1. 引言
随着元宇宙概念的普及，虚拟主播技术越来越广泛地运用在各个领域中。虚拟电商主播，是由人工和程序控制、拥有与人交互能力的拟人化形象，在虚拟电商直播中主播能通过互动行为促成交易。虚拟主播以高质量、低成本、互动性更强的直播形式，高效匹配优化用户体验感的需求，打破传统直播模式，成为了数字时代直播的主要趋势，而虚拟主播特征成为了影响消费者购买行为的重要因素。《2023年中国虚拟人产业发展研究报告》指出：现阶段，90%的调查对象会在虚拟直播间进行购买行为，且有近四成的调查对象表示会在未来的发展阶段中增加购买意愿。因为与真人主播相比，虚拟人具有全天候不间断直播、形象与内容高度可定制、多语言与多场景实时切换，互动体验与数据能力强，不存在“塌房”风险的优势，所以引发由虚拟人担当电商主播角色的尝试。之前的研究主要调查了虚拟主播特征对消费者体验和行为意图的影响。Wu等[1]强调，虚拟主播的社交性放大了消费者的体验价值，这种效果受到主播传播风格和用户观看环境的影响。Gao等[2]发现，虚拟主播的受欢迎程度、动物性和响应性通过增强在场感对购买意愿产生积极影响。王翠翠等[3]研究了电商直播中虚拟主播互动性对消费者购买行为的影响。陈瑞华[4]构建了数字人主播互动性对消费者购买意愿的影响模型，并运用两个情景实验检验了社会临场感的中介机制及人机信任感的调节作用。多数对于电商主播的研究都停留于真人主播层面，虚拟人在电商领域中充当各种角色，现有的研究文献主要关注虚拟购物助理、择优商品顾问、智能聊天助手、虚拟客服代理等。然而，关于直播电商中由虚拟形象担任主播角色的研究仍然不够深入，本文专注于虚拟电商主播，以补充和拓展与虚拟人相关的研究。为了弥补已有研究的不足，本文将在直播电商的背景下，以虚拟电商主播的专业性、互动性、社会性三个特征作为切入点。以S-O-R理论为基本模型，将虚拟电商主播特征作为刺激变量，消费者感知价值为机体变量，购买意愿为反应变量，构建研究模型并验证假设，补充和拓展虚拟电商主播方面的相关研究，进一步探究虚拟电商主播特征对消费者购买意愿的影响。
2. 研究假设与理论分析
2.1. 假设消费者感知价值与虚拟电商主播特征关系
2.1.1. 专业性
Bansal等研究得出消费者在对商品信息不明确的情况下，更趋向于听取专家的意见来做出购买选择的结论[5]。Michell等认为对商品领域有所研究的人，会对商品产生自身独到且详细的认知，消费者在对商品进行信息采集的时候，往往选择专家推选的商品来降低购买失误的风险[6]。本文将虚拟电商主播的专业性定义为依据程序或者人工操纵，具有对商品的相关使用经验以及对该商品基础配置、使用场景等知识的深度了解。消费者感知到的商品的实用性、情绪价值和社会作用与专业性的关系。Holzwarth等[7]研究化身对在线消费者购物行为的影响。研究表明在中等程度的产品参与下，有吸引力的化身是更有效的销售代理，但在高水平的产品参与中，专家化身是更高效的销售代理。综上所述，有关专业性的假设为：
H1a：虚拟电商主播的高专业性有利于消费者感知到商品的实用性。
H1b：虚拟电商主播的高专业性有利于消费者感知到商品的情绪价值。
H1c：虚拟电商主播的高专业性有利于消费者感知到商品的社会作用。
2.1.2. 互动性
韩箫亦等认为互动性是电商主播为消费者提供商品的基础信息、使用方式、对比优势，双方进行信息交互的特征[8]。Berger指出，一方发出互动请求之后收到另一方的回复，就会加强一方的感知程度，同时提高双方的关注程度[9]。本文将互动性定义为虚拟电商主播在直播过程中，就消费者提出的相关商品问题进行解答或为活跃直播氛围而抛出问题的现象。消费者感知到的商品的实用性、情绪价值和社会作用与互动性的关系。Xi等[10]研究主播和观众之间的互动是告知、吸引和说服观众的重要活动。综上所述，有关互动性的假设为：
H2a：虚拟电商主播的高互动性有利于消费者感知到商品的实用性。
H2b：虚拟电商主播的高互动性有利于消费者感知到商品的情绪价值。
H2c：虚拟电商主播的高互动性有利于消费者感知到商品的社会作用。
2.1.3. 社会性
