1. 引言
在互联网技术革新与社交媒体短视频深度融合的驱动下，短视频电商平台凭借其独特的沉浸式内容体验与裂变式传播优势，正在重塑全球零售业的格局。以微信生态、抖音、小红书为代表的短视频电商模式，通过低成本、高渗透的社交化营销机制，打破了传统电商以流量竞价为核心的运营逻辑，形成了“内容与商业的深度融合”的新范式。根据中国互联网络信息中心(CNNIC)发布的第55次《中国互联网络发展状况统计报告》1，截至2024年12月，网络购物用户规模达9.74亿人，其中短视频电商作为细分领域持续渗透，用户活跃度显著提升。其迅猛增长不仅印证了消费者对短视频购物场景的偏好，更揭示了短视频社交网络在商品信息传播、消费决策引导中的核心作用。例如，美妆类短视频通过产品试用过程的细节展示，激发用户的“虚拟触觉体验”，降低用户对商品质量的认知门槛；小红书用户分享的“平价替代品”测评视频，常引发社群内的模仿与二次传播，形成低成本裂变效应。这些创新模式虽显著提升了消费效率，却也暴露出信息质量参差、用户需求匹配失衡等深层次矛盾。
当前，短视频电商平台正面临“规模扩张”与“效用瓶颈”的双重挑战。一方面，平台通过“品牌达人推荐”“官方好物分享”等模块，试图以社交化内容增强信息触达效率；另一方面，信息同质化、滞后性及服务创新不足等问题，导致消费者对平台的满意度与持续使用意愿持续走低。信息效用理论认为，消费者对平台信息的感知效用包括信息真实性、即时性、个性化程度，直接决定其行为选择，而现有研究多聚焦于技术属性或商业模式分析，缺乏对短视频电商信息效用形成机制的动态解构。尤其在高竞争、高迭代的市场环境下，消费者对信息的需求已从“获取便利性”转向“价值获得感”，如何通过多维因素协同提升信息效用，成为短视频电商可持续发展的关键命题。本文将在整合现有模型的基础上构建影响因素模型，通过结构方程模型(SEM)量化核心变量间的路径关系，并运用模糊集定性比较分析(fsQCA)揭示不同因素组合对信息效用的差异化驱动机制。结论将为平台优化信息分发策略、平衡社交生态与商业效率提供理论依据，同时为监管机构规范信息生态、保障消费者权益提供实践参考，助力短视频电商从“流量红利”向“价值红利”转型。
2. 研究综述
2.1. 短视频电商平台研究
短视频电商平台作为数字技术与商业融合的典型产物，是社交电商中一种新型的商业模式，近年来成为学术界和产业界的研究热点。国内学者对短视频电商的研究主要集中在商业模式创新、用户行为机制及技术驱动路径三方面。回溯过往，早期研究重点围绕短视频电商商业模式与营销策略展开深入的理论探究。王玖河等认为在互联网背景下，短视频平台的平台设计具备持续竞争优势的商业模式，以其智能化、社交化构建了基于价值共创的短视频平台新型商业模式[1]。短视频电商的营销策略研究注重“系列 + 流量 + 知识”三种模式的建构与转化。毕翔通过对后疫情时代短视频电商的研究提出从创作者、内容、流量、用户四个维度重构后疫情时代短视频营销新模式[2]。此类策略将社交关系资本化，推动用户从被动接收信息转向主动参与传播，这也侧面反映了当下的电商平台对于短视频社交属性的重视。伴随短视频电商市场成熟，研究视角转向微观消费行为与技术驱动的融合[3]。当前的社交电商用户行为呈现“信息获取–社交互动–消费转化–口碑传播”的闭环特征。短视频、直播等富媒体形式构建沉浸式购物场景，触发即时消费冲动，再通过集体情感驱动激发用户人际互动，用户对平台认可后，可能产生价值传递和价值创造两类增值行为，共同构成社交电商生态的可持续动力[4]。潘雪等认为短视频中的视觉信息会通过信息有效性和沉浸式体验等发挥社交媒体的互动效应，正向影响用户购买意愿[5]。
国外短视频电商的起源可追溯至短视频平台与电商模式的跨界融合，其理论构建与实证探索呈现出多维度特征。早期TikTok用户通过短视频分享生活方式，间接催生了商品展示与种草行为。2020年全球疫情爆发，线下零售受阻，消费者转向线上购物。TikTok在此期间与Shopify达成战略合作，允许商家在短视频中嵌入商品链接，实现“内容即货架”的初步形态。当然，国外的短视频电商发展并没有国内发展的迅速。学者以社会交换理论为基础，强调用户通过短视频平台的社交互动获取社交资本与经济回报的双重动机[6]，而技术接受模型(TAM)的延伸应用则揭示了平台易用性、娱乐性对用户采纳行为的影响机制[7]。研究表明，短视频电商的核心竞争力在于通过内容经济与技术工具将碎片化信息转化为用户可感知、可行动的价值单元，但其可持续性依赖于平台对信息质量、算法伦理与用户异质需求的精细化响应[8]。
