1. 引言
直播电商作为线上购物的一种新兴模式，实现了生产者和消费者之间的直接沟通和交易，有效地解决了传统销售渠道中存在的中间环节和信息不对称问题，为电商注入了新的生命力，为内容平台流量变现带来机遇，正在被越来越多的消费者所青睐。根据中国互联网络信息中心(CNNIC)发布的第52次中国互联网络发展状况统计报告，截至2023年6月，我国网络直播用户规模达7.65亿人，占网民整体的71.0%。其中，电商直播用户规模为5.26亿人，较2022年12月增长1194万人，占网民整体的48.8% [1]，直播电商正爆发出巨大的潜力。
直播带货相较于传统电商，最突出的特点是实时互动性[2]，在直播带货的过程中，主播会对上架商品进行介绍，观众可以通过语音和文本等方式与主播进行互动，更全面地了解商品信息，判断商品能否满足自身的个性化需求，从而给消费者带来更好的购物体验。直播电商作为电子商务的一部分，其主要作用是通过直播带货来更好地服务消费者，提升消费者的购物体验，进而实现较高的营销绩效，而带货主播作为推荐商品、与观众实时互动的关键人物，直接影响着直播带货营销绩效。近些年，直播带货翻车事件屡见不鲜，其中不乏许多品牌方选择了错误的带货主播，导致带货营销绩效惨淡。然而，带货主播作为直播带货场景的三大行为主体之一，目前主播与直播带货营销绩效之间的作用机制尚不明晰，绝大多数品牌方仅仅依据主播粉丝量、主播带货佣金等简单指标来选择合作的带货主播，这就给直播带货的营销效果带来了很大的不确定性。
基于上述背景，本研究考虑带货商品的差异性，从一个系统和全面的视角来探究直播带货营销绩效与主播影响因素之间的作用机制，丰富了直播带货领域的相关理论研究，为直播带货生态系统的良性发展提供了参考依据，有利于直播带货各行为主体制定更加科学有效的决策，从而促进直播电商的健康蓬勃发展。
2. 理论分析与模型构建
2.1. 直播电商营销绩效
电商直播营销模式是电商主播通过在线直播平台与消费者进行实时互动并直接向消费者销售产品[3]。作为电子商务的一部分，直播带货营销绩效与传统电商具有一定的相似性，但又因其实时互动性、粉丝经济性、社交购物属性和内容与电商双向导流等特点，导致直播带货营销绩效区别于传统电商营销绩效。关于直播带货营销绩效，目前国内并没有统一的规定，但已有不少学者对直播带货营销绩效展开了研究。许多学者注重从销售额这一角度来考虑直播带货营销绩效。Larson E. L. [4]提出直播销售是主播利用自身的网络影响力以及语言感染力，实时在线鼓动消费者下单购买，这种方式更具影响力，能够有效地快速提升商家的营销业绩。Cheng等[5]通过深度学习方法为直播电商的商业价值提供实证支持，发现直播销售极大地提升了线上产品销售额，认为直播中的信息披露能够减少产品的不确定性。目前大多数研究仅关注直播电商对销售额的提升，很少有研究将直播带货所产生的非经济效益如产品曝光等作为直播带货营销绩效的一部分。但相对于传统的营销绩效来讲，网络营销绩效计量范围更广，不仅包括与销售业绩直接相关的经济效益指标，还应包括品牌曝光和产品认知度等非经济效益指标。直播带货作为网络营销方式的一种，对其绩效进行全面评价，要充分考虑其所产生的经济效益和非经济效益，同时又要结合直播带货营销所独有的特点，来构建一个简洁高效并且具有普适性的直播带货营销绩效综合评价体系。虽然直播带货的形式可能不尽相同，但其基本都是围绕“人–货–场”的运营模式展开，产生的绩效指标并没有较大差异，这就为建立一个具有普适性的直播带货营销绩效综合评价体系提供了可能。
2.2. 主播影响因素
在营销沟通模型中，信息源是指信息的发送者，也是信息沟通的控制者[6]。在直播带货营销场景下，主播作为向观众传达商品信息的信息源，可以从主播自身的可信性、专业性和吸引力三方面影响直播观众的购买意愿，进而对直播带货营销绩效产生影响。
