1. 引言
随着互联网和移动技术的迅猛发展，电商直播已成为一种重要的互动式销售方式。在这种新兴的商业模式下，消费者不仅可以通过直播即时获取产品信息和购物建议，还能与主播和其他消费者进行互动，从而增强购买体验和信任感。电商直播的快速崛起使得各大电商平台纷纷转型，竞争愈加激烈。在这个背景下，理解和分析消费者粘性行为的因素对于电商企业吸引和留住顾客至关重要。
2. 理论基础和研究假设
2.1. S-O-R理论
S-O-R (刺激–机体–反应)模型是在S-R (刺激–反应)模型的基础上修正而来的[1]。早期，S-R模型指出个体的反应主要是由外部环境刺激引起的，由于不同的个体对环境刺激产生的情绪和认知是不一样的，S-R理论只对刺激和反应之间的关系进行了探索，未考虑到人们的内部状态和有机体验(O)，因此，S-R理论存在一定的缺陷。于是，后来的学者在原有的模型上引入了“机体感知”这一变量，提出了S-O-R模型，该模型是最早被用来描述顾客的购买行为的模型之一，它提供了一种分析顾客购买行为的方式。如图1所示：
Figure 1. S-O-R model
图1. S-O-R模型
刺激(Stimulus)：指商家向消费者提供的各种信息，包括产品的功能特性、广告、促销、价格等，刺激是引导消费者做出决策的基础。
机体(Organism)：之消费者个体在内的、对刺激的反应，包括信念、态度和感知等因素，这些因素被称为“消费者素质”。
反应(Response)：指消费者对刺激做出的反应，如购买、对产品或品牌的态度和行为等。
S-O-R理论认为，个体对刺激产生的反应决定了响应。个体反应的大小和性质具有主观性和个体差异性，因此，在进行市场营销时，商家应该通过了解消费者的素质和心理特征，创建合适的刺激，以获得最佳的行为效应。
2.2. 研究假设
2.2.1. 电商直播情境下互动性与感知价值的关系
在电商直播情境下，主播利用平台向消费者展示产品，并通过弹幕、发送产品链接以来向消费者介绍产品，而消费者首先会通过直播间风格或者是主播来选择直播间，并通过发送弹幕、使用产品后的评论以及观看主播的讲解来了解产品。经过一系列的互动方式，来影响消费者的行为。
王彤(2020)认为感知价值可以分为感知功能价值和感知情感价值，交互性不会正向影响感知情感价值，因为电商直播间中的互动更多地是聚焦在产品上而非情感上，但是交互性正向影响信任和感知功能价值，即电商直播间交互性越强，消费者信任和感知功能价值越强[2]。沈燕、赵红梅(2018)以淘宝直播为例，研究发现互动因素会引起消费者的冲动购买[3]。王秀俊、王文(2019)等人基于SOR理论，对电商直播通过加强娱乐性、互动性、价格优惠等一系列措施的研究分析，消费者对产品的情感态度会有所提升[4]。孙笑(2016)研究得出消费者感知价值与网络互动之间的关系，并将感知价值划分为功能价值、情感价值以及感知风险，研究证明互动性会正向影响功能价值和情感价值[5]。综上，提出假设：
H1：电商直播情境下互动性会正向影响消费者的感知价值。
2.2.2. 电商直播情境下价值性与感知价值的关系
电商直播情境下，产品价值和社会价值是相互关联的。产品价值是指产品的实用和商业价值，而社会价值则是指产品所带来的社会效益。李美婵(2022)从用户生成内容(UGC)的角度出发，并且结合技术接受模型研究发现价值与信任会正向影响购买意愿[6]。在电商直播中，产品的实际效用和商业价值可以通过主播的演示和推销来得到体现，消费者会根据主播讲解、其他消费者的使用评价等等来判断出产品对自己的价值，社会价值则可以通过平台或者主播传递出来的社会正能量来实现，在经济学领域中，“外部影响”是指当一个经济主体所做出的经济行为会影响他人时，该经济主体并不会为这种行为承担后果。据此，可以认为电商直播情境下所产生的外部经济是主播或者平台所传递的社会正能量对消费者产生了影响。综上，提出假设：
H2：电商直播情境下价值性会正向影响消费者的感知价值。
2.2.3. 电商直播情境下信任性与感知价值的关系
在电商直播中，很多消费者认为在直播购物与传统的在线购物一样，都存在很大的不确定性因素。相对于线下购物来说，无论是传统电商还是现如今的直播电商，消费者都不能实时感受产品质量以及产品与自己的匹配度，因此在电商直播情境下，消费者会根据自己对平台的信任、对主播专业度和身份的信任以及对品牌的信任来综合得出自己对该产品的信任度。据此，会进一步选择自己是否购买该产品。
