從瀏覽到回答: 注意力分配視角下問答社區(qū)流量轉(zhuǎn)化的組態(tài)研究

仇姝懿 馬 玲

(華東理工大學(xué)商學(xué)院,上海,200237)

1 引言

問答社區(qū)的興起激發(fā)了用戶以問題發(fā)布形式表達(dá)的知識需求。然而,由于用戶的注意力和精力有限且問題眾多,“光瀏覽不回答”的現(xiàn)象越發(fā)普遍,大量問題懸而未解,導(dǎo)致了“問題饑餓現(xiàn)象”[1]。換句話說,點(diǎn)進(jìn)問題界面的用戶尚未產(chǎn)生知識貢獻(xiàn)的價(jià)值就離開了,這不利于社區(qū)內(nèi)容的初始化和問題“冷啟動(dòng)”的有效運(yùn)營[2],同時(shí)也導(dǎo)致平臺流量的浪費(fèi)。因此,探討如何吸引瀏覽者的注意力并促使瀏覽者參與回答,從而提升社區(qū)內(nèi)從問題瀏覽向作答的流量轉(zhuǎn)化,具有重要現(xiàn)實(shí)意義。

用戶注意力是平臺必須獲得的稀缺資源[3],是吸引并有效轉(zhuǎn)化流量的關(guān)鍵因素。與廣告流量[3]、直播流量[4]等類似,問答社區(qū)中用戶對問題分配的注意力也能促進(jìn)流量產(chǎn)生價(jià)值[5]。一方面,用戶瀏覽問題時(shí)會(huì)接觸到由問題本身、作答環(huán)境和他人行為釋放的多種信息線索,這些線索共同分配著瀏覽者的注意力而非獨(dú)立存在。另一方面,用戶瀏覽問題后的作答決策是由多信息線索協(xié)同作用的復(fù)雜決策過程。理解用戶如何對問題瀏覽過程中捕獲的信息線索進(jìn)行注意力分配,并做出作答決策,對社區(qū)管理者至關(guān)重要。因此,本文基于注意力分配視角,采用模糊集定性比較分析(Fuzzy-set Qualitative Comparative Analysis,fsQCA)方法,探究實(shí)現(xiàn)從問題瀏覽到作答的流量轉(zhuǎn)化的前因條件。

綜上,本文研究問題為:在問答社區(qū)用戶注意力有限的情況下,怎樣組合配置瀏覽問題過程中的復(fù)雜信息線索,以刺激瀏覽者的注意力并激勵(lì)其作答,從而提升社區(qū)中從問題瀏覽到作答的流量轉(zhuǎn)化率。本文為吸引并留住用戶、實(shí)現(xiàn)流量轉(zhuǎn)化提供相關(guān)的影響條件組合,也為社區(qū)識別高價(jià)值問題、優(yōu)化問答界面設(shè)計(jì)提供實(shí)踐指導(dǎo)。

2 文獻(xiàn)綜述與分析框架

2.1 問答社區(qū)的用戶知識貢獻(xiàn)

用戶知識貢獻(xiàn)是指用戶自發(fā)為他人貢獻(xiàn)知識的行為,包括提供專業(yè)知識、問題解決辦法或發(fā)展新理念等[6]。本文聚焦于狹義的知識貢獻(xiàn),即知識供給者回答知識需求者提出的問題,也就是用戶的回答行為[7]。

當(dāng)前,國內(nèi)外學(xué)者主要從用戶的行為動(dòng)機(jī)、個(gè)人特征、社交互動(dòng)和社區(qū)環(huán)境與機(jī)制四個(gè)方面展開對社區(qū)用戶知識貢獻(xiàn)的研究。針對用戶的行為動(dòng)機(jī),相關(guān)文獻(xiàn)已發(fā)現(xiàn)興趣和享受[8]、自我效能[9-10]、利他主義[9]、社會(huì)學(xué)習(xí)[9, 11-12]等內(nèi)在動(dòng)機(jī),以及徽章[13]、金錢獎(jiǎng)勵(lì)[14]、聲譽(yù)[15-17]、社會(huì)聯(lián)系[18]等外在動(dòng)機(jī)對用戶的知識貢獻(xiàn)具有顯著作用。針對用戶的個(gè)人特征,相關(guān)文獻(xiàn)證實(shí)了社會(huì)地位[11]、社區(qū)級別[19]和個(gè)人身份披露[11, 19]等特征對用戶知識貢獻(xiàn)行為的重要影響。針對用戶的社交互動(dòng),相關(guān)文獻(xiàn)發(fā)現(xiàn)了社交嵌入[20]、關(guān)注關(guān)系網(wǎng)絡(luò)[18]、同伴效應(yīng)[12, 20]等影響了用戶在社區(qū)內(nèi)的貢獻(xiàn)行為。針對社區(qū)環(huán)境與機(jī)制,相關(guān)文獻(xiàn)表明,知識傳播環(huán)境[18]、社區(qū)個(gè)性化推薦機(jī)制[10]、社區(qū)徽章認(rèn)可機(jī)制[21]、社區(qū)價(jià)值共創(chuàng)機(jī)制[19, 21]等是影響用戶知識貢獻(xiàn)的重要環(huán)境或機(jī)制因素。

由文獻(xiàn)梳理可知,以往知識貢獻(xiàn)相關(guān)研究多側(cè)重于用戶的回答動(dòng)機(jī)、社交互動(dòng)與社區(qū)機(jī)制的影響等方面,鮮少有研究從用戶認(rèn)知層面的注意力分配視角切入,探討外界信息線索組合如何影響用戶的作答決策,從而促進(jìn)問答社區(qū)內(nèi)從瀏覽問題向作答轉(zhuǎn)化的研究更是少數(shù),尚待補(bǔ)充。

