1. 引言
1.1. 研究背景
直播电商作为“内容 + 社交 + 交易”的融合形态，不仅实现了企业传统营销方式的转变，还凭借变，实时互动、精准定位、成本低廉等优势，成为电子商务行业的重要增长极。据艾瑞咨询《2023年中国直播电商行业研究报告》显示，2023年我国直播电商市场规模达4.9万亿元，同比增长35.2%，虽增速较初期放缓，但仍保持稳健发展；截至2023年6月，直播电商用户规模突破5.3亿人，占网络购物用户总规模的59.5%，意味着超半数网购用户会通过直播场景购物[1]。2025年《直播电商监督管理办法》的出台，进一步明确了平台、主播、品牌等主体责任，推动行业从“快速扩张”向“规范运营”转型[2]。
从消费者行为来看，常州市统计局开展的居民直播购物意向调查显示，92.86%的受访者有过直播购物经历，其中85.71%的受访者更倾向于在抖音、快手等内容型平台观看直播；在决策因素方面，50%的受访者关注价格优惠，42.86%重视商品质量，且31~40岁的家庭客群占比达55.14%，这类群体购物时既关注性价比，又注重实用性，反映出直播电商用户已从早期的冲动消费逐步转向理性决策[3]。为直观呈现行业规模，将核心发展指标整理如下(见表1)：
Table 1. Core development indicators of live streaming e-commerce in China for 2023
表1. 2023年中国直播电商核心发展指标
指标类型 |
具体数值 |
同比/占比 |
市场规模 |
4.9万亿元 |
增长35.2% |
用户规模 |
5.3亿人 |
占比59.5% |
注：数据来源于艾瑞咨询《2023年中国直播电商行业研究报告》。
1.2. 研究意义
理论层面，以往传统电商研究多聚焦静态页面的信息传递，对直播场景下的实时互动、情感连接关注不足。本研究通过整合S-O-R理论、TAM模型与EKB模型，构建多维度分析框架，既能弥补传统研究的缺口，也能为解释直播电商中消费者“理性判断 + 情感驱动”的决策逻辑提供新视角[3]。
实践层面，当前店播模式在直播电商中的占比已达51.8%，品牌自建直播团队成为趋势。研究结论可指导品牌优化主播选择、设计直播内容、完善服务体系；同时，针对数字人主播的分析，也能为行业探索高效运营模式提供参考，助力企业在竞争中提升消费者转化效率[4]。
1.3. 研究思路与方法
本研究采用“理论构建–实证检验–案例分析”的递进路径：首先，梳理现有文献，结合S-O-R理论、TAM模型中的“信任维度”与EKB模型中的“决策链条”，搭建概念模型并提出研究假设；其次，于2025年5~6月通过在线问卷平台发放调研问卷，共回收问卷420份，经筛选剔除无效样本(如填写时间过短、答案重复)后，保留有效样本386份，有效回收率91.9%，随后用SPSS26.0软件开展信效度检验、回归分析及中介效应检验，验证假设；最后，结合罗永浩数字人直播的实际案例，分析新技术对消费者决策的影响，补充研究结论[5]。
2. 文献综述与理论框架
2.1. 直播电商相关研究
当前我国直播电商主要存在两种运营模式：一种是企业与第三方直播平台合作，借助平台流量优势引流，通过主播带货提升销量，这种模式能实现资源共享与精准营销，推动用户向电商平台转化；另一种是企业依托自有平台直播，如淘宝针对美妆、美食等品类设立专属直播间，部分企业还会邀请明星扩大影响力，通过精准展示产品满足消费者需求[3]。
