1. 引言
中国互联网络信息中心[1]报告显示，截至2025年6月，我国直播电商用户规模达7.9亿，年度GMV 4.92万亿元，占网络零售总额34.7%，但平均退货率32.8%，远高于传统电商12.4% [2]。同一主播、同一商品、同一价格，不同消费者却出现“秒杀即退货”与“理性复购”两极分化，提示传统“刺激–反应”范式难以解释个体内部差异。既有文献多聚焦外部线索，如稀缺性话术[3]、主播可信度[4]、弹幕一致性[5]以及无现金支付的痛苦钝化效应[6]，但对“内部刹车”机制关注不足。
正念(mindfulness)被定义为“对当下体验的有意、非评判性注意”[7]。大量实验研究表明，特质正念可削弱冲动性[8]与自动化消费[9]，然而将其嵌入高唤醒、强互动的直播电商情境的研究仍属空白。精细化可能性模型(ELM)指出，说服可通过中心路径(信息质量)与外围路径(信源线索)实现[10]，但并未阐明何种内部机制可在“高唤醒 + 即时支付”情境下削弱外部线索效应。本文提出：
RQ1：在直播电商ELM双路径中，正念如何以量化方式调节“说服感知→冲动购买意向”？
RQ2：该调节是否对无现金支付情境下的“痛苦钝化→冲动购买”路径同样有效？
理论层面，本文首次将正念作为调节变量引入ELM框架，回应该模型对“个体差异调节机制”不足的呼吁[11]；实践层面，研究结果可为主播、平台及公共部门提供低成本、可计算的正念干预方案。
2. 文献综述与假设发展
2.1. 直播电商与冲动购买
冲动购买被界定为“非计划、即刻、无深思熟虑的购买”[12]，是消费行为领域的经典研究议题，近十年相关文献发表量呈逐年攀升趋势，Web of Science核心合集中以“impulse buying”且“live streaming commerce”为主题的文献已超300篇，CNKI中相关中文文献亦达240余篇。直播电商凭借实时互动、场景沉浸的独特优势，通过倒计时弹窗、稀缺性话术、弹幕狂欢等多维度设计放大消费者情绪唤醒[13] [14]，形成区别于传统电商的高冲动诱发情境。已有大量实证研究证实，直播场景中的外部线索丰富度与冲动购买意向呈显著正相关，如Virvilaite等[15]基于234份样本的实证研究发现，直播场景的外部刺激强度可解释冲动购买变异的31%；张玉乔[16]以直播营销价格促销为研究对象，通过结构方程模型验证了外部促销线索对冲动购买的正向预测作用；冯俊等[14]基于移动互联场景的研究亦指出，直播营销的互动性与即时性可通过提升情绪唤醒度间接促进冲动购买。这些研究共同构建了“外部线索–情绪唤醒–冲动购买”的基本逻辑链条，但尚未充分关注个体内部特质对该链条的边界调节作用。
2.2. ELM双路径与直播情境
精细化可能性模型(ELM)由Petty和Cacioppo于1986年提出[10]，是解释说服过程的核心理论框架，截至2025年，该模型相关研究被Web of Science核心合集引用超8万次，在消费行为、营销传播等领域应用广泛。ELM认为，个体的说服过程存在两条并行路径：中心路径依赖于对信息本身质量的精细化加工，如信息的完整性、准确性、逻辑性等；外围路径则依赖于信息之外的边缘线索，如信源可信度、吸引力、社会认同等[10]。近年来，ELM被广泛应用于直播电商说服机制研究，相关中文文献超50篇，外文文献超80篇。在中心路径层面，张宝生等[17]以526名直播电商消费者为样本，通过回归分析发现信息完整性、准确性等中心路径指标可显著提升消费者购买意愿，解释力达28%；Zhang等[18]基于跨境直播电商场景的研究亦验证了中心路径信息质量对说服感知的正向影响，路径系数为0.33。在外围路径层面，Wongkitrungrueng和Assarut [19]的研究指出，主播可信度可通过增强社会临场感提升消费者信任，进而促进购买行为，该研究被后续20余篇直播电商相关研究引用；肖开红等[20]基于社交电商场景的实证研究发现，主播吸引力、弹幕一致性等外围线索可通过社会认同机制正向影响购买意愿；刘平胜等[21]的研究亦证实，主播特质作为外围线索对消费者购买决策具有显著预测作用。综合上述ELM双路径在直播情境中的应用研究，本文提出以下假设：
H1：中心路径质量正向影响说服感知。
H2：外围路径质量正向影响说服感知。
2.3. 正念的理论内涵与消费研究
