社交电商平台中用户知识分享对消费者购买行为的影响研究-以小红书为例

[18]。个体在一定频次的互动过程中，一方面得以和部分成员建立一定的认知资本和关系资本；另一方面，还能感知到群体集体层面所蕴含的社会资本，并将其转化为自身可用的资源。经过综合评估国内外现有研究成果，本研究将网络口碑、渠道特征、UGC数量、UGC质量、信息互动性、社会资本等变量作为影响因子的自变量，中介变量则为消费者在用户知识分享内容中对产品或服务的不同方面产生的感知价值，因变量是消费者购买意愿。因此，进而构建出研究模型如图3-1,变量如表3-1。图3-1研究模型图表3-1研究变量变量类型变量名称自变量网络口碑、渠道特征、UGC数量、UGC质量、信息互动性、社会资本中介变量感知价值因变量购买意愿3.2研究假设3.2.1社交电商平台特征对消费者购买意愿的影响消费者在平台发布的评论内容，是潜在消费者评估产品品质的关键信息来源，通过这些评论和口碑，可影响消费者的购买意愿；在线用户评价的信息相关性、内容详尽程度与购买决策存在显著的正向关系（黄莹，2012）。因此，提出假设：H1a：网络口碑正向影响消费者的购买意愿。电商网站能否成功留住用户才是关键，让用户感知有用性便是锦上添花。界面设计的认知负荷易致使消费者萌生畏难心理，最终降低其继续使用的意愿。例如小红书平台的功能优化，降低使用门槛，最终对购买转化率产生巨大影响（贺萌远，2021）。因此，提出假设：H1b：渠道特征正向影响消费者的购买意愿。3.2.2用户知识分享特征对消费者购买意愿的影响当消费者注意到其他消费者正在讨论某个信息内容，即使消费者不感兴趣，消费者也会因为UGC数量的庞大去盲目讨论或围观，羊群效应会导致从众心理，进而影响消费者的购物判断（魏如清，2016）。因此，提出假设：H2a：UGC数量正向影响消费者的购买意愿。UGC的质量高低决定了消费者对其可信度、影响力的评判，成为影响信息采纳的关键考虑因素，最终作用于购买决策（魏如清，2016）。因此，提出假设：H2b：UGC质量正向影响消费者的购买意愿。互动行为能够让信息传递更加吻合消费者自身的认知适配度，使其更好的适应于用户的信息处理加工。获取的内容与消费者的认知和需求高度匹配时，对购买意愿的刺激就会更为显著（魏如清，2016）。因此，提出假设：H2c：信息互动性正向影响消费者的购买意愿人们愿意利用信任的人际关系获取信息，信任可表现为用户粘性，用户粘性又在一定程度上又奠定了变现的可能性。社交电商是以信任为基础的商业模式，良好的社会资本可以影响购买决策（袁留亮，2019）。因此，提出假设：H2d：社会资本正向影响消费者的购买意愿3.2.3社交电商平台特征对消费者感知价值的影响高质量的用户知识分享和互动构成了可信的网络口碑，能帮助消费者降低信息不对称风险。同时，渠道特征包含直观的视觉呈现、简单的操作系统以及在线互动的场景，这些共同构建了愉悦的消费体验，进一步放大了信息口碑的说服力。当用户在平台接触到高相关性的口碑内容时，其感知到的功能价值与情感价值会大幅度增加，最终转化为购买意愿的关键推力（孙云泽，2011）。因此，提出了以下假设：H3a：网络口碑正向影响消费者的感知价值H3b：渠道特征正向影响消费者的感知价值3.2.4用户知识分享特征对消费者感知价值的影响高质量、高密度的知识交互增强了信息互动性—消费者在评论区提问、创作者即时答疑，引起消费者的认知和情感共鸣。持续的知识分享会沉淀为社会资本，消费者与意见领袖之间形成“认知绑定”，所推荐的内容会更容易被用户采纳、认同（肖开红、雷兵，2021）。因此，提出了以下假设：H4a：UGC数量正向影响消费者的感知价值H4b：UGC质量正向影响消费者的感知价值H4c：信息互动正向影响消费者的感知价值H4d：社会资本正向影响消费者的感知价值3.2.5感知价值对消费者购买意愿的影响感知价值是顾客基于感知到的产品效用与支付成本形成价值判断，购买决策的决定取决于综合考虑购买风险和获得的利益，消费者对产品价值的认知程度与其购买意愿为正相关关系（PARASURAMANA，1997）。