《功能价值在增强电商直播粉丝参与意愿中的作用探讨》13000字

图4粉丝在电商直播平台参与：前因，调节和结果影响研究模型问卷设计与数据收集这一部分，在此类条件基础上可以推知其变化介绍问卷的设计思路，说明问卷调查对象、主要内容和数据收集过程，最终的问卷以附录的形式呈现在论文后。（一）问卷设计本文采用问卷展开调查，问卷调查的结果将作为下文的假设检验和实证分析的基本数据来源。根据前文研究假设中的变量设计量表，最终形成完整的问卷。首先，在问卷的开头部分设置卷首语，对本次调查做预先说明，告知调查目的，介绍研究内容，强调保障受调查者的隐私，最后向其致谢，以期使受调查者摆脱后顾之虑地填写问卷，按照前番之解析确保问卷的有效性。其次，设置调查甄别题，删除未观看过电商直播的受调查者的问卷，提高问卷准确性（荀嘉言，韩睿哲，2018）。接着，针对受调查者进行资料统计，立足于以上分析结果主要包括性别、年龄、职业等几个方面。通过对前期研究的系统梳理，本文为接下来的研究工作提供了有益的借鉴。在研究方法上，本文发现了诸多优化与改进的契机。过去的探索阶段为本文积累了宝贵的经验财富，明确了哪些方法成效显著，哪些需进一步改进或淘汰。例如，在数据收集方面，本文应更加重视样本的多元性与代表性，确保所选样本能精准体现目标群体的整体特征。此外，根据不同研究问题的特点，灵活采用多种数据收集技术，有助于提高数据的全面性和可信度。最后，正文内容测量本研究的变量，主要是受调查者观看直播的相关情况，包括对粉丝在电商直播参与情况，观看电商直播的感觉，和其忠诚度进行检测。（二）调查对象本文的调查对象应是观看过电商直播的消费者，最好是经常性地参与电商直播活动的粉丝群体，从而能对电商直播参与过程产生的行为和心理活动更好进行评价和表态。（三）量表设计问卷测量“功能价值”、“尊重感”、“社交体验感”、“粉丝参与”、“顾客忠诚度”、“粉丝等级”等五方面，借鉴成熟量表根据本文的研究变量加以修改。本文的测量项目均采用李克特五度量表，于此情境下每个变量至少设计4个题项，1表示“非常不同意”，5表示“非常同意”。（四）数据收集本次研究调查对数据通过网络媒介收集，主要是通过QQ、微信、朋友圈等发放给周围同学、朋友和电商直播中主播的粉丝群、商家建立的直播通知群。总共收集问卷311份，其中有效的问卷有298份，随着形势发展有效率95.81%。本研究采用的数据分析工具为SPSS26.0和AMOS26.0软件，采用统计方法分析收集来的数据。假设检验和实证分析这一部分是对收集到的问卷数据的处理过程，由此可以明显观察到用以佐证论文假设。利用SPSS26.0和AMOS26.0软件进行全面、科学、系统的分析。（一）描述性统计分析1.性别描述统计在298份有效样本内，男性103名，占比34.6%；女性195名，占比65.4%，男女比例为35:65。表SEQ表\*ARABIC1性别描述统计频率百分比有效百分比累计百分比有效男10334.634.634.6女19565.465.4100.0总计298100.0100.02.年龄描述统计在298份有效样本内，年龄占比最高的年龄段时18-25岁和31-40岁，分别占比63.1%和12.4%。表SEQ表\*ARABIC2年龄描述统计频率百分比有效百分比累计百分比有效18岁以下218-25岁18826-30岁289.49.482.231-40岁3712.412.494.640岁以上165.45.4100.0总计298100.0100.03.职业描述统计在298份有效样本中，这些事件预示着一些未来的可能性学生占比达到56.4%，事业单位占比达7.7%，企业占比达6.7%，个体经营者占比达11.1%，其他占比达18.1%。