论文部分内容阅读
在日益兴盛的互联网影响下，数字营销越来越受到重视，不少企业的营销都开始转向数字营销。过去的十几年里，数字营销发展迅速，为整个营销领域带来了革命性的冲击和变化，为商家提供了一种全新的广告、洞察客户、吸引关注以及推广商品的方式。
本刊将连续分5期回顾数字营销的发展历史，希望能让大家清晰了解数字营销研究与实践的过去、现在和未来。标题中的数字营销实际包含了数字营销、社交媒体营销和移动营销三个大的领域，统称为DSMM。
本期为第四篇，主要讲述从2015以来年数字营销的发展及数字营销的未来走向。
数字营销的第四个阶段：2015年以来
从2015年到2016年初，A级营销期刊中已发表或即将发表的文章就有20多篇探讨DSMM主题。虽然還不能量化这些论文的影响，但这些数字已经表明我们已经进入DSMM研究的“井喷”时代。分析这些研究论文不仅使我们能够看到核心主题将如何发展，还给我们提供了该领域的新思维、新数据研究方法和细分领域。
一、在数字营销研究方面已经取得的进展
我们将从两个方面介绍本阶段数字营销的发展情况：
（一）重新审视消费者表达
这个阶段的研究以不同的方式重新审视了早期的一些概念和想法。首先，继续研究消费者如何在网上个性化表达，这几乎是之前所有阶段的一个大主题（特别是在WOM的研究文献中）。一个重要的例子是You，Vadakkepatt和Joshi（2015）的研究，他们针对在线WOM数量和效价做了DSMM领域的第一个元分析。他们研读了51份关于口碑（WOM）数量和效价弹性的研究，并得出结论：WOM数量弹性（0.236）比价格弹性（0.416）低，但它取决于产品、行业和平台特性（即调节变量）。Rosario等人（2016）也探讨了在线WOM对销售的影响，其发现与以前阶段的发现一致，即在线WOM通常对销售有积极影响。但他们的研究也指出，其影响力大小因平台、产品和形态的不同而差别很大。例如，在线WOM对新的有形商品有强烈的积极影响，但对服务业并没有显示出类似的敏感性。
另一个重新审视过去消费者个性化表达的研究是Chae等人2016年做的。这些学者研究了之前的在线WOM研究，特别是激励WOM的方式，例如“病毒式”或“种子”营销方法（例如Godes and Mayzlin，2009； Libai， Muller and Peres，2013）。与之前的研究不同的是，他们研究了在线WOM的“溢出效应”。他们对消费者在韩国主流社交媒体平台上讨论的美容/化妆品产品的研究表明，聚焦于一种产品能激发出更多关于该产品的在线讨论。然而，这样做在减少同类竞品的讨论量（期望的溢出）同时，也减少了自身其他类别产品的讨论量（负期望的溢出）。
最近的研究还重新探讨了早先将互联网作为营销工具的理念，特别是在新数字广告的背景下。如前所述，在DSMM文献中已经有对搜索和展示广告的研究，但这些主题的研究一直未取得较大的进展。由于社交媒体营销的兴起，已经有研究者开始研究社交平台中企业生成的商业化内容（例如，Facebook页面或Twitter上的某品牌的帖子）。这些通常被称为“内容营销”，现在被用作补充甚至有时替代了传统广告。阶段三的一些研究尽管已经开始涉及这一主题（例如De Vries，Gensler and Lee flong，2012），但纯粹是从用户参与的角度。Kumar等人的研究（2016）探讨了社交媒体中的企业内容营销对销售的影响。
近两年出现了许多对常见广告类型的研究，特别是移动广告。例如，Bart，Stephen和Sarvary（2014）使用来自大量移动广告活动的现场数据来研究移动广告，以确定哪种类型的移动广告更有效。他们发现，移动广告似乎最适合高参与度、实用性的产品，移动广告能够提高他们用户的品牌意识和购买意向。其它最近的论文也研究了与移动广告相关的主题。例如，Danaher 等（2015）研究了顾客在逛商场时给移动设备发送优惠券的有效性。Fong，Fang和Luo（2015）研究了在竞争对手邻近区域发送优惠信息。预计在不久的将来，会有更多的关于移动营销研究，包括2017年《营销科学》（Marketing Science）和《互动营销杂志》中的“移动营销特刊”，2017年《消费研究协会杂志》（Journal of the Association for Consumer Research）关于关联消费和实时在线的特刊。
这两年也有一些研究重新研究了搜索广告，但采用了一些新的分析方法。例如，先前的研究考虑了搜索顺序的重要性：一些研究认为搜索靠前的广告通常是更好的（Chen and He 2011），而其他研究则认为，点击量与排序无关（Jerath et al，2011； Katona and Sarvary，2010）。但Narayanan和Kalyanam（2015）的研究指出，位置效应可能主要取决于品牌和消费者的特性。研究者发现，总体来说第一的位置优于第二的位置，这与先前的研究具有一致性。“位置效应”的重要性在于主要针对较小或知名度不太的品牌。随着消费者对品牌的熟悉度增加或者他们的偏好精确匹配的增加，位置效应会变小甚至消失。
（二）对数据分析工具的改进