2.2. 信息效用研究
“效用”源自于经济学，指消费者在购买商品或享受服务时所感受到的需求满足。随着信息技术的发展，信息逐渐具备了商品属性，陈建龙[9]从客观基础、主观来源、用户相对性三个方面指出信息效用是信息消费的效益尺度、问题解决的结果表征和用户价值目标的总称。侯筱蓉[10]等认为信息效用是用户对外部信息所做的主观判断而做出的反应。李霞[11]等将信息效用划分为客观效用与主观效用，客观效用包括商业效用与决策效用，主观效用包括心理效用与知识效用。综合来看，信息效用是指信息能够满足使用者某种需要的效用[12]。目前学术界对于信息效用的研究较少，冯缨[13]等基于DEMATEL方法分析了企业社交媒体信息效用的影响因素，王锦[14]等从用户体验视角研究了心理健康科普短视频的信息效用及其影响因素，还有学者将信息效用与信息质量相结合进行研究[15]。
短视频电商平台的信息效用贯穿于用户从信息获取到消费决策的全链路体验，其核心在于动态满足用户心理需求与功能需求的协同作用。因此，本文将用户使用短视频电商平台带来的信息需求满足表示为心理效用，知识、技能、经验的增加表示知识效用，持续使用与分享行为表示决策效用，从而定义短视频电商平台信息效用为用户使用短视频电商平台获取商品信息和服务过程中的需求满足程度、知识技能的获取，以及使用后对于短视频电商平台的持续使用与分享行为等。短视频电商平台信息效用的内涵结构见图1。
Figure 1. Information utility of short video e-commerce platform
图1. 短视频电商平台的信息效用
综上，国内外相关研究虽然已经取得一定建树，但仍然有进一步拓展的空间。目前主要集中于短视频电商平台的功能特点、信息传播与用户行为，研究方法主要是内容分析或案例分析等单一方法。本文将信息效用的概念引入到短视频电商研究领域，为短视频电商研究领域带来了新的研究视角，SEM与fsQCA方法的结合，也为相关研究提供了理论参考。
3. 研究模型与假设
3.1. 模型构建
D&M信息系统成功模型是由Delone与McLean提出的，经过发展形成了包括信息质量、系统质量、服务质量、用户使用、用户满意、净收益等六个变量的完整模型[16]，该模型阐释了系统质量因素和用户感知因素之间的关系。有学者研究了信息质量、服务质量等对信息系统中用户持续参与行为的影响[17]。Bhattacherjee [18]基于期望确认理论构建了信息系统持续使用模型(ECM-ISC)，模型中加入了感知有用性，主要用来研究用户初次采纳或使用信息系统后的态度对持续使用意愿的影响。该模型自提出以来被大量实证研究检验，广泛应用于社交媒体、电子商务等多种信息系统场景，其解释力得到国内外学界广泛认可[19]。
在已有模型的基础上，本文还将引入社会影响和信息素养两个影响因素。社会影响表示用户使用短视频电商平台所受到周围人或环境的影响程度，这是社交媒体环境下的一种普遍现象。信息素养表示用户通过短视频电商平台获取信息、辨别信息、理解信息的能力，在信息发达的网络时代，不同信息素养的人获取到的信息和服务也会有所不同，相关研究表明，社交媒体用户信息素养越高，其在信息查找过程中越能够高效地查找到自己想要的信息[20]。综上，本文在整合D&M模型与ECM-ISC的同时引入了社会影响与信息素养变量，构建的电商平台信息效用的影响因素模型如图2。
Figure 2. Influencing factor model of information utility of short video e-commerce platform
图2. 短视频电商平台信息效用的影响因素模型
3.2. 研究假设
3.2.1. 信息系统的质量因素