因此，提出假设：H5：感知价值正向影响消费者的购买意愿表3-2研究假设表编号假设内容H1a网络口碑正向影响消费者的购买意愿H1b渠道特征正向影响消费者的购买意愿H2aUGC数量正向影响消费者的购买意愿H2bUGC质量正向影响消费者的购买意愿H2c信息互动性正向影响消费者的购买意愿H2d社会资本正向影响消费者的购买意愿H3a网络口碑正向影响消费者的感知价值H3b渠道特征正向影响消费者的感知价值H4aUGC数量正向影响消费者的感知价值H4bUGC质量正向影响消费者的感知价值H4c信息互动性正向影响消费者的感知价值H4d社会资本正向影响消费者的感知价值H5感知价值正向影响消费者的购买意愿3.2.6感知价值的中介作用在社交电商消费决策机制中，消费者从用户知识分享中产生感知价值心理，这能够有效降低用户在虚拟数字消费环境中的感知风险，消费者会将其转化为消费驱动力，对其产品或服务产生购买行为。感知价值起着桥梁的作用，消费者在平台浏览信息时，对涵盖的产品功能和使用心得有了一个较为清晰的认知和判断，他所感知到的利得超过利失时会倾向于购买该产品，反之选择放弃（张永、陈兵，2018）。因此，提出了以下假设：H6a：感知价值在网络口碑与消费者购买意愿之间有中介作用H6b：感知价值在渠道特征与消费者购买意愿之间有中介作用H7a：感知价值在UGC数量与消费者购买意愿之间有中介作用H7b：感知价值在UGC质量与消费者购买意愿之间有中介作用H7c：感知价值在信息互动与消费者购买意愿之间有中介作用H7d：感知价值在社会资本与消费者购买意愿之间有中介作用 表3-3感知价值的中介假设作用编号假设内容H6a感知价值在网络口碑与消费者购买意愿之间有中介作用H6b感知价值在渠道特征与消费者购买意愿之间有中介作用H7a感知价值在UGC数量与消费者购买意愿之间有中介作用H7b感知价值在UGC质量与消费者购买意愿之间有中介作用H7c感知价值在信息互动性与消费者购买意愿之间有中介作用H7d感知价值在社会资本与消费者购买意愿之间有中介作用4调查问卷4.1问卷设计为保证问卷设计的合理性与科学性，每轮准备预调研收集50份样本数据，通过分析识别潜在的问题，据此来优化问卷内容，形成正式问卷。本文选择小红书为社交电商为典型进行样本的研究有以下原因。第一，小红书平台最初定位为跨境购物内容分享社区，随着用户需求增加拓展电商功能，基于社区内容热度分析筛选出热门商品或服务，通过“平台福利社”售卖，实现向电商平台的战略转型，研究该平台用户知识分享对促进商品转化率有重要实践意义。第二，小红书是内容驱动型社区，聚集了大量用户分享内容，为消费者提供丰富的购买心得或专业知识，是女性用户首选的社区电商应用程序，用户量更是移动电商的第一名，选择小红书具有代表性意义。问卷结构分为两部分：人口统计特征调查和参与人员态度评估。测量工具采用国际通用的李克特量表，实施过程中选用5分量表，各分值对应含义如下：1代表“非常不同意”、2代表“不同意”、3代表“一般”、4代表“同意”、5代表“非常同意”。（1）自变量本文自变量为网络口碑、渠道特征、UGC数量、UGC质量、信息互动性、社会资本，根据贺萌远（2021）等相关文献形成以下量表，详细描述及参考见表4-1。表4-1自变量测量题项潜变量题目编号测量题项网络口碑1a我会因用户高评价的内容讲解而购买所提及产品或服务2a我会因为信任某个知识分享者而购买其推荐的产品渠道特征1b小红书用户分享内容的排版、图文我很喜欢，设计也生动有趣2b小红书内容分享的界面排版便于我操作UGC数量1c我觉得在知识分享中，内容的文字长短很重要2c我认为该用户知识分享应该保持日更的状态UGC质量1d对于社交平台上提供全面且专业的产品知识的用户，我会更关注他们2d我觉得知识分享者对其内容质量应该进行严格把控信息互动性1e我认为用户及时在评论区回应我的留言，我会优先了解该产品或服务2e该用户接受路人的反馈，在分享内容上做出一定调整，我有将该用户分享的产品或服务列入初步的购买计划社会资本1f好友、家人的分享内容评价会影响我对该产品或服务的评价2f看到达人的知识分享后，我会更关注其产品或服务（2）中介变量本文中介变量是感知变量，根据肖开红（2021）等文献形成以下量表，详细描述及参考见表4-2。