, atau yang
diasosiasikan dengan faktor-faktor yang
tidak teramati. Model pemilihan Heckman
mengambil asumsi distribusi normal yang
spesifik untuk karakteristik yang tidak
dapat diamati yang secara bersama
memengaruhi keputusan pemilihan halaman
kipas dan hasil pembelian. Parameter
model yang diperkirakan dapat menjadi
sensitif terhadap asumsi distribusi
residual ini yang memberikan dasar teknis
dari identifikasi model Heckman (yang
tidak perlu bergantung secara ketat pada
variasi dalam variabel penjelas).
*Meskipun mungkin tampak berlawanan
dengan intuisi bahwa ada variabilitas dan
nilai negatif yang tinggi dalam valensi
MGC, dapat dijelaskan dengan contoh di
mana beberapa konsumen meminta layanan
pengiriman rumah, tetapi pemasar harus
meminta maaf karena tidak tersedianya
layanan tersebut. Beberapa konsumen juga
mengeluhkan tentang layanan di toko yang
buruk, dan pemasar meminta maaf sambil
menawarkan kupon diskon sebagai
kompensasi. Tindakan peminjam kompensasi
seperti itu dapat bereaksi berlebihan
pada waktu tertentu untuk mempertahankan
tingkat kepuasan pelanggan, dengan
demikian menjelaskan sarana dan
variabilitas faktor MGC yang lebih
tinggi.
Apendiks online menguraikan prosedur
pencocokan secara rinci, dan menjelaskan
bagaimana konteks data kaya kami
memuaskan identifikasi
asumsi ketidakteraturan (atau seleksi
pada yang dapat diobservasi) yang
diperlukan untuk metode pencocokan ini.
Pengeluaran pembelian rata-rata untuk 398
pelanggan dengan skor kecenderungan ini
adalah $ 34.63.
*Uji sensitivitas untuk memeriksa potensi
penyimpangan dari ketidakkonsistenan
mengungkapkan bahwa nilai cutoff adalah
1,3 (1,35) sebelum batas atas nilai
signifikansi mencapai di atas 0,05
(0,10). Ini menyiratkan bahwa untuk
mengaitkan tingkat belanja pembelian yang
lebih tinggi karena kovariat yang tidak
teramati, daripada bergabung dengan laman
penggemar FFS, kovariat yang tidak
teramati akan perlu meningkatkan 30% -35%
kemungkinan bergabung dengan laman
penggemar FFS. Ini dengan demikian
mengukur tingkat ketidakpekaan hasil PSM
kami terhadap bias dari faktor-faktor
potensial yang tidak teramati.
Keterbatasan lain adalah bahwa hasil
estimasi model tidak dapat diandalkan
jika tidak ada pembatasan eksklusi
(yaitu, setidaknya satu variabel
independen eksogen dari model seleksi
tahap pertama dikecualikan dari himpunan
variabel independen untuk model tahap
kedua).
5.2. Analisis dan Hasil Awal Sebelum
memperkirakan spesifikasi model utama
kami yang ditunjukkan dalam Persamaan
(9), pertama-tama kami melakukan analisis
awal menggunakan model alternatif dasar
dengan serangkaian efek utama dan
interaksi antara empat variabel sumber
konten ( UGC / MGC), komunikasi diarahkan
/ tidak diarahkan, kekayaan informasi
konten, dan valensi. Analisis awal ini
bertujuan untuk menguji dampak kekayaan
informasi (IR) dan valensi (VA) konten
komunitas merek media sosial pada
perilaku pembelian konsumen, dan kemudian
menyelidiki lebih lanjut bagaimana IR dan
VA bergantung pada sumber konten (SOURCE,
yaitu, UGC volume / rasio volume MGC) dan
modus komunikasi (MODE, yaitu, konten
yang diarahkan volume / volume volume
konten tidak diarahkan). Kami pertama
memperkirakan model dengan hanya empat
variabel efek utama (plus variabel
kontrol lainnya), menggunakan kedua efek
tetap (FE) dan spesifikasi random effect
(RE). Hasil estimasi model efek utama
mengungkapkan efek utama positif yang
signifikan dari IR dan VA yang konsisten
dengan penelitian sebelumnya pada WOM
online. Selanjutnya, kami menindaklanjuti
dengan memperkirakan model dengan kedua
efek utama dan variabel efek interaksi,
dan menemukan efek utama VA yang
signifikan dan juga penting, efek
interaksi yang signifikan dari MODE
SUMBER (lihat lampiran online untuk hasil
estimasi model terperinci) . Koefisien
interaksi yang signifikan ini menunjukkan
pentingnya sumber konten dan mode
komunikasi, memberikan dukungan untuk
menyelidiki sumber konten dan mode
komunikasi di komunitas merek sesuai
dengan spesifikasi model utama yang
diberikan dalam Persamaan.
5.3. Analisis Utama dan Hasil Pada
analisis utama kami, kami pertama kali
memperkirakan model FE dan model RE dari
belanja pembelian konsumen (PERLUAS) pada
semua variabel kontrol yang telah.
Spesifikasi model alternatif garis dasar
dalam analisis awal adalah
secara luas diakui sebagai faktor penting
yang mempengaruhi perilaku pembelian
konsumen. Seperti yang dilaporkan pada
Tabel 2, kolom (1) dan (2), beberapa
variabel kontrol seperti pengeluaran
pembelian sebelumnya dan volume UGC
memiliki kekuatan penjelas.
Selanjutnya, sebelum kita memeriksa
dampak dari berbagai faktor UGC dan MGC
yang menarik, kami memperkirakan model
DID untuk membandingkan belanja pembelian
konsumen antara penggemar dan nonfans,
serta sebelum dan sesudah menjadi
penggemar komunitas merek FFS. Secara
khusus, kami membuat sampel data estimasi
dari 796 konsumen, menggabungkan 398 PSM-
matched konsumen dengan 398 konsumen asli
yang merupakan penggemar fan page FFS.