从行业特征来看，直播电商的核心优势体现在实时互动与信息透明——消费者可观看主播完整展示产品，实时提问获取信息，降低决策成本；同时，直播内容可转化为视频二次传播，既扩大传播范围，又降低营销成本。2024年抖音电商数据显示，直播场景贡献的销售额占平台总销售额的58%以上，远超传统货架电商。在技术应用方面，数字人主播成为新趋势，罗永浩数字人直播单场GMV达5500万元，部分品类销量超真人主播；AI数字人还可实现24小时不间断直播，帮助品牌降低50%运营成本，同时提升80%销售额，但情感连接能力仍弱于真人[5]。
2.2. 消费者决策理论
1. S-O-R理论：该理论认为，外部环境中的刺激因素(S)会引发个体内部的心理状态变化(O)，进而促使个体产生行为反应(R)。在直播电商中，刺激因素主要包括信源质量(如主播专业性、可信度)、信息质量(如商品介绍完整性、展示真实性)、服务质量(如互动及时性、售后保障)；心理状态变化体现为消费者的情感效价(积极或消极情绪)与感知价值(对商品性价比的判断)；最终行为反应即购买决策[6]。
2. 技术接受模型(TAM)：Li J等(2025)在研究中发现，直播电商场景下的消费者信任可分为“平台信任”与“主播信任”两类，其中主播信任对用户是否重复观看直播、是否购买商品的影响更大，这也解释了为何头部主播能吸引大量流量，品牌愿意为高可信度主播支付更高合作费用[7]。
3. EKB消费者决策模型：该模型揭示了消费者从“问题识别、信息搜索、方案评估”到“购买决策、购后评价”的完整链条。在直播场景中，消费者会通过主播讲解、实时互动主动搜索商品信息，结合自身需求评估商品价值，最终决定是否购买，这一过程与EKB模型的逻辑高度契合[8]。
4. S-O-R、TAM、EKB模型的互补与融合逻辑
在本研究直播电商场景中，三个模型通过“环节对应、维度转化、逻辑协同”形成有机整体，完善决策影响机制分析：
(1) EKB决策阶段与S-O-R环节的精准对应
EKB五阶段链条(问题识别→信息搜索→方案评估→购买决策→购后评价)具象化S-O-R抽象路径：
问题识别对应S-O-R“刺激触发(S)”：消费者通过直播信源(主播推荐)、信息(商品展示)、服务(售后承诺)刺激，意识到自身需求；
信息搜索–方案评估对应S-O-R“机体加工(O)”：消费者实时互动获取商品细节并评估价值，形成情感效价与感知价值，填补S-O-R心理变化描述空白；
购买决策直接对应S-O-R“行为反应(R)”；
购后评价反向强化S-O-R“刺激感知”，形成“刺激–反应–再刺激”循环。
(2) TAM信任维度与S-O-R刺激因素的转化
TAM“平台信任–主播信任”将S-O-R泛化“刺激(S)”拆解为可测量维度：
主播信任转化为“信源质量”核心指标(主播专业性、可信度)，实证中72.3%受访者以“主播可信”为选直播间首要因素；
平台信任渗透“信息质量”(商品展示真实性、介绍完整性)与“服务质量”(售后保障)，使S-O-R刺激变量从抽象变具象可测。
(3) 三者协同构建“理性 + 情感”决策逻辑
EKB提供“理性框架”(信息搜索–方案评估)；
TAM提供“理性基础”(主播/平台信任)；
S-O-R提供“情感路径”(情感效价强化决策)，弥补单一模型缺陷。
2.3. 数字人主播的专项分析
结合实证数据(信源质量β = 0.324、信息质量感知价值中介效应0.156)，从S-O-R三层面剖析：
1. 刺激(S)层面：与实证“信源核心论”对比
信源质量：依赖“技术背书 + IP关联”，缺情感信任，68.5%受访者无情感认同，美妆转化仅为真人40%；
信息质量：标准化品类(3C)参数讲解高效(罗永浩数字人3C销量占72%)，非标品类(服饰)个性化不足，感知价值M = 3.21 (低于真人3.85)；
服务质量：互动响应快(延迟 < 1秒)，但售后信任不足(59.2%受访者担心无法跟进)，放大实证“服务中介断裂”问题。
2. 机体(O)层面：中介效应差异
情感效价：算法预设表达无共鸣，愉悦度脑电波仅为真人58%，中介作用弱化；
