直播特征、粉丝特征对直播带货商业化效果的影响研究

李 睿，陈 昕，涂建文，黄紫晴

(广东金融学院，广东 广州 510521)

0 引言

在网络高度普及、万物互联的时代背景下，直播带货这种电商新零售方式呈现井喷式发展态势，日益成为电商经济中重要的方式。公开数据显示，仅2020年上半年，全国的电商直播带货就超过1 000万场，观看直播带货人数为5.62亿人，为电商经济的发展打下了坚实的流量基础，四大线上平台淘宝、抖音、快手、京东各展本领，强劲推动电商流量变现[1]。在流量变现的过程中，各类资本和市场主体大量进入电商直播带货市场，呈现狂热却缺乏足够理性的状态，过于重视直播带货所带来的商业化效果，却忽视了直播带货商业化效果的影响因素。

针对电商直播带货的这一现状，本文通过分析直播带货商业化效果的影响因素：直播特征、粉丝特征。选择部分电商主播直播带货过程中的数据，对数据进行量化分析，探究其对直播带货商业化效果的影响，并从微观角度给予商家、平台和主播三方相应的解决方案，促进“直播电商”经济的良性发展。

1 文献回顾

1.1 直播带货与商业化效果

电商直播带货是指网红及其他KOL(关键意见领袖)通过视频直播、短视频等形式，推荐卖货并以追求商业化效果为目的的一种全新的电商业态[2]。与传统电商相比，电商直播带货的优势在于根植内容生产和创新，具有动态化、去中心化、强标签化、高互动性等特点[3]。

自2019年“电商直播带货元年”以来，从淘宝直播到抖音、快手逐渐商业化，商业化被定义为以营利为第一要义的行为，故直播带货的商业化效果为直播带货过程中所产生的经济效益[4]。《2019年淘宝直播生态发展趋势报告》显示，2018年直播平台带货金额高达千亿元，同比增长高达400% ，2019年淘宝“6·18”活动期间直播带货应收高达130亿元，数万主播带货千亿[5]，该年淘宝直播带货能力全面爆发，连续3年直播带货引导成交额的增速在150%以上[6]。全网某具有千万粉丝的网络红人，在2019年凭借直播带货与视频推广推出爆款“螺蛳粉”，一个月斩获百万份销量[7]。所以在本研究中，商业化效果的具体表现形式为累计成交额和累计订单数。

1.2 直播带货商业化效果的影响因素

1.2.1 直播特征

根据《中国互联网发展报告2020》数据显示，中国网络直播用户规模达5.62亿。用户即流量，是直播带货变现的基础，庞大的用户规模也显示出电商直播带货具有浓厚的受众属性，用户就是直播带货的主心骨，用户的弹幕、评论是主播进行内容筛选和优先推送的重要依据[7]。除了用户，价格也是影响商业化效果的重要因素，它是消费者购物决策中考虑的必要因素，线上折扣、福利等都有助于商家在市场营销竞争中占据优势，直击用户价格痛点[[1]。直播场次与直播时长的增加，都会使得观看人数增加，所以围绕“用户与价格”核心，本文的直播特征设定为直播场次、场均观看人数、场均订单单价与场均直播时长。

1.2.2 粉丝特征

粉丝群体是直播带货最为主要的用户群体。根据《2018中国网红经济发展洞察报告》显示，截至2018年5月，中国网红粉丝总人数达到5.88亿人，网红经济增长将突破2万亿元[8]。而粉丝消费者之所以关注主播，一方面是出于对主播喜爱、钦佩、羡慕等因素，即主播的领导力、影响力会深深地影响到消费者的消费心理和消费行为；另一方面，消费者也希望购买同款衣物、用品等，紧扣流行脉搏，获取更多的关注度和内心满足感[9]，所以粉丝群体是主播直播间中不可忽视的重要购买力。而粉丝群体中，女性粉丝是消费的主力军，是经济发展的新契机和商家利润的重要支撑者。根据Quest Mobile的数据，截至2021年1月，女性用户在综合电商行业渗透率已达84.3%，相比去年同期提升了6.1%，各个年龄段的女性随着受教育程度、收入水平提高带来的自我意识崛起，促使消费需求逐步释放，同时不同的年龄段有各自不同的消费追求。年轻女性更爱追星和关注时尚穿搭类KOL，而30岁及以上女性则对亲子萌娃、美食等KOL更加青睐。

电子商务研究中心数据表明，我国品质电商用户年龄主要为85后群体，95后群体是品质电商的次主力[10]。在新的时代背景下，小众化、个性化是当前消费主力95后群体的标签，追求潮流是95后消费群体的普遍特征之一[11]。而85后作为经济独立、购物潜力大的群体，则较为注重商品的性价比，希望购买到质量具有保障的商品，也更愿意将资金投入到提高生活质量当中。所以本研究的粉丝特征设定为粉丝数、女性占比、95后占比、85后占比[11]。

