直播电商主播特征对消费者购买意愿的影响-以抖音主播为例

摘要：在电商与网络直播技术迅猛发展的背景下，直播带货这一创新营销模式正在重塑消费者的购物习惯与决策路径。作为直播间的关键要素，主播的个人特质对消费行为的影响愈发凸显。本研究以直播主播的核心特征为切入点，系统分析其对消费者购买决策的作用机理。基于SOR理论框架，结合文献研究与实证分析，本研究构建了主播特征影响消费意愿的分析模型，并验证了相关理论假设。研究结果表明，主播的知名度、互动性、专业性等维度均能有效促进消费意愿。具体而言，主播的知名度通过光环效应和权威引导作用提升产品价值感知；而即时互动性则借助双向交流和情感共鸣强化消费者的参与度与购买动机。专业性则通过主播在介绍商品时对于商品的了解程度，提高消费者信任和购买忠诚度。1绪论1.1研究背景：在数字技术飞速发展的背景下，直播电商作为一种创新的营销方式，正在重塑传统电商的销售格局。根据中国互联网络信息中心（CNNIC）发布的第52次统计报告数据，2023年上半年，我国互联网用户总量已突破10.79亿人次，相比2022年末净增长1109万用户，网络普及度攀升至76.4%。值得关注的是，其中网络直播受众群体规模高达7.65亿，在整体网民中占比超过七成（71.0%）。这一比例不仅反映了网络直播的普及程度，也预示着其巨大的市场潜力[1]。自2020年新冠疫情爆发以来，传统商业模式受到严重冲击，而网络购物迅速崛起，成为疫情下驱动消费的重要支柱。第三方星图数据显示，2023年6月18日期间，综合电商销售总额达7987亿元，研究数据同时印证了网络消费市场的旺盛需求。作为零售业态的创新形式，电商直播自2016年国内主流平台首创“内容化直播导购”模式后，行业参与主体呈现井喷式增长。2019年行业迎来关键转折点，以李佳琦为代表的顶级主播展现出惊人的流量聚合与商业转化能力，直接催化了直播电商产业的规模化发展，因而该年度被业界公认为电商直播商业化进程的重要里程碑。在2020-2022年这三年间，受新冠疫情的持续影响，通过直播平台进行商品销售已成为不少商家转型线上经营的主要方式。对缓解疫情带来的经济压力、促进经济复苏起到了积极作用。无论是明星、普通人、县长还是企业老板，都可以通过电商平台进行直播带货。此外，随着我国行政村实现了村村通宽带，各种农副产品也可以通过直播售卖，这不仅促进了经济发展，还对脱贫攻坚起到了重要作用。在电商直播中，主播既是内容创作者又是产品推广者，其个人特质与行为风格会显著左右消费者的购买选择。观众在观看直播时，通常会被主播的吸引力、专业水平、互动表现及可信度等因素所感染，从而改变对产品的看法并激发购买欲望。现有学术文献对直播电商的研究主要聚焦于业态特征、商业模式创新、平台运营及营销手段等维度。尽管部分学者注意到电商主播个人特质可能影响消费决策，但关于其内在作用机理的实证研究仍存在明显缺口。针对这一研究不足，本文以直播主播为研究主体，系统考察其个人特质如何通过消费者感知价值的中介效应作用于购买决策。这一研究不仅完善了直播电商情境下消费行为影响机制的理论框架，更揭示了关键影响因素之间的传导路径有助于丰富相关领域的学术贡献，并为电商直播企业优化运营策略、提升主播素质以及增强消费者购买意愿提供实践指导。1.2研究目的及意义1.2.1研究目的本研究从主播特征、感知价值与购买意愿三个维度出发，依托SOR理论框架，引入消费者感知作为中介变量，提出相关研究假设。通过问卷调研与实证分析相结合的方式验证假设,以验证假设的正确性。研究的主要目的是：（1）本研究基于SOR理论框架，整合主播特征、感知价值与购买意愿三个关键维度，构建了直播电商消费者行为影响机制模型。通过引入消费者感知价值的中介视角，重点解析主播个人特质如何经由价值认知与风险感知的双重路径作用于购买决策过程，进而为直播平台优化用户转化策略提供理论依据与实践指导。（2）通过问卷调查法，修改适应电商直播情境的量表，并对曾在电商直播平台购物的消费者进行调查，获取实证数据。通过实证分析验证研究假设，并检验模型的拟合程度。最终得出结论：主播特征对于消费者购买意愿的影响，以及感知价值对购买意愿的作用机制，为电商直播平台的发展提供了理论支持。1.2.2研究意义（2）理论意义：运用SOR（刺激-有机体-反应）理论框架，结合消费者感知价值理论，本研究深入分析直播购物环境中顾客购买选择的作用轨迹，关注消费者心理认知机制，说明外部刺激通过心理状态这一中介影响购买行为，研究在理论上取得双重成果，从直播电商的不同特性切入，解释即时互动属性如何影响消费心理，主播的个性、专业素养和互动手段是左右消费者选择的要点，拓展新电商模式下消费行为研究，提供商业实践参考。1.3研究内容与研究方法1.3.1研究内容本研究基于S-O-R理论模型，探讨主播特征对消费者购买意愿的作用机制，主要研究内容如下：（1）概念界定与文献综述。系统梳理网络直播、直播电商、电商主播及购买意愿等核心概念，并综述现有研究成果，为变量界定与测量奠定理论基础，同时指出现有研究的局限性。（2）理论模型构建与假设提出。结合文献分析明确研究变量，提出主播特征、消费者感知与购买意愿之间的作用假设，构建理论模型，为后续实证研究提供框架支撑。（3）实证检验与分析。