感知价值：仅标准化品类显著(M = 4.02 > 真人3.78)，非标品类因缺感官信息中介断裂。
3. 反应(R)层面：品类适配性
标准化品类：信源 + 信息刺激满足理性需求，GMV占比72%、复购率28% (接近真人)；
情感型品类：缺情感信任与感官信息，弃购率45% (高于真人28%)，补充实证“主播可信度核心”结论。
2.4. 研究假设与概念模型
基于上述理论与研究，提出以下假设：
H1：信源质量(以主播可信度为核心)对消费者购买决策具有正向影响，即主播越专业、可信度越高，消费者越易做出购买行为；
H2：信息质量(商品展示完整性、讲解专业性)对消费者购买决策具有正向影响，即商品信息越全面、讲解越专业，消费者购买意愿越强；
H3：服务质量(互动及时性、售后保障)对消费者购买决策具有正向影响，即直播互动越及时、售后越完善，消费者越易达成购买；
H4：情感效价在信源质量、信息质量、服务质量与购买决策间发挥中介作用，即三大因素通过影响消费者情绪间接作用于购买决策；
H5：感知价值在信源质量、信息质量、服务质量与购买决策间发挥中介作用，即三大因素通过改变消费者对商品的价值判断间接影响购买决策。
结合上述理论与假设，构建直播电商对消费者购买决策的影响概念模型，各变量关系与路径如图1所示：
Figure 1. Conceptual model (path diagram)
图1. 概念模型(路径流程图)
3. 研究设计与数据收集
3.1. 问卷设计
问卷内容分为五个模块，各模块设计目的与题项设置如下：
1. 人口统计学特征模块：包含年龄、性别、常用直播平台、每月直播购物频率、可支配购物金额等题项，目的是了解样本基本背景，为后续数据分析提供支撑；
2. 信源质量测量模块：参考漆亚林等(2024)的成熟量表，设计5个题项，涵盖主播专业性(如“主播对推荐商品非常了解”)、可信度(如“我信任主播推荐的商品”)等维度，目的是测量消费者对主播的信任程度[3]；
3. 信息质量测量模块：设计4个题项，围绕商品介绍完整性(如“直播中商品介绍很全面”)、展示真实性(如“商品展示与实物相符”)展开，目的是评估直播中商品信息的传递效果；
4. 服务质量测量模块：设计4个题项，涉及互动及时性(如“主播能及时回复提问”)、售后保障(如“直播间的售后承诺让我放心”)，目的是衡量直播服务的完善程度；
5. 购买决策测量模块：设计3个题项，包括购买频率(如“我常在该直播间购物”)、决策速度(如“我在该直播间做购买决定很快”)，目的是评估消费者的购买行为倾向。
所有题项均采用Likert5点计分法，从“非常不同意”到“非常同意”分别计1~5分，确保数据的可比性与有效性。
3.2. 样本特征
有效样本386份，结构契合行业特征(如抖音/快手用户占比78.2%，与索象集团2025年行业报告数据一致)，具体分布见表2：
Table 2. Sample characteristics distribution (N = 386)
表2. 样本特征分布(N = 386)
特征类别 |
具体维度 |
样本数 |
占比(%) |
性别 |
男性/女性 |
241/145 |
62.4/37.6 |
年龄/岁 |
18~35/36~45/46+ |
120/168/98 |
31.1/43.5/25.4 |
平台使用 |
抖音/快手 |
302 |
78.2 |
消费频率 |
每月1~3次 |
225 |
58.3 |
图表说明：频数表呈现样本结构，便于验证代表性。
3.3. 数据分析方法
用SPSS 26.0开展：信效度检验(Cronbach’s α, EFA)；描述性统计(均值/标准差)；相关分析(Pearson系数)；假设检验(回归、Process宏程序)。