Fung指出，具有拟人化情感特征的网站，有利于提高消费者回购的频率[11]。社会行动的交互可以加强人与人之间的在意程度，多样的社交软件能够成为高效传播社会行动的工具[12]。本文将虚拟电商主播的社会性定义为虚拟电商主播呈现拟人化的程度，即与人交互是否能忽略程序反应的延时性与表现的刻板化。消费者感知到的商品的实用性、情绪价值和社会作用与社会性的关系。Li等基于社会认知理论研究整合社会存在与社会学习以促进购买意愿[13]。综上所述，有关社会性的假设为：
H3a：虚拟电商主播的高社会性有利于消费者感知到商品的实用性。
H3b：虚拟电商主播的高社会性有利于消费者感知到商品的情绪价值。
H3c：虚拟电商主播的高社会性有利于消费者感知到商品的社会作用。
2.2. 消费者感知价值与消费者购买意愿的假设
2.2.1. 感知功能价值
消费者通过虚拟主播对商品的介绍及演示，感知到商品的使用价值与实用性即感知功能价值。Ringle等验证了消费者感知产品功能价值与消费者购物意愿具有正相关关系[14]。在虚拟直播间中，直播间运营人员可以通过场景贴片切换、虚拟主播形象更改等方法丰富直播画面，从而为消费者提供更加全面的商品展示。综上所述，感知功能价值与购买意愿的关系假设为：
H4a：消费者感知到商品实用性越高，越有利于激发购买意愿的产生。
2.2.2. 感知情感价值
感知情感价值是在直播的过程中，虚拟主播的行为、语言等给消费者提供的情绪价值。王昭曦研究发现消费者在电商直播情境下受到的一系列刺激，包括主播的语言激烈程度、商品操作是否简单易懂、交互问题是否有趣等都会使消费者对商品产生不同的情绪价值[15]。虚拟主播可以通过大数据算法，合成大众喜爱的形象与声音，在直播画面上获取消费者的好感，营造轻松的购物氛围，提升消费者的情感价值感知。综上所述，感知情感价值与购买意愿的关系假设为：
H4b：消费者感知到的商品情绪价值越丰富，越有利于激发购买意愿的产生。
2.2.3. 感知社会价值
本文对感知社会价值的定义是消费者在直播过程中，对商品产生一定的认知，预设商品的购买能给生活带来多方面的改变，从而提升生活品质的想法。张鹤冰等研究发现在线购物环境下，消费者感知社会价值正向影响消费者购买意愿[16]。虚拟直播间为消费者提供新鲜的购买场景，将商品品牌往高端化塑造，配合高科技的场景，与直播间群体需求相匹配，会增加消费者的信任程度，提高社会认同感，从而产生购买行为。综上所述，感知社会价值与购买意愿的关系假设为：
H4c：消费者感知到商品社会作用越强，越有利于激发购买意愿的产生。
2.3. 消费者感知价值的中介效应
消费者对于物品价值的判定取决于本身对于商品的认知价值，而不是商品的实际价值，当消费者花费金钱购买产品时，会根据其预期期望在得与失间权衡后产生感知价值。结合本研究模型，虚拟电商主播特征对消费者购买意愿的刺激因素产生作用后，会使其对产品产生感知价值，消费者会对商品进行多方面的评判后做出消费选择。虚拟电商主播的专业性会让消费者在商品信息模糊化的情况下，对商品外观、使用情况等进行深入了解，增加商品对消费者的吸引力；虚拟电商主播的互动性可以在消费者对商品有个人定义之后产生的疑问得到解答，营造轻松的购物氛围；虚拟电商主播的社会性向消费者展示高度的拟人化，提高消费者的信任程度，提供新鲜且有保障的消费体验。综上所述，消费者感知价值的中介效应假设为：
H5a：感知功能价值在专业性与购买意愿间起到中介作用。
H5b：感知情感价值在专业性与购买意愿间起到中介作用。
H5c：感知社会价值在专业性与购买意愿间起到中介作用。
H6a：感知功能价值在互动性与购买意愿间起到中介作用。
H6b：感知情感价值在互动性与购买意愿间起到中介作用。
H6c：感知社会价值在互动性与购买意愿间起到中介作用。
H7a：感知功能价值在社会性与购买意愿间起到中介作用。
H7b：感知情感价值在社会性与购买意愿间起到中介作用。
H7c：感知社会价值在社会性与购买意愿间起到中介作用。
2.4. 理论模型
根据以上理论和假设，本文以S-O-R理论为基本模型，将虚拟电商主播特征作为刺激变量，消费者感知价值为机体变量，购买意愿为反应变量。本研究理论模型如图1。
Figure 1. Theoretical model
