《爱奇艺信息流广告中的文化符号与品牌识别14000字（论文）》

爱奇艺信息流广告中的文化符号与品牌识别目录1绪论………………11.1研究背景与目的………………11.2研究意义与创新点……………11.2.1研究意义…………………11.2.2创新点……………………22理论基础……………………22.1信息流广告的概念与特点…………………22.2邯郸信息流广告的特点……………32.3邯郸信息流广告对消费者购买意愿的影响…………33研究假设与模型………43.1研究模型建构…………………43.1.1自变量……………………43.1.2因变量……………………43.2研究假设…………………53.2.1广告表现对用户购买意愿有正向显著影响…………53.2.2明星效应对用户购买意愿有正向显著影响…………53.2.3绩效期望对用户购买意愿有正向显著影响…………63.2.4广告频率对用户购买意愿有正向显著影响…………63.2.5社群影响对用户购买意愿有正向显著影响…………63.3研究模型…………………74问卷设计及数据收集……………74.1量表设计……………………74.2数据收集……………………85数据分析以及假设验证……………………95.1描述性统计分析…………95.2信度和效度分析…………105.2.1信度分析………………105.2.2效度分析………………105.3相关性分析………………115.4多元回归线性分析………125.5假设验证结果……………136研究结论以及建议………………146.1研究结论…………………146.1.1绩效期望对用户购买意愿的影响最强………………146.1.2社群影响对用户购买意愿影响较强…………………146.1.3广告表现对用户购买意愿影响较强…………………156.1.4明星效应对用户购买意愿影响较弱…………………156.1.5广告频率对用户购买意愿影响最弱…………………156.2建议………………156.2.1提高广告投放的精准度，满足用户对广告的绩效期望……………156.2.2增强广告的可互动性，吸引用户点赞评论互动……166.2.3广告内容创意化，重视内容营销，提高广告质量…167研究局限与展望…………177.1研究局限…………………177.1.1问卷调查样本相对单一………………177.1.2模型构建没有加入中介变量，可能不够严谨………177.1.3在文献方面参考的国外文献不多……177.2研究展望…………………17参考文献……………20附录………………20

绪论1.1研究背景与目的随着科技的发展，出现了一种依托于社交媒体信息流的新广告形式——“信息流广告”。信息流广告起初源于国外的社交软件Facebook和Twitter，这种类型的广告与社交软件上的其他信息一样，穿插在用户的浏览界面中，因为样式与用户日常看到的社交信息很相似，所以能够降低用户的厌恶感，因而提高广告的宣传效果。2015年，邯郸正式应用信息流广告，发布了第一条邯郸信息流广告。广告主可以在腾讯广告平台投放邯郸信息流广告，广告的出现方式就像普通信息流一样，用户可以点赞、评论，可以彼此看到点赞、评论动态，用户也可以与好友在广告下评论互动。目前邯郸信息流广告已经非常常见，融入了我们的日常生活。有着庞大用户群体的邯郸平台具有强大的影响力，邯郸信息流广告能利用大数据推荐推送给合适的用户群体，这在某种程度上展示使得许多企业选择在邯郸投放信息流广告，希望能让广告传播得更广，广告转化率更高。本文将探究对提高消费者购买意愿的邯郸信息流广告影响因素有哪些，根据研究结果为企业提供投放邯郸信息流广告的建议，帮助他们更好地制定广告内容策略，达到利益最大化。1.2研究意义与创新点1.2.1研究意义邯郸信息流广告发展的时间较短，目前国内外关于邯郸信息流广告的研究文献还比较少，而且大多数文献只是阐述信息流广告的概念、特点等，多为定性研究，没有真实的调查数据支撑，说服力较弱，这在一定尺度上呈现不能给邯郸平台和企业主比较有信服力的实践建议。所以本文希望以定量研究的方式研究邯郸信息流广告对用户购买意愿的影响，给邯郸平台和企业主有效的实践建议，帮助平台更好地完善投放机制，帮助企业主更好地投放信息流广告，优化广告内容。1.2.2创新点邯郸信息流广告是2015年才出现的新型广告，目前关于这方面的研究文献较少，大多数是对这方面概念特点的阐述，实证类文献较少。而且实证研究类的文献大多数研究的是邯郸信息流广告的“广告效果”、消费者对邯郸信息流广告的“接受意愿”等，没有直接将邯郸信息流广告与“购买意愿”联系在一起。广告是否能提高消费者的购买意愿，是一个很重要的考量因素，也是许多广告主投放广告的最终目的。