1. 引言
在移动互联网与社交媒体蓬勃发展的当下，平台社交内容与电商产业的融合已成为数字经济的重要趋势，小红书作为集内容社交与电商功能于一体的平台，已成为时尚产业内容传播与商业转化的重要场域。平台凭借独特的“内容–社交–消费”闭环生态，为时尚文化的传播与商品价值的转化提供多元路径。然而，伴随着时尚博主数量激增，内容同质化导致用户注意力竞争加剧。如何突破传播瓶颈，通过精准的内容运营释放时尚文化的商业价值，成为行业实践中亟待解决的问题。
现有研究多聚焦于小红书内容营销的宏观特征(如内容真实性、种草叙事逻辑)或平台商业模式(如 B2K2C模式)，对垂直领域内容细分策略的系统性分析相对匮乏。时尚穿搭领域的内容细分不仅涉及服装品类划分，更需要适配平台算法逻辑(如兴趣标签匹配)与用户场景需求(如通勤、度假等)，而这类细分策略的具体实施与商业变现的关联机制尚未明确。
本研究以此为切入点，聚焦小红书时尚穿搭博主的内容细分策略类型(内容垂直度、场景适配度、受众匹配度等)，实证检验其对互动效果(商业变现的核心代理指标)的影响路径，为内容社交电商的精细化运营提供理论支撑与可操作的实践方案。
2. 研究现状分析与研究假设
(一) 小红书平台算法逻辑与场景化需求
小红书依托“话题标签–兴趣圈层–社群运营”的算法逻辑构建内容分发机制，这一机制对内容的场景化属性提出了明确要求。陈明(2023)指出，平台博主通过聚焦专业领域，打造场景化内容，能够符合小红书去中心化的流量推荐机制，可以获得小红书平台长期的流量倾斜[1]。传统电商“人货场”模式被重构后，小红书B2C与C2B结合的电商运营模式，通过用户浏览相关内容对相关商品“种草”，使商品嵌入进用户生活场景，构建消费决策情境[2]。这种模型营造出“真实可信”的体验感，并可以通过平台算法精准匹配实现信息触达[3]。易文康(2024)运用戈夫曼拟剧理论分析发现，时尚领域博主会通过“前台表演”构建理想化时尚人设，通过精心设计的穿搭场景、滤镜美学，将时尚穿搭明确指向特定场景；同时将“后台前置”作为信任构建策略，例如分享日常穿搭过程或产品试用细节，以“选择性真实”策略满足平台流量规则，让用户产生“内容与我相关”的感知，进而通过点赞、收藏等行为强化与内容的连接[4]。内容创作者依托内容创作平台以及支付、广告、电商、数据等平台，实现了人、内容和商品的三元连通[5]。从用户行为视角看，张姗姗(2021)基于价值共创理论指出，平台创立的用户与内容的社交互动是平台、内容生产者、消费者与商家价值共创的核心驱动力[6]。
基于此，场景适配作为内容贴合用户生活场景的核心指标，其高低影响用户互动意愿，而用户与内容的互动能够提升内容的商业价值，体现出用户的消费意愿，由此提出假设：
H1：场景适配度正向预测用户互动意愿
(二) 小红书内容的垂直专业性与信任构建
小红书独创的B2K2C (品牌–关键意见消费者–消费者)商业模式的核心在于通过KOC、KOL的垂直领域内容专业性降低用户感知风险[7]。在时尚穿搭领域，内容的垂直性不仅体现为风格的一致性，更表现为对细分领域知识的深度覆盖(如小个子穿搭技巧、特定风格搭配逻辑)，这种专业性能够通过平台算法与强化用户心理两种路径作用于互动效果。一方面，刘亭亭(2023)指出，小红书作为典型的UGC (用户生成内容)平台，其时尚博主内容营销呈现出鲜明的技术赋能特征。小红书以“标记我的生活”为价值内核，基于去中心化的算法推荐机制倾向于扶持“领域聚焦”的标签化内容，根据小红书提供的时尚热门话题或风格定位发布的笔记更易获得持续流量倾斜[8]。张思凡(2021)的研究表明，算法的精准匹配促使小红书博主从“泛化内容”转向“垂直定位”，精准定位能更好增加内容曝光，提升用户阅读和互动概率[9]。