表SEQ表\*ARABIC3职业描述统计频率百分比有效百分比累计百分比有效学生16856.456.456.4事业单位237.77.764.1企业206.76.770.8个体经营者33其他5418.118.1100.0总计298100.0100.04.学历描述性统计在298份有效样本中，学历占比最高的是本科和高中及以下，分别占比54.4%和24.8%。表SEQ表\*ARABIC4学历描述性统计频率百分比有效百分比累计百分比有效高中及以下7424.824.824.8大专5016.816.841.6本科16254.454.496.0研究生及以上124.04.0100.0总计298100.0100.05.直播观看频率描述性统计在298份有效样本中，本文研究背景下我们充分估算了这种情况的影响直播观看频率占比最高的是每周1-6次和每月1-3次说明样本大多常观看直播，说明样本有一定可靠性。表SEQ表\*ARABIC5直播观看频率描述性统计频率百分比有效百分比累计百分比有效每天48每周1-6次10每月1-3次7826.226.276.5每月少于1次7023.523.5100.0总计298100.0100.0（二）信度和效度分析1.信度分析首先是对298份有效问卷进行可靠性分析，也就是对调查结果进行信度分析。信度分析方法采用克朗巴哈系数(Cronbach’sAlpha)进行检验(周瑞文,李一凡,2020)。检验结果如表6所示，从中可知整体量表和其余功能价值量表、尊重感量表、社交体验感量表、粉丝参与量表、顾客忠诚量表、粉丝等级量表的ɑ值远大于0.5，说明整体量表和其余量表信度非常好。因此，在这般的框架内本文的量表测试结果达到了后续研究分析的要求（温嘉言，孔泽楷，2023）。表SEQ表\*ARABIC6量表克朗巴哈系数量表Cronbach’sAlpha值参考值整体量表0.967ɑ≥0.5功能价值量表0.890尊重感量表0.862社交体验感量表0.852粉丝参与量表0.869顾客忠诚量表0.873粉丝等级量表0.9222.效度分析先进行总体效度检验，采用KMO和巴特利特(Bartlett)球形度检验。得出表7数据，KMO值为0.971，Bartlett显著性水平为0.00＜0.001，即总体量表统计检验显著，可以进行后续效度分析(熊浩淼,刘若兮,2018)。表SEQ表\*ARABIC7总体效度检验KMO取样适切性量数。0.971巴特利特球形度检验近似卡方5567.843自由度253显著性0.000从这些记录中体现运用统计软件AMOS26.0检验测量题项的效度，对模型的拟合情况进行验证，结果如表8所示。初始测量模型拟合指数中，CMIN/DF=2.03＜3，GFI=0.898＞0.7，RMR=0.029＜0.05，RMSEA=0.059＜0.08，CFI=0.965、IFI=0.965均大于0.9，模型各拟合指数均符合基本要求。表SEQ表\*ARABIC8模型拟合度检验指标CMIN/DFGFIRMRRMSEACFIIFI模型指数2.030.8980.0290.0590.9650.965较优值＜3＞0.9＜0.05＜0.05＞0.9＞0.9合理值＜5＞0.7＜0.08＜0.08＞0.7＞0.7拟合效果较好一般较好一般较好较好通过AMOS26.0软件计算可得，量表各题目的载荷因子均大于0.5，各测量题项说明能够很好地代表各自的变量（黄子轩，陈梦瑶，2022）。这在一定程度上映射各个变量的AVE值均大于0.5，且CR值均大于0.7，说明聚敛效度较为合理，得出表9数据。