图1. 理论模型
3. 问卷设计与数据收集
3.1. 问卷设计
本文的调研对象为有观看虚拟直播并且产生过消费意愿的人群。问卷初步分为三部分：前三题让没有电商虚拟直播观看经验和没有在虚拟直播间产生消费意愿的调查对象结束问卷调查。其次确定样本的基本信息。第三部分根据上文假设从3个维度设计主体调查问卷，通过7个变量验证假设，具体如表1所示。调查问卷采用Likert七级量表，表达的同意程度从低到高，本研究为检验问卷题项是否有疏漏，在正式问卷发放之前进行预调研。
Table 1. Investigation variable question items
表1. 调查变量题项
变量名 |
编号 |
测量题项 |
参考来源 |
专业性 |
Q11 |
我认为该虚拟主播具备所推荐产品领域的相关知识 |
Netemeyer et al. [17] |
Q12 |
我认为该虚拟主播在所推荐产品领域具有较高的权威性 |
Q13 |
我认为该虚拟主播在所推荐产品领域具有较强的专业能力 |
Bansal et al. [5] |
互动性 |
Q14 |
我认为该虚拟主播能积极回答我提出的问题或话题 |
Ridings et al. [18] |
Q15 |
我认为该虚拟主播的话题吸引我积极响应 |
Q16 |
我认为该虚拟主播会经常和观众就产品在直播时进行交流 |
Q17 |
我认为该虚拟主播总能迅速的回应我的问题或话题 |
社会性 |
Q18 |
我认为该虚拟主播具备与人交互的能力 |
Wang et al. [12] |
Q19 |
我认为该虚拟主播能提供有用的信息 |
Q20 |
我认为该虚拟主播能提供购物所需的情绪价值 |
感知功能价值 |
Q21 |
我认为该虚拟主播推荐的商品质量具有保障 |
Sweeney et al. [19] |
Q22 |
我认为该虚拟主播推荐的商品具有实用性 |
Q23 |
我认为该虚拟主播推荐的商品做工不错 |
感知情感价值 |
Q24 |
我认为在虚拟主播推荐商品时，我感到放松 |
Sweeney et al. [19] |
Q25 |
我认为在虚拟主播推荐商品时，我感到愉快 |
Q26 |
我认为在虚拟主播推荐商品时，我感到激动 |
感知社会价值 |
Q27 |
使用该虚拟主播推荐的商品，让我的辨识度变高 |
Sweeney et al. [19] |
Q28 |
使用该虚拟主播推荐的商品，让我看起来更具有亲和力 |
Q29 |
使用该虚拟主播推荐的商品，会提高我的社会认同感 |
消费者购买意愿 |
Q30 |
我愿意在该虚拟直播间进行商品购买 |
Ajzen et al. [20] |
Q31 |
我愿意在该虚拟直播间进行商品回购 |
Q32 |
我愿意将该虚拟直播间分享给别人 |
3.2. 数据收集
在预调研问卷收集阶段，通过分享问卷星链接共收集100份问卷，其中90份是有效的。通过信度检验后，发现各变量的Cronbach’s Alpha值均超过0.8，表明问卷信度比较好，并且KMO值为0.771，可以接受，即问卷具有较好的信效度，可进行正式调查。正式调查结果的Cronbach’s Alpha值为0.916，KMO值为0.889，表明问卷设置具有可靠性和稳定性，能够度量出研究需要的结果。
正式问卷共发放了350份问卷，经过仔细筛选，剔除了不符合要求的以及那些填写时间过短、答案随意勾选的无效问卷，最终获得了301份有效问卷。据此，问卷的有效回收率达到了86%。样本描述性统计结果如表2所示。
Table 2. Sample descriptive statistics
表2. 样本描述性统计
统计变量 |
类别 |
频数 |
百分比 |
性别 |
男 |
118 |
39.20% |
女 |
183 |
60.80% |
年龄 |
18岁以下 |
25 |
8.31% |
18~23岁 |
123 |
40.86% |
24~29岁 |
57 |
18.94% |
30~35岁 |
39 |
12.96% |
36~41岁 |
30 |
9.97% |
41岁以上 |
27 |
8.97% |