2.2 流量轉(zhuǎn)化

流量(traffic)是基于搜索引擎、推薦策略或廣告投放而吸引進(jìn)來的點(diǎn)擊數(shù)量、瀏覽數(shù)量、訪客數(shù)量等。流量轉(zhuǎn)化(traffic con-version)是吸引潛在用戶行為轉(zhuǎn)化,使其真正實(shí)現(xiàn)價(jià)值的過程[3]。

現(xiàn)有文獻(xiàn)主要從吸引流量的來源特征、促成流量轉(zhuǎn)化的用戶認(rèn)知及平臺機(jī)制三方面探討了流量轉(zhuǎn)化的影響因素。例如,在吸引流量的來源特征方面,Huang等[3]、Xu等[22]和Li等[23]分別探討了廣告市場中廣告自身語言風(fēng)格特征和展示類型特征對流量轉(zhuǎn)化的影響。在促成流量轉(zhuǎn)化的用戶認(rèn)知方面,Li等[24]探討了用戶認(rèn)知對競爭系統(tǒng)間訪問流量轉(zhuǎn)化的影響。在促成流量轉(zhuǎn)化的平臺機(jī)制方面,Huang等[25]、Sun等[26]和Li等[23]分別探討了電商平臺口碑機(jī)制、零售平臺實(shí)時(shí)聊天機(jī)制和營銷平臺推薦機(jī)制對流量轉(zhuǎn)化的作用機(jī)理。從研究場景來看,目前流量轉(zhuǎn)化的相關(guān)研究主要集中于在線廣告市場[3,22-23]、電商零售運(yùn)營[4,25-26]、應(yīng)用軟件系統(tǒng)[27]等場景,且主要關(guān)注從點(diǎn)擊用戶到購買用戶的流量轉(zhuǎn)化。而對于問答社區(qū)而言,促進(jìn)流量的有效轉(zhuǎn)化至關(guān)重要,但該場景中涉及流量轉(zhuǎn)化的研究十分有限,僅有的研究探討了從知識尋求到知識貢獻(xiàn)[28]、從瀏覽到反饋贊同[29]、從醫(yī)生界面瀏覽到咨詢[30]以及從免費(fèi)到付費(fèi)[17]的流量轉(zhuǎn)化。

由文獻(xiàn)梳理可知,現(xiàn)有研究多關(guān)注單因素對流量轉(zhuǎn)化的凈效應(yīng)[25],且多運(yùn)用隨機(jī)實(shí)驗(yàn)、機(jī)器學(xué)習(xí)和計(jì)量模型等方法,很少考慮到多因素的組合影響機(jī)制。少有的綜合多因素對流量轉(zhuǎn)化影響的研究,僅探究了每個(gè)因素或渠道對流量轉(zhuǎn)化率的各自歸因和貢獻(xiàn)率[23],并未真正探討多因素組合如何協(xié)同促成流量轉(zhuǎn)化。另一方面,用戶注意力是促進(jìn)流量轉(zhuǎn)化的重要稀缺資源[3, 29],也是促進(jìn)流量轉(zhuǎn)化漏斗的第一步[31],但鮮有研究從注意力分配視角進(jìn)一步探究促進(jìn)流量轉(zhuǎn)化的組態(tài)效應(yīng)。

2.3 理論視角:選擇性注意理論

個(gè)體注意力通常受內(nèi)部認(rèn)知、外部環(huán)境或他人行為刺激[32]。選擇性注意理論(selective attention theory)將個(gè)體注意力分為內(nèi)源性注意(endogenous attention)與外源性注意(exogenous attention)[33]。其中,內(nèi)源性注意由焦點(diǎn)目標(biāo)驅(qū)動(dòng),是個(gè)體自上而下基于主觀努力的自愿注意;外源性注意是由外部現(xiàn)象或環(huán)境中的信息線索引發(fā)的自下而上的注意[4]。目前,現(xiàn)有研究探討了電商直播[4]、應(yīng)用程序市場[34]和文本閱讀[35]等場景中的注意力分配,但問答社區(qū)場景中用戶的注意力機(jī)制還未被充分探索。

問答社區(qū)中,能否實(shí)現(xiàn)從問題瀏覽到作答的流量轉(zhuǎn)化,主要取決于用戶的作答決策。線索一致性理論(cue consistency theory)認(rèn)為,用戶同時(shí)接觸的大量信息線索對其注意力的影響并非獨(dú)立存在,而是相互協(xié)同地影響用戶決策[36],這也為本文采用fsQCA探究多種信息線索對流量轉(zhuǎn)化的多要素并發(fā)機(jī)制提供了理論支撐。

2.4 分析框架

由文獻(xiàn)梳理可得:①目前“流量轉(zhuǎn)化”的概念被廣泛應(yīng)用于電商運(yùn)營策略研究,而“流量轉(zhuǎn)化”對問答社區(qū)的問題“冷啟動(dòng)”同樣關(guān)鍵。②已有研究多采用計(jì)量回歸等統(tǒng)計(jì)分析探究促進(jìn)流量轉(zhuǎn)化的凈效應(yīng),忽視了其中的復(fù)雜因果關(guān)系,因此亟待從組合的角度分析如何促進(jìn)流量轉(zhuǎn)化。③選擇性注意理論呼應(yīng)了用戶在瀏覽問題時(shí)的注意力分配;線索一致性理論從理論層面為本文采用fsQCA方法提供了支撐。綜上,本文基于選擇性注意理論和線索一致性理論,從注意力分配視角切入,區(qū)分了刺激用戶內(nèi)源性注意(與焦點(diǎn)目標(biāo)直接相關(guān))和外源性注意(由外部現(xiàn)象及環(huán)境特征等引發(fā))[5,37]的信息線索,構(gòu)建如圖1所示的理論模型。

