知識付費產(chǎn)品特征對購買量的影響

劉果 徐夢蕊

摘 要：知識付費為互聯(lián)網(wǎng)共享經(jīng)濟的已有內(nèi)涵注入了新的因素，正在迎來挑戰(zhàn)與機遇并存的關(guān)鍵性發(fā)展階段。基于產(chǎn)品特征的內(nèi)容分析表明，粉絲吸聚仍是知識產(chǎn)品變現(xiàn)的首要邏輯。對長尾內(nèi)容的深度挖掘和精準(zhǔn)匹配使相對冷門的知識門類浮出水面，由此有可能改變內(nèi)容格局導(dǎo)向。此外，知識付費產(chǎn)品內(nèi)容的垂直化細(xì)分仍有必要。對知識付費用戶而言，對知識的總體性認(rèn)知比局部的、細(xì)節(jié)的知識學(xué)習(xí)更為重要。

關(guān)鍵詞： 知識付費;購買量;授課教師;課程設(shè)計;文本呈現(xiàn)

中圖分類號：F490.5 ? ?文獻(xiàn)標(biāo)識碼： A ? ?文章編號：1003-7217（2020）05-0132-06

知識付費借助知識向服務(wù)的轉(zhuǎn)換，實現(xiàn)經(jīng)濟資本、文化資本、社會資本的相互轉(zhuǎn)換和三位一體。作為新媒體環(huán)境下主導(dǎo)性知識消費形態(tài)，它以對個人智慧的進(jìn)一步激活與賦權(quán)，深度契合互聯(lián)網(wǎng)去中心化的本質(zhì)精神;以開放型、參與式社交平臺的打造，構(gòu)建互聯(lián)網(wǎng)語境下新的知識傳播體系;以多元化、垂直化的知識生產(chǎn)糾偏互聯(lián)網(wǎng)泛娛樂化、碎片化文化傾向。從內(nèi)容經(jīng)濟學(xué)視角探究其內(nèi)容生產(chǎn)、產(chǎn)品架構(gòu)以及營銷創(chuàng)新等特征，不僅對于互聯(lián)網(wǎng)經(jīng)濟發(fā)展有著較強的實踐指導(dǎo)意義，也是從理論上進(jìn)一步認(rèn)識數(shù)字內(nèi)容產(chǎn)業(yè)發(fā)展規(guī)律的重要一環(huán)。

一、文獻(xiàn)回顧與研究假設(shè)

（一）研究背景與文獻(xiàn)回顧

作為互聯(lián)網(wǎng)領(lǐng)域的新興業(yè)態(tài)，知識付費不僅改變了傳統(tǒng)內(nèi)容生產(chǎn)與傳播的格局，也為互聯(lián)網(wǎng)共享經(jīng)濟的已有內(nèi)涵注入了新的因素：首先，它顛覆了傳統(tǒng)內(nèi)容生產(chǎn)企業(yè)通過內(nèi)容的“二次銷售”獲得廣告收益的商業(yè)模式。盡管目前大部分知識付費平臺中仍有廣告收益，但其平臺設(shè)計和盈利邏輯并不是“二次銷售”的在線平移。其次，與注意力經(jīng)濟相比，它補充了社交網(wǎng)絡(luò)關(guān)系維系、文化認(rèn)同與知識交互等新的要素，且將認(rèn)知盈余作為內(nèi)容生產(chǎn)的核心推動力;與粉絲經(jīng)濟、社群經(jīng)濟相比，它又更強調(diào)細(xì)分化、個性化、垂直化的內(nèi)容設(shè)計，將內(nèi)容（知識）而不是社群作為影響付費的關(guān)鍵要素加以考量，因此，長尾經(jīng)濟、情感消費等理念得以凸顯。此外，與一般數(shù)字內(nèi)容產(chǎn)品的消費相比，絕大多數(shù)的知識付費都是體驗產(chǎn)品，因此與體驗經(jīng)濟有著更為深刻的關(guān)聯(lián)。

