直播電商用戶購買行為影響因素研究

黃煒 王珊珊 戴辛宇

摘要：[目的/意義]直播電商用戶購買行為研究對于直播電商的發展具有重要意義，有利于其對直播策略進行有針對性的調整與改進。[方法/過程]研究直播電商用戶購買行為的影響因素，從主播能力、商品信息、用戶屬性、直播團隊綜合能力4個方面入手，構建直播電商用戶購買行為影響因素的指標體系，并結合實例得出結論。通過發布問卷、專家咨詢的方式對數據進行搜集，利用模糊綜合評價法對各級指標進行初次評估，再利用層次分析法進行兩兩比較，構建矩陣，求得最終權重，精確分析用戶購買行為的影響因素。[結果/結論]商品信息的可信度與展示的全面性是影響用戶購買行為的第一大因素，依照更小的指標進行劃分，影響最大的為商品質量、信息詳細程度和線上口碑。其次為主播帶貨的專業能力。不同年齡段的用戶，受不同社會身份主播的影響有較大差異，實時的評論互動更容易促進用戶消費。網絡購物在民眾中的不斷滲透使得觀看直播電商的中老年用戶群體逐漸擴大，具有強大的發展潛力。

關鍵詞：直播電商? ? 購買行為? ? 層次分析法? ? 影響因素

分類號：G252

引用格式：黃煒， 王珊珊， 戴辛宇. 直播電商用戶購買行為影響因素研究[J/OL]. 知識管理論壇， 2021， 6（6）： 315-326[引用日期]. http：//www.kmf.ac.cn/p/264/.

1? 引言

互聯網技術的快速發展、社會網絡化進程的不斷加快以及智能通訊設備的更迭普及，促進了人們生活方式、生產方式以及思維方式的改變。據中國互聯網絡信息中心發布的《第47次中國互聯網絡發展狀況統計報告》顯示，截至2020年12月，我國網民的規模達9.89億，其中網絡購物用戶達7.82億，占網民整體的79.1% [1]。這表明與線下購物相比，人們越來越傾向于便捷、快速的網絡購物，而本身龐大的網民基數又進一步促進了國內消費市場的蓬勃發展。

隨著Web 4.0時代的到來和電商平臺的不斷完善壯大，網絡購物中所包含的信息越來越繁雜，不能對商品進行全面了解的消費者，很難在短時間內篩選出對自己有用的信息，且與線下的購物模式相比，網絡購物缺乏真實場景的體驗，難以對消費者形成直接的刺激。因此在互聯網新技術的加持下，一種新的商業形態應運而生——直播電商[2]。

據報告顯示，2020年我國直播電商行業的總規模達到9 610億元，到2021年預計將將接近12 012億元。而電商直播用戶規模為3.09億，占網民整體的32.9% [3]。2019年“618”購物節期間，淘寶通過直播帶貨銷售30億元;2019年“雙11”當天，僅淘寶直播的成交額就達到200億，單直播間銷售額過億的超過10個[4]。直播，成為了“雙11”活動期間品牌商家銷售額的最大貢獻者。網絡直播作為“線上引流+實體消費”的數字經濟模式，其購買轉化率高，營銷效果好，逐漸成為電商平臺新的增長動力，也完美契合了國家“跨越信息鴻溝、實現安全交易、形成健康循環”的新目標。數據顯示，在直播電商中購買商品的用戶已經達到了整體電商直播用戶的66.2%，其中17.8%的用戶的電商直播消費金額占其所有網上購物消費額的三成以上[5]。

對比傳統的營銷模式，直播電商具有3個明顯的優勢：成本低廉、時效性高、更易宣傳。傳統營銷的宣傳模式主要靠電視、戶外展牌等，不僅成本高且宣傳效果不理想。直播電商以手機和電腦為媒介，充分利用消費者閑暇時間，悄無聲息地將商品推送給消費者[6]。比起傳統電商平臺上的平面圖片，直播可以讓消費者更直接地接收商品信息。主播實時的語言情緒、觀眾現場及時的互動反饋，相比于單純的靠圖片和視頻展示更加讓人體會到真實感，進而降低信任成本。