表SEQ表\*ARABIC9模型聚敛效度检验变量题项载荷因子AVECR功能价值FV10.8230.67610.893FV20.825FV30.825FV40.816尊重感FR10.8380.67750.863FR20.827FR30.804社交体验感SE10.7440.95750.8558SE20.782SE30.795SE40.77粉丝参与FP10.7960.62240.8682FP20.805FP30.791FP40.763顾客忠诚CL10.8020.63790.8756CL20.773CL30.841CL40.777（三）相关性分析由表10可知，在此类条件基础上可以推知其变化通过Pearson检测方法进行相关分析，功能价值、尊重感、社交体验感与粉丝参与相关系数为0.732、0.755、0.838，并在0.01上显著相关。初步证明了假设H1、H2a、H2b。粉丝参与和顾客忠诚之间的相关系数为0.720，并在0.01上显著相关，初步证明了假设H3。表SEQ表\*ARABIC10相关性检验MSDFVFPSEFLFPCL功能价值(FV)3.650.85151尊重感(FP)3.790.7475.733**1社交体验感(SE)3.760.7326.762**.760**1粉丝等级(FL)3.800.7467.696**.604**.715**1粉丝参与(FP)3.820.7844.732**.755**.838**.686**1顾客忠诚(CL)3.440.9854.794**.725**.779**.699**.720**1注：**相关性在0.01上显著（双尾）（四）路径系数分析1.粉丝在电商直播平台参与的影响因素检验将数据导入AMOIS26.0软件，对粉丝参与电商直播平台前因的研究假设构建结构方程分析，模型的适配情况显示，CMIN/DF=1.803＜3，GFI=0.932＞0.9，RMR=0.025＜0.05，CFI=0.979＞0.9，RMSEA=0.052＜0.08，IFI=0.979＞0.9。整体上看，模型适配指标较为理想，按照前番之解析表明模型的适配度较好，可进行后续研究，模型标准化路径系数估计结果见表11(曹新宇,黄琪睿,2022)。表SEQ表\*ARABIC11影响因素结构方程模型路径系数假设路径路径系数S.E.C.R.P支持情况H1功能价值→粉丝参与0.1400.0432.8600.004**支持假设H2a尊重感→粉丝参与0.2300.0294.730***支持假设H2b社交体验感→粉丝参与0.5560.05210.866***支持假设注：*p＜0.05，**p＜0.01，***p＜0.001由表11可知，功能价值对粉丝参与在Ｐ＝0.01水平上具有正向显著影响，其路径系数β为0.140，支持假设H1；情感价值中的尊重感对于粉丝参与具有显著正向影响，Ｐ值小于0.001，立足于以上分析结果路径系数β为0.23，支持假设H2a；情感价值中的社交体验感对于粉丝参与具有显著正向影响，于此情境下显著性水平Ｐ小于0.001，路径系数β为0.567，支持假设H2b。数据分析阶段，本文采取了多样的统计策略来验证数据的准确度，并寻找潜在的异常数值。基于对数据分布的深入研究，本文成功去除了显著偏离的数据点，同时确保核心样本信息得以保留。为了考察不同参数变动对结论的稳定性及普适性影响，本文还进行了敏感性实验。2.粉丝在电商直播平台参与的影响结果检验将数据导入AMOIS26.0软件，对粉丝参与电商直播平台结果的研究假设进行结构方程分析，模型的适配情况显示，CMIN/DF=1.852＜3，GFI=0.972＞0.9，RMR=0.019＜0.05，CFI=0.989＞0.9，RMSEA=0.054＜0.08，IFI=0.989＞0.9。总体上看，模型适配指标较为理想，随着形势发展表明模型的适配度较好(赵睿智,杨可儿,2022)，可用于检验研究假设，模型标准化路径系数估计结果见表12。