基于聚類方法的直播帶貨平臺用戶信息行為畫像模型研究

王晰巍 劉婷艷 程 宇

(1.吉林大學(xué)商學(xué)與管理學(xué)院，吉林 長春 130012；2.吉林大學(xué)大數(shù)據(jù)管理研究中心，吉林 長春 130012；3.吉林大學(xué)網(wǎng)絡(luò)空間治理研究中心，吉林 長春 130012)

通過2021年9月發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》中的數(shù)據(jù)顯示，截至2021年6月國內(nèi)網(wǎng)絡(luò)直播平臺用戶已經(jīng)超過6.38億，所占比例約為整體網(wǎng)民的63.1%。其中電商直播用戶數(shù)量為3.84億，同比增加7 524萬[1]。據(jù)報道，2021年全球最大的直播網(wǎng)站Twitch平均每月有880萬的主播，280萬的平均在線觀眾，較去年增長33%[2]。國內(nèi)外直播市場飛速發(fā)展的同時也滋生了許多問題，包括直播主體責(zé)任缺失、直播內(nèi)容生態(tài)不良、主播良莠不齊、充值打賞行為失范、商業(yè)營銷混亂和青少年權(quán)益遭受侵害等。我國目前對于直播平臺中用戶在線直播信息行為方面的指導(dǎo)政策較為有限，因此直播帶貨中用戶信息行為畫像成為網(wǎng)絡(luò)直播行業(yè)發(fā)展中學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的新問題。

直播帶貨作為新興熱點，近年來在國內(nèi)外引起了研究熱潮。國外有學(xué)者對在直播平臺打賞的用戶交互行為作用進行了分析，發(fā)現(xiàn)彈幕的總字數(shù)、社會競爭、彈幕相似性與興奮相關(guān)的單詞數(shù)量都對付費打賞行為產(chǎn)生了積極影響[3]。階層身份和關(guān)系身份對打賞行為也會產(chǎn)生不同影響[4]；在用戶購買行為影響因素研究中，便利條件、用戶習(xí)慣、對商家及主播的信任以及行為意向均對直播購買行為起到重要的作用[5]。在直播間中用戶的行為表現(xiàn)出了大量的共享性[6]；同時通過S-O-R模型作為理論框架，有學(xué)者以關(guān)系強度作為理論支撐得出直播平臺中互動性和用戶參與行為呈曲線關(guān)系，關(guān)聯(lián)強度在用戶參與作為一個調(diào)節(jié)變量起了很大的作用[7]。國內(nèi)學(xué)者發(fā)現(xiàn)，用戶的信息處理過程對用戶態(tài)度及直播購買意愿也存在影響[8]。有學(xué)者通過構(gòu)建用戶購買意愿機理模型，分析出感知價值和顧客契合都對用戶在直播平臺的消費行為具有一定的影響[9]。在網(wǎng)絡(luò)直播引導(dǎo)下，有學(xué)者發(fā)現(xiàn)直播平臺中用戶信息交互行為特征包括信息交互動因性、信息交互孤島化和信息交互偏向性[10]。從現(xiàn)有國內(nèi)外學(xué)者針對網(wǎng)絡(luò)直播中的用戶行為研究現(xiàn)狀來看，現(xiàn)有研究成果主要針對網(wǎng)絡(luò)直播領(lǐng)域中用戶的購買行為以及參與行為的影響因素，而針對直播帶貨中用戶的信息行為進行畫像的研究相對欠缺。

通過本次的研究，有望解決以下3個問題：①如何構(gòu)建直播帶貨平臺中用戶信息行為的畫像評價指標；②如何基于聚類方法對直播平臺用戶信息行為進行畫像和對用戶的特征進行分析；③如何通過本文構(gòu)建的用戶信息行為畫像模型對實際的直播平臺運作產(chǎn)生一定的指導(dǎo)。為解決上述研究問題，本研究選取直播帶貨平臺的用戶為研究對象，通過調(diào)查問卷獲取數(shù)據(jù)，運用因子分析和K-Means聚類分析法對數(shù)據(jù)進行分析處理，構(gòu)建直播帶貨平臺用戶信息行為畫像模型，并通過調(diào)查問卷展開實證分析。本文的研究可為直播平臺用戶信息行為的畫像研究提供新的理論和分析方法，在實踐層面可為直播平臺建設(shè)產(chǎn)生一定的指導(dǎo)。

1 相關(guān)概念

1.1 直播帶貨概念及特點

直播帶貨是近年來隨著短視頻應(yīng)用的快速發(fā)展和社會信息消費環(huán)境的變化而產(chǎn)生的一種新型營銷模式[11]。用戶通過平臺在觀看主播對于商品的線上展示的同時，可以提出產(chǎn)品相關(guān)問題，與主播進行互動交流，并結(jié)合自身的購買需求產(chǎn)生購買欲望[12]。直播帶貨這種新型的營銷模式，用戶不僅能直觀感受到商品，向商家咨詢相關(guān)商品的信息，還能及時在直播平臺通過信息互動反饋自己對產(chǎn)品的使用感受。因此，直播帶貨大幅增加了產(chǎn)品的曝光度，使用戶的消費選擇更加多樣化和針對化。與傳統(tǒng)線下營銷模式不同，用戶在直播帶貨下可以掌握信息搜尋、產(chǎn)品選擇和制定購買決策的主導(dǎo)地位[13]。直播購物之所以成功，是因為流媒體平臺完美地滿足了消費者對信息、參與和互動的需求，從而增強了客戶在網(wǎng)購中的店內(nèi)購物體驗[14]。國內(nèi)主流的直播帶貨平臺有淘寶和京東等電商網(wǎng)站，以及快手和抖音等短視頻平臺，均為本次研究的主要研究平臺[15]。

