1. 引言
电商带货直播是一种新型的电子商务营销模式[1]。在这种模式下，主播通过直播平台，如淘宝直播、抖音直播等，以实时视频的方式向观众展示和介绍商品。2024年8月3日，国务院日前印发《关于促进服务消费高质量发展的意见》1，提出要培育壮大新型消费，支持直播电商等数字消费的发展。电商直播带货作为新兴产业，近年来发展迅速，不仅推动行业发展，提升产业竞争力，还促进了消费升级。电商带货直播的发展前景较为广阔，市场规模持续增长，据《直播电商行业高质量发展报告(2023~2024年度)》2发布，从2019年到2022年，直播电商渗透率从4.9%增长到30.4%，2023年我国直播电商渗透率达37.8%，2023年，中国直播电商市场规模高达4.9万亿元之巨3，其同比增速达到了令人瞩目的35.2% [2]。在这样的大背景下，为能更客观、更科学、更系统地整理电商直播带货已有的研究成果，更为清晰且直观地展现电商直播带货领域的研究历程及发展前沿态势，本文借助陈超美教授所开发的文献分析软件CiteSpace，对电商直播带货研究文献展开可视化分析，旨在为后续直播带货的理论研究及实践提供有价值的借鉴和参考。
2. 研究设计
2.1. 数据来源
本研究运用主题检索法，选取中国知网数据库(CNKI)为数据来源。以“电商”“直播带货”为主题进行高级检索，将来源类别限定为“CSSCI”及“核心期刊”，时间范围设定为2016年1月1日至2024年11月30日，共获取相关文献271篇。随后，剔除竞赛文稿、学术会议、通知以及无作者等无效文献，最终得到有效文献255篇。
2.2. 研究方法
本文以文献计量软件CiteSpace为工具，绘制了作者和机构共现图谱，每一年为时间切割分区，“关键词”为网络节点类型，通过绘制合作作者和研究机构共现图谱、关键词共现网络图谱、关键词聚类图谱、节点突现图谱以及发展时序图，进而获知我国电商直播带货的研究热点和研究演变动态[3]。
2.2.1. 软件介绍
在本研究中，以文献计量软件CiteSpace作为分析工具，具体采用CiteSpace (6.3.R1)版本开展文献数据的可视化处理工作。首先，把导出的Refworks格式文件输入到CiteSpace软件内，借助该软件的CNKI格式转换功能，使文献数据转化为能够进行深入分析的特定格式。随后，针对所导出文献在发文量、合作作者情况、研究机构分布以及关键词特征等方面展开详细剖析。最后，凭借对可视化图谱的深入解读与研究，力求精准探寻电商直播带货研究领域的演化脉络与未来发展的前沿趋势[4]。
2.2.2. 研究步骤
以本研究选取CiteSpace作为核心研究工具[5]。初始阶段，于全英文路径环境下构建四个文件夹，分别命名为data、input、output与project。接着，把已下载完成的论文数据存储至input文件夹，并将其文件名修改为download.txt。在开启软件之后，着手进行文件格式的转换操作，同时设定相应的时间区间。鉴于2020年之前不存在具有研究价值的有效论文，且经过初步数据分析得知关键词共现频率最高的年份为2020年，在正式进入软件页面之前，把待分析文献的时间范围确定为2020年至2024年，切片数值设定为1，即按照一年作为一个分析单位。最终运用CiteSpace软件针对发文数量、文献作者以及关键词等要素开展知识图谱的可视化呈现工作。
3. 研究现状分析
3.1. 现有研究的整体概况
3.1.1. 年度总发文量统计分析
通过借助年度发文量这一指标，能够对该领域于不同时期的发展态势予以把握，进而对后续研究走向加以预判。从图1能够看出，在2021年，电商直播带货领域的相关论文数量出现显著增长，由43篇大幅攀升至80篇。2020年，因公共卫生事件的冲击，传统销售行业遭受重创，而电商直播带货则开辟出全新局面，在此背景下，该阶段针对电商直播带货的研究数量也随之大幅增加。
3.1.2. 合作作者共现图谱分析