表12影响结果结构方程模型路径系数假设路径标准估计S.E.C.R.P支持情况H3粉丝参与→顾客忠诚0.8200.03524.701***支持假设注：*p＜0.05，**p＜0.01，***p＜0.001表12的数据可以看出，粉丝参与的结果路径分析结果和假设检验数据，粉丝参与对顾客忠诚具有正向显著影响，Ｐ值小于0.001，路径系数β为0.861，支持假设H3；3.粉丝等级的调节效应检验在假设H2b通过检验的前提下，利用SPSS26.0进行线性回归分析，结果如表所示(王玉萍,高志鹏,2021)。由表中数据可知，模型F检验在Ｐ＝0.001水平上显著，回归方程解释了因变量粉丝参与75%的方差变异。由此可以明显观察到功能价值、尊重感和社交体验感对粉丝参与的影响均显著(p＜0.1)，交互项社交体验感×粉丝等级调节效果显著(p＜0.1)，而功能价值×粉丝等级和尊重感×粉丝等级调节效应不显著，这些事件预示着一些未来的可能性说明粉丝等级在功能价值、尊重感与粉丝参与之间关系不存在调节效应，假设H4、H5a不成立(徐子和,高志龙,2022)；粉丝等级在社交体验感与粉丝参与之间关系起负向调节效应，假设H5b成立。本文框架模型具备的关键特性在于其柔韧性与拓展性。鉴于不同研究情境和需求的多元性，本文在构建模型过程中竭力维持各组成部分的模块化特质，如此一来，便能依据实际状况灵活地对特定模块作出调整或更替，且不会损害整体架构的稳定性与效能。这种设计理念不但提升了模型的现实应用意义，还为后续的科研人员搭建了一个开放性的平台，激发他们在既有成果之上开展再创作或优化。表13调节效应回归分析结果模型未标准化系数标准系数tsigR方调整后的R方F变化量B标准错误（常量）0.0410.0291.4090.160.7560.75128.276***功能价值0.0960.0520.0981.8450.066尊重感0.2090.0510.2184.1130.000***社交体验感0.4830.0570.4758.4280.000***粉丝等级0.0990.0420.1052.3350.02*功能价值×粉丝等级-0.0240.051-0.029-0.4720.637尊重感×粉丝等级0.0340.0460.0480.730.466社交体验感×粉丝等级-0.0830.048-0.111-1.7230.046*注：*p＜0.05，**p＜0.01，***p＜0.001 总结与展望针对数据分析的结果，总结研究“粉丝在电商直播平台参与：前因、调节和结果”这一论题的结论，但在本篇论文还是存在一些不足之处，期望在后续的研究中加以改进。（一）研究结论本研究探讨了粉丝在电商直播平台参与的前因、调节和结果，检验了电商直播平台感知价值（功能价值和情感价值）对粉丝在电商直播平台参与的驱动作用，以及粉丝等级在其中的调节作用，本文研究背景下我们充分估算了这种情况的影响并将粉丝在电商直播平台参与的结果聚焦在顾客忠诚度上，这对基于粉丝用户在电商直播平台参与行为研究具有重要意义。研究结论如下(王学杰,王怡彤,2020):第一，粉丝感知价值中功能价值、情感价值（尊重感、社交体验感）能够正向影响粉丝在电商直播平台参与行为，支持假设H1、H2a和H2b。说明粉丝在电商直播平台感知到自身获得的价值越高，在这般的框架内越能激发其在电商直播平台参与的积极性(蔡家栋,郭润泽,2019)。在对理论架构的论证与完善方面，本文搜集了极为丰富且详实的数据素材。这些数据囊括了广泛的研究客体，并且贯穿了各异的时间节点以及社会情境，进而为理论架构的整体论证给予了坚实有力的支撑。借助统计分析手段针对量化的数据加以处理，能够精准地校验原有理论架构中的各项预设，同时察觉其中潜藏的瑕疵所在。后续的研究工作将会考量纳入更多的因素变量或者采用更宏大的样本规模，以此强化理论架构的阐释效力与预估水准。第二，上文中的研究数据得出，粉丝在电商直播平台参与的结果确实是顾客忠诚，粉丝参与确实能够存在正向影响顾客忠诚的作用，从这些记录中体现假设H3成立。