李盛楠
(河南理工大学广告系,河南焦作454000)
大数据的蓬勃发展和机器学习的逐步推进为实现广告信息的精准化传播提供了技术支持,在掌握海量用户数据的基础上,广告主可以为用户提供高个性化、低干扰性的广告内容。社交媒体的社交性和互动性,不仅能够给媒介平台带来更有黏性的目标用户,而且降低了广告传播的噪音,这种融入用户体验、镶嵌式的广告形态被认为更人性化和个性化。[1]而信息流广告实际效果与预期效果并非一致。虽然暴露在海量广告信息中,但用户能够处理的实际信息量很小,用户对于社交媒体上的广告注意力非常低,广告信息会在社交媒体内容的信息洪流中丢失,从而导致广告无效。[2-4]同时,与传统媒体不同,用户在使用社交媒体时拥有更大控制权,用户有权选择主动回避广告。社交媒体被认为是私人的社交空间,任何形式的广告都不受欢迎。[5]尽管社交媒体中的信息流广告更人性化、个性化、精准化,但这并不意味着更有效的广告效果,这不仅会给品牌营销传播带来困境,同时也会冲击社交媒体平台的商业模式。
本研究采用问卷调查法和结构方程模型建立社交媒体信息流广告回避影响因素模型。与之前研究将广告回避作为单一结构进行衡量不同,本研究将广告回避分为情感、认知和行为三个维度进行衡量,并且深入探讨负向情感反应是否对广告行为回避产生中介影响。……