基于Logistic回歸法的網絡視頻用戶付費意愿研究

余秋菊，晉守博

(宿州學院 數學與統計學院，安徽 宿州 234000)

近年來，網絡視頻行業得到了快速發展，CNNIC在《中國互聯網絡發展狀況統計報告》中顯示：截至2019年6月，我國網絡視頻用戶規模達7.59億，較去年年底增長3391萬，占網民整體的88.8%.由此表明，觀看網絡視頻已成為人們休閑娛樂的主要方式之一.但長期以來，網絡視頻存在質量低、寬帶成本高以及內容創新不夠等問題，逐漸衍生并發展了網絡視頻付費業務，用戶使用付費業務可獲得較多稀缺資源，如網劇、微電影和各種綜藝節目等.由此網絡付費視頻業務也成為各大網絡經營商獲取盈利的主要手段之一，越來越多的學者也開始關注并研究付費視頻業務：如張旋在文[1]中指出視頻網站運營成本過高及盜版的橫行是引起付費視頻模式出現的主要原因；夏芳在文[2]的對比研究中指出付費視頻的盈利模式為廣告盈利、內容來源和版權保護三方面.高旭陽和林起勁分別在文[3]和[4]中研究了視頻付費市場，探尋網絡付費視頻的發展方向.馬佳瑩和孫明輝分別在文[5]和[6]中研究了影響網絡視頻用戶付費意愿的相關因素，均表明視頻類型、感知度等因素會顯著影響用戶付費意愿.另外，文[7]分析了青少年使用網絡視頻的頻率和偏好，文[8]比較了中美視頻付費網站的差異.目前，關于小型城市居民使用付費視頻的研究較少，本文將以宿州市居民為研究對象，對宿州市居民付費意愿的影響因素進行分析.

1 研究方法

針對宿州市居民付費意愿問題，采用簡單隨機抽樣、多階段不等概率抽樣方法共發放1010份問卷，實際回收900份問卷，其中有效問卷為866份.此次問卷設計包含三方面內容：一是受訪者的基本信息，即性別、年齡、職業等；二是受訪者的基本行為，即是否產生付費行為、付費網站的選擇、付費方式的選擇以及付費視頻的支出等；三是受訪者的使用感知，即對付費視頻的滿意度、成本感知、娛樂感知等.

因子分析和Logistic回歸分析法是本文采用的主要方法，因子分析的基本思想是采用一種降維的方式將多個具有相關關系的原始變量總結為少數幾個具有綜合代表性的公共因子，其因子分析模型為：

Logistic回歸分析常用來研究某一現象發生的概率大小及其影響因素，本文采用的是未分組數據的Logistic回歸模型.設y為0-1型因變量，xi(i=1,2,…p)是與y相關的變量，n組樣品數據為xi1,xi2,…,xip,yi，其中yi是0-1型隨機變量.y與x的關系式為：

E(yi)=πi=f(β0+β1xi1+…+βpxip)，

根據yi的概率密度函數可得對數似然函數，對于Logistic回歸，將

帶入對數似然函數可得：

利用極大似然估計求取Logistic回歸系數的估計值，使上式取值達到最大.

2 結果分析

2.1 樣本分布

針對問卷中出現的多選題，采用多選項二分法進行編碼；對出現的缺失值，采用均值替代法；對出現的極端值，采用直接剔除的方式.并且對問卷中的使用感知題的選項按照5個等級進行賦值量化.最后利用預處理后的數據進行質量評估，其結果如下表所示：

表1 可靠性度量

由表1可知，信度分析中Cronbach’s Alpha為0.865，且基于標準化的Cronbach’s Alpha為0.854，表明問卷的可靠性較好.

根據統計數據可得樣本分布情況，如表2所示：

表2 樣本情況表

由表2可見，受訪者中男性和女性比例相差較小，分別為46.1%、53.9%，而且在不同性別、不同層次的月收入水平和學歷下均會產生付費行為，由此表明網絡付費視頻行業的逐漸發展.

