《消费者直播带货的风险感知影响因素实证研究（含问卷）》19000字（论文）

绪论本章首先介绍了研究的背景以及本文研究的角度，进而分析了研究的主要意义，最后对本文研究的主要内容和方法进行了简单阐述。1.1研究背景在2021年全国两会上，全国人大代表、南京信息工程大学教授银燕等多名代表委员提出有关“直播带货”的规范建议，并认为应当加大监管力度，大力支持“直播带货”新模式发展，寻求新的经济增长热点；另外，人民网和人民日报分别推出了《两会夜话》的对话栏目和《两会5G云连线》的节目，对两会中“直播带货”热点话题进行了进一步讨论[1]。新冠疫情全民隔离期间，直播市场的需求爆发式增长，直播和每个人的联系更加紧密了。在家办公、上课，都需要通过直播软件的参与，直播已经不仅仅是最初人们看游戏直播的一种娱乐方式，它已经渗入到了我们生活的每个微小细节。2020年，导致直播迅速发展的主要原因是由疫情引起的“直接带货”相关的热点话题，除了央视、明星、网红公益直播带货外，更有村长走进直播间推荐带货，开启了“直播带货”的新纪元。目前的“直播带货”方式主要有两类，一类是以李佳琦、薇娅为主的顶流主播通过淘宝等电商平台进行选品带货；另一类是通过微博、抖音、快手、小红书等新媒体平台上的直播功能进行带货，消费者则是从第三方购买链接进行下单。淘宝直播中新入驻直播商家的数量在2020年2月环比增长了719%，薇娅甚至在直播间卖出了价值4000万元的“快舟火箭发射服务”，“直播带货”目前以及渐渐覆盖了各行各业，真正做到了“万物可直播”[2]。“直播带货”迅速发展的同时，数据作假、虚假宣传、夸大其次等问题也开始显现出来，瞬时超低价等暂时性的降价刺激营销手段，引导着消费者进行非理性消费，消费者对商家和主播逐渐失去信任，也开始怀疑带货产品的质量问题。所以，对消费者直播带货的风险感知构成维度的探讨，对消费者直播带货风险感知影响因素以及和其影响关系的研究越来越重要。1.2研究视角本文主要从消费者的风险感知的角度出发，借鉴现有的研究成果，综合风险感知理论和结构方程模型，构建理论分析框架，通过对消费者直播带货的实证调查，分析影响消费者对直播带货的风险感知的主要因素，对消费者在“后疫情”的时代背景下对直播带货的风险感知进行进一步分析，并探讨消费者的风险感知与其影响因素之间的关系。由此构成了本文的研究视角。1.3研究意义1.3.1理论意义事实上，直播带货是中国电商近几年发展起来的一种新型的线上购物方式，更多的是中国电商发展所致，因此国外对此的研究目前处于空白阶段。本文基于中国消费者的实际调研，在“后疫情”时代这个大的背景下，对消费者对于直播带货的风险感知展开具体而深入的研究，本文的研究结论将进一步丰富直播带货领域消费者风险感知的相关研究，并对现有的研究做出适当的修正，以适应当下数字化新零售发展的趋势。1.3.2实践意义对于直播平台及商家来说，从消费者的风险感知的角度出发研究消费者对直播带货风险感知及其主要影响因素，通过结论分析提供的营销建议可以帮助直播平台与商家更好的适应并应对“后疫情”时代下的严峻环境。同样，对于整个电商直播行业的长期持续稳定发展有一定的借鉴作用。对于消费者来说，本文研究的关于直播带货的风险感知问题，在一定程度上可以帮助消费者在直播间中理性的消费，避免冲动消费产生的感知风险，引导更多的消费者树立健康理性的直播消费观念，养成不乱买、不超额消费的消费习惯。1.4研究内容与研究方法1.4.1研究内容本文的研究主题为“后疫情”时代背景下消费者对直播带货的风险感知及与其影响因素之间影响关系的研究。具体内容分为以下六章：第一章绪论。首先介绍了背景、研究视角以及研究意义，并对本次研究的主要内容和方法进行了说明。第二章文献综述。本章主要对直播带货、风险感知进行了文献梳理回顾。第三章研究设计。本章主要提出了本文研究的理论模型以及研究假设，进一步设置了量表与问卷，并对问卷发布和数据收集做了简单说明。第四章消费者对直播带货的风险感知与其影响因素的实证分析。本章主要是依据第三章中所提出的研究假设以及设置的变量，通过运用结构方程模型，对影响消费者对直播带货风险感知以及影响消费者对直播带货风险感知的主要因素进行了实证分析。第五章结论与营销建议。本章主要对本文的主要研究结论进行了总结，并且针对每个结论提出了笔者的一些营销建议。1.4.2研究方法本文主要运用文献、问卷调查以及统计计量分析研究对本文内容进行深入研究。（1）文献研究通过对有关直播带货、风险感知以及风险感知的主要影响因素的研究成果的探索分析，运用风险感知理论和结构方程模型为本文的研究对象设置变量，文献研究很好的为本文后续研究提供了基础。（2）问卷调查研究本文就消费者对直播带货的风险感知以及“后疫情”时期消费者对直播带货风险感知的影响因素的问题，通过网络发放调查问卷。调查数据对探究消费者对直播带货的风险感知以及我国直播带货的持续稳定发展有一定的借鉴意义，同时也为本文的研究提供了具体的数据支撑。（3）统计计量分析在对数据进行定性分析的基础下，继续进行定量分析。运用结构方程模型分析影响消费者对直播带货风险感知的主要因素。

文献综述本章重点对直播带货、消费者风险感知以及消费者风险感知影响因素进行了文献综述研究。2.1直播带货文献综述2.1.1直播带货概念直播带货，是指通过一些新媒体平台，网络主播使用直播技术以自己亲身试用的经验结果通过给消费者讲解、演示、互动，将特定的产品或者服务推荐给消费者的一种新型的电子商务行为，同样也是消费者线上购物的一种新型的购物方式。作为一种新型的电商营销模式，直播带货已经跨越了时间、地点的界限，它的流量是绝对的，是传统的销售方式无法比拟的。由于新冠疫情的影响，实体消费方式受到严重冲击，由于其展示的产品更加直观真实，主播的参与门槛较低，消费者获取信息的方式多样等等优势迅速展现出“井喷”之势。2.1.1直播带货相关研究夏令蓝和宋姣（2020）就目前直播行业存在的主要问题对“直播带货”进行了规范化研究，提出必须加快直播行业相关专门法律的修订和发展，促进传统媒体的转型，为电商直播行业创造新的规范标准，加强行业的自主权，建立信任评估制度和黑名单制度[1]。沈宝钢（2020）则通过对“直播带货”商业模式进行深入探讨，总结出当前“直播带货”这一新型数字化营销方式所存在问题，并给出相应规范化发展的对策[3]。谭梦云和曾耀锐（2020）等人运用SWOT分析对“后疫情”时代下“直播带货”的快速发展进行深入探讨，分析其目前存在的优劣，威胁以及机遇，从总的来说，在直播带货行业未来发展中，利是远远大于弊的[4]。王彪和高贵武（2020），以及郭全中（2020）分别对在“后疫情”时代下直播带货的动因、实质、发展现状、潜在风险及趋势进行了研究分析[5][6]。张小虎（2021）则是对直播带货模式的发展与利弊进行了深入探究[7]，并且从直播平台、主播及消费者三个角度分别提出了对策建议。