目前，关于电商直播中消费者的信任性与其感知价值的研究非常有限。Sirdeshmukh (2002)认为顾客感知价值属于一种重要目标，顾客忠诚则是一种次要目标，由目标行为倾向理论为基础可知，顾客忠诚受顾客感知价值所控制[7]。叶晶和胡翠兰(2021)基于S-O-R理论研究认为消费者对主播的信任程度会进一步影响消费者的感知价值[8]。贾晓峰(2019)在对电商直播平台消费者购买及融入意愿研究中将信任与感知娱乐价值和感知功能价值作为中介因素进行研究[9]。综上，提出假设：
H3：电商直播情境下信任性正向影响消费者的感知价值。
2.2.4. 电商直播情境下感知价值与消费者粘性的关系
目前已有大量的学者证明消费者的感知价值会对顾客的忠诚度产生正面影响，而对消费者的感知价值与消费者粘性影响的相关研究相对缺乏。
樊瑾(2022)以S-O-R理论为基础，证明了顾客感知价值正向影响顾客粘性，此外消费者粘性和消费者忠诚虽然有本质上的区别，但也有重合的部分，对平台忠诚的消费者必然是对该平台有粘性的，如果消费者认为产品或服务是有用的，他们更有可能去继续使用他，并建立与品牌的忠诚度，而在建立忠诚度时就已经对该品牌产生了粘性[10]。所以讨论消费者感知价值对消费者的粘性的影响可以迁移至对消费者的忠诚度的影响研究中。刘丽和张宁(2016)基于电子商务的背景对顾客感知价值与顾客忠诚之间的关系进行了研究，并对感知价值进行维度划分，研究表明功能性和情感价值正向影响顾客忠诚[11]。Sirdeshmukh (2002)认为顾客感知价值属于一种重要目标，顾客忠诚则是一种次要目标，由目标行为倾向理论为基础可知，顾客忠诚受顾客感知价值所控制[7]。综上，提出假设：
H4：电商直播情境下消费者感知价值正向影响消费者粘性。
2.3. 研究模型
本研究在相关文献的整理以及SOR理论框架的基础上，以电商直播情境下的互动性、价值性和信任性作为解释变量S (刺激)，以感知价值作为中介变量O (机体)，产生的消费者粘性行为作为被解释变量R (反应)，并根据研究假设，构建在电商直播情境下消费者粘性行为因素分析的理论模型。研究模型如图2所示：
Figure 2. Study model
图2. 研究模型
3. 研究设计
3.1. 问卷设计
本文收集数据通过问卷星设计和发放问卷，在电商直播情境下对消费者行为产生影响的情境因素，调查问卷主要包括以下三个部分：
引导语部分，将此次调查问卷研究的主要内容和用途告知被调查对象，表明问卷填写会对个人隐私进行保护，对于重要概念进行注释，设置筛选问题排除无关数据。
被调查者基本信息，设置与被调查者个人背景资料相关的问题，包括性别、年龄，掌握被调查者的分布详情；同时设置每周观看直播的频率、被吸引的原因以及是否购买过直播间产品。
调查问卷主体部分，包含对电商直播间的互动性、价值性(包括产品价值和社会价值)、信任感三个方面的评价，最后还涉及到购买行为和意见的测量，一共24题。
3.2. 量表设计与数据来源
本研究的问卷主要测量的自变量有互动性、价值性、信任感和购买行为和意见五个方面以及部分人口统计数据。所有量表均在成熟的量表的基础上稍作修改，加入了有关直播的情境因素，便于调查对象更好理解测量，所有自变量的选项都采用了Likert五点量表进行测量(从左往右依次表示“很不赞同”、“不太赞同”、“一般”、“比较赞同”、“很赞同”)，越往右表示被调查者对问项表述的认同度越高。本研究利用问卷星发放了电子问卷，一共发放233份问卷，其中27份问卷没有观看过直播，因此予以删除，最终获得有效问卷206份，有效率达到88.41%。如表1所示。
Table 1. Variable design
表1. 变量设计
研究变量 |
题号 |
测量问题 |
互动性 |
A1 |
你经常积极回应主播发起的话题 |
A2 |
你经常在直播间提问或者互动 |
A3 |
主播会及时回应消费者的问题会对你的购买行为有影响 |
A4 |
在直播间能和其他消费者进行同话题互动、感觉有人跟你一起观看和购物对你的购物行为有影响 |
价值性 |
B1 |
直播间产品的优惠价格和折扣对你的购买行为有影响 |
B2 |
直播间产品质量对你的购买行为有影响 |
B3 |
直播间中的“双语直播”使你信任从而对您的购买行为有影响 |
B4 |
直播间传递有用的知识对你的购买行为有影响 |
B5 |
直播间输出了正向的文化价值拥有一定的影响力对您的购买行为有影响 |
信任性 |
C1 |
你会因为主播之前的身份是老师而选择信任 |
C2 |
你对直播间的产品信任 |
C3 |
你对直播间传递的知识信任 |
感知价值 |
D1 |
直播间的互动会让你感觉到有价值 |
D2 |
你对直播间主播所传递的知识感觉到有价值 |
D3 |