通过问卷调查收集数据，运用描述性统计、信效度检验、相关分析等方法，验证主播特征对消费者购买意愿的影响路径。（4）研究总结与管理启示。归纳研究发现，并针对直播电商实践提出优化建议。1.3.2研究方法（1）文献研究法通过系统梳理国内外相关文献，明确研究主题的理论基础。在整合消费者行为与主播特征相关研究的基础上，结合现有研究成果的不足，确立本研究的创新方向并构建理论框架。（2）问卷调查法采用问卷调查作为主要数据收集方式。研究过程包括：确定目标人群范围、与老师访谈以完善量表设计、进行预调研以检验量表信效度，最终通过正式调研获取有效数据并进行严格筛选。（3）定量分析法借助SPSS统计软件，采用描述性统计和因果逐步回归分析等方法，实证检验主播特征与消费者购买意愿之间的作用机制，从而验证研究假设的合理性。1.3.3技术路线图图1技术路线图2文献综述与理论基础2.1网络直播研究综述2.1.1网络直播的定义随着互联网技术的迅猛发展，网络直播逐渐成为大众关注的新兴领域。目前，学术界对网络直播的定义尚未达成共识。彭锦（2016）[2]提出，网络直播是指借助录屏工具或移动终端，在互联网平台上实时呈现表演、展示及互动行为的新型在线娱乐或服务模式。谭畅等（2018）[3]则将其界定为一种基于互联网的内容服务形式，通过智能终端设备实现实时内容传播，并借助弹幕功能增强用户参与感。本研究将网络直播定义为依托互联网技术，实现音视频实时传输的媒介形式，使用户能够在线观看即时发生的事件或节目内容。2.1.2网络直播平台分类2.2直播电商研究综述2.2.1直播电商的定义直播电商是商业直播的重要分支。谭羽利（2017）[4]将其定义为通过实时直播建立用户与商品之间的直接联系。易冰洁（2022）[5]指出，电商直播的核心在于社交化营销，即借助直播平台实现即时互动以推动商品交易。缪婷婷（2021）[6]则认为，直播电商是在传统电商基础上，运用直播技术构建“边看边买”的销售闭环。本研究认为，直播电商是以电商平台为载体，通过主播的实时展示、专业讲解和双向互动，实现商品推广与销售的新型电商形态。该模式具有以下特征：首先，通过视频直播直观呈现商品信息；其次，借助主播的个人特质、专业能力及即时互动提升用户体验；最后，融合社交属性使购物过程兼具娱乐性和社交性。这种创新模式有效激发了消费者的购买意愿，推动了电子商务的转型升级。2.2.2直播电商平台类别1.综合型平台：这类平台通常拥有广泛的商品种类，包括但不限于服装、美妆、家居、食品等。它们提供一个全面的购物环境，允许各种类型的商家入驻，如淘宝直播、京东直播、拼多多直播等。2.垂直型平台：聚焦单一细分领域的直播电商平台，如以美妆为核心的小红书直播，或主打农产品销售的农品直播等。这类平台凭借专业化的市场定位，在特定领域形成差异化竞争优势。3.社交媒体平台：依托庞大用户基础的社交媒体平台（如微信、抖音、快手等）通过整合直播电商功能，实现社交场景与商业转化的有机融合，为用户提供边社交边购物的新型消费体验。2.2.3直播电商平台的相关研究以抖音直播为例作为字节跳动旗下短视频社交平台的核心功能之一，抖音直播为用户提供了实时视频互动的渠道。该功能依托抖音庞大的用户基础，实现了内容创作者与观众之间的即时交流与互动。抖音直播具有以下几个特点：1.互动性强[7]：抖音直播允许主播和观众实时互动，包括发送弹幕、点赞、送礼物等，这种互动性极大地提高了用户的参与感和粘性。2.内容多样化：作为综合性直播平台，抖音覆盖了电商、游戏、生活、教育及娱乐等多个领域，为不同受众提供丰富选择。3.电商变现能力[7]：抖音直播具有很强的电商变现能力。主播可以在直播中推广商品，观众可以直接通过直播界面购买，这种“边看边买”李慧慧（2016）[8]的模式大大简化了购物流程。4.算法支持：抖音强大的算法能够将直播内容推送给潜在感兴趣的用户，这意味着即使是新主播也有机会获得较高的曝光度。5.明星效应[9]：许多知名艺人和网红加入抖音直播，利用自身影响力吸引粉丝观看和消费，进一步提升了平台的活跃度和商业价值。2.3电商主播研究综述2.3.1电商主播的定义在电子商务蓬勃发展的背景下，电商主播作为连接产品与消费者的关键纽带应运而生。方超（2018）[10]指出，电商主播是指在特定领域具有一定影响力且掌握专业知识的网络主播，其主要职能是通过在线直播向消费者详细介绍产品特性及使用方法，最终实现销售转化。值得注意的是，中国广告协会于2020年6月24日正式发布《网络直播营销行为规范》，首次从行业规范层面明确了电商主播的定义：即在网络直播营销过程中与用户进行实时互动交流的主体[11]。这一官方定义标志着我国对电商主播职业身份的正式确认。2.3.2电商主播的分类2.3.3电商主播特征相关研究网络直播专业化延伸的电商主播，和传统网络主播的主播模式差异显著，除了盈利模式和职能分配的区别，准入门槛比普通网络主播高得多，按照方超（2018）[10]的定义，电商主播是特定行业意见领袖，专业背景要包括行业知识，用直播直观体现商品价值，还提炼出主播行业权威性、专业水平、产品涉入程度这三大特征。在特征分类的维度上，不同研究者给出了不一样的维度划分，沈婷（2023）[12]通过S-O-R工具提出五维度划分，突出互动质量、商品表现、个性特征、知识深度及推荐力度；赵保国和王耘丰（2021）[13]沿用S-O-R理论模型，关注互动质量、真实呈现、专业资质与公众认知这四个核心要素；罗子婵（2020）[[14]运用心理唤起理论，将专业能力、可信赖性、魅力特质和互动技巧归为四维结构。