信息质量将会直接影响社交媒体平台信息影响力的形成，且信息质量和服务质量对感知有用性的影响关系在短视频电商平台等信息系统中已经得到证实[17]-[22]。在突发公共卫生事件下，信息质量是影响公众持续使用政府信息的关键因素[23]，在短视频电商领域中，信息内容质量和信息效用质量直接影响了沉浸体验进而对用户购买意愿带来影响[24]。用户使用短视频电商平台过程中，持续使用行为、满意度感知、以及信息需求的满足程度等都是信息效用的体现，因此，本文提出以下假设：
H1：信息质量正向影响感知有用性。
H2：服务质量正向影响感知有用性。
H3：信息质量正向影响信息效用。
H4：感知有用性在信息质量对信息效用的影响中起中介作用。
3.2.2. 用户感知因素
在ECM-ISC中，期望确认度影响用户满意度，期望确认度通过影响感知有用性间接影响用户满意度与持续使用意愿[18]。杨雅[25]等通过对网络直播用户的购买行为研究，提出感知有用性在信息质量或信源信度与用户的直播购买行为的有效桥梁，康文娟等[26]等指出，社交电商服务质量对顾客契合及重购意愿具有显著的正向影响。此外还有研究表明，用户感知体验对心理健康科普短视频的信息效用影响起主导作用[14]。因此，根据短视频电商平台信息效用的内涵与特征，本文做出以下假设：
H5：期望确认度正向影响感知有用性。
H6：感知有用性正向影响信息效用。
3.2.3. 社会影响
诸多学者基于技术接受模型(TAM)将社会影响作为外部变量之一，通过影响感知有用性进而影响用户对信息系统的态度和行为意向[24]。社交媒体环境下，用户对于短视频电商平台的采纳行为同样会受到周围群体的影响。社会影响对感知有用性的正向影响作用已得到过证实[27]。有研究表明，后疫情时期互联网用户的健康信息需求主要集中在新冠肺炎相关知识、疫情防控、社会影响三个方面[28]，移动端视频用户的知识学习、获取、整合等会受到外界诸多环境因素的影响[29]，社会影响对用户的社交媒体持续使用行为影响显著[30]。根据短视频电商平台信息效用包括用户的信息需求满足、知识技能的获取以及持续使用行为等，本文认为，社会影响会通过感知有用性间接影响信息效用。因此，做出以下假设：
H7：社会影响正向影响感知有用性。
H8：社会影响正向影响信息效用。
H9：感知有用性在社会影响对信息效用的影响中起中介作用。
3.2.4. 信息素养
信息素养指的是人们能够充分地认识到何时需要信息，并有能力去有效地发现、检索、评价和利用所需要的信息[31]，是一种能够获取信息、利用信息、批判分析信息、利用信息达到某种目的并最终的目标是培育终生学习的能力[32]，用户的信息素养越高，相应的信息需求就越容易得到满足。有研究证明，在虚拟学术社区中，感知有用性与信息素养越高的用户，信息搜寻能力就越强[33]，在健康类短视频中，信息素养在需求满足对信息有用性感知影响路径上有显著调节作用[34]，本文认为，不同信息素养的用户，所感知到的短视频电商平台信息效用会有所差异。因此，做出以下假设：
H10：信息素养在信息质量与信息效用的影响中起正向调节作用。
H11：信息素养在感知有用性与信息效用的影响中起正向调节作用。
4. 研究设计
4.1. 问卷设计
研究采用问卷调查法获取样本数据，基于SEM验证假设。为保证调查的可行性与量表的有效性，本文所有的量表都是参考现有的成熟文献，并基于研究背景进行微小调整。其中，信息质量、服务质量参考Delone & Mclean [35]的研究，感知有用性、期望确认度主要来源于Bhattacharjee [18]的研究，社会影响参考贾明霞[36]等的研究，信息素养参考王伟军[31]等的研究，由于学术界对于信息效用的研究较少，目前缺少明确的题项设计，本文将参考李霞[11]等的研究，从心理效用、知识效用、决策效用三个方面对短视频电商平台的信息效用进行测量，所有题项均采用李克特5级量表形式。
4.2. 数据收集与样本分析