圖1 理論模型

2.4.1 刺激內(nèi)源性注意的線索

內(nèi)源性注意由焦點(diǎn)目標(biāo)驅(qū)動(dòng),主要強(qiáng)調(diào)用戶認(rèn)知信息的重要性和用戶的目的性[34]。例如,電商直播間觀眾的目標(biāo)是購買心儀的商品,因此主播推薦的商品是刺激觀眾內(nèi)源性注意的主要信息線索[4]。閱讀時(shí)理解文字的語義內(nèi)容是讀者的目標(biāo),因此文本中的字母位置是刺激讀者內(nèi)源性注意的線索之一[35]。

類似地,用戶瀏覽問題時(shí)的目標(biāo)是對問題信息進(jìn)行認(rèn)知以評估其價(jià)值,從而決定是否作答。雙重編碼理論指出言語編碼和非言語編碼是人們認(rèn)知系統(tǒng)的兩個(gè)重要部分,言語編碼對應(yīng)于文字、文本信息的認(rèn)知,非言語編碼對應(yīng)于視覺圖像等信息的認(rèn)知[38]。問題瀏覽者會(huì)同時(shí)處理問題的文本信息和非文本信息,以分別形成對問題的可讀性和可觀性的認(rèn)知。因此,本文將問題可讀性和問題可觀性納入刺激用戶內(nèi)源性注意的信息線索。

2.4.2 刺激外源性注意的線索

人們對焦點(diǎn)目標(biāo)的注意力在一定程度上會(huì)受到外部環(huán)境和他人行為的影響,因此刺激外源性注意的線索通常為外部現(xiàn)象及環(huán)境特征[34,39]。例如,現(xiàn)有研究將直播間售賣商品時(shí)底部彈幕體現(xiàn)的互動(dòng)環(huán)境[4]、應(yīng)用程序在其生態(tài)系統(tǒng)中的流行度[34]等作為與外源性注意相關(guān)的信息線索。如圖2所示,本研究場景中,問題、答案和社區(qū)用戶構(gòu)成了知乎問答界面的三個(gè)信息要素主體。對瀏覽者而言,問題是其關(guān)注的焦點(diǎn)目標(biāo);現(xiàn)有答案是其作答環(huán)境的信息要素之一[11,40];社區(qū)用戶包括其他瀏覽者和現(xiàn)有回答者,其行為對于瀏覽者而言屬于他人行為。Havakhor等[41]指出個(gè)人作為主體,能與環(huán)境及其他主體進(jìn)行互動(dòng),并根據(jù)接收到的信息改變行為。因此,環(huán)境和他人行為作為信息線索會(huì)影響個(gè)人認(rèn)知與行為[11,18],也是除焦點(diǎn)問題以外的主要外部現(xiàn)象與外生力量[34],同時(shí)在一定程度上影響著用戶對焦點(diǎn)問題的認(rèn)知與評價(jià)。本文將作答競爭、社會(huì)關(guān)注和社會(huì)影響納入刺激外源性注意的信息線索,并認(rèn)為它們會(huì)與刺激內(nèi)源性注意的信息線索聯(lián)動(dòng),對最終實(shí)現(xiàn)從問題瀏覽到回答的流量轉(zhuǎn)化發(fā)揮綜合作用。具體而言:

圖2 問答社區(qū)場景下刺激瀏覽者注意力的信息線索

(1)作答競爭。Peng等[40]和Shi等[11]的研究證實(shí)了問題的現(xiàn)有回答情況反映了當(dāng)前的作答環(huán)境。作答競爭是一種環(huán)境線索[42],體現(xiàn)了作答環(huán)境的擁擠度[11],代表用戶回答問題需承擔(dān)的競爭壓力。已有學(xué)者關(guān)注到了同一問題的答案間存在著競爭[11],強(qiáng)烈的競爭環(huán)境會(huì)使用戶產(chǎn)生風(fēng)險(xiǎn)厭惡心理[43],進(jìn)而影響用戶決策。因此,作答競爭是一種反映環(huán)境特征的外源性信息線索[42]。

(2)社會(huì)關(guān)注。社會(huì)關(guān)注是他人行為的表現(xiàn)之一,主要來源于社區(qū)其他瀏覽用戶的關(guān)注行為,并向?yàn)g覽者反饋該問題是否受到其他瀏覽用戶歡迎。他人的關(guān)注行為是體現(xiàn)問題價(jià)值的標(biāo)準(zhǔn)之一,會(huì)影響瀏覽者對問題內(nèi)容本身的認(rèn)知情況[29, 44]?，F(xiàn)有研究將社會(huì)關(guān)注納入刺激外源性注意的線索中,并證實(shí)了它在用戶注意力分配中發(fā)揮的重要作用[34]。

(3)社會(huì)影響。社會(huì)影響是他人行為的另一方面表現(xiàn),它是指個(gè)體感知到的對其有重要影響的人(例如高聲譽(yù)者)對自己的態(tài)度和決策的影響[45],因此社會(huì)影響主要來源于問題現(xiàn)有高聲譽(yù)回答者的作答行為。當(dāng)問題現(xiàn)有回答者的聲譽(yù)普遍較高時(shí),瀏覽者更容易受到他們的社會(huì)影響,傾向于跟隨他們也去回答該問題[46-47]。相比于關(guān)注行為,作答行為需付出更多的認(rèn)知精力,因而問題現(xiàn)有高聲譽(yù)回答者的作答行為能更明確可靠地向?yàn)g覽者反饋問題的價(jià)值。已有研究證實(shí)了社會(huì)影響作為刺激外源性注意的信息線索在電商直播場景中的作用[4],其對在線社區(qū)的作用同樣不容忽視[48]。