成栋等人（2021）还对直播带货与传统电商进行了比较，直播带货的成功与传统电商的成功在实质上是相同的，都致力于为消费者提供优质的产品和服务，两者主要是信息交互的方式和对顾客价值的实现存在差异[8]。鄂晓桐（2020）认为在“后疫情”时代下，只有坚守“底线”、寻求“顶端”，才可以克服传统购物模式所存在的问题，走出发展瓶颈。实体经济的恢复和新型业态的发展不会阻碍“直播带货”的发展，相反，由于“直播带货”的跨届融合，电商直播行业肯定能在数字化时代取得一定的地位[9]。田鑫鑫和田晶晶（2020）以淘宝直播带货为案例，通过构建消费者对直播带货购买意愿的影响因素模型，对消费者选择通过直播带货进行消费的原因进行了分析探讨。他们认为，搜索成本的降低、平台服务、意见领袖、购买情景和感知收益对消费者的购买意愿有积极影响作用，而且消费者风险感知对消费者通过直播带货消费的购买意愿有着负面的显著影响[10]。徐曼曼等人（2021）则是把消费者风险感知和感知价值作为中介变量研究了在直播环境下心流体验、场景营销等变量是否通过风险感知和感知价值的中介作用对消费者的购买意愿产生影响[11]。朱永明和黄嘉鑫（2020）研究探讨了直播带货平台的感知示能性对消费者购买意愿的影响，研究结论说明了直播带货平台的感知体验示能性正向影响消费者购买意愿[12]。刘平胜和石永东（2020）通过对直播带货中消费者购买行为影响机制的研究，认为影响消费者在直播带货中的购买行为的阶段主要是在关注、兴趣和搜寻，好的内容、激励机制、主播的独特魅力、良好的互动交流、对主播的信任都对消费者的购买行为有着正向的显著影响[13]。通过对有关直播带货的文献进行梳理总结，可以看出目前国内对直播带货的研究主要集中在其商业模式、发展现状、潜在风险、存在问题及规范化研究等，有学者对消费者通过直播带货购物的购买意愿相关内容进行了分析研究，也有学者以风险感知为中介变量探讨了其对消费者购买意愿及购买决策是否存在显著性影响。所以本文通过借鉴学习前人的研究，主要对消费者直播带货感知风险的构成维度及影响因素进入深入研究分析。2.2消费者风险感知文献综述2.2.1互联网环境下风险感知及其构成维度相关研究风险感知文献研究方面，首先是大范围的搜索研究，外文文献主要是通过“riskperception”和“perceivedrisk”两个关键词进行文献搜索，中文文献主要是通过风险感知、感知风险以及消费者风险感知等关键词进行文献搜索。在第一轮的研究中，从与风险感知相关的文献中收集了更很多的文献。接下来，进行了更有针对性的搜索，寻找适用于互联网购物环境，如网络、互联网、线上等关键词的风险感知研究。总的来看，国外对于电商直播相关的风险感知研究几乎空白，主要集中在互联网购物的风险感知研究。Jarven和Todd（1996）最早提出了互联网环境下消费者的风险感知是否会影响其购买行为，提出了经济风险感知、功能风险感知、社会风险感知、个人风险感知以及隐私风险感知五大风险感知，并且做了相关的实证分析研究[14]。Forsythe和Boshi（2003）则认为在互联网环境下产生的风险感知是消费者通过网购感知到的自己的行为可能带来的损失。他们在感知风险理论框架下，对网购消费者风险感知的构成维度，以及网购消费者风险感知各维度与其网购的购买决策的关系进行了研究分析[15]。Robyn（2019）等人研究证明了风险感知是多维的，衡量风险感知的方法适用于多种类型的危害，从行为本质(如健康和安全行为)，到技术(如污染)或自然(如极端天气)等等[16]。QingYang和ChuanPang（2015）认为在中国目前的互联网购物阶段，消费者感知风险的前提是先建立信任，感知总风险与信任之间关系为负相关[17]。Man-LingChang和Wann-YihWu（2012）通过研究考虑决策风格在互联网购物环境中的调节作用来阐述感知风险的后果。他们认为对网站/产品的感知风险通过基于认知和情感的态度会显著影响购买意愿，因此，感知风险对促进网上购物至关重要[18]。LingyingZhang和WojieTan（2012）等人探讨了影响顾客购买行为的感知风险维度及其结构关系。研究结果表明，感知健康风险、感知质量风险、感知时间风险、感知交货风险和感知售后风险五个独立维度对顾客购买行为有显著影响，而感知经济风险、感知社会风险以及感知隐私风险对顾客购买行为的影响作用较小[19]。同样，国内也有很多学者对消费者在网购环境下的风险感知进行了研究探讨。井淼和周颖等人（2006）根据以往的研究，基于对产品、经济、社会、风险、生理、心理及时间七大感知风险的网购风险的维度研究下，又增加了隐私和服务两大感知风险[20]。王震勤等人（2009）认为，消费者互联网购物感知到的产品功能风险要远远大于经济风险、时间风险以及心理风险[21]。高锡荣和胡旸（2011）采用因子分析法，将消费者网购风险感知分为5个维度:经济风险、绩效风险、社会风险、时间风险及心理风险，通过采用聚类分析法，将消费者划分为忙碌型、守财型、时尚型、从众型和自我型五个类型[22]。杨永清等人（2011）则认为消费者对移动服务的风险感知主要由经济风险、产品风险、时间风险、心理风险以及隐私风险五大类构成[23]。赵蕊菡和陈一（2020）研究发现消费者对网络健康信息的风险感知主要有经济风险、心理风险、隐私风险、系统质量风险、信息质量及信息来源风险六大类型[24]。孙笑浓和袁越（2018）等人通过构建结构方程模型研究了产品风险、时间风险、经济风险以及隐私风险四个类型感知风险对消费者在互联网环境下的购买行为的影响[25]。2.2.2风险感知影响因素相关研究Kim（2007）等人主要研究了网购消费者的信任和风险感知是其购买行为的影响作用。研究结果表明，消费者的信任倾向、公司声誉、网站信息的质量、以及隐私和安全的关注程度都对网购消费者在网站上感知到的信任有着显著的影响作用[26]。Nepomuceno（2014）等人通过研究首次揭示了无形性、产品知识、品牌熟悉度、隐私和安全问题是如何相互作用和影响感知风险的[27]。Kim和Lennon（2013）通过研究表明，除顾客服务外，网站质量等其他四个因素对消费者感知风险都存在着负面的显著性影响[28]。Peter、Smith和Fischhoff分别研究了消费者的个人统计特征对风险感知的影响。Peter（1976）认为年龄对消费者的风险感知有显著性影响，老年人更有可能会去避免做决定的风险[29]。Smith（1999）则认为在做购买决策时，女顾客会比男顾客感知到的风险更高[30]。Fischhoff（1978）研究认为消费者的收入水平即支付能力与受教育水平都对其购买行为有着显著性的影响[31]。樊美玉和张红霞（2017）认为网站和商家的经营、建设是影响消费者网购感知风险的主要因素[32]。杨娟丽（2014）认为影响消费者网购感知风险的因素主要有消费者的性别、年龄、学历、专业知识因素，以及网站的质量和可信度[33]。