搜索是用户获取营销信息的重要来源这一研究主题仍然出现在最新的研究中。Ansari等人（2000）的基础性研究，尝试了开发能够预测消费者偏好的综合筛选机制。15年后，这样的研究仍然存在，但结果更令人信服。Du，Hu和Damangir（2015）认为，营销人员可以通过分析消费者搜索词汇的变化来推断消费者喜好的变化。
在该主题上的研究进展在一定程度上取决于第一阶段早期的可用数据与当前可用数据之间的一些差异。在早期阶段，Ansari和Mela（2003）面临众多数据短缺的问题，而Du，Hu和Damangir（2015）等可以将包含消费者实际搜索词条信息的Google搜索趋势数据与各种品牌支出和特征相关的营销组合数据结合起来考虑。研究认为，这种新的数据组合降低了重复联合分析的高执行成本或回复率较低的问题。采用类似的方法，Schweidel和Moe（2014）将来自两个行业的公司在多个平台上的社交媒体帖子数据与股票价格和品牌跟踪研究的绩效指标结合。综合使用这些数据，Schweidel和Moe开发了一个简单的预测在线数据变动对线下产出影响的衡量方法。研究发现，组合多个数据源可以获取更准确的消费者偏好信息，从而做出更优化的营销方案。 Kim和Krishnan（2015）采用了类似的方法，他们用韩国大型在线零售商的个人购买数据来观察消费者学习行为。结果表明，消费者网购经验的增加使他们更愿意购买质量不确定的产品，但这种效应仅发生在较廉价的产品上。这项研究再次将交易数据与品牌辅助信息、线下特征和品牌价值结合使用。结合这些数据，研究表明品牌营销组合中的辅助因素可以替代学习，减少消费者对产品质量不确定性的担忧。
二、正在过程中的数字营销研究
虽然这个阶段仍在发展中，可我们对其持乐观的态度。原因有两点：首先，研究者们对一些主题之前有了很深入的探索，如在线WOM。新研究还会继续这样的主题，但是分析方法在不断改进，避免了对DSMM經验式的概括。第二，研究者现在能利用更强的算法和分析工具来研究互联网中消费者个性化表达和营销智能。
2015-2016年的一些研究标志着早期DSMM一些研究主题的回归。首先，重新研究与个性化在线表达相关的主题，这个领域已经成熟到能够进行元分析。第二，研究者对数字化（特别是社交营销和移动）活动是如何衡量市场营销效果的话题非常感兴趣。最后，研究者利用观察消费者在新的DSMM的上下文中搜索和学习的方式来提高我们获得营销洞察力的能力。
对2000年以来的这些关于数字营销主题的回顾有许多意义，它帮我们清晰了解了该领域自从它起源以来的发展脉络。首先，这个领域的研究论文不仅用模型来分析数据，而且将结果与心理学理论联系起来。因此，DSMM越来越有助于扩展以前研究人类行为的一般框架。第二，最新的研究创造性地结合了多个数据源和方法。仅在2015年上半年，就有例如实地试验和实验室试验，交易数据和Google趋势数据的组合。
三、数字营销的未来走向
本节谈谈在未来数字营销方面一些可能的发展方向，包括了理论层面和实践层面，主要体现在四个方面：
（一）群体行为和新商业模式
DSMM领域的研究经常侧重于在线社区中用户参与，其中大部分是以情感或共同社区为基础。但很少有研究将这些网络社交行为与营销效果直接联系起来。在这一点上，营销从业者已经找到了更直接地引导消费者群体行动的方法。例如，以消费者为中心的众包就是为营销绩效提供了一种利用群体行为的手段，Bayus（2013）以戴尔的Ideastorm.com众包社区为背景研究了这一主题。在Stephen，Zubcsek和Goldenberg（2016）的最新研究中，也探究了在线网络在推动具有产品依赖性的用户塑造创新思维的作用。由于Uber等共享经济平台的兴起，研究者也有可能对“共享经济”这种新的商业模式进行更多的研究。越来越多的协作消费企业在寻求提高质量与安全标准的同时，也在寻求与传统竞争对手区分开来的方法。
（二）使用消费数据并尊重隐私
现在，我们收集数据的手段越来越高明，这是好的方面。但回顾阶段 1中Godes和Mazlin（2004）的研究，我们就不能不面对在没有明确许可的情况下从消费者的在线行为获取数据的伦理性。有些研究论文探讨了信任和隐私的重要性，但尚未获得大量的引用：例如，Bart 等（2005）分析了不同网站和消费群体的在线信任的驱动因素，Urban，Amyx和Lorenzo（2009）概念化了消费者的信任和隐私。对这些研究的引用在2014年和2015年达到顶峰，因为与在线信任和隐私相关的问题在当时获得了公司、消费者和决策者的重视。一些研究人员，特别是Catherine Tucker一直致力于基于研究有关消费者数据隐私和在线广告监管的问题。例如，Tucker（2014）研究了目标明确的精准广告（极大程度利用了公司可用的消费者个人信息数据）和消费者感知隐私侵犯之间的权衡。
接下来的研究中我们还要面对很多问题：公司在没有被允许的情况下获得尽可能多的消费者信息时是否道德？在不被允许的情况下得知消费者对其产品需求增加，公司应该如何反应？自己的信息被公司用于营销目的，消费者有何反应？这些问题可能需要结合其他领域的进行研究，例如消费者保护协会、行业组织和立法者就越来越认为这些问题非常重要。
（三）多渠道和多任务行为