受教育程度 |
高中及以下 |
36 |
11.96% |
专科 |
94 |
31.23% |
本科 |
127 |
42.19% |
硕士及以上 |
44 |
14.62% |
职业 |
在校学生 |
128 |
42.52% |
企业及公司职员 |
112 |
37.21% |
政府及事业单位工作者 |
17 |
5.65% |
个体户及自由职业者 |
26 |
8.64% |
其他 |
18 |
5.98% |
月收入水平(生活费) |
2000以下 |
98 |
32.56% |
2001~5000 |
105 |
34.88% |
5001~10,000 |
88 |
29.24% |
10,000以上 |
10 |
3.32% |
接触虚拟电商直播时间 |
1年及以下 |
188 |
62.46% |
1~3年 |
105 |
34.88% |
3~5年 |
5 |
1.66% |
5年以上 |
3 |
1.00% |
平均每月观看虚拟电商直播的次数 |
1次及以下 |
152 |
50.50% |
2~5次 |
120 |
39.87% |
6~9次 |
23 |
7.64% |
10次及以上 |
6 |
1.99% |
综合上述数据，本次调查问卷所收集的数据基本符合虚拟电商直播的发展现状，样本整体的代表性较高，因此可对样本进行数据分析，并检验模型的合理性。
4. 数据分析
4.1. 探索性因子分析
首先，本文实施了KMO测度和Bartlett的球形性检验。结果显示KMO指标达到了0.889，而其显著性水平远低于0.05的阈值，为0.000，这表明数据非常适合进行因子分析。因此，所述变量适宜于进行因子剖析。接下来采用主成分分析法对调查问卷中所有变量的22个问项提取公因子，共提取出7个特征值大于1的公因子，与量表中变量维度的划分标准一致，同时提取出的7个主成分累积解释率达到了75.652%，实现了对原有变量较高的解释率。利用最大方差法实现因子的旋转处理，进而获得经旋转后的成分矩阵。观察数据表中的各项因子负荷，通过对七个变量的题项进行因子分析，所获得的维度划分与原始量表中的变量题项维度划分标准保持了一致性。同时，所有题项的因子载荷值均超过了0.5，这表明量表在结构效度方面的测量是较为理想的。
4.2. 验证性因子分析
验证性因子分析用来检验潜变量的性质和潜变量之间的关系，确保调查问卷的质量[18]。首先对正式调查的样本数据进一步检验变量题项是否具有从属关系，利用AMOS 26.0软件建立测量模型，使用验证性因子分析对测量模型的聚敛效度进行检验，看聚敛效果是否达到心理学技术测量要求。根据聚敛效度检验结果可知，各项指标的标准化因子负载量均超越了预定门槛值0.5，协方差比值(C.R.)远超标准限值8，同时在p值层次上表现出统计学意义。平均方差解释量(AVE)悉数超过了预定阈值0.5，整体信度指标(CR)亦均显著高于0.8，高于所设定的要求值0.7。上述各数值均符合标准，说明本研究使用的所有量表的聚敛效度较为理想，量表中各题项能够较好地收敛于各自所对应的潜变量。
经过对表3所提供的测量模型数据进行拟合分析，结果表明：卡方与自由度的比值低至1.128，远低于2的标准；RMSEA的数值仅为0.021，远低于0.05的阈值；而GFI、AGFI、CFI、IFI和TLI等指数均超过了0.9，表明模型拟合度较高。综合来看，测量模型拟合值符合标准要求，证明在验证性因子分析过程中，构建的测量模型具有良好的拟合效果。
Table 3. Measurement model fitting results
表3. 测量模型拟合结果
拟合指标 |
评价标准 |
模型指标值 |
拟合情况 |
合理 |
较优 |
卡方自由度比值CMIN/DF |
<3 |
<2 |
1.128 |
较优 |
近似误差均方根RMSEA |
<0.08 |
<0.05 |
0.021 |
较优 |
拟合优度指数GFI |
>0.8 |
>0.9 |
0.942 |
较优 |
调和拟合优度指数AGFI |
>0.8 |
>0.9 |
0.922 |
较优 |
比较拟合指数CFI |
