Mobile social media and social media: advancing our understanding of value creation, use behavior, and competitive intelligence

Abstract

La combinación de redes sociales y tecnología móvil ha revolucionado la forma que los clientes y las empresas crean valor. El objetivo de esta tesis es comprender mejor el papel de las redes sociales móviles y las redes sociales en la creación de valor. La tesis consta de tres artículos. El primer estudio proporciona una revisión de literatura sistemática sobre las redes sociales móviles y la creación de valor, que ilustra cómo las empresas y los clientes aplican las redes sociales móviles para crear y co-crear valor. El segundo artículo se centra en el comportamiento de uso de las redes sociales móviles. Por un lado, el estudio examina los factores determinantes que impulsan a los individuos a utilizar las redes sociales móviles. Por otro lado, el estudio detecta la heterogeneidad no observada entre los usuarios individuales e incluye una microsegmentación internacional basada en patrones de comportamiento de los individuos. El tercer artículo tiene el objetivo de investigar cómo se utiliza la inteligencia competitiva obtenida de los datos de las redes sociales para predecir el compromiso del cliente y apoyar la toma de decisiones. Para cumplir el propósito de la tesis, apliqué diferentes métodos de investigación en los tres artículos. En el primer artículo, recopilé la literatura utilizando bases de datos académicas y las referencias de los artículos localizados. Luego, utilicé el método de análisis temático para extraer las rutas específicas de creación de valor e intercambio entre empresas y clientes. En el segundo artículo, propuse un modelo que integraba el modelo de aceptación de la tecnología, la teoría de la motivación y la teoría de la influencia social para explorar los determinantes del comportamiento de uso de las redes sociales móviles. Recogí los datos mediante encuestas en China y Estados Unidos. Para el análisis de datos, en primer lugar, apliqué Partial Least Squares Structural Equation Modeling (PLS-SEM) para estimar las correlaciones entre las variables. Luego, apliqué el algoritmo REBUS-PLS para detectar la heterogeneidad no observada y realizar la segmentación post hoc. En cuanto al tercer artículo, amplié los marcos de inteligencia competitiva de las redes sociales existentes al integrar la influencia del entorno externo y proponer una nueva fase que predice el compromiso del cliente. Realicé un estudio de casos para ilustrar cómo implementar el marco. Recogí tweets generados por las principales marcas de hostelería estadounidenses utilizando el Application Programming Interface (API) antes y durante la pandemia de COVID-19. En la primera fase, utilicé el Amazon Comprehend y el Latent Dirichlet Allocation (LDA) para analizar los sentimientos y los temas detrás de los datos textuales no estructurados. En la segunda fase, entrené los clasificadores utilizando seis algoritmos de aprendizaje automático para predecir los comportamientos de compromiso del cliente en las redes sociales. Los hallazgos de los tres artículos revelan que los dispositivos móviles y las redes sociales son herramientas efectivas de creación de valores en el marketing moderno. Las empresas que realizan negocios a través de las redes sociales móviles pueden aplicar la tecnología digital para crear valor para los clientes. También pueden capturar valor de los clientes a cambio. Además, los clientes co-crean valor para las empresas. El comportamiento de uso de las redes sociales móviles es una premisa en la creación de valor. Específicamente, la actitud de los individuos hacia las aplicaciones es un factor clave que une los factores motivacionales y sociales y el comportamiento de uso real. Al mismo tiempo, los usuarios de redes sociales móviles globales no son homogéneos. Pueden segmentarse en diferentes grupos que son significativamente diferentes en términos de sus patrones de comportamiento, valores culturales y característicasdemográficas. Además, las empresas también pueden hacer uso de la inteligencia competitiva extraída de los datos de las redes sociales para predecir los comportamientos de compromiso del cliente y apoyar la toma de decisiones en diferentes entornos. Los resultados muestran que el sentimiento neutral predomina en el contenido generado por la empresa, y el número de temas aumenta en la situación de pandemia. Además, la influencia de los predictores en el compromiso del cliente es diferente antes y durante la pandemia. Esta tesis realiza varias contribuciones a la literatura sobre redes sociales. En primer lugar, tras resumir los conocimientos actuales sobre las redes sociales móviles, la tesis proporciona un marco conceptual sobre la creación de valor en las redes sociales móviles y presenta una lista de las pautas de investigación futuras. En segundo lugar, la tesis profundiza nuestra comprensión del comportamiento de uso de las redes sociales móviles a nivel individual al demostrar que la teoría de la motivación tiene más poder explicativo que la teoría de la influencia social. Aparte de esto, al detectar la heterogeneidad no observada en los usuarios de redes sociales móviles, la tesis destaca la importancia de incorporar la microsegmentación internacional en la estrategia de marketing. En tercer lugar, la tesis también destaca el papel de las empresas y de los datos de las redes sociales en la creación de valor. Al proponer un marco refinado de inteligencia competitiva en redes sociales, la tesis demuestra que la inteligencia competitiva obtenida de los datos de las redes sociales potencia la predicción del compromiso del cliente y el apoyo a la toma de decisiones, especialmente en tiempos de alta incertidumbre en el entorno.

