张琳   贾雯宇   许蔚蔚 浙江传媒学院

基金项目：国家级大学生创新创业训练计划项目：后疫情时代消费者“直播带货”真伪辨识能力调研（项目编号：202111647022）

摘要：基于SOR模型和详尽可能性模型，考察直播电商消费者购物时对虚假信息的敏感性，了解直播电商消费者真伪辨识能力的强弱及其影响因素。为验证研究假设，共收集到602份有效问卷，并运用SPSS软件通过因子分析、建立多元线性回归模型进行实证分析。同时，对多位相关专业人士和消费者进行深度访谈，对问卷调查进行补充。研究表明：①直播电商消费者真伪辨识能力总体较弱。②男性消费者的真伪辨识能力总体较弱。③消费经验和安全意识是影响“直播带货”真伪辨识能力的重要因素。④贪图小便宜的侥幸心理是消费者在直播购物中“踩雷”的主要原因。5直播电商行业乱象产生的主要原因是多方利润分配不均。

关键词：直播电商；真伪性；辨识能力；消费者选择

一、引言

随着互联网技术的发展，直播带货给消费者带来更直观、生动的购物体验，转化率高、营销效果好，逐渐成为电商平台、内容平台的新增长动力。直播电商从2016年开始不断发展，于2020年新冠疫情爆发后迎来急剧上升期。商务大数据监测显示，2020年重点监测电商平台累计直播场次数超2400万场，累计观看人次超1200亿人次，直播商品数超5000万个，活跃主播超55万人。根据毕马威、阿里研究院综合测算，2020年直播电商整体规模达1.05万亿元，渗透率达8.6%。同年，抖音电商的GMV就超过了5000亿，相比2019年翻了三倍多。更有第三方数据测算，至2023年电商大盘的GMV将达到55万亿元。

直播电商如火如荼的背后，仍然存在不少类似观看人数虚假、销售数据“注水”的问题，出现了许多人为操控的“虚假繁荣”现象。夸大其词、假货太多、鱼龙混杂等，是网友诟病直播带货存在的主要问题。浙江省消保委消费体察购买多品类商品共80个批次按国家标准进行检测，其中29个批次样品不符合国家标准，不符合率为36.25%。

消费者在市场经济中作为消费主体发挥作用，决定着社会生产和再生产的目的、方向和前途。在直播购物时，消费者能不能买到满意的商品，会不会被欺骗，直接影响其购买与复购情况。要想提高直播电商消费者的满意度，除了国家干预控制、行业自觉规范以外，消费者个人的真伪辨识能力也是重要的提升因素。

本文通过问卷调查研究结合深度访谈对直播电商的消费者真伪辨别能力及影响因素进行定量分析，以期促进直播电商行业健康发展。

二、文献回顾与理论模型

（一）购买情境与辨识能力

1974年环境心理学家 Mehrabi⁃an和Russell提出，SOR（刺激-有机体-反应）理论模型，模型假定不同的外部刺激对人的内在状态有不同的影响进而决定人的决策行为。随着网络购物及电子商务的盛行，SOR理论模型又被应用到互联网环境中。现有研究认为，不同的电商直播环境会通过影响消费者的内在状态，从而影响其购买意愿。相关文献总结如下表所示。

表1  SOR模型的研究总结

本文按照 SOR模型基本框架，把刺激变量（S）分为三个部分，包括价格因素、来源因素、主播因素，将有机体（O）设为警惕意识，将购买意愿作为有机体的反应（R）。购物情境影响直播电商消费者真伪辨识能力的SOR模型如图所示，并作出如下假设：