金艳苹等人（2012）则认为影响消费者在互联网上购买服装的风险感知的因素包括产品、网站、零售商、消费者和其他客观因素等[34]。王震勤等人（2010）通过研究得出，朋友推荐、网购经验和卷入程度对经济风险以及总体风险存在负向的显著影响；产品知识对经济、心理以及总体风险有着明显的负向影响；消费者的风险态度对四类风险感知均存在负向的显著影响；而性别，月均消费和上网经验对所有类型风险感知都没有明显的影响作用[35]。魏毅峰和张亮（2007）认为影响网络中消费者风险感知的因素主要有技术基础设施、虚拟网络界面和消费者个人因素。技术基础设施主要关注网络系统的稳定性和完整性，虚拟网络界面包含了许多潜在的变量，比如商家信誉和网站形象等，消费者个人因素则包括个人统计特征以及前期交易经验等对消费者网购感知风险的影响[36]。梁健爱（2012）从网站、顾客和网络零售商三个因素对消费者网购感知风险的影响作用进行了研究，研究结果表明，网站安全性、便捷性和知名度除了对消费者网购感知心理风险没有显著影响外，对其他类型的风险感知都有着负向的显著影响；商家信誉和网站形象对消费者网购感知风险的所有类型风险都有着负向的显著影响；消费者上网时间、网购经验对消费者网购感知风险所有维度都有着负向的显著影响；消费者人口统计特征对各个维度的网购感知风险均存在不同的显著影响[37]。

消费者对直播带货风险感知的研究设计3.1理论模型与研究假设3.1.1理论模型本文研究的理论模型主要借鉴风险感知理论模型，风险感知初始概念是由美国哈佛大学的Bauer（1960）提出的，他对消费者的购买行为进行研究后得出，消费者的购买行为可能会产某种令自身不愉快且无法预料的结果，所以消费者在自己进行购买决策时存在着某些对结果的不确定性，这种不确定性就是风险感知研究的最初的概念[38]。Cox（1967）在Bauer（1960）研究的基础上进一步将风险感知的概念具体化，他通过研究得出，对于风险感知理论的研究，消费者购买行为的目标导向才是风险感知理论研究的基本假设，消费者每次在进行消费时，都会有明确的购买目标。当消费者自己不能确定什么样的产品、品牌、颜色等是最可以满足其购买目标的，或者进行消费后，并没有满足预期的购买目标，产生的不好的结果，就会产生所谓的风险感知[39]。本文选择风险感知理论模型为理论框架基础，结合文献综述部分对互联网环境下风险感知构成维度及其影响因素的相关研究，得出风险感知主要是由经济风险、社会风险、产品功能风险、身体风险、心理风险、时间风险、隐私风险及服务风险构成[20]，互联网环境下影响消费者感知风险的因素主要有技术基础设施、虚拟网络界面和消费者个人因素三个方面[36]。依据本文对消费者直播带货风险感知的研究主题，在前人研究的基础上，主要选取经济、产品、时间及隐私四大风险对消费者对直播带货风险感知的构成维度进行研究。另外，基于当下直播带货的发展现状，以及直播带货这一新型购物方式的特性，提出在”后疫情“时代下，影响消费者直播带货感知风险的主要因素有直播平台质量，商家和主播信誉，产品品质知名度及消费者个人统计特征。最后，基于风险感知理论模型及前文的文献综述研究梳理，提出本文研究的理论模型，如下图所示：图3-1理论模型3.1.2研究假设的提出直播平台质量对消费者直播带货风险感知的影响通过对已有消费者网购感知风险影响因素研究的梳理，可以看出网站因素是最主要的影响因素。梁健爱（2012）认为网站安全性、便捷性和知名度除了对消费者网购感知心理风险没有显著影响外，对其他类型的风险感知都有着负向的显著影响[37]。井淼等人（2007）认为网站便捷性对消费者网购感知服务风险存在负向的显著影响；网站的真实性对消费者网购感知产品风险有着负向的显著性影响；网站安全性对消费者网购感知隐私风险存在负向的显著影响[40]。本文所研究的对象直播带货的主要媒介是直播平台，消费者主要是通过在直播平台上观看带货直播并进行购物，直播平台是商家、主播与消费者进行互动、交易的基础保障，所以直播平台的安全性越好，质量越高，消费者通过直播带货进行购物所感知到的风险也会越低。由此，提出假设H1。H1：直播平台质量与消费者直播带货风险感知之间关系为负相关，有着负向的影响作用。H1a：直播平台质量对消费者直播带货感知经济风险有着负向的显著性影响。H1b：直播平台质量对消费者直播带货感知产品风险有着负向的显著性影响。H1c：直播平台质量对消费者直播带货感知时间风险有着负向的显著性影响。H1d：直播平台质量对消费者直播带货感知隐私风险有着负向的显著性影响。商家和主播信誉对消费者直播带货风险感知的影响梁健爱（2012）认为商家的形象和信誉对消费者网购感知经济风险、产品风险、心理风险、时间风险、隐私风险及服务风险均存在着负向显著的影响[37]。在直播带货中，有很大一部分消费者是出于对商家和主播的信任购买其所推荐产品，并不是出于自身的需求。同样，也有很多商家和主播因为数据作假、产品劣质，失去消费者的信任。所以，树立好的商家和主播信誉，消费者对商家和主播的信任程度就会增强，消费者通过直播带货进行消费感知到的风险也就会降低。由此，提出假设H2。H2：商家和主播信誉与消费者直播带货风险感知之间关系为负相关，有着负向的影响作用。H2a：商家和主播信誉对消费者直播带货感知经济风险有着负向显著性影响。H2b：商家和主播信誉对消费者直播带货感知产品风险有着负向显著性影响。H2c：商家和主播信誉对消费者直播带货感知时间风险有着负向显著性影响。H2d：商家和主播信誉对消费者直播带货感知隐私风险有着负向显著性影响。产品品质知名度对消费者直播带货风险感知的影响田宵函等人（2021）认为品牌知名度对消费者感知的服装直播带货产品风险存在负向的显著影响[41]。沈艳斌（2017）认为产品品质知名度对消费者互联网购买生鲜农产品感知风险各个维度存在负向的显著影响[42]。直播带货相较与传统的网购，可以了解到产品的信息更多，甚至可以通过主播的试用来看到产品的实际功效。但是，实际收到的产品颜色、材质、尺码及功能等方面存在差异，对产品的期望过高，实际收到产品的落差很大等情况还是有很多。所以产品的品质和知名度对消费者直播带货感知风险的影响也是比较重要的。由此，提出假设H3。H3：产品品质知名度与消费者直播带货风险感知之间关系为负相关，有着负向的影响作用。H3a：产品品质知名度对消费者直播带货感知经济风险有着负向显著性影响。H3b：产品品质知名度对消费者直播带货感知产品风险有着负向显著性影响。H3c：产品品质知名度对消费者直播带货感知时间风险有着负向显著性影响。H3d：产品品质知名度对消费者直播带货感知隐私风险有着负向显著性影响。个人统计特征对消费者直播带货风险感知的影响通过文献综述部分对消费者网购影响因素的梳理，可以得出消费者人口统计特征同样也是消费者直播带货感知风险的重要影响因素。