APP下载

主播活跃度、用户感知与经营收益
——基于电商直播大数据的实证分析

2022-01-12徐焱军李子浩郭成进

商业经济 2022年2期
关键词:主播模型电商

徐焱军,王 渊,李子浩,郭成进,胡 屹

(暨南大学 国际商学院, 广东 珠海 519070)

一、引言

电商直播是近年来电商平台或第三方平台开展的一种营销活动,其做法是主播作为线上导购,推介产品吸引用户进行购买。电商直播当前市场规模巨大,且不断增长。直播带货从2016年产生开始,在近五年中不断发展,并于2020年新冠疫情爆发后迎来急剧上升期。成栋(2021)等认为,直播带货具有“高互动性”与“强娱乐性”,消费者能够在娱乐的过程中购物,从而提升用户的购买体验。电商直播采用独特的商业模式,对“人货场”三个要素进行重新构建:厂家生产储存,商家在平台展示,主播与雇佣机构(MCN)签订合约进行商品推广,用户在多个渠道进行购买。在物流环节减少从厂家到商家的流动过程,在营销环节增加主播营销过程,在购买环节增加用户娱乐属性。

直播带货快速增长的同时,有关直播带货的研究也越来越多。目前关于电商直播的研究领域主要包括:一是经济学领域相关的电商直播营销研究;二是传播学领域相关的电商直播传媒手段及效果研究;三是计算机领域电商直播用户推荐相关算法研究。研究内容主要包括对电商直播带货发展模式与发展路径的相关研究;直播带货过程中对消费者购买意愿、购买体验、购买路径的相关研究;直播带货过程中对社会公序良俗产生的相关问题进行的相关研究。现有的研究多从理论角度对电商直播带货行为的内在逻辑进行探讨,关于电商直播对于消费者、商家的经营收益的实际效果则研究较少。同时,现有文献多为定性分析,对于电商直播的研究多停留在理论推导层面,缺少系统的量化分析。

本文的研究贡献主要体现在以下几点。第一,首先从大数据角度量化了主播活跃度。本文以直播场数、直播时间的方法量化主播活跃度,便于相关机构考核主播,对主播行为进行定量分析。第二,首次从信息输入角度分析用户感知对于直播行为、主播行为效果的影响。用户是主播直播的目的与最终载体,通过输入方式量化用户具体感知,能够更好进行用户画像、进行完善的用户社群管理提供理论依据。第三,分析了主播活跃行为对用户购买行为的影响。通过实证数据证明,主播的活跃直播能够提升用户的感知效用,从而提升用户的购买行为,提升店铺经营收益。

二、文献回顾与理论模型

(一)主播活跃度与用户感知

现有研究认为,主播的不同特征能够影响消费者对于商品的感知。电商直播过程中,主播是商品展示者,向用户直观反馈商品内容,并与消费者进行直观沟通,从而促进消费行为的进行。从众行为理论认为,个体总是倾向于做别人正在做的事情。用户在观测到电商主播的试用行为与言语鼓励时,能够发生从众行为,从而产生购买倾向。谢光明等(2019)认为,主播作为互联网电商直播过程中的意见领袖,能够调动用户情绪,从而影响用户购买意愿。杨楠(2021)认为,网红直播带货能够影响用户对于品牌的态度。主播对于用户的感知影响,与主播自身的行为、自身属性特征具有相关关系。从主播带货展示形式上,朱逸(2021)等对于网络直播购物过程中主播拟剧化营销进行研究,发现现有直播拟剧行为已形成较为完善的前区、中区、后区、观众等模式,且不同形式的营销都具有较好效果。现有网络电商直播中,传统的营销方式仍占有较大比重,同时新兴的联动直播、拟剧营销等形式也不断发展。电商直播过程中,主播带货展示形式为营销方式。消费者出于自身求异心理,对于更新兴的营销方式会产生观看欲望。从主播营销内容属性看,杨楠(2021)等研究发现,网红直播带货的专业性和用户需求匹配度均能积极的影响消费者品牌态度。网购主播与消费者在直播过程中具有充分的互动。刘平胜(2020)等通过问卷研究发现,社群互动信息质量对于电商直播过程中社群互动信息质量具有正向营销。主播对于商品的介绍更为完善、与消费者的互动更加完善,能够提升消费者的感知。