3 研究方法與數(shù)據(jù)

3.1 研究工具

本文采用模糊集定性比較分析開展研究。該方法屬于定性比較分析方法(Qualitative Comparative Analysis, QCA),結(jié)合了基于案例的定性分析與面向變量的定量分析[49],主張因果結(jié)構(gòu)具有復(fù)雜性和非對稱性,并強(qiáng)調(diào)結(jié)果發(fā)生與否是基于一系列相關(guān)條件的綜合影響作用。QCA方法包含清晰集定性比較分析(Crisp-set Qualitative Comparative Analysis, csQCA)、多值集定性比較分析(Multi-value Qualitative Comparative Analysis, mvQCA)以及模糊集定性比較分析(fsQCA),其中fsQCA適用于分析不同大小樣本的連續(xù)性變量[37]。

本研究選擇fsQCA的原因?yàn)?①能否實(shí)現(xiàn)從問題瀏覽到回答的流量轉(zhuǎn)化是由復(fù)雜信息線索決定的,相比傳統(tǒng)統(tǒng)計(jì)方法關(guān)注單一因素的凈效應(yīng),fsQCA能較好地處理多因素組合對結(jié)果的影響,適用于本研究問題;②fsQCA能較好地處理因果非對稱關(guān)系。因果非對稱關(guān)系是指因果條件的存在或不存在不會(huì)隱含地導(dǎo)致結(jié)果的發(fā)生與不發(fā)生[50],即導(dǎo)致結(jié)果存在的原因可能與導(dǎo)致結(jié)果不存在的原因截然不同[51-52]。例如,Wu等[52]指出高職業(yè)地位可能經(jīng)常出現(xiàn)在解釋高收入結(jié)果的組態(tài)中,但低職業(yè)地位也許和解釋非高收入結(jié)果的組態(tài)無關(guān);杜運(yùn)周等[53]指出有核心能力可以獲得競爭優(yōu)勢,但沒有核心能力(如通過非市場戰(zhàn)略)也能獲得競爭優(yōu)勢,這些均代表了因果非對稱關(guān)系。而傳統(tǒng)相關(guān)理論化中,因果關(guān)系是對稱的,即“高職業(yè)地位會(huì)導(dǎo)致高收入,反之低職業(yè)地位會(huì)導(dǎo)致低收入”“有核心能力能獲得競爭優(yōu)勢,沒有核心能力就無法獲得競爭優(yōu)勢”。而在本研究中,流量轉(zhuǎn)化率的影響因素可能存在差異且并非完全因果對稱,適合采用fsQCA分析;③本研究采用超過100案例數(shù)的大樣本數(shù)據(jù),且條件變量包含連續(xù)型變量,而fsQCA正適用于處理大樣本連續(xù)型變量[49, 54-55]。

3.2 數(shù)據(jù)來源

本研究數(shù)據(jù)來自國內(nèi)知名問答社區(qū)“知乎”的免費(fèi)問答板塊,以每條問題作為研究的維度,基于每條問題的瀏覽數(shù)、回答數(shù)等信息來探究從瀏覽到回答的轉(zhuǎn)化。利用Python爬蟲獲取知乎在2021年2月同一時(shí)間節(jié)點(diǎn)新增的2224條問題,以滿足問題案例在發(fā)布時(shí)間上的一致性。以這些問題為種子,時(shí)隔兩個(gè)月追蹤包括其話題、具體內(nèi)容、提問者、回答者和對應(yīng)回答等相關(guān)信息,剔除在觀察期內(nèi)被刪除和更改的問題、缺失值以及異常數(shù)據(jù),最終得到知乎的2085條問題樣本作為后續(xù)組態(tài)研究的2085個(gè)案例。

3.3 變量定義與校準(zhǔn)

3.3.1 變量定義

本文結(jié)合選擇性注意理論和線索一致性理論對條件變量進(jìn)行定義,具體描述如表1所示。

表1 各指標(biāo)變量說明

(1)刺激內(nèi)源性注意的信息線索

本文將問題可讀性和問題可觀性作為刺激內(nèi)源性注意的信息線索。對于問題可讀性,考慮到中文情境,本文參考齊托托等[56]的測量方式,用問題標(biāo)題平均每句長度來進(jìn)行測量,即標(biāo)題總字?jǐn)?shù)與句子結(jié)尾的標(biāo)點(diǎn)符號總數(shù)的比值;平均每個(gè)句子越長,可讀性越低,因此問題可讀性是一個(gè)負(fù)向指標(biāo)。對于問題可觀性,本文采用問題所含圖片和視頻數(shù)來進(jìn)行測量。

(2)刺激外源性注意的信息線索

本文將問題現(xiàn)有回答的作答競爭、其他瀏覽者的社會(huì)關(guān)注、現(xiàn)有回答者的社會(huì)影響作為刺激外源性注意的信息線索。①作答競爭可以由問題現(xiàn)有回答被認(rèn)可程度體現(xiàn)[11,57]。當(dāng)某問題現(xiàn)有回答普遍受到了較高的認(rèn)可,則之后回答該問題并獲得同樣程度的認(rèn)可往往需要更高的要求和難度,這代表該問題現(xiàn)有回答已存在較為激烈的競爭。因此,本文用問題現(xiàn)有回答的平均獲贊數(shù)來衡量作答競爭[11]。②社會(huì)關(guān)注反映了問題的受歡迎度,通?？梢杂脝栴}受到的關(guān)注數(shù)衡量[11]。③瀏覽者傾向于觀察、模仿高聲譽(yù)領(lǐng)先型用戶群體的行為[58],希望通過回答來獲得聲譽(yù)和影響力?，F(xiàn)有研究常以用戶獲贊數(shù)衡量用戶聲譽(yù)[15,59],當(dāng)問題現(xiàn)有回答者的整體聲譽(yù)普遍較高時(shí),用戶更容易受到他們的社會(huì)影響從而模仿他們的行為并作答。因此,本文用問題現(xiàn)有回答者的平均獲贊數(shù)來衡量社會(huì)影響[47]。

