利用信息网络发现营销品牌联盟：基于数据驱动的可行洞察框架

营销品牌联盟是一种面向消费者的合作形式，品牌通过共享产品或营销活动共同呈现。然而，尽管其在实践中得到广泛应用，但现有框架均无法支持全市场范围内的事前发现并提供执行指导。我们通过将品牌联盟机会发现形式化为一个新的计算设计问题来填补这一空白，该问题具有先前研究未曾共同解决的两个核心需求：信号融合与可操作性。我们提出了 BANE（Brand Alliance Network Exploitation，品牌联盟网络开发）这一社会技术框架，该框架利用源自数字用户痕迹的信息网络，通过四个阶段来满足这些需求：(1) 整合线下品牌属性、线上消费者共同提及信号和网络嵌入来预测联盟机会；(2) 通过消费者和品牌经理调查验证预测；(3) 跨象限评估预测为积极但尚未实现的联盟机会的可操作性；(4) 生成营销组合执行指导。时间留出测试表明，BANE 能够根据公告发布前的信号预测未来的联盟，消融分析证实了每个信号层的增量价值，利益相关者调查显示，BANE 识别的机会被认为显著优于对照组。我们的研究为信息系统（IS）文献贡献了三项显著的设计见解：多层信号融合对于识别真正有前景的品牌联盟机会至关重要；消费者共同提及网络与具有理论依据的联盟协变量系统性契合，为联盟预测提供了独特的信息输入；将预测与资质评估及方案制定相结合，增强了管理的可操作性。这些见解为基于调查的联盟搜索提供了一种可扩展的数据驱动替代方案，同时生成的预测性知识可推动未来关于品牌联盟形成潜在机制的因果研究。