表1显示了调查对象的基本信息，其中男性占比47.6%，女性占比52.4%，男女比例接近1:1；年龄分布中，20~35岁的人数最多，占比达到60.37%，符合短视频电商平台用户年龄的基本情况；学历分布中，本科学历人数最多，占比为34.84%，其余学历的人数分布比较平均；职业分布中，大部分为学生和企业职工，分别占40.16%和32.98%；从对于短视频电商平台的使用频率来看，有35.11%的人每天使用，53.72%的人每周使用；从使用目的来看，大部分人对于短视频电商平台的使用都是为了了解商品信息和购物等。样本数据的整体分布情况符合后续研究的需要。
Table 1. Basic characteristics of samples
表1. 样本基本特征
变量 |
类别 |
数量(n = 376) |
百分比 |
性别 |
男 |
179 |
47.60% |
女 |
197 |
52.40% |
年龄 |
20岁以下 |
48 |
12.77% |
20~35岁 |
227 |
60.37% |
36~50岁 |
73 |
19.41% |
50岁以上 |
28 |
7.45% |
学历 |
高中及以下 |
74 |
19.68% |
专科 |
84 |
22.34% |
本科 |
131 |
34.84% |
硕士及以上 |
87 |
23.14% |
职业 |
学生 |
151 |
40.16% |
企业职工 |
124 |
32.98% |
公务员/事业单位员工 |
53 |
14.10% |
个体户 |
12 |
3.19% |
其他 |
36 |
9.57% |
使用频率 |
每天使用 |
132 |
35.11% |
每周使用 |
202 |
53.72% |
每月使用 |
34 |
9.04% |
极少使用 |
8 |
2.13% |
使用目的 |
了解商品信息 |
104 |
27.66% |
购物 |
212 |
56.38% |
个人爱好，随意浏览 |
52 |
13.83% |
其他 |
8 |
2.13% |
5. 实证分析
5.1. 信效度检验
研究通过验证性因子分析进行信效度检验，结果如表2、表3所示。所有变量的Cronbach’s α系数值和组合信度(CR)值都介于0.82~0.92之间，测量模型具有较高的信度值；平均方差萃取量(AVE)值都大于0.5，因子载荷均大于0.6，测量模型具有良好的收敛效度；所有变量的AVE值平方根均大于该变量与其他变量的相关系数，研究模型具有良好的区分效度。
Table 2. Test results of reliability and validity
表2. 信度和效度检验结果
变量 |
题项 |
因子载荷 |
Cronbach’s α |
CR |
AVE |
信息质量(IQ) |
IQ1 |
0.851 |
0.913 |
0.912 |
0.677 |
IQ2 |
0.795 |
IQ3 |
0.791 |
IQ4 |
0.762 |
IQ5 |
0.906 |
服务质量(SQ) |
SQ1 |
0.727 |
0.889 |
0.890 |
0.619 |
SQ2 |
0.843 |
SQ3 |
0.746 |
SQ4 |
0.806 |
SQ5 |
0.807 |
感知有用性(PU) |
PU1 |
0.763 |
0.844 |
0.826 |
0.614 |
PU2 |
0.827 |
PU3 |
0.758 |
期望确认度(EC) |
EC1 |
0.785 |
0.825 |
0.845 |
0.644 |
EC2 |
0.802 |
EC3 |
0.821 |
社会影响(SI) |
SI1 |
0.839 |
0.842 |
0.846 |
0.647 |
SI2 |
0.740 |
SI3 |
0.830 |
信息素养(IL) |
IL1 |
0.833 |
0.848 |
0.850 |
0.654 |
IL2 |
0.765 |
IL3 |
0.826 |
信息效用(IU) |
IU1 |
0.880 |
0.885 |
0.885 |
0.720 |
IU2 |
0.836 |
IU3 |
0.829 |
Table 3. Results of discriminative validity test
表3. 区分效度检验结果
变量 |
IQ |
SQ |
PU |
PC |
SI |