另一方面，垂直专业性对用户信任具有强化作用。王建明(2021)构建的“认同–责任”模型表明，时尚博主通过在垂直领域的专业内容输出会引发用户认知与情感认同，这种认同能够推动用户互动行为转化为对服装服饰的可持续消费行为[10]。王璐卿(2023)的实证研究证实，博主与受众的情感互动、认知互动和行为互动显著正向影响品牌信任，其中情感互动对品牌忠诚度的标准化路径系数达0.32 (p < 0.001) [11]。刘晨(2024)分析发现，“种草”内容的专业性、准确性与丰富性对用户购买意愿具有影响[12]。时尚博主通过“制造真实”(如素颜试穿、瑕疵披露)、“突出自我”(体现个性化穿搭风格)和“强化共同”(精准匹配人群，如“打工人通勤穿搭”)三大叙事策略，能有效弥合商业推广与受众接受的心理距离，实现内容到商品的转化[13]。
因此，垂直领域专业性与精准匹配目标人群，契合小红书冷启动与用户画像结合的算法推荐机制，能够正向影响用户意愿，强化受众认同，激活用户消费行为，由此提出假设：
H2：垂直领域专业性正向预测用户互动意愿
H3：受众匹配度正向预测用户互动意愿
3. 研究设计
(一) 研究方法与模型
本研究采用内容分析法，以小红书官方认证时尚博主作为研究对象，将商业变现效果操作化为内容互动效果(点赞、收藏、评论作为三类互动指标)。通过SPSS软件，统计分析框架：首先分析内容层变量(内容垂直度、受众匹配度、场景适配度、信息有用性、人格化表达、内容质量、内容形式、广告标识、发布时间)对单条笔记互动效果的影响，其次纳入账号层变量(粉丝量级、历史爆文率)进一步分析其作用机制。
(二) 数据收集与样本选取
采用分层抽样法，通过第三方数据平台(灰豚数据)抓取小红书时尚领域TOP500时尚博主数据，按头部、腰部、初级(5:3:2比例)随机抽样300位博主，每人随机抽取最近5篇原创笔记，最终获得1500篇样本，样本数据涵盖内容特征、账号属性、互动指标等信息，并经脱敏处理。
(三) 变量操作化与编码
1. 内容层面
本研究将内容层面变量分为内容细分策略(内容垂直度、场景适配度、受众匹配度)与内容特征(信息有用性、人格化表达、内容质量、内容形式、发布时间、广告标识)两大维度：
(1) 内容垂直度。本研究操作为笔记所呈现的博主穿搭风格是否聚焦于单一时尚风格(如学院风)来判断，“2 = 风格极聚焦”；“1 = 风格聚焦”；“0 = 风格混杂”。
(2) 场景适配度。本研究以笔记内容是否明确指向特定场景来判断。“2 = 场景极精准”；“1 = 场景较精准”；“0 = 场景模糊”。
(3) 受众匹配度。本研究以一篇笔记中是否强调某一人群属性进行判断。“2 = 受众极精准”；“1 =受众较精准”；“0 = 受众模糊”。
(4) 人格化表达。本研究以一条小红书笔记中是否运用拟人化修辞、情感表达来判断，“1 = 有人格化表达”；“0 = 无人格化表达”。
(5) 信息有用性。本研究操作为内容是否提供多维度有用信息进行判断，“2 = 高信息有用性”；“1 = 中信息有用性”；“0 = 弱信息有用性”。
(6) 内容质量。本研究对内容质量高低进行评级，“2 = 高质量”；“1 = 中质量”；“0 = 低质量”。
(7) 内容形态。本研究将内容形态操作化为图文、GIF动图和视频三种类型，“3 = 视频”；“2 = 静态图 + GIF动图”；“1 = 图文”。
(8) 内容发布时间。本研究将内容发布时间操作化为是否在流量高峰时段发布，“1 = 高峰时段”；“0 = 非高峰”。
(9) 广告标识。本研究操作化为是否为商业推广笔记，“1 = 商业推广笔记”；“0 = 纯用户原创内容”。
(10) 内容互动效果。以用户对小红书笔记的点赞、收藏、评论作为数据指标。将点赞、收藏、评论作为三个独立因变量分别进行分析。
2. 账号层面