1.2 用戶信息行為

信息行為的基本含義是指用戶在各個語境中的需求、探詢、管理、給出和運用信息的行為[16]。傳統(tǒng)上圖情領(lǐng)域的學(xué)者對于用戶的信息行為的研究主要集中在信息搜尋行為、搜索行為、檢索與交互行為等[17]。近年來受互聯(lián)網(wǎng)和社會環(huán)境的影響，用戶信息行為概念、類型更加多樣和復(fù)雜[18]。國內(nèi)學(xué)者將信息行為歸納為4點，分別為信息的關(guān)注行為、獲取行為、認知行為和發(fā)布行為[19]。國外學(xué)者早期提出通過創(chuàng)建信息行為模型，討論了伴隨信息尋求階段的情感感受[20]。

1.3 用戶畫像構(gòu)建方法及畫像指標

國外學(xué)者Hopkins C C在1923年提出用戶畫像是建立在用戶細分的概念基礎(chǔ)上[21]，后來用戶畫像被定義為用戶信息的集合[22]。“用戶畫像”可以指代用戶，也可以指代數(shù)據(jù)收集和分析技術(shù)，還可以指由這種技術(shù)產(chǎn)生的真實虛構(gòu)人物[23]。本文所說的用戶畫像包含真實用戶的海量信息，歸納了用戶的屬性和行為特征，顯示了用戶的特定化需求[24]。用戶畫像的構(gòu)建方法可分為3類：第一類是基于用戶行為的畫像方法，如通過移動終端日志追蹤軟件獲取用戶使用日志數(shù)據(jù)[25]；第二類是基于主題的畫像方法，如通過構(gòu)建信息處理的啟發(fā)式系統(tǒng)模型將用戶按喜愛的主題進行畫像，作為聚類分析，主題建模基于主題相似性對相似文檔進行分組。[26]；第三類是基于用戶興趣偏好的畫像方法[27]，如在電影推薦系統(tǒng)中使用協(xié)同過濾算法來預(yù)測用戶的電影評分，從而識別用戶對電影的偏好，并根據(jù)用戶偏好構(gòu)建用戶畫像[28]。用戶畫像指標，主要來源于一些靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，靜態(tài)數(shù)據(jù)如年齡、性別、地域、婚姻狀況、資產(chǎn)特征等人口社會屬性；動態(tài)數(shù)據(jù)如瀏覽、搜索、點擊、購買、頻率、時段等行為特征[26]。

1.4 直播帶貨中用戶信息行為畫像

用戶在使用直播平臺時，不僅能在線即時咨詢商品相關(guān)信息，也能通過信息互動反饋自己的使用感受。有學(xué)者認為，內(nèi)心需求、意愿驅(qū)使、主觀因素及獲取途徑等方面都會影響用戶在直播平臺上的信息行為[29]。國外學(xué)者認為，用戶的參與度受到象征價值、功利價值及享樂價值的影響[30]。

直播帶貨中用戶信息行為畫像，是指以用戶畫像概念為基礎(chǔ)構(gòu)建的網(wǎng)絡(luò)直播平臺，在用戶購買直播帶貨商品過程中所發(fā)生的用戶信息行為特征集合，并將此類特定用戶的基本特征和信息行為特征以可視化的方式呈現(xiàn)出來。本文所研究的直播帶貨平臺的用戶信息行為畫像，是將直播平臺中具有共同顯著特征的用戶信息行為進行聚類，同時進行群體畫像的劃分。結(jié)合直播帶貨平臺運營的特點，用戶的信息行為畫像可包括用戶的信息使用行為，如搜索、點擊和觀看；信息交互行為，如評論、點贊、打賞、分享和反饋；以及線上支付，即購買行為。

2 指標體系及分析過程模型

2.1 指標體系

直播帶貨平臺用戶畫像指標體系的構(gòu)建，是在綜合考慮直播帶貨平臺的特點以及充分挖掘用戶的信息行為特征后為用戶的具體行為制定的定量指標。依據(jù)前文對直播帶貨中用戶信息行為畫像的定義，本文從信息使用特征、信息交互行為特征和購買行為特征3個維度構(gòu)建直播帶貨平臺用戶畫像指標體系，如表1所示。

表1 直播帶貨中用戶信息行為畫像評價指標體系

直播帶貨中用戶信息使用行為特征。該信息使用行為特征主要從搜索屬性、點擊屬性和觀看屬性3個方面進行構(gòu)建。其中，參考相關(guān)文獻將用戶搜索屬性作為直播帶貨平臺用戶使用行為B1二級指標，搜索頻率C1作為三級指標；用戶點擊屬性作為B2二級指標，提取點擊頻率C2作為三級指標[31]。根據(jù)直播帶貨平臺的自身特性將用戶對平臺觀看屬性B3納入使用行為特征[32]，提取觀看頻率C3、觀看時長C4以及觀看時間段C5作為三級指標。

