彈幕評論管理方式對在線消費行為的影響研究

● 袁海霞 陸亦蘅

(1, 2 安徽大學(xué)商學(xué)院 合肥 230601)

1.引言

隨著移動互聯(lián)網(wǎng)、網(wǎng)絡(luò)傳輸、視頻處理等技術(shù)的發(fā)展，尤其是移動終端設(shè)備的不斷升級，網(wǎng)絡(luò)視頻已成為僅次于即時通信的中國第二大互聯(lián)網(wǎng)應(yīng)用。截至2020年12月底，網(wǎng)絡(luò)視頻用戶規(guī)模達(dá)9.44億，產(chǎn)業(yè)規(guī)模突破6000億元(1)中國網(wǎng)絡(luò)視聽節(jié)目服務(wù)協(xié)會.2021年中國網(wǎng)絡(luò)視聽發(fā)展報告[EB/OL].https://n.znds.com/mip/54323.html , 2021-06-02.，行業(yè)整體發(fā)展態(tài)勢較好。同時，用戶的消費行為也發(fā)生了改變，在線社交需求萌芽，越來越多的用戶喜歡在收看視頻的同時與他人互動。網(wǎng)絡(luò)視頻行業(yè)紛紛嘗試將社交媒體屬性與視頻平臺融合，提供實時互動技術(shù)來滿足用戶在線視頻消費中的社交與分享需求，“彈幕”開始走入大眾視野并在短期內(nèi)獲得了成功。如成立于2009年的Bilibili作為最早采用彈幕系統(tǒng)的主要視頻網(wǎng)站之一，目前已躍居Alexa.com全球綜合排名第137名(2)Alexa[EB/OL].http://www.alexa.com,2021-08-23.。

然而隨著用戶彈幕交互數(shù)據(jù)的不斷增多，一方面信息展示的容量和空間有限，另一方面信息超載所帶來的負(fù)面影響也越來越大，“正念設(shè)計”(mindful design)迅速成為大型高科技企業(yè)關(guān)注的重要議題(3)埃森哲.Fjord趨勢2019[EB/OL].https://www.accenture.com/_acnmedia/Accenture/Redesign-Assets/DotCom/Documents/Local/1/Accenture-Fjord-Trends-2019-Full-Report-Executive-Summary-Chinese-version.pdf#zoom=50 , 2018-12-24.。對于網(wǎng)絡(luò)視頻行業(yè)來說，如何有效管理彈幕評論成為其面臨的難題。針對該問題，目前視頻平臺主要根據(jù)發(fā)布時間，基于“先進(jìn)先出”的原則對彈幕評論進(jìn)行管理，并在此基礎(chǔ)上針對不同時長的視頻，開通彈幕顯示數(shù)量上限、彈幕顯示速度、同屏彈幕密度等功能，試圖緩解信息超載所帶來的系列問題。但該管理方式是否能達(dá)到預(yù)期效果還缺乏嚴(yán)格的理論分析論證。2019年末一場突如其來的疫情，居民深居簡出，在線視頻消費更是迎來新一波的增長(4)艾瑞咨詢.疫情黑天鵝，多歧路安在？疫情影響下的用戶消費指數(shù)趨勢報告2020年[EB/OL].https://pdf.dfcfw.com/pdf/H3_AP202002251375443095_1.pdf?1582625747000.pdf , 2020-02-01.，在線視頻消費中萌生的彈幕評論需求與行為表達(dá)也達(dá)到一個新的峰值。對網(wǎng)絡(luò)視頻行業(yè)來說，彈幕評論的管理問題再次被推到風(fēng)口浪尖。如何高效管理彈幕評論，并以此為契機(jī)，挽留用戶并提高用戶黏性，成為該行業(yè)在未來發(fā)展中急需解決的重要問題。

彈幕是一種新形式的網(wǎng)絡(luò)口碑，是插入到視頻播放時間點上的用戶評論，其內(nèi)容屬性、信息結(jié)構(gòu)等對視頻流行度、觀看量等有重要的影響(Zhang et al., 2020; Li et al., 2021)。對于網(wǎng)絡(luò)口碑時間因素的研究，部分學(xué)者認(rèn)為在電商平臺上，口碑時間距離影響對評論有用性的感知(王長征等，2015)?？诒嬖谒ソ咝?yīng)，后時間點出現(xiàn)的追評能緩解口碑衰竭的負(fù)面作用(鄧衛(wèi)華和易明，2019)。因此，在電商平臺上基于時間因素的信息管理效果相對較好。但網(wǎng)絡(luò)視頻消費中的彈幕評論與電商平臺的網(wǎng)絡(luò)口碑不同，彈幕評論是基于視頻時間點的消費體驗表達(dá)，并非對整體產(chǎn)品在不同時間點的評價，且在顯示過程中并未在視頻上方同步顯示發(fā)布者，因此即便是同一用戶在同一時刻的兩次不同的消費體驗，也并非以“追加評論”的形式展示給其他個體。因此，基于發(fā)布時間對彈幕評論進(jìn)行管理的效果也存在諸多不確定性。此外，在學(xué)術(shù)界對彈幕評論管理問題的研究并不多見，一些重要的問題亟待解決：對于網(wǎng)絡(luò)視頻行業(yè)來說，以發(fā)布時間為依據(jù)，基于“先進(jìn)先出”的原則對彈幕評論進(jìn)行管理是否合理？如未能“如愿”，怎樣的管理方式才最有效？

