直播電商彈幕對績效影響的研究＊

■ 彭賡 魯海博 劉穎

中國科學院大學經濟與管理學院 北京 100190

0 引言

直播電商（Livestreaming Commerce）是嵌入實時社交互動（包括實時視頻和基于文字的聊天渠道）的電子商務的一個子集[1]。受政策利好、技術進步、居民消費能力增強等外部因素驅動，直播電商近年來迅猛發展，其行業市場規模從2017 年的196 億元上升到2022 年的3.5萬億元，年均增速超300%，預計2025年接近5萬億元＊＊＊＊＊＊數據來源于雪球網（https：//xueqiu.com）文章：《2022年度中國直播電商市場數據報告》。。直播電商快速崛起的內在原因是創新了商業模式，在其“商家立體展示——互動與購買”的沖動式交易過程中，引入彈幕技術強化了買賣雙方之間的互動關系[1][2]，從而較好地降低了買賣雙方之間的信息不對稱問題。具體來說，彈幕主要表現為用戶在觀看直播過程中發布的短文本，目的是向主播咨詢與商品、商家和售后服務等有關的信息。主播對提問式彈幕文本的即時響應能有效緩解買賣雙方的信息不對稱問題[3]。正因如此，彈幕現已成為直播電商中主播與用戶之間、用戶與用戶之間互動溝通、信息交流不可或缺的渠道。

在傳統電子商務交易中，買賣雙方在時間和空間上的分離導致相互之間,難以建立實時性的互動關系[4]。為了解決此問題，傳統電商平臺紛紛引入在線評論功能。在線評論是雙方在交易完成后通過互聯網提交的對產品和賣家的評價性文本信息[5]，是在線口碑（Word-Of-Mouth）傳播最主要的一種形式[6]。雖然彈幕和在線評論在文本的表現性和買賣雙方的互動性表現出一定的相似性，但二者在以下3 個方面表現出較明顯差異。第一，與電商交易發生的同步性不同。在線評論發布于商品交易完成之后，而彈幕發布于交易過程之中，所以彈幕是一種實時互動方式;第二，響應方式不同。賣家一般主要以文本的方式響應買家的在線評論，而在直播電商情景下，主播可以通過語音、文字、表情、商品展示等多種方式的組合響應彈幕；第三，功能作用不同。在線評論的核心功能是買家在線反饋其對交易的滿意程度，而彈幕的主要功能是買家下單之前獲取支持交易決策的相關信息。截至2023 年12 月，關于在線評論與傳統電商績效關系的研究已積累了豐富的成果[5][6][7][8]，然而，鑒于彈幕與在線評論之間存在的顯著差異，探討彈幕對直播電商績效的影響是有必要的。具體而言，有兩個關鍵問題需要闡明：一是彈幕對直播電商績效有何種影響？二是這種影響關系會受到什么因素的調節作用？

本研究聚焦以上問題，從抖音電商平臺爬取了1200余萬條彈幕文本數據，以信息不對稱理論和信息過載理論為基礎構建實證模型，驗證了彈幕與直播電商績效間的相關關系，并進一步探討了直播間氛圍與用戶熟悉度對該關系的潛在調節作用。作為“電商平臺大數據殺熟的形成機制、效應和治理研究”與“基于福利效應評價的算法治理研究”基金項目的部分成果，本研究對直播電商中彈幕功能的作用機制及其對績效的影響進行了初步探索，為彈幕管理和優化提供了實證支撐。

1 研究方法

1.1 理論分析

用戶在觀看直播的過程中，如果在商品交易、售后物流等方面存在疑問，會通過彈幕文本進行提問，而主播和其它用戶也會通過語音、文字、表情、商品展示等多種方式的組合即時響應用戶的彈幕提問。由此可見，彈幕作為直播電商中用戶與主播、與其他用戶互動的載體，緩解了直播電商中買賣雙方因時空不同步導致的信息缺乏[3]和信任危機[9]問題，這會對直播間績效產生正向影響。但是，隨著彈幕文本數量的增加，用戶在短時間內接收到的信息量超過了自身對信息的處理能力，導致信息篩選、理解和決策困難[10]，進而出現了信息過載問題（如圖1 所示），對直播間績效產生負向影響。除了信息過載問題之外，彈幕過多導致主播難以對每一條彈幕提問都及時回應，這打破了社會交往活動中的交換平衡＊＊＊＊＊＊＊＊社會交換理論的主要思想是當事人會在獲得回報的預期下，涉入并維持與他人的交換關系［11］。[12]，引發了用戶對主播（品牌方）的信任度和滿意度下降的問題。同時，過度的交互行為，無論是通過大量的商業信息還是無用的信息，都可能給用戶帶來壓力，從而降低用戶在網絡交易中的參與度[11]。

