趙興廬，張 婧

(廣東金融學(xué)院 工商管理學(xué)院，廣州 510521)

網(wǎng)絡(luò)時(shí)代的打賞是用戶以贈(zèng)送代幣、禮物或現(xiàn)金的方式表達(dá)對(duì)作者或其作品的贊賞。雖然打賞與否完全由用戶自行決定，平臺(tái)不會(huì)強(qiáng)迫用戶打賞，但據(jù)劉冰和王新雨[1]的調(diào)查數(shù)據(jù)，46.77%的新媒體用戶表示十分愿意或愿意打賞主播，38.31%的人態(tài)度一般，只有14.92%的人明確表示不愿意打賞。打賞可以讓創(chuàng)作者回歸內(nèi)容本身，不強(qiáng)行植入廣告，提高用戶觀感體驗(yàn)[2]。不過(guò)，在實(shí)踐中存在引誘打賞[3]、攀比打賞[4]、未成年人打賞[5]等問(wèn)題，亟待完善相關(guān)立法和增強(qiáng)監(jiān)管力度。

目前關(guān)于打賞動(dòng)機(jī)的研究有兩個(gè)視角：其一是戲劇表演視角，將網(wǎng)絡(luò)直播視為現(xiàn)場(chǎng)表演的延續(xù)，通過(guò)引發(fā)觀眾共情來(lái)獲得收入。張豆豆[6]將直播間視為一個(gè)布爾迪厄場(chǎng)域，在自主性和慣習(xí)等行動(dòng)規(guī)則塑造下，不打賞的人逐漸習(xí)慣打賞。Tong[7]認(rèn)為以內(nèi)容互動(dòng)和延伸互動(dòng)強(qiáng)化消費(fèi)者作為社區(qū)成員的內(nèi)在形象構(gòu)建，能夠激發(fā)用戶的持續(xù)贊賞意愿。于鐵山[8]基于30余起打賞案例，認(rèn)為網(wǎng)絡(luò)主播的情感控制能力和情感關(guān)系建構(gòu)能力是表演的核心要素，引發(fā)參與者的情感喚醒并進(jìn)行打賞。

其二是市場(chǎng)營(yíng)銷視角，將直播視為一種新的營(yíng)銷手段，主播的影響力、傳遞信息的可信度是影響消費(fèi)者購(gòu)買(打賞)的關(guān)鍵因素。Hilvet-Bruce等[9]認(rèn)為自媒體傳遞的信息價(jià)值越高，用戶的打賞意愿就越強(qiáng)。雷羽尚和楊海龍[10]發(fā)現(xiàn)自媒體影響力和內(nèi)容質(zhì)量與打賞人數(shù)顯著正相關(guān)。劉鳳軍等[11]和艾星等[12]發(fā)現(xiàn)網(wǎng)絡(luò)營(yíng)銷的可信度、專業(yè)性、技能性、互動(dòng)性和吸引力顯著提升用戶對(duì)產(chǎn)品的感知價(jià)值和感知質(zhì)量，進(jìn)而提升了購(gòu)買意愿的購(gòu)買意愿。韓蕭亦和許正良[13]發(fā)現(xiàn)高顏值、富有推薦技巧的主播能引起用戶興奮和對(duì)主播產(chǎn)生信任，提升感知到的產(chǎn)品價(jià)值并下單購(gòu)物。

既有研究為理解用戶打賞行為提供了豐富洞見(jiàn)，但也存在一些不足。首先，戲劇表演視角得到的結(jié)論相對(duì)籠統(tǒng)，很難為平臺(tái)提供具體管理建議；市場(chǎng)營(yíng)銷視角側(cè)重于分析直播帶貨場(chǎng)景，較少關(guān)注游戲、顏值等直播類型。其次，主播的個(gè)人行為較少受到文獻(xiàn)關(guān)注，既往研究多將主播納入表演體系或營(yíng)銷過(guò)程進(jìn)行分析，主播的個(gè)人行為是否對(duì)用戶打賞有系統(tǒng)性影響尚未可知。第三，直播過(guò)程中獲得的彈幕數(shù)量、參與彈幕的人數(shù)、貴賓來(lái)訪等因素反映了主播的直播努力和互動(dòng)質(zhì)量，這些變量對(duì)用戶打賞是否具有系統(tǒng)性影響，尚缺乏可靠的大樣本經(jīng)驗(yàn)證據(jù)。

基于此，本文從戲劇表演和市場(chǎng)營(yíng)銷之外的第3個(gè)視角——主播個(gè)體行為的研究視角提出以下研究問(wèn)題：①直播時(shí)長(zhǎng)與用戶打賞有關(guān)系嗎？②直播的連續(xù)程度和時(shí)間穩(wěn)定性對(duì)打賞有影響嗎？③深夜直播比白天直播獲得更多打賞嗎？④直播間的彈幕和貴賓數(shù)量越多，用戶的打賞意愿越高嗎？為了回答上述問(wèn)題，建立一個(gè)分析主播行為和互動(dòng)努力對(duì)用戶付費(fèi)打賞影響的研究框架(圖1)，追加考慮主播的個(gè)人影響力為控制變量進(jìn)入回歸模型。接下來(lái)，通過(guò)理論分析提出研究假設(shè)，進(jìn)行研究設(shè)計(jì)檢驗(yàn)研究假設(shè)，最后，討論實(shí)證結(jié)果并提出管理建議。

圖1 研究框架

1 研究假設(shè)