信任是提高消费者忠诚度以及满意度的关键点，认同是消费者与带货主播建立情感连接的关键因素，也是消费者形成购买意愿的前提[7]。对于直播带货而言，从消费者关注主播开始到线上互动及观看网红输出的内容(强有力的促销、独具特色的讲解、及时有效的互动解答)等过程中，他们对网红所产生的信任和认同感会呈现不断递增的趋势。
除了主播可信性之外，不少研究也表明直播主播自身特有的专业性、影响力、吸引力等特质可显著提高消费者的购买意愿[8]。主播通过自己的言论、行为、展示内容等方式，吸引和影响广大观众，引起观众的关注和共鸣，从而产生一定的影响力，一般而言，主播的影响力越高，直播带货的效果就越好。主播吸引力是主播本身魅力和吸引力的综合体现，包括外在形象、沟通能力、个性魅力、内在实力以及主播激励策略等多个方面。主播专业性是指主播对直播带货相关知识、技能和素养的掌握程度。专业的主播能够提升产品介绍质量、增强营销说服力、营造互动氛围、树立品牌形象和优化直播流程，进而提高直播带货营销绩效。
孟陆等[9]认为网红的信息源可信度还应该包含网红的互动性，直播带货与传统电商最大的区别就在于其实时互动性，而主播作为与观众直接互动的核心人物，是能否发挥直播带货这一优势的关键，因此主播互动性也是影响直播带货营销绩效的重要因素之一。
本研究认为，直播电商与传统单向输出信息源不同，带货主播信息源具有实时双向互动的特点，从而会赋予直播网红更多新的特性。主播对于直播带货具有很大的控制权，这就导致主播直播时长等会对直播带货营销绩效产生很大影响，所以本文认为，除了主播自身属性外，还应考虑主播自身可控因素对直播带货营销绩效的影响。
2.3. 直播电商商品类型
直播带货经过近几年的发展，已经展现出了其模式的复杂性。首先从直播带货各方参与主体的视角来看，直播带货供应商涵盖多个行业，带货商品种类繁多，带货主播类型多样，综合面向各种消费群体[10]。由于直播带货业态的复杂性，研究层次过于细致，会使研究结论丧失一般性，研究层次过高，研究结论又往往难以指导实践。因此，基于直播带货的现实情况，本文在考虑主播对直播带货营销绩效的影响下，创新性地将主播直播带货商品划分为高单价商品和低单价商品，具有很强的现实意义。
综上分析，本文基于主播信息源理论，综合考虑直播带货产生的经济效益和非经济效益，同时考虑到直播带货商品的复杂性，创新性地将直播带货划分为高单价商品和低单价商品直播带货，分别探究主播的专业性、互动性、吸引力、影响力、可信性和直播时长对高单价商品和低单价商品直播带货营销绩效的影响，但直播带货营销绩效是主播多个因素相互影响、共同作用的结果。因此，本文采用组态分析的方法，将直播带货作为一个系统展开分析，剖析直播带货营销绩效的主播影响因素组合模式，构建的理论模型如图1。
Figure 1. The theoretical model of this thesis
图1. 本文的理论模型
3. 研究方法与数据
3.1. 研究方法
定性比较分析方法(Qualitative Comparative Analysis, QCA)由Ragin [11]在1987年提出，是一种以案例研究为向导的基础理论结合研究思路，旨在从条件组合的角度而非单纯相关的视角，探讨条件与结果之间的关系，适用于从小样本数据信息中建构出科学研究话题的因果性关系。考虑到直播带货营销绩效是主播自身影响因素共同作用所产生的结果，如主播影响力、吸引力等均会对直播带货营销绩效产生影响，fsQCA可以用于解释复杂因果关系中整体视角下的多种合理组态，因此选择fsQCA来研究主播影响因素与直播带货营销绩效之间的多重并发因果关系，弥补了传统案例研究外部推广性不足的问题。
3.2. 数据收集
