新媒体视域下KOL对消费者购买意愿的影响研究
来源:用户上传
作者:
摘要：本文从实证角度出发，针对电商直播KOL的发展现状，结合消费者购买意愿的影响因素，提出研究假设与模型，设计对应的问卷及量表，对新媒体视域下KOL对消费者购买意愿的影响研究进行了分析，并根据研究成果给出了合理化建议。
关键词：新媒体;KOL;电商直播;购买意愿
中图分类号：F530.86 文献标识码：A
1 研究背景
艾媒网最新发布的数据显示，到2020年中国在线直播用户规模将达到5.24亿人，2019年中国直播电商行业的总规模达到4338亿元，预计到2020年规模将翻一番[1]。电商直播由于KOL自身的专业知识、购物经验、个人营销能力等给消费者带来更直观形象的购物体验，实现高转化率、高客单价，逐渐成为各大电商平台的新增长点。
2 文献综述与假设模型
2.1 文献综述
新媒体的概念最早由戈尔德马克于20世纪60年代提出，指的是区分于当时的传统印刷媒介的电视、电影等的媒体。我国学者匡文波同样认为新媒体概念是不断变化的，其本质是区别于传统媒体而言，以现阶段来看，新媒体是基于数字化并以先进的信息传播技术为核心技术支撑的媒介或内容载体，核心内容是交互性。从以上角度分析得知，电商直播应属于目前新媒体的其中一种表现形式。
KOL，是Key Opinion Leader的缩写，即关键意见领袖，是对意见领袖概念的延伸。学者拉扎斯菲尔德在《人民的选择》一书中首次提出意见领袖概念，即能够影响他人态度或行为的人。学者李旭认为，KOL一般是指某领域内的权威或极有影响力的人士，与意见领袖不同的是他们对消费者的号召力和影响力更大，KOL通过互联网、社交媒体等各种渠道引导消费者的购买行为。例如，知名主播通过电商直播平台进行产品销售，本质上就是KOL对消费者的引导作用。
2.2 模型构建
SOR（刺激-机体-反应）模型认为个体的情感和认知会因为受到现实外界环境的刺激，进而影响其态度与行为。在电子商务领域中，SOR即产品销售时的各种刺激因素会影响消费者的知识和信任，产生拒绝或购买的结果[1]。本研究中，刺激S由电商直播中KOL的自身特征和信息特征构成，KOL自身特征采用专业性、知名度、互动性3个变量，信息特征有详细程度、视觉效果3个变量，作为中介变量机体O采用消费者知识和消费者信任两个维度，反应R定义为电商直播下的消费者购买意愿。本文的理论模型如图1所示。
2.3 研究假设
基于上述模型，结合已有研究成果，本研究设立以下几项假设：假设H1a电商直播KOL的专业性正影响消费者的知识;假设H1b电商直播KOL的专业性正影响消费者的信任;假设H2a电商直播KOL的知名度正影响消费者的知识;假设H2b电商直播KOL的知名度正影响消费者的信任;假设H3a电商直播KOL的互动性正影响消费者的知識;假设H3b电商直播KOL的互动性正影响消费者的信任;假设H4a电商直播KOL推荐信息的详细程度正影响消费者的知识;假设H4b电商直播KOL推荐信息的详细程度正影响消费者的信任;假设H5a电商直播KOL推荐信息的娱乐性正影响消费者的知识;假设H5b电商直播KOL推荐信息的娱乐性正影响消费者的信任;假设H6消费知识正影响消费者购买意愿;假设H7消费信任正影响消费者购买意愿。
2.4 变量测项的构成
在借鉴前人研究的基础上，本文选用多个测项进行测量，具体如表1所示。
3 数据收集
本文是以电商直播KOL为研究基点，因此调查的对象为了解电商直播且具有一定电商直播购物经验的人群，采用网络问卷形式，共发放问卷600份，回收有效问卷493份，问卷有效回收率为82.17%。
3.1 信度与效度分析