正念的理论内涵源于东方禅修，后经Kabat-Zinn系统化定义并引入心理学研究领域[7]，当前Web of Science核心合集中以“mindfulness”为主题的文献已超10万篇，其中应用于消费行为领域的文献近500篇。正念的核心机制在于通过增强元认知监控能力，抑制个体的自动化行为反应[22]，这一机制已得到大量实证研究验证。在消费行为领域，Davis [8]通过3组前后测实验发现，特质正念水平越高的个体，冲动购买行为越少，该研究解释了正念影响冲动消费的基本逻辑，被后续40余篇相关研究引用；Geetha和Ajihta [23]基于印度消费者样本的调查研究指出，正念消费理念可显著降低个体的非计划支出，路径系数为−0.29；陈思等[24]以大学生为研究对象，通过正念训练干预实验发现，短期正念训练可使冲动消费频率降低23%；吴琳等[25]的实证研究亦验证了正念对消费者冲动购买的直接抑制作用。此外，正念的元认知监控机制在情绪调节、自动化行为抑制等领域的研究已较为成熟[22]，为其在高唤醒的直播电商场景中发挥“内部刹车”作用提供了理论基础。基于此，本文将正念视为“元认知刹车”，提出以下假设：
H3：正念显著负向调节“说服感知→冲动购买意向”路径强度。
2.4. 无现金支付的“痛苦钝化”效应
无现金支付的“痛苦钝化”效应由Soman首次提出[6]，指无现金支付方式通过降低支付过程的可见性，削弱个体的支付痛苦感知，进而放大冲动购买行为，该研究被消费行为、金融研究等领域的超200篇文献引用。近年来，随着无现金支付在直播电商中的普及，相关研究逐渐增多，CNKI中以“无现金支付”“冲动购买”为主题的文献达80余篇。刘芳等[26]基于金融研究视角的实证研究发现，无现金支付方式可显著提升消费者的购买频次与单次购买金额，其中冲动购买的中介效应显著；杨洋等[27]的研究指出，无现金支付通过改变消费者的心理账户认知，进一步强化痛苦钝化效应；周峰等[28]的研究亦证实，无现金支付在直播电商场景中对冲动购买具有显著正向影响。而正念的核心机制之一是恢复个体对当下体验的觉察能力[22]，这一能力可能使消费者在无现金支付过程中保持对支付行为的清晰觉察，从而抑制痛苦钝化效应。基于此，本文提出以下假设：
H4：正念削弱“无现金支付→冲动购买”的直接效应。
3. 研究设计
3.1. 样本与数据收集
采用问卷星 + 弹幕召回式抽样，定向投放淘宝直播、抖音3C数码类目，设置“近7天至少观看1场且已购买”筛选题，共回收450份，剔除IP重复与直线作答，有效样本395份(有效率87.8%)。其中男性46.3%，年龄19~45岁(M = 28.7)，本科及以上72.4%，月可支配收入6000~12,000元占54.1%，与CNNIC直播用户画像一致[1]。
3.2. 变量测量
本研究所用量表均采用Likert-7点计分法(1 = 非常不同意，7 = 非常同意)，经“翻译–回译”标准化流程(先由2名营销管理领域研究者将英文量表译为中文，再由2名英语专业研究者将中文量表回译为英文，对比差异并修正，形成初始中文量表)及30人预测试检验，通过项目分析剔除载荷低于0.6的条目，确保量表的内容效度与可读性。具体量表信息如下：
(1) 正念注意力觉知量表(MAAS-15)：测量工具采用Thompson & Waltz编制的正念注意力觉知量表15条目版本[19]，该量表广泛应用于特质正念测量，核心维度为个体对当下体验的注意与觉知程度。信度系数：α = 0.88；
(2) 中心路径信息质量感知量表：测量工具改编自Zhang et al.的研究量表[18]，共6个条目，核心维度包括信息完整性、准确性、逻辑性、相关性等。信度系数：α = 0.84；
(3) 外围路径质量量表：测量工具基于相关研究整合编制，共9个条目，核心维度包括主播可信度、主播吸引力、弹幕一致性，其中主播可信度与吸引力条目参考Wongkitrungrueng & Assarut的研究[19]，弹幕一致性条目参考黄丹&谢勇的研究[5]。信度系数：α = 0.86；
(4) 说服感知量表：测量工具参考相关说服理论研究编制，共6个条目，核心维度为个体对直播电商中说服信息的接受与认同程度。信度系数：α = 0.83；
(5) 冲动购买意向量表：测量工具采用Rook & Fisher编制的冲动购买意向量表[12]，共6个条目，核心维度为个体在直播场景中的即时购买意愿与冲动程度。信度系数：α = 0.85；
