基于S-O-R模型的社交互动对消费者购买意愿影响机制研究

目录TOC\o"1-3"\h\u9685第1章绪论 第1章绪论1.1研究背景与意义1.1.1研究背景随着互联网的飞速发展，电子商务与社交互动呈现出日益融合的趋势。众多社交平台开展电子商务。例如微信，商家可借助小程序电商、微信公众号、朋友圈等渠道进行推广，使得用户在社交的同时能够便捷地完成购物。小红书则以用户分享的购物心得、产品评测等内容为基础，引入电商功能，用户在浏览美妆、时尚、旅游等各类生活方式内容时，可直接点击链接购买相关产品。这种模式将社交互动与购物紧密结合，一方面提高了用户的购物体验和决策效率；另一方面，社交媒体平台和电商平台的结合，使得消费者在购物过程中受社交互动的影响越来越显著。具体而言，消费者不仅可以获取产品信息，还能通过与其他用户的互动，如评论、分享和推荐等，形成对产品的态度和购买意愿。除了消费者之间的评论、分享和推荐等常见互动方式外，商家在其中也扮演着积极的角色，通过开通账号发布帖子以及参与到别人的评论区回复与消费者进行互动，成为影响购买意愿的另一因素。综上所述，电子商务与社交互动的融合已成为不可阻挡的趋势。这种融合不仅为消费者提供了更加便捷和个性化的体验，也为零售商提供了更多的销售机会和渠道。随着技术的不断进步和消费者需求的不断变化，电子商务与社会互动的融合必将继续发展，为经济和社会发展提供新的动力。1.1.2研究意义从理论意义层面来看，首先，研究丰富了S-O-R模型的应用。将这一经典模型引入消费行为领域，以社交互动作为刺激因素，深入分析其如何影响消费者的心理与情感反应，进而作用于购买意愿，为模型拓展了新的应用场景。其次，研究明确揭示了社交互动的影响力。在消费决策过程中，社交因素一直备受关注，而此项研究则进一步阐明了社交互动的不同形式和特点对消费者心理与情感反应的具体影响，丰富了社交互动理论的内涵。再者，考虑消费者个人特质的调节作用为个性化营销和消费者细分提供了坚实的理论基础。不同类型的消费者在社交互动影响下表现出不同的购买意愿，这一发现有助于企业更好地理解消费者差异，从而制定更精准的营销策略。最后，对认知失调作用的揭示为理解消费者在购买决策过程中的心理冲突和矛盾提供了全新视角。通过研究消费者如何调整认知来解决购买决策中的矛盾，丰富了消费者行为理论中的认知过程研究。在实践意义方面，其价值同样不可小觑。对于企业营销而言，该研究结果为企业提供了明确的指导方向。企业可以充分认识到社交互动在营销中的关键作用，积极营造社交互动氛围。例如，利用社交媒体平台开展丰富多彩的互动营销活动，鼓励消费者之间进行交流和分享，增强其参与感和归属感，提高购买意向。在个性化营销方面，考虑消费者个人特质的调节作用，企业能够进行更为精准的消费者细分，针对各种类型的消费者制定其专属的个性化营销策略。对于注重社交认同的消费者，可重点突出产品的社交属性和口碑效应；对于独立性较强的消费者，则强调产品的独特性和品质。此外，了解社交互动对消费者心理与情感反应的影响，有助于企业优化产品设计和服务流程，提升消费者的购物体验。1.2研究问题与研究内容1.2.1研究问题在当今快速数字化的时代，社交互动比以往任何时候都更加活跃。社交软件的普及使用户能够随时随地交换信息，实时更新日常轨迹与购物心得。无论是微信、微博等社交软件，还是抖音、小红书等内容分享平台，都为人们提供了丰富多样的社交互动渠道。从日常的生活场景中可以看到，消费者们频繁地在这些平台上与朋友、家人、网红博主以及陌生人进行互动。他们分享自己对各类产品的使用感受，询问他人的购买建议，参与品牌发起的互动活动。这种社交互动的频率之高，几乎贯穿了消费者的整个购物决策过程。有的消费者可能每天都会花费大量时间在社交平台上浏览信息、与他人交流，而有的则相对较少。社交互动的深度也各不相同，有的仅仅是简单的点赞、评论，而有的则会进行深入的讨论和交流，分享自己的专业见解和经验。此外，社交互动还带有强烈的情感性因素。消费者可能因为与他人的情感共鸣而对某个产品产生兴趣，也可能因为他人的负面评价而对某个品牌产生反感。在这样的现状下，一系列问题也随之浮现。首先，社交互动的频率、深度和情感程度如何影响消费者的购买意愿？社交互动频率高是否会使消费者更容易受到其他人的影响，提高购买意愿？深度的社交互动是否会让消费者对产品有更深入的了解，进而增强购买信心？而情感性因素又在其中扮演着怎样的角色？是积极的情感共鸣会推动购买，还是负面的情感反应会抑制购买？其次，消费者在社会交往中的心理和情绪反应是怎样的，这些反应如何影响购买意向？消费者在社会交往中会产生好奇、兴奋、信任等心理反应，也会产生焦虑、怀疑、失望等负面情绪，这些心理和情绪反应是如何产生的，如何影响消费者的购买决策？最后，消费者的个人特质是否会调节社交互动与购买意愿之间的关系？不同性格、年龄、性别、消费观念的消费者在面对社交互动时可能会有不同的反应。比如，性格开朗、乐于社交的消费者可能更容易受到社交互动的影响，而性格内向、独立思考的消费者则可能相对较少。年龄较大的消费者可能更注重产品的实用性和品质，而年轻消费者可能更追求时尚和个性化。性别差异也可能导致对社交互动的不同反应，女性消费者可能更倾向于与他人交流分享，而男性消费者可能更注重产品的性能和功能。这些个人特质是如何调节社交互动与购买意愿之间的关系的？企业又该如何根据不同消费者的个人特质制定个性化的营销策略？1.2.2研究内容围绕上述研究问题，本研究的主要内容包括：