(3)結(jié)果變量

本文的結(jié)果變量為從瀏覽到回答的流量轉(zhuǎn)化率,即每條問題收到的回答數(shù)與問題被瀏覽數(shù)的比值。

3.3.2 變量描述性統(tǒng)計(jì)與校準(zhǔn)

采用fsQCA需要將變量校準(zhǔn)為0到1的模糊集,取值為1表示完全隸屬,取值為0表示完全非隸屬。數(shù)據(jù)校準(zhǔn)時(shí)通常設(shè)置三個(gè)閾值,分別表示完全隸屬、交叉點(diǎn)以及完全非隸屬[60]。理想的閾值確定需有理論和實(shí)際支撐,但現(xiàn)實(shí)研究中多數(shù)變量缺乏理論依據(jù)支撐,此時(shí)往往以原始數(shù)據(jù)的分布特征為校準(zhǔn)依據(jù)。當(dāng)數(shù)據(jù)集中的變量呈現(xiàn)非正態(tài)分布時(shí),廣泛應(yīng)用分位數(shù)、均值等作為校準(zhǔn)錨點(diǎn)[54-55]。

表2給出了變量描述性統(tǒng)計(jì)和校準(zhǔn)的結(jié)果。由表2可知,多數(shù)變量的均值與標(biāo)準(zhǔn)差有較大差異,呈現(xiàn)非正態(tài)分布,且未能在理論上直接找到可參考的校準(zhǔn)點(diǎn)。因此采用95%分位數(shù)、中位數(shù)和5%分位數(shù)作為完全隸屬、交叉點(diǎn)和完全不隸屬的閾值[61],并結(jié)合實(shí)際經(jīng)驗(yàn)和變量分布特征,采用均值對問題可觀性(M)、作答競爭(C)的交叉點(diǎn)進(jìn)行校準(zhǔn)。此外,由于問題可讀性(L)是一個(gè)負(fù)向指標(biāo),因此需對其進(jìn)行反向校準(zhǔn)。從結(jié)果變量(CR)的均值來看,每條問題下從瀏覽到作答的流量轉(zhuǎn)化率普遍較低,因此探索高流量轉(zhuǎn)化率問題的組態(tài)結(jié)果存在必要性。

表2 變量描述性統(tǒng)計(jì)與校準(zhǔn)結(jié)果(案例數(shù)=2085)

4 數(shù)據(jù)分析與實(shí)證結(jié)果

4.1 必要條件分析

在分析組態(tài)效應(yīng)前,需要對各條件變量進(jìn)行必要性分析。必要性分析是確認(rèn)某條件變量是否構(gòu)成了結(jié)果實(shí)現(xiàn)的必要條件,通常用一致性判斷。一般認(rèn)為,確定為必要條件的一致性最低閾值為0.9[62]。必要條件分析結(jié)果如表3所示。

表3 必要條件分析結(jié)果

由表3可知,高流量轉(zhuǎn)化率組～M和～C和非高流量轉(zhuǎn)化率組～M條件變量的一致性超過了0.9,因此上述變量有可能構(gòu)成必要條件。為分析它們是否為無關(guān)緊要的必要條件,還需要:根據(jù)覆蓋度進(jìn)行充分性分析[63]。由于必要條件的覆蓋度通常較高[64],而上述三個(gè)條件變量的覆蓋度均處于較低水平,部分甚至低于0.5,表明必要條件的解釋力較低。因此盡管它們的一致性超過0.9,但依然無法構(gòu)成必要條件[65],即上述條件變量均為無關(guān)緊要的必要條件。

然而,Schneider等[62]和里豪克斯等[66]認(rèn)為,刪除必要條件會(huì)使研究框架不完整且脫離實(shí)踐,同時(shí)表3中大部分條件變量的一致性低于0.9,說明影響流量轉(zhuǎn)化的因素仍具有復(fù)雜性,需要條件變量的共同作用。因此,本文在組態(tài)分析中不刪除必要條件,即綜合考量上述五種條件變量的協(xié)同效應(yīng)。

4.2 條件組態(tài)分析

在變量校準(zhǔn)和必要條件分析之后,采用fsQCA 3.0軟件進(jìn)行條件組態(tài)分析,此時(shí)通常會(huì)得到三種解:復(fù)雜解(complex solution)、中間解(intermediate solution)和簡約解(parsimonious solution)。復(fù)雜解是不經(jīng)過反事實(shí)分析的結(jié)果,中間解是經(jīng)過簡單反事實(shí)分析的結(jié)果,簡約解是經(jīng)過復(fù)雜反事實(shí)分析和簡單反事實(shí)分析的結(jié)果[66]。通常根據(jù)中間解匯報(bào)相應(yīng)條件,根據(jù)簡約解判定是核心條件還是輔助條件。其中核心條件是能夠?qū)Y(jié)果產(chǎn)生重要影響的條件,輔助條件是對結(jié)果具有輔助貢獻(xiàn)的條件[64]。頻數(shù)閾值根據(jù)樣本規(guī)模而定,本文案例采用大樣本(N=2085),因此將案例頻數(shù)的閾值設(shè)置為4[67]。原始一致性閾值應(yīng)不低于0.75[68],本文根據(jù)主流做法,將原始一致性的閾值設(shè)置為0.8,分別依據(jù)高流量轉(zhuǎn)化率問題和非高流量轉(zhuǎn)化率問題的真值表進(jìn)行組態(tài)分析,并參照Fiss[51]提出的組態(tài)結(jié)果呈現(xiàn)形式來描述各條件變量在組態(tài)中的核心程度和替代關(guān)系。

