直播特征、粉絲特征對直播帶貨商業化效果的影響研究

李 睿，陳 昕，涂建文，黃紫晴

(廣東金融學院，廣東 廣州 510521)

0 引言

在網絡高度普及、萬物互聯的時代背景下，直播帶貨這種電商新零售方式呈現井噴式發展態勢，日益成為電商經濟中重要的方式。公開數據顯示，僅2020年上半年，全國的電商直播帶貨就超過1 000萬場，觀看直播帶貨人數為5.62億人，為電商經濟的發展打下了堅實的流量基礎，四大線上平臺淘寶、抖音、快手、京東各展本領，強勁推動電商流量變現[1]。在流量變現的過程中，各類資本和市場主體大量進入電商直播帶貨市場，呈現狂熱卻缺乏足夠理性的狀態，過于重視直播帶貨所帶來的商業化效果，卻忽視了直播帶貨商業化效果的影響因素。

針對電商直播帶貨的這一現狀，本文通過分析直播帶貨商業化效果的影響因素：直播特征、粉絲特征。選擇部分電商主播直播帶貨過程中的數據，對數據進行量化分析，探究其對直播帶貨商業化效果的影響，并從微觀角度給予商家、平臺和主播三方相應的解決方案，促進“直播電商”經濟的良性發展。

1 文獻回顧

1.1 直播帶貨與商業化效果

電商直播帶貨是指網紅及其他KOL(關鍵意見領袖)通過視頻直播、短視頻等形式，推薦賣貨并以追求商業化效果為目的的一種全新的電商業態[2]。與傳統電商相比，電商直播帶貨的優勢在于根植內容生產和創新，具有動態化、去中心化、強標簽化、高互動性等特點[3]。

自2019年“電商直播帶貨元年”以來，從淘寶直播到抖音、快手逐漸商業化，商業化被定義為以營利為第一要義的行為，故直播帶貨的商業化效果為直播帶貨過程中所產生的經濟效益[4]。《2019年淘寶直播生態發展趨勢報告》顯示，2018年直播平臺帶貨金額高達千億元，同比增長高達400% ，2019年淘寶“6·18”活動期間直播帶貨應收高達130億元，數萬主播帶貨千億[5]，該年淘寶直播帶貨能力全面爆發，連續3年直播帶貨引導成交額的增速在150%以上[6]。全網某具有千萬粉絲的網絡紅人，在2019年憑借直播帶貨與視頻推廣推出爆款“螺螄粉”，一個月斬獲百萬份銷量[7]。所以在本研究中，商業化效果的具體表現形式為累計成交額和累計訂單數。

1.2 直播帶貨商業化效果的影響因素

1.2.1 直播特征

根據《中國互聯網發展報告2020》數據顯示，中國網絡直播用戶規模達5.62億。用戶即流量，是直播帶貨變現的基礎，龐大的用戶規模也顯示出電商直播帶貨具有濃厚的受眾屬性，用戶就是直播帶貨的主心骨，用戶的彈幕、評論是主播進行內容篩選和優先推送的重要依據[7]。除了用戶，價格也是影響商業化效果的重要因素，它是消費者購物決策中考慮的必要因素，線上折扣、福利等都有助于商家在市場營銷競爭中占據優勢，直擊用戶價格痛點[[1]。直播場次與直播時長的增加，都會使得觀看人數增加，所以圍繞“用戶與價格”核心，本文的直播特征設定為直播場次、場均觀看人數、場均訂單單價與場均直播時長。