主播与消费者产生互动,并与其构建情感链接的重要方面为用户粘性。用户粘性需要在长期观看过程中形成。用户对于主播的正向观感的基础在于主播能够长时间向用户输出信息,在用户角度构建对于自身意见领袖身份的认同。刘运国等(2021)研究发现,用户粘性是衡量平台吸引力和用户忠诚度的重要指标。主播在直播营销过程中通过对于消费者的引导,使其认同自身产品与营销内容,增加消费者感知。为此,本文提出假设一:

H1:主播活跃程度正向影响用户感知。

(二)用户感知与经营收益

对于用户感知的相关研究十分丰富。郑称德等(2012)研究发现,用户感知有用性和自我效能影响了感知价值。在电商直播过程中,正在观看用户的外在表现为用户针对商品和主播发表的相关评论。这种相关评论与传统商业营销类似,展示出较强的口碑效应。谢光明等(2019)研究发现,口碑效应主要针对三个方面:口碑效价、口碑数量和口碑离散。从用户进入直播间被输入到的相关信息,用户会产生先入为主的从众效应,从而使得用户感知与直播间相关评论内容趋同。从用户在接受到输入内容后反映出的行为来看,王蓉(2020)研究发现,用户在具有引诱性的信息后对于商品具有正向感知,从而极易进行冲动消费。而这种引诱在电商直播过程中较为容易从直接显示在屏幕上的评论内容得出。电商直播间的消费者除了在评论中接受到较为集中的输入内容外,其次还会从主播、其他观众的相关互动中获得输入信息。这种输入信息的话语权本质上是掌握在主播与活跃观众手中,大部分观众本质上为沉默的大多数。Vivek(2010)研究发现,在在线品牌购物过程中,用户活跃潜水比例约为1:100。赵建彬(2018)研究发现,产品互动信息中产品的人际互动信息越充分,则消费者购买意愿越强。

综合上述分析,从输入角度看,用户会因其他用户的评论内容与点赞数量等外在因素而产生自身的用户感知,这些用户感知将会影响商品的购买行为,从而影响店铺的经营收益。为此,本文提出假设二:

H2:用户感知正向影响经营收益。

(三)主播活跃度与经营收益

电商直播营销过程中的重要特点之一为主播可以及时根据直播间状况调整自身的原有营销方式与营销手段,从而做到真正为顾客营销。刘春艳(2016)等对于电商平台的不同客户进行研究,认为对于不同类型的客户进行精准化营销才能具有良好的经济收益。电商直播与传统营销过程不同,其主播不但具有营销者角色,更在一定程度上具有意见领袖特质,并且部分主播的用户更具有粉丝特征。唐云(2020)研究发现,在粉丝经济盛行的今天,明星的自身特征对于粉丝经济的影响程度较大。在电商直播对于用户的沉浸式营销过程中,用户出于自身喜好找寻符合自身要求的主播。随着主播特征符合用户要求,用户将增加购买行为。同时用户的购买行为是以用户的购买欲望为前提,用户购买欲望的前提为用户关于主播正向的感知。

当前电商直播的模式为:主播与MCN机构签订合约,MCN机构与商家联络,商家邀请主播进行商品直播。随着主播活跃程度增加,其意见领袖属性显现,观众呈现明星经济中粉丝特征。新用户在接触到电商直播时,观察评论会产生社会临场感(孟陆等,2020),使得消费者被主播与活跃用户影响,认同感增加。Reina等(2020)基于刺激—机体—反应(S-O-R)模型解释消费者在面对电商直播带货过程中的反应。随着主播活跃程度的增加,其在消费者层面输出的信息增加,对其产生更高的用户粘性消费者增加,为新消费者接受该主播产生积极效应。在此后社会舆论、新消费者接收到的信息输入、主播言语影响下,消费者粘性增加呈现滚雪球效应。由于用户基数较大,用户粘性增加,产品销售概率增加,商家经营收益增加。

为此,本文提出假设三:

H3:主播特征正向影响经营收益,且用户感知起中介作用。

理论结构模型图

三、实证分析

(一)数据来源

从知瓜数据库获取样本数据,选取2021年2月至4月期间进行持续淘宝电商直播的1000位主播作为研究样本,选取依据是知瓜数据库的总榜最近90天的排名。对于样本中数据缺失的主播数据进行剔除,对所有样本数据进行winorsize处理,以防止离散数据样本对于本研究结论造成影响,最后获得883位主播数据。