考虑到数字和非数字营销活动可以相互作用，一些研究者想要将线上和线下连接在一起（例如Danaher，Wilson and Davis，2003； Naik and Peters，2009；Stephen and Galak，2012； Trusov， Bucklin and Pauwels，2009 ； Zhang et al.，2010）。业界人士也在努力寻找整合“数字”营销与“传统”营销的方法，或者将“新媒体”加入现有的营销组合模式，以创造新的价值（例如Joo et al.，2014）。我们认为线上和线下之间的交叉值得更深入的研究，或者需要更全面了解消费者搜索产品、与品牌互动、分享信息和经验，以及购买产品的全渠道。
Liaukonyte，Teixeira和Wilbur（2015）使用实验设计，发现投放电视广告的公司在广告播出时间段中销售水平更高，他们通过技术手段区分以行动、情感、信息和图像为重点的不同广告类型，然后再应用消费心理学的框架加以进一步解释结果。虽然所有类型的广告都增加了消费者交易的数量，但通过直接访问和搜索引擎引荐的不同组合来配合的广告更有效。通过使用差异分析法和不连续回归分析，研究者不进行高成本的现场实验就能提出因果论证。新的分析技术、相关的行为理论、多个数据源和创造性方法可能会帮助我们进一步了解消费者对多种渠道和目标的DSMM技术的拟真体验，从而确定传播和销售渠道的最佳独立或组合。最新的研究还考虑了“社交电视”，即消费者在观看电视时如何使用社交媒体，以及这种多任务行为如何影响广告效果（Fossen and Schweidel，2016），这个在今后会变得越来越重要。 （四）移動营销
某种程度上，移动营销意味着是线上线下的融合。有充分的理由证明，今后需要专门发展出移动营销的综合理论。这并不是说目前没有供移动营销使用的理论，事实上移动营销的概念在五六年前就在专业期刊上出现过（例如Shankar and Balasubramanian，2009； Shankar et al.，2010）。Grewal等人（2016）最近一篇论文的研究代表了一个重要研究方向。但是我们仍可从更全面的角度审视这些理论，更好地了解移动和非移动DSMM之间的相互关系，并从中获得结果（例如 Ghose and Han，2011； Shriver， Nair and Hofstetter，2013）。正如Ghose和Han（2011年）与Shriver，Nair和Hofstetter（2013年）的研究所指出的，移动领域的结果似乎与非移动领域的结果有些不同。这些发现认识到移动端对消费者而言是任务导向型，而非移动端的互联网使用更倾向于网络关系建立和关系发展。但目前这种解释只是投机性的，也就是说随着消费者在互联网使用方面变成“移动互联网第一”后，那么移动端和非移动端比较研究可能很快失去相关性。因此，我们主张研究人员专注于了解移动技术的营销价值，专注研究那些让营销人员和/或消费者在非移动技术下无法完成的事（例如，基于地理定位的广告，利用移动设备中的传感器测量环境属性，或甚至利用可穿戴设备进行用户测定）。
可以说，开发更全面理解和更一般化的移动消费者行为和移动营销理论的最好方法是将大数据与能够实现消费者层面洞察的实践相结合。例如，Andrews 等（2015）收集了中国最大的移动提供商之一中国移动近15，000名消费者的数据，开展了一项探讨消费者动机的调研。研究人员发现，在高度拥挤的空间（例如拥挤的列车）中，人们变得内向，用看手机来“有效缓解”环境焦虑压力，并且在这种状态下他们更容易接受到移动广告。这是推动营销文献发展的一个很好的例子，把基于大数据和心理学的经验性见解相结合起来。
移动领域还研究了时间和空间位置距离在促销有效性的影响。早期研究强调在线体验可以塑造消费者线下生活的方式（Schau and Gilly，2003）。相比之下，Andrews等人的研究（2015）是颠覆性的，他们的研究完全是关于一个线下情境因素（物理拥挤）如何影响在线行为。类似的是Danaher等人（2015）和Fong 等人（2015）的研究，他们基于位置定位来发放移动优惠券，以此考虑物理接近或地理因素如何影响在线和线下行为（另见Luo et al.，2014）。另一个是Hui等人（2013）的研究，他们的研究探讨以在线（移动）形式发送的优惠券在店内消费上的影响。由此看来，移动研究提供了一个独特的机会，在数字化或数字增强的环境中建立新的行为理论的可能性，其中虚拟和真实的因素都很重要。
编译材料主要来源：
Cait Lamberton and Andrew T. Stephen （2016） .A Thematic Exploration of Digital， Social Media， and Mobile Marketing： Research Evolution from 2000 to 2015 and an Agenda for Future Inquiry[J]. Journal of Marketing，80（November）， pp.146-172.
主要参考文献：