你会因为信任觉得观看直播是有价值的 |
粘性行为 |
E1 |
在直播间汲取了丰富的知识，愿意为知识付费 |
E2 |
有时候没有需求，因为观看主播通过讲故事来讲解产品而产生购买欲望 |
E3 |
观看直播间是一种审美享受，会在直播间消费 |
3.3. 描述性统计分析
3.3.1. 样本的人口统计学特征
在所有的有效问卷中，女性相对较多(n = 110, 53.4%)，男性相对较少(n = 96, 46.6%)；其中，年龄段在18-24周岁的用户居多(n = 165, 80%)，年龄段在35周岁以上的用户最少(n = 4, 1.94%)；偶尔观看直播间的用户最多(n = 88, 42.72%)，经常观看直播间的较多(n = 42, 20.39%)；认为直播间最能吸引人的是主播言辞有趣和商品的性价比优势(n = 38, 18.45%%; n = 140, 67.96%)。如表2所示。
Table 2. Basic information of the research participants
表2. 参与调研者基本信息
基本资料 |
统计特征 |
人数 |
百分比 |
性别 |
男 |
96 |
46.6% |
女 |
110 |
53.4% |
年龄 |
18岁以下 |
20 |
9.71% |
18~24岁 |
165 |
80.1% |
25~35岁 |
17 |
8.25% |
35岁以上 |
4 |
1.94% |
观看直播的频率
|
经常会看(每天观看) |
42 |
20.39% |
偶尔观看(每周1~3次) |
88 |
42.72% |
很少会看(每月1~5次) |
47 |
22.82% |
几乎不看(每月一次以下) |
29 |
14.09% |
直播间的吸引点 |
直播产品的品牌效应 |
24 |
11.65% |
直播主播言辞有趣 |
38 |
18.45% |
商品的性价比优势 |
140 |
67.96% |
其他 |
4 |
1.94% |
3.3.2. 描述性统计分析
Table 3. Descriptive statistics for each variable
表3. 各变量描述性统计
名称 |
平均值 |
标准差 |
中位数 |
互动性 |
3.544 |
1.048 |
4.000 |
3.354 |
1.129 |
3.000 |
3.602 |
1.025 |
4.000 |
3.563 |
1.074 |
4.000 |
3.675 |
0.930 |
4.000 |
3.709 |
0.896 |
4.000 |
价值性 |
3.684 |
0.938 |
4.000 |
3.728 |
0.929 |
4.000 |
3.670 |
0.925 |
4.000 |
3.549 |
0.980 |
4.000 |
信任性 |
3.646 |
0.924 |
4.000 |
3.694 |
0.967 |
4.000 |
3.670 |
0.946 |
4.000 |
感知价值 |
3.641 |
0.946 |
4.000 |
3.621 |
0.949 |
4.000 |
3.587 |
0.957 |
4.000 |
消费者粘性 |
3.602 |
0.941 |
4.000 |
3.612 |
0.945 |
4.000 |
从表3可知，五个变量的平均值都在3.35~4之间，标准差0.9~1.2之间，分布区间范围很合理，说明数据中没有异常值出现，题目设置合理。
4. 数据分析与假设检验
4.1. 信度分析
信度分析是为了保证问卷的可靠性，指当使用相同的方法对同一对象进行反复测验时，其结果是否具有一致性。本文主要利用SPSSAU软件对问卷进行信度分析。其分析结果如表4所示。
Table 4. Table for the reliability analysis
表4. 信度分析表
名称 |
项数 |
项已删除的α系数 |
Cronbach’s α系数 |
价值性 |
4 |
0.961 |
0.916 |
信任性 |
5 |
0.958 |
0.955 |
互动性 |
3 |
0.979 |
0.920 |
感知价值 |
3 |
0.961 |
0.937 |
消费者粘性 |
3 |
0.964 |
0.879 |
标准化Cronbach’s α系数：0.973。
从表4可知：克隆巴赫系数均大于0.8，说明量表的可靠性比较高。针对“项已删除的α系数”，任意题项被删除后，信度系数并不会有明显的上升，因此说明题项不应该被删除处理，说明数据信度质量高，综上所述，该量表的数据可用于进一步分析。
