论文部分内容阅读
[摘要]首先分析了影响高科技品牌消费者评价的因素，然后利用径向基函数神经网络建立了高科技品牌延伸的决策模型，并通过高科技品牌虚拟延伸产品进行了实证研究，目的是通过建立高科技品牌延伸的决策模型指导高科技企业进行品牌延伸的决策。
[关键词]高科技品牌；品牌延伸；决策模型；RBF神经网络
引言
为了保持市场份额，一些高科技企业如Apple、Sony、三星、联想、海尔、小米等，都选择通过品牌延伸策略来向市场导入新产品，并取得了较好的效果，但也有延伸失败的例子，如诺基亚。高科技企业在品牌延伸时该如何决策，能否建立一个高科技品牌决策模型为高科技企业进行品牌延伸提供决策指导，本文将确立高科技品牌延伸的决策评价指标，并建立高科技品牌延伸的决策模型。
国内外有关品牌延伸方面的研究综述
国外的营销杂志如URM、JM、JCR、JMR等都刊载了大量有关品牌延伸的文献，其中经典的和最新的研究如表1。
从表1可看出，国外关于品牌延伸研究的内容很丰富，成果颇多，但多集中于消费者心理及行为的认知、品牌延伸的影响消费者评价因素的分析。并且国外关于品牌延伸评价因素的研究多为单因素的研究，而实践中影响品牌延伸成功的因素是多方面的，并缺乏一些系统的、相关的定量模型研究。
国内关于品牌延伸评价的各个方向只有少数的学者进行了研究，比较有代表性的有：卢泰宏、谢执于1997年在《中山大学学报（社会科学版）》发表的“品牌延伸的评估模型”[17]；孙平、马建新于2008年在《现代财经-天津财经大学学报》发表的“基于SEM高科技品牌延伸的消费者评价研究”[18]；孙平、王兴元于2010年在《科技进步与对策（杂志）》发表的“基于FUZZY-AHP的高科技品牌延伸决策评价研究”[19]；孙平于2010年在《山东大学学报（哲学社会科学版）》发表的“消费类高科技品牌延伸成功的关键影响因素实证研究”[20]；张鹏、王兴元于2012年在《软科学（杂志）》发表的“基于BP神经网络的品牌延伸延伸决策模型”[21]，这些研究都采用了国际主流的多因素综合评估方法，受国外影响较大，相似性较高。
本文将建立高科技品牌延伸的决策模型，并通过消费者调查问卷对延伸效果进行实证检验。
品牌延伸的决策指标体系
本文在建立决策指标的过程中借鉴了学者孙平、王兴元[21]所建立的高科技品牌延伸的评价指标，将一、二级指标重新分类，并在文献挖掘和专家意见综合的基础上对评价因子进行修正和丰富，对一些难以界定的因子进行了剔除，如根据对Apple、三星、小米、海尔等产品的问卷发现，高科技企业的文化魅力、消费者的积极情绪、延伸产品与母品牌在质量上是否一致等均会影响消费者对高科技品牌延伸成功的评价，因此加入企业文化、消费者积极情绪、质量一致性等指标；而原决策因子中专家技术在范围上涵盖了技术水平因子，且消费者非专业人士，很难对产品技术水平做出客观准确的评价，因此剔除技术水平指标；原指标中有两个感知质量因子，消费者易混淆，因此剔除一个。根据以上原则，最后建立了如下高科技品牌延伸的决策评价指标体系。该指标体系共有5类一级指标，8个二级指标，23个决策因子，如表2所示。
1.模型选择
本研究欲建立的是非线性的决策模型，而人工神经网络恰好是一种应用十分广泛的非线性数学模型。人工神经网络中目前在研究领域被学者应用最广泛的是多层感知器神经网络和径向基函数神经网络。径向基函数神经网络（英文简称RBFNN）是人工神经网络中比较典型的通过局部逼近来建立学习的网络，其结构上包括很多具有处理信息的能力的神经元，具有类似于动物大脑的学习能力、容错能力、自适应能力、推广能力，被广泛地应用研究领域。因此，本研究建立的决策模型将选用径向基函数神经网络。
基于RBF神经网络的高科技品牌延伸决策模型如图1所示。该模型由输入层、隐含层和输出层构成。
2.模型算法
本研究采用径向基函数神经网络对高科技品牌延伸是否成功的决策进行评分，以感知质量，积极情绪等23个评价因子指标为输入向量，用表示；隐含层用向量表示，k值具体数目根据训练集来确定，输出层神经元数目与品牌延伸评价数目相同，节点为1，。将训练集的实际输出数据转换为[0，1]的数值，期望输出以向量D=（d1）表示，对品牌延伸的结果做出5种预测，依次是从“非常不成功”到“非常成功”5个等级。在采用样本集进行训练时，如果样本评价为“非常成功”，则输出；如果样本评价为“比较成功”，则输出，依此类推；输入层和隐含层之间可以看做连接权值为1的连接，隐含层到输出层的权值用向量表示，隐含层选择高斯函数作为激活函数。
