直播带货中的多模态语言互动

王宇波　潘丹婷

提 要 直播带货是一种以视频社交方式来达成商品交易目的的电子商务，其实质是一种说服观众實现购买的互动交际行为，包含直播预热、直播过程、直播反馈3个步骤，涉及社交媒体平台和虚拟直播间2个互动语境。使用多模态综合分析框架和会话分析中的受众设计理论对直播回放视频及其相关社交媒体评论的语料进行研究，发现：社交媒体语境中，主播通过“频繁使用交互符号”“情绪化的个人表达”等社交话语设计引导受众参与直播;直播语境中，竖屏带来的近距离体验和直播间高情态的背景元素编码为受众提供了良好的体验氛围。直播过程以言语作为主要的交际模态，主播作为说话人通常使用开场白、会话历史和身体姿势等策略引起听话人的互动，增强受众的参与度及购买意愿。直播带货对当代语言生活产生的影响是：（1）语言作为生产要素的性质越发凸显，语言消费成为刺激经济发展的新活力。（2）语言发展高度“互联网”化，更新速度加快，碎片化表达成为主流，网络语言生活呈现高度多模态交互特征。（3）直播带货“话术”使得行业语言服务呈现蓬勃发展活力。

关键词 多模态;会话分析;互动;直播带货;语言生活

中图分类号 H002 文献标识码 A 文章编号 2096-1014（2022）03-0034-13

DOI 10.19689/j.cnki.cn10-1361/h.20220303

Research on Multimodal Interaction in Taobao Live Streaming

Wang Yubo and Pan Danting

Abstract As a kind of e-commerce， live commerce conducts transactions by means of video-based social interaction， and is an interactive communication behavior that persuades the audience to purchase products and services. Live commerce includes three steps： live broadcast warm-up， live broadcast process and live broadcast feedback， involving two interactive contexts of social media platform and virtual live broadcast room. This study applies a comprehensive framework for multimodal analysis and audience design theory to analyze a corpus of live playback videos and related social media comments. The findings show that in the context of social media， the hosts guide the audience to participate in their live broadcasts through traditional social discourse design such as “frequent use of interactive symbols” and “emotional personal expression”. Moreover， in the context of live broadcast， the close experience brought by the vertical screen and the high-modal background element coding in the live room provide the audience with a good experience atmosphere. During the live broadcast， speech is the main modality. As the speaker， hosts usually use strategies such as opening remarks， conversation history， and body posture to arouse the interaction with the audience and enhance the audiences participation and purchase intention. The effects of live commerce on contemporary language life are as follows： （1） The nature of language as a factor of production becomes more prominent and language consumption helps stimulate economic development. （2） Language development is strongly influenced by the internet： the

update speed is accelerating; fragmented expression dominates the discourse; virtual language life features a high degree of multimodal interaction. （3） The discourse strategies of live streaming promote the development of language service industry.

Keywords multimodal; conversation analysis; interaction; live commerce; language life

一、引 言

商务部的商务大数据监测结果显示，2020年上半年全国直播带货超1000万场，活跃主播数超40万，观看人次超500亿，上架商品数超2000万。直播带货作为伴随电商经济发展起来的新型营销模式，已成为中国数字经济中最活跃的表现形式之一。“带货”入选国家语言资源监测与研究中心发布的“2020年度十大网络用语”，“直播带货”也成为快手、百度、《咬文嚼字》发布的年度热词。

直播带货本质上是一种以多模态语言互动为核心枢纽，以达成商品交易为目的的经济行为。主播的带货话术和互动能力是带货能力的直接表现，直接影响直播间的留人率和销售量。多模态语言作为重要的信息要素参与直播带货双方的交际过程，主播和受众都可作为信息发出者（信源）和信息接收者（信宿），对信息进行解码和反馈，形成双循环互动。这一互动过程以视频形式呈现或存储，是一种典型的动态多模态语篇，包含了重音、聲调、语调等语言特征，手势、眼神、表情、身体姿势等身体特征，货物、背景、设备、网络平台等环境特征。网络直播的互动不仅发生在直播间内部，还包括社交媒体上直播预热和直播反馈两个过程，三者形成完整的互动链，对于间接引发观众的购买意愿、促进直接消费具有重要的作用。

目前，直播带货行业已经日渐规范和成熟，带货主播创造了大量“现象级”的带货案例，但是直播带货的多模态语言互动作为网络语言生活的新现象，还未受到学界的足够关注。本研究的目的是从语言学角度解释主播如何通过多模态语言互动引导受众付诸购物实践，探讨直播带货语言所体现的网络语言生活的新特点和发展趋势。

二、文献回顾

“模态”最初作为人机交互相关研究的一个术语（顾曰国2007），指的是语言、图像、声音等在系统功能学中被称为符号的资源。“多模态互动”则指人类感官和外部物理环境之间的互动方式，依赖多种模态资源来完成。Norris（2004）指出，互动本身就是多模态的，交际互动不仅仅依靠语言，交际者的姿态（头部动作、眼神、身体姿势、转向等）有时超越语言表达，成为互动的主要形式。多模态研究具有不同的视角：Jewitt（2009）区分归纳出社会符号学分析、系统功能语法分析、社会互动分析3种视角;冯德正等（2014）则将这3种视角归为“社会功能分析”，认为还应包括两个重要视角，即以认知隐喻理论为基础的多模态隐喻研究和语料库语言学视角的多模态文本分析，并指出在多模态语篇分析领域很少有对动态多模态语篇的全面分析。多模态研究也具有不同的模式，国内外对视频语篇的多模态分析主要有3种模式：第一，社会符号学派分析模式，注重探讨视频语篇当中的图文关系，涉及语域、语篇衔接等理论问题;第二，Norris的分析模式，主要是以视频为载体记录社会交际行为并进行分析;第三，现场即席话语分析模式（王正2013）。目前对视频动态语篇的多模态研究并没有统一的框架，不过张德禄（2009，2018）提出的“多模态话语分析综合理论框架”中，话语意义的建构以及模态的使用和协同关系的研究对本文具有借鉴意义。

