2016 年被称为中国网络直播元年,众多的网络直播平台快速诞生。以淘宝直播为代表的电商直播在2019 年空前爆发并实现快速发展,进一步催生了2020 年全民直播时代。中国互联网络信息中心(CNNIC)发布的第47 次《中国互联网络发展状况统计报告》显示,截至2020 年12 月,我国网络直播用户规模达6.17 亿,占网民整体的62.4%。其中,电商直播用户规模为3.88 亿,约占网民整体的39.2%,在电商直播中购买过商品的用户占整体电商直播用户的66.2%,其中17.8%的用户电商直播消费金额占其所有网上购物消费额的三成以上。可见,现代信息社会中网络直播用户规模庞大,发展飞速。如今,网络直播正在和更多场景产生交互,成为社会化营销环境下的新型营销途径。可以说,网络直播正在逐渐演变为大众生活中的在线基础设施,尤其对电商平台以及消费者都将产生重大影响。
网络直播作为信息化时代飞速发展的产物,在一定程度上改变了大众的生活消费行为,提升了社会整体消费水平,在这一点上,直播是值得鼓励的。但直播这种商业模式门槛低,排他性不足,必然会存在一些弊端。例如,直播者往往是明星或网红,专业程度参差不齐;直播内容缺乏新意,同质化严重;直播商品的质量很难保证等。
网络直播这种新兴商业模式要获得持续、健康的发展,其目的应当不止是简单的带货,而是通过直播提供优质的内容,建立人与人之间的信任度。当用户能够通过直播获取到优质的内容,并且与主播建立起足够的信任度,用户就更容易在直播中做出重大决策,更愿意进行大宗消费。这是未来直播平台在激烈的竞争中赢得消费者的关键所在。
基于目前对网络直播的认识以及直播在提升消费过程中的作用,通过统计调查手段,基于用户的视角探究网络直播消费群体的特征及其对消费模式的影响,为网络直播平台持续、健康的发展提供可资借鉴的建议。
“互联网+”时代,社会消费的结构与形式正在发生重大变革,电商平台消费模式、“线上+线下”一体化消费模式、垂直传播消费模式、网络直播消费模式、众筹消费模式等较为流行[1]。直播行业的繁荣对大众消费模式产生了巨大的影响,精准细化了消费者的喜好,使观众从网络直播情境的消费中获得了更多的满足感[2]。网络直播作为一种拟真机器,建构了一种全新的参与性文化实践媒介,极大地提升了媒介主体之间的互动能力[3],激发了乡村直播,使直播向垂直细分方向不断发展[4]。直播作为新的视觉群宴和符号狂欢,依托着“网红文化”进入公众视野,对群众的消费产生了重大影响[5]。
网络直播助推了消费模式的改变,丰富了消费者的体验。但目前电商直播面临着直播转化率低、技术障碍、直播者专业程度不够、法律政策风险等方面的问题[6]。直播内容要引起年轻用户的关注是网络购物消费的前提,“满足需求”是消费行为产生的根本动力[7]。
北师大新媒体传播研究中心通过对大量消费者的访谈资料分析(2020),归纳出消费者观看电商直播的五种消费心理,分别是实用型消费、社会交往型消费、粉丝型消费、场景型消费、情感型消费。受众在观看网络直播时的心理状态主要集中在“寻找认同下的投射心理、追求现场感、猎奇窥私心理和满足消费心理[8]。现阶段人们使用网络直播平台的外部动力是便捷高效的技术,而内部动力来自直播主播的吸引。用户对网络直播平台的持续使用行为与其持续使用意愿、感知有用性以及满意度直接关联[9]。
综上所述,目前学者们主要针对网络直播对整个市场消费模式的影响、网络直播面临的问题以及消费者心理等方面进行了相关的定性研究。而关于网络直播对线上消费影响的定量分析较少。基于此,我们将从网络直播对线上消费的影响、消费者对网络直播类型的偏爱、对网络直播的态度等方面开展调查,进行深入地定量分析,以展示目前网络直播对消费的影响现状。
