【摘要】近年来,随着4G网络的普及,网络短视频蓬勃发展,同时也带动了国内电子商务。网络短视频作为音乐社交短视频软件,相比传统的购物网站和软件,能更便捷生动地向用户展示产品和服务。因此,如何让网络短视频更好地激发用户消费意愿日益成为一个值得探讨研究的问题。本文基于S-O-R模型以及线索利用理论,以及评论内容、网红影响力、软件功能因素,从情感相关线索和任务相关线索的角度构建网络短视频对用户消费意愿的影响模型,通过问卷调查进行数据收集,利用Amos进行数据分析。任务相关线索和情感相关线索、用户评论内容、网红影响力、软件功能均正向地影响用户的心理印象和感知诊断性, 进而促进用户的消费意愿。视频内容在用户评论内容对感知诊断性、在用户评论内容对心理印象、在任务信息对感知诊断性、在任务信息对心理印象起正向调节作用。本文中通过问卷调查, 验证了在网络短视频中任务因素、用户评论、软件功能以及网红影响力对用户消费意愿的影响和视频内容的调节作用。
【关键词】网络短视频;S-O-R理论;线索利用理论;用户消费意愿
1 绪论
1.1 选题的背景及意义
近年来,随着O2O,共享经济和基于微信公众号的自媒体,在线短视频已成为当今最热门的在线商业推广方式。根据CNNIC发布的《中国互联网发展统计报告》,广告,游戏等领域都力图通过短视频点播和社区直播等方式提高商业影响力。[1]以短视频红人为起点,通过打造粉丝经济形成观念消费认同,从而刺激购买欲望。[2]网络短视频应用如雨后春笋般涌现,如抖音、快手、西瓜短视频、即刻等,微信的朋友圈也增加了短视频功能。国内明星网红也在网络短视频应用上注册,进行宣传营销。来自名牌美妆专柜BA(Beauty Adviser)的李佳琦凭借优秀的产品、鲜明的人设、紧扣人心的文案打动了他直播间里的观众,“带货”千万,获得了“口红一哥”的称号。[3]对此,很多学者对短视频营销中的心理因素进行了研究。其中,邓昭明等在“抖音”旅游营销的启示中提出,用高契合度的内容精准营销提高“抖友”的参与感,吸引他们来“打卡”。[4]可见,网络短视频对用户消费意愿的影响力正在不断地提升。
伴随移动4G网络普及,越来越多用户使用和观看网络短视频。用户随手点开短视频即刻身临其境地获取需要的商品信息。抖音作为音乐社交软件,受到了广大年轻用户追捧。也正因为抖音网络流量巨大,成为了企业进行内容营销的主要平台。[5]还有学者发现用户情绪受心理印象影响[6],比如风景名胜的短视频也可以提升用户的心理印象。[7]可见,网络短视频作为音乐社交软件,它对用户消费意愿影响的原因更应该是多样的,整体的,然而当前没有多种因素分析网络短视频整体性地对用户消费意愿影响的相关研究。
网络短视频作为今年及未来几年的互联网风口,它以制作成本低、搜索成本低、高传播性、高互动性吸引着消费者。[8]然而,当前网络短视频法律法规并未完善,导致短视频内容参差不齐,出现同质化、低俗化的现象,影响消费者观看网络短视频的体验。[9]除了审美疲劳,沉迷盲从也是当今青少年消费者的一大特点[10],企业在制作网络短视频时除了完成营销目标,也应当承担一定的社会责任。XX正确引导用户观看网络短视频及企业制作网络短视频内容是当今社会亟需解决的问题。本次研究将通过分析任务信息、用户评论、网红影响力以及软件功能对用户消费意愿的影响,改善网络短视频的网络环境,给企业、XX提出可行的建议。
1.2 研究现状
1.2.1 国外研究现状
网络短视频虽然发源于国外,国外的学者在此方面的关注程度并不是很多。然而部分研究成果对于国内短视频的研究也具备了参考价值。
网络短视频是作为共享经济的分支。Böcker发现用户在网上分享生活的原因是经济收益、网络氛围和社交收益。[11]Miriam通过建模分析3500条网络短视频数据集,认为网络短视频具有极强的创新性。[12]Cheng认为网络短视频用户在平台上建立的社交关系,能够为企业宣传、自媒体的打造提供了商机。Ruyu通过同时在用户的网络长视频以及短视频广告对比发现,网络短视频的广告投放收益更高,给用户的印象更深刻,更愿意网上购买产品或者线下消费。[13]因此,网络短视频作为共享经济的分支,具备了一定的商业价值。网络短视频是行业融合的平台。Siqi测量了2016年Youtube公布的530万条视频数据的级别聚合参与度,发现用户参与发布视频与行业融合息息相关。[14]Neil分析Youtube的MCN模式,认为MCN行业规范化促进了行业发展。[15]因此,网络短视频的发展促进了行业融合发展。通过查阅国外有关短视频的研究,笔者观察到国外研究主要着眼于它的自身特点、商业价值和对行业的促进作用,缺少关注它对用户消费意愿的影响因素以及对社会舆论影响。本文将分析网络短视频对用户消费意愿的影响因素,并提出相应的企业和社会舆论管理建议。
1.2.2 国内研究现状
网络短视频依赖于国内明星以及大型的媒体,如央视新闻、湖南电视台等进驻,近几年在国内发展迅猛,其社会价值和商业价值得到了越来越多学者的关注。
网络短视频的起源及未来发展希冀。2016年,“今日头条”和“新浪微博”等大型互联网媒体公司相继公布了其旗下网络短视频研究报告;艾瑞资讯自2016年至今每年都会发布中国网络短视频行业的相关研究报告。这些大机构的研究报告主要表明:网络短视频内容和流量竞争激烈、网络短视频被投资者逐渐重视、以及网络短视频行业管理制度有待完善。网络短视频的内容生产方向。不同于之前的传统视频网站,网络短视频需要短小精悍、内容都是“干货”、符合当下的审美以及时事热点。高川琳认为电商短视频可以分为产品展示型、教学型、内容故事型。[16]高崇认为分享生活类的网络短视频将是未来发展方向。[17]张璐认为在同质化的内容中保持自身特点是重要的。[18]由此可见,网络短视频的内容在融合电商要求时,还要保持个性化和生活化。网络短视频的营销策略。陆燕认为网络短视频的营销策略包括:线上与线下结合营销、契合企业的销售目标和品牌定位、与网红开展合作、利用网络短视频商业化服务开展营销以及自制网络短视频开展营销。[19]董兰兰认为在当今的网络短视频市场,为了提网络短视频的专业性,内容生产需要从用户生产(UGC)向专业运作生产转变(PGC),打造优质IP建立健康的内容生态系统,构建传播矩阵。[20]由此可见,网络短视频在营销策略方面需要结合企业发展目标和自身能力,选择适合的营销方案。通过查阅国内的网络短视频的相关研究资料,笔者发现国内有关网络短视频的内容、传播方式、营销策略已经很完善,然而在研究网络短视频对用户的消费意愿、消费行为的影响因素并没有相关的数据调查类研究。基于此研究空缺,本文将从任务信息、用户评论内容、网红影响力、软件功能这四个影响因子,以及视频内容作为调节效应因子研究网络短视频对用户消费意愿的影响。
1.3 研究的主要内容以及研究步骤
本文分析影响网络短视频环境下影响用户的消费意愿的因素,以S-O-R理论模型为基础进行内外因素分析,内部因素主要分析用户的感知诊断性、心理印象。外部因素从评论内容、网红影响力、任务信息、软件功能四个个因素系统地进行分析。
本文根据网络短视频不同的内容类型对用户消费意愿所呈现的情况,总结出影响用户消费意愿的类型有哪些,基于S-0-R模型,把视频内容作为中介效应的影响因素加以分析,分析视频内容因素对模型是否有调节作用。
本文根据以上分析结果,影响消费的因素,为企业提出可行性营销建议,提出线上与线下相结合的建议;为XX制定规范网络短视频舆情制度提供可行的参考意见。
本文有两个创新点。一是已有的研究大多聚焦在网络短视频内容和营销模式对于用户的消费意愿的影响。对于影响用户消费意愿的研究,多以情感、视频内容作为影响因素。考虑到网络短视频作为社交媒体娱乐软件,有关软件功能、用户评论、网红影响力作为影响因素对影响用户消费意愿的研究尚不充分,本文对于网络短视频对用户消费意愿的影响的研究,具有一定的创新性。二是不同于以往的研究中使用了消费者计划行为理论用户消费意愿进行理论模型构建,本研究使用了S-O-R理论构建网络短视频对用户消费意愿理论模型,具有一定的创新性。
1.4 研究步骤
1.对用户消费意愿的研究文献归纳和梳理,发现网络短视频对消费意愿有关上的研究缺失。根据刺激-机制-反应的SOR理论,将消费意愿作为用户反应变量,将感知诊断性、心理印象作为用户机制变量,总结出用户评论、网红影响力、任务信息、视频内容、软件功能这五类影响用户消费意愿的外部刺激变量,构建五个刺激变量与两个机制变量、用户消费意愿之间的理论模型,进而提出研究假设。
