基于4D模型——对直播带货行业消费者消费行为的分析

于鑫 郝普 吕林栖 牛梦吉

(河北工业大学 天津 300131)

随着社会经济的发展，“直播网红”及其衍生出的网红经济逐渐受到公众的关注，直播带货作为网红经济背景下应运而生的一种新型营销模式，极大地增加了产品的销售量，对于促进经济发展具有重要作用。以往的研究通过(S-O-R)模型解释了产品品质、网站信誉等因素影响消费者对待网络文学的行为机制。同时，证明在直播带货背景下，买卖双方的互动愈加频繁，由于主播难以把握吸引消费者的特性，行业内部出现了虚假宣传、以次充好等带货乱象。但目前的研究尚未回答直播带货影响消费者行为的因素，阻碍了直播带货进行高效社会化营销。为此，本文通过问卷分析并建立4D模型研究直播带货的特点、面临的挑战及其发展趋势，总结归纳直播带货的优势，对后疫情时代的社会经济发展和相关学术研究具有深远意义。

1 研究背景

1.1 网络直播爆火

当今社会，传统网络购物已经步入成熟期，形成了平台图文导购的销售模式。电视购物的出现，使得消费者更为便利地了解商品信息成为可能，也削减了信息获取成本，在销售折扣和销售赠品等促销策略的支持下，极大地刺激了消费需求。同时，在电视台信用背书的影响下，导购主播能够面对庞大的消费群体，拓展了销售渠道，达成商业成功。但是由于电视销售的互动性较低、消费者的参与感较低，难以积累导购主播的个人粉丝进行引流，而且在买卖双方存在着严重的信息不对称，电视销售侵犯消费者权益的问题较为突出。

近年来，网络直播带货逐渐进入大众视野，并获得众多消费者的青睐，成为大众消费的重要手段。网红直播带货对线上购物商业模式进行了升级，实现了从搜索到体验的跨越，增强了线上销售的互动性和趣味性，建立了消费者和带货主播之间的反馈机制，缩小了买卖双方的信息差。在直播带货过程中，消费者拥有自主选择权，不仅能够通过互动形式进行提问，了解商品信息，还能选择哪位主播来为自己介绍，极大地增强了消费者的满足感和获得感。而且，网红由于消费者的主动选择而具有明显的聚集效应，能够有效沉淀私域流量，全面超越了电视购物的商业模式。

网络直播带货以其便利性和可靠性进入大众视野，并逐渐获得众多消费者的青睐，成为大众消费的重要手段。在此过程中，商家和带货主播获得了可观的收益，消费者也能通过更加便捷可靠的方式获取所需商品，直播带货为买卖双方都带来了可观的利益。对比传统电商，直播电商因其独特的体验观感、良好的社交属性，使得网络购物突破了大型网络购物平台的局限，成为拉动消费的重要引擎。但是随着明星带货主播的加入，直播带货行业也出现了质次价高、虚假宣传等严重问题，众多问题相互交织，引发了社会对直播带货行业的负面舆论，对行业的发展也起到了严重的阻碍作用。

1.2 直播电商规范化趋势明显

随着直播带货行业的野蛮生长，其弊病和乱象损害了众多消费者的利益，社会要求对直播带货行业进行有效监管的呼声日益高涨。政府相关部门出台了多项相关政策，致力于解决影响直播带货行业持续健康发展的问题。这一举措使得政府在规范直播带货及其相关商业行为时更加有法可依，进一步在法律层面为直播带货行业奠定了坚实的基础。这将有效促进直播带货行业的高质量发展，也可更好地助力直播带货行业从企业、平台、渠道多方面为消费者持续创造更大价值。

中央文明办、广电总局等四部委联合印发了《关于规范网络直播打赏加强未成年人保护的意见》等文件，明确要求规范直播电商行业发展。由于未成年的心智尚不成熟、辨别是非的能力较差，未来国家将严控未成年人从事主播行业，对利用网红儿童进行直播牟利的行为加大打击力度，并要求网络平台加强对主播账号的注册和审核管理，发现违规账号从严采取处置措施，并追究相关网站平台责任。此外，国家要求网络平台建立包括客户服务在内的专门服务团队，及时处理相关投诉和纠纷，对主播的个人素质和带货行为进行约束和监督，维护直播带货行业的清新氛围，对违规为未成年人提供打赏、直播服务的网络平台采取从严处置措施。