用CiteSpace生成作者共现图谱，其中N = 128，E = 31，Density = 0.0038，见图2，以N表征作者数量，E代表连线数量，Density则为作者合作网络密度。其中，节点的大小体现了作者发文数量的差异。在众多作者中，郭全中与丁志伟这两位作者的发文数量位居前列，其最高发文量可达4篇，而大部分作者仅发表了1至2篇论文。连线意味着作者之间存在合作关系，从图中可以看出，多数作者处于相互独立的状态，即便有合作，也多在2至3人的小群体范围内开展，像丁志伟、于佳甜等5人的合作情况较为少见。总体而言，作者之间的联系较为松散，不存在明显的合作集中倾向，这表明在该研究领域，目前尚未有作者能够持续且深入地对其展开跟踪式研究。
Figure 1. The number of documents issued over the years
图1. 历年发文量统计
Figure 2. Author network collaboration map
图2. 作者网络合作图谱
3.1.3. 研究机构共现图谱分析
通过对研究机构合作网络可视化图谱展开分析，能够清晰呈现出相关研究领域中主要研究力量在空间上的分布状况[6]。在该图谱里，N值为127，代表机构的数量；E为31，即连线数量；Density是0.0039，也就是机构合作网络密度，见图3。由此可以推断出，国内学者针对直播带货所进行的研究，大多是各自独立开展工作。这也意味着研究机构之间存在着广阔的合作空间，跨学科、跨区域以及跨机构的合作研究大有可为，若能进一步强化，将会推动该领域研究的深入发展。从发文量来看，排在前五名的研究机构依次为武汉大学新闻与传播学院(5篇)、中山大学传播与设计学院(3篇)、东北财经大学经济学院(3篇)、北京大学新媒体研究院(3篇)以及中国传媒大学传播研究院(3篇)。由表1能够发现，各个机构的发文量总体上都处于较低水平，所以在未来，各机构在直播带货这一研究领域的科研能力还有很大的提升空间，需要不断加强投入与探索，以促进该领域科研水平的整体提高。
Figure 3. Network cooperation map of research institutions
图3. 研究机构网络合作图谱
Table 1. Table of publications by research institutions
表1. 研究机构发文情况表
序号 |
机构 |
发文量 |
1 |
武汉大学新闻与传播学院 |
5 |
2 |
中山大学传播与设计学院 |
3 |
3 |
东北财经大学经济学院 |
3 |
4 |
北京大学新媒体研究院 |
3 |
5 |
中国传媒大学传播研究院 |
3 |
4. 研究热点与前沿分析
4.1. 关键词共现图谱
从论文的关键词里，能够挖掘出有关论文主题、所属研究领域、研究对象、重点与强调之处，以及学术发展趋势与热点等多方面的信息。在把255篇文献数据导入之后，得到N等于187，E等于258的结果，进而生成了一个涵盖187个关键词节点以及258条连线的关键词共现图谱，详情见图4。依据频次与中心性这两个指标，把关键词依照从高到低的顺序进行排列，在表2中罗列出排名处于前15位的关键词。
Figure 4. E-commerce live broadcast with goods keyword co-occurrence map
图4. 电商直播带货关键词共现图谱
Table 2. List of high frequency keywords and their frequency
表2. 高频关键词及其频次列表
序号 |
频次 |
中心性 |
年份 |
关键词 |
1 |
97 |
0.93 |
2020 |
直播带货 |
2 |
29 |
0.39 |
2020 |
直播电商 |
3 |
22 |
0.32 |
2021 |
电商直播 |
4 |
15 |
0.21 |
2020 |
乡村振兴 |
5 |
10 |
0.17 |
2020 |
主播 |
6 |
9 |
0.11 |
2022 |
购买意愿 |
7 |
8 |
0.32 |
