WoM – Word of Mouth (口耳相傳)

上個週末與一位行銷碩士班的朋友聊到她的論文, 她很想要朝負面口耳相傳的方向去寫, 但是好像沒有特別多的進展. 剛好啟發了我再度回來這裡寫一篇有關WoM跟大家分享吧.

為何需要計算WoM? 可以吃嗎?

根據Morpace的市場調查, 好的Facebook WoM足夠影響68%的人的購買慾。相對的, 在現在坦平的世界裡，負面的WoM也會造成相反的反應。Convergys 就有稍微點到這個話題，提出了一個負面的Tweet平均可以使你的公司損失30個消費者。這樣看來WoM的確看起來越來越重要了，WoM不僅具備了影響Potential Customers, 也有影響Existing Customer的力量。我們就來關注怎麼樣去衡量WoM。

這麼軟綿綿的東西，真的可以計算？
目前有許多工具可以去給你一個大概的"Influence Score" (影響力指數)，例如Google Pagerank, Klout, Buzzom。但是Influence是真正散撥的一個參數而已。例如：一個具有Influence的人說了同樣一句話，在不同平台上的差異(你是Retweet, share, 還是按讚, etc.)，以及收到這句話的人都會影響到真正的結果，這個人跟觀眾的關係也會是變數。更不用說Message本身不同性質(例如是關於時尚還是政治)也會影響到真正的Influence。在那麼多變數的前提下，目前我們需要套傳統應用社會學去套在網路的平台上去。例如，誰會影響你的Purchase Decision？家長？另外一半？朋友？與題目相關行業的專家？與題目不相關行業的專家？明星？ 然後相同的”這些人在網路上給你的建議會不會影響你的Purchase Decision？”這階段我們是在衡量一個人(或者Source)的Influence。可以參考1998 International Learning Works的SIE (Survey of Influence Effectiveness)所定義的個人影響力因素去套。(這篇很深，但是也是在特定的Environment下所做的Influence的研究，所以又必須去把重點概念拉出來討論)

但，但是‧‧‧網路不一樣吧？ 你居然拿10年前的東西來騙小孩子！？

沒錯，以上是在說人與人之間的Trust&Influence,但是網路上的生態百變。例如Nielsen 2009有指出消費者也信任網路上的陌生人。其實這些陌生人的意見代表了公正性，不蠻你說，大家都一定吃過這套。例如還沒看過全面啟動的朋友們先上IMDB去看一下Rating. 咦？這些評語是誰寫的？你認識他們嗎？雖然IMDB與很多其他有評分機制的平台已經開始執行Facebook Opengraph的機制，讓你可以知道你哪個朋友有推過這產品，但是沒有這功能前你也有來看過吧 ^^。相同的概念的有 Yahoo! Answers, Wikipedia, YouTube, 等等都有附上典型Web 2.0 的 User Generated Content。

不是應該還有一大堆東西！
嗯，還真的有一大堆東西沒講到，我們可以來看看人會想要散撥訊息的前提。Nielson 的一個調查指出不同地區的人會想要散撥負面WoM的比例。這些訊息的文案本身也會影響Influence (例如正面WoM的 Call to Action CTA與沒有CTA的一個訊息)。將來當然還有 Web 3.0 (Semantic Web) 的發展性以及Relationship Mapping即將改革網路上Data-->Information的過程。這些....再寫下去應該這篇因該會爆掉，我先等朋友論文生出來再來看看吧(純粹懶惰的藉口:D)。