直播帶貨中用戶信息交互行為特征。評論作為用戶交互行為特征的一個屬性[33]，直播帶貨平臺中的評論屬性B4可通過評論頻率C6和評論長度C7作為三級指標進行測度。直播中的評論信息情感對指標平臺中用戶的購買行為也會有一定的影響，因此評論情感C8也納入評論屬性的三級指標[34]。用戶對于一個直播間的喜愛，可以通過點贊屬性B5反映，點贊頻率C9也可以作為測量的三級指標。打賞是直播平臺的一個用戶信息行為特點，因此直播帶貨中用戶對于直播帶貨的打賞屬性B6也可提取出打賞金額C10和打賞頻率C11兩個三級指標[35]。用戶在分享直播鏈接時存在分享屬性B7，分享頻率C12可作為三級指標進行測度[36]。用戶在與客服及后臺進行直播反饋時[37]會有反饋屬性B8，可提取出反饋頻率C13作為三級指標進行測度。

直播帶貨中用戶購買行為特征。直播帶貨的目的是通過直播平臺中直播信息的使用和直播信息互動，最終產(chǎn)生直播的用戶購買行為。在推動用戶最終購買行為的特征中，用戶的購買屬性B9和商品屬性B10應(yīng)作為相應(yīng)的二級指標[38]。其中，購買屬性B9可以采用購買參照C14[39]和購買渠道[40]C15進行測度。直播的商品屬性B10可以通過商品金額C16、購買金額C17和消費金額C18測度。

2.2 因子分析和K-Means算法

因子分析可以被應(yīng)用在直播帶貨中的用戶信息行為畫像，在以往的研究中因子分析被主要用于績效評價、綜合評價和影響因素探究等多個領(lǐng)域。K-Means算法被廣泛應(yīng)用于數(shù)據(jù)挖掘和數(shù)據(jù)集處理以及圖像分割等領(lǐng)域，也是目前構(gòu)建用戶畫像的主流聚類算法，常與因子分析聯(lián)用實現(xiàn)群體畫像的劃分。K-Means算法可將用戶的相關(guān)數(shù)據(jù)結(jié)果進行兩兩聚類，最終將各個簇集聚類為適宜數(shù)目的點簇[41]。

在用戶畫像構(gòu)建中，因子分析和K-Means算法也有著廣泛的應(yīng)用，國外學(xué)者在建立用戶畫像研究用戶在線內(nèi)容興趣時，推薦了使用如因子分析和聚類分析的分析方法來進行同類的研究分析[25]。國內(nèi)有學(xué)者通過因子分析法進行降維，構(gòu)建突發(fā)公共衛(wèi)生事件下在線健康社區(qū)的用戶畫像[42]等。本研究采用因子分析，是為了在多個直播帶貨平臺用戶信息行為畫像指標標量中提取出具有相同特征的公因子，便于實現(xiàn)對直播帶貨平臺用戶類型的劃分，并通過采用K-Means以更好地提取出直播帶貨中的用戶信息使用行為、信息交互行為和用戶購買行為特征，從而分析和總結(jié)出直播帶貨平臺用戶信息行為的特點和規(guī)律。

2.3 分析過程模型

本文通過采用因子分析和K-Means算法，構(gòu)建直播帶貨中用戶信息行為畫像分析過程模型，如圖2所示。該模型將直播平臺用戶扁平化的信息行為數(shù)據(jù)進行數(shù)據(jù)收集、處理和分析的概念化。第一階段，數(shù)據(jù)收集。通過調(diào)查問卷收集直播帶貨平臺用戶的信息使用行為特征、信息交互特征和購買特征的數(shù)據(jù)。第二階段，數(shù)據(jù)處理。通過對直播帶貨中用戶信息行為的指標體系進行因子分析，并提取具有相同特征的K1、K2…Kn作為公因子，使用K-Means算法將直播帶貨中的用戶群體進行聚類。第三階段，數(shù)據(jù)結(jié)果。聚類后得到A、B、C、D…N不同類型的聚類用戶，通過聚類分析呈現(xiàn)直播帶貨中用戶信息使用行為、信息交互行為和購買行為的畫像特征。

圖1 直播帶貨中用戶信息行為畫像分析過程模型

3 實證分析

3.1 數(shù)據(jù)獲取

本研究通過問卷調(diào)查的方式來獲取數(shù)據(jù)，采用李克特五級量表，并將問卷在小樣本中進行預(yù)調(diào)研，修正問卷中語義不明、表述不清的問題，最后將調(diào)查問卷在問卷星平臺向目標人群進行發(fā)放。本次問卷設(shè)置了27個包括單選、多選以及陳述的問題。問卷分別從直播帶貨中用戶的信息使用行為、信息交互行為和購買行為3個維度進行問題設(shè)置。根據(jù)《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示，我國的互聯(lián)網(wǎng)使用人群年齡主要集中在20～49歲，青年和中年人占據(jù)主要目標人群。因此，訪問目標人群年齡主要集中在18～45歲的青年及中年人，以及部分45～60歲的中老年直播帶貨平臺用戶。參與此次調(diào)查的用戶群體擁有不同的基礎(chǔ)屬性，如年齡、性別、受教育程度和直播帶貨平臺的使用習(xí)慣等。問卷于2021年8月9日—14日發(fā)放，共回收516份，其中有效問卷數(shù)量為412份，有效率達到79.84%。