1.3 文献述评

回顾学者们近年来对“电商直播带货”的研究，主要着重于电商直播带货现状与存在问题、发展趋势与解决方案，以及特定前提下对直播带货营销模式的分析，对于直播带货商业化效果影响因素研究尚需深入。鉴于上述研究现状，本研究将从商业化效果两个层面的影响因素——直播特征和粉丝特征入手，探究直播特征、粉丝特征对于直播带货商业化效果的影响；并基于研究结果，从直播带货多个参与主体的角度出发，为其经济决策提供建议，助力“直播带货电商经济”的良性发展。

2 研究假设

2.1 直播特征对直播带货商业化效果的影响

直播场次的增加能够营造社会临场感，在此基础上再借助主播与粉丝的双向互动，能够增强消费者认同，唤起其购买欲，增加消费行为。据此提出以下假设。

H1a：直播场次越多，累计成交额越高，商业化效果越好。

H2a：直播场次越多，累计订单数越多，商业化效果越好。

场均观看人数可以反映主播的观众规模，观众的弹幕和评论是主播进行内容筛选和推送的重要依据，同时人数越多的直播间观众，越容易受到社会影响和规范性影响，继而做出从众消费的行为。据此提出以下假设。

H1b：场均观看人数越多，累计成交额越高，商业化效果越好。

H2b：场均观看人数越多，累计订单数越多，商业化效果越好。

场均订单单价反映主播为消费者争取到的议价权，其价格利差能够反馈至用户本身，是影响消费者购物决策的必要因素，价格越低越有助于激发消费者消费欲望。据此提出以下假设。

H1c：场均订单单价越低，累计成交额越高，商业化效果越好。

H2c：场均订单单价越高，累计订单数越少，商业化效果越差。

直播时长的增加有利于完成内容直播的要求，营造直播场景氛围，影响消费者情绪，使得消费者更加投入直播间的购买氛围。据此提出以下假设。

H1d：场均直播时长越长，累计成交额越高，商业化效果越好。

H2d：场均直播时长越长，累计订单数越多，商业化效果越好。

2.2 粉丝特征对直播带货商业化效果的影响

粉丝在直播间中受到主播感染力的影响，会对直播间的产品进行购买，加之受到其他粉丝消费行为的影响，易产生从众消费心理。据此提出以下假设。

H1e：主播粉丝人数越多，累计成交额越高，商业化效果越好。

H2e：主播粉丝人数越多，累计订单数越多，商业化效果越好。

女性作为消费的主力军，对电商经济的贡献不容小觑。直播带货在带来感官冲击的同时，其质优价廉、产品多样化的特点更是深得广大女性的喜爱。据此提出以下研究假设。

H1f：女性占粉丝比重越大，累计成交额越高，商业化效果越好。

H2f：女性占粉丝比重越大，累计订单数越多，商业化效果越好。

直播间中主打的个性化、时尚精致的产品，尤其是彩妆护肤类、衣物首饰类，能够满足95后的购买需求，激起95后的购买欲望。据此提出以下假设。

H1g：95后占粉丝比重越大，累计成交额越高，商业化效果越好。

H2g：95后占粉丝比重越大，累计订单数越多，商业化效果越好。

85后群体经济独立，消费能力更强，但更注重商品性价比，对直播间中质优价廉的产品具有偏好性。据此提出以下研究假设。

H1h:85后占粉丝比重越大，累计成交额越高，商业化效果越好。

H2h:85后占粉丝比重越大，累计订单数越多，商业化效果越好。

3 研究方法

3.1 样本及统计方法

2020年，淘宝诞生了近1 000个成交突破1亿元的直播间，淘宝直播的数据呈指数型增长，属于直播带货行业的头部平台，占比超60%。因此，本研究通过“淘播眼”平台，随机抽取1 650名淘宝主播自2021年6月3日至2021年6月17日，总计15 d的直播数据和粉丝数据，用SPSS软件对数据进行描述性统计、相关性分析和多元回归分析，检验直播特征、粉丝特征对直播带货商业化效果的影响。

3.2 变量测量

被解释变量：直播带货商业化效果的反映指标为累计成交额、累计订单数。二者分别反映了直播中所完成交易的金额总数和用户下的订单总数，可以直观体现直播带货商业化效果。

解释变量：解释变量则从直播带货的两个直接影响层面来选取。一为直播特征，包括直播场次、场均观看人数、场均订单单价与场均直播时长；二为粉丝特征，包括粉丝数、女性占比、95后占比与85后占比。各变量定义如表1所示。

