電商直播軟硬信息對消費者響應的影響

彭宇泓,郝遼鋼

(西南交通大學 經濟管理學院,四川 成都 610031)

一、引言

作為流量貨幣化的主要方式,電商直播拓寬了原有消費場景中核心元素的概念邊界,構建出以平臺+主播+品牌+用戶為主要參與者的生態(tài)閉環(huán),為更多的傳統(tǒng)企業(yè)提供了流量入口。2021 年中國電商直播用戶規(guī)模為6.72 億人,交易規(guī)模達到10 500 億元,預計2022 年將擴大至3 萬億元。直播間產品銷量是企業(yè)盈利情況的直觀反映,影響了企業(yè)參與直播營銷的積極性,口碑推薦水平也是影響消費者購買決策的關鍵因素,但是已有關于直播營銷的研究較少從消費者實際響應行為視角展開。

在直播營銷相關研究中,學者主要探討了消費者參與直播購物的動機和影響因素。例如,技術可視性、消費者偏好、主播身份屬性、信息源特性等。值得注意的是,直播界面中各類觀眾參與信息如觀看數量、評論數量、收藏數量、粉絲數量能夠讓消費者直觀了解產品關注度與主播聲譽,降低消費者的信息不對稱,幫助其作出購買與評價決策。例如,Park et al.研究發(fā)現主播受歡迎程度和直播觀看數量對消費者信任具有直接影響,游戲直播中彈幕評論的數量正向影響觀眾的打賞意愿。但遺憾的是,目前在電商直播領域研究中,直播界面動態(tài)數據對消費者購買和口碑推薦的影響尚未得到充分檢驗。此外,主播的產品描述文本是主播與消費者積極互動的重要載體,主播通常向消費者傳遞產品特征、使用體驗、促銷優(yōu)惠等重要信息,進而說服消費者購買產品,但主播的產品描述性文本如何影響消費者購買和口碑推薦意愿仍缺乏實證檢驗。依據軟硬信息融合理論,個體對外界信息的處理需要融合多個信息源,其中,模糊、隨機、主觀且難以量化的非結構化數據被稱為軟信息,如音頻、文本、社會資本、人格特征、工作能力等;而定量、程序性的結構化數據被稱為硬信息,如財務數據、資產抵押和信用評估數據等。由于Chen et al.認為電商直播的消費者說服是實時可觀看數據和口頭語言的雙重作用過程,故本研究以軟硬信息融合模型為研究框架,將電商直播消費者響應的影響因素分為硬信息和軟信息兩類。其中,硬信息是指消費者在直播界面可以直觀獲取的量化信息,包括直播平臺實時的觀看數量、評論數量、收藏數量、粉絲數量等非語言線索信息;軟信息是主播產品描述性文本的語言情感、文本語義和文本可讀性,需要消費者采取主動識別和語義推理等加工方式。

綜上,本研究以國內典型電商直播平臺為實證對象,結合多元回歸、深度學習和文本分析方法,探究電商直播界面硬信息與主播產品描述性文本軟信息對直播消費者購買和推薦行為的影響,研究結論有助于揭示電商直播信息的動態(tài)傳遞過程,并為電商直播行業(yè)針對性的市場拓展提供啟發(fā)。

二、研究假設

(一)硬信息

1.觀看數量。電商直播消費者觀看作為最直接的參與方式使觀眾的注意力和社交互動“商品化”。其中,電商主播通過分享、展示、聊天等互動方式與用戶建立交換關系,并在此基礎上向消費者傳遞商業(yè)信息。Brettel et al.發(fā)現,用戶對公司Facebook 頁面的高參與度顯著影響短期和長期的銷售額。Kilger et al.的研究表明,網絡參與度的社會特征與產品購買的可能性呈正相關。從消費者有限關注視角來看,消費者無法對市場上的全部公開信息做出及時反應,因此消費者往往將目光投射到市場密切關注或積極看好的商家,體現出情緒驅動的特征。此時,較高的直播觀看數量和關注度會吸引更多消費者的注意,處在信息不確定困境的消費者表現出行動趨同的羊群行為,進而產生購買和口碑推薦行為。