直播带货中的互动行为研究集中在经济学和传播学领域，Hou et al.（2019）研究发现，直播中的交互性对观众的购买意图起着重要作用。Liu et al.（2020）探讨影响用户购买意愿的因素，认为视觉场景和沟通正向影响了用户的感知享受，进而正向影响用户的采纳意愿。唐苗、戴维（2020）认为，头部电商网红直播互动行为的目的主要是强化人设、满足社交需求和促成购买。以上研究都说明了“互动”在直播带货中的重要性，但注重的是带货结果，对于直播互动的发生过程却缺乏关注，尤其是对主播如何与受众互动促成购买行为这一问题鲜有探讨。此外，直播带货前的预热、直播过程以及直播结束作为一套完整的互动链也未被关注。

近年来，学界逐渐关注直播带货的语言风格，相关研究主要围绕直播带货语言的经济属性探讨主播语言风格对于受众消费的影响。徐子静、张新峰（2021）从词汇密度和高频词考察主播带货的语言特点，认为极具个人特色的语言能够促进观众消费;王美珏、姜涛（2021）从性别语言的角度对比了李佳琦和某娅两大主播的语言特点，指出直播带货中的性别语言呈现出不同于日常性别语言的特点;沈露露（2021）以详尽可能性模型（Elaboration Likelihood Model，ELM）分析主播的语言对受众信息接收能力的影响，认为口语化的色彩、运用多种修辞、独特的语音特点与消费者的消费动机密切相关;孟瑾等（2021）发现，地方专场的直播带货呈现出广泛使用方言词、网络词的特点，排比、对偶、祈使、感叹是常用的句式修辞，认为语言风格特色是影响用户观看的重要因素。此外，孙旻姣（2020）和王威（2021）指出，直播带货语言作为一种有声语言，展现出了强交互性、精准性、幽默化、规范化等特点，间接影响消费者的购买意见。目前关注直播带货语言的只有国内学者，国外的研究也是国内研究团队的偏实证类成果。Luo et al.（2021）基于Hovland的说服模型研究了诉诸个性、逻辑等主播言语风格对直播产品销量的影响，结果表明，个性化的语言对产品销量具有正向影响，诉诸逻辑的语言风格具有负向影响。以上研究都仅从单一模态分析主播语言风格特点，忽略了直播带货时其他模态一起协同的多模态互动特征。因此，有必要从多模态视角展开更全面的分析。

三、研究方法

（一）数据来源

本研究基于一个由12个直播回放视频以及主播相关社交媒体动态和评论文本组成的语料库。成熟的主播在直播策略的使用上也必然成熟，因此我们选择“凤凰网电商研究院”发布的2020年直播带货红人排行榜上的6位淘宝主播作为语料对象。每位主播我们分别选择2个浏览量最高的“现象级”直播带货视频，制作出含12个视频、共28.4G的语料库。评论是观众反馈的一部分，作为他们接受主播互动的一种证据，因此我们也对主播个人的社交媒体动态进行搜集（检索时间为对应直播日期的前后两个星期）。目前新浪微博和淘宝建立了深度的合作关系，同时微博的社会关注度和粉丝基数较大，基于以上特点，我们选取微博作为主要的社交媒体语料来源。

（二）研究思路

针对多模态语篇，国内众多学者提出了一些可供研究的成熟框架，但这些框架都只能描写静态画面，对于分析动态语篇仍有局限。直播是一个具有强对话性质的动态语篇，因此本文引入会话分析理论，构建以互动话语为核心的多模态框架（见图1），以说话人和听话人的言语交际为核心，同时综合张德禄（2009，2018）的多模态话语分析框架与Kress & van Leeuwen（1996，2006）的视觉语法理论，并以Bell（1984）提出的受众设计为理论基础，对直播带货动态多模态语篇进行分析。该框架能够将话语双方纳入研究范畴，将语料分析具体化、立体化，从而揭示直播带货中多模态的使用和配置，以及说话人如何使用多模态要素构成的交际策略引导听话人付诸购物的实践。

本文使用标注工具ELAN对视频语料建库。首先，将视频语料分离出MP3和WAV格式的音频，WAV格式的音频将随视频一同导入ELAN当中进行标注，MP3格式用于提取文本语料。其次，基于新浪应用程序接口（API）采集微博語料，分别制作直播视频语料库和对应的文本语料库。文本语料以UTF-8格式保存，分词和词性标注工作依赖Python的jieba模块进行。文中依靠文本和图片来展示案例，言语部分遵循Jefferson（1984）的转写体例，文中涉及的“说话人”指主播，“听话人”指受众。