Kami menggunakan variabel biner, Merek-
Com, untuk menunjukkan apakah masing-
masing dari 796 konsumen adalah penggemar
di komunitas merek (1: fan, 0: nonfan).
Kami kemudian menggunakan variabel biner
tambahan, BecomeFan, untuk menunjukkan
waktu menjadi penggemar (1: setelah, 0:
sebelum) untuk 398 penggemar, dan
berinteraksi dengan Merek- Com (yaitu,
BrandCom BecomeFan). Karena BrandCom dan
BeingFan mungkin bersifat endogen, kami
pertama kali menggunakan beberapa
variabel eksogen (AGE, INC, MALE, PHONE_
DIS, ADDRESS_DIS, PHONE_OPT dan MAIL_OPT)
dalam model probit untuk memodelkan hasil
dari variabel laten yang tidak teramati
yang menentukan pemilihan keputusan. Kami
dengan demikian memperkirakan efek
pengobatan (TE) model yang berfokus pada
koefisien untuk BrandCom MenjadiFan,
sambil mengendalikan berbagai variabel
kontrol. Seperti ditunjukkan pada Tabel
2, kolom (3), estimasi parsial DID adalah
24.597 (20040), yang secara signifikan
positif. Ini menyiratkan dampak positif
yang signifikan sekitar $ 24,60 dalam
belanja pembelian setelah bergabung
dengan komunitas merek pengecer FFS.
Pemaparan terhadap UGC dan MGC memiliki
dampak yang signifikan terhadap perilaku
pembelian, yang memberikan kepercayaan
untuk mengeksplorasi lebih jauh dampak
dari berbagai faktor UGC dan MGC secara
mendalam.
Kami selanjutnya memperkirakan model FE
lengkap, termasuk semua faktor fokus
perhatian UGC dan MGC. Tabel 2, kolom
(4), melaporkan hasilnya. Untuk faktor
UGC, baik kekayaan informasi dan valensi
ditemukan memiliki dampak yang signifikan
pada EXPEND. Secara khusus, koefisien
U_D_IR (3.225 1.863), U_U_IR 4210849
709945, dan U_U_VA 4760733 3302245 adalah
positif dan signifikan secara statistik.
Untuk faktor MGC, hanya valensi, yaitu,
M_D_VA 430383 106075 ditemukan memiliki
dampak positif dan signifikan terhadap
EXPEND. Selanjutnya, kami selanjutnya
memperkirakan model RE lengkap. Pada
Tabel 2, kolom (5), model RE menunjukkan
hasil yang sama dengan yang ada di kolom
(4). Tes Hausman menunjukkan bahwa
*The model fit statistics R2 of the fixed
and random effects mod- els shown in
Table 2 are generally small. This is
because our estimation data have many
zero-expenditure weeks of each
customer. Dropping these zero-
expenditure weeks increases the R2 of
the esti- mated models to about 0.107
to 0.139, but this would omit relevant
UGC and MGC information that may bias
the results. Our research does not
involve forecasting, thus R2 model fit
may matter less.
Perkiraan RE tidak konsisten (2 D 0069, p
D 0099). Namun demikian, kami lebih
memilih model FE dibandingkan dengan RE
karena yang pertama memungkinkan
heterogenitas yang tidak teramati
konsumen spesifik untuk dikorelasikan program pelanggan (yaitu, 13.990 konsumen
dengan variabel yang diamati (yaitu, nonfan) sebagai control group.18 Kami
asumsi yang lebih dapat dipertahankan), melaporkan pada Tabel 2, kolom (7) hasil
dan estimasi melibatkan analisis yang konsisten dengan yang ada di kolom
kondisional terbatas pada sampel tertentu (6).
( sehingga mencocokkan data kami dari
program hadiah FFS). *Results of the first-step probit model
Kedua hasil estimasi model FE dan RE estimation are shown in the online
sebelumnya belum memperhitungkan potensi appendix.
seleksi mandiri di level halaman fan. We cannot include all consumer fixed
Untuk mengendalikan seleksi diri sebagai effects because of PC mem- ory
faktor pembaur potensial dalam menentukan limitations with the large number of
efek paparan konsumen terhadap UGC dan consumers.
MGC pada perilaku pembelian mereka, kami
menggunakan sebagai model estimasi
sampel, PSM-cocok 398 konsumen nonfan
sebagai kelompok kontrol selain 398
penggemar asli. Kami menggunakan BrandCom
untuk menunjukkan apakah masing-masing
dari 796 konsumen adalah penggemar di
komunitas merek laman penggemar FFS
pengecer. Kami kemudian menggunakan model
seleksi dua langkah Heckman (Heckman
1976, 1979), termasuk satu set lengkap
kovariat khusus konsumen eksogen pada
langkah pertama untuk memodelkan
keputusan pemilihan.17 Pada langkah
kedua, selain faktor UGC dan MGC fokus
dan variabel kontrol, kami juga
memasukkan efek-efek tetap kepada
konsumen untuk memperhitungkan
heterogenitas konsumen dalam belanja
pembelian. Seperti ditunjukkan pada Tabel
2, kolom (6), perkiraan konsisten dengan
yang ada di model FE. Secara khusus,
estimasi parameter untuk faktor UGC dan
MGC fokus U_D_IR (30182 10838), U_U_IR
(210317 70891), U_U_VA (740311 320819),
dan M_D_VA (30372 10570) semuanya secara
statistik signifikan. Dengan demikian,
kekayaan informasi dari UGC yang
diarahkan dan tidak diarahkan memiliki
pengaruh positif pada belanja pembelian
konsumen, tetapi tidak untuk kasus MGC.