為回答上述問題，本文基于國內(nèi)知名彈幕視頻網(wǎng)站的數(shù)據(jù)，對網(wǎng)絡(luò)視頻行業(yè)“先進(jìn)先出”的彈幕評論管理方式的有效性進(jìn)行分析，并基于要素貢獻(xiàn)理論，在度量彈幕評論貢獻(xiàn)的基礎(chǔ)上，采用動態(tài)面板數(shù)據(jù)模型對基于要素貢獻(xiàn)的信息管理方式的有效性進(jìn)行了論證。

2.理論基礎(chǔ)及相關(guān)研究述評

2.1 信息過載

信息技術(shù)的發(fā)展帶來了數(shù)字信息的爆炸式增長，對用戶信息接收、處理能力等帶來挑戰(zhàn)，引致信息過載。信息過載是信息總量大大超過需要，從而使個體在給定時間內(nèi)理性處理帶來困難(Eppler & Mengis，2004)。從產(chǎn)生原因來看，信息過載有內(nèi)部和外部因素兩種。其中信息處理能力、信息量等是導(dǎo)致信息過載的內(nèi)部因素。信息質(zhì)量、屬性、技術(shù)等是造成信息過載的外部因素。外部因素不會直接導(dǎo)致信息過載，但會通過內(nèi)部因素引發(fā)信息過載(Cheng et al., 2020)。信息過載主要有兩種類型：主觀信息過載和客觀信息過載(Eppler & Mengis，2004)?；谥饔^體驗角度的信息過載描述了人們面對過量信息時的個人情感，如壓力、焦慮等負(fù)面情感(Hargittai & Hsieh, 2012)。客觀信息過載主要是從信息本身的屬性或特征進(jìn)行表述的，如信息的復(fù)雜度等(Cheng et al., 2020)。

現(xiàn)有研究認(rèn)為信息過載影響個人的信息檢索、分析、組織和行為決策，尤其在網(wǎng)絡(luò)環(huán)境中該影響更為突出。Soto-Acosta等(2014)研究發(fā)現(xiàn)一方面信息超載正向影響消費者購買傾向，另一方面信息超載又會通過感知風(fēng)險負(fù)向影響在線購買傾向。Zinko等(2020)認(rèn)為信息過載負(fù)向影響個體的信任和購買傾向。Furner等(2016)認(rèn)為信息載荷與信任和購買之間呈倒“U”形關(guān)系，適度的網(wǎng)絡(luò)口碑帶來的購買傾向最優(yōu)。近年來隨著社交媒體的興起，部分學(xué)者也對社交媒體超載現(xiàn)象進(jìn)行了分析，發(fā)現(xiàn)一方面信息過載引致個體疲憊，提高其不持續(xù)使用的意愿(郭佳和曹芬芳，2018)；另一方面社交媒體信息超載正向影響流體驗，削弱其不持續(xù)使用意愿(林家寶等，2019)。總之，雖然現(xiàn)有研究對互聯(lián)網(wǎng)環(huán)境中信息過載對個人行為的影響結(jié)果并未達(dá)成一致意見，但不可否認(rèn)的是，大部分研究認(rèn)為信息過載對個人決策有一定的負(fù)面作用。對此負(fù)面效應(yīng)的管理，現(xiàn)有研究主要從信息用戶(Qihao et al., 2014)和信息服務(wù)者(Lee et al., 2016)兩個方面提出了應(yīng)對策略。

如前所述，彈幕評論與在線評論不同，在線評論主要為在線購買行為決策服務(wù)。而對于網(wǎng)絡(luò)視頻上的彈幕來說，其萌生是基于消費者在線視頻消費的社交需求，娛樂體驗、分享是其存在的根本。因此，忽略彈幕評論的內(nèi)容屬性，單純從信息用戶、信息服務(wù)者的平臺環(huán)境等方面尋求治理對策，很難達(dá)到預(yù)期的目的。對此，本文力圖從彈幕產(chǎn)生的根源出發(fā)，在對網(wǎng)絡(luò)視頻行業(yè)的彈幕信息過載現(xiàn)象深入研究的基礎(chǔ)上，探究彈幕評論的管理方式，進(jìn)一步豐富信息過載理論的研究成果。

2.2 彈幕視頻管理

現(xiàn)有對彈幕視頻分析及其管理的研究主要集中在：一是基于彈幕的視頻片段自動標(biāo)簽技術(shù)。Wu等(2014)采用統(tǒng)計和主題模型構(gòu)建了一個時間和個性化主題模型(Temporal and Personalized Value Modeling, TPTM)，提供一種基于彈幕關(guān)鍵字的視頻片段標(biāo)簽技術(shù)。由于該分析技術(shù)不僅需要評論發(fā)布者的ID等私人信息，且在分析過程中未考慮評論的語義，在應(yīng)用方面存在一定局限。隨后Yang等(2017)提出了一種無監(jiān)督視頻標(biāo)簽提取算法——語義權(quán)重—逆文檔頻率(Semantic Weight-Inverse Document Frequency，SW-IDF)，使用語義相似性和彈幕時間戳生成語義關(guān)聯(lián)圖(Semantic Association Graph, SAG)，通過將彈幕在不同主題的聚集與基于SAG的不同彈幕的權(quán)重分配，來識別有意義的彈幕評論。二是基于彈幕的視頻精彩鏡頭識別。以彈幕為表現(xiàn)形式的時間同步評論是用戶主觀情感的表達(dá)，對其分析和利用有助于提高個性化視頻推薦的效果。對此Xian等(2015)利用潛在狄利克雷分布在對彈幕主題分析的基礎(chǔ)上，構(gòu)建了基于彈幕的視頻精彩鏡頭識別監(jiān)測法。由此不難發(fā)現(xiàn)，上述研究都以彈幕內(nèi)容為基礎(chǔ)，對彈幕視頻識別及個性化推薦等進(jìn)行了研究，但忽略了彈幕情感，為此鄧揚等(2017)提出了基于彈幕情感的視頻片段推薦模型，利用彈幕分析視頻片段中用戶的情感及交互情況，計算視頻片段的情感及相似度，以此來進(jìn)行視頻的推薦。