3.2 描述性統(tǒng)計結(jié)果

本次信息采集的用戶基礎(chǔ)信息如表2所示。數(shù)據(jù)結(jié)果顯示，參與調(diào)研的女性用戶群體相對較多，男女比例接近1∶2，也符合目前女性用戶更傾向于觀看直播帶貨的行業(yè)發(fā)展特征[43]。直播帶貨平臺中用戶整體年齡結(jié)構(gòu)呈現(xiàn)年輕化趨勢，其中18～25歲用戶占比最大，占總樣本約70%，說明年輕人對于直播帶貨這種不同于傳統(tǒng)的購物方式的接受度更高。從地區(qū)上看，西南地區(qū)與華東地區(qū)的直播帶貨用戶更多。本次調(diào)查中有70.46%的直播帶貨用戶是學(xué)生群體，體現(xiàn)出學(xué)生更愿意通過直播帶貨平臺來“種草”。調(diào)查用戶的學(xué)歷近70%為本科，每月可支配收入在1 001～2 000元的用戶居多。從常用直播平臺的選擇來看，用戶更傾向于選擇淘寶平臺，這也符合目前淘寶在購物平臺中一家獨大的特點[40]。

表2 樣本用戶的基礎(chǔ)信息描述統(tǒng)計表

3.3 信度及效度

直播帶貨平臺中用戶信息行為畫像評價指標體系中適合賦值的直播帶貨平臺用戶行為變量包括評論頻率、評論長度、正面評論傾向、負面評論傾向、點贊頻率、打賞頻率、打賞金額、分享頻率、反饋頻率、觀看頻率、觀看時長、點擊頻率、搜索頻率、購買金額、購買頻率共15個變量。余下3個變量，購買參照、購買渠道以及購買方式為定性變量，不適合賦值。因此，本研究總共選用13個變量，通過SPSS軟件進行信度和效度的分析，同時作出評價。本文使用SPSS軟件通過Cronbach’s α系數(shù)檢驗對問卷中15個行為變量進行內(nèi)部一致性信度分析，α系數(shù)值超過0.8表示信度較好[44]，5項行為變量α系數(shù)達到0.873。勾選“項刪除后的標度”，結(jié)果顯示若刪除負面評論傾向Cronbach’s α系數(shù)可增加到0.880，而刪除正面評論傾向Cronbach’s α系數(shù)為0.881。說明這兩項變量使本研究的信度降低，故刪除。對余下的13個行為變量做信度分析，Cronbach’s α系數(shù)為0.891，信度增高。

本研究使用SPSS軟件對數(shù)據(jù)做效度分析，其中KMO值達到0.906大于0.6，因此所得數(shù)據(jù)可以做因子分析。Bartlett球形度檢驗的近似卡方值為2 223.488，自由度為78，P值在0.001以下，達到顯著性要求。表明本研究數(shù)據(jù)效度符合做因子分析法的條件。

3.4 提取行為變量因子

本研究利用探索性因子分析法，檢驗與分析抽取的直播帶貨平臺用戶的行為變量，從中選取適合數(shù)據(jù)聚類的公因子。根據(jù)分析結(jié)果對預(yù)先設(shè)定的直播帶貨平臺用戶信息行為畫像特征指標體系進行修正，最終建立合理的直播帶貨平臺用戶畫像行為特征指標體系。首先，主成分分析法對信息使用行為特征和信息交互行為特征的13個變量進行降維。選擇“最大方差法”和“旋轉(zhuǎn)解”提取因子，抽取原則以初始特征值大于1且因子系數(shù)小于0.5為標準。前2個因子主成分特征值大于1，累計方差貢獻率達到53.797%。因此，提取2個公因子用2個主成分代替13個行動變量。

經(jīng)最大方差法旋轉(zhuǎn)得到的成分矩陣，一般認為因子系數(shù)大于0.5，則為顯著變量[42]。第一次因子分析結(jié)果中，評論頻率的因子系數(shù)都小于0.5，說明評論頻率對于直播帶貨平臺用戶行為沒有顯著的影響，因此刪除這個變量。調(diào)整后的12個變量分別屬于2個公因子[46]，說明預(yù)設(shè)的行為特征分類標準已經(jīng)不再適用，因此需要對預(yù)設(shè)的直播帶貨平臺用戶信息畫像特征指標體系進行修正，重新配置用戶行為特征，進而得到一個更準確和更合理的直播帶貨平臺的用戶畫像信息行為特征指標體系，再根據(jù)每個公因子所包含的行為變量來進行重新命名。

