摘要：兴趣型虚拟社区是消费者与企业沟通的重要手段和信息渠道，本文鉴于客户的消费行为在虚拟空间与现实空间存在显著的差异，从近度、频度、值度三个行为维度对客户进行分类，基于客户在兴趣型虚拟社区中的参与行为，通过借鉴RFM模型构造了兴趣型虚拟社区成员分类LAT模型，并以五菱车友会论坛为实例，对其社区成员进行了分类，分析了各类成员的行为特征。
关键词：虚拟社区；参与行为；成员分类；聚类分析
中图分类号：F201 文献标识码：B
随着互联网的快速发展与普及，越来越多的人开始通过网络来搜索、获取信息[1]，网络已成为消费者与企业沟通的重要手段，虚拟社区已经扮演起了重要的参照群体角色。 RFM模型是客户关系管理中衡量客户价值和客户创利能力的重要工具和手段，强调以客户的行为来区分客户。兴趣型虚拟社区为社区成员提供交流平台，其服务需要得到成员的认可和使用。本文借鉴RFM模型提出了虚拟社区成员分类的LAT模型，运用定量方法对兴趣型虚拟社区成员进行分类，为虚拟社区成员行为的进一步研究提供了必要基础。
一、文献回顾
国外学者Armstrong和Hagel[2]根据参与程度和价值维度，将虚拟社区成员分为如下四种：（1）浏览者：刚进入社区的成员，通常是随意浏览，价值最低；（2）潜水者：在社区中停留时间较长，但不会积极贡献社区内容，可从其身上收集到浏览路径、个人数据等信息，因此价值高于浏览者；（3）贡献者：对社区最热情，最积极发表帖子、贡献内容，在社区中停留的时间也很长，是社区中价值第二的成员；（4）购买者：积极参与社区活动且购买社区产品与服务的成员，不仅带来社区收入，也可为社区吸引赞助商及广告主，是社区中最有价值的成员。
Adler和Christopher[3]根据参与形式将虚拟社区成员分为以下四种：（1）被动者：希望不付出就能获得收益；（2）主动者：热心参与由其他人所发起的活动及议题讨论；（3）诱导者：发起讨论议题或规划活动吸引其他社区成员参与；（4）管理者：作为社区成员与社区经营者之间的中介角色，通常是个成熟的诱导者。
Kozinets[4]根据成员与消费活动的关系和成员与虚拟社区的关系两个因素将虚拟社区的成员分类：浏览者、社交者、贡献者、内部者（见图1）。Wang和Fesenmaier[5]提出了类似分类，将虚拟社区成员分为游客、社交者、贡献者和内部者。
Kristine[6]从市场营销的角度，以访问频率、访问持续时间、信息检索、信息提供和参与讨论为指标，采用聚类分析，将虚拟社区成员分为核心成员、交谈者、信息搜索者、爱好者、功能主义者和机会主义者六类。
国内学者也对虚拟社区成员的分类进行了研究。毛波、尤雯雯[7]从知识共享的角度对虚拟社区进行了研究，利用数据挖掘技术， 对虚拟社区中所发表的文章进行定量分析总结， 提出了知识共享型虚拟社区的成员分类模型， 将社区的成员分为领袖、呼应者、浏览者、共享者和学习者五种类型。陈晞[8]从传播学的视角，研究虚拟社区在品牌危机传播中的作用机制，以发贴量、回复量、认同值和扩散度四个指标，将虚拟社区成员分为意见领袖、聚焦者、扩散者、争议者、参与者和边缘者。徐小龙、黄丹[9]从虚拟社区中成员的互动行为出发，根据成员的主贴量、点入度、点出度、交往规模、互动程度和帖子内容等指标将成员分为领袖者、回应着、社交者、咨询者和旁观者五种类型。通过文献回顾可以看出，之前国内外学者都是从虚拟社区的网络属性出发对虚拟社区的成员分类进行研究，没有考虑虚拟社区的企业属性。因此，本文在综合考虑虚拟社区的企业属性与网络属性的基础上，对兴趣型虚拟社区成员分类展开研究。
二、兴趣型虚拟社区成员分类LAT模型
RFM模型是衡量客户价值和客户创利能力的重要工具和方法。R表示客户最近一次购买的时间距离当前时间点有多远，R越大的客户越有可能与企业进行新的交易；F表示客户在规定一段时间内发生的购买行为的次数，F越大的客户越有可能再次与企业进行交易；M则表示客户在最近一段时间内购买的总金额，M越大的客户，越有可能再次购买企业的产品或服务。一般的分析型客户分类模型通常侧重于对客户贡献度的分析，RFM模型则强调以客户的行为来对客户细分。RFM模型的核心思想是认为近度、频度、值度是客户关系数据库中的三个关键的因素，从这三个方面出发对客户进行细分。