需要说明的是，本文的视频语料属于直播回放视频，由于一场直播持续的时间较长，受众的实时互动信息在界面上停留的时间也较短，因此即使采取录屏形式采集，在标注时也比较困难。然而，这些“消失”的信息会不完全反映在主播的言语当中，有时主播会使用重复观众问题或直接回答的策略进行反馈。因此，本文依然可以从这一角度继续进行研究。

四、互动分析

（一）语境互动

多模态语言互动行为会受到社会文化背景的制约。在文化语境下，直播视频语篇可以按照体裁结构进行划分，一个完整的直播带货过程可以分为如下几个步骤：

步骤1.直播预热：主播在社交媒体上预告直播商品及部分直播嘉宾。

步骤2.直播过程：（1）开场白打招呼;（2）介绍售卖商品;（3）直播结束。

步骤3.直播反馈：观众在主播帖子下评论。

本研究认为直播带货的情景语境由文化语境决定，可包含语场、语旨和语式3个部分（Halliday & Hasan 1985：41）。语场指的是发生的事情或者进行的社会活动（彭利元2008），或指交际发生的环境，谈话的主题、目的、内容等。直播带货的语场包含直播预热、直播的具体过程以及直播的反馈3项子活动。这3项活动都以主播与受众的交际互动展开，交际环境以虚拟互联网平台为主，主要包括诸如社交媒体平台（微博）和专业化的购物直播平台（淘宝）。其中，直播预热包括下一场直播的预告，含直播商品、直播嘉宾、直播链接等内容，直播反馈则是指消费者对上一场直播中的遗留问题或者就直播经验与主播进行的互动。语旨是指交际双方之间的关系，在社交媒体平台，更倾向于表现为“意见领袖-粉丝”的互动关系。一些“头部主播”作为直播带货领域内的意见领袖，具有专业的圈层知识和庞大的粉丝基础，在社交平台具有较大影响力。语式是指交际的媒介和渠道，主播通过社交媒体平台和用户进行交际，交际模态以文字为主，是一种线上异步交流。基于社交媒体平台的互动呈现出“意见领袖-粉丝”的关系，主播引导受众关注、评论他的动态，以维持直播的热度和流量。主播在与受众的言语交际中呈现出以下两个特点。

1.频繁使用交互符号

Frobenius & Harper（2015）等指出，互联网社交平台拥有自己的一套互动机制，上传图片、视频，创建“超话”（一个由话题发起并聚集起来的虚拟社区），发布状态更新，共享照片，通过“链接”与外部网络建立联系，以及发表评论，所有这些社交功能都被视为用来吸引用户注意的交际行为。“@”是直接建立A用户和B用户之间联系的一种方式，在虚拟社交领域，使用“@ +用户昵称”的形式是一种礼貌策略，下面这个例子展示了这个符号如何在直播预热的帖子中发挥作用：

（1）在下李佳琦，[链接]今晚9点，恭候晴明大人@陈坤

#李佳琦直播#

超链接部分被系统自动标识为较高的色彩饱和度（此处标识为加粗），在视觉上属于高感官情态，可吸引用户注意力并诱发互动行为，如在帖子下留言或者打开有颜色标记的链接。例（1）中，主播使用了@功能提及了名为“陈坤”的微博用户，并由此引发互动。

2.情绪化的个人表达

除了典型的交互符号，在文字的话语风格上，主播也进行了设计。在直播预热有关的帖子中，感叹号的使用率非常高。主播通过连用和叠用感叹号等手段吸引观众注意力，具体包括：在特定词语之间加上感叹号、感叹号重复叠加使用、感叹号代替句号在句末出现、感叹号代替问号。

（2）2021新年限定礼盒大！开！箱！祝所有女生所有男生在新的一年都可以红红火火～

（3）手机、电脑、电视、电热毯、鹅绒被、抽纸……家居的好物来这里就够！！！

（4）来咯来咯，宝宝们看过来！除夕夜惊喜开大奖啦！春节放假，福利不打烊！万元红包还有大牌包包、苹果电脑手机耳机……全都送！点点小手指就有机会！

（5）都挑好过年的新衣服了嘛！24号晚8点，“服饰美妆爆品日”来了。

微博等网络社区话语由多种模态组成，但文字通常是主体模态。但就直播预热和直播反馈阶段的模态间关系而言，多数情况下视频为主体模态，文字和图片作为补充说明。在这两个阶段中，图片和视频通常不会同时出现，由于大量的信息需要受众付出更大的认知努力，影响受众关注的焦点，因此设计模态数量和合理配置结构也是与受众互动的重要环节。

（二）言语互动

直播过程共包含开场白、介绍商品、结束直播3部分，其中言语是最直接的能够分配听话人角色的方式（Frobenius 2014），它可以通过单一称呼语、问候语、句式等方式告诉听话人是何种角色。大部分情况下主播面对的是不在现场的听话人，发起对话时有一部分是独白，而手势、声音等其他模态有时作为一种话语补偿策略，弥补不在场带来的非一致性对话（Frobenius 2011）。当主播看向评论区并回答问题时，对话就开始了，有话轮的转换和角色的协调。下面就开场白和直播过程的互动策略进行分析。

1.非正式开场白

Frobenius（2011）认为，开场的问候是为接下来的谈话互动做铺垫。直播开始时，简单的问候语和称呼语作为开场白并不能直接引起听众的反应，但它模仿的是一种现实的面对面交流，营造的对话氛围是互动的开始。

