1. 引言
近年来，直播电商作为数字经济发展的典型代表，深刻改变了传统消费生态。自2016年起步以来，该行业在政策扶持、技术赋能和市场需求的多重驱动下实现了跨越式发展。特别是在新冠肺炎疫情期间，直播电商凭借其独特的实时互动优势，成功打破了传统零售的时间空间限制，形成了“万物皆可直播”的新格局。这种新型商业模式不仅重构了“人货场”商业要素，更对消费者行为产生了深远影响。直播电商的蓬勃发展得益于三大核心驱动力。首先是消费升级趋势下的需求变革。随着居民收入水平提高，消费者从注重产品功能转向关注购物体验与服务价值，直播电商通过场景化展示和沉浸式互动，有效满足了这一需求转变。其次是技术基础设施的完善。5G网络的普及、智能手机性能的提升为高清流畅的直播体验提供了技术保障，使“随时随地购”成为现实。再者是社交媒体的深度渗透。平台通过社交关系链的裂变传播，实现了流量聚集与转化效率的显著提升。然而，直播电商在创造商业价值的同时也暴露出一些问题。其“货找人”的推荐机制与限时促销策略，容易激发消费者的冲动购买行为，导致退货率居高不下。这一现象引发了学术界的广泛关注。国内外学者从不同角度展开了深入探讨。国外研究多聚焦于平台经济与社交媒体影响。Liu等人(2016)对微信影响力的实证分析，为理解直播平台的信息传播机制提供了方法论借鉴[1]；Fuchs (2016)的对比研究揭示了社交媒体的资本运作逻辑[2]；Zhang等(2021)则系统阐述了直播电商的供应链创新价值与现存挑战[3]。国内研究更侧重于消费者心理机制剖析。李悦(2020)发现视听体验会通过心流状态诱发冲动购买[4]；王晰巍等(2020)验证了感知价值对用户使用意愿的促进作用[5]；王翠翠等(2023)创新性地揭示了虚拟主播互动性通过社会临场感影响购买意愿的机制[6]。这些研究为本文提供了重要理论基础，但多数局限于单一影响因素分析，缺乏对多维度特征的整合研究。
基于此，本研究依托SOR理论框架，系统构建了包含实时高效性、价格优惠性、感知趣味性和主播魅力的四维影响模型，并引入产品卷入度作为调节变量，旨在揭示直播电商情境下消费者行为的形成机制。研究的理论价值在于：一方面拓展了SOR模型在新兴电商场景的应用边界，另一方面通过多变量整合分析深化了对非理性消费形成机理的认识。实践意义体现在：为平台优化运营策略、主播提升专业素养、消费者增强决策理性提供具体指导，同时为行业监管提供科学依据。
2. 相关概念与理论分析
2.1. 直播电商的概念界定与特征分析
直播电商是指通过互联网直播平台，由主播实时展示商品信息、进行产品演示，并与消费者互动促成交易的电子商务新模式。其本质是通过直播技术重构“人–货–场”关系，形成集内容传播、社交互动与商业转化为一体的消费场景。
直播电商的核心内涵体现在四个维度：首先，其实时互动特征打破了传统电商的信息滞后性。主播能够即时回应消费者疑问，有效降低信息不对称，增强购买信心。其次，产品展示方式实现了从静态图文到动态演示的升级。通过实际使用场景的构建，使消费者更直观地了解产品特性。第三，营销推广模式融合了内容营销与社交传播。主播通过专业讲解和个人魅力建立信任背书，实现流量转化。最后，社交互动机制创造了群体消费氛围。弹幕互动、点赞分享等行为强化了消费者的参与感和归属感。与传统电商相比，直播电商展现出四大显著特征：实时性方面，直播实现了供需双方的即时连接，大幅缩短消费决策路径；互动性层面，多维度的互动机制创造了沉浸式购物体验；社交属性上，基于社交关系的裂变传播形成了独特的社区经济生态；信息传递效率方面，通过视听结合的场景化展示，显著提升了信息吸收效果。
2.2. 消费者购买行为的理论框架与S-O-R理论模型的应用框架
本研究聚焦狭义层面的消费者购买行为，即消费者在直播场景下完成商品交易的全过程。根据经典消费行为理论，购买行为具有动态性、复杂性和情境依赖性等特征，在直播电商环境中这些特征尤为突出。
直播电商情境下的消费者行为受到多重因素影响：个人因素包括消费者的年龄、收入等demographic特征；心理因素涉及感知价值、信任倾向等认知要素；社会因素涵盖群体压力、从众心理等社交影响；市场因素则包括价格促销、产品展示等营销刺激。这些因素通过直播场景的特殊机制产生放大效应。消费者决策过程在直播环境中呈现显著压缩特征。传统“需求识别–信息搜索–方案评估–购买决策–购后行为”的五阶段模型，在直播场景中往往简化为即时性的刺激–反应模式。主播的实时演示替代了主动信息搜索，限时促销策略压缩了方案评估时间，群体互动氛围加速了决策进程，这种决策路径的变化是直播电商影响消费者行为的关键机制。
S-O-R (刺激–机体–反应)模型为本研究提供了重要的理论支撑。该模型将外部环境刺激(Stimulus)通过个体心理状态(Organism)的中介作用，最终引致行为反应(Response)的产生，能够有效解释直播电商场景中的消费行为形成机制。