《2023抖音电商年度报告》[12]指出，目前我国抖音用户人数已超8.2亿，其中日常活跃用户超4亿。本研究选择抖音平台作为主要研究对象，具有很强的普适性和实际意义。本研究利用python编写爬虫框架，从蝉妈妈[13]和抖音两个平台上获取本研究所需的具体指标。其中，以蝉妈妈平台为主要数据来源，抖音平台用于核实和弥补缺失值，获得本研究的研究数据。平均客单价是指直播间每个订单的平均价格，直接反映了直播间营销商品的价格水平，为探究不同价格水平商品直播带货营销绩效与主播影响因素之间的关系，本研究按照平均客单价划分高低单价商品直播带货，最终收集了高单价商品直播带货(平均客单价高于1000元)样本案例274条，低单价商品直播带货(平均客单价小于1000元)数据278条，数据收集的时间窗口为2023年9月至2023年12月。考虑到所选直播案例的代表性和多样性，收集的样本案例中同时包含头部主播、肩部主播、中腰部主播、小主播和尾部主播的直播带货数据。
3.3. 变量测量
1. 结果变量
本研究将直播带货营销绩效作为结果变量。结合直播带货的特点，本文综合程盛华[14]和马述忠等[15]对于直播电商营销绩效的量化方法，从营销业绩、售后服务、产品曝光、用户评价、社会效益5个方面对直播带货营销绩效进行综合评价，将综合评价结果作为本研究的结果变量。
2. 前因条件
(1) 主播专业性
参考汪旭晖等[16]对主播专业性及市场素养的研究，本研究对主播近三十天直播场次、主播与商品的匹配度和是否MCN认证进行加权平均，最终得到主播专业性得分。
(2) 主播可信性
带货口碑是指直播带货平台对主播在某一时间段带货商品质量、物流体验和售后服务的综合评估[17]，本文采用带货口碑来作为主播可信性的衡量指标。
(3) 主播互动性
参考张春玲[18]对于短视频社交平台消费者互动程度的研究，本文采用直播间互动率作为衡量主播互动性的指标。
(4) 主播吸引力
主播吸引力是通过主播外貌、声音、直播风格等形式表现出来的主播个人特征，获赞总数反映了主播在观众中的受欢迎程度[19]，受欢迎的主播往往具有较高的吸引力，能够引起观众的关注和支持。福袋作为抖音平台主播为观众发放福利的主要方式，越来越多的主播开始通过福袋来提高自身直播带货的吸引力。根据《2023抖音电商年度报告》[12]，福袋或超级福袋对于用户的停留起到了很大的影响，福袋参与人数则体现了主播激励策略对观众的吸引力。参考黄炜[20]对于主播吸引力的量化方法，本文对主播获赞总数和福袋参与人数进行加权平均来量化主播吸引力。
(5) 主播影响力
借鉴朱晓东[21]的研究，粉丝越多，代表着主播的影响力越大，能够触达更多的人群，而近三十天短视频获赞总数则反映了主播短期影响力。鉴于此，本文采用主播粉丝量和近三十天短视频获赞总数来量化主播影响力。
(6) 直播时长
直播带货时应当合理把握直播时长，为传播提供一定的时间基础[22]。本研究直接采用抖音官方平台统计的直播时长。
4. 实证分析
4.1. 变量校准
在fsQCA中，每个因素和结论都被视为一个独立的集合，所有情况在集合中具有隶属分数，给案例赋予集合隶属分数的过程就是校准。校准后的集合隶属度将介于0~1之间，并根据案例的实际情况来选取能够体现条件变量中间程度的取值，从而确定校准的锚点。本文参考Fiss [23]的研究，对数据样本的各变量分别选取上四分位数、中位数和下四分位数分别设定为完全不隶属锚点、中间点锚点和完全隶属锚点，进而对整个数据样本进行校准。
4.2. 必要条件分析
借助fsQCA3.1软件对单个条件(包括其非集合)进行必要性分析，以初步判断导致结果的核心条件。当单个条件的一致性(consistency)大于0.9时，则认为该条件为结果的必要条件[24]。根据软件fsQCA 3.1的规定，变量缩写前加上“~”表示当前变量不隶属于目标集合。考虑到本研究的关注点是直播带货营销绩效，因此，测量了“高营销绩效”和“非高营销绩效”两个结果变量。
1. 低单价商品
