【电商直播对消费者生鲜农产品购买意愿的影响因素探究16000字（论文）】

第[10]。本文在总结以往学者研究成果的基础上，得出结论，与传统的电子商务单向信息传输的图文相比，电商直播具有产品展示，社交互动，用户体验和销售逻辑等诸多优势。电商直播将会是一种极为高效的网络销售模式。（三）研究方法与研究结构1.研究方法文献研究法：通过提炼相关文献观点作为研究的理论基础并进行延申的方法。问卷调查法：使用问卷量表选取随机人群作答来得到可靠数据的方法。实证分析法：使用SPSS软件对变量数据进行相关分析并探究出影响因变量的各个因素的方法。2.研究结构第一部分：在查找了国内外相关理论研究文献后在绪论部分归纳总结了他们的研究现状并介绍了本文的研究背景与方法。第二部分：对生鲜农产品的电商直播市场进行观察并搜集相关资料后，总结了这个新兴市场的发展现状并进行了简要分析。第三部分：在搜查、汇总相关信息的资料后开始探究电商直播下消费者生鲜农产品购买意愿的影响因素，先对其7大变量进行定义，然后对照研究变量进行相关假设，最后经过SPSS软件对收集到的数据进行实证分析后得出分析结论。第四部分：由分析出的数据结论来对假设进行验证，再提出针对电商直播下生鲜农产品的销售策略。研究背景与目的研究背景与目的国内外研究现状电商直播下生鲜农产品市场发展影响因素的回归分析实证分析各个分析的结论策略建议图SEQ图\*ARABIC1研究框架

二、电商直播下生鲜农产品网购市场发展（一）传统生鲜农产品网购市场的概况中国生鲜电商市场发展迅速，2019年中国生鲜电商市场交易规模突破两千多亿，生鲜电商市场潜力大，未来仍呈快速增长趋势。自去年疫情以来消费者越来越喜欢在线上购买生鲜产品，用户更多地开始使用生鲜电商平台。“新冠疫情”影响下，消费者线上消费提升，其中生鲜消费的表现最为亮眼。2020年2月份中国网上购物APP月活跃用户增速前十平台均为生鲜电商平台和医药平台。这是因为受疫情期间交通运输业和零售业停滞的影响，线下的消费遭受重创，而线上尤其是适合近距离运输的生鲜消费却不减反增，成为了疫情期间零售行业最大的亮点。表SEQ表\*ARABIC4表SEQ表\*ARABIC4生鲜电商GMV经过疫情期间的居家隔离，许多消费者的网购生鲜的习惯已经养成，超7成用户网购生鲜每周1次以上。根据CNNIC和36氪研究院的数据可以知道疫情爆发后有71.5%的用户都开始了平均每周一次以上的生鲜网购，并且三月份之后仍然保持了网购生鲜的习惯，比疫情发生前增长了3.3%。表SEQ表\*ARABIC5表SEQ表\*ARABIC52020年中国生鲜电商用户购买频次中国的生鲜电商市场在发展初期主要是垂直类的地域性生鲜平台。经过一段时间的发展期后，市场开始受到资本的关注，大型电商平台相继进场，他们开始急于加强市场的供应链和物流等基础设施的建设，并为行业带来了新的O2O零售模式，这给生鲜电商市场吸引到了更多的关注，行业开始快速发展，开始出现了传统生鲜电商平台，如天猫生鲜、京东到家等。传统生鲜电商说是利用互联网科技通过电商平台的总仓库和子仓库等传统快递方式向给消费者配送生鲜产品。它们的主要商业模式有城市中心仓和前置仓等。而它们的产品品类主要以水果为主,水产海鲜、肉禽蛋等品类也在逐渐扩充。物流配送方式有下单后2小时达、当日达或次日达等。表SEQ表\*ARABIC表SEQ表\*ARABIC62020年6月生鲜及新零售平台活跃用户数（二）传统生鲜农产品网购市场的瓶颈随着互联网巨头逐渐入局生鲜电商行业，使得行业的竞争愈发激烈，进入发展的瓶颈期。并且由于2020年初突发的新冠疫情使传统生鲜农产品网购市场又面临了新的挑战：各省市疫情期间的交通管制迫使运输调整线路，导致路途变远、运输时间增长造成大量原材料受损；许多电商平台都出现了供应不足，热门产品长期缺货的现象，以次充好的情况时有发生；且疫情期间因为国家相关部门对物价采取了强制管制的措施让各电商平台生鲜价格无法明显上涨，所以人力、运营等成本的增加也更加压缩了单次订单的利润空间。由此可见，在暴发疫情之前，生鲜电商行业就已经开始洗牌。而突如其来的疫情加快了行业洗牌的速度，也激发了生鲜电商行业存在已久的矛盾，如供应链冗长复杂、原材料损耗大、品控难以控制、盈利困难等核心问题逐步开始爆发，所以许多企业进入了发展的瓶颈期，只能寻找新的机遇，但是疫情的爆发带来了许多挑战的同时也给生鲜行业带来了机遇。（三）生鲜农产品网购市场的发展方向直播+电商模式正在兴起。某天一位淘宝人气主播正在为某生鲜农产品公司进行直播带货，在短短半小时内成交额就高达400多万元，而更加可贵的是，作为生鲜食品的销售，这场直播之后还没有发生任何物流及售后问题。