組態(tài)效應(yīng)分析結(jié)果如表4所示,從中可知在高流量轉(zhuǎn)化率和非高流量轉(zhuǎn)化率的組態(tài)結(jié)果中,一致性得分均高于0.8,且總體解的一致性都高于可接受閾值0.75[62],證實(shí)了得到的組態(tài)對結(jié)果產(chǎn)生的充分性。解的覆蓋度表示組態(tài)在多大程度上解釋了案例樣本,類似于回歸分析中的R2,一般不存在閾值要求。表4的組態(tài)結(jié)果能解釋一半以上的總樣本,具有較強(qiáng)的解釋力。

表4 組態(tài)效應(yīng)分析結(jié)果

就高流量轉(zhuǎn)化率的三種組態(tài)而言,低作答競爭是三個(gè)組態(tài)的共同核心條件,表明瀏覽問題時(shí)用戶感知的作答競爭程度是影響其從瀏覽者向回答者轉(zhuǎn)化的關(guān)鍵外源性線索。當(dāng)瀏覽者注意到回答問題需面對很高的內(nèi)容競爭風(fēng)險(xiǎn),例如得不到作答回報(bào)(如他人的點(diǎn)贊),或者自己的回答無人問津,會(huì)產(chǎn)生強(qiáng)烈的損失規(guī)避心理,以及“失大于得”的感覺。高社會(huì)影響是Y2和Y3的共同核心條件。當(dāng)瀏覽者注意到某問題受到了越多高聲譽(yù)用戶的回答時(shí),他們越會(huì)受到社會(huì)影響的作用,認(rèn)為該問題是高質(zhì)量和高價(jià)值的,并追隨高聲譽(yù)用戶也去回答該問題,因此更愿意轉(zhuǎn)化為回答者[69]。其中:①Y1表明,無論問題可讀性和社會(huì)影響如何,即便問題可觀性較低,低作答競爭和高社會(huì)關(guān)注也能促進(jìn)高流量轉(zhuǎn)化。②Y2表明,無論問題可觀性和社會(huì)關(guān)注如何,高問題可讀性、低作答競爭和高社會(huì)影響也能促進(jìn)高流量轉(zhuǎn)化。③Y3表明,無論問題可讀性和可觀性如何,低作答競爭、較高的社會(huì)關(guān)注和高社會(huì)影響也能促進(jìn)高流量轉(zhuǎn)化。

就非高流量轉(zhuǎn)化率的三種組態(tài)而言,其中:①N1表明,無論問題可讀性和可觀性如何,即便作答競爭較低,低社會(huì)關(guān)注和低社會(huì)影響會(huì)難以實(shí)現(xiàn)高流量轉(zhuǎn)化。N1的原始覆蓋度較高,揭示了多數(shù)問題難以實(shí)現(xiàn)高流量轉(zhuǎn)化的路徑,即多數(shù)情況下,受外部環(huán)境和他人行為影響,當(dāng)瀏覽者感知到較高的作答風(fēng)險(xiǎn)時(shí),他們就不愿意轉(zhuǎn)化為回答者。②N2表明,無論社會(huì)關(guān)注如何,即便社會(huì)影響很高,較低的問題可讀性、低問題可觀性和高作答競爭也會(huì)影響流量轉(zhuǎn)化。③N3表明,無論問題可讀性如何,即便問題有較高的社會(huì)關(guān)注和高社會(huì)影響,低問題可觀性和高作答競爭也難以實(shí)現(xiàn)高流量轉(zhuǎn)化。N2和N3的核心條件均為低問題可觀性、高作答競爭和高社會(huì)影響,說明當(dāng)問題可觀性是影響瀏覽者信息認(rèn)知的重要因素時(shí),即使高社會(huì)影響刺激了瀏覽者的外源性注意,促使他們感知到較高的作答收益,但仍難以彌補(bǔ)高作答競爭所帶來的心理阻力,致使流量轉(zhuǎn)化率較低。

由于fsQCA對案例的敏感度較高,且內(nèi)容主題會(huì)影響知識的結(jié)構(gòu)化程度,而知識的結(jié)構(gòu)化程度已被證實(shí)會(huì)影響內(nèi)容傳播的效果[18],繼而影響用戶參與[70]。因此,本文從2085個(gè)案例中篩選出150個(gè)與電影、電視劇、綜藝和飯圈相關(guān)的娛樂類問題,以及293個(gè)與學(xué)術(shù)咨詢、論文研討、考研咨詢相關(guān)的科研類問題,進(jìn)一步分析不同主題的問題在實(shí)現(xiàn)高流量轉(zhuǎn)化的組態(tài)路徑上是否存在差異(見表5)。娛樂類問題屬于結(jié)構(gòu)化程度較低且主觀性、互動(dòng)性較強(qiáng)的問題,科研類問題屬于結(jié)構(gòu)化程度較高且客觀性、專業(yè)性較強(qiáng)的問題,這兩類問題能較好地區(qū)分知識的結(jié)構(gòu)化程度。