Dalam hal valensi konten, valensi MGC
diarahkan memiliki efek positif pada
pengeluaran sedangkan untuk diarahkan UGC
tidak. Namun, sementara valensi UGC yang
tidak diarahkan memiliki pengaruh positif
yang besar terhadap pengeluaran, tidak
ada efek MGC yang tidak diarahkan sama
sekali.
Yang penting, rata-rata dari semua empat
parameter UGC dan MGC yang signifikan
secara statistik memperkirakan rata-rata
sekitar 25.546, yang sangat dekat dengan
estimasi parameter DID BrandCom BecomeFan
sebesar 24.597 dari Tabel 2, kolom (3).
Untuk lebih lanjut menetapkan kekokohan
hasil dari model seleksi Heckman pada
sampel data PSM-cocok, kami juga
memperkirakan model Heckman menggunakan
konsumen dari sisa seluruh basis data
Yang perlu diperhatikan, model Heckman
menyumbang pemilihan pada unobservables
dan juga pemilihan potensial pada
generasi konten dan tingkat konsumsi,
karena ini mencakup variabel kontrol dari
valensi postingan penggemar sendiri
(OWN_VA) dan volume (OWN_VO) di komunitas
merek, juga sebagai jumlah tampilan
halaman Facebook penggemar (FB_V).
Akhirnya, model kami mencoba untuk
memperhitungkan seleksi pada jaringan-
dasi atau tingkat pengaruh rekan dengan
memasukkan variabel kontrol yang terkait
dengan lingkaran jaringan sosial dari
konsumen, yaitu, tingkat sentralitas
jaringan penggemar berdasarkan interaksi
hanya pada halaman fan FFS (CENT), jumlah
teman Facebook (FB_F), dan jumlah teman
Facebook yang juga berada dalam komunitas
merek FFS (FFS_F). Oleh karena itu,
kontrol di atas memberikan kepercayaan
lebih lanjut terhadap dampak kekayaan
informasi dan valensi UGC dan MGC pada
perilaku pembelian, setelah
memperhitungkan faktor pembaur yang
teramati dan tidak teramati.
Singkatnya, kami mempertimbangkan model
seleksi dua langkah Heckman berdasarkan
pada kelompok kontrol yang cocok dengan
PSM (Tabel 2, kolom (6)) sebagai model
terbaik kami, karena memperhitungkan bias
seleksi dan heterogenitas konsumen yang
spesifik. Untuk membandingkan dampak
relatif UGC dan MGC dalam hal kekayaan
informasi dan valensi, dan juga dampak
relatif dari mode komunikasi terarah dan
tidak terarah, kami melaporkan efek
marjinal dan elastisitas untuk faktor UGC
dan MGC yang signifikan pada Tabel 3
berdasarkan pada model. Kami meringkas
hasil pengujian hipotesis kami pada Tabel
4. Untuk informasi yang kaya, hanya
faktor UGC, U_D_IR (efek marginal D
30182, p <001) dan U_U_IR (efek marginal
D 210317, p <0001), adalah sig- ni fi
cant, sehingga mendukung H1B dan menolak
Hypothesis H1A yang bersaing. Untuk
valensi, efek marginal yang signifikan
dari faktor UGC, U_U_VA (efek marginal D
740311, p <0005), lebih dari 22 kali dari
satu-satunya faktor MGC yang signifikan,
M_D_VA (efek marginal D 30372, p <0005),
sehingga mendukung H2. Akhirnya, seperti
untuk mode komunikasi terarah dan tidak
terarah, kekayaan informasi dan valensi
UGC umumnya signifikan dan dengan efek
marginal yang lebih besar dalam mode
tidak terarah, sehingga menolak H3.
Sebaliknya, untuk MGC, valensi signifikan
dalam mode komunikasi terarah saja,
sehingga mendukung H4A dan menolak
Hypothesis H4B yang bersaing.
5.4. Cek KetangguhanKami lebih jauh
menguatkan temuan utama kami dengan
memeriksa kekuatannya dalam berbagai
cara. Untuk kemudahan referensi, Tabel 5,
kolom (1), menyajikan hasil utama dari
Tabel 2, kolom (6). Untuk keringkasan,
dari titik ini dan seterusnya, kami hanya
melaporkan variabel utama yang menarik
untuk pengujian hipotesis.
Pertama, kami memeriksa efek dari faktor
UGC dan MGC tanpa memperhitungkan
intensitas komunikasi. Kami menghapus
semua elemen intensitas dari Persamaan
(1), (2), (5), dan (6) dalam §4, dan
hanya menghitung rata-rata faktor UGC dan
MGC untuk komunikasi terarah. Tabel 5,
kolom (2) menunjukkan perkiraan model,
yang secara kualitatif tetap konsisten
dengan hasil utama kami. Namun, ukuran
koefisien yang relatif lebih besar dan
berpotensi menyesatkan dari parameter
M_D_VA (yaitu, 7.234), relatif terhadap
yang dari semua model lain, menyoroti
pentingnya akuntansi untuk intensitas
komunikasi.
Kedua, kami memeriksa kekuatan temuan
kami di berbagai spesifikasi model. Kami
pertama memperkirakan model populasi-
rata-rata (PA) yang memungkinkan untuk
struktur korelasi tukar dari model linier
umum, dan kemudian model efek acak
diperkirakan melalui kemungkinan maksimum
(RE-ML). Hasil yang sesuai untuk model PA
dan RE-ML ditunjukkan pada Tabel 5, kolom
(3) dan (4). Perkiraan parameter model
tetap konsisten dengan yang utama dalam
kolom (1).