由此，电商直播强大的带货销售能力可见一斑。电商直播同时具有了电子商务销售和流媒体两种属性，它是将电子商务营销作为基础目标，利用网络直播作为工具运行的一种“所见即所得”的商业模式。这种商业模式将电商直播商品信息内容及形式呈现的更加丰富，可以将潜在的消费者与产品联系在一起。在直播间中主播根据观看用户提出的需求有针对性地介绍产品相关信息来进行产品的推销。除了人气主播给直播间带来的巨额流量外，直播间内的各种产品线索，如直播商品列表，折扣信息，商品详情页链接等都可以让用户快速高效地了解到产品的全面信息。在表现形式上，直播间的各种内容都是通过视觉来呈现的，相比与传统电商的图文展示更加生动立体，可以让产品的原始样貌得到最大程度的还原，大大地提高了用户在线上选购产品时的体验。因为在传统电商模式下生鲜农产品的销售已经陷入了瓶颈，而直播电商则为农业带来了新的机遇，所以许多地方的政府和电商平台也都在积极地鼓励农户们开始自己的直播带货之旅。在2018年的双12购物节期间，包括四川省农副产品基地在内的全国八个主要产业带都在淘宝直播平台上开展了连续12天填的直播带货，带动店铺销售额与之前相比提升了200%以上。2019年的3月30日，淘宝启动了“乡村直播计划”，宣布将在100个县中培养草根的农民主播，并打造脱贫为IP的栏目带，以帮助贫困的农村地区通过直播的方式推荐介绍家乡的生鲜农产品来带动脱贫。我国主要的消费群体随着经济时代的发展变迁也在逐渐发生变化，现在消费的主力军大多是八零九零后，他们的消费需求与习惯也与以前的人们有所不同，他们有着对更高生活品质的追求，这大大提高了他们对消费品质与体验的标准。表表SEQ表\*ARABIC72019年中国用户网购生鲜产品时看重的因素数据来源：艾瑞咨询研究院在之后的时间里线上购买生鲜农产品的现象会因为移动网购用户规模的不断增加而变得越来越普遍，并且由于年轻人对网络直播的兴趣也非常大，消费者对电商直播购买生鲜的需求也将不断扩大，所以直播+电商的模式在将会就会是生鲜农产品市场的一个大的发展方向。三、研究设计与实证分析（一）研究设计1.变量设计本文梳理了电商直播以及生鲜农产品网购市场的发展和研究后，以消费者购买理论研究为基础，将商家专业性、价格优惠、内容趣味性、互动性、意见领袖，消费者感知功能价值和消费者购买意愿作为研究变量。对于各个变量的解释如下。（1）商家专业性更具有专业性的商家会使消费者更愿意在其直播间进行购买。由于生鲜产品保鲜期短且损耗率高，有多年生鲜农产品销售经验的商家就会拥有更完善的供应链和物流服务保证生鲜产品的新鲜度以及高品质，同时专业性强的生鲜电商商家销量更高也不会大量囤货，产品品质能得到更好的保障。（2）价格优惠对产品进行打折促销等的价格优惠是各大商业模式通用的营销方法，但对于直播电商模式来说它可以设置独特的直播间专属或者主播专属价格优惠，以独家特有和折扣力度大的价格让利来刺激消费者的购买神经。（3）内容趣味性单纯的购物已经不能满足如今的大部分消费者，他们在获得基本的购买物质需求后也更希望获得精神上愉悦。这也是电商直播的一大优势。趣味性的直播内容,更能挑起消费者的购买欲望。（4）互动性互动性在电商直播中发挥着重要的作用，同时它也是网络直播中最显著的特征，直播间的消费者们可以通过实时弹幕的形式与主播进行互动，使消费者与主播、消费者与消费者都有互动交流，大大提升消费者的参与感。（5）意见领袖电商主播就是消费者购物的意见领袖，主播通常因为自己在人际传播网络中活跃，对消费者有一定的影响力，他们可以通过自己的行为来影响消费者的购买意愿本文中电商主播作为意见领袖，是通过对生鲜产品有更多的了解和经验，通过其专业度，知名度等来影响消费者的购买行为。（6）感知功能价值消费者在直播间通过接收各种信息所能感知到的关于产品的性能，用途，质量等价值就是消费者的感知功能价值，它会直接地影响到消费者的购买意愿。（7）购买意愿消费者对某种产品或服务进行购买的主观行为和可能性就是消费者的购买意愿。本研究对购买意愿的定义是消费者对电商直播的内容进行观看后对直播间介绍的产品进行购买行为或分享行为的可能性。2.假设模型（1）模型本文采用了比较成熟的ＳＯＲ模型，结合电商直播的特点进行分析研究，以互动性、产品价格优惠、内容趣味性、商家专业性、意见领袖等因素作为因变量，以消费者感知功能价值作为中介变量，以购买意愿作为结果的因变量，探索它们之间的关系，最终得到对消费者购买意愿影响的结论。直播刺激直播刺激S