综合现有研究成果，本研究选取公众认知度、互动能力和专业水平三个关键维度进行分析。其中，公众认知度反映主播的市场影响力，具体表现为粉丝规模、社交媒体热度、直播流量及行业口碑等指标；互动能力衡量直播过程中的实时沟通效果；专业水平则体现主播在知识储备、技能运用和职业态度等方面的综合素养。2.4购买意愿研究综述2.4.1购买意愿的定义购买意愿作为消费行为的前置因素，在消费者决策理论中被界定为：个体在特定消费需求和心理动机驱动下产生的购买倾向性。从市场众多的商品和服务中挑选出能够满足自己综合需求和效用的商品和服务，并付诸实施的过程。只有当个体有购买商品或服务的意愿，才有可能采取购买行动。Engel等（1985）[15]提出了消费者购买决策五阶段模型，如图1。图2消费者购物决策的五个阶段关于购买意愿的学术定义，不同学者提出了各自的见解。Fishbein&Ajzen（1975）[16]将其界定为消费者实施购买决策的可能性评估。Dodds等（1991）[17]则强调这是消费者对特定商品或服务表现出的消费倾向。Hellier等（2003）[18]进一步指出，购买意愿反映了消费者在特定情境下做出购买选择的心理准备状态。Amoroso等（2016）[19]从预测视角出发，认为购买意愿是预判消费行为的重要前因变量。本研究综合上述观点，将购买意愿定义为：消费者在直播场景中对特定商品或服务表现出的购买倾向程度，包括直接消费意愿和口碑推荐意愿两个维度。2.4.2购买意愿的相关研究关于网络购物情境中消费者决策行为的研究，国内外学者已形成若干重要结论。Grayson等（2008）[20]的研究表明，电商平台的界面设计、商家信用评级及用户评价体系等要素均会显著影响消费者的购买意向。Shukla（2010）[21]研究团队则构建了网络消费行为的阶段模型，将购物流程系统划分为需求识别、信息搜寻、方案评估、购买实施和售后评价五个关键环节，并特别强调前期信息收集对最终购买决策的决定性作用。国内研究方面，贺爱忠和李钰（2010）[22]通过实证分析揭示了零售终端形象与品牌形象对消费意愿的交互影响机制。钟小娜（2005）[23]基于消费者主权理论提出，在电子商务环境中提升顾客感知价值是培育企业持续竞争优势的重要途径。现有研究基本证实了购买意愿对实际消费行为的预测效力。值得注意的是，我国网络消费主体呈现年轻化特征，该群体对新事物接受度高且消费活跃，这为直播电商等创新模式的快速发展提供了有利条件。在直播电商这一特定情境中，主播不仅承担信息传播者的角色，更是购物环境的关键塑造者。基于此，本研究聚焦直播电商场景，从消费者心理视角切入，深入探究主播特征对购买意愿的作用机制。2.5SOR理论S-O-R理论（刺激-机体-反应理论）源自心理学研究领域，该理论框架在经典刺激-反应（S-R）模型的基础上进行了重要拓展，创新性地引入“机体”这一中介变量作为核心要素。Belk（1975）[24]首次提出并构建了这一理论模型，将机体视为连接外部刺激与行为反应的关键环节，从而为分析人类行为提供了新的视角。（如图3）SOR理论阐释了环境刺激（S）通过作用于有机体的心理认知（O），最终导致特定行为输出（R）的作用机制。其中，外部刺激可以是环境中的任何因素，如广告、产品展示或氛围等；内部状态则包括个体的心理和生理变化，如情绪、认知和态度；而行为反应则表现为个体对刺激的接受或回避。SOR理论不仅在心理学中具有重要地位，还被广泛应用于零售和电子商务领域。例如，Donovan（1994）[25]开创性地将SOR框架应用于实体零售场景，证实了环境氛围对消费者购买决策的显著影响，奠定了该理论在消费行为研究中的基础地位。随后，Eroglu（2001）[26]将该模型延伸至电子商务领域，通过实证研究揭示了网络购物环境通过心理机制影响消费行为的作用路径，拓展了SOR理论在数字时代的应用价值。SOR理论是一种广泛应用于多个领域的心理学模型，其核心包括三个要素：刺激（S）、有机体（O）和反应（R）。其中，“刺激”（S）指的是来自外部环境的各类因素，如视觉、听觉或社会环境等，这些因素能够引发个体的感知和注意；“有机体”（O）则指个体在接收到刺激后所经历的一系列内部心理变化，包括认知、情感和生理状态等；“反应”（R）是基于刺激和内部心理变化的综合结果，表现为个体的行为或态度反应。该理论强调外部刺激通过影响个体的内部状态，最终导致行为上的表现，从而揭示了外部环境与个体行为之间的因果关系。2.6文献述评按照现存资料，本研究对直播电商的关键要点、主播特质以及影响消费行为的运行机制进行了系统整合，从定义来讲，主流学术观点觉得，直播电商是通过即时视频展示实现销售转化的新型零售模式，本质上是依靠主播即时解说与互动反馈达成销售转化。通过文献梳理，本研究总结出主播互动性、专业性和知名度三个核心特征维度，实证显示该特征体系通过差异化手段干预消费决策的形成，本研究基于S-O-R理论视角，首次将消费者感知价值作为中介变量加以分析，深入研究电商直播中主播要素推动购买的隐性路径，研究视角扩大了既有理论应用范围，对直播电商实操环节产生新启示，主播直播实时反馈可显著提升消费者价值认知，促使下单动作。