據(jù)艾媒數(shù)據(jù)中心報告，自2016年以來，知識付費的行業(yè)規(guī)模持續(xù)擴增，2019年中國知識付費行業(yè)用戶規(guī)模達(dá)3.6億人，知識付費市場規(guī)模達(dá)到278.0億元，預(yù)計2020年將突破392億元。然而，雖然近年來知識付費市場規(guī)模持續(xù)增長，但根據(jù)艾媒數(shù)據(jù)，自2019年來其用戶規(guī)模增長率持續(xù)下降。且近兩年來用戶規(guī)模的增長，很大比例是來自“下沉市場”，從完課率、復(fù)購率、留存等參數(shù)看，整個市場的用戶忠誠度指標(biāo)不容樂觀[1]。此外，與直接競爭對手在線教育的發(fā)展規(guī)模和發(fā)展?jié)摿ο啾龋R付費的競爭優(yōu)勢稍顯不足。但與此同時，在經(jīng)過近五年的積累與發(fā)展之后，知識付費又有可能迎來新的發(fā)展機遇。一方面，隨著城市化建設(shè)和城鎮(zhèn)化率的不斷提升，二三線城市的知識付費用戶吸聚正在成為極具發(fā)展?jié)摿Φ氖袌隹沾?另一方面，隨著5G技術(shù)的普及和人工智能技術(shù)的發(fā)展，知識直播、知識視頻作為新的技術(shù)賦權(quán)也有望為知識付費補充新的技術(shù)取逕：站在時代的風(fēng)口浪尖，知識付費正在迎來挑戰(zhàn)與機遇并存的關(guān)鍵性發(fā)展階段。

盡管知識付費行業(yè)進(jìn)入門檻不高，但頭部效應(yīng)明顯。長尾參與者雖數(shù)量眾多，但營收分布較為分散，而以得到、喜馬拉雅、知乎為代表的頭部知識付費平臺占據(jù)了35%的市場營收規(guī)模，體現(xiàn)出明顯的馬太效應(yīng)。其中，成立于2016年的“得到”作為知識付費的始作俑者，目前仍保持月活躍用戶315.3萬的良好態(tài)勢，在“2019年知識付費TOP50”排名中獨占鰲頭。因此，通過對得到的實證研究，有可能反映出知識付費行業(yè)發(fā)展的共性規(guī)律。

就知識付費的宏觀性研究而言， 研究興趣點主要集中在發(fā)展現(xiàn)狀和趨勢研判[2-4]。這些文獻(xiàn)大多從傳播學(xué)角度展開討論，將知識付費視為經(jīng)濟現(xiàn)象的研究并非主流。就定量分析而言，則多聚焦于探討用戶特征和消費意愿對知識付費產(chǎn)品購買量的影響因素分析[5，6]，其主要理論基礎(chǔ)均為TPB理論，該理論主要從個體態(tài)度、主觀規(guī)范、行為控制認(rèn)知三個維度觀察消費者的個體行為對產(chǎn)品購買量的影響，運用該理論進(jìn)行相關(guān)領(lǐng)域研究的論文涉及APP store產(chǎn)品購買、大學(xué)生移動付費閱讀等領(lǐng)域[7]。作為本文研究的重要理論依據(jù)，有文獻(xiàn)指出，知識付費內(nèi)容設(shè)計本身與產(chǎn)品購買量之間存在相關(guān)關(guān)系，認(rèn)為通過總結(jié)用戶搜索痕跡，可以實現(xiàn)知識付費內(nèi)容“一邊預(yù)測、一邊生產(chǎn)”的模式[8]。然而，對于二者之間到底存在什么樣的相關(guān)關(guān)系、哪些內(nèi)容要素對產(chǎn)品購買量產(chǎn)生影響，卻鮮有文獻(xiàn)論及，而這正是本文試圖解決的核心問題。

具體到“得到”產(chǎn)品內(nèi)容的研究，仍以質(zhì)性研究為主。宏觀研究則主要沿產(chǎn)品主題分析和內(nèi)容特征分析展開，也有文獻(xiàn)進(jìn)一步論述了“得到”將專業(yè)知識轉(zhuǎn)換為技巧性知識的主要路徑，其他為本文觀測變量設(shè)計提供依據(jù)的文獻(xiàn)來源詳見表1。

基于以上分析，以“得到”APP的實證研究為依據(jù)，以內(nèi)容分析法為主要研究方法，討論其內(nèi)容特征與購買量之間的關(guān)系，以期為知識付費產(chǎn)品設(shè)計提供規(guī)律性認(rèn)識。為討論的方便，將觀測變量分為三大類別：首先是與授課者相關(guān)的要素，包括授課者的性別和知名度;其次是與課程設(shè)計相關(guān)的要素，包括內(nèi)容時長、標(biāo)題、課程主題、語速等;最后是基于課程文本呈現(xiàn)的相關(guān)要素，包括文本插圖、標(biāo)紅文段等。

