电商直播互动对消费者在线购买意愿的影响研究

第第页摘要随着电子商务与互联网的快速发展，电商直播通过实时互动、商品展示、疑问解答等形式，为消费者提供了一种全新的购物体验，不仅改变了传统的电商销售模式，还丰富了消费者的购物选择。电商直播的兴起，源于其独特的互动特点。在直播过程中，主播通过生动的展示和实时的互动，将商品信息传递给消费者，满足了消费者对于商品全面了解的需求。然而，尽管电商直播的互动性为消费者带来了全新的购物体验，但关于电商直播互动对消费者购买意愿的具体影响机制，研究尚显不足。本研究以信号理论和社会支持理论为基础，聚焦电商直播中的人际互动（主播-消费者、消费者-消费者）与人机互动，探究其通过社会支持的中介作用对消费者购买意愿的影响，并揭示人机互动控制性在其中的调节效应。通过文献梳理与实证分析，研究发现：首先电商直播中的人际互动信号能够显著提升消费者的社会支持感知，进而正向影响购买意愿，其次人机互动信号的控制性特征可有效调节人际互动与社会支持之间的关系，增强互动效果的传递效率，最后消费者与消费者之间的互动对购买意愿的促进作用强于主播与消费者互动。本研究构建了包含中介与调节变量的整合理论模型，实现了直播电商互动影响消费者在线购买意愿的途径的探索与创建，为优化直播电商的互动策略提供了理论依据与实践启示。关键词：电商直播；互动性；购买意愿；社会支持；人机交互AbstractWiththerapiddevelopmentofe-commerceandinternettechnologies,livestreaminge-commercehasrevolutionizedtheshoppingexperiencebyofferingreal-timeinteractions,productdemonstrations,andinstantQ&Asessions.Thisinnovativeapproachhasnotonlytransformedtraditionale-commercemodelsbutalsosignificantlyexpandedconsumers'purchasingoptions.Theemergenceoflivestreamingcommercestemsfromitsdistinctiveinteractivenature,wherehostsdynamicallypresentproductsandengagewithviewers,effectivelyaddressingconsumers'needforcomprehensiveproductinformation.Despitetheseadvancements,thespecificmechanismsthroughwhichlivestreaminginteractionsinfluencepurchaseintentionsremainunderexplored.Groundedinsignalingtheoryandsocialsupporttheory,thisstudyexaminesinterpersonalinteractions(host-consumerandconsumer-consumer)andhuman-computerinteractioninlivestreamingcommerce,investigatingtheirimpactonpurchaseintentionsthroughthemediatingroleofperceivedsocialsupportwhilerevealingthemoderatingeffectofhuman-computerinteractioncontrollability.Throughliteraturereviewandempiricalanalysis,thestudydemonstratesthatinterpersonalinteractionsignalssignificantlyenhanceconsumers'perceivedsocialsupport,therebypositivelyinfluencingpurchaseintentions.Furthermore,thecontrollabilityfeatureofhuman-computerinteractioneffectivelymoderatestherelationshipbetweeninterpersonalinteractionandsocialsupport,enhancinginteractionefficiency.Notably,consumer-consumerinteractionsexhibitastrongerpositiveimpactonpurchaseintentionsthanhost-consumerinteractions.Thisresearchestablishesanintegratedtheoreticalmodelincorporatingmediatingandmoderatingvariables,elucidatingthepathwaysthroughwhichlivestreaminginteractionsaffectonlinepurchaseintentions,whileprovidingboththeoreticalfoundationsandpracticalinsightsforoptimizinginteractivestrategiesinlivestreamingcommerce.Keywords:livestreaminge-commerce;interactivity;purchaseintention;socialsupport;human-computerinteraction

目录TOC\o"1-3"\h\u6860第一章绪论 670971.1概述 637791.1.1研究背景 685451.1.2研究意义 6324521.2国内外研究现状 7239551.2.1国外研究现状 7307711.2.2国内研究现状 8285061.2.3国内外研究评述 9123501.3研究内容与方法 9184901.3.1研究内容 9182351.3.2研究方法 9124271.4研究技术路线图 920504第二章相关研究理论基础 11296082.1互动性 1110892.1.1人际互动因素 1168582.1.2人机互动因素 1139982.2电商直播概述 1149972.2.1电商直播的定义及发展 12321532.2.2电商主播的定义以及分类 12182282.2.3电商直播的优势 12223532.3消费者购买意愿概述 1348352.3.1消费者购买意愿定义 13175052.3.2购买意愿与购买行为之间的关系 13193212.4信号理论 13191752.4.1信号理论的简介 1361872.4.2信号理论的应用研究 14288412.5社会支持理论 14321232.6本章小结 1420114第三章理论模型构建与假设提出 1613673.1模型建立 16288883.1.1基本假设 1654003.1.2模型建立 17290613.2电商直播下互动行为与消费者购买意愿关系 17185303.3本章小结 1826698第四章研究设计 1982594.1调查研究设计 19250134.2问卷设计 1940934.3问卷的发放与收集 20248944.4本章小结 2032090第五章实证分析 21196765.1描述统计分析 21144685.2信度效度分析 23220005.2.1信度分析 23204035.2.2效度分析 24211885.2.3收敛效度检验 2413285.2.4区分效度 2588255.3模型假设检验 26278425.3.1整体模型适配度检验 26311185.3.2路径分析 26176965.3.3调节效应检验 27117025.4本章小结 2828288第六章总结与展望 29264166.1主要结论 29291046.2不足与展望 2910246.3实践建议 29930参考文献 317159附录 33第一章绪论1.1概述1.1.1研究背景新冠疫情的爆发，使得人们的传统购物方式发生了改变，相对于线下购物，线上购物以其灵活性、无接触、安全性越来越受消费者的青睐，根据中国直播电商行业研究报告显示REF_Ref30973\r\h[18]，根据图1-1所示，中国直播电商用户规模一直在逐年增加，相较于2021年的3.8亿人以及网络购物用户规模的比例仅占47.3%，截至2023年直播电商的用户规模已经高达5.3亿人且网络购物用户规模增长至59.5%，这些数据表明，近年来直播电商领域经历了显著的规模扩张历程，其业务体量迅猛增长。