>0.8 |
>0.9 |
0.993 |
较优 |
递增拟合指数IFI |
>0.8 |
>0.9 |
0.993 |
较优 |
Tucker-Lewis拟合指数TLI |
>0.8 |
>0.9 |
0.991 |
较优 |
4.3. 共同方法偏差分析
利用SPSS 22.0对所有量表题项进行Harman单因素检验。经过分析，我们观察到的数据表明，有7个因子的值超过了1，并且第一个因子仅解释了36.194%的方差，这个比例低于40%。基于这些信息，初步推断在本研究中没有出现显著的共同方法偏差问题。
在构造的证实性因子分析架构中，引入了一个共有的测量因子，并进行了证实性因子分析。对比了引入共有的测量因子后的测量模型拟合指标与未引入该因子时的拟合指标。若两种情况下的拟合指标差异微乎其微(通常情况下，△RMSEA低于0.05，同时其余指数变动幅度低于0.1)，则表明共同方法偏差并未显著存在。经过分析，△CMIN/DF = 0.04，△RMSEA = 0.004，△GFI = 0.008，△AGFI = 0.001，△CFI = 0.003，△IFI = 0.003，△TLI = 0.000，各项拟合指数的变化值均在约束条件范围内，意味着加入共同方法因子并不能改善模型，同时也意味着不存在严重共同方法偏差。
4.4. 相关分析
经过对电商直播样本数据的细致分析，本研究探讨了主播的专业能力、互动交流、以及社交属性等多个维度与观众感知价值及购买意向之间的相互作用。数据分析揭示，主播的专业水平、互动能力及社交属性与观众对功能、情感和社会价值的感知在统计上存在显著的正向联系，这暗示了这些因素可能正向影响观众的价值感知。同时，这些因素以及观众感知的功能价值、情感价值和社会价值与他们的购买意向亦表现出显著的正向相关性，指示这些因素和价值感知可能正向促进观众的购买决策。在本项探索中，所有变量间的关联度均未超过0.7，表明它们之间的联系并不突出，因此可以推进至下一阶段的数据解析工作。
5. 实证分析与结果
5.1. 结构方程模型构建和拟合
本研究模型共有7个潜变量，包括专业性、互动性、社会性的三个外在潜变量，感知功能价值、感知情感价值、感知社会价值和购买意愿四个内在潜变量。本文运用AMOS 26.0软件对根据样本数据所构建的研究模型拟合度进行评价。模型拟合结果发现该研究模型的7个拟合指标值均在评价标准范围内，说明本研究的理论模型拟合度较好，可以进行下一步检验。
5.2. 结构方程假设检验
本文将进行假设检验以证实其有效性。通常情况下，当p值低于0.05时，表明该路径存在显著性，因此假设被证实；相反，若p值高于0.05，则意味着路径不具有显著性，假设因此被否定。变量间路径、标准化路径系数、显著性及其他数据如表4所示。
Table 4. Path coefficients of structural equation model
表4. 结构方程模型路径系数
|
路径 |
|
标准化系数 |
S.E. |
C.R. |
p |
感知功能价值 |
<--- |
专业性 |
0.3 |
0.069 |
3.966 |
*** |
感知情感价值 |
<--- |
专业性 |
0.322 |
0.076 |
4.284 |
*** |
感知社会价值 |
<--- |
专业性 |
0.365 |
0.072 |
4.764 |
*** |
感知功能价值 |
<--- |
互动性 |
0.165 |
0.078 |
2.106 |
0.035 |
感知情感价值 |
<--- |
互动性 |
0.201 |
0.085 |
2.571 |
0.01 |
感知社会价值 |
<--- |
互动性 |
0.148 |
0.08 |
1.893 |
0.058 |
感知功能价值 |
<--- |
社会性 |
0.254 |
0.082 |
3.065 |
0.002 |
感知情感价值 |
<--- |
社会性 |
0.188 |
0.089 |
2.312 |
0.021 |
感知社会价值 |
<--- |
社会性 |
0.186 |
0.084 |
2.259 |
0.024 |
