文章信息
外国经济与管理 2018年40卷第9期 |
- 李宏, 刘菲菲
- Li Hong, Liu Feifei
- 基于情绪视角的营销信息分享述评与展望
- A literature review and prospects of sharing of marketing information: based on the perspective of emotions
- 外国经济与管理, 2018, 40(9): 143-152
- Foreign Economics & Management, 2018, 40(9): 143-152.
-
文章历史
- 收稿日期: 2018-02-09
2018第40卷第9期
营销信息(marketing information)是指能够使消费者产生购买意愿的与企业产品、品牌或服务相关的信息,主要包括消费者生成营销信息和企业生成营销信息。在互联网时代到来之前,企业主要以广告的形式单向地向消费者传递营销信息,并影响消费者的决策。随着互联网技术的进步,现代营销沟通方式发生了变革,消费者开始在网络上乐此不疲地“生成”各种与产品和品牌相关的信息,并在浏览他人原创信息后通过复制、转发等方式进行传播与分享(Berger等,2009)。鉴于此,以口碑为代表的消费者生成营销信息吸引了大量研究者的关注,并取得了极为丰富的研究成果。但是,随着消费者信息分享成本的不断降低,消费者自行生成的营销信息的内容和质量变得越来越难以控制。因此,如何诱导消费者主动传播由企业生成的有利于品牌形象的营销信息,已经成为新媒体时代企业亟需解决的问题(Tucker,2015;Akpinar和Berger,2017)。从现实来看,虽然消费者对绝大多数营销信息视而不见,但那些被他们津津乐道和广为传播的营销信息似乎具有一个共同的特点,即试图通过唤起消费者的情绪共鸣达到病毒传播的目的。
情绪的概念源于心理学,并被广泛应用于消费者行为领域的研究。作为个体对刺激的适应性反应,情绪会影响个体的注意、知觉和记忆,并最终影响其判断和决策(Forgas和George,2001)。因此,个体关于是否分享信息以及分享哪些信息的判断,可能都会受到情绪的影响(Forgas,2008)。然而,目前从情绪的视角探讨信息分享行为的研究还较为分散,关于情绪在信息分享行为中的作用机制及影响过程也缺乏系统的整理和思考。从营销学的角度来看,现有关于信息、情绪与分享行为的研究主要存在以下三个方面的局限:第一,学者们主要从分享行为主体(如分享者的分享动机和个性特质等)和分享行为客体(如信息内容的实用性、趣味性等)两个角度出发对分享行为进行探讨,对情绪在信息分享行为中的作用与影响机制并未深入解读。第二,在以往的绝大多数研究中,学者们普遍认可“信息是情绪的刺激物”,却忽视了信息同样可以作为情绪的载体存在这一事实(Luminet等,2000)。第三,已有的关于信息与分享行为关系的实证研究主要是以博客和新闻报道为对象开展的。事实上,营销信息虽然属于信息的范畴,但其本身所具有的广告性,使得其与其他信息(如新闻报道、博客等)在传播过程中具有明显的差异性。
因此,基于情绪视角厘清消费者营销信息分享行为的作用机制,一方面有助于更深入地探讨并揭示信息内容的情绪性与分享行为之间的关系;另一方面,由于将营销信息从普通信息中区别了出来进行研究,将得到对企业开展新媒体营销更有价值和针对性的建议和启示。此外,如果能证实情绪在营销信息传播中的关键作用,则意味着企业在与消费者进行营销沟通的过程中,除了要继续关注理性说服,还应该重视消费者在使用产品或服务的体验过程中的情绪变化,并有针对性地引导消费者,使其关注价值体验的创造、情绪唤起和文化共鸣(邓乔茜等,2015)。有鉴于此,本文将在对已有文献进行系统梳理和分析的基础上,揭示情绪对营销信息作用的两条路径,然后基于情绪分类理论探讨不同类型情绪对消费者营销信息分享行为的作用差异,最后从“刺激导致情绪,情绪引发行为”的逻辑出发,对“信息—情绪—分享行为”这一过程中的相关理论进行梳理,并对未来研究方向进行展望,以期推动国内研究者对情绪在消费者营销信息分享行为中作用机制的进一步关注与探讨。