1.1 直播管理與用戶付費(fèi)打賞

直播時(shí)長(zhǎng)指一個(gè)完整的直播片段所維持的時(shí)間長(zhǎng)度。據(jù)張淑華等[14]的調(diào)查數(shù)據(jù)，73.01%的用戶每天觀看直播的時(shí)間少于30 min，本文調(diào)查781個(gè)直播片段的平均時(shí)長(zhǎng)為4.6 h。可見(jiàn)，用戶觀看直播的心理訴求是為了獲得碎片化的娛樂(lè)消遣，主播的直播動(dòng)機(jī)則很大程度上是為了獲得收入和展示才藝成為明星?？紤]到直播間熱度存在累積效應(yīng)，直播時(shí)間越長(zhǎng)，所積累的人氣越多，越可能產(chǎn)生用戶付費(fèi)打賞；從主播身體疲勞的程度而言，直播時(shí)間越長(zhǎng)，身體越疲勞，直播效果逐漸下滑，對(duì)用戶觀感體驗(yàn)造成負(fù)面影響。綜上兩方面提出假設(shè)。

H1：直播時(shí)長(zhǎng)與該段直播所獲得用戶付費(fèi)打賞總額呈現(xiàn)倒“U”形關(guān)系。

直播時(shí)段指一個(gè)直播片段所屬的時(shí)間區(qū)域。據(jù)吳凱[15]的調(diào)查數(shù)據(jù)，76.27%的用戶選擇在晚上18：00—22：00觀看直播，其次是下午(18.31%)和凌晨(15.59%)。本文調(diào)查的781次直播片段中有37.4%是在晚上，其次是凌晨(26.2%)和下午(17.4%)。據(jù)此推斷，由于夜晚和凌晨是主播和用戶相對(duì)集中的上線時(shí)間，互動(dòng)更為熱烈，表演效果更佳，用戶更有可能進(jìn)行付費(fèi)打賞；而白天進(jìn)行的直播相對(duì)冷清，表演效果較平淡，較難產(chǎn)生付費(fèi)打賞行為。由此提出假設(shè)。

H2：直播時(shí)段選擇在晚上和凌晨進(jìn)行將顯著獲得更多的時(shí)均付費(fèi)打賞。

連續(xù)程度指主播逐天直播的最長(zhǎng)持續(xù)天數(shù)。有的主播工作狀態(tài)不穩(wěn)定，無(wú)故斷播數(shù)天，造成用戶流失或情感轉(zhuǎn)移；有的主播堅(jiān)持每天直播，與用戶之間建立可預(yù)測(cè)的服務(wù)關(guān)系。據(jù)汪雅倩[16]的研究，主播的陪伴性對(duì)用戶是極為重要的，用戶只能用碎片化時(shí)間上線，但主播應(yīng)持續(xù)地對(duì)用戶進(jìn)行陪伴。因此，連續(xù)程度高的直播更能獲得用戶的信任和情感認(rèn)同，不連續(xù)的直播則會(huì)造成用戶找不到主播而投懷到其他主播，或?qū)χ鞑ゲ粷M導(dǎo)致忠誠(chéng)度下降并減少打賞。由此提出假設(shè)。

H3：連續(xù)程度高的直播樣本獲得了顯著更多的用戶付費(fèi)打賞。

時(shí)間穩(wěn)定性指主播是否在固定時(shí)間進(jìn)行直播。有的主播的直播時(shí)間隨意性很大，有的主播則表現(xiàn)出極強(qiáng)的專業(yè)性，向用戶公布每天固定的直播時(shí)間并嚴(yán)格執(zhí)行。雖然網(wǎng)絡(luò)直播不受時(shí)空條件的約束，但平臺(tái)方有責(zé)任進(jìn)行時(shí)間約束以提高觀賞的可預(yù)測(cè)性[17]。穩(wěn)定性高的直播等同于提前與用戶進(jìn)行服務(wù)預(yù)約，能顯著提高開(kāi)播后的用戶參與率，提升互動(dòng)質(zhì)量并帶來(lái)更多的用戶打賞行為。由此提出假設(shè)。

H4：時(shí)間穩(wěn)定性高的直播樣本獲得了顯著更多的用戶付費(fèi)打賞。

1.2 彈幕互動(dòng)與用戶付費(fèi)打賞

彈幕人數(shù)指一次完整的直播片段中發(fā)送彈幕的總?cè)藬?shù)，彈幕人數(shù)越多，說(shuō)明對(duì)直播內(nèi)容感興趣的用戶數(shù)量越多。本文調(diào)查781段直播樣本的平均彈幕人數(shù)為1 009人，最少為7人，最高則達(dá)到24 200人。根據(jù)符號(hào)互動(dòng)理論，彈幕是主播與用戶之間的一種有約定意義的互動(dòng)符號(hào)[18]，例如，“666”是“溜溜溜”的諧音表示贊許，“555”是“嗚嗚嗚”的諧音表示哭泣。彈幕人數(shù)多的直播間說(shuō)明主播與用戶互動(dòng)熱烈，用戶參與程度高，更有可能進(jìn)行打賞；缺乏彈幕的直播間說(shuō)明主播與用戶缺乏互動(dòng)，直播內(nèi)容不吸引用戶，難激發(fā)用戶的情感共鳴進(jìn)而打賞。綜上提出假設(shè)。

H5：彈幕人數(shù)與該段直播獲得的付費(fèi)打賞總額顯著正相關(guān)。

人均彈幕指一次完整的直播片段中總彈幕數(shù)量與發(fā)送彈幕人數(shù)之比，人均彈幕越多，用戶參與互動(dòng)的程度越深。本文調(diào)查781段直播樣本的平均彈幕數(shù)量為4.06條，最少的為1.02條，最多的為42.02條。根據(jù)傳播學(xué)的使用與滿足理論，觀眾會(huì)傾向于選擇那些更能夠理解和接受的信息[19]。彈幕是用戶理解直播內(nèi)容的補(bǔ)充，人均彈幕越多，主播與用戶的互動(dòng)程度越深，能培育高忠誠(chéng)度的用戶，進(jìn)而產(chǎn)生維護(hù)主播的行為。人均彈幕少說(shuō)明主播與用戶的互動(dòng)停留于淺層，用戶對(duì)直播內(nèi)容感興趣的程度低，對(duì)主播的忠誠(chéng)度低，難產(chǎn)生付費(fèi)打賞行為。綜上提出假設(shè)。