筆者研究直播電商中最能影響消費者購買行為的因素，希望能夠給予通過直播形式來實現品牌影響力提升和帶貨的企業一些管理啟示和實踐指導，同時對電商直播的平臺方和消費者也具有一定的參考價值和現實意義。

2? 電商直播平臺用戶使用行為影響因素研究綜述

我國學者對于電商直播的研究最早開始于2016年，大多數研究集中在直播電商的特點、發展現狀及對策、KOL（Key Opinion Leader，簡稱KOL，中文解釋為“關鍵意見領袖”）經濟等方面，且碩博士論文所占比例較大，近幾年隨著直播電商的廣泛應用，對于消費者購買意愿和購買行為的研究也逐漸深入。

在購買意愿的研究方面，主播與粉絲的交互對消費者有較大的影響。陶冰心等[7]從心理學的角度出發，利用實用+享樂理論，研究了電商直播用戶互動的關鍵驅動因素為使用需求和享樂需求;譚羽利[8]采用個案研究和深度訪談的方法，指出意見領袖推薦產品的呈現形式對消費者購買意愿的影響最大;王晰巍等[9]聚焦于直播APP，采用問卷調查和結構方程模型相結合的方法，得出對用戶使用意愿影響最大的是感知交互性的結論;田鑫鑫等[10]的研究表明成本的降低、意見領袖、購買情景等都有利于增強消費者的購買意愿。而對于購買行為的研究，目前大多數學者仍從心理學的角度進行分析。魏華等[11]和董方[12]均以SOR（Stimulus—Organism—Response）模型為框架，對用戶在線購買行為的影響機理作了深入的研究，分別構建了信息交互對電商直播用戶參與行為的影響模型和移動電商網絡直播的用戶購買意愿影響因素模型，分析得出信息交互的響應性、娛樂性、互助性對用戶參與行為具有顯著影響的結論;唐舒天[13]采用內容分析的方法，探索了微博網紅對粉絲消費行為的具體影響因素，其中包括引起注意、消費狂歡、聚攏粉絲等。由于國外的電商環境相對保守，直播電商的普及也遠沒有國內高，因此目前對直播電商的研究相對較少，主要集中在對社交電子商務中用戶觀看直播意愿影響因素的研究。社交電商是一種新的電子商務的營銷方式，通過社交平臺進行營銷。在用戶觀看直播電商意愿的因素研究方面，感知價值、實時互動、娛樂性等因素有較大影響。如：C. C. Chen等[14]指出，娛樂和社交互動對用戶觀看直播節目的意圖有積極影響;F. F. Hou[15]等研究發現，互動性、幽默感、娛樂性和互動性對用戶持續觀看意圖產生積極的影響，而社交狀態則促進了用戶的消費意愿; I. Erkan和C. Evans[16]的研究中指出，體驗式和場景式的營銷方式能極大地增加消費者的參與度，從而刺激其購買欲望。

綜上，國內對于直播電商環境中用戶購買行為的研究并不少，但大多著眼于某一方面因素的影響，或是從傳播學、心理學角度進行分析，鮮少有包含整體多方面的分析。國外由于直播電商環境的不發達，也只是聚焦于如何吸引用戶觀看，并未著眼于購買轉化方面。因此，筆者以模糊綜合評價法和層次分析法為基礎，從主播、商品信息、用戶屬性和直播團隊多方位研究，篩選出直播電商中最能影響消費者購買行為的因素，希望能夠為直播電商領域的從業者帶來一定的啟示和思考，同時對新型網購模式下消費者購買行為的研究也具有一定的參考價值。

3? 直播電商用戶購買行為評價指標體系構建

筆者整理了大量的文獻資料，遵循全面性、代表性、客觀性、合理性、可測量性原則，初步確定指標體系，為了得到更為全面的指標，對研究對象進行更準確的描述與評價，筆者隨后采取問卷調查的形式，進一步完善指標體系[17]。在線問卷進行了兩次修改，最終設計出了直播電商用戶購買行為影響因素調查問卷。問卷的發布對象主要為直播電商的用戶，此群體是本次研究的主要接觸者，他們對直播電商的各方面（如主播、直播的商品、整個直播團隊等）都有相對清晰的認知，可以為本文提供較為準確的建議。問卷發布7天后收到203份反饋，對所有問卷進行查看、整理、分類，并綜合多方面觀點，將具有參考性的意見與初級指標融合，進一步將各級指標優化完善，最終得到由4個一級指標、8個二級指標、33個三級指標構成的直播電商用戶購買行為影響因素的評價指標體系，如表1所示：