不同消费者在相同直播环境下感知到的风险是有差异的，相同消费者在不同直播环境下感知到的风险同样也会是有差异的，所以消费者的个人统计特征对直播带货感知到的四个风险维度均存在不同的显著影响。由此，提出假设H1。H4：个人统计特征对消费者直播带货风险感知存在显著性影响。H4a：性别对消费者直播带货风险感知存在显著性影响。H4b：年龄对消费者直播带货风险感知存在显著性影响。H4c：受教育程度对消费者直播带货风险感知存在显著性影响。H4d：支付能力对消费者直播带货风险感知存在显著性影响。3.2变量设置与问卷设计3.2.1变量定义表3-1研究变量的定义变量定义参考来源经济风险主要是指消费者通过直播带货购物时可能造成经济方面的损失井淼，周颖，吕巍（2006）；沈艳斌（2017）产品风险消费者在虚拟的直播环境中可能对产品品质产生误判，实际收到的产品与直播中所呈现的存在差异，没有达到自己的预期时间风险消费者通过直播带货购买的产品可能存在时间方面的损失隐私风险消费者通过直播带货购物时可能存在个人信息泄露、盗用等风险直播平台质量消费者通过直播带货购物时必然非常关注直播平台的安全性梁健爱（2012）；井淼，周颖，王方华（2007）；魏毅峰和张亮（2007）；沈艳斌（2017）商家和主播信誉消费者通过直播带货购物时不是出于对产品内在质量属性的完全认知，而是出于对商家和主播的信任产品品质知名度消费者通过直播带货购物对产品质量、性价比以及品牌知名度的关注个人统计特征主要是指消费者性别、年龄、受教育程度、家庭年收入等3.2.2量表设置本文问卷设计主要采用Likert的五点量表，总共设置27个测量指标变量（表3-1），充分的解释潜在变量的所有相关信息。表3-2变量赋值变量题项参考来源经济风险V1a：产品的品质比较差导致金钱上有所损失井淼，周颖，吕巍（2006）；沈艳斌（2017）V1b：直播间购买的价格高于其他电商平台的价格V1c：直播购买后产品降价，没有价保期限V1d：直播带货的产品没有运费险，自己所承担的物流运费过高产品风险V2a：实际到货的产品与主播描述的不符（功能、颜色、规格等）V2b：直播购买到的产品是假冒伪劣的V2c：实际到货的产品没有达到自己的预期V2d：因直播购买到的产品不满意而造成心理上的伤害时间风险V3a：直播带货购买产品步骤复杂且耗时过长V3b：在直播间与主播互动、筛选产品的时间过长V3c：物流配送时间过长V3d：产品出现问题退换货花费的时间过长隐私风险V4a：担心通过直播带货个人信息被盗用、被非法使用V4b：担心自己的购买习惯被追踪或泄露V4c：直播购物后有骚扰电话和邮件直播平台质量V5a：直播平台使用先进技术保证交易信息安全梁健爱（2012）；井淼，周颖，王方华（2007）；魏毅峰和张亮（2007）；沈艳斌（2017）V5b：该平台的互联网交易系统是稳定可靠的V5c：直播平台不会将私人信息作不当使用V5d：直播平台能够保证交易信息不会被改变商家和主播信誉V6a：对电商商家和主播很信任V6b：主播对直播带货的产品描述是可信的V6c：电商商家和主播是很有信誉的V6d：主播在直播中能够提供热情周到的服务产品品质知名度V7a：该品牌的产品质量一直较好V7b：这个电商品牌让我很放心V7c：我信任这个电商品牌V7d：这个电商品牌从来没让我失望过3.2.3问卷设计本文研究的问卷主要设计为以下四个部分：第一部分是甄别筛选题，有过“直播带货”购物经验的消费者进行问卷填写。第二部分测量了消费者对“直播带货”的风险感知。主要有经济风险、产品风险、时间风险以及隐私风险四个测量项目。第三部分对消费者“直播带货”风险感知的影响因素进行了测量。主要从直播平台质量、商家和主播信誉以及产品品质知名度三个方面进行了测量。第四部分对消费者个人统计特征进行了调査。包括性别、年龄、受教育程度、职业、家庭年收入等方面调査消费者的个人情况。3.3问卷发布与数据收集3.3.1问卷发布本文研究的调查对象是有直播带货购物经历的消费者，问卷发布主要是通过网络进行发布，考虑到目前网购消费者的年龄结构，调研对象主要集中在年轻且受教育程度较高的消费者。调研阶段分为预调研和正式调研，预调研阶段先采用30个小样本的调研，对问卷及具体题项进行修正，确定最终正式调研的问卷版本。3.3.1数据收集本文研究总共回收问卷244份，去除掉无效及质量不合格的问卷，其中有效样本数为214份。消费者对直播带货风险感知的影响因素的实证分析4.1样本描述性统计分析4.1.1性别描述分析表4-1性别描述分布频率百分比有效百分比累积百分比有效女18686.986.986.9男2813.113.1100.0合计214100.0100.0在性别分布上，214份有效样本中女生有186人，占比86.9%，男生只有28人，占比13.1%。所以通过直播带货购物的消费者主要集中在女生，比较符合目前总体网购消费女生占主导地位的情况。4.1.2年龄描述分析表4-2年龄描述分布频率百分比有效百分比累积百分比有效15岁以下16-25岁18026-35岁198.98.993.536-45岁125.65.699.146岁以上2.9.9100.0合计214100.0100.0在年龄分布上，214份有效样本中分布在16-25岁年龄段的人数最多，占比84.1%，其次是26-35岁和36-45岁年龄段，分别占比8.9%、5.6%，15岁以下及46岁以上一共只有3人，总共占比1.4%。以上数据结果说明年轻消费群体是目前直播带货的主力军，也说明了年轻消费者比较容易接受新事物，尝试新型的直播购物方式。4.1.3受教育程度描述分析表4-3受教育程度描述分布频率百分比有效百分比累积百分比有效普高/中专/技校/职高专科本科18686.986.991.6硕士及以上188.48.4100.0合计214100.0100.0在受教育程度上，214份有效样本中本科人数最多，有186人，占比86.9%，其次是硕士及以上，占比8.4%，普高/中专/技校/职高和中专总共有10人，累计占比4.6%，初中及以下则为0人。所以，本次研究调研的受教育水平整体上较高，可以很好的理解问卷题项内容。4.1.4职业描述分析表4-4职业描述分布频率百分比有效百分比累积百分比有效在校学生17380.880.880.8在职工作4119.219.2100.0合计214100.0100.0在职业分布上，214份有效样本中在校学生有173人，占比80.8%，在职工作的人数有41人，占比19.2%。上述数据结果显示，通过直播带货购物的消费者中，在校学生占比很大，说明在校学生相对于已经在职工作的消费者，空闲时间和可自由支配时间较多，可以用于观看直播带货的时间比较充足。4.1.5家庭年收入描述分析表4-5家庭年收入描述分布频率百分比有效百分比累积百分比有效5万及以下3717.317.317.36-10万8037.437.454.711-15万4822.422.477.116-20万2621万及以上2310.710.7100.0合计214100.0100.0在家庭年收入分布上，214份有效样本中最多的是6-10万，占比37.4%，其次是5万及以下和16-20万，分别占比17.3%和12.1%，最后是21万及以上，占比10.7%。