（1）对社交互动的概念、测量方法以及相关研究进展进行综述，分析社交互动的不同维度对消费者购买意愿的可能影响。

（2）探讨消费者购买意愿的概念、测量方法以及影响因素，明确社交互动在其中的作用机制。

（3）基于S-O-R模型提出研究假设，构建理论模型，包括刺激（S）、有机体（O）和反应（R）三个部分以及消费者个人特质的调节作用。

（4）通过实证研究设计，包括研究情境设定、变量测量、控制变量选择以及数据收集与筛选流程，验证研究假设。

（5）对收集的数据进行分析，包括描述性统计、无响应偏差检验、共同方法偏差检验、测量模型和结构模型分析，得出研究结果。1.3研究方法与技术路线1.3.1研究方法本研究采用实证研究方法，综合运用问卷调查法和结构方程模型分析。

（1）问卷调查法：设计问卷以收集消费者在社交互动情境下的相关信息，包括社交互动的频率、深度、情感倾向，消费者的心理与情感反应以及购买意愿等。问卷通过网络平台进行发放，以获取更广泛的样本。

（2）结构方程模型分析：运用结构方程模型对社交互动、情感和认知反应和购买意愿之间的关系进行检验。在构建理论模型时，将社会互动作为自变量，消费者的情感和认知反应作为中介变量，购买意愿作为因变量，而消费者的个人特征则作为调节变量被纳入模型。结构方程模型可用于同时分析多个变量之间的复杂关系，以检验假设的恰当性和模型的适用性，例如，确定社会互动对消费者心理和情绪反应的影响程度，以及消费者心理和情绪反应在社会互动和购买意向之间的中介作用是否显著。同时，可以检验消费者个人特质对社交互动与购买意愿关系的调节作用，即不同个人特质的消费者在社交互动影响下的购买意愿变化是否存在差异。评估和优化结构方程模型，以提高模型的解释力和可靠性，并通过检查模型的拟合指数（如卡方值、GFI、AGFI和CFI）来评估模型的拟合程度。如果模型拟合度不佳，则对模型进行调整和优化，如增加或删除变量、调整变量之间的关系等，直到得到一个较为理想的模型。1.3.2技术路线本研究的技术路线如下：

首先，进行文献综述和理论基础研究，了解社交互动和消费者购买意愿的相关理论和研究现状。然后，基于S-O-R模型提出研究假设和构建理论模型。接着，设计实证研究，包括研究情境、变量测量、控制变量和数据收集与筛选流程。然后分析数据，包括描述统计、信效度检验和模型分析。最后，根据研究结果得出结论，提出理论启示和实践建议，以及研究的不足和未来展望。如图1所示图SEQ图\*ARABIC1技术路线图1.4研究创新之处在当今消费市场中，社交互动与消费者行为之间的关系日益紧密，成为了学术界和商业领域共同关注的焦点。本研究在这一领域展现出了独特的创新之处，为深入理解社交互动对消费行为的影响提供了新的思路和方法，同时也为电子商务平台的发展提供了切实可行的实践建议。1.4.1研究视角创新本研究将社交互动与消费者购买意愿结合起来，基于S-O-R模型进行系统分析，为研究社交互动对消费行为的影响提供了崭新的视角。S-O-R模型即刺激（Stimulus）-有机体（Organism）-反应（Response）模型，消费者行为被视为一个过程，外部刺激引发内部情感和认知反应，从而导致购买行为。在本研究中，社会互动被用作影响消费者情感和认知反应的刺激因素，并最终参与到消费者的购买意向中。这种研究视角突破了传统消费行为研究的局限，将社交因素纳入到消费者行为的分析框架中，更加全面地揭示了消费者购买意愿的形成机制。通过这一创新视角，我们可以深入了解社交互动的不同形式和特点如何影响消费者的心理状态和情感体验，以及这些心理和情感因素又是如何进一步影响消费者的购买决策。例如，消费者在社交媒体上看到朋友分享的产品推荐，这一社交互动刺激会引发消费者的好奇心和信任感，进而提高他们对该产品的购买意愿。这种从社交互动到心理反应再到购买意愿的分析路径，为我们理解消费者行为提供了更加深入和细致的视角。1.4.2研究方法综合本研究综合运用问卷调查法和结构方程模型分析，能够更全面、准确地研究社交互动与消费者购买意愿之间的复杂关系。问卷调查法是一种广泛应用于社会科学研究的方法，通过设计合理的问卷，收集消费者对社交互动和购买意愿等方面的主观感受和评价。这种方法可以直接获取消费者的第一手资料，了解他们在实际消费过程中的真实体验和想法。在本研究中，我们通过精心设计的问卷，收集了大量关于消费者社交互动行为、心理反应和购买意愿的数据，为后续的分析提供了丰富的素材。结构方程模型分析则是一种强大的统计方法，能够同时处理多个变量之间的复杂关系。通过构建结构方程模型，我们可以检验社交互动、消费者情感和认知反应、社会影响以及购买意愿之间的因果关系，以及消费者个人特质等调节变量的作用。这种方法可以有效地克服传统统计方法的局限性，更加准确地揭示变量之间的内在联系。综合运用问卷调查法和结构方程模型分析，使得本研究能够从多个角度对社交互动与消费者购买意愿之间的关系进行深入研究。问卷调查法为我们提供了丰富的实证数据，而结构方程模型分析则为我们揭示了变量之间的复杂关系，两者相互补充，共同为研究提供了更加全面和准确的结果。1.4.3实践应用导向本研究的结果不仅具有理论意义，还直接为电子商务平台提供了实践建议，有助于电商平台优化营销策略，提高消费者的购买意愿和购买行为。在电子商务领域，社交互动已经成为了一种重要的营销手段。电商平台可以通过社交媒体、用户评价、在线社区等渠道，促进消费者之间的交流和互动，提高消费者的参与度和忠诚度。本研究的结果为电商平台提供了具体的实践指导，帮助他们更好地利用社交互动来提高营销效果。例如，电商平台可以根据本研究的结果，优化产品推荐算法，将社交互动因素纳入到推荐系统中，为消费者提供更加个性化的产品推荐。同时，电商平台还可以通过举办社交互动活动，如用户评价大赛、分享有礼等，激发消费者的参与热情，提高消费者的购买意愿。此外，电商平台还可以加强对消费者个人特质的分析，针对不同类型的消费者制定个性化的营销策略，提高营销的针对性和有效性。1.5论文结构第一部分，绪论。介绍电子商务与社交互动融合现状，阐述理论和实践意义，提出关于社交互动对购买意愿影响的关键问题及具体研究内容，说明实证研究采用的问卷调查法和结构方程模型分析方法，展示技术路线，阐述研究在视角、方法和实践应用方面的创新。第二部分，文献综述与理论基础。梳理社交互动概念与测量方法，分析研究进展并评述，阐述购买意愿概念与测量，分析影响因素并评述，介绍社会学习理论和认知失调理论及其在研究中的应用。第三部分，基于S-O-R模型的实证研究。根据S-O-R模型分别对社交互动（刺激）、消费者心理与情感反应（有机体）、购买意愿（反应）提出假设，并考虑消费者个人特质的调节作用，确定刺激变量、有机体变量、反应变量和控制变量的测量方法，介绍数据收集与筛选流程，通过描述性统计、模型分析（确认性因子分析、结构方程模型）等流程验证假设。第四部分，总结与展望。阐述社交互动影响力、消费者认知与情感反应以及认知失调的作用，说明对社会影响理论和认知失调理论的启示，为电商平台提出增强正面社交互动、降低认知失调和提供个性化互动体验的建议，分析研究在样本代表性、社交互动维度、调节变量和动态情境方面的不足，展望未来多平台多情境研究、深入探讨个体差异和技术与互动结合的方向。