2.根据构建的理论模型,参考前人相关研究中的成熟量表,设定符合用户在网络短视频消费情境下的研究量表,设计本文调研问卷。观察信度效度结果,调整问项,形成实证研究的正式调研问卷并正式发放。
3.问卷的数据在SPSS 21.0及Amos25.0进行描述性统计分析、信效度分析,以及调节效应分析,根据分析结果进行理论假设的检验,确定理论模型中各变量对用户消费意愿影响的假设是否成立。
4.根据实证研究的结果,对企业进行营销方案的选择和改进以及如制作更好的网络短视频内容提出建议,以及给XX制定规范网络短视频舆情制度提供一定程度的参考。
2 相关的理论概述
2.1 S-O-R模型理论基础和研究综述
2.1.1 S-O-R模型的基本介绍
刺激-机体-反应理论模型(S-O-R),最早用于解释环境对人类的行为的影响,是20世纪30年代环境心理学研究内容之一,如图1所示。
图1 S-O-R模型
从投入-产出角度出发,Mehrabin & Russell在1974年构建了S-O-R模型。他们认为S-O-R模型中,作为一种外部影响,刺激变量(S)对机体变量(O),即用户感知、心理等个体状态产生作用,之后机体变量通过一系列心理作用后,对用户的心理或行动反应做出影响。刺激变量、机体变量和反应变量之间的作用关系是:刺激变量对机体变量产生了影响,且间接通过机体变量对反应变量产生了影响。
在用户消费意愿中,刺激变量、机制变量、反应变量可有以下分类:
刺激变量(s)包括产品特征,包括外观、品牌、价格、质量、营销等,
能够直接或间接地对用户机体状态和机体反应做出影响。
机体变量(O)为用户的机体变量,如感知判断价值、心理印象、感知危险,在刺激变量与反应变量中间,包含用户的感知和心理因素。
反应变量(R)为用户受到刺激变量和机体变量影响后的反应结果,产生心理或行为反应。Eroglu等在2003年提出,一般情况下,心理反应表现为用户的态度和意愿,行为反应表现为用户接近和逃离。
2.1.2 S-O-R模型的发展历程
在1997年,Sherman 在消费者行为研究中使用了S-O-R模型,提出了外部刺激通过影响用户感知,从而影响用户行为。在2001年Eroglu & Machleit根据S-O-R理论,研究了在电子商务环境下,用户反应的影响因素。在1982年,Donovan & Rossite:首次将SOR模型应用到购物场景中,将零售环境视为刺激变量,将顾客感知诊断情况作为机体变量,顾客消费行为作为反应变量,以此来研究零售环境因素对顾客感知诊断和顾客消费行为的影响。
表1 S-O-R发展历程
刺激变量 | 机体变量 | 反应变量 | 来源 |
商铺环境 | 感知成本、情感、感知价值 | 态度积极、消费选择 | Eroglu & Machleit(2001) |
品牌 | 感知危险、感知价值 | 消费意愿 | Chang(2008) |
产品价格、商铺环境、产品质量 | 情感、用户感知 | 消费意愿、消费意愿 | Turley(2000),Lin(2004) |
产品价格、商铺音乐、产品包装 | 用户满意度 | 消费金额、返购率、品牌忠诚度 | Walsh(2001) |
关联体验、情感体验 | 用户情感 | 消费行为 | 贺爱忠(2010) |
产品质量、便捷性、安全性 | 用户信任 | 消费意愿 | 余鲲鹏(2016) |
退货政策 | 感知质量、感知风险 | 消费意愿 | 史烽(2017) |
服务质量、知名度 | 感知功利、感知享乐、感知社会价值 | 消费渠道选择 | 储坛明(2018) |
以上为国内外使用S-O-R模型对用户消费意愿研究的文献,从表中可观察到,当前使用S-O-R模型对用户消费意愿进行的研究中,刺激变量主要包含商铺环境、品牌、产品包装、产品质量、商铺音乐、关联体验、情感体验,机体变量主要包含感知成本、情感、感知价值、感知危险、用户满意度、用户情感,反应变量主要包含态度积极、消费选择、消费金额、返购率、品牌忠诚度、消费行为。
基于以上的综述,以及搜索到的文献,本文把任务信息、评论内容、网红影响力以及软件功能作为刺激变量(S),感知诊断性以及心理印象作为机体变量(O),消费意愿作为反应变量(R),基于S-O-R模型建立本文的理论模型。
2.2 线索利用理论
在S-O-R模型的基础上,Eroglu 等提出了能够用在网络购物的 S-O-R改进模型, 重新刺激定义为“在线用户可观看或收听的所有线索”, 并把线上产品和服务展示的线索分成两种相关线索,称作线索利用理论。[21]
高任务相关线索,以达成用户消费决策为目标过程中的影响因素 ,带有功能性。所以高任务相关线索也可理解为任务相关线索。
低任务相关线索则侧重于提升用户消费环境, 不看重促进用户完成消费。低任务相关线索通常用于提高消费微观和宏观环境,提高用户消费的情绪, 产生良好的购物环境体验。虽然它不直接促进用户消费, 但可以提升用户线上的体验,、愉悦度, 所以也称作“情感相关线索”。这两条线索相辅相成,促进用户提升消费意愿。
本文认为,网络短视频中既包含了任务相关线索,也包含了情感相关线索。网络短视频的任务相关线索指网络短视频的软件功能,以及它推送的内容是否能满足用户的信息需求。情感相关线索指视频中网红视觉、专业方面的影响力以及用户评论,通过唤醒用户的心理印象,引起对产品和服务的共鸣,进而产生消费意愿。同时,两者相互依赖和补充。网络短视频的完善的购物功能以及信息推送提供了足够的任务信息,而网红和评论能从心理上补充任务信息在用户心中的生动性和观赏性。因此,任务信息和情感相关信息相互作用,提高用户的消费意愿。
3 网络短视频对用户消费意愿的影响模型的建立
根据上文的文献回顾和理论论述,本章将探讨网络短视频中用户评论内容、任务信息、软件功能与用户的感知诊断性、心理印象与用户的消费意愿之间的作用关系。在S-O-R模型的基础上构建本研究的模型,界定用户评论内容、软件功能、网红影响力、任务信息为前置变量,感知诊断性、心理印象为中介变量,视频内容为调节变量,消费意愿为因变量。
3.1 理论模型构建
本章将探讨网络短视频中用户评论内容、任务信根据上文对S-0-R理论以及线索利用理论相关研究的综述,明确了本文网络短视频的研究范围,以及理论方法。在这些理论基础上,本文从变量的选择和研究的方法上进行了创新,构建了本文的理论研究模型。
在变量的选择上,目前在网络短视频环境中,网络短视频的用户评论内容、网红影响力归类为低任务相关线索影响因子,任务信息、软件功能归类为高任务相关线索影响因子,刺激用户的感知诊断性和心理印象,促进用户的消费意愿。此外,笔者把视频内容作为调节效应影响因子,在上述四个前置变量对中介变量的过程进行调节,研究视频内容对模型的调节作用。
在研究方法上,目前网络短视频对用户的消费意愿的影响疲惫着眼于用户评论和视频内容,对其他印象因素有所忽略。为全面地研究网络短视频对用户的消费意愿的影响,本文增加网红影响力以及软件功能这两个影响因子,完善了本文的理论研究模型。
3.2 变量描述以及提出假设
1.自变量
(1)用户评论内容的作用
作为低任务相关线索影响因子,在网络短视频的环境下,用户评论内容影响用户心理印象和感知判断。何军红等认为在线评论通过提高用户的感知易用性和有用性促进用户的冲动性消费。[27]专家作为意见领袖评论更能被用户信服,此外,用户受教育水平的高低影响对用户评论的判断。[28]网络短视频中的用户评论内容影响用户的心理印象和感知判断,因此,本文提出:
假设H1a:网络短视频的用户评论内容正向影响用户对产品或服务的感知诊断性。
假设H1b:网络短视频的用户评论内容正向影响用户对产品或服务的心理印象。
软件功能的作用
作为高任务相关线索影响因子,在网络短视频的环境下,软件功能可提供给用户判断感受产品和服务。近几年,淘宝商家抓住短视频风口影响力,加上淘宝短视频功能的完善,在店铺的宝贝详情、每日好店等位置播放商品展示的短视频。用户可以在观看网络短视频的时候,对于感兴趣的产品和服务可以点击视频左下方的链接,即可跳转到淘宝中该产品的主页进行浏览和购买。[23]在企业角度,网络短视频与其内部直播功能相辅相成,网络短视频可以为直播预热,直播可以插入短视频,短视频可以节选直播进行回放引流。在用户角度,网络短视频的直播功能能够让用户更深入地了解产品和服务、观看喜欢的网红和明星直播,增加用户黏度和互动性。[24]此外,网络短视频还有定位展示、所在区域的美食排名等功能,因此,用户能从网络短视频获得产品和服务的信息,可以增加对产品和服务的感知诊断性和心理印象。因此,本文提出:
H2a 网络短视频的软件功能正向影响用户对产品或服务的感知诊断性。
H2b网络短视频的软件功能正向影响用户对产品或服务的心理印象。
