（二）数据分析
1.效度与信度分析。根据效度分析共提炼出6个因子，与问卷设计意图吻合，另外KMO与Bartlett球体分析结果显示的显著性概率为0.001，因此统计数据适合进行因素分析。信度分析结果显示，除“发送者与接收者的人口特征差异”和“发送者的在线活跃度”两个变量外，其他变量的Alpha值均高于0.65。最终，在剔除“发送者与接收者的人口特征差异”中的两个测项和“发送者的在线活跃度”中的一个测项后，这两个变量的Alpha值也达到0.65以上，符合信度要求。
2.相关分析。研究采用Person相关分析方法。通常，显著性水平低于0.05则认为两个变量在总体中存在相关关系，具有统计学意义。显著性水平高于0.05则不被认为二者之间存在相关关系。表2为相关分析结果，“发送者与接收者的人口特征差异”和“发送者的在线活跃度”两个变量对购买意向的影响不显著。
3.回归分析。利用相关性分析发现：X2、X3、X5、X6与购买意向之间存在相关关系。接下来通过线性回归分析探寻具体的关系方向并确定各相关变量对购买意向的影响程度。分析结果如表3所示。根据分析结果可知假设H2、H3、H5、H6成立，H1、H4不成立。同时可以将X2、X3、X5、X6与Y之间关系用线性方程表示为：Y=0.941+0.212X2+0.297X3+0.272X5+
0.099X6，据此我们可以对客户的间接价值进行定量分析。
RFM模型改进及启示
（一）RFM模型改进
根据以上分析结果，发现某一客户作为口碑发送者的间接价值大小，即客户通过口碑传播对其他客户购买意愿所产生影响力大小取决于发送者与接收者的社区同嗜性、发送者与接收者的网络关系强度、发送者的评论专业性和有用性和发送者的亲和力。据此，对RFM模型进行改进后，提出的RFM-WOM模型如图1所示。
（二）启示
研究发现口碑发送者的某些特性是影响其他消费者购买意向的显著因素，为此企业必须重视口碑发送者的这种关键作用：一方面发现具有较大口碑影响力的人群，想方设法使他们发出的信息是对企业有利的正面信息。另一方面企业在对客户进行细分寻找对企业有高价值的优质客户时，如若将没有或很少购买企业产品或服务的客户直接划分为不重要的客户而不对其给予重视，那么企业很可能将付出惨重的代价，因为他们虽然带来很少的直接价值，但是其间接带来的价值很可能是相当可观的，他们的离开甚至会带走企业认为有价值的经常与企业进行交易的客户。总之，企业进行客户分析，特别是客户价值分析时，考虑社交网络带来的客户网络口碑影响力的作用是必要的。其中，发送者与接受者的社区同嗜性、关系强度与发送者的专业性、亲和力都是需要加以重视的指标。
综上，客户价值评价模型是否合理直接影响着评价的结果是否准确，以及企业的资源能否得到最优的分配。而社交网络环境让人与人之间的交流更顺畅、频繁，消费者基于社交网络的交互作用也越来越明显。为此，文章对原有RFM模型改进，通过分析影响客户间接价值的决定性因素，提出了RFM-WOM模型，以期为社交网络环境下企业的客户分析提供参考。
参考文献：
手机版
欢迎光临汇博在线http://www.paper188.com