1.2.2 粉絲特征

粉絲群體是直播帶貨最為主要的用戶群體。根據《2018中國網紅經濟發展洞察報告》顯示，截至2018年5月，中國網紅粉絲總人數達到5.88億人，網紅經濟增長將突破2萬億元[8]。而粉絲消費者之所以關注主播，一方面是出于對主播喜愛、欽佩、羨慕等因素，即主播的領導力、影響力會深深地影響到消費者的消費心理和消費行為；另一方面，消費者也希望購買同款衣物、用品等，緊扣流行脈搏，獲取更多的關注度和內心滿足感[9]，所以粉絲群體是主播直播間中不可忽視的重要購買力。而粉絲群體中，女性粉絲是消費的主力軍，是經濟發展的新契機和商家利潤的重要支撐者。根據Quest Mobile的數據，截至2021年1月，女性用戶在綜合電商行業滲透率已達84.3%，相比去年同期提升了6.1%，各個年齡段的女性隨著受教育程度、收入水平提高帶來的自我意識崛起，促使消費需求逐步釋放，同時不同的年齡段有各自不同的消費追求。年輕女性更愛追星和關注時尚穿搭類KOL，而30歲及以上女性則對親子萌娃、美食等KOL更加青睞。

電子商務研究中心數據表明，我國品質電商用戶年齡主要為85后群體，95后群體是品質電商的次主力[10]。在新的時代背景下，小眾化、個性化是當前消費主力95后群體的標簽，追求潮流是95后消費群體的普遍特征之一[11]。而85后作為經濟獨立、購物潛力大的群體，則較為注重商品的性價比，希望購買到質量具有保障的商品，也更愿意將資金投入到提高生活質量當中。所以本研究的粉絲特征設定為粉絲數、女性占比、95后占比、85后占比[11]。

1.3 文獻述評

回顧學者們近年來對“電商直播帶貨”的研究，主要著重于電商直播帶貨現狀與存在問題、發展趨勢與解決方案，以及特定前提下對直播帶貨營銷模式的分析，對于直播帶貨商業化效果影響因素研究尚需深入。鑒于上述研究現狀，本研究將從商業化效果兩個層面的影響因素——直播特征和粉絲特征入手，探究直播特征、粉絲特征對于直播帶貨商業化效果的影響；并基于研究結果，從直播帶貨多個參與主體的角度出發，為其經濟決策提供建議，助力“直播帶貨電商經濟”的良性發展。

2 研究假設

2.1 直播特征對直播帶貨商業化效果的影響

直播場次的增加能夠營造社會臨場感，在此基礎上再借助主播與粉絲的雙向互動，能夠增強消費者認同，喚起其購買欲，增加消費行為。據此提出以下假設。

H1a：直播場次越多，累計成交額越高，商業化效果越好。

H2a：直播場次越多，累計訂單數越多，商業化效果越好。

場均觀看人數可以反映主播的觀眾規模，觀眾的彈幕和評論是主播進行內容篩選和推送的重要依據，同時人數越多的直播間觀眾，越容易受到社會影響和規范性影響，繼而做出從眾消費的行為。據此提出以下假設。