任务信息的作用:
作为高任务相关线索影响因子,在网络短视频的环境下,任务信息可提供给用户判断感受产品和服务。Jiang通过研究在线产品,发现用户能够通过任务信息对产品和服务进行了解和判断,从而减少消费的不愉快风险,促成消费行为。[22]对网络短视频也是同样的道理,因为网络短视频的他数据精准推送,用户能从网络短视频获得产品和服务的信息,可以增加对产品和服务的感知诊断性和心理印象。因此,本文提出:
H3a网络短视频的任务信息正向影响用户对产品或服务的感知诊断性。
H3b网络短视频的任务信息正向影响用户对产品或服务的心理印象。
网红影响力的作用
作为低任务相关线索影响因子,网红影响力会影响用户的心理印象和感知判断。网红作为粉丝的意见领袖,能够为粉丝精准营销,因此推荐产品后经常引起粉丝抢购而断货。[25]网红因为其对产品和服务的专业性和与粉丝的互动性,使用户除了获得产品和服务的信息,还满足了满足了用户的享乐观赏需求[26],促进了情感相关线索的作用,从而提高消费意愿。因此,本文提出:
H4a 网络短视频的网红影响力正向影响用户对产品或服务的感知诊断性。
H4b网络短视频的网红影响力正向影响用户对产品或服务的心理印象。
视频内容的调节作用
产品涉入度能够反映用户根据最基本的需求感知产品的重要程度。[27]本文中视频内容作为网络短视频的涉入产品,能够解释用户最终是否消费是否与视频内容有关。高产品涉入度令用户积极接受,做出消费决策;低产品涉入度令用户消极拒绝,不做出消费决策。本文认为,用户评论内容和任务信息具备高产品涉入度,软件功能和网红影响力具备低产品涉入度,结合视频内容的调节作用,提出:
感知诊断性
在网络短视频环境下,感知诊断性指用户在观看网络短视频时,其中的刺激能够提高用户对产品和服务的感知,包括感知风险、感知质量等。感知诊断性越高表明用户能够更好地判断产品服务,做出正确的消费决策。因此,本文提出:
H6 用户对网络短视频的感知诊断性正向影响消费意愿。
心理印象
心理印象,表示刺激被加工留存在机体里情感、记忆等感觉信息。尤春智认为网络环境下产品的生动展示影响用户积极消费的心理印象。机体对网络短视频中的使用体验、视觉冲击效果、用户评论内容等刺激进行想象、接受等反应过程,进而加强对网络短视频中产品和服务的好感、厌恶,最终影响消费决策。因此,本文提出:
H7 用户对网络短视频的心理印象正向影响消费意愿。
图2 S-O-R理论模型
4 问卷设计以及发放回收
笔者针对上文中的变量以及模型,结合上文的相关文章制作问卷。问卷分为三部分,第一部分是样本用户的性别、年龄、观看网络短视频频次等基本信息,第二部分为用户选择消费的原因、拒绝消费的原因、存在问题的看法,第三部分为对影响的变量的测量。模型中主要包括用户评论内容、软件功能、任务信息、网红影响力、感知诊断性、心理印象、视频内容、消费意愿8个变量,每个变量均采用5级李克特量变进行测量,从1“很不同意”到5“很同意”。问卷均采用国内外的文献较为成熟的量表,共包括24个问项,如图4所示。问卷通过“问卷星”平台进行问卷发放,收回286份,其中有效问卷275份,有效回收率96.15%。
表2 问卷问项及来源
变量 | 测量选项 | 参考来源 |
用户评论内容 | 如果不看网络短视频上的用户评论,我会担心消费决策是否正确。
网络短视频上的用户评论数量越多,我能感受到产品或者门店人气火爆。 网络短视频上的用户评论好评数量越多,中肯的评论越多,我会感到产品信息很可靠。 | 何军红等(2019)[27]
郝媛媛(2018)[28] |
软件功能 | 网络短视频的橱窗功能及淘宝链接跳转功能让我感觉消费很方便。
观看网络短视频的直播我觉得很方便很有趣。 网络短视频的定位功能方便我找到线下门店进行购买产品或者消费。 | 夏雪(2019)[23]
宋晓川(2019)[24] |
网红影响力 | 看到自己喜欢的网红或者影视明星出现在网络短视频我会非常高兴。
我很享受观看网络短视频中网红生动有趣地推荐产品的过程。 网红的专业性会让我觉得他推荐的产品很可靠。 | 孙尚青(2018)[25]
刘凤军等(2020)[26] |
任务信息 | 当我需要出门消费或网购产品时,网络短视频提供的信息足够多。
网上短视频的精准推送能满足我消费的信息需求。 网上短视频中推送的产品或者线下门店的信息是有效的。 | Jiang Z(2004)[22] |
视频内容 | 网络短视频的背景音乐和视频特效让我眼前一亮。
网络短视频的专业知识或者行业内幕让我觉得学到了知识。 网络短视频的故事曾经让我同情或者感同身受。 | 何军红等(2019)[27] |
感知诊断性 | 网络短视频有助于我熟悉产品。
网络短视频有助于我评估产品。 网络短视频有助于我了解产品的性能。 | Jiang Z(2004)[22] |
心理印象 | 我想象了自己或者和另一半在视频中的门店品尝美食的样子。
当我回想起网络短视频的产品时,脑海中的印象是生动的。 我能联想到在网络短视频中的地方“打卡”拍照的样子。 | 尤春智(2016)[29] |
消费意愿 | 我打算到网络短视频中定位的线下门店进行消费。
我会在网络短视频软件中或者淘宝中购买产品。 我会把网络短视频中的产品加入我的收藏或者购物车。 | 陆燕(2019)[12] |
5 网络短视频对用户消费意愿的影响模型的实证研究
5.1 描述分析:
本文共收集有效样本275份,描述分析具体见下表。
表3 描述性分析单项题
频数 | 百分比 | |
男 | 117 | 42.5% |
女 | 158 | 57.5% |
18岁及以下 | 20 | 7.3% |
19-24岁 | 134 | 48.7% |
25-30岁 | 62 | 22.5% |
31-35岁 | 34 | 12.4% |
35-40岁 | 22 | 8.0% |
41岁及以上 | 3 | 1.1% |
高中及以下 | 22 | 8% |
专科 | 100 | 36.36% |
本科 | 123 | 44.72% |
硕士 | 27 | 9.8% |
博士及以上 | 3 | 1.1% |
30分钟及以下 | 128 | 46.5% |
31-60分钟 | 115 | 41.8% |
60分钟以上 | 32 | 11.6% |
午饭晚饭的时候 | 39 | 14.2% |
下午下班的时候 | 184 | 66.9% |
白天其他零碎的时间 | 52 | 18.9% |
美食 | 12 | 4.4% |
美妆护肤 | 77 | 28.0% |
搞笑 | 37 | 13.5% |
晒脸 | 46 | 16.7% |
行业专业知识 | 65 | 23.6% |
时事新闻 | 25 | 9.1% |
游戏 | 13 | 4.7% |
购买过短视频推荐的相关产品 | 101 | 36.7% |
去过线下门店进行消费 | 140 | 50.9% |
没有购买产品也没有去线下门店消费 | 34 | 12.4% |
表4描述性分析多选题
$Q8您不选择消费的原因 频率 | ||||
响应 | 个案百分比 | |||
个案数 | 百分比 | |||
$Q8您不选择消费的原因a | 产品或者服务知名度不高 | 145 | 27.7% | 100.0% |
视频内容浮夸不真实 | 78 | 14.9% | 53.8% | |
没有精准推送我最喜欢的内容 | 23 | 4.4% | 15.9% | |
法规制度不够完善 | 93 | 17.7% | 64.1% | |
软件功能不完善使用不方便 | 45 | 8.6% | 31.0% | |
用户差评多 | 140 | 26.7% | 96.6% | |
总计 | 524 | 100.0% | 361.4% | |
a. 使用了值 1 对二分组进行制表。 |
$Q9您消费的原因 频率 | ||||
响应 | 个案百分比 | |||
个案数 | 百分比 | |||
$Q9您消费的原因a | 产品或者服务知名度高 | 157 | 30.6% | 97.5% |
推送到了我喜欢的内容 | 79 | 15.4% | 49.1% | |
用户评论好评多 | 161 | 31.4% | 100.0% | |
软件功能完善使用方便 | 62 | 12.1% | 38.5% | |
法规制度相对完善 | 54 | 10.5% | 33.5% | |
总计 | 513 | 100.0% | 318.6% | |
a. 使用了值 1 对二分组进行制表。 |
$Q10您认为当前网络短视频存在哪些问题呢 频率 | ||||