圖1 信息過載示意圖

以上分析表明，彈幕對于直播間績效而言具有“雙刃劍”效應。一方面，隨著彈幕文本數量的增加，信息不對稱所引起的市場失靈問題得到緩解，對直播間績效產生正向影響。另一方面，當彈幕文本數量增加超過一定閾值時，信息過載問題又會引發用戶的消極態度，從而對直播間績效產生負向影響。基于此，本研究假設直播電商彈幕與績效呈現出倒U型的關系。

假設1：直播間彈幕與績效呈現出倒U型的關系。

直播間氛圍是指直播過程中所營造的整體環境和氣氛，包括主播與用戶之間的互動、情感體驗等[13]。它對用戶參與度、情緒反應以及對直播內容的感受產生重要影響[14][15]。梁晨[16]用視頻彈幕與評論的情感極性代表直播間氛圍，實證分析發現，在其它條件相同時，流媒體中正向情感極性的彈幕文本數量越多，其流行度和受歡迎程度也表現更佳。在直播電商中，積極正向的彈幕會激勵主播和其它用戶更加努力的回應，從而提高用戶參與度。因此，本研究提出假設：直播間氛圍會對直播電商彈幕與績效的關系產生調節作用。

假設2：直播間氛圍對直播電商彈幕與績效的關系有調節作用。

用戶熟悉度是用戶對于直播電商平臺、主播或品牌的認知程度和了解程度[17]。在直播間中，相比于首次發言用戶，歷史發言用戶在平臺和直播間花費的時間更長，對平臺和直播間的特點、主播和品牌方的風格有更深入的了解。這些用戶通過多次參與和互動，逐漸掌握了更準確、更適度的交流方式。他們發送的彈幕文本信息往往具有更高的質量，更受其他用戶和主播的歡迎。因此，本研究提出假設：用戶熟悉度會對直播電商彈幕與績效的關系產生調節作用。

假設3：用戶熟悉度對直播電商彈幕與績效的關系有調節作用。

1.2 數據來源與說明

為探究直播電商彈幕與績效的關系，本研究從抖音電商平臺爬取了美妝護膚行業532 場直播的彈幕數據，經整理清洗之后，有效彈幕數量為12250212條。

由于抖音電商是國內近年來崛起的電商平臺之一，具有巨大的用戶基礎和商業潛力，因此，選擇從該平臺爬取彈幕數據，能夠更全面地揭示直播電商中用戶行為的特點和規律。美妝護膚類商品具有經驗品、信用品和修飾品性等典型特征，這些特征使得信息不對稱現象普遍存在，進而導致市場失靈問題。因此，選擇美妝護膚行業作為研究對象，能夠更好地從“信息”角度探討彈幕與績效的關系。在直播間類型方面，本研究涵蓋了兩種主流類型：店播類直播間和達人主播類直播間。其中，店播類直播間以花西子官方旗艦店為代表，而達人主播類直播間則以曹穎抖音店鋪為代表。

1.3 研究設計

Haans、Pieters 和He 等學者[18]回顧 了1980～2012 年《Strategic Management Journal》上發表的涉及U 型關系的110篇文章，總結出U 型關系的檢驗模型，本文借鑒了上述學者的研究建立了實證模型。基礎計量模型見式(1)，調節效應檢驗模型見式(2)。

其中，下標n表示某場直播的相關數據（以下計量模型均與此相同）。

其中Zi(i=1or2)表示兩個調節變量直播間氛圍和用戶熟悉度，其中，直播間氛圍使用正向情感詞總數作為代理變量[17]，而用戶熟悉度則使用歷史發言用戶占比作為代理變量[19]。

表1 是變量定義表，其中被解釋變量購買轉化率表示直播電商績效。計算公式為：購買轉化率=實際購買產品的用戶數量/觀看直播的用戶數量·100%。購買轉化率是衡量直播電商績效的常用指標，一般來說，一個直播間如果想做到長期運營，其購買轉化率均值需保持在5%～20%之間。