低单价商品带货主播各变量必要性分析结果见表1。检验结果表明，高直播带货绩效的一致性均低于临界值0.9，说明这些变量不是促成高直播带货营销绩效的必要条件，高直播带货营销绩效是主播影响因素共同作用而引起的。在低直播带货营销绩效的必要条件分析中，非互动性的一致性为0.902，借鉴已有研究经验，可将低互动性视为低直播带货营销绩效的必要条件。
Table 1. The results of the necessity test of each variable of low-unit price products
表1. 低单价商品各变量必要性检验结果
条件变量 |
一致性 |
覆盖率 |
高带货绩效 |
非高带货绩效 |
高带货绩效 |
非高带货绩效 |
影响力 |
0.698 |
0.559 |
0.571 |
0.687 |
~影响力 |
0.639 |
0.747 |
0.661 |
0.704 |
吸引力 |
0.720 |
0.528 |
0.562 |
0.691 |
~吸引力 |
0.601 |
0.746 |
0.668 |
0.693 |
专业性 |
0.795 |
0.649 |
0.656 |
0.791 |
~专业性 |
0.529 |
0.624 |
0.542 |
0.611 |
互动性 |
0.677 |
0.511 |
0.707 |
0.636 |
~互动性 |
0.652 |
0.902 |
0.529 |
0.528 |
可信性 |
0.747 |
0.613 |
0.621 |
0.606 |
~可信性 |
0.526 |
0.617 |
0.534 |
0.744 |
可控因素 |
0.758 |
0.655 |
0.649 |
0.764 |
~可控因素 |
0.584 |
0.633 |
0.572 |
0.644 |
2. 高单价商品
高单价商品带货主播各变量必要性分析结果见表2。检验结果表明，高直播带货绩效的一致性均低于临界值0.9，说明这些变量不是促成高直播带货营销绩效的必要条件，高直播带货营销绩效是主播影响因素共同作用而引起的。在低直播带货营销绩效的必要条件分析中，非互动性的一致性为0.914，借鉴已有研究经验，可将低互动性视为低直播带货营销绩效的必要条件。
Table 2. The results of the necessity test of each variable of high-unit price commodities
表2. 高单价商品各变量必要性检验结果
条件变量 |
一致性 |
覆盖率 |
高带货绩效 |
非高带货绩效 |
高带货绩效 |
非高带货绩效 |
影响力 |
0.548 |
0.577 |
0.609 |
0.758 |
~影响力 |
0.639 |
0.702 |
0.661 |
0.647 |
吸引力 |
0.823 |
0.577 |
0.622 |
0.794 |
~吸引力 |
0.554 |
0.743 |
0.646 |
0.664 |
专业性 |
0.735 |
0.664 |
0.650 |
0.748 |
~专业性 |
0.652 |
0.667 |
0.620 |
0.692 |
互动性 |
0.696 |
0.514 |
0.746 |
0.651 |
~互动性 |
0.614 |
0.914 |
0.540 |
0.757 |
可信性 |
0.699 |
0.590 |
0.591 |
0.698 |
~可信性 |
0.605 |
0.663 |
0.603 |
0.665 |
可控因素 |
0.737 |
0.561 |
0.587 |
0.716 |
~可控因素 |
0.566 |
0.695 |
0.611 |
0.654 |
4.3. 组态分析