[1] Andrews， Michelle， Xueming Luo， Zheng Fang， and Anindya Ghose （2015）.Mobile Ad Effectiveness： Hyper-Contextual Targeting with Crowdedness[J]. Marketing Science， 35（2），pp.218–33.
[2] Du， Rex Yuxing， Ye Hu， and Sina Damangir（2015）.Leveraging Trends in Online Searches for Product Features in Market Response Modeling[J]. Journal of Marketing， 79 （January）， pp.29–43.
[3] Fong， Nathan M.， Zheng Fang， and Xueming Luo （2015），.Geo-Conquesting： Competitive Locational Mobile Promotions[J].Journal of Marketing Research， 52 （October）， pp.726–35.
[4] Grewal， Dhruv， Yakov Bart， Martin Spann， and Peter Pal Zubcsek （2016）.Mobile Advertising： A Framework and Research Agenda[J].Journal of Interactive Marketing， 34 （May）， pp.3–14.
[5] Kim， Youngsoo and Ramayya Krishnan （2015）. On Product-Level Uncertainty and Online Purchase Behavior： An Empirical Analysis[J].Management Science， 61 （10），pp. 2249–67.
[6] Kumar， Ashish， Ram Bezawada， Rishika Rishika， Ramkumar Janakiraman， and P.K. Kannan （2016）. From Social to Sale： The Effects of Firm-Generated Content in Social Media on Customer Behavior[J]. Journal of Marketing， 80 （January）， pp.7–25. [7] Liaukonyte， Jura， Thales Teixeira， and Kenneth C. Wilbur （2015）.Television Advertising and Online Shopping[J]. Marketing Science， 34 （3）， pp.311–30.
[8] Narayanan， Sridhar and Kirthi Kalyanam（2015）.Position Effects in Search Advertising and Their Moderators： A Regression Discontinuity Approach[J].Marketing Science， 34 （3）， pp.388–407.
[9] Rosario， Ana Babi′c， Francesca Sotgiu， Kristine De Valck， and Tammo H.A. Bijmolt （2016）.The Effect of Electronic Word of Mouth on Sales： A Meta-Analytic Review of Platform， Product， and Metric Factors[J].Journal of Marketing Research， 53 （June）， pp.297–318.
[10] Srinivasan， Shuba， Oliver J. Rutz， and Koen Pauwels （2016）.Paths to and Off Purchase： Quantifying the Impact of Traditional Marketing and Online Consumer Activity[J]. Journal of the Academy of Marketing Science， 44 （4）， pp.440–53.
[11] Stephen，Peter P. Zubcsek， and Jacob Goldenberg （2016）.Lower Connectivity Is Better： The Effects of Network Structure on Customer Innovativeness in Interdependent Ideation Tasks[J].Journal of Marketing Research， 53 （April）， pp.263–79.