公因子1包含打賞頻率、打賞金額、反饋頻率、分享頻率、評論長度、觀看頻率、點贊頻率7個行為變量。這些行為變量主要體現(xiàn)了用戶在直播帶貨平臺中與主播、直播間和用戶之間的交互活躍度、信息需求度以及情感表達程度。因此，公因子1被命名為“交互活躍因子”。公因子2包含觀看時長、購買金額、點擊頻率、搜索頻率和購買頻率5個行為變量。這些行為變量主要體現(xiàn)在用戶在觀看直播帶貨時的購買金額和購買頻率，以及對直播帶貨觀看的需求度。因此，公因子2被命名為“購買活躍因子”。對調(diào)整后的用戶行為變量進行信度效度的檢驗，其中Cronbach’s α系數(shù)為0.884，KMO值達到0.899，P值小于0.001。信度和效度都較好，證明了調(diào)整后的直播帶貨平臺用戶行為特征的劃分的有效性。

4 數(shù)據(jù)結(jié)果

4.1 用戶信息行為的聚類結(jié)果

本文采用K-Means算法，利用SPSS軟件對因子分析之后調(diào)整的12個信息行為變量進行聚類。依據(jù)相關(guān)文獻設(shè)置了4組聚類[45]，當(dāng)聚類數(shù)為3～6時各變量的顯著性均小于0.001，說明聚類數(shù)為3～6時聚類結(jié)果均有效。當(dāng)聚類數(shù)為6時存在極小個案數(shù)目，聚類數(shù)為3時最大個案數(shù)目與最小個案數(shù)目之差過大，說明聚類數(shù)目不宜設(shè)定為3和6。因此，采用判別式分析比較聚類數(shù)為4和5的正確性。聚類數(shù)為4和聚類數(shù)為5的威爾克Lambda顯著性都小于0.001，說明聚類結(jié)果均有效，但聚類數(shù)為4時正確分類率為95.6%，高于聚類數(shù)為5的93.9%。因此，聚類數(shù)宜設(shè)定為4，具體分析如表3所示。

表3 聚類數(shù)3～6的ANOVA表與個案數(shù)目

聚類數(shù)設(shè)置為4在迭代次數(shù)達到9時，聚類中心實現(xiàn)了收斂。本研究直播帶貨用戶信息行為畫像的最終聚類中心和各類型的個案數(shù)目如表4所示。

表4 最終聚類中心與個案數(shù)目

本研究通過計算聚類組各行為變量的平均值來獲取直播帶貨用戶信息行為的用戶聚類畫像特征[45]，并通過各聚類組行為變量的平均值來分析直播帶貨平臺各類用戶的信息行為特點，各聚類組信息行為變量的平均值如表5所示。

表5的數(shù)據(jù)結(jié)果表明，第一類用戶在信息交互方面比較活躍，尤其是用戶與主播的信息互動，如直播平臺中的評論、點贊和反饋等，但此類用戶的購買活躍度相對較低，將此類用戶歸納為“交互型用戶”。第二類用戶在信息交互和商品購買方面活躍度都很高，是4類用戶中活躍度最高的，他們不僅樂于在直播帶貨平臺中與主播、平臺和用戶之間進行信息交互，也更容易在直播間購買商品，因此將這類用戶定義為“狂熱型用戶”。第三類用戶在信息交互方面的表現(xiàn)低于“交互型用戶”[47]，但購買活躍度很高，尤其是購買金額，甚至超過了狂熱型用戶的購買金額。由此這類用戶可被稱作“消費型用戶”。第四類用戶的信息交互和購買活躍度都很低，是4類用戶中最低的。他們沒有明確的信息交互需求，也沒有突出的購買需求。所以，“沉默型用戶”將成為其相對標簽。在本次研究的樣本中4類用戶的人數(shù)占比分別為18.7%、9.2%、17.2%和54.9%。購買活躍度最高的“狂熱型用戶”和“消費型用戶”僅占到樣本的26.4%；而“交互型用戶”和“沉默型用戶”占到了樣本的73.6%。計算個案交互活躍因子平均值和購買活躍因子平均值，分別作為散點圖y軸和x軸最終聚類結(jié)果，可視化呈現(xiàn)如圖2所示。

表5 各聚類組行為變量平均值

圖2 直播帶貨平臺用戶信息行為的聚類分組散點圖

4.2 交互型用戶信息行為畫像

本文通過圖3來展示“交互型用戶”信息行為畫像標簽。這類用戶多為女性，本科學(xué)生，年齡在18～25歲，每月的可支配收入在1 000～2 000元，最常使用的直播帶貨平臺為淘寶，其次是拼多多、微博和小紅書，最常使用的支付方式是支付寶，其次是微信支付。

圖3 交互型用戶信息行為畫像標簽云

“交互型用戶”的交互行為活躍度相對較高，會主動參與到直播帶貨的信息互動中，評論條數(shù)一般1～3條的較多，長度大多在5～10個字。發(fā)表評論時情感傾向為中立和比較積極的居多，點贊頻率在1～3次的占大多數(shù)。與主播互動時多數(shù)會選擇打賞，且打賞1～2次的較多但金額較少，通常選擇免費禮物。與平臺的互動也較為活躍，分享、反饋和觀看次數(shù)大多在1～2次左右。用戶觀看直播帶貨的時間段常在晚上6點以后。