H6：人均彈幕數(shù)量與該段直播獲得的人均付費(fèi)打賞顯著正相關(guān)。

新增粉絲指在一次完整的直播片段中新關(guān)注主播的用戶數(shù)量。主播在一次直播中可能增加粉絲，也可能減少粉絲，取決于直播內(nèi)容質(zhì)量以及主播與用戶之間是否產(chǎn)生了情感共鳴。本文調(diào)查的781段直播樣本平均新增粉絲為253人，其中極大值為4 068人，而極小值為-284人。當(dāng)新增粉絲較多時(shí)，說(shuō)明直播內(nèi)容質(zhì)量高，互動(dòng)情況熱烈，引發(fā)了路人的關(guān)注興趣或情感共鳴，進(jìn)行打賞的可能性大；當(dāng)新增粉絲數(shù)量較少甚至負(fù)增長(zhǎng)時(shí)，說(shuō)明直播間內(nèi)容不吸引人，或者主播行為失當(dāng)引起粉絲反感，導(dǎo)致取消關(guān)注，此時(shí)進(jìn)行打賞的可能性很低。綜上提出假設(shè)。

H7：新增粉絲數(shù)量與該段直播獲得的用戶付費(fèi)打賞顯著正相關(guān)。

貴賓數(shù)量指在一次完整的直播片段中進(jìn)入直播間的平臺(tái)會(huì)員數(shù)量。貴賓有用專屬?gòu)椖弧⑷纠?、推薦主播上熱門等特權(quán)。網(wǎng)絡(luò)傳播理論認(rèn)為，貴賓是大眾傳播的活躍分子和意見(jiàn)領(lǐng)袖，在信息擴(kuò)散過(guò)程中起重要的中介或過(guò)濾作用[20]。直播間是一個(gè)相對(duì)封閉的空間，意見(jiàn)領(lǐng)袖的意見(jiàn)會(huì)迅速蔓延開(kāi)來(lái)，受眾基于對(duì)意見(jiàn)領(lǐng)袖的推崇產(chǎn)生跟隨行為[21]。因此，貴賓數(shù)量多的直播間具有更強(qiáng)的煽動(dòng)力和互動(dòng)強(qiáng)度，用戶更可能追隨貴賓進(jìn)行打賞消費(fèi)；貴賓數(shù)量少的直播間的互動(dòng)能量和熱烈程度都更低，用戶行為更為冷靜和理智。綜上提出假設(shè)。

H8：貴賓數(shù)量與該段直播獲得的用戶付費(fèi)打賞顯著正相關(guān)。

2 研究設(shè)計(jì)

2.1 樣本選取與數(shù)據(jù)來(lái)源

本文選擇斗魚平臺(tái)為樣本數(shù)據(jù)采集對(duì)象。自2014年成立以來(lái)，斗魚迅速成為直播行業(yè)龍頭，并于2019年7月在美國(guó)納斯達(dá)克成功上市，目前市值約為40億美元。據(jù)公開(kāi)招股書顯示，2019年第一季度斗魚直播付費(fèi)用戶達(dá)600萬(wàn)，比上年同期增長(zhǎng)66.7%；月活躍用戶達(dá)1.592億，同比增長(zhǎng)25.7%。因此，基于斗魚平臺(tái)研究直播現(xiàn)象和用戶打賞行為具有較好的代表性。

本文以顏值主播為研究對(duì)象，顏值主播以才藝展示為主要直播內(nèi)容，直播內(nèi)容的穩(wěn)定性較強(qiáng)，受外部事件的影響較小。課題組于2019年10月14日在斗魚顏值頻道隨機(jī)選取了52名主播，跟蹤該52名主播從10月15日至10月31日共計(jì)17 d的全部直播情況，包括直播時(shí)長(zhǎng)、付費(fèi)禮物、送禮人數(shù)、彈幕人數(shù)、新增粉絲數(shù)量、最高貴賓數(shù)量等數(shù)據(jù)，經(jīng)過(guò)篩查整理，最終得到781段有效直播樣本，即N=781。

2.2 變量定義與計(jì)算

因變量：付費(fèi)打賞。包括4個(gè)子變量：①付費(fèi)禮物(pay)，指一次直播過(guò)程中主播收到的付費(fèi)禮物總價(jià)值；②付費(fèi)占比(pay_pct)，指付費(fèi)禮物占總禮物的比例，其中總禮物包含付費(fèi)禮物和免費(fèi)禮物，兩者之間的換算辦法是110單位免費(fèi)禮物等同于1單位付費(fèi)禮物(1元人民幣)；③人均付費(fèi)禮物(pay_pp)，付費(fèi)禮物總額與送禮人數(shù)之比；④時(shí)均付費(fèi)禮物(pay_ph)，付費(fèi)禮物總額與直播時(shí)長(zhǎng)之比。