实证检验
按照面向对象的设计思想，在模型建立后进行了样本检验。模型的检验需要根据设立的决策指标体系设置量化标准，再通过调查问卷获得足够的样本，对高科技品牌延伸的指标进行学习，根据训练效果，反复修正调整网络设置和学习参数设置，训练得到具有较好性能的的RBF径向基函数神经网络，从而获得较好的基于RBF神经网络的品牌延伸决策模型。步骤如下：
第一步，发放消费者调查问卷以收集足量具有代表性的训练样本目的是检验决策模型的效度与信度。
为确保调查结果的有效性及严肃性，被调查者自身需要具有一定的管理学知识，日常生活学习中接触的商业信息比较充分，对品牌延伸管理实践较为敏感，因此选择来自商学院或管理学院的学者、学生、在职人士为样本，受调查者为120人，被调查者就问卷对23项指标及其品牌延伸成功度进行5级打分，分值在[0，1]之间，所表示的程度逐渐递增，如受调查者认为该高科技品牌延伸其感知质量非常强，则对“感知质量”项打第5级，分值在[0.8，1.0]之间，调查问卷的结果作为检验的训练样本。
目标品牌。对于品牌研究的消费者来说，测试品牌的选择至关重要，母品牌要有知名度高、品牌联想鲜明特点，而延伸产品则选择母品牌在现实中已实施过品牌延伸的产品，同时为保证检验的合理性，在已有的高科技品牌中分别选择功能型和象征型两类高科技品牌的5个延伸产品进行第一部分测试。为减小随机误差，选择这5个品牌遵循以下原则：①生产的产品有两种或两种以上相同，便于比较；②选择的品牌尽量来自不同国家，为了模型的针对性，中国的品牌选两个，且消费者比较熟悉。遵循以上原则，分别选了苹果、三星、索尼、联想、海尔等5个品牌进行测试。 发放的120份问卷中，有效问卷86份，根据有效问卷的结果，73%的消费者明显认为苹果是声望型品牌，67%的消费者认为联想是功能型品牌，因此在第二部份问卷中选择苹果和联想来做调查。
消费者高科技品牌延伸评价因素调查。在第二份问卷中为排除对两个品牌不熟悉的消费者，先设计了品牌认知调查问卷，认知调查问卷包括三个问题，分别是品牌熟悉度调查，品牌最开始形成时生产的产品种类调查，品牌包含的产品种类调查。在第二部分发放的200份问卷中，有效问卷118份。因此在第三部份问卷中，以这118个消费者作为第三部分问卷的调查对象，第三部分的问卷是高科技品牌延伸评价因素调查，调查问卷中涉及两个品牌的手机和笔记本产品，利用5个级别测定消费者对该品牌延伸产品的评价，在回收的118份问卷中有效问卷96份。
第二步，设置学习参数。此过程主要依据模型需达到的来设置模型训练次数，模型的精度（即最小误差）以及学习速率。这些参数和上一步的决策指标体系共同影响RBF神经网络的效果，通过设置可以训练得到合适的高科技品牌延伸的评价模型。
第三步，网络模型的训练。将样本输入已建立的模型，对模型进行学习和训练，训练时对效果不好的重新设置，直到训练样本得到的样本期望值与实际值在允许的误差范围内，则认为模型达到了预期的效果。
根据以上的调查问卷的结果对建立的模型进行了训练。神经网络训练过程中，将两个品牌的70份问卷结果作为训练样本，剩余的26份作为检验对象。在训练过程中，功能型品牌和声望型品牌并没有表现出明显的差异，因此这一模型对于功能型和声望型品牌具有普适性。图2是训练样本的结果。
第四步，在整个建模过程中，基于RBF神经网络的高科技品牌延伸决策模型中的各个参数都已完全确定。将已达到期望标准的径向基函数神经网络模型保存到数据库，基于RBF神经网络的高科技品牌延伸的决策模型就建立完成。
第五步，模型试运行。高科技企业在采取品牌延伸策略时可根据延伸产品所期望达到的效果对决策因子进行调整并赋值，在模型中进行模拟得到产品延伸的效果以辅助决策。模型选择北京小米科技有限公司（以下简称“小米公司”）。