说明本次研究调研样本在直播带货购物中具有较高的支付能力。4.1.6测量题项的描述性分析表4-6测量项目描述性分析N均值标准差方差偏度峰度统计量统计量统计量统计量统计量标准误统计量标准误V1a2143.39.990.980-.403.166-.653.331V1b2142.48.815.664.954.166.651.331V1c2143.20.988.975-.226.166-.912.331V1d2143.231.0481.098-.248.166-.838.331V2a2143.12.888.789-.029.166-.785.331V2b2142.63.959.921.392.166-.110.331V2c2143.31.909.826-.208.166-.578.331V2d2143.081.0971.204-.147.166-.935.331V3a2143.231.1211.257-.220.166-.946.331V3b2143.70.981.962-.726.166-.038.331V3c2142.97.909.826.207.166-.755.331V3d2143.47.957.917-.311.166-.701.331V4a2143.411.1701.369-.394.166-.765.331V4b2143.711.0841.176-.685.166-.220.331V4c2143.211.1431.306-.144.166-.942.331V5a2143.47.897.804-.526.166-.098.331V5b2143.52.876.767-.713.166.366.331V5c2142.981.0431.089.213.166-.667.331V5d2143.331.0421.087-.448.166-.385.331V6a2143.21.871.758-.31V6b2143.33.826.683-.431V6c2143.53.755.569-.443.166.471.331V6d2143.78.748.560-.558.166.674.331V7a2143.58.757.573-.387.166-.170.331V7b2143.58.794.630-.634.166.689.331V7c2143.60.785.616-.521.166.454.331V7d2143.00.819.671.060.166-.095.331性别214.13.338.1142.205.1662.888.331年龄2142.22.594.3532.595.1666.541.331受教育程度2144.01.449.202-1.507.1669.371.331职业2141.19.394.1561.578.166.496.331家庭年收入2142.621.2151.477.548.166-.602.3314.2信度和效度分析4.2.1信度分析表4-7量表信度检验结果变量Cronbach’sα项数经济风险.6544产品风险.7614时间风险.6564隐私风险.7483直播平台质量.7574商家和直播信誉.7394产品品质知名度.7974总体水平.79727本研究采用SPSS21.0对各个变量及总体水平进行信度检验，从上表4-7可以看出，各个变量以及量表的总体水平Cronbach’sα系数均接近或大于0.7，说明本次问卷调研的可信度比较好，可以进行下一步的分析。4.2.2效度分析表4-8KMO和Bartlett检验结果变量KMO值显著性经济风险.721.000产品风险.767.000时间风险.683.000隐私风险.656.000直播平台质量.728.000商家和主播信誉.724.000产品品质知名度.771.000所有变量.797.000由上表数据结果可知，各个变以及所有变量的KMO值均大于或接近0.7，Bartlett球形度显著性P值为0.000，说明本文研究样本的质量良好，并且通过了显著性水平检验，可以进行因子分析。运用主成分分析法对直播平台质量、商家和主播信誉级产品品质知名度三个潜在变量进行因子分析，得出旋转后的因子载荷矩阵结果。从得出的因子载荷矩阵结果发现V5a、V6a、V7d题项不属于任何维度，所以是无效题项，应当删除。删除V5a、V6a、V7d题项后再对三个变量的9个测量题项重新进行因子载荷分析，因子载荷结果如下表4-9所示。从表中结果可以看出9个测量题项的因子载荷均大于0.6，说明这9个测量变量可以很好的表现出直播平台质量、商家和主播信誉以及产品品质知名度三个潜在变量，同样测量结果也有着非常好的准确性。风险感知变量的因子分析见4.3消费者对直播带货的风险感知构成维度分析。表4-9旋转成份矩阵成份产品品质知名度直播平台质量商家和主播信誉V7b.842V7a.812V7c.780V5c.828V5d.805V5b.736V6d.793V6c.763V6b.6274.3消费者对直播带货的风险感知构成维度分析表4-10样本KMO和Bartlett的检验KMO值.840Bartlett的球形度检验近似卡方724.280df78Sig..000通过选取经济、产品、时间及隐私四个风险的题项进行KMO和Bartlett检验，上表4-10数据结果说明，消费者对直播带货的风险感知构成维度的KMO值为0.840，远大于0.7，Bartlett球形度显著性P值为0.000，所以本文对消费者风险感知构成维度研究的样本质量较好，可以进行因子分析。运用主成份分析法对风险感知四个变量进行因子分析，旋转后的因子载荷矩阵结果显示V1b、V3a题项不属于任何维度，所以是无效题项，应当删除。删除V1b、V3a题项后再对剩下的13个测量题项重新进行因子载荷分析，因子载荷结果表4-12所示。表4-11解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%14.29032.99932.9994.29032.99932.9992.37018.23118.23121.51611.66144.6601.51611.66144.6602.10516.19234.42331.1108.54053.2001.1108.54053.2001.77713.66848.09141.0187.82961.0291.0187.82961.0291.68212.93861.0295.8446.49167.5206.7395.68173.2017.6134.71277.9148.5884.52782.4409.5454.19386.63310.5103.92190.55411.4703.61294.16612.4173.21097.37713.3412.623100.000表4-12风险感知构成维度旋转成份矩阵成份产品风险隐私风险经济风险时间风险V2c.749V2b.745V2a.723V2d.642V4b.853V4a.778V4c.689V1a.727V1d.694V1c.559V3d.747V3b.726V3c.567通过对消费者对直播带货的风险感知构成维度进行探索性因子分析，13个题项提取出4个因子，其累计方差贡献率为61.029%，大于60%，说明因子分析提取出来的4个风险因子，能够较好的解释消费者对直播带货的风险感知，即消费者对直播带货的风险感知的构成维度主要由经济风险、产品风险、时间风险和隐私风险构成。