自變量：直播管理。包括4個(gè)子變量：①直播時(shí)長(zhǎng)(duration)，指一段直播維持的時(shí)間長(zhǎng)度，以小時(shí)為單位；②直播時(shí)段(time)，指一段直播所處時(shí)間段，分5個(gè)時(shí)段，即凌晨場(chǎng)(0:00—5:00)、上午場(chǎng)(5:00—10:00)、中午場(chǎng)(10:00—14:00)、下午場(chǎng)(14:00—18:00)、晚上場(chǎng)(18:00—24:00)，判別標(biāo)準(zhǔn)是某段直播超過(guò)50%的時(shí)間所處的時(shí)間段，若該段直播跨多個(gè)時(shí)間段則以第一個(gè)時(shí)間段為準(zhǔn)，將晚上場(chǎng)和凌晨場(chǎng)記為夜晚，標(biāo)記為1，其他為白天，標(biāo)記為0；③連續(xù)程度(serial)，指當(dāng)段直播與上次直播之間的間隔天數(shù)，若連續(xù)空缺則為負(fù)數(shù)，若連續(xù)直播則為正數(shù)，考慮離散程度界定最小值為-5，最大值為5；④時(shí)間穩(wěn)定性(ftxtime)，若當(dāng)天直播時(shí)間與上一天直播時(shí)間基本一致則標(biāo)記為1，若不一致則標(biāo)記為0。

自變量：彈幕互動(dòng)。包括4個(gè)子變量：①?gòu)椖蝗藬?shù)(barrage_nb)，一次直播過(guò)程中發(fā)送彈幕的總?cè)藬?shù)；②人均彈幕(barrage_pp)，一次直播過(guò)程中發(fā)送的總彈幕數(shù)量與發(fā)送彈幕總?cè)藬?shù)之比；③新增粉絲(fansadd)，主播在一次直播過(guò)程中收到的新增加或減少的用戶關(guān)注數(shù)量；④貴賓數(shù)量(vipguest)，一次直播過(guò)程中直播間同時(shí)在線貴賓數(shù)量的最高值。

控制變量：①當(dāng)月排名(rank)，主播當(dāng)月在斗魚顏值風(fēng)云榜的排名，取值為1～30，30名以外統(tǒng)一取值為31；②主播等級(jí)(level)，主播在斗魚的等級(jí)，在1～100取值；③基礎(chǔ)粉絲量(fansnumber)，主播的平臺(tái)粉絲數(shù)量，以萬(wàn)為單位，以2019年10月15日的數(shù)值為準(zhǔn)；④加入時(shí)間(jointime)，主播加入斗魚平臺(tái)的時(shí)間，以月為單位；⑤主播性別(gender)，男性主播取值為1，女性主播取值為0。

2.3 描述性統(tǒng)計(jì)分析

描述性統(tǒng)計(jì)分析結(jié)果見(jiàn)表1。主播平均每次直播獲26 439.58元的付費(fèi)禮物，平均直播時(shí)長(zhǎng)4.59 h，每小時(shí)獲6 104.44元付費(fèi)禮物。每場(chǎng)直播有154人贈(zèng)送禮物，其中86.10%為付費(fèi)禮物，平均每人贈(zèng)送付費(fèi)禮物為171.46元。約64%的直播在18：00至次日5：00進(jìn)行，連續(xù)程度指數(shù)均值為2.82；大約一半的主播有較為穩(wěn)定的直播時(shí)間，而另一半的主播的上下播時(shí)間較為隨意。平均每場(chǎng)直播有918人發(fā)送彈幕，人均彈幕數(shù)約為4條，每場(chǎng)直播為主播增加253個(gè)粉絲，光臨直播間的貴賓數(shù)量平均為746人。整體而言，顏值直播的熱度較高，受到粉絲熱捧，單場(chǎng)最高付費(fèi)打賞金額達(dá)到752 200元，為平臺(tái)和主播帶來(lái)了可觀的經(jīng)濟(jì)收益。

表1 主要研究變量的描述性統(tǒng)計(jì)分析(N=781)

對(duì)主要研究變量進(jìn)行相關(guān)系數(shù)分析，結(jié)果見(jiàn)表2。付費(fèi)打賞與直播時(shí)長(zhǎng)有顯著關(guān)系，在夜晚的直播獲得了更多打賞，此外，也跟彈幕人數(shù)、新增粉絲數(shù)和貴賓數(shù)量顯著正相關(guān)。付費(fèi)禮物占比與直播時(shí)間的穩(wěn)定性顯著正相關(guān)，但與彈幕人數(shù)等互動(dòng)指標(biāo)則存在顯著負(fù)相關(guān)關(guān)系，表明彈幕互動(dòng)可能主要提升的是免費(fèi)禮物贈(zèng)送，而非付費(fèi)禮物贈(zèng)送。人均付費(fèi)禮物與夜晚時(shí)段、彈幕人數(shù)和新增粉絲顯著正相關(guān)，但與連續(xù)程度顯著負(fù)相關(guān)。時(shí)均付費(fèi)禮物與直播時(shí)長(zhǎng)成反比，與彈幕人數(shù)、新增粉絲和貴賓數(shù)量正向關(guān)。整體而言，直播管理和互動(dòng)努力與用戶付費(fèi)打賞存在顯著正向關(guān)聯(lián)關(guān)系，但也存在一些負(fù)向關(guān)聯(lián)關(guān)系值得深入探究。

表2 主要研究變量相關(guān)系數(shù)(N=781)

3 實(shí)證檢驗(yàn)

3.1 多元回歸分析

為了深入分析自變量對(duì)付費(fèi)打賞的影響，構(gòu)建多元回歸方程為

Yi=α+β1durationi+β2durationi×durationi+

β3timei+β4seriali+β5fixtimei+β6barrage_nbi+

β7barrage_ppi+β8fansaddi+β9vipguesti+β10ranki+

β11leveli+β12fansnumberi+β13jointimei+β14genderi+εi

(1)