目前国产的高科技品牌关注度最高的当属小米，小米公司通过品牌延伸已从最初的手机延伸到小米盒子、小米电视、平板等产品，未来小米将会延伸出更多的产品。设想小米准备生产PC，在是否大规模生产之前，需要用模型来预测一下以产品目前拥有的功能其延伸是否能成功，预测时只需将已延伸产品的消费者评价结果作为样本进行学习建立模型，然后先试制一批PC，请120位发烧友进行体验并对小米PC的这23个因子进行评价打分，去除其中一些误差较大的结果，将有效的结果输入到已建立的模型，得到如图3所示的预测，目前小米向PC延伸将会是比较不成功的，还需要更广泛收集发烧友的意见对产品的性能进行一些改进。
展望与不足
本文通过对品牌延伸的消费者决策指标因子进行系统性地研究，设置了高科技品牌延伸的决策指标，并选用了径向基函数神经网络建立了高科技品牌延伸的决策模型。通过调查问卷结果对模型的效度和信度进行了检验，使决策模型的性能更加完善，具备了对高科技品牌延伸的决策评价提供参考的能力。使用模型对高科技品牌延伸决策进行评价，可以减少高科技企业在品牌延伸时失败的概率。建立的模型具有一定的灵活性，在一定的程度上弱化决策者主观认为的误判因素，高科技企业可根据自身情况及品牌特点对决策因子进行评价，帮助企业进行品牌延伸时的决策，但检验样本需要足够大，使模型才能得到充分的训练，输出正确的结果。因此将RBF神经网络应用于高科技品牌延伸的决策中，具有广泛的应用前景。
参考文献
[1]AV Muthukrishnan et al. Role of Product Knowledge in Evaluation of Brand Extension.[J] Advances in Consumer Research. 1991（18）：407-413.
[2]KL Keller，DA Aker.The effects of sequential introduction of brand extensions[J].Journal of Marketing Research，1992（11）：35-50.
[3]KL Keller and DA Aaker.The Effects of Sequential Introduction of Brand Extensions [J].Journal of Marketing Research.1992（2）：35-50.
[4]MW Sullivan.Brand Extensions：When to Use Them[J].Management Science. 1992（6）：793-806.
[5]SM Broniarczyk et al.The Importance of the Brand in Brand Extension[J].Journal of Marketing Research . 1994（2）：214-228.
[6]A Kirmani et al.The Ownership Effect in Consumer Responses to Brand Line Stretches[J].Journal of Marketing. 1999（1）：88-101.
[7]V Swaminathan et al. The Impact of Brand Extension Introduction on Choice[J]. Journal of Marketing. 2001（4）：1-15. [8]PA Bottomley ， SJS Holden.Do we really know how consumers evaluate brand extensions？ Empirical generalizations based on secondary analysis of eight studies[J] . Journal of Marketing Research， 2001（11）：494-500.
[9]RR Klink， DC Smith .Threats to the External Validity of Brand Extension Research[J]. Journal of Marketing Research.2001（3）：326-335.