4.2. 效度分析
效度分析即有效性分析，是指在研究过程中所运用的测量工具和手段对要测量的内容的准确程度。测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。效度分为三种类型：内容效度、准则效度和结构效度。本研究主要以结构效度分析为主。所谓结构效度，它是指一个测试实际所要测量的理论结构和特质的程度，或者说它是指测试分数能够说明心理学理论的某种结构或者特质的程度。
4.2.1. 探索性因子分析
在分析KMO值时，如果此值高于0.8，则说明研究数据效度很好；如果此值介于0.7~0.8之间，则说明研究数据较好；如果此值介于0.6~0.7，则说明研究数据效度一般，如果此值小于0.6，说明数据效度一般。如果Bartlett检验对应p值小于0.05也说明适合进行因子分析。其分析结果如表5所示。
Table 5. Test of variable measurements KMO and Bartlett
表5. 变量测量表KMO和Bartlett的检验
KMO值 |
|
0.957 |
|
近似卡方 |
4511.560 |
Bartlett球形度检验 |
df |
153 |
|
p值 |
0.000 |
从表5可以看出：KMO为0.957，大于0.6，满足因子分析的前提要求，意味着数据可用于因子分析研究。以及数据通过Bartlett球形度检验(p < 0.05)，说明研究数据适合进行因子分析。
Table 6. Table of the factor load coefficient after rotation
表6. 旋转后因子载荷系数表格
名称 |
因子载荷系数 |
共同度(公因子方差) |
因子1 |
互动性 |
0.788 |
0.621 |
0.746 |
0.557 |
0.827 |
0.684 |
0.805 |
0.649 |
0.878 |
0.771 |
0.851 |
0.725 |
价值性 |
0.873 |
0.761 |
0.892 |
0.796 |
0.889 |
0.790 |
0.856 |
0.732 |
信任性 |
0.904 |
0.818 |
0.893 |
0.797 |
0.881 |
0.775 |
感知价值 |
0.886 |
0.784 |
0.876 |
0.767 |
0.846 |
0.715 |
消费者粘性 |
0.852 |
0.727 |
0.795 |
0.632 |
备注：表格中数字若有颜色：蓝色表示载荷系数绝对值大于0.4，红色表示共同度(公因子方差)小于0.4。
由表6可知所有研究项对应的共同度值均高于0.4，意味着研究项和因子之间有着较强的关联性，因子可以有效地提取出信息。确保因子可以提取出研究项大部分的信息量之后，接着分析因子和研究项的对应关系情况(因子载荷系数绝对值大于0.4时即说明该项和因子有对应关系)。
4.2.2. 验证性因子分析
由表7可知，标准化载荷系数的绝对值大于0.6，并且出现显著性，说明个数据之间存在较好的测量关系。
从表8和表9可以看出，针对区分效度进行分析，针对互动性，其AVE平方根值为0.855，大于因子间相关系数绝对值的最大值0.806，意味着其具有良好的区分效度。针对价值性，其AVE平方根值为0.901，大于因子间相关系数绝对值的最大值0.872，意味着其具有良好的区分效度。针对信任性，其AVE平方根值为0.892，小于因子间相关系数绝对值的最大值0.901，意味着其区分效度欠佳，可考虑移除标准载荷系数值较低项后重新分析。针对感知价值，其AVE平方根值为0.912，大于因子间相关系数绝对值的最大值0.891，意味着其具有良好的区分效度。针对消费者粘性，其AVE平方根值为0.847，小于因子间相关系数绝对值的最大值0.901，意味着其区分效度欠佳，可考虑移除标准载荷系数值较低项后重新分析。
Table 7. Table of factor load factor
表7. 因子载荷系数表
actor (潜)Factor
(变量) |
测量项(显变量) |
非标准
载荷系数 |
标准误 |
z (CR(Std. 值) |
P |
标准载荷
系数(Std.Estimate) |
(Coef.) Error) |
互动性 |
你经常积极回应主播发起的话题 |
1.000 |
- |
- |
- |
0.850 |
你经常在直播间提问或者互动 |
1.063 |
0.064 |
16.586 |
0.000 |
0.881 |