在直播电商情境下，刺激(S)要素包括主播特征(如专业性、吸引力)、平台特性(如互动功能、界面设计)、产品属性(如展示方式、价格促销)等外部环境因素。机体(O)变量则涵盖消费者的认知反应(如感知价值、信任度)和情感反应(如愉悦感、兴奋度)。最终的反应(R)表现为购买意向、实际购买乃至分享推荐等行为结果。本研究基于S-O-R框架构建理论模型，重点探讨直播电商的典型特征(实时高效性、价格优惠性、感知趣味性、主播魅力)作为外部刺激，如何通过影响消费者的情感情绪状态(机体)，最终作用于购买决策(反应)。这一分析框架有助于系统揭示直播电商影响消费者行为的内在机理，为后续实证研究奠定理论基础。该理论框架的创新之处在于将直播电商的特征变量纳入S-O-R模型，同时考虑了产品卷入度等调节因素的影响，能够更全面地揭示直播场景中消费者行为的形成机制，为理解数字经济时代的消费现象提供新的理论视角。然而，现有研究仍存在可深化之处：首先，多数研究聚焦于单一或少数影响因素，如互动性、感知价值或主播特质，缺乏对直播电商多维特征的系统性整合分析；其次，在理论应用上，虽已有研究采用S-O-R模型，但对其中的“刺激(S)”维度构建不够全面，未能充分体现直播电商的复合型刺激特性。
鉴于此，本研究的边际贡献在于：第一，理论模型的整合性。本文基于S-O-R框架，首次将实时高效性、价格优惠性、感知趣味性与主播魅力同时纳入“刺激(S)”维度，构建了一个更为全面的多因素影响模型，旨在更完整地揭示直播电商影响消费者行为的复杂机理。第二，机制探究的深入性。本研究不仅验证了各因素对消费情绪的主效应，还引入了产品卷入度作为调节变量，探讨了其在“情绪–决策”链条中的边界条件，增强了模型的情境解释力。因此，本研究是对现有文献的重要补充和深化。
3. 概念模型与研究假设
3.1. 概念模型构建
本文在分析了直播电商内涵、特征，以及消费者购买行为的内涵基础上，以第一章中对直播电商的有关研究结果为基础，结合对第二章相关概念的理解，梳理出了本文构建概念模型的总体思路。首先，从消费者购买决策的制定过程来看，有很多因素会对消费行为产生影响，但是相比于传统模式的电商，在直播电商情境下，结合直播电商所具备的特征，本文在对现有的研究成果和特定背景的基础上，进行了分析，提炼出了实时高效性、价格优惠性、感知趣味性和主播魅力四个经典的特性作为模型的自变量，探究消费者在直播电商情境下购买行为的影响机制。消费者在做出购买决策的过程中，通常会遵循“刺激–机体–反应”的S-O-R模式，S-O-R模式的作用机理是指，在受到各种内外刺激时，消费者会产生不同的心理认知和消费情感，在不同的心理认知和情感的影响下，消费者会有不同的购买行为。基于此，本研究将电商直播的实时高效性、价格优惠性、感知趣味性和主播魅力视作各种刺激，作为自变量，把消费者的消费情绪看作是机体的心理状态，把它当作是中介变量，把消费者的购买决策看作是消费者的反应，把它当作是模型的因变量。考虑这四个方面的因素对消费者消费情绪产生的影响，以及消费者消费情绪对消费者做出购买决策的影响，同时引入产品卷入度这个概念作为后端调节变量，实证检验产品卷入度是否在消费者情绪和消费者决策的影响关系中存在显著的调节作用。最后，构建了概念模型，如图1所示。
Figure 1. Conceptual model
图1. 概念模型
3.2. 研究变量界定
1) 实时高效性
实时互动交流是直播电商相对于传统电商的最大优势，在进行电商直播时，主播可以将商品信息传递给消费者，消费者也可以通过弹幕与主播和其他消费者进行实时的交流，在此过程中，消费者可主动询问商品信息也可以和其他用户分享信息，从而获得更多的信息，有利于满足消费者个性化消费需求，最终促进消费者产生心理上和情绪的反应。不仅如此，不同于传统电商更多的以图文的形式介绍和宣传产品，直播电商模式下几乎大部分都是主播在个人账号中发布附带广告性质的宣传产品的个人视频，直播电商可以提供视觉、声音和动作多维度的更全面更真实地展示产品信息，在直播间主播还可以通过试用试穿产品，进一步增强消费者的沉浸感和体验感，毫无疑问这样的产品展示和信息传递方式更加的高效。本研究中的自变量实时高效性指的就是这一直播电商相对于传统电商所独有的特性。
2) 价格优惠性
在直播电商模式中，直播间往往都会策划一些促销活动，比如优惠券、赠品、打折、限时低价秒杀等，吸引消费者。对于普通消费者来说，商品价格是推动其作出购买决策的关键因素，消费者往往会考虑价格是否合理，甚至会在网上进行价格对比，而当直播间有折扣优惠时，其往往会对消费者的心理情绪产生较大刺激。在本研究中，自变量价格优惠性指的是由于直播电商模式下普遍、随时存在的促销活动而呈现出的一种相较于传统电商渠道价格更加优惠的特性。
3) 感知趣味性