綜上，隨著彈幕視頻的流行，現(xiàn)有研究以彈幕內(nèi)容、情感為切入點對相關(guān)的視頻標(biāo)簽、推薦及精彩片段識別等問題進(jìn)行了深入研究，對彈幕視頻管理提供了很好的指導(dǎo)。但需要注意的是，已有研究都忽略了一個重要的問題：由于信息過載和展示空間的限制，彈幕系統(tǒng)自身也處于不斷更新中，如何判斷和識別更有價值的彈幕評論，是視頻管理的根本。此外，在實踐中，現(xiàn)有網(wǎng)絡(luò)視頻平臺多基于時間因素，按照“先進(jìn)先出”的原則對彈幕進(jìn)行管理。但該彈幕評論管理方式是否可行，以及怎樣的方式才更有效還有待進(jìn)一步論證。

2.3 在線消費行為

消費行為是營銷研究的基礎(chǔ)。數(shù)字化對營銷顛覆和變革的根源都在于消費行為的變化。數(shù)字化時代消費者因信息擁有了最大的主動權(quán)和話語權(quán)，并以信息為中心形成了截然不同的行為決策模式(盧泰宏，2017)。消費者以新的方式與品牌建立聯(lián)結(jié)，其行為不再是逐步縮小范圍的“漏斗式”過程，而是“環(huán)狀”往復(fù)的，由“購買環(huán)”和“忠誠度環(huán)”兩個內(nèi)切小環(huán)構(gòu)成，其中“購買環(huán)”消費行為包括考慮、評估、購買，“忠誠度環(huán)”消費行為由體驗、互粉和信任構(gòu)成，該模型也被稱為消費者決策進(jìn)程模型(Court et al., 2009)。該模型認(rèn)為在線消費行為是一個過程，而不是一個時間點上的結(jié)果。本文將以此模型為基礎(chǔ)，從在線消費行為過程出發(fā)來探究彈幕評論管理方式的有效性。

3.研究假設(shè)

信息是一系列增值活動的支持性要素，其質(zhì)量是消費者決策的重要參考。徐嘉徽等(2019)認(rèn)為信息質(zhì)量是一個多維度概念，由信息內(nèi)容質(zhì)量、信息效用質(zhì)量和信息載體質(zhì)量構(gòu)成。信息的內(nèi)容質(zhì)量強(qiáng)調(diào)信息內(nèi)容與客觀實際吻合，信息效用質(zhì)量是指信息的適用性和及時性，信息載體質(zhì)量主要是指網(wǎng)絡(luò)媒體完成信息交付的效果。彈幕是一種新形式的網(wǎng)絡(luò)口碑信息，隨著在線交互的不斷增多，彈幕數(shù)量呈爆發(fā)式增長。由于網(wǎng)絡(luò)視頻網(wǎng)站空間和容量有限，現(xiàn)有主流視頻網(wǎng)站多基于“先進(jìn)先出”的原則對視頻信息進(jìn)行管理，即按照彈幕發(fā)布的時間先后對信息篩選并在視頻上方自左向右滾動呈現(xiàn)。鑒于彈幕技術(shù)的開發(fā)越來越成熟，現(xiàn)有網(wǎng)絡(luò)視頻平臺能及時、準(zhǔn)確地進(jìn)行信息的交付，故本文將從效用質(zhì)量和內(nèi)容質(zhì)量兩個方面對“先進(jìn)先出”的彈幕評論管理方式的有效性進(jìn)行分析。