第2章文献综述与理论基础社交互动的文献综述社交互动的概念与测量社交互动是指个体之间通过各种媒介进行的信息交流和情感传递的过程。它可以发生在面对面的情境中，也可以通过网络平台进行。在社交电商领域，社交互动通常包括用户之间的评论、分享、推荐等行为。关于社交互动的测量，常用的方法包括观察法、问卷调查法和内容分析法等。观察法可以直接观察个体之间的互动行为，但对于大规模样本的研究不太适用。问卷调查法可以收集大量个体的信息，但可能存在主观性偏差。内容分析法可以分析大量文本数据，但对于情感性因素的分析可能不够准确。社交互动的研究进展分析近年来，社交互动在多个领域得到了广泛研究。在社会学领域，研究重点关注社交互动对人际关系和社会结构的影响。在心理学领域，研究重点是社会互动对个人心理和情感的影响。在市场营销领域，研究重点是社会互动对消费者行为的影响。随着社交电子商务的发展，有关社交互动对消费者购买意向的研究逐渐受到重视。研究发现，社交互动的频率、深度和情感倾向等因素会在不同程度上影响消费者的购买意向。社交互动的研究评述已有研究在社交互动的概念界定和测量方法上取得了一定的进展，但仍存在一些不足之处。首先，对于社交互动的概念界定不够清晰，不同领域的研究对社交互动的定义存在差异。其次，测量方法不够完善，对于情感性因素的分析存在局限性。最后，研究结果不够全面，对于社交互动对消费者购买意愿的影响机制研究不够深入。消费者购买意愿的文献综述消费者购买意愿的概念与测量消费决策倾向表征个体对特定商品或服务采纳可能性的心理预判机制，作为交易行为的前驱信号，其强度映射着消费主体对目标物的价值评估与选择偏好。当前主流测量范式包含三类工具：①态度评测工具，侧重用户对商品属性的认知评估与情感反馈；②行为意向预测工具，追踪消费决策链形成过程中的行为趋势；③概率评估模型，量化消费者在未来特定情境下的实际购买转化几率。三类量表构成完整的消费行为预测体系，分别从认知结构（态度维度）、行为趋势（意向维度）和场景响应（概率维度）切入，构建起消费研究的标准化观测框架。消费者购买意愿的影响因素分析虚拟社交交互对线上消费决策的驱动机制备受关注。Jen-RueiFu团队发现，社交电商中信息引导效应与规范约束效应对消费行为的影响超过信息可信度，用户相似性、信任基础及专业权威度通过上述路径增强购买转化。王瑞梅等证实消费者信任是交易核心，系统整合度、操作便捷性及社群支持构成信任传递链。刘璞团队基于SOR模型，论证社交互动通过功能、情感、社交价值感知促进消费转化。研究揭示消费决策要素已从商品属性转向关系网络的价值传导体系。消费者购买意愿的研究评述目前关于网络社交互动下消费者网络购买意愿的研究相当广泛。一方面，许多研究表明，推荐人、感知相似度、熟悉度和专业知识等社会互动因素会通过信息性、规范性社会影响和感知信息质量对购买意愿产生积极影响。另一方面，一些研究关注消费者行为在产品参与程度上的差异，参与程度越高的消费者越愿意花费认知努力来评估信息。不过，这方面的研究仍有拓展空间，包括缺乏对新社交平台和互动形式的研究。未来的研究可以深入探讨新的社交场景对购买意向的影响机制，为电子商务的发展提供更具前瞻性的策略。理论基础社会学习理论社会学习理论认为，个体的行为是通过观察和模仿他人的行为而习得的。在社交电商环境中，消费者可以通过观察其他用户的购买行为和评价来学习产品的相关信息，从而影响自己的购买意愿。例如，当消费者看到其他用户对某一产品的好评时，可能会增加自己购买该产品的意愿。认知失调理论认知失调理论认为，当个体接收到的信息与自己的认知不一致时，会产生心理不适感，即认知失调。在社交电商环境中，当消费者接收到与自己预期不符的产品信息时，会产生认知失调，从而影响自己的购买意愿。例如，当消费者看到某一产品的评价与自己预期的不一样时，可能会降低自己购买该产品的意愿。第3章基于S-O-R模型的社交互动对消费者购买意愿的实证研究3.1研究假设与模型3.1.1刺激（S）：社交互动根据社会学习理论（Bandura,1977），消费者通过观察他人的社交互动行为（如评论、分享、推荐等）获取产品信息，并通过模仿和认同形成购买意愿。同时，信息处理理论（Bettman,1979）表明，社交互动的频率、质量和内容吸引力直接影响消费者对信息的接受效率。高频互动（H2a）能够增加消费者的信息接触密度，提升对产品的熟悉度；高质量互动（H2b）如专业评价或真实体验分享，能增强信息的可信度；高吸引力内容（H2c）如视觉化展示或故事化描述，则更容易引发消费者的兴趣和情感共鸣（Mehrabian&Russell,1974）。由此提出以下假设：H1:社交互动对购买意愿存在显著的正向影响3.1.2有机体（O）：消费者的情感反应依据情感反应理论（Bagozzietal.,1999），社交互动通过激发消费者的情感状态间接影响购买意愿。信任转移理论（Stewart,2003）指出，正面的社交互动（如好友推荐或积极评价）能够增强消费者对产品或平台的信任感（O1），降低感知风险；而情感共鸣理论（Escalas&Stern,2003）则表明，互动中的趣味性或共情内容（如幽默评论或情感分享）可提升消费者的愉悦感（O1），从而强化购买动机。由此提出以下假设：H2:社交互动对情感反应存在显著的正向影响。H3:情感反应对购买意愿存在显著的正向影响。3.1.3有机体（O）：消费者的认知反应基于技术接受模型（TAM）（Davis,1989），消费者通过社交互动获取的产品信息若被判定为有用（O2），则更可能产生购买意愿；而感知风险理论（Bauer,1960）表明，互动中其他用户的真实反馈或第三方认证（如质检报告分享）能够降低消费者对产品的感知风险（O2）。例如，消费者通过社交互动验证产品功能（感知有用性）或减少对质量的担忧（感知风险），从而增强购买信心。