[10]MJ Barone et al.The Influence of Positive Mood on Brand Extension Evaluations[J].Journal of Consumer Research .2000（4）：386-400.
[11]EJ Nijssen.Success factors of line extensions of fast-moving consumer goods[J]. European Journal of Marketing， 1999（ 5/6）：450 - 474.
[12]JK Han，BH Schmitt .Product-Category Dynamics and Corporate Identity in Brand Extensions： A Comparison of Hong Kong and U.S. Consumers[J].Journal of International Marketing. 1997（1）：77-92.
[13]VA.Taylor，WO Bearden.Ad spending on brand extensions：Does similarity matter？[J]. The Journal of Brand Management.2003（1） ： 63-74.
[14]S Ng.Cultural Orientation and Brand Dilution： Impact of Motivation Level and Extension Typicality[J]. Journal of Marketing Research.2010（1）： 186-198.
[15]VA Taylor， WO Bearden.The effects of price on brand extension evaluations： The moderating role of extension similarity[J].Journal of the Academy of Marketing Science.2002（2） ：131-140.
[16]S Spiggle et al.More Than Fit： Brand Extension Authenticity[J]. Journal of Marketing Research.2012（6）：967-983.
[17]卢泰宏，谢飙.品牌延伸的评估模型[J].中山大学学报（社会科学版） ，1997（06）：8-13.
[18]孙平，马建新.基于SEM高科技品牌延伸的消费者评价研究[J].现代财经-天津财经大学学报，2008（11）：41-47.
[19]王兴元，孙平.基于FUZZY-AHP的高科技品牌延伸决策评价研究[J].科技进步与对策，2010（04）：116-119.
[20]孙平.消费类高科技品牌延伸成功的关键影响因素实证研究[J].山东大学学报（哲学社会科学版）[J].2010（01）：92-98.
[21]张鹏，王兴元.基于BP神经网络的品牌延伸决策模型[J].软科学，2012（03）：124-128.
国家社会科学基金资助项目
海南离岛免税政策的旅游经济效应评价及优化模型研究（13BJY142）
作者简介
熊文丽（1992年-），女，湖北黄冈人，海南大学经济与管理学院，天津大学管理与经济学部学生。
刘家诚（1972年-），男，湖北建始人，海南大学经济与管理学院教授/博士。
[关键词]高科技品牌；品牌延伸；决策模型；RBF神经网络
引言
为了保持市场份额，一些高科技企业如Apple、Sony、三星、联想、海尔、小米等，都选择通过品牌延伸策略来向市场导入新产品，并取得了较好的效果，但也有延伸失败的例子，如诺基亚。高科技企业在品牌延伸时该如何决策，能否建立一个高科技品牌决策模型为高科技企业进行品牌延伸提供决策指导，本文将确立高科技品牌延伸的决策评价指标，并建立高科技品牌延伸的决策模型。
国内外有关品牌延伸方面的研究综述
国外的营销杂志如URM、JM、JCR、JMR等都刊载了大量有关品牌延伸的文献，其中经典的和最新的研究如表1。
从表1可看出，国外关于品牌延伸研究的内容很丰富，成果颇多，但多集中于消费者心理及行为的认知、品牌延伸的影响消费者评价因素的分析。并且国外关于品牌延伸评价因素的研究多为单因素的研究，而实践中影响品牌延伸成功的因素是多方面的，并缺乏一些系统的、相关的定量模型研究。