响应 | 个案百分比 | |||
个案数 | 百分比 | |||
$Q10您认为当前网络短视频存在哪些问题呢a | 内容同质化 | 87 | 17.4% | 59.6% |
内容低俗化 | 45 | 9.0% | 30.8% | |
内容广告泛滥 | 114 | 22.8% | 78.1% | |
内容推送不够精准 | 41 | 8.2% | 28.1% | |
软件功能不完善使用不方便 | 68 | 13.6% | 46.6% | |
管理法规不够完善 | 146 | 29.1% | 100.0% | |
总计 | 501 | 100.0% | 343.2% | |
a. 使用了值 1 对二分组进行制表。 |
5.2 信度分析
信度分析使用克隆巴赫(Cronbach’s Alpha)系数来问卷的变量在各个测量题项上的一致性程度。系数大于0.7则信度较好。
本论文模型包含了8个影响因子:X1用户评论内容、X2软件功能、X3任务信息、X4网红影响力、M1感知诊断性、M2心理印象、Y消费意愿、MO视频内容,以下分别逐一对每个变量进行信度分析,测量结果如下表所示:
表5 信度检测
5变量 | 题项 | 修正后的项与总计相关性 | 删除项后的克隆巴赫 Alpha | 克隆巴赫 Alpha | 项数 |
用户评论内容 | X11 | 0.749 | 0.822 | 0.871 | 3 |
X12 | 0.783 | 0.789 | |||
X13 | 0.728 | 0.840 | |||
软件功能 | X21 | 0.787 | 0.789 | 0.872 | 3 |
X22 | 0.773 | 0.805 | |||
X23 | 0.711 | 0.865 | |||
任务信息 | X31 | 0.817 | 0.774 | 0.875 | 3 |
X32 | 0.707 | 0.876 | |||
X33 | 0.762 | 0.822 | |||
网红影响力 | X41 | 0.681 | 0.754 | 0.823 | 3 |
X42 | 0.655 | 0.781 | |||
X43 | 0.700 | 0.735 | |||
感知诊断性 | M11 | 0.694 | 0.736 | 0.822 | 3 |
M12 | 0.666 | 0.764 | |||
M13 | 0.668 | 0.762 | |||
心理印象 | M21 | 0.713 | 0.818 | 0.868 | 3 |
M22 | 0.734 | 0.798 | |||
M23 | 0.748 | 0.785 | |||
消费意愿 | Y1 | 0.766 | 0.799 | 0.858 | 3 |
Y2 | 0.775 | 0.789 | |||
Y3 | 0.709 | 0.850 | |||
视频内容 | MO1 | 0.803 | 0.844 | 0.896 | 3 |
MO2 | 0.813 | 0.835 | |||
MO3 | 0.769 | 0.873 |
从上表可知,X1用户评论内容、X2软件功能、X3任务信息、X4网红影响力、M1感知诊断性、M2心理印象、Y消费意愿、MO视频内容的克隆巴赫系数均大于0.7,说明变量具有良好的内部一致性信度。
CITC均大于0.5,表明测量题项符合研究要求。从“删除该题项的克隆巴赫值”看,删除任意一题均不会引起克隆巴赫值增加,这也同样表明变量具有良好的信度。
5.3 效度分析(SPSS探索性因子分析)
针对问卷来讲,通常是使用内容效度和结构效度进行测量。其中,内容效度是指题项与所测变量的适合性和逻辑相符性,本研究中使用的问卷是基于文献的回顾表明变量之间的关系或者关联构建,并且根据预调查是结果对题项措辞、表述方式等作了进一步的修正和完善,因而可以认为量表具有符合要求的内容效度。在本研究的重点是研究结构效度,结构效度是指题项衡量所测变量的能力,本研究通过收集回来的数据进行探索性因子分析(Exploratory factor analysis,EFA)检验来证明量表的结构有效性。
利用SPSS 25.0进行探索性因子分析对量表进行KMO和Bartlett’s 球形检验,结果如下表。
表6 探索性因子分析KMO和Bartlett’s 球形检验
KMO 和巴特利特检验 | ||
KMO 取样适切性量数。 | 0.887 | |
巴特利特球形度检验 | 近似卡方 | 3936.067 |
自由度 | 276 | |
显著性 | 0.000 |
由上表可得到KMO=0.887,大于0.7,Bartlett’s 球形检验值显著(Sig.<0.001),表明问卷数据符合因子分析的前提要求。因此进一步进行分析,因子提取时采用主成分分析方法,并以特征根大于1为因子提取公因子,因子旋转时采用方差最大正交旋转进行因素分析。分析结果见下表
表7 探索性因子分析主成分分析
因子分析结果 | ||||||||
成分 | ||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |
MO2 | 0.907 | |||||||
MO3 | 0.882 | |||||||
MO1 | 0.880 | |||||||
X11 | 0.843 | |||||||
X12 | 0.821 | |||||||
X13 | 0.795 | |||||||
Y2 | 0.877 | |||||||
Y3 | 0.834 | |||||||
Y1 | 0.826 | |||||||
X33 | 0.844 | |||||||
X31 | 0.807 | |||||||
X32 | 0.798 | |||||||
X23 | 0.830 | |||||||
X22 | 0.801 | |||||||
X21 | 0.790 | |||||||
X43 | 0.812 | |||||||
X41 | 0.792 | |||||||
X42 | 0.763 | |||||||
M22 | 0.824 | |||||||
M23 | 0.792 | |||||||
M21 | 0.742 | |||||||
M13 | 0.832 | |||||||
M12 | 0.795 | |||||||
M11 | 0.691 | |||||||
特征值 | 2.547 | 2.503 | 2.470 | 2.427 | 2.424 | 2.287 | 2.267 | 2.145 |
方差百分比 | 10.613 | 10.431 | 10.291 | 10.111 | 10.100 | 9.531 | 9.444 | 8.937 |
累积 % | 10.613 | 21.044 | 31.334 | 41.445 | 51.544 | 61.075 | 70.519 | 79.456 |
从上表可以看出因素分析结果总共得到8个因素,分别为用户评论内容、软件功能、任务信息、网红影响力、感知诊断性、心理印象、消费意愿、视频内容,总解释能力达到了79.456%大于50%, 表明筛选出来的8个因素具有良好的代表性。因素负荷量系数见上表。各个测量题项的因素负荷量均大于0.5,且交叉载荷均小于0.4,每个题项均落到对应的因素中,表明量表具有良好的结构效度。
5.4 验证性因子分析:(CFA)
使用AMOS 24.0执行验证性因子分析后,得到下图及表
图3 执行性因子分析CFA模型图
表8 验证性因子模型拟合度
拟合指标 | 拟合标准 | 拟合结果 |
CMIN | – | 258.322 |
DF | – | 224 |
CMIN/DF | <3 | 1.153 |
RMR | <0.08 | 0.054 |
GFI | >0.09 | 0.928 |
AGFI | >0.09 | 0.904 |
PGFI | >0.05 | 0.693 |
NFI | >0.09 | 0.936 |
RFI | >0.09 | 0.922 |
IFI | >0.09 | 0.991 |
TLI | >0.09 | 0.989 |
CFI | >0.09 | 0.991 |
RMSEA | <0.08 | 0.024 |
从上表可知CMIN/DF为1.153,小于3以下标准,GFI、AGFI、NFI、RFI、IFI、TLI、CFI均达到0.9以上的标准,PGFI>0.05以上的标准;RMR为0.054,小于0.08,RMSEA为0.024小于0.08,各个拟合指标均符合研究标准,因此可以认为这个模型配适度不错。