表1 變量定義表

解釋變量彈幕總數，指的是該場次的直播過程中，直播觀看用戶發送的彈幕文本總條數。考慮到直播時間過長和水軍刷彈幕兩個因素可能導致直播間彈幕總數異常偏高的情況，本研究還采用了彈幕密度和彈幕用戶參與度來代替原解釋變量進行了穩健性檢驗。其中，彈幕密度是指彈幕總數與直播時長的比值，用于衡量單位時間內的彈幕發送頻率。彈幕用戶參與度則是指彈幕總數與彈幕發送人數的比值，用于衡量每個發送用戶的平均彈幕發送量。

控制變量方面，梳理文獻發現店鋪口碑和人氣[19]、直播間類型[20]以及直播時長[21]都會對直播電商績效產生影響。基于此本研究選取店鋪粉絲數、店鋪點贊數和店鋪評分來衡量直播電商直播間的口碑和人氣，并將直播間類型、直播時長以及彈幕發送人數都納入到控制變量的考慮范圍內。

分組變量方面，本研究以直播間類型和上架商品數均值為標準將樣本進行分類。

調節變量方面，正向情感詞總數是彈幕文本中正向情感詞的合計數，使用知網（How Net）情感詞典計算得到；歷史發言用戶占比是每場直播中，歷史發送彈幕的用戶數與發送彈幕用戶的總數之間的比值。

表2提供了各個變量的描述性統計信息。表中美妝護膚類商品購買轉化率的平均數為（0.19）、中位數為（0.10）、標準差為（0.20），這些數據展示出該變量的分布相對集中，波動范圍較小。此外，比較直播電商彈幕數量的均值（23026.71）與中位數（11238），可以發現該變量在數據上存在一定右偏性。同時，彈幕數量最大值（280461）和最小值（120）之間的差異顯著，表明不同直播間的彈幕文本數量存在顯著差距，且總體上直播間彈幕發送數量較多。表2 最后一列顯示了變量的VIF 值，由表可知，所有變量的VIF 值都遠低于臨界值10，這表明模型并未出現嚴重的共線性問題。

表2 描述性統計表

2 研究結果

2.1 基礎模型實證檢驗

前文對直播電商彈幕與績效的關系進行了理論分析并提出了研究假設1，即直播間彈幕與績效呈現出倒U型的關系。本文在這一部分使用抖音直播平臺的真實彈幕數據實證檢驗了假設1，具體分析如表3所示。

表3 基礎模型回歸表＊＊＊＊＊＊＊＊＊＊在表3 到表6 中：（1）回歸系數（Coefficient）為非標準化值，括號里面的數值是回歸模型中估計的系數的標準誤差（Standard Error）。（2）***表示P-value＜0.001，**表示P-value＜0.01，*表示P-value＜0.05，雙尾檢驗。（3）回歸分析均使用了Eicker–Huber–White估計器來對標準誤差進行校正，用以糾正數據的異方差性和自相關性。所有的實證分析均使用Stata15版本完成。

表3 是基礎模型回歸結果。表中第2 列和第3 列分別展示了線性模型和非線性模型的回歸結果，從系數可以發現線性模型的結果不符合經濟實質（解釋變量彈幕總數系數為負），并且線性模型R^2 值比較低，因此考慮非線性模型。

表中第4、5 兩列是非線性模型的回歸結果，可以看出模型中解釋變量彈幕總數的系數為正，彈幕總數的平方項系數為負，并且這兩個系數在統計上均高度顯著（Pvalue＜0.01）。這表明直播電商彈幕與績效呈現出倒U型關系。表中第6列考慮到解釋變量彈幕總數數據的右偏性，對其取對數之后再次回歸，結果仍然顯著。

倒U 型關系的檢驗，由上表第5列可知，一次項系數為3.91e-06，二次項系數為-1.24e-11，由此可得該回歸方程的拐點為-b/2a=157661.3，斜率方程為：?Conversion_Cercent/?Barrage_Count=-2.48e-11·Barrage_Count+3.91e-06。由于自變量彈幕總數的取值范圍為[120,280461]，拐點-b/2a=157661.3 位于自變量彈幕總數的取值范圍之內。由斜率方程可知，當彈幕總數較小時（120），斜率值為正；當彈幕總數較大時（280461），斜率值為負。因此，證實了直播電商彈幕與績效的倒U 型關系。

2.2 穩健性檢驗

在實證檢驗了直播電商彈幕與績效的倒U 型關系之后，考慮到在直播電商直播間中，直播時間過長和水軍刷彈幕可能會導致彈幕數量異常偏高，進而造成直播電商彈幕與績效的倒U 型關系缺乏說服力，本研究使用彈幕密度和彈幕用戶參與度對原解釋變量進行替換，實證結果如表4所示。