(1) 粉丝量级。本研究将账号粉丝量级编码为“1 = 初级达人”“2 = 腰部达人”“3 = 头部达人”。
(2) 历史爆文率。根据本研究将账号爆文率进行编码“1 = 低”；“2 = 中”；“3 = 高”。
由于小红书内容的互动量差异可能较大，参考传播研究中对极值的处理方式，对原始计算结果进行自然对数处理。编码过程中由两名编码员在为期一周的培训后对10%样本预编码。Krippendorff’s Alpha系数均在0.8以上，信度良好。正式编码时打乱放回了预编码样本重新编码。详细编码表及变量信度检验见表1。
Table 1. Coding table and coding consistency test
表1. 编码表及编码一致性检验
类目 |
变量 |
编码等级及定义 |
编码依据 |
编码示例 |
编码一致性Kappa系数 |
内容细分策略 |
内容垂直度 |
0 = 风格混杂(覆盖 ≥ 3种
及以上差异风格，视觉、
文案、标签无统一指向) 1 = 风格聚焦(围绕1种核心风格，视觉、文案、标签具备中度一致) 2 = 风格极聚焦(聚焦1种细分风格亚型，视觉、文案、标签高度统一) |
① 主视觉元素一致性(色彩、款式、材质) ② 文案关键词集中度(风格关键词重复率) ③ 话题标签关联性(#标签的风格类目重合度) |
0级：笔记含“美式复古”和“韩系”“辣妹风”，文案提“复古风/韩系/辣妹穿搭切换”，标签#复古穿搭#韩系#辣妹1级：分享“法式复古风”，视觉以茶歇裙/波点元素为主，文案高频提“法式慵懒”，标签#法式复古#茶歇裙2级：聚焦“小个子法式复古”，视觉强调显高剪裁，文案标注“158 cm友好”，标签#小个子法式#显高穿搭 |
0.815 |
场景适配度 |
0 = 场景模糊(标题、文案、视觉无明确场景，标签无场景属性)1 = 场景较精准(标题、文案明确1类场景，视觉匹配，标签含场景词) 2 = 场景极精准(标题、文案明确细分场景，视觉强化场景，标签精准指向) |
① 标题、文案场景关键词(如“通勤”)
② 视觉背景辨识度(场景化环境的还原度)
③ 话题标签场景指向性(#标签的场景细分度，如#通勤穿搭#职场面试) |
0级：标题“今日穿搭”，背景室内白墙，标签#穿搭分享1级：标题“周末约会穿搭”，背景咖啡馆，标签#约会穿搭#氛围感2级：标题“职场面试与通勤过渡穿搭”，背景办公室与街头衔接场景，标签#面试穿搭#职场通勤 |
0.842 |
受众匹配度 |
0 = 受众模糊(文案、标签未限定人群属性，风格无明确受众指向) 1 = 受众较精准(文案、标签明确1类人群特征，如身高、职业) 2 = 受众极精准(文案 + 标签联合限定细分人群，覆盖2种及以上属性，如“身高 + 职业”) |
① 文案人群限定词(如 “158 cm”“打工人”“宝妈”)
② 话题标签人群属性(# 标签的人群细分度，如 #小个子#小个子宝妈)
③ 风格、场景与人群的适配性(如“职场宝妈”需兼顾职业与育儿场景) |
0级：标题“日常穿搭”，标签#OOTD1级：标题“158 cm小个子穿搭”，标签#小个子穿搭#显高2级：标题“158 cm职场宝妈秋冬通勤穿搭”，文案提“兼顾带娃和上班”，标签#小个子宝妈#职场妈妈穿搭 |
0.895 |
内容特征 |
信息有用性 |
0 = 弱(仅展示穿搭，无知识、教程、消费决策辅助信息) 1 = 中(含基础搭配技巧或模糊品牌、无链接) 2 = 强(详细教程/完整步骤或附购买链接、价格或品牌对比) |
① 穿搭知识密度(搭配公式、材质解析等)
② 消费决策辅助(购买链接、价格区间、品牌推荐 |
0级：“今日穿搭分享” + 3张穿搭图1级：“上宽下窄公式” + 身高 + 体重 + 适合微胖(无链接)2级：“5步打造职场风”：① 选西装……③ 搭丝巾；附购买链接 |