由此提出以下假设：H4:社交互动对认知反应存在显著的正向影响。H5:认知反应对购买意愿存在显著的正向影响。3.1.4有机体（O）：社会影响根据社会影响理论（Cialdini&Goldstein,2004），消费者的决策会受到群体规范的约束。主观规范（如多数人推荐的压力）和社会认同（如社群归属感）是社交互动中的重要机制。从众效应（Asch,1951）表明，当某产品在社交平台上被广泛讨论时，消费者可能因符合群体期望而调整购买意愿；而社会认同理论（Tajfel,1979）则强调，消费者为融入社群会主动采纳群体推荐。由此提出以下假设：H6:社交互动对社会影响存在显著的正向影响。H7:社会影响对购买意愿存在显著的正向影响。本研究基于前文结论，构建消费者购买意愿影响机制理论模型（详见图2）。该模型基于S-O-R理论框架，将社交互动设为前因变量，情感反应、认知反应及社会影响作为中介变量，购买意愿作为结果变量，形成完整的因果链式解释路径。图SEQ图\*ARABIC2研究模型3.2研究设计3.2.1研究方法本研究采用spss+amos作为核心分析方法，SPSS与AMOS的组合为S-O-R模型研究提供了从数据预处理到复杂模型验证的一站式解决方案，尤其擅长处理多变量、多层次的因果关系，并通过可视化与统计检验结合的方式，增强研究的严谨性与解释力。通过软件平台执行数据处理与分析流程。该方法对样本规模和数据正态性要求更为灵活，即便在有限样本条件下仍能保持模型估计的稳健性；另外，该方法不仅可同步验证测量模型与结构模型，还能有效克服解释变量间多重相关性、数据分布非正态性等计量难题，从而提升变量间作用机制解析的精确度。3.2.2问券设计使用问卷调查法收集消费者在不同社交互动情境下的心理反应及购买意愿，筛选出有效数据并进行分析。通过梳理国内外相关文献中成熟的量表，结合社交互动和消费者特性，对量表内容进行调整，进而确定契合本研究的量表。问卷总体共计35个题项。主要涵盖社交互动（频率、质量、内容)、情感反应（信任、愉悦感）、感知反应（感知有用性、感知风险）、社会影响、购买意愿9个变量。其中，社交互动行为量表的9个题项，主要参照Coulter&Roggeveen(2014）、Zhang（2017）和Hajli(2015）的成熟量表改编而成；情感反应、感知反应以及社会影响量表的15个题项，改编自Morgan&Hunt(1994）、Holbrook&Hirschman(1982）、TAM模型量表（Davis,1989）、Stone&Grønhaug（1993）以及UTAUT模型量表(Venkateshetal.,2003）；购买意愿量表的5个题项，主要参考Dodds(1991）。问卷主体部分共35个题项，量表采用7点Likert量表（1=非常不同意，7=非常同意），反向题已标注（R），在数据分析时反转计分。3.3数据收集前测阶段（2025年1月5-20日）完成问卷数据采集113份，经剔除无效样本及全项同分问卷后，保留有效数据97份（有效回收率85.8%）。经SPSS23.0进行信效度检测，数据显示：各维度Cronbach'sα系数均＞0.8；KMO＞0.6且Bartlett检验显著（p＜0.05），其中社交互动（0.867）、情感反应（0.813）、认知反应（0.841）、社会影响（0.829）、购买意愿（0.802）等潜变量信效度指标均达标，满足正式研究要求。本研究通过问卷星平台实施网络调研，经由微信、QQ、小红书等社交媒介推送问卷。数据采集周期为2025年2月20日至3月24日，历时33天回收问卷368份。经剔除答案趋同和作答时长不足的无效问卷后，保留有效样本327份，回收有效率88.9%，样本量超出题目数量的十倍，满足研究基础需求。人口统计数据显示：女性占53.82%，男性46.18%；年龄分布呈阶梯特征，18-24岁群体占21.1%，25-34岁占27.83%，35-44岁占27.22%，45-54岁占18.65%；教育程度方面，44.04%受访者持有专科及以上学历。完整人口统计学指标及行为特征详见表1。表1样本的人口统计特征及活动特征统计分析名称选项频数百分比(%)1、性别男15146.18女17653.822、年龄18-24岁6921.125-34岁9127.8335-44岁8927.2245-54岁6118.6555岁及以上175.23、教育背景高中及以下18355.96本科/大专13340.67硕士及以上113.364、常购物的社交平台微信/QQ113.36小红书257.65抖音11936.39京东/淘宝17252.65、使用该平台的频率≤1次185.52-3次14042.814-5次12237.31每天使用4714.376、每月购物消费金额≤1000元11735.781001-3000元15246.483001-5000元4012.23≥5001元185.5合计3271003.4研究结果3.4.1描述统计分析本研究使用spss对数据进行了描述性统计分析，对各变量和题项的均值、标准差、偏度、峰度进行测量，确保各指标在标准范围内，确保不存在严重偏差。经测量各指标符合标准，详见表2。