表9 验证性因子分析结果
标准化因素负荷 | CR | AVE | |||
X11 | <— | 用户评论内容 | 0.816 | 0.872 | 0.694 |
X12 | <— | 用户评论内容 | 0.879 | ||
X13 | <— | 用户评论内容 | 0.802 | ||
X21 | <— | 软件功能 | 0.891 | 0.876 | 0.702 |
X22 | <— | 软件功能 | 0.860 | ||
X23 | <— | 软件功能 | 0.757 | ||
X31 | <— | 任务信息 | 0.940 | 0.880 | 0.711 |
X32 | <— | 任务信息 | 0.752 | ||
X33 | <— | 任务信息 | 0.826 | ||
X41 | <— | 网红影响力 | 0.786 | 0.824 | 0.610 |
X42 | <— | 网红影响力 | 0.754 | ||
X43 | <— | 网红影响力 | 0.802 | ||
M21 | <— | 心理印象 | 0.811 | 0.858 | 0.669 |
M22 | <— | 心理印象 | 0.803 | ||
M23 | <— | 心理印象 | 0.839 | ||
M11 | <— | 感知诊断性 | 0.877 | 0.817 | 0.601 |
M12 | <— | 感知诊断性 | 0.724 | ||
M13 | <— | 感知诊断性 | 0.714 | ||
Y1 | <— | 消费意愿 | 0.878 | 0.869 | 0.689 |
Y2 | <— | 消费意愿 | 0.845 | ||
Y3 | <— | 消费意愿 | 0.763 | ||
MO1 | <— | 视频内容 | 0.879 | 0.896 | 0.742 |
MO2 | <— | 视频内容 | 0.882 | ||
MO3 | <— | 视频内容 | 0.822 |
由上表可知,各个测量指标标准化因素负荷均大于0.6以上,组成信度(CR)均大于0.7,平均变异萃取量(AVE)均大于0.5,表明各个变量具有良好的收敛效度。
5.5 区别效度
本研究采用较严谨的AVE法对区别效度进行评估,即每个因素AVE开根号须大于各成对变数的相关系数,表示因素之间具有区别效度。下表中各因素AVE开根号均大于对角线外的标准化相关系数,因此本研究具有区别效度,斜下三角为相关系数。详见下表
表10 区别效度
区别效度 | ||||||||
X1用户评论内容 | X2软件功能 | X3任务信息 | X4网红影响力 | M1感知诊断性 | M2心理印象 | Y消费意愿 | MO视频内容 | |
X1用户评论内容 | 0.833 | |||||||
X2软件功能 | .447** | 0.838 | ||||||
X3任务信息 | .462** | .457** | 0.843 | |||||
X4网红影响力 | .418** | .472** | .439** | 0.781 | ||||
M1感知诊断性 | .442** | .452** | .431** | .446** | 0.818 | |||
M2心理印象 | .437** | .484** | .445** | .440** | .437** | 0.775 | ||
Y消费意愿 | .332** | .337** | .365** | .322** | .331** | .399** | 0.830 | |
MO视频内容 | .179** | .167** | .148* | .125* | .293** | .347** | .175** | 0.862 |
**. 在 0.01 级别(双尾),相关性显著。 | ||||||||
*. 在 0.05 级别(双尾),相关性显著。 |
5.6 结构方程模型
在实证检验之前,要先构建结构方程初始模型。在本研究中所构建的初始模型可以分为结构模型和测量模型,其中最为核心的任务就是要构建结构模型,确定初始模型所涉及的全体潜变量。构建初始模型前要先确定各个变量之间的关系和作用,当然这种关系和作用需要进一步验证才能知晓。研究各个潜变量之间的关系和作用是构建初始模型的关键,也是构造结构模型的必要步骤。
图4 SEM初始模型图
构建结构模型以后,需要确立测量模型,也就是要预先确定每个潜变量与其所属观测变量(题项)之间的关系,本文将概念模型和若干研究假设以及初始模型构建中的相关注意事项相结合,现构建出如下图所示的初始模型,以便为进一步的实证验证奠定基础。
5.6.1 模型分析
利用AMOS 24.0执行计算,得到下图及表
图5 SEM模型图
表11模型拟合度检验
拟合指标 | 拟合标准 | 拟合结果 |
CMIN | – | 207.804 |
DF | – | 173 |
CMIN/DF | <3 | 1.201 |
RMR | <0.08 | 0.06 |
GFI | >0.09 | 0.934 |
AGFI | >0.09 | 0.912 |
PGFI | >0.05 | 0.699 |
NFI | >0.09 | 0.940 |
RFI | >0.09 | 0.927 |
IFI | >0.09 | 0.989 |
TLI | >0.09 | 0.987 |
CFI | >0.09 | 0.989 |
RMSEA | <0.08 | 0.027 |
从上表可知CMIN/DF为1.201,小于3以下标准,GFI、AGFI、NFI、RFI、IFI、TLI、CFI均达到0.9以上的标准,PGFI>0.05以上的标准;RMR为0.06,小于0.08,RMSEA为0.027,小于0.08,各个拟合指标均符合研究标准,因此可以认为这个模型配适度不错。
5.6.2 路径检验(假设检验)
表12 路径检验
路径 | 标准化路径系数 | 非标准化路径系数 | S.E. | C.R. | P | 成立情况 | ||
感知诊断性 | <- | 用户评论内容 | 0.238 | 0.223 | 0.070 | 3.164 | 0.002 | 成立 |
感知诊断性 | <- | 软件功能 | 0.209 | 0.220 | 0.083 | 2.653 | 0.008 | 成立 |
感知诊断性 | <- | 任务信息 | 0.172 | 0.156 | 0.067 | 2.332 | 0.020 | 成立 |
感知诊断性 | <- | 网红影响力 | 0.243 | 0.264 | 0.086 | 3.060 | 0.002 | 成立 |
心理印象 | <- | 用户评论内容 | 0.168 | 0.152 | 0.069 | 2.208 | 0.027 | 成立 |
心理印象 | <- | 软件功能 | 0.259 | 0.263 | 0.082 | 3.208 | 0.001 | 成立 |
心理印象 | <- | 任务信息 | 0.181 | 0.158 | 0.066 | 2.409 | 0.016 | 成立 |
心理印象 | <- | 网红影响力 | 0.214 | 0.225 | 0.085 | 2.662 | 0.008 | 成立 |
消费意愿 | <- | 感知诊断性 | 0.227 | 0.243 | 0.079 | 3.068 | 0.002 | 成立 |
消费意愿 | <- | 心理印象 | 0.366 | 0.405 | 0.083 | 4.850 | *** | 成立 |
***,p<0.001
由上表可以得到,用户评论内容对感知诊断性(β=0.238,p<0.05)具有显著正向影响,假设成立;软件功能对感知诊断性(β=0.209,p<0.05)具有显著正向影响,假设成立;任务信息对感知诊断性(β=0.172,p<0.05)具有显著正向影响,假设成立;网红影响力对感知诊断性(β=0.243,p<0.05)具有显著正向影响,假设成立.
用户评论内容对心理印象(β=0.168,p<0.05)具有显著正向影响,假设成立;软件功能对心理印象(β=0.259,p<0.05)具有显著正向影响,假设成立;任务信息对心理印象(β=0.181,p<0.05)具有显著正向影响,假设成立;网红影响力对心理印象(β=0.214,p<0.05)具有显著正向影响,假设成立.
感知诊断性对消费意愿(β=0.227,p<0.05)具有显著正向影响,假设成立;心理印象对消费意愿(β=0.366,p<0.05)具有显著正向影响,假设成立.