行為畫像的結(jié)果表明，此類用戶的購買活躍度不突出。在觀看直播帶貨時最終購物的頻率不超過兩次且金額多在100元以內(nèi)。主動搜索直播帶貨和點擊商品查看詳情的頻率也較低。此類用戶與直播帶貨平臺聯(lián)系比較密切，但有自己獨立的購買想法，相對比較理性。

4.3 消費型用戶信息行為畫像

“消費型用戶”的用戶信息行為畫像標簽云如圖4所示。此類用戶大多數(shù)為女性，年齡在18～25歲之間，多為本科學(xué)生，小部分為碩士研究生。其每月可支配預(yù)算在1 000～2 000元之間，少部分在2 000～3 000元。此類用戶最常使用的直播帶貨平臺為購物平臺淘寶，短視頻平臺抖音、快手和西瓜視頻，以及社交平臺微博、小紅書等。常用的支付方式為支付寶，其次是微信和銀行卡存款。

圖4 消費型用戶畫像標簽云

“消費型用戶”的信息交互活躍度比較高。在觀看直播時通常會選擇發(fā)表評論，頻率在1～3條的最多。大多此類用戶的情感傾向為中立，在評論中的字數(shù)呈現(xiàn)中間水平。點贊頻率在1～3次居多。此類用戶與主播的互動較少，大部分人不會選擇在觀看直播時選擇打賞，分享和反饋頻率不高。1周內(nèi)觀看次數(shù)1～2次和3～4次的占到總數(shù)的一半以上，觀看時間段通常在晚上6點以后。

“消費型用戶”的購買活躍度不突出。他們通常會主動搜索直播帶貨，搜索頻率1周內(nèi)1～2次占比最多。此類用戶往往會點擊商品鏈接查看詳情觀看一次直播，點擊頻率在3～6次。購買頻率較低但購買金額很高，分布在101～200元以及201～500元之間，觀看時長多超過20分鐘。此類用戶的購買意愿和購買能力較強，同時目的性較強，他們通過直播帶貨平臺的信息交互來判斷自身是否需要購買商品。

4.4 狂熱型用戶信息行為畫像

“狂熱型用戶”的信息行為畫像標簽云如圖5所示。此類用戶的男性多于女性，本科學(xué)歷學(xué)生居多，小部分為公司職員，年齡主要在18～25歲。每月的可支配收入分布在2 000～3 000元和3 000～4 000元，較少部分群體達到5 000元以上。最常使用的直播帶貨平臺為淘寶、拼多多和京東等。使用較多的支付方式為支付寶、花唄及微信。

圖5 狂熱型用戶畫像標簽云

“狂熱型用戶”的信息交互活躍度很高。此類用戶在直播帶貨平臺會積極發(fā)表評論，頻率在4條以上的占到該類樣本個體總數(shù)的大部分，評論字數(shù)為10～50字，相對于其他群體評論字數(shù)較多。在評論情感中，中立的情感會占據(jù)大多數(shù)評論，但是部分存在著積極和消極的情感傾向。這類用戶的點贊頻率很高，通常在4～6次左右，還有部分可達到10次以上。絕大部分會選擇打賞且會花費一定金額購買禮物。打賞頻率可達到4～6次，金額在20～50元居多。在觀看直播帶貨時，“狂熱型用戶”會積極對直播間進行分享和反饋普遍在3～4次。這一群體1周內(nèi)觀看直播帶貨的次數(shù)在5～6次左右，觀看時間段普遍在上午9點到下午2點，一般為學(xué)生和公司職員的午休時間段。

“狂熱型用戶”的購買活躍度非常高，每次觀看直播購買頻率大多在3～6件，購買金額主要分布在51～100元和201～500元。此類用戶1周內(nèi)的搜索頻率普遍在3～4次，商品鏈接的點擊頻率通常在5～6次左右。此類用戶觀看直播帶貨的時間也很長，半數(shù)以上會觀看到20分鐘。

4.5 沉默型用戶信息行為畫像

“沉默型用戶”的用戶信息行為畫像標簽云如圖6所示。此類用戶大多為女性，本科學(xué)生，小部分為公司職員。年齡在18～25歲居多，少數(shù)在26～35歲，月可支配收入在1 000～2 000元。最常使用的直播帶貨平臺為淘寶，其次是微博以及抖音、快手等短視頻平臺。在支付方式上，此類用戶更傾向于使用支付寶付款和微信支付兩種支付方式。

圖6 沉默型用戶畫像標簽云

“沉默型用戶”的信息交互活躍度很低，觀看直播時一般不會發(fā)表評論，少部分發(fā)表評論的用戶字數(shù)也都在10字以內(nèi)，態(tài)度保持中立。這一類型的用戶群體很少與主播進行互動，僅有一半的人會選擇點贊，次數(shù)不超過3次。幾乎不向主播打賞，也不向其他人分享直播間或?qū)π畔⑦M行反饋。每周觀看次數(shù)僅在1～2次，與主播、平臺或其他用戶之間的信息交互很少，觀看時間段多在晚上6點以后。