QCA最终生成复杂解、简约解和中间解三种，当条件同时出现在简约解和中间解时，该条件被视为核心条件；当条件仅出现在中间解时，则视为边缘条件。考虑到QCA分析方法的非对称性假设，为更全面深入地探索直播带货营销绩效的主播影响因素驱动机制，对产生非高传播效果的组态也进行了分析。参考Ragin的研究[25]，将一致性阈值设置为0.8，PRI一致性阈值设置为0.7，案例阈值设置为2，以保证组态符合充分性要求。
1. 低单价商品
组态分析结果展示的是导致结果变量发生的多个解释变量构成的组合，根据不同组态结果解释各个变量的差异性适配关系。具体来看，这6种条件组态的一致性为0.907，均高于0.8，表示6种组态均有较强的解释力，即在这6类条件组态的特征中，有90.7%的直播带货有高营销绩效；解的覆盖度为0.646，这6类组态可以解释60%高直播带货营销绩效的案例。两者均高于fsQCA条件组态分析的最小阈值，组态具体构型情况见表3。
组态分析结果表明，对于低单价商品直播带货，主播只需在单项能力上有突出的表现，即可产生较高的营销绩效。组态一、组态二、组态四和组态五都是高直播带货营销绩效的充分必要条件，这四个组态均只有一个核心条件和两到三个边缘条件，其原始覆盖度都大于0.30，代表在所有高营销绩效直播带货中，能被这些组态解释的案例都占了30%以上，表明主播在影响力、吸引力、互动性、专业性四项能力中，有一项表现突出，就有可能取得较高的直播带货营销绩效，而可信性不是能够导致低单价商品高直播带货营销绩效的核心条件。组态三表明，主播的影响力和互动性同时作为核心条件时，也可获得较高的直播带货营销绩效。组态六和其他五种组态所表现出的构型表明，主播的直播时长必须结合高互动率才有可能获得高直播带货营销绩效。低单价商品通常是一些生活日常用品或小型物品，如食品、饮料、卫生用品等，这类商品具有需求弹性小、消费者品牌忠诚度低和目标市场广泛等特点，消费者在购买这类商品时，对商品的考虑因素相对较少，购买决策较为简单，更容易受到主播单项能力的影响，主播的带货口碑虽然重要，但却不是影响消费者是否购买产品的关键，长时间的直播结合较高的互动率也可能带来很高的直播带货营销绩效。
Table 3. High live streaming marketing performance configuration for low-unit price products
表3. 低单价商品高直播带货营销绩效的构型
条件组态 |
组态一 |
组态二 |
组态三 |
组态四 |
组态五 |
组态六 |
影响力 |
● |
● |
● |
○ |
● |
○ |
吸引力 |
● |
● |
● |
● |
● |
● |
专业性 |
○ |
|
|
● |
● |
● |
互动性 |
● |
● |
● |
● |
● |
● |
可信性 |
● |
|
○ |
● |
● |
● |
直播时长 |
|
○ |
|
○ |
○ |
● |
一致性 |
0.904 |
0.921 |
0.910 |
0.857 |
0.953 |
0.957 |
原始覆盖度 |
0.365 |
0.378 |
0.345 |
0.366 |
0.290 |
0.242 |
唯一覆盖度 |
0.014 |
0.008 |
0.015 |
0.088 |
0.053 |
0.028 |
解的一致性 |
0.907 |
解的覆盖度 |
0.646 |
注：●表示核心条件存在，●表示边缘条件存在；○表示核心条件缺失，○表示边缘条件缺失；空代表条件可存在也可不存在。
2. 高单价商品
结合组态视角，分析主播影响因素导致高单价商品高直播带货营销绩效的内在作用机制。具体来看，这5种条件组态的一致性为0.944，均高于0.8，表示5种组态均有较强的解释力，即在这5类条件组态的特征中，有94.4%的直播带货有高营销绩效；解的覆盖度为0.593，这6类组态可以解释59.3%高直播带货营销绩效的案例。两者均高于QCA条件组态分析的最小阈值，组态具体构型见表4。