0.851 |
人格化表达 |
0 = 无(第三人称/客观描述，无“我”或情感词汇)1 = 有(第一人称叙述或含情感词如“超爱”“踩雷”) |
① 叙述视角(第一/第三人称)
② 情感词汇(超爱、避雷、绝了等主观表达) |
0级：“这套穿搭适合通勤”1级：“家人们谁懂啊！我今天穿这套回头率超高了！真的非常适合约会穿搭~” |
0.910 |
|
内容质量 |
0 = 低(画质模糊/构图杂乱，文案逻辑混乱) 1 = 中(画质清晰/沟通常规/文案通顺) 2 = 高(画质精致/构图设计感，文案故事化、干货化) |
① 视觉质量(画质、构图、氛围感)
② 文案质量(逻辑、表达形式) |
0 级：低质穿搭图 + 无文案1 级：清晰穿搭图 + “上班这样穿好好看，通勤穿搭分享”2 级：光影感、高清高质穿搭图 + “职场新人的第一天穿搭” |
0.821 |
广告标识 |
0 = 无(无品牌/推广意图) 1 = 商业推广(软性植入、品牌明确合作、硬广推广) |
① 品牌露出方式(隐式/显式)
② 推广意图(分享vs 营销 |
0级：“私服分享” 1级：“MLB品牌的新款穿搭，感谢品牌支持” |
0.873 |
内容形式 |
1 = 图文(静态图片 + 文字描述) 2 = 动态组合(静图 + GIF 动图，如穿搭动效展示) 3 = 视频(动态视频，含剪辑/字幕) |
① 媒介类型(图片/视频/GIF)
② 呈现形式(静态/动态) |
1级：9图穿搭 + 文字2级：3张静图 + 1 张转身动图 3级：1分钟穿搭视频(换衣剪辑 + 字幕) |
平台数据统计，客观性无需编码检验 |
发布时间 |
0 = 非流量高峰(如0~7点、10~12点、15~19点)1 = 流量高峰时段 |
① 发布时刻
② 平台流量规律(行业共识) |
0级：发布于凌晨2点1级：发布于晚8点 |
0.815 |
内容互动效果 |
点赞收藏评论 |
量化指标 直接抓取平台公开数据 |
小红书平台公开数据 |
/ |
客观数据，无需编码检验 |
账号层面 |
粉丝量级 |
1 = 初级达人 2 = 腰部达人 3 = 头部达人 |
① 账号粉丝区间(小红书第三方数据平台统计) |
/ |
平台数据统计，客观性无需编码检验 |
历史爆文率 |
0 = 无爆文 1 = 中爆文率 2 = 高爆文率 |
① 近90天笔记中爆文数量占比(小红书第三方数据平台统计) |
/ |
平台数据统计，客观性无需编码检验 |
4. 研究结果
(一) 内容细分策略对内容互动效果的影响
单因素ANOVA检验结果显示(见表2)，内容垂直度对点赞(F = 22.099)、收藏(F = 21.071)、评论(F = 32.314)均有显著影响(均p < 0.001)，其中评论对内容垂直度最敏感。Tukey多重比较检验，内容垂直度分级对三类互动行为均呈现0 < 1 < 2的单调递增关系，且每对组间差异均达统计显著(均p < 0.05)。即风格越聚焦，互动量阶梯式提升。
场景适配度对点赞(F = 37.854)、收藏(F = 51.550)、评论(F = 29.308)均有显著影响(均p < 0.001)，其中收藏对场景适配度最敏感。Tukey多重比较检验呈阶梯式影响(均p < 0.001)，场景越精准，互动效果越强。
受众匹配度对点赞(F = 13.842)、收藏(F = 22.300)、评论(F = 14.837)均有显著影响(均p < 0.001)其中评论对受众匹配度最敏感。Tukey多重比较检验显示，低匹配度的用户互动效果显著低于中高匹配度(均p < 0.001)，但中与高匹配度间无显著差异。即避免低匹配度是提升用户互动的关键，高匹配度难以进一步提升内容互动量。