3模型构建与研究假设3.1理论模型构建3.1.1模型构建思路本研究旨在探究电商直播情境中外部环境因素如何通过消费者感知价值的中介作用影响其购买决策机制。作为一种新兴的营销模式，电商直播通过实时互动的形式实现产品推介与销售转化，其中主播作为核心要素发挥着关键作用。主播通过专业化的产品展示和即时的观众互动促进交易达成，其个人特质构成了影响消费者决策的重要外部刺激源。现有文献表明，网络意见领袖的三大核心特质（专业性、互动性和知名度）能够通过改变消费者的信任度、风险感知和价值评估等心理机制间接作用于购买意愿。具体而言：赵保国等（2021）[14]基于S-O-R理论验证了带货主播的四维特征（互动性、真实性、专业性和知名度）与购买意愿的正向关联，并揭示了感知价值与信任的双重中介效应；魏剑锋等（2022）[27]发现主播特质通过心流体验和信任感知影响冲动消费；尹苑等（2022）[28]则证实社会临场感与主播特质通过信任和认同感间接影响购买决策。通过文献梳理可见，学界普遍将电商主播视为新型意见领袖，其专业能力、互动质量和公众影响力通过提升消费者感知价值来激发购买行为。值得注意的是，当代消费者参与直播不仅出于购物需求，更是追求娱乐体验和社交互动。在行业同质化竞争加剧的背景下，主播需要通过内容创新来维持竞争优势。基于上述分析，本研究构建了以功能价值和情感价值为中介变量的理论模型，重点考察主播三大特征（知名度、互动性、专业性）对购买意愿的作用路径。该模型不仅拓展了S-O-R理论在直播电商领域的应用，也为行业实践提供了新的理论指导。3.1.2理论模型基于S-O-R理论框架，本研究构建了直播电商情境下消费者购买决策的理论模型。该模型将主播特征划分为三个关键维度：公众认知度（知名度）、即时沟通能力（互动性）和专业素养（专业性），作为影响消费者决策的外部刺激因素（S）。在机体变量（O）方面，重点考察消费者对产品实用价值（功能价值）和心理满足感（情感价值）的认知评估。最终以消费者的购买意向（R）作为模型的反应变量，系统揭示主播特征通过双重价值感知影响消费决策的内在机制。图4研究模型3.2研究假设3.2.1电商主播特征与消费者感知价值关系假设（1）知名度关于知名度的概念界定，梦非（2012）[29]将其定义为个体或组织在社会认知度和影响力两个维度的综合体现。研究显示，具有较高社会认可度的意见领袖往往能产生显著的“名人效应”，消费者基于对其的信任和认同，更倾向于接受其推荐意见。赵保国等（2021）[14]的研究进一步指出，在电商直播领域，主播知名度与其市场影响力呈正相关关系，高知名度主播不仅能吸引更多潜在消费者，其粉丝群体通常表现出较高的品牌忠诚度。这种现象可以解释为：一方面，忠实粉丝会主动追随主播的推荐；另一方面，新消费者会通过模仿已有购买者的行为来降低决策风险。基于此，本研究将电商主播知名度操作化定义为：主播在目标受众中的认知普及度、社会声誉以及在特定垂直领域的影响力范围。在知名度与感知价值的关系方面，梦非（2012）[29]的研究证实，高知名度意见领袖通过推荐更具审美价值和身份象征意义的商品，能够帮助消费者提升个人形象并获得群体认同，从而创造显著的社会价值溢价。据此，本文提出以下假设：H1a：电商主播的知名度正向影响消费者功能价值感知。H1b：电商主播的知名度正向影响消费者情感价值感知。（2）互动性互动性作为传播学领域的重要概念，特指主体间通过信息交换建立的动态响应机制。Ghose等（1998）[30]将其界定为个体间建立直接沟通渠道并实现即时反馈的双向交流能力，这种能力使得交流双方能够根据对方的反应实时调整信息内容。在电商直播情境下，喻昕等（2017）[31]研究发现，弹幕作为独特的实时交互媒介，不仅实现了消费者与主播间的即时对话，还构建了消费者社群间的经验分享网络。消费者通过弹幕进行产品咨询、意见表达和体验交流，而主播则通过即时回应建立有效的沟通闭环。基于此，本研究将电商主播的互动性操作化定义为：在直播电商场景中，主播、消费者及消费者间通过平台交互功能实现的多向度、即时性的信息交换系统。例如弹幕、抽奖、点赞等。据此，本文提出以下假设：H2a：电商主播的互动性正向影响消费者功能价值感知。H2b：电商主播的互动性正向影响消费者情感价值感知。（3）专业性传播学研究表明，信息传播效能的关键影响因素在于传播主体的专业素养。在直播电商这一特定传播情境中，主播通过专业化的产品解析、动态演示以及使用经验分享，有效辅助消费者完成购买决策。Bristor（1990）[32]从信息接收者视角界定了专业性的内涵，指出其本质是信息接收者对传播者所提供产品认知准确性的主观评判。Bansal等（2000）[33]的实证研究进一步证实，消费者在决策过程中存在显著的“专家依赖”倾向，更倾向于采纳专业人士的建议，因为专家能够提供更全面的产品知识，帮助消费者在信息过载的环境中做出最优选择。基于此，本研究将电商主播专业性定义为：主播在产品知识储备、专业讲解能力以及信息传递准确性三个维度上的综合体现。就专业性与感知价值的关系而言，刘凤军等（2020）[34]的研究显示，主播专业水平的提升能够显著丰富消费者的产品认知，通过降低信息搜寻成本来提升消费者的整体感知价值。