商家专业性价格优惠内容趣味性互动性意见领袖消费者认知O反应R消费者感知功能价值购买意愿图图SEQ图\*ARABIC2研究模型（2）假设基于以上研究模型做出如下假设如表8所示表SEQ表\*ARABIC8研究假设编号假设内容H1商家专业性对购买意愿会有显著的正向影响H2价格优惠对购买意愿会有显著的正向影响H3内容趣味性对购买意愿会有显著的正向影响H4互动性对购买意愿会有显著的正向影响H5意见领袖对购买意愿会有显著的正向影响H6商家专业性对感知功能价值会有显著的正向影响H7价格优惠对感对知功能价值会有显著的正向影响H8内容趣味性对感知功能价值会有显著的正向影响H9互动性对感知功能价值会有显著的正向影响H10意见领袖对感知功能价值会有显著的正向影响H11感知功能价值对购买意愿会有显著的正向影响H12感知功能价值在商家专业性对购买意愿的影响中会发挥中介作用H13感知功能价值在价格优惠对购买意愿的影响中会发挥中介作用H14感知功能价值在内容趣味性对购买意愿的影响中会发挥中介作用H15感知功能价值在互动性对购买意愿的影响中会发挥中介作用H16感知功能价值在意见领袖对购买意愿的影响中会发挥中介作用3.量表设计本文采用了问卷调查法对研究数据收集并整理。本文的量表是依据前文提取出的各个变量以及提出的相关假设进行设计的，完成好量表后就形成了完整的调查问卷，问卷开头首先向调查者解释了为什么要调查电商直播对消费者生鲜农产品购买意愿产生的影响，明确了调查目的同时也向他们介绍了本文的研究课题。问卷更是重点强调了会保护调查者的隐私，以此来减少他们的担忧，使他们能真实地对问卷进行填写。接着开始统计被调查者的基本个人信息，对他们的特征进行了解；同时设置甄别题型，以是否观看过电商直播为条件筛选受访者，这样可以确保获得准确的问卷数据。问卷的主体部分主要是测量研究的各个变量，问卷利用了李克特5度量表测量受访者的态度来保证测量的科学有效，其中１为“非常不同意”，５为“非常同意”，逐级增加对同意的程度。量表的设计如下。表SEQ表\*ARABIC9商家专业性量表变量名编号问项商家专业性A1商家有更专业的供应链物流会让我更相信他们生鲜农产品的新鲜度A2越专业的商家直播可以让我更精准地买到适合自己的生鲜农产品A3越专业的商家直播越能吸引我的购买表SEQ表\*ARABIC10产品价格优惠量表变量名编号问项价格优惠B1直播间内的独家优惠价格可以吸引我B2直播间限时抢购时会刺激我的购买意愿B3直播间定期发放优惠券会吸引我购买表SEQ表\*ARABIC11内容趣味性量表变量名编号问项内容趣味性C1观看电商直播让我缓解压力C2越有趣的直播内容越能吸引我购买表SEQ表\*ARABIC12互动性量表变量名编号问项互动性D1有产品相关的问题可以直接问主播D2可以通过弹幕一起讨论商品D3可以参与抽奖和抢购独家优惠券表SEQ表\*ARABIC13意见领袖量表变量名编号问项意见领袖量E1主播人气越大我越信任E2主播在生鲜农产品行业内越有影响力我越信赖他的推荐E3主播的直播带货技巧越好我对生鲜农产品越感兴趣表SEQ表\*ARABIC14感知功能价值量表变量名编号问项感知功能价值F1我认为直播间推荐的生鲜农产品更加新鲜F2我认为直播间的生鲜农产品更加可口F3我认为直播间的生鲜农产品更加正宗表SEQ表\*ARABIC15购买意愿量表变量名编号问项购买意愿G1观看电商直播后我愿意购买生鲜农产品G2观看电商直播后我愿意继续了解观看直播并考虑下次在直播间购买生鲜农产品G3观看电商直播后我愿意推荐其他人购买直播间产品（二）实证分析本次调查共发放了211份问卷，剔除了从未观看过电商直播的23份无效数据后，最终获得了有效问卷188份，有效率为89.1%。1.描述性统计分析为了较为全面地了解受访者的情况，首先使用软件SPSS25.0对样本数据进行了描述性分析，分析结果如表16所示：表SEQ表\*ARABIC16描述性分析结果统计变量类型频率百分比性别男4926.06%女13973.94%年龄18岁以下42.13%18-25岁10455.32%26-30岁5830.85%31-35岁2211.70%职业学生8042.55%上班族8042.55%自由职业2814.89%1000元以下2111.17%1000-2000元7740.96%月消费水平2001-30006936.70%3001-5000105.32%5000以上115.85%电商直播生鲜农产品购买意愿是15079.79%否3820.21%分析数据显示，男女比例为26.06%和73.94%；18岁以下占比2.13%，18－25岁占比最多，达55.32%，26－30岁占比30.85%，31-35岁占比11.7%，有一定的代表性。