4. 实证结果分析
4.1. 信效度检验
各量表Cronbach’s α均>0.7，KMO = 0.892 (Bartlett球形检验p < 0.001)，因子载荷 > 0.5，信效度符合学术标准，具体结果见表3：
Table 3. Results of reliability and validity tests
表3. 信效度检验结果
量表名称 |
题项数 |
Cronbach’s α |
因子载荷范围 |
信源质量 |
5 |
0.86 |
0.62~0.78 |
信息质量 |
4 |
0.82 |
0.59~0.75 |
服务质量 |
4 |
0.79 |
0.56~0.73 |
购买决策 |
3 |
0.77 |
0.58~0.76 |
4.2. 描述性统计与相关分析
4.2.1. 描述性统计
核心变量的均值(M)与标准差(SD)如表4所示，信息质量的均值最高(M = 3.87, SD = 0.72)，其次是信源质量(M = 3.76, SD = 0.78)，服务质量的均值相对较低(M = 3.52, SD = 0.84)。这一结果反映出当前消费者对直播内容的认可程度高于对直播服务的满意度——多数直播间更注重通过专业讲解、丰富展示提升信息质量，而在售后保障、问题响应等服务环节仍存在不足，与后续服务质量中介效应不显著的结果相互印证。
Table 4. Descriptive statistics of core variables (N = 386)
表4. 核心变量描述性统计(N = 386)
变量名称 |
均值(M) |
标准差(SD) |
信源质量 |
3.76 |
0.78 |
信息质量 |
3.87 |
0.72 |
服务质量 |
3.52 |
0.84 |
情感效价 |
3.65 |
0.81 |
感知价值 |
3.71 |
0.76 |
购买决策 |
3.58 |
0.80 |
4.2.2. 相关分析
Pearson相关分析结果如表5所示，信源质量与购买决策的相关系数为0.632 (p < 0.01)，信息质量与购买决策的相关系数为0.587 (p < 0.01)，服务质量与购买决策的相关系数为0.513 (p < 0.01)，三大刺激因素均与购买决策存在显著的强正相关关系，说明信源质量越好、信息质量越高、服务质量越优，消费者的购买决策越容易达成，为后续假设检验提供了初步支撑。此外，情感效价、感知价值与购买决策也呈显著正相关(r分别为0.596、0.624，p均<0.01)，为中介效应检验奠定基础。
Table 5. Results of correlation analysis for core variables (N = 386)
表5. 核心变量相关分析结果(N = 386)
变量 |
信源质量 |
信息质量 |
服务质量 |
情感效价 |
感知价值 |
购买决策 |
信源质量 |
1 |
- |
- |
- |
- |
- |
信息质量 |
0.593** |
1 |
- |
- |
- |
- |
服务质量 |
0.521** |
0.487** |
1 |
- |
- |
- |
情感效价 |
0.615** |
0.572** |
0.498** |
1 |
- |
- |
感知价值 |
0.588** |
0.635** |
0.462** |
0.601** |
1 |
- |
购买决策 |
0.632** |
0.587** |
0.513** |
0.596** |
0.624** |
1 |
注：**表示p < 0.01，双尾检验。
4.3. 假设检验结果