本研究的设计是基于抖音电商平台，在直播间中，主播通常不仅会介绍产品，还会不时加入娱乐元素，比如唱歌、分享生活中的趣事以及其他才艺展示，直播电商的娱乐属性愈加浓厚，其娱乐性可以给用户带来轻松的氛围，帮助用户缓解压力，会刺激消费者产生激情和满足的情绪，增进消费者与直播间的情感联系，是消费者参与直播行为和活动的一个重要因素。直播电商中消费者感知到的趣味性越强，其过程中轻松欢快的购物氛围则越强，增加消费者对于平台、主播和产品的情感。本研究中的自变量感知趣味性指的就是直播电商模式所具备的娱乐属性。
4) 主播魅力
在直播电商模式下，主播的个人魅力与消费者的消费情绪有着巨大的关联，由于直播电商这种模式不可避免地通常会采取诱导式消费的逻辑，甚至有着不少的消费者会因为自己对直播间主播的好感度高低而决定是否进入或者停留在直播间，一些明星网红或者知名带货主播的直播间人气通常非常高，由此带来的销售效果自然也很好，而归根到底他们正是由于个人魅力的突出才能如此受到消费者的欢迎。本研究中的自变量主播魅力指的就是主播的个人魅力，它通常可以表现为多种情感，比如对主播的信任、热爱、欣赏等。
5) 消费情绪
在网络购物环境下，SOR理论普遍被用于研究消费者的购买行为，在SOR理论模型中，中介变量O通常指的是个体的生理或者心理状态，形象地体现出了消费者产生购买动机并做出购买决策的过程。本研究中的中介变量消费情绪指的是消费者由于外部刺激而产生的消费的欲望与激情。
6) 产品卷入度
在直播电商模式下，消费者做出购买决策的整个过程中，消费者消费情绪的变化极大程度受到上述几个自变量的影响，但是对于不同类型的产品，消费者消费情绪的波动程度亦不相同，因此，本文引入了产品卷入度这一概念作为研究的调节变量，探究其是否存在调节作用。产品卷入度可以理解为消费者根据自身需求以及对产品的价值等感知到的自身与产品的密切程度，已有研究显示，产品卷入度会影响购买的各个过程，包括搜集信息、处理信息、情感建立直至购买决策的产生。当消费者面对卷入度高的产品时，他们通常会花费更多时间收集和处理信息，此时的信息加工更深入，消费者更加投入，可能会抑制消费者情绪波动，而当消费者面对低卷入度的产品时，消费者所花费时间和精力会比较低，此时消费情绪更容易波动，而情绪又是诱发消费者产生购买行为、做出购买决策的重要因素。
7) 消费者购买决策
在本研究中，消费者的购买决策指的是消费者在参加直播电商活动时，在购买产品或服务时所做的决定，它也是消费者进行消费行为整个过程中必不可少的一个阶段。
3.3. 研究假设
在概念模型中，本文提出了以电商直播模式的实时高效性、价格优惠性、感知趣味性和主播魅力特征构成的刺激因素作为自变量，以消费者消费情绪构成的个体心理作为中介变量，另外还引入产品卷入度作为调节变量，下文将提出相应假设。
学者刘洋、李琪、殷猛在研究中探究得出，在电商直播中，直播间互动行为除了主播展示商品，还包括消费者通过弹幕向主播咨询商品信息或者询问和解答其他消费者问题，并发现电商直播中高效的互动交流体验显著影响消费者愉悦感[7]。学者刘忠宇、赵向豪、龙蔚基于对理论的扎根，探讨了网红直播带货对消费者购买行为的影响路径，研究认为直播过程中的互动性会给直播间消费者带来强烈的感官冲击，并进一步影响消费者情绪。在直播电商情景下，商家主播可以与消费者进行实时、高效的互动，主播或者其他消费者也可以及时回复消费者提出的问题，帮助消费者解答疑惑，满足消费者消费需求，从而使他们产生瞬时的消费情绪[8]。据此本文提出如下假设：
H1：在直播电商情境下，实时高效性对消费者消费情绪具有正向影响。
学者李玉玺和叶莉在研究中借助冰山模型界定了S-O-R模型中的个人情感反应，其研究结果表明在电商直播中，消费者在受到价格优惠刺激后，其消费情绪被激发，潜在需求也能得到释放[9]。基于此，本文提出如下假设：
H2：在直播电商情境下，价格优惠性对消费者消费情绪具有正向影响。
国外学者Hilvert-Bruce Z等通过研究证实了网络直播中感知趣味性会促进直播间消费者与主播的情感共鸣，是消费者进行消费行为的一个重要因素[10]。学者喻昕和许正良也研究得出了类似的结果，他们基于沉浸理论的视角，发现网络直播的趣味性会加强消费者的沉浸感，进而促使消费者参与弹幕交流[11]。基于此，本文提出如下假设：
H3：在直播电商情境下，感知趣味性对消费者消费情绪具有正向影响。
学者燕道成、刘振等以淘宝网红店主作为研究对象，借助网络消费者行为分析模型“AISAS模型”以及ABC消费态度理论，对包括网红个人魅力在内的多个因素进行研究探讨，发现网络消费情景下网红个人魅力会对消费者认知和情感态度正向影响[12]。基于此，本文提出如下假设：
H4：在直播电商情境下，主播魅力对消费者消费情绪具有正向影响。