二、情绪对营销信息分享的作用路径既然情绪在影响个体信息分享行为的过程中具有独特的意义,那么情绪与信息究竟具有何种关系?情绪又是如何影响个体信息分享行为的?为了回答这两个问题,根据现有文献,本文对“情绪、信息与分享行为”的关系进行了梳理,发现三者之间的关系主要是通过直接路径和中介路径两条路径实现的,具体如图1所示。在直接路径中,情绪和信息合为一体;而在中介路径中,情绪是营销信息刺激导致的结果,在信息作用于分享的过程中发挥着中介作用。
(一)情绪对营销信息分享的直接作用
情绪可以作为一种信息线索直接影响个体的决策判断(Berger,2011),因此企业可以通过营销信息中直观、外显的情绪表达直接影响消费者的营销信息分享决策(Norbert和Clore,2003)。在这个过程中,情绪外显于信息,消费者可以直观地通过营销信息得到情绪感受,并根据信息中所外显的情绪迅速做出判断和决策,无需整合外部信息和自身的内部记忆与联想。
营销实践也表明,企业在生成营销信息的过程中,经常会用到一些外显的情绪表达,例如使用捧腹大笑的图片传达开心情绪,使用“痛哭流涕”的词语传达悲伤情绪。那么,这些情绪表达能否被识别和测量呢?这些外显的情绪表达又是否会直接影响消费者的信息分享行为呢?现有研究主要采用文本挖掘技术中的情感分析方法,以及计算机算法的理性思维来准确判断信息内容中的外显情绪。这些方法可以避免个体在信息加工过程中对情绪的选择性注意和主观认知加工。因此,识别信息中的显性情绪表达已经在方法层面具有了可行性。而就外显的情绪表达是否会直接影响消费者的信息分享行为这一问题,Berger和Stieglitz等也都在研究中做出了肯定的回答。Berger和Milkman(2012)对《纽约时报》所登载的转发率较高的文章进行了情感分析,发现包含情绪的新闻信息比不包含情绪的新闻信息更容易被转发。Stieglitz和Dang-Xuan(2013)研究了Twitter平台上与德国两次选举相关的64 431条发帖转发量,发现包含情绪信息的发帖比不包含情绪信息的发帖获得了更多的转发量,这与Hansen等(2011)的研究结果相一致。由此可以判断,营销信息中的显性情绪表达是信息分享行为的直接影响因素。
(二)情绪对营销信息分享的中介作用
如上所述,采用情感分析的方法对包含情绪词语或者情绪表达的信息进行分析,意味着从显性层面肯定了情绪对分享行为的直接作用。但是,消费者对信息的加工方式既表现为简单地通过情绪词语或情绪表达进行自动化加工,又表现为通过一系列复杂的推理加工过程实现对信息内容的理解和共鸣(曹阳和王琳,2018)。因此,情绪在营销信息分享过程中还具有中介作用,即营销信息是情绪的刺激物,具体表现为:消费者对所接收到的营销信息进行加工后,其某种情绪会被唤起,这种情绪继而会影响其分享行为。其中,情绪唤起是信息得以广泛传播的中介因素(Kissler等,2007;丁绪武等,2014;刘丛等,2015)。