学生和上班族占比都是42.55％，在月消费水平方面，1000元以下占比11.17%，1000-2000元占比40.96%，2001-3000元占比36.70%，3001-5000元占比5.32%，5000元以上占比5.85%。新冠疫情后消费者的收入普遍下降，电商直播的用户大多数为中低消费人群，数据比较合理。在电商直播生鲜农产品购买意愿方面，有在直播间购买农产品意愿的占比79.79%，没有的占比20.21%。受访者总体有较强的购买意愿，并且有较高的代表性。2.信度分析为了确保问卷量表具有可靠性，要先对其进行信度检验，本文主要选取克隆巴赫系数进行信度检验。克隆巴赫系数的值在０－１之间，其数值越高，信度就会越强。若克隆巴赫系数的在0.6-0.7甚至低于0.6时，则说明量表的内部一致信度不足，需要对量表中的题目进行适当的修正和删减。本研究对自变量、中介变量，因变量分别进行了测量，结果如表17所示：表SEQ表\*ARABIC17克隆巴赫系数信度检验结果变量名测量题项删除项后的α值整体的α值商家专业性A10.1610.692A20.659A30.804价格优惠B10.8250.899B20.779B30.972内容趣味性C1-0.762C2-互动性D10.3020.680D20.746D30.645意见领袖E10.5170.571E20.747E3-.141a感知功能价值F10.9940.966F20.924F30.931购买意愿G10.0990.635G20.731G30.443如表中数据所示，价格优惠、感知功能价值两个前因变量的整体α均大于0.8，处于非常理想的状态，信度非常好，内容趣味性的α值大于0.7，有比较良好的信度，这三个变量的题项无需更改。商家专业性、互动性、意见领袖和购买意愿四个变量的整体α值均小于0.7且意见领袖的阿尔法值甚至小于0.6，所以需要对这四个变量的的题项进行修改。通过观察表中数据可知，删除掉对应题项就可以使删除后的阿尔法值均上升到0.7以上，故对题项的修改如下：删除题项A3、D2、E2、G2及其数据。修改后商家专业性、互动性、意见领袖和购买意愿四个变量的整体α于0.7且商家专业性α值已经大于0.8，信度良好。3.效度分析效度检验是为了保证问卷量表的有效性，即数据结果在多大程度上能够反映出研究内容的真实特征。本文运用了探索性因子分析对量表的效度进行检验。KMO检验和巴特利特球状检验是进行探索因子分析的前提，因为只有通过了KMO检验和巴特利特球状检验才能保证数据适合做因子分析。KMO检验是用来检验个变量间相关性和偏相关性的指标，数值一般在0-1之间，一旦KMO值小于0.5，则说明变量不适合做因子分析。巴特利特球状检验则是用来判断各个变量间是否相互独立，如果变量间均彼此独立，就无法从中提取公因子，无法运用因子分析法。巴特利特球状检验的标准是，如果显著性值小于0.05就证明变量之间具有相关性，可以提取公因子，进行因子分析。（1）各因变量题项效度检验采用SPSS25.0对信任量表进行KMO和巴特利特球形度进行检验，结果如表18至表22所示，商家专业性、价格优惠、内容趣味性、互动性和意见领袖五个变量的KMO指数均大于0.500，表示可以做因子分析，巴特利特球形度检验显著性小于0.001，因此五个量表具有较好相关性，说明适合做因子分析。表SEQ表\*ARABIC18商家专业性KMO和巴特利特检验KMO取样适切性量数。0.500巴特利特球形度检验近似卡方120.232自由度1显著性0.000表SEQ表\*ARABIC19价格优惠KMO和巴特利特检验KMO取样适切性量数。0.636巴特利特球形度检验近似卡方562.475自由度1显著性0.000表SEQ表\*ARABIC20内容趣味性KMO和巴特利特检验KMO取样适切性量数。0.500巴特利特球形度检验近似卡方96.483自由度1显著性0.000表SEQ表\*ARABIC21互动性KMO和巴特利特检验KMO取样适切性量数。0.500巴特利特球形度检验近似卡方80.888自由度1显著性0.000表SEQ表\*ARABIC22意见领袖KMO和巴特利特检验KMO取样适切性量数。0.500巴特利特球形度检验近似卡方87.316自由度1显著性0.000如表23至表32所示，五个变量的累计方差贡献率分别为84.532％、85.072%、81.842%、79.725%、80.637%，且各题项因子载荷度都大于0.5，说明各量表具有较好的结构效度。