而本文研究的方向是邯郸信息流广告对消费者购买意愿的影响，这样的研究方向能更加直观地为投放广告的企业提供广告策略建议。这在某种程度上反映并且本文创新性地加入了一个在该领域实证研究文献未研究的新变量“明星效应”，可以帮助企业主思考广告中明星选择的重要性。2理论基础2.1信息流广告的概念与特点信息流广告与社交软件上的其他信息很相似，穿插在用户的社交软件信息流中，由于广告样式与日常信息很相似，用户在浏览时不会觉得广告很突兀，所以能够降低用户对广告的厌恶感，从而提高广告的宣传效果（陈泽羽,成向阳,2022)。张文博,付向阳（2015）认为信息流广告是原生广告的一种形式，它插入媒介信息流中，为用户提供有价值，广告内容与媒介环境融为一体[1]。陈奇远,付瑾萱（2018）认为信息流广告本质上是内容营销，在社交媒体上作为信息的一部分发布[2]。这有助于识别本研究的独特之处，并确保本文的工作建立在对现有知识体系深刻理解之上。胡文天,高俊天（2019）认为信息流广告与app的信息流融为一体，这在某种程度上表达出根据消费者的用户画像进行针对性的推送，从而使广告信息对消费者来说是有价值的信息[3]。陈建业,张欣怡（2019）认为信息流广告的核心意图是能够融入用户的日常生活，让用户不感到突兀，并且品牌内容对消费者来说具有价值[4]。综上所述，我们可以总结归纳出，信息流广告就是基于“用户画像”，通过大数据，针对性地将有价值的信息推送给可能需要的用户群体，并且信息流广告在形式上与媒介环境融为一体，巧妙插入其中，从而降低用户的厌恶感。2.2邯郸信息流广告的特点在内容形式上，高旭东,陈俊彬（2018）认为信息流广告没有传统广告那么直接，会用与日常社交信息差不多的形式出现在用户的社交软件中，注重用户体验，更加贴近消费者的生活，避免过于商业化，降低干扰程度[5]。结论与预测的一致性为实际应用奠定了理论基础，显示了基于这些理论开发的技术或策略是高度可行且有效的。在传播特征上，高博文,付欣怡（2019）认为信息流广告不像传统广告的投放范围那么宽泛，信息流广告更注重投放精准，在此类场景里会利用大数据算法推送，让广告更加精准投放到可能对该广告感兴趣的用户的社交软件上[6]。2.3邯郸信息流广告对消费者购买意愿的影响目前学界关于邯郸信息流广告的实证研究类文献较少，且大多数研究方向为邯郸信息流广告对广告效果的影响、对广告接受意愿的影响等，将因变量设置为消费者购买意愿，直接研究信息流广告对消费者购买意愿影响的文献较少，所以以下文献综述将不止包括广告对购买意愿影响方面的内容。在广告表现上，孙艺霖,张颖彤（2016）认为用户更喜欢时尚、丰富有趣的广告信息[8]。陈环环（2019）认为广告形式与购买意愿的相关性不强，在此类环境内对用户购买意愿影响小或无影响[9]。谢雨向,林泽昕（2019）认为广告的生动性对广告效果有非常积极的影响，生动性是是否能吸引到受众的重要因素[10]。研究中遇到的挑战和局限性为后续工作提供了改进的方向，激励研究人员不断优化和完善研究设计，以期获得更深入的理解和更广泛的应用价值。许靖怡,周文博（2017）认为具有可读性、趣味性的广告能够提高用户的满意度，进而提高接受意愿[11]。陈云飞,周明泽（2018）认为创意好、高格调、高品味的广告，更受用户青睐，能提高用户对广告的接受度。[12]在社群影响上，张雨萱,田天羽（2019）认为广告得到好友点赞是影响用户购买意愿的主要因素[13]。成悦倩,魏嘉怡（2019）认为用户对信息流广告的点赞、评论、分享等会提升广告的传播效果[14]。崔泽天,张向阳（2018）认为社群影响对广告效果有很强的正向影响，这是一种用户可以进行社交互动，有独特社交属性的媒体环境，该环境会对用户产生心理作用，提高其对广告的接受度和参与度[15]。在绩效期望上，宋泽骞,许锦怡（2019）认为广告中符合用户的需求是影响用户购买意愿的主要因素[16]。根据这些初期结果能够设定更多前瞻性的假设和研究方向，助力深化对本领域的理解，并推动理论与实践的进一步融合。梁君和,付芷怡（2016）认为用户更喜欢更符合需求、更实用的广告信息[17]。陈昕怡,贾少峰（2017）认为效用期望（指广告是否满足用户需求）对用户的满意度、接受意愿有正向显著影响，需要提高广告投放的精准性，从而提高用户接受意愿[18]。成俊凯,高羽和（2018）认为，提高广告的感知个性化（即投放精准度），能够减少用户的广告回避[19]。在广告频率上，郑羽和,陈睿琪（2019）认为广告频率对用户购买意愿影响小或无影响[20]。龚昊天,付向阳（2019）认为广告频率对广告效果中的情感和购买意向有显著的影响，广告频率增加会使得广告效果越好，提高用户对品牌的情感态度以及可能购买的意向[21]。