5.7 调节效应检验
表13 视频内容在用户评论内容对感知诊断性影响中的调节作用分析
视频内容在用户评论内容对感知诊断性影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.547 | 0.053 | 66.726 | 0.000 | 0.236 | 43.435*** | |||
X1用户评论内容 | 0.406 | 0.054 | 0.402 | 7.494 | 0.000 | 0.968 | 1.033 | |||
ZMO视频内容 | 0.222 | 0.054 | 0.220 | 4.109 | 0.000 | 0.968 | 1.033 | |||
2 | (常量) | 3.526 | 0.053 | 66.115 | 0.000 | 0.250 | 31.452*** | |||
X1用户评论内容 | 0.414 | 0.054 | 0.410 | 7.697 | 0.000 | 0.964 | 1.037 | |||
ZMO视频内容 | 0.228 | 0.054 | 0.226 | 4.249 | 0.000 | 0.966 | 1.035 | |||
X1MO | 0.114 | 0.047 | 0.128 | 2.432 | 0.016 | 0.993 | 1.007 | |||
a. 因变量:M1感知诊断性 |
***,p<0.001
由上表模型1可以得到,用户评论内容对感知诊断性(β=0.220,p<0.001)具有显著正向影响,假设成立;模型2可以得到,用户评论内容*视频内容对感知诊断性(β=0.128,p<0.05)具有显著正向影响,表明视频内容在用户评论内容对感知诊断性的影响中具有正向调节作用,假设成立。
表14视频内容在软件功能对感知诊断性影响中的调节作用分析
视频内容在软件功能对感知诊断性影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.547 | 0.053 | 67.211 | 0.000 | 0.247 | 46.053*** | |||
X2软件功能 | 0.419 | 0.054 | 0.415 | 7.807 | 0.000 | 0.972 | 1.029 | |||
ZMO视频内容 | 0.225 | 0.054 | 0.223 | 4.196 | 0.000 | 0.972 | 1.029 | |||
2 | (常量) | 3.549 | 0.053 | 66.557 | 0.000 | 0.245 | 30.640*** | |||
X2软件功能 | 0.414 | 0.055 | 0.411 | 7.480 | 0.000 | 0.915 | 1.093 | |||
ZMO视频内容 | 0.223 | 0.054 | 0.222 | 4.147 | 0.000 | 0.965 | 1.036 | |||
X2MO | -0.014 | 0.042 | -0.018 | -0.337 | 0.736 | 0.927 | 1.079 | |||
a. 因变量:M1感知诊断性 |
***,p<0.001
由上表模型1可以得到,软件功能对感知诊断性(β=0.415,p<0.001)具有显著正向影响,假设成立;模型2可以得到,软件功能*视频内容对感知诊断性(β=-0.018,p>0.05)无显著影响,表明视频内容在软件功能对感知诊断性的影响中无调节作用,假设不成立。
表15 视频内容在任务信息对感知诊断性影响中的调节作用分析
视频内容在任务信息对感知诊断性影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.547 | 0.053 | 66.610 | 0.000 | 0.234 | 42.812*** | |||
X3任务信息 | 0.400 | 0.054 | 0.397 | 7.418 | 0.000 | 0.978 | 1.022 | |||
ZMO视频内容 | 0.236 | 0.054 | 0.234 | 4.374 | 0.000 | 0.978 | 1.022 | |||
2 | (常量) | 3.530 | 0.053 | 66.302 | 0.000 | 0.247 | 30.962*** | |||
X3任务信息 | 0.408 | 0.054 | 0.405 | 7.620 | 0.000 | 0.974 | 1.026 | |||
ZMO视频内容 | 0.247 | 0.054 | 0.245 | 4.601 | 0.000 | 0.971 | 1.030 | |||
X3MO | 0.113 | 0.047 | 0.127 | 2.401 | 0.017 | 0.987 | 1.013 | |||
a. 因变量:M1感知诊断性 |
***,p<0.001
由上表模型1可以得到,任务信息对感知诊断性(β=0.397,p<0.001)具有显著正向影响,假设成立;模型2可以得到,任务信息*视频内容对感知诊断性(β=0.127,p<0.05)具有显著正向影响,表明视频内容在任务信息对感知诊断性的影响中具有正向调节作用,假设成立。
表16 视频内容在网红影响力对感知诊断性影响中的调节作用分析
视频内容在网红影响力对感知诊断性影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.547 | 0.053 | 67.323 | 0.000 | 0.250 | 46.660*** | |||
X4网红影响力 | 0.419 | 0.053 | 0.415 | 7.878 | 0.000 | 0.984 | 1.016 | |||
ZMO视频内容 | 0.243 | 0.053 | 0.240 | 4.560 | 0.000 | 0.984 | 1.016 | |||
2 | (常量) | 3.543 | 0.053 | 66.775 | 0.000 | 0.248 | 31.187*** | |||
X4网红影响力 | 0.425 | 0.054 | 0.422 | 7.866 | 0.000 | 0.955 | 1.047 | |||
ZMO视频内容 | 0.244 | 0.053 | 0.242 | 4.582 | 0.000 | 0.982 | 1.018 | |||
X4MO | 0.031 | 0.047 | 0.035 | 0.661 | 0.509 | 0.966 | 1.035 | |||
a. 因变量:M1感知诊断性 |
***,p<0.001
由上表模型1可以得到,网红影响力对感知诊断性(β=0.415,p<0.001)具有显著正向影响,假设成立;模型2可以得到,网红影响力*视频内容对感知诊断性(β=0.035,p>0.05)无显著影响,表明视频内容在网红影响力对感知诊断性的影响中无调节作用,假设不成立。
表17 视频内容在用户评论内容对心理印象影响中的调节作用分析
视频内容在用户评论内容对心理印象影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.584 | 0.054 | 66.963 | 0.000 | 0.260 | 49.110*** | |||
X1用户评论内容 | 0.399 | 0.055 | 0.387 | 7.323 | 0.000 | 0.968 | 1.033 | |||
ZMO视频内容 | 0.287 | 0.055 | 0.278 | 5.258 | 0.000 | 0.968 | 1.033 | |||
2 | (常量) | 3.567 | 0.054 | 66.216 | 0.000 | 0.269 | 34.593*** | |||
X1用户评论内容 | 0.406 | 0.054 | 0.394 | 7.482 | 0.000 | 0.964 | 1.037 | |||
ZMO视频内容 | 0.292 | 0.054 | 0.283 | 5.377 | 0.000 | 0.966 | 1.035 | |||
X1MO | 0.099 | 0.047 | 0.108 | 2.086 | 0.038 | 0.993 | 1.007 | |||
a. 因变量:M2心理印象 |
***,p<0.001
由上表模型1可以得到,用户评论内容对心理印象(β=0.387,p<0.001)具有显著正向影响,假设成立;模型2可以得到,用户评论内容*视频内容对心理印象(β=0.108,p<0.05)具有显著正向影响,表明视频内容在用户评论内容对心理印象的影响中具有正向调节作用,假设成立。
表18 视频内容在软件功能对心理印象影响中的调节作用分析
视频内容在软件功能对心理印象影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.584 | 0.052 | 68.954 | 0.000 | 0.302 | 60.284*** | |||
X2软件功能 | 0.452 | 0.053 | 0.438 | 8.560 | 0.000 | 0.972 | 1.029 | |||
ZMO视频内容 | 0.282 | 0.053 | 0.274 | 5.347 | 0.000 | 0.972 | 1.029 | |||
2 | (常量) | 3.579 | 0.052 | 68.194 | 0.000 | 0.301 | 40.296*** | |||
X2软件功能 | 0.462 | 0.054 | 0.448 | 8.474 | 0.000 | 0.915 | 1.093 | |||
ZMO视频内容 | 0.286 | 0.053 | 0.277 | 5.384 | 0.000 | 0.965 | 1.036 | |||
X2MO | 0.030 | 0.042 | 0.038 | 0.727 | 0.468 | 0.927 | 1.079 | |||
a. 因变量:M2心理印象 |
***,p<0.001
由上表模型1可以得到,软件功能对心理印象(β=0.438,p<0.001)具有显著正向影响,假设成立;模型2可以得到,软件功能*视频内容对心理印象(β=0.038,p>0.05)无显著影响,表明视频内容在软件功能对心理印象的影响中无调节作用,假设不成立。