在信息分享的过程中,除了营销信息能够激发情绪进而导致信息分享,营销信息的呈现形式和呈现环境也可以通过情绪的中介效应作用于营销信息分享行为。研究结果已经表明,首先,信息平台的可信度、互动性和生动性是消费者进行情绪感知的重要影响因素(薛杨等,2017)。其次,消费者对信息本身所具有特征(如实用性、功能性和创新性)的感知会显著影响消费者的情绪唤起。个体情绪唤起的程度越高,其信息选择和信息传播行为就越可能发生(常亚平和董学兵,2014;周荣辅等,2016)。再次,人们更乐于传播与主流环境相一致的信息(Heath,1996;Keller等,2005)。当处于积极情境时,人们更愿意分享积极信息;而在消极情境中,人们更愿意分享消极信息。
随着情绪的作用逐渐被认可,研究者们开始思考另一个问题:情绪对信息分享行为都发挥着正向促进作用吗?不同情绪的作用方向及作用大小是否存在差异?而要回答这些问题,必须从情绪的分类着手。
三、情绪分类及其对信息分享行为的作用差异(一)情绪分类理论
现有的情绪分类理论主要有基本情绪论和情绪维度论两种(Tracy和Randles,2011)。以Ekman和Izard为代表的基本情绪论认为,情绪是由几种相对独立的基本情绪及在此基础上形成的多种复合情绪构成的,每种基本情绪各有其独特的体验特性、生理唤醒模式和外显模式(乐国安和董颖红,2013)。Ekman和Friesen(1971)认为存在快乐、悲伤、愤怒、恐惧、厌恶和惊讶六种基本情绪;Izard(1977)在上述六种基本情绪的基础上增加了四种,分别是兴趣、害羞、愧疚和蔑视。总体来看,基本情绪的数量及分类方法备受争议,但目前被普遍认可的基本情绪仍是Ekman等(1971)所提出的六种基本类型(Izard,2007;Tracy和Randles,2011)。
与基本情绪论强调情绪的类型不同,情绪维度论则从不同的维度解释了情绪的构成,这一观点更受学术界的青睐。Russell(1980)在研究商场环境刺激对行为反应的影响时提出了情感PAD模型(PAD model of affect),指出情绪包含愉悦、唤起和支配三个维度。之后,Watson和Tellegen(1999)发现支配维度具有较小的预测价值,于是简化了情绪的构成,在剔除情绪的支配维度后,将情绪划分为“效价”和“唤起”两个维度。此后相关研究大多采用“效价—唤起”两维度模型。
(二)情绪分类对信息分享的作用
综观相关研究可以发现,研究者在探究不同情绪对信息分享行为的作用差异时,主要涉及三个方面的比较,分别是情绪的类型、效价和唤起程度。
1.情绪类型对信息分享的影响
Heath等(2001)以都市传闻为研究对象,发现人们更愿意传递引起强烈厌恶情绪的都市传闻,且包含更多厌恶主题的传闻在网站上的传播更为广泛。此外,焦虑情绪和信息确定性是影响谣言在Twitter平台上传播效率的两个重要变量(Oh等,2010)。Zhao等(2012)在对新浪微博的研究中,将情绪细分为愤怒、喜悦、低落、厌恶四种基本类型,发现愤怒情绪更容易在社交网络中得到传播。刘丛等(2015)按照情绪类型将微博信息的陈述形式分为认可、恐惧、质疑、担忧、反对、愤怒、悲哀、惊奇及无明显情绪的信息陈述九类,发现与蓝V和黄V用户相比,普通用户分享包含愤怒和质疑情绪的信息占比最大,恐惧、质疑、愤怒等情绪类型更容易被普通用户传播。
通过对上述研究进行归纳可以发现:一方面,情绪本身具有传播性,不论是包含内隐情绪还是外显情绪的信息都比不包含情绪的信息具有更强的传播性;另一方面,在包含情绪的信息中,包含诸如愤怒、厌恶等情绪的信息比包含其他类型情绪的信息更容易激发消费者的信息分享行为(Peters,2009)。然而,随着心理学中情绪概念的日渐明晰,基于基本情绪论开展的分享行为研究无法深入比较不同情绪类型之间的作用差异及其原因。在这一背景下,情绪维度论开始受到学者的广泛关注。研究者们试图基于情绪维度论来探寻:第一,为什么有些类型的情绪对分享行为的影响作用更强?第二,不同情绪类型对分享行为产生不同影响的内在规律到底如何?
