3.2.1　研究问题

3.2.1.1　LBA与PUA销量比较

LBA侧重于销量影响的研究，而销量影响也是所有营销人员所关心的问题。但营销销量不是短暂、片面的问题，其具有长期性与同期性等特点，因此我们尝试探索LBA全过程的动态营销效果。虽然有一些实证研究LBA作品（e.g.，Banerjee和Dholakia，2008；Bruner和Kumar，2007；Xu等，2009），但这些研究也许是因为缺乏大型规模公司的数据，它们都没有调查过LBA的销售影响。在本研究中，我们采用了真实的公司归档的数据来量化LBA的销售影响。为了量化销售的持续影响，我们选择了另一个广告渠道，即PUA（弹出式广告）与LBA作比较。PUA相对来讲更为常见，只要是PC电脑用户且安装了相应的服务软件，PUA便会自动为用户推出广告。在本研究中，我们从同期、长期的角度展开，探索公司分别选择LBA和PUA策略，而为其自身销量带来的变化。

3.2.1.2　LBA与PUA销售持续时间比较

研究表明，移动媒体是营销人员增加广告回报的手段（Wouters和Wetzels，2006）。LBA作为其中一个使用到移动技术的策略，其可以给公司的电影票销量带来帮助。对于LBA来说，其不仅可能对公司的销量有直接影响，也可能对公司的销售持续时间产生影响，由此，我们同样使用了PUA与其作为对比，探究LBA与PUA在同期和长期中，给公司销售持续时间带来的影响有何不同。

3.2.2　理论基础

3.2.2.1　营销中的移动技术

移动技术主要是基于无线通信设备之间的信息技术融合，常见的移动设备包括笔记本电脑、平板电脑、手机等。对营销人员来说，移动技术具有拓展空间的可实现性，因为它为企业提供了与消费者直接交流的机会（Scharl等，2005），这样的机会可以出现在任何时间、任何地点，并且成本相对较低（Mirbagheri和Hejazinia，2010）。尽管一些研究人员声称，LBA的效果最初被夸大了（Okazaki和Barwise，2011），但由于消费者对智能手机和移动交互的接受度迅速增加，LBA也迅速成为被广泛接受的广告媒介（Laszlo，2009）。

3.2.2.2　社交网络

LBA被视为一种更广泛的创新通信技术，即定位服务（LBS）的一部分，这其中包括紧急通知、协助服务以及到兴趣点的位置/路线、交通信息、社区服务和支付服务（Driscoll，2006；Küpper，2005）。通常与社交网络相关联的LBS可以启用定位系统（即，将各种媒体，例如照片、视频、网站、SMS消息等添加至地理标识数据），并将消费者评论附加到特定地理位置，例如餐馆、商店和博物馆（Blackwell，2005）。如果后续消费者拥有相应的应用软件和设备，那么上述的信息就可以继续被访问（Bruner和Kumar，2007）。因此，LBA可以通过与消费者的深层互动来增加其营销绩效，例如可以增加销售影响，提升品牌忠诚度和客户终身价值（Shankar和Balasubramanian，2009）。

3.2.3　研究内容

3.2.3.1　LBA与PUA的当期与长期销量影响比较

LBA对销售的影响是可以被量化的，我们的研究内容正基于此。本研究的数据收集基于一家X移动公司，该公司与电影院合作，通过手机销售电影票。消费者可以从手机应用上查询电影信息、挑选座位并预订门票。我们将LBA设立在电影院附近，消费者便可以通过LBA获得电影票的详细信息，为了更清楚地展示LBA的效果，我们选取了PUA这一广告渠道与之作为比较，最终运用DESM动态结构模型对数据进行分析，探究了LBA与PUA在当期和长期销量的差别。在这项研究中，我们不仅量量化了LBA的销售影响，而且还比较了其与PUA在电影销售方面的影响，这将有助于管理者在不同的广告渠道之间，进行更有效的资源分配。