在本研究中，消费者的消费情绪体现的是个体的心理状态，势必会对个体的行为产生影响。当外部的刺激因素对消费者的消费情绪产生了正向影响，激发了购买欲望后，消费者很大可能会在短时间内做出购买决策并进行购买行为，此时进行的购买行为多半为冲动性的购买行为。学者张伟、杨婷、张武康研究了移动购物情景下情绪的驱动力效应，消费者因为外界的各种刺激因素，情绪会产生波动，处于积极情绪比如愉悦的消费者会对产品产生积极行为，此时他们为了平息波动情绪就更容易发生冲动性购买行为[13]。基于此，本文提出如下假设：
H5：在直播电商情境下，消费者消费情绪对消费者做出购买决策具有正向影响。
学者徐国伟的一项研究表明：产品的卷入度与消费者感知风险存在关联，产品卷入度越高，消费者感知风险就越大，不利于消费者做出购买决策；相反，产品卷入度比较低时，消费者很容易做出购买决策，产生冲动性购买行为[14]。学者彭全全以拟人化营销为研究对象得出结论，当产品卷入度较低时，情绪对消费者购买决策产生的影响比高卷入度产品的影响更大，原因在于面对高卷入度产品时消费者具备较强的警惕性，其受情绪的影响程度会比较低。消费情绪虽然能显著正向影响消费者购买决策的制定，但产品卷入度会对此正向影响起到负调节作用，消费者购买决策的形成会随着产品卷入度的提高而变得更加困难[15]。基于此，本文提出如下假设：
H6：在电商直播情境下，产品卷入度在消费情绪和消费者购买决策之间起到负调节作用。
4. 实证分析和假设检验
4.1. 问卷设计与数据收集
本研究拟使用李克特五级量表对被试者的回答进行刻画，并将被试者的主观态度分为1~5个程度，“非常不同意”，“不同意”，“一般”，“同意”，“非常同意”分别对应1至5分，得分越高，被试对问题回答的认同程度越高，从而达到对潜变量进行定量分析的目的。
在正式发放问卷前，本研究首先开展了一次预调研，通过问卷星平台，完成了问卷的制作，共发出并收集到73份预测试问卷，按照5分制，对被调查者对各个题项的认可度进行了测量，1分为“非常不同意”，5分为“非常同意”。根据回收的数据，一共有73名学生参与了此次的预测试，剔除了不合理答卷，得到了63份有效的调查问卷。
4.2. 调研信效度分析
4.2.1. 调研信度分析
通过对问卷进行信度分析，可以对量表进行可靠性和稳定性的评估。可靠性是指使用问卷调查法对被调查对象的特性和变项有一个比较稳定的度量。所谓问卷的稳定性，就是在不同的时间、不同的试验条件下，所使用的问卷和得到的答卷都能保持一致。
本研究通过分析Cronbach’s α系数来评估问卷的内部一致性。该系数的范围在0到1之间，值越接近1，表明问卷各项之间的一致性越高，问卷测量工具的可靠性越好。通常只要问卷的Cronbach’s α系数在0.6以上，该问卷的可靠性就可以接受。利用SPSS 26软件对问卷的全部题目(共24个题目)进行了Cronbach’s α系数的检验，结果见下表1，其信度为0.924，表明问卷的信度很好，再对各个变量进行克伦巴赫系数检验，结果如下表2所示：
Table 1. The overall reliability analysis of the survey
表1. 调研总体信度分析
Table 2. Survey the reliability analysis summary of each variable
表2. 调研各变量信度分析汇总
变量 |
题项标识 |
校正项总计相关性 |
删除项后的克伦巴赫系数 |
总的克伦巴赫系数 |
实时高效性 |
A1 |
0.569 |
0.579 |
0.700 |
A2 |
0.450 |
0.658 |
A3 |
0.368 |
0.704 |
A4 |
0.563 |
0.583 |
价格优惠性 |
B1 |
0.560 |
0.558 |
0.698 |
B2 |
0.480 |
0.678 |
B3 |
0.528 |
0.594 |
感知趣味性 |
C1 |
0.431 |
0.508 |
0.615 |
C2 |
0.330 |
0.637 |
C3 |
0.523 |
0.364 |
主播魅力 |
D1 |
0.425 |
0.785 |
0.769 |
D2 |
0.693 |
0.647 |
D3 |
0.608 |
0.696 |
D4 |
0.571 |
0.716 |
消费情绪 |
E1 |
0.357 |
0.791 |
0.706 |
E2 |
0.726 |
0.326 |
E3 |
0.539 |
0.604 |
产品卷入度 |
F1 |
0.456 |
0.762 |
0.735 |
F2 |
0.596 |
0.603 |
F3 |
0.633 |
0.561 |
消费者购买决策 |
G1 |
0.638 |
0.751 |
0.802 |
G2 |
0.566 |
0.780 |
G3 |
0.534 |
0.794 |
G4 |
0.759 |
0.677 |
4.2.2. 调研效度分析