Selanjutnya, untuk memperhitungkan
keberadaan korelasi serial potensial,
kami memperkirakan model FE dengan
struktur gangguan autoregressive orde
pertama (FE-AR1). Seperti ditunjukkan
pada Tabel 5, kolom (5), estimasi model
di bawah struktur AR1 konsisten dengan
yang utama. Ini menyiratkan bahwa temuan-
temuan dari model utama kami dalam kolom
(1) adalah korelasi yang kuat terhadap
6. Diskusi dan Kontribusi
6.1. Diskusi Temuan Penelitian kami yang
menyelidiki dampak konten komunitas merek
media sosial pada perilaku pembelian
konsumen memiliki beberapa temuan
penting. Pertama, kami secara empiris
menunjukkan bahwa keterlibatan dalam
komunitas merek media sosial mengarah
pada peningkatan pembelian konsumen
secara signifikan. Kedua, pemeriksaan
mendalam kami terhadap konten komunitas
(UGC dan MGC) membuktikan fakta bahwa
konten komunitas merek mempengaruhi
perilaku pembelian konsumen melalui
informasi yang disematkan serta persuasi.
Selain UGC, MGC dalam komunitas juga
penting, tetapi berbeda, dalam
mempengaruhi pembelian konsumen. Konsumen
memengaruhi pembelanjaan pembelian satu
sama lain melalui interaksi yang
informatif maupun persuasif, sedangkan
para pemasar hanya memengaruhinya melalui
komunikasi persuasif. Yang menarik, efek
persuasif konsumen lebih dari 22 kali
lipat dari efek marketer dalam marginal
effect. Elastisitas permintaan sehubungan
serial. Terakhir, kekokohan memeriksa
pada kelambatan waktu kovariat model
Heckman utama dan model FE yang rinci
dalam lampiran online. Singkatnya, kami
meyakini kekokohan temuan kami mengingat
bahwa berbagai pemeriksaan menunjukkan
kekokohan dan konsistensi.
dengan valensi UGC (tidak diarahkan) dan
kekayaan informasi (diarahkan)
diperkirakan 0,180 dan 0,006, masing-
masing, sedangkan untuk (diarahkan),
nilai MGC adalah 0,004. Secara
keseluruhan, UGC menunjukkan peran yang
lebih berpengaruh daripada MGC dalam
mendorong pembelian.
Akhirnya, bukti-bukti yang mengarahkan
komunikasi dan komunikasi tidak terarah
berpengaruh secara berbeda untuk UGC dan
MGC. Secara khusus, dalam mendorong
pembelian, konten yang tidak diarahkan
lebih efektif daripada yang diarahkan
untuk komunikasi konsumen-ke-konsumen
yang informatif dan persisten, sedangkan
konten yang diarahkan lebih efektif
daripada yang tidak diarahkan untuk
komunikasi pemasar-ke-konsumen yang
persuasif. Untuk H3 Hipotesis ditolak,
alasan yang masuk akal mungkin karena
cara yang posting dan komentar di
Facebook yang terstruktur atau
ditampilkan. Komunikasi tidak terarah UGC
biasanya muncul sebagai posting pada
halaman penggemar dengan posting terbaru
yang muncul di posisi paling atas yang
paling menonjol yang dapat mengumpulkan
perhatian paling banyak. Sebaliknya,
komentar diurutkan dengan cara yang
berlawanan dengan yang paling baru yang
terdaftar di bagian bawah.
6.2. Kontribusi Teoritis Penelitian kami
berkontribusi pada wacana di media sosial
dengan cara-cara berikut. Pertama,
penekanan dominan dari penelitian
komunitas merek sebelumnya pada
keterlibatan konsumen dan konten (yaitu,
sisi konsumen; misalnya, Algesheimer et
al. 2005, Bagozzi dan Dholakia 2006,
Porter dan Donthu 2008) mungkin tanpa
disadari menghasilkan kesalahpahaman
bahwa bisnis hanya bisa bereaksi secara
pasif. Dengan menonjolkan peran MGC dan
dampaknya (yaitu, sisi pemasar), kami
menggarisbawahi bahwa pemasar dapat
benar-benar mengubah peran mereka dari
yang pasif dan reaktif menjadi yang
proaktif dan berpengaruh. Dengan secara
aktif melibatkan konsumen dalam komunitas
merek, pemasar dapat dengan lebih baik
meraup nilai ekonomi dari komunitas merek
media sosial.
Kedua, dengan menyandingkan peran MGC
selain UGC, kami mengungkap pertentangan
dan intrik antara keduanya, sehingga
melengkapi dan memperkaya karya-karya
masa lalu. Temuan kami menunjukkan bahwa
MGC tidak mempengaruhi perilaku pembelian
konsumen, tetapi dalam cara yang berbeda
dari UGC (misalnya, Dhar dan Chang 2009,
Sonnier dkk. 2011, Tumarkin dan Whitelaw
2001). Oleh karena itu, ketergantungan
tunggal pada UGC untuk menjelaskan
perilaku konsumen akan mengabaikan dan
menghilangkan efek persuasif dari konten
media sosial pemasar. Perbedaan dan
bahkan kontras dampak dari UGC dan MGC
menunjukkan bahwa konsumen tidak hanya
menanggapi informasi konten online,
tetapi juga faktor sumber konten menjadi
pertimbangan. Hal ini memberikan
pemahaman yang lebih baik tentang nilai
ekonomi konten pada platform media
sosial.
Ketiga, sebagai salah satu upaya pelopor
untuk mengukur dampak ekonomi dari UGC
(atau WOM online) dan MGC (kegiatan
pemasaran proaktif pemasar) di media
sosial, kami menambah wacana pemasaran
media sosial dengan wawasan tentang
pengembaliannya pada investasi- ment
(ROI). Dengan menggunakan berbagai
strategi identifikasi, kami memberikan
perkiraan ketat dari dampak ekonomi
konsumen untuk bergabung dengan komunitas
merek media sosial. Upaya kami juga
merupakan salah satu yang pertama untuk
mengukur secara empiris keefektifan
relatif dari UGC dan MGC dalam konteks
komunitas merek media sosial.