这一发现为理解专业性与消费决策的关系提供了重要理论依据。据此，本文提出以下研究假设：H3a：电商主播的专业性正向影响消费者的功能价值感知。H3b：电商主播的专业性正向影响消费者的情感价值感知。3.2.2消费者感知价值与消费者购买意愿关系假设（1）功能价值感知在消费者行为研究中，功能价值感知被界定为消费者对产品客观属性的效用评估。Lapierre（2000）[35]将其核心维度定位于与产品物理特性相关的价值判断，包括产品性能指标和使用寿命等关键要素。Sweeney等（2001）[36]通过耐用消费品研究进一步细化了功能价值的构成要素，提出“质量导向”和“价格导向”的双维度模型。基于现有理论框架，本研究将直播情境中的感知功能价值操作化定义为：消费者通过直播内容获取的、与产品核心属性直接关联的效用认知，包括但不限于产品性能参数、质量等级以及性价比等具体维度。据此，本文提出以下研究假设：H4:功能价值感知正向影响消费者购买意愿。（2）情感价值感知关于情感价值（EmotionalValue）的学术界定，Sweeney等（2001）[36]将其定义为产品或服务对消费者心理状态和情感体验的积极影响效用。Petrick（2002）[37]的研究同样证实了产品属性与消费者情感反应之间的密切关联。本研究对直播电商模式里感知情感价值的定义是：受众从直播互动过程中取得的心理宽慰和群体认同价值，在直播的网购平台中，顾客视线跳出商品展示的局限，更易集中于直播内容，结合专业知识、个人特质和实时互动效能的主播，在达成交易时，可满足用户情感依附和群体归属诉求，从而形成稳定信任网络。据此，本文提出以下研究假设：H5:情感价值感知正向影响消费者购买意愿。3.2.3消费者感知价值的中介作用假设现有研究表明，在直播电商环境中，感知价值作为连接外部刺激与消费决策的关键中介变量，其重要作用已获得多维度验证。具体而言：刘凤军等（2020）[34]采用混合研究方法，将网红主播特质解构为可信度、专业能力、互动水平和人格魅力四个维度，实证分析表明这些特质不仅直接影响购买意向，还通过提升感知价值产生间接影响；陈海权研究团队（2020）[38]聚焦主播个人特质，选取社会影响力、互动强度、产品参与度和创新性等指标，运用回归分析验证了感知价值在特质因素与购买意愿间的完全中介效应；许贺等（2021）[39]针对服装直播场景的研究揭示，直播的交互体验、娱乐属性和视觉呈现等特征通过增强感知价值，显著刺激消费者的非计划性购买行为；肖开红等（2021）[40]基于S-O-R理论框架，系统论证了意见领袖的专业素养、互动质量以及促销策略通过感知价值的中介路径对购买意愿产生的正向影响。这些研究从不同角度证实了感知价值在直播电商消费决策中的核心中介地位，为理解消费者行为机制提供了重要理论依据。在网购过程中，消费者通常通过产品的外部特征（如价格、品牌、保证等）和内部特征（如质量属性、使用价值、自身价值等）来评估产品的功能价值。而在电商直播场景中，主播凭借其专业知识、互动性以及娱乐化的直播内容，能够有效传递产品信息，减少消费者的购买疑虑，并通过情感价值的传递（如愉悦感、兴奋感和幸福感）进一步激发消费者的购买意愿。电商直播中的高频互动不仅帮助消费者建立情感连接，还强化了他们的社会存在感，进而增进对产品的喜爱。主播作为意见领袖，凭借其专业性和可信度，能够有效传递感知价值，使消费者对产品产生更高的信任感和好感度。这种信任感和好感度进一步促进了消费者的购买行为。据此本文提出以下假设：H6：功能价值感知在主播特征和消费者购买意愿的关系中有中介作用。H7：情感价值感知在主播特征和消费者购买意愿的关系中有中介作用。4研究设计与数据收集4.1变量界定（1）自变量：主播特征（知名度、互动性、专业性）知名度指的是一个主播在公众中的认知度和影响力。它通常与主播的粉丝数量、社交媒体关注度、直播观看次数、品牌合作机会以及在行业内的声誉等因素相关联。直播互动性体现为观众与主播之间实时的双向交流能力，包括即时问答、弹幕互动等形式；而专业性则反映主播在特定领域展现的深度知识储备、娴熟展示技巧及职业化表现水准。（2）因变量：消费者购买意愿购买意愿作为消费决策过程的关键前因变量，反映了消费者在特定消费动机驱动下产生的商品获取倾向性。根据消费者行为理论，这种决策机制本质上是需求认知与购买欲望共同作用的结果。从市场众多的商品和服务中挑选出能够满足自己综合需求和效用的商品和服务，并付诸实施的过程。本文认为购买意愿是指消费者愿意在直播间对某一产品或服务产生的购买意愿和可能性并愿意向他人推荐购买的主观意识。（3）中介变量：消费者感知消费者感知是消费者在购买决策过程中对产品特性、服务以及品牌的主观解读和评价。该过程受到个人信念、价值观、预期、以往经验和社会文化等因素的影响，导致不同消费者对相同信息的感知存在差异。本文我们将其划分为功能价值感知和情感价值感知两个维度。4.2问卷设计本研究聚焦电商直播场景，实证分析主播特质对消费者购买决策的影响路径。基于研究主题的特性，将样本群体严格限定为具备直播观看及消费体验的用户群体。为确保研究数据的信效度，采用专业调研平台问卷星进行数据采集，并运用Likert五级量表（1=非常不同意，5=非常同意）量化测量受访者的态度倾向，从而保证测量工具的科学性与规范性。本研究的问卷设计采用三阶段结构化方案：