选段1

1 KK的直播间（（微笑））（（招手））

2 今天的话是我们的女装大（0.3s）上（0.3s）新（1s）

3（（拍三次手））

4 哈喽（1s）都来了吗？（（招手））

5 都来了，>哈喽哈喽哈喽<<<（（招手））

6 晚上好，晚上好，晚上好，先进下我们的直播间哦

7 新粉丝第一次来到我们直播间的话，就先关注一下

8 非常的巧，正好是我们的大上新哦，今天

9 还没开（3s）我没显示看呀，你看是不是啊？再说一遍了

10 诶（4s）开始了，哈喽（.）哈喽，来了吗？来了吗？来了吗？哈喽晚上好

11 （（低头看手机））

12 刚以为开了一次，嗨（0.5s）

13 （（招手））

14 晚上好（.）晚上好，欢迎来到K姐的直播间

15 有吗？>来了来了来了<<<，>开了开了开了<<<

16 （（低头看手机））

这段视频以主播的微笑和挥手开场，接着是自我识别（KK的直播间），没有出现称呼语和问候语，这个不寻常的缺省是直播技术出错造成的，主播在第9行对观众进行了解释。在未发现出错时，主播依然遵循了以往的开场惯例，先强调了本次直播的主要内容，以重音和长音，伴以有节奏的拍手凸显关键信息的重要性（第3行）。接着是一连串快语速并且重复的问候语（第4、5、6行），但缺乏对观众角色的分配符号“称呼语”，表明主播默认对所有观众问候，因为她并不清楚屏幕对面是老粉丝还是新粉丝。主播为了等待更多观众进直播间，采取了话语重复策略。从第7行开始出现了一个指定的称呼“新粉丝”，说明此时主播对新粉丝发起了对话，默认老粉丝已经熟知了“关注”这一操作。第9行开始出现了小插曲，在vlog（视频网络日志，全称为video blog或video log）当中可以通过剪辑技术进行切除，然而正在直播的画面将这个失误保留了下来。接着失误得到纠正，说话人重新开启话轮，低头看手机的动作显示她正在观看听话人的反馈，并试图解释失误的原因（第12行）。

类似“××直播间”的话语包含了自我识别和地址识别，直播间是一个虚拟的交际场所，问候语、称呼语的泛化是为了与更多观众互动。重点内容的阐述一般都使用了拉长声音或者重音标记的策略。较长时长的开场白表明了对话开始之前的无序状态和更具体的商品预告。对话开始前的无序状态表现为说话人在直播间内整理直播手稿，与直播间之外的其他说话人交谈，说明说话人还未把听话人纳入对话框架中来，每个进直播间的听众都是一个潜在的听话人，等待着被分配角色、引起互动。此时，说话人为了解决这种还没准备好的状况，用上述策略进行补偿，比如抬头看直播左下角观众的进场情况，或者正视屏幕实现与观众对视的可能。

2.会话历史

会话历史指的是过往的会话被重新引入当前会话并对此会话产生影响。选段2中展示了会话历史如何在互动中发挥作用，历史主体如何作为会话经验的一部分，被转化为口头话语的实践。Gavin（2019）研究发现，说话人会使用回顾性讲述创造新的话语片段，回顾性讲述只会发生在听话接受者的互动情境中。直播带货互动也依赖会话历史进行。

选段2

1 我要跟观众道歉，前两次我们两个人直播，大家都说耳朵不好啦=（（捂耳朵））（（女嘉宾））

2 =啊哈哈哈哈哈哈哈HHHHH =（（男主播））

3 =哈哈哈哈哈哈哈HHHHH（（女嘉宾））

4 对，大家都说耳朵不太好（（捂耳朵）），大家都在说耳朵都快聋掉了，他们两个嘴巴太吵啦，这两个什么人，把他们给我们关起来！

“前两次”是明显地调用会话历史的策略。主播强调观众反馈的“耳朵不好”“太吵啦”，以此作为互动元素引起听话人的注意。这些反馈来源于微博評论中观众对前一场直播的留言，主播回顾性讲述，意图引起听话人的新互动，因此实施了这一互动策略。

3.以“货”为核心的策略性话语

直播带货语言本质上是一种广告语言，其话语具有明显的策略性且呈现出鲜明的语言风格。

（1）以“货”为中心的话语结构。这类带货话语结构呈现出以下程式化特点：口头预告货物名称，介绍货品特点、功能、效果，强调货品价格优惠、数量有限、附赠其他货物，告知观众做好“抢货”准备，给后台技术命令打开链接，催促观众购买。

货物的介绍是值得关注的部分。一般平面或视频广告的语言和直播带货介绍产品的语言有所不同，前者书面化程度通常较高，后者则更口语化，如主播介绍某款产品：

××产品真的安全，他们家的产品真的让消费者得到了很好的体验……其中含有的阿尔法葡聚糖、神经酰胺帮大家做了修护和维稳，所以他们家的产品真的好到不行，温和又不刺激，不添加香精，帮你促进屏障修复，特别适合大家。上脸真的很舒适。我特别推荐。

这一段介绍以短句为主，并且将专业性较强的产品成分类话语转述为更简单的语言。大量代词的使用对话语角色做出区分，带货主播将自己定位于产品供货商与消费者之间，摆脱传统广告由产品供货商说服消费者的模式，转为由中间人推荐，使得主播的话语更具有说服力。