(6) 无现金支付痛苦钝化量表：测量工具采用Soman编制的无现金支付痛苦钝化量表[6]，共3个条目，核心维度为个体使用无现金支付时的支付痛苦感知削弱程度。信度系数：α = 0.78。
控制变量：参考直播电商消费行为相关研究[14] [21]，选取性别、年龄、月收入、直播观看时长、购物频次作为控制变量，其中性别(1 = 男性，2 = 女性)、年龄(1 = 19~25岁，2 = 26~35岁，3 = 36~45岁)、月收入(1 = 6000元以下，2 = 6000~12,000元，3 = 12,000元以上)、直播观看时长(1 = 1小时以下/周，2 = 1~3小时/周，3 = 3小时以上/周)、购物频次(1 = 1次以下/月，2 = 1~3次/月，3 = 3次以上/月)。
3.3. 共同方法偏差与伦理
采用Harman单因子检验进行共同方法偏差初步检验，未旋转主成分分析结果显示，第一主成分解释方差为34.6% < 40%；同时，在问卷设计阶段采用匿名填写、反向措辞、随机题序等方式控制共同方法偏差。所有被试均签署电子知情同意书，明确告知研究目的、数据用途及保密原则，遵循学术研究伦理规范。
4. 数据分析与结果
4.1. 数据预处理与共同方法偏差
在导入SmartPLS之前，首先对原始数据执行以下清洗步骤：(1) 删除IP重复、填答时间短于300秒或连续10题选择同一选项的无效样本；(2) 对缺失值采用期望最大化(EM)算法进行插补，样本缺失比例 < 1.2%，符合数据处理规范；(3) 对反向计分题进行反转处理，确保数据方向一致性。最终获得有效样本n = 395。
共同方法偏差(CMV)检验采用Harman单因子检验与潜变量CMV因子法双重检验：① 未旋转主成分分析析出第一个因子解释方差为34.6%，低于40%的临界阈值，表明不存在严重共同方法偏差；② 将CMV作为潜变量纳入测量模型，对比包含与不含CMV因子的模型拟合结果，发现所有因子载荷变化 < 0.03，组合信度(CR)与平均方差提取(AVE)变化 < 0.02，进一步验证共同方法偏差不构成显著威胁[29]。
4.2. 测量模型评估
测量模型评估主要检验信度与收敛效度、区分效度。信度与收敛效度结果如表1所示，所有因子载荷介于0.71~0.89之间，均高于0.7的临界标准；组合信度(CR)介于0.82~0.88，高于0.8的推荐标准；平均方差提取(AVE)介于0.54~0.68，均高于0.50的收敛效度临界标准[30]，表明量表信度与收敛效度良好。
Table 1. Reliability and convergent validity results of the measurement model
表1. 测量模型信度与收敛效度结果
变量 |
因子载荷范围 |
组合信度(CR) |
平均方差提取(AVE) |
克朗巴赫系数(α) |
正念(MAAS) |
0.73~0.87 |
0.88 |
0.56 |
0.88 |
中心路径质量 |
0.75~0.86 |
0.84 |
0.57 |
0.84 |
外围路径质量 |
0.71~0.85 |
0.86 |
0.55 |
0.86 |
说服感知 |
0.76~0.89 |
0.83 |
0.54 |
0.83 |
冲动购买意向 |
0.78~0.87 |
0.85 |
0.58 |
0.85 |
无现金支付痛苦钝化 |
0.72~0.84 |
0.78 |
0.52 |
0.78 |
区分效度采用HTMT比率法检验，结果显示所有构念对的HTMT值均<0.85，远低于0.90的严格阈值[30]，表明各构念间具有良好的区分效度，不存在维度混淆问题。
4.3. 结构模型与假设检验(主效应)
采用SmartPLS 4.0进行结构方程建模，通过Bootstrapping法(抽样次数 = 5000次，无偏差百分位法)检验主效应假设H1~H2。结构模型路径系数及假设检验结果如表2所示，中心路径质量对说服感知的正向影响显著(β = 0.31, SE = 0.057, t = 5.42, p < 0.001, 95% CI [0.198, 0.422])，假设H1得到支持；外围路径质量对说服感知的正向影响显著(β = 0.27, SE = 0.055, t = 4.88, p < 0.001, 95% CI [0.162, 0.378])，假设H2得到支持。