4? 指標權值計算

筆者為確定指標權值使用了德爾菲法、模糊綜合評價法和層次分析法。德爾菲法與層次分析法因受個人理解的限制而具有一定的主觀隨意性，但結合學科領域專家的建議并采用科學的計算方法所得到的權值，是具有合理性與有效性的。模糊綜合評價法通過數字手段處理評價對象，對所含信息中具有模糊性的資料能夠做出更為科學、合理、貼近現實的量化評價，使得本研究在科學性與有效性上有了較大的提升。

4.1? 權值計算方法

4.1.1? 德爾菲法

德爾菲法（也稱“專家調查法”）是最簡單的確定權重的方法，主要是收集專家的意見與經驗以及對各項指標重要程度的認知，對指標的權重進行分配，越重要的指標權重越大，并在不停的反饋和修改中得到比較滿意的成果[18]。筆者在初步確定各項指標時采用德爾菲法，綜合直播電商領域各專家的意見對各項指標進行賦值。由于人為挑選帶有主觀意識，且不同學者持有不同的觀點，為了保證權值的合理性并達成共識，只能忽略極少數不一致意見，以各權重的合理性為基礎，不斷地取舍與調整，最終確定初步權重。

4.1.2? 模糊綜合評價法

模糊綜合評價法是一種基于模糊數學的綜合評價方法，它能較好地解決模糊或者難以量化的問題，適用于各種非確定性問題的解決[19]。因此，采用模糊綜合評價法對部分定性指標進行評價，其具體步驟如下：

（1）建立評價對象因素集U和評價集V;同時，確定各影響因素的權重W。

（2）確定各因素的評分隸屬函數以及綜合評價矩陣R，求出隸屬度，獲得模糊綜合評價集 B。

（3）通過綜合評價矩陣 R 求模糊綜合評價集 B，即：

最終模糊值，即用模糊綜合評價集B和測量標度H計算出評價對象的綜合評價分數E：

4.1.3? 層次分析法

采用層次分析法（Analytic Hierarchy Process，簡稱AHP）進行權重的計算：對同一層次各指標的重要性進行兩兩比較，專家打分，構造兩兩比較的判斷矩陣，最終采用特征向量法確定指標權重W=（w1，w2，…wn）T，并對其進行一致性校驗。通過分析復雜系統所包含的因素并對其相關關系進行研究，將問題層次化，構造一個層次分析結構模型，再將每一層次的各元素兩兩對比，按照一定的標準，得到相對重要程度的比較標度。建立判斷矩陣，計算矩陣的最大特征值及特征向量，得到各層次元素對于上一層次中某元素的重要性次序，從而建立權重向量[20]。其主要步驟如下：

（1）選擇 SAATY1-9 標度法，將各個指標兩兩之間重要性對比進行定量分析，構建判斷矩陣。

（2）計算最大特征根和最大特征向量。

設指標向量W=（w1，w2，…wn）T，右乘判斷矩陣所得結果為：

可知λmax為上述判斷矩陣 R 唯一的非零最大特征值，W為其對應的特征向量，該向量中的元素就可以作為該矩陣對應的指標權重值。

（3）判斷矩陣的一致性校驗。① 計算一致性指標 ;②找出相應的隨機一致性

指標RI;③計算一致性比例。當CR<0.1時，則證明一致性檢驗通過，否則對A進行修改。

綜合專家給出的意見并采用層次分析法對各級指標進行計算，二級指標計算實例和二級指標AHP層次分析結果如表2和表3所示：

（4）計算含權重值的指標體系。從表3可知，針對主播吸引力、主播專業性、商品全面性、商品可信性、團隊業務能力、直播環境、用戶動態屬性總共7項構建7階判斷矩陣進行AHP層次法研究，分析得到特征向量為W=（0.210，0.738，3.324，1.384，0.554，0.343，0.447），并且總共7項對應的權重值分別是：3.005%、10.538%、47.418%、19.777%、7.912%、4.902%、6.386%。除此之外，結合特征向量計算出最大特征根為7.212，利用最大特征根值計算得到CI值為0.035。針對RI值查表為1.360，因此計算得到CR值為0.026<0.1，意味著本次研究判斷矩陣滿足一致性檢驗，計算所得權重具有一致性。