IL |
IU |
IQ |
0.823 |
|
|
|
|
|
|
SQ |
0.558** |
0.787 |
|
|
|
|
|
PU |
0.558** |
0.545** |
0.784 |
|
|
|
|
PC |
0.563** |
0.550** |
0.558** |
0.802 |
|
|
|
SI |
0.589** |
0.597** |
0.580** |
0.582** |
0.804 |
|
|
IL |
0.586** |
0.229** |
0.175** |
0.466** |
0.205** |
0.809 |
|
IU |
0.594** |
0.610** |
0.582** |
0.590** |
0.657** |
0.688** |
0.849 |
*注：对角线上数值为AVE的平方根，对角线下方数值为变量间的相关系数。
5.2. 模型检验
5.2.1. 直接效应检验
使用AMOS28.0软件对模型进行分析得，卡方/自由度(χ2/df)为3.214，小于5, (RMSEA)为0.077，小于0.08，(IFI)为0.911，(TLI)为0.898，(CFI)为0.911，均大于0.8，该模型数据拟合效果良好，可以进行后续研究。
结构方程检验结果如表4所示，信息质量显著正向影响感知有用性(β = 0.273, P < 0.001)，H1成立；服务质量显著正向影响感知有用性(β = 0.264, P < 0.001)，H2成立；信息质量显著正向影响信息效用(β = 0.287, P < 0.001)，H3成立；期望确认度显著正向影响感知有用性(β = 0.265, P < 0.001)，H5成立；感知有用性显著正向影响信息效用(β = 0.277, P < 0.001)，H6成立；社会影响显著正向影响感知有用性(β = 0.258, P < 0.001)，H7成立；社会影响显著正向影响信息效用(β = 0.388, P < 0.001)，H8成立。
Table 4. Test results of structural equation path relation
表4. 结构方程路径关系检验结果
假设 |
假设路径 |
路径系数(β) |
标准误差 |
P |
结果 |
H1 |
信息质量 |
→ |
感知有用性 |
0.273 |
0.037 |
*** |
成立 |
H2 |
服务质量 |
→ |
感知有用性 |
0.264 |
0.044 |
*** |
成立 |
H3 |
信息质量 |
→ |
信息效用 |
0.287 |
0.043 |
*** |
成立 |
H5 |
期望确认度 |
→ |
感知有用性 |
0.265 |
0.052 |
*** |
成立 |
H6 |
感知有用性 |
→ |
信息效用 |
0.277 |
0.074 |
*** |
成立 |
H7 |
社会影响 |
→ |
感知有用性 |
0.258 |
0.041 |
*** |
成立 |
H8 |
社会影响 |
→ |
信息效用 |
0.388 |
0.049 |
*** |
成立 |
注：*表示P < 0.05，**表示P < 0.01，***表示P < 0.001。下同。
5.2.2. 中介效应检验
Table 5. Results of mediation effect Bootstrap test
表5. 中介效应Bootstrap检验结果
路径 |
Parameter |
效应值 |
Lower |
Upper |
P |
信息质量→感知有用性→信息效用 |
间接效应 |
0.195 |
0.078 |
0.510 |
** |
直接效应 |
0.353 |
0.076 |
0.653 |
* |
总效应 |
0.547 |
0.377 |
0.746 |
*** |
社会影响→感知有用性→信息效用 |
间接效应 |
0.183 |
0.057 |
0.518 |
* |
直接效应 |
0.472 |
0.166 |
0.850 |
** |
总效应 |
0.656 |
0.454 |
0.873 |