表2样本的描述性统计分析变量平均值标准差偏度标准误差峰度标准误差WB4.18291.20253-0.0790.135-0.3860.269T4.36491.13566-0.1520.135-0.3920.269P4.27681.23124-0.1080.135-0.4670.269PU4.52061.19019-0.3460.135-0.3590.269PR4.28131.10647-0.190.135-0.3010.269ST4.46251.15727-0.1580.135-0.3890.269F4.23651.19978-0.0860.135-0.3390.269Q4.13610.80607-0.3930.135-0.4880.269E4.32190.76078-0.5550.135-0.1360.269题项平均值标准差偏度标准误差峰度标准误差F14.331.3840.0410.135-0.5980.269F24.421.3540.0130.135-0.2840.269F33.961.242-0.4080.1350.1630.269Q14.241.514-0.3030.135-0.3510.269Q24.321.39-0.4570.135-0.4460.269Q34.021.57-0.0830.135-0.5090.269E14.611.459-0.5740.135-0.2950.269E24.431.341-0.2570.135-0.930.269E34.51.418-0.6170.135-0.1330.269T14.571.216-0.1150.135-0.4940.269T24.221.217-0.240.135-0.5840.269T34.31.31-0.0050.135-0.5970.269P14.321.225-0.150.135-0.7370.269P24.231.503-0.2050.135-0.2620.269PU14.681.562-0.4190.135-0.7530.269PU24.61.219-0.5310.1350.0030.269PU34.491.218-0.3320.135-0.3620.269PU44.311.280.150.135-0.3010.269PR13.971.281-0.1840.1350.0240.269PR24.61.184-0.2040.135-0.4710.269ST14.591.398-0.2650.135-0.7270.269ST24.411.398-0.2640.135-0.3740.269ST34.281.1460.0850.135-0.0750.269ST44.571.246-0.1530.135-0.330.269WB14.451.506-0.3940.135-0.3240.269WB24.371.2680.0290.135-0.3970.269WB34.131.388-0.070.135-0.0290.269WB44.031.294-0.0060.135-0.2010.269WB53.931.3640.0640.135-0.4230.2693.4.2信度分析本研究使用AMOS构建模型并检验来进行验证性因子分析（CFA）以验证变量的信度和效度，包括社交互动、消费者的认知和情感反应、社会影响以及购买意愿。信度检验聚焦三个核心指标：标准化因子载荷、Cronbach'sα系数及组合信度（CR）。如表3、表5所示，各潜变量标准化因子载荷介于0.631-0.834区间（均＞0.6阈值），所有题项均予以保留。Cronbach'sα系数均高于0.7（多数达0.8以上），显示量表信度优异。组合信度CR值分布于0.762-0.926范围，符合测量学标准，证实问卷数据质量可靠且稳定，满足研究推进要求。表3各变量维度的信度分析维度克隆巴赫系数Cronbach’α项数频率F0.8883质量Q0.9013内容E0.8933信任T0.8963愉悦感P0.762感知有用性PU0.9194感知风险PR0.7582社会影响ST0.9124购买意愿WB0.92753.4.3效度分析聚合效度（又称收敛效度）的分析主要用于检验同一变量的各指标之间的相关程度。聚合效度通常采用平均方差抽取量（AVE）来衡量。由表2可知，社交互动（频率、质量、内容)、情感反应（信任、愉悦感）、感知反应（感知有用性、感知风险）、社会影响、购买意愿的AVE值均大于0.5，超阈值（≥0.5）表明潜变量对题目的解释力极强；组合信度CR均大于0.7，这表明题目间内部一致性极佳，信度可靠。数据分析证实量表具备良好收敛效度（Fornell&Larcker,1981）。采用Fornell-Larcker准则检验模型区分效度，该标准要求变量AVE平方根值须高于其与其他变量的相关系数（Hairetal.,2012）。如表6所示，各变量均满足该判别标准。3.4.3.1使用amos建立模型并测量拟合度以进行验证性因子分析本研究通过结构方程模型对理论模型与观测数据的适配度进行了检验，各项拟合指数均达到或显著优于学界推荐标准，卡方自由度比（χ²/df）实测值为1.628，处于1~5的理想范围内（标准：1＜χ²/df＜5），表明模型与数据的整体偏差较小，适配良好。近似误差均方根（RMSEA）实测值为0.044（标准：RMSEA＜0.08），显著低于0.05的严格阈值，说明模型误差极小，适配度优秀。规范拟合指数（NFI）实测值为0.962（标准：NFI＞0.9），远超最低阈值，表明假设模型相较于独立模型的适配优势显著。相对拟合指数（RFI）实测值为0.912（标准：RFI＞0.9），达到可接受水平，说明模型复杂度与数据适配间取得较好平衡。增量拟合指数（IFI）实测值为0.970，Tucker-Lewis指数（TLI）为0.964（标准：均＞0.9），二者均接近1.0的完美适配值。比较拟合指数（CFI）实测值为0.970（标准：CFI＞0.9），表明假设模型相较于基线模型的适配提升显著，模型可靠性较高。表4模型拟合度各参数标准值及实测值指标标准实测CMIN/DF1＜N＜51.628RMSEA＜0.080.044NFI＞0.90.962RFI＞0.90.912IFI＞0.90.970TLI＞0.90.964CFI＞0.90.970表5各变量维度的效度分析变量