此類用戶的購買活躍度很低，在觀看直播帶貨時最終選擇購買商品的僅有六成，且件數(shù)不超過兩件。但購買金額分布不均，在50元以下、51～100元的較多，101～200元的次之。“沉默型用戶”很少主動搜索直播帶貨進行觀看。主動點擊商品鏈接的頻率也很低，僅在1～2次左右，觀看時間也普遍不超過10分鐘。并且，此類用戶對直播帶貨平臺的依賴相對較低。

5 討論分析

5.1 直播帶貨平臺用戶信息使用行為特征

直播帶貨平臺用戶的使用行為特征平均值如表6所示。4類用戶中使用行為平均特征值最高的是“消費型用戶”，信息使用行為特征下的三級指標中觀看頻率、觀看時長、點擊頻率和搜索頻率都是最高的，觀看時長尤為突出。這主要由于該類用戶年齡集中于18～25歲，多為學(xué)生群體，相對空余時間較為充足，而每月可支配生活費相對有限，在選購過程中傾向于多加觀察、貨比三家，在觀看過程中不斷對商品進行評定和篩選，以獲得最大性價比。從性別角度看，“消費型用戶”多為女性，相比男性對購物更有興趣[48]，因此在購物直播間花費的時長與觀看頻率均高于“狂熱型用戶”。“狂熱型用戶”的使用行為平均特征值次之，點擊頻率與消費型用戶的差距相對較少，此類用戶也熱衷于在直播間點擊商品鏈接以了解詳情。其次，是“交互型用戶”和“沉默型用戶”。“沉默型用戶”在使用行為上仍然呈現(xiàn)出不活躍的狀態(tài)，觀看直播帶貨的時間和頻率以及點擊商品了解詳情、主動搜索直播帶貨的頻率都很低。此類用戶尚未對直播帶貨平臺形成依賴，在直播帶貨平臺的信息使用上偏向于被動。本文結(jié)合直播帶貨平臺的特點，發(fā)現(xiàn)4類用戶在觀看時長和觀看頻率上表現(xiàn)的差異最明顯，而點擊頻率和搜索頻率上的差異相對較小。

表6 4類用戶使用行為特征平均值

調(diào)查結(jié)果中有部分直播用戶反映觀看直播浪費時間，希望提高直播商品的效率，有明確的商品列表，用戶按需所取。因此，直播帶貨平臺在展示商品時應(yīng)提供相應(yīng)的商品展示時間列表信息，便于用戶在使用直播帶貨平臺時合理安排時間，提高購物效率和購物的針對性。商家可以根據(jù)用戶需求提供更完善的產(chǎn)品服務(wù)。對于平臺的管理者及服務(wù)者，應(yīng)完善直播帶貨平臺的導(dǎo)航功能，提升用戶觀看直播帶貨的頻率和時長。設(shè)置用戶訂閱主播或商品直播的信息推送提醒功能，提高用戶的信息檢索效率，增加用戶的粘性[49]。政府和網(wǎng)絡(luò)直播行業(yè)的監(jiān)管，應(yīng)進一步細化行業(yè)的制度體系，對于直播時長、單日直播場次、場次時間間隔等給出相應(yīng)的指導(dǎo)意見，進一步規(guī)范和引導(dǎo)直播帶貨中的用戶信息使用行為和使用效率。

5.2 直播帶貨平臺用戶信息交互行為特征

將4類用戶的信息交互行為特征平均值整理后結(jié)果如表7所示。“交互型用戶”“消費型用戶”和“狂熱型用戶”在交互活躍因子下的三級指標評論長度和點贊頻率的差異很小，但“消費型用戶”更偏向于在直播間給主播打賞，打賞的頻率和打賞的金額都高于“交互型用戶”和“狂熱型用戶”。其原因是“消費型用戶”對于直播的使用時長大于其他類型用戶，更容易與主播建立情感連接。“消費型用戶”對商品信息進行反饋的頻率也高于“交互型用戶”和“狂熱型用戶”，主要因為此類用戶更追求于產(chǎn)品性價比，對于產(chǎn)品的使用感受花費更多心思，可以更多地進行商品信息反饋。“狂熱型用戶”熱衷于在直播間與主播、用戶之間進行信息交互，如評論、點贊、打賞、分享和反饋的特征均值都很高。原因主要與其觀看時間段相關(guān)。“狂熱型用戶”偏向于在情緒狀態(tài)比較放松的午休時段觀看直播帶貨，更樂于與主播、其他用戶以及平臺進行信息交互。相反，“沉默型用戶”則是4類用戶中最不愿意進行信息交互的用戶，信息交互的活躍度在4類用戶中交互行為的特征平均值都相對最低。主要因為該類用戶在直播間沒有尋求到歸屬感，對商品或主播不夠感興趣，沒有找到能激發(fā)其進行互動的機制，沒有足夠的業(yè)余時間觀看直播或者更傾向于傳統(tǒng)的購物方式。