国内关于品牌延伸评价的各个方向只有少数的学者进行了研究，比较有代表性的有：卢泰宏、谢执于1997年在《中山大学学报（社会科学版）》发表的“品牌延伸的评估模型”[17]；孙平、马建新于2008年在《现代财经-天津财经大学学报》发表的“基于SEM高科技品牌延伸的消费者评价研究”[18]；孙平、王兴元于2010年在《科技进步与对策（杂志）》发表的“基于FUZZY-AHP的高科技品牌延伸决策评价研究”[19]；孙平于2010年在《山东大学学报（哲学社会科学版）》发表的“消费类高科技品牌延伸成功的关键影响因素实证研究”[20]；张鹏、王兴元于2012年在《软科学（杂志）》发表的“基于BP神经网络的品牌延伸延伸决策模型”[21]，这些研究都采用了国际主流的多因素综合评估方法，受国外影响较大，相似性较高。
本文将建立高科技品牌延伸的决策模型，并通过消费者调查问卷对延伸效果进行实证检验。
品牌延伸的决策指标体系
本文在建立决策指标的过程中借鉴了学者孙平、王兴元[21]所建立的高科技品牌延伸的评价指标，将一、二级指标重新分类，并在文献挖掘和专家意见综合的基础上对评价因子进行修正和丰富，对一些难以界定的因子进行了剔除，如根据对Apple、三星、小米、海尔等产品的问卷发现，高科技企业的文化魅力、消费者的积极情绪、延伸产品与母品牌在质量上是否一致等均会影响消费者对高科技品牌延伸成功的评价，因此加入企业文化、消费者积极情绪、质量一致性等指标；而原决策因子中专家技术在范围上涵盖了技术水平因子，且消费者非专业人士，很难对产品技术水平做出客观准确的评价，因此剔除技术水平指标；原指标中有两个感知质量因子，消费者易混淆，因此剔除一个。根据以上原则，最后建立了如下高科技品牌延伸的决策评价指标体系。该指标体系共有5类一级指标，8个二级指标，23个决策因子，如表2所示。
1.模型选择
本研究欲建立的是非线性的决策模型，而人工神经网络恰好是一种应用十分广泛的非线性数学模型。人工神经网络中目前在研究领域被学者应用最广泛的是多层感知器神经网络和径向基函数神经网络。径向基函数神经网络（英文简称RBFNN）是人工神经网络中比较典型的通过局部逼近来建立学习的网络，其结构上包括很多具有处理信息的能力的神经元，具有类似于动物大脑的学习能力、容错能力、自适应能力、推广能力，被广泛地应用研究领域。因此，本研究建立的决策模型将选用径向基函数神经网络。
基于RBF神经网络的高科技品牌延伸决策模型如图1所示。该模型由输入层、隐含层和输出层构成。
2.模型算法
本研究采用径向基函数神经网络对高科技品牌延伸是否成功的决策进行评分，以感知质量，积极情绪等23个评价因子指标为输入向量，用表示；隐含层用向量表示，k值具体数目根据训练集来确定，输出层神经元数目与品牌延伸评价数目相同，节点为1，。将训练集的实际输出数据转换为[0，1]的数值，期望输出以向量D=（d1）表示，对品牌延伸的结果做出5种预测，依次是从“非常不成功”到“非常成功”5个等级。在采用样本集进行训练时，如果样本评价为“非常成功”，则输出；如果样本评价为“比较成功”，则输出，依此类推；输入层和隐含层之间可以看做连接权值为1的连接，隐含层到输出层的权值用向量表示，隐含层选择高斯函数作为激活函数。
实证检验
按照面向对象的设计思想，在模型建立后进行了样本检验。模型的检验需要根据设立的决策指标体系设置量化标准，再通过调查问卷获得足够的样本，对高科技品牌延伸的指标进行学习，根据训练效果，反复修正调整网络设置和学习参数设置，训练得到具有较好性能的的RBF径向基函数神经网络，从而获得较好的基于RBF神经网络的品牌延伸决策模型。步骤如下：
第一步，发放消费者调查问卷以收集足量具有代表性的训练样本目的是检验决策模型的效度与信度。
为确保调查结果的有效性及严肃性，被调查者自身需要具有一定的管理学知识，日常生活学习中接触的商业信息比较充分，对品牌延伸管理实践较为敏感，因此选择来自商学院或管理学院的学者、学生、在职人士为样本，受调查者为120人，被调查者就问卷对23项指标及其品牌延伸成功度进行5级打分，分值在[0，1]之间，所表示的程度逐渐递增，如受调查者认为该高科技品牌延伸其感知质量非常强，则对“感知质量”项打第5级，分值在[0.8，1.0]之间，调查问卷的结果作为检验的训练样本。