*** |
研究采用Amos中Bootstrap置信区间法分析感知有用性的中介作用，样本量选择2000，置信区间95%，(χ2/df)分别为1.421、0.460，(RMSEA)分别为0.034、0.045，(IFI)、(TLI)、(CFI)均大于0.8，模型与数据拟合效果良好。
结果如表5所示。“信息质量→信息效用”直接效应值为0.353，95%置信区间[0.076, 0.653]不包含0，说明直接效应成立，间接效应值为0.195，95%置信区间[0.078, 0.510]不包含0，说明间接效应成立，因此，感知有用性在信息质量与信息效用之间起部分中介作用，H4成立；“社会影响→信息效用”直接效应值为0.472，95%置信区间[0.166, 0.850]不包含0，直接效应成立，间接效应值为0.183，95%置信区间[0.057, 0.518]不包含0，间接效应成立，因此，感知有用性在社会影响与信息效用之间起部分中介作用，H9成立。
5.2.3. 调节效应检验
基于层次回归分析，通过自变量与调节变量去中心化后的交互项与因变量之间的回归系数显著性来验证调节效应的存在。首先以信息效用为因变量，信息质量、信息素养、信息质量与信息素养交互项为自变量，结果如表6中模型1和模型2所示。信息质量与信息素养交互项对信息效用存在显著正影响(β = 0.594, P < 0.001)，表明信息素养对信息质量与信息效用关系存在显著正向调节作用，假设H10得到验证。然后以信息效用为因变量，感知有用性、信息素养、感知有用性与信息素养交互项为自变量，结果如表6中模型3和模型4所示。感知有用性与信息素养交互项对信息效用存在显著正影响(β = 0.304, P < 0.001)，表明信息素养对感知有用性与信息效用关系存在显著正向调节作用，假设H11得到验证。
Table 6. Results of regression analysis of adjustment effect
表6. 调节效应回归分析结果
变量 |
因变量：IU |
因变量：IU |
模型1 |
模型2 |
模型3 |
模型4 |
IQ |
0.304 |
0.712 |
|
|
PU |
|
|
0.327 |
0.518 |
IL |
0.443 |
0.291 |
0.47 |
0.346 |
IQ × IL |
|
0.594 |
|
|
PU × IL |
|
|
|
0.304 |
R2 |
0.426 |
0.651 |
0.448 |
0.507 |
F |
138.228*** |
231.746*** |
151.246*** |
127.319*** |
为了进一步验证假设H10和H11，研究基于SPSS的process插件进行了简单斜率检验，结果如图3所示。信息素养在信息质量与信息效用间的调节中，在高信息素养下，信息质量与信息效用关联性较高(β = 1.143, P < 0.001)；在低信息素养下，信息质量与信息效用关联性较弱(β = 0.360, P < 0.001)，但均显著，H10成立。信息素养在感知有用性与信息效用间的调节中，在高信息素养下，感知有用性与信息效用关联性较高(β = 0.815, P < 0.001)；在低信息素养下，感知有用性与信息效用关联性较弱(β = 0.309, P < 0.001)，H11成立。
(a) (b)
Figure 3. The moderating effect of information literacy on information quality, perceived usefulness and information utility. (a) The regulating role of information literacy between information quality and information utility; (b) The moderating effect of information literacy on perceived usefulness and information utility