2 分析意义

网红经济背景下，直播带货作为一种新兴的商业形式，吸引了众多学者关注。随着直播电商经济的发展，电商经济将进入全民直播时代，其发展状况将对社会经济的发展产生重要影响。加之直播带货行业暴露出的诸多新问题的影响，研究直播带货的特点、面临的挑战及其发展趋势，总结归纳直播带货的优势，对后疫情时代的社会经济发展相关学术研究都具有重要而深远的意义。

此外，从实践层面和历史经验的角度判断，本文关于直播带货营销策略问题的研究，一方面，可以帮助大众客观理性地认识直播带货，通过提出的营销策略设计和有关政策保障，可以解决网红经济背景下直播带货存在的问题。另一方面，通过分析研究有益于正视直播带货经济的发展现状，具有较强的现实意义。

3 分析过程及指标体系

3.1 分析过程

基于消费者行为分析模型(4D模型)设计问卷。为了深入了解消费者“直播带货”的行为习惯，探究直播电商何种因素对其消费行为意愿的影响，共为30个问题。归纳成四大要素，分别为“需求因素(DY)”“数据因素(DM)”“传递因素(DL)”及“动态因素(DA)”，这四个要素与“购买意愿”要素进行统计分析。对各类社交平台上的用户进行抽样调查，通过问卷问题及想要获取的相关信息，探究以上四种要素对消费者消费行为的影响。

通过设置“直播带货可以满足我的购物需求”“直播这种形式能使我更好地看到产品的相关属性和使用方法”等问题，归纳为需求因素。通过设置“观看直播低价商品会对你产生吸引”“主播推荐的畅销商品会对你的购买产生影响”等问题归纳其为数据因素。通过设置“观看直播时，我能获得主播、观众多方面的购买建议”“主播的专业导购，能够使我获得接近线下购物的体验”等问题总结外界影响对消费者消费行为的影响，归纳为传递因素。通过设置“直播间的红包活动或限时秒杀通常能引起我的注意”“观看直播时，我经常会收到产品限购时间的影响而产生购买欲望”等问题，探究直播带货影响消费者购买心理的路径，归纳总结为动态因素。

本调查问卷在问题回答方式上，选择“(a)非常不同意；(b)不同意；(c)中立；(d)同意；(e)非常同意”，并将其对应为1～5分，便于计算该问题所属因素与购买意愿因素的相关性关系(见图1)。

图1 4D模型各要素关系图

由于人员问题及资源问题，实体收集的数据具有一定的局限性，所以借鉴前人研究的资料保证结论的普遍性。在差异性、整体性、大环境三个方面进行了相关资料的搜集。问卷在多个渠道进行发放，包括QQ、微信社群、豆瓣及其他社交平台，最终回收1482份调査问卷。

随后对问卷进行筛査，将不符合要求的从中删除，遵循两个原则:一是被调査者在对是否观看过直播电商或通过直播电商购买过商品这一选项明确选否的。二是被调査者的问卷填写具有随意性，结果无法反映消费者真实想法，排除依据主要看是否对所有连续的量表选项都选择了同一个分数。基于这两个原则，有310份问卷显示被调查者没有参与过直播电商，有7份问卷被判断填写时具有随意性，剔除这317份问卷，最终有效问卷数量共1165份，有效问卷比例为78.60%。按照过往调査要求有效问卷数量大于因数个数乘30的经验前提下，有效样本数量满足要求水平。

3.2 信度检验

信度量表通常使用数个项目来共同测量一个因子，因此需要保证这些项目值，这就是内部一致性信度，通常使用Cronbach’ s alpha系数进行测量，其计算公式如下：

由表1可以看出，四种因素和购买意愿的α系数均大于0.7，每种因素的测量项目设计较好，且各个项目之间存在较好的一致性，进一步对每个因素的每一项去除某项之后的α系数进行分析，看是否存在多余项目。通过检验发现，对于以上5个因素的项目，去除任意一项后整体的信度均没有显著上升，因此认为这5个因素项目的设计合理。