表4 穩健性檢驗表

表4 是穩健性檢驗結果，其中彈幕密度與商品購買轉化率均值的回歸結果展示在表中第2 列和第3 列，彈幕用戶參與度與商品購買轉化率均值的回歸結果展示在表中第4 和第5 列。從表中回歸系數可以看出一次項系數為正值，二次項系數為負值，并且均高度顯著（Pvalue＜0.01）。倒U型關系檢驗發現，拐點值位于自變量的取值范圍內，并且任取拐點兩側的自變量值代入斜率方程，其導數方程值符號相反，證明倒U 型關系成立。基于表4結果可知：改變解釋變量，即把直播間直播時間過長和水軍刷彈幕的因素納入模型考量之后，本研究核心結論“直播電商彈幕與績效的倒U 型關系”并沒有發生任何改變。

2.3 異質性檢驗

前文實證檢驗了直播電商彈幕與績效的倒U 型關系，并且該關系通過了穩健性檢驗。然而，直播間的類型與上架商品的數量在直播電商中是影響績效的關鍵因素，此觀點已獲得眾多文獻[19][21]的支持。基于此，本文接下來專門探討了不同直播間類型和商品數量如何影響彈幕與績效倒U 型關系的異質性。具體的分析結果詳見表5。

表5 異質性檢驗表

表5是本研究的異質性檢驗結果。為了驗證在不同直播間類型中，直播電商彈幕與績效的倒U 型關系是否成立，本研究根據不同直播間類型進行了分組回歸。上表中第2 和第3 列的回歸結果表明，當直播間屬于店播類型時，彈幕總數系數顯著為正，彈幕總數平方項的系數顯著為負，這表明直播電商彈幕與績效的倒U 型關系在店播類型直播間中仍然顯著成立。然而，當直播間屬于達人主播類型時，一次項系數為正值，二次項系數為負值，但二者在統計上均不顯著（P-value>0.05）。這可能是因為在達人主播類型的直播間中，彈幕文本除了緩解商品交易中的信息不對稱問題之外，還有一部分彈幕交互行為被用來促進達人主播與用戶的情感聯系。這種現象在一定程度上抵消了彈幕總數過多導致的信息過載問題，使得在達人主播類型的直播間中，直播電商彈幕與績效的倒U型關系不再顯著。

在直播電商的直播間中，上架的商品總數對直播間的銷售績效，即商品購買轉化率，具有不同的影響。考慮到這一點，本研究對每場直播的商品上架數量進行了整理，并以上架商品數量的平均值為界，將樣本分為兩組進行分組回歸。根據上表第4、第5 列的回歸結果，無論是商品上架數量較高還是較低，直播間彈幕與績效的倒U型關系都顯著成立。

2.4 調節效應檢驗

前文理論分析了直播間氛圍和用戶熟悉度對直播電商彈幕與績效的倒U 型關系的調節效應，提出了研究假設2和假設3，即直播間氛圍對直播電商彈幕與績效的關系有調節作用和用戶熟悉度對直播電商彈幕與績效的關系有調節作用。在這一節，本研究使用抖音直播平臺的真實彈幕數據實證檢驗了假設2和假設3，具體分析如表6所示。

表6 調節效應檢驗表

表6展示了直播間氛圍和用戶熟悉度對直播電商彈幕與績效的倒U 型關系的調節效應實證結果。從表中第3 列回歸結果來看，正向情感詞總數的系數為0.0000106，正向情感詞總數與彈幕總數的交乘項的系數為-2.39e-10，正向情感詞總數與彈幕總數平方的交乘項的系數為1.04e-15，而且在統計上均是高度顯著的（Pvalue<0.05）。調節變量正向情感詞總數對直播間購買轉化率均值有顯著的正向影響。把表中第2列的系數帶入調節方程檢驗模型2中，如式（3）：

對Y求X的一次導數，結果得到?Y/?X=4.52e-06-(2·2.38e-11)X-2.39e-10Z1+2(1.04e-15)Z1X。為求拐點，令導數值為零，即?Y/?X=0，若使用（X0，f（X0））表示拐點，則X0=(-4.52e-06+2.39e-10Z1)/(2(1.04e-15)Z1-2·2.38e-11)，可以看出拐點的位置受到調節變量Z1值的影響。進一步地，為了探究拐點隨Z1值的變化情況，即不同的正向情感詞總數數值下倒U 型曲線拐點的變化情況，對X0求Z1的 一 次 導 數，得 到?X0/?Z1=(-2.39e-10·2·2.38e-11+2·1.04e-15·4.52e-06)/((2.08e-15Z1-4.76e-11)^2), 由 于?X0/?Z1的分母大于零，因此導數值小于零，這表明隨著調節變量Z1的增加，拐點往左移動。這意味著，隨著直播間彈幕文本中正向情感詞總數數量的增大，彈幕總數與直播間購買轉化率均值倒U 型關系的拐點得以提前，表明了直播間氛圍對直播電商彈幕與績效的倒U 型關系有調節作用。