同时由表4-12可以看出，所有测量题项的因子载荷均大于0.5，说明风险感知的四个维度可以由本文所设计的13个测量题项很好的表现出来，同样说明本文研究数据的效度较高，测量结果有非常好的准确性。4.4直播平台、主播信誉与产品品质对直播带货的风险感知的影响4.4.1结构方程模型建立本部分运用AMOS24.0进行研究分析，首先建立了结构方程模型，如图4-1：图4-1结构方程模型4.4.2结构方程模型拟合效果分析将本文研究所用的有效数据导入AMOS24.0，并且依据图4-1所建初始结构方程模型，进行标准化路径分析，对模型和路径关系进行适当修正调整后的拟合指标如表4-13所示。表4-13修正后模型的拟合指标拟合指标模型参数估计标准卡方值306.921/自由度190/CMIN/DF1.615<3RMSEA0.054<0.08GFI0.888>0.9AGFI0.850>0.8NFI0.811>0.9IFI0.918>0.9CFI0.916>0.9从上表数据来看，除GFI和NFI指标接近0.9外，其他指标均符合标准，所以从总体上来看，本文建立的结构方程模型总体上拟合度良好。4.4.3结构方程模型假设检验通过对结构方程模型拟合效果的分析，可以看出本文建立的结构方程模型总体上拟合度良好，所以本文建立的理论模型是可以运用的。下面对结构方程模型做假设检验分析，输出各个因素的标准化系数路径图，如下图4-2所示。图4-2标准化路径系数图对结构方程模型路径分析进行进一步梳理总结，得出表5-6所示结果。表4-14结构方程模型路径分析关系标准化路径系数C.R.P值直播平台质量→经济风险-1.166-2.2440.025直播平台质量→产品风险-0.953-2.3890.017直播平台质量→时间风险-0.906-2.1770.029直播平台质量→隐私风险-0.161-1.6210.105商家和主播信誉→经济风险-2.811-2.3970.017商家和主播信誉→产品风险-2.457-2.5420.011商家和主播信誉→时间风险-2.124-2.3060.021商家和主播信誉→隐私风险-1.712-2.4420.015产品品质知名度→经济风险-1.783-2.2510.024产品品质知名度→产品风险-1.607-2.3330.020产品品质知名度→时间风险-1.527-1.9000.057产品品质知名度→隐私风险-1.551-1.7260.084表4-15假设检验结果研究检验假设检验结果H1a：直播平台质量与消费者感知经济风险负相关成立H1b：直播平台质量与消费者感知产品风险负相关成立H1c：直播平台质量与消费者感知时间风险负相关成立H1d：直播平台质量与消费者感知隐私风险负相关不成立H2a：商家和主播信誉与消费者感知经济风险负相关成立H2b：商家和主播信誉与消费者感知产品风险负相关成立H2c：商家和主播信誉与消费者感知时间风险负相关成立H2d：商家和主播信誉与消费者感知隐私风险负相关成立H3a：产品品质知名度与消费者感知经济风险负相关成立H3b：产品品质知名度与消费者感知产品风险负相关成立H3c：产品品质知名度与消费者感知时间风险负相关不成立H3d：产品品质知名度与消费者感知隐私风险负相关不成立由表4-14可以看出，所有影响关系的标准化系数都为负，说明直播平台质量、商家和主播信誉及产品品质知名度分别对消费者直播带货感知经济、产品、时间和隐私风险有着负向的影响关系。通过对C.R.值和P值进行分析，除了直播平台质量对隐私风险、产品品质知名度对时间风险以及对隐私风险的影响关系的C.R.值的绝对值小于1.96，P值大于0.05，影响关系不存在负向显著影响外，其他影响关系C.R.值和P值都表现显著，即存在负向的显著影响。由此得出本文最终的假设检验结果，如表4-15所示，研究假设中除假设H1d、H3c和H3d检验结果不成立外，其他假设检验结果均成立。4.5消费者个人特征对消费者直播带货风险感知的影响4.5.1性别对风险感知的影响表4-16性别对风险感知的独立样本分析结果变量性别样本量均值标准差t值Sig.df经济风险男28-.04098521.10414525-.232.817212女186.0061698.98647391-.214.83233.807产品风险男28.4214397.735310152.419.016212女186-.06344251.020545303.072.00444.385时间风险男28-.11028161.18493644-.625.533212女186.0166015.97175848-.540.59332.695隐私风险男28-.1902947.86484611-1.081.281212女186.02864651.01778386-1.219.23039.183总体风险男28.18782491.014862941.066.287212女186-.0282747.997442541.053.30035.314由上表4-16数据结果可知，只有产品风险的显著性P值小于0.05，所以性别只对消费者直播带货感知产品风险有显著性影响，对其他三个风险以及总体风险不存在显著性影响。4.5.2年龄对风险感知的影响表4-17年龄对风险感知的单因素分析结果变量平方和df均方F显著性经济风险组间5.25641.3141.322.263组内207.744209.994总数213.000213产品风险组间4.70441.1761.180.321组内208.296209.997总数213.000213时间风险组间6.89341.7231.747.141组内206.107209.986总数213.000213隐私风险组间9.25342.3132.373.053组内203.747209.975总数213.000213总体风险组间3.0154.754.750.559组内209.9852091.005总数213.000213由上表数据结果可知，各个变量的显著性P值均大于0.05，所以年龄对消费者直播带货的风险感知不存在显著性影响。