表1 变量定义

4 数据分析与结果

4.1 描述性统计

描述统计结果如表2所示。商业化效果方面，样本总体的累计成交额与累计订单数的均值与中位数差距较大，说明直播带货头部效应明显，头部主播商业化效果好，效益向头部主播集中。

表2 各变量描述统计结果

直播特征方面，直播场次、场均直播时长的均值与中位数差距较小，说明无论是头部主播、腰部主播、还是尾部主播，工作模式都很相似，工作量也较为接近；但场均观看人数、场均订单单价的均值与中位数差距悬殊，体现了直播带货行业的强烈头部效应，工作模式、工作量相近的情况下，受众与订单向头部主播高度集中。

粉丝特征方面，皆以女性为主超过70%，且95后、85后是粉丝主体，加起来接近80%，女性占比、95后占比、85后占比的均值与中位数差距较小，说明各类型直播带货主播的粉丝群体结构基本相似；粉丝数的均值与中位数却存在巨大差异，这也是直播带货头部效应的体现，粉丝数向头部主播高度集中。

4.2 相关性分析

变量相关系数如表3所示。被解释变量累计成交额Y1与解释变量场均观看人数X2、粉丝数X5均显著正相关；被解释变量累计订单数Y2与解释变量场均观看人数X2、粉丝数X5显著正相关；场均观看人数X2与粉丝数X5，相关系数为0.670远小于0.8，不存在多重共线性问题。

表3 变量相关系数表

4.3 回归分析

4.3.1 直播特征、粉丝特征与累计成交额回归分析结果

根据相关分析结果，被解释变量累计成交额Y1与解释变量场均观看人数X2、粉丝数X5显著正相关，其余解释变量X1、X3、X4、X6、X7、X8与累计成交额Y1相关性不显著，为检验直播特征、粉丝特征对商业化效果指标累计成交额Y1的影响，建立回归模型1。

模型1：Y1=a0+a2X2+a5X5+e1

由回归结果表4可得，模型1拟合程度良好(F=15.393，p<0.001)；解释变量场均观看人数X2对被解释变量累计成交额Y1有显著正向影响(t=2.510，p<0.05)，且影响程度很大，a2=31.070；解释变量粉丝数X5对累计成交额Y1也存在显著正向影响(t=1.988，p<0.05)，但影响程度与场均观看人数X2相比较低，a5仅为1.832。

表4 场均观看人数、粉丝数与累计成交额多元回归结果

4.3.2 直播特征、粉丝特征与累计订单数回归分析结果

根据相关分析结果，被解释变量累计订单数Y2与解释变量场均观看人数X2、粉丝数X5显著正相关，其余解释变量与累计成交额Y1相关性不显著，为检验直播特征、粉丝特征对商业化效果指标累计订单数Y2的影响，建立回归模型2。

模型2：Y2=b0+b2X2+b5X5+e2

回归分析结果如表5所示。模型2拟合程度良好(F=17.601，p<0.001)；解释变量场均观看人数X2对被解释变量累计订单数Y2有显著正向影响(t=4.195，p<0.001)；而解释变量粉丝数X5对累计订单数Y2无显著影响(t=-0.268，p>0.05)。因此剔除粉丝数X5，采取逐步回归的方法，建立回归模型3。

模型3：Y2=c0+c2X2+e3

回归结果表5表明，模型3拟合程度良好(F=17.601，p<0.001)；解释变量场均观看人数X2对被解释变量累计订单数Y2有显著正向影响(t=4.195，p<0.001)，最终采用模型3作为解释模型，相对于场均观看人数X2对累计成交额Y1的影响程度而言，X2对累计订单数Y2的影响程度，要远小于对累计成交额Y1的影响程度(c2=0.337，a2=31.070)。

表5 场均观看人数、粉丝数与累计订单数逐层多元回归结果

4.4 结果综合分析

从数据分析结果可以看出，虽然直播特征、粉丝特征有众多指标，但只有场均观看人数、粉丝数两项指标会对直播带货商业化效果带来显著影响。场均观看人数越多、粉丝数越多，累计成交额越高，商业化效果越好；场均观看人数越多，累计订单数越多，商业化效果越好；即只有假设H1b、H2b及假设H1e得到支持，其余假设并未获得支持。