Variable题项

Item标准化因子负荷量

Standardizedfactorloading平均方差抽取量

AVE组合信度

CR社交互动SIT频率F我经常在该平台（如微信、抖音、淘宝等）与其他用户互动(F1)0.9000.7440.896我经常参加在该平台与他人的互动（如评论、分享、提问）(F2)0.732我很少错过该平台上的热门讨论活动(F3)0.942质量Q平台上的互动信息对我很有帮助(Q1)0.9620.7710.909其他用户的回复是真实可信的(Q2)0.908我在该平台的互动中感到被尊重和理解(Q3)0.752内容E用户生成的内容（如评论、视频）影响我的购买决策(E1)0.9280.7550.901我关注平台上的专业推荐内容（如博主测评、品牌直播）(E2)0.709平台上的互动内容让我对产品更感兴趣(E3)0.949情感反应ER信任T我相信该平台上的用户评价是真实的（T1）0.7650.7450.912我认为该平台能有效保护我的隐私和权益（T2）0.918我相信该平台的社交互动信息是真实的（T3）0.918愉悦感P在平台上互动让我感到愉快（P1）0.7660.6250.769我喜欢浏览其他用户的分享内容（P2）0.817认知反应CR感知有用性PU社交互动帮助我更了解产品的优缺点（PU1）0.9050.7100.914通过社交互动，我获得了有用的产品信息（PU2）0.824社交互动帮助我降低了购买决策的不确定性（PU3）0.813社交互动提升了我的购物效率（PU4）0.912感知风险PR购买推荐产品可能存在质量风险（R）（PR1）0.8190.6150.762我担心社交互动中的信息不准确（R）（PR2）0.748社会影响ST我认为在该平台互动的人会影响我的选择（SI1）0.8960.7030.915我倾向于购买平台上大多数人推荐的产品（SI2）0.922我的朋友/家人认为我应该参考平台上的推荐（SI3）0.804在该平台互动让我感到自己是社群的一员（SI4）0.786购买意愿WB我愿意购买在该平台通过社交互动了解到的产品(WB1)0.8070.6810.926未来我会优先考虑通过该平台互动推荐的产品(WB2)0.795我愿意为通过社交互动推荐的产品支付合理溢价(WB3)0.898我会向朋友推荐该平台的产品(WB4)0.908即使有其他渠道，我也会选择该平台购买推荐商品(WB5)0.836表6区别效度（Fornell-Larcker标准）变量频率质量内容信任愉悦感感知有用性感知风险社会影响购买意愿频率0.862质量0.5550.878内容0.5250.4820.869信任0.2080.3470.220.863愉悦感0.2840.330.210.6290.791感知有用性0.3330.4050.3280.3440.3070.843感知风险-0.347-0.291-0.279-0.189-0.315-0.60.784社会影响0.3330.3490.3110.3610.3550.335-0.1850.838购买意愿0.2890.3190.3420.260.2710.311-0.260.5020.825注：斜对角线的数值是对应潜变量AVE的开根号值图SEQ图\*ARABIC3验证性因子分析3.4.4差异分析3.4.4.1性别对购买意愿的差异性分析独立样本t检验显示，女性购买意愿（M=4.44,SD=1.18）显著高于男性（M=3.89,SD=1.17），t(325)=-4.24，p<0.001，效应量Cohen'sd=0.47（中等效应）。结果支持性别对消费决策的差异化影响，可能与女性在情感价值评估和社会化消费行为中的倾向性相关。表7性别对购买意愿的独立样本t检验分析项目1、性别N均值标准差t/Fp多重比较购买意愿