表4-2中介变量测量题项潜在变量题目编号测量题项感知变量1g小红书中的内容分享让我获得了我想要的信息或服务2g我认为购买了该用户推荐的商品让我感觉赚大了（3）因变量本文的因变量是消费者的购买意愿，根据赵宇翔（2012）等相关文献形成以下量表，详细描述及参考见表4-3。表4-3因变量测量题项潜在变量题目编号测量题项因变量1h我因为小红书的知识分享而购买过产品或服务2h我会因为进入社交电商平台购买之前没有计划需求的商品或服务4.2问卷的发放和收集正式问卷通过线上问卷发放的方式进行数据收集，网络问卷具有回收快，填写方便的优势。持续了一个月的时间，包含多种学历和年龄段，地区主要集中重庆地段。并在问卷填写后设有奖励机制，以此来提高受访者的积极性。连续多题选项一致等问题的均视为无效问卷，共发布165份，剔除无效问卷18份后，得到有效问卷147份，问卷回收率达到100%，有效回收率是89%。5数据处理与分析5.1信度分析本研究采用了SPSS进行量表的信效度检验。系数值在0-1之间时，α系数越高，可靠性越高，当该系数越趋近于1，表示测量结果具有较高的可靠度。该系数大于0.8，0.7-0.8表示该指标相当可靠，如果系数低于0.6，通常被视为内部一致性不足。样本信度如表5-1所示。表5-1样本信度表量表Cronbach'sα系数CITC项数网络口碑0.6100.4042渠道特征0.8150.6892UGC数量0.6080.4382UGC质量0.7610.6172信息互动0.6170.4932社会资本0.6310.4612感知价值0.7900.6552购买意愿0.6190.4492总体0.92816可以看出，信度系数达到0.928，超过了0.9，结果表明研究数据的信度质量处于较高水平。针对“CITC值”，各分析项的CITC值均超过0.4，不仅表明分析项之间的显著相关关系，还侧面印证了量表的可靠性。研究数据的信度系数值大于0.9，说明数据的信度质量较高，可用于后续的深入分析。5.2效度分析首先利用KMO测度和Bartlett球形检验对样本数据进行因子分析适用评估。结果显示：模型整体的KMO检验值为0.937>0.6，Bartlett检验中的P值=0.000<0.05；各变量的KMO系数均大于0.7，Bartlett检验中的P值均为0.000，说明满足因子分析的前提条件。表5-2总体效度检验KMO值0.937Bartlett球形度检验近似卡方1420.652df120P0.000表5-3各量表效度分析表量表KMO值Bartlett球形度检验近似卡方p值社交电商平台特征0.638109.4600.000UGC内容特征0.903639.8400.000感知价值0.768249.9710.000购买意愿0.751249.9400.000从表5-3可知：所有研究项对应的共同度值分别为0.638、0.903、0.768、0.751，且p值均为0.000高于0.4。p值均为0.000，说明研究项信息可以被有效的提取。另外，KMO值为0.918，大于0.6，数据可以被有效提取信息，说明了研究项的信息量能够以有效的方式加以提取。5.3样本描述性统计分析该问卷调查参与人员的基本信息分别为性别、年龄、学历使用频率等，这四部分的描述分析如下。样本基本情况如图5-1到图5-4所示。从图5-1到图5-4分析可得出：男性比例低于女性，与我国性别构成基本一致；年龄集中在18-25岁区间，正是小红书的核心用户；从学历上看，大专及以上学历为主导地位，说明受访者理解能力高，能够有效完成问卷调查。总体来看，本次样本有较高的有效性，能够进一步的分析。图5-1样本基本情况（性别）问卷调查性别部分的饼状图显示，参加调查的女性高于男性。女性受访者共计88人，占比61.54%；男性占比为38.46%，共55人。图5-2样本基本情况（年龄）从该问卷调查中年龄的饼状分布图来看，18-25岁占比最大、人数最多，占比55.94%，人数为80；第二分别是26-35岁和36-45岁，占比均为15.38%，人数为22；排列第三是46岁以上，占比均是6.99%，共10人；18岁以下人数最少，为9人，占比为6.29%。图5-3样本基本情况（学历）从该问卷调查有关学历的分布图可知，本科学历占比最高，达59.44%，人数为85人；大专学历第二，占比23.08%，共33人；硕士及以上学历位例第三，占比9.79%，有14人；最后是高中及以下学历，占比7.69%，有11人。