3.2.3.2　LBA动态销售影响

本研究调查了LBA销售的动态影响。以往学者对LBA的研究，大多停留在研究顾客态度的问题上，但在与其他广告渠道相比时，很少有人研究LBA的销售影响。本文在已有的研究基础上，以销售量角度为新视角展开对LBA动态销售影响的研究，即对公司销售持续时间所产生的效果。为此，我们同样选择PUA作为对比，参照前文的数据以及分析方式，数据也来源于同样一家移动公司，并使用动态结构模型分析，最终探究了LBA与PUA在当期和长期中，对移动公司销量的持续时间产生了怎样的影响。

3.2.4　研究设计

X公司移动电影票销量：我们从中国的一个移动公司（希望保持匿名）获取数据，该公司推出了移动电影票购买业务，来培养客户的移动商务习惯。选取数据的时间段为2009年8月1日至2010年7月31日，一共365天。总共约20，000个客户，他们是已经订阅多媒体消息服务（MMS）“电影粉丝”的电影迷。虽然这些客户可能会购买更多的电影票，但本研究的因变量是通过移动手机购买的电影票数量。因此，“电影粉丝”的样本不是一个混淆变量，不会导致选择偏见。

该公司与电影院合作，通过手机销售电影票。消费者可以从手机应用上查询电影信息、选取座位并预订门票。如果消费者在电影院附近时，他们可能会通过手机连接到无线公司的先进IT设备上，这些设备通常位于电影院周围的商店和餐馆中。一旦移动客户在IT设备覆盖200米的范围之内，那么当有广告活动时，移动公司将会向他们推送LBA。LBA的消息每天都会推出，通常包括两种信息：①最近上映的电影有哪些；②如何通过手机应用预订电影票。

阅读完LBA消息后，如果客户有兴趣的话，他们可以用手机立即定下电影票。一旦客户通过应用购买了电影票，公司便可以从客户的手机账户中扣掉费用。在通过分析客户用其手机购买的电影票数量后，公司便可以相应地调整其广告策略和电话营销策略。

除了LBA，该公司还有另外一个PUA渠道进行售票。这种渠道适用于已安装了Instant Message业务的PC客户端消费者。如果消费者的PC客户端连网了，移动公司便可以向他们推送PUA消息。为了避免对顾客造成过度营销和侵扰，公司平衡了这两种广告信息的数量，通常一个消费者每天不会接受多于一个广告的信息量。两种广告渠道推送电影的消息内容，以及交易方式都是一样的，所以二者的电影票销售量具有很强的可比性。

表3-5提供了关键的描述性统计数据。LBA的SMS短信量平均值为2012，标准差为46。移动销售量的平均值为476，每天的电影票标准差为98张（无法获取销售收入数据，因为每天不同电影票销售组合非常复杂）。其中还包括三个控制变量：周末，假期和大片。周末控制变量包括星期六和星期日以及星期五，因为消费者通常会在星期五晚上去看“大片”，即一个星期以来票房数量超过1亿元的电影。

图3-6描述了所有变量的时间序列。暑假（七月）至寒假（二月的中国春节），电影市场处于旺季。因此，这一时期手机购票量相对较高。冬季假期后，电影市场通常回落淡季，除国庆节、五一节的小高峰外。在后续模型中，我们会控制这些季节影响。

3.2.5　数据分析

DESM动态结构方面模型：从数据设置来看，我们知道广告决策和移动销售是一个闭环，①不同种类的广告渠道及其互动影响的移动销售量；②每日广告渠道的决策都是基于以前的移动销售量。

为了处理这种内生循环并估计动态影响，先前的研究常使用矢量自回归（VAR）模型（Luo，2009；Bronnenberg e.g.，2000；Dekimpe和Hanssens，1999）。然而，VAR模型并不能估计同期的影响，这种影响对研究LBA的效能非常重要，因为广告运营者希望LBA能在定位点产生销售量。因此，我们将VAR模型扩展到DSEM，以同时处理内生循环问题，并考虑同时期的影响。DSEM模型是基于变量的协方差矩阵来分析变量之间关系的统计方法，这种模型的建模分析过程是一个动态的、不断修改的过程。在建模的过程中，研究人员要通过每次建模计算得到的结果，去分析这个模型的合理性，然后依据经验及前一模型的拟合结果去不断调整模型的结构，最终得到一个最合理的、与事实相符的模型。