2021 |
电子商务 |
8 |
8 |
0.08 |
2020 |
电商 |
9 |
7 |
0.07 |
2020 |
直播 |
10 |
7 |
0.03 |
2021 |
网络直播 |
11 |
6 |
0.08 |
2021 |
数字经济 |
12 |
6 |
0.04 |
2020 |
农产品 |
13 |
6 |
0.08 |
2021 |
感知价值 |
14 |
6 |
0.06 |
2020 |
图书直播 |
15 |
5 |
0.01 |
2021 |
网红 |
4.2. 关键词聚类图谱
在CiteSpace中，关键词聚类属于依照关键词间远近亲疏关联予以分类的手段。其借助文献共引关系针对文章实施聚类操作，进而产生对应的聚类集合。各个聚类均表征着一个主题或者领域，聚类的规模大小与颜色能够展现该主题或领域的演进历程以及发展程度。关键词聚类的成果可用于展现某一学科领域的研究架构与发展走向。此次聚类运用LSI算法，该算法可高效挖掘文档集合里主题间的语义相关性，借助对主题间相似度的运算，探寻文档集合中主题间的潜在关联。通过剖析聚类模块值(Q值)与聚类平均轮廓值(S值)，能够评判聚类结果的合理性与可信度。通常而言，Q值超过0.3意味着聚类结构较为显著，S值大于0.5表明聚类合理，S值若大于0.7则显示聚类结果极具说服力。于本次聚类分析过程中，Q = 0.6943 > 0.3，聚类结构显著；S = 0.8 > 0.7，聚类成效令人信服，由此可见该图谱具备参考价值，见图5。
如图5所示，本次关键词聚类共分为9个主题，直播带货、电商直播、直播电商、直播、乡村振兴、电子商务、图书直播、农产品、购买意愿、共同富裕等等。其中#0~#3中包含关键词传播效果、主播类型、明星主播、直播经济、政府官员、粉丝经济等，#4乡村振兴中包含关键词政府官员、主流媒体等，#6图书直播中包含关键词东方甄选、图书营销、图书经济等、#7农产品与#9共同富裕联系紧密。#8购买意愿交叉学科研究颇多[7]。该聚类的一些研究中提到了心理学情绪唤起理论，电商主播通过激发消费者的情绪可以影响他们的购买意愿及购买决策。根据主播在直播带货过程中，会利用各种方式唤起消费者的情绪，如快乐、兴奋、好奇、焦虑等。例如，通过生动形象的产品展示、富有感染力的语言表达和极具吸引力的促销活动来让消费者产生积极的情绪，从而促进购买。同时，也可能会利用消费者的焦虑情绪，如对自身形象不佳的焦虑，来推销美容、健身等相关产品。
Figure 5. Keywords cluster map of e-commerce live broadcast with goods
图5. 电商直播带货关键词聚类图谱
4.3. 关键词突现图谱
那些持续获得关注的研究问题，或者在特定时间节点突然受到瞩目的研究领域，均可被视作未来研究的潜在走向。具体而言，倘若某一领域在特定时间段内研究数量陡然增多，那么便可将其认定为这一时期的研究热点，以及后续值得重点关注的方向。本研究针对所选文献的关键词突显状况予以刻画分析，如图6所示，所发现的突显关键词涵盖网红、网络直播、农产品、短视频、购买意愿、图书直播等等。其中，网红与网络直播的突现时间最早，且研究活跃度颇高，这表明学者们对该领域的关注起始时间最早。而平台经济、明星主播、网红主播等关键词的出现时间相对较晚，不过它们与前期的网红、网络直播存在较强的关联性。由此可见，在网红直播经济领域的研究呈现出持续推进的态势，进而能够推断出平台经济、明星主播、网红主播不仅是电商直播带货领域当下的研究热点，更是未来的研究方向与发展趋势所在[8]。
Figure 6. E-commerce live with goods keyword emergence map
图6. 电商直播带货关键词突现图
4.4. 关键词时区图谱