假设1 商品价格对消费者的辨识能力产生正向影响；

假设2 商品来源特性对消费者的辨识能力产生正向影响；

假设3 主播熟悉程度对消费者的辨识能力产生正向影响。

图1  SOR理论结构模型图

（二）思考路径与辨识能力

20世纪80年代国外心理学家提出的详尽可能性模型(ELM模型)认为,消费者形成决策判断主要受到信息处理的难易程度及其动机和能力影响,判断路径有两种：一是中心路径,即积极参与的方式，具有较高的动机和能力,谨慎思考、深入分析收集的信息后做出判断决策；二是边缘路径，即消极参与的方式，欠缺足够的动机和能力去收集分析信息,做出简单直观的粗略判断。受购买情境的触发，消费者由于自身能力的不同，往往呈现出深入思考和浅层思考的两种状态，进而产生强弱不同的警惕意识，最终表现出强弱不同的辨识能力。

本文着重考虑消费者个人因素对思考路径的影响，认为消费者个人因素包括理性思考、消费经验和消费安全意识，并提出以下研究假设：

假设4 理性思考能力对消费者的辨识能力有正向影响；

假设5 消费经验对消费者的辨识能力有正向影响；

假设6 消费安全意识对消费者的辨识能力有正向影响。

图2  ELM理论结构模型

三、实证分析

（一）问卷设计

本研究模拟“直播电商”消费者的购物情境，对其真伪辨识能力进行问卷题项测评。同时，根据 SOR模型，从商品价格、商品来源特性和主播熟悉程度三方面进行核心部分的问卷设计。并结合ELM 模型，从不同思考路径，探究影响消费者真伪辨识能力的因素。

问卷主要采用Likert5级量表，以情景化的语言，依次设计选项。被试只需根据自己观看电商直播的感受和实际经历勾选对应选项即可。

表2  问卷结构

（二）数据搜集

数据收集阶段，确定浙江省为调查省域。结合地区经济发展状况、人口数量等多种因素，将杭州市和嘉兴市作为此次的调查地点。调查团队科学地设计抽样框架，控制抽样误差，先使用中心极限定理确定样本容量，再结合简单随机抽样法、分层抽样法和多阶段抽样法，随机抽取了浙江省杭州市和嘉兴市14到50岁居民作为重点调查对象。

首先进行预调研，以检验问卷的适用性。之后再进行大样本数据收集，通过课题组成员的微信群、朋友圈分享链接，以及线下纸质问卷发放填写的方式进行样本收集。从2021年7月3日～7月9日共收到问卷610份。剔除无效问卷后，共回收有效问卷602份。样本数据的描述性统计结果见表2。

由表3可知，在所有受访者中，63%为女性，37%为男性；大部分受访者年龄介于18～50岁之间（占比90.2％）；大部分受访者的文化程度都在高中以上（占比77.4％）；受访者的职业主要是学生（占比49.3％）和公司职员（占比16.4％）；在经济水平方面，月总收入（税后）在2000以下（占比37.4％）的受访者最多，此外，18.4％的受访者月总收入（税后）在3000～4999和18.4％的受访者月总收入（税后）在5000～8000。问卷的调查结果与以往电商直播的研究结论及中国电商直播用户的特征基本一致。

表3  样本统计学人口特征（N=602）

四、实证结果和分析

（一）测量模型评估

本研究使用SPSS软件对数据进行实证检验。首先对测量模型进行评估，包括内部一致性信度和结构效度检验。由表4可知，标准化后的总体克隆巴赫(Cronbach's alpha)系数为0.959，在0.8以上，说明问卷总体的可信度非常的高，具有较好的一致性，所测数据适合用于统计分析。

表4  总体信度分析结果

采用KMO检验和Bartlett的球形度检验来进行结构效度分析。由表，KMO值大于0.9，说明问卷的结构效度非常好，非常适合进行因子分析；另外，Bartlett的球形度检验的P值小于显著性水平，说明因子分析的相关系数矩阵非单位矩阵，能够提取最少的因子，同时能够解释大部分的方差，即效度也可被接受。

表5  KMO和巴特利特检验的相关性检验结果

（二）因子分析

采用主成分分析法的因子载荷阵求解方法，通过SPSS分析结果给出的每个公因子所解释的方差和累积和。公共因子的累积方差贡献率达到 60%以上即可有效涵盖大部分信息。本文共提取2个公共因子，累积方差贡献率达82.114%，提取结果见下表。