图3. 信息素养在信息质量和感知有用性与信息效用间的调节作用。(a) 信息素养在信息质量与信息效用间的调节作用；(b) 信息素养在感知有用性与信息效用间的调节作用
5.3. 模糊集定性比较分析
5.3.1. 变量选取与数据校准
由于电商平台信息效用的影响因素的复杂性、多维性，以及影响因素间的存在多种相互作用关系，模糊集定性比较分析方法(fsQCA)能分析多种条件互相依赖共同作用产生的结果。因此，本文将在SEM验证模型假设的基础上，结合fsQCA方法探究因素组合效应对信息效用的影响关系。
研究选取信息质量、服务质量、感知有用性、期望确认度、社会影响、信息素养为前因条件。在进行组态分析之前，需要对数据进行校准处理，确立3个锚点，即完全隶属点、交叉点和完全不隶属点。由于本研究问卷数据是使用李克特5级量表所得，依照以往研究，将3个锚点分别设置为各变量题项数据平均值的最大值、中位数和最小值，锚点具体设置情况如表7所示。
Table 7. Calibration anchors for various variables
表7. 各变量校准锚点
变量 |
完全隶属点 |
交叉点 |
完全不隶属点 |
信息质量(IQ) |
5.00 |
2.40 |
1.00 |
服务质量(SQ) |
5.00 |
4.40 |
1.00 |
感知有用性(PU) |
5.00 |
4.50 |
1.00 |
期望确认度(PC) |
5.00 |
4.50 |
1.00 |
社会影响(SI) |
5.00 |
4.17 |
1.00 |
信息素养(IL) |
5.00 |
2.84 |
1.00 |
信息效用(IU) |
5.00 |
4.34 |
1.00 |
5.3.2. 定性比较分析
(1) 必要条件分析。在组态分析之前首先进行必要条件分析，即确定是否存在导致结果的必要条件。将数据导入fsQCA3.0软件，结果如表8所示，所有变量的一致性指标(Consistency)均小于0.9，前因条件均未到达必要条件标准，所以不存在必要条件。因此，研究将从变量间的组合视角来分析组态结果的充分性效应。
Table 8. Results of single variable necessity analysis
表8. 单一变量必要性分析结果
前因变量 |
Consistency (一致性) |
Coverage (覆盖率) |
IQ |
0.878 |
0.859 |
~IQ |
0.494 |
0.634 |
SQ |
0.825 |
0.853 |
~SQ |
0.465 |
0.642 |
PU |
0.858 |
0.848 |
~PU |
0.500 |
0.632 |
PC |
0.828 |
0.861 |
~PC |
0.525 |
0.632 |
SI |
0.815 |
0.863 |
~SI |
0.533 |
0.628 |
IL |
0.802 |
0.873 |
~IL |
0.573 |
0.658 |
(2) 组态分析。fsQCA组态分析会生成简约解、中间解、和复杂解，当条件同时出现在简约解和中间解时，则视为核心条件；当条件仅出现在中间解时，则视为边缘条件。●和ς分别代表核心条件存在和不存在，●和⊗分别代表边缘条件的存在和不存在，空白则表示无关条件。根据本文的样本量将PRI一致性阈值设定为0.7，案例阈值设定为4，通过fsQCA3.0软件进行组态最小化计算，具体结果如表9所示。
Table 9. Results of conditional configuration analysis
表9. 条件组态分析结果
前因变量 |
S1a |
S1b |
S1c |
S2a |
S2b |
IQ |
● |
● |
● |
● |
● |
SQ |
● |
|
● |
● |
● |
PU |
● |
● |
● |
● |
● |
PC |
|
● |
● |
● |
● |
SI |
|
|
● |
● |
● |
IL |
⊗ |
⊗ |
⊗ |
● |
● |
一致性 |
0.953 |
0.974 |
0.952 |
0.963 |
0.929 |
原始覆盖率 |
0.545 |
