電商直播效果與影響因素的關系分析

張寶明，夏 悅，楊晨宇

（上海理工大學管理學院，上海 200093）

新冠疫情給社會帶來許多災難的同時，也帶來了不少商機。例如，帶火了網絡直播行業。作為直播帶貨的一種形式，電商直播秉承了網絡直播互動性強的特點，在與客戶互動和產品介紹的過程中，電商主播與達人不僅“無意中”勾起了客戶的好奇心，營造了更好的購物氛圍，而且激發了更多的購物欲望和消費沖動，給企業和相關店鋪帶來了不少生意。

然而也應看到，電商直播的歷史畢竟很短，商業模式也未完全成熟，電商直播繁榮的背后，確實也隱藏著不少問題。例如，一些平臺和達人，為了吸引更多的客戶，不顧商業道德，不講誠信，虛報銷售額和銷售人數，對數據進行造假，等等。所有這些，不僅影響了客戶的消費意愿和客戶價值，而且影響了企業形象和收益。為了弄清這些因素對電商直播的影響及相關的影響機制，本文有針對性地選取了電商直播平臺與主播的影響力和專業度、商品質量與售后服務這兩個關鍵因素，通過分析電商直播的交易過程、博弈過程和信息傳播機制，建立電商直播效果與這些因素之間的關系模型，利用Netlogo平臺編寫仿真程序，通過仿真來探討它們之間的關系，很有必要。

1 電商直播研究現狀

目前，學者對于電商直播領域的相關研究成果較多，本文主要從電商直播營銷模式、電商直播發展模式、電商直播應用場景、直播信息的傳播機制等理論進行評述。

1.1 電商直播營銷模式

電商直播的客戶購物意愿，受許多因素的影響，如誠信、商品品類與商品質量、平臺與主播的影響力與聲譽、平臺屬性等，注重以人帶貨、以內容帶貨、以社交生態帶貨和以平臺帶貨。基于SOR 理論、IIR 或信號模型理論，文獻［1-2］進行了討論。但是應該看到，基于客戶價值的營銷機制固然有其價值，能吸引到更多的客戶參與直播并進行購物，但如果未做好售后服務或質量把控，對商家來說未必就能盈利。就此來說，文獻成果存在一定的局限。

1.2 電商直播發展模式

主要分為邀請網紅或明星作為合作主播帶貨以及商家“店鋪”自播兩種。本質上它們是利用平臺和明星的人氣、商品影響力、優惠力度等，客戶在觀看直播的過程中，通過點擊直播間鏈接來購買產品，接收主播的商品推薦，或發表自己的意見和看法。文獻［2］進行了討論，但對其模式創新機制未有討論。

1.3 電商直播應用場景

文獻［3-4］討論了電商直播的應用場景，包括農產品、生鮮食品、飲料、美容護理、服裝、鞋包、床上用品、旅游產品等品牌產品和生活必需品。盡管場景應用比較廣泛，但鮮有文獻對它們之間的差異做比較研究。

1.4 直播信息的傳播機制

信息傳播形式上雖然表現為信息的流動，但其本質是高度智能的人與網站、信息、環境相互作用的結果，受到多種非線性、隨機性因素及異構實體交互過程的影響。在電商直播過程中，負面信息和正面信息會通過網絡、直播平臺以及其他各種類型的平臺進行傳播，進而會影響客戶參與的人數。文獻［5］對網絡信息傳播的動力學模型進行了分析，對傳播效果進行了仿真研究。結果顯示，網絡信息傳播有別于一般的基于SIR模型的疾病傳播，其傳播速率遵循S形曲線。

2 電商直播交易過程及相關模型分析

電商直播交易過程分為四個階段，分別是初始階段、博弈階段、信息傳播階段和客戶調整階段。

在初始階段，電商直播平臺與主播的影響力和專業度，對吸引客戶參與交易起到決定性的作用。影響力和專業度越大，往往吸引的交易客戶就越多。因此，可以假設初始的交易客戶量與影響力和專業度成正比。

在博弈階段，賣方與買方處于競爭對立的環境下，為此需要依據各自所掌握的信息，在一定的規則約束下進行網絡演化博弈，以盡可能取得最大的收益。博弈雙方可采取合作（cooperation）、背叛（defection）、以牙還牙（tit-for-tat）、模仿（如模仿最優者、模仿優勝者、隨機配對比較）等策略來更新自己的策略［6］。考慮到電商直播的本質還是電商，大家本意都是為了交易，并且為了降低仿真的難度，為此本文假設在直播的過程中，買賣雙方都采取合作的策略進行博弈。

在售后服務與信息傳播階段，客戶可能會提出各種各樣的售后服務請求，賣家應盡力滿足。但是，囿于資源和能力的制約，現實中賣家不可能完全滿足所有客戶的服務請求。得不到滿足的客戶會制造負面信息；當然，得到滿足的客戶相應地也會產生正面信息。這些信息會通過直播平臺或其他網絡媒介，甚至線下媒介進行快速傳播，影響更多的人群。

