3.2.4.1 样本选取
目前，我国的B2B网站发展迅速，业务量迅猛发展。根据最新的统计排名，最大的50家B2B网站如表3.1所示。其中，阿里巴巴是当之无愧的业界领袖，无论是用户覆盖数、还是日均访问数都高居榜首。除此之外，慧聪网、马可波罗网、中国制造网等B2B商务平台也具有一定规模。
表3.1 中国B2B网站汇总表
续表
（资料来源：http：//www.iwebchoice.com/Html/Class_72.shtml）
在众多B2B网站中选取合适的网站样本和评价对象是网络内容分析的重要环节。首先，筛选发布评价信息的网站。通过两大中文搜索引擎（Google和百度），我们集中观察了几个突出的可以提供采购商发布评论信息的网站。筛选网站基于以下几个标准：网站有专门为B2B采购人员提供评论的模块（如阿里巴巴等B2B网站）；评论的发布者必须是有采购经验人员（从帖子内容的专业性进行分析）；采购人员发布在该网站的信息量（“发贴量”“跟贴量”）要大；允许发布关于供应商的正向和负向的评论；采购人员的评论是公开的，并且可以免费浏览。根据以上标准，本书筛选出了几个适合本书的网站，详见表3.2。
表3.2 网络内容分析选用网站
（资料来源：根据网络资料整理而成）
接下来，我们要选择合适的评价对象。如上文所述，本书的关注重点是对企业顾客影响较大的战略性购买，因此在选择评价对象时重点考虑价值较高的工业产品，如工程机械、重要能源、关键设备、核心部件等。
3.2.4.2 数据收集
我们浏览了所选的点评网站，信息搜集时间为2010年10月-2011年1月，信息搜集团队为某大学商学院市场营销系研究生（硕士生及博士生），该团队成员对网站内容比较了解，电脑及网络工具使用熟练，鉴别能力较强，因此所搜集信息质量较高。我们删除了不符合标准的评论，比如明显从其他网站上复制的评论，重复发布的评论，空白的信息等。最终从网络上搜集了231条有效评论，平均长度为220.54字。
表3.3 搜集信息的情况
（资料来源：根据网络资料整理而成）
3.2.4.3 编码
最后，所有的评论都进行编号并且按统一格式进行记录。编码的过程首先以网络评价为基础，搜寻B2B品牌形象线索的概念和范畴。然后，以概念和范畴为基础，开始选择编码，追寻“核心类属”以及不同类属之间的逻辑关系，并以深度访谈作选择性译码从而对范畴关系进行逻辑检验和补充信息。本书使用的定性分析软件为QSR NVivo 8。
概念化就是从原始网络资料出发，“揉碎”数据资料，形成新的概念。在此过程中，抛开个人偏见和理论假设，用开放的心态，从数据中发现概念以及概念维度，并命名表征。概念化以“语句”为最小分析单元。现有资料共形成83个概念类属，接下来对这些概念类属进行范畴化，即发现和建立概念类属之间的关系，最终得到21个范畴。B2B品牌形象线索概念化和范畴化编码举例如表3.4所示。
表3.4 B2B品牌形象线索编码举例
（资料来源：根据网络资料分析整理而成）
通过概念化和范畴化，最终形成83个概念线索及21个范畴。接下来，我们对这些概念类属进行进一步选择，形成核心类属。核心类属具有较强的概括能力和关联能力，能够将许多相关的概念类属汇集在少数的几个群组、主题和结构下。寻找核心类属的过程就是一个不断抽象的过程。这类似于统计分析中的“聚类分析（clusteranalytic device）”和“因素分析（factor-analytic device）”。它有助于精简文字或段落内容，将大量资料简化为较少的分析单位，帮助研究者精心构造一张认知图，可以进行跨个案研究，让共有主题与有方向的过程突显出来。
本书对21个范畴进行选择性编码，形成8个核心类属：A产品形象、B1交付服务形象、B2非交付服务形象、C人员形象、D使用者形象、E网络形象、F社会形象、G企业形象。其中，根据既有文献的建议，可以将交付服务形象与非交付服务形象合并为服务形象（B）。因此，本书最终形成7个核心类属，详见表3.5。
表3.5 模式编码
续表
续表
（资料来源：作者根据网络资料整理而成）
3.2.4.4 信度与效度分析(www.xing528.com)
网络内容分析的信度和效度直接影响着内容分析结果。因此，进行信度和效度检验非常必要。为了提高内容效度，我们聘请了来自于某重点大学市场营销专业的研究生进行探索性研究，团队成员对网站内容比较了解，电脑及网络工具使用熟练，鉴别能力较强。在信息搜集和整理过程中，由专业教师进行把关和指导。另外，在概念界定上，本书涉及的概念，如产品、服务、交付等是营销学的核心概念，有大量的文献支撑，概念内涵清晰准确。除此之外，我们还会通过深度访谈对得出的结论进行检验，以保证网络内容分析具有较高的内容效度。
在正式编码之前，我们要求每一位编码员（两名博士及一名硕士）作独立的内部一致性分析。先对前20条网络信息资料进行概念化编码，过几天后重新为该资料再次进行编码。将两份编码进行比对，计算内部一致性。若内部一致性达到0.90，即编码的自我认同度相对较高，再进行正式编码。
