微博上的大V，你肯定关注了不少。但他的微博直接影响过你的行动吗？可能少之又少吧！如果这些大V的典型影响者不能改变人们的行为，那他的影响力又体现在哪里？要知道可是有很多品牌砸钱让大V做广告呢！
每次演讲时，我都会做个小实验：首先，我请在推特上关注了演员阿什顿·库彻（Ashton Kutcher）的听众举手。不出所料，大部分听众都举了手。最近几年，库彻一直在大肆搜罗粉丝，甚至不惜租用广告牌宣传自己的推特。2009年，他成为第一位粉丝数破千万的推特用户；2013年初，这一数字攀升到1370万。库彻俨然是社交媒体“影响者”的化身。不过，当我再问：他的推文直接影响过你的行动吗？大部分时候，都无人举手。因此，我不得不思考：如果像库彻这样的典型影响者都不能改变人们的行为，那他的影响力又体现在哪里？
这个问题值得所有营销员深思。马尔科姆·格拉德威尔（Malcolm Gladwell）在2000年出版的《引爆点》（The Tipping Point）一书使“影响者”这一概念迅速蹿红。各路商家深信，如果能把产品推给互相关注、发言踊跃的特定消费者群体，人际影响的效应迟早将触发产品的流行引爆点。他们在社交媒体营销上投入巨额资金，希望积聚足够的人气，并同时运用Klout、PeerIndex等公司开发的“影响力指标”，试图精确把握每位粉丝的影响力；他们希望告别昂贵低效的传统大众广告，转向点对点的口碑营销。影响力的效力并不止于营销领域。政策制定者也在研究如何运用影响力来为社会带来积极变化，例如，减少肥胖。
这项工作极富挑战性。即使手握强大统计工具的数据科学家也会发现，从纷繁复杂的各种因素中剥离出影响力因素绝非易事。准确把握影响力，可以提升企业利润，助推社会改革；但如果判断失误，将原本就具有购买倾向的消费者当成营销目标人群，那么营销活动就做了无用功。在研究了影响力在消费行为中的作用后，一些学者开始质疑格拉德威尔等人是否高估了影响力。例如，邓肯·瓦茨（Duncan Watts）在他的《显而易见》（Everything Is Obvious）一书中就认为，影响力本身并不必然制造流行趋势，在引领潮流方面，大明星库彻和普通人并无分别。
解决这些争论需要数据，尤其是实验数据。为此，我和同事以社交媒体为平台，进行了一系列实验研究，意在更精确地评估影响力。尽管这些试验的最终结论尚不明晰，但企业仍可以参考我们的初步研究成果，找准最具影响力的人群和最易受影响的人群。
物以类聚，人以群分
影响力常被误读，主要原因在于，我们常把相关关系和因果关系搞混。众多关于人类行为方式的研究已经表明，人们倾向于同时和朋友做相同的事。这是人们互相影响的结果，还是缘于其他因素呢？社会学中的“同嗜性”(homophily)概念提供了一种可能的解释。俗话说，物以类聚，人以群分。我们倾向于与自己相似的人在一起。我们的偏好、兴趣以及行为方式都与朋友高度相关：我们同时购买相同的产品，观看同样的电视节目，浏览同样的网站（自然而然，接收相同的广告信息）；我们外出就餐、健身、通勤路线的选择也大体相同。这些现象看似受控于社会影响力，其实可能与之完全无关。研究者将这些同嗜现象称为“混杂因素”（confounding factors）。
为准确评估社会影响力，我们需要找出各种混杂因素，以区分开行为倾向和行为变化。若要衡量你可以在多大程度上影响我的购买决定，就必须区分我已有的购买倾向和你的推荐行为对我产生的额外影响。在实际操作中，这非常困难，好在社交媒体提供了全新的实验平台。
我们研究了雅虎即时通讯平台的2700万用户对某项移动服务的使用情况，具体说，就是考察用户的使用和推荐如何影响其好友对该服务的选择。实验目的在于，运用统计方法，将影响力因素从同嗜性等混杂因素中区分出来。结果表明，传统模型将影响力的作用高估了七倍之多；约有一半的“影响力”只是同嗜现象及其他混杂因素的结果。我们还发现，在产品生命周期的早期阶段，人们对影响力的高估尤为严重。这是因为产品早期采用者之间的相似性较后期采用者更为显著。那些在苹果门店前彻夜排队的iPhone迷就是鲜活的例子。
这些发现可能会让你彻底改变营销战略。假设你是一位首席营销官，正在筹备新品发布。公司数据科学家分析认为，该产品的采用者会带动很多朋友采用这款产品，你会怎么做？若数据科学家认为，在90%的情况下，影响力发挥了作用，你可能会将大部分预算投入到点对点营销和口碑营销上；若数据科学家认为，在90%的情况下，同嗜性在发挥作用，你会意识到，以人际影响为核心的点对点营销可能派不上用场，于是转而研究潜在用户群的特征，细分市场，利用传统的广告和促销手段来赢得消费者。
在第二项实验中，我们研究了140万Facebook用户下载一款电影应用的情况，以找出影响他们做出决定的因素。我们将下载了这款应用的用户随机分成三组：第一组用户有权自行邀请朋友试用；第二组用户的朋友则会接到一条自动生成的信息，提示你的好友正在使用这款应用；第三组用户的朋友不会收到任何信息。结果，收到主动邀请的人中，有6%下载了应用；在收到自动提示的人群中，这一比例仅为2%。此外，我们比较了发送个邀请而成功邀请到朋友以及只是向朋友发送自动提示就邀请到朋友的这两类已有用户，长期来看，前者使用应用的时间比后者多出17%。总而言之，这些营销策略不仅提高了用户的参与度，还带来了相当数量的新用户。更值得一提的是，设计并实施这些策略只需一次性支出600美元。
另外，通过深入的影响力数据分析，我们发现以下规律：一般而言，男性比女性更具影响力；女性较易影响男性，而不易影响其他女性；30岁以上人士比年轻人更具影响力，且更不易受影响；已婚人士比单身人士更不易受影响；影响力与易受影响的程度成反比，即影响力越强的人，越不易受别人影响，反之亦然。虽然这些结论不一定对所有产品都成立，但我们的实验示范了衡量影响力的一般方法，这有助于企业搞清楚哪类消费者的影响力能为其产品带来更多用户。
此后，我们又研究了企业应如何激励消费者向他人推荐其产品。在实验中，为推广一家网上花店，我们设置了三种激励方式：如果向朋友推荐订花服务，第一组用户每人获得10美元的奖励（“自私激励”）；第二组用户没有任何奖励，但他们的朋友在该网站注册即可得到10美元折扣（“慷慨激励”）；第三组用户和他们的朋友每人各得5美元（“公平激励”）。结果出乎意料：慷慨激励和公平激励比自私激励带来了更多推荐次数。这表明，人们愿意将好处传递给朋友，而不是转发垃圾邮件。
我们应积极地研究驱动人类行为发生变化的因素，社会影响力营销的未来有赖于此。如果错将混杂因素当成影响力，我们将在市场营销乃至公共政策领域走弯路。
将本文分享到