图5-4样本基本情况（使用频率）从该问卷调查每周小红书使用频率的分布图可知，比重最大4-6次，占比46.15%，有66人；每天1次以上和1-3次均为第二，占比20.28%，有29人；有一定的比例表示这些用户几乎每天都会使用该APP，用户对小红书平台有高度的依赖。第三是几乎不看，占比11.89%，有17人；最后是从不使用，占比1.4%，有2人。也有近五分之一的用户很少登录，对平台的依赖度不高。5.4相关性分析相关性分析旨在研究多个变量因素间的相关密切关系，其取值范围为-1.0-1.0，绝对值越大，相关性越强。目的是衡量变量间的关联程度，包括变化趋势一致性及变化方向。具体情况如表5-4所示。表5-4相关性分析表量表购买意愿网络口碑渠道特征UGC数量UGC质量信息互动社会资本感知价值购买意愿1网络口碑.486**1渠道特征.496**.1321UGC数量.488**.130.622**1UGC质量.543**.065.675**.527**1信息互动.504**.088.660**.495**.664**1社会资本.575**.122.544**.504**.588**.584**1感知价值.582**.109.658**.515**.612**.597**.597**1*p＜0.05**p＜0.01由上表可知，网络口碑与购买意愿的相关系数表现为0.486，显示出积极的正相关；渠道特征与购买意愿的相关系数为0.496，也呈现正向关联；UGC数量与购入意愿的相关性系数计算得出为0.488，体现正相关特性；UGC质量对购入意愿的影响力表现为相关系数0.543，也是正相关的关系；信息互动与购入意愿的联系则表现为相关系数0.504，为正相关；社会资本与购入意愿的相关性系数计算得出为0.575，同样体现正相关特性；而感知价值对购入意愿的影响力表现为相关系数0.582，并且呈现出0.01水平的显著性，同样为正相关。这表示多个因素与购买决策存在显著的正相关关系。5.5回归分析回归分析是研究两个及以上变量之间关系的统计方法。采用这一工具来构建模型，通过对既有数据的深入剖析，解析并预测各变量间的相互作用。（1）用户知识分享影响因子与购买意愿的影响分析本部分以购买意愿作为因变量，控制网络口碑、渠道特征、UGC数量、UGC质量、信息互动和社会资本为自变量建立回归模型。表5-5用户知识分享影响因子与购买意愿的回归分析模型非标准系数标准系数显著性VIFB标准误Beta网络口碑0.1510.1450.0880.5101.052渠道特征0.4620.0790.5500.0002.072UGC数量0.2720.3350.3080.0001.303UGC质量0.1870.0640.5490.0001.676信息互动0.5120.0700.5120.0001.236社会资本0.2520.0730.2570.0001.276上表各变量的VIF均小于5，说明六个自变量之间不存在多重共线性，渠道特征（标准化系数：0.550）、UGC数量（标准化系数：0.308）、UGC质量（标准化系数：0.549）、信息互动（标准化系数：0.512），社会资本（标准化系数：0.257），显著性水平小于0.005（P<0.005），因此可得出这五个自变量可以显著正向影响消费者的购买意愿。网络口碑（标准化系数：0.088），显著性水平大于0.005（P=0.510>0.005），因而不能具体分析自变量对于因变量的影响关系。经过详细的分析，可以得出结论：网络口碑的回归系数值进行F检验时发现模型并没有通过F检验F=0.677，p=0.510>0.05渠道特征的回归系数值为0.462，t=5.850，p=0.000<0.01UGC数量的回归系数值为0.272，t=3.893，p=0.000<0.01UGC质量的回归系数值为0.187，t=2.655，p=0.000<0.01信息互动的回归系数值为0.512，t=7.275，p=0.000<0.01社会资本的回归系数值为0.252，t=3.451，p=0.000<0.01因此假设H1b、H2a、H2b、H2c、H2d均成立，H1a不成立（2）用户知识分享影响因子与感知价值的影响分析本部分以感知价值作为因变量，控制网络口碑、渠道特征、UGC数量、UGC质量、信息互动和社会资本为自变量建立回归模型。