表SEQ表\*ARABIC23商家专业性总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%11.69184.53284.5321.69184.53284.53220.30915.468100.000提取方法：主成分分析法。表SEQ表\*ARABIC24商家专业性公因子方差公因子方差初始提取A11.0000.845A21.0000.845提取方法：主成分分析法。表SEQ表\*ARABIC25价格优惠总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%12.55285.07285.0722.55285.07285.07220.40113.36698.43830.0471.562100.000提取方法：主成分分析法。表SEQ表\*ARABIC26价格优惠公因子方差初始提取B11.0000.894B21.0000.942B31.0000.716提取方法：主成分分析法。表SEQ表\*ARABIC27内容趣味性总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%11.63781.84281.8421.63781.84281.84220.36318.158100.000提取方法：主成分分析法。表SEQ表\*ARABIC28内容趣味性公因子方差初始提取C11.0000.818C21.0000.818提取方法：主成分分析法。表SEQ表\*ARABIC29互动性总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%11.59479.72579.7251.59479.72579.72520.40620.275100.000提取方法：主成分分析法。表SEQ表\*ARABIC30互动性公因子方差初始提取D11.0000.797D31.0000.797提取方法：主成分分析法。表SEQ表\*ARABIC31意见领袖总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%11.61380.63780.6371.61380.63780.63720.38719.363100.000提取方法：主成分分析法。表SEQ表\*ARABIC32意见领袖公因子方差初始提取E11.0000.806E31.0000.806提取方法：主成分分析法。（2）感知功能价值及购买意愿效度检验采用SPSS25.0对信任量表进行KMO和巴特利特球形度进行检验，结果如表33、表34所示，感知功能价值和购买意愿的KMO指数均大于0.500，表示可以做因子分析，巴特利特球形度检验显著性小于0.001，因此两个量表具有较好相关性，说明可以做因子分析。表SEQ表\*ARABIC33感知功能价值KMO和巴特利特检验KMO取样适切性量数。0.716巴特利特球形度检验近似卡方947.205自由度3显著性0.000表SEQ表\*ARABIC34购买意愿KMO和巴特利特检验KMO取样适切性量数。0.602巴特利特球形度检验近似卡方413.53自由度1显著性0.000如表35至表38所示，感知功能价值和购买意愿的累计方差贡献率分别为93.752％、80.61%，且各题项因子载荷度均大于0.5，表明量表具有较好的结构效度。表SEQ表\*ARABIC35感知功能价值总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%12.81393.75293.7522.81393.75293.75220.1755.84399.59430.0120.406100.000提取方法：主成分分析法。表SEQ表\*ARABIC36感知功能价值公因子方差初始提取F11.0000.880F21.0000.970F31.0000.963提取方法：主成分分析法。表SEQ表\*ARABIC37购买意愿总方差解释总方差解释成分初始特征值提取载荷平方和总计方差百分比累积%总计方差百分比累积%11.61280.6180.611.61280.6180.6120.38819.39100提取方法：主成分分析法。表SEQ表\*ARABIC38购买意愿公因子方差初始提取G11.0000.806G31.0000.806提取方法：主成分分析法。4.相关性分析首先，分析各影响因素与因变量购买意愿之间的相关性；然后，分析各影响因素与中介变量感知功能价值的相关性；最后，分析感知功能价值与购买意愿之间的相关性。