式中：Y為被解釋變量，在方程1～方程4中分別表示為pay付費(fèi)禮物、pay_pct付費(fèi)占比、pay_pp人均付費(fèi)和pay_ph時(shí)均付費(fèi)；duration表示直播時(shí)長(zhǎng)，duration×duration為直播時(shí)長(zhǎng)的平方項(xiàng)，用來(lái)檢測(cè)非線性關(guān)系，time表示夜晚直播時(shí)段，serial表示直播連續(xù)程度，fixtime表示直播時(shí)間的穩(wěn)定性，barrage_nb表示彈幕人數(shù)，barrage_pp表示人均彈幕，fansadd表示新增粉絲，vipguest表示貴賓數(shù)量，以上為解釋變量；rank表示主播的當(dāng)月排名，level表示主播的等級(jí)，fansnumber表示主播的基礎(chǔ)粉絲量，jointime表示加入平臺(tái)的時(shí)間，gender表示主播的性別，以上為控制變量；i代表不同直播片段；ε表示誤差項(xiàng)；α和β1-14表示待估計(jì)的未知統(tǒng)計(jì)參數(shù)。

表3展示了方程1～方程4的回歸結(jié)果。對(duì)方程1～方程4的解釋變量進(jìn)行共線性診斷，結(jié)果顯示解釋變量的方差膨脹因子VIF值為1.171～3.199，未超過(guò)共線性的診斷閾值10，因此方程1～方程4的自變量之間不存在顯著的共線性問(wèn)題。

表3 主播行為和互動(dòng)努力對(duì)用戶付費(fèi)打賞的影響結(jié)果

綜合表3中方程1～方程4的回歸結(jié)果，對(duì)假設(shè)的驗(yàn)證情況如下：

直播時(shí)長(zhǎng)對(duì)付費(fèi)打賞總額的影響顯著為正(β=0.173，P<0.01)，但二次項(xiàng)與付費(fèi)打賞總額的參數(shù)估計(jì)值顯著為負(fù)(β=-0.361，P<0.01)，表明直播時(shí)長(zhǎng)與付費(fèi)打賞呈現(xiàn)倒“U”形影響關(guān)系。直播時(shí)長(zhǎng)對(duì)人均付費(fèi)打賞的影響基本類似。在時(shí)均付費(fèi)方面，直播時(shí)長(zhǎng)越長(zhǎng)，時(shí)均付費(fèi)越少(β=-0.631，P<0.01)，但下降速度趨緩(β=0.170，P<0.05)，符合長(zhǎng)尾分布的統(tǒng)計(jì)特征。因此，假設(shè)H1得到數(shù)據(jù)支持。

夜晚時(shí)段對(duì)付費(fèi)打賞總額(β=0.097，P<0.01)、人均付費(fèi)(β=0.099，P<0.01)和時(shí)均付費(fèi)(β=0.101，P<0.05)有顯著正向影響，因此，假設(shè)H2得到數(shù)據(jù)支持。

直播連續(xù)程度對(duì)付費(fèi)禮物占比有顯著正向影響(β=0.075，P<0.05)，對(duì)付費(fèi)禮物總額(β=-0.092，P<0.01)、人均付費(fèi)(β=-0.124，P<0.01)和時(shí)均付費(fèi)(β=-0.069；P<0.10)有顯著負(fù)向影響。時(shí)間穩(wěn)定性對(duì)付費(fèi)打賞占比有顯著正向影響(β=0.065，P<0.10)，對(duì)其他因變量無(wú)顯著影響。因此，假設(shè)H3和H4獲部分支持。

彈幕人數(shù)對(duì)付費(fèi)打賞總額(β=0.656，P<0.01)有顯著正向影響，因此，假設(shè)H5得到數(shù)據(jù)支持。人均彈幕對(duì)人均付費(fèi)打賞(β=0.046，P>0.10)無(wú)顯著影響，因此，假設(shè)H6未得到數(shù)據(jù)支持。新增粉絲對(duì)付費(fèi)打賞總額(β=0.094，P<0.05)和人均付費(fèi)(β=0.118，P<0.05)存在顯著正向影響，因此，假設(shè)H7得到了數(shù)據(jù)支持。

貴賓數(shù)量但付費(fèi)打賞總額的影響為正，但不顯著(β=0.077，P>0.10)，對(duì)時(shí)均付費(fèi)打賞的影響顯著為正(β=0.152，P≤0.05)，考慮原因，可能是在貴賓數(shù)量與付費(fèi)打賞之間存在中介變量，潛在的中介變量可能是彈幕人數(shù)、人均彈幕和新增粉絲。此外，貴賓數(shù)量對(duì)付費(fèi)打賞比例的影響顯著為負(fù)(β=0.162，P<0.05)，可能是因?yàn)橘F賓同時(shí)帶動(dòng)了付費(fèi)打賞和免費(fèi)打賞，而免費(fèi)打賞的增長(zhǎng)比重更大。綜合上述分析，認(rèn)為假設(shè)H8僅得到部分支持，潛在的中介效將繼續(xù)分析檢驗(yàn)。

3.2 對(duì)非線性關(guān)系和中介效應(yīng)的進(jìn)一步分析

為了進(jìn)一步解析直播時(shí)長(zhǎng)與付費(fèi)禮物的非線性關(guān)系，將直播時(shí)長(zhǎng)與付費(fèi)禮物總額的全案例散點(diǎn)圖繪制如圖2所示，直播時(shí)長(zhǎng)與時(shí)均付費(fèi)的全案例散點(diǎn)圖如圖3所示。由圖2可見(jiàn)，直播時(shí)長(zhǎng)與付費(fèi)禮物整體上正相關(guān)，但隨著直播時(shí)長(zhǎng)不斷增加，這一趨勢(shì)開(kāi)始下降，因此呈現(xiàn)出倒“U”形關(guān)系。在圖3中，隨著直播時(shí)間的增加，時(shí)均付費(fèi)呈明顯的下降趨勢(shì)，呈現(xiàn)出“L”形的長(zhǎng)尾分布特點(diǎn)。