H:電商直播的在線觀看數量對產品銷量存在顯著正向影響。

H:電商直播的在線觀看數量對口碑推薦數量存在顯著正向影響。

2.評論數量。在線評論作為一種典型的減少信息不對稱的方式,從第三方角度為潛在客戶提供了額外的信息(如使用產品的體驗、產品評價等)。實時的彈幕評論傳遞了有關產品屬性、主播知識水平、網絡口碑等信息,彈幕評論數量越多,表明消費者與主播互動和產品特征討論越激烈,口碑信息的傳播面越廣,直播間觀眾的心流體驗和趣味性感知越明顯,因此更有可能產生購買和口碑推薦的社群行為。然而,根據最佳喚醒水平理論,當喚醒強度處于中等水平時,消費者更容易產生正面態(tài)度。反之,直播間過多的彈幕評論容易使消費者產生視覺混亂和注意力沖突,進而損害其認知過程。例如,Valt et al.研究表明,當環(huán)境提供的信息超出了個體控制能力的范圍時,個體會產生心理阻抗和負面情緒體驗。Sreejesh et al.的研究也發(fā)現,游戲直播間過于密集的彈幕評論會擠占觀眾的視覺范圍,不利于吸引觀眾注意高質量的視頻內容?；谏鲜龇治?本文提出以下研究假設:

H:電商直播的評論數量與產品銷量呈倒U形關系。

H:電商直播的評論數量與口碑推薦數量呈倒U 形關系。

3.收藏數量。在企業(yè)社交媒體上,人們可以通過點贊、分享的方式與傳播者互動,產生相互的認同感,進而促進個體對企業(yè)品牌的忠誠。在直播情境中,Yu et al.研究表明觀眾的點贊和視頻收藏數量對虛擬禮物銷售具有積極影響。直播間收藏點贊數量越高,觀眾對視頻或產品內容的認可程度越高,這也間接增強了消費者對產品品質的信任程度,使其更容易產生購買和推薦行為。此外,直播間收藏數量是直播間受歡迎程度的重要信號,高收藏量會吸引旁觀者進入直播間,使消費者產生群體的虛擬情感和消費認同。因此,收藏數量作為流行度和質量信號能夠提高客戶的購買意愿和口碑推薦意愿。由此,本文提出以下研究假設:

H:電商直播的收藏數量對產品銷量存在顯著正向影響。

H:電商直播的收藏數量對口碑推薦數量存在顯著正向影響。

4.粉絲數量。隨著直播電商行業(yè)的穩(wěn)步發(fā)展,直播市場出現明顯的馬太效應,相比腰部主播和尾部主播,頭部主播的粉絲數量較多,粉絲對主播和品牌的忠誠度更高,直播間的觀看購買轉化率更高,這也意味著粉絲量較多的主播擁有更強的議價權和更大的選品空間,由此高粉絲量直播間形成了觀看-購買的良性循環(huán)。對普通直播消費者而言,高粉絲數量的主播推薦產品會傳遞高品質、高流行度的積極信號,并且龐大的粉絲規(guī)模有助于形成產品市場號召力,通過社交媒體等信息反饋渠道傳遞產品信息。因此,粉絲數量對于激發(fā)消費者產品購買、提高口碑傳播意愿具有重要作用。綜上,本文提出如下研究假設:

H:電商直播的粉絲數量對產品銷量存在顯著正向影響。

H:電商直播的粉絲數量對口碑推薦數量存在顯著正向影響。

(二)產品描述性文本軟信息

1.文本情感。言語有效理論指出,語言情感傳遞了個體主觀態(tài)度和立場,是個體信息傳遞真實性的反饋,對有效溝通具有重要影響。Chen et al.研究已經證明,相比文字信息,主播語言中的積極情緒對觀眾的評論、點贊、金幣打賞行為具有更顯著的作用。Rachele et al.對分析師研究報告進行文本分析后發(fā)現,管理層使用大量的樂觀詞匯使文本呈現樂觀語調會傳遞企業(yè)健康發(fā)展的積極信號,從而增強投資者的信心。Howard et al.同樣認為,信息接收者可以模仿發(fā)送者的微笑并體驗到快樂的情緒,這進一步導致他們對產品有積極的態(tài)度偏向。在直播電商情境中,主播產品描述過程的情感越積極,消費群體的情緒感染越明顯,消費者更容易產生良好的產品體驗預期,因此更有可能產生購買和口碑推薦行為?；谏鲜龇治?本文提出以下研究假設:

H:主播產品描述性文本的情感積極程度對產品銷量存在顯著正向影響。

H:主播產品描述性文本的情感積極程度對口碑推薦數量存在顯著正向影響。

2.文本語義。亞里士多德修辭理論指出,說服者傳遞信息的方式可以改變受眾態(tài)度和行為,使受眾趨向說服者的預定方向。在直播過程中,主播策略性選擇有助于構建正面產品形象的信息,如質量保障、口碑評價、自我測評、產品延伸等,能夠彌合消費者的需求異質性和多樣性,滿足觀眾對內(產品特征)外(第三方評價)信息的綜合考量。此外,Liang et al.研究也表明,P2P 借貸申請文本語義的豐富性對融資績效有顯著的正向作用,能夠提高受眾對產品內容的認可度。對于直播觀眾而言,主播全面、詳細的產品介紹是增強產品信任的重要基礎,有趣的互動交流也會縮短觀眾的心理距離,促使消費者完成交易。由此,本文提出如下假設:

H:主播產品描述性文本包含的語義豐富性對產品銷量存在顯著正向影響。

H:主播產品描述性文本包含的語義豐富性對口碑推薦數量存在顯著正向影響。

3.文本可讀性。產品描述性文本可讀性是指消費者理解產品相關描述文本的難易程度,是衡量主播產品描述信息質量的重要變量。產品描述性文本可讀性對消費者響應產生作用主要基于以下兩方面原因:第一,清晰準確、簡潔易懂的產品描述提供了更多關于產品內在價值相關的重要信息,有助于提高顧客的信息可獲得性。高可讀性的產品描述性文本減少了信息噪音,使得產品描述邏輯更加清晰,意味著消費者處理產品信息的難度和解讀成本均降低,進而增強消費者的交易意愿和口碑推薦可能性。第二,較高的文本可讀性能夠增強顧客的信息可信度?？勺x性較高的產品描述作為消費者判斷產品質量的重要參考依據,向消費者傳遞了關于直播電商、主播選品實力、產品質量等方面的積極信號,降低了消費者對產品質量的不確定性,改善了雙方的信息不對稱程度,增強了消費者對電商平臺和主播的信任程度,并最終轉化為消費者的購買意愿和口碑推薦意愿。

H:主播產品描述性文本的可讀性對產品銷量存在顯著正向影響。

H:主播產品描述性文本的可讀性對口碑推薦數量存在顯著正向影響。

上述分析,構成本文的直播營銷軟硬信息融合模型(如圖1 所示)。

圖1 直播營銷軟硬信息融合模型

三、研究設計

(一)樣本篩選

1.數據來源。考慮到研究樣本的代表性,本文參考2019—2020 年中國直播電商用戶常用直播平臺榜單,選擇淘寶直播為研究對象。相關數據如觀看數量、評論數量、收藏數量、產品銷量等均來源于專業(yè)的電商直播監(jiān)測數據庫“知瓜數據”,該數據庫能夠提供淘寶直播網站各主播在直播周期內的詳細監(jiān)測數據。與此同時,本研究運用Internet Download Manager 軟件下載研究樣本的直播視頻,再使用Any Video Converter Ultimate 視頻轉換工具將直播視頻轉換成MP3 音頻文件,最后通過Python 程序調用百度AI 開放平臺語音識別將MP3 音頻文件轉換成文本格式,得到該場直播最終的主播產品描述性文本。

2.數據預處理。本文以2020 年11 月至2021年4 月的直播數據為樣本,并對初始樣本進行了預處理:(1)刪除主播等級較低的直播數據;(2)刪除直播時間低于1 小時,直播間流量低于100 人的數據;(3)刪除30 天內沒有直播記錄的主播數據;(4)剔除無效產品描述信息的樣本,即存在描述時長過短,文字轉譯后亂碼等問題;(5)刪除直播數據不完整,缺失值較多的樣本,最終獲得來自302 場直播的1 208 條硬信息樣本觀測值。