[12] Wedel， Michael， and P.K. Kannan （2016）. Marketing Analytics for Data-Rich Environments[J]. Journal of Marketing， 80 （November），pp.97–121.
本刊将连续分5期回顾数字营销的发展历史，希望能让大家清晰了解数字营销研究与实践的过去、现在和未来。标题中的数字营销实际包含了数字营销、社交媒体营销和移动营销三个大的领域，统称为DSMM。
本期为第四篇，主要讲述从2015以来年数字营销的发展及数字营销的未来走向。
数字营销的第四个阶段：2015年以来
从2015年到2016年初，A级营销期刊中已发表或即将发表的文章就有20多篇探讨DSMM主题。虽然還不能量化这些论文的影响，但这些数字已经表明我们已经进入DSMM研究的“井喷”时代。分析这些研究论文不仅使我们能够看到核心主题将如何发展，还给我们提供了该领域的新思维、新数据研究方法和细分领域。
一、在数字营销研究方面已经取得的进展
我们将从两个方面介绍本阶段数字营销的发展情况：
（一）重新审视消费者表达
这个阶段的研究以不同的方式重新审视了早期的一些概念和想法。首先，继续研究消费者如何在网上个性化表达，这几乎是之前所有阶段的一个大主题（特别是在WOM的研究文献中）。一个重要的例子是You，Vadakkepatt和Joshi（2015）的研究，他们针对在线WOM数量和效价做了DSMM领域的第一个元分析。他们研读了51份关于口碑（WOM）数量和效价弹性的研究，并得出结论：WOM数量弹性（0.236）比价格弹性（0.416）低，但它取决于产品、行业和平台特性（即调节变量）。Rosario等人（2016）也探讨了在线WOM对销售的影响，其发现与以前阶段的发现一致，即在线WOM通常对销售有积极影响。但他们的研究也指出，其影响力大小因平台、产品和形态的不同而差别很大。例如，在线WOM对新的有形商品有强烈的积极影响，但对服务业并没有显示出类似的敏感性。
另一个重新审视过去消费者个性化表达的研究是Chae等人2016年做的。这些学者研究了之前的在线WOM研究，特别是激励WOM的方式，例如“病毒式”或“种子”营销方法（例如Godes and Mayzlin，2009； Libai， Muller and Peres，2013）。与之前的研究不同的是，他们研究了在线WOM的“溢出效应”。他们对消费者在韩国主流社交媒体平台上讨论的美容/化妆品产品的研究表明，聚焦于一种产品能激发出更多关于该产品的在线讨论。然而，这样做在减少同类竞品的讨论量（期望的溢出）同时，也减少了自身其他类别产品的讨论量（负期望的溢出）。
最近的研究还重新探讨了早先将互联网作为营销工具的理念，特别是在新数字广告的背景下。如前所述，在DSMM文献中已经有对搜索和展示广告的研究，但这些主题的研究一直未取得较大的进展。由于社交媒体营销的兴起，已经有研究者开始研究社交平台中企业生成的商业化内容（例如，Facebook页面或Twitter上的某品牌的帖子）。这些通常被称为“内容营销”，现在被用作补充甚至有时替代了传统广告。阶段三的一些研究尽管已经开始涉及这一主题（例如De Vries，Gensler and Lee flong，2012），但纯粹是从用户参与的角度。Kumar等人的研究（2016）探讨了社交媒体中的企业内容营销对销售的影响。
近两年出现了许多对常见广告类型的研究，特别是移动广告。例如，Bart，Stephen和Sarvary（2014）使用来自大量移动广告活动的现场数据来研究移动广告，以确定哪种类型的移动广告更有效。他们发现，移动广告似乎最适合高参与度、实用性的产品，移动广告能够提高他们用户的品牌意识和购买意向。其它最近的论文也研究了与移动广告相关的主题。例如，Danaher 等（2015）研究了顾客在逛商场时给移动设备发送优惠券的有效性。Fong，Fang和Luo（2015）研究了在竞争对手邻近区域发送优惠信息。预计在不久的将来，会有更多的关于移动营销研究，包括2017年《营销科学》（Marketing Science）和《互动营销杂志》中的“移动营销特刊”，2017年《消费研究协会杂志》（Journal of the Association for Consumer Research）关于关联消费和实时在线的特刊。
这两年也有一些研究重新研究了搜索广告，但采用了一些新的分析方法。例如，先前的研究考虑了搜索顺序的重要性：一些研究认为搜索靠前的广告通常是更好的（Chen and He 2011），而其他研究则认为，点击量与排序无关（Jerath et al，2011； Katona and Sarvary，2010）。但Narayanan和Kalyanam（2015）的研究指出，位置效应可能主要取决于品牌和消费者的特性。研究者发现，总体来说第一的位置优于第二的位置，这与先前的研究具有一致性。“位置效应”的重要性在于主要针对较小或知名度不太的品牌。随着消费者对品牌的熟悉度增加或者他们的偏好精确匹配的增加，位置效应会变小甚至消失。
（二）对数据分析工具的改进