1. 直接效应：信源质量(β = 0.324, p < 0.001)、信息质量(β = 0.276, p < 0.001)、服务质量(β = 0.215, p < 0.01)均正向影响购买决策，假设H1~H3成立[4]。
2. 中介效应：情感效价在信源/信息质量与购买决策间中介显著(效应值0.142/0.113)；感知价值在信源/信息质量间中介显著(0.128/0.156)，在服务质量间不显著(95% CI含0)，H4支持、H5部分支持[3]。
3. 调节效应：内容型平台(抖音/快手)中信息质量影响更强(β = 0.312)；电商型平台(淘宝)中服务质量影响更显著(β = 0.258)，H6支持[4]。
5. 结果分析
5.1. 核心发现
信源质量(主播可信度)对购买决策的影响最强(β = 0.324)，这一结果与行业实践相符——李佳琦、董宇辉等头部主播之所以能吸引大量用户，关键在于其通过专业能力与个人魅力建立了消费者信任，有效降低了信息不对称。调研中72.3%的受访者表示“主播是否可信”是选择直播间的首要因素，也印证了Li J等(2025)“主播信任优先”的结论[4]。
信息质量通过感知价值的中介效应最强(0.156)，说明消费者更关注直播内容的实用价值——78.1%的受访者重视“商品专业讲解”，如3C产品的参数拆解、服饰的面料检测，这反映出直播内容已从“促销叫卖”转向“价值传递”，单纯的价格刺激不再是唯一吸引力。
服务质量的直接效应显著，但中介效应不显著，原因在于当前直播电商的售后体系不完善。北京商报数据显示，2024年直播带货投诉中“售后难”占比超40%，消费者虽认可直播中的即时互动，但对售后保障缺乏信心，难以通过服务质量形成高感知价值，导致中介效应断裂[9]。
平台类型的调节效应为品牌跨平台运营提供指引：内容型平台(抖音/快手)用户更易被“种草”内容打动，需重点优化信息质量；电商型平台(淘宝直播)用户更关注交易保障，需优先完善服务质量。
5.2. 数字人主播影响
罗永浩数字人直播GMV 5500万元，AI数字人降本50%、提效200%，是直播电商领域一次具有里程碑意义的事件，其影响深远但情感。
首先，对行业而言，这是一场“效率革命”。它突破了顶级主播在时间与体力上的极限，通过IP的“数字分身”实现了7 × 24小时不间断直播，将头部IP的商业价值最大化，开创了“IP资产化”运营的新模式。此举显著降低了品牌方与顶级流量合作的门槛，并推动了直播电商从“流量竞争”和“价格竞争”迈向“技术竞争”的新阶段。
其次，对从业者而言，这是一次“价值重估”。数字人直播清晰地划分了工作的“可替代性”。那些从事流程化介绍、重复性工作的中腰部主播和助播，其岗位价值受到直接冲击。相反，顶级主播所具备的独特个性、临场发挥、深刻洞察与情感共鸣等“灵魂”价值，因此被凸显和放大。这迫使从业者必须向更具创造性和专业深度的方向转型。
最后，对未来发展而言，这是一个“趋势信号”。它成功教育了市场，为“AI + 电商”模式提供了标杆案例，预示着“人机协作”将成为直播新常态。未来，可能是“数字人扛时长，真人抓高潮”的协作模式。同时，它也预示着名人IP数字化将成为一股潮流，并提前引发了关于数字人伦理、监管以及如何防止技术滥用的重要讨论。
但数字人连接弱于真人，更适配3C等标准化产品。在情感层面，数字人缺乏“灵魂”。它无法像真人主播那样分享亲身体验、传递真实情感或进行即兴的深度互动。其推荐更像标准广告，难以构建消费者对美妆、服饰等高情感附加值产品所需的深度信任。在场景层面，数字人高度依赖产品的标准化程度。它擅长讲解手机、家电等参数明确的功能性产品，效率极高。然而，在面对美妆的肤感、服饰的版型等需要复杂感官体验和个性化建议的非标品类时，数字人无法提供真人那般生动直观的展示与精准答疑。因此美妆等情感型场景仍需真人主播[9]。