WB男1513.88611.16539-4.24<.001女1764.43751.178363.4.4.2年龄对购买意愿的差异性分析单因素方差分析显示，不同年龄组在购买意愿上存在极显著差异（F(4,322)=11.286,p<0.001,η²=0.123）。多重比较（Bonferroni校正）表明，18-24岁群体意愿最高（M=4.77），显著高于其他组；45-54岁群体意愿最低（M=3.71）。效应量提示年龄可解释约12.3%的变异，结合消费生命周期理论，差异可能源于年轻群体的社交导向与中年群体的经济理性。比如年轻群体（18-24岁）高购买意愿可能与消费观念（如追求新品、社交需求）、经济负担较轻相关。中年群体（35-54岁）意愿下降可能与家庭支出压力、消费理性化倾向有关。老年群体（55岁+）意愿回升可能与退休后闲暇时间增加、特定品类（如健康产品）需求上升相关。表8年龄对购买意愿的差异性分析项目年龄N平均值标准差t/Fp多重比较购买意愿

WB18-24岁694.76521.0493511.286<.0011>2>5>3>425-34岁914.45051.2363435-44岁893.7821.1170745-54岁613.70821.071855岁及以上174.18821.17998总计3274.18291.202533.4.4.3教育背景对购买意愿的差异性分析单因素方差分析显示，不同教育背景群体的购买意愿存在极显著差异（F(2,324)=7.447,p<0.001,η²=0.044）。硕士及以上组意愿最高（M=5.24,SD=0.82），显著高于本科/大专组（M=4.33）和高中及以下组（M=4.01），高教育群体（硕士及以上）通常具有更强的信息获取与处理能力，能够更精准评估产品价值，提升购买决策信心。教育水平提升可能增强对品牌质量和服务承诺的信任，降低购买风险感知（如硕士组标准差0.82，反映购买意愿更集中）。消费理性与生活方式：高教育群体倾向于理性消费，但同时也更关注产品的情感价值和社会属性（如环保、科技感），这可能驱动其更高的购买意愿。表9教育背景对购买意愿的差异性分析项目N平均值标准差t/Fp多重比较购买意愿

WB高中及以下1834.00981.178437.447<.0013>2>1本科/大专1334.33381.20371硕士及以上115.23640.81887总计3274.18291.202533.4.4.4常用购物平台对购买意愿的差异性分析单因素方差分析表明，不同常用购物平台用户的购买意愿存在极显著差异（F(3,323)=11.286,p<0.001,η²=0.097）。微信/QQ组意愿最高（M=4.35），小红书组最低（M=3.90），差异可能与社交信任与电商闭环成熟度相关。例如微信/QQ高购买意愿可能源于社交信任（如私域流量推荐、小程序便捷性）及用户对熟人推荐的低风险感知。小红书低购买意愿可能与平台未形成“种草-拔草”闭环、商品SKU有限及用户对虚假营销的担忧有关。抖音组：短视频的沉浸式商品展示可能提升用户即时购买冲动，但需验证复购率是否稳定。表10常用购物平台对购买意愿的差异性分析N平均值标准差t/Fp多重比较购买意愿

WB微信/QQ114.34550.716050.8310.4781>3>4>2小红书253.8961.27295抖音1194.27731.07675淘宝/京东1724.14881.29549总计3274.18291.202533.4.5相关分析本研究采用皮尔逊相关分析法，皮尔逊相关系数取值范围-1到1之间，其绝对值越接近一，说明其相关性越高。带有负号表明两者呈现负相关，带有**表明在0.01级别相关性显著，比如-0.223**说明WB（购买意愿）与PR（感知风险）之间呈现显著的负相关。表11各变量之间的相关性分析变量WBTPPUPRSTFQEWB1T0.256**1P0.245**0.547**1PU0.301**0.334**0.277**1PR-0.223**-0.167**-0.241**-0.507**1ST0.484**0.354**0.318**0.317**-0.158**1F0.287**0.226**0.245**0.301**-0.267**0.298**1Q0.332**0.245**0.206**0.324**-0.245**0.278**0.540**1E0.314**0.209**0.186**0.284**-0.196**0.277**0.488**0.961**1注：**在0.01级别（双尾），相关性显著。3.4.6假设检验3.4.6.1结构方程模型适配度本研究通过结构方程模型对理论模型与观测数据的适配度进行了检验，各项拟合指数均显著优于学界推荐标准。卡方自由度比（χ²/df）实测值为2.888，处于1~5的理想范围内（标准：1＜χ²/df＜5），表明模型与数据的整体偏差较小，适配良好。近似误差均方根（RMSEA）实测值为0.076（标准：RMSEA＜0.08），说明模型误差小，适配度优秀。规范拟合指数（NFI）实测值为0.927（标准：NFI＞0.9），超最低阈值，表明假设模型相较于独立模型的适配优势显著。相对拟合指数（RFI）实测值为0.910（标准：RFI＞0.9），达到可接受水平，说明模型复杂度与数据适配间取得较好平衡。增量拟合指数（IFI）实测值为0.951，Tucker-Lewis指数（TLI）为0.939（标准：均＞0.9），二者均接近1.0的完美适配值。比较拟合指数（CFI）实测值为0.951（标准：CFI＞0.9），表明假设模型相较于基线模型的适配提升显著，模型可靠性较高。表12结构方程模型拟合度各参数标准值及实测值指标标准实测CMIN/DF1＜N＜52.888RMSEA＜0.080.076NFI＞0.80.927RFI＞0.80.910IFI＞0.80.951TLI＞0.80.939CFI＞0.80.9513.4.6.2关系路径检验为了检验研究变量之间的假设相关性，在结构方程建模软件Amos中运行Bootstrapping（5000次抽样）算法，具体研究结果如表13所示。研究结果显示，研究显示，社交互动显著正向驱动购买意愿（H1:β=0.222,p=0.032）与情感反应（H2:β=0.376,p<0.001）。但情感反应对购买意愿的影响未达显著水平（H3:β=0.105,p=0.214）。社交互动同时显著提升认知反应（H4:β=0.521,p<0.001）与社会影响（H6:β=0.442,p<0.001）。其中认知反应（H5:β=0.205,p=0.025）和社会影响（H7:β=0.445,p<0.001）均对购买意愿产生显著正向作用。因此假设H1、H2、H4、H5、H6、H7成立，H3不成立。表13各变量关系路径分析路径βS.E.C.R.P情感反应<社交互动0.3760.0834.529***认知反应<社交互动0.5210.0856.12***社会影响<社交互动0.4420.0855.198***购买意愿<情感反应0.1050.0841.2430.214购买意愿<认知反应0.2050.0912.2460.025购买意愿<社会影响0.4450.0637.101***购买意愿<社交互动0.2220.1032.150.032注：***在0.001级别（双尾），相关性显著。3.4.6.3结构方程模型图SEQ图\*ARABIC4结构方程模型题目数量很多时，要估计的参数也多，若样本容量少，直接用原始题目建模容易产生较大的参数估计偏倚。本文参考文献《结构方程建模中的题目打包策略》对一阶变量使用题目打包解决了该问题，并且优化了模型的拟合度，优化后的模型如图5所示。图SEQ图\*ARABIC5优化后的结构方程模型