图1-1(2021年6月-2023年六月直播电商用户规模及其占网络用户规模的比例)Fig.1-1(LiveStreamingE-commerceUserScaleandItsProportionofInternetUsersfromJune2021toJune2023)2021-2022年阶段，直播用户数量增长势头减弱，这一现象说明直播平台经过快速发展期后正步入稳定阶段，由此引发平台和主播双方竞争压力的显著增加，就吸引用户观看直播带货活动的策略而言，最终实现用户购买力的有效激活，作为直播领域运营者需要攻克的主要瓶颈，面对当前形势，怎样调动消费者对直播购物的积极性，引导观看者形成更强烈的消费意愿，自然成为直播平台与主播所要思考的问题。对直播带货商品信息掌握不足，导致消费者在购物决策时存在犹豫心理，化解窘境需依托人机互动过程中释放的有效信号。依托用户和主播的在线对话，顾客能快速掌握商品的关键属性，以此触发消费者的购物冲动，依托消费者实时交互的数字化痕迹，能引发潜在消费者的模仿倾向，间接调控消费倾向。采用直播形式带货期间，依托答疑并穿插互动游戏环节，主播与用户开展同步语音互动；用户借助弹幕发送实现主播与观众间的多向实时交流，实施电商直播期间，主播借助实时解答和游戏化互动途径，主动发起与消费者的即时互动；用户群体经由弹幕渠道实现，支持与主播实时互动，进一步实现观众间的体验共享与商品信息互鉴，协同发展动态化且强连接的社交互动共同体，依靠购买者间的中立评判，平台可以促进用户购物体验的升级，可促进市场公平竞争环境的形成。此类互动形式既提高了消费体验的趣味性，又强化了用户参与感，让消费者对商品有更充分的理解，该互动机制还能借由用户评价等方式维持到直播终止后，增强用户间的社交黏性，有利于提升直播电商平台的用户忠诚度和品牌推广效果REF_Ref24044\r\h[19]，但聚焦于直播电商情境，相关研究多采用主播素质、技术手段及场景变量，揭示了消费者购买意愿的潜在诱因，针对互动参与主体及核心要素对购买意愿的作用路径研究较为匮乏，当前学术讨论偏重主播端发起的单向性互动机制，要么仅针对顾客间的互动关系展开，对人机互动环节的分析较为薄弱。在现有阶段，现有研究对直播电商中的互动机制分析尚不充分，基于既有研究的系统整合，关注主播-消费者、消费者间以及平台-消费者之间的关系，阐释多种互动形式怎样依托特定传导路径改变直播用户的购买心理机制，期望借助本研究的理论整合与实证考察，提出直播电商优化的针对性对策与实施路径。1.1.2研究意义理论意义现有的研究多集中于主播特征或平台技术，而对与互动机制的系统性研究较为匮乏。本研究从人际互动信号（主播-消费者、消费者-消费者）和人机互动信号的角度出发，深度探究其影响途径，充实现有理论根基，本研究将信号理论、社会支持理论跟消费者行为等联合起来，搭建多维度分析架构，增强决策依据的可靠水平。现实意义电商直播的迅速崛起为我国经济发展提供了强大动力，电商直播营销以其互动性和真实性在一定程度上刺激消费者的消费行为，为了为优化电商直播间，本文通过探讨互动行为对消费者购买意愿的影响机制，构建具体的影响路径，通过收集数据进行实证分析为如何优化电商直播间提供具体可行的策略依据。1.2国内外研究现状1.2.1国外研究现状Harris等（1997）基于零售服务背景，通过实验研究了销售服务人员和客户的互动交流对客户在店服务体验期间的满意度，购买意愿和信誉的影响。研究结果表明销售服务人员与客户的互动交流对处于购买考虑阶段的顾客的满意度有正向影响REF_Ref5186\r\h[1]。Crosby等(1990)在人寿保险业背景下，探究了关系质量的前因和结果变量。研究结果表明，销售人员与客户之间交流沟通的程度会影响企业与客户的关系质量，而关系质量对顾客的忠诚度以及合作意向又有重要影响REF_Ref5280\w\h[2]。Bruce等（2007）基于文化的视角，构建服务接触与购买行为的假设模型。对从八个国家收集上来的数据进行分析，研究证实，服务人员与顾客之间的接触质量在大部分国家对顾客的购买行为具有正向影响REF_Ref5319\w\h[3]。随着互联网的普及，学者们开始研究网络环境下互动与消费者行为之间的关系。Jee&Lee（2002）测量了互动性，研究表明互动性与购买倾向呈正相关关系，而这种正相关关系是以网络用户对于网站的态度为中介变量的REF_Ref5375\w\h[4]。Sicilia等（2005）对比了交互式网站与非交互式网站，目的是了解网站的互动性能否通过流体验对购买可能性产生影响。研究表明，互动性对于消费者的流体验能够产生积极影响，使顾客产生购买意愿和成交可能性REF_Ref5512\w\h[5]。Kim(2009)的研究中发现了信息收集不充分会提高消费者的风险意识，而弥补这一劣势的方式之一就是通过与消费者的沟通互动来建立这方面的信任，互动性越强，信任就越能够影响购买意愿REF_Ref5541\w\h[6]。综合上述研究，不难发现用户的在线实时互动明显地提升了用户的满意度，有效促进其购买行为。1.2.2国内研究现状用户积极参与互动是电商直播深度发展的基础REF_Ref473\r\h[7],互动性是一个复杂的多维变量，不同研究领域、研究背景、研究内容、研究视角下学者对互动性维度的具体划分并未达成一致的建议。通过梳理相关文献发现，互动性的划分主要以互动对象、互动要素为主。不同于外国学者的二维度的交互对象划分法，王永贵等（2013）将顾客互动性分为三种：一是产品互动，涉及顾客围绕产品、品牌及其相关知识的互动讨论；二是人际互动，发生在虚拟社区的成员间涉及他们之间的沟通与交流；三是人机互动，描述了消费者通过计算机与论坛网页的超链接内容之间的互动，包括浏览社区内容、使用和评价社区功能的过程REF_Ref539\r\h[8]。在电子商务环境下，唐嘉庚（2006）将互动性分为顾客与网站间的互动、顾客与在线供应商之间的互动以及顾客相互之间的互动REF_Ref607\r\h[9]。根据互动性要素维度划分是不统一的。例如，Xue等(2020)将社交电商情境下的互动性分为五类，即个性化、响应性、趣味性、互助和感知控制性；Zhang等（2020）将互动质量分为响应性、实时互动和共情REF_Ref666\r\h[10]；Kang等（2021）立足动态视角，分析直播电商中主播互动（即时响应和个性回复）对顾客参与行为的动态影响路径，进而分析了关系强度在两者关系中的中介功能。网络直播的本质在于互动性REF_Ref715\r\h[11]。