表6  公因子方差

表7  总方差解释表

从碎石图上可以比较直观地看出因子重要性的分布情况，碎石图以特征值为纵轴，成分为横轴。前面陡峭的部分说明特征值大，包含的信息多，后面平坦的部分意味着特征值小，包含的信息也较少。本文提取的2个因子已经将所有特征值大于1的情形纳入，可以涵盖大部分信息。

图3  因子分析碎石图

对数据进行主成分分析，对因子载荷矩阵采用最大方差法旋转，得到旋转后的成分矩阵。旋转后的因子载荷矩阵反映公共因子与原始变量之间的相关程度。

表8  旋转后的成分矩阵a

观察以上图表，可以发现，交易风险意识、商品售后关注度、个人信息安全意识、商品评价关注度、贷款消费安全意识、政策法规了解程度在第一个因子上有较高的载荷，其特征值是5.119，因此我们可以将其解释为最主要的影响因素。另外，购买直播带货商品频次、买到假货次数、直播带货观看频次、对带货主播关注度在第二个因子上有较高的载荷，其特征值是3.092，因此我们可以认为这是较为重要的影响因素。

（三）多元线性回归模型

1.模型设计

以真伪辨识能力为因变量，以个人基本信息、消费经验和消费安全意识为解释变量，构建多元线性回归模型，以检验直播电商消费者真伪辨识能力的影响因素。其中，u为残差项。

2.模型检验

使用变量膨胀因子（VIF）来测量模型变量间的多重共线性，结果见表。由表可知，各变量的VIF 值均小于临界值10，表明模型变量间的共线性问题并不严重。由此可见，共线性问题不会对模型结构路径系数估计造成不良影响。

表9  多重共线性检验结果

采用调整后R²来衡量因变量变异对自变量的解释度。调整R²=0.71，拟合度较好，意味着这些自变量能够解释因变量变化原因的71%，即消费者的辨识能力受个人信息，消费经验以及安全意识的影响。另外，DW值在2附近，说明样本独立。

表10  拟合度检验表

通过方差分析（ANOVA）检验模型的显著性。如表所示，F值=96.607，回归模型通过了置信水平为0.05的F检验，可以认为所拟合的方程具有统计学意义；P值<0.001，表明提示因变量和自变量之间存在线性相关。

表11  显著性检验表

通过直方图发现：标准化残差基本服从均值为0，标准差为1的正态分布。从正态概率图（P-P图）也可以看出，散点基本围绕在第一象限对角线上散布，从而判断残差基本服从正态分布。

图4  标准化残差直方图

图 5  标准化残差的正态P-P图

综上所述，可以判断，回归模型的结果基本准确。

3.回归结果分析

回归结果如下表所示。为防止计量单位的不统一产生的数据差异，在回归过程中对于数据进行标准化处理。

可以得到多元线性回归方程:

表12  变量系数表

四、访谈总结

为补充问卷调查结果，本文整理了先后对相关专业人士、消费者等的深度访谈内容，并得出以下结论。

第一，贪图小便宜的侥幸心理是消费者在直播购物中“踩雷”的主要原因。第二，视频化的环境是引致“非理性消费”的重要原因。电商主播在给消费者提供建议的过程中，时常使用煽动性极强的语句，这大大推动了冲动消费的产生。第三，消费者对直播电商的“隐忧”，主要体现在产品质量方面。受访者普遍认为，假冒伪劣产品混迹于各大直播间，难以避免买到假冒伪劣产品。第四，关注优惠适度、商品评价、售后处理等方面，有助于提升消费者直播购物的满意度。第五，直播电商行业乱象产生的主要原因是多方利润分配不均，但也是综合因素的结果。因此，问题的解决也需要政府、企业、学界等多方力量的科学合作。第六，消费者应自觉树立依法维权意识，提高依法维权能力。法律本身的稳定性、滞后性，以及实施过程中的漏洞，决定了法律无法完全保护所有消费者的所有权益。