(二)變量定義和測量方法

1.被解釋變量:為了探究直播界面硬信息和軟信息對消費者響應的影響,產品銷量值(

Sales

)通過直播間在直播期間所有上架商品的銷量變化總和來測量;口碑推薦值(

Recommend

)通過直播間在直播期間轉發(fā)數量來測量。2.解釋變量:硬信息方面,采用直播期間進入直播間人數值衡量觀看數量(

Watch

);直播期間取樣彈幕數總和值衡量評論數量(

Review

);直播期間點贊數總和值衡量收藏數量(

Like

);直播間粉絲數量衡量粉絲數量(

Fans

)。主播產品描述性文本軟信息方面:(1)文本語義(

Semantic

)。鑒于每個直播文本較長,本文先將文本分段,并把所有段落組合成語料庫,再根據主題相似度和困惑度來確定所有直播文本的主題數,最后采用基于TF-IDF 方法的LDA 模型得到每個直播文本屬于每個主題的概率,作為文本語義軟信息的變量值。(2)文本情感(

Sentiment

)。本文采用PaddleHub 的深度學習模型作為預訓練模型,選擇Adam Weight Decay Strategy作為Fine-Tune 優(yōu)化策略,最后利用訓練完成的模型預測得到每個產品描述性文本的語言情感得分。(3)文本可讀性(

Readability

)。本文參考已有文獻,運用可讀性公式從句子平均長度、漢字難度以及詞匯難度三個維度來綜合評價主播產品描述性文本的可讀性。為了盡量控制其他潛在因素對被解釋變量的影響,提高研究精度,本文在模型中增加了以下幾個控制變量,包括直播時長(

Duration

)、主播經驗(

Experience

)、主播類型(

Type

)、平均價格(

Price

)、商品數(

Number

)、文本長度(

Length

),并對所有連續(xù)變量進行了對數化處理。

(三)模型構建

在計量模型選擇上,為了有效識別電商直播硬信息、描述性文本軟信息對消費者響應的影響,同時避免部分概念重合和高度相關增大估計誤差,本文擬構建分層回歸模型(Hierarchical Regressions),分別以產品銷量和口碑推薦數量為被解釋變量建立多元回歸模型(1)和(2)。

檢驗電商直播硬信息、描述性文本軟信息對產品銷量的影響:

檢驗電商直播硬信息、描述性文本軟信息對口碑推薦數量的影響:

四、實證分析

(一)特征值計算

1.主播產品描述性文本語義得分。本文采用主題相似度結合困惑度的方法(Perplexity-Var)來確定最佳主題,模型結果顯示,當主題數為5 時,Perplexity-Var 指標最小,因此本文確定最佳主題數為5。接下來采用基于TF-IDF 方法的LDA 模型從主播產品描述文本中提取主題,主題詞匯按出現的后驗概率降序排序。電商直播產品描述性文本5 個主題側重不同的方面,其中

Topic

1 包含“直播間”“優(yōu)惠券”“鏈接”“價格”等詞匯,突出直播間的促銷優(yōu)惠。

Topic

2 包含“推薦”“喜歡”“關注”“謝謝”等詞匯,突出主播與觀眾的情感互動。

Topic

3 包含“品牌”“顏色”“衣服”“熱門”等詞匯,突出產品屬性。

Topic

4 包含“運費”“客服”“回復”“評論”等詞匯,突出售后服務。

Topic

5 包含“搭配”“建議”“講解”“詳情頁” 等詞匯,突出主播的專業(yè)知識水平。與此同時,根據5 個主題在全部產品描述性文本中出現的平均概率,主播產品描述最關注產品屬性(0.31)、促銷優(yōu)惠(0.27)、情感互動(0.22)、專業(yè)知識(0.14)、售后服務(0.11)。2.主播產品描述性文本情感得分。本文采用5種深度學習模型訓練并預測得到主播產品描述性文本的情感得分?？紤]到主播產品描述性文本的長文本特征和上下文相關性,本文引入雙向的長短期記憶網絡(