（1）样本筛选模块：通过情境化问题甄别具有电商直播购物经验的合格受访者；

（2）人口统计模块：涵盖年龄、收入水平、教育背景及网购频次等5项基础特征测量。

（3）核心变量测量模块：包含6个研究变量的关键题项设计（具体题项参见附件）。完整问卷内容详见研究附录部分。4.3问卷的发放与收集基于预调研数据的分析结果，本研究对问卷结构和测量指标进行了系统性优化，并依托问卷星平台完成最终版本的编制。正式调研于2025年2月1日至3月1日期间实施，通过问卷星官方渠道及主流社交平台（微信、QQ）进行数据采集。最终共发放并回收问卷345份，剔除因未有过购买经历、答题时间异常短暂等原因导致的35份无效问卷，最终获得310份有效问卷，问卷有效率为89.8%。五、实证分析5.1描述性统计分析5.1.1样本描述性统计分析本研究首先运用SPSS27.0统计软件，对受访者的性别构成、年龄分布、教育程度及每月直播购物频次等变量进行了描述性统计。表1列出了详细的统计结果。表1样本描述性统计（N=310）项目类别频次百分比累计百分比男14847.7%47.7%性别女16252.3%100%18岁以下247.7%7.7%18~25岁12640.6%48.4%年龄26~30岁10734.5%82.9%31~40岁3711.9%94.8%40岁以上165.2%100%小学268.4%8.4%初中5116.5%24.8%学历高中5216.8%41.6%大专6721.6%63.2%本科9330.0%93.2%本科以上216.8%100%2次及以下9129.4%29.4%每月网购频率3~4次13342.9%72.3%5次及以上8627.7%100%资料来源：根据SPSS输出结果整理得出统计数据显示，男性148人，占比47.7%；女性162人，占比52.3%，这一比例与电商直播受众中女性占多数的趋势相符。同时，由于在筛选过程中，样本筛选结果显示，未接触电商直播的男性用户被有效排除，确保了数据的有效性。年龄分布呈现典型特征：18-25岁群体占比最高（40.6%），其次为26-30岁（34.5%），与电商直播核心受众（80、90后）高度吻合，18岁以下（7.7%）和31岁以上群体（合计17.1%）占比较低。教育程度分布为：高中及以下41.6%，专科21.6%，本科30.0%，硕士以上6.8%，该结构与直播电商用户画像基本一致，表明样本具有良好的代表性。平均每月观看电商直播购物次数方面，每月通过直播购物次数为2次及以下的人群占比为29.4%，3—4次为42.9%，每周购买次数5次及以上为27.7%说明样本每月观看电商直播购物频率较高，该数据分布特征与当前直播电商的市场发展趋势高度吻合。调研样本具有良好的结构效度，能够客观反映目标人群特征，为后续的模型验证与数据分析提供了可靠的数据基础。5.1.2变量描述性统计分析运用SPSS27.0统计软件，计算了各变量的均值、标准差等描述性统计量，并对数据的偏态和峰度特征进行了分析。最终结果如表2所示。表2变量的描述性统计变量名称题项序号平均值标准差偏度峰度A14.320.887-1.5952.949知名度A24.10.823-1.272.564A34.310.939-1.6472.736B14.180.912-1.4912.726互动性B24.340.859-1.5552.784B34.180.824-1.2191.991C14.20.794-1.3813.272专业性C24.260.839-1.3122.166C34.130.843-1.2012.111D14.340.895-1.6753.001功能价值感知D24.330.893-1.4922.105D34.20.943-1.4732.343E14.190.872-1.3742.565情感价值感知E24.170.864-1.2842.107E34.360.913-1.6512.673F14.130.735-1.0452.595购买意愿F24.150.829-1.4773.462F34.220.849-1.422.826资料来源：根据SPSS输出结果整理得出数据分析显示，各题项得分均值分布于4.1至4.36区间，标准差介于0.735到0.943范围。数据分布特征方面，偏度系数（|1.045-1.675|）和峰度系数（|1.991-3.462|）均小于临界值（3和5），表明数据符合正态性要求。5.2信度分析信度指测量结果的可靠程度，通常用Cronbach’sα系数进行检验，标准为Cronbach’sα＞0.7，CITC＞0.5。如表5-3所示，量表整体Crobach'sAlpha值为0.875，各潜变量的Cronbach’sα系数分别为0.769、0.792、0.754、0.802、0.778、0.738均大于0.7。项已删除的α值低于各潜变量的Cronbach’sα值，信度良好。