3研究假设与模型参考众多学者的文献后，笔者根据这些理论基础并自我思考创新，在本章建立研究模型并提出研究假设。3.1研究模型建构3.1.1自变量参考了多位学者的观点加上自己的思考与创新，设立了“广告表现”、“明星效应”、“广告频率”、“绩效期望”和“社群影响”这五个变量。3.1.2因变量由于本文探讨的是邯郸信息流广告对购买意愿的影响，所以因变量理所当然地设立为“用户购买意愿”，从这些技术可以看明白并将用户购买意愿定义为用户是否考虑购买邯郸信息流广告的产品或用户是否会推荐朋友购买邯郸信息流广告的产品(赵昊忠,邓朝彬,2022)。这些新成果为后续的研究方向提供了导向，凸显了理论构建与实证数据相结合的重要性。本研究不仅证明了现有理论体系的可靠性，还揭示了实践应用中可能遭遇的困境与挑战，为后续研究提供了宝贵的洞见。3.2研究假设3.2.1广告表现对用户购买意愿有正向显著影响广告表现是提高消费者购买欲望的一个重要因素。董纪昌（2014）认为广告表现力强和创造力强的广告能使用户对品牌印象更深刻，强化认知，有利于品牌形象的树立[22]。张凌羽,成淑倩（2017）认为信息流广告比其他广告更加精准，有互动特性，而且广告内容也更加丰富[23]。魏弘羽,邓彦霖（2019）认为，其中可以发现一些线索用户的广告沉浸感非常重要，广告的画面和音乐都需要与品牌形象一致，否则就会打破沉浸的场景[24]。黄博文,付泽向（2018）在邯郸信息流广告效果影响因素的研究中也使用了“广告表现”这一变量[25]。笔者对以上学者的观点表示认可，认为广告表现好的广告容易给消费者留下积极的印象，从而更愿意购买广告中的产品。因此广告表现是本文研究其中一个重要变量，广告表现变量定义为用户感知到邯郸信息流广告的文字、图片、视频、H5等多种表现方式。基于此，笔者提出以下假设：H1：邯郸信息流广告的广告表现对用户购买意愿有正向显著影响。3.2.2明星效应对用户购买意愿有正向显著影响陈泽羽,成向阳（2007）认为粉丝对明星有光环效应心理，粉丝可能会盲目喜欢的明星有关的一切，面对这种情况所以粉丝可能会接受明星代言的一切商品[26]。陈奇远,付瑾萱（2018）在研究分析得出明星效应对广告效果有积极的影响，消费者主观上将对明星的喜爱转化为对明星相关的事物，从而对一些明星相关的产品和品牌给予高度的认可和青睐，所以明星效应也会在一定程度上影响消费者的消费行为(成蕾莹,高文倩,2022)[27]。本研究成功地将理论与实际相联系，为所探讨的问题给出了坚实的回应，并为后续研究开辟了新的视野和思路。根据以往学者的观点，明星效应对提高消费者购买意愿也非常重要，笔者以自身角度出发加上对身边人的询问，在此类场景里普遍认为明星效应会对购买意愿产生影响，于是本研究将“明星效应”作为一个重要变量列入自变量中，并将明星效应定义为用户感知到邯郸信息流广告中出现的明星(赵明和，陈婉如,2020)。基于此，笔者提出以下假设：H2：邯郸信息流广告的明星效应对用户购买意愿有正向显著影响。3.2.3绩效期望对用户购买意愿有正向显著影响作者Venkatesh等人提出了整合型技术接受和使用(UTAUT）模型，其中四个核心维度中的第一层维度是绩效期望，并将其定义为个人感知到的系统的使用对其工作的贡献程度[28]。高旭东,陈俊彬（2018）认为，这明显地揭示了意图绩效期望变量也可以应用在测量广告效果，在测量广告效果时，该变量可以理解为用户在浏览广告后是否感觉到广告是有效信息，是否感觉到对选购有帮助[29]。本研究在理论探索和实践指导上都取得了显著成果。本阶段的研究工作通过整合不同学科的专业见解、研究路径和技术创新，研究者在多维度上取得了重要的成就。所以本文参考前人的观点，研究加入绩效期望变量(成蕾莹,高文倩,2022)。基于此，笔者提出以下假设：H3：邯郸信息流广告的绩效期望对用户购买意愿有正向显著影响。广告频率对用户购买意愿有正向显著影响国外学者TellisGJ.（1997）提出了“闪光灯”理论，他提出在很多时候，人们只需要看过一次广告，该广告的内容就会在人们心中留下深刻的印象[30]。但陈宁（2001）则认为在大多数情况下，消费者需要看很多次广告，广告的内容才能在消费者心中巩固，增强熟悉，提高再识别和回忆能力(赵明和，陈婉如,2020)[31]。所以，笔者认为广告频率也是影响购买意愿的重要因素，并将广告频率定义为用户可以感知到的邯郸信息流广告的频次。本文的研究不仅验证了现有理论的准确性和可信度，还推动了相关领域的知识更新和发展，为未来的研究和实践提供了有益的参考框架。