2.情绪效价对信息分享的影响
情绪效价又称情绪极性,是指情绪的愉悦程度。情绪效价的二分式将情绪分为积极情绪和消极情绪两种。积极情绪即具有正效价的情绪,是指受到内外部环境的刺激,个体满足自身需要时产生的具有愉悦感受的情绪(Fredrickson和Branigan,2005);消极情绪即具有负效价的情绪。到底是积极情绪还是消极情绪更能促进信息分享行为,现有结论并不一致。
如前所述,一些研究结果表明,厌恶、愤怒等负面情绪在网络中更具传播性和病毒性(Heath,1996;Heath等,2001;Oh等,2010)。然而,另一些研究得出了完全相反的结论,即包含积极情绪的信息内容更能促进人们的信息分享行为。例如,Berger和Milkman(2012)在对《纽约时报》三个月内转发率较高的文章进行内容分析后,验证了积极内容更具病毒性的假设。Berger和Schwartz(2011)在研究即时口碑和持续口碑时,发现有趣的产品能得到更多的即时口碑,也就是说趣味性通过影响人们的积极情绪引发人们更多的口碑分享行为。Hansen等(2011)以Twitter为例,采用广义线性模型研究了情感对转发的影响及其机制,结果表明对于社会消息来说,积极情感能促进转发;而对于新闻内容来说,消极情感能促进转发。他们将这一现象称为“对朋友们要说好听的话,对公众要提供坏消息”。Wu等(2011)则探讨了Twitter上信息的内容与信息衰减速度的关系,发现迅速消退的信息中明显地包含了更多的消极情绪,而长久存在的信息包含更多的积极情绪。
3.情绪唤起对信息分享的影响
当情绪类型和情绪效价都不能完美解释情绪的中介作用差异时,研究者开始关注情绪的唤起维度。唤起是一种神经系统的激活状态,有高低两极之分。低唤起或失活的特点是放松,高唤起或激活的特点是专注(Kissler等,2007)。事实上,唤起已经被证明能促进行动,如主动寻求他人帮助和在谈判中做出快速响应(Brooks和Schweitzer,2011)。分享信息是一种行动,因此,唤起对营销信息分享行为应该具有类似的影响。
此外,研究还发现,每一种情绪都伴随着相应脑区的激活及生理与行为反应的变化(潘发达,2013),因此可以通过观测脑区的生理变化对每种情绪的唤起程度进行明确区分。如满足或悲伤是低唤起情绪,而愉快或焦虑是高唤起情绪。Berger(2011)发现,与体验低唤起情绪的被试相比,体验高唤起情绪的被试更愿意与其他人分享信息。还有研究使用慢跑的方式提高被试的生理唤起,结果表明相比坐着不动的被试,慢跑的被试具有更强的信息分享意愿。Berger和Milkman(2013)通过情景实验发现情绪类型对信息分享行为的影响受到唤起的中介作用,这一结果再次印证了情绪唤起对信息分享行为的重要性。因此,企业可以通过设计营销信息来诱发消费者的高唤起情绪,以提高消费者的信息分享意愿。
四、情绪作用于营销信息分享行为的理论解释如前所述,与采用定性的方法探讨情绪对信息分享的直接作用不同,研究者在揭示“信息—情绪—分享”这一过程中三者的关系以及情绪的中介作用时,往往采用定量研究,基于“刺激导致情绪,情绪引发行为”的逻辑,主要回答三个问题:第一,外在信息刺激为什么会导致不同的情绪变化;第二,消费者体验到情绪变化后为什么会进行信息分享;第三,不同的情绪为什么会导致不同的分享行为。而用于解释这三个问题的理论基础,主要来源于心理学领域,这些理论发挥作用的时机与环节参见图2。
(一)外在信息刺激为什么会导致不同的情绪变化
情绪感染理论(emotional contagion theory)和情绪启动理论(emotion priming theory)主要解释了不同的外在信息刺激为什么会导致不同的情绪。
情绪感染理论认为,个体在交互的过程中会通过模仿和同步他人的表情、动作、声音、姿势等来捕捉他人的情绪,最终使得表达者和接收者的情绪保持一致(Hatfield等,1993)。情绪能够通过一定的媒介在人与人之间进行传播,其方式可以是面对面的情绪传递,也可以是通过网络媒介的图片、文字、音频或视频进行的传递。情绪启动理论则认为通过向个体呈现包含情绪的图片或词汇,能够刺激个体,产生情绪启动效应。现有心理学研究中已采用的情绪刺激材料有图片、词汇、音乐、气味和面部表情(钟毅平等,2014),有的研究则通过要求被试完成某项任务或经历某一自然事件来激起某种情绪,不同情绪刺激材料都被证实存在情绪启动效应,并能有效地激发个体的情绪变化。营销学领域的研究同样发现,消费者所处的外部环境中蕴含着丰富的情绪刺激,如服务人员的情绪(杜建刚和范秀成,2007)、其他消费者的情绪、广告信息(Owolabi,2013)等,由这些情绪刺激导致的情绪变化又会影响个体随后的认知态度和行为决策(Howard和Gengle,2001)。
(二)消费者体验到情绪变化后为什么会进行信息分享
情绪调节理论(emotion regulation theory)解释了消费者为什么会在体验到情绪变化后进行信息分享。
个体会在情绪启动或者情绪感染的影响下产生情绪反应,这些反应无论是积极还是消极的,都需要通过情绪调节实现心理平衡和心理健康(Gross,2015),社交分享就是情绪调节的方式之一(Rimé,2009)。对于消费者而言,无论是在消费体验过程中产生的情绪,还是从广告等营销信息中感知的情绪,只要这些情绪一产生,情绪调节便会同步进行。因此,情绪调节是消费者的信息分享动机,消费者通过社会交流和分享传播行为获得社会支持和帮助,进而减少认知失调、稳定情绪变化。