极富感染力的语言描述是吸引观众关注货品的重点，主要表现为：A.大量使用“程度副词+形容词”，如“超级美的”“非常好”“太美了”“业内口碑非常非常好”“巨美丽”“绝美的”，这些在广告法中被禁用的词语在这里以夸张的效果呈现，其中“非常”一词成为最高频副词。B.高频使用网络流行语或独特的形容词，如“纯欲”“氛围感”“浓郁”“复古感”等，形容某款口红“真的太仙了！”，形容某件大衣“穿起来就是复古港女”，这一类话语用于强调产品使用的效果。在语料中还发现，动宾式的“买它”短语结构在实际运用中被形容词化，用来修饰后面的名词。比如“3CE丝绒哑光唇釉，这是一个‘买它唇釉”，这里的“买它”变成了修饰语“值得买的”“一定要买的”，这一结构本身并不符合汉语语法规范，但主播为了强调商品的效果采取了特殊的结构表达，呈现出鲜明的个人话语风格。C.频繁使用比喻修辞格，让产品的使用体验具象化。如“这款丝绒999，涂上它真的就像嘴巴上铺了一层丝绒，很软”“这个包包真的很轻，就像背了一朵云，完全感觉不到，出街不会累，真的”。

（2）以重复策略凸显话语的重要性。在直播话语中，重复的作用不仅限于建立初步的联系（如选段1中重复性的问候，选段2中会话历史的再现），还突出表现在“读评论”阶段，主播会选择性地读取界面上呈现的留言并重复，这是对观众的一种反馈，通常表现为参与性倾听或认可倾听。观众在评论区询问某某商品的信息，主播会重复该问题并回答。重复还可增强话语内容的重要性，主播在介绍一款产品时会不断重复有关产品信息的词语以加深观众的印象。

（3）以沉浸式叫卖为特征的语态。直播带货本质是一场通过“带货”实现“卖货”目的的营销，依然延续了现实社会的传统吆喝式做法。主播群体嘶吼式的叫卖既营造了热烈的直播氛围，又强化了与观众之间的互动。沉浸式叫卖凸显出号召性，主播通过近距离展示或敲击货品，举着货品限额的牌子，伴随整齐划一的“上链接”或者“开始抢购”的口号呼吁观众购买。号召话语通常音量大、语速快、信息密集度高，制造紧张的购物氛围，并试图说服购买。此外，与传统街边叫卖或电视购物叫卖广告不同，传统叫卖更突出“货”本身，强调货品的质量，直播带货则更突出“观众”和“购物”。对观众的关注始终贯穿于带货全程，“宝宝”“姐妹”“美眉”“女生”“家人们”等称呼拉近了听话人和说话人的社交距离。针对不同货品，主播的称呼对应分配不同的观众角色，当售卖某款平价货品时，称呼会变成“所有女生”“猪猪女孩”，当货品价格较为昂贵时，称呼会变成“贵妇女孩”，针对性的称呼是主播向特定购买对象发起对话的开端，这是引导对方购买的重要一步。与此同时，叫卖过程则凸显购物行为的合理性，购物被赋予更多娱乐性因素，主播号召“家人们，帮帮主播沖到第一！”“买到就是赚到”“买的就是快乐”等等话语抓住观众心理，让购物成为沉浸式的交际体验。

（4）多话题、多话轮的会话模式。直播带货过程中，说话人对话题和话轮的分配具有话语权。为了在有限的几个小时内呈现固定的商品，主播会依次介绍各个商品，不同商品的展示有不同的时长，围绕一件商品所进行的会话过程就形成一个话语循环，不同的商品构成不同的会话主题，一个主题内可以是单个话轮，也可以是多个话轮，一般依照受众提问的问题来分配不同的话轮。日常会话和其他多模态视频语篇的会话大多是线性的，具有“交流”性质的vlog视频也有自己的话题，但话题数量不及直播带货的会话。此外，主播带货话轮或话题的转换通常是比较生硬的，主播有意识地结束上一个话题，以“我们来介绍下一个”这样的话语直接转换，在货物众多、时间有限的直播场景下，这是被受众允许和接受的。

以“货”为核心的直播带货与其他多模态视频有明显不同。一般的vlog类似一种异步交流，直播带货则是实时的交互，说话人和听话人之间的互动性更强。直播带货语言的核心是货，带货主播对语言、场景的运用程度要高于其他主播，呈现出以下不同的特点：A.高昂的话语基调。为了保持直播间的热度以及吸引受众的注意，主播时常甚至全程使用高亢的语调进行情绪化的表达，烘托直播间的氛围。B.繁复的修辞。使用夸张、比喻、拟人、排比等多种修辞描述货品和使用后的感受。C.各具特色的带货话术。不同的主播具有不同的话术和话语风格，如称呼语、开场白等，但带货话术具有统一的功能，如唤醒受众注意、催促受众购买。D.辅助性话语的补充。当主播表达不够充分或使用问句时，直播间工作人员会适当地与观众或主播互动，对话语进行补偿，他们举着货品或者信息提示的牌子也是一种画面补偿。