H1b：場均觀看人數越多，累計成交額越高，商業化效果越好。

H2b：場均觀看人數越多，累計訂單數越多，商業化效果越好。

場均訂單單價反映主播為消費者爭取到的議價權，其價格利差能夠反饋至用戶本身，是影響消費者購物決策的必要因素，價格越低越有助于激發消費者消費欲望。據此提出以下假設。

H1c：場均訂單單價越低，累計成交額越高，商業化效果越好。

H2c：場均訂單單價越高，累計訂單數越少，商業化效果越差。

直播時長的增加有利于完成內容直播的要求，營造直播場景氛圍，影響消費者情緒，使得消費者更加投入直播間的購買氛圍。據此提出以下假設。

H1d：場均直播時長越長，累計成交額越高，商業化效果越好。

H2d：場均直播時長越長，累計訂單數越多，商業化效果越好。

2.2 粉絲特征對直播帶貨商業化效果的影響

粉絲在直播間中受到主播感染力的影響，會對直播間的產品進行購買，加之受到其他粉絲消費行為的影響，易產生從眾消費心理。據此提出以下假設。

H1e：主播粉絲人數越多，累計成交額越高，商業化效果越好。

H2e：主播粉絲人數越多，累計訂單數越多，商業化效果越好。

女性作為消費的主力軍，對電商經濟的貢獻不容小覷。直播帶貨在帶來感官沖擊的同時，其質優價廉、產品多樣化的特點更是深得廣大女性的喜愛。據此提出以下研究假設。

H1f：女性占粉絲比重越大，累計成交額越高，商業化效果越好。

H2f：女性占粉絲比重越大，累計訂單數越多，商業化效果越好。

直播間中主打的個性化、時尚精致的產品，尤其是彩妝護膚類、衣物首飾類，能夠滿足95后的購買需求，激起95后的購買欲望。據此提出以下假設。

H1g：95后占粉絲比重越大，累計成交額越高，商業化效果越好。

H2g：95后占粉絲比重越大，累計訂單數越多，商業化效果越好。

85后群體經濟獨立，消費能力更強，但更注重商品性價比，對直播間中質優價廉的產品具有偏好性。據此提出以下研究假設。

H1h:85后占粉絲比重越大，累計成交額越高，商業化效果越好。

H2h:85后占粉絲比重越大，累計訂單數越多，商業化效果越好。

3 研究方法

3.1 樣本及統計方法

2020年，淘寶誕生了近1 000個成交突破1億元的直播間，淘寶直播的數據呈指數型增長，屬于直播帶貨行業的頭部平臺，占比超60%。因此，本研究通過“淘播眼”平臺，隨機抽取1 650名淘寶主播自2021年6月3日至2021年6月17日，總計15 d的直播數據和粉絲數據，用SPSS軟件對數據進行描述性統計、相關性分析和多元回歸分析，檢驗直播特征、粉絲特征對直播帶貨商業化效果的影響。

3.2 變量測量

被解釋變量：直播帶貨商業化效果的反映指標為累計成交額、累計訂單數。二者分別反映了直播中所完成交易的金額總數和用戶下的訂單總數，可以直觀體現直播帶貨商業化效果。

解釋變量：解釋變量則從直播帶貨的兩個直接影響層面來選取。一為直播特征，包括直播場次、場均觀看人數、場均訂單單價與場均直播時長；二為粉絲特征，包括粉絲數、女性占比、95后占比與85后占比。各變量定義如表1所示。

表1 變量定義

4 數據分析與結果

4.1 描述性統計

描述統計結果如表2所示。商業化效果方面，樣本總體的累計成交額與累計訂單數的均值與中位數差距較大，說明直播帶貨頭部效應明顯，頭部主播商業化效果好，效益向頭部主播集中。

表2 各變量描述統計結果

直播特征方面，直播場次、場均直播時長的均值與中位數差距較小，說明無論是頭部主播、腰部主播、還是尾部主播，工作模式都很相似，工作量也較為接近；但場均觀看人數、場均訂單單價的均值與中位數差距懸殊，體現了直播帶貨行業的強烈頭部效應，工作模式、工作量相近的情況下，受眾與訂單向頭部主播高度集中。

粉絲特征方面，皆以女性為主超過70%，且95后、85后是粉絲主體，加起來接近80%，女性占比、95后占比、85后占比的均值與中位數差距較小，說明各類型直播帶貨主播的粉絲群體結構基本相似；粉絲數的均值與中位數卻存在巨大差異，這也是直播帶貨頭部效應的體現，粉絲數向頭部主播高度集中。

4.2 相關性分析

變量相關系數如表3所示。被解釋變量累計成交額Y1與解釋變量場均觀看人數X2、粉絲數X5均顯著正相關；被解釋變量累計訂單數Y2與解釋變量場均觀看人數X2、粉絲數X5顯著正相關；場均觀看人數X2與粉絲數X5，相關系數為0.670遠小于0.8，不存在多重共線性問題。

表3 變量相關系數表

4.3 回歸分析

4.3.1 直播特征、粉絲特征與累計成交額回歸分析結果

根據相關分析結果，被解釋變量累計成交額Y1與解釋變量場均觀看人數X2、粉絲數X5顯著正相關，其余解釋變量X1、X3、X4、X6、X7、X8與累計成交額Y1相關性不顯著，為檢驗直播特征、粉絲特征對商業化效果指標累計成交額Y1的影響，建立回歸模型1。