4.5.3受教育程度对风险感知的影响表4-18受教育程度的单因素分析结果变量平方和df均方F显著性经济风险组间1.2443.415.411.745组内211.7562101.008总数213.000213产品风险组间2.4973.832.830.479组内210.5032101.002总数213.000213时间风险组间13.14934.3834.606.004组内199.851210.952总数213.000213隐私风险组间3.44231.1471.150.330组内209.558210.998总数213.000213总体风险组间10.27533.4253.548.015组内202.725210.965总数213.000213由上表数据结果可知，只有时间风险和总体风险的显著性P值小于0.05，其他变量的显著性P值均大于0.05，所以受教育程度对消费者直播带货感知时间风险和总体风险存在显著性影响，对其他三个风险不存在显著性影响。4.5.4支付能力对风险感知的影响表4-19支付能力对风险感知的单因素分析结果变量平方和df均方F显著性经济风险组间2.3974.599.595.667组内210.6032091.008总数213.000213产品风险组间8.41242.1032.148.076组内204.588209.979总数213.000213时间风险组间5.33041.3321.341.256组内207.670209.994总数213.000213隐私风险组间6.73441.6831.706.150组内206.266209.987总数213.000213总体风险组间8.00842.0022.041.090组内204.992209.981总数213.000213由上表数据结果可知，各个变量的显著性P值均大于0.05，所以支付能力对消费者直播带货的风险感知不存在显著性影响。表4-20个人统计特征对风险感知影响的实证结果研究检验假设假设是否成立H4a：性别对消费者直播带货风险感知存在显著性影响成立H4b：年龄对消费者直播带货风险感知存在显著性影响不成立H4c：受教育程度对消费者直播带货风险感知存在显著性影响成立H4d：支付能力对消费者直播带货风险感知存在显著性影响不成立

研究结论与建议5.1研究结论通过理论研究和实证分析，得出以下几个研究结论：（1）消费者的直播带货感知风险主要由感知经济风险、产品的风险、时间和隐私风险四个维度构成。（2）直播平台的质量对于消费者的直播带货感知经济风险、产品的风险以及时间风险均有着负向的显著性的影响，对于感知的隐私风险并没有明显的影响。（3）商家和主播的信誉对于消费者的直播带货感知经济风险、产品的风险，以及感知的时间和隐私风险均有着负向的显著性的影响。（4）产品的质量和知名度对于消费者的直播带货感知经济风险、产品的风险都有着负向的显著性的影响,对于感知的时间和隐私风险并没有明显的影响。（5）个人统计特征中只有性别和受教育程度对于消费者的直播带货感知风险存在显著性的影响，性别的影响主要表现在对消费者感知产品风险上，受教育程度的影响主要表现在对消费者感知隐私风险和总体风险上，年龄和支付能力对消费者直播带货的风险感知不存在显著性影响。5.2营销建议加强直播平台建设，提高监管力度上述研究结论表明，直播平台质量对消费者直播带货感知经济风险、产品风险以及时间风险有着负向显著性影响，所以直播平台的质量越高，消费者对直播带货的感知经济风险、产品风险以及时间风险就越低。因此，直播平台及有关政府监管部门应加强直播平台的建设，提高直播平台的监管力度，为消费者提供安全可靠的直播购物环境以及独特的消费体验。“后疫情”时代背景下，基于与“直接带货”相关的巨大经济效益，直播去平台化渐渐成为一种主流趋势，传统互联网平台、短视频平台以及社交媒体应用等传统媒体也都开始增加直播功能这一插件，所以加强直播平台的建立，对直播平台进行有效的监管规范，不仅对直播平台有着重要作用，对直播平台之外的传统媒体往数字化营销转型发展也有着重大意义。从选品到带货，注重产品品质从上述研究结论可以看出，商家和主播信誉对消费者直播带货感知经济风险、产品风险、时间风险以及隐私风险都有着负向显著性影响，产品品质知名度对消费者直播带货感知经济风险和产品风险有着负向显著性影响。所以，商家、主播的信誉和产品品质知名度对消费者直播带货感知风险及购买决策有着重要影响，树立良好的商家和主播信誉，要认真把控从选品到带货的每一个小的细节。为确保消费者购买到的产品质量是安全可靠的，要设置一个较好的产品质量水平，并且选品将产品质量持续保持在这个水平，防止产生意外质量问题，逐步打造主播的直播特色，提高商家和主播的信誉以及顾客忠诚度，和消费者之间建立良好的信任关系，进而吸引更多消费者观看主播直播带货。（3）明确消费群体，做好市场细分通过本文研究发现，目前直播带货的主要消费群体以年轻女性消费者为主，消费者个人统计特征对消费者直播带货感知风险也存在着显著影响，所以要着重关注消费者的性别、受教育程度方面的显著性差异，明确主要消费群体，做好市场细分，在数字化新零售市场寻求差异化定向发展，不断拓展区域和差异化市场，实现直播专业化和带货差异化，以获得更高的市场竞争优势。

局限及展望6.1局限及展望样本数据方面本文是基于网络发布的问卷对消费者直播带货的风险感知进行调查研究，总体样本较少，研究群体主要集中于女性年轻群体，而且区域分布不均匀，最终得到的结论可能缺乏普遍性。未来研究的重点应该扩大研究范围及研究群体，深入研究不同地区及群体在后疫情时代下对直播带货的风险感知，以总结出消费者对直播带货风险感知的一般规律。变量选择方面本文对消费者直播带货感知风险进行研究时，选取了经济、产品、时间及隐私风险四个感知风险，分别研究了直播平台质量、商家和主播信誉以及产品品质知名度对其四个感知风险的影响作用，对消费者直播带货感知风险与其影响因素影响关系研究的针对性不够强。未来研究可以针对每个影响因素变量的特点，以及对不同感知风险的影响作用大小，选取影响作用最大，影响关系最突出的感知风险对其之间影响关系进行具体深入的研究分析。文献研究方面本文的研究选题是对消费者直播带货感知风险的研究，但是由于目前直播带货刚刚兴起，有关直播带货的研究比较少，对消费者直播带货感知风险的研究更是空白，所以本文的文献研究主要是对互联网环境下消费者对网购的风险感知的有关文献进行了研究梳理，虽然网购与直播带货都属于电商行业，但是具体的营运模式等还是存在较大差异，所以本文的文献基础较为薄弱，对本文实证研究部分的支持不足。未来应多关注消费者对直播带货风险感知的相关研究，以更好的对本文研究模型及变量设置做出修正调整，以使本文的研究更具说服力及借鉴意义。参考文献[1]夏令蓝,宋姣.后疫情时代“直播带货”规范化研究[J].传媒,2020(13):94-96.[2]姚林青,虞海侠.直播带货的繁荣与乱象[J].人民论坛,2020(25):85-87.[3]沈宝钢.直播带货商业模式探析及其规范化发展[J].理论月刊,2020(10):59-66.[4]谭梦云,曾耀锐,曾小可.基于直播带货形式的后疫情下实体经济复苏措施[J].