4.2? 各級指標權重

筆者綜合運用3種指標計算方法，得到如表4所示的各級指標最終權重表。同一二級指標下的三級指標權重差距相對明顯，表明指標的相關性較小、區分度較大，由此進一步驗證了指標的關聯性、合理性與有效性。

5? 實證分析

5.1? 實驗設計

為了對直播電商用戶購買行為影響因素進行更為全面有效的評價，筆者根據目前電商直播間的火爆程度，選取直播電商中銷售額非常高、較高和一般的3個直播間（淘寶平臺的“李佳琦”直播間和“趙大喜daxi”直播間、抖音平臺的“張庭”直播間）作為調查對象進行綜合分析。對每一個直播間進行在線觀看，選取每場直播當中銷量較好的3個產品，詳細記錄其直播過程，就其中可量化的指標進行記錄，對分數進行平均計算，做出綜合評價。

5.2? 實驗結果

采用德爾菲法得到的結果見表5。15位直播電商領域的專家針對已經選定的3個直播電商實例，綜合上述評價指標體系，對每個案例的末級指標給予合理有效的評分。根據表4的各級指標權重表，將不可量化指標去除后，得到新的權重占比。從表中數據可以看出，在質量、信息詳細程度、與用戶互動程度等方面評分值差異較大。筆者構建的評價指標體系中不包含負分指標，即每項指標對于直播電商用戶的購買行為來說都具有一定影響力。

對于直播平臺的選擇，由于無法獲得具體的后臺數據，兩平臺都存在較高銷售額和較低銷售額，對于用戶購買行為的具體影響因素無法確認，因此在此處對于直播平臺的選擇不進行評分。

5.3? 實驗結論

5.3.1? 商品信息

本研究發現，影響直播電商用戶購買行為的第一大因素是商品信息，其中影響最大的為商品質量、信息詳細程度和線上口碑。李佳琦直播間最終的評分高達92.80，為所選3個案例中得分最高的一位。對其直播間進行在線觀看并記錄各項時間可以發現，每一樣商品介紹展示的時間占比高達60%左右，其次為氛圍的營造等，也從側面反映出商品信息的輸出對用戶購買行為的影響之大。而商品展示的全面性、品牌的知名度和媒體推薦相對得分不高，由于直播電商規模的不斷擴大，各直播間在商品展示、品牌推銷上并無太大差異，因此對于用戶的影響程度也相對不高。

5.3.2? 主播能力

（1）主播身份。對于主播的吸引力，不同社會身份的主播受眾有較大差異，整體上看，用戶對于職業主播更為信賴。根據數據分析，細分到不同年齡段的用戶，18-39歲的青壯年，其購買行為受職業主播的影響最大。而對于40歲以上的中老年人來說，其購買行為受普通人的影響力更大（見圖1）。

18-39歲的青壯年在網絡上更為活躍，對于流量明星、職業主播的知曉度更高，在明星紅利逐漸褪去的同時，職業主播作為更加專業、新穎的形式，對直播電商用戶產生著越來越大的影響。但本身擁有豐富人生閱歷的中老年人群，對于流量明星的關注度較少，對于職業主播這一新興行業的信任度也沒有那么高，反而是大學生、名校老師、縣長這類身份的普通人更能引起他們在價值感上的共鳴。