基于此，笔者提出以下假设：H4：邯郸信息流广告的广告频率对用户购买意愿有正向显著影响。社群影响对用户购买意愿有正向显著影响邯郸信息流广告呈现出很明显的社交特征，消费者与之好友收到同一个广告时，他们可以点赞、评论广告，依据此理论框架深入探究可得出还能看到朋友的点赞、评论状态，并能与好友在广告下互动，这很有趣，可以激发消费者的社交欲望，刺激消费者点赞评论。高旭东,陈俊彬（2018）提到，目前商业广告在往情感化的趋势发展，这种情感广告满足了人们的情感需求，人们能通过广告获得一种情感认同[32]。在社群影响下，用户可能会更乐于接受信息流广告，从这些例子中说明所以社群影响也是一个重要的影响变量，并将社群影响定义为在邯郸信息流广告中，用户感知到其受好友互动影响的程度，基于此，笔者提出以下假设(孙文昊，赵奇琪,2023)：H5：邯郸信息流广告的社群影响对用户购买意愿有正向显著影响。3.3研究模型根据上文提到的自变量和因变量，本篇文章建立了消费者对邯郸信息流广告购买意愿的影响因素研究模型，如图1所示。明星效应明星效应广告频率绩效期望社群影响广告表现用户购买意愿图1研究模型图问卷设计及数据收集4.1量表设计在变量测量维度设计上，本文参考借鉴了多位学者在研究中使用的变量测量维度，再根据自己的思考创新做了适当的调整，最终形成了本研究的变量测量表。表1变量测量维度研究变量变量题项内容来源广告表现我更喜欢有互动行为的邯郸信息流广告（比如需要手势滑动等）徐智（2016）、何岳红（2018）、本文研究我更喜欢能跳转至H5界面类型的邯郸信息流广告我更喜欢视频形式的邯郸信息流广告我更喜欢图文形式的邯郸信息流广告总体而言，我对邯郸信息流广告的印象很好我认为邯郸信息流广告有创意，不俗气明星效应我更喜欢有我感兴趣的明星出现的邯郸信息流广告本文研究邯郸信息流广告出现我感兴趣的明星会引起我的注意邯郸信息流广告出现我感兴趣的明星会让我好奇该广告的产品邯郸信息流广告出现我感兴趣的明星会让我好奇点开“查看详情广告频率我认为邯郸信息流广告有合理的推送频率徐智（2016）邯郸信息流广告没有阻碍到我阅读其他信息邯郸信息流广告出现时我不感到突兀绩效期望邯郸信息流广告可以为我提供大量的品牌、产品信息与服务Venkatesh&Davis（2016）推送给我的邯郸信息流广告符合我的购物需求邯郸信息流广告使我选购商品更有效率我觉得邯郸平台投放广告是精准的社群影响当有许多好友点赞广告时，我也会想点赞该广告TaylorSPATodd.(1995)当有许多好友在广告下评论时，我也会想评论互动当广告下有好友点赞或评论时，我会更想查看广告详情当我对广告的产品也感兴趣的时候，我会在广告下与好友评论互动我认为在广告下与好友评论互动可以增进我们之前的感情用户购买意愿我在选购产品时会考虑邯郸信息流广告上的推荐Venkates&Davis(2003)我会向朋友或家人推荐我在邯郸信息流广告中看到的产品数据收集这在某种程度上标明本文的主要调研对象为经常使用邯郸，有收到过邯郸信息流广告的大学生群体。本次调研问卷设计采用李克特量表，通过问卷星平台，线上派发问卷，最终共收到有效问卷312份。其中男性61人，占比19.6%；女性251人，占比80.4%，18岁以下2人，占比0.6%；18~25岁305人，占比97.8%；26-30岁3人，占比1.0%；31~40岁1人，占比0.3%,51~60岁1人，占比0.3%(孙昊忠，周梦琪,2022)。5数据分析以及假设验证5.1描述性统计分析统计数据显示，在调查对象的性别上，男性共有61人，占比19.6%；女性共有251人，占比80.4%。可以看出本研究调查对象女性偏多。统计数据显示，在调查对象的年龄段上，18岁以下有2人，占比0.6%；18~25岁有305人，占比97.8%；26-30岁有3人，占比1.0%；31~40岁有1人，占比0.3%,51~60岁有1人，占比0.3%。吸纳已有成果可以推导出新的结论所以调查对象的年龄主要集中在18~25岁之间，调查对象较为年轻(祁得和，殷婉珍,2021)。在邯郸使用率上，157人使用非常频繁，占比50.3%；115人使用较为频繁，占比36.9%；33人和7人使用分别不太频繁和不频繁，分别占比10.6%和2.2%。可以看出本次调查对象在邯郸使用率上大多数为非常频繁和较为频繁，总共占87.2%。本研究同样重视理论框架的构建，这不仅为具体的设计决策提供了坚实的理论基础，还促进了对相关变量之间复杂关系的理解。