搜索是用户获取营销信息的重要来源这一研究主题仍然出现在最新的研究中。Ansari等人（2000）的基础性研究，尝试了开发能够预测消费者偏好的综合筛选机制。15年后，这样的研究仍然存在，但结果更令人信服。Du，Hu和Damangir（2015）认为，营销人员可以通过分析消费者搜索词汇的变化来推断消费者喜好的变化。
在该主题上的研究进展在一定程度上取决于第一阶段早期的可用数据与当前可用数据之间的一些差异。在早期阶段，Ansari和Mela（2003）面临众多数据短缺的问题，而Du，Hu和Damangir（2015）等可以将包含消费者实际搜索词条信息的Google搜索趋势数据与各种品牌支出和特征相关的营销组合数据结合起来考虑。研究认为，这种新的数据组合降低了重复联合分析的高执行成本或回复率较低的问题。采用类似的方法，Schweidel和Moe（2014）将来自两个行业的公司在多个平台上的社交媒体帖子数据与股票价格和品牌跟踪研究的绩效指标结合。综合使用这些数据，Schweidel和Moe开发了一个简单的预测在线数据变动对线下产出影响的衡量方法。研究发现，组合多个数据源可以获取更准确的消费者偏好信息，从而做出更优化的营销方案。 Kim和Krishnan（2015）采用了类似的方法，他们用韩国大型在线零售商的个人购买数据来观察消费者学习行为。结果表明，消费者网购经验的增加使他们更愿意购买质量不确定的产品，但这种效应仅发生在较廉价的产品上。这项研究再次将交易数据与品牌辅助信息、线下特征和品牌价值结合使用。结合这些数据，研究表明品牌营销组合中的辅助因素可以替代学习，减少消费者对产品质量不确定性的担忧。
二、正在过程中的数字营销研究
虽然这个阶段仍在发展中，可我们对其持乐观的态度。原因有两点：首先，研究者们对一些主题之前有了很深入的探索，如在线WOM。新研究还会继续这样的主题，但是分析方法在不断改进，避免了对DSMM經验式的概括。第二，研究者现在能利用更强的算法和分析工具来研究互联网中消费者个性化表达和营销智能。
2015-2016年的一些研究标志着早期DSMM一些研究主题的回归。首先，重新研究与个性化在线表达相关的主题，这个领域已经成熟到能够进行元分析。第二，研究者对数字化（特别是社交营销和移动）活动是如何衡量市场营销效果的话题非常感兴趣。最后，研究者利用观察消费者在新的DSMM的上下文中搜索和学习的方式来提高我们获得营销洞察力的能力。
对2000年以来的这些关于数字营销主题的回顾有许多意义，它帮我们清晰了解了该领域自从它起源以来的发展脉络。首先，这个领域的研究论文不仅用模型来分析数据，而且将结果与心理学理论联系起来。因此，DSMM越来越有助于扩展以前研究人类行为的一般框架。第二，最新的研究创造性地结合了多个数据源和方法。仅在2015年上半年，就有例如实地试验和实验室试验，交易数据和Google趋势数据的组合。
三、数字营销的未来走向
本节谈谈在未来数字营销方面一些可能的发展方向，包括了理论层面和实践层面，主要体现在四个方面：
（一）群体行为和新商业模式
DSMM领域的研究经常侧重于在线社区中用户参与，其中大部分是以情感或共同社区为基础。但很少有研究将这些网络社交行为与营销效果直接联系起来。在这一点上，营销从业者已经找到了更直接地引导消费者群体行动的方法。例如，以消费者为中心的众包就是为营销绩效提供了一种利用群体行为的手段，Bayus（2013）以戴尔的Ideastorm.com众包社区为背景研究了这一主题。在Stephen，Zubcsek和Goldenberg（2016）的最新研究中，也探究了在线网络在推动具有产品依赖性的用户塑造创新思维的作用。由于Uber等共享经济平台的兴起，研究者也有可能对“共享经济”这种新的商业模式进行更多的研究。越来越多的协作消费企业在寻求提高质量与安全标准的同时，也在寻求与传统竞争对手区分开来的方法。
（二）使用消费数据并尊重隐私
现在，我们收集数据的手段越来越高明，这是好的方面。但回顾阶段 1中Godes和Mazlin（2004）的研究，我们就不能不面对在没有明确许可的情况下从消费者的在线行为获取数据的伦理性。有些研究论文探讨了信任和隐私的重要性，但尚未获得大量的引用：例如，Bart 等（2005）分析了不同网站和消费群体的在线信任的驱动因素，Urban，Amyx和Lorenzo（2009）概念化了消费者的信任和隐私。对这些研究的引用在2014年和2015年达到顶峰，因为与在线信任和隐私相关的问题在当时获得了公司、消费者和决策者的重视。一些研究人员，特别是Catherine Tucker一直致力于基于研究有关消费者数据隐私和在线广告监管的问题。例如，Tucker（2014）研究了目标明确的精准广告（极大程度利用了公司可用的消费者个人信息数据）和消费者感知隐私侵犯之间的权衡。
接下来的研究中我们还要面对很多问题：公司在没有被允许的情况下获得尽可能多的消费者信息时是否道德？在不被允许的情况下得知消费者对其产品需求增加，公司应该如何反应？自己的信息被公司用于营销目的，消费者有何反应？这些问题可能需要结合其他领域的进行研究，例如消费者保护协会、行业组织和立法者就越来越认为这些问题非常重要。
（三）多渠道和多任务行为