对于互动性，不同的学者有不同的界定，袁海霞等（2022）将主播与消费者的互动划分为产品互动和人际互动，研究这两类互动对直播电商购买意愿的影响REF_Ref787\r\h[12]；张展毓（2022）分别讨论了人际互动和人机互动的不同特征，旨在全面剖析各互动对象的互动特性，并深度探究这些互动特征如何交织融合REF_Ref859\r\h[13]；赵宏霞（2015）将互动性界定为消费者在与其他消费者互动过程中，所获得的知识与经验帮助的水平REF_Ref931\r\h[14]，与传统的单向网络购物不同，电商直播场景中，观众、主播以及其他观众都在同一直播空间内能够实时互动和交流，系统实时反馈主播的受关注水平和在线用户规模，且实时反馈其他观众的消费轨迹与社交互动，从而让直播呈现出实时化、可视化、深度互动与及时回应的优势，现有文献充分证明研究证实直播互动与消费者情感唤起、购买意向呈强正相关。陈海权等认为直播网红的互动性特征能够影响消费者的感知价值，进而影响购买意愿REF_Ref983\r\h[15]；张宝生等认为电商直播的互动性特征会直接影响消费者的购买意愿，也会通过消费者感知的中介作用对购买意愿产生影响REF_Ref1032\r\h[16]；郑兴（2019）把主播分为关系导向型和任务导向型研究了主播互动类型对消费者冲动购买意愿的影响REF_Ref1097\r\h[17]，结果表明相对于任务导向型主播来说，关系导向型主播产生的影响更强；在直播平台背景下，Zhang等（2020）探讨了互动质量（响应性、实时互动和共情）对Swift关系和顾客购买意向的影响REF_Ref666\r\h[10]；Kang等（2021）从动态的角度研究主播互动（响应性和个性化回复）在直播电商中对顾客参与行为的动态影响，并探讨了关系强度在互动性和顾客参与行为之间的中介作用。1.2.3国内外研究评述既往研究显示，初期探讨互动对消费者行为影响的研究主要覆盖零售业及保险业，从实体店买卖双方的互动关系切入消费者行为研究，互联网浪潮席卷全球之际，互联网环境下的用户交互与消费之间的关联引发探讨，现有探讨直播购物意愿的实证研究，主要聚焦于分析主播特质、平台技术要素及直播场景特性对用户决策的作用，电商直播特定环境下互动层面的系统性探究相对薄弱，成为学界亟需突破的认知盲区，本文着重剖析主播互动的内在机理观众互动行为的多元维度，解析其对顾客购买倾向的作用机制并用于指导实践。1.3研究内容与方法1.3.1研究内容本文旨在探讨电商直播情境性，两类人机互动信号如何通过社会支持理论去影响消费者的购买意愿，以及人机互动信号起到的中介调节作用，从而形成电商直播间的实用优化方案，本研究按以下结构展开：第一章从研究背景、学术意义和现有研究三个方面展开说明，进而厘清了本文的研究范畴与方法路径。第二章从理论层面阐述了电商直播的互动信号机制、用户购买意愿，以及信号理论与社会支持理论的关联性。第三章开发了针对购买意愿的量化模型，包含模型的基本假设及其求解方法，进而阐释互动行为对消费者购买意愿的作用路径。第四章调查问卷编制及数据采集工作。第五章对收集的数据进行实证分析，并且验证模型的可靠性。第六章对全文进行总结，并且提出本文的局限与不足之处。1.3.2研究方法文献分析法。通过收集国内外学者有关电商直播互动对消费者在线购买意愿的影响研究的相关资料，并对他们进行分析总结，为本文研究提供了理论依据。模型分析方法。通过分析消费者与消费者、消费者与主播以及消费者与平台之间的互动信号构建理论模型，探讨影响路径。实证分析方法。利用SPSS分析问卷数据，根据分析结果提出优化建议。1.4研究技术路线图基于信号理论以及社会支持理论的电商直播互动行为对消费者购买意愿的研究基于信号理论以及社会支持理论的电商直播互动行为对消费者购买意愿的研究研究思路提出问题方法依据问题求解绪论研究问题国内外研究现状理论基础信号理论社会支持理论构建模型及求解消费者购买意愿模型实证分析描述性统计信度效度分析结论与建议对策与结论研究问题国内外现状信号理论社会支持理论图1-2(研究技术路线图)Fig.1-2(ResearchTechnologyRoadmap)

第二章相关研究理论基础2.1互动性2.1.1人际互动因素互动性被认为是影响消费者认知和情感状态的重要因素，感知到互动体验的观众会对直播间产生亲密感，减少其不确定性和消费疑虑，进而产生消费意愿REF_Ref24831\n\h[20]，人际互动因素主要是指两类因素，第一类因素是消费者与主播之间的互动因素，消费者通过实时弹幕向主播提出关于产品功能、使用体验、性价比等方面的具体问题。经验丰富的主播会即时捕捉这些信息需求，通过专业的产品演示、功能对比和场景化讲解等方式给予针对性回应，及时消除消费者与主播之间的信息不对称的障碍，从而使消费者消除认知盲区，同时主播及时回答消费者提出的问题，可以与消费者在互动中建立的情感联结增强了消费者的归属感，刺激消费者消费。消费者与主播之间的信号有以下三个特征，首先是响应性，即主播及时对消费者所提出的问题给出反馈，其次是娱乐性，主播可以通过趣味游戏、福袋等形式将消费者留在直播间，最后是个性化，主播根据消费者的需求可以个性化的像消费者推荐产品。第二类信号是指消费者与消费者之间的互动信号，它体现为一种互助性，当新消费者提出产品疑问时，已购用户会基于真实使用体验提供多维度的反馈，包括：产品的长期使用效果、不同场景下的适用性、与竞品的实际对比等，通过真实的用户反映与客观评价，消费者可以突破商家单方面宣传的信息局限，了解到该产品更多的隐藏信息，从而达到全面认识产品的目的，同时多元用户的集体评价形成的社会认同效应也会影响购买意愿。最后真实的使用案例降低了消费者的感知风险从而进一步影响消费者的购买意愿。2.1.2人机互动因素人机互动信号是指消费者与电商直播平台之间的信号，这种信号主要体现为控制性，属于一种中介调节作用现有相关文献对于控制性的定义有许多区别，Liu等（2002）研究表明，系统与用户之间的互动性体现在用户参与控制系统及调整内容的能力与程度上REF_Ref4813\r\h[21]。Wu等（2006）研究表明控制性具体指的是访问者在对网站导航、对互动节奏以及对所访问内容的主观控制程度，即对网站复杂导航架构的操作主权、对互动流程速度与节奏的个性化定制能力以及对信息内容的主观控制感REF_Ref4869\r\h[22]。Song等（2008）研究表明，控制性体现了消费者在与网站互动时的心理状态，即他们觉得自己对整个互动过程有多大的控制权REF_Ref4934\r\h[23]。在互联网环境中，Jiang等（2010）将控制性定义为网站允许用户在控制产品信息显示方面的灵活度和自由度，表现为用户能够选择和定制信息流的能力REF_Ref4993\r\h[24]。Xue等（2020）对控制性的定义是用户对自己能够在网站上自主决定浏览路径、与谁交流、使用哪些功能以及如何使用内容的能力的认知REF_Ref5048\r\h[25]。基于前人的研究基础，本文将控制性主要定义为，消费者在选择观看直播时具有高度的自主控制权，消费者可以根据自己的喜好以及需求选择自己感兴趣的产品的直播间并进行购买决策。2.2电商直播概述2.2.1电商直播的定义及发展随着科技的的不断进步，电商直播在国内外都发展迅速，国内直播电商行业的发展经历了从兴起、爆发到现在的成熟阶段。国内直播电商市场规模持续扩大，用户需求主要集中在高互动性、强娱乐性以及丰富的内容上，同时用户对直播带货的偏好也较为明显，如性价比高、商品优劣有保障、购物体验好等。国际市场上直播已经成为一种非常有效的电商方式，研究表明直播对电商的影响巨大，可以带来更多的流量和销售额。随着电商渗透率的不断提高，全球电商销售额预计将持续增长。美国市场表现尤为突出，成为了跨境电商卖家们重点关注的市场。