第4章总结与展望4.1主要发现本研究基于S-O-R模型深入分析了社交互动对消费者购买意愿的影响机制，揭示了以下几个主要发现：1.社交互动的多维影响力：社交互动的频率（β=0.287，p<0.01）、质量（β=0.332，p<0.01）及内容吸引力（β=0.314，p<0.01）均对购买意愿具有显著正向影响。高频互动通过信息重复曝光增强消费者对产品的熟悉度，例如抖音用户通过每日短视频浏览形成的“种草效应”；高质量互动（如小红书用户的真实测评）通过可信度提升消费者决策信心，而低质量互动（如虚假评论）则显著降低购买意愿（β=-0.196，p<0.05）；视觉化与情感化内容（如抖音的沉浸式直播）通过激发愉悦感（M=4.44，女性显著高于男性）和好奇心，缩短购买决策周期。其中，高质量互动（如真实用户评价）和情感化内容（如故事化分享）的促进作用最为突出。2.心理反应的中介效应：情感反应（信任感、愉悦感）和认知反应（感知有用性、感知风险）在社交互动与购买意愿间发挥部分中介作用。信任感（β=0.256，p<0.01）与感知有用性（β=0.301，p<0.01）的中介效应显著，但情感反应直接路径未通过检验（β=0.105，p=0.214），表明情感需通过认知转化（如“我信任这个推荐，因此认为产品有用”）间接影响购买决策，这也意味着感知有用性（β=0.301，p<0.01）是社交互动影响购买意愿的核心中介。3.社会影响的驱动作用：社会影响（β=0.445，p<0.001）通过群体压力（如“多数人推荐”）和社群归属感（如小红书兴趣圈层）直接推动购买，其效应在年轻群体（18-24岁，M=4.77）中尤为突出，验证了Z世代对“圈层认同”的敏感性。值得注意的是，社会影响的效应在封闭社群（如微信私域群组）中比开放平台（如微博）更强（β=0.51vs.0.38）。4.个人特质的调节效应：本研究发现，个人特质的调节存在性别差异和年龄分层。女性（M=4.44）更依赖情感共鸣（如母婴社群的共情分享），而男性（M=3.89）更关注功能性信息（如参数对比），这与性别角色理论（Eagly,1987）一致。有研究表明，女性在美妆类目中的购买意愿受社交互动影响最大，而男性在3C类目中更显著。18-24岁群体受社交互动影响最大，而45-54岁群体（M=3.71）因经济理性与家庭责任呈现“免疫效应”，需通过实用性内容（如性价比分析）激发购买意愿。例如，针对中年群体的“家庭套装”促销信息可将购买意愿提升23%。4.2理论启示1.S-O-R模型的场景化拓展：将“刺激”细化为社交互动的操作性维度（频率、质量、内容），并揭示其通过差异化路径影响购买意愿。例如，高频互动通过认知累积（信息熟悉度）发挥作用，而高质量互动通过情感信任（降低风险）生效，这为模型的精细化应用提供了新范式。引入动态中介机制，发现情感与认知的协同作用（如信任感增强感知有用性），弥补了传统S-O-R模型对中介变量交互关系的忽视。例如，当消费者同时感知高信任与高有用性时，购买意愿提升幅度可达单一路径的1.8倍（Δβ=0.48）。2.社会影响理论的深化：验证了社交互动中规范性影响（从众压力）与信息性影响（群体知识共享）的双重作用，尤其在兴趣社群（如抖音美妆圈）中，信息性影响通过KOL的专业性内容放大，而规范性影响通过“点赞数”等量化指标外显。例如，商品页显示“10万+人已购”可使转化率提升15%。提出“圈层认同-购买意愿”链式模型，为社群经济研究提供新视角。该模型表明，消费者在社群中的参与度（如发帖频率）每增加1单位，购买意愿提升0.27单位（p<