（二）假設(shè)與問題

基于以上分類，共設(shè)計12個控制變量，根據(jù)研究內(nèi)容的不同層次，設(shè)計兩個研究版塊，就第一研究版塊提出假設(shè)如下：

H1 基于授課教師的“得到”內(nèi)容產(chǎn)品因素對購買量有顯著影響。

H2 基于課程設(shè)置的“得到”內(nèi)容產(chǎn)品因素對購買量有顯著影響。

H3 基于課程文本呈現(xiàn)的“得到”內(nèi)容產(chǎn)品因素對購買量有顯著影響。

進(jìn)一步分析觀測變量發(fā)現(xiàn)，課程主題、言說技巧、文本插圖、標(biāo)紅文段四個類目下情況較為復(fù)雜，有必要進(jìn)行進(jìn)一步的觀察和總結(jié)：就課程主題而言，其課程絕大多數(shù)可納入商業(yè)、科技、人文、職場、心理五個類別之中;其內(nèi)容產(chǎn)品的常見言說技巧則包括通過講故事導(dǎo)入主題、通過引入個人經(jīng)歷深化主題并引起用戶情感共振、通過提出具有較強操作性的策略和建議實用化主題、通過案例分析闡釋主題四類;其課程文本呈現(xiàn)常配有插圖，插圖方式主要有插入授課教師照片、繪制總結(jié)知識體系的圖譜與卡片以及根據(jù)授課內(nèi)容配以相關(guān)插圖以加深對抽象文字的理解三種思路;此外，對于課程文本，“得到”的另一亮點是標(biāo)紅設(shè)計，其標(biāo)紅段落集中在課程內(nèi)容總結(jié)性語段、概念闡釋語段、課程核心觀點描述語段三種情況。以上子類別分類多元、類別明晰，且屬于知識付費產(chǎn)品內(nèi)容設(shè)計的核心要素，因此，根據(jù)以上子類目，設(shè)計第二個研究方向，并提出如下假設(shè)：

H4 ?“得到”內(nèi)容產(chǎn)品的五個常見主題對購買量有顯著影響。

H5 “得到”內(nèi)容產(chǎn)品的四種基本類別對購買量有顯著影響。

H6 ?“得到”內(nèi)容產(chǎn)品的三種常見文本插圖方式對購買量有顯著影響。

H7 ?“得到”內(nèi)容產(chǎn)品的三種常見文本標(biāo)紅方式對購買量有顯著影響。

二、樣本選擇與研究設(shè)計

（一）樣本選擇

截至2019年5月29日，“得到”APP中所更新的課程一共有130個，其中356元和229元的課程以及69元的課程在平臺內(nèi)所占比重較小，不具有研究的科學(xué)性和“大樣本”屬性，因此不列入討論范圍。在剩余課程中，199元的訂閱專欄（占比30%）、99元的大師課（占比21.5%）和19.9元的精品課程（占比37.5%）為其主體課程。選取這三類課程作為樣本來源，采取分層抽樣（Stratified Sampling）方法，即按照不同的層次對樣本總量進(jìn)行抽樣。在抽樣時遵循兩個原則：第一，同一層內(nèi)部差異盡量縮小，而各層間的差異力求增大;第二，樣本間界限分明，避免混淆。按訂閱專欄隨機抽取39門（占比32.5%）、大師課隨機抽取28門（占比23.3%）、精品課隨機抽取53門（占比44.2%）樣本，得到120類（2261節(jié)）課程。在此基礎(chǔ)上再隨機抽取217節(jié)課程（總計3200小時）作為最終的研究樣本。

（二）研究設(shè)計

主要控制變量設(shè)計及其描述性統(tǒng)計結(jié)果見表1。

根據(jù)表1所涉變量建立編碼方案，選取兩名碩士研究生加以培訓(xùn)后作為編碼員。預(yù)編碼樣本從總樣本中隨機抽取，采用霍斯提（Ole R. Holsti）公式進(jìn)行信度檢驗，最終信度R=0.86>0.7，符合標(biāo)準(zhǔn)。

三、數(shù)據(jù)分析與研究結(jié)果

（一）假設(shè)驗證

根據(jù)變量性質(zhì)的不同，主要采用相關(guān)性分析、單因素方差分析以及獨立樣本T檢驗等統(tǒng)計方法驗證假設(shè)，以上分析采用的工具均為SPSS19.0。結(jié)果表明，設(shè)計的大部分觀測變量均與購買量相關(guān)，具體統(tǒng)計結(jié)果摘要見表2。