考虑到数字和非数字营销活动可以相互作用，一些研究者想要将线上和线下连接在一起（例如Danaher，Wilson and Davis，2003； Naik and Peters，2009；Stephen and Galak，2012； Trusov， Bucklin and Pauwels，2009 ； Zhang et al.，2010）。业界人士也在努力寻找整合“数字”营销与“传统”营销的方法，或者将“新媒体”加入现有的营销组合模式，以创造新的价值（例如Joo et al.，2014）。我们认为线上和线下之间的交叉值得更深入的研究，或者需要更全面了解消费者搜索产品、与品牌互动、分享信息和经验，以及购买产品的全渠道。
Liaukonyte，Teixeira和Wilbur（2015）使用实验设计，发现投放电视广告的公司在广告播出时间段中销售水平更高，他们通过技术手段区分以行动、情感、信息和图像为重点的不同广告类型，然后再应用消费心理学的框架加以进一步解释结果。虽然所有类型的广告都增加了消费者交易的数量，但通过直接访问和搜索引擎引荐的不同组合来配合的广告更有效。通过使用差异分析法和不连续回归分析，研究者不进行高成本的现场实验就能提出因果论证。新的分析技术、相关的行为理论、多个数据源和创造性方法可能会帮助我们进一步了解消费者对多种渠道和目标的DSMM技术的拟真体验，从而确定传播和销售渠道的最佳独立或组合。最新的研究还考虑了“社交电视”，即消费者在观看电视时如何使用社交媒体，以及这种多任务行为如何影响广告效果（Fossen and Schweidel，2016），这个在今后会变得越来越重要。 （四）移動营销
某种程度上，移动营销意味着是线上线下的融合。有充分的理由证明，今后需要专门发展出移动营销的综合理论。这并不是说目前没有供移动营销使用的理论，事实上移动营销的概念在五六年前就在专业期刊上出现过（例如Shankar and Balasubramanian，2009； Shankar et al.，2010）。Grewal等人（2016）最近一篇论文的研究代表了一个重要研究方向。但是我们仍可从更全面的角度审视这些理论，更好地了解移动和非移动DSMM之间的相互关系，并从中获得结果（例如 Ghose and Han，2011； Shriver， Nair and Hofstetter，2013）。正如Ghose和Han（2011年）与Shriver，Nair和Hofstetter（2013年）的研究所指出的，移动领域的结果似乎与非移动领域的结果有些不同。这些发现认识到移动端对消费者而言是任务导向型，而非移动端的互联网使用更倾向于网络关系建立和关系发展。但目前这种解释只是投机性的，也就是说随着消费者在互联网使用方面变成“移动互联网第一”后，那么移动端和非移动端比较研究可能很快失去相关性。因此，我们主张研究人员专注于了解移动技术的营销价值，专注研究那些让营销人员和/或消费者在非移动技术下无法完成的事（例如，基于地理定位的广告，利用移动设备中的传感器测量环境属性，或甚至利用可穿戴设备进行用户测定）。
可以说，开发更全面理解和更一般化的移动消费者行为和移动营销理论的最好方法是将大数据与能够实现消费者层面洞察的实践相结合。例如，Andrews 等（2015）收集了中国最大的移动提供商之一中国移动近15，000名消费者的数据，开展了一项探讨消费者动机的调研。研究人员发现，在高度拥挤的空间（例如拥挤的列车）中，人们变得内向，用看手机来“有效缓解”环境焦虑压力，并且在这种状态下他们更容易接受到移动广告。这是推动营销文献发展的一个很好的例子，把基于大数据和心理学的经验性见解相结合起来。
移动领域还研究了时间和空间位置距离在促销有效性的影响。早期研究强调在线体验可以塑造消费者线下生活的方式（Schau and Gilly，2003）。相比之下，Andrews等人的研究（2015）是颠覆性的，他们的研究完全是关于一个线下情境因素（物理拥挤）如何影响在线行为。类似的是Danaher等人（2015）和Fong 等人（2015）的研究，他们基于位置定位来发放移动优惠券，以此考虑物理接近或地理因素如何影响在线和线下行为（另见Luo et al.，2014）。另一个是Hui等人（2013）的研究，他们的研究探讨以在线（移动）形式发送的优惠券在店内消费上的影响。由此看来，移动研究提供了一个独特的机会，在数字化或数字增强的环境中建立新的行为理论的可能性，其中虚拟和真实的因素都很重要。
编译材料主要来源：
Cait Lamberton and Andrew T. Stephen （2016） .A Thematic Exploration of Digital， Social Media， and Mobile Marketing： Research Evolution from 2000 to 2015 and an Agenda for Future Inquiry[J]. Journal of Marketing，80（November）， pp.146-172.
主要参考文献：
[1] Andrews， Michelle， Xueming Luo， Zheng Fang， and Anindya Ghose （2015）.Mobile Ad Effectiveness： Hyper-Contextual Targeting with Crowdedness[J]. Marketing Science， 35（2），pp.218–33.