2.2 不同人群產生付費行為的特征

不同人群觀的付費方式、會員開通時長、付費支出等均有所差異，利用對應分析進行研究，年齡在18-26歲的用戶產生付費行為的特征是月付費視頻支出為50元以下、每日觀看付費視頻時間為1 h以內以及付費方式為包月/年會員制.年齡在45歲及以上的用戶產生付費行為的特征是月付費視頻支出為50-100元，并且采用單片付費、即看即付的方式.18歲以下或27-35歲的用戶即采用單片付費、即看即付的方式，也采用包月/年會員制方式.由此表明，不同人群產生的視頻付費行為有所區別，年齡與付費方式、觀看付費視頻時間及月付費視頻支出均有一定聯系.

2.3 不同人群對付費視頻的滿意度分析

對問卷中滿意度的選項按照等級進行賦值量化，其中將非常不滿意、不滿意、一般、滿意、非常滿意5個選項分別賦值1、2、3、4、5，對數據進行因子分析.

表3 KMO和Bartlett的檢驗

由表3可知，KMO的取值為0.879>0.8，Bartlett的球形度檢驗概率P值為0.000，表明適合作因子分析.

表4 解釋的總方差

由表4可知，提取的兩個因子分別解釋原有變量41.874%、29.96%的信息，共解釋原有變量71.833%的信息，說明這兩個因子對原有變量的代表性較好.

表5 旋轉成份矩陣

由表5可知，第一個因子主要解釋付費視頻的畫面清晰度、跳過廣告、優先觀看及資源量4個變量，可命名為客觀影響因素，第二個因子主要解釋付費的標準、觀影體驗和會員福利三個變量，可命名為主觀影響因素.

2.4 付費視頻意愿的影響因素分析

根據因子分析中的成份得分系數矩陣可得因子得分，利用因子得分(FAC1、FAC2)、產生過付費行為受訪者的性別(x1)、年齡(x2)、學歷(x3)、月收入水平(x4)以及是否選擇繼續付費(y)等變量進行Logistic回歸分析，其中y為被解釋變量，FAC1、FAC2、x1、x2、x3、x4為解釋變量.

表6 Logistic回歸分析表

由回歸分析表6可得Logistic回歸方程：

其中第一個因子的因子得分概率P值為0.017<0.05，所以該因子得分對被解釋變量有顯著影響，即客觀影響因素(付費視頻的畫面清晰度、跳過廣告、優先觀看、資源量)會對繼續付費意愿產生顯著影響.性別的概率P值為0.017<0.05，即性別對被解釋變量也有顯著影響.而第二個因子得分、學歷、年齡和月可支配收入均對被解釋變量無顯著影響.

3 結論與建議

文中采用問卷方式對網絡視頻付費意愿進行分析，并通過對不同人群產生付費行為特征分析、付費視頻觀看滿意度分析、付費視頻意愿的影響因素分析，得出的結論有：一是年齡與付費方式、觀看付費視頻時間及月付費視頻支出均有相關關系.二是影響付費視頻滿意度的因素主要有客觀影響因素和主觀影響因素，且客觀影響因素的影響權重高于主觀影響因素權重.三是客觀影響因素(付費視頻的畫面清晰度、跳過廣告、優先觀看、資源量)和性別會對繼續付費意愿產生顯著影響.

根據問卷結果，可提出的建議有：一是加強網絡付費視頻的推廣，提升網絡付費視頻的普遍性.付費視頻網站運營商要充分利用社交媒體的人際傳播作用，對各自的付費內容進行推廣.目前最有效的社交媒體是微博、微信，也可以通過流量明星的宜傳，在短時間內將最新資訊推薦給海量粉絲，起到非常好的傳播效果.二是強化付費視頻的觀看效果，提升用戶忠誠度和滿意度.付費視頻網站運營商應提升視頻制作技術，努力提升視頻畫面清晰度，尤其是各網站的自制視頻.其次是最大程度提高用戶的權益，主要運用跳過廣告、優先觀看稀缺資源以及獨家代理正版版權等手段提升用戶滿意度和忠誠度.三是提供更多的增值服務.付費視頻網站運營商需根據自身的特點制定具有個性化的增值服務，如為VIP付費會員提供網劇探班、參與綜藝節目錄制、參加明星見面會等.當然為了付費視頻能夠更加有內容、有質量，各網站運營商必須要加大監管審核力度，建立切實可行的獎懲機制.