Keempat, penelitian kami juga merupakan
salah satu yang pertama untuk mengusulkan
dan memvalidasi model untuk mengukur
dampak ekonomi dari konten komunitas
merek media sosial di tingkat konsumen
individu. Pendekatan ini memungkinkan
kami untuk mengendalikan bias seleksi
heterogenitas konsumen dan untuk
mengatasi dampak sebelumnya dari
komunikasi dyadic yang telah diabaikan
dalam hal mode komunikasi. Temuan kami
menggarisbawahi bahwa berbagi informasi
sendirian di komunitas merek adalah
kondisi yang diperlukan tetapi tidak
mencukupi untuk menghasilkan hasil
ekonomi yang positif. Selain isinya,
apakah isinya dikomunikasikan dengan cara
yang diarahkan atau tidak diarahkan.
6.3. Implikasi Praktis Penelitian kami
memiliki beberapa implikasi praktis yang
penting bagi pemasar media sosial.
Konsumen (UGC) memainkan peran informatif
dan persuasif dan pedagang (MGC)
memainkan peran persuasif dalam konteks
media sosial. Ini menunjukkan bahwa
ketergantungan semata-mata pada aktivitas
pemasaran pedagang sendiri mungkin bukan
cara yang paling efektif untuk mendorong
pembelian konsumen. Secara bersamaan,
ketergantungan total pemasar pada buzz
WOM konsumen juga tidak optimal. Strategi
yang ideal adalah kombinasi yang tepat
dari UGC dan MGC. Terlepas dari persiapan
yang tekun dari pengolah konten
persuasinya sendiri (misalnya, gunakan
kata dan frasa yang lebih menguntungkan
atau positif untuk mendeskripsikan produk
dan layanan), pemasar harus secara sadar
merancang kampanye untuk mendorong
komunikasi informatif, dan khususnya,
persuasif di antara konsumen sendiri di
platform media sosial. Misalnya, pemasar
dapat memberi insentif kepada konsumen
untuk berbagi pengalaman mereka dengan
menggunakan kupon diskon dan poin
imbalan. Tidak pernah terdengar, ada juga
pemasar yang menggunakan strategi
manipulasi komunitas (Dellarocas 2006)
dengan secara anonim bertindak sebagai
"sesama konsumen" untuk berbagi informasi
produk positif dalam masyarakat.
Kedua, dalam konteks media sosial,
pengarahan yang diarahkan lebih efektif
untuk komunikasi pemasar-ke-konsumen yang
persuasif, sedangkan pengarahan yang
tidak diarahkan lebih efektif untuk
komunikasi konsumen-ke-konsumen yang
informatif dan persuasif, dalam mendorong
pembelian konsumen. Oleh karena itu,
ketika mengkomunikasikan konten persuasif
kepada konsumen, pemasar dapat memilih
mode komunikasi terarah untuk dampak ROI
yang lebih tinggi. Dengan kata lain,
mereka dapat menghasilkan konten untuk
pengguna atau kelompok yang ditargetkan
untuk tanggapan konsumen yang lebih baik.
Misalnya, dalam konteks Facebook, seorang
pemasar dapat mengarahkan komunikasi
pemasaran di entri "komentar" dari
halaman penggemar untuk menangani
konsumen tertentu. Berkaitan dengan
komunikasi yang informatif dan persuasif
di antara konsumen, pemasar dapat
mendorong konsumen untuk lebih terlibat
dalam komunikasi yang tidak diarahkan.
Misalnya, pemasar dapat memberi
penghargaan kepada konsumen yang paling
aktif dalam berbagi konten mereka di pos
yang ditujukan kepada anggota laman
penggemar secara luas.
Ketiga, pemasar mungkin ingin
meningkatkan ana- litik mereka dengan
bergerak melampaui wawasan tradisional
dari analisis kuantitatif, seperti
identifikasi hubungan belanja-penjualan
iklan, untuk merangkul lebih banyak
wawasan dari analisis kualitatif juga.
Saat ini alat kualitatif yang tersedia
seperti yang kami adopsi dapat membantu
melacak, menganalisis, dan mencerahkan
konten yang tertanam dalam UGC di
komunitas merek mereka. Para pemasar
kemudian dapat memperoleh pemahaman yang
lebih bernuansa tentang tanggapan umum
konsumen, perhatian terhadap, dan
evaluasi produk serta kampanye pemasaran
yang diluncurkan. Akhirnya, penelitian
kami juga menyajikan implikasi untuk
desain platform pemasaran media sosial.
Banyak platform saat ini (misalnya,
Yelp.com) yang populer, dan telah menarik
berbagi informasi ekstensif dalam bentuk
ulasan dari konsumen. Namun, platform ini
saat ini tidak memberikan banyak akses ke
keterlibatan proaktif pemasar. Memang,
penelitian kami menunjukkan bahwa
platform ini benar-benar dapat dilakukan
dengan memungkinkan keterlibatan pemasar.
Misalnya, selain menampilkan ulasan
konsumen tentang sebuah platform media
sosial yang juga dapat memberikan akses
gratis atau berbayar kepada para pemasar
dari sebuah restoran untuk
mengomunikasikan informasi pemasaran
(misalnya, pengenalan masakan baru,
menjawab pertanyaan pelanggan) dan untuk
mengintegrasikan aspek fungsional dari
manajemen hubungan pelanggan dalam
platform media sosial.
7. Kesimpulan
Meskipun penelitian ini telah menyoroti
beberapa temuan penting, kami mengakui
beberapa keterbatasan. Pertama, konteks
penelitian kami tidak memerlukan
percobaan acak atau eksperimen lapangan
pada konstruksi UGC dan MGC yang menarik.