本次调查研究着眼于网络直播对线上消费的提升,除调查单位的基本信息外,本次调查问卷采用量表与非量表问题结合的方式来进行考量,主要从4个方面设计问题,分别为观看直播的基本情况、对网络直播的态度、对网络直播类型的偏好、网上消费的影响因素。鉴于篇幅,此处略去具体问题。
调查对象涉及全国范围内18~45岁的中青年群体,主要以网络调查形式展开。为确保问卷设计的合理性,在全面发放问卷之前,进行了小范围的预调查,预调查问卷共发放80 份,回收80 份,其中有5 份问卷由于内容没有填写完整,视为无效。根据预调查问卷,修改了部分问题,在一定程度上保证了问卷的信度和效度。正式问卷预计发放900份,实际收到问卷893 份,对问卷进行筛选和数据预处理之后,剔除无效问卷,最后获取到具有价值信息的730 份问卷,有效率为81.7%,能够充分满足分析的需要。
本次调查中,男性被调查者有224 人,占比30.68%,女性被调查者有505 人,占比69.32%,被调查者男女比例接近1∶2。调查对象的年龄集中分布在18~45 岁,占比约为96.16%;其他年龄段的调查对象所占比例较小,约为3.84%。图1 的年龄分布词云图显示,20 岁左右的青年群体在18~45 岁的调查对象中居于主体。本科学历的调查者占比81.64%,专科学历占比9.59%;研究生和高中及以下学历的占比不足10%。因此,此次调查结果更加倾向于反映青年女性,主要是在校大学生参与网络直播的状况及其消费意愿。
图1 年龄分布词云图
在被调查对象中,经常观看网络直播的占比20.27%;有时观看网络直播的占比17.67%;观看网络直播频率一般的占比23.70%;很少观看网络直播的占比38.36%,可以看出大部分年轻群体在日常生活中都会观看网络直播。观看网络直播的平台虽多种多样,但较为集中。图2 显示,抖音平台的观看用户高达61.10%;淘宝、微博、哔哩哔哩观看直播的用户占比居中,分别为42.88%、34.11%、33.01%;使用快手、小红书、斗鱼、虎牙的用户占比相对稍低,分别为26.30%、19.04%、12.19%、10.96%;使用其他APP 的用户占比2.74%。可见抖音、淘宝、微博、哔哩哔哩这些知名度较高的社交类、购物类、视频类直播平台最受青年大学生青睐。
图2 直播软件使用情况柱状图
在这些直播节目内容中,娱乐综艺类、服饰美妆类、美食类的直播内容吸引了更多的调查对象;游戏类、教育类的用户也有一定的比例;明星秀、户外直播的用户占比较小。这说明调查用户更偏爱观看生活类产品的直播,见图3。
图3 观看直播类型柱状图
调查用户通过直播购买的产品集中在美妆护肤(52.88%)、服饰鞋包(44.38%)、食品(31.78%)、电子产品(17.81%)、家居用品(16.71%)、游戏装备(14.11%)等类别。由此可见,女性消费者是直播消费的主力(见图4)。
图4 直播产品购买类别分布饼图
信度,又叫可靠性,用于检验数据是否真实可靠,即研究样本是否真实回答了问题。针对李克特量表,常采用内部一致性α 系数来进行信度检验。通常,该系数大于0.7 即可。如果信度系数在0.6 及以下,应重新编制量表较为适宜。计算得到的网络直播对消费影响的问卷量表题总的内部一致性α 系数为0.717,大于0.7,表明回答者较为真实地回答了相关问题,问卷数据具有较高的可靠性。
效度检验用于研究题是否有效地表达了研究变量或维度的概念信息,即研究题的设置是否合理,或者用某题表示某个变量是否合适。采用探索性因子分析进行结构效度检验。通过SPSS 25.0计算网络直播对消费影响的问卷量表题得到的KMO 值和Bartlett 球形检验对应的P 值,见表1。KMO 值为0.747,大于0.6;Bartlett 球形检验对应的P 值小于0.05,通过了检验,说明适合使用探索性因子分析对题进行探索,探索得到4 个因子,表明题与因子具有较好的对应关系,这种对应关系与专业知识相符,并且所有的因子载荷系数的绝对值都大于0.4,旋转后的累计方差解释率为71.21%,并且4 个因子旋转后的方差解释率均高于10%。上述分析说明本问卷量表具有良好的结构效度(限于篇幅,结构效度分析汇总表此处略去)。