中国电商采取出海策略，利用在制造业供应链的深厚积累和电商运营的丰富经验，使得国内玩家在全球直播电商市场中崭露头角，一些直播电商企业已经开始布局海外市场，通过投资、并购等方式拓展国际业务。通过这样的战略布局，中国品牌在海外的知名度和影响力正逐渐提升，加速了品牌国际化进程。2.2.2电商主播的定义以及分类随着电商直播的快速发展，电商主播也渐渐的被越来越多的人关注和熟悉，电商主播作为产品与消费者之间的桥梁发挥着至关重要的作用，通过主播对于所售商品进行讲解与推销，从而使消费者掌握充分的产品信息，刺激消费者的消费。电商主播可以从身份背景、内容风格、合作模式三个角度进行分类，按照身份背景主播可以分为职业主播、明星/网红主播、商家自播（品牌主播），职业主播全职从事直播带货，签约MCN机构或平台，专业性强，比如李佳琦，明星/网红主播利用自身粉丝影响力带货，跨界进入电商直播比如贾乃亮，商家自播（品牌主播）则由品牌方员工或代言人直播，专注自家产品比如电子产品以及美妆产品的官方直播间。按照内容风格主播可以分为导购型主播 ，这类主播侧重产品功能讲解，专业性强，类似“线上销售员”比如美妆、家电类，娱乐型主播他们以幽默、互动为主，弱化推销感，增强观众粘性，场景化主播，这类主播结合使用场景（如厨房、户外）演示商品比如家居、运动装备、旅游产品等相关品牌。按照合作模式主播可以分为平台签约主播、MCN机构主播、独立主播，平台签约主播通常与淘宝、抖音等平台绑定，享受流量扶持，如罗永浩签约抖音。MCN机构主播由专业团队运营，提供选品、策划支持，如东方甄选团队的主播。独立主播主要是个人运营，依赖私域流量或平台自然推荐，比如小红书种草博主转型。2.2.3电商直播的优势电商直播作为一种新兴的销售模式，通过实时互动和场景化展示，有效解决了传统电商“图文不符”的信任难题。主播现场试用商品、即时解答疑问，配合其他消费者的实时反馈，缓解消费者的信息不对称的问题，显著降低了消费者的决策成本。这种模式将购物体验娱乐化，主播通过才艺展示、幽默互动等方式营造轻松氛围，再结合限时抢购、限量优惠等促销手段，成功激发了消费者的冲动购买欲望。促进经济的有效增长。对商家而言，电商直播大幅优化了营销效率。平台算法精准匹配目标用户，有利于商家针对性的为客户推销产品，从而增大销量带来经济收益，与此同时，相较于传统电商的静态展示和线下零售的高成本，电商直播融合了双方的优点，既具备线下的人员讲解和实物展示，又拥有线上的流量优势和数据分析能力。随着5G、VR等技术的成熟，直播电商正在向沉浸式购物体验进化，在为消费者带来更好购物体验的同时，也能够进一步的增加平台收益。2.3消费者购买意愿概述2.3.1消费者购买意愿定义消费者购买意愿是指消费者在特定情境下对某一产品或服务所表现出的主观购买倾向或行为，反映了消费者从认识产品到最终做出够买决定的心理活动过程。它能够在一定程度上预测实际购买行为，但同时它也会受到外部因素如预算、替代品等的干扰。购买意愿通常是基于个人需求、偏好、品牌认知以及情感态度形成的。2.3.2购买意愿与购买行为之间的关系购买意愿与购买行为之间存在着紧密而复杂的关系，二者并不完全等同。购买意愿是消费者在心理上对某一产品或服务表现出的购买倾向，它是一种购买行为前的态度或打算，而购买行为则是实际发生的交易活动。一般来说，购买意愿是购买行为的基础，只有消费者拥有比较强的购买意愿才会更有可能发生购买行为，但这种关系也不是绝对，因为消费者的决策过程可能受到多种现实因素的干扰。例如，即使消费者对某款新产品表现出强烈的购买意愿，但由于自身的资金预算、竞品促销或购买方式不便等外部阻碍因素，最终可能不会转化为实际的购买行为。反过来，某些购买行为也可能并不都是由购买意愿所导致的，比如冲动消费或紧急需求下的购买，消费者可能事先并没有强烈的购买意愿由于突发状况可能会购买某类产品。此外，消费者的购买意愿和实际行为之间还可能存在时间延迟，比如消费者可能会由于价格等一些列因素对于是否购买某产品有所犹豫，此时消费者内心已经产生了购买意愿但未付诸实际行动，一旦条件允许，消费者可以会立刻购买心仪的产品，这也是为什么在电商直播购物中仍有购物车的存在。2.4信号理论2.4.1信号理论的简介信号理论起源于Akerlof（1970）在其著作《柠檬市场：质量不确定性与市场机制》中对逆向选择问题的探讨REF_Ref31376\r\h[26]，Akerlof通过对于二手车市场交易活动进行研究，发现了买卖双方的信息不对称的问题，这种信息不对称导致了优质车逐渐流出二手车市场，二劣质车则在二手车市场盛行。在消费市场上，由于买卖双方掌握的产品信息存在不平等的情况，卖方通常对产品的质量等信息了解远超过买方。为了促进交易的顺利进行，卖方往往会主动向买方展示产品的真实质量信息，这个行为称为信号发送，它的目的是防止买方因缺乏对产品的全面认识而转向竞争对手REF_Ref809\r\h[27]。同时，买方也会通过不同的途径和信号特征，努力获取尽可能多的产品信息，在搜集产品信息的过程中，更加全面、完整和真实的产品信息将成为消费者做出购买决定的关键标准REF_Ref848\r\h[28]。宋苏娟等（2021）研究发现在电商市场中，消费者倾向于依赖评论者信用等级作为其可信度的信号，以判断评论的有用性REF_Ref884\r\h[29]。2.4.2信号理论的应用研究信号理论从创建至今在研究信息不对称领域发挥着重要的作用，彭芳基于国际政治信号传递理论着手，以信号传递与接收关涉的行为主体分析金砖合作信号传递与甄别的多元逻辑REF_Ref3496\r\h[30]，池毛毛等（2020）以信号理论为理论框架，以小猪短租平台上的房源数据为研究对象，选择了用户生成定性信号（在线评论）和用户生成定量信号（在线评分）作为自变量，同时引入平台认证信号（优品认证）作为调节变量，构建了房客可持续消费行为的影响机制模型REF_Ref848\r\h[28]，齐托托等（2022）基于信号理论以在行平台为研究对象，选择了流行度信号（评论数量）、质量信号（评论效价）和信息量信号（评论长度、卖家认知度、用户体验度）作为自变量，同时卖家信号（卖家回复率）作为调节变量，构建了知识付费产品购买决策影响因素模型REF_Ref3447\r\h[31]，叶斯珩基于信号理论探究了消费者对于老字号品牌的了解情况REF_Ref7225\r\h[32]，郑杰文和刘洪伟利用信号理论将电子商务平台中的质量信号机制分类为与在线商店特征有关的机制。进而探究在线商店购买转化率REF_Ref8359\r\h[33]。2.5社会支持理论社会支持探索最初是在康复医疗以及心理健康的背景下展开，此理论认为，个体依靠社会关系网络（如家庭、朋友、社区之类）获得的情感、信息、物质等方面的支持，能协助个体应对压力、提高心理适应能力，从而促进身体与心理的健康以及社会功能的拓展，该理论着重表明，社会支持不光可减轻压力引发的不良后果，还可强化个人的自我效能感与归属感，由此提升生活质量和行为水平，经过对相关文献的梳理可发现，社会支持一般被认为包含多个角度。秦芳（2019）对电子商务直播方面进行了研究，探讨电商直播技术特征对消费者在线购买意愿的影响，将消费者获得的社会支持分为信息支持和情感支持，信息支持通常涉及提供建议或知识，以促进认知上的理解，帮助个体应对或解决问题；而情感支持则关注于提供情感上的关怀，包括关心、理解和共情等情感体验REF_Ref12405\r\h[34]。XiaoQ等（2022）使用社会支持理论对移动平台或网站平台的消费者在线评论意愿进行探究，将电子商务平台的社会支持分为信息支持和情感支持，信息支持是帮助消费者完成特定任务或目标的功能和资源，情感支持是通过在线社区和即时消费者护理服务等形式鼓励社会互动和情感需求响应的资源和功能REF_Ref12973\r\h[36]，张海霞、洪俊玲、曾燕纯基于社会支持理论，从情感支持和信息支持两个维度探讨了社交电商中的专业生产内容对大学生购买意愿的影响机理REF_Ref12480\r\h[35]。基于上述相关研究的基础，本研究也将从信息支持以及情感支持两方面研究电商直播互动影响消费者购买意愿的具体路径，主播通过及时回答消费者的问题不仅可以为消费者提供信息支持，如产品详细信息，也可以为消费者提供情感支持，让消费者产生被关注感，从而刺激消费，消费者与消费者之间通过分享产品体验和相关信息同样也会产生信息支持以及情感支持。2.6本章小结本章围绕电商直播互动性与消费者购买意愿的关系，系统梳理了相关理论与研究进展。从互动性视角切入，分析了人际互动（主播-消费者、消费者间互动）与人机互动（平台控制性）对消费者决策的影响机制。人际互动通过响应性、娱乐性和个性化特征增强信任，而消费者间的互助性互动则通过信息共享减少信息不对称，人机互动则强调消费者在直播中的自主控制权，影响其信息获取效率与体验流畅度，通过对于理论以及相关概念的梳理与定义，为下面设计问卷以及完成实证分析奠定基础。