用戶熟悉度的調節作用分析同上，結果顯示：隨著直播間彈幕文本中歷史發言用戶占比的增大，彈幕總數與直播間購買轉化率均值倒U 型關系的拐點提前出現，表明了用戶熟悉度對直播電商彈幕與績效的倒U 型關系有調節作用。

2.5 進一步研究結果

在進一步研究中，本研究使用LDA文本主題聚類模型結合雙邊市場理論對彈幕文本進行了分類并構建了分類詞典，包括信息類彈幕和粘性類彈幕，研究了不同分類的彈幕文本與績效的關系，發現不同分類詞典的彈幕文本TF-IDF 合計值與購買轉化率之間也呈現出顯著的倒U 型關系。同時，研究還發現直播間氛圍和用戶熟悉度對這一關系具有調節作用。具體來講：較多的正向情感詞總數和較高的歷史發言用戶占比可以提前倒U型關系的拐點出現，即在彈幕文本量較少時就能達到績效的峰值。

3 研究結論和政策啟示

3.1 研究結論

直播電商彈幕與績效之間呈現一種倒U 型關系。通過即時互動，有效緩解了商品信息不對稱問題，從而對績效產生正向影響。然而，隨著彈幕文本數量的不斷增加，用戶面臨的信息過載問題逐漸顯現，對績效產生負向影響。綜合來看，直播電商中彈幕與績效之間存在先上升后下降的倒U型關系。

分直播間類型來看，店播型直播間中彈幕與績效呈現出顯著的倒U 型關系，而在達人主播類型直播間中，倒U 型關系不再顯著，本研究猜想這可能是因為粘性類彈幕文本比重大于信息類彈幕文本，從而弱化了信息過載問題。此外，異質性分析還發現，在不同上架商品數量的情況下，直播電商彈幕與績效的倒U 型關系不會發生改變。

直播間氛圍和用戶熟悉度對直播電商彈幕與績效的倒U 型關系具有調節作用。也就是說，正向情感詞總數的增加以及歷史發言用戶占比的提高，能夠促使倒U型關系的拐點提前出現。這意味著，在相對較少的彈幕文本量的情況下，直播間績效就能夠達到峰值。

3.2 政策啟示

（1）進行彈幕數量管理：過多的彈幕可能導致用戶面臨信息過載問題，從而降低直播間績效。對此，平臺可以采取以下措施進行管理。第一，彈幕分類和分時顯示。按照主題、情緒等對彈幕文本進行分類，并添加相應的標簽。同時根據時間段進行分組顯示，以避免彈幕混亂和刷屏問題。第二，加強彈幕審核和過濾。完善彈幕內容的審核和過濾機制，篩選掉惡意、低俗或重復的彈幕內容，提高信息的質量和可靠性，減少用戶處理信息的負擔。

（2）塑造積極的直播間氛圍，進行用戶粘性管理：平臺和主播可以通過設定評論準則和獎勵機制，對于正向、優質的彈幕，給予支持和獎勵，激勵用戶積極地參與直播間的互動，建立起積極的直播間氛圍，提高用戶駐留時間，增強用戶粘性，提高購買決策的信心和意愿。同時，提倡平臺增設用戶評價體系，通過用戶反饋調控內容質量。

（3）定制提詞器功能：研究過程中發現，彈幕文本內容經常出現錯別字詞和提問對象指代不清的現象，這會導致用戶與主播之間的溝通互動出現偏差。直播間電商平臺可以引入定制的提詞器功能，減少用戶彈幕提問信息的錯誤，提升用戶與主播之間的溝通互動效果。

（4）加強政策法規的引導與實施：通過設立嚴格的處罰措施和相關法律規章，懲戒利用彈幕進行虛假宣傳的平臺商家。在彈幕發布系統內部植入隱私保護機制，賦予用戶控制個人數據與隱私設置的權力，并確保平臺符合所有適用的隱私法規。并且，推動電商平臺與監管機構的協同工作，以保障平臺信息內容的真實性與透明度。