(三)不同的情绪为什么会导致不同的分享行为
到底是正面信息还是负面信息更容易被分享?选择性注意理论(selective awareness theory)和负性偏向理论(negative bias theory)给出了完全不同的回答。选择性注意理论认为个体倾向于分享包含积极情绪的信息,而负性偏向理论则认为负面信息更容易被分享。
选择性注意是受众对信息的筛选与过滤行为,意指受众在接收信息时,总会自然而然地趋向于那些符合自己的观点、态度、志趣及需求的内容,同时忽视或回避那些与自己无关或与自己的观点相对立的内容(Nielsen,2017)。个体出于印象管理动机进行营销信息分享,希望营造乐观向上的个人形象,因此消费者会特别关注并尽量分享包含积极情绪的营销信息(Peters等,2009)。与选择性注意理论的观点不同,负性偏向理论认为负面信息存在负性效能。与正面信息相比,负面信息会优先被注意和加工,给个体留下更加深刻的认知和记忆,并使个体产生更强的情绪反应,因而在时间和空间上具有更强的传播性(朱永泽等,2014)。近年来,社交媒体领域的传播实践也表明,与带有正面情绪的内容相比,带有负面情绪的信息(如江歌事件、红黄蓝幼儿园虐童事件等)会导致更多的反馈与分享。总之,基于选择性注意理论和负性偏向理论,情绪发挥着信息识别和过滤的作用。
五、结论与未来研究展望(一)结论
基于对现有相关文献的回顾与梳理,本文得出以下结论:第一,情绪、信息与分享行为之间的关系主要通过直接和中介两条路径实现。在直接路径中,情绪外显于信息,消费者可以直观地通过营销信息得到情绪感受,并根据信息中所外显的情绪迅速做出判断和决策,无需整合外部信息和自身的内部记忆与联想;在中介路径中,情绪是营销信息刺激导致的结果,且除了营销信息本身,营销信息的呈现形式、呈现环境都可以作为刺激影响消费者的情绪,继而影响其分享行为。现有研究较多关注情绪的中介路径,忽视了情绪的直接路径。第二,在探讨不同情绪对信息分享行为的作用差异时,学者们主要基于情绪分类理论,从情绪的类型、效价和唤起程度三个维度展开,发现包含情绪的信息比不包含情绪的信息具有更强的传播性,但到底是积极情绪还是消极情绪更容易导致分享,现有研究并没有得出一致的结论。第三,基于“刺激导致情绪,情绪引发行为”的逻辑,可以将从信息到情绪再到分享行为的过程分解为三个阶段,每个阶段的理论基础各不相同。情绪感染理论和情绪启动理论主要用于解释外在信息刺激为什么会导致不同的情绪变化;情绪调节理论主要用于解释消费者为什么会在体验到情绪变化后进行信息分享;选择性注意理论和负性偏向理论则主要用于解释不同的情绪为什么会导致不同的分享行为。
(二)未来研究展望
未来的研究可以进一步挖掘营销信息分享过程中情绪的作用机制以及个体对营销信息的选择和处理机制,以更好地解释“消费者更乐于分享何种信息”的问题,具体如下:
第一,探讨情绪对营销信息再传播的影响。情绪感染理论认为情绪能够在群体间实现广泛传播,那么营销信息如何借助情绪的传播性达到“一传十,十传百”的病毒营销效果?情绪在连续性的再传播过程中遵循的作用路径和机制,是否与单一环节相同?在营销信息再传播的过程中,情绪是否能被正确解读,是否存在情绪编码和解码偏差?营销信息接收者个人的人格特质、信息双方的亲密程度等因素是否会调节情绪对分享行为的作用?这些问题对于企业的病毒营销和内容营销实践具有重要的现实意义,值得进一步关注。
第二,揭示信息媒介的“情绪偏好”效应。不同的媒介对于不同的情绪类型,具有不同的传播效能。或者说,在特定的媒介领域,一些类型的情绪比另一些类型的情绪具有更好的传播效力,从而显现出媒介的“情绪偏好”(徐翔,2017)。情绪对信息分享行为的作用机制受到媒介情绪偏好的影响,但在移动互联时代,新媒介层出不穷,不同媒介是否会对不同的情绪类型表现出不同的偏好?媒介的“情绪偏好”效应是否对情绪的传播性具有重要影响?与此同时,信息媒介的其他特点(如感知有用性和感知易用性),信息内容的呈现形式(如文字、图片、音频、视频等不同形式),信息内容的质量、数量、生动性和互动性(Liu等,2017)等都会影响信息分享行为,那么情绪与上述与营销信息直接相关的因素是如何混合作用于消费者的营销信息分享行为的?这些问题都有待未来的实证研究去揭示。
第三,考察混合情绪(mixed emotions)的作用机制。混合情绪是探讨情绪功能的新视角(郭婷婷等,2011),对消费行为有着重要影响(Penz和Hogg,2011)。混合情绪是指两种或两种以上的情绪同时存在,具有多种呈现方式,比如愤怒与高兴、厌恶与满意以及日常生活中进行重大决策时所面临的复杂情绪体验(Podoynitsyna等,2012)。消费者在使用产品的过程中,会产生对某些功能满意而对另一些功能厌恶的混合情绪;在产品促销的购物情境中,存在既开心又担心的混合情绪;在观看某些广告视频时,也可能出现悲伤与惊奇的混合情绪。那么,这些混合情绪的产生是否会影响消费者的信息分享意愿?其作用机制与单一情绪的作用机制是否相同?混合情绪中积极情绪和消极情绪的比例与分享行为之间的关系如何?单一情绪或者混合情绪对分享行为的触发是否有一个阈值?这些问题都值得进一步探讨。