第三章理论模型构建与假设提出3.1模型建立3.1.1基本假设在电商直播互动过程中，主播通过及时的对消费者所提出的疑问给予响应可以使消费者掌握充分准确的产品相关信息，这种互动机制在一定程度上提高了互动的体验，不仅让消费者获取到了所需信息，同时也让消费者产生被关注感，从而在满足关注感的情感需要，加强消费的购买意愿，因此本文提出以下假设：H1a：响应性与消费者信息支持之间存在正向关联H1b：响应性显著提升消费者的情感支持水平消费者在直播间是否进行消费很大程度上取决于个性化需求是否得到满足，主播根据消费者的需求特征对其个性化的推荐产品不仅能让消费者了解不同的产品信息，而且会使消费者感受到被重视与尊重，这样同样会增强消费者的互动体验，刺激消费者消费，据此本文提出以下假设：H1c：定制化内容对用户信息支持产生积极影响H1d：个性化显著提升消费者的情感支持水平Xue等（2020）指出，当带货主播互动过程中融入娱乐元素，如游戏化互动、趣味性内容等形式，消费者的参与热情显著提高REF_Ref5356\r\h[37]，主播通过风趣幽默、简单易懂的语言沟通以及灵活的产品展示方式，在延长消费者在直播间的停留时间同时也会使消费者更好的理解产品信息，轻松愉快的直播氛围可以让消费者感到放松，再结合对话交流式的产品介绍更容易让消费者产生情感上的共鸣，进而激发购买意愿，据此，本文提出以下假设：H1e：娱乐性因素与信息支持呈正相关关系H1f：娱乐性显著提升消费者的情感支持水平互助性是指消费者之间的信息分享，通过直播间内消费者与消费者之间的疑问解答，体验分享，会使消费者了解到更多的产品相关信息，同时较好的产品体验感，也会使未使用过该产品的消费者产生从众心理，因此，本文提出以下假设：H2a：互助活动正向关联消费者的信息支持行为H2b：情感支持水平随互助性提高而上升在电商平台上，主播通过详细的商品展示以及疑问解答使得消费者充分了解到产品信息，这一信息传递的过程使得消费者获得信息支持，与此同时主播除了传递信息以外还更容易触及消费者的情感，满足消费者的情感需要，当消费者获得了信息支持以及情感支持以后，就会倾向于在直播间进行购买决策，因此基于以上分析，本研究提出了相应的假设：H3a：信息支持与消费者购买意愿呈正相关关系H3b：情感支持与消费者购买意愿呈正相关关系在电商直播互动中，除了直接的人际互动，还有间接的人机互动，人机互动信号主要表现为控制性，控制性主要指的是平台是否很容易被消费者所使用、互动功能设计完善程度、消费者是否能方便地使用平台进行沟通和交流等REF_Ref5356\r\h[37]，当消费者选择通过直播间进行购物时可能会出现感兴趣的商品主播当下未讲解的情况，如果平台在商品的详情页加入之间的直播讲解，则与无详情视频的商品相比会大大增加消费者购买欲，人机信号作为一种内部信号，有效的促进了人际信号的传递，在引导消费者做出正确决策方面起至关重要的作用，两种信号一旦有效的结合在一起则会影响消费者的社会支持，进而促进消费者的购买意愿，所有在上述分析的基础上，提出以下假设：H4a：响应性作为控制性正向调节对情感支持的中介H4b：消费者信息支持受控正向调节响应性的效应分析H4c：控制性正向调节在个性化与情感支持间的中介作用H4d：个性化对消费者信息支持的影响存在控制性正向调节H4e：控制性正向调节作用对娱乐性与消费者情感支持间关系的影响H4f：娱乐性经由控制性调节正向影响消费者的信息支持H4g：控制性正向调节在互助性与消费者情感支持间的中介作用H4h：控制性正向调节下互助性对信息支持的影响路径3.1.2模型建立主播与消费者间的信号响应性娱乐性个性化主播与消费者间的信号响应性娱乐性个性化消费者与消费者之间的信号互助性人机互动信号控制性社会支持理论信息支持情感支持消费者购买意愿图3-1(研究模型图)Fig.3-1(ResearchModelDiagram)3.2电商直播下互动行为与消费者购买意愿关系由上述模型可以初步得出电商直播互动与消费者购买意愿之间存在显著的正向关系，通过两类人际互动信号以及人机互动信号的共同作用可以有效的促进消费者的购买意愿，在电商直播中，主播通过实时问答、弹幕互动以及点赞抽奖等即时反馈手段，不仅能够解答消费者的信息问题，还能营造活跃的参与感，延长用户停留时间，从而增加购买的可能性。同时，主播的个性化表达和观众的实时互动创造了一种“社交临场感”，使消费者在观看过程中产生类似熟人推荐的信任感，而其他用户的正面评价（如“已下单”“效果很好”）则进一步强化了社会认同，推动从众消费。与此同时人机互动信号中的控制性的调节作用也能够有效的优化消费者的购物体验，使得消费者在获得足够多的信息支持以及情感支持，从而进一步的促进消费者的购买意愿。3.3本章小结本章基于电商直播互动与消费者购买意愿的关系，构建了理论模型并提出相应假设。研究认为，电商直播中的互动行为通过信息支持和情感支持两条路径影响消费者的购买决策，同时人机互动信号（控制性）在其中起到调节作用。人际互动信号（包括响应性、个性化、娱乐性、互助性）直接影响消费者的所获得的情感支持以及信息支持。主播的快速响应（H1a,H1b）、个性化推荐（H1c,H1d）、娱乐化表达（H1e,H1f）以及消费者间的互助交流（H2a,H2b）均能增强消费者的信息掌握和情感满足，进而提升购买意愿（H3a,H3b）。人机互动信号（控制性）作为调节变量，优化了人际互动的效果。良好的平台交互设计（如商品详情页嵌入直播回放、便捷的弹幕互动功能）能够强化响应性、个性化、娱乐性和互助性对消费者信息支持和情感支持的促进作（H4a-H4h）。上述假设以及模型的构建为后续实证分析提供了理论基础，同时也为电商平台优化直播互动设计（如提升主播响应速度、增强娱乐性、完善平台功能）提供了实践指导。