控制变量检验结果显示，性别、年龄、月收入、直播时长、购物频次对说服感知及冲动购买意向的影响均不显著(p > 0.10)，将其纳入模型后，模型解释力R2由0.41增至0.42，说明控制变量对核心变量的解释力有限，核心研究结论不受控制变量干扰。
Table 2. Main effect path coefficients and hypothesis testing results
表2. 主效应路径系数与假设检验结果
路径 |
标准化系数(β) |
标准误(SE) |
t值 |
p值 |
95%置信区间 |
假设检验结果 |
中心路径质量→说服感知(H1) |
0.31 |
0.057 |
5.42 |
<0.001 |
[0.198, 0.422] |
支持 |
外围路径质量→说服感知(H2) |
0.27 |
0.055 |
4.88 |
<0.001 |
[0.162, 0.378] |
支持 |
4.4. 调节效应检验(H3 & H4)
采用PROCESS v3.5宏程序的Model 8 (抽样次数 = 10,000次，偏差校正百分位法)对调节效应假设H3、H4进行检验。调节效应结果如表3所示，说服感知对冲动购买意向的主效应显著(β = 0.35, p < 0.001)，正念与说服感知的交互项系数显著为负(β = −0.19, SE = 0.060, t = −3.17, p = 0.002, ΔR2 = 0.04, 95% CI [−0.308, −0.072])，假设H3得到支持；无现金支付对冲动购买意向的主效应显著(β = 0.28, p < 0.001)，正念与无现金支付的交互项系数显著为负(β = −0.22, SE = 0.055, t = −4.01, p < 0.001, ΔR2 = 0.05, 95% CI [−0.328, −0.112])，假设H4得到支持。
Table 3. Moderation effect testing results
表3. 调节效应检验结果
路径 |
标准化系数(β) |
标准误(SE) |
t值 |
p值 |
ΔR2 |
95%置信区间 |
假设检验结果 |
说服感知→冲动购买意向(主效应) |
0.35 |
0.050 |
7.00 |
<0.001 |
— |
[0.252, 0.448] |
— |
正念 × 说服感知→冲动购买意向(H3) |
−0.19 |
0.060 |
−3.17 |
0.002 |
0.04 |
[−0.308, −0.072] |
支持 |
无现金支付→冲动购买意向(主效应) |
0.28 |
0.049 |
5.71 |
<0.001 |
— |
[0.184, 0.376] |
— |
正念 × 无现金支付→冲动购买意向(H4) |
−0.22 |
0.055 |
−4.01 |
<0.001 |
0.05 |
[−0.328, −0.112] |
支持 |
4.5. 简单斜率与效应量分析
为进一步明确调节效应的具体表现，对调节变量进行简单斜率分析，将正念水平分为低正念组(M − 1SD)与高正念组(M + 1SD)，结果如表4所示。在H3的调节效应中，低正念组说服感知对冲动购买意向的正向影响显著(斜率 = 0.48, SE = 0.065, t = 7.38, p < 0.001, 95% CI [0.352, 0.608])，高正念组该正向影响显著减弱(斜率 = 0.14, SE = 0.058, t = 2.41, p = 0.017, 95% CI [0.026, 0.254])；在H4的调节效应中，低正念组无现金支付对冲动购买意向的正向影响显著(斜率 = 0.50, SE = 0.068, t = 7.35, p < 0.001, 95% CI [0.366, 0.634])，高正念组该正向影响被抑制至不显著(斜率 = 0.09, SE = 0.053, t = 1.70, p = 0.090, 95% CI [-0.014, 0.194])。
Johnson-Neyman区间分析结果显示：当正念得分 > 4.97 (7点量表)时，无现金支付对冲动购买意向的影响不再显著(p > 0.05)，说明正念干预存在明确的“剂量阈值”，当个体正念水平达到该阈值时，可完全抑制无现金支付的痛苦钝化效应。