Table 2. Tukey table for post-hoc multiple comparisons
表2. 事后检验多重比较Tukey表
因变量 |
风格 垂直度 |
均值差 |
显著性(p) |
场景 适配度 |
均值差 |
显著性(p) |
受众匹配度 |
均值差 |
显著性(p) |
内容互动(点赞) |
0 |
1 |
−0.751 |
0.003 |
0 |
1 |
−0.620 |
<0.001 |
0 |
1 |
−1.055 |
<0.001 |
1 |
2 |
−0.518 |
<0.001 |
1 |
2 |
−0.643 |
<0.001 |
1 |
2 |
0.183 |
0.368 |
2 |
0 |
1.268 |
<0.001 |
2 |
0 |
1.263 |
<0.001 |
2 |
0 |
0.871 |
<0.001 |
内容互动(评论) |
0 |
1 |
−0.832 |
<0.001 |
0 |
1 |
−0.549 |
<0.001 |
0 |
1 |
−1.092 |
<0.001 |
1 |
2 |
−0.518 |
<0.001 |
1 |
2 |
−0.639 |
<0.001 |
1 |
2 |
0.050 |
0.893 |
2 |
0 |
1.269 |
<0.001 |
2 |
0 |
1.189 |
<0.001 |
2 |
0 |
1.042 |
<0.001 |
内容互动(收藏) |
0 |
1 |
−0.633 |
<0.001 |
0 |
1 |
−0.494 |
0.003 |
0 |
1 |
−1.106 |
<0.001 |
1 |
2 |
−0.559 |
<0.001 |
1 |
2 |
−0.622 |
<0.001 |
1 |
2 |
0.073 |
0.854 |
2 |
0 |
1.192 |
<0.001 |
2 |
0 |
1.117 |
<0.001 |
2 |
0 |
1.032 |
<0.001 |
(二) 内容特征与互动关系的相关性分析
相关性分析显示(见表3)，内容特征与内容互动效果之间呈显著相关(均p < 0.001)：人格化表达对评论驱动性最强(皮尔逊系数0.257)；信息有用性对收藏的驱动性最强(皮尔逊系数0.242)；内容质量对评论(皮尔逊系数0.232)和点赞(皮尔逊系数0.198)的影响相当。此外，互动行为之间关联显著。收藏与点赞的相关系数为0.886 (p = 0.000)，收藏与评论的相关系数为0.72 (p < 0.001)，点赞与评论的相关系数为0.775 (p < 0.001)，表明评论者常同步点赞、收藏，且点赞和评论行为亦同步。
Table 3. Correlation analysis of content interaction effects
表3. 内容互动效果的相关性分析
内容特征 |
系数 |
内容互动(点赞) |
内容互动(收藏) |
内容互动(评论) |
人格化表达 |
皮尔逊相关系数 |
0.156 |
0.174 |
0.257 |
显著性 |
<0.001 |
<0.001 |
<0.001 |
信息有用性 |
皮尔逊相关系数 |
0.132 |
0.242 |
0.231 |
显著性 |
<0.001 |
<0.001 |
<0.001 |
内容质量 |
皮尔逊相关系数 |
0.198 |
0.132 |
0.232 |
显著性 |
<0.001 |
<0.001 |
<0.001 |
粉丝量级 |
皮尔逊相关系数 |
0.355 |
0.370 |
0.417 |
显著性 |
<0.001 |
<0.001 |
<0.001 |
历史爆文率 |
皮尔逊相关系数 |
0.219 |
0.093 |
0.143 |
显著性 |