购买意愿 |
<--- |
感知功能价值 |
0.265 |
0.066 |
3.88 |
*** |
购买意愿 |
<--- |
感知情感价值 |
0.216 |
0.059 |
3.233 |
0.001 |
购买意愿 |
<--- |
感知社会价值 |
0.32 |
0.065 |
4.64 |
*** |
注：***表示p < 0.001。
表4中数据显示，专业性对消费者感知到商品的实用性、情绪价值、社会作用产生了显著的促进效果，具体表现为专业程度与感知价值的关联度分别达到0.3 (p值小于0.001)、0.322 (p值小于0.001)和0.365 (p值小于0.001)；互动性对消费者感知到商品的实用性、情绪价值产生了显著的促进效果，影响系数分别0.165 (p值0.035，小于0.05)和0.201 (p值0.01，小于0.05)；社会性对消费者感知到商品的实用性、情绪价值、社会作用产生了显著的促进效果，其系数分别为0.254 (p值0.002，小于0.05)、0.188 (p值0.021，小于0.05)和0.186 (p值0.024，小于0.05)。综上所述，假设H1a、H1b、H1c、H2a、H2b、H3a、H3b、H3c得到验证。
消费者感知到商品实用性越高、情绪价值越丰富、社会作用越强，越有利于激发购买意愿的产生，其标准化的路径系数分别为0.265 (p < 0.001)、0.216 (p = 0.001 < 0.05)和0.32 (p < 0.001)，因此假设H4a、H4b、H4c得到验证。
互动性对消费者感知商品的社会作用的标准化路径系数为0.148，在统计学上未达到显著性水平(p值为0.058，大于0.05的常用显著性水平阈值)，这表明该路径的统计影响不明显。故假设H2c在此次研究中未能得到支持。
5.3. 中介效应检验
本研究指出，在虚拟电商主播特点对消费者购买意向产生影响的路径中，存在中介因素，包括感知到的实用性、情绪价值以及社会作用。本项研究采用了AMOS 26.0软件中的Bootstrap方法，以证实感知价值在研究中是否起到了中介的作用。
如表5所示，揭示消费者感知商品的实用性充当中介角色校正后的95%置信区间介于0.038和0.175之间，该范围排除了零值，表明消费者对商品实用性的感知在专业性对购买意愿的中介效应显著，从而验证了假设H5a。同样，显示消费者对商品情绪价值的感知扮演中介角色校正后的95%置信区间位于0.028和0.163之间，未包含零值，表明消费者对商品情绪价值的感知在专业性对购买动机的中介效应显著，从而验证了假设H5b。最后，指出消费者对商品情绪价值的感知作为中介角色校正后的95%置信区间在0.066和0.204之间，不包含零值，表明消费者对商品情绪价值的感知在专业性对购买动机的中介效应显著，证实了假设H5c。同理证明假设H6a，H6b，H6c，H7a，H7b，H7c。
Table 5. Mediating effect test of perceived value on professional influence on purchase intention
表5. 感知价值在专业性影响购买意愿的中介效应检验
路径 |
效应值 |
Bias-corrected 95%CI |
Lower |
Upper |
专业性→感知功能价值→购买意愿 |
0.100 |
0.038 |
0.175 |
专业性→感知情感价值→购买意愿 |
0.089 |
0.028 |
0.163 |
专业性→感知社会价值→购买意愿 |
0.123 |
0.066 |
0.204 |
互动性→感知功能价值→购买意愿 |
0.112 |
0.056 |
0.190 |
互动性→感知情感价值→购买意愿 |
0.103 |
0.051 |
0.175 |
互动性→感知社会价值→购买意愿 |
0.124 |
0.076 |
0.194 |
社会性→感知功能价值→购买意愿 |
0.124 |
0.056 |
0.219 |
社会性→感知情感价值→购买意愿 |
0.109 |
0.049 |
0.192 |