效度是指问卷测量的准确性和有效性，即测量结果能够反映被测量的现象本身。问卷的效度分析通常采用内容效度和结构效度两种分析方法。内容效度是指问卷内容是否涵盖了被测量的现象的全部内容。为了评估问卷的内容效度，可以采用专家评估法，即请一些领域专家评估问卷中每个问题的相关性和适当性，以确定是否覆盖了被测量的现象本身，如果专家认为问卷内容不足或不适当，则需要适当进行修改和完善。结构效度是指问卷测量的维度或因素是否与被测量的现象相关。在问卷研究中，研究者常常需要设计一些问题或指标来衡量被测量的现象，比如人们的态度、行为习惯、健康状况等。为了保证测量结果的有效性，研究者需要考虑问题或指标的结构效度。结构效度的评估通常是通过因子分析或确认性因素分析来实现的。因子分析是一种常用的数据分析方法，可以将相关性较高的问题或指标聚合为一个因素，以此来描述被测量现象的不同维度或方面。因子分析的目标是找到最少的因素，能够解释被测量现象的足够多的方差。因子分析的结果可以用来评估问卷的结构效度，即问卷中的问题或指标是否能够被归纳为几个相关的因素。
本研究利用探索性因子分析方法来对问卷的结构效度进行检验，检验结果通常以KMO与Bartlett球形检验表格来呈现，KMO的测量取值在0和1之间，越接近1，就说明变量间的相关性越强，问卷效果越理想，通常只要保证KMO值不低于0.6即可。对本研究的量表各题项进行因子分析，检验结果如下表3所示，KMO值为0.766，是一个比较好的结果，同时Bartlett球形检验具有显著性，问卷结构效度良好。
通过主成分分析法，问卷样本数据共提取得到7个主成分因子，这7个因子的累计方差解释率为72.597%，由此可以判断提取的7个因子具有一定代表性，问卷调查的题项不需要进行删除(表4)。
Table 3. KMO and Bartlett tests
表3. KMO和巴特利特检验
KMO取样适切性量数 |
0.766 |
巴特利特球形度检验 |
近似卡方 |
1984.605 |
自由度 |
171.000 |
显著性 |
0.000 |
Table 4. Variance interpretation rate table
表4. 方差解释率表格
因子编号 |
初始特征值总计 |
方差百分比 |
累积% |
旋转载荷平方和总计 |
方差百分比 |
累积% |
1 |
9.115 |
37.977 |
37.977 |
4.761 |
19.836 |
19.836 |
2 |
2.044 |
8.518 |
46.495 |
3.002 |
12.509 |
32.345 |
3 |
1.577 |
6.572 |
53.067 |
2.317 |
9.656 |
42.001 |
4 |
1.414 |
5.891 |
58.959 |
2.310 |
9.624 |
51.626 |
5 |
1.201 |
5.003 |
63.962 |
2.096 |
8.732 |
60.358 |
6 |
1.140 |
4.749 |
68.711 |
1.518 |
6.324 |
66.682 |
7 |
0.933 |
3.886 |
72.597 |
1.420 |
5.915 |
72.597 |
8 |
0.889 |
3.704 |
76.301 |
4.761 |
19.836 |
19.836 |
9 |
0.705 |
2.938 |
79.240 |
- |
- |
- |
10 |
0.681 |
2.839 |
82.079 |
- |
- |
- |
11 |
0.606 |
2.526 |
84.605 |
- |
- |
- |
12 |
0.570 |
2.377 |
86.981 |
- |
- |
- |
13 |
0.524 |
2.185 |
89.166 |
- |
- |
- |
14 |
0.428 |
1.783 |
90.949 |
- |
- |
- |
15 |
0.380 |
1.583 |
92.532 |
- |
- |
- |
16 |
0.352 |
1.465 |
93.997 |
- |
- |
- |
17 |
0.301 |
1.253 |
95.249 |
- |
- |
- |
18 |
0.272 |
1.132 |
96.381 |
- |
- |
- |
19 |
0.250 |
1.042 |
97.423 |
- |
- |
- |
20 |
0.184 |
0.766 |
98.190 |
|
|
|
21 |
0.138 |
0.575 |
98.765 |
|
|
|
22 |
0.129 |
0.538 |
99.303 |
|
|
|
23 |
0.107 |
0.447 |
99.750 |
|
|
|
24 |
0.060 |
0.250 |
100.000 |
|
|
|
5. 数据分析与假设检验