本研究采用皮尔逊相关系数检验来对各变量进行相关分析，利用软件SPSS25.0进行数据的处理。皮尔逊相关系数的绝对值是在0-1之间，相关系数绝对值越大，则表示相关程度越强。但若变量间相关系数的绝对值大于0.8，就当心会存在严重的共线性。（1）各影响因素与购买意愿的相关分析各影响因素与购买意愿的相关分析结果如表39所示。表SEQ表\*ARABIC39皮尔逊相关分析结果Pearson相关性1234567购买意愿1感知功能价值.737**1商家专业性.177*.287**1价格优惠.704**.546**0.1411内容趣味性-.257**.340**.366**-0.1111--互动性-0.014-.338**.249**.336**-0.1181-意见领袖.357**.727**.564**.231**.673**-0.0531注1）“**”在0.01级别（双尾），相关性显著；“*”在0.05级别（双尾），相关性显著。由表可知，各变量与购买意愿的相关系数的绝对值均小于0.800，因此可以初步认为各个变量之间不存在共线问题。价格优惠、意见领袖2个影响因素与购买意愿的相关系数分别是0.704和0.357，绝对值均大于0。300，且均在Ｐ＜0.01级别上显著相关，因此，价格优惠、意见领袖与购买意愿都存在显著的正相关关系。此外，商家专业性的相关系数为0.177，在Ｐ＜0.05级别上显著相关，因此，商家专业性与购买意愿也存在显著的正相关关系。因此，初步验证了假设H1、H2、H5。而内容趣味性和互动性的相关系数分别为-0.257和-0.014，说明内容趣味性与购买意愿存在显著的负相关关系、互动性与购买意愿不存在显著相关关系。故假设H3、H4不成立。（2）各影响因素与感知功能价值的相关分析各影响因素与感知功能价值的相关分析结果如表40所示。表SEQ表\*ARABIC40各影响因素与感知功能价值的相关分析变量皮尔逊相关性商家专业性.287**产品价格优惠.546**内容趣味性量表.340**互动性-.338**意见领袖.727**注1）“**”在0.01级别（双尾），相关性显著；“*”在0.05级别（双尾），相关性显著。由表可知，各变量与感知功能价值的相关系数的绝对值均小于0.800，因此可初步认为变量间不存在共线的问题。商家专业性、价格优惠、内容趣味性和意见领袖4个影响因素与感知功能价值的相关系数分别是0.287、0.546、0.340、0.727，均在Ｐ＜0.01级别上显著相关，因此，价格优惠、意见领袖与购买意愿均存在显著的正相关关系。因此，初步验证了假设H6、H7、H8、H10。而互动性的相关系数为-0.338，说明互动性与感知功能价值存在显著的负相关关系，故假设H9不成立。（3）感知功能价值与购买意愿的相关分析感知功能价值与购买意愿的相关分析结果如表41所示。表SEQ表\*ARABIC41感知功能价值与购买意愿的相关分析结果Pearson相关性感知功能价值购买意愿购买意愿1-感知功能价值.737**1注1）“**”在0.01级别（双尾），相关性显著；“*”在0.05级别（双尾），相关性显著。由表可知，感知功能价值与购买意愿的相关系数的绝对值均小于0.800，因此可初步认为变量间不存在共线的问题。感知功能价值与购买意愿的相关系数分别是0.737，均在Ｐ＜0.01级别上显著相关，因此，感知功能价值与购买意愿存在显著的正相关关系。因此，初步验证了假设H11。5.回归分析最后通过回归分析的方法，来对本文的研究假设和理论模型进行进一步的验证。首先，进行各影响因素对购买意愿的回归分析。然后，进行各影响因素与感知功能价值的回归分析。再次，进行感感知功能价值与购买意愿的回归分析。最后，通过SPSS25.0软件中的process插件的Bootstrap方法对感知风险的中介作用进行检验。（1）各影响因素对购买意愿的回归分析为检验各影响因素与购买意愿的关系，以通过了相关性检验的各个影响因素，即商家专业性、价格优惠和意见领袖为自变量，以购买意愿为因变量，构建回归模型1，利用SPSS25.0对数据进行多元回归分析。回归分析结果如表42、表43所示。各影响因素与购买意愿回归模型摘要表SEQ表\*ARABIC42各影响因素与购买意愿回归模型摘要模型RR方调整后R方F标准估算的错误1.733a0.5370.52971.0550.60247表SEQ表\*ARABIC43各影响因素与购买意愿的回归系数模型变量未标准化系数标准化系数t显著性共线性统计B标准错误Beta容差VIF1(常量)-0.3170.327--0.9690.334--商家专业性0.0440.0570.0460.7620.0000.6821.467价格优惠0.8590.0670.65712.7390.0000.9461.057意见领袖0.3280.08780.2313.7330.0000.6581.519a.