（三）图像互动

短视频使“竖屏”成为社交互动的新样态，虽然9∶16比例的“屏幕”作为对话框架，在一定程度上限制了交际的范围和空间，但竖直化更符合当代人的视觉习惯，“成为用户最便捷、舒适、习惯的短视频观看选择，也是符合移动互联一代语言、思维与行为模式的视听新形式”（文卫华，林小平2021），更窄的边框和细节化的结构设置将更有利于注意力的集中。下面以带货主播李佳琦直播间的界面为例，借鉴视觉语法的分析框架，从再现意义、互动意义和构图意义分析屏幕构图如何引起屏幕“内”和屏幕“外”人的互动。

1.再现意义

再现意义指图像表征或再现其中人物、地点和事件之间的关系（Kress & van Leeuwen 1996：119）。直播公屏的分类结构通常呈现“图像+文字”的模态配置。以图像模态为主，文字模态为辅，前者包括主播的形象、直播间的背景、互动的图标，后者包括屏幕左下角的评论部分和背景中嵌入的文字，描摹的是现实交互的可能环境。分析结构可分为承载者和若干特征。承载者即所有直播间的构件，包括直播背景、分享图标、点赞图标、购物车图标、对话框;特征可以表现为形式的内容，即不同的主播、不同的言语内容等等。承载者的展示是不完全的，因为镜头只能展示现实直播环境的一部分，分享图标、点赞图标、对话框体现为听话人对说话人的反馈，将心理和行动以图标的形式具象化。在象征结构中，显著性的、与整体格格不入的元素往往具有象征属性。在语料库中发现，观看人次和点赞量较高的直播往往与节日相关，由于红色通常为节日庆典中的主色调，因此节日期间的直播背景也常用红色作为主色，高饱和的红色在以愉悦原则主导的购物情境中属于高情态。

2.互动意义

互动意义是指图像观看者即“听话人”和图像世界即“说话人”之间的关系，这里的“说话人”是图像的直接表现者，即主播，其一言一行都属于构造长视频的动态元素。互动意义由距离、视点和接触组成。距离方面，竖屏只截取主播上半身的画面，这类特写镜头排除了多余的信息，突出主播个人，是说话人主动和听话人亲近的一种视觉表现。视点体现的是说话人和听话人之间的权势关系，听话人观看的画面是平视的，这是一种平等的对话姿态。接触指的是构造想象中的关系，说话人直视听话人，这种图像被称为索取类图像，对应功能语法中的索取性言语行为（李战子2003），意味着主播想要从评论区获取听话人的反馈，并将此信号传递给听话人，鼓励他们在评论区互动发言。

3.构图意义

信息值、取景和显著性是重要的构图资源。信息值由元素在图像中的位置决定。Kress & van Leeuwen（2000）认为，图像左右两边的元素分别对应“已知-新信息”的结构，上下的元素分别对应“理想-真实”的结构，但某些特定情境会导致不同的结果。在直播公屏上，左右两边的元素并非对称排列，不符合“已知-新信息”的结构，但上下元素呈现了“理想-真实”结构，即上方是一种概括性的实质，下方是真实性的、更实际的信息。显著性指吸引受众注意力的程度，在以往研究者看来，上方的信息是最显著的部分，然而在公屏上，下方的信息才更具有显著性，即听话人跟随说话人引导而关注的上架商品、对话等实际信息。

（四）姿态互动

姿势是多模态研究中除了言语之外的重要内容，伴随着言语输出的姿势，比如凝视、指示、点头，指明了各模态要素的配置。有时候身体姿势能够提供比言语更多的信息，姿势的封闭和开放与社交距离的远近有着重要的关系（Givens 2016）。例如直播中要展示一个口红，主播会将涂了口红的嘴唇靠近镜头，并用食指指向嘴唇。有时，姿势的表现要依赖摄像技术的辅助，如当主播说出“看一下057，特别特别漂亮”的话语时，摄像人员迅速领会主播的意图并给出特写，嘴巴部分即处于画面焦点处。接着主播用手指向嘴巴，眼神看向左下角的留言区，并询问观众“好看吗？”，以此引发互动。主播重复了观众的问题“它会荧光吗？”并对此回答，这表明主播对观众的上个问题做出了反馈。最后，主播告诉观众“大家可以去抢057号色”，便完成了此次互动。手势在这里发挥的作用是指引作用，即将听话人的注意力转向所关涉的东西。

凝视也是一个注意力模态，它展示了说话人的注意力焦点，以及让听话人明确说话人的言语对象。凝视是说话人对听话人互动框架内状态进行确认的行为，并且会伴随言语上的活动。语料库中有一个例子，主播凝视货物持续了20秒，而后头部转向侧面，头部和眼神的转动说明主播暂时放弃和观众互动，并与画面之外的其他人开启了新的互动，但主播很快将视线转回来，开始凝视摄像头与观众互动。这说明主播能意识到凝视在虚拟互动中的重要性，当虚拟互动被打断时，她快速转头并凝视虚拟观众这一行为是对互动状态的修复。Frobenius（2014）认为，自我修復是受众设计的标志，甚至是对话者潜在的预期。