（2）主播專業能力。對于主播的專業能力，是否能夠引導用戶實時評論、互動從而促進用戶消費是很重要的評價標準。對李佳琦和張庭的直播間進行觀看記錄，分析發現他們在滿足基本商品信息介紹的條件下，盡可能多地與粉絲互動并對他們留言的問題進行解答，與之相比“趙大喜daxi”直播間在這一點上就稍顯不足。在傳統營銷方式中，消費者與營銷人員的互動受限，易發生對營銷需求了解不充分、溝通延遲、信息不對稱等問題。但專業主播在直播的過程中能夠不斷引導用戶，讓其在體驗到愉悅感的同時又能參與其中，滿足了用戶對于服務質量和商品價值的感知需求，從而對其購買行為有著正向影響[21]。因此，對于直播電商而言，其人際互動越充分，用戶對商品的親近感和滿足感越強，就更有益于為有購物擔憂的用戶掃清障礙[22]。

5.3.3? 用戶屬性

（1）中老年用戶群體逐漸擴大，具有強大發展潛力。隨著互聯網在中高齡人群中的滲透和中老年人消費觀念的不斷改變，現在的中老年人越來越追求自由獨立多元的生活，他們的心態日趨年輕化、時尚化，線上消費也呈現出明顯的增長態勢。對于中老年用戶來說，有更多的時間觀看直播，他們受直播商品價格門檻的限制更小，能夠產生更大的購買力。

根據問卷調查結果，經常觀看直播電商的人群當中，40-49歲占比31.11%，比18-29歲的青年人群還要多出6.67%（見圖2）。對于直播電商的用戶，大部分人會認為這是年輕一代熱衷的行為，但中國60歲以上的老齡人群已高達2.49億，50歲以上高達4億，其中的網民數量已經增加到9 000萬人。且中老年網絡用戶每年都以800萬到1 000萬的數量持續增加，可見其未來具有強大的發展潛力。

（2）不同職業對于直播電商用戶購買行為有較大差異。問卷調查結果顯示，在受調查的200多人當中，有35%的全日制學生和33%的銷售人員每周網購1-2次，較為頻繁。其次為25%的管理人員、25%的市場/公關人員和22%的人力資源從業者。在經常觀看直播的群體當中，有77.78%的教師、67%的人力資源從業者、66.67%客服人員和66.67%專業人士（會計師、律師等）（見圖3）。可以發現直播電商在不同職業人群當中的滲透度也不同。全日制大學生雖然網購的頻率較高，但對于直播電商這一領域關注度仍較低;銷售人員因其工作性質，雖然網購較為頻繁，但對于直播電商的觀看也較少。教師職業雖對電商直播的關注度較高，但網購的頻次并不高，從另一方面說明直播電商在教師這一行業的轉化率相對較低。相反，人力資源從業者、管理人員這類群體網購和觀看直播的頻率都較為突出。不同職業的人因其職業屬性、工作時間、消費需求等都有較大差異，因此對于直播電商的需求也有所不同。

（3）觀看直播頻率不同的用戶，受影響的因素和程度有較大差異。從1到5分別表示非常不影響、比較不影響、一般、比較影響和非常影響。根據數據結果分析可以看到，偶爾觀看直播電商的用戶，比起經常觀看和基本不看的用戶，受到商品信息、主播專業性等因素的影響更大;對于基本不觀看直播電商的用戶，受不同因素影響的跨度最大，最高為受商品信息影響3.34，其次為受主播的專業能力影響3.04和受直播環境影響2.8（見圖4）;而對于經常觀看直播的用戶，基于其對直播電商各方面因素的充分了解，受不同因素的影響跨度較小，但最大的影響因素仍為商品信息，這也進一步論證了前文影響用戶購買行為的第一大因素是商品信息的輸出的結論。

5.3.4? 直播團隊綜合能力

根據最終的指標權重可以看出，整體上用戶受到團隊業務能力的影響要比直播環境大;在末級指標當中用戶最看重的是招商能力，也就是在直播過程中的優惠折扣，其次為他人購買行為和客服能力。大部分直播電商的用戶觀看直播都是由于其比直接的線上購買優惠力度要大，贈品要多，且限時限量，滿足了用戶對于價格和有限商品搶購的攀比心理;觀看直播的大多數用戶都具有購買商品的可能性，在這樣的情況下，他人購買行為的播報，會充分滿足用戶從眾的消費心理，從而促進購買轉化。