因变量：购买意愿由表可知本次线性回归模型的拟合度良好，R²=0.537,即各影响因素对购买意愿的解释差异率为53.7%，意味着本次的运算结果可以非常真实可靠地反映商家专业性、价格优惠、意见领袖对购买意愿的影响情况。由于VIF全部小于5所以三个自变量之间不存在多重共线性。此外商家专业性（β=0.046,p<0.05）、价格优惠（β=0.657,p<0.01）、意见领袖(β=0.231,p<0.01)对消费者的购买意愿均有显著的正向影响。因此假设H1、H2、H5均成立。（2）各影响因素对感知功能价值的回归分析为检验各影响因素与感知功能价值的关系，以通过了相关性检验的各个影响因素，即商家专业性、价格优惠和意见领袖为自变量，以感知功能价值为因变量，构建回归模型2，利用SPSS25.0对数据进行多元回归分析。回归分析结果如表44、表45所示。表SEQ表\*ARABIC44各影响因素与感知功能价值回归模型摘要模型RR方调整后R方F标准估算的错误2.839a0.7040.699145.5300.41987表SEQ表\*ARABIC45各影响因素与感知功能价值的回归系数模型变量未标准化系数标准化系数t显著性共线性统计B标准错误Beta容差VIF2(常量)-0.6140.228--2.6890.008--商家专业性0.1540.0400.1883.8630.0000.6821.467价格优惠0.4570.0470.4019.7140.0000.9461.057意见领袖0.9160.0610.74114.9690.0000.6581.519a.因变量：感知功能价值由表可知本次线性回归模型的拟合度良好，R²=0.704,即各影响因素对购买意愿的解释差异率为70.4%，意味着本次的运算结果可以非常真实可靠地反映商家专业性、价格优惠、意见领袖对感知功能价值的影响情况。由于VIF全部小于5所以三个自变量之间不存在多重共线性。此外商家专业性（β=0.188,p<0.05）、价格优惠（β=0.401,p<0.01）、意见领袖(β=0.741,p<0.01)对消费者的感知功能价值均有显著的正向影响。因此假设H6、H7、H10均成立。（3）感知功能价值对购买意愿的影响为检验感知功能价值与购买意愿的关系，感知功能价值为自变量，以购买意愿为因变量，构建回归模型3，利用SPSS25.0对数据进行多元回归分析。回归分析结果如表46、表47所示。表SEQ表\*ARABIC46感知功能价值与购买意愿的回归模型摘要模型RR方调整后R方F标准估算的错误3.737a0.5430.540220.9260.59520表SEQ表\*ARABIC47感知功能价值与购买意愿的回归系数模型变量未标准化系数标准化系数t显著性共线性统计B标准错误Beta容差VIF3(常量)-0.7690.224-3.4250.001--感知功能价值0.8640.0570.73714.8640.0001.0001.000a.因变量：购买意愿由表可知本次线性回归模型的拟合度良好，R²=0.543,即各影响因素对购买意愿的解释差异率为54.3%，意味着本次的运算结果可以非常真实可靠地反映感知功能价值对购买意愿的影响情况。此外感知功能价值(β=0.737,p<0.01)对消费者的购买意愿有显著的正向影响。因此假设H11成立。（4）感知功能价值的中介效应检验使用SPSS25.0中的process插件的Bootstrap方法进行感知功能价值的中介效应检验，在原始数据的样本中有放回的抽取出5000个随机样本，它们在95%置信区间的中介效应如表48所示。表SEQ表\*ARABIC48中介效应显著性分析路径效应95%置信区间上限下限商家专业性→感知功能价值→购买意愿0.20210.30010.1011价格优惠→感知功能价值→购买意愿0.35830.44970.281内容趣味性→感知功能价值→购买意愿0.53670.70890.3419互动性→感知功能价值→购买意愿0.20210.30050.1025意见领袖→感知功能价值→购买意愿1.04661.2660.8582利用Bootstrap方法进行中介检验时，如果置信区间没有包含0，则中介效应显著。经检验，感知功能价值在商家专业性与购买意愿的中介效应显著；感知功能价值在价格优惠与购买意愿的中介效应显著；感知功能价值在意见领袖与购买意愿的中介效应显著。