虽然RFM模型是客户细分的有效方法，但是传统的RFM模型并不适用于兴趣型虚拟社区成员的分类。兴趣型虚拟社区与一般企业不同，兴趣型虚拟社区中不存在买卖行为，不存在购买金额、购买次数的概念，因此传统的RFM模型显然无法应用到其中。但虚拟社区中的成员行为与一般企业客户的行为又存在一定的相似性——消费者在购买商品后，常常会加入到有关该商品的虚拟社区中与其他消费者交流使用心得、获取技术支持等，特别是房屋、汽车等价值较高的商品，以及手机、ipad等需要后续技术支持的信息终端产品。因此，虚拟社区在一定程度上与商品消费有着密切联系。所以，对虚拟社区成员的分类可以借鉴RFM模型中从近度、频度、值度三个维度对客户进行分类的思想。
本文结合兴趣型虚拟社区中成员行为的特征，提出了针对兴趣型虚拟社区成员分类的LAT模型。其中L（Last Time to Log in）代表近度，是成员最近一次登录社区距离分析点的时间。从理论上讲，最近登录时间间隔越近的成员应该是价值越高的成员。最近登录时间间隔是维系社区成员的一个重要指标，是成员忠诚度的重要参考指标。A（Average Daily Post）代表频度，是成员最近一段时间平均每日发帖量，用来表示成员与社区的互动程度。发帖频率愈高，代表此成员与社区的互动程度愈高。T（total points）代表值度，是成员社区积分总额。成员的积分总额表明了成员对社区的忠诚度，也表现了成员对社区的贡献度。
三、实证研究与统计结果
本文选取了五菱车友会论坛作为研究对象，五菱车友会论坛是一个五菱车友为便于交流而自发形成的论坛组织，该论坛截至2011年11月26日的注册会员为26 103人，拥有18个板块，主题总数20 953个，帖子总数331 515个，平均每日新增帖子294个、新增会员23人。 本文在截止2011年11月26日的论坛注册成员中，随即抽取2 500位作为样本，点击进如其个人资料，根据论坛的历史记录，分别统计每位成员的“上次登录时间”、“注册日期”、“发表帖子总数”和“积分”四项指标，并根据“注册日期”和“发表帖子总数”两项指标计算出“平均每日发帖”，以“上次登录时间（L）”、“平均每日发帖（A）”和“积分（T）”三项指标作为成员分类依据，统计结果如表2所示。
本文利用SPSS统计软件，使用k-means算法对论坛成员进行聚类分析。使用k-means算法聚类时，需要预先判断其聚类的类别数。在本文模型中客户分类是通过每个顾客类别的LAT平均值与总LAT平均值相比较来决定的，而单个指标的比较只可能有两种情况：大于（等于）或小于平均值，其可能类别有2×2×2=8种。聚类类别数确定后，利用SPSS软件进行聚类分析，得到8类社区成员，统计结果如图2所示。
四、结果分析
根据聚类分析结果，进一步对8类成员的特征分别进行分析比较。将8类成员的LAT平均值分别与总LAT均值进行比较，如果单个客户类别的均值大于（等于）总均值，则将该指标用“ ↑”标记，反之则用“↓”标记，并根据三项指标特征，对社区成员进行分类，结果如表3所示。
根据兴趣型虚拟社区中成员的行为特征，可以将五菱车友会论坛的论坛成员分为以下三类，每一类成员在兴趣型虚拟社区的日常运作中所扮演的角色都有自己的特点。
1. 重要成员（17.9%）。成员人数较少，但在虚拟社区中具有重要地位，其中有少部分成员会成为整个虚拟社区中的意见领袖，对社区中其他成员具有很强的影响力。这些成员经常登录社区并发表帖子，在社区中分享个人经验和心得，表达观点、发表意见，他们参与社区往往是出于个人兴趣或情感需求，而不仅仅是功能性需求。