依據網絡信息傳播動力學原理，網絡信息傳播具有S 形函數的非線性演化特征（圖1）。信息價值與信息傳播的范圍之間存在非線性正相關，即信息傳播的速率其中，v0為信息在網站上初始時刻的時效性價值，λ為信息在網站中的時效性衰減系數，σ(t) 為在網站影響力、信息傳播方式（包括讀、寫、評、傳）共同作用下的人數加權平均系數，這里分別為信息閱讀人數、信息評論人數和信息寫作人數。

圖1 信息傳播的S形曲線特征Fig.1 S-curve characteristics of information dissemination

最后，當客戶提出售后服務請求后，勢必會產生兩種結果：滿意或不滿意。不滿意就有可能產生退貨行為，退貨人數顯然與售后服務（包括商品質量）的不滿意率有關。所以，在客戶調整階段，可能產生的退貨人數為：退貨人數=售后服務不滿意率×購買人數。這是正常狀態下因服務不到位或商品質量原因而導致的退貨情況。

另外，考慮到網絡信息傳播效應，由退貨而帶來的負面信息經過傳播之后，因信息扭曲與失真、口碑效應等原因，勢必會帶來更多的外溢的退貨人群，流失更多的已有客戶。與此相對應，由順利購買而帶來的正面信息經過傳播之后也會帶來更多的外溢的購買人群，吸引更多的新客戶。因此有：外溢的退貨人數=退貨人數×負面的信息傳播速率；外溢的購買人數=（購買人數-退貨人數-外溢的退貨人數）×正面的信息傳播的速率。

若以q_users 代表購買人數，q_ret 代表退貨人數，q_over_ret代表外溢的退貨人數，r=v0.σ0.Sigmoid(-ω(t-t0)) 代表負面信息傳播的速率（這里用Sigmoid曲線來模擬r（t）曲線），q_over_attract 代表外溢的購買人數，r′=*v′0.σ′0.Sigmoid(-ω′(t′-t′0)) 代表正面信息傳播的速率，則有：q_over_ret = q_ret ×v0.σ0.Sigmoid(-ω(t-t0))，q_over_attract =(q_users - q_ret - q_over_ret)× v′0.σ′0.Sigmoid(-ω′(t′-t′0))。這里需要指出的是，r′曲線比r曲線更平緩，更接近線性關系（圖2）。

圖2 信息傳播速率Fig.2 Information propagation rate

3 算例模擬分析

本文基于Netlogo 平臺，依據前述的流程和模型，編寫相關的Netlogo仿真程序，對實驗環境進行初始化設置，對參與電商直播的交易主體進行建模。程序中初始參數設置及相關算法流程圖如表1 和圖3 所示。通過仿真，得出了以下的結論。

圖3 算法流程圖Fig.3 Algorithm flow chart

表1 初始參數設置Tab.1 Initial parameter setting

（1）服務不滿意率決定了電商直播的帶貨持續時間，影響到參與交易的人數。在直播平臺和主播影響力一定的情況下，商品質量及相關服務（如物流服務、信息服務等）的不滿意率存在一個“臨界值”（本文為2. 5% 左右）。當低于這個臨界值時，直播會持續不斷地吸引到客戶參與交易，盡管人數不多，交易會持續不斷地進行下去；當高于這個臨界值時，參與交易的人群和帶貨量會快速降為0，交易過程很快就會結束；而在接近臨界值時，交易過程可以持續一段時間（可以進行多輪博弈，輪次不一，平均6 輪左右），盡管時間長短不一，但最終會歸于結束，交易人群和帶貨量也會歸零。相關增長曲線如圖4所示。

圖4 服務不滿意率接近臨界值(2.5%)時帶貨持續時間及交易人數增長曲線示例Fig.4 Example of the growth curve of goods carrying duration and number of transactions when the service dissatisfaction rate is close to RV(2.5%)

（2）直播平臺和主播的影響力也會對帶貨持續時間產生影響。直播網站的影響力越大，帶貨持續時間反而會越短，反之帶貨持續時間會越長。但是，交易人數卻呈現出隨機性、非線性的關系：在影響力很大時，盡管帶貨持續時間較短，可最終得到的交易人數卻很多；在影響力不是很大時，得到的交易人數具有不確定性。

隨機進行10 次仿真結果顯示，當直播網站的影響力很大（達到50%）時，帶貨持續時間（博弈輪次）只有3. 7 輪，最終交易人數平均可達10064 人；而當直播網站的影響力為5% 和1% 時，帶貨持續時間分別為6 次和6. 3，成反比關系，但最終得到的交易人數前者平均為2701 人，后者平均為4276 人，并沒有呈現反比的關系，具有一定的隨機性、非線性性。

4 不足與建議

在仿真分析的過程中，通過模擬雖然得出了一些結論，但也存在不足，主要在于分析不夠全面，未對其他的影響因素進行分析。同時，對相關參數的取值帶有一定的經驗主義（譬如對溢出的退貨人數），不夠精確。另外，對網絡信息產生、傳播和利用效應未做更加深入細致的研究，一定程度上影響了模型的精確性和仿真結果。這需在今后繼續加入分析。