The combination of social media and mobile technology has revolutionized the ways customers and firms create value. The purpose of this thesis is to better understand the role of mobile social media and social media in value creation. The thesis comprises three chapters. The first chapter provides a systematic literature review about mobile social media and value creation to illustrate how firms and customers apply mobile social media to create and co-create value. The second chapter focuses on individuals’ mobile social media use behavior. The study firstly examines the determinants that drive individuals to use mobile social media. Furthermore, the study detects unobserved heterogeneity among individual users and includes an international microsegmentation based on individuals’ behavioral patterns. The third chapter aims to investigate how the gained competitive intelligence from social media data can be used to predict customer engagement and support decisions. To achieve the purpose of the thesis, I applied different research methods in the three chapters. In the first chapter, the literature was collected using academic databases and manual cross-referencing. Then, the thematic analysis method was used to extract the specific value creation and exchange paths between firms and customers. In the second chapter, I proposed a model that integrated the technology acceptance model, motivation theory, and social influence theory to explore the determinants of individuals’ mobile social media use behavior. The data was collected using the survey method in China and the United States. For the data analysis, I firstly applied Partial Least Squares Structural Equation Modeling (PLS-SEM) to estimate the correlations amongst variables. Then, I applied the REBUS-PLS algorithm to detect the unobserved heterogeneity and conduct the post hoc segmentation. As for the third chapter, I extended the existing social media competitive intelligence frameworks by integrating the influence of the external environment and the phase to predict customer engagement. I conducted a case study to illustrate how to implement the framework. I collected tweets generated by the leading American catering brands using Application Programming Interface (API) before and during the COVID-19 pandemic. In the first phase, I used Amazon comprehend and Latent Dirichlet allocation (LDA) to analyze sentiments and topics behind the unstructured text data. In the second phase, I trained the classifiers using six machine learning algorithms to predict customer engagement behaviors in social media. The findings of the three chapters reveal that mobile and social media are effective value creation tools in modern marketing. Firms that conduct business through mobile social media can apply digital technology to create value for customers. They can also capture value from customers in return. Besides, customers co-create value for firms. Mobile social media use behavior is a premise in value creation. Specifically, individuals’ attitude towards the applications is a key factor that bridges the motivational and social factors and actual use behavior. At the same time, global mobile social media users are not homogeneous. They can be segmented into different groups which are significantly different in terms of their behavioral patterns, cultural values, and demographic characteristics. Apart from that, firms can also make use of competitive intelligence extracted from social media data to predict customer engagement behaviors and support decisions under different environments. The results show that the neutral sentiment predominates in the firm-generated content, and the number of topics raises in the pandemic situation. Moreover, the influence of the predictors on customer engagement is different before and during the pandemic. This thesis makes several contributions to the social media literature. First, after summarizing current knowledge on mobile social media, the thesis provides a conceptual framework on value creation in mobile social media and presents a list of future research guidelines. Second, the thesis deepens our understanding of mobile social media use behavior at the individual level by demonstrating that motivation theory has more explanatory power than social influence theory. In addition, by detecting the unobserved heterogeneity in mobile social media users, the thesis highlights the importance of incorporating international microsegmentation in marketing strategy. Third, the thesis also highlights the roles of social media data and firms in value creation. By proposing a refined social media competitive intelligence framework, the thesis demonstrates that competitive intelligence gained from social media data empowers customer engagement prediction and decision support, especially during times of high environmental uncertainty.