表2SPSS人口统计学变量基本情况（N=312）人口统计变量选项频数百分比（%）性别男6119.6女25180.4年龄段18岁以下20.618~25岁30597.826~30岁31.031~40岁10.351~60岁10.3使用邯郸的频率非常频繁15750.3较为频繁11536.9不太频繁3310.6不频繁72.2综上，大多数受访者为年轻且使用邯郸频繁的群体，参考价值较高，接着将进行信效度分析和回归分析(陈泽刚，蒋梦琪,2022)。5.2信度和效度分析5.2.1信度分析Cronbach'sAlpha系数可以衡量内部所有题项的一致性，当Cronbach'sAlpha系数小于0.6时，说明信度不佳；当系数介于0.6-0.7，则说明信度中等，尚可接受；当系数高于0.8时，则说明信度很高；当系数在0.7-0.8之间时，则说明信度较好(张奇天，黎倩,2019)；SPSS信度分析结果显示，各变量单独信度分析时，Cronbach'sAlpha系数均分别达到了0.8以上，鉴于前面所展开的分析情况将所有变量一起信度分析时，Cronbach'sAlpha系数达到了0.884，系数高于0.8，因而说明本研究数据信度质量很高。该理论体系为整个研究提供了稳固的理论支撑，而结论与其的一致性不仅展示了研究方法的严谨程度，也验证了研究预设在实证分析中的可行性。表3SPSS变量信度分析变量题项数Cronbach'sAlpha系数整体的Cronbach'sAlpha系数明星效应40.9060.884广告表现60.875绩效期望40.877广告频率30.868社群影响50.883购买意愿20.8675.2.2效度分析本文用探索性因子进行效度分析，以检验研究数据的设计合理性。如果KMO值高于0.8，则说明效度高；从上述分析来看出如果此值介于0.7-0.8之间，则说明效度较好；如果此值介于0.6-0.7，则说明效度可接受；如果此值小于0.6，说明效度不佳(付俊逸，虞笑珍,2023)。SPSS效度分析结果显示，所有变量的KMO值都大于或等于0.6，说明研究数据具有效度，五个自变量的KMO值都在0.7、0.8左右，介于0.7-0.8之间，只有自变量用户购买意愿的KMO值为0.6,说明研究的量表效度较高(殷嘉逸，陆婉莹,2022)。表4KMO—Bartlett球形检验结果变量题项数KMOSig.广告表现60.8640.000明星效应40.8260.000广告频率30.7290.000绩效期望40.8270.000社群影响50.8320.000购买意愿20.60.0005.3相关性分析本节将采用Pearson分析法进行相关性分析，已验证自变量与因变量之间的线性关系。在理论架构的确证与修正过程中，本文汇聚了庞大且详细的数据资料。这些数据来源广泛，既包括不同的研究目标，也跨越了不同的时间阶段和社会场景，为理论框架的完整验证提供了有力支撑。相关分析的Pearson系数能够反映各变量和用户购买意愿之间的相关性程度，Pearson系数越大，鉴于当下的具体情形代表两变量之间相关性越强。具体来说，研究发现关键变量间的关联性及变化趋势与模型预测相符，这不仅加强了理论框架的可靠性，也为深入剖析该领域的复杂关系提供了实证支持。Pearson相关系数在0.8-1.0之间，说明两变量之间有极强的相关关系，在0.6-0.8之间，说明两变量之间有较强的相关关系，在0.4-0.6之间，说明两变量之间有中等程度的相关关系，在0.2-0.4之间弱相关，低于0.2则为极弱相关或无相关(柯嘉欣，戴栖琪,2018)。表5相关性分析结果用户购买意愿明星效应Pearson相关性0.546**显著性（双侧）0.000广告表现Pearson相关性0.614**显著性（双侧）0.000绩效期望Pearson相关性0.736**显著性（双侧）0.000广告频率Pearson相关性0.504**显著性（双侧）0.000社群影响Pearson相关性0.714**显著性（双侧）0.000从表5可以得出以下结论：所有因变量与购买意愿的相关分析检验双尾显著性均为0，呈现出0.01水平的显著性(蒋泽墨，霍梦琪,2021)。广告表现变量的Pearson系数为0.614，大于0.6，说明广告表现与用户购买意愿之间相关性较强，广告表现变量正向影响用户购买意愿。明星效应变量的Pearson系数为0.546，在0.4与0.6之间，说明明星效应和用户购买意愿两个变量有着中等程度的正向相关关系，明星效应正向影响用户购买意愿。广告频率变量的Pearson系数为0.504，在0.4与0.6之间，说明广告频率与用户购买意愿之间相关性中等，广告频率正向影响用户购买意愿。绩效期望变量的Pearson系数为0.736，大于0.6，说明绩效期望和用户购买意愿两个变量有着正向的强相关关系，鉴于当前环境绩效期望正向影响用户购买意愿。