模型1：Y1=a0+a2X2+a5X5+e1

由回歸結果表4可得，模型1擬合程度良好(F=15.393，p<0.001)；解釋變量場均觀看人數X2對被解釋變量累計成交額Y1有顯著正向影響(t=2.510，p<0.05)，且影響程度很大，a2=31.070；解釋變量粉絲數X5對累計成交額Y1也存在顯著正向影響(t=1.988，p<0.05)，但影響程度與場均觀看人數X2相比較低，a5僅為1.832。

表4 場均觀看人數、粉絲數與累計成交額多元回歸結果

4.3.2 直播特征、粉絲特征與累計訂單數回歸分析結果

根據相關分析結果，被解釋變量累計訂單數Y2與解釋變量場均觀看人數X2、粉絲數X5顯著正相關，其余解釋變量與累計成交額Y1相關性不顯著，為檢驗直播特征、粉絲特征對商業化效果指標累計訂單數Y2的影響，建立回歸模型2。

模型2：Y2=b0+b2X2+b5X5+e2

回歸分析結果如表5所示。模型2擬合程度良好(F=17.601，p<0.001)；解釋變量場均觀看人數X2對被解釋變量累計訂單數Y2有顯著正向影響(t=4.195，p<0.001)；而解釋變量粉絲數X5對累計訂單數Y2無顯著影響(t=-0.268，p>0.05)。因此剔除粉絲數X5，采取逐步回歸的方法，建立回歸模型3。

模型3：Y2=c0+c2X2+e3

回歸結果表5表明，模型3擬合程度良好(F=17.601，p<0.001)；解釋變量場均觀看人數X2對被解釋變量累計訂單數Y2有顯著正向影響(t=4.195，p<0.001)，最終采用模型3作為解釋模型，相對于場均觀看人數X2對累計成交額Y1的影響程度而言，X2對累計訂單數Y2的影響程度，要遠小于對累計成交額Y1的影響程度(c2=0.337，a2=31.070)。

表5 場均觀看人數、粉絲數與累計訂單數逐層多元回歸結果

4.4 結果綜合分析

從數據分析結果可以看出，雖然直播特征、粉絲特征有眾多指標，但只有場均觀看人數、粉絲數兩項指標會對直播帶貨商業化效果帶來顯著影響。場均觀看人數越多、粉絲數越多，累計成交額越高，商業化效果越好；場均觀看人數越多，累計訂單數越多，商業化效果越好；即只有假設H1b、H2b及假設H1e得到支持，其余假設并未獲得支持。

4.4.1 直播特征與商業化效果

直播場次、場均直播時長方面，直播場次、場均直播時長對商業化效果兩項指標皆無顯著相關性，假設H1a、H2a和假設H1d、H2d均未得到支持。直播場次、場均直播時長，更多反映了直播帶貨行業的工作模式。每場直播帶貨皆需要事前進行一系列精心準備，以確定主題、選貨與備貨，以目前運營能力而言存在上限限制，能達到每日一場已是極限，而當前直播場次的負荷量已是相當飽滿，均值與中位數皆已超過85%的時間天數，希望靠增加直播場次來拉動商業化效果，既難挖掘時間潛力，邊際收益也低，必要性不強。場均直播時長與此類似，基于運營能力與觀眾接受程度，也是存在時間上限，場均直播時長當前實際狀況的均值與中位數皆已達到4 h，也已接近極限。

場均訂單單價方面，場均訂單單價與累計成交額、累計訂單數均無顯著相關性，假設H1c、H2c未得到支持。直播電商運營方不應僅以價格高低作為商品選擇的主要標準，而是應該多方面綜合評估所提供商品的品質與價格。