6? 對策建議

作為一項新興事物，直播電商在短時間內受到了大量消費者、企業與媒體的追捧，人們猜測它或許會是下一個互聯網經濟的風口[23]。各大新聞報道讓人們看到了一個個直播帶貨的神話，掀起直播帶貨熱潮。但從行業發展的規律來看，一個行業一旦進入狂熱狀態，就會有隨時破滅的危險，這是一個比較危險的信號，需要引起企業足夠的警戒。

筆者構建了直播電商用戶購買行為影響因素的指標體系，并且結合具體實例進行了驗證。在確定指標權重方面，綜合采用德爾菲法、層次分析法以及模糊綜合評價法，使指標更加具有信服力。同時進一步驗證了本研究所構造的評價指標體系的合理性。現就研究結果，從以下方面對電商企業提出建議：

（1）在商品信息方面，把控好商品質量，直播中盡可能全面地展示商品信息。整個直播電商是以對人的信任為前提、以銷售為本質、以直播為形態的三位一體模式。雖然相對于傳統的網絡購物，直播電商已經最大限度地將真實的商品展現給用戶，但對于直播電商的用戶來說，商品信息展示的全面性與商品本身的質量，仍然是他們對商品信任感的來源，也是促成其購買的決定性因素。企業在所有影響因素中，首先應該確保商品的質量，不斷提高線上口碑，在直播當中盡可能全面地展示商品，獲取用戶的信任，而后才是對主播和團隊的優化。

（2）在主播能力方面，用戶粉絲偏好不同，會有針對性地選擇主播。比起明星效應，主播專業程度對用戶購買的影響更大。與直播電商興起時不同，在經歷了近半年的浮沉之后，明星帶貨這一作為直播電商模式全新的“引流手段”，效果已經大不如從前。現如今，直播帶貨已經從增量競爭轉化為對存量用戶的拼搶。在直播電商的銷售中，主播的表現能力、口播能力、對問題的解答會成為很重要的一部分，需要主播與用戶經常性地互動來彌補面對面真實互動的欠缺，適當頻率、程度的互動有助于增加粉絲黏性，幫助企業維持直播間的長期效益[24]。并且隨著直播技術的發展，主播可充分實現一對多的高強度互動，粉絲可以圍繞爆款產品，利用評論、連線等方式向主播咨詢，也可以與平臺其他參與者交流，深層次了解購買及使用體驗，進而提前感知商品的可信性與有用性，幫助企業獲得效益。

（3）在用戶屬性方面，如何增加流量用戶對直播間、品牌的忠誠度，是各企業需要努力創新的地方。受許多網紅直播的影響，部分中小型主播也開始模仿大主播的直播方式，“人人能主播”的亂象使得不同平臺的主播數量激增，2019年淘寶直播平臺的主播人數已超過2萬人[25]。但受眾審美疲勞過后，一些無直播特色的主播很快就消失在大眾視野當中。因此，企業需要根據自己商品的特性，打造屬于自己品牌的特色直播間，滿足用戶的求異心理，提高用戶關注度。對于直播間粉絲的行為記錄可以更為詳細，從觀看頻率、下單頻率、下單金額等多方面進行考量，區分不同忠誠度的粉絲，給予多少不等的優惠，再次正向促進用戶對于直播間的黏性和忠誠度。

（4）在直播團隊綜合能力方面，各企業仍然需要不斷對其內容及形式進行創新。一是對商業模式的創新。立足全新的產業鏈，充分利用5G、云計算、區塊鏈等資源，賦予商品更加全息的展示;完善采購、服務、配送等流程，為用戶提供更加優質貼心的服務[26]。二是突出個性化與差異化。直播電商現代商業銷售模式和現代網絡傳播逐漸呈現分眾化、差異化趨勢，要應對其發展，需要強化相應策略。細分產品與受眾，精準施策和按時推送，增加社區交互功能，同時兼具信息傳遞、品牌輸入和大眾娛樂的功能，增加用戶對平臺和商家主播的黏性，提升直播帶貨效益，從而促進企業直播帶貨的可持續發展。

參考文獻：

中國互聯網絡信息中心（CNNIC）.第47次中國互聯網絡發展現狀統計報告[R/OL].[2021-02-03]. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm.