<0.001 |
0.093 |
<0.001 |
收藏 |
皮尔逊相关系数 |
0.886 |
1 |
0.729 |
显著性 |
0.000 |
/ |
<0.001 |
评论 |
皮尔逊相关系数 |
0.775 |
0.729 |
1 |
显著性 |
<0.001 |
<0.001 |
/ |
点赞 |
皮尔逊相关系数 |
1 |
0.886 |
0.775 |
显著性 |
/ |
0.000 |
<0.001 |
(三) 分层回归分析结果
以广告标识、内容形式、发布时间为控制变量，分层回归显示(见表4)：
Table 4. Hierarchical regression analysis table of content interaction behaviors
表4. 内容互动行为回归分析表
互动行为 |
模型 |
变量 |
β |
t值 |
p值 |
点赞 |
模型1 |
内容形式 |
0.250 |
3.943 |
0.020 |
发布时间 |
0.909 |
6.896 |
<0.001 |
广告标识 |
−0.421 |
−2.649 |
0.008 |
模型2 |
内容形式 |
0.149 |
2.419 |
0.016 |
发布时间 |
0.524 |
4.009 |
<0.001 |
广告标识 |
−0.566 |
−3.674 |
<0.001 |
内容垂直度 |
0.367 |
4.041 |
<0.001 |
场景适配度 |
0.504 |
6.552 |
<0.001 |
受众匹配度 |
−0.155 |
−1.472 |
0.141 |
收藏 |
模型1 |
内容形式 |
0.250 |
3.943 |
0.020 |
发布时间 |
0.909 |
6.896 |
<0.001 |
广告标识 |
−0.421 |
−2.649 |
0.008 |
模型2 |
内容形式 |
0.247 |
3.976 |
0.016 |
发布时间 |
0.687 |
5.199 |
<0.001 |
广告标识 |
−0.355 |
−2.277 |
0.023 |
内容垂直度 |
0.340 |
3.703 |
<0.001 |
场景适配度 |
0.407 |
5.231 |
<0.001 |
受众匹配度 |
−0.032 |
−0.301 |
0.763 |
评论 |
模型1 |
内容形式 |
0.161 |
3.084 |
0.002 |
发布时间 |
0.642 |
5.923 |
<0.001 |
广告标识 |
−0.205 |
−1.565 |
0.118 |
模型2 |
内容形式 |
0.159 |
3.184 |
0.016 |
发布时间 |
0.390 |
3.675 |
<0.001 |
广告标识 |
−0.126 |
−1.007 |
0.023 |
内容垂直度 |
0.347 |
4.694 |
<0.001 |
场景适配度 |
0.474 |
7.576 |
<0.001 |
受众匹配度 |
−0.005 |
−0.064 |
0.949 |
1. 点赞行为回归结果
模型1中，内容形式(β = 0.147, p = 0.020)、发布时间(β = 0.771, p < 0.001)正向影响点赞；广告标识(β = −0.633, p < 0.001)负向影响。模型2引入内容垂直度、场景适配度和受众匹配度后，场景适配度(β = 0.504, p < 0.001)和内容垂直度(β = 0.367, p < 0.001)成为核心驱动因子，受众匹配度无显著影响(β = −0.155, p = 0.141)。此外，发布时间在流量高峰时段能显著增加点赞效果，内容形式优化对点赞效果的提升较弱。