五、结论与启示

本文基于对直播电商消费者问卷调查的数据分析，得出以下结论：

第一，直播电商消费者真伪辨识能力总体较弱。调查结果显示，仅有 24.9%的消费者没有买到过“假货”。而对于“七天无理由退货（部分商品除外）”等法律法规，就有 15.6%的消费者基本不了解，1.5%的消费者甚至完全不了解。第二，男性消费者的真伪辨识能力总体较弱。在直播购物过程中，男性消费者对产品真伪性的思考大多选择了边缘路径，缺乏对产品相关信息的考察耐心。第三，消费经验和安全意识是影响“直播带货”真伪辨识能力的重要因素。直播电商消费者应保持基本理性，基于适度的价格优惠，听取各种评论建议，提高交易安全意识，认真了解售后维权和相关法律知识。此外，可适度增加观看频次，了解新型消费形式，丰富理论经验，不宜随意下单。

六、建议

首先，提高行业的准入门槛，加强对企业的资质审查，有利于从根源上阻断乱象的发生。“直播带货”行业的红利吸引各界资本纷纷注入，极大促进了其创新与发展。但是，注资企业良莠不齐，不良企业的入驻必然影响行业的生态健康。同时，对于从业主播，国家可以开展相关的培训和资格认证。只有具备相关资质、经过专业培训的主播才可以进行直播带货，这不仅有利于主播素质的提高，而且能够从根本上规范直播带货行业。

其次，加强监管力度，创新监管体系。有关机关和工作人员都需要严格执法，切实履行自身的监管职能，坚决打击侵权牟利行为，从根本上保障消费者合法权益。而加强监管力度，要根据其特殊性，结合现代科技手段，对“直播带货”行业实施动态监察。同时，监管部门也可以与各大互联网平台加强合作，进行联合执法，将其纳入监管体系之中，合力解决执法过程中的疑难问题。另外，国家可以将原来由不同部门分管的监管职能进行收归整合，交由新设的专门行政机关统一行使，这有利于克服分散监管所带来的效率低下、监管不到位的弊端。

此外，国家可以创建“红黑榜”制度，并实施动态管理。设立“红榜”，对近期表现良好的个人和集体提出表扬，树立行业文明，引导行业风向。设立“黑榜”，对近期违反行业规范的个人和集体提出警告，并对其实施一段时间的定向监管。如果在监管期限内该企业无不良行为，则解除定向监管。如果解除定向监管后，该企业再次进入“黑榜”，则可以进行全面检查，并给予相应处罚。

最后，法律法规要紧跟时代步伐，根据实际问题，填补法律漏洞，并应制定统一标准，对于什么样的行为应该给以什么样的惩罚作出明确规定，同时还应该明确监管机构和监管负责人的主体责任。

参考文献：

[1] Mehrabian A., Russell J.A., An Approach to Environmental Psychology, MITPress, Cambridge, MA ,1974.

[2]江航.电商直播下消费者购买意愿影响因素及平台运营策略研究[D].北京邮电大学,2020.

[3]纪曼,卓翔芝.基于SOR模型的电商网络直播环境下消费者购买意愿的影响因素[J].淮北师范大学学报(哲学社会科学版),2020,41(04):49-57.

[4]黄燕.基于S-O-R模型的直播电商消费者冲动购买欲望研究[J].全国流通经济,2021(14):3-6.

[5]黄仕靖,许缦.基于SOR理论的移动电商网络直播对用户在线购买意愿的影响机制研究[J].统计与管理,2021,36(07):122-128..

[6]罗红梅.基于ELM模型劝导路线的广告文案效果影响因素分析[J].老字号品牌营销,2020(10):77-78.

[7]顾琳.ELM两路径下的电商让利营销信息设计研究[D].湖南大学,2016.

[8]David T. Kollat,Ronald P. Willett. Customer Impulse Purchasing Behavior[J]. Journal of Marketing Research,1967,4(1):

[9]Cacioppo, John T.,Petty, Richard E.,Kao, Chuan Feng,Rodriguez, Regina. Central and peripheral routes to persuasion: An individual difference perspective.[J]. Journal of Personality and Social Psychology,1986,51(5)