在理论分析部分，详细探讨了方案设计的基本原理和预期目标，通过理论模型和推理逻辑的构建，为后续的分析提供了坚实的理论基础。社群影响变量的Pearson系数为0.736，大于0.6，说明社群影响和用户购买意愿两个变量有着正向的强相关关系，社群影响正向影响用户购买意愿。相关系数大小排序：绩效期望＞社群影响＞广告表现＞明星效应＞广告频率，绩效期望与用户购买意愿的相关性最强，广告频率与用户购买意愿的相关性最弱。多元回归线性分析为更进一步验证本文的研究假设，本文将对各变量进行多元线性回归分析，检验回归模型是否能很好的拟合实测数据，并作进一步的预测。表6ANOVA分析平方和自由度均方F显著性890.0325178.006105.0700.000518.4173061.6941408.449311表7多元回归线性分析项目BetaTP(常量)0.432-2.6090.010广告表现0.2152.2580.002明星效应0.1871.0210.009广告频率0.152-0.0690.000绩效期望0.2826.9270.000社群影响0.2656.3760.000注：R2=0.632；调整R2=0.626数据显示广告表现、明星效应、广告频率、绩效期望、社群影响对用户购买意愿的回归分析结果。不难推断得出其中F值为105.070，p<0.001,可以说明回归效果非常显著。R方=0.632，说明明星效应、广告表现、广告频率、绩效期望、社群影响可以解释用户购买意愿63.2%的变异(蒋泽和，韩慧敏,2022)。广告表现、明星效应、广告频率、绩效期望、社群影响对购买意愿的影响分别在0.05的水平上达到显著，通过t检验，影响显著，回归系数分别为0.215、0.187、0.152、0.282、0.265，呈现正相关。通过以上分析得出回归方程如下：Y（用户购买意愿）=0.187×（明星效应）+0.215×（广告表现）+×0.152×（广告频率）+0.282×（绩效期望）+0.265×（社群影响）+0.432回归方程说明，广告表现、明星效应、广告频率、绩效期望、社群影响对用户购买意愿产生正向显著影响。并且比较回归系数可以发现，五个影响因素对用户购买意愿的影响程度为：绩效期望＞社群影响＞广告表现＞明星效应＞广告频率，绩效期望对用户购买意愿的影响最强，从这些例子中说明广告频率对用户购买意愿的影响最弱(丁一凡，余慧敏,2021)。这样做不仅加快了分析数据集的准备时间，也降低了复杂处理步骤带来的误差风险。通过广泛的测试不同来源和类型的数据，进一步证实了该方法的稳定性和可靠性。5.5假设验证结果根据上文的回归分析，各变量的Beta值均大于0，且P值均小于0.05，说明各变量都对消费者购买意愿有正向显著影响，前文提出的假设均成立。表8假设验证表假设验证结果H1：广告表现对消费者购买意愿有正向显著影响成立H2：明星效应对消费者购买意愿有正向显著影响成立H3：广告频率对消费者购买意愿有正向显著影响成立H4:绩效期望对消费者购买意愿有正向显著影响成立H5：社群影响对消费者购买意愿有正向显著影响成立6研究结论以及建议6.1研究结论6.1.1绩效期望对用户购买意愿的影响最强根据相关性分析结果，绩效期望与用户购买意愿之间的Pearson系数为0.736，说明二者之间的相关性很强，通过多元线性回归分析后，可以得出该变量的回归系数为0.265，凭这些迹象可以预判出说明绩效期望对用户购买意愿有较强的正向影响，且Pearon系数和回归系数在所有自变量中都最高，说明其影响效果最强。由此说明，用户十分重视广告的内容是否是他们所需要的，邯郸信息流广告是否能精准推送对用户购买意愿影响很大，广告需要能为用户提供他们真正需要的信息，提高他们选购的效率(程奇远，陆婉倩,2022)。6.1.2社群影响对用户购买意愿影响较强根据相关性分析结果，社群影响与用户购买意愿之间的Pearson系数为0.714，社群影响与用户购买意愿之间相关性很强，通过多元线性回归分析后，可以得出该变量的回归系数为0.265，从这些实验中看出该结果反映了社群影响的影响效果较强。通过这些手段本文力求排除任何可能影响结论准确性的偏差因素，保证研究发现的真实性和普遍适用性。邯郸信息流广告底下的好友点赞评论互动，会对用户产生心理作用，使他们对该广告更感兴趣，对广告内容更加好奇，有利于提高购买意愿，所以社群影响也是比较重要的影响因素(黄韵欣,郭嘉琪,2020)。