交互项结果表明，场景适配度与人格化表达(β = 0.699, p = 0.002)、内容垂直度与内容质量(β = 0.508, p = 0.002)、内容垂直度与信息有用性(β = 0.084, p = 0.009)对点赞行为有显著正向影响，内容垂直度与受众匹配度(β = −0.073, p = 0.018)对点赞行为有显著负向影响。
2. 收藏行为回归结果
模型1中，内容形式(β = 0.250, p = 0.020)、发布时间(β = 0.909, p < 0.001)正向影响收藏；广告标识(β = −0.421, p = 0.008)负向影响。模型2中，场景适配度(β = 0.407, p < 0.001)和内容垂直度(β = 0.340, p < 0.001)成为核心驱动，受众匹配度仍无显著影响(β = −0.032, p = 0.763)。发布时间仍有弱效应。
交互项中，场景适配度与发布时间、人格化表达、信息有用性，及内容垂直度与信息有用性的交互，均正向促进收藏行为(p < 0.05)。
3. 评论行为回归结果
模型1中，内容形式(β = 0.161, p = 0.002)、发布时间(β = 0.642, p < 0.001)对评论行为有显著正向影响，广告标识无显著影响(β = −0.205, p = 0.118)。模型2中，场景适配度(β = 0.474, p < 0.001)和内容垂直度(β = 0.347, p < 0.001)是驱动评论行为的核心因子，受众匹配度无显著影响(β = −0.005, p = 0.949)。
交互项中，场景适配度与人格化、及内容垂直度与内容质量、信息有用性对评论行为有显著正向影响(p < 0.05)。
(四) 中介效应检验
以历史爆文率和粉丝量级为中介变量的检验显示(见表5)：场景适配度通过爆文率对互动(点赞、收藏、评论)呈弱中介效应，且点赞的中介作用大于评论大于收藏；场景适配度通过粉丝量级对内容互动提升显著，直接效应占比93.31%~95.98%。内容垂直度与受众匹配度通过爆文率对内容互动影响不显著，但通过粉丝量级的间接路径提升内容互动显著。
Table 5. Mediation effect table
表5. 中介效应表
中介 路径 |
互动指标 |
爆文率直接效应系数 |
爆文率中介效应系数 |
爆文率直接效应占比 |
粉丝量级直接效应系数 |
粉丝量级中介效应系数 |
直接效应占比 |
场景 适配度 |
点赞 |
0.516 |
0.038 |
93.31% |
0.337 |
0.217 |
69.83% |
收藏 |
0.456 |
0.019 |
96.02% |
0.253 |
0.221 |
53.38% |
评论 |
0.526 |
0.022 |
95.98% |
0.337 |
0.211 |
61.50% |
内容 垂直度 |
点赞 |
0.484 |
0.003 |
99.38% |
0.345 |
0.142 |
70.84% |
收藏 |
0.455 |
0.002 |
99.56% |
0.317 |
0.047 |
87.09% |
评论 |
0.487 |
0.002 |
95.68% |
0.350 |
0.139 |
71.57% |
受众 匹配度 |
点赞 |
0.130 |
−0.000 |
100% |
0.023 |
0.107 |
17.69% |
收藏 |
0.210 |
−0.001 |
100% |
0.106 |
0.104 |
87.09 |
评论 |
0.262 |
−0.000 |
100% |
0.159 |
0.103 |
71.57 |
5. 结论与讨论
(一) 研究结论
本研究围绕内容细分策略(内容垂直度、场景适配度、受众匹配度)对用户的互动行为(点赞、收藏、评论)的影响及中介机制展开探究，得出如下结论：