Dengan demikian, meskipun kami
menghabiskan banyak upaya dalam mengatasi
masalah yang berkaitan dengan bias
seleksi (karena baik pengamatan dan tidak
teramati), strategi identifikasi kami
berpusat pada PSM dan model pemilihan
Heckman hanya memberi kami quasi-
counterfactual dari konsumen yang menjadi
merek penggemar di Facebook, setelah
memperhitungkan seleksi pada hal-hal yang
dapat diamati dan tidak teramati.19 Kita
juga telah membahas secara panjang lebar
sebelumnya pada §5.1 batasan dari setiap
strategi identifikasi yang kita gunakan.
Kedua, selain konten tekstual, ada
sejumlah kecil gambar dan video dalam
konteks penelitian kami. Konten ini
diposkan bersama dengan beberapa uraian
tekstual, yang pada saat yang sama
diambil dalam sampel kami. Meskipun kami
dapat mempertanggungjawabkan dampak dari
semua konten tekstual, kami tidak
memperhitungkan jenis konten lainnya.
Ketiga, sampel data untuk konteks
penelitian kami berasal dari hanya satu
pengecer dan konsumennya serta anggota
komunitas merek. Namun demikian, fenomena
interaksi UGC dan MGC tidak unik untuk
komunitas FFS di Facebook.20 Selain itu,
dalam hal platform yang digunakan, banyak
platform media sosial lainnya (misalnya,
MySpace, YouTube) menawarkan fungsi yang
serupa untuk pemasar dan konsumen untuk
terlibat dalam interaksi sosial. Yang
pasti, perusahaan ritel induk dari
pengecer FFS sudah mapan sebagai
pewaralaba banyak merek pakaian global
terkenal dan karenanya mengikuti praktik
yang direkomendasikan industri dan
prosedur yang dipandu merek berkaitan
dengan komunikasi pemasaran media sosial.
Bergerak maju, kami menyajikan jalan
potensial untuk penelitian masa depan.
Perpanjangan yang bermakna untuk
penelitian ini adalah untuk menyelidiki
peran jenis produk, mungkin dalam uji
coba secara acak atau pengaturan
percobaan (Aral and Walker 2011).
Sebagaimana dibahas, UGC lebih
berorientasi pada konsumen dibandingkan
dengan MGC. Ini mungkin secara potensial
berkontribusi pada peran yang lebih kuat
dari UGC relatif terhadap MGC dalam
konteks kami di mana produk pengalaman
(yaitu, pakaian) dipelajari. Sejauh mana
temuan kami berlaku untuk produk
pencarian (misalnya, buku, tiket pesawat)
konteks layak diteliti lebih lanjut.
Mungkin juga bermanfaat untuk mempelajari
keefektifan relatif online (UGC dan MGC)
dan aktivitas pemasaran lugas secara
bersamaan. Karena perusahaan sering
menghadapi sumber daya pemasaran yang
terbatas dalam pengaturan pemasaran
multikanal (Chu et al. 2007, Zhang 2009),
menilai keefektifan relatif mereka dan
mengidentifikasi kombinasi optimal dari
strategi pemasaran di berbagai saluran
untuk mencapai hasil penjualan yang lebih
baik sangat penting.
*Kami dengan tulus berterima kasih kepada
pengulas anonim karena menunjukkan
keterbatasan strategi identifikasi kami.
Sebagai pemeriksaan cepat dari
generalisasi, kami mengekstrak UGC dan
MGC dari halaman penggemar Facebook merek
pakaian terkenal lainnya di negara /
pasar yang sama. Kami membandingkan
(menggunakan t-tes) volume mingguan UGC
dan MGC dari halaman penggemar pengecer
FFS untuk halaman penggemar lainnya
tetapi tidak menemukan perbedaan yang
signifikan di seluruh metrik ini.
Companion Elektronik
Pendamping elektronik untuk makalah ini
tersedia sebagai bagian dari versi online
di http://dx.doi.org/10.1287/
isre.1120.0469.
Ucapan terima kasih
Para penulis mengucapkan terima kasih
kepada editor senior, editor asosiasi,
pengulas anonim, Ivan Png, Ke-Wei Huang,
Yuanyuan Chen, Kim Seung Hyun, Tuan Quang
Phan, para peserta seminar dan konferensi
pada Lokakarya Edisi Khusus Riset Sistem
Informasi di Universitas Maryland, dan
Konferensi Internasional 2011 tentang
Sistem Informasi (Shanghai, Cina) untuk
komentar dan sugesti berharga mereka.
Para penulis juga berterima kasih kepada
Tuan Quang Phan, Edoardo Airoldi, Wenjie
Ping, Kar Tiong Khoo, dan Cheryl Ong
untuk bantuan dengan akses dan kompilasi
kumpulan data. Semua penulis
berkontribusi sama untuk penelitian ini.
Penelitian ini sebagian didukung oleh
Kementerian Pendidikan Singapura, Proyek
Hibah R-253-000-071-112 dan R-253-000-
068-112.
Referensi
Adjei MT, Noble SM, Noble CH (2010) The
influence of C2C communications
in online brand communities on customer
purchase
behavior. J. Acad. Marketing Sci.
38(5):634–653.
Akerlof GA (1970) The market for
“Lemons”: Quality uncertainty
and the market mechanism. Quart. J.
Econom. 84(3):488–500.
Albuquerque P, Pavlidis P, Chatow U, Chen
KY, Jamal Z (2012)
Evaluating promotional activities in an
online two-sided market
of user-generated content. Marketing Sci.
31(3):406–432.
Algesheimer R, Dholakia UM, Herrmann A
(2005) The social influence
of brand community: Evidence from
European car clubs.