周永生， 唐世華， 肖靜.電商直播平臺消費者購買意愿研究——基于社會臨場感視角[J/OL].當代經濟管理， 2021， 43（1）： 40-47. [2021-02-03]. http： //202.114.181.48： 80/rwt/CNKI/http/NNYHGLUDN3WXTLUPMW4A/kcms/detail/13.1356.f.20200907.0957.004.html.

余法河.直播電商中存在的問題及規制[J].中國商論， 2021（14）： 9-11.

陳杰.2020年中國快消品10大趨勢[J].上海商業， 2020（S1）： 97-101.

宦菁.農業在“巨變”[J].風流一代， 2021（9）： 32-33.

沈寶鋼.直播帶貨商業模式探析及其規范化發展[J].理論月刊， 2020 （10）： 59-66.

陶冰心， 陶冰倩.移動電商直播用戶互動的驅動因素及對用戶購買行為的實證研究[J].現代商業， 2020（10）： 61-62.

譚羽利.電商直播中意見領袖對消費者購買意愿的影響研究[D]. 北京： 北京印刷學院， 2017.

王晰巍， 劉偉利， 賈灃琦， 等.網絡直播APP使用行為影響因素模型及實證研究[J].圖書情報工作， 2020， 64（5）： 22-31.

田鑫鑫， 田晶晶.電商直播中消費者購買意愿影響因素研究——以淘寶直播為例[J].科技與創新， 2020（20）： 4-8.

魏華， 高勁松， 段菲菲.電商直播模式下信息交互對用戶參與行為的影響[J].情報科學， 2021， 39（4）： 148-156.

董方.基于移動電商直播情境的消費者購買意愿研究[J].營銷界， 2019（25）： 137， 162.

唐舒天.網紅直播帶貨廣告效果研究——情感消費的中介作用[J].傳播力研究， 2020， 4（12）： 100-101.

CHEN C C， LIN Y C. What drives live-stream usage intention？ the perspectives of flow， entertainment， social interaction， and endorsement[J]. Telematics & informatics， 2018， 35（1）： 293-303.

HOU F F， GUAN Z， LI B， et al. Factors influencing peoples continuous watching intention and consumption intention in live streaming： evidence from China [J]. Internet research， 2019， 30（1） ： 141-163.

ERKAN I， EVANS C. The influence of eWOM in social media on consumers purchase intentions： an extended approach to information adoption[J]. Computers in human behavior， 2016， 61（AUG）： 47-55.

黃建橋， 黃煒， 程鈺， 等.“互聯網+”大學生創業模式的評價研究[J].湖北農業科學， 2017， 56（1）： 181-186.

霍建梅， 李書寧.高校圖書館數字參考咨詢引進眾包模式研究——基于德爾菲法的調查分析[J].圖書情報工作， 2013， 57（6）： 73-78.

楊瑞仙， 梁艷平. 國內外高校科研評價方法比較研究[J]. 情報雜志， 2015， 34（9）：107-110.

鄧雪， 李家銘， 曾浩健， 等.層次分析法權重計算方法分析及其應用研究[J].數學的實踐與認識， 2012， 42（7）： 93-100.

劉佳， 鄒韻婕， 劉澤溪.基于SEM模型的電商直播中消費者購買意愿影響因素分析[J].統計與決策， 2021， 37（7）： 94-97.

劉平勝， 石永東.直播帶貨營銷模式對消費者購買決策的影響機制[J].中國流通經濟， 2020（10）： 38-47.

姚林青， 虞海俠.直播帶貨的繁榮與亂象[J].人民論壇， 2020（25）： 85-87.

裴學亮， 鄧輝梅.基于淘寶直播的電子商務平臺直播電商價值共創行為過程研究[J].管理學報， 2020， 17（11）： 1632-1641， 1696.

宋林霖， 黃雅卓.“變”與“常”：電商直播監管的問題檢視與對策探尋[J].河南社會科學， 2020， 28（12）： 106-114.

李秋紅.直播帶貨熱尚需冷思考[J].傳媒， 2020（17）： 1.

作者貢獻說明：

黃? 煒：進行選題指導，提出研究思路;

王珊珊：文獻資料的收集，撰寫和修改論文，檢查文章內容邏輯;

戴辛宇：直播電商數據采集與分析。