主播会及时回应消费者的问题对您的购买行为有影响 |
1.020 |
0.061 |
16.759 |
0.000 |
0.886 |
在直播间能和其他消费者进行话题互动，感觉有人跟你一起观看和购物对你的购物行为有影响 |
1.011 |
0.072 |
14.039 |
0.000 |
0.798 |
价值性 |
直播间产品的优惠价格和折扣对您的购买行为有影响 |
1.000 |
- |
- |
- |
0.919 |
直播间的产品质量对您的购买行为有影响 |
1.018 |
0.046 |
21.976 |
0.000 |
0.905 |
直播间中的“双语直播”使你信任从而对您的购买行为有影响 |
1.011 |
0.047 |
21.381 |
0.000 |
0.897 |
直播间传递有用的知识对您的购买行为有影响 |
1.033 |
0.047 |
22.071 |
0.000 |
0.907 |
直播间输出了正向的文化价值拥有一定的影响力对您的购买行为有影响 |
0.989 |
0.049 |
20.056 |
0.000 |
0.876 |
信任性 |
你会因为主播之前的身份而选择信任 |
1.000 |
- |
- |
- |
0.859 |
你对直播间的产品信任 |
1.037 |
0.056 |
18.504 |
0.000 |
0.903 |
你对直播间传递的知识信任 |
1.003 |
0.053 |
18.960 |
0.000 |
0.914 |
感知价值 |
直播间的互动会让你感觉到有价值 |
1.000 |
- |
- |
- |
0.907 |
你对直播间主播所传递的知识感觉到有价值 |
1.004 |
0.047 |
21.177 |
0.000 |
0.908 |
你会因为信任觉得观看直播是有价值的 |
1.016 |
0.046 |
22.035 |
0.000 |
0.921 |
在直播间汲取了丰富的知识，愿意长时间观看 |
1.000 |
- |
- |
- |
0.878 |
有时候没有需求，但通过主播的讲解产生了购买欲望 |
0.878 |
0.061 |
14.475 |
0.000 |
0.781 |
观看直播是一种享受，愿意在直播间消费 |
0.984 |
0.054 |
18.148 |
0.000 |
0.879 |
Table 8. Results of the model AVE and CR indicators
表8. 模型AVE和CR指标结果
Factor |
平均方差萃取AVE值 |
组合信度CR值 |
互动性 |
0.731 |
0.915 |
价值性 |
0.811 |
0.956 |
信任性 |
0.796 |
0.921 |
感知价值 |
0.832 |
0.937 |
消费者粘性 |
0.718 |
0.884 |
4.3. 相关性分析
从表10可以看出，各变量之间存在着正相关关系，互动性、价值性、信任性、感知价值和消费者粘性的相关系数都在0.75以上，说明五项变量之间存在显著的正相关关系。
Table 9. Pearson correlation with AVE square root values
表9. Pearson相关与AVE平方根值
|
互动性 |
价值性 |
信任性 |
感知价值 |
消费者粘性 |
互动性 |
0.855 |
|
|
|
|
价值性 |
0.806 |
0.901 |
|
|
|
信任性 |
0.793 |
0.872 |
0.892 |
|
|
感知价值 |
0.756 |
0.850 |
0.891 |
0.912 |
|
消费者粘性 |
0.744 |
0.836 |
0.901 |
0.882 |
0.847 |
备注：斜对角线蓝色数字为AVE平方根值。
Table 10. Pearson related-standard format
表10. Pearson相关-标准格式
|
互动性 |
价值性 |
信任性 |
感知信任 |
消费者粘性 |
互动性 |
1.000** |
|
|
|
|
价值性 |
0.806** |
0.994** |
|
|
|
信任性 |
0.815** |
0.932** |
1.000** |
|
|
感知价值 |
0.784** |
0.892** |
0.943** |
1.000** |
|
消费者粘性 |
0.769** |
0.872** |
0.933** |
0.946** |
1.000** |
*p < 0.05; **p < 0.01.