圖2 直播時(shí)長(zhǎng)與付費(fèi)禮物的倒“U”形散點(diǎn)圖

圖3 直播時(shí)長(zhǎng)與時(shí)均付費(fèi)的“L”形散點(diǎn)圖

進(jìn)一步觀察圖2發(fā)現(xiàn)，樣本散點(diǎn)分布存在較為明顯的分叉現(xiàn)象，即一部分樣本的斜率基本保持不變，另一部分樣本的斜率則呈現(xiàn)出衰減趨勢(shì)，提示可能存在調(diào)節(jié)變量。根據(jù)對(duì)樣本數(shù)據(jù)的觀察，推斷主播的基礎(chǔ)粉絲數(shù)量可能是造成這一分叉的調(diào)節(jié)因素，據(jù)此，進(jìn)一步進(jìn)行分樣本的回歸檢驗(yàn)。

本文涉及的781段直播樣本的主播平均基礎(chǔ)粉絲量為17.24萬(wàn)(最少0.032萬(wàn)，最高155.21萬(wàn))，其中623段直播樣本的基礎(chǔ)粉絲量低于17.24萬(wàn)，標(biāo)注為低粉絲樣本，其余158段直播樣本高于該數(shù)值，標(biāo)注為高粉絲樣本。對(duì)兩個(gè)子樣本分別按照方程1進(jìn)行多元線性回歸，發(fā)現(xiàn)在低粉絲樣本中，直播時(shí)長(zhǎng)對(duì)付費(fèi)打賞的影響參數(shù)顯著為正(β=0.295，P<0.01)，二次項(xiàng)參數(shù)顯著為負(fù)(β=-0.436，P<0.01)；在高粉絲樣本中，直播時(shí)長(zhǎng)對(duì)付費(fèi)打賞的影響參數(shù)顯著為正(β=0.113，P<0.05)，但二次項(xiàng)參數(shù)估計(jì)值不顯著(β=-0.002，P>0.10)。根據(jù)上述結(jié)果，作出調(diào)節(jié)效應(yīng)判斷：直播時(shí)長(zhǎng)對(duì)付費(fèi)打賞的影響以主播的基礎(chǔ)粉絲量為調(diào)節(jié)變量，高粉絲主播的這一影響為正向線性關(guān)系，低粉絲主播的這一影響為倒“U”形關(guān)系。

此外，為了檢驗(yàn)貴賓數(shù)量與付費(fèi)打賞之間是否存在中介變量的問(wèn)題，對(duì)方程1回歸模型進(jìn)行逐步納入自變量的操作——以付費(fèi)打賞總額為因變量，逐步納入控制變量、直播管理變量、貴賓數(shù)量，最后納入彈幕人數(shù)、人均彈幕和新增粉絲。結(jié)果顯示，當(dāng)貴賓數(shù)量進(jìn)入回歸模型時(shí)，其對(duì)付費(fèi)打賞總額的影響顯著為正(β=0.720，P<0.01)，模型擬合優(yōu)度R2從0.214提升至0.355，說(shuō)明貴賓數(shù)量是付費(fèi)打賞的有效解釋變量。最后，彈幕人數(shù)(β=0.656，P<0.01)、人均彈幕(β=0.060，P<0.10)和新增粉絲(β=0.094，P<0.05)進(jìn)入模型，三者均對(duì)付費(fèi)打賞存在顯著影響，但貴賓數(shù)量對(duì)付費(fèi)打賞的顯著影響消失(β=0.077，P>0.10)，模型擬合優(yōu)度R2從0.355提升進(jìn)一步提升至0.525，說(shuō)明彈幕人數(shù)、人均彈幕和新增粉絲是付費(fèi)打賞的直接解釋變量，貴賓數(shù)量是付費(fèi)打賞的間接解釋變量，中介效應(yīng)得到初步驗(yàn)證。

3.3 分時(shí)段方差分析

為了進(jìn)一步厘清直播時(shí)段對(duì)付費(fèi)打賞的影響，對(duì)5個(gè)不同的直播時(shí)間段的付費(fèi)打賞情況和彈幕互動(dòng)情況進(jìn)行方差分析，結(jié)果見(jiàn)表4。

表4 直播特征和互動(dòng)場(chǎng)景與用戶付費(fèi)打賞關(guān)系結(jié)果

整體來(lái)看，晚上場(chǎng)是直播效果最佳和付費(fèi)打賞最多的時(shí)段，這一時(shí)段的樣本在付費(fèi)禮物、總禮物、人均送禮、送禮人數(shù)、總彈幕、彈幕人數(shù)、時(shí)均付費(fèi)禮物、時(shí)均彈幕、時(shí)均送禮人數(shù)等指標(biāo)的表現(xiàn)處于領(lǐng)先地位。凌晨場(chǎng)的直播效果低于晚上場(chǎng)，其付費(fèi)禮物等指標(biāo)均顯著低于晚上場(chǎng)，而直播時(shí)長(zhǎng)顯著高于晚上場(chǎng)，為全場(chǎng)最高。此外，凌晨場(chǎng)的人均彈幕和最高貴賓數(shù)量為所有時(shí)段中最高，說(shuō)明凌晨時(shí)段的用戶更愿意跟主播進(jìn)行深度交流，但付費(fèi)打賞的意愿不如晚上場(chǎng)。