J. Marketing 69(3):19–34.
Amaldoss W, He C (2009) Direct-to-
consumer advertising of
prescription drugs: A strategic analysis.
Marketing Sci.
28(3):472–487.
Antweiler W, Frank MZ (2004) Is all that
talk just noise? The information
content of Internet stock message boards.
J. Finance
59(3):1259–1294.
Aral S, Walker D (2011) Creating social
contagion through viral
product design: A randomized trial of
peer influence in networks.
Management Sci. 57(9):1623–1639.
Arazy O, Kumar N, Shapira B (2010) A
theory-driven design framework
for social recommender systems. J. Assoc.
Inform. Systems
11(9):455–490.
Bagozzi RP, Dholakia UM (2006)
Antecedents and purchase consequences
of customer participation in small group
brand communities.
Internat. J. Res. Marketing 23(1):45–61.
Bertrand M, Duflo E, Mullainathan S (2004)
How much should
we trust differences-in-differences
estimates? Quart. J. Econom.
119(1):249–275.
Bickart B, Schindler RM (2001) Internet
forums as influential
sources of consumer information. J.
Interactive Marketing
15(3):31–40.
Brown JJ, Reingen PH (1987) Social ties
and word-of-mouth referral
behavior. J. Consumer Res. 14(3):350–362.
Burke M, Kraut R, Marlow C (2011) Social
capital on Facebook:
Differentiating uses and users. ACM CHI
Conf. Human Factors
Comput. Systems (ACM, New York), 571–580.
Chen Y, Xie J (2008) Online consumer
review: Word-of-mouth as
a new element of marketing communication
mix. Management
Sci. 54(3):477–491.
Chevalier JA, Mayzlin D (2006) The effect
of word of mouth on
sales: Online book reviews. J. Marketing
Res. 43(3):345–354.
Chintagunta PK, Gopinath S, Venkataraman
S (2010) The effects of
online user reviews on movie box office
performance: Accounting
for sequential rollout and aggregation
across local markets.
Marketing Sci. 29(5):944–957.
Chu J, Chintagunta PK, Vilcassim NJ
(2007) Assessing the economic
value of distribution channels: An
application to the personal
computer industry. J. Marketing Res.
44(1):29–41.
Clemons EK, Gao GG, Hitt LM (2006) When
online reviews meet
hyperdifferentiation: A study of the
craft beer industry. J. Management
Inform. Systems 23(2):149–171.
Crosby LA, Stephens N (1987) Effects of
relationship marketing on
satisfaction, retention, and prices in
the life insurance industry.
J. Marketing Res. 24(4):404–411.
Das SR, Chen MY (2007) Yahoo! for Amazon:
Sentiment extraction
from small talk on the Web. Management
Sci. 53(9):1375–1388.
Dellarocas C (2003) The digitization of
word of mouth: Promise
and challenges of online feedback
mechanisms. Management
Sci. 49(10):1407–1424.
Dellarocas C (2006) Strategic
manipulation of Internet opinion
forums: Implications for consumers and
firms. Management Sci.
52(10):1577–1593.
Dhar V, Chang E (2009) Does chatter
matter? The impact of
user-generated content on music sales. J.
Interactive Marketing
23(November):300–307.
Duan W, Gu B, Whinston AB (2008) Do
online reviews matter?—An
empirical investigation of panel data.
Decision Support Systems
45(4):1007–1016.
Escalas JE (2007) Self-referencing and
persuasion: Narrative transportation
versus analytical elaboration. J.
Consumer Res.
33(4):421–429.
Facebook (2012) Facebook investor
relations. Retrieved July 31,
2012, from
http://investor.fb.com/releasedetail.cfm?
ReleaseID
D695976.
Forman C, Ghose A, Wiesenfeld B (2008)
Examining the relationship
between reviews and sales: The role of
reviewer
identity disclosure in electronic
markets. Inform. Systems Res.
19(3):291–313.
Ghose A, Ipeirotis PG (2011) Estimating
the helpfulness and
economic impact of product reviews:
Mining text and
reviewer characteristics. IEEE Trans.
Knowledge Data Engrg.
23(10):1498–1512.
Ghose A, Ipeirotis PG, Li B (2012)
Designing ranking systems for
hotels on travel search engines by mining
user-generated and
crowdsourced content. Marketing Sci.
31(3):493–520.
Gilly MC, Graham JL, Wolfinbarger MF, Yale
LJ (1998) A dyadic
study of interpersonal information
search. J. Acad. Marketing
Sci. 26(2):83–100.
Godes D, Mayzlin D (2004) Using online
conversations to study
word-of-mouth communication. Marketing
Sci. 23(4):545–560.
Godes D, Mayzlin D (2009) Firm-created
word-of-mouth communication:
Evidence from a field test. Marketing Sci.
28(4):721–739.
Goh KY, Hui KL, Png IPL (2011) Newspaper
reports and consumer
choice: Evidence from the do not call
registry. Management Sci.
57(9):1640–1654.
Grau J (2009) Social commerce on
Facebook, Twitter and retail
sites. Retrieved June 3, 2011, from
http://www.emarketer.com/
Reports/All/Emarketer_2000607.aspx.
Gu B, Konana P, Rajagopalan B, Chen HWM
(2007) Competition
among virtual communities and user
valuation: The case of
investing-related communities. Inform.
Systems Res. 18(1):68–85.
Healey JS, Kassarjian HH (1983)
Advertising substantiation and
advertiser response: A content analysis
of magazine advertisements.
J. Marketing 47(1):107–117.
Heckman J (1976) The common structure of
statistical models of
truncation, sample selection and limited
dependent variables
and a simple estimator for such models.
Ann. Econom. Soc. Measurememt
5(4):475–492.
Heckman J (1979) Sample selection bias as
a specification error.