组态分析结果表明，组态一的一致性为0.893，原始覆盖度为0.306，即在组态一的特征下，有89.3%的直播带货表现为高营销绩效，组态一可以解释30.6%的高直播带货营销绩效。组态一作为导致直播带货营销绩效的充分必要条件，其核心条件为高影响力和高互动性，边缘条件为吸引力、可信性和非长时间直播。对于高单价商品，观众购买的决策可能不仅基于产品本身的功能和性能，更可能受到奢侈感和社会认同的驱动。高影响力的主播往往是具有较高粉丝量的明星达人，主播可以通过其独特的魅力和形象，让观众认同并追随其购买高单价商品，从而带动营销绩效的增长。
组态二、三、四、五的一致性均高于0.8，高于QCA条件组态分析的最小阈值，表明这四种组态均是导致高单价商品直播带货高营销绩效的充分必要条件，这四种组态的核心条件均具有专业性和可信性，其边缘条件则具有较大差别。消费者在购买高单价商品时，消费者会考虑商品所属的品牌或制造商的声誉和信誉度，他们会关注品牌的历史、专业性、品质保证和售后服务等因素，以确定是否选择该品牌的商品。具有良好专业性的主播，其主播类型往往与所推荐的高单价商品类型相契合，同时具有权威的企业认证和大型MNC认证，才能让消费者放心购买。可信性则是对主播以往带货商品质量的衡量，具有较高可信度的主播，其带货商品往往具有较好的口碑，消费者才敢于放心购买。基于上述分析，对于高单价商品而言，专业性和可信性是导致高直播带货营销绩效的核心条件。
Table 4. High live streaming marketing performance configuration for high-unit price products
表4. 高单价商品高直播带货营销绩效的构型
条件组态 |
组态一 |
组态二 |
组态三 |
组态四 |
组态五 |
影响力 |
● |
|
● |
○ |
● |
吸引力 |
● |
○ |
○ |
|
○ |
专业性 |
|
● |
● |
● |
● |
互动性 |
● |
● |
● |
● |
● |
可信性 |
● |
● |
● |
● |
● |
直播时长 |
○ |
● |
|
● |
|
一致性 |
0.893 |
0.901 |
0.894 |
0.908 |
0.891 |
原始覆盖度 |
0.306 |
0.375 |
0.305 |
0.262 |
0.276 |
唯一覆盖度 |
0.027 |
0.144 |
0.030 |
0.011 |
0.014 |
解的一致性 |
0.944 |
解的覆盖度 |
0.593 |
4.4. 对比分析
1. 无论是低单价商品还是高单价商品，互动性都是必不可少的因素
不管是低单价商品直播带货还是高单价商品直播带货，从必要性分析结果上看，互动性虽然不是导致高直播带货绩效的必要条件，但却是导致低绩效的必要条件，即有较好的互动性虽然不一定能获得较好的直播带货营销绩效，但缺少互动性的直播带货一定无法取得成功，这与直播带货的特点密切相关。从组态分析结果上看，导致低单价商品高直播带货营销绩效的六种组态中，有三种组态的互动性为核心条件，三种组态为边缘条件，对于高单价商品，五种组态中有两种将互动性视为核心条件，三种视为边缘条件，这表明互动性作为直播带货的最大特点，无论是低单价商品还是高单价商品，都是必不可少的。
2. 低单价商品直播带货对主播要求较低，高单价商品对主播的要求较高
从组态分析结果上看，低单价商品带货主播只需在某一个特定方面表现突出即可获得较好的直播带货营销绩效，而高单价商品带货主播则至少在两个方面有突出表现，才能获得较好的直播带货营销绩效。这与高单价商品与低单价商品的区别密切关联，相比于低单价商品，高单价商品通常具有更高的价值和复杂性，消费者在做出购买决策时需要综合考虑多方面的因素，包括产品的品质、性能、品牌、售后服务等，带货主播需要在多个方面展现出突出的能力，以满足消费者对高单价商品更高的品质和性能要求。