表5 娛樂類問題和科研類問題實(shí)現(xiàn)高流量轉(zhuǎn)化率的組態(tài)結(jié)果

就娛樂類問題實(shí)現(xiàn)高流量轉(zhuǎn)化的三種組態(tài)而言,①E1表明,無論問題可讀性和社會(huì)影響如何,即便問題可觀性較低,低作答競爭和高社會(huì)關(guān)注也能促進(jìn)此類問題的高流量轉(zhuǎn)化。②E2表明,無論問題可觀性和作答競爭如何,高問題可讀性、高社會(huì)關(guān)注和社會(huì)影響就能促進(jìn)此類問題的高流量轉(zhuǎn)化。③E3表明,即便社會(huì)關(guān)注和社會(huì)影響較低,高問題可讀性和可觀性、較低的作答競爭也能促進(jìn)此類問題的高流量轉(zhuǎn)化。就科研類問題實(shí)現(xiàn)高流量轉(zhuǎn)化的兩種組態(tài)而言,①S1表明,無論問題可讀性如何,即便問題可觀性和社會(huì)關(guān)注較低,低作答競爭和高社會(huì)影響可以促進(jìn)此類問題的高流量轉(zhuǎn)化。②S2表明,無論社會(huì)關(guān)注如何,即便問題可觀性較低,高問題可讀性、低作答競爭和高社會(huì)影響也會(huì)促進(jìn)此類問題的高流量轉(zhuǎn)化。

對比組態(tài)結(jié)果可知,①對于越可讀或可觀的問題,瀏覽者越會(huì)認(rèn)為其有進(jìn)一步作答的價(jià)值。E3和S2表明在問題可讀的情況下,問題可觀是娛樂類問題實(shí)現(xiàn)高流量轉(zhuǎn)化的重要條件,但并非科研類問題實(shí)現(xiàn)高流量轉(zhuǎn)化的重要條件。即娛樂類問題瀏覽者會(huì)關(guān)注是否穿插豐富的圖片和視頻,而科研類問題瀏覽者更關(guān)注問題是否清晰可讀易懂。②高社會(huì)關(guān)注通常是娛樂類問題被廣泛討論的重要條件,但不是科研類問題的核心條件。對科研類問題而言,回答者需具備較強(qiáng)的專業(yè)知識能力并提供標(biāo)準(zhǔn)化回答。高專業(yè)知識水平的用戶通常更關(guān)注問題的專業(yè)對口程度,依據(jù)自身經(jīng)驗(yàn)來感知問題價(jià)值[71],相對較少關(guān)注問題的社會(huì)關(guān)注。③娛樂類問題更多反映了大眾在日常生活中津津樂道的事件,用戶無需掌握過多的結(jié)構(gòu)化專業(yè)知識即可參與作答,這使得更多的低專業(yè)知識水平用戶加入作答行列,更加自由地發(fā)表觀點(diǎn),這也降低了用戶對聲譽(yù)損失等作答風(fēng)險(xiǎn)的敏感度和競爭規(guī)避心理,因此E2和E3中的作答競爭為無關(guān)緊要的條件或輔助條件。相比之下,回答科研類問題的難度和門檻更高,答案更容易有比較和參差,導(dǎo)致作為理性人的用戶更強(qiáng)烈地厭惡風(fēng)險(xiǎn),分配更多外源性注意給作答競爭。若回答科研類問題未得到較高的贊同,在一定程度上會(huì)被視為對回答者專業(yè)知識能力的否定[16]。為避免聲譽(yù)受損的風(fēng)險(xiǎn),用戶會(huì)傾向于更安全的選擇,因此S1和S2中的作答競爭均為核心條件。④瀏覽者更傾向于觀察學(xué)習(xí)科研類問題下高聲譽(yù)專業(yè)用戶的回答,使自己獲得更高的影響力,因此高社會(huì)影響是核心條件。

4.3 穩(wěn)健性檢驗(yàn)

定性比較分析研究中常用的穩(wěn)健性檢驗(yàn)方法包括調(diào)整校準(zhǔn)閾值、改變案例頻數(shù)、改變一致性門檻值和補(bǔ)充或剔除案例等[64]。本文通過調(diào)整校準(zhǔn)閾值的方法進(jìn)行穩(wěn)健性檢驗(yàn),將95%分位數(shù)替換為90%分位數(shù),將5%分位數(shù)替換為10%分位數(shù),作為對應(yīng)的閾值(交叉點(diǎn)閾值保持不變)。調(diào)整后的結(jié)果如表6和表7所示,得到的組態(tài)路徑與上文一致,結(jié)果穩(wěn)健。

表6 組態(tài)效應(yīng)分析穩(wěn)健性檢驗(yàn)結(jié)果

表7 娛樂類問題和科研類問題實(shí)現(xiàn)高流量轉(zhuǎn)化率的組態(tài)結(jié)果(調(diào)整校準(zhǔn)閾值)

4.4 回歸模型分析

由于樣本數(shù)量較多(N=2085),本文進(jìn)一步采用最小二乘法回歸進(jìn)行定量分析,結(jié)果如表8所示。

表8 回歸結(jié)果

由表8可知:①由于問題可讀性是負(fù)向指標(biāo),因此系數(shù)負(fù)向顯著(β=-0.067,p<0.01)代表問題可讀性越高,流量轉(zhuǎn)化率越高;問題可觀性的系數(shù)不顯著(β=-0.019,p>0.1)。這與采用fsQCA得到的組態(tài)特征基本一致,即在刺激內(nèi)源性注意的信息線索中,問題可讀性是促進(jìn)流量轉(zhuǎn)化的核心條件,問題可觀性則是無關(guān)緊要的條件或輔助條件。②作答競爭的系數(shù)負(fù)向顯著(β=-0.272,p<0.01),表明高作答競爭抑制了流量轉(zhuǎn)化;社會(huì)關(guān)注的系數(shù)正向顯著(β=0.190,p<0.01)且社會(huì)影響的系數(shù)正向顯著(β=0.128,p<0.01),表明高社會(huì)關(guān)注和社會(huì)影響均促進(jìn)了流量轉(zhuǎn)化。這與實(shí)現(xiàn)高流量轉(zhuǎn)化率問題的組態(tài)結(jié)果基本一致(Y1至Y3),即低作答競爭、高社會(huì)關(guān)注、高社會(huì)影響為促進(jìn)流量轉(zhuǎn)化的核心條件。