表1 KMO 和Bartlett 球形检验
为了更深入地研究网络直播对消费的影响,接下来我们将构建二元Logistic回归模型进行分析。该模型主要用于分析个体所面临的二分抉择行为,该抉择行为依赖于个体所具有的一组特征。因此,模型旨在寻求个体的特征与该个体做出特定抉择的概率之间的关系。
设Y 代表某种行为是否发生的二值变量,Xi=(Xi1,Xi2,…,Xik),(i=1,2,…,n)为其影响因素,则可建立如下多元回归模型:
其中,Yi为观测值为1和0的被解释变量;Xij为解释变量;βj 为待估参数;εi 为随机误差项。由于被解释变量不满足经典的计量经济学模型所要求的连续型变量,所以模型的随机误差项具有异方差性,而且模型左右两端变量的取值范围存在矛盾。这两方面的问题导致经典的参数估计方法无效。
为了使二元抉择问题的研究成为可能,通过建立随机效用模型将其转化为可研究的二元抉择模型[10-11],如下:
其中,p 为某行为发生的概率,F(·)表示逻辑分布的累计分布函数,即
则模型(3)即为二元Logistic 模型。利用最大似然估计法估计模型中的参数。
由(3)和(4)可得:
进而,Logistic回归函数也可以表达为:
为考察消费者在参与直播后的消费行为,选取是否因网络直播而增加消费指标作为因变量,即被解释变量Y 设置为二值类变量,当调查对象在回答“因网络直播增加消费的程度”时选择“从未”,即认定其不会增加消费,则Y 取值为0;若选择“很少”“一般”“有时”“经常”,则认定其会增加,此时Y 取值为1。模型中的自变量也按照这种思路,处理为二值变量,最终选取10 个自变量构建模型,自变量的具体定义见表2。
表2 变量定义
综合所调查的消费者的性别、关注的宣传平台、观看时长、消费支出等因素,以网络直播是否会增加消费者的消费支出作为因变量,构建Logistic 回归模型分析不同因素对消费者线上消费的影响程度。由于不能确定哪些自变量对因变量存在显著影响,我们首先将全部自变量纳入回归方程进行估计(见表3中的模型1),对于统计上不显著的自变量,再将其剔除,保留在回归方程中的自变量具有较高的统计显著性(见表3中的模型2)。
表3 二元Logistic回归分析结果汇总
注:(3)、(2)、(1)分别表示在1%、5%和10%的水平上显著。
以上回归结果显示,模型2 中的变量均在5%的水平上显著。Nagelkerke R2为0.355,意味着关注的宣传平台、观看视频后购买与否、月生活费、认知行为和性别这5 个因素可以解释因变量35.5%的原因。模型给出的预测准确性为78.8%,表明最终模型拟合情况相对较好。Hosmer 和Lemeshow 检验的P 值为0.136,大于0.05,也说明模型结果的真实情况与预测情况较为相符,没有较大的出入。
由模型2 的回归结果可以获知,关注的宣传平台、观看视频后购买与否、对产品的认可态度能显著增加消费的意愿,说明网络直播在一定程度上刺激了消费。消费者的性别因素显著地影响着直播线上消费程度,其中,女性因观看网络直播而增加消费的倾向显著高于男性,女性占网络直播消费的主导地位,所以网络主播及平台可以对女性市场进一步开发。月生活费显著地影响线上消费的金额,由于此次被调查者年龄大多在18~45 岁,学生党占主要部分,所以月生活费作为他们的可支配收入,决定了线上消费的意愿。