CiteSpace中的关键词时序图将聚类关键词铺开展示，在时序图中，每个聚类会按照时间顺序将其包含的关键词依次排列展开，由此可清晰呈现出各聚类中关键词在不同时间段的分布与发展情况，进而了解研究主题随时间的演进路径，还有这些关键词彼此间的演变关联。关键词于文献里呈现的频次由圆圈的尺寸予以体现，而该关键词首次现身的时间则由圆圈所处位置来表明。凭借对圆圈这两项特征的观测，能够知晓在特定时段内哪些关键词备受瞩目，以及这些关键词的演变历程。因而，借助查看关键词的时区分布状况，便可深入探寻电商带货直播的研究演变轨迹。就像图7所展示，依据各关键词出现的年份能够发现，在2020至2021年期间，电商带货直播领域的相关研究起初依旧是从宏观层面切入，旨在从整体上去领会时代的走向。在此同时，“乡村振兴”“图书直播”等关键词的登场意味着研究者的关注视角逐渐朝着微观层面发生转变。固然，尽管在2020年“直播带货”“电商直播”等关键词就已出现，然而在审视它们的共现关联时会察觉，后续几年的研究工作仍然是以这几个关键词为核心来开展剖析，抑或是将其当作基础来深入探究，近几年关于“购买意愿”“明星主播”“共同富裕”的研究也有一定发展趋势[9]，“直播带货”一直是该领域的研究热点和核心。
Figure 7. Development time sequence diagram of e-commerce live broadcast with goods research field
图7. 电商直播带货研究领域发展时序图
5. 结论与展望
本研究运用文献计量与科学知识图谱可视化手段，以CNKI数据库近五年电商直播相关文献为对象展开统计分析，呈现出电商直播研究在时间维度、空间维度、研究热点以及研究前沿等方面的状况，主要结论如下：
就研究成果数量而言，伴随电商直播的蓬勃兴起，国内学者对其关注度持续攀升。从发文统计数据可知，CNKI数据库中电商直播研究成果呈递增态势，研究历程历经起步、发展阶段，于2020年步入大规模爆发阶段，当下正处于热潮阶段[10]。
从研究主体与层次分析，一方面未形成高产作者群体，作者间合作联系尚需强化；高等院校与研究院所构成主要研究力量，其中中国传媒大学发文量居首。不过，此领域研究总体滞后于电商直播行业实践进程，且因电商直播涵盖管理学、经济学、计算机、心理学、社会学及法学等多学科特性未能充分彰显，致使研究成果内容偏于单一，存在部分低水平重复状况，又因缺乏多视角学科理论根基，使得电商直播研究整体水平有待提高。未来需进一步增进高校、研究机构与媒体间的交流协作，拓展研究的广度与深度，进而催生兼具理论深度与实践价值的研究成果[11]。
从研究热点来看，依据关键词聚类结果，直播带货、电商直播、直播电商、图书直播、农产品、购买意愿、共同富裕、明星主播属于当前研究热点范畴[12]。
从研究趋势来讲，日后应紧密贴合电商直播行业发展态势，于多学科视野下，综合运用定量与定性研究方法，针对电商带货直播、乡村振兴、购买意愿、网红直播等方面的深入探究[13]信任理论指出，消费者对主播、平台和产品的信任影响购买行为。网红主播需积累信任资本，避免虚假宣传等破坏信任等等，对网红直播、明星直播以及客户购买意愿方面提供了较大的研究贡献。
本文基于中国知网(CNKI)数据库文献实施知识图谱分析，属于探索性研究，难免存在局限。其一，鉴于直播电商为近年新兴概念，CNKI数据库中可检索到的核心文献数量有限，只选取了CNKI核心期刊以及CSSCI，剔除了大量非学术性文献，在文献筛选环节存在一定主观性，这对后续文献计量统计分析结果有所影响。其二，运用CiteSpace开展共现网络分析与聚类分析前，虽对关键词实施了同义词合并、无效词剔除等处理，然而不同学者操作方式与原则存在差异，可能致使网络图谱与聚类信息产生一定偏差。
NOTES
1数据来源https://www.gov.cn/yaowen/liebiao/202408/content_6966314.htm。
2数据来源https://www.100ec.cn/detail--6642910.html。
3数据来源https://www.thepaper.cn/newsDetail_forward_26518751。