4.4.1 直播特征与商业化效果

直播场次、场均直播时长方面，直播场次、场均直播时长对商业化效果两项指标皆无显著相关性，假设H1a、H2a和假设H1d、H2d均未得到支持。直播场次、场均直播时长，更多反映了直播带货行业的工作模式。每场直播带货皆需要事前进行一系列精心准备，以确定主题、选货与备货，以目前运营能力而言存在上限限制，能达到每日一场已是极限，而当前直播场次的负荷量已是相当饱满，均值与中位数皆已超过85%的时间天数，希望靠增加直播场次来拉动商业化效果，既难挖掘时间潜力，边际收益也低，必要性不强。场均直播时长与此类似，基于运营能力与观众接受程度，也是存在时间上限，场均直播时长当前实际状况的均值与中位数皆已达到4 h，也已接近极限。

场均订单单价方面，场均订单单价与累计成交额、累计订单数均无显著相关性，假设H1c、H2c未得到支持。直播电商运营方不应仅以价格高低作为商品选择的主要标准，而是应该多方面综合评估所提供商品的品质与价格。

场均观看人数方面，场均观看人数对累计成交额、累计订单数两项商业化效果指标，皆具有显著正向影响，尤其对累计成交额更是具有较大的影响程度，假设H1b、H2b得到支持。可见，每场直播的直播间观看人数是影响着直播带货商业化效果的最为直接有效的因素，运营方如何每场直播能吸引更多粉丝来围观，这是运营方的主要努力方向。运营方需要注重丰富直播内容、提高直播质量，选择商品严格把关，不断提升主播的语言话术等各方面能力，增加观众互动，从而提高观众的黏性，打牢粉丝基础。

4.4.2 粉丝特征与商业化效果

粉丝特征方面，只有粉丝数指标对直播带货商业化效果带来显著影响，粉丝数越多，累计成交额越高，商业化效果越好，假设H1e得到支持。粉丝数越多，主播的受欢迎度越高，代表将有更多的人愿意观看直播，因此购买行为发生的可能性增加，累计成交额也会随之增加。该结果也解释了目前直播带货行业存在的头部效应，粉丝数向头部主播集聚，头部主播的商业化效果要远远好于其他地位的带货主播，形成“马太效应”，商家资源也必然会更多向头部主播倾斜。

女性占比与累计成交额和累计订单数均无显著相关性，假设H1f、H2f未得到支持；95后占比和85后占比，与累计成交额和累计订单数也均无显著相关性，假设H1g、H2g、H1h和H2h也未得到支持。女性占比、95后占比和85后占比，其均值与中位数皆差距很小，反映无论是头部主播还是其他地位的主播，各类型直播带货主播的粉丝结构基本类似，粉丝皆以女性为主超过70%，且95后、85后是粉丝主体加起来接近80%，粉丝类型的相似性导致购物习惯趋同，因而对直播带货商业化效果没有显著影响。

综合而言，研究结果表明当前直播带货行业正处于发展前期，相对简单粗放，差异化、精细化不足，每场直播吸引更多的人来观看，是促进消费行为、提升直播带货商业化效果的最简单、最直接也是当前非常有效的手段。

5 结论与启示

5.1 结论

研究结果表明，作为影响直播带货商业化效果的直播特征和粉丝特征，只有场均观看人数与粉丝数对直播带货商业化效果具有显著正向影响，本研究所选的其他特征对商业化效果并无显著影响。其原因在于，当前直播带货行业正处于发展前期，相对简单粗放，差异化、精细化不足，每场直播吸引更多的粉丝来围观，是促进消费行为、提升直播带货商业化效果的最直接手段。

5.2 启示

未来趋势，直播电商仍会保持快速发展，为促进直播带货行业良性可持续发展，应从商家、平台和主播三方面入手，进行针对性的改进与提升，推动直播带货行业从简单粗放向差异化与精细化转型。

商家方面，针对直播带货商业化效果影响因素现状，当前首当其冲的基础策略，是每场直播要尽可能吸引更多的粉丝来观看。因此，需要提供让网络消费者买得放心、用得放心的高质量商品，事前做好商品与直播的宣传准备，挑选粉丝数量大、用户黏性强、带货能力优秀的主播，并充分利用各大流量平台，吸引更多头部主播将其商品作为直播选品进行推广。而从长远角度而言，商家则应在差异化方面提前布局，向精细化网络营销转型。

平台方面，应做出努力弱化当前直播带货行业的头部效应，流量资源有意识帮扶非头部的各类型主播，实现流量均衡化，倒逼整个直播带货行业向差异化、精细化转型。直播平台也有责任加强监督，促进主播提升专业素质与业务能力，加强对主播、商家等供应链各环节的监管，让网络消费者对直播带货更有信心。

而主播作为直播内容供给端，是主要的商品信息输出对象，则需要不断提高专业素质与业务能力，加强直播内容的生动性、丰富性与互动性，坚持从消费者需求出发，向消费者推荐性价比高的优质商品，吸引更多的粉丝并积极参与直播。