社会性→感知社会价值→购买意愿 |
0.139 |
0.083 |
0.228 |
综上所述，对假设检验结果进行汇总，除了假设H2c虚拟电商主播的高互动性有利于消费者感知到商品的社会作用结果不成立外，其余假设结果均成立。
6. 研究结论与建议
6.1. 研究结论
本文对国内外虚拟电商主播的相关研究进行整理和归纳，整合了虚拟电商主播的直播特点，并以消费者感知价值理论及S-O-R模型为基础，构建了一个独特的研究框架。在此研究中，本文将电商直播中虚拟主播的职业技能、互动能力及其社会影响力这三大特性视为影响消费者的外界因素；将消费者的感知价值视为一个涉及认知与情感的心理变量，而购买意向则视为其行为反应的变量。数据分析结果表明虚拟电商主播的高专业性有利于消费者感知到商品的实用性、情绪价值、社会作用。虚拟电商主播的高互动性有利于消费者感知到商品的实用性、情绪价值，但对社会作用的感知没有影响。其原因为虚拟主播本身缺乏社会身份，难以传递品牌与社会责任之间的真实联结，因而对社会价值感知作用有限。虚拟电商主播在直播过程中，就消费者提出的相关商品问题进行解答或为活跃直播氛围而抛出问题，越高频率的互动能让消费者产生归属感与认同感，因此，虚拟电商主播的互动频率越频繁，消费者对直播商品的实用性、情绪价值的感知就越高。直播内容主要围绕在商品的讲解与解答消费者疑问上，主播的互动更多提升消费者与商品之间的喜爱程度与功能实用性，对感知社会价值并不会产生相关影响。虚拟电商主播的高社会性有利于消费者感知到商品的实用性、情绪价值、社会作用。消费者感知到商品实用性越高、情绪价值越丰富、社会作用越强，越有利于激发购买意愿的产生。在虚拟主播的专业性、互动性、社会性对购买意愿的影响过程中，消费者对商品的感知价值起到中介作用。
6.2. 管理建议
增强虚拟电商主播专业性，提高直播内容质量。基于“专业性”影响系数最高，建议企业应将资源优先投入到构建虚拟主播的知识库和问答系统上。真人主播因为受到记忆力、状态等影响，对于商品详细情况的解说不稳定，虚拟主播由人工或程序控制，在确保设备完善的情况下，知识的接收不会出现误差，且不容易受外界环境所影响，专业知识的输出具有稳定性。
提高虚拟电商主播互动的生动性，加深消费者印象。在直播间加入更多生活化场景，可以增加虚拟主播互动时的亲和力，互动语句表现不能过于生硬，要打破消费者对程序控制的虚拟人语气的刻板印象，通过添加更多口头用语让互动变得轻松愉快。
基于“互动性”对社会价值影响不显著，建议企业避免在互动中强行模仿人类的社会交往，而是发挥其信息传递高效、永不疲劳的优势，将重点放在提升“功能价值”和“情感价值”的互动上。高社会性的虚拟电商主播能够及时为消费者提供购物的情绪价值与疑问的解答，优化虚拟电商主播的外观、语言、动作，可以更好地呈现一位“好朋友”的形象，削弱卖货的目的性，从而提高消费者的购买意愿。
沉浸式直播创意，提升品牌价值。虚拟主播与二次元偶像、传统主播的不同在于其摆脱了以往真人主播直播带货场景的限制，VR、3D技术的发展及跨时空的沉浸式直播体验感，给直播平台和企业带来了新的生机与活力。可以通过虚拟技术的构建，打造科技感十足的虚拟场景舞台，同时，还可以进行多场景自由切换。虚拟主播可以利用这种不同的虚拟场景给观众展现不同的产品。还可通过搭建符合主题活动的虚拟场景和定制虚拟形象，以线上、线下联动的方式，利用虚拟次元空间，更好地结合企业文化进行场景化营销[21]。
6.3. 研究局限性
本研究的调研样本主要集中在中青年群体，样本范围覆盖不够广泛，不同年龄群体对于虚拟电商主播持有不一样的侧重点和看法，在未来的研究中，可以采用多群体分析或实验法来验证结论的普适性。本研究只涉及感知价值这一中介变量，但随着虚拟电商直播的市场扩大，消费者的个人偏好、社会热点的影响等也都会直接或间接影响消费者的购买意愿。购买意愿与实际是否产生购买行为也具有很大的研究空间。未来的研究中可以进一步拓展到虚拟电商主播的更多特征，例如，知名度、模仿形象、创新性等。可以与传统电商主播进行多方面对比，突出虚拟电商主播的特征是如何吸引到消费者的。探究消费者心理，深入研究更多中介变量和调节变量，提高购买行为产生的概率。