（二）回歸模型

根據(jù)以上檢驗結(jié)果，提取對購買量有顯著影響的變量作為預(yù)測變量，將所研究的變量進(jìn)行編碼賦值，并將其轉(zhuǎn)化為虛擬變量后進(jìn)行多元線性回歸分析。

調(diào)整后R2為0.778，說明預(yù)測變量能夠解釋購買量變異程度的77.8%，是在可接受范圍內(nèi)，擬合效果較好。DW檢驗值為0.854，接近1，可以認(rèn)為樣本之間獨立。VIF均小于5，說明變量之間不存在多重共線性。殘差分布較為分散。在此基礎(chǔ)上，以P<0.05為基準(zhǔn)，保留下來的變量有：教師知名度、語速、標(biāo)題句式、言說技巧、課程主題、教師性別，即這六個變量在統(tǒng)計學(xué)意義上存在顯著相關(guān)性，也是影響購買量的主要因素。其對購買量影響程度排序為：教師知名度>課程主題>語速>標(biāo)題句式>性別>言說技巧，如圖1所示。

考慮到隨著課程類別的不同，用戶在課程的付費動機等方面可能存在差異。為了考察數(shù)據(jù)結(jié)論的穩(wěn)健性，將樣本數(shù)據(jù)分為訂閱專欄、大師課和精品課程等三個子樣本分別進(jìn)行回歸分析，發(fā)現(xiàn)基于上述子樣本得到的回歸模型數(shù)據(jù)與前文數(shù)據(jù)并不存在本質(zhì)差別。這也表明理論模型具有較強的穩(wěn)定性。

（三）多重比較

在以上研究基礎(chǔ)上，根據(jù)類目設(shè)計，進(jìn)一步探究一些重要類目下的不同類別對購買量的影響，以期得到更為深入、針對性更強的規(guī)律性認(rèn)識。根據(jù)研究問題，選擇課程主題、言說技巧、文本插圖、標(biāo)紅段落四個類目展開研究，其中前兩個類目屬于課程設(shè)置范疇，后兩個類目屬于文本呈現(xiàn)范疇，因此基本均衡地覆蓋和代表了本文的研究重點。

通過對以上四個類目進(jìn)行韋爾奇平均值相等性穩(wěn)健檢驗發(fā)現(xiàn)，除言說技巧的韋爾奇檢驗結(jié)果P=0.052>0.05外，其他三個類目都表現(xiàn)出明顯的兩兩相關(guān)的顯著性。

四、研究結(jié)論與對策建議

（一）基于回歸模型的結(jié)論與建議

在選取的12個變量中，與購買量有相關(guān)關(guān)系的變量有10個，占比83%（其中基于授課者和課程文本呈現(xiàn)的變量與購買量有相關(guān)關(guān)系的占比均為100%，基于課程設(shè)計的變量與購買量有相關(guān)關(guān)系的占比為71%），這充分說明內(nèi)容的設(shè)計與知識付費產(chǎn)品的購買量之間確實存在多種關(guān)聯(lián)。加強內(nèi)容設(shè)計，根據(jù)用戶需求精研內(nèi)容設(shè)計的各個環(huán)節(jié)，仍然是知識付費發(fā)展的重中之重。

以此為基礎(chǔ)，進(jìn)一步探討了不同的內(nèi)容設(shè)計因素對購買量的影響。回歸模型顯示，對購買量影響最大的是教師知名度。這透露出互聯(lián)網(wǎng)時代消費經(jīng)濟的新的特征：粉絲經(jīng)濟仍然在持續(xù)發(fā)揮作用，粉絲吸聚仍是知識產(chǎn)品變現(xiàn)的首要邏輯。“一個清晰被廣為接受的人格，它應(yīng)該是可以整合成為商業(yè)鏈的入口”（羅振宇2016年在天貓全家商家大會的演講），較為典型的例證是憑借薛兆豐的個人影響力，2018年3月“得到”付費課程《薛兆豐的經(jīng)濟學(xué)課》創(chuàng)造了單日訂閱突破25萬（5000萬營收）的銷售神話。實際上，“得到”APP的快速發(fā)展與羅振宇的個人魅力及眾多來自《羅輯思維》的擁躉者的愛屋及烏式追捧有重要關(guān)系。但值得注意的是，知識網(wǎng)紅與娛樂明星的粉絲吸聚仍有不同，“這種亦師亦友、惺惺相惜的關(guān)系，優(yōu)勢建立在共同的旨趣、感受乃至價值觀內(nèi)在契合的基礎(chǔ)上，因此有著更深厚的精神基礎(chǔ)[9]”。因此，解構(gòu)學(xué)術(shù)權(quán)威正襟危坐的刻板印象，著力形塑平民化知識精英形象，并通過社交平臺分享建立其與用戶之間平等、深厚的情感關(guān)聯(lián)，仍是知識付費產(chǎn)品吸納用戶的制勝之道。