五、讨 论

上述研究旨在回答如下问题：直播带货的多模态语言互动是怎样呈现和发挥作用的？这种网络语言生活的新形式怎样影响了当下的语言生活？

在社交媒体发布直播预热信息是带货的第一步，由于带货主播和受众之间是“带货人-消费者”和“意见领袖-粉丝”的关系，“发布信息—评论—回复”等过程使二者之间形成了具有稳定关系的消费社群，社群力量不仅能强化成员对意见领袖的认同，也以集体的力量强化了消费关系。此外，主播发布的文字对部分消费者来说具有导向性作用，他们会据此做出消费攻略，增强直播购买意愿。在直播过程中，无论是镜头语言还是主播卖力的吆喝，语言、手势等模态在主播引导观众购买中发挥了重要作用，这一过程在会话分析中被称为“受众设计”，其本质是主播“说服”受众。主播作为说话人以手指指向他要听话人注意的产品，这是一种注意力触发策略。当主播以非常肯定的语气说出这件产品的优点时，部分观众有可能相信并记住。使观众信服的要素还在于主播的话语权威性、说服的内容和对象。头部主播被认为是直播行业的权威，他们在介绍产品时使用夸张化和情感煽动性的表达等言语策略成功地吸引了观众。戴维·迈尔斯（2014）指出，说服有一条“外周路径”，即当被劝说者接收信息时心不在焉，也不会注意论据是否令人信服时，熟悉易懂的表述更具有说服力。例如，当主播说出“所有女生”“我们来咯”“听我的，3——2——1”等话语时，这些号召命令对于观众来说具有集体狂欢的感染力，观众点击链接实施购买时，说服已经完成。因此，直播带货的互动活动实质上是一种说服行为，其核心意图是实现观众购买。竖屏的直播观看体验和独特的镜头取景，拉近了主播和受众的交流距离。直播间的诱导性提示，诸如“某某正在购买”“点赞”等让受众具有沉浸式的购物体验。主播幽默的话语能够制造热烈的对话氛围，在近距离的直播社交情境下，主播话术对受众购买产生明显影响。

直播带货的多模态表现作为网络语言生活的重要组成部分，对当代语言生活的影响主要表现为：（1）语言作为一种生产要素的作用越发凸显。语言要素深刻融入经济的发展中，语言数据成为驱动数字行业发展的关键。语言负载信息，表达话语，越来越多类似直播带货类行业的发展需要语言助力。新闻传播行业、营销行业、自媒体行业等也越发重视话语表达的重要性，可以说语言消费已成为刺激经济发展的新活力。（2）语言的发展呈现出高“互联网”化特征。直播带货语言是新媒体语言的进一步发展，与互联网的融合程度进一步加深。首先，语言的更新速度加快，部分表达突破传统的语言规范，寻求形式上的突破和创新。新词新语的应用场景更加多元化，直播话语中的新颖词语往往成为主播和观众沟通的切入点，词语本身承载的情感也能使二者产生某种程度上的共鸣。其次，语言的碎片化表达成为主流。在以社群交互为主的网络社交平台互动和直播互动中，言语交流更趋向简单化、口语化。表情符号和标点符号的非常规使用切断话语表达的完整性，话语本身凸显情感性和情绪性，微博中直播预告的话语表达即是一种视觉上的语言碎片化。再次，网络语言生活呈现出高度的多模态交互特征。网络虚拟空间的语言交际不仅限于文字、图片和声音，视频直播让肢体语言表达成为可能，增加了话语表现力。（3）行业语言服务呈现蓬勃发展活力。直播带货使得“话术”进入大众视野，备受各行业关注。话术是具有特定的使用人群、场景、输出对象的行业语言，尽管语言要素不是绝大多数行业关注的核心，但伴随、渗透在行业发展过程中，起到辅助行业活动发展、为大众提供语言服务的作用。

以上语言生活的发展变化表明，社会语言正进一步走向多元化、网络化、互动化，呈现更加多姿多彩的面貌。随着网络交际程度的不断加深，线上语言互动比过去更广泛、更深入，语言和生活的交织将继续推动着语言服务、语言产业进一步发展，语言领域进一步拓展，语言逐渐成为社会各界关心的话题（郭熙2019）。

六、结 语

2020年政府工作报告提到，“电商网购、在线服务等新业态在抗疫中发挥了重要作用，要继续出台支持政策，全面推进‘互联网+，打造数字经济新优势”。在数字化经济发展的背景下，越来越多的主体加入直播带货行业，主流媒体平台和头部电商主播、明星嘉宾、网红等拥有强大的粉丝基础，吸引观众参与直播购物。同时，语言作为一个关键因素也在其中发挥了重要作用，一定的交际策略和高互动特征的界面设计（Hajli 2015）有助于提高消费者的直播参与意愿和消费意愿。直播带货是一个高度依赖话术的行业，这是语言在经济领域的直接应用，是语言社会属性、信息属性、文化属性、符号属性、经济属性的综合体现。此外，直播带货作为中国线上语言生活的重要表现，展现了直播带货行业的语言发展特点和基于多模态的互动交际特点。

本研究将传统的多模态研究方法与会话分析理论结合，分析了直播带货场景中多模态资源的配置和运用，以更好地说明传统上作为“副语言”的模态在交际过程中亦可能比言语交际更能发挥作用，而且从多模态的角度理解基于屏幕内外的人际交互，跳出言语语篇的范畴，理解模态对话语意义的传达等方面。在方法上，本研究不局限于传统的社会互动分析，而是基于多模态标注语料库的动态语篇分析;在视角上，将直播带货的3个过程作为一套完整互动链进行考察;在分析框架和模式上，提出了新的多模态话语分析框架，不仅可以将话语双方纳入研究范畴，还可以将语料分析具体化、立体化;在对象上，以往注重直播带货的效果分析，鲜有探讨互动的过程，而主播如何与观众进行多模态互动以促成购物行为是本文的研究重点;在研究范围上，不局限于单一的语言维度，而是将语言、身体、环境3类多模态特征都纳入研究范围。