表19 视频内容在任务信息对心理印象影响中的调节作用分析
视频内容在任务信息对心理印象影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.584 | 0.053 | 67.584 | 0.000 | 0.273 | 52.562*** | |||
X3任务信息 | 0.415 | 0.054 | 0.402 | 7.726 | 0.000 | 0.978 | 1.022 | |||
ZMO视频内容 | 0.297 | 0.054 | 0.288 | 5.523 | 0.000 | 0.978 | 1.022 | |||
2 | (常量) | 3.570 | 0.053 | 67.144 | 0.000 | 0.282 | 36.918*** | |||
X3任务信息 | 0.422 | 0.054 | 0.409 | 7.890 | 0.000 | 0.974 | 1.026 | |||
ZMO视频内容 | 0.306 | 0.054 | 0.297 | 5.715 | 0.000 | 0.971 | 1.030 | |||
X3MO | 0.098 | 0.047 | 0.107 | 2.083 | 0.038 | 0.987 | 1.013 | |||
a. 因变量:M2心理印象 |
***,p<0.001
由上表模型1可以得到,任务信息对心理印象(β=0.402,p<0.001)具有显著正向影响,假设成立;模型2可以得到,任务信息*视频内容对心理印象(β=0.107,p<0.05)具有显著正向影响,表明视频内容在任务信息对心理印象的影响中具有正向调节作用,假设成立。
表20 视频内容在网红影响力对心理印象影响中的调节作用分析
视频内容在网红影响力对心理印象影响中的调节作用分析 | ||||||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | 共线性统计 | 调整后 R 方 | F | |||
B | 标准错误 | Beta | 容差 | VIF | ||||||
1 | (常量) | 3.584 | 0.053 | 67.653 | 0.000 | 0.275 | 52.944*** | |||
X4网红影响力 | 0.416 | 0.053 | 0.403 | 7.770 | 0.000 | 0.984 | 1.016 | |||
ZMO视频内容 | 0.306 | 0.053 | 0.297 | 5.720 | 0.000 | 0.984 | 1.016 | |||
2 | (常量) | 3.575 | 0.053 | 67.267 | 0.000 | 0.279 | 36.379*** | |||
X4网红影响力 | 0.431 | 0.054 | 0.417 | 7.955 | 0.000 | 0.955 | 1.047 | |||
ZMO视频内容 | 0.310 | 0.053 | 0.301 | 5.811 | 0.000 | 0.982 | 1.018 | |||
X4MO | 0.076 | 0.047 | 0.084 | 1.618 | 0.107 | 0.966 | 1.035 | |||
a. 因变量:M2心理印象 |
***,p<0.001
由上表模型1可以得到,网红影响力对心理印象(β=0.403,p<0.001)具有显著正向影响,假设成立;模型2可以得到,网红影响力*视频内容对心理印象(β=0.084,p>0.05)无显著影响,表明视频内容在网红影响力对心理印象的影响中无调节作用,假设不成立。
5.8假设结果检验结果
假设检验结果归纳如下:
表21 假设检验结果
假设 | 成立情况 |
H1a 网络短视频的用户评论内容正向影响用户对产品或服务的感知诊断性 | 成立 |
H1b网络短视频的用户评论内容正向影响用户对产品或服务的心理印象 | 成立 |
H2a 网络短视频的软件功能正向影响用户对产品或服务的感知诊断性 | 成立 |
H2b网络短视频的软件功能正向影响用户对产品或服务的心理印象 | 成立 |
H3a网络短视频的任务信息正向影响用户对产品或服务的感知诊断性 | 成立 |
H3b网络短视频的任务信息正向影响用户对产品或服务的心理印象 | 成立 |
H4a 网络短视频的网红影响力正向影响用户对产品或服务的感知诊断性 | 成立 |
H4b网络短视频的网红影响力正向影响用户对产品或服务的心理印象 | 成立 |
H5a 视频内容在用户评论内容对感知诊断性的影响中起到正向调节作用 | 成立 |
H5b 视频内容在用户评论内容对心理印象的影响中起到正向调节作用 | 成立 |
H5c 视频内容在软件功能对感知诊断性的影响中起到负向调节作用 | 不成立 |
H5d 视频内容在软件功能对心理印象的影响中起到负向调节作用 | 不成立 |
H5e 视频内容在任务信息对感知诊断性的影响中起到正向调节作用 | 成立 |
H5f 视频内容在任务信息对心理印象的影响中起到正向调节作用 | 成立 |
H5g 视频内容在网红影响力对感知诊断性的影响中起到负向调节作用 | 不成立 |
H5h 视频内容在网红影响力对心理印象的影响中起到负向调节作用 | 不成立 |
H6 用户对网络短视频的感知诊断性正向影响消费意愿 | 成立 |
H7 用户对网络短视频的心理印象正向影响消费意愿 | 成立 |
6 研究结论与展望
本章先对把本研究的结论和研究启示整理,提出针对XX、企业的改进建议。最后总结本研究存在的局限和不足,提出未来展望。
6.1 研究结论
本文通过问卷调查、数据分析,检验了用户在观看网络短视频的过程中,因任务信息、用户评论内容、网红影响力、软件功能的影响,感知诊断性和心理印象是否也产生变化,从而对用户的消费意愿产生影响。通过对收集的275份有效问卷的数据进行分析,最终得出如下结论。
(1)高任务相关线索的作用
本文中高任务相关线索影响因子为任务信息、软件功能。通过验证,任务信息和软件功能对心理印象和感知诊断性的假设都是成立的。说明在用户观看网络短视频的时候,网络短视频可以为用户提供高任务相关线索来提高用户的心理印象和感知诊断性。完善的软件功能能够提供更好的用户体验,增强用户的心理印象。而且精准的推送体现了任务信息足够多,满足了用户的感知诊断性对信息的量和质的需求,从而引起用户的消费意愿。
(2)低任务相关线索的作用
本文中低任务相关线索影响因子为网红影响力、用户评论内容。通过验证,网红影响力和用户评论内容对心理印象和感知诊断性的假设都是成立的。说明在用户观看网络短视频的时候,网红和任务评论内容都能以影响用户的情绪认同而促进用户消费。此外,网红和用户评论内容也因为他们的影响力,包括群众性、真实性、趣味性,使用户能更好地对产品和服务进行感知判断,从而引起用户的消费意愿。
视频内容的调节作用
本文中视频内容作为产品涉入度调节因子,对模型的8条路径进行调节,仅一半假设成立。视频内容费别在用户评论内容对感知诊断性的影响、在用户评论内容对心理印象的影响、在任务信息对心理印象的影响、在任务信息对感知诊断性的影响中起到正向调节作用,其他四个假设的调节作用并没有通过显著性检验。可见,无论视频内容的调节作用是高还是低,用户评论内容对用户的感知诊断性和心理印象起正向影响作用,任务信息对用户的感知诊断性和心理印象起正向影响作用。视频调节作用高的用户在观看网络短视频最终做出消费决策,更倾向于收集更多的短视频信息以及收集更多的用户评论内容。
(4)部分假设不通过的分析
视频内容在网红影响力对感知诊断性和心理印象的影响负向调节不成立,可见生产视频内容包含了网红形象,在信息专业性影响了用用户的感知判断性,让用户学习到专业知识或降低感知风险,促进消费意愿;在良好的视觉体验,让用户感觉到心理愉悦,促进消费意愿。
视频内容在软件功能对感知诊断性、心理印象的影响负向调节不成立,可见发布视频内容后附带的软件功能,例如投票功能、打榜排名功能,能够让用户降低感知风险,促进消费意愿;在发布内容后,视频内容的附带的趣味测试等功能能够让引起用户的兴趣,产生心理愉悦,促成消费意愿。
6.2 研究启示
(1)理论方面
本文应用S-O-R模型和线索利用理论在网络短视频对用户消费意愿的研究上,把网络短视频的任务信息、软件功能作为高任务相关线索,把网红影响力、用户评论内容作为低任务相关线索,把这四个变量作为刺激变量。此外,把视频内容作为调节变量,与Eroglu等认为产品涉入度调节刺激变量和机体变量的路径的观点一致,具有一定的创新意义。
实践方面
从企业角度:在网络短视频发布后,可邀请行业内的意见领袖进行评论,同时也需要维护负面评论,积极为有产品问题的用户答疑解难;在拍摄短视频或者直播时,可以邀请该行业知名的网红进行直播带货,同时插播宣传企业自己的网络短视频账号,截取部分内容发布新作品,维护网红宣红后提升的热度;根据网络短视频内部功能上架或为自己的产品打榜,比如餐饮企业可以抖音里的附近美食排行榜打榜宣传;在合适的时机,确保视频内部无违规内容,制作精简的内容提高完播率;根据问卷数据,17.7%的用户因为法律不完善而拒绝消费,因此企业在视频内容中可以适当增加诚信类内容,塑造遵纪守法的企业形象,获取用户的信赖而提高消费意愿。
从XX角度:17.4%的用户认为网络短视频同质化严重,平台内部抄袭风气严重,需要完善保障用户知识产权的相关法规,鼓励用户生产原创内容;针对内容庸俗,增加网警检查网络短视频次数,对违规用户进行降权并依法处理;针对广告泛滥,要求网络短视频平台优化用户推荐算法,减少同类的广告视频,提高推荐的视频质量;完善在网络短视频平台消费的法律,以及XX在自己的网络短视频号加强法律知识的宣传。
6.3 研究局限
由于笔者精力和时间有限,本研究并未能考虑结合一些节日或者具体的事件来分析网络短视频在热点事件和节日里用户的感知诊断性和心理印象的变化,比如情人节、双11等。
由回收的问卷数据来看,本科生占据了大部分,然而在校大学生消费能力有限,并不有过多的消费次数。应当适当增加一些毕业后的样本,基本年龄为22-25岁以后,这类人群已经工作又一定的消费能力,使样本更具说服力。
参考文献
- 张梓轩,王海,徐丹. “移动短视频社交应用” 的兴起及趋势 [J]数字媒体,2014,(2):102
- CNNIC. 第 40 次中国互联网络发展状况统计报告[R].中国互联网络信息中心,2017.