本研究构建的DSEM如下：

其中ΔSales指手机购票的增量（当天与昨天相比），ΔLBA指LBA所带来的电影票增量（当天与昨天比），ΔPUA指弹出式广告所带来的电影票增量（当天与昨天比）。

在DSEM中，p和q是滞后长度，ε是随机扰动项。δ ₁₀ 、δ ₂₀ 和δ ₃₀ 是截距，δ ₁₂ 、δ ₂₁ 和δ ₃₁ 捕获潜在的时间趋势影响。系数γ13估计LBA对移动销售的同期（在同一天的t）效应，系数 可以长期估计LBA对移动销售的时变衰减效应（t+1，t+2，t+3，……t+j）。系数γ ₂₃ 、γ ₃₂ 、 和 捕获两个广告渠道之间的交互效果。系数 和 捕捉移动销售对广告渠道的反馈影响。此外，DSEM可以估计所有变量与 和 的结转效应，即过去移动销售量对当前的影响。

此外，我们将控制变量（周末、假期、时间趋势和大片）视为外生变量的影响。周末控制变量包括星期六、星期日以及星期五，因为消费者通常会在星期五晚上去看电影。θ ₁₁ ～θ ₃₃ 代表这些外生变量的影响。

最后，基于参数估计结果，我们使用脉冲响应函数（IRFs）来计算动态影响。在DSEM模型的基础上，IRFs可以估计系统内生变量中其他内生变量对意外冲击的动态响应。例如，如果LBA更改一个单位，IRF可以跟踪移动销售在未来10天内对这一变化的回应。在IRF的基础上，我们使用累积IRF（AIRF）来衡量长期影响，这些影响是由t+1周期到t+j期间的IRF总和计算的。

3.2.6　研究结论

3.2.6.1　LBA与PUA当期和长期销量的比较

本研究对两个广告渠道的有效性进行了比较（见表3-6）。研究发现在同期影响方面，LBA的功效（γ ₁₃ =0.14338，p＜0.001）是PUA功效的10倍以上（γ ₁₂ =0.01389，p＜0.001）。在长期影响方面，虽然LBA没有明显的长期影响 但同期影响是PUA累积影响的3倍（累积影响由γ ₁₂ 和 的和计算得出）。因此，LBA的销售影响远远超过PUA在同期和长期的影响。

在研究中我们确认了LBA同时预测和影响手机电影票销售量的有效性，且证明相较于PUA，LBA的销售影响在同期与长期方面影响更大。实践中，LBA的成本主要来自企业内部的研发及短信的发送，相较于PUA其所需要支付的费用更低，其在未来营销策略的选择中将更为营销经理人青睐。

3.2.6.2　LBA与PUA当期和长期的销售持续时间比较

我们比较了LBA与PUA对销售影响的持续时间（见图3-2和图3-3）。一般来说，LBA在同一天（t）内产生移动销售量，但没有显著的长期影响。然而，PUA不仅产生同期的移动销售量，而且还产生长达（t+1，……，t+j）持续9天的销售量。具体而言，PUA在同一天内产生移动销售累计影响的26.3%，并在接下来的9天内释放其他73.7%的影响量。因此，持续时间在两广告渠道中是非常不均匀的，而PUA具有更长的持续时间。

本研究发现，在同期中，LBA的销售影响超出了PUA的10倍以上；在长期中，LBA销量影响也超过PUA的3倍。在尚未经过研究检验之前，我们无法得知LBA功效强于PUA的实际原理，但在铺天盖地的互联网广告被放置于顾客眼前时，顾客极有可能忽略，而LBA更容易受到顾客的注意，进而极有可能激发顾客的购买行为。将LBA作为重要的广告渠道，并分配给其更多的资源，将成为今后营销经理们的选择。