第四章研究设计4.1调查研究设计研究以主播端发出的消费者互动信号为自变量：即时互动、量身定制、娱乐效果，顾客间动态交互标识：平台互动维度：采用社会支持这一中介变量，此变量由情感支持与信息支持两大要素构成，系统剖析直播场景下消费者购买意愿的驱动路径；因变量设置为购买意愿。具体来说，主播针对用户需求、提问及评论的快速精准反馈能力是响应性的核心衡量指标，其本质是系统响应不同用户细分偏好的能力体现，娱乐性特征表现为营销过程中主播采用的趣味化呈现方式，互用户通过直播间建立的助性联结，主要体现在彼此支持、资源共享和疑难咨询等互动维度，用户自主决策权限的大小直接反映控制性强弱，情感支持体现为直播购物时消费者感知到的主播及观众的双向关怀行为，直播电商情境的信息支持，体现为消费者感知到的主播与共同观看者的信息支援。购买意愿反映消费者对某类产品或服务的购买心理倾向。综合前文分析，研究变量的操作化测量采用以下条目，响应性构念的测量题项含：主播能及时处理我的提问，高效提供相关信息，回应内容与问题直接相关，且表现出互动热情，个性化对应的测量项目有：用户观看直播期间，直播推荐的产品与我的兴趣相契合，主播选取的商品与我的消费需求相吻合、在直播期间，主播结合我查看的产品状态，给予专业推荐、在直播期间，直播推荐的产品与我的偏好高度匹配，针对娱乐性的测度题项有：主播主动发起娱乐互动，设置有趣环节促进用户互动，主播以诙谐风格介绍产品具体参数，包含实用又有趣的产品用法，配合主播开展娱乐互动能获得满足感，产品说明过程引人入胜，互助性对应的测量项目包含：消费者评价给予我实质性帮助，弹幕平台支持我分享购物体会，可同主播和其他观看者互动交流，从其他观看者那里得到有价值的信息和参考经验，与控制性相关的测评题项为：观看直播时能自主选择内容，对应用程序显示的信息掌握主导权，可调控商品浏览顺序，支持回放特定产品介绍，信息支持层面的评估题项有：观看直播时若产生疑问，电商直播的参与者们（含主播）会及时填补我的信息缺口，主播与观众会通过直播间为我提供有效信息，尤其在产生疑惑时，若在直播间产生购物问题，主播与其他观众将给予建议，直播间的参与者（主播及观众）能帮我剖析问题根源，情感支持层面的评估题项有：存在疑虑时，产生困惑时，可从直播间获得情感关怀，遇到疑惑可从直播间得到心理支持和答案澄清，面对疑惑时，直播间成员会展现出对我的关心，我能获得直播间其他用户的倾听支持，对购买意愿进行测量的题项有：存在消费直播推荐品的意向、对直播间商品表示接纳态度、会思索在该平台的购物行为、正筹备采购主播推广的货品。4.2问卷设计基于对上述信号的衡量变量，问卷可以分为三个部分，第一个部分是问卷的名称以及本次调查的目的，即探究人际互动信号以及人机互动信号对于消费者在线购买意愿的影响。第二个部分是收集消费者的个人信息以及消费者对于直播电商的大概使用情况，如近段时间内是否使用电商直播进行购物，以及购买的产品倾向于何种类型等。第三部分则是问卷的主体部分，主要是消费者对于各个题设进行回答，收集不同信号的量化的数据，用于研究不同的互动信号具体如何影响消费者的购买意愿。4.3问卷的发放与收集为提高调查数据的可靠性，本调查以观看过电商直播的用户群体为研究对象，采用针对性标准选取合格的调研对象，采用筛选题目优化样本选择，从业领域筛选，以便去除不符合资格要求的调查对象，进而提升研究数据的可靠性和有效性，采用“问卷星”系统，经过信效度考核的题目由研究转为网页版问卷，并借助微信朋友圈、QQ空间、电商平台粉丝群及微博等社交平台分发问卷链接，以增加样本多样性及拓展受访群体覆盖面。经过大规模的分发问卷，总共收到了421份问卷，基于问卷数据接下来预计进行实证分析，探讨影响途径。4.4本章小结本章围绕主播跟消费者、消费者之间以及平台互动信号对消费者购买意愿的影响机制进行研究，按照社会支持理论，构建起以响应性、个性化、娱乐性、互助性和控制性为自变量的理论框架，情感支持与信息支持作为中介变量，把购买意愿当作因变量的理论模型，通过梳理各变量的衡量标准，构建了对应的问卷题项，确保研究变量既科学又可度量。问卷设计分为三个部分：第一部分介绍研究的背景和目的；第二部分对消费者的人口统计特征及直播电商使用情况进行收集；第三部分为关键的量表题项，用以测算不同互动信号对购买意愿产生的实际影响，在数据采集阶段，研究依靠“问卷星”平台实施问卷发放，还借助社交媒体平台扩大样本覆盖面积，最后收回421份有效问卷，为后续实证分析搭建了数据基础。本章所做的研究设计为探索直播电商情形下消费者购买意愿的影响路径提供了系统数据支撑，之后会凭借收集的问卷数据，借助统计分析手段再进一步验证理论模型合理性，剖析互动信号借助社会支持的中介作用影响消费者购买决策的方式。

第五章实证分析5.1描述统计分析人口描述性分析表1样本描述性统计Tab.1Descriptivestatisticsofsamples题目选项频率百分比个案百分比您的性别男20046.90%46.90%女22653.10%53.10%您的年龄18岁及以下8520.00%20.00%19-25岁8119.00%19.00%26-35岁399.20%9.20%36-45岁11326.50%26.50%45岁以上10825.40%25.40%您的受教育程度初中及以下7417.40%17.40%高中/中专8820.70%20.70%大专4610.80%10.80%本科12930.30%30.30%硕士及以上8920.90%20.90%您的月收入为1000元及以下11727.50%27.50%1001-3000元5613.10%13.10%3001-5000元13832.40%32.40%5000元以上11527.00%27.00%您的职业全日制学生13832.40%32.40%事业单位/国企工作人员276.30%6.30%专业人员（医生/教师/程序员/律师/技术人员等）296.80%6.80%私企/公司一般职员327.50%7.50%个体户业主399.20%9.20%自由职业者8820.70%20.70%其他7317.10%17.10%您是否有过观看电商直播的经历？是19144.80%44.80%否23555.20%55.20%您每周观看电商直播的频率5次以上6916.20%16.20%4-5次9121.40%21.40%2-3次15837.10%37.10%2次以下10825.40%25.40%请选择您最近一次浏览的直播平台淘宝直播6114.30%14.30%抖音直播8620.20%20.20%小红书直播5613.10%13.10%微信直播11827.70%27.70%其他10524.60%24.60%您在观看电商直播的过程中有购买过产品吗？5次以上7016.40%16.40%3-4次10324.20%24.20%1-2次15135.40%35.40%从来没有10223.90%23.90%观看/购买的产品类型鞋服/配饰31516.30%73.90%美妆/护肤30115.60%70.70%生鲜/食品27914.40%65.50%家电/数码25012.90%58.70%图像/音像23612.20%55.40%家居/家装21311.00%50.00%汽车/住房1839.50%43.00%旅游/酒店1588.20%37.10%由上表可知，样本在性别结构上较为均衡，男性占46.9%，女性占53.1%。年龄分布中，36-45岁的受访者比例最高，占26.5%，其次是45岁以上（25.4%）和18岁及以下（20.0%），表明样本群体以中年与青少年为主。受教育程度方面，本科及以上学历者比例较高，本科占30.3%，硕士及以上学历占20.9%，显示整体受教育水平较高。在月收入分布上，3001-5000元的群体占比最多（32.4%），其次是1000元及以下（27.5%）和5000元以上（27.0%），呈现中等收入为主的特征。职业分布显示，全日制学生比例最高（32.4%），自由职业者（20.7%）和其他职业（17.1%）次之，反映出样本中年轻及灵活就业人群占比较大。在观看电商直播行为上，有44.8%的受访者表示有观看经历，而55.2%的人则表示未曾观看。观看频率方面，2-3次/周的受访者比例最高（37.1%），显示适度观看者占主导。最近一次浏览的平台以微信直播（27.7%）和抖音直播（20.2%）为主，说明新兴社交平台在电商直播领域的影响力较大。在观看过程中购买行为方面，1-2次购买的受访者比例最高（35.4%），而23.9%的受访者表示从未购买。观看或购买的产品类型以鞋服/配饰（73.9%）、美妆/护肤（70.7%）和生鲜/食品（65.5%）为主，表明日常消费品是直播购物的核心品类。