表3各变量信度分析变量名称题项编号CITC项已删除的Alpha值Crobach'sAlpha值量表整体Crobach'sAlpha值A10.6090.683知名度A20.6070.6880.769A30.5980.698B10.6480.704互动性B20.6360.7150.792B30.6210.733C10.5990.655专业性C20.5540.7050.754C30.5980.6540.875D10.6780.699功能价值感知D2D30.6530.6140.7240.7670.802E10.6230.69情感价值感知E2E30.5630.6590.7540.6490.778F10.5570.665购买意愿F20.5790.6340.738F30.560.659资料来源：根据SPSS输出结果整理得出5.3效度分析在实施因子分析前，本研究采用KMO测度和Bartlett球形检验对变量适切性进行评估。KMO指数作为因子分析的适用性判断标准，取值区间为0-1，数值愈趋近于1表明变量间共性愈强，愈适合进行因子提取。Bartlett检验通过显著性判定（p<0.05）确认变量间存在统计学意义上的相关性，满足因子分析的基本前提条件。表4变量KMO和Bartlett球形检验KMO取样适切性量数0.862近似卡方1972.370巴特利特球形度检验自由度153显著性0.000表4显示，KMO检验值为0.862，超过0.7的标准阈值，说明变量间存在较强的相关性，满足因子分析的前提条件。Bartlett球形检验结果达到显著水平（p<0.001），拒绝原假设，证实数据适合进行因子分析。综合来看，问卷具有良好的结构效度。此外，各维度的KMO和Bartlett检验结果详见表5（采用SPSS27.0计算）。表5各维度效度的KMO值和Bartlett球形检验变量题项数量KMO值Bartlett球形检验卡方值自由度显著性知名度30.700240.86130互动性30.708275.23330专业性30.690221.24130功能价值感知30.706296.05930情感价值感知30.689258.40730购买意愿30.688201.87530从表5的数据可以看出，本研究中主播特征的知名度、互动性和专业性的KMO值分别为0.700、0.708和0.690，上述分析结果显示变量间具有显著的共性特征（KMO>0.7），充分满足因子分析的数据要求。Bartlett检验达到极显著水平（p<0.001），确证变量间存在足够的相关性。此外，中介变量与结果变量的检验指标均符合统计标准（KMO>0.6，p<0.05），表明本研究数据完全具备进行因子分析的统计条件。通过SPSS生成的旋转成分矩阵（表6）显示，所有测量题项在其对应变量维度上的因子载荷均超过0.5的最低标准值，且不存在跨因子负荷现象，这一结果充分验证了本问卷具有良好的结构效度。表6主播特征、价值感知及购买意愿各题项因子载荷矩阵变量题项成分1成分2成分3成分4成分5成分6A10.791知名度A20.725A30.797B10.778互动性B20.802B30.782C10.802专业性C20.733C30.779D10.816功能价值D20.835D30.744E10.810情感价值E20.757E30.811F10.767购买意愿F20.712F30.8115.4相关分析本研究运用Pearson相关系数法对各潜变量间的关系进行检验，相关系数𝑟的取值范围为-1至1。分析结果显示，知名度、互动性、专业性、功能价值、情感价值与购买意愿之间的相关系数在0.276到0.415之间，均处于中等相关水平（0.2＜|𝑟|＜0.7），且均呈现显著的正向关联（p＜0.01，双尾检验）。这一结果表明，各变量之间具有适度的相关性，符合研究预期，为后续模型的构建提供了有力的数据支撑。表7Pearson相关分析变量知名度互动性专业性功能价值情感价值购买意愿知名度--互动性0.364**--专业性0.363**0.391**--功能价值0.415**0.372**0.338**--情感价值0.341**0.375**0.354**0.325**--购买意愿0.412**0.364**0.357**0.324**0.276**--**在0.01级别（双尾），相关性显著。5.5多元回归模型构建与研究假设5.5.1模型构建本研究采用多元线性回归模型（MultipleLinearRegression,MLR）探究主播特征（知名度、互动性、专业性）对消费者购买意愿的影响。1.模型构建模型公式：多元回归模型可表示为：𝑌=𝛽0+𝛽1𝑋1+𝛽2𝑋2+𝛽3𝑋3+𝜖其中：Y：因变量（购买意愿）；X1,X2,X3:自变量（知名度、互动性、专业性）𝛽0：截距项；𝛽1−𝛽3：自变量的回归系数；ϵ：随机误差项，假设服从均值为0的正态分布。变量定义：自变量：知名度：主播在公众中的认知度与影响力，通过粉丝量、社交媒体关注度等测量；互动性：主播与观众实时交流的能力，通过弹幕互动频率、问答响应速度等测量；专业性：主播对产品的专业知识水平，通过产品讲解深度、使用经验分享等测量。因变量：购买意愿：消费者在直播间的购买倾向。5.5.2模型假设检验为确保回归结果的可靠性，需验证以下统计假设：1.线性关系检验图5线性关系检验图2.多重共线性检验多重共线性诊断结果显示（表8），各预测变量的方差膨胀因子（VIF）处于1.235至1.65区间，均低于临界值3；同时容忍度指标介于0.790到0.810之间，均高于0.1的标准阈值，表明解释变量之间不存在显著的多重共线性问题。。表8多重共线性检测3.