首先，從效用質(zhì)量來看，信息的適用性是指信息內(nèi)容是否符合甚至超出用戶期望的情況(徐嘉徽等，2019)。網(wǎng)絡(luò)視頻彈幕是當(dāng)下視頻時刻圍繞視頻內(nèi)容所產(chǎn)生的個體體驗，有交流型、內(nèi)容型和情感型三種，且類型不同影響效果存在差異(Zhang et al., 2020)。但不同類型的彈幕是基于用戶主觀體驗的表達(dá)，與發(fā)布的時間并未有明確的關(guān)聯(lián)。此外，信息及時性是指信息具有明顯的時效性，信息發(fā)布的時間越近，越能體現(xiàn)產(chǎn)品或服務(wù)的最新情況，對用戶決策的影響也就越大(徐嘉徽等，2019)。尤其對于網(wǎng)絡(luò)口碑來說，產(chǎn)品使用時間越長，后發(fā)布的評論對產(chǎn)品全面了解和準(zhǔn)確評價的可能性也就越大(胡常春和寧昌會，2017)。但彈幕評論與網(wǎng)絡(luò)口碑不同，網(wǎng)絡(luò)口碑是對評價主體的整體評估(喬曉嬌等，2021)，從本質(zhì)上來講是一種消費后評價，評價內(nèi)容主要涉及產(chǎn)品屬性、相關(guān)服務(wù)及購買情況(袁海霞等，2019)。網(wǎng)絡(luò)視頻彈幕評論是對當(dāng)下視頻時間點視頻內(nèi)容的溝通和交流，是基于個人社交需求而萌生一種動態(tài)的瞬間消費流信息(Zhang et al., 2020)。因此，與網(wǎng)絡(luò)口碑不同，彈幕更多是個體在該視頻時刻的個體體驗，具有很大的主觀性和時刻內(nèi)容針對性，且視頻的內(nèi)容相對比較穩(wěn)定，很難說明后發(fā)布的彈幕評論更能體現(xiàn)產(chǎn)品的最新情況。

其次，從內(nèi)容質(zhì)量來看，分為主要內(nèi)容的豐富性和表達(dá)的完整性兩個方面(Zhang et al., 2020)。Amblee和Bui(2011)認(rèn)為產(chǎn)品信息的豐富性與所提供的信息數(shù)量有關(guān)，信息數(shù)量越多，信息內(nèi)容也就越豐富，相應(yīng)的信息質(zhì)量也就越高，越利于消費者做出購買決策。對于彈幕來說，其展示的容量和空間有限，難以像電商平臺一樣展示所有評論內(nèi)容，很難從信息數(shù)量來推測信息內(nèi)容的豐富性；且在評論內(nèi)容的字?jǐn)?shù)上，雖然多數(shù)理論研究認(rèn)為評論字?jǐn)?shù)越多，該評論有用性越高(Pan & Zhang, 2011)，但并未有研究發(fā)現(xiàn)評論發(fā)布時間與字?jǐn)?shù)之間存在明確的關(guān)聯(lián)，因此，很難說明在同一視頻時刻發(fā)布較晚的彈幕字?jǐn)?shù)更多、內(nèi)容更豐富。

因此，本文認(rèn)為彈幕評論信息質(zhì)量與評論發(fā)布時間并無明確的關(guān)聯(lián)，以時間為依據(jù)，基于“先進(jìn)先出”的方式對彈幕信息進(jìn)行管理在信息質(zhì)量上沒有新的貢獻(xiàn)，也未能為消費行為決策過程提供更有效的信息，鑒于此，提出假設(shè)H1：

H1：“先進(jìn)先出”的信息管理方式對在線消費行為無顯著的正向影響。

4.研究一：“先進(jìn)先出”與在線消費行為

4.1 數(shù)據(jù)描述與處理

4.1.1 數(shù)據(jù)的抓取和清洗

本文數(shù)據(jù)主要來自國內(nèi)知名彈幕視頻網(wǎng)站Bilibili(www.bilibili.com)(簡稱B站)。本文之所以選擇B站的原因有兩個：首先，B站是國內(nèi)目前最活躍的視頻節(jié)目網(wǎng)站之一，其活躍用戶超過1.5億，每天視頻播放量超過1億，原創(chuàng)投稿總數(shù)超過1000萬，所以B站數(shù)據(jù)對于捕捉我國消費者的網(wǎng)絡(luò)視頻收視需求具有良好的代表性。其次，B站的最大特色為本文所關(guān)注的動態(tài)瞬間消費流信息——“彈幕”。盡管目前國內(nèi)大部分的視頻網(wǎng)站，如優(yōu)酷、騰訊視頻、愛奇藝等也紛紛開通彈幕功能，但B站是國內(nèi)成立最早且最活躍的彈幕視頻網(wǎng)站之一，并于2018年3月28日在美國納斯達(dá)克上市，其彈幕數(shù)量超過10億條，提供了豐富的信息來研究網(wǎng)絡(luò)視頻網(wǎng)站彈幕評論的管理問題。

基于此，本文以B站截至2019年3月6日上傳的所有電影(共1091部)為研究對象，從2019年3月6日至2019年5月18日，利用爬蟲程序每三天定時對上述影片的彈幕量、彈幕文本、觀看量、點贊量、收藏量、分享量、評論量等相關(guān)信息進(jìn)行采集，刪除網(wǎng)絡(luò)原因造成的數(shù)據(jù)缺失、至少有一期彈幕量小于8000(5)B站規(guī)定視頻時長大于60分鐘的，最大彈幕量為8000。鑒于本文研究的主要問題為信息過載下的信息管理，故只保留了彈幕量大于最大顯示量8000的樣本。的電影后，最終獲取25期133個研究對象(基本信息如表1所示)的3325條基本信息數(shù)據(jù)和26600000條彈幕評論的內(nèi)容、發(fā)布時間、發(fā)布者、發(fā)布的視頻時間等。

表1 影片類型概況

4.1.2 數(shù)據(jù)處理

(1)彈幕情感分析。常見的情感分析方法主要有基于情感詞典的情感分析法和基于監(jiān)督學(xué)習(xí)算法的情感分析法。本文在對中國知網(wǎng)、臺灣大學(xué)和清華大學(xué)情感詞典整合的基礎(chǔ)上，利用R軟件采用基于情感詞典的分析方法，對每部電影每期所有彈幕的情感進(jìn)行分析，并匯總得出每部電影每期的情感得分。