整体来看，样本群体具有较好的性别均衡性与受教育基础，主要集中在中青年阶段，电商直播观看和购买行为较为普遍，且以生活类消费品为主要购物对象，为后续进一步分析直播购物行为与用户特征的关系提供了良好的基础。变量描述性统计表2变量描述性统计Tab.2Descriptivestatisticsofvariables维度最小值最大值均值标准差响应性1.255.003.241.12个性化1.005.003.231.16娱乐性1.005.003.261.12互助性1.005.003.211.16控制性1.005.003.221.14信息支持1.005.003.201.15情感支持1.005.003.251.10购买意愿1.005.003.181.14由上表可知，均值整体处于中等水平，均分布在3.18至3.26之间，标准差在1.10至1.16之间，表明受访者在各项感知和态度上总体较为中性，且个体间存在一定差异但波动幅度适中。具体来看，娱乐性（M=3.26）跟情感支持（M=3.25）的均值稍偏高，说明受访者对电商直播的娱乐体验以及情感支持感知较为正面；响应性（M=3.24）以及个性化（M=3.23）也取得了相对较高的评价，说明直播平台在互动能及时响应与个性定制方面有一定优势。互助性（M=3.21）、控制性（M=3.22）与信息支持（M=3.20）的均值近似，体现了受访者在信息提供与交互控制方面的认同度为一般水平，购买意愿（M=3.18）其均值相对偏低，电商直播在改善用户体验与增强支持感知方面表现较好，但在带动购买决策方面依然存在优化空间。5.2信度效度分析5.2.1信度分析基于Spss26.0统计工具对问卷数据实施信效度分析，量表的信度分析可反映其测量结果的稳定及可靠特性，采用克朗巴哈α系数（Cronbach'sα）对研究信度进行检验，Cronbach'α系数的理论变化范围一般为0到1。若内部一致性系数α＞0.8，证实各题项测量结果高度协调，问卷测量结果稳定可靠，若Cronbach'sα值介于0.7和0.8之间，则问卷结果的一致性达到可接受标准，若信度系数α低于0.7的阈值，显示各题项间一致性欠佳，调查结果稳定性弱，不能反映实际测量值。表3各题项CronbachAlpha值Tab.3CronbachAlphavaluesforeachitem维度Cronbach'salpha项数个性化0.834互助性0.8324信息支持0.8334响应性0.8134娱乐性0.8054情感支持0.8054控制性0.834购买意愿0.8164从以上量表数据可以看出，每个维度的Cronbach'sα系数皆显著高于0.7，表示本研究问卷呈现出良好的信度水平，可稳定可靠地测算相关变量，具体而言，信息支持的Cronbach'sα系数为0.833这个数值，互助性呈现为0.832，个性化得出的结果是0.830，控制性经计算数值为0.830，购买意愿呈现0.816，响应性测得为0.813，娱乐性跟情感支持的系数都为0.805，总体处于可靠可信的信度区间，说明各量表的内部连贯性较强，信息支持维度的信度系数为各维度中最高，说明该维度的测量工具在样本里呈现出最高的一致性，全部研究变量的Cronbach'sα系数都契合通用信度判断标准，进一步检验了问卷整体的内部一致性及稳定性。因此，可以认为本次调查所使用的测量工具具备良好的信度基础，为后续的实证分析和研究结论的可靠性提供了有力支撑。5.2.2效度分析效度检验表现为采用科学方式验证问卷的有效程度，基于系统考量，采用KMO检验与Bartlett球形检验相结合的方法，若效度检验结果高于0.7，则说明测量工具可靠，效度检验中，KMO与Bartlett球形检验结果详见下表。表4KMO和巴特利特检验Tab.4KMOandBartletttestsKMO和巴特利特检验KMO取样适切性量数0.984巴特利特球形度检验近似卡方9166.031自由度496显著性0.000得到总体的维度的KMO值为0.984，Bartlett球形检验P值为0.000，p<0.05，进一步支持了数据适合因子分析的结论。这些结果表明，本研究数据在结构上具有良好的适配性，可以为后续的因子分析提供坚实基础。5.2.3收敛效度检验效度检验后输出各测量题项的标准化因子载荷，进而得到组合信度CR与平均变异萃取量AVE，构面内部一致性通过CR指标反映，CR的增高标志着构面内部一致性水平上升，CR的可靠性评价标准为：0.8区间对应极佳信度水平，0.信度数值在0.7上下时表明适中可靠性，0.5界定为临界水平：AVE衡量潜在变量对观测变量解释力的均值水平，AVE数据上升，指标聚合度更高，AVE的有效性判定标准：若AVE大于0.5，则潜变量的建构信度符合要求，该区间（0.36-0.5）为最低门槛值。表5标准载荷、CR、AVE结果Tab.5Standardload,CRandAVEresults维度CRAVE个性化0.8870.663互助性0.8880.665信息支持0.8890.666响应性0.8770.641娱乐性0.8730.631情感支持0.8730.631控制性0.8870.662购买意愿0.8790.644从表中可以看出，所有维度的组合信度（CR）均大于0.7，分别为个性化0.887、互助性0.888、信息支持0.889、响应性0.877、娱乐性0.873、情感支持0.873、控制性0.887、购买意愿0.879，均超过了0.7的通用标准，表明各维度具有良好的构面内部一致性。同时，所有维度的平均方差萃取量（AVE）也均大于0.5，分别为个性化0.663、互助性0.665、信息支持0.666、响应性0.641、娱乐性0.631、情感支持0.631、控制性0.662、购买意愿0.644，说明各潜变量的测量题项能够较好地反映其构念特征。综上所述，本研究的测量模型在收敛效度方面表现出良好的稳定性与一致性，为后续结构模型分析提供了坚实的测量基础。5.2.4区分效度就区分效度而言，本研究借助比较各维度的AVE平方根值与它们相互的相关系数来开展，校验不同维度之间的区分有效性强弱，一般情形下，若AVE平方根的值比该因子和别的因子之间相关系数大时，可认为具有良好的区分效度，就上面表格里的数据而言，尽管各维度的AVE平方根值一般接近或者稍高于0.8，然而部分相关系数值达到甚至超过AVE平方根值，尤其是在互助性、娱乐性、控制性维度上，跟其余变量的相关系数比较高，高于自身AVE平方根的对应数值，各因子相互间存在较强的相关性，模型的区分效度存在一定程度的缺陷，尽管各测量结构在一定程度上可体现出自身特性，但变量彼此的界限不太显著表6各潜变量AVE算术平方根及相关系数Tab.6AVEarithmeticsquarerootandcorrelationcoefficientofeachlatentvariable个性化互助性信息支持响应性娱乐性情感支持控制性购买意愿个性化0.814互助性0.840.815信息支持0.8140.8290.816响应性0.7950.8070.7930.8娱乐性0.8090.8420.820.8160.795情感支持0.8270.7970.7910.7920.7930.795控制性0.8260.8090.7920.80.8270.8220.813购买意愿0.820.8090.8160.8170.8410.8150.8150.8035.3模型假设检验5.3.1整体模型适配度检验表7整体模型适配度检验结果比较（饱和模型vs.估计模型）Tab7ComparisonofOverallModelFitIndices(SaturatedModelvs.EstimatedModel)饱和模型估计模型SRMR0.0450.05dULS1.0461.297dG0.6430.692奇异方差1463.6091528.654NFI0.8450.838从模型拟合指标来看，估计模型的SRMR为0.050，低于0.08的标准，表明模型拟合良好。