- 张昕熠.网红经济产业链发展业态探析——以 MCN 机构为例[J]视听,2019,(10):232
- 陈昕杰. 抖音短视频平台内容营销现状及提升建议[J]产业发展,2019(1)61
- 徐嘉敏.美妆短视频的传播特点与受众心理—基于李佳琦案例分析[J]应用研究,2019
- Compeau L D, Grewal D, Monroe K B. Role of Prior Affect and Sensory Cues on Consumers’ Affective and Cognitive Responses and Overall Perceptions of Quality[J]. Journal of Business Research, 1998, 42(3): 295-308
- Walters G, Sparks B, Herington C. The Effectiveness of Print Advertising Stimuli in Evoking Elaborate Consumption Visions for Potential Travelers[J]. Journal of Travel Research,2007, 46(1): 24-34.
- 郭秀云.移动短视频对消费心理与行为的影响研究[J]. 经济研究导刊.2019(21):59-59
- 刘夏. 抖音短视频的营销推广策略研究[J].新闻研究导刊. 2018,9(5):213
- 蒋俏蕾. 青少年短视频使用的心理_风险及对策[J] 前沿报告.2019,25(6):15-16
- Böcker L, Meelen A. Sharing for People, Planet or Profit? Analysing Motivations for Intended Sharing Economy Participation [J]. Environmental Innovation and Societal Transitions, 2016, 16(2): 1-22.
- Miriam Redi.et al. Rossano Schifane11a.6 Seconds of Sound and Vision: Creativity inMicro-Videos[J].The IEEE Conference on Computer Vision and Pattern Recognition, 2014:4272-4279.
- Cheng X,Liu J, Dale C .Understanding the Characteristics of Internet Short Vdeo Sharing: AYouTube-Based Measurement Study[J].IEEE Transactions on Multimedia, 2013, 15(5):1184一1194.
- Ryu S .The effectiveness of advertising among media multitaskers: The effects of argumentstrength and endorser attractiveness[J].2014.
- Neil Davidson.Can a Multi-Channel Network Boost Your YouTube Marketing Success?[J],March,8,2013.
- 高川淋. 电商短视频得制作现状与反思[J] 传媒观察.2019,3(4):4-5
- 高崇,杨伯淑.微视频的内容生产模式解析—基于新浪微博官方短视频应用“秒拍”的研究[J].新闻界,2016(23):64-69.
- 张璐.社交媒体微视频传播研究[D]. 20
- 陆燕,薛豪娜.基于抖音平台的企业短视频营销策略探析[J].新闻界现代商贸工业,2019(32):63-64.
- 董兰兰.资讯短视频的内容生产策略—基于对“梨视频”发布的热门资讯短视频的分析[J].新闻研究,2017,8(2):38-39.
- Eroglu S A, Machleit K A, Davis L M. Atmospheric Qualities of Online Retailing:A Conceptual Model and Implications[J]. Journal of Business Research, 2001, 54(2): 177-184.
- Jiang Z, Benbasat I. Virtual Product Experience: Effects of Visual and Functional Control of Products on Perceived Diagnosticity and Flow in Electronic Shopping[J]. Journal of Management Information Systems, 2004, 21(3): 111-147.
- 夏雪.抖音短视频平台开启淘宝功能的传播效果分析[J].新闻研究,2019,10(3):132-133.
- 宋晓川.谈移动互联网时代的短视频与直播[J].电视指南,2019.
- 孙尚青.情感和观念式消费:网红效应在粉丝经济中的反映[J].新闻研究,2018,9(17):132-136.
- 刘凤军,孟 陆,陈斯允.网红直播对消费者购买意愿的影响及其机制研究[J].经济学报,2020,17(1):94-104.
- 何军红,杜尚蓉,李仲香.在线评论对冲动性移动购物意愿的影响研究[J].管理学报,2019,41(5):25-31.
- 郝媛媛.在线评论对消费者感知与购买行为影响的实证研究[D].哈尔滨:哈尔滨工业大学经济与管理学院,2010.
- 尤春智.网络环境下产品展示生动性对高科技产品购买意愿的影响研究[D].安徽:哈安徽工业大学,2016.
致 谢
经过四个多月,从收集文献,选择论文题目,确定论文的大纲,再到最后的成稿以及修改,整个过程中充满了挑战和坚持。在这个从无到有、不断完善的过程中,除了感激一直坚持和努力的自己,更想感谢我的老师给予了我细心的教导和鼓励,以及在这次问卷调查中热心填写的朋友和同学。
附录网络短视频对用户消费意愿的影响调查
1. 您的性别是? [单选题] *
○男 |
○女 |
2. 您的年龄是? [单选题] *
○18岁以下 |
○19-24岁 |
○25-30岁 |
○31-35岁 |
○35-40岁
○41岁及以上 |
3. 您的学历是?[单选题] *
○高中及以下 |
○专科 |
○本科 |
○硕士 |
○博士及以上 |
4. 您每日观看网络短视频的时长是? [单选题] *
○30分钟及以下 |
○31-60分钟 |
○60分钟以上 |
5. 您一般什么时候观看网络短视频呢? [单选题] *
○午饭晚饭的时候 |
○下午下班的时候 |
○白天其他零碎的时间 |
6. 您感兴趣的短视频类型是? [单选题] *
○美食 |
○美妆护肤 |
○搞笑
○晒脸 ○行业专业知识 ○时事新闻 ○游戏 |
7.您有从网络短视频购买产品或去过线下门店消费吗? [单选题] *
○购买过短视频推荐的相关产品 |
○去过线下门店进行消费 |
○没有购买产品也没有去线下门店消费 |
8.您不选择消费的原因? [多选题] *
○产品或者服务知名度不高 |
○视频内容浮夸不真实 |
○没有精准推送我最喜欢的内容 |
○法规制度不够完善
○软件功能不完善使用不方便 ○用户差评多 |
9.您消费的原因是? [多选题] *
○产品或者服务知名度高 |
○推送到了我喜欢的内容 |
○用户评论好评多
○软件功能完善使用方便 ○法规制度相对完善 |
10您认为当前网络短视频存在哪些问题呢?? [多选题] *
○内容同质化 |
○内容低俗化 |
○内容广告泛滥
○内容推送不够精准 ○软件功能不完善使用不方便 ○管理法规不够完善 |
11. 当我需要出门消费或网购产品时,网络短视频提供的信息足够多。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
12. 网上短视频的精准推送能满足我消费的信息需求。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
13. 网上短视频中推送的产品或者线下门店的信息是有效的。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
14. 如果不看网络短视频上的用户评论,我会担心消费决策是否正确。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
15. 网络短视频上的用户评论数量越多,我能感受到产品或者门店人气火爆。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
16. 网络短视频上的用户评论好评数量越多,中肯的评论越多,我会感到产品信息很可靠。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
17. 网络短视频的橱窗功能及淘宝链接跳转功能让我感觉消费很方便。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
18. 观看网络短视频的直播我觉得很方便很有趣。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
19. 网络短视频的定位功能方便我找到线下门店进行购买产品或者消费。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
20. 看到自己喜欢的网红或者影视明星出现在网络短视频我会非常高兴。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
21. 我很享受观看网络短视频中网红生动有趣地推荐产品的过程。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
22. 网红的专业性会让我觉得他推荐的产品很可靠。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
23. 网络短视频有助于我熟悉产品。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
24. 网络短视频有助于我熟悉产品。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
25. 网络短视频有助于我了解产品的性能。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
26. 我想象了自己或者和另一半在视频中的门店品尝美食的样子。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
27. 当我回想起网络短视频的产品时,脑海中的印象是生动的。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
28. 我能联想到在网络短视频中的地方“打卡”拍照的样子。[单选题] *
○很不同意 | ○不同意 | ○一般 | ○同意 | ○很同意 |
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。
2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。
原创文章,作者:写文章小能手,如若转载,请注明出处:https://www.447766.cn/chachong/101727.html,