(2)變量的說明。根據(jù)消費者決策進(jìn)程模型，對在線視頻消費行為過程劃分階段，如表2所示?？紤]是指個體在作出購買決策前，涌現(xiàn)于備選方案中的產(chǎn)品或品牌，隨后個體會借助互聯(lián)網(wǎng)搜索、個人社交網(wǎng)絡(luò)等擴(kuò)大期初考慮范圍，并進(jìn)行評估(Edelman, 2010)。對于這兩個階段來說，更多的是個體的一種心理活動，并未轉(zhuǎn)化為具體的行為，很難進(jìn)行實時的記錄和度量，故本文在對購買環(huán)行為分析時未考慮該行為。對于網(wǎng)絡(luò)視頻來說，觀看是消費需求的表達(dá)，屬于購買觸點行為(張藍(lán)姍和葛欣怡，2018)。點贊表示用戶對信息內(nèi)容認(rèn)可(黃敏學(xué)等，2017)，收藏也是一種在線消費行為，是繼關(guān)注后對個人消費意愿的行為表達(dá)(張紅宇等，2014)，在視頻消費情景中，是觀看行為體驗滿意后的一種再消費意愿。故本文點贊量和收藏量屬于“忠誠度環(huán)”體驗階段行為。在互粉階段，體驗滿意的用戶會通過自媒體、口碑等分享推介品牌，同時也會帶來重復(fù)購買行為(Edelman, 2010)。B站投幣屬于一種打賞行為，通過贈予虛擬金幣來表達(dá)對消費內(nèi)容的贊賞(張聰?shù)龋?015)，對于視頻行業(yè)來說，與觀看這一初級行為相比，投幣是信任帶來的重復(fù)購買。

表2 在線視頻消費行為階段分析

(3)變量的處理。在數(shù)據(jù)采集、情感分析的基礎(chǔ)上，獲得每部影片每期的彈幕數(shù)量、彈幕情感、觀看量、收藏量、點贊量、分享量、硬幣量、評論量等基本信息，并對相關(guān)變量進(jìn)行了對數(shù)處理，具體如表3所示。對于現(xiàn)有彈幕的“先進(jìn)先出”機(jī)制，彈幕內(nèi)容按照發(fā)布時間進(jìn)行更新，故本文在對此進(jìn)行處理時，將所有期的彈幕按照順序進(jìn)行編碼。

表3 變量基本信息

4.2 模型構(gòu)建

根據(jù)現(xiàn)有視頻平臺信息篩選的基本原則，本文構(gòu)建時間固定效應(yīng)模型來分析，見公式(1)，其中Y代表在線消費行為，X為自變量，D為時間虛擬變量(第1期為基期)。

Yit=β0+β1X1t+β2X2t+…+βnXnt+γ2D2t+…+γ25D25t

(1)

4.3 實證結(jié)果

4.3.1 單位根與協(xié)整檢驗

為避免偽回歸，在對面板數(shù)據(jù)分析前，本文采用LLC檢驗、HT檢驗和IPS檢驗進(jìn)行單位根檢驗，結(jié)果如表4所示，在原值檢驗的情況下，部分變量并未通過，即存在單位根。一階差分序列中所有變量都具有平穩(wěn)性，即一階單整。鑒于各變量一階單整，本文采用Kao方法進(jìn)行協(xié)整檢驗，結(jié)果如表5所示，結(jié)果顯示模型1～4變量之間穩(wěn)定的長期均衡關(guān)系，與模型5之間不存在長期均衡關(guān)系。

表4 單位根檢驗結(jié)果

4.3.2 模型估計

采用時間固定效應(yīng)模型以第1期數(shù)據(jù)為基期，對公式(1)參數(shù)進(jìn)行估計，結(jié)果如表5所示?；凇跋冗M(jìn)先出”方式對每期彈幕信息進(jìn)行管理的結(jié)果在觀看量、點贊量、收藏量、分享量、硬幣量等消費行為過程中，并未表現(xiàn)出明顯的時間遞增趨勢，即時間虛擬變量D的系數(shù)變化未呈現(xiàn)出明顯的逐期遞增趨勢。說明基于“先進(jìn)先出”的彈幕評論信息管理方式對在線消費行為的影響不顯著，假設(shè)H1成立。

綜上，本文研究發(fā)現(xiàn)，彈幕視頻網(wǎng)站以時間為依據(jù)，在信息容量的限制下，基于“先進(jìn)先出”的方式對彈幕評論進(jìn)行管理，雖然在一定程度上減輕了平臺與用戶因信息超載帶來的問題，但在引導(dǎo)在線消費行為轉(zhuǎn)化、提高用戶黏性方面并未實現(xiàn)其預(yù)期目標(biāo)，也很難對在線視頻網(wǎng)站期望以彈幕評論為契機(jī)，提高其用戶黏性與留存提供指導(dǎo)。本文認(rèn)為，注意力經(jīng)濟(jì)的存在使個體越來越關(guān)注能為其帶來價值的信息，因此從彈幕評論的價值出發(fā)來對信息進(jìn)行管理，可能在推動在線消費行為轉(zhuǎn)化中有不可低估的作用。鑒于此，本文以要素貢獻(xiàn)理論為基礎(chǔ)，探索彈幕評論的管理方式。