4.4. 线性回归性分析
4.4.1. 电商直播情境下互动性和消费者的感知价值
Table 11. Results of perceived value regression analysis of interactivity and consumers
表11. 互动性和消费者的感知价值回归分析结果
|
非标准化系数 |
标准化系数 Beta |
t |
p |
VIF |
B |
标准误 |
常数 |
1.127 |
0.13 |
- |
7.896 |
0.000** |
- |
互动性 |
0.715 |
0.039 |
0.788 |
18.254 |
0.000** |
1.000 |
R2 |
0.620 |
调整R2 |
0.618 |
F |
F (1, 204) = 333.205, p = 0.000 |
D-W值 |
2.068 |
因变量：感知价值，*p < 0.05; **p < 0.01。
从表11可知，将互动性作为自变量，而将感知价值作为因变量进行线性回归分析，从上表可以看出，模型公式为：感知价值 = 1.127 + 0.715*互动性，模型R方值为0.620，意味着互动性可以解释感知价值的62.0%变化原因。对模型进行F检验时发现模型通过F检验(F = 333.205, p = 0.000 < 0.05)，也即说明互动性一定会对感知价值产生影响关系，最终具体分析可知：互动性的回归系数值为0.715(t = 18.254, p = 0.000 < 0.01)，意味着互动性会对感知价值产生显著的正向影响关系。总结分析可知：互动性全部均会对感知价值产生显著的正向影响关系。
4.4.2. 电商直播情境下价值性和消费者的感知价值
Table 12. Results of the perceived value regression analysis of values and consumers
表12. 价值性和消费者的感知价值回归分析结果
|
非标准化系数 |
标准化系数 Beta |
t |
p |
VIF |
B |
标准误 |
常数 |
0.275 |
0.122 |
- |
2.247 |
0.026** |
- |
互动性 |
0.919 |
0.033 |
0.892 |
28.202 |
0.000** |
1.000 |
R2 |
0.796 |
调整R2 |
0.795 |
F |
F(1,204) = 795.379,p = 0.000 |
D-W值 |
2.012 |
因变量：感知价值，*p < 0.05**p < 0.01。
从表12可知，将价值性作为自变量，而将感知价值作为因变量进行线性回归分析，从上表可以看出，模型公式为：感知价值 = 0.275 + 0.919*价值性，模型R方值为0.796，意味着价值性可以解释感知价值的79.6%变化原因。对模型进行F检验时发现模型通过F检验(F = 795.379, p = 0.000 < 0.05)，也即说明价值性一定会对感知价值产生影响关系，最终具体分析可知：价值性的回归系数值为0.919 (t = 28.202, p = 0.000 < 0.01)，意味着价值性会对感知价值产生显著的正向影响关系。总结分析可知：价值性全部均会对感知价值产生显著的正向影响关系。
4.4.3. 电商直播情境下信任性和消费者的感知价值
Table 13. Results of perceived value regression of trust and consumers
表13. 信任性和消费者的感知价值回归结果
|
非标准化系数 |
标准化系数 Beta |
t |
p |
VIF |
B |
标准误 |
常数 |
0.173 |
0.088 |
- |
1.971 |
0.050 |
- |
互动性 |
0.954 |
0.023 |
0.943 |
40.618 |
0.000** |
1.000 |
R2 |
0.890 |
调整R2 |
0.889 |
F |
F (1, 204) = 1649.861, p = 0.000 |
D-W值 |
1.953 |
因变量：消费者粘性，*p < 0.05, **p < 0.01。