場均觀看人數方面，場均觀看人數對累計成交額、累計訂單數兩項商業化效果指標，皆具有顯著正向影響，尤其對累計成交額更是具有較大的影響程度，假設H1b、H2b得到支持。可見，每場直播的直播間觀看人數是影響著直播帶貨商業化效果的最為直接有效的因素，運營方如何每場直播能吸引更多粉絲來圍觀，這是運營方的主要努力方向。運營方需要注重豐富直播內容、提高直播質量，選擇商品嚴格把關，不斷提升主播的語言話術等各方面能力，增加觀眾互動，從而提高觀眾的黏性，打牢粉絲基礎。

4.4.2 粉絲特征與商業化效果

粉絲特征方面，只有粉絲數指標對直播帶貨商業化效果帶來顯著影響，粉絲數越多，累計成交額越高，商業化效果越好，假設H1e得到支持。粉絲數越多，主播的受歡迎度越高，代表將有更多的人愿意觀看直播，因此購買行為發生的可能性增加，累計成交額也會隨之增加。該結果也解釋了目前直播帶貨行業存在的頭部效應，粉絲數向頭部主播集聚，頭部主播的商業化效果要遠遠好于其他地位的帶貨主播，形成“馬太效應”，商家資源也必然會更多向頭部主播傾斜。

女性占比與累計成交額和累計訂單數均無顯著相關性，假設H1f、H2f未得到支持；95后占比和85后占比，與累計成交額和累計訂單數也均無顯著相關性，假設H1g、H2g、H1h和H2h也未得到支持。女性占比、95后占比和85后占比，其均值與中位數皆差距很小，反映無論是頭部主播還是其他地位的主播，各類型直播帶貨主播的粉絲結構基本類似，粉絲皆以女性為主超過70%，且95后、85后是粉絲主體加起來接近80%，粉絲類型的相似性導致購物習慣趨同，因而對直播帶貨商業化效果沒有顯著影響。

綜合而言，研究結果表明當前直播帶貨行業正處于發展前期，相對簡單粗放，差異化、精細化不足，每場直播吸引更多的人來觀看，是促進消費行為、提升直播帶貨商業化效果的最簡單、最直接也是當前非常有效的手段。

5 結論與啟示

5.1 結論

研究結果表明，作為影響直播帶貨商業化效果的直播特征和粉絲特征，只有場均觀看人數與粉絲數對直播帶貨商業化效果具有顯著正向影響，本研究所選的其他特征對商業化效果并無顯著影響。其原因在于，當前直播帶貨行業正處于發展前期，相對簡單粗放，差異化、精細化不足，每場直播吸引更多的粉絲來圍觀，是促進消費行為、提升直播帶貨商業化效果的最直接手段。

5.2 啟示

未來趨勢，直播電商仍會保持快速發展，為促進直播帶貨行業良性可持續發展，應從商家、平臺和主播三方面入手，進行針對性的改進與提升，推動直播帶貨行業從簡單粗放向差異化與精細化轉型。

商家方面，針對直播帶貨商業化效果影響因素現狀，當前首當其沖的基礎策略，是每場直播要盡可能吸引更多的粉絲來觀看。因此，需要提供讓網絡消費者買得放心、用得放心的高質量商品，事前做好商品與直播的宣傳準備，挑選粉絲數量大、用戶黏性強、帶貨能力優秀的主播，并充分利用各大流量平臺，吸引更多頭部主播將其商品作為直播選品進行推廣。而從長遠角度而言，商家則應在差異化方面提前布局，向精細化網絡營銷轉型。

平臺方面，應做出努力弱化當前直播帶貨行業的頭部效應，流量資源有意識幫扶非頭部的各類型主播，實現流量均衡化，倒逼整個直播帶貨行業向差異化、精細化轉型。直播平臺也有責任加強監督，促進主播提升專業素質與業務能力，加強對主播、商家等供應鏈各環節的監管，讓網絡消費者對直播帶貨更有信心。

而主播作為直播內容供給端，是主要的商品信息輸出對象，則需要不斷提高專業素質與業務能力，加強直播內容的生動性、豐富性與互動性，堅持從消費者需求出發，向消費者推薦性價比高的優質商品，吸引更多的粉絲并積極參與直播。