表1 各因素信度

3.3 因子分析

本文使用因子分析法中的主成分分析法，因子旋转采用方差最大正交旋转方式，通过旋转能够使各个因子载荷值更加分化，从而使得区分不同的因子变得更加容易。因子载荷值通常位于0～1，根据历史文献，通常认为因子载荷大于0.5具有比较良好的相关性(Dunteman，1989)，因此将因子载荷大于0.5作为因子提取的标准。

使用因子分析法前使用巴特莱球性检验和KMO测度来检测其是否可以进行因子分析，使用KMO值对变量进行主成分的提取，在0～1，越接近1说明变量之间的相关性越强，就越适合做因子分析，根据过去的研究一般认为，该值大于0.8即可。

根据以上标准对问卷中的四种因素和购买意愿进行巴特莱球性检验和KMO值计算，如表2所示。根据结果，五种因素的KMO值都大于0.8，适合做因子分析。

表2 巴特莱球形检验和KMO值

3.4 相关矩阵法

通过因子分析对因子提取，判断同一个变量下的问题是否对同一个因素进行了测量，同时不同因素下的问题要求其对应了不同的因子。是否对应使用因子载荷表示，因子载荷值越高，表示该问题和该因子的收敛性越好，通常要求同一个因素下问题的因子载荷值在0.5以上。为了判断结构变量的区别效度和收敛效度，对各个结构变量测量指标的内、外相关性进行分析，本文采取了相关矩阵方法，是四种因素加上购买意愿五个结构变量的相关矩阵。

由表3可以看出，最终分析的结果中，同一个因素下的多个测量项都只对应同一个因子，这些测量项在该因子下的因子载荷都大于0.5，说明有良好的收敛效度。同时，这些测量项只在对应因子下载荷值大于0.5，在其他因子下的因子载荷都远小于0.5，说明具有良好的区分效度。

表3 旋转后的各指标相关性矩阵

3.5 总方差解释

在确定最终因子之后可以对自变量的四个因素进行进一步分析，结果如表4所示。

表4 总方差解释

由表4可以看出，需求因素、数据因素、传递因素、动态因素分别解释了整体43.802%、12.757%、11.226%和7.295%的整体信息量，且通过这4个因子能够解释整体75.07%的信息量，具有较好的解释性。

3.6 回归分析

通过上文的研究和分析确定了最终模型，并通过效度和信度分析对问卷问题涉及的具体因素，做出了重新的调整，使用最小二乘法对需求因素、数据因素、传递因素、动态因素和研究对象购买意愿进行多元回归分析，进一步证实前四个因素对购买意愿产生的影响。回归中使用所有因素相关问题分数的平均值作为该因素的最终分数，使用SPSS进行多元回归分析的结果，如表5所示。

表5 回归结果

最后，本文基于4D模型建立的研究消费者购买意愿影响因素的模型是合适的，并且具有显著的解释性(调整后的R2为0.416，F值为55.936，p＜0.001)。

4 结语

(1)需求因素对消费者购买意愿具有显著的影响

通过回归结果可以发现，需求因素对消费者购买意愿具有显著性的影响，表明如果希望让消费者购买商品，直播电商能够提供给消费者需要的商品就是一个非常重要的因素。商家需要以客户为中心，把握客户需求，提供能满足客户需要的相关产品。

(2)传递因素对消费者购买意愿具有显著的影响

通过回归结果可以发现，传递因素对消费者购买意愿具有显著性的影响，说明直播电商平台需要将注意力放在线上与线下结合及直播间和直播后的服务上，同时重点关注主播的控场能力和观众弹幕效果，营造直播间良好的购物氛围。

(3)动态因素对消费者购买意愿具有显著的影响

通过分析可以发现，动态因素对消费者购买意愿具有显著的影响，表明通过多渠道的营销手段确实会对消费者的购买意愿造成影响。另外，在直播电商平台中担任意见领袖的主播也具有重要影响，因此要加强主播的带货能力，解决诚信问题。

(4)数据因素没有对消费者购买因素产生显著的影响

和假设不同，通过回归结果可以看出，数据因素并没有对消费者购买意愿产生显著的影响，说明从消费者角度来说，直播时的一些数据并不是他们关心的重点。因此，存货数量、低价策略的数据影响效应并不重要。