在白天時(shí)段的直播方面，中午場(chǎng)的表現(xiàn)非常突出，雖然只有84個(gè)直播片段在中午進(jìn)行，占全部樣本的10.7%，但付費(fèi)禮物均值高達(dá)28 686.24元，僅次于晚上場(chǎng)，是上午場(chǎng)的4.57倍，是下午場(chǎng)的1.92倍。此外，中午場(chǎng)在付費(fèi)禮物、總禮物、人均送禮、時(shí)均付費(fèi)禮物等指標(biāo)均排第二，時(shí)均新增粉絲數(shù)量則為全時(shí)段第一。這些數(shù)據(jù)表明，中午是用戶觀看直播并進(jìn)行付費(fèi)打賞的理想時(shí)段，在這個(gè)時(shí)段，用戶雖然發(fā)送彈幕的數(shù)量不多，但付費(fèi)打賞的意愿和新增關(guān)注的意愿比較強(qiáng)烈。綜合上述指標(biāo)，主播進(jìn)行直播的理想時(shí)段依次是晚上場(chǎng)、中午場(chǎng)、下午場(chǎng)、凌晨場(chǎng)、上午場(chǎng)，時(shí)均付費(fèi)打賞依次為8 993.63、6 600.07、4 564.22、4 173.08、1 731.32元。

4 結(jié)論與討論

4.1 研究結(jié)論

1)直播管理對(duì)付費(fèi)打賞有顯著影響。直播時(shí)長(zhǎng)與付費(fèi)打賞總額呈現(xiàn)倒“U”形關(guān)系，隨著直播時(shí)間的增長(zhǎng)，付費(fèi)打賞呈下降趨勢(shì)，但基礎(chǔ)粉絲數(shù)量大的主播不受這一規(guī)律的影響，其直播時(shí)長(zhǎng)與付費(fèi)打賞總額基本為正向線性關(guān)系。直播的連續(xù)程度和時(shí)間穩(wěn)定性能夠提升付費(fèi)禮物占比，但對(duì)付費(fèi)禮物總額、人均付費(fèi)和時(shí)均付費(fèi)存在負(fù)面影響，可能的原因是直播內(nèi)容相對(duì)重復(fù)導(dǎo)致無(wú)法吸引路人，因此主播應(yīng)避免形成封閉粉絲群，應(yīng)加強(qiáng)對(duì)新用戶和路人的重視和吸引。

2)主播與用戶的互動(dòng)努力顯著提升了付費(fèi)打賞。彈幕人數(shù)是付費(fèi)打賞最有力的解釋變量，顯著提升了付費(fèi)打賞總額、人均付費(fèi)和時(shí)均付費(fèi)。人均彈幕的影響略低于彈幕人數(shù)，說(shuō)明主播與用戶互動(dòng)的廣度比深度更為重要。新增粉絲數(shù)量反映了主播吸引路人的努力，這一指標(biāo)對(duì)付費(fèi)打賞有提升作用，說(shuō)明新用戶對(duì)主播關(guān)注后很可能產(chǎn)生付費(fèi)打賞行為。貴賓數(shù)量是付費(fèi)打賞的間接解釋變量，通過(guò)提升彈幕人數(shù)、人均彈幕和新增粉絲來(lái)營(yíng)造直播間的付費(fèi)打賞氛圍。

3)直播時(shí)段對(duì)付費(fèi)打賞存在顯著影響。晚上場(chǎng)(18:00—24:00)是最為理想的直播時(shí)段，其在付費(fèi)禮物、總禮物、人均送禮、送禮人數(shù)、總彈幕、彈幕人數(shù)、時(shí)均付費(fèi)禮物、時(shí)均彈幕、時(shí)均送禮人數(shù)等指標(biāo)的表現(xiàn)處于領(lǐng)先地位。其次為中午場(chǎng)(10:00—14:00)和下午場(chǎng)(14:00—18:00)，而凌晨場(chǎng)的直播不僅時(shí)間普遍過(guò)長(zhǎng)(場(chǎng)均6.51 h)，而且在時(shí)均付費(fèi)、時(shí)均新增粉絲等關(guān)鍵指標(biāo)的得分均不如中午場(chǎng)或下午場(chǎng)。這些研究結(jié)果表明，付費(fèi)打賞的核心時(shí)段是用戶的工作間隙時(shí)間如中午或晚上，熬夜看直播的用戶并不會(huì)為主播提供顯著更多的付費(fèi)打賞。

4.2 理論創(chuàng)新

1)本文采取的主播個(gè)人行為視角與既有研究形成了差異和互補(bǔ)。既有研究中，戲劇表演視角側(cè)重于分析主播與用戶的感情聯(lián)系[6-8]，市場(chǎng)營(yíng)銷視角側(cè)重于對(duì)用戶消費(fèi)心理的揣度和測(cè)量[9-13]，鮮有從主播個(gè)人行為的角度對(duì)直播打賞行為進(jìn)行的研究。本文將主播的直播行為視為核心變量，分析直播管理和互動(dòng)努力對(duì)付費(fèi)打賞的影響，補(bǔ)充了既有研究缺乏對(duì)主播個(gè)人行為關(guān)注的不足。

2)本文設(shè)計(jì)的研究方法具有較強(qiáng)的實(shí)證新穎性。既有實(shí)證研究又采用案例分析[8]、主播訪談[16]、用戶訪談[13]、用戶問(wèn)卷調(diào)查[22]、彈幕文本分析[11]等方法，嘗試還原直播場(chǎng)景。本文直接抓取直播間的實(shí)時(shí)數(shù)據(jù)如直播時(shí)長(zhǎng)、彈幕數(shù)量、新增粉絲、付費(fèi)禮物等，直接還原直播現(xiàn)場(chǎng)，能夠產(chǎn)生客觀、真實(shí)和具體的研究發(fā)現(xiàn)，對(duì)于深化對(duì)網(wǎng)絡(luò)直播現(xiàn)象的學(xué)術(shù)研究提供了客觀翔實(shí)的經(jīng)驗(yàn)證據(jù)。

