Dynamic Effects of Word of Mouth in Multiple Online Communication Channels

Abstract

As literature on Word of Mouth (WOM) emphasizes the needs for analyzing dynamic effects of WOM and for examining effects of WOM in online communication channel level, I perform Dynamic Linear Model (DLM) in order to analyze the dynamic effects of WOM in multiple types of online communication channels. To explain such effects, I consider two important attributes of WOM: Volume and Valence, copy wear-out effects: important factor for implementing the dynamic system, and finally interaction effects among WOM in multiple types of the channels inside this Bayesian dynamic model.

The model is applied to the time-series data on the Hyundai automobile company, and the estimation is done through Forward Filtering and Backward Sampling algorithm, derived for application of Gibbs Sampling to normal Gaussian state space models. The estimation result indicates that the effects of copy wear-out and those of volume are differential across channel types. In addition, the interaction effects of blog and community site types are negative and significant, where as those of twitter is turned out to be nonsignificant. Lastly, the effects of valence in each of three different channel types are positive and significant.

This paper provides the following contributions to the literature. For the academical implication, I extend earlier research on WOM by introducing a generalized model for estimating the dynamic effects of WOM in multiple types of online communication channels and the interaction effects among the WOM inside each types of channels. This methodology would help researchers to examine both dynamic and interaction effects simultaneously and achieve more explanatorily powerful results, bridging the gap between two different research streams. For the practical implication, this paper would help practitioners in durable good markets to derive optimal strategies by discovering channel mix that would maximize the dynamic effects of WOM.

구전 (Word of Mouth)관련 문헌에 의하면, 구전의 효과를 분석하는데 있어 이들의 동적 효과를 고려해야 하며, 각 online communicatio channels에서 이들을 검토해야 할 필요성을 강조하고 있다. 따라서 본 논문은 동적 선형 모델 (Dynamic Linear Model)을 활용하여 구전의 온라인 커뮤니케이션 채널별 동적 효과를 분석하고자 한다. 이러한 Bayesian 모형 안에서 구전의 효과를 설명하기 위하여, 본 논문은 구전의 의 두 가지 중요한 속성인 Volume and Valence (Liu 2006), 동적 시스템에서 중요하게 다루는 copy wear-out 효과, 그리고 마지막으로 각 유형의 온라인 채널에 속하는 Valence들 간의 상호작용 효과를 고려하고자 한다.

이 모델은 현대 자동차 회사의 월별 판매 및 제품 속성, 가계 대출 금리, 그리고 3 가지 유형의 온라인 커뮤니케이션 채널 (Twitter, 블로그 및 커뮤니티 웹 사이트)에서의 volume과 valence에 대한 시계열 데이터에 적용되었다. 이에 따른 추정방법은 normal Gaussian state space model에 Gibbs 샘플링을 적용하기 위해 도출된 Forward Filtering and Backward Sampling 알고리즘을 통해 진행되었다 (Fruhwirth-Schnatter 2006).

추정에 따른 결과에 의하면, copy wear-out효과와 volume의 영향이 채널 유형에 따라 다르다는 것을 나타내고 있었고. 트위터와는 다르게 블로그 및 커뮤니티 사이트의 상호 작용 효과는 부정적이며 significant하게 나오는 것을 확인하였다. 마지막으로, 세 개의 서로 다른 타입의 채널에서의 valence의 영향은 모두 긍정적이고 significant하다는 것을 확인하였다. 이러한 효과들이 시점에 따라 변화하는 과정을 통해서 구전의 효과는 동적이라는 점을 시사하고 있으며, 채널 간 효과들의 차이를 통해서 구전의 효과를 분석할 때에는 구전을 다양한 채널로 나누어 분석해야 한다는 점을 시사하고 있다.

본 논문은 다음과 같은 의의를 가진다. 학문적 의의로써 각각의 온라인 통신 채널에서 구전의 동적 효과 및 각 채널의 구전 간의 상호작용 효과를 동시에 추정할 수 있는 일반화된 모델을 도입함으로써 구전에 관한 연구에 기여한다. 또한, 이러한 방법을 통해서 각기 다른 방향으로 진행되던 동적효과에 대한 연구와 구전을 채널별로 분석하는 연구를 연결시켜주는 역할을 할 수 있을 것이다. 실질적인 의의로써 본 논문은 내구재 시장의 실무자가 한정된 자원에서 구전의 역동적 효과를 극대화할 수 있는 채널 믹스를 발견함으로써 최적의 전략을 도출하는 데 도움이 될 것이다.