6.1.3广告表现对用户购买意愿影响较强根据相关性分析结果，广告表现与用户购买意愿之间的Pearson系数为0.614，大于0.6，在此类情况下说明社群影响与用户购买意愿之间相关性较强，通过多元线性回归分析后，可以得出该变量的回归系数为0.215，从以上数据可以反映广告表现的影响效果较强，目前消费者更喜欢更有创意的广告而不是对产品的简单推销，受消费者喜爱的广告内容可以降低消费者对广告的排斥心理，所以形式丰富、有创意不俗气的信息流广告更能吸引用户注意，有利于提高购买意愿(高向阳,付国栋,2022)。这可能导致模型不能完全捕捉到所有相关变量及其复杂的交互作用，从而引发模型偏差。为了解决这一问题，本文不仅参考了广泛接受的理论基础，还结合最新的研究成果来调整和完善本文的分析框架。通过对数据特性的详尽分析，本文能够有效地剔除那些显著偏离正常的数据点，同时保留了关键的样本资料。6.1.4明星效应对用户购买意愿影响较弱根据相关性分析结果，明星效应与用户购买意愿之间的Pearson系数为0.546，通过多元线性回归分析后，可以得出该变量的回归系数为0.187，相较于前面三个影响因素来说，在这些条件影响下影响效果较弱(许嘉乐,邹慧敏,2021)。这说明，广告中有用户感兴趣的明星出现，会吸引用户的注意，让用户更有动力点开广告查看详情，提高购买意愿，但是明星的影响有限，相比之下，该广告的产品是否是用户需要的、广告表现内容是否有创意、底下是否有好友互动，这三个影响因素的影响效果更强，更能提高用户购买意愿。6.1.5广告频率对用户购买意愿影响最弱根据相关性分析结果，明星效应与用户购买意愿之间的Pearson系数为0.504，通过多元线性回归分析后，若是这种情况可以得出该变量的回归系数为0.152，数值较低(程泽昂,高冰洁,2022)。由此说明，广告频率虽然也对用户购买意愿有正向显著影响，但与其他影响因素相比效果最弱，可能是因为广告中内容是否是用户所需要的、是否有好友在广告下互动、广告表现是否丰富有创意以及是否有用户感兴趣的明星出现更能吸引用户，广告出现的次数反而不是那么重要。在分析技法上，本文融合了定量与定性分析，以全面、客观地解读数据，并运用统计软件进行数据处理，以降低分析过程中的技术性偏差以评估研究结果对关键假设变动的稳定性。6.2建议6.2.1提高广告投放的精准度，满足用户对广告的绩效期望对企业来说，若想提高用户对广告中产品的购买意愿，提高广告投放的有效性和转化率，在这种布局里企业应该要清楚了解自己的目标受众究竟是哪类型的用户（爱好、地区、年龄、性别等），在投放时应该更加精细地筛选广告受众人群，以此提高邯郸信息流广告投放的精准度，让企业的广告能够被真正对广告中产品感兴趣或有需求的用户看到。在研究设计阶段，本文认真制定了科学的研究计划，以保证研究问题的清晰度和研究假说的合理性。对邯郸平台来说，邯郸目前投放的精准度并不够成熟，邯郸应该加强对于信息流广告这方面的资金投入，提高广告推送技术水平，提高大数据算法的准确度，为企业投放时增加更多、更有效的投放筛选条件，比如能够根据用户平时在邯郸的浏览偏好，在这等背景下大数据分析出用户的爱好，而不是简单地根据地理位置、性别、年龄等简单的筛选条件，以此提高邯郸信息流广告的投放精准度。6.2.2增强广告的可互动性，吸引用户点赞评论互动根据调查结果和分析，我们已经得出社群影响对用户购买意愿影响较强，信邯郸信息流广告底下的好友点赞评论互动，会对用户产生心理作用，使他们对该广告更感兴趣，有利于提高购买意愿。在测量广告表现时，其中“我更喜欢具有互动性的邯郸信息流广告（比如需要手势滑动等）”这一题目，选择“比较同意”和“非常同意”的占比是58%，超过半数，说明大部分用户比较喜欢具有互动性的广告(龚志时,张怡忠,2022)。这一研究成果也为相关领域的实践提供了有益的思路。所以我们在设计广告的时候应该增强广告的可互动性，加入一些会激发用户互动意愿的元素，比如可以在广告文案设置问句，吸引用户在评论区分享自己的看法，从这些条件可以体会到也可以设置“明星回复”，即在邯郸底下留下一条明星的评论，吸引对该明星感兴趣的用户评论，目前这种做法已有技术支持，而且已有较多企业采用，这些做法可以使广告的互动性更强，刺激用户的互动欲望，进而通过社群影响，提高用户的购买意愿(林昊忠,周奇琪,2023)。研究过程中，本文提出了一种创新性的思考模式，通过融合历史上关于这一话题的重要发现来加深理解。广告内容创意化，重视内容营销，提高广告质量前文分析显示，广告表现对于提高用户购买意愿有正向显著影响，邯郸信息流广告本质上是内容营销，不能简单地进行产品宣传，而是要把广告嵌入到用户认为有价值的内容中，新颖有创意不俗气的广告更容易吸引用户眼球，让用户在刷邯郸时更愿意点开广告而不是划过忽略，因此广告主应该注重广告内容创意，重视内容营销，提高广告质量。