d_ULS（1.297）和d_G（0.692）均处于可接受范围内，奇异方差略高于饱和模型，但差异不大。NFI值为0.838，大于0.8的推荐标准，说明模型具有较好的拟合度。综合各项指标，估计模型在整体拟合上表现理想，能够支持后续的路径分析。图5-1路径分析图Fig5-1PathAnalysisDiagram5.3.2路径分析表8路径系数及对应假设Tab.8Pathcoefficientsandcorrespondinghypotheses路径关系路径系数MSDTP值个性化->信息支持0.1820.180.0583.120.002个性化->情感支持0.3090.3070.0535.8410.000互助性->信息支持0.290.2910.064.8560.000互助性->情感支持61.8440.065信息支持->购买意愿0.4560.4560.04111.2270.000响应性->信息支持0.140.1410.0562.5010.012响应性->情感支持0.1630.1620.0533.0860.002娱乐性->信息支持0.2340.2350.0544.3320.000娱乐性->情感支持0.0850.0860.0541.5570.120情感支持->购买意愿0.4550.4560.0411.2990.000按照上表呈现的数据可知，响应性对信息支持产生显著影响（β=0.140，p所对应的值是0.012），证实H1a这一假设，表明响应性特征对消费者获取信息支持程度的提升有作用，响应性对情感支持的影响同样达到显著程度（β=0.163，p呈现为0.002），证实了H1b，说明及时做出回应可增强消费者情感联结感。个性化对信息支持的正向影响十分显著（β=0.182，p所对应值为0.002，证实了H1c；个性化对情感支持的积极作用同样高度显著（β=0.309，p的结果小于0.001，证实了H1d，表明个性化体验对获取信息有推动效果，还增进了消费者的情感认可感。娱乐性对信息支持的作用显著（β=0.234，p小于0.001这一数值，检验了H1e，说明娱乐元素能够有效增强消费者的信息察觉，娱乐性对情感支持的效果不显著（β=0.085，p呈现为0.120），H1f未得到验证支持，表明娱乐性特征虽可在信息传递上起到丰富效果，但在提升情感支持方面成效有限。互助性对信息支持的正向作用显著（β=0.290，p小于0.001这个数值），证实了H2a；但互助性针对情感支持的影响未呈现显著水平（β=0.110，p所测数值为0.065，H2b未得到验证支持，表明互助性更多是在信息交换里体现，而非情感联结层面，信息支持对购买意愿的显著影响（β=0.456，p体现为小于0.001），通过验证肯定了H3a；情感支持对购买意愿的影响同样显著（β=0.455，p<0.001），支持了H3b，说明无论是信息获取还是情感连接，都能显著促进消费者的购买意愿形成。综上所述，大部分假设得到了验证，个性化、响应性、娱乐性、互助性均对消费者支持感知有正向影响，进而显著推动购买意愿的提升。但娱乐性对情感支持、互助性对情感支持的作用尚不显著。5.3.3调节效应检验表9调节效应检验结果Tab.9Testresultsofadjustmenteffect路径关系路径系数MSDTP值控制性x响应性->信息支持-0.048-0.0510.0510.930.352控制性x响应性->情感支持-0.031-0.030.0490.6360.525控制性x娱乐性->信息支持0.0130.0150.0470.2680.788控制性x娱乐性->情感支持-0.08-0.0820.0511.5490.121控制性x互助性->信息支持0.1220.120.0592.0760.038控制性x互助性->情感支持0.0690.0670.0561.2190.223控制性x个性化->信息支持-0.05-0.0480.0560.890.374控制性x个性化->情感支持0.0370.0380.0480.7590.448根据上表数据可知，控制性对响应性与情感支持关系的调节作用不显著（β=-0.031，p=0.525），未验证假设H4a，表明控制性未能显著增强响应性对情感支持的影响。同样，控制性对响应性与信息支持关系的调节作用也不显著（β=-0.048，p=0.352），假设H4b未得到支持。控制性对个性化与情感支持（β=0.037，p=0.448）及信息支持（β=-0.050，p=0.374）的调节效应均不显著，因此假设H4c与H4d均未获得验证。在娱乐性路径方面，控制性对娱乐性与情感支持关系的调节作用不显著（β=-0.080，p=0.121），假设H4e未被支持；控制性对娱乐性与信息支持的调节效应不显著（β=0.013，p=0.788），假设H4f同样未得到验证。相比之下，控制性对互助性与信息支持关系的调节作用显著（β=0.122，p=0.038），验证了假设H4h，表明在高控制性感知下，互助性交互能更有效促进消费者的信息支持感知。然而，控制性对互助性与情感支持关系的调节作用未达显著水平（β=0.069，p=0.223），假设H4g未被支持。综上所述，本研究仅验证了控制性在互助性与信息支持之间的正向调节效应，大部分调节假设未获支持。5.4本章小结本章采用实证研究方法，全面探讨了电商直播里不同互动要素对消费决策的作用路径，数据分析说明，直播进行中的快速反馈、定制化内容、趣味性互动和用户合作等属性，皆能明显提升观众对商品信息的获取效率，特别值得注意的是，个性化跟及时响应不仅让信息传递效率得到提升，还强化了消费者在情感上的认同，由此形成更强劲的购买动力。实证结果显示，这两种支持机制促进消费意愿的作用相当类似，其影响系数皆超出了0.45，但研究经探索发现，娱乐互动跟用户互助在建立情感纽带方面的效果不明显，这大概反映出消费者更关注直播的实用价值，而非情感上的体验，就调节变量而言，用户控制感仅仅在互助行为与信息获取的关系方面影响显著，该结果显示了消费者在直播购物里对自主权的特殊需求，本研究构建且对“互动特征-双重支持-购买意愿”的理论框架做了验证，为电商平台优化直播策略提供了极具价值的参考。

第六章总结与展望6.1主要结论本研究以信号理论、社会支持理论为依托，系统分析了电商直播场景下各类互动因子对消费者购买决策的作用路径，实证分析结果说明，直播时的互动行为借助双重支持机制，显著影响到用户消费意愿，就互动主体而言，主播端给予的及时反馈、定制化的推荐和趣味性强的内容，连同观众彼此所做的经验分享行为，均可有效强化消费者的信息获取效率以及情感联结的强度，尤其值得一提的是，为契合用户偏好设计的个性化展示，对建立情感共鸣贡献程度最大，而消费者之间的互助沟通交流主要起到信息补充的职能，这证实了不同类型互动信号存在差异化价值。研究还发现，平台交互功能的设计质量对用户彼此间信息共享效果有显著增强效应，具体表露为，要是直播系统给出更灵活的内容回放以及更便捷的沟通工具时，观众从别的用户那里得到有价值信息的效率将显著提升，但这种技术手段对主播互动效果的调节成效不明显，这意味着消费者对技术支持的期望也许更集中于应对信息不对称问题。另外一个关键发现是，即便娱乐化表达形式可提高信息传递的效果，然而其在满足用户情感需求方面的功效较为有限，这要求直播内容设计兼顾趣味性与功能性，实现二者的平衡，数据分析显示出，信息支持跟情感支持对购买意愿的解释作用基本相当，说明消费者的决策进程会同时受认知因素和情感因素的双重驱动。6.2不足与展望本文阐释了直播电商情境中互动信号对购买意愿的作用路径，鉴于研究者自身条件及时间框架等客观限制，当前研究仍有若干可优化的空间，