结果表明粉丝在电商直播平台的持续性参与行为，是有助于其对电商直播平台忠诚度的产生及程度加深。第三，调节效应检验结果发现，社交体验感对粉丝参与影响的过程中，粉丝等级负向调节社交体验感对粉丝参与的关系，这在一定程度上映射假设H5b成立(张浩然，陈婧雅,2020)。当粉丝具有的等级越高，可能获得较高水平的产品和服务，对于产品和服务的需求更容易得到满足，使其对社交体验感的重视程度可能降低，从而社交体验感在影响粉丝在电商直播参与的影响作用减弱，起到负向调节的作用。（二）研究启示目前电商直播市场规模庞大，竞争十分激烈，各企业都在积极探索留住消费者的策略，以获得客户忠诚度。管理者为了让粉丝参与电子商务直播平台活动，改善客户关系，一直在寻找新的策略，在此类条件基础上可以推知其变化本文为管理者提供实现粉丝参与电商直播平台相关变量，并提取顾客忠诚变量，有利于企业管理者及市场营销人员吸引粉丝参与电商直播平台并从中获利，有利于企业的长远发展(李志强,朱媛媛,2020)。1.企业信息和社会效益的重要来源是电子商务直播平台。管理者需要将电商直播平台打造成一个让消费者感知到较高功能价值的平台，才能给他们带来尊重感和社会体验的归属感(林志远,许琳娜,2020)。根据本文的研究结果，按照前番之解析企业经理必须采取方法，让消费者感知到产品和服务功能上的价值，提升直播粉丝尊重感和社交体验感，并邀请粉丝参与在线互动，如与点赞、与主播互动，和其他粉丝探讨产品感受等。当粉丝在直播中被他人认可和重视时，他们的尊重感就会增强。因此，主播可以定期表扬和奖励直播粉丝(杨晓华,马春晖,2020)。2.鉴于粉丝等级对于电商直播平台粉丝参与可持续发展的重要作用，企业在电商直播的设计和管理中应注意维护消费者关系，立足于以上分析结果必须充分考虑以粉丝等级为代表的激励机制。企业经营与管理者可以让粉丝等级更高的粉丝得到更高规格的粉丝体验，比如其能够得到更优惠的产品，于此情境下更优质的服务等；或者兑换虚拟积分和实物奖励。同时，在电子商务直播平台的决策中必须考虑客户细分，于此情境下针对不同粉丝类型特征，采取合适的营销策略，降低平台运营成本，提高工作效率(刘志恒,叶思洁,2019)。3.结果表明顾客忠诚度是粉丝在电商直播平台参与的重要结果。企业在电商直播活动管理与营销策划的活动中，随着形势发展应充分重视调动对粉丝参与电商直播动机，对不同参与程度的粉丝进行分类管理，提高低层次的粉丝参与程度，稳定深层次参与的粉丝的粘性，从而为粉丝提供更好的服务，使粉丝对其产生忠诚度，并长久保持。（三）研究局限与展望1.抽样样本的局限问卷发放时，样本数据主要来源于学校，年龄集中在18-25岁。虽然研究表明显示，在校学生是网上购物和电商直播的主要对象，但除此之外还存在一部分群体没有覆盖全面。如果后续研究能够增加研究样本范围，研究结果会更可靠、更具可参考性和有效性。由于疫情社交隔离的原因，线下问卷填写途径有限，本次问卷主要是通过线上问卷发放来收集数据，但这会使受调查者填写过程不受控制，问卷数据会有不够准确的问题。由此可以明显观察到若今后能够深入开展研究，应增大线下问卷填写范围，以进一步提高问卷的代表性和有效性。2.研究变量的局限本文仅研究了粉丝等级对于粉丝在电商直播平台参与行为的调节机制，但在实际情形中，还会有其他因素对粉丝参与过程具有影响，而类似调节机制还有很多。后续研究中会寻找更具代表性的调节变量，完善本文的研究内容。参考文献[1]中国互联网网络信息中心(CNMC).2020年中国互联网络发展状况统计报告[R].2020.[2]钟涛.直播电商的发展要素、动力及成长持续性分析[J].商业经济研究,2020(18):85-88.[3]雷昊然，方紫悦.基于淘宝直播的电子商务平台直播电商价值共创行为过程研究[J].