[1] | 曹阳, 王琳. 书面语言中情绪信息的加工[J]. 科学通报, 2018(2): 148–163. |
[2] | 常亚平, 董学兵. 虚拟社区消费信息内容特性对信息分享行为的影响研究[J]. 情报杂志, 2014(1): 201–207, 200. |
[3] | 邓乔茜, 王丞, 周志民. 社会化媒体营销研究述评[J]. 外国经济与管理, 2015(1): 32–42. |
[4] | 丁绪武, 吴忠, 夏志杰. 社会媒体中情绪因素对用户转发行为影响的实证研究——以新浪微博为例[J]. 现代情报, 2014(11): 147–155. |
[5] | 杜建刚, 范秀成. 服务失败情境下顾客损失、情绪对补救预期和顾客抱怨倾向的影响[J]. 南开管理评论, 2007(6): 4–10, 18. |
[6] | 郭婷婷, 崔丽霞, 王岩. 情绪复杂性: 探讨情绪功能的新视角[J]. 心理科学进展, 2011(7): 993–1002. |
[7] | 乐国安, 董颖红. 情绪的基本结构: 争论、应用及其前瞻[J]. 南开学报(哲学社会科学版), 2013(1): 140–150. |
[8] | 刘丛, 谢耘耕, 万旋傲. 微博情绪与微博传播力的关系研究——基于24起公共事件相关微博的实证分析[J]. 新闻与传播研究, 2015(9): 92–106. |
[9] | 潘发达. 混合情绪加工中的冲突反应[D]. 上海: 华东师范大学, 2013. |
[10] | 徐翔. 新浪社会新闻传播中的" 情绪偏好”效应与特征研究——基于新浪社会新闻的网络挖掘与实证分析[J]. 国际新闻界, 2017(4): 76–94. |
[11] | 钟毅平, 范伟, 蔡荣华, 等. 正性情绪诱导下的自我参照加工: 来自ERPs的证据[J]. 心理学报, 2014(3): 341–352. |
[12] | 周荣辅, 张莲, 张亚明. 微信公众平台推送信息内容对顾客品牌忠诚的影响[J]. 商业研究, 2016(6): 141–147. |
[13] | 朱永泽, 毛伟宾, 王蕊. 负性偏向的神经机制[J]. 心理科学进展, 2014(9): 1393–1403. |
[14] | Akpinar E, Berger J. Valuable virality[J]. Journal of Marketing Research, 2017, 54(2): 318–330. |
[15] | Berger J. Arousal increases social transmission of information[J]. Psychological Science, 2011, 22(7): 891–893. |
[16] | Berger J, Milkman K L. Emotion and virality: What makes online content go viral?[J]. GfK Marketing Intelligence Review, 2013, 5(1): 18–23. |
[17] | Berger J, Milkman K L. What makes online content viral?[J]. Journal of Marketing Research, 2012, 49(2): 192–205. |
[18] | Berger J, Schwartz E M. What drives immediate and ongoing word of mouth?[J]. Journal of Marketing Research, 2011, 48(5): 869–880. |
[19] | Brooks A W, Schweitzer M E. Can nervous Nelly negotiate? How anxiety causes negotiators to make low first offers, exit early, and earn less profit[J]. Organizational Behavior and Human Decision Processes, 2011, 115(1): 43–54. |
[20] | Ekman P, Friesen W V. Constants across cultures in the face and emotion[J]. Journal of Personality and Social Psychology, 1971, 17(2): 124–129. |
[21] | Forgas J P, George J M. Affective influences on judgments and behavior in organizations: An information processing perspective[J]. Organizational Behavior and Human Decision Processes, 2001, 86(1): 3–34. |