Bi

-

directional

Long

Short

-

Term

Memory

,

BiLSTM

)。模型訓練結果顯示,

SENTA

-

BiLSTM

模型的精確度、召回率、準確率都較高,因此更適用于預訓練模型。

3.可讀性得分。產品描述性文本可讀性指標參考已有研究,考慮平均句長、漢字難度和詞匯難度進行綜合指標衡量。根據《漢語水平詞匯與漢字等級大綱》中的漢字等級大綱,利用 Python 進行編程,計算4 個等級的漢字和詞匯的次數、種數及其各自比例,并最終計算得到文本漢字難度和詞匯難度。

(二)模型回歸結果

模型各變量的Pearson 相關系數大多未超過0.5 的門檻值,方差膨脹系數(VIF)估計結果最大值為2.48,表明模型不存在顯著的多重共線性問題。

為全面揭示多變量對結果變量的影響,本文采用嵌套模型設計進一步考察電商直播硬信息和產品描述性文本軟信息對消費者響應的影響。為避免橫截面數據進行線性回歸可能出現的異方差問題,本文采用懷特(White)檢驗方法,最終檢驗結果顯示不存在顯著的異方差情況,因此采用OLS 回歸。回歸結果如表1 所示,其中Model1、Model2 和Model3 因變量均為產品銷量,Model4 至Model6 因變量為消費者口碑推薦行為。

表1 多元回歸模型參數估計結果

硬信息方面,電商直播觀看數量、收藏數量均正向影響消費者響應,假設H、H和假設H、H得到驗證。其中,電商直播在線觀看數量越多(

β

=0.052,

P

＜0.1;

β

=0.052,

P

＜0.05),消費者購買和口碑推薦意愿越強烈。觀眾點贊收藏行為越 多(

β

=0.075,

P

＜0.05;

β

=0.065,

P

＜0.05),消費者越信任直播商家。粉絲數量越多,產品銷量越高,但粉絲數量對口碑推薦行為的影響不顯 著(

β

=0.129,

P

＜0.01;

β

=-0.047,

NS

),可能的解釋是:粉絲作為主播和直播間的忠誠客戶,在接受產品信號后更傾向采取即刻購買行為,因此對產品銷量的正向促進作用更加明顯。評論數量對產品銷量影響系數顯著為負(

β

=-0.797,

P

＜0.05),在加入兩項乘積的交互項后,評論數量二次項(

Review

)對產品銷量的影響系數顯著為正(

β

=0.072,

P

＜0.01),表明評論數量與產品銷量存在顯著的U 形關系,因此假設H不成立。評論數量對口碑推薦的影響系數顯著為正(

β

=1.111,

P

＜0.01),在加入兩項乘積的交互項后,評論數量二次項(

Review

)對口碑推薦行為的影響系數顯著為負(

β

=-0.056,

P

＜0.01),表明評論數量與消費者口碑推薦存在顯著的倒U 形關系,假設H成立。主播產品描述性文本軟信息方面,文本情感積極程度顯著正向影響消費者響應,產品描述性文本的情感越積極(

β

=0.448,

P

＜0.01;

β

=1.472,

P

＜0.01),產品銷量和口碑推薦數量越高,接受假設H、H。描述性文本主題方面,

Topic

1～5 對產品銷量影響系數不顯著,拒絕假設H,但對消費者口碑推薦行為的影響系數大部分顯著為正,表明產品描述性文本包含的語義越豐富,消費者越容易被說服,從而產生推薦行為,因此接受假設H。產品描述性文本的可讀性越高(

β

=0.275,

P

＜0.05;

β

=0.219,

P

＜0.05),消費者越容易判斷產品質量,產生理性決策后的購買行為,假設H、H得到驗證。綜上所述,本文H、H、H3 個假設沒有得到支持,其余假設均成立。

(三)穩(wěn)健性檢驗

為驗證估計結果的可靠性,本文進一步從考慮極端值、指標變換兩個方面展開穩(wěn)健性檢驗。

1.排除購物節(jié)、周末等特殊日期影響。由于在重大購物節(jié)如“雙11”“3·18”購物節(jié)等,消費者容易受到從眾心理和儀式感消費心理的影響產生沖動消費行為,周末節(jié)假日也為消費者提供了較為充裕的直播購物時間,因此購物日期可能影響電商直播產品銷量和消費者口碑推薦行為。因此,本文刪除2020 年“雙11”“雙12”、2021 年“3·18”以及各周末節(jié)假日期的樣本數據,最終得到187 條樣本,并重新進行回歸分析。在排除購物節(jié)、周末、節(jié)假日影響后,所得結論與前文論證結果基本一致。