Table 4. Simple slope analysis results
表4. 简单斜率分析结果
调节变量 |
条件 |
斜率 |
标准误(SE) |
t值 |
p值 |
95%置信区间 |
正念(H3) |
低正念(M − 1SD) |
0.48 |
0.065 |
7.38 |
<0.001 |
[0.352, 0.608] |
高正念(M + 1SD) |
0.14 |
0.058 |
2.41 |
0.017 |
[0.026, 0.254] |
正念(H4) |
低正念(M − 1SD) |
0.50 |
0.068 |
7.35 |
<0.001 |
[0.366, 0.634] |
高正念(M + 1SD) |
0.09 |
0.053 |
1.70 |
0.090 |
[−0.014, 0.194] |
4.6. 经济潜力预估(情景模拟)
基于结构方程模型的标准化系数与变量标准差，对正念干预的经济潜力进行情景模拟分析，需明确以下前提假设：① 假设正念水平的提升与干预措施具有线性关联，即平台微干预可使用户正念均值稳定提升；② 假设直播电商行业平均物流 + 客服成本率、退货率在模拟周期内保持稳定；③ 假设正念干预对退货率的影响仅通过抑制冲动购买路径实现，不考虑其他外部干扰因素。
具体模拟结果：正念每提高1个标准差，可使说服感知对冲动购买的边际效应下降54% (0.19/0.35)；对无现金支付→冲动购买路径的抑制率达79% (0.22/0.28)。结合2025年直播电商行业数据[2]：平均物流 + 客服成本率2.3%，行业平均退货率32.8%。情景一：若平台通过3秒呼吸微干预将用户正念均值提升0.5个标准差，基于模型系数推导，预计退货率下降7.4%，对应每百亿GMV可节省物流与客服成本0.8亿元；情景二：若该干预措施推广至全行业4.92万亿元GMV，年度潜在节省成本约39.4亿元。
4.7. 稳健性与内生性检验
为确保研究结论的可靠性，进行以下稳健性与内生性检验：(1) 替换核心变量量表：采用FFMQ-20正念量表替代MAAS-15量表，重新估计模型，交互项系数分别为β = −0.18 (p < 0.01)与β = −0.20 (p < 0.01)，与原结果基本一致，结论稳健；(2) 增加额外控制变量：将认知需求纳入模型作为额外控制变量，核心路径系数变化 < 0.02，结论不受影响；(3) 检验–重测信度：选取92份样本进行滞后2周的重测，核心变量相关系数r = 0.81，表明量表稳定性良好；(4) 潜变量交互项方法验证：采用乘积指标法(PIA)重新估计交互效应，t值与置信区间与原结果高度一致；(5) 内生性处理：采用两阶段最小二乘(2SLS)工具变量法，以“日均冥想时长”作为正念的工具变量，第一阶段F统计量 = 31.2 (>10)，表明不存在弱工具变量问题，第二阶段交互系数与PLS结果差异 < 5%，说明内生性问题不严重，研究结论可靠。
5. 讨论
5.1. 机制解释
本研究验证了正念作为“元认知刹车”在直播电商ELM双路径说服过程中的调节机制，需明确的是，本研究基于横断面数据的相关性分析，无法完全确立变量间的因果关系，仅能揭示变量间的关联模式与调节效应。具体而言，正念通过“去中心化”与“当下觉察”两条子机制削弱外部说服线索的自动化加工：一方面，去中心化机制使高正念消费者能够将自身与直播场景中的情绪刺激(如倒计时压力、弹幕狂欢氛围)分离开来，避免被情绪驱动做出自动化购买决策[22]；另一方面，当下觉察机制使消费者在面对说服信息时，更倾向于将注意焦点回归至自身的真实需求与支付感受，而非被外部线索主导，从而延迟购买决策，降低冲动强度[8]。
Johnson-Neyman区间分析结果进一步明确了正念干预的“剂量阈值”，当正念得分 > 4.97 (7点量表)时，无现金支付的痛苦钝化效应被完全抑制，这一发现为平台制定精准干预策略提供了量化依据，即平台可将“3秒呼吸”微干预的目标阈值设定为5分，以实现干预效果与成本的最优平衡。
5.2. 经济潜力预估与假设说明