本文研究仍有一定局限。由于直播带货的多模态语言互动呈现非线性的交际特征，当对话暂时中断或未开始时，其他非言语模态占据主要位置，模态之间的配置会随着说话人和听话人对话语的掌控和理解而发生变化，从这个意义上说，模态之间也存在构式。多模态构式在直播中如何发挥作用，还有待进一步研究。另外，尽管本文将身体表现维度，即手势、身体转向、凝视纳入研究范围，但对感官层面的分析仍是不足的，如表情对于话语意义的传达、接收，对话语理解的作用等，这是多模态语用研究中值得深入探讨的内容。

参考文献

戴维·迈尔斯 2014 《社会心理学》（第11版），侯玉波，乐国安，张智勇，等译，北京：人民邮电出版社。

冯德正，张德禄，K. O Halloran 2014 《多模态语篇分析的进展与前沿》，《当代语言学》第16期。

顾曰国 2007 《多媒体、多模态学习剖析》，《外语电化教学》第2期。

郭 熙 2019 《七十年来的中国语言生活》，《语言战略研究》第4期。

李战子 2003 《多模式话语的社会符号学分析》，《外语研究》第5期。

孟 瑾，王梦帆，王玉茜 2021 《网络带货直播的语言特色研究——以湖北爱心公益专场直播“小朱配琦”为例》，《汉字文化》第19期。

彭利元 2008 《情景语境与文化语境异同考辨》，《四川外语学院学报》第1期。

沈露露 2021 《基于ELM模型的淘宝直播平台营销话语分析》，《散文百家》第7期。

孙旻姣 2020 《从淘寶直播带货看有声语言传播》，《东西南北》第16期。

唐 苗，戴 维 2020 《人际传播视域下电商类网红直播互动行为研究》，《新媒体研究》第20期。

王美珏，姜 涛 2021 《社会语言学视角下直播带货中的性别语言研究》，《青春岁月》第28期。

王 威 2021 《新媒体视域下的语用策略研究——以直播带货为例》，《汉字文化》第7期。

王 正 2013 《多模态视频语篇的分析模式研究》，《东北师大学报（哲学社会科学版）》第1期。

文卫华，林小平 2021 《竖屏视频的审美特征与创作趋向》，《中国电视》第1期。

徐子静，张新峰 2021 《基于语料库的李佳琦与薇娅直播语言对比研究》，《海外英语》第22期。

张德禄 2009 《多模态话语分析综合理论框架探索》，《中国外语》第1期。

张德禄 2018 《系统功能理论视阈下的多模态话语分析综合框架》，《现代外语》第6期。

Bell， A. 1984. Language style as audience design. Language in Society 13（2）， 145–204.

Frobenius， M. 2011. Beginning a monologue： The opening sequence of video blogs. Journal of Pragmatics 43（3）， 814–827.

Frobenius， M. 2014. The Pragmatics of Monologue： Interaction in Video Blogs. Saarland： Universit?t des Saarlandes.

Frobenius， M. & R. Harper. 2015. Tying in comment sections： The production of meaning and sense on Facebook. Semiotica 204， 121–143.

Gavin， L. 2019. Towards a green applied linguistics： Human-Sea turtle semiotic assemblages in Hawaii. Applied Linguistics 41（6）， 922–946.

Givens， D. B. 2016. Reading palm-up signs： Neurosemiotic overview of a common hand gesture. Semiotica 210， 235–250.

Hajli， N. 2015. Social commerce constructs and consumers intention to buy. International Journal of Information Management 35（2）， 183–191.

Halliday， M. A. K. & R. Hasan. 1985.Language， Context， and Text： Aspects of Language in a Social-Semiotic Perspective.Australia： Deakin University Press.

Hou， F.， Z. Guan， B. Li， et al. 2019. Factors influencing peoples continuous watching intention and consumption intention in live streaming： Evidence from China. Internet Research 30（1）， 141–163.

Jefferson， G. 1984. Transcription notation. In J. M. Atkinson & J. Heritage （Eds.）， Structures of Social Interaction： Studies in Conversation Analysis， ix–xvi. Cambridge： Cambridge University Press.

Jewitt， C. 2009. The Routledge Handbook of Multimodal Analysis. London： Routledge.

Kress， G. & T. van Leeuwen. 1996. Reading Images： The Grammar of Visual Design. London： Routledge.

Kress， G. & T. van Leeuwen. 2000. Front pages： （The critical） analysis of newspaper layout. In A. Bell & P. Garrett （Eds.）， Approaches to Media Discourse， 186–291. New Jersey： Blackwell.

Kress， G. & T. van Leeuwen. 2006. Reading Images： The Grammar of Visual Design （2nd edn.）. London： Routledge.

Liu， Z.， J. Yang & L. Ling. 2020. Exploring the influence of live streaming in mobile commerce on adoption intention from a social presence perspective. International Journal of Mobile Human Computer Interaction 12（2）， 53–71.

Luo， H.， S. Cheng， W. Zhou， et al. 2021. A Study on the impact of linguistic persuasive styles on the sales volume of live streaming products in social e-commerce environment. Mathematics 9（13）， 1–21.

Norris， S. 2004. Analysing Multimodal Interaction. London： Routledge.

責任编辑：韩 畅