5.研究二： “要素貢獻(xiàn)”與在線消費行為

5.1 研究假設(shè)

要素貢獻(xiàn)是按要素分配理論的一個核心概念，是按各類生產(chǎn)要素在生產(chǎn)過程中所起的作用進(jìn)行分配，也被部分學(xué)者認(rèn)為是按要素分配的實質(zhì)和檢驗要素分配合理性最準(zhǔn)確的衡量標(biāo)準(zhǔn)(孫詠梅，2003)。要素是指參與直接社會生產(chǎn)的生產(chǎn)要素，要素參與社會生產(chǎn)投入并能轉(zhuǎn)換成可預(yù)見的產(chǎn)出，最終實現(xiàn)經(jīng)濟(jì)效用。要素貢獻(xiàn)即要素在生產(chǎn)過程中發(fā)揮作用的質(zhì)和量。要素雖然是經(jīng)濟(jì)學(xué)領(lǐng)域的一個核心概念，但在企業(yè)管理領(lǐng)域(如營銷資源的優(yōu)化配置)同樣也備受關(guān)注(Saboo et al., 2016)。

對于網(wǎng)絡(luò)視頻網(wǎng)站來說，由于資本、空間、容量等因素的限制，如何實現(xiàn)在既有條件下的生產(chǎn)要素投入最大化也是其面臨的一個關(guān)鍵問題。在彈幕視頻網(wǎng)站上，視頻觀看者在同一視頻時刻的體驗、情感等不同，隨著彈幕數(shù)量的不斷增多，其內(nèi)容將被不斷豐富和完善，逐漸形成更豐富和多元化的主題或話題(Zhang et al., 2020)。根據(jù)按要素分配理論，由于每條彈幕在形成主題或話題時的貢獻(xiàn)不同，對信息內(nèi)容特征(信息量、形式、表達(dá)全面、簡介等)的貢獻(xiàn)有差異。按照要素貢獻(xiàn)對彈幕信息進(jìn)行管理，從內(nèi)容質(zhì)量來看，這意味著對主題有較大貢獻(xiàn)的彈幕被保留下來，信息的有用性和內(nèi)容的豐富性得到提升(馮纓和王娟，2017)。此外，當(dāng)越來越多的具有更高信息價值的彈幕被提供時，越有可能滿足甚至是超出利用彈幕進(jìn)行在線社交的需求，提高彈幕效用質(zhì)量。因此，本文認(rèn)為在彈幕視頻網(wǎng)站既有資源的限定條件下，基于按要素分配理論，根據(jù)彈幕在相關(guān)主題或話題模型中的貢獻(xiàn)進(jìn)行資源的配置和管理，能提高彈幕信息質(zhì)量，滿足用戶互動需求，提高個體參與度，并最終影響視頻觀看者的行為。鑒于此，提出假設(shè)H2：

H2：基于“要素貢獻(xiàn)”的信息管理方式對在線消費行為有顯著的正向影響。

5.2 數(shù)據(jù)說明和變量處理

本部分仍使用研究一抓取和處理后的數(shù)據(jù)，在主題模型分析的基礎(chǔ)上，通過確定有主題貢獻(xiàn)的彈幕評論來衡量基于“要素貢獻(xiàn)”的彈幕評論。具體來說，首先，在Zhang等(2020)研究的基礎(chǔ)上，將主題數(shù)規(guī)定為3，利用R軟件基于潛在狄利克雷分布(LDA)對每部電影在數(shù)據(jù)采集期內(nèi)所有彈幕內(nèi)容的主題進(jìn)行分析，確定每條彈幕評論的主題概率分布；其次，根據(jù)每期彈幕的文檔—主題概率矩陣，匯總每期內(nèi)主題概率矩陣大于0的彈幕數(shù)量，得到該部影片在該期內(nèi)有主題價值貢獻(xiàn)的彈幕數(shù)(如表6所示)。

表6 某部影片有主題貢獻(xiàn)的彈幕數(shù)量確定

5.3 模型構(gòu)建

首先，采用靜態(tài)面板模型進(jìn)行實證研究，根據(jù)不同階段的消費行為的基本情況，構(gòu)建如下模型，見公式(2)：

(2)

其次，考慮到影響因素的變化會存在一定的滯后性，本文在借鑒網(wǎng)絡(luò)口碑的研究成果基礎(chǔ)上(Rui et al., 2010)，將滯后一期的被解釋變量引入模型，構(gòu)建動態(tài)面板模型進(jìn)行研究。

5.4 實證分析

5.4.1 單位根與協(xié)整檢驗

為避免偽回歸，在前文的基礎(chǔ)上對基于要素貢獻(xiàn)的彈幕數(shù)量進(jìn)行單位各檢驗，結(jié)果發(fā)現(xiàn)原值：LLC(14.7943)，HT(-53.7908***)，IPS(-1.6460)；一階差分后：LLC(-0.0419***)，HT(-1.3e+02***)，IPS(-4.9945**)，一階差分后平穩(wěn)。同時協(xié)整檢驗結(jié)果顯示變量之間存在穩(wěn)定的長期均衡關(guān)系，見表7。