由于不同的编码员各有偏好，例如对于同一段文字，社会学家喜欢从组织层面来编码，而心理学家喜欢从个人层面来编码（Miles&Huberman，2008）。当每位编码员各自独立编码时，可能只会认为有一种编码方式；当多位编码员就编码观点进行沟通后，就会走向普遍化。三位研究者共同对前30条网络信息资料进行编码，形成初期的23条线索，随后三位研究者独立地对数据进行编码，因为前期开发23条线索不能涵盖所有内容，所以在随后独立编码的过程中也进一步开发了新的潜在感知形象线索。
在3名编码者完成编码后，对编码者间的信度进行了检验（Holsti，1997）。
在公式3.1中，R为编码者之间的交互判别信度，n为参与编码的人数，K为编码者之间的平均相互同意度。编码者间交互判别信度的计算公式如公式3.2所示：
在公式3.2中，MAB为2名编码者编码结果完全相同的分析单元数，NA表示编码者A编码的分析单元数；NB表示编码者B编码的分析单元数。
假设3名编码者两两之间的平均相互同意度为KAB、KAC、KBC，则3人之间的平均相互同意度计算公式如公式3.3所示：
本书各个条目的交互判别信度如表3.6所示。
表3.6 交互判别信度
（资料来源：本书得出）
3.2.4.5 统计结果
不同形象线索被提及的频率分布如图3.5所示。该图显示，企业形象被提及的频率最高，这与现有研究的结论比较吻合，即企业顾客非常重视供应商的企业形象。服务及产品形象分居二、三位。
图3.5 不同形象线索的频率分布图
（资料来源：本书得出）
有些形象特征（如产品形象）在现有B2C营销文献中已有所涉猎，进而可以将现已成熟的理论运用到B2B情境中来。但由于专业采购人员与个体消费者不同，虽然涉及同一个形象特征，二者的感知仍会存在差别。例如使用者形象，个体消费者更看重哪些人使用了该品牌产品，该人群与自身的形象是否契合；而专业采购人员则更看重同行业中哪些企业使用了该品牌产品，这些企业在该行业中的领导地位如何。因此，在后期量表开发时，不能照搬B2C文献中的文字表述而应更多地参考网络内容分析得到的线索。有些线索（例如财务状况）在B2B文献中曾被提及，但在中国的实际购买过程中，由于财务是非常敏感而重要的商业机密，要想从内部了解供应商的财务状况是非常困难的；上市公司可以通过股票市值波动体现盈利状况，但由于我国股票市场发育得不充分，致使企业的盈利状况也很难通过股票价格波动真实地体现出来。但财务形象是非常重要的品牌形象线索来源，我们应该将其视为企业形象的一部分。
总之，通过对231条有效网络评论进行分析整理，提取了B2B品牌形象的感知线索，并梳理出几类重要的形象特征，如产品形象、服务形象、使用者形象、人员形象、网络形象、社会责任形象和公司形象等。B2B产品和品牌与企业顾客有多个“接触点”，供应商必须管理好每一个“接触点”并使之与品牌形象一致。综合网络内容分析的研究结果，本书归纳的B2B品牌形象线索如图3.6所示。
图3.6 B2B品牌形象线索
（资料来源：本书得出）
3.2.4.6 B2B品牌形象关系梳理
如图3.5所示，不同感知形象线索在被提及的频率上是有差别的，也就是说，各线索的重要性不同。接下来，本书将探讨不同形象线索之间的关系。
本书的核心范畴已经十分清晰，即寻找“B2B品牌形象的影响因素”。在该范畴中，我们归纳了7个核心类属（主范畴）。那么，这些核心类属之间是否存在内在关联呢？为此，我们将能够反映这些类属关系的网络评论再次进行梳理，从而解析出不同“类属”之间的因果关系。由于前面的研究是以“语句”为基本分析单元，下面我们会以“句群”或“段落”为基本单元对不同“语句”之间的因果关系进行分析。
以上面的（n2）王**（**市华钢机械有限公司，经理）为例：
供应商好牛的，有时我们订货量少了，他们就不太愿意搭理我们。上个月我接了个单，一个客户下了50个USB采集棒，我查了下库存，没有了，但客户要的急，我就跟采购部说了，……让我想不到的是，我们的采购拼命的在求那供应商，让我大吃一惊。见死不救，太没有良心了……
从该网评中，我们提取了交付灵活度aa4、人员态度aa11、应急服务aa6、商业伦理aa16等4个范畴线索，但从王**的话语不难发现，他对该供应商的交付形象、人员形象等方面十分不满，但最终还是指向了对于供应商企业的“德行（太牛，没有良心）”的质疑上，而德行是企业形象的一部分。
通过类似分析，本书确信，“企业（公司）形象”可以统领其他形象线索，或者说，其他形象最终会回归到企业形象中来。因此，7种核心类属的关系如图3.7所示。
图3.7 基于网络信息的企业品牌形象与其他维度关系示意图
（资料来源：本书自制）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