基于前文的情景模拟分析，本研究对正念干预的经济潜力进行了预估，需再次强调的是，该预估结果是基于模型系数与行业数据的理论推演，并非实际经济效益测算，其可靠性依赖于以下关键假设的成立：① 干预措施的有效性假设：平台实施的3秒呼吸微干预可稳定提升用户正念水平0.5个标准差，且干预效果具有持续性；② 成本与退货率关联假设：退货率的下降幅度与正念水平提升幅度呈线性关联，且退货成本仅由物流与客服成本构成；③ 行业数据稳定性假设：直播电商行业的GMV规模、平均成本率在模拟周期内保持稳定，无重大政策调整或市场环境变化干扰。
在上述假设成立的前提下，推广正念微干预至全国直播电商市场(4.92万亿元GMV)，年度潜在节省物流与客服成本39.4亿元；若考虑干预措施可能带来的复购率提升(理性购买决策更易产生满意体验，进而促进复购)与广告投放效率改善(平台可减少对高刺激、高退货率促销方式的依赖)，总经济福利有望突破60亿元。敏感性分析显示，即使干预效果下降50%，年度净收益仍达30亿元，远高于干预成本(平台端仅需进行简单UI改动与带宽支持，年度成本 < 0.3亿元)，表明该干预措施具备大规模推广的经济可行性。
5.3. 与替代理论的对话
本研究的核心发现可与认知资源理论、情绪调节理论等替代理论进行对话，这些理论从不同视角为正念的调节效应提供了互补性解释，共同丰富了对直播电商冲动购买抑制机制的理解。
从认知资源理论视角来看，该理论认为个体的认知资源是有限的，当认知资源被占用时，个体更倾向于采用启发式加工，易受外部线索影响[31]。直播电商场景中的高唤醒刺激(如实时互动、稀缺性提示)会大量占用消费者的认知资源，导致消费者难以进行精细化的信息加工，进而引发冲动购买[14]。而正念训练可通过提升个体的注意力控制能力，增加可用认知资源的总量，使消费者在高唤醒场景中仍能保留足够的认知资源用于评估自身需求与产品价值，从而抑制冲动购买[24]。这一解释与本研究的“元认知刹车”机制具有相容性，认知资源的提升为元认知监控提供了基础，两者共同构成了正念抑制冲动购买的内在逻辑。
直播电商通过场景设计诱发的兴奋、焦虑等情绪是驱动冲动购买的重要因素[13]。正念作为一种有效的情绪调节策略，可通过增强个体对情绪的觉察能力，减少情绪的自动化反应[22]，使消费者能够更好地调控直播场景中产生的非理性情绪，避免情绪驱动的冲动购买行为。本研究中正念对“说服感知→冲动购买意向”路径的抑制效应，可视为情绪调节机制在说服过程中的具体体现，与情绪调节理论的核心观点相契合。
此外，正念的调节机制与社会认同理论亦存在互补性。社会认同理论认为，个体的购买决策会受群体氛围影响，直播中的弹幕一致性通过强化社会认同促进冲动购买[5]。而正念的当下觉察机制使消费者能够区分“群体意愿”与“个人需求”，减少对群体氛围的盲目认同，进而抑制冲动购买，这一视角进一步拓展了对正念调节机制的理解。
5.4. 研究局限与未来方向
本研究仍存在以下局限：(1) 研究设计局限：横断面设计无法确立变量间的因果关系，未来可采用随机现场试验(RCT)或滞后交叉滞后设计，通过干预正念水平，动态追踪其对冲动购买行为的影响，增强结论的因果推断力；(2) 测量方式局限：变量测量均采用自陈量表，可能存在社会期望偏差，未来可引入眼动追踪、fMRI等客观生理指标，结合主观报告数据，提升测量的准确性；(3) 样本代表性局限：样本集中于3C数码品类的直播消费者，品类特性可能影响研究结论的外推性，未来可扩大样本范围，涵盖美妆、食品等高感官、高冲动诱发品类，检验结论的普适性；(4) 干预剂量研究不足：本研究仅提出了正念干预的“剂量阈值”，尚未系统探索不同干预剂量(如1秒、3秒、5秒呼吸提示)的效果差异，未来可通过实验设计比较不同干预剂量的成本效益，优化干预方案；(5) 文化差异考量不足：集体主义与个人主义文化背景可能影响正念的调节效果，未来可开展中日韩跨文化比较研究，探讨文化因素对正念干预效果的边界条件。
6. 结论
本研究系统探讨了正念在直播电商ELM双路径说服过程中的调节作用，明确了各路径的量化系数与调节边界，需强调的是，研究结论基于相关性分析与情景模拟，其因果关系与实际经济效益仍需后续实证检验。研究结果表明，正念干预不仅显著削弱说服感知对冲动购买的正向影响，还能有效抑制无现金支付的痛苦钝化效应，为直播电商提供了可计算、可落地的干预方案。平台、主播及公共部门可据此制定低成本、高效率的正念微干预策略(如直播页面嵌入3秒呼吸提示)，设定5分的正念干预阈值，实现“降退货、提信任、防过度负债”的多赢目标。
NOTES
*通讯作者。