表7 協(xié)整檢驗——Kao檢驗的ADF值

5.4.2 靜態(tài)面板估計

在此基礎(chǔ)上，本文進(jìn)一步對Model 6至Model 10建立的面板模型進(jìn)行效應(yīng)模型選擇，結(jié)果如表8所示，全部P值均小于0.05，即選擇固定效應(yīng)模型估計更有效。靜態(tài)面板模型估計結(jié)果如表8所示。有主題貢獻(xiàn)的彈幕數(shù)量正向影響用戶的分享行為，與用戶的點贊和收藏?zé)o關(guān)，但與用戶的觀看、硬幣有負(fù)向影響。由于忽略了行為的慣性，未考慮個體過去行為對當(dāng)前的影響，當(dāng)前結(jié)論客觀性和準(zhǔn)確性有限，為此，本文構(gòu)建動態(tài)面板模型進(jìn)一步分析。

表8 靜態(tài)面板模型參數(shù)估計結(jié)果

5.4.3 動態(tài)面板估計

消費者行為會受到從眾效應(yīng)的影響，前一期的行為可能影響后一期行為結(jié)果。在借鑒現(xiàn)有研究的基礎(chǔ)上(黃敏學(xué)等，2015)，結(jié)合在線消費行為的特點(Court et al., 2009)，將在線消費行為的滯后項引入模型建立動態(tài)面板模型，并利用GMM進(jìn)行估計。結(jié)合本文數(shù)據(jù)的特點，當(dāng)被解釋變量二階滯后時，觀看量的差分GMM(AR(3)p值為0.0024)和系統(tǒng)GMM(AR(3)p值為0.0001)、收藏量的差分GMM(AR(3)p值為0.0157)和系統(tǒng)GMM(AR(3)p值為0.0189)、分享量的差分GMM(AR(2)p值為0.0004)和系統(tǒng)GMM(AR(2)p值為0.0952)、硬幣量的差分GMM(AR(2)p值為0.0025)存在高階自相關(guān)，但一階滯后不存在高階自相關(guān)，故本文對此采用一階滯后。點贊量和硬幣量三階滯后時，不存在二階自相關(guān)，但四階滯后時，點贊量差分GMM(AR(3)p值為0.0168)和系統(tǒng)GMM(AR(3)p值為0.0085)、硬幣量系統(tǒng)GMM(AR(3)p值為0.0053)存在高階自相關(guān)，故對此采用三階滯后。

表9 動態(tài)面板模型參數(shù)估計結(jié)果

與差分GMM相比，系統(tǒng)GMM可提高估計的效率，故本文采用系統(tǒng)GMM估計結(jié)果進(jìn)行分析，結(jié)果如表9所示。模型估計結(jié)果顯示W(wǎng)ald檢驗值在0.001水平上顯著，AR(1)檢驗結(jié)果顯示擾動項差分存在一階自相關(guān)，AR(2)檢驗顯示一階差分后的殘差不存在二階自相關(guān)，即本文設(shè)定的動態(tài)面板模型合理。同時分析結(jié)果顯示，從長期來看基于要素貢獻(xiàn)的彈幕數(shù)量正向影響用戶的分享(β=0.0046***)與投幣(β=0.0023***)行為，但負(fù)向影響觀看(β=-0.0029***)、點贊(β=-0.0013***)、收藏(β=-0.0036***)行為，假設(shè)H2部分成立。

6.討論

6.1 研究結(jié)論

本文以信息過載理論和要素貢獻(xiàn)理論為基礎(chǔ)，以B站為研究對象，從在線消費行為出發(fā)，對“先進(jìn)先出”的彈幕信息管理方式的有效性進(jìn)行了論證，并提出了基于要素貢獻(xiàn)的彈幕信息管理手段。主要發(fā)現(xiàn)如下：

首先，“先進(jìn)先出”的彈幕評論管理方式并不會引起消費行為的變化。彈幕評論發(fā)布時間與信息的豐富性、娛樂性之間并無明確的關(guān)聯(lián)，對在線視頻消費中的觀看、點贊、收藏、分享、投幣、評論等行為無顯著的影響，即“先進(jìn)先出”的信息管理機(jī)制并不能提升用戶在線視頻消費體驗，也很難實現(xiàn)以彈幕評論為契機(jī)的用戶黏性的保持與提升。

其次，基于要素貢獻(xiàn)的彈幕評論管理模式正向影響在線消費行為過程的階段性行為。具體來說，基于主題貢獻(xiàn)的彈幕評論管理方式正向影響用戶的分享、投幣行為，但負(fù)向影響觀看、點贊和收藏。有主題貢獻(xiàn)的彈幕數(shù)量越多，提供關(guān)于情感表達(dá)、內(nèi)容和在線溝通的信息也就越豐富，越能較好地滿足用戶在線互動、溝通的社交需求，能帶來分享量的提升。同時對個體來說，需求的滿足也會促進(jìn)用戶下沉，互粉后將促使信任行為的產(chǎn)生，推動投幣行為出現(xiàn)。此外，彈幕是一種實時的互動交流，也是在線評論的一種，所以有主題貢獻(xiàn)的彈幕數(shù)量越多，越削弱個體發(fā)布評論的動機(jī)。比較遺憾的是，本文的研究發(fā)現(xiàn)，有主題貢獻(xiàn)的彈幕數(shù)量與點贊和收藏行為負(fù)相關(guān)。點贊和收藏屬于在線消費行為過程中的體驗行為，與主題相關(guān)的彈幕數(shù)量越多，可能帶來與電影內(nèi)容相關(guān)的信息也越大，在一定程度上造成了“劇透”，影響了個體的體驗，造成了點贊和收藏行為的下降。本文的研究也發(fā)現(xiàn)具有主題貢獻(xiàn)的彈幕數(shù)量與個人的觀看行為負(fù)相關(guān)，這一研究結(jié)果的產(chǎn)生可能是網(wǎng)站設(shè)計的規(guī)則導(dǎo)致的，個體觀影之前無法獲悉彈幕的具體信息，且當(dāng)看到彈幕時，相應(yīng)的觀看量已經(jīng)產(chǎn)生。網(wǎng)絡(luò)視頻網(wǎng)站的這一設(shè)計規(guī)則可能是導(dǎo)致本文獲得此研究結(jié)論的主要原因。