(二)变量设置

1.因变量

本文把经营收益(PRO)作为因变量。主播在直播过程中的经营收益为主播GMV值,计算方法是主播带货销量*主播带货商品均价。

2.自变量

本文的研究对象为主播活跃度(ACT)。主播活跃度作为综合性的变量,需要借助其他二级指标进行综合评价量化。主播活跃度可分为单场直播活跃度与直播总量活跃度。单场直播活跃度以单场直播时长量化,直播总量活跃度以直播总场数量化,将二者相乘获得总体主播活跃度指数。

3.中介变量

本文以用户感知(PER)作为中介变量。用户感知是一个综合变量,通过构建二级指标量化用户行为,从输入角度进行分析。从三个维度量化用户感知,分别是主播正向性维度、主播权威性维度和临场感知维度。按照Lieberman等(1988)提出的先动优势理论,用户在初次进入直播间时,第一时间接收到的信息产生直观观感,先入为主影响用户感知。本文采用场均点赞/场均评论作为主播正向性指数。Milgram(1974)提出的权力服从理论认为,人会偏向于服从权威。在网络直播过程中,主播作为直播主体,其专业化程度和他人认可度均会影响其权威性。在权威性的直播引导过程中,用户感知受到输入信息影响。本文认为在直播间中,主播会通过言语诱导促使观众加入其粉丝成员,从而促进自身用户粘性增加。这种言语诱导的效果在一定程度上体现出主播的权威性。为此采用直播过程中直播平均粉转率作为量化主播权威性的指标。消费者在观察到评论与点赞时,其会给予消费者临场感知的相关感受。消费者出于他人与自身趋同的从众心理,会进一步停留在直播间中观看主播直播。由于在在线购物过程中,绝大部分人均为“沉默的大多数”,潜水用户占到绝大多数(Vivek,2010)。在产品营销过程中,产品中的人际互动信息越充分,则消费者购买意愿越强(赵建彬,2018)。在电商直播过程中,主播与消费者互动越充分,则消费者的临场感知越强,消费者购买欲望增强。这种消费者感知本质上是对电商直播过程中主播与商品的认同。本文采用场均评论比与场均点赞比之和作为电商直播过程中临场感知的量化方式。

将以上三个维度的量化指标标准化后求和,获得本研究的中介变量:用户感知。

此外,为了控制商品本身与商品所在店铺与主播维度相关营销行为内生性的影响,笔者选择了进店人数、进店次数、商品均价、销量四个控制变量对于整体模型进行控制。

表1 变量测度方法

(三)模型设计

首先以店铺经营收益为因变量,主播活跃度为解释变量,构建回归模型,以检验主播行为因素对于直播带货效果的影响。其中ε为残差项。

为了进一步从用户角度分析用户感知对于直播带货效果的影响,本文构建了以用户感知为自变量,经营收益为因变量的回归模型。其中ε为残差项。

如果主播活跃度促进了店铺经营收益的增长,那么用户感知是否在这一过程中发挥着中介作用?本文以用户感知为中介变量,采用逐步法,依次检验回归模型1、模型2与模型3。

具体步骤包括:第一步,检验主播活跃度对于带货店铺盈利的总效应。如果模型1显著,则继续检验,否则停止检验。第二步,联合显著检验,对于模型2中的用户感知对于店铺盈利是否显著以及对于模型3中主播活跃度是否对于用户感知具有正向影响进行分析。如果二者的模型系数均显著,则代表中介效应显著,继续进行第三步检验;否则停止检验。第三步,检验本研究中变量之间是部分中介还是完全中介。在模型4中,代表控制中介变量用户感知后,自变量主播活跃度与对因变量店铺盈利的影响。若模型显著,则说明是完全中介效应,若模型不显著,则说明是部分中介效果。若是部分中介效果,则说明在主播活跃度与店铺盈利之间的影响因素不但包括用户感知,还包括其他因素。

(四)描述性统计分析

表2为描述性统计结果。从表中可以看出,主播直播产生的影响和效果有较大的差异。就经营收益而言,各个主播单场直播带来的经营收益差距较大,最少的只有4.32万元,而最大直播收益为11400万元。场均点赞、场均评论、观看人数等也呈现出明显的个体差异。