[22] | Fredrickson B L, Branigan C. Positive emotions broaden the scope of attention and thought-action repertoires[J]. Cognition and Emotion, 2005, 19(3): 313–332. |
[23] | Gross J J. Emotion regulation: Current status and future prospects[J]. Psychological Inquiry, 2015, 26(1): 1–26. |
[24] | Hansen L K, Arvidsson A, Nielsen F A, et al. Good friends, bad news — Affect and virality in Twitter[A]. Park J J, Yang L T, Lee C. Future information technology[C]. Berlin, Heidelberg: Springer, 2011. |
[25] | Hatfield E, Cacioppo J T, Rapson R L. Emotional contagion[J]. Current Directions in Psychological Science, 1993, 2(3): 96–100. |
[26] | Heath C. Do people prefer to pass along good or bad news? Valence and relevance of news as predictors of transmission propensity[J]. Organizational Behavior and Human Decision Processes, 1996, 68(2): 79–94. |
[27] | Heath C, Bell C, Sternberg E. Emotional selection in memes: The case of urban legends[J]. Journal of Personality and Social Psychology, 2001, 81(6): 1028–1041. |
[28] | Howard D J, Gengler C. Emotional contagion effects on product attitudes[J]. Journal of Consumer Research, 2001, 28(2): 189–201. |
[29] | Izard C E. Human emotions[M]. New York: Plenum, 1977. |
[30] | Izard C E. Basic emotions, natural kinds, emotion schemas, and a new paradigm[J]. Perspectives on Psychological Science, 2007, 2(3): 260–280. |
[31] | Keller M C, Fredrickson B L, Ybarra O, et al. A warm heart and a clear head: The contingent effects of weather on mood and cognition[J]. Psychological Science, 2005, 16(9): 724–731. |
[32] | Kissler J, Herbert C, Peyk P, et al. Buzzwords: Early cortical responses to emotional words during reading[J]. Psychological Science, 2007, 18(6): 475–480. |
[33] | Liu J M, Li C, Ji Y G, et al. Like it or not: The fortune 500s Facebook strategies to generate users’ electronic word-of-mouth[J]. Computers in Human Behavior, 2017, 73: 605–613. |
[34] | Luminet IV O, Bouts P, Delie F, et al. Social sharing of emotion following exposure to a negatively valenced situation[J]. Cognition and Emotion, 2000, 14(5): 661–688. |
[35] | Nielsen M I S W. Computer-mediated communication and self-awareness: A selective review[J]. Computers in Human Behavior, 2017, 76: 554–560. |