2.替換個別變量的衡量方式。為進一步提升電商直播可傳遞信息的精度,保證核心檢驗結果的可靠性,本文采用觀看次數衡量觀看數量,觀看次數是觀眾進入直播間觀看的次數(非去重數據),同樣能代表直播間觀看數量。采用直播期間產品銷售額變化衡量產品銷量。采用直播間30 日內取樣彈幕數平均值衡量評論數量,直播間30 日內點贊數量平均值衡量收藏點贊數量。主播經驗采用平臺提供的主播綜合價值指數(衡量該主播在周期時間內帶貨水平、互動水平表現)?；貧w結果與表1 中的主要發(fā)現沒有顯著差異,表明本文實證結果具有穩(wěn)健性。

五、研究結論與啟示

(一)結論

本文以軟硬信息融合模型為研究框架,將電商直播消費者響應的影響因素分為硬信息(觀看數量、評論數量、收藏數量、粉絲數量)和軟信息(主播產品描述性文本語言情感、文本語義、文本可讀性),探究多維因素對直播消費者響應的影響。

在硬信息方面,在線觀看數量對消費者響應存在正向影響。隨著評論數量的增加,產品銷量呈現先減后增的趨勢,即評論數量對消費者口碑推薦存在顯著的倒U 形作用,說明豐富的評論信息有助于消費者進行決策,但消費者的記憶容量有限,信息處理需求超過上限會導致消費者的認知超載,進而弱化評論對消費者口碑推薦的積極作用。此外,收藏數量越多,消費者響應效果越積極。粉絲數量對消費者購買行為具有顯著的正向影響,但對口碑推薦行為影響不顯著,由于粉絲具有強大的社群號召能力和流量吸引能力,未來可以考慮深入探究直播粉絲社群內部特征對消費者行為的影響機理。

在軟信息方面,主播產品描述性文本的情感積極程度對消費者響應存在正向影響,這是因為情感說服會通過影響個體情緒進而影響個體態(tài)度。此外,描述性文本語義越豐富,消費者口碑推薦越積極,但描述性文本語義豐富性對產品銷量購買的影響不顯著,表明直播消費者購買行為并非僅關注主播產品描述的豐富程度,而是對產品屬性、產品及直播間流行度、主播描述風格等綜合信息的加工結果。最后,主播產品描述性文本的可讀性對直播消費者響應存在積極影響。

(二)管理啟示

1.對電商直播平臺的建議。首先,需要健全信息安全管理和營銷行為規(guī)范,保證信息披露的準確性和服務的真實性,為消費者購買提供制度保障。其次,在信息真實有效的基礎上,對涉嫌違法違規(guī)的高風險營銷行為采取彈窗提示、違規(guī)警示、限制流量、暫停直播等措施,杜絕危害電商直播秩序的行為發(fā)生。

2.對電商直播商家的建議。第一,提高直播間宣傳及促銷優(yōu)惠力度。借助網紅達人、限時抽獎等方式提高直播間內觀看、評論、點贊等關注度水平。第二,完善直播間產品銷售管理。優(yōu)化產品選擇、促銷流程和售后服務,為消費者提供多元的服務條款與靈活的交易渠道,全方位提高電商直播消費者購物體驗。

3.對電商主播的建議。首先,細化產品描述內容,加強專業(yè)信息推送。主播應圍繞消費者需求,對產品或服務進行真實、全面、準確的講解,說服過程做到邏輯清晰、思路明確,準確傳遞產品信息并解答消費者疑問,為消費者購買決策提供信息基礎。其次,豐富語言情感,強化互動內容管理。主播可以根據購買群體的心理訴求,采用熱情積極的勸說性語言,提高消費者的購買積極性。