總之，本文認(rèn)為“先進(jìn)先出”的信息管理模式對在線消費行為無顯著的影響，基于要素貢獻(xiàn)的信息管理模式能有效促進(jìn)“忠誠度環(huán)”深度在線消費行為的產(chǎn)生。

6.2 理論貢獻(xiàn)與實踐意義

本文從網(wǎng)絡(luò)視頻網(wǎng)站彈幕評論信息管理問題及現(xiàn)有研究的缺口出發(fā)，基于信息過載理論和要素貢獻(xiàn)理論，對彈幕評論的管理方式進(jìn)行了深入分析，理論貢獻(xiàn)如下：首先，在理論上首次對現(xiàn)行的彈幕信息管理模式的效用進(jìn)行了分析論證?！跋冗M(jìn)先出”的基于時間順序的信息管理方式，是目前大多數(shù)視頻平臺采納的信息管理手段，本文首次從實證角度對該信息管理方式的有效性進(jìn)行了論證。其次，提出了一種基于要素貢獻(xiàn)的彈幕評論信息管理新方式。以往對彈幕視頻管理的研究多集中于視頻標(biāo)簽、視頻推薦及精彩片段識別等問題，缺乏對彈幕評論本身管理問題的研究。本文基于要素貢獻(xiàn)理論，構(gòu)建了一種新的彈幕評論管理方式，并深入分析了該信息管理方式與在線消費行為過程的復(fù)雜關(guān)系，豐富了網(wǎng)絡(luò)視頻網(wǎng)站彈幕評論信息管理的相關(guān)研究成果。

同時，本文的研究結(jié)論也為網(wǎng)絡(luò)視頻行業(yè)動態(tài)瞬間消費流信息的管理提供了重要啟示：

(1)“先進(jìn)先出”的彈幕評論管理模式并不能帶來在線消費行為的演化升級?，F(xiàn)行的以發(fā)布時間為主要信息管理標(biāo)準(zhǔn)的管理模式需要調(diào)整和完善。

(2)以要素貢獻(xiàn)為標(biāo)準(zhǔn)的彈幕評論管理模式對“購買環(huán)”消費行為和深度“忠誠度環(huán)”消費行為有正向影響。構(gòu)建以要素貢獻(xiàn)為標(biāo)準(zhǔn)的信息管理模式，完善個體視頻消費過程中的互粉、信任等需求表達(dá)，具有重要的現(xiàn)實意義。如筆者發(fā)現(xiàn)，早期B站在線消費行為表達(dá)功能設(shè)計有點贊、收藏、分享、硬幣、評價等，后期B站平臺更新后，網(wǎng)頁版取消了收藏等行為表達(dá)功能，這也與本文的研究結(jié)論不謀而合，更進(jìn)一步論證了本文研究結(jié)論的可靠性。

6.3 局限與未來研究方向

本文的研究結(jié)論雖然在一定程度上推動了動態(tài)瞬間消費流信息管理的研究進(jìn)程，豐富了相關(guān)的研究成果，但不可避免還存在一些局限。

首先，本文主要以B站為研究對象，且在建模分析時忽略了電影時長、演員等因素的影響。在未來的研究中有必要對該類信息進(jìn)行控制，以不同的平臺為研究對象作進(jìn)一步的對比分析，提高研究結(jié)論的可靠性。

其次，本文主要基于現(xiàn)有研究將彈幕主題分為情感型、內(nèi)容型與交流型，缺乏對彈幕內(nèi)容的進(jìn)一步深入挖掘。在未來的研究中，有必要從彈幕文本內(nèi)容出發(fā)，在彈幕主題深入挖掘的基礎(chǔ)上開展研究。

最后，本文從總體上分析了有主題貢獻(xiàn)的彈幕數(shù)量對在線消費行為的影響，一方面并未深入探究情感型、內(nèi)容型與交流型三個主題下，有主題貢獻(xiàn)的彈幕數(shù)量與在線消費行為的關(guān)系，這可能是造成有主題貢獻(xiàn)的彈幕數(shù)量與點贊、收藏等體驗行為負(fù)相關(guān)的主要原因；另一方面也未對彈幕與在線消費行為之間的傳導(dǎo)機(jī)制進(jìn)行研究，在未來的研究中有必要對此進(jìn)行深入分析，進(jìn)一步深入探討不同主題下，有主題貢獻(xiàn)的彈幕數(shù)量與體驗層消費行為的復(fù)雜關(guān)系及其傳導(dǎo)機(jī)制。