商场现代化,2020(18):73-75.[5]王彪,高贵武.疫情“催化”下的传媒转向——直播带货的动因、实质与潜在风险分析[J].编辑之友,2020(10):13-20.[6]郭全中.中国直播电商的发展动因、现状与趋势[J].新闻与写作,2020(08):84-91.[7]张小虎.新媒体时代网红直播带货模式发展探究[J].传媒,2021(08):55-57.[8]成栋,王振山,孙永波.直播带货的本质:是颠覆式创新还是对传统电商模式的扩展[J].商业经济研究,2021(05):86-89.[9]鄂晓桐.后疫情时代电商直播的革新之道[J].新闻研究导刊,2020,11(20):99-101.[10]田鑫鑫,田晶晶.电商直播中消费者购买意愿影响因素研究——以淘宝直播为例[J].科技与创新,2020(20):4-8.[11]徐曼曼,崔雯菲,魏竹均.移动直播影响下的消费者心流模式与场景营销——以顾客风险感知和顾客感知价值为中介机制[J].市场周刊,2021,34(01):91-94.[12]朱永明,黄嘉鑫.直播带货平台感知示能性对消费者购买意愿的影响研究[J].价格理论与实践,2020(10):123-126.[13]刘平胜,石永东.直播带货营销模式对消费者购买决策的影响机制[J].中国流通经济,2020,34(10):38-47.[14]SirrkaL.Jarvenpaa,PeterA.Todd.ConsumerReactionstoElectronicShoppingontheWorldWideWeb[J].InternationalJournalofElectronicCommerce,1996,1(2).[15]SandraMForsythe,BoShi.ConsumerpatronageandriskperceptionsinInternetshopping[J].JournalofBusinessResearch,2003,56(11).[16]WilsonRobynS,ZwickleAdam,WalpoleHugh.DevelopingaBroadlyApplicableMeasureofRiskPerception.[J].Riskanalysis:anofficialpublicationoftheSocietyforRiskAnalysis,2019,39(4).[17]QingYang,ChuanPang,LiuLiu,DavidC.Yen,J.MichaelTarn.Exploringconsumerperceivedriskandtrustforonlinepayments:AnempiricalstudyinChina’syoungergeneration[J].ComputersinHumanBehavior,2015,50.[18]Man‐LingChang,Wann‐YihWu.RevisitingPerceivedRiskintheContextofOnlineShopping:AnAlternativePerspectiveofDecision‐MakingStyles[J].PsychologyandMarketing,2012,29(5).[19]ZhangL.,TanW.,XuY.,TanG.(2012)DimensionsofPerceivedRiskandTheirInfluenceonConsumers’PurchasingBehaviorintheOverallProcessofB2C.In:ZhangL.,ZhangC.(eds)EngineeringEducationandManagement.LectureNotesinElectricalEngineering,vol111.Springer,Berlin,Heidelberg./10.1007/978-3-642-24823-8_1[20]井淼,周颖,吕巍.互联网购物环境下的消费者感知风险维度[J].上海交通大学学报,2006(04):607-610.[21]王震勤,董荔,胡志颖.网络购物环境下感知风险类型及风险水平分析[J].商场现代化,2009(06):153-154.[22]高锡荣,胡旸.消费者对网络购物的风险感知类型研究[J].江苏商论,2011(03):43-46.[23]杨永清,张金隆,聂磊,种晓丽.移动增值服务消费者感知风险维度实证研究[J].工业工程与管理,2011,16(01):91-96.[24]赵蕊菡,陈一.基于扎根理论的网络健康信息多维度风险感知理论模型研究[J].情报理论与实践,2020,43(01):68-75.[25]孙笑浓,袁越,赵璐,陈雅慧,申强.社群经济下农产品消费者风险感知及影响因素分析[J].商业经济研究,2019(24):48-51.[26]DanJ.Kim,DonaldL.Ferrin,H.RaghavRao.Atrust-basedconsumerdecision-makingmodelinelectroniccommerce:Theroleoftrust,perceivedrisk,andtheirantecedents[J].DecisionSupportSystems,2007,44(2).[27]MarceloVinhalNepomuceno,MichelLaroche,Marie-OdileRichard.Howtoreduceperceivedriskwhenbuyingonline:Theinteractionsbetweenintangibility,productknowledge,brandfamiliarity,privacyandsecurityconcerns[J].JournalofRetailingandConsumerServices,2014,21(4).[28]JiyoungKim,SharronJ.Lennon.Effectsofreputationandwebsitequalityononlineconsumers'emotion,perceivedriskandpurchaseintention[J].JournalofResearchinInteractiveMarketing,2013,7(1).[29]J.PaulPeter,MichaelJ.Ryan.AnInvestigationofPerceivedRiskattheBrandLevel[J].JournalofMarketingResearch,1976,13(2).[30]DominicSmith,PaulRiethmuller.ConsumerconcernsaboutfoodsafetyinAustraliaandJapan[J].InternationalJournalofSocialEconomics,1999,26(6).[31]B