但另一方面，教師知名度對購買量的影響超過課程主題，也反映出在用戶購買付費產(chǎn)品的深層動機中，源于快節(jié)奏生活與職業(yè)技能壓力的群體性“知識焦慮”高于“知識興趣”。換言之，用戶對授課者知名度的崇拜，是因為這樣做用戶可以生產(chǎn)出屬于自己的社會體驗意義而產(chǎn)生快感。這種快感并不是來自對知識的真正的渴求，而作為虛假的、替代性的情感滿足企圖緩釋“知識焦慮”，但這一過程卻減損了知識的真正價值和學(xué)習(xí)的本質(zhì)意義。“大眾辨識力并未局限于選擇文本與文本的相關(guān)點，而是延展到選擇那傳遞文本的媒體，以及最適合消費者的社會文化位置與需求的消費模式”，約翰·費斯克對大眾文化的理解在知識付費產(chǎn)品的購買傾向中再次得到了驗證[10]。進(jìn)言之，就知識付費的產(chǎn)品設(shè)計與銷售而言，以授課教師知名度為導(dǎo)向的消費傾向?qū)?fù)購率的提升和用戶黏性的保持仍是隱憂。“有的人就那樣，他訂了知識產(chǎn)品，訂完了覺得沒用。沒用又花了錢，他是得吐槽”。這樣尷尬的困境與用戶沒有從內(nèi)容與知識興趣本身出發(fā)有關(guān)。對長尾內(nèi)容的深度挖掘和精準(zhǔn)匹配，使相對冷門的知識門類浮出水面，有可能糾偏這一導(dǎo)向。因此，通過用戶水平測試、用戶分級加強內(nèi)容服務(wù)與用戶興趣和知識程度的匹配，尤其是根據(jù)用戶場景展開內(nèi)容適配，仍然是知識付費產(chǎn)品需要重點關(guān)注的策略[11]。此外，通過人工智能和算法推薦，進(jìn)一步優(yōu)化內(nèi)容的選擇、推薦以及評價機制，進(jìn)一步深化基于內(nèi)容的知識服務(wù)，都將有助于對用戶的引導(dǎo)和吸聚。

在回歸方程中，較為敏感的因素還包括語速和標(biāo)題等直觀因素。相對于視頻產(chǎn)品而言，音頻產(chǎn)品的語速直接決定用戶對該產(chǎn)品的第一印象。因此，對標(biāo)題的打磨，以及適宜語速的把控在知識付費內(nèi)容產(chǎn)品的設(shè)計，尤其是“試聽”環(huán)節(jié)的設(shè)計中應(yīng)該引起更多的關(guān)注。但本文數(shù)據(jù)主要基于音頻產(chǎn)品樣本得出，這一規(guī)律隨著視頻直播在知識付費平臺上占比的加重有可能會有所改變。值得注意的是，上述因素對購買量的影響程度并不高，這與知識付費產(chǎn)品屬于體驗性產(chǎn)品的屬性有關(guān)。用戶真正的評判和認(rèn)可與否往往產(chǎn)生在其深入學(xué)習(xí)產(chǎn)品之后。內(nèi)容時長也不是敏感因素，這可能是因為用戶的學(xué)習(xí)時間已經(jīng)被碎片化，因此課程內(nèi)容的總體耗時對用戶學(xué)習(xí)興趣的影響不及傳統(tǒng)內(nèi)容產(chǎn)品明顯。性別因素也并不敏感，但這也許與“得到”特殊的用戶定位有關(guān)——“得到”用戶中男性占比為52%，超過一半——因此不一定具有普適性。

（二） 基于多重比較的結(jié)論與建議

在對多重比較結(jié)果的觀察中發(fā)現(xiàn)，不同的言說技巧對購買量并沒有形成顯著差異，這與上述言說技巧在回歸方程中處于影響程度末端位置是一致的。具體到課程主題、文本插圖和標(biāo)紅文段的多重比較，仍有一些規(guī)律性認(rèn)識值得總結(jié)。