根据预调研分析得出的结果，本文的最终问卷形成，进入正式的问卷发放和数据收集阶段。本研究的正式问卷主要通过线上方式发放，其中收到问卷总计246份，剔除没有看过抖音电商直播以及填写用时不科学的样本，最终有效问卷总计206份。
5.1. 描述性统计分析
描述性统计是对有关变量进行统计性描述，本部分使用SPSS 26软件对性别、年龄、学历、工作性质以及抖音直播购买次数进行描述统计分析，如下表5所示：
Table 5. Descriptive statistical analysis of samples
表5. 样本描述性统计分析
分类 |
指标 |
数量 |
占比 |
性别 |
男 |
70 |
33.98% |
女 |
136 |
66.02% |
年龄 |
20岁以下 |
23 |
11.17% |
20~25岁 |
161 |
78.16% |
26~30岁 |
17 |
11.43% |
31~35岁 |
3 |
2.86% |
35岁以上 |
2 |
0.97% |
学历 |
高中/中专及以下 |
11 |
5.34% |
大专 |
5 |
2.43% |
本科 |
167 |
81.07% |
研究生及以上 |
23 |
11.17% |
工作性质 |
学生 |
170 |
82.52% |
企业职员 |
25 |
12.14% |
公务员/事业单位职员 |
7 |
3.4% |
个体/自由职业者 |
4 |
1.94% |
抖音直播购买次数 |
3次以下 |
69 |
33.5% |
3~5次 |
72 |
34.95% |
5~10次 |
42 |
20.39% |
10次以上 |
23 |
11.17% |
据上表数据显示，本次收集到的数据中，女性占比为66.02%，男性为33.98%，女性占比将近男性两倍，其原因可能是由于女性购物欲望和频次高于男性，从而呈现出对抖音直播电商的关注度更高的现象。表中显示，20~25岁这个年龄段的人数占比最多，说明关注抖音直播电商的人群主要为年轻人，原因可能是年轻人对新事物的追求以及接受能力比较强。观看抖音电商直播的人群中，本科学历占比为81.07%，主要由于本研究问卷有82.52%都被学生填写了，同时也可以看出我国国民素质提升明显。从抖音直播购买次数来看，多数人购买次数为3次以下或者3~5次，可见新型的直播电商虽然盛行，但是大多数人出于各种原因还是不太习惯，或许仅仅是试探性地尝试购买。综上可得，本研究的样本数据合理并且符合实际情况，为后续的数据分析提供了有力的支撑和保障。
5.2. 信度分析
依据上文研究，在正式问卷中，本研究继续采用Cronbach’s α系数进行信度衡量，结果如下表6和表7所示：
Table 6. Overall reliability analysis of formal questionnaire
表6. 正式问卷总体信度分析
Table 7. Reliability analysis summary of pre-survey variables
表7. 预调研各变量信度分析汇总
变量 |
题项标识 |
删除项后的克伦巴赫系数 |
总的克伦巴赫系数 |
实时高效性 |
A1 |
0.658 |
0.747 |
A2 |
0.691 |
A3 |
0.706 |
A4 |
0.701 |
价格优惠性 |
B1 |
0.717 |
0.786 |
B2 |
0.726 |
B3 |
0.691 |
感知趣味性 |
C1 |
0.667 |
0.720 |
C2 |
0.668 |
C3 |
0.535 |
主播魅力 |
D1 |
0.701 |
0.724 |
D2 |
0.651 |
D3 |
0.649 |
D4 |
0.646 |
消费情绪 |
E1 |
0.694 |
0.724 |
E2 |
0.582 |
E3 |
0.613 |
产品卷入度 |
F1 |
0.658 |
0.716 |
F2 |
0.618 |
F3 |
0.602 |
消费者购买决策 |
G1 |
0.670 |
0.735 |
G2 |
0.697 |
G3 |
0.688 |
G4 |
0.649 |
根据表6和表7信度分析的结果，总体信度、实时高效性、价格优惠性、感知趣味性、主播魅力、消费情绪、产品卷入度、消费者购买决策变量的Cronbach’s α系数为0.918、0.747、0.786、0.720、0.724、0.724、0.716、0.735，均在0.7以上，由此可以表明本问卷具有较好的信度。
5.3. 效度分析
本文在制定变量测量量表时，参考了大量的研究并经过预调研的修改，确保了问卷的内容效度。为进一步保证问卷可靠，本研究继续借助Amos 24工具构建本研究的结构方程模型，如下图2，采用验证性因子分析方法对最终问卷的效度进行检验，主要检验聚合效度，检验结果如下表8所示：
Figure 2. Structural equation model