3. 吸引力对低单价商品直播带货更为重要，对于高单价商品，专业性和可信性更为关键
本研究的吸引力是通过直播福袋参与人数与主播短视频获赞总数计算而得，主要考察的是主播激励措施及直播内容的吸引力对直播带货营销绩效的影响。从组态分析结果上看，低单价商品高直播带货营销绩效的六种组态中，吸引力要么作为核心条件，要么作为边缘条件，表明主播激励措施和直播内容对低单价商品购买者具有较强的影响力，而对于高单价商品直播带货，五个组态中只有一个组态出现了作为边缘条件的吸引力，但专业性和可信性在四个组态中都是以核心条件的地位出现，表明主播的激励措施和直播内容对观众影响不大，消费者更加关注主播的专业性和可信性。
4. 低单价商品能够通过直播时长来提高绩效，而高单价商品带货绩效与直播时长没有太大关联
从必要性分析结果上看，直播时长并不是高单价商品或低单价商品高直播带货营销绩效的必要条件。对于低单价商品，其组态六中，直播时长与互动性共同作为核心条件解释了24.2%的高直播带货营销绩效案例，表明主播可以以高互动性为基础，通过增加直播带货时长，进而增加产品曝光度来获得更高的直播带货营销绩效，而对于高单价商品组态，直播时长并没有作为核心条件出现，表明对于高单价商品，直播时长与其直播带货营销绩效的关系并不明显。
4.5. 稳健性检验
为了保证产生高直播带货营销绩效和非高直播带货营销绩效组态的稳健性，参考张明等[24]提出的稳健性检验方法，主要采用调整一致性阈值和改变案例数阈值两种方法。首先，将一致性阈值从0.8提高至0.85，其他条件保持不变，产生的组态结果一致;其次，将案例数阈值由2提高至3，其他条件保持不变，产生的组态结果基本一致。由此可知，研究结果的组态稳健性较好。
5. 结论与启示
5.1. 研究结论
本文基于主播信息源理论，梳理出主播专业性、互动性、可信性、影响力、吸引力及直播时长六个影响直播带货营销绩效的前因条件，同时考虑到直播带货商品品类的复杂性，将直播带货商品划分为低单价商品与高单价商品，从抖音平台收集相关案例数据，运用fsQCA分别研究主播六个前因条件与两种商品直播带货营销绩效之间的组态路径关系。研究结果表明，无论是低单价商品还是高单价商品，高互动性虽然无法直接产生高直播带货营销绩效，但是低互动性都是导致低直播带货营销绩效的必要条件。对于低单价商品而言，主播只要在影响力、吸引力、互动性、专业性四项能力中，便有可能实现高直播带货绩效，但高单价商品直播带货对主播能力要求更高，主播最少需要在两项能力上有突出表现才能获得较好的直播带货营销绩效，吸引力对低单价商品直播带货更为重要，而对于高单价商品，专业性和可信性更为关键，低单价商品能够通过直播时长来提高绩效，而高单价商品带货绩效与直播时长没有太大关联。在经过一系列稳健性检验后，结论依然成立。
5.2. 管理启示
研究结论带来以下三方面的实践启示：首先无论是低单价商品直播带货还是高单价商品直播带货，各参与方都要充分关注直播过程的主播互动性，因为主播互动性虽然不是产生高直播带货营销绩效的充分条件，但缺少互动性的带货主播基本无法获得较好的直播效果，因为互动性是直播带货区别于传统电商的最突出的特点，无论是品牌方还是带货主播，都必须关注到与观众之间的互动。对于低单价商品直播带货，品牌方可以选择拥有某方面专长的主播，主播在进行直播带货的过程中应尽可能地采取一些激励措施，如向观众发放红包等方式，来增加观众的购买意愿。对于高单价商品直播带货，品牌方则需要对主播的各方面能力进行综合考量，主播特点是否与带货商品类型匹配，以及主播的带货口碑等等，而不需要关注直播过程中是否采取激励措施，这些都是高单价商品直播带货能否取得成功的关键。