管理学报,2020,17(11):1632-1641+1696.[4]田悦澄，白乐天.电商直播情境下大学生消费参与行为与驱动因素分析[J].商业经济研究,2021(03):55-58.[5]陶晓东，郑丽娟.融媒体环境下移动直播的类型特征与视听机制[J].电视研究,2018(09):23-26.[6]严皓翔，郑君浩.旅游虚拟社区用户参与对忠诚的倒“U”形作用机理[J].旅游学刊,2017,32(02):65-74.[7]顾云飞，刘晓红.一站式公共数字文化服务平台支持用户参与的服务现状、主要问题与优化建议[J].图书情报工作,2021,65(07):78-89.[8]林泽宇，傅雪柔.网络购物消费者参与行为对店铺满意度的影响研究——基于价格变动的调节效应[J/OL].价格理论与实践:1-4[2021-09-03].[9]ShiriD.Vivek,SharonE.Beatty,andRobertM.Morgan.Customerengagementexploringcustomerrelationshipsbeyondpurchase[J].Journalofmarketingtheoryandpractice,2012(2)：127-145.[10]卢俊延，赵一铭.在线评论对消费者购买决策的影响研究[D].中南林业科技大学,2021.[11]薛宇峰,马思敏.虚拟品牌社区感知价值对新产品购买意愿的影响机制——基于群体认同和品牌认同的双中介视角[J].中国流通经济,2017,31(02):93-100.[12]RichardL.Oliver.Satisfaction:ABehavioralPerspectiveontheConsumer[M].TaylorandFrancis:2014-12-18.[13]孙智慧，周智航.基于公平视角的网络环境下服务补救对顾客忠诚的作用机理研究[J].管理学报,2013,10(10):1512-1519.[14]成泽光、宋向昊、林俊昊.体验营销理念下互联网顾客忠诚的形成机理——满意度与信任度的双中介效应[J].中国流通经济,2017,31(03):96-104.[15]余佳怡,赵英杰.顾客为什么参与创造?——消费者参与创造的动机研究[J].心理学报,2007(02):343-354.[16]许俊天,成瑾瑜.大众生产者的参与动机研究述评[J].科技管理研究,2009,29(05):423-425.[17]陈昊忠,赵洁妮.感知价值与面子威胁对消费者冲动性购买行为影响的实证研究[J].预测,2014,33(06):8-14.[18]张璐瑶,付芳倩.服务质量和感知价值对消费者行为意向的影响[D].华东师范大学,2015.[19]钱一凡,孟欣怡.消费者在线品牌社区参与：前因、调节和结果[J].中国流通经济,2020,34(05):73-83.[20]雷振宇，熊静宜.电商直播情境下大学生消费参与行为与驱动因素分析[J].商业经济研究,2021(03):55-58[21]赖泽凯，丁雨馨.品牌社群作用机制的实证分析——消费者参与的中介作用[J].西南大学学报(社会科学版),2010,36(05):128-133.[22]梅小何，黎静.顾客参与品牌共创如何提升品牌忠诚?——共创行为类型对品牌忠诚的影响与作用机制研究[J].外国经济与管理,2018,40(05):84-98[23]龚志强,邱艺瑾.促进用户粘性的虚拟社区技术与管理设计创新——基于实证的研究[J].研究与发展管理,2009,21(05):29-38.[24]肖睿渊，李明轩.在线患者社区成员的社会资本对社会支持的影响研究[D].哈尔滨工业大学,2020.[25]林志远，何婉晴.基于感知价值的消费者网络购物渠道选择研究——产品涉入度的调节作用[J].消费经济,2016,32(04):