表2 描述性统计结果

需要说明的是,在电商直播过程中,部分官方机构也注册了主播账号进行直播带货。这类型机构在进行带货过程中往往取用“换人不换号”的方式。为实现自身品牌曝光度最大化,使消费者进入直播间第一时间就能对于商品进行选购,机构账号直播时会尽可能采取更换主播但不关闭直播间的形式吸引粉丝。本文认为这类型机构与普通的单人主播直播营销作用机制有显著差异,为此本文对机构账号与非机构账号进行分组检验。对比分析的结果如表3所示。

表3 机构与个人直播效果的差异

从表3可以看出知,与主播活跃度、经营收益、用户感知相关的二级指标均具有显著的组间差异 (5%水平上显著)。但直播总场数、主播正向性的组间差异并不显著。无论是机构雇佣的主播,还是个体主播,其直播场数都是尽量保持全勤,以提升用户的满意度。上表中还可以看到,单场直播时长的组间差异较大,其原因为机构主播选择换人不换直播间的营销方式,使得直播时间极长。用户满意的点赞、转粉率等指标也存在较大的组间差异,机构直播带货的效果并比不上个人主播。例如,机构主播的场均评论与场均点赞都显著低于个人主播。综上,机构直播带货与个人主播直播带货的效果有明显差异。

(五)回归结果分析

模型1-4的回归结果如表4所示。为防止计量单位的不统一产生的数据差异,在回归过程中对于数据进行标准化处理。

表4 回归结果

可以看出,模型1与模型2回归结果显著,主播活跃度的回归系数为正值,能够验证本文的假设一与假设二。换言之,主播活跃度能够正向影响用户感知;主播活跃度也能够正向影响商品的经营收益。模型3检验中介变量与被解释变量之间的关系。从模型3回归结果可以看出,中介变量对因变量影响显著,说明用户感知能够正向影响经营收益,假设三得到验证,用户感知在主播活跃度与经营收益中呈现中介作用。模型4是进一步检验中介作用是部分中介作用还是完全中介作用。从模型4回归结果可以看出,整体中介模型显著,说明呈现的是完全中介作用。

(六)稳健性检验

主播活跃度是本文重要的解释变量,为了进一步验证实证结果的稳健性,采用另一种方法构建主播活跃度。在淘宝电商直播规则中,对于主播有一到五级的等级划分。主播获得等级提升需要经过不间断的完成系统设置的直播任务。为此将主播活跃的变量量化方式中的一个子变量替换为主播等级。在灰豚数据库中,系统会根据MCN提交的相关资料与主播直播的具体反馈,设置“主播指数”。该指数在一定程度上可以反映主播的活跃状况。对主播等级与主播指数进行标准化,然后相乘,得到新的主播活跃度变量,重新进行回归分析的结果如表5所示。虽然回归系数有变化,但是整体结论未变,研究结论依然成立。

表5 稳健性检验

四、结论与启示

本文基于电商直播大数据实证分析,得出结论:电商平台主播通过自身频繁、活跃、高质量的直播,能够增加消费者对于该直播内容的正向感知,从而在一定程度上促进店铺销量提升。电商平台中商家主播采用“换人不下播”的方式使得直播更加活跃,但相比直播时间更短的个人主播,其用户感知并没有显著提升。对于大样本的数据,从输入内容量化用户感知能够从新的角度诠释用户感知。

本文的结论对于电商商家选取主播和确定直播策略有一定的指导意义。首先,电商商家在选取主播时,应当选取能够与用户进行较好互动,且能够调动用户情绪的活跃主播进行;同时商家在选取主播时,应该选取更为勤劳的高质量主播。其次,对于部分希望依靠长时间直播以换取用户青睐的商家,并未能很好地提升用户感知,建议在此后的直播中注重以较短时间、较高活跃度的方式进行直播。

由于当前电商直播的数量十分巨大,相互间存在较大差异,本文选取的样本并未完全覆盖所有层次的主播。未来研究可以对主播个体行为作更精细化的量化,分析其对消费者的影响;还可以通过对消费者因主播引导购买产品后的反应进行量化,研究主播的营销行为的改进策略。

[注释]

①参见《春华秋实,电商直播2021将在资本市场大放异彩》,金融界,2021年01月20日。

猜你喜欢

主播模型电商
电商助力“种得好”也“卖得火”
自制空间站模型
新电商 潮涌风劲向未来
电视双城记:川渝主播共护长江源
模型小览(二)
当主播需要什么装备?
圆周运动与解题模型
网络主播:近半月收入不足5000元
网络主播:近半月收入不足5000元
离散型随机变量分布列的两法则和三模型