采用问卷调查的形式,对18~45 岁主要线上消费群体参与网络直播的情况及其消费行为进行了调查,运用Logistic 二值回归模型分析了网络直播对线上消费的影响。调查分析结果表明:在当今信息时代下,网络直播对线上消费起到了明显的推动作用。直播这种商业模式的变革大概率会推升消费模式的更新和升级。基于我们的研究,从个体消费提升全社会消费的角度,给出如下建议:
第一,加强对青年消费群体市场的创新与开发。新一代青年群体,尤其是90 后、00 后是新时代互联网真正的原住民,在互联网文化参与和消费中产生了海量的信息,这些信息就是极其富有价值的商业资产。网络直播平台可以充分利用其大数据资源获取优势,加强对年轻新生代消费群体消费信息的分析与共享,进一步发掘新的需求,巩固和刺激青年消费群体的市场需求。
第二,提升教育文化产品的消费规模和效率。教育文化类直播的观看比例居中,相比娱乐综艺和美妆美食等直播有极大地提升空间。在提升整个社会消费的同时,引导和鼓励青年消费群体加大在教育文化类产品的消费,为未来个人社会价值的发挥进行积极储备。
第三,直播平台根据消费者的可支配收入层次和直播类型的偏好,推送相应价格区间的消费产品。在刺激消费的同时,对消费者积极引导,避免出现盲目消费的现象,打造信息社会网络购物良性发展的模式。网络直播平台应该加强消费者合法权益的保护力度,提升消费者的获得感、幸福感和安全感。
[1]王林生.互联网文化消费的模式创新及发展趋势[J].深圳大学学报,2018(6):55-63.
[2]张枥尹.直播行业的繁荣对消费模式的影响[J].农村经济与科技,2018(8):85-87.
[3]余富强,胡鹏辉.拟真、身体与情感:消费社会中的网络直播探析[J].中国青年研究,2018(7):5-12.
[4]郭婉君,于春生.场景理论视域中乡村直播的价值与忧思[J].电视研究,2019(12):38-40.
[5]刘汉波.直播——视觉消费与权力隐喻[J].海南大学学报,2016(11):108-113.
[6]郑文生,吴洁,谢慧敏.电商直播发展现状与对策分析[J].吉林工程技术师范学院学报,2017(8):72-74.
[7]范又文,常宁.从传播学角度分析网络直播年轻用户消费行为及心理[J].中国报业,2018(8):14-15.
[8]续蔚一.网络直播平台受众的心理特征分析[J].新闻研究导刊,2016(18):10-18.
[9]马志浩,葛进平,周翔.网络直播用户的持续使用行为及主观幸福感——基于期望确认模型及准社会关系的理论视角[J].新闻与传播评论,2020(2):29-46.
[10]吴明隆.问卷统计分析实务——SPSS操作与应用[M].重庆:重庆大学出版社,2010.
[11]杨卓妍.互联网3.0时代的粉丝经济——“网红”商业模式分析[J].现代经济信息,2016(14):298-299.
[12]张石磊.浅析网络直播井喷式发展的原因及其存在的问题[J].新闻研究导刊,2017(2):268.
[13]张洪忠.直播电商的五种消费心理分析[N].中国新闻出版广电报,2020-05-06(4).
[14]杨沐晗,贾浩,张源霞,刘嘉月,何慧雪.社会化媒体营销环境下网络直播对消费行为的影响[J].管理观察,2018(1):59-61.
[15]]中国互联网络信息中心.等47次中国互联网络发展状况统计报告[EB/OL].(2021-02-03)[2021-02-21].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm
The Influence of Live Network Broadcast on Online Consumption