图2. 结构方程模型
Table 8. Aggregation validity
表8. 聚合效度
变量 |
题项标识 |
因子载荷 |
复合信度(CR) |
平均方差萃取量(AVE) |
实时高效性 |
A1 |
0.762 |
0.748 |
0.428 |
A2 |
0.599 |
A3 |
0.625 |
A4 |
0.617 |
价格优惠性 |
B1 |
0.733 |
0.792 |
0.560 |
B2 |
0.727 |
B3 |
0.783 |
感知趣味性 |
C1 |
0.709 |
0.725 |
0.470 |
C2 |
0.607 |
C3 |
0.733 |
主播魅力 |
D1 |
0.533 |
0.726 |
0.403 |
D2 |
0.635 |
D3 |
0.647 |
D4 |
0.710 |
聚合效度是指运用不同测量方法测定同一维度的相似程度，不同的测量方式应该在相同维度的测定中聚合在一起，主要从因子载荷、复合信度和平均方差萃取量等三个方面来评价，从上表可知，实时高效性、价格优惠性、感知趣味性、主播魅力的各个变量量表对应题项的因子载荷均大于或接近0.6，说明各个变量量表的对应题项均有较高的代表性。各个变量的CR值均大于0.7，且所有AVE值均高于或接近0.4，因此问卷的聚合效度理想。
5.4. 假设检验与分析
根据上文构建出的结构方程模型，继续借助AMOS探究实时高效性、价格优惠性、感知趣味性、主播魅力、消费情绪和消费者购买决策等变量之间的关系，其中将实时高效性、价格优惠性、感知趣味性、主播魅力几个特征视为自变量，消费情绪视为中介变量，消费者购买决策视为因变量，运算得出其影响路径系数，如下图3和下表9所示：
Figure 3. Standardized path test coefficient diagram
图3. 标准化路径检验系数图
Table 9. Path test
表9. 路径检验
路径 |
标准化路径系数 |
P |
显著性 |
消费情绪←实时高效性 |
0.486 |
*** |
显著 |
消费情绪←价格优惠性 |
0.341 |
*** |
显著 |
消费情绪←感知趣味性 |
0.809 |
*** |
显著 |
消费情绪←主播魅力 |
0.353 |
*** |
显著 |
消费者购买决策←消费情绪 |
0.940 |
*** |
显著 |
注：***代表P值小于0.01，**代表P值小于0.05，*代表P值小于0.1。
根据表9路径检验结果可以看出，实时高效性对消费情绪的影响系数为0.486，价格优惠性对消费情绪的影响系数为0.341，感知趣味性对消费情绪的影响系数为0.809，主播魅力对消费情绪的影响系数为0.353，消费情绪对消费者购买决策的影响系数为0.940，且它们的影响都十分显著，由此可见本文研究假设H1、H2、H3、H4、H5统统成立。
调节效应是指调节变量通过影响自变量进而影响因变量，在本研究的模型中指的是产品卷入度通过影响消费情绪进而对消费者购买决策的影响，针对调节效应的检验，本部分借助Amos24软件进行，检验产品卷入度是否会调节消费者情绪和消费者购买决策的关系。借鉴其他学者的研究，将消费情绪和消费者购买决策以及产品卷入三个维度的题项进行去中心化处理，也就是均值化处理，得到三个平均值变量，同时借助因子分析得出的结果，将自变量与调节变量对应的因子载荷系数依照大小关系按公式进行计算得到交互项变量，并将其代入到模型中，用到的模型如下图4：
Figure 4. Regulating effect test structure model
图4. 调节效应检验结构模型
根据表10调节效应检验结果可知，产品卷入度在消费情绪与消费者购买行为中不存在明显的调节作用，因此假设H6不成立。
Table 10. Regulation effect test results
表10. 调节效应检验结果
路径 |
标准化路径系数 |
P值 |
显著性 |
消费者购买决策←交互项 |
−0.003 |
0.97 |
不显著 |
注：***代表P值小于0.01，**代表P值小于 0.05，*代表P值小于0.1。
5.5. 假设检验结论分析
通过上文对数据的分析，得出本研究第三章的研究假设结论如下表11所示。
Table 11. Summary of hypothesis test results
表11. 假设检验结果汇总
序号 |
内容 |
结果 |
H1 |
在直播电商情境下，实时高效性对消费者消费情绪具有正向影响。 |
支持 |
H2 |
在直播电商情境下，价格优惠性对消费者消费情绪具有正向影响。 |
支持 |
H3 |
在直播电商情境下，感知趣味性对消费者消费情绪具有正向影响。 |
支持 |
H4 |
在直播电商情境下，主播魅力对消费者消费情绪具有正向影响。 |
支持 |