[2] Du， Rex Yuxing， Ye Hu， and Sina Damangir（2015）.Leveraging Trends in Online Searches for Product Features in Market Response Modeling[J]. Journal of Marketing， 79 （January）， pp.29–43.
[3] Fong， Nathan M.， Zheng Fang， and Xueming Luo （2015），.Geo-Conquesting： Competitive Locational Mobile Promotions[J].Journal of Marketing Research， 52 （October）， pp.726–35.
[4] Grewal， Dhruv， Yakov Bart， Martin Spann， and Peter Pal Zubcsek （2016）.Mobile Advertising： A Framework and Research Agenda[J].Journal of Interactive Marketing， 34 （May）， pp.3–14.
[5] Kim， Youngsoo and Ramayya Krishnan （2015）. On Product-Level Uncertainty and Online Purchase Behavior： An Empirical Analysis[J].Management Science， 61 （10），pp. 2249–67.
[6] Kumar， Ashish， Ram Bezawada， Rishika Rishika， Ramkumar Janakiraman， and P.K. Kannan （2016）. From Social to Sale： The Effects of Firm-Generated Content in Social Media on Customer Behavior[J]. Journal of Marketing， 80 （January）， pp.7–25. [7] Liaukonyte， Jura， Thales Teixeira， and Kenneth C. Wilbur （2015）.Television Advertising and Online Shopping[J]. Marketing Science， 34 （3）， pp.311–30.
[8] Narayanan， Sridhar and Kirthi Kalyanam（2015）.Position Effects in Search Advertising and Their Moderators： A Regression Discontinuity Approach[J].Marketing Science， 34 （3）， pp.388–407.
[9] Rosario， Ana Babi′c， Francesca Sotgiu， Kristine De Valck， and Tammo H.A. Bijmolt （2016）.The Effect of Electronic Word of Mouth on Sales： A Meta-Analytic Review of Platform， Product， and Metric Factors[J].Journal of Marketing Research， 53 （June）， pp.297–318.
[10] Srinivasan， Shuba， Oliver J. Rutz， and Koen Pauwels （2016）.Paths to and Off Purchase： Quantifying the Impact of Traditional Marketing and Online Consumer Activity[J]. Journal of the Academy of Marketing Science， 44 （4）， pp.440–53.
[11] Stephen，Peter P. Zubcsek， and Jacob Goldenberg （2016）.Lower Connectivity Is Better： The Effects of Network Structure on Customer Innovativeness in Interdependent Ideation Tasks[J].Journal of Marketing Research， 53 （April）， pp.263–79.
[12] Wedel， Michael， and P.K. Kannan （2016）. Marketing Analytics for Data-Rich Environments[J]. Journal of Marketing， 80 （November），pp.97–121.