2. 浏览者（15.6%）。这类成员经常登录社区，但发帖和积分却较少，表明他们在社区中与他人互动较少，在社区中不够活跃，登录社区后以浏览帖子为主，因此成为“浏览者”。这类成员不愿参与社区互动的原因很多：其一是有些成员注册该社区的主要目的即获取信息，在获得自身需要的信息后便会离开社区；其二是某些成员自身专业知识与社区中的重要成员相比存在差距，知识量限制了其在社区中的互动，其三是成员个人性格原因，等等。这类成员在虚拟社区中非常常见。
3. 沉没成员（66.5%）。沉没成员是指那些已不再登录虚拟社区的成员，即社区已流失的成员。虚拟社区中的成员随着时间的推移会产生流失，而五菱车友会论坛中的此类成员占比明显偏高，这可能是基于以下几点原因：一是基于车友会论坛的自身属性，某些成员在注册是只是出于自身的车友身份，而自己本身并不习惯虚拟社区这种沟通方式，最终导致流失；二是新车友出于信息获取的目的注册社区，在对车况熟悉后不再需要技术支持时即不再登录社区；三是五菱汽车属于较低端车型，随着收入的提高，车友有可能更换车型，此时也会从社区中脱离。
五、结语
本文根据兴趣型虚拟社区的特点，借鉴RFM模型中的利用近度、频度、值度三项指标对客户进行细分的思想，提出了兴趣型虚拟社区成员分类的LAT模型。以五菱车友会论坛为例，利用SPSS软件，对其社区成员进行了分类，将其成员归纳为重要成员、浏览者和沉没成员三类，并提出了每类成员的行为特征，为今后深入研究兴趣型虚拟社区成员的行为模式提供了必要的基础。值得注意的是，该分类模型应用于其他兴趣型虚拟社区中时，可能会出现本文中三类成员之外的类别，有待其他学者进一步考证。
参考文献：
[1] 中国互联网信息中心（CNNIC）. 第28次中国互联网络发展状况分析报告[EB/OL].[2011-07].http：//www.cnnic.net.cn.
[2] Hagel J， Armstrong A. Net Gain：Expanding Markets through Virtual Communities[M].Boston， MA：Harvard Business School Press， 1997.
[3] Adler R.P，Christopher A.J.Internet Community Primer[J].MA：Adams Media Co.，1999.
[4] Kozinets V.E-tribalized Marketing：The Strategic Implications of Virtual Communities of Consumption[J].European Management Journal，1999，17（3）：252-264.
[5] Wang Youcheng，Fesenmaier D.R.Towards understanding members’general participation in and active contribution to an online travel community[J].Tourism Management，2004，25：709-722.
[6] Kristine de Valck， Gerrit H. van Bruggen，Berend Wierenga.Virtual communities：A marketing perspective[J].Decision Support Systems，2009，47：185-203.
[7] 毛波，尤雯雯.虚拟社区成员分类模型[J].清华大学学报（自然科学版），2006，46（1）：29-48.
[8] 陈晞. “虚拟意见领袖”在品牌危机传播中的作用机制——天涯虚拟社区中的“强生”事件[D].上海交通大学，2010.
[9] 徐小龙、黄丹.消费者在虚拟社区中的互动行为分析——以天涯社区的“手机数码”论坛为例[J].营销科学学报，2010，6（2）：42-56.
（责任编辑：关立新）