1. 直接因果效应：场景、风格适配性主动内容互动
分层回归显示，场景适配度与内容垂直度对内容互动(点赞、收藏、评论)均存在显著因果效应(p < 0.001)，支持内容与场景、风格的适配性可主动提升用户互动的因果论断，且评论行为对内容垂直度更敏感，收藏行为对场景适配度更敏感。受众匹配度在所有互动行为的回归模型中均未呈现显著直接因果效应。这一结果并非否定受众匹配的价值，而是暗示：受众标签匹配或已通过平台算法前置实现，受众匹配度的影响可能被内容本身的场景/风格适配性覆盖，难以在控制变量后独立解释互动差异。
2. 中介因果路径：粉丝量级稳定传导
中介效应检验显示，粉丝量级在场景适配度、内容垂直度与用户互动间均存在显著间接因果效应(间接效应置信区间均不含0)，构成“内容特征→粉丝积累→互动增长”的稳定传导路径。粉丝作为长期流量载体，其中介作用依赖内容质量的持续性，因此更具可预测性。爆文率的中介效应呈现弱显著性或不显著性(如场景适配度→爆文率→点赞的间接效应置信区间边缘包含0，内容垂直度→爆文率→互动的间接效应接近0)。爆文的“偶然性”(如社会热点、算法推荐波动)削弱了其中介稳定性，提示研究需区分“短期爆文”与“长期流量”的机制差异。
3. 内容与互动行为的协同倾向
相关分析揭示内容特征(人格化表达、信息有用性、内容质量)与用户互动行为存在显著正相关(均p < 0.001)。人格化表达与评论的强相关(r = 0.257)，仅说明二者协同出现的概率更高，不代表“人格化必然引发评论”。点赞、收藏、评论间的强相关(如点赞与收藏r = 0.886)，仅反映用户互动行为的协同性(如活跃用户更可能同时点赞、收藏、评论)，而非“点赞导致收藏”的因果推导。
(二) 实践对策
1. 聚焦场景适配与风格打磨
聚焦场景适配度对收藏与风格垂直度对评论的强因果关联，结合发布时间、人格化表达的交互效应，实施全周期垂直内容运营。通过细分用户生活、工作、娱乐等场景，为子场景定制差异化内容，选定核心时尚风格并稳定输出以固化用户认知；匹配场景与时段发布，如通勤穿搭内容在早晚高峰发布，融入相关风格并输出轻量化知识内容。
2. 动态适配用户场景需求
因受众匹配度因果效应弱，创作者可从研究“用户是谁”转向“用户在什么场景下需要什么”。利用场景适配度与人格化表达的交互效应，以第一人称叙事融入情感创作；动态追踪社会环境、时尚潮流等变化更新内容，借助场景适配度对收藏的强驱动，以高有用性信息内容实现用户长期留存。
3. 多维互动设计与引导
基于点赞–收藏–评论的强相关性，围绕“点赞(情绪/观点共鸣)→收藏(实用价值)→评论(表达欲)”的行为链条设计内容；利用小红书投票、粉丝群、私信等工具设置互动，借人格化表达激发用户评论欲，带动点赞与收藏。
4. 广告场景化融合
场景适配度可中和广告负效应，故需将广告嵌入场景叙事，宣推品牌时，把品牌融入场景需求，降低用户抵触心理，强化用户认同。
(三) 理论局限与研究展望
本研究基于观察性数据，尽管通过分层回归控制广告标识、发布时间、内容形式等协变量，但无法完全排除遗漏变量偏差(如用户心理动机、平台算法、社会网络因素等)对因果关系的干扰，难以捕捉内容特征与互动行为的深层关联机制。此外，研究数据来源于小红书内容平台，未验证跨平台的普适性。未来，可以进行跨平台研究，在短视频、音频等多平台重复研究，对不同媒介形态下内容特征的作用差异，开展长期影响的追踪研究。采用纵向研究设计，追踪内容细分策略(如持续提升场景适配度)对用户留存率、商业变现效果的长期影响。纳入更多的变量与丰富拓展商业变现效果的代理指标维度(本文只将内容互动作为代理指标)进行研究，如可纳入心理中介变量(如感知有用性、情感卷入)构建多层次中介模型。