課程主題的設(shè)計可以凸顯平臺整體的品牌調(diào)性。荔枝FM內(nèi)容多樣且偏向情感類表達(dá)、喜馬拉雅FM則注重生活化的聲音傳遞及知識傳達(dá)，“得到”的付費課程主題則主要集中在商業(yè)和職場兩個方面（分別占總體的32.7%、41.5%）;其次是心理類的課程（占總體的11.5%），科技和人文類占比較少。

從多重比較的情況來看，較之于其他課程主題，商業(yè)類主題容易獲得購買量的顯著程度遠(yuǎn)優(yōu)于其他主題，這與其目前已有的主題分布格局是適配的。商業(yè)主題在“得到”產(chǎn)品架構(gòu)中的優(yōu)勢地位，與“得到”多為涉入職場不久的中青年用戶定位有關(guān)，也與這一課程具有較強的實際應(yīng)用性有關(guān)。因此，應(yīng)該聚集優(yōu)勢PGC資源，進(jìn)一步形成主題聚焦。此外，從主題集中程度看，“得到”APP的課程主題較為集中，其長尾內(nèi)容還有待進(jìn)一步的建設(shè)與豐富。主題對購買量影響程度的不同，也說明知識付費產(chǎn)品的垂直化細(xì)分仍然是有必要的。尤其是在未來幾年，知識付費產(chǎn)品推廣的主要策略是向二三線城市下沉以吸納更多的用戶和更為豐富的人群，內(nèi)容的垂直化將有助于這一策略的實現(xiàn)。

就課程的文本呈現(xiàn)而言，文本插圖和段落標(biāo)紅是“得到”課程文本呈現(xiàn)兩個最明顯的特征。在文本插圖中，知識卡片對購買量的影響程度大于其他類型圖片，甚至大于教師形象插圖，這說明用戶在購買產(chǎn)品之前和真正使用產(chǎn)品的過程中的關(guān)注重心有所偏移。對知識的概括性二次加工能夠降低用戶學(xué)習(xí)難度，提高產(chǎn)品的可用性和易讀性，是行之有效的內(nèi)容優(yōu)化策略。就標(biāo)紅文段而言，這一規(guī)律同樣適用。總結(jié)性文段標(biāo)紅對購買量影響明顯勝出，再次說明對今天的知識付費用戶而言，對知識的總體性認(rèn)知比局部的、細(xì)節(jié)的知識學(xué)習(xí)更為重要。而知識體系中概念的界定等學(xué)術(shù)性較強的思辨特征，并不能引起用戶更多的關(guān)注。

參考文獻(xiàn)：

[1] Ms.思涵.2020，知識付費越來越難了[EB/OL].https：//zhuanlan.zhihu.com/p/101116576，2020-04-29.

[2] 鄒伯涵，羅浩. 知識付費——以開放、共享、付費為核心的知識傳播模式[J].新媒體研究，2017（11）：110-112，132.

[3] 陳維超，劉世博. 后情感社會知識付費內(nèi)容變革與發(fā)展趨向[J]. 徐州工程學(xué)院學(xué)報（社會科學(xué)版），2019（6）：88-93.

[4] 胡泳，崔晨楓，吳佳偼.內(nèi)容付費：一種嶄新的內(nèi)容經(jīng)濟學(xué)[J].新聞與寫作，2019（2）：26-35.

[5] 陳夢媛. 主題閱讀和群文閱讀的比較[J].文教資料，2019（31）：30-31，62.

[6] 葉陽，王涵. 有聲閱讀平臺用戶內(nèi)容付費意愿影響因素研究[J].圖書館學(xué)研究，2018（1）：82-88.

[7] 韓煜東，郭錦錦，張子健.中國背景下移動互聯(lián)網(wǎng)內(nèi)容付費的影響因素研究——基于TPB視角對APP Store的實證研究[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2016，37（3）：55-61.

[8] 喻國明，段澤寧，孫琳.計算社會科學(xué)框架下內(nèi)容付費產(chǎn)品研究[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2018，40（2）：7-12.

[9] 劉果，王夢潔.基于社交平臺的圖書話題設(shè)計[J].編輯之友，2019（2）：65-70.

[10] [美]約翰·費斯克.理解大眾文化[M].王曉鈺，宋偉杰，譯.北京：中央編譯出版社，2001：186.

[11] 劉果.場景視域下數(shù)字閱讀特征與發(fā)展策略研究[J].湖南大學(xué)學(xué)報（社會科學(xué)版）2020，34（1）：148-154.

（責(zé)任編輯：鐵 青）