目标品牌。对于品牌研究的消费者来说，测试品牌的选择至关重要，母品牌要有知名度高、品牌联想鲜明特点，而延伸产品则选择母品牌在现实中已实施过品牌延伸的产品，同时为保证检验的合理性，在已有的高科技品牌中分别选择功能型和象征型两类高科技品牌的5个延伸产品进行第一部分测试。为减小随机误差，选择这5个品牌遵循以下原则：①生产的产品有两种或两种以上相同，便于比较；②选择的品牌尽量来自不同国家，为了模型的针对性，中国的品牌选两个，且消费者比较熟悉。遵循以上原则，分别选了苹果、三星、索尼、联想、海尔等5个品牌进行测试。 发放的120份问卷中，有效问卷86份，根据有效问卷的结果，73%的消费者明显认为苹果是声望型品牌，67%的消费者认为联想是功能型品牌，因此在第二部份问卷中选择苹果和联想来做调查。
消费者高科技品牌延伸评价因素调查。在第二份问卷中为排除对两个品牌不熟悉的消费者，先设计了品牌认知调查问卷，认知调查问卷包括三个问题，分别是品牌熟悉度调查，品牌最开始形成时生产的产品种类调查，品牌包含的产品种类调查。在第二部分发放的200份问卷中，有效问卷118份。因此在第三部份问卷中，以这118个消费者作为第三部分问卷的调查对象，第三部分的问卷是高科技品牌延伸评价因素调查，调查问卷中涉及两个品牌的手机和笔记本产品，利用5个级别测定消费者对该品牌延伸产品的评价，在回收的118份问卷中有效问卷96份。
第二步，设置学习参数。此过程主要依据模型需达到的来设置模型训练次数，模型的精度（即最小误差）以及学习速率。这些参数和上一步的决策指标体系共同影响RBF神经网络的效果，通过设置可以训练得到合适的高科技品牌延伸的评价模型。
第三步，网络模型的训练。将样本输入已建立的模型，对模型进行学习和训练，训练时对效果不好的重新设置，直到训练样本得到的样本期望值与实际值在允许的误差范围内，则认为模型达到了预期的效果。
根据以上的调查问卷的结果对建立的模型进行了训练。神经网络训练过程中，将两个品牌的70份问卷结果作为训练样本，剩余的26份作为检验对象。在训练过程中，功能型品牌和声望型品牌并没有表现出明显的差异，因此这一模型对于功能型和声望型品牌具有普适性。图2是训练样本的结果。
第四步，在整个建模过程中，基于RBF神经网络的高科技品牌延伸决策模型中的各个参数都已完全确定。将已达到期望标准的径向基函数神经网络模型保存到数据库，基于RBF神经网络的高科技品牌延伸的决策模型就建立完成。
第五步，模型试运行。高科技企业在采取品牌延伸策略时可根据延伸产品所期望达到的效果对决策因子进行调整并赋值，在模型中进行模拟得到产品延伸的效果以辅助决策。模型选择北京小米科技有限公司（以下简称“小米公司”）。
目前国产的高科技品牌关注度最高的当属小米，小米公司通过品牌延伸已从最初的手机延伸到小米盒子、小米电视、平板等产品，未来小米将会延伸出更多的产品。设想小米准备生产PC，在是否大规模生产之前，需要用模型来预测一下以产品目前拥有的功能其延伸是否能成功，预测时只需将已延伸产品的消费者评价结果作为样本进行学习建立模型，然后先试制一批PC，请120位发烧友进行体验并对小米PC的这23个因子进行评价打分，去除其中一些误差较大的结果，将有效的结果输入到已建立的模型，得到如图3所示的预测，目前小米向PC延伸将会是比较不成功的，还需要更广泛收集发烧友的意见对产品的性能进行一些改进。
展望与不足
本文通过对品牌延伸的消费者决策指标因子进行系统性地研究，设置了高科技品牌延伸的决策指标，并选用了径向基函数神经网络建立了高科技品牌延伸的决策模型。通过调查问卷结果对模型的效度和信度进行了检验，使决策模型的性能更加完善，具备了对高科技品牌延伸的决策评价提供参考的能力。使用模型对高科技品牌延伸决策进行评价，可以减少高科技企业在品牌延伸时失败的概率。建立的模型具有一定的灵活性，在一定的程度上弱化决策者主观认为的误判因素，高科技企业可根据自身情况及品牌特点对决策因子进行评价，帮助企业进行品牌延伸时的决策，但检验样本需要足够大，使模型才能得到充分的训练，输出正确的结果。因此将RBF神经网络应用于高科技品牌延伸的决策中，具有广泛的应用前景。
参考文献
[1]AV Muthukrishnan et al. Role of Product Knowledge in Evaluation of Brand Extension.[J] Advances in Consumer Research. 1991（18）：407-413.