表7 4類用戶交互行為特征平均值

調(diào)查中了解到，直播用戶希望提高主播素質(zhì)和專業(yè)技能，使介紹的商品信息更加清楚明了。同時，還提出直播間應(yīng)減少水軍，希望主播能客觀評價商品和給出建議。針對直播帶貨群體用戶的信息交互行為的研究結(jié)果，用戶應(yīng)在直播帶貨平臺觀看直播時認真辨別他人信息交互行為的真?zhèn)涡裕粦?yīng)盲目從眾。針對直播帶貨的平臺，管理者和服務(wù)者應(yīng)加強直播間用戶信息交互行為的管控，打造良好的互動氛圍。針對“沉默型用戶”，平臺及直播商可以建立分享直播鏈接的獎勵機制，使直播帶貨平臺的用戶保持分享活躍的狀態(tài)，提高用戶的觀看及售后體驗。政府和直播平臺的行業(yè)監(jiān)管部門，針對直播間內(nèi)惡意的信息交互行為應(yīng)出臺相應(yīng)的引導(dǎo)政策和管理制度，并對惡意引導(dǎo)消費的行為予以處罰。

5.3 直播帶貨平臺用戶購買行為特征

直播帶貨中4類用戶的購買行為特征均值如表8所示。研究中三級指標中的購買參照、購買渠道和購買方式屬于定性指標，因而采用購買頻率和購買金額去衡量直播帶貨平臺中用戶購買行為特征。數(shù)據(jù)研究結(jié)果發(fā)現(xiàn)，“交互型用戶”和“沉默型用戶”的購買金額相差不多。“消費型用戶”的購買頻率最高，購買金額略低于“狂熱型用戶”，其原因與兩類用戶的可支配收入有相對較高的關(guān)系。其中“消費型用戶”雖購買金額低于“狂熱型用戶”，但購買頻率相對更高，原因為前者在支配金額有限的情況下對優(yōu)惠活動如“秒殺”和“9.9包郵”等促銷活動更為感興趣，雖然單品消費金額不高，但是消費頻率更加密集。后者相比對產(chǎn)品數(shù)量、價格不敏感，更注重商品品質(zhì)，傾向于購買商品時一步到位，而不會為了促銷活動而降低選購標準。本研究從用戶行為角度用每周平均購買頻率和每場直播平均購買金額，來衡量用戶的購買行為，以更加直觀清晰地呈現(xiàn)出直播帶貨平臺的用戶購買行為特征。

表8 4類用戶購買行為特征平均值

研究中發(fā)現(xiàn)，絕大部分購買直播帶貨商品的用戶都提到了商品的質(zhì)量和真?zhèn)螁栴}，部分購買用戶提到了商品的售后保障問題。因此，針對直播平臺中的用戶，應(yīng)理性選擇消費，拒絕從眾消費和沖動消費，并注重通過相應(yīng)的法律制度積極維護自身的合法權(quán)益。對于直播平臺的管理者，嚴格把控商品的質(zhì)量問題，提高直播團隊的帶貨門檻，杜絕虛假宣傳，并進一步完善和健全直播平臺中的商品售后保障制度，提升用戶對直播平臺的信任感。政府和行業(yè)直播平臺的監(jiān)管部門，應(yīng)嚴格管理直播帶貨平臺的商品偽劣問題，明確直播主體的法律責(zé)任，堅決禁止販賣假冒偽劣產(chǎn)品行為。

6 研究結(jié)論

本研究在理論層面，結(jié)合直播帶貨平臺及直播用戶信息行為特征，構(gòu)建直播帶貨平臺用戶信息行為畫像指標體系，從信息使用行為特征、信息交互行為特征和用戶購買行為特征3個維度，構(gòu)建了10個二級和18個三級指標，結(jié)合因子分析和K-Means算法構(gòu)建了直播帶貨中用戶信息行為畫像分析過程模型。通過調(diào)查問卷獲取數(shù)據(jù)，提取行為變量因子得到交互型用戶、消費型用戶、狂熱型用戶和沉默型用戶，并分析了其信息行為畫像特征。本文的研究為直播帶貨中的用戶信息行為畫像研究提供了評價指標和過程模型，為直播帶貨信息行為研究提供了新的理論視角和研究方法支撐。

在實踐層面，本研究選取當(dāng)下熱門的直播帶貨平臺用戶為研究對象，同時針對4類用戶的使用行為、交互行為以及購買行為的特點與畫像特征，分別從用戶、平臺、政府和行業(yè)監(jiān)管部門角度給出了建議和指導(dǎo)，包括用戶提高信息辨別能力，拒絕從眾消費和沖動消費；平臺建立分享獎勵機制，完善反饋機制，嚴格把控直播間商品質(zhì)量問題；政府發(fā)布相應(yīng)規(guī)范政策，對平臺及用戶的監(jiān)管提出相應(yīng)的法律法規(guī)。本文研究了直播帶貨平臺用戶信息行為特征，對更好地指導(dǎo)直播帶貨平臺這種新型營銷方式的建設(shè)及發(fā)展具有一定的指導(dǎo)意義。

但本文的研究仍存在一定的局限性，研究的調(diào)查對象主要來自東北和西南地區(qū)，年齡多為18～25歲的年輕人。未來研究中，本文將進一步擴大樣本人群及地區(qū)，以進一步驗證用戶畫像群體的特征及過程模型的普適性。