[36] | Oh O, Kwon K H, Rao H R. An exploration of social media in extreme events: Rumor theory and Twitter during the Haiti earthquake 2010[A]. International conference on information systems, ICIS 2010[C]. Saint Louis, Missouri, USA: ICIS, 2010. |
[37] | Penz E, Hogg M K. The role of mixed emotions in consumer behaviour: Investigating ambivalence in consumers’ experiences of approach-avoidance conflicts in online and offline settings[J]. European Journal of Marketing, 2011, 45(1–2): 104–132. |
[38] | Peters K, Kashima Y, Clark A. Talking about others: Emotionality and the dissemination of social information[J]. European Journal of Social Psychology, 2009, 39(2): 207–222. |
[39] | Podoynitsyna K, van der Bij H, Song M. The role of mixed emotions in the risk perception of novice and serial entrepreneurs[J]. Entrepreneurship Theory and Practice, 2012, 36(1): 115–140. |
[40] | Rimé B. Emotion elicits the social sharing of emotion: Theory and empirical review[J]. Emotion Review, 2009, 1(1): 60–85. |
[41] | Stieglitz S, Dang-Xuan L. Emotions and information diffusion in social media: Sentiment of microblogs and sharing behavior[J]. Journal of Management Information Systems, 2013, 29(4): 217–248. |
[42] | Tracy J L, Randles D. Four models of basic emotions: A review of Ekman and Cordaro, Izard, Levenson, and Panksepp and Watt[J]. Emotion Review, 2011, 3(4): 397–405. |
[43] | Tucker C E. The reach and persuasiveness of viral video ads[J]. Marketing Science, 2015, 34(2): 281–296. |
[44] | Watson D, Tellegen A. Issues in dimensional structure of affect — Effects of descriptors, measurement error, and response formats: Comment on Russell and Carroll[J]. Psychological Bulletin, 1999, 125(5): 601–610. |
[45] | Wu S M, Tan C H, Kleinberg J, et al. Does bad news go away faster?[A]. Proceedings of the 5th international AAAI conference on weblogs and social media[C]. Barcelona, Catalonia, Spain: AAAI, 2011. |
[46] | Zhao J C, Dong L, Wu J J, et al. MoodLens: An emoticon-based sentiment analysis system for chinese tweets[A]. Proceedings of the 18th ACM SIGKDD international conference on knowledge discovery and data mining[C]. Beijing, China: ACM, 2012. |