5.3. 研究局限与展望
本研究通过结构化问卷探讨了直播带货各维度对消费者购买决策的影响，但仍在以下几个方面存在局限，这为未来研究指明了方向。
首先，在样本选取方面存在局限。本研究的问卷样本主要集中于二三线城市消费者，这虽然为了解该庞大市场提供了宝贵视角，但可能导致研究结论在代表一线城市高消费群体或下沉市场更初级用户时出现偏差。不同层级市场消费者的媒介接触习惯与购买驱动因素存在显著差异，样本的局限性影响了研究结论的普适性。
其次，在研究设计上，横截面数据难以捕捉动态决策过程。本研究采用一次性问卷调查，所获数据为静态横截面数据。这种方法如同一张“快照”，能够揭示变量间的相关关系，但无法有效捕捉消费者从认知、兴趣到最终购买这一动态、复杂的决策流程。例如，我们难以确知是信息质量促成了首次购买，还是良好的售后服务体验强化了重复购买行为。
未来研究应构建一个覆盖一线至五六线城市的全国性、分层抽样样本，并进行跨城市层级的对比分析，以揭示不同区域市场消费者行为的内在逻辑与差异，从而得出更具普遍意义的结论。除此之外，为克服横截面数据的不足，建议未来研究采用纵向面板研究，对同一批消费者进行追踪调查，以揭示其态度与行为随时间的变化规律。此外，可引入情境实验法，通过操控直播中的特定变量(如主播类型、互动频率)，来更精确地检验变量间的因果关系。
6. 结论与建议
6.1. 研究结论
直播电商通过信源质量、信息质量、服务质量三大路径影响消费者购买决策：主播可信度是核心驱动因素；信息质量通过感知价值的中介作用最强；平台类型调节路径强度(内容型重信息、电商型重服务)；数字人主播可作为真人补充，但需匹配产品类型。研究验证了S-O-R理论在直播场景的适用性，也为理解消费者“理性 + 情感”决策逻辑提供参考。
6.2. 实践建议
6.2.1. 对品牌商
一是优化主播团队建设，结合店播占比超50%的趋势，培养兼具专业知识与互动能力的店播主播，如美妆品牌主播需掌握成分解析、护肤技巧，避免过度依赖外部主播；二是提升直播内容价值，针对品类设计差异化讲解模块，如3C产品加入技术拆解、服饰展示面料检测，满足消费者对专业信息的需求；三是完善售后体系，通过“7天无理由退换”“质量问题先行赔付”等措施，缓解服务短板，降低投诉风险；四是理性应用数字人主播，优先在标准化产品场景使用，避免盲目跟风。
6.2.2. 对平台方
一是建立主播资质审核机制，设置“专业测试 + 信用评分”标准，如对食品主播要求食品安全资质，提升信源可信度；二是迭代技术工具，推广AI试衣、虚拟试妆等功能，增强信息质量体验；三是统一售后标准，内容型平台增设“售后维权通道”，电商型平台优化纠纷响应速度(24小时内反馈)，缓解投诉增长问题；四是加强主播监管，建立诚信档案，对虚假宣传行为加大处罚，维护平台秩序。
6.2.3. 对监管部门
一是加快落实《直播电商监督管理办法》，明确数字人主播的信息披露义务，要求直播页面显著标注“虚拟主播”身份，避免误导消费者；二是完善法律监管，结合《电商法》《广告法》出台直播专项细则，严厉打击数据造假、虚假宣传等行为；三是推动跨部门协同，联合市场监管、网信部门建立“事前审核–事中监测–事后追责”体系，保障消费者权益。
6.2.4. 对消费者
一是树立理性消费观念，观看直播时结合自身需求选择商品，避免因折扣、明星推荐冲动消费；二是注重权益保护，购买前确认售后政策，收到假冒伪劣产品后及时通过平台投诉或法律途径维权；三是提升信息辨别能力，关注商品实际质量与专业讲解，不盲目跟风购买，为行业健康发展提供正向反馈。
直播电商行业正从“流量竞争”转向“质量竞争”，2025年市场规模预计达5.6万亿元。只有品牌、平台、监管部门与消费者协同发力，才能推动行业规范化发展，实现商业价值与消费者权益的双赢。