残差正态性检验(1)直方图分析结果回归标准化残差的直方图分析显示，其分布形态呈现近似钟形对称分布，中心位置趋近于理论期望值0（均值=-1.50×10⁻¹⁴≈0），标准差为0.997，与标准化残差的理论标准差1高度接近。这一分布特征表明，残差数据基本符合正态分布的基本要求图6回归标准化残差图（图7回归标准化残差正态P-P图4.同方差性检验当前散点图呈现以下特征：在预测值（X轴）的全范围内，残差（Y轴）的离散程度基本一致。未出现随着预测值增大而离散程度明显变化的情况，数据点围绕零线随机分布，无明显规律性。因此，可以判定该回归模型的残差满足同方差性假设（homoscedasticity）。图8同方差性检验散点图5.6回归分析5.6.1主播特征与功能价值感知的回归分析表9主播特征与功能价值感知的回归分析系数表表10主播特征与功能价值感知回归模型摘要表本研究通过回归分析探讨了电商主播三大核心特征对消费者功能价值感知的影响机制。研究模型设定如下：（1）预测变量：主播的知名度、互动表现及专业水平（2）效标变量：消费者的情感价值感知程度（3）关键参数：非标准化回归系数（B）：体现预测变量单位变化对效标变量的绝对影响。标准化回归系数（Beta）：用于跨变量比较各预测因素的相对贡献强度。显著性：*表示p<0.001，表示p<0.01。模型整体拟合度：R²=0.247，表明三个自变量共同解释了因变量24.7%的变异（F=33.463，p<0.001）。假设验证假设H1a：电商主播知名度正向影响功能价值感知数据支持：知名度的未标准化系数B=0.298（β=0.283），t=5.135，p<0.001，表明知名度每提升1单位，功能价值感知显著增加0.298单位。所以假设H1a成立。假设H2a：电商主播互动性正向影响功能价值感知数据支持：互动性的B=0.221（β=0.209），t=3.743，p<0.001，说明互动性每增强1单位，功能价值感知显著提升0.221单位。所以假设H2a成立。假设3：电商主播专业性正向影响功能价值感知数据支持：专业性的B=0.175（β=0.154），t=2.754，p=0.006，表明专业性每提高1单位，功能价值感知显著增加0.175单位。所以假设H3a成立。综合结论：所有自变量的系数均为正且显著（p<0.01），验证了电商主播的知名度、互动性与专业性均对消费者功能价值感知有显著正向影响。其中，知名度的影响最强（β=0.283），互动性次之（β=0.209），专业性影响相对较弱但依然显著（β=0.154）。模型具有统计学意义（F=33.463，p<0.001），可为实践提供参考。5.6.2主播特征与情感价值感知的回归分析表11主播特征与情感价值感知的回归分析系数表表12主播特征与情感价值感知回归模型摘要表RR²调整R²标准估算误差F值显著性(p)0.4680.2190.2110.65328.623<0.001***本研究通过回归分析探讨了电商主播三大核心特征对消费者情感价值感知的影响机制。研究模型设定如下：（1）预测变量：主播的知名度、互动表现及专业水平（2）效标变量：消费者的情感价值感知程度（3）关键参数：非标准化回归系数（B）：体现预测变量单位变化对效标变量的绝对影响。标准化回归系数（Beta）：用于跨变量比较各预测因素的相对贡献强度。显著性：*表示p<0.001，表示p<0.01。模型整体拟合度：R²=0.219，表明三个自变量共同解释了因变量21.9%的变异（F=28.623，p<0.001）。假设验证假设H1b：知名度正向影响情感价值感知数据支持：回归分析结果显示，主播知名度对消费者情感价值感知产生显著正向影响（B=0.187，β=0.187，t=3.323，p=0.001）。具体而言，主播知名度每提升一个单位，消费者的情感价值感知水平将相应提高0.187个单位。这一统计结果不仅达到显著水平，且影响方向与研究假设完全一致，进一步验证了理论预期的正确性，所以假设H1b成立。假设H2b：互动性正向影响情感价值感知数据支持：互动性的B=0.232（Beta=0.23），t=4.048，p<0.001***，说明互动性每增强1单位，情感价值感知显著提升0.232单位。在所有变量中，互动性的Beta值最高（0.23），表明其影响相对最强。所以假设H2b成立。假设H3b：专业性正向影响情感价值感知数据支持：专业性的B=0.213（Beta=0.196），t=3.451，p<0.001***，表明专业性每提高1单位，情感价值感知显著增加0.213单位。系数显著且方向为正，支持假设。所以假设H3b成立。综合结论：所有自变量的非标准化系数（B）均为正且显著性极高（p<0.001），验证了电商主播的知名度、互动性、专业性均对消费者情感价值感知有显著正向影响。影响强度排序：互动性（Beta=0.23）>专业性（Beta=0.196）>知名度（Beta=0.187）。5.6.3功能价值感知与购买意愿的回归分析表13功能价值感知与购买意愿的回归分析系数表表14功能价值感知与购买意愿回归模型摘要表本研究通过回归分析探讨了功能价值感知对消费者购买意愿的影响机制。研究模型设定如下：（1）预测变量：主播的知名度、互动表现及专业水平（2）效标变量：消费者的情感价值感知程度（3）关键参数：非标准化回归系数（B）：体现预测变量单位变化对效标变量的绝对影响。标