H5 |
在直播电商情境下，消费情绪对消费者购买决策具有正向影响。 |
支持 |
H6 |
电商直播情境下，产品卷入度在消费情绪和消费者购买决策之间起到负调节作用。 |
不支持 |
由上表11对假设检验结论的汇总可以看出，本文提出的6个假设中，除假设H6没有得到支持外，其余5个假设在实证分析的基础上以及结构方程模型的检验下得到了支持，具体阐述如下：
1) 在直播电商情境下，实时高效性对消费者消费情绪具有正向影响。
直播电商的实时高效性对消费情绪的标准化路径系数为0.49，P值小于0.001，影响效果显著，假设H1得到支持。即在直播电商情境下，实时高效性对消费者消费情绪具有正向影响，其主要原因在于直播电商这种模式的实时性、真实性、互动性极强，当消费者融入直播电商氛围后，他的问题可以得到及时的回复，无论是来自于主播还是其他消费者，他的需求可以得到高效的解决，这种事事有回应的感觉对人的情绪有着巨大的积极影响。因此，实时高效性对消费者消费情绪具有正向影响。
2) 在直播电商情境下，价格优惠性对消费者消费情绪具有正向影响。
直播电商的价格优惠性对消费情绪的标准化路径系数为0.34，P值小于0.001，影响效果显著，假设H2得到支持。即在直播电商情境下，价格优惠性对消费者消费情绪具有正向影响，其主要由于各种各样不同于传统促销方式的优惠手段在直播电商这种模式下层出不穷，并且这些优惠手段对消费者的刺激甚至更强，很多消费者会因为受不了这些限时的优惠活动的刺激，无法抵抗这种有便宜可捡的感觉的诱惑，产生欲消费的情绪和念头。因此，价格优惠性对消费者消费情绪具有正向影响。
3) 在直播电商情境下，感知趣味性对消费者消费情绪具有正向影响。
直播电商的感知趣味性对消费情绪的标准化路径系数为0.81，P值小于0.001，影响效果显著，假设H3得到支持。即在直播电商情境下，感知趣味性对消费者消费情绪具有正向影响，其主要原因很可能是因为大多数消费者已经对传统电商太过熟悉甚至是厌倦，而直播电商的横空出世颠覆了人们对电商模式的认知，尤其是年轻群体，他们的好奇心和对新事物的接受程度颇高，直播电商本身所具备的娱乐性质也是传统电商不具备的，在直播电商环境中，消费者能够感受到的乐趣远远非传统电商模式可比，而这样的趣味性自然会增强用户对直播电商的依赖程度，从而影响他们的消费情绪。因此，感知趣味性对消费者消费情绪具有正向影响。
4) 在直播电商情境下，主播魅力对消费者消费情绪具有正向影响。
直播电商的主播魅力对消费情绪的标准化路径系数为0.35，P值小于0.001，影响效果显著，假设H4得到支持。即在直播电商情境下，主播魅力对消费者消费情绪具有正向影响，其主要原因可能是随着直播电商的发展，越来越多的明星网红开始了直播带货，这些明星网红原本就在各种平台拥有庞大数量的粉丝，对于直播电商这种以流量为基础的模式来说，如此庞大的粉丝人群有很大的可能性会成为化身主播的明星网红的直播间消费者，他们很有可能会抱着支持偶像的态度现身直播间，再加上他们对偶像的信任和热爱，他们在直播间内的消费情绪自然而然地增强。因此，主播魅力对消费者消费情绪具有正向影响。
5) 在直播电商情境下，消费情绪对消费者购买决策具有正向影响。
消费情绪对消费者购买决策的标准化路径系数为达到了非常高的0.94，P值小于0.001，影响效果非常显著，假设H5得到支持。即在直播电商情境下，消费情绪对消费者购买决策具有正向影响，如此结果与本研究的理论基础SOR理论完全吻合，表明了外部刺激在对个体行为产生影响的时候无法直接作用，必须借助中介变量，通过刺激个体心理或生理对个体行为进行影响。因此，消费情绪对消费者购买决策具有正向影响。
6. 结论
本研究验证了直播电商的四大特征均能有效激发消费者的积极情绪，进而显著促进购买决策。尤为关键的是，各因素的影响力存在显著差异，这为行业实践提供了清晰的优化方向。
为引导市场健康发展，直播电商平台应设立“内容创新激励计划”，鼓励主播创作有创意的直播剧本和互动形式；优化算法推荐机制，让内容优质、互动性强的直播间获得更多流量倾斜，而非仅看重瞬时成交额。
对于商家与主播，应组建专门的内容策划团队，设计如“剧情带货”、“知识科普 + 带货”等新颖模式；加强主播培训，使其不仅是销售员，更是懂产品、有魅力的“内容创作者”和“信任代理”。对于高卷入度产品，尽管本研究未验证其调节作用，但仍建议主播在激发情绪的同时，提供详尽、客观的产品信息，以平衡感性与理性，降低后续退货风险。
对于行业监管：在倡导理性消费的同时，监管重点可部分转向对直播内容真实性与创意性的规范，鼓励行业进行健康的内容竞争，推动行业从“流量为王”向“内容为王”的可持续发展阶段迈进。
综上所述，通过平台的有效监管与商家主播的规范运作，并结合对直播电商核心影响因素的深入理解，方能有效提升消费者的理性消费意识，推动行业走向稳健、绿色的可持续发展。
NOTES
*通讯作者。