表5-6用户知识分享影响因子与感知价值的回归分析模型非标准系数标准系数显著性VIFB标准误Beta网络口碑0.1310.1500.0740.3841.052渠道特征0.4510.0770.5200.0002.072UGC数量0.4060.0690.4460.0001.303UGC质量0.2530.0760.2690.0001.676信息互动0.3580.0710.3570.0001.236社会资本0.3300.0680.4930.0001.276上表各变量的VIF均小于5，表明六个自变量之间不存在多重共线性，渠道特征（标准化系数：0.520）、UGC数量（标准化系数：0.446）、UGC质量（标准化系数：0.269）、信息互动（标准化系数：0.357）、社会资本（标准化系数：0.493），显著性水平小于0.005（P<0.005），因此可得出这五个自变量可以显著正向影响消费者的感知价值。网络口碑（标准化系数：0.074），显著性水平大于0.005（P=0.384>0.005），因而不能具体分析自变量对于因变量的影响关系。经过详细的分析，可以得出结论：网络口碑的回归系数值进行F检验时发现模型并没有通过F检验F=0.677，p=0.384>0.05渠道特征的回归系数值为0.451，t=5.830，p=0.000<0.01UGC数量的回归系数值为0.253，t=3.331，p=0.000<0.01UGC质量的回归系数值为0.187，t=2.655，p=0.000<0.01信息互动的回归系数值为0.358，t=5.017，p=0.000<0.01社会资本的回归系数值为0.330，t=4.866，p=0.000<0.01因此假设H3b、H4a、H4b、H4c、H4d均成立，H3a不成立（3）感知价值与购买意愿的影响分析本部分的自变量为消费者的感知价值，因变量则是消费者的购买意愿，进行回归分析后，关于消费者感知价值对消费者购买意愿的影响做出如下分析：表5-7感知价值与购买意愿的回归分析模型非标准系数标准系数显著性VIFB标准误Beta感知价值0.6410.0720.6630.0001.626由上表可知，自变量的VIF小于5，标准回归系数是0.663，显著性水平P<0.005，这样的结果表明，感知价值对购买决策产生了积极影响，进而支持假设H5的正确性。5.6中介变量的检验表5-8中介效应模型检验模型一购买意愿p模型二感知价值p模型三购买意愿p网络口碑0.1510.3010.1310.3840.0600.556渠道特征0.462**0.0000.451**0.0000.227**0.003UGC数量0.293**0.0000.216**0.0000.167**0.005UGC质量0.187**0.0090.253**0.0010.0780.233信息互动0.229**0.0010.358**0.0000.0510.420社会资本0.252**0.0010.330**0.0000.0750.279感知价值0.641**0.000R20.2390.3850.509调整R20.2340.3810.503F值F

(1,145)=45.661F

(1,145)=90.763F

(2,144)=74.782*

p＜0.05**

p＜0.01模型一建立了自变量和因变量的回归模型；模型二是建立自变量和中介变量的回归模型；模型三是用自变量和中介变量一起与因变量构建的回归模型。从上表可以看出，感知价值在网络口碑与购买意愿间的中介作用不显著。但对于渠道特征，感知价值则扮演者部分中介的角色；在UGC数量与购买意愿的关系中，感知价值同样作为部分中介因素存在。而在UGC质量与消费者购买意愿的关联中，其作用表现为完全中介；在信息互动与消费者购买意愿中，感知价值同样是完全中介；社会资本中，其作用表现为完全中介的关系。因此假设H6b、H7a、H7b、H7c、H7d均成立，H6a不成立。本文将假设检验的实证结果进行汇总，如表5-9所示。