0.652 |
0.441 |
0.595 |
0.529 |
唯一覆盖率 |
0.062 |
0.042 |
0.028 |
0.014 |
0.017 |
总体一致性 |
0.929 |
总体覆盖率 |
0.876 |
由表9的fsQCA分析结果可知，出现高信息效用结果的总体覆盖率为0.876，总体一致性为0.929，模型解释力度较好。将具有相同核心条件的前因构型归为一类，概括出以下2种电商平台的信息效用模式。
模式一：信息质量型。在这一模式中，共包含三个子模式，其共同的核心条件是信息质量存在。子模式S1a的边缘条件是服务质量、感知有用性存在，信息素养缺失；子模式S1b的边缘条件是感知有用性、期望确认度存在，信息素养缺失；子模式S1c的边缘条件是服务质量、感知有用性、期望确认度、社会影响存在，信息素养缺失。即当短视频电商平台提供高质量的信息时，由于用户感知到的服务质量、有用性较高(S1a)，或用户的感知有用性、期望确认度较高(S1b)，又或是较高的服务质量、有用性感知、期望确认度和社会影响共同作用的结果(S1c)，都会产生较高的信息效用。在模式一中，信息质量对于信息效用的影响作用最重要，在其存在的条件下，即使用户的信息素养较低，也会很容易产生较高的信息效用。
模式二：信息素养型。在这一模式中，共包含两个子模式，其共同的核心条件是信息素养存在。子模式S2a另外的核心条件是感知有用性存在，边缘条件是信息质量、服务质量、期望确认度、社会影响存在；子模式S2b另外的核心条件是信息质量存在，边缘条件是服务质量、感知有用性、期望确认度、社会影响存在。即当用户拥有较高的信息素养时，感知有用性与信息质量对于信息效用的产生起着决定性作用，而其余条件中，服务质量、感知有用性、期望确认度只要存在一种或几种，都能触发较高的信息效用。模式二主要针对的是拥有较高信息素养的用户群体，S2a模式体现了感知有用性对信息效用的作用，不同信息素养的用户对于同一类信息所感知到的有用性会有所不同，相应的信息效用也就不同；S2b模式体现了信息质量对信息效用的作用，信息质量较高的短视频电商平台，可以促使用户产生较高的信息效用。
6. 结语
短视频电商平台凭借其强大的影响力和便捷的服务，已逐渐成为品牌商家发布产品信息、提供优质服务、塑造品牌形象、引导消费潮流的关键渠道。因此，提升信息效用对于短视频电商平台的建设与长远发展意义重大。笔者在整合D&M模型与ECM-ISC的基础上引入社交传播影响力和用户消费素养两个变量，构建了短视频电商平台信息效用的影响因素模型。通过结构方程模型对研究假设进行了验证，并运用fsQCA探究了产生高信息效用的前因条件组合。本文的理论意义如下：第一，为短视频电商领域增添了新的信息效用研究视角，丰富了信息效用相关理论体系；第二，在构建影响因素理论模型时，不仅考量了平台系统质量因素与用户感知因素，还关注到平台外部的社交传播影响力因素以及用户自身消费素养因素，为相关研究的模型整合提供了参考；第三，在验证变量净效应的基础上，探究了变量间的相互作用关系，不仅证实了最初理论假设的合理性，还挖掘出了新的影响因素组合路径。
基于上述研究成果，本文得出以下实践启示：首先，品牌商家在借助短视频电商平台提供信息服务时，需全面兼顾所发布信息的质量与服务质量。确保产品信息真实完整、通俗易懂且及时更新，快速响应并处理用户反馈，以此提升用户体验。例如，详细准确地介绍产品特性、使用方法及售后保障等信息，让用户能充分了解产品。其次，在重视平台内部质量因素的同时，品牌商家还应依据社交传播影响力因素灵活调整运营策略。短视频电商平台可通过与热门社交平台、网红达人等合作，联合推广产品信息，拓宽信息传播渠道，扩大平台影响力。比如，与知名网红合作开展直播带货活动，借助网红的粉丝群体提升产品曝光度。最后，实证研究结果表明，用户感知有用性对信息效用的产生极为关键。短视频电商平台可依据用户的个人消费习惯、兴趣偏好等，提供个性化的产品信息推送服务。比如，根据用户过往购买记录或浏览偏好，为其精准推送相关产品信息，提高用户获取信息的精准度，进而提升用户的感知有用性。
NOTES
1第55次《中国互联网络发展状况统计报告》——互联网发展研究。