綜上,本文在fsQCA基礎(chǔ)上對2085條問題樣本應(yīng)用回歸模型進(jìn)行了定量分析補(bǔ)充,結(jié)果能進(jìn)一步解釋實(shí)現(xiàn)高流量轉(zhuǎn)化率問題的組態(tài)特征,也驗(yàn)證了基于fsQCA得到的組態(tài)路徑是可靠的。

5 結(jié)論與展望

本文基于注意力分配視角,采用fsQCA對問答社區(qū)的流量轉(zhuǎn)化進(jìn)行組態(tài)研究,結(jié)論表明:①問答社區(qū)流量轉(zhuǎn)化的前因具有復(fù)雜性,導(dǎo)致流量轉(zhuǎn)化率高低的信息線索組合并非完全因果對稱。②在問答社區(qū)用戶注意力有限的情況下,低作答競爭-高社會(huì)關(guān)注的高可讀性問題與低作答競爭-強(qiáng)社會(huì)影響的高可讀性問題,更能刺激瀏覽者的注意力并激勵(lì)其作答,實(shí)現(xiàn)從問題瀏覽到作答的高流量轉(zhuǎn)化率。③知識結(jié)構(gòu)化程度不同的問題實(shí)現(xiàn)流量轉(zhuǎn)化的信息線索組合存在差異。

本文管理啟示為:①問題越可讀易懂,越能加強(qiáng)瀏覽者對問題信息的認(rèn)知,瀏覽者越能達(dá)到評估問題價(jià)值的目標(biāo)。因此平臺可提示用戶避免在提問時(shí)使用許多長句,同時(shí)視情況適當(dāng)加入圖片或視頻以使問題更可觀。②利用瀏覽者的風(fēng)險(xiǎn)規(guī)避心態(tài),在問題已有回答普遍為低贊狀態(tài)時(shí)間,設(shè)置如“現(xiàn)在回答此問題有可能收獲寶貴的點(diǎn)贊”等提示(尤其對高結(jié)構(gòu)化、強(qiáng)專業(yè)性的問題);優(yōu)化問題推薦策略,將低難度低競爭的高可讀性問題優(yōu)先推薦給專業(yè)水平相對較低的用戶,并在問答界面提示類似問題的優(yōu)質(zhì)回答作為參考,以促進(jìn)從瀏覽到回答的流量轉(zhuǎn)化。③采用差異化社會(huì)關(guān)注顯示策略(尤其對低結(jié)構(gòu)化強(qiáng)主觀性的問題),針對高社會(huì)關(guān)注的問題,加粗顯示其關(guān)注度以刺激瀏覽者的注意力;針對低社會(huì)關(guān)注的問題,模糊顯示關(guān)注度等級,或采用不顯示策略以避免瀏覽者注意。④利用社會(huì)影響的信息線索和瀏覽者的社會(huì)學(xué)習(xí)行為,設(shè)計(jì)提示框提醒瀏覽者“某些用戶是優(yōu)秀回答者,他們也回答了這個(gè)問題”,以刺激他們的外源性注意;加強(qiáng)邀請問題特定領(lǐng)域內(nèi)的高聲譽(yù)專業(yè)用戶回答的頻率(尤其對高結(jié)構(gòu)化、強(qiáng)專業(yè)性的問題)。

本文理論貢獻(xiàn)為:①以往研究多運(yùn)用統(tǒng)計(jì)分析探究用戶作答動(dòng)機(jī)和意愿的影響因素凈效應(yīng)。本文把從瀏覽到回答的轉(zhuǎn)化視為由問答界面信息線索協(xié)同作用的多要素并發(fā)過程,采用fsQCA探究了問答社區(qū)實(shí)現(xiàn)流量轉(zhuǎn)化的條件組態(tài),有助于社區(qū)通過優(yōu)化問答界面設(shè)計(jì)、改善信息線索組合配置的實(shí)踐來緩解用戶“光瀏覽不回答”的現(xiàn)象。②將行為認(rèn)知領(lǐng)域的選擇性注意理論[11,43]應(yīng)用于解釋問答社區(qū)內(nèi)用戶瀏覽問題的注意力分配,揭示了從瀏覽到回答的轉(zhuǎn)化機(jī)制。③引入電商營銷領(lǐng)域的流量轉(zhuǎn)化概念[22,72-73]以刻畫從瀏覽到回答的過程,從而解釋問答社區(qū)內(nèi)知識分享的有效達(dá)成。

本文局限性和展望在于:①本研究對象為綜合型問答社區(qū),未來可進(jìn)一步探究在線健康社區(qū)等垂直細(xì)分型問答社區(qū)的流量轉(zhuǎn)化。②由于平臺可獲取數(shù)據(jù)的局限性,本研究聚焦于從問題瀏覽到作答的流量轉(zhuǎn)化,并以此間接探究用戶從瀏覽者到回答者的轉(zhuǎn)化,為了更加有效地優(yōu)化平臺管理措施,提升用戶服務(wù)的個(gè)性化,未來可輔以問卷調(diào)查、訪談或?qū)嶒?yàn)等方法直接探究從瀏覽者向回答者的用戶轉(zhuǎn)化。