Econometrica 47(1):153–161.
Heckman J, Ichimura H, Todd P (1998)
Matching as an econometric
evaluation estimator. Rev. Econom. Stud.
65(2):261–294.
Kahneman D, Tversky A (1979) Prospect
theory: An analysis of
decision under risk. Econometrica
47(2):263–291.
Kivetz R, Simonson I (2000) The effects
of incomplete information
on consumer choice. J. Marketing Res.
37(4):427–448.
Kozinets RV (2002) The field behind the
screen: Using netnography
for marketing research in online
communities. J. Marketing Res.
39(1):61–72.
Liu Y (2006) Word of mouth for movies:
Its dynamics and impact
on box office revenue. J. Marketing
70(3):74–89.
Luca M (2011) Reviews, reputation, and
revenue: The case of
Yelp.com. Harvard Business School NOM
Unit Working Paper
12-016.
Manchanda P, Xie Y, Youn N (2008) The
role of targeted communication
and contagion in product adoption.
Marketing Sci.
27(6):961–976.
Mayzlin D (2006) Promotional chat on the
Internet. Marketing Sci.
25(2):155–163.
McKenna KYA, Green AS, Gleason MEJ (2002)
Relationship formation
on the Internet: What’s the big
attraction? J. Soc. Issues
58(1):9–31.
Mishra DP, Heide JB, Cort SG (1998)
Information asymmetry and
levels of agency relationships. J.
Marketing Res. 35(3):277–295.
Moe WW, Schweidel DA (2012) Online
product opinions: Incidence,
evaluation and evolution. Marketing Sci.
31(3):372–386.
Moe WW, Trusov M (2011) The value of
social dynamics in online
product ratings forums. J. Marketing Res.
48(3):444–456.
Muniz AM, O’Guinn TC (2001) Brand
community. J. Consumer Res.
27(4):412–432.
Nam S, Manchanda P, Chintagunta PK (2010)
The effect of signal
quality and contiguous word of mouth on
customer acquisition
for a video-on-demand service. Marketing
Sci. 29(4):690–700.
Narayanan S, Chintagunta PK, Miravete EJ
(2007) The role of self
selection, usage uncertainty and learning
in the demand for
local telephone service. Quant. Marketing
Econom. 5(1):1–34.
Nelson P (1970) Information and consumer
behavior. J. Political
Econom. 78(2):311–329.
Obermiller C, Spangenberg ER (1998)
Development of a scale to
measure consumer skepticism toward
advertising. J. Consumer
Psychol. 7(2):159–186.
Parks MR, Floyd K (1996) Making friends
in cyberspace. J. Comm.
46(1):80–97.
Pavlou PA, Dimoka A (2006) The nature and
role of feedback text
comments in online marketplaces:
Implications for trust building,
price premiums, and seller
differentiation. Inform. Systems
Res. 17(4):392–414.
Porter CE, Donthu N (2008) Cultivating
trust and harvesting value
in virtual communities. Management Sci.
54(1):113–128.
Ratchford BT (1982) Cost-benefit models
for explaining consumer
choice and information seeking behavior.
Management Sci.
28(2):197–212.
Rau LF, Jacobs PS, Zernik U (1989)
Information extraction and text
summarization using linguistic knowledge
acquisition. Inform.
Processing Management 25(4):419–428.
Resnik A, Stern BL (1977) An analysis of
information content in
television advertising. J. Marketing
41(1):50–53.
Rosenbaum PR, Rubin DB (1983) The central
role of the propensity
score in observational studies for causal
effects. Biometrika
70(1):41–55.
Russo JE, Chaxel AS (2010) How persuasive
messages can
influence behavior without awareness. J.
Consumer Psychol.
20(3):338–342.
Schubert P, Ginsburg M (2000) Virtual
communities of transaction:
The role of personalization in electronic
commerce. Electronic
Markets 10(1):45–55.
Smith NC, Cooper-Martin E (1997) Ethics
and target marketing: The
role of product harm and consumer
vulnerability. J. Marketing
61(3):1–20.
Sonnier GP, McAlister L, Rutz OJ (2011) A
dynamic model of the
effect of online communications on firm
sales. Marketing Sci.
30(4):702–716.
Tam KY, Ho SY (2005) Web personalization
as a persuasion strategy:
An elaboration likelihood model
perspective. Inform. Systems
Res. 16(3):271–291.
Tirunillai S, Tellis G (2012) Does
chatter really matter? Dynamics of
user-generated content and stock
performance. Marketing Sci.
31(2):198–215.
Trusov M, Bucklin RE, Pauwels K (2009)
Effects of word-of-mouth
versus traditional marketing: Findings
from an Internet social
networking site. J. Marketing 73(5):90–
102.
Tsai JY, Egelman S, Cranor L, Acquisti A
(2011) The effect of online
privacy information on purchasing
behavior: An experimental
study. Inform. Systems Res. 22(2):254–
268.
Tumarkin R, Whitelaw RF (2001) News or
noise? Internet postings
and stock prices. Financial Analysts J.
57(3):41–51.
Von der Fehr NHM, Stevik K (1998)
Persuasive advertising and
product differentiation. Southern Econom.
J. 65(1):113–126.
Website-Monitoring (2010) Infographics.
Retrieved September 7,
2011, from http://www.website-
monitoring.com/blog/category/
infographics/.
Wu CC, Chen YJ, Wang CJ (2009) Is
persuasive advertising
always combative in a distribution
channel? Marketing Sci.
28(6):1157–1163.
Zhang X (2009) Retailers’ multichannel
and price advertising strategies.
Marketing Sci. 28(6):1080–1094.
Zhu F, Zhang X (2010) Impact of online
consumer reviews on sales:
The moderating role of product and
consumer characteristics.
J. Marketing 74(2):133–148.