[2]KL Keller，DA Aker.The effects of sequential introduction of brand extensions[J].Journal of Marketing Research，1992（11）：35-50.
[3]KL Keller and DA Aaker.The Effects of Sequential Introduction of Brand Extensions [J].Journal of Marketing Research.1992（2）：35-50.
[4]MW Sullivan.Brand Extensions：When to Use Them[J].Management Science. 1992（6）：793-806.
[5]SM Broniarczyk et al.The Importance of the Brand in Brand Extension[J].Journal of Marketing Research . 1994（2）：214-228.
[6]A Kirmani et al.The Ownership Effect in Consumer Responses to Brand Line Stretches[J].Journal of Marketing. 1999（1）：88-101.
[7]V Swaminathan et al. The Impact of Brand Extension Introduction on Choice[J]. Journal of Marketing. 2001（4）：1-15. [8]PA Bottomley ， SJS Holden.Do we really know how consumers evaluate brand extensions？ Empirical generalizations based on secondary analysis of eight studies[J] . Journal of Marketing Research， 2001（11）：494-500.
[9]RR Klink， DC Smith .Threats to the External Validity of Brand Extension Research[J]. Journal of Marketing Research.2001（3）：326-335.
[10]MJ Barone et al.The Influence of Positive Mood on Brand Extension Evaluations[J].Journal of Consumer Research .2000（4）：386-400.
[11]EJ Nijssen.Success factors of line extensions of fast-moving consumer goods[J]. European Journal of Marketing， 1999（ 5/6）：450 - 474.
[12]JK Han，BH Schmitt .Product-Category Dynamics and Corporate Identity in Brand Extensions： A Comparison of Hong Kong and U.S. Consumers[J].Journal of International Marketing. 1997（1）：77-92.
[13]VA.Taylor，WO Bearden.Ad spending on brand extensions：Does similarity matter？[J]. The Journal of Brand Management.2003（1） ： 63-74.
[14]S Ng.Cultural Orientation and Brand Dilution： Impact of Motivation Level and Extension Typicality[J]. Journal of Marketing Research.2010（1）： 186-198.
[15]VA Taylor， WO Bearden.The effects of price on brand extension evaluations： The moderating role of extension similarity[J].Journal of the Academy of Marketing Science.2002（2） ：131-140.
[16]S Spiggle et al.More Than Fit： Brand Extension Authenticity[J]. Journal of Marketing Research.2012（6）：967-983.
[17]卢泰宏，谢飙.品牌延伸的评估模型[J].中山大学学报（社会科学版） ，1997（06）：8-13.
[18]孙平，马建新.基于SEM高科技品牌延伸的消费者评价研究[J].现代财经-天津财经大学学报，2008（11）：41-47.
[19]王兴元，孙平.基于FUZZY-AHP的高科技品牌延伸决策评价研究[J].科技进步与对策，2010（04）：116-119.
[20]孙平.消费类高科技品牌延伸成功的关键影响因素实证研究[J].山东大学学报（哲学社会科学版）[J].2010（01）：92-98.
[21]张鹏，王兴元.基于BP神经网络的品牌延伸决策模型[J].软科学，2012（03）：124-128.
国家社会科学基金资助项目
海南离岛免税政策的旅游经济效应评价及优化模型研究（13BJY142）
作者简介
熊文丽（1992年-），女，湖北黄冈人，海南大学经济与管理学院，天津大学管理与经济学部学生。
刘家诚（1972年-），男，湖北建始人，海南大学经济与管理学院教授/博士。