7研究局限与展望7.1研究局限7.1.1问卷调查样本相对单一由于在问卷数据收集时间有限，加上填写问卷的人大多为笔者身边的朋友，所以本文的调查对象的年龄段分布比较单一，大多数都为大学生群体，样本存在一定的局限性，不一定能代表所有年龄段的邯郸使用用户。7.1.2模型构建没有加入中介变量，可能不够严谨本文在研究邯郸信息流广告的各种因素对用户购买意愿的影响，但是在模型构建时，并没有加入中介变量，在这样的设定下而是直接把一些学界上认为是重要指标的变量与用户购买意愿直接联系起来，模型构建可能还不够严谨。7.1.3在文献方面参考的国外文献不多本文在文献综述时绝大多数梳理的都是国内的文献，且国内关于邯郸信息流广告的文献大多为阐述总结，实证研究类文献较少，所以本文可能还不够科学成熟，还有很多需要完善的地方。7.2研究展望邯郸信息流广告作为一种新型广告，笔者认为该领域有很大的发展潜力和前景。邯郸平台在广告频率上把控比较合理到位，就目前调查来看，邯郸用户对于邯郸信息流广告的态度还是非常乐观的，大多数调查对象都觉得邯郸信息流广告没有干扰他们阅读其他信息，也不会觉得广告很突兀，这也意味着用户对广告的接受度很高。不过目前邯郸信息流广告的不足也十分明显，许多企业、广告主投放的广告质量不高，无法真正吸引到用户购买，以及邯郸广告投放平台技术还有待提高，广告投放的筛选条件过于简单，未来还需要提升技术，让大数据推荐更加精准、精细，以此满足用户对广告的绩效期望，在此特定时刻细察事情显而易见无疑让广告推送到真正需要的用户手机上。笔者希望未来企业能够更加了解他们的受众群体的广告偏好，在设计广告内容时能以消费者的视角出发，能投放更有效提高消费者购买意愿的广告。邯郸平台也应提升大数据推荐的精准性或可以研发更多新的投放广告类型。在邯郸信息流广告这个领域上笔者认为还有许多未知的可能性，希望该领域能发展的越来越好，越来越完善。参考文献：[1]施琴.社会化媒体信息流广告研究——以邯郸信息流广告为例[J].传媒,2015(17):66-68.[2][5]陈泽羽,成向阳.新媒体环境下原生广告推广与传播——以邯郸为例[J].新媒体研究,2022,4(04):70-71[3][10][14][21]张文博,付向阳.社交媒体信息流广告效果的影响因素研究[D].云南大学,2023[4]陈奇远,付瑾萱.镶嵌、创意、互动:三个层面看信息流广告的传播策略——以邯郸为例[J].汉字文化,2021(15):178-180.DOI:10.14014/11-2597/g2.2019.15.089.[6]胡文天,高俊天.基于SWOT模型对邯郸信息流广告推送的研究[J].新闻研究导刊,2019,10(13):214-215.[7]陈建业,张欣怡.邯郸信息流广告特点及应用[J].传播力研究,2019,3(32):287.[8][17]高旭东,陈俊彬.大学生对邯郸广告的偏好研究[J].现代商业,2016(24):180-182.[9][13][16][20]高博文,付欣怡.邯郸原生广告对大学生购买意愿影响的实证研究[J].新媒体研究,2019,5(15):113-115.[11][18]孙艺霖,张颖彤.邯郸用户对邯郸广告接受意愿的影响因素研究[D].青岛大学,2017.[12][15][25][29]谢雨向,林泽昕.邯郸信息流广告效果影响因素的实证研究[D].华南理工大学,2018.[13][16][20]许靖怡,周文博.邯郸原生广告对大学生购买意愿影响的实证研究[J].新媒体研究,2019,5(15):113-115.[19]陈云飞,周明泽.青年群体邯郸信息流广告回避反应及影响因素研究[J].东南传播,2018(10):120-125.[22]张雨萱,田天羽.电视广告“巧”求胜[J].北大商业评论,2014(03):102-109+27.[23]成悦倩,魏嘉怡.数字化背景下可口可乐的广告表现[J].新媒体研究,2017,3(19):54-56.DOI:10.16604/ki.issn2096-0360.2017.19.020.[24]崔泽天,张向阳.邯郸沉浸式广告的分析与思考[J].青年记者,2019(05):98-99.DOI:10.15997/ki.qnjz.2019.05.062.[26]宋泽骞,许锦怡.浅析广告中的明星效应[J].艺术与设计(理论),2007(09):71-73.DOI:10.16824/ki.issn10082832.2007.09.025.[27]梁君和,付芷怡（LETHUHANG）.明星效应与植入式广告效果的实证研究[D].华南理工大学,2018.[28]VenkateshV.MorrisM.G.Dav