表5-9假设汇总序号假设内容结果H1a网络口碑正向影响消费者的购买意愿不成立H1b渠道特征正向影响消费者的购买意愿成立H2aUGC数量正向影响消费者的购买意愿成立H2bUGC质量正向影响消费者的购买意愿成立H2c信息互动性正向影响消费者的购买意愿成立H2d社会资本正向影响消费者的购买意愿成立H3a网络口碑正向影响消费者的感知价值不成立H3b渠道特征正向影响消费者的感知价值成立H4aUGC数量正向影响消费者的感知价值成立H4bUGC质量正向影响消费者的感知价值成立H5感知价值正向影响消费者的购买意愿成立H6a感知价值在网络口碑与消费者购买意愿之间有中介作用不成立H6b感知价值在渠道特征与消费者购买意愿之间有中介作用成立H7a感知价值在UGC数量与消费者购买意愿之间有中介作用成立H7b感知价值在UGC质量与消费者购买意愿之间有中介作用成立H7c感知价值在信息互动性与消费者购买意愿之间有中介作用成立H7d感知价值在社会资本与消费者购买意愿之间有中介作用成立由表可知，假设H1b、H2a、H2b、H2c、H2d均成立，H1a不成立；假设H3b、H4a、H4b、H4c、H4d均成立，H3a不成立；假设H5成立；假设H6b、H7a、H7b、H7c、H7d均成立，H6a不成立。6对策建议6.1对平台的建议（1）渠道特征平台为不同内容板块设计差异化模板，提升专业感和辨识度；根据用户特点和意见反馈，调整界面的字体大小、颜色，符合人体视觉动线；根据行为大数据智能调整界面布局，优先展示高频功能，支持屏幕文本朗读等功能，覆盖更广泛用户群体，营造更和谐的社区氛围。利用平台展示茶艺、园艺等话题内容，激发老年群体的需求，突破年龄圈层，增加平台的接受度和包容度。（2）UGC数量和质量平台官方设立奖项，对连续发布优质内容的用户给予流量扶持或现金奖励，开发电子周边，如“探店牛人”，“好物推荐官”等勋章，达到一定数量可兑换奖品；对产品信息进行充分呈现和讲解，适当邀请第三方专业人士对产品进行专业测评，确保输出观点的正确性；引入众审制度，允许用户标记低质内容，对经常在社区发表不当言论或是垃圾信息的用户核实后降权处理，对该账号进行相关制约。（3）信息互动为优质评论设置特殊标识并置顶，激励用户贡献深度观点，购物“达人”可赠送小奖品或发起抽奖，诱导用户评论互动，注重产品信息的互动式推荐和沟通。商家可在社交电商平台开设官方账号，解疑答惑，让消费者更快速、充分的了解产品，提升消费者的参与感。（4）社会资本小红书为垂直领域KOC（关键意见消费者）匹配品牌合作机会，将其社会影响力转化为商业价值，扩大其人脉圈层。善于借助KOL去建立消费者信任，善于利用消费者的羊群效应进行营销，在社交电商平台中，应充分利用其推荐产品，让消费者认识和信任产品；要求KOL自身具备良好的专业素质和主动的分享意识，进一步刺激产品的转化率。同时要注重新用户的社交圈层的拓展，借助“熟人圈”裂变来吸引更多忠实用户，增强用户粘性。（5）感知价值注重提升产品的感知价值。移动社交的虚拟环境和电子商务实体场景的深度融合，使用户在情感表达宣泄和商品需求获取两方面得到了双重满足。但社交平台只是起到了引流的作用，消费者购买产品还是会回归到产品的价值。商家在社交电商行业发展参差不齐的状态下，更应把控产品的品质、售后等问题，并设计相应的激励政策，如无门槛红包、多单同地址下单红包等福利，激励消费者即时购物。6.2对消费者的建议在社交电商风靡的当下，消费者在社区中了解到的产品信息越来越多，从而可以选择更合适自身的产品或服务，做出理性的购物判断。遇到优惠福利时，先考虑自身的需求和优先级，避免消费主义陷阱，确保浏览用户知识分享具有目的性。遇到各种信息分享也要明辨，不正当言论应及时举报，收到的产品有质量问题，及时售后，合法维护自身权益；好的信息分享也可以拉人围观，共同打造和谐的在线社区。7结论与展望7.1研究结论本文聚焦于社交电商领域的典型代表小红书，深入挖掘了用户知识分享行为对消费决策过程的影响。这一研究，基于平台视角研究网络口碑和渠道特征，并据此构建知识分享的相关假设；从信息因素的社交角度探究用户知识分享的文本特征、信息互动、社会资本的影响，以及价值感知又如何反作用影响了消费者的购买意愿。