3)本文得到了一些出乎常理的新研究結(jié)論。例如：①直播時(shí)長(zhǎng)與付費(fèi)打賞之間存在倒“U”形的非線性關(guān)系，同時(shí)這一關(guān)系還受到主播基礎(chǔ)粉絲量的權(quán)變影響；②直播的連續(xù)性和時(shí)間穩(wěn)定性對(duì)付費(fèi)占比有正向影響，但對(duì)打賞總額和人均付費(fèi)有負(fù)向影響；③直播間的貴賓數(shù)量對(duì)付費(fèi)打賞的影響是間接的，其中介過(guò)程是直播間的彈幕人數(shù)、人均彈幕和新增粉絲數(shù)量；④晚上場(chǎng)是最佳的直播時(shí)段，但凌晨場(chǎng)的直播效果不如中午場(chǎng)，用戶的工作間隙是直播打賞的最佳時(shí)機(jī)。整體而言，這些研究發(fā)現(xiàn)進(jìn)一步深入厘清了主播行為、直播間氛圍和用戶回應(yīng)等多種機(jī)制的復(fù)雜關(guān)系，對(duì)深入理解和管理直播現(xiàn)象及完善直播經(jīng)濟(jì)提供新的洞見(jiàn)。

4.3 管理建議

平臺(tái)是主播的管理者、直播行為的規(guī)范者以及群體互動(dòng)機(jī)制的設(shè)計(jì)者?；诒疚难芯拷Y(jié)論，對(duì)平臺(tái)提出以下管理建議：①與主播簽訂更為靈活的直播時(shí)間協(xié)議。目前不少平臺(tái)都與主播簽訂了直播合同[17]，要求主播每天按時(shí)直播，但本文的研究發(fā)現(xiàn)直播的連續(xù)程度和時(shí)間穩(wěn)定性對(duì)付費(fèi)打賞存在負(fù)向影響，因此，平臺(tái)不用要求主播逐天準(zhǔn)時(shí)上播，而是控制整月的直播時(shí)間即可。②區(qū)別對(duì)待基礎(chǔ)粉絲數(shù)量大和小的主播，對(duì)基礎(chǔ)粉絲數(shù)量大的主播應(yīng)要求更多的直播時(shí)間，而對(duì)粉絲少的主播則引導(dǎo)其適度直播。③引導(dǎo)主播減少凌晨直播，盡量選擇在用戶的工作時(shí)間空隙如中午和晚上進(jìn)行直播。④設(shè)法改善彈幕功能提高用戶的參與率，降低發(fā)送彈幕的門檻，提升彈幕感官體驗(yàn)，讓更多的用戶發(fā)送彈幕。

主播是自媒體時(shí)代的內(nèi)容生產(chǎn)者和自我雇傭(創(chuàng)業(yè))者?；诒疚难芯拷Y(jié)論，對(duì)主播提出以下管理建議：①直播時(shí)長(zhǎng)不宜過(guò)短也不宜過(guò)長(zhǎng)，適度長(zhǎng)度的直播能獲得更多付費(fèi)打賞，過(guò)度直播會(huì)降低服務(wù)質(zhì)量。②發(fā)展可持續(xù)直播服務(wù)，減少凌晨直播，改為中午或下午直播，不僅可以提升付費(fèi)打賞，而且對(duì)主播自身和粉絲群體的身體健康也有所裨益。③直播與傳統(tǒng)工作存在顯著區(qū)別，朝九晚五的模式不適合主播，主播不必每天準(zhǔn)時(shí)上下播，而應(yīng)考慮如何為粉絲提供新的直播體驗(yàn)和信息量。④注重與粉絲進(jìn)行彈幕互動(dòng)，不可埋頭展示才藝而忽略粉絲互動(dòng)，應(yīng)多鼓勵(lì)粉絲發(fā)送彈幕參與互動(dòng)。⑤吸引新粉絲的重要性大于培育固定粉絲群，觀眾存在審美疲勞，主播要始終關(guān)注吸納新粉絲，過(guò)早形成粉絲圈子不利于吸引新粉絲。

4.4 研究局限

本研究還存在一些局限值得在未來(lái)深入探索。首先，本文的研究對(duì)象為顏值主播，且以女性為主(女性占比84.4%，男性占比15.6%)，因此，本文的研究結(jié)論是否適應(yīng)于其他類型主播如游戲主播(以男性為主)還需要進(jìn)一步的實(shí)證檢驗(yàn)。其次，研究結(jié)果整體上表明付費(fèi)打賞是一項(xiàng)沖動(dòng)型消費(fèi)，受直播間互動(dòng)氛圍影響較大，而直播時(shí)間連續(xù)且穩(wěn)定的主播卻未能獲得更多付費(fèi)打賞，這與既有研究多以理性視角分析消費(fèi)者行為的結(jié)論有差異，值得深入探究。第三，本文選擇的解釋變量對(duì)付費(fèi)比例和人均付費(fèi)的解釋力較低(R2分別為0.251和0.140)，未來(lái)需要對(duì)解釋變量進(jìn)行更為廣泛的選擇和檢驗(yàn)。第四，直播現(xiàn)象仍處于快速成長(zhǎng)的變化期，直播過(guò)程存在許多模棱兩可的兩難問(wèn)題需要在實(shí)踐中繼續(xù)揣摩，例如合適的直播時(shí)長(zhǎng)、穩(wěn)定抑或隨意的直播時(shí)間、彈幕互動(dòng)的廣度和深度、培育穩(wěn)定粉絲群還是迎合新的路人等，對(duì)這些問(wèn)題的探討還需要在未來(lái)進(jìn)一步持續(xù)深入研究。