故假设H12、H13、H14、H15、H16成立。总的研究假设的检验结果如表49所示表SEQ表\*ARABIC49研究假设检验结果研究假设检验结果H1:商家专业性对购买意愿有显著的正向影响成立H2:价格优惠对购买意愿有显著的正向影响成立H3:内容趣味性对购买意愿有显著的正向影响不成立H4:互动性对购买意愿有显著的正向影响不成立H5:意见领袖对购买意愿有显著的正向影响成立H6:商家专业性对感知功能价值有显著的正向影响成立H7:价格优惠对感对知功能价值有显著的正向影响成立H8:内容趣味性对感知功能价值有显著的正向影响成立H9:互动性对感知功能价值有显著的正向影响不成立H10:意见领袖对感知功能价值有显著的正向影响成立H11:感知功能价值对购买意愿有显著的正向影响成立H12:感知功能价值在商家专业性对购买意愿的影响中发挥中介作用成立H13:感知功能价值在价格优惠对购买意愿的影响中发挥中介作用成立H14:感知功能价值在内容趣味性对购买意愿的影响中发挥中介作用成立H:15感知功能价值在互动性对购买意愿的影响中发挥中介作用成立H16:感知功能价值在意见领袖对购买意愿的影响中发挥中介作用成立（三）电商直播对生鲜农产品购买意愿的影响因素分析的结论本文通过对己有文献和研究成果的分析，建立了电商直播情境下消费者购买意愿的理论模型，提出研究假设，通过SPSS信效度检验和相关及回归检验，最终得到以下研究结论商家专业性和感知功能价值、购买意愿的关系本研究证明，商家专业性会对感知功能价值和购买意愿产生正向影响。假设H1、H6的验证成立能够说明，消费者在观看电商直播时商家的专业性将对感知功能价值产生正向影响，进而影响购买意愿。由此可以说明商家在电商直播时展示越高的生鲜农产品的专业性，直播间的用户可以感受到越高的来自于产品的质量和价值，从而提高购买意愿。价格优惠和感知功能价值、购买意愿的关系本研究证明，价格优惠会对感知功能价值和购买意愿产生正向影响。假设H2、H7的验证成立能够说明，消费者在观看电商直播时产品的价格优惠将对感知功能价值产生正向影响，进而影响购买意愿。由此可以说明商家在电商直播时做出越高的、力度越大的产品价格优惠时，越能刺激直播间的消费者，让他们感到物有所值，进而购买意愿也会更高。内容趣味性和感知功能价值、购买意愿的关系本研究证明，内容趣味性会负向影响购买意愿，内容趣味性正向影响感知功能价值。通过对H3、H8假设的验证，得出结论：内容趣味性负向影响购买意愿。由此可以得出，电商直播更注重与将产品卖出去而不是单纯的让观众开心。在消费者观看电商直播时，一味注重直播的节目效果和趣味性，只会让观众像在看娱乐直播一样观看表演而不是通过展示了解商品并且购买。内容趣味性会对感知功能价值产生正向影响，说明消费者会对有趣的电商直播表演产生兴奋愉悦的感觉，但是却并没有注重产品本身的价值，所以也没有正向影响购买意愿。互动性和感知功能价值、购买意愿的关系本研究证明，互动性对购买意愿没有影响，互动性负向影响感知功能价值。通过对H4、H9假设的验证，互动性对购买意愿没有影响。所以人们在观看电商直播时，互动性高的人也不一定会有更高的购买意愿。互动性负向影响感知功能价值，由此可以说明消费者在直播间与商家主播进行越高频率的互动时代表他们对商品有更多的看法和意见，会对生鲜农产品的的质量、口感、新鲜度等功能价值的感知变弱。意见领袖和感知功能价值、购买意愿的关系本研究证明，意见领袖对感知功能价值和购买意愿产生正向影响。H5、H10假设通过验证能够证明，消费者在电商直播情境下时主播的带货业务能力会对感知功能价值产生正向影响，进而影响购买意愿。由此可以说明商家在电商直播时选用人气越高的并且与生鲜农产品行业越贴近的带货能力越高的主播时，越能刺激消费者，让他们对推荐的产品更信任，对产品质量的感知功能越强，从而提高购买意愿。感知功能价值和购买意愿的关系本研究证明，感知功能价值会对购买意愿产生正向影响。假设H11通过验证能够说明，在观看电商直播时消费者对生鲜农产品的外观，口感，品质及是否新鲜等功能价值的感知度越高，就会使他们的购买意愿越强。四、电商直播下的生鲜农产品销售策略建议本文通过的以上的分析，结合研究结论，给生鲜农产品商家在新的电商直播中的运营提出以下销售策略及建议。（一）加强供应链管理，增加商家专业性本研究证明，商家专业性正向影响感知功能价值和购买意愿。生鲜农产品进行网络销售最大的问题就是运输与保存问题，它们直接影响到了产品的质量。首先在供应链上游，加强生鲜农产品采购模式的本地化和标准化；加强供应链中游环节的冷链物流相关设施建设，完善冷链物流体系，