之后选择了小红书社区的用户知识分享的客观数据，从而对假设进行验证，发现以下结论：渠道特征、UGC数量、UGC质量、信息互动、社会资本均能正面提升消费者的感知价值，是提升用户购买转化率的重要策略，能够激发用户的积极情绪反应，如愉悦感、舒适感等。价值感知在用户知识分享和购买意愿中发挥着桥梁作用，这些正面情绪能够降低用户的消费心理防线，影响用户的购买决策。良好的价值感知也会显著提升消费者的购买意愿。平台消费者双方共同发力，方能实现社交电商的可持续发展。好的用户知识分享在一定程度上是会影响消费者产生强烈的购物意愿，通过多维度的改进措施，最终实现用户价值与平台发展的双赢。7.2展望本研究以社交电商中用户知识分享对消费者购买行为的影响研究为题，探讨用户知识分享的易用性、丰富性和交互性影响消费者的感知价值是否对其购买行为造成影响。研究成果虽然可以丰富社交电商对消费者购买行为的相关研究，但是由于笔者的研究水平相对有限、在研究结果等方面还存在不足，根据研究结论提出了社交电商相对应的建议，但是每个用户输出内容各有特色，社交电商平台情况不一，本文无法逐一列举，希望以后可以针对不同类型的用户进行分类总结，提出更有针对性的内容输出建议。参考文献XinH.NewTrendsinDigitalMarketing:AnalysisofPersonalizedBrandCommunicationandUserInteractionEffect-TakingXiaohongshuPlatformasanExample[J].SHSWebofConferences,2024,200.程志超,吴印博.社会资本视角下虚拟社区知识分享对用户粘性的影响机制研究[J].情报科学,2017,35(12):16-21.DOI:10.13833/j.issn.1007-7634.2017.12.003.崔庆安,王亚茹.多维情境下社交电商用户消费意愿与购买行为决策研究——以“小红书”用户作为数据收集对象的分析[J].价格理论与实践,2020,(12):95-98+163.DOI:10.19851/11-1010/f.2020.12.516.戴国良.社交电子商务购前分享动机研究[J].中国流通经济,2018,32(10):39-47.DOI:10.14089/11-3664/f.2018.10.005.宫承波,梁培培.从“用户体验”到“媒体用户体验”——关于媒体用户体验几个基本问题的探析[J].新闻与传播评论,2018,71(01):6673.DOI:10.14086/J.cnki.xwycbpl.2018.01.007.顾润德,陈媛媛.社交媒体平台UGC质量影响因素研究[J].图书馆理论与实践,2019,(03):44-49.DOI:10.14064/ki.issn1005-8214.2019.03.011.贺萌远,沙振权.社交电商中渠道特征对顾客消费意向的影响分析[J].商业经济研究,2021,(03):78-81.韩天阳,镐鑫.用户生成内容影响传统电商与社交电商销售额的机理分析[J].商业经济研究,2022,(01):101-104.黄思皓,肖金岑,金亚男.基于S-O-R理论的社交电商平台消费者持续购买意愿影响因素研究[J].软科学,2020,34(06):115-121.DOI:10.13956/j.ss.1001-8409.2020.06.18.黄莹,潘思雨.社交电商平台新生代老年群体消费意愿的影响因素探究[J].商业经济研究,2025,(05):64-67.宋宇轩.社会化商务中信息渠道对于消费者购买意愿影响的实证研究[D].东南大学,2018.陶梅.社交电商的竞争优势与培育策略[J].商业经济研究,2020,(14):88-91.魏如清,唐方成.用户生成内容对在线购物的社会影响机制——基于社会化电商的实证分析[J].华东经济管理,2016,30(04):124-131.王海娇.移动社交化电商中用户社区的在线评论有用性研究[D].北京外国语大学,2018.吴晓璐.“拆箱”背后：社交电商平台的青年互动与消费——以小红书为例[J].当代青年研究,2023,(05):85-96.肖开红,雷兵.意见领袖特质、促销刺激与社交电商消费者购买意愿——基于微信群购物者的调查研究[J].管理学刊,2021,34(01):99