从表13可知，将信任性作为自变量，而将感知价值作为因变量进行线性回归分析，从表13可以看出，模型公式为：感知价值 = 0.173 + 0.954*信任性，模型R方值为0.890，意味着信任性可以解释感知价值的89.0%变化原因。对模型进行F检验时发现模型通过F检验(F = 1649.861, p = 0.000 < 0.05)，也即说明信任性一定会对感知价值产生影响关系，最终具体分析可知，信任性的回归系数值为0.954 (t = 40.618, p = 0.000 < 0.01)，意味着信任性会对感知价值产生显著的正向影响关系，总结分析可知：信任性全部均会对感知价值产生显著的正向影响关系。
4.4.4. 电商直播情境下消费者的感知价值和消费者的粘性
Table 14. Results of consumer perceived value and consumer stickiness
表14. 消费者感知价值和消费者粘性回归结果
|
非标准化系数 |
标准化系数 Beta |
t |
p |
VIF |
B |
标准误 |
常数 |
0.281 |
0.082 |
- |
3.417 |
0.001** |
- |
互动性 |
0.914 |
0.022 |
0.946 |
41.670 |
0.000** |
1.000 |
R2 |
0.895 |
调整R2 |
0.894 |
F |
F (1, 204) = 1736.356, p = 0.000 |
D-W值 |
1.898 |
因变量：消费者粘性，*p < 0.05，**p < 0.01。
从表14可知，将感知价值作为自变量，而将消费者粘性作为因变量进行线性回归分析，从上表可以看出，模型公式为：消费者粘性 = 0.281 + 0.914*感知价值，模型R方值为0.895，意味着感知价值可以解释消费者粘性的89.5%变化原因。对模型进行F检验时发现模型通过F检验(F = 1736.356, p = 0.000 < 0.05)，也即说明感知价值一定会对消费者粘性产生影响关系，最终具体分析可知：感知价值的回归系数值为0.914 (t = 41.670, p = 0.000 < 0.01)，意味着感知价值会对消费者粘性产生显著的正向影响关系。总结分析可知：感知价值全部均会对消费者粘性产生显著的正向影响关系。
4.5. 假设检验总结
经过以上实证分析，对本研究的实证结果进行了汇总，具体结果见表15。
Table 15. Summary of hypothesis testing results
表15. 假设检验结果汇总
假设 |
内容 |
结果 |
H1 |
电商直播情境下互动性正向影响消费的感知价值 |
支持 |
H2 |
电商直播情境下价值性正向影响消费的感知价值 |
支持 |
H3 |
电商直播情境下信任性正向影响消费的感知价值 |
支持 |
H4 |
电商直播情境下消费者的感知价值正向影响消费者粘性 |
支持 |
5. 研究结论与启示
5.1. 结论
本研究表明，在电商直播情境下，互动性、信任性和价值性均正向影响感知价值。互动性指消费者与主播及其他消费者之间的交流互动，积极的弹幕互动和提问回答频度会增强感知价值，从而提升消费者粘性。价值性涉及产品的优惠价格、质量和直播间的档次，这些因素都会提升感知价值并影响消费者的购买行为。此外，信任性指消费者对产品、主播及直播间传递知识的信任，越信任则感知价值越高，进而促进购买行为。在电商直播情境下，感知价值正向影响消费者粘性。消费者观看直播时，会评估直播间的价值，感到有价值则倾向于购买产品。感知价值越高，消费者的购买行为越强。
5.2. 启示
随着电商直播的发展，各大传统电商平台纷纷转型电商直播，许多线下商家也进入了直播领域。面对激烈的竞争，要在众多电商平台和商家中脱颖而出，必须关注消费者需求，吸引并留住顾客。本文分析电商直播情境下消费者粘性行为的因素，并提出商家发展建议。
互动性方面：商家应注重互动性，提升用户参与度和购买率。提供高质量的产品或服务，建立积极的口碑，增强品牌的价值和诚信。
信任性方面：提高主播门槛，确保其专业性和人格魅力；建立良好的品牌形象，选择高质量产品，逐步建立消费者对产品的信任。
价值性方面：打造差异化价值，提供高品质产品和专业购买建议，提升消费者的购买意愿和粘性。同时，主播的文化涵养和专业性也能为消费者提供额外价值。