KOL自身特征的EX、FA、EC的α系数分别为0.903、0.817、0.833，KOL推荐特征的信息DT、EV的α系数为0.856、0.783，CK、CT的α系数分别为0.761和0.850，CI的α系数为0.811，量表的α系数均超过0.7，说明量表信度较高。
在进行因子分析前，本研究通过SPSS 22.0进行KMO和Bartlett's 球体检验，结果显示KMO值为0.789，Sig.值为.000，说明适合做因子分析。通过探索性因子分析提取出8个因子，旋转后因子载荷值均高于0.6，可见此整体的指标与变量间的相关性较高。
3.2 模型拟合度检验
本研究采用Amos 20.0提供的常用拟合指标，对研究模型的拟合程度进行评估，结果显示CMIN/DF=1.25，GFI=0.912，RMSEA=0.046，CFI=0.967，AGFI=0.904，NFI=0.927，所有的指标均符合标准，表明模型整体拟合度较高。
3.3 相关性分析
本研究选取Pearson相关系数作为测量指标，结果如图2所示。除了知名度、娱乐性与消费者知识无显著相关，其余各变量之间表示正相关。
3.4 回归分析
研究模型相关性分析如图2所示。
本研究通过回归分析来检验假设与模型之间是否成立。分别将内EX、FA、 EC、DT、EV作为自变量，将CK、CT作因变量做回归分析。将CK、CT作为自变量，将CI作为因变量做回归分析，结果如表2所示。
从表中数据可以看出，除了FA（β=0.012，Sig.=0.162）的显著水平>0.05，其余的显著水平均<0.05，即假设H1a、H1b、H2b、H3a、H3b、H4a、H4b、H5a、H5b、H6、H7均成立，H2a不成立。
3.5 研究结论
第一，KOL在电商直播中，其自身的专业性、互动性和传递信息的详细程度、娱乐性均对消费者知识有正向且直接的显著性影响。 第二，KOL在電商直播中，其自身的专业性、知名度、互动性和传递信息的详细程度、娱乐性均对消费者信任有正向且直接的显著性影响。
第三，KOL在电商直播中，消费者的知识、信任均对消费者的购买意愿有正向且直接的显著性影响。
4 研究启示
4.1 注重电商直播KOL对产品专业知识培养
部分KOL在进行电商直播时对产品知识掌握较少，直播过程中极易出现翻车现象，不仅降低了KOL自身的信誉度，对消费者的购买行为产生严重的负面影响[2]。商家可对合作的KOL进行专业培训，增强其专业知识。
4.2 商家应慎重选择电商直播KOL
在电商直播中，KOL的知名度虽然对消费者的信任产生积极影响，但对消费者的知识影响较少，进而影响其购买意愿。即并非知名度越高其推广商品的转化率越高，应尽量选择专业领域内的KOL，不要过于注重名人效应。
4.3 商直播中KOL应加大与消费者的互动
互动是电商直播的核心优势之一，在电商直播中，消费者通过与KOL的互动可以拉进双方之间的距离，进而产生信任感，同时在互动过程中可以增加对产品的了解，加强购买的意愿[3]。
4.4 电商直播中注重对产品细节、卖点的展示
电商直播通过视频实时全方位及立体的方式呈现产品的细节、卖点，让消费者对产品有一个直观的印象，通过KOL的现场演示操作减少对产品的疑虑，降低其购买的风险[4]。
4.5 KOL在电商直播时应提高内容的趣味性
目前电商直播竞争激烈，娱乐性高的电商直播KOL能带给消费者良好的购物体验，更能受到消费者的欢迎。在直播中，可以结合当下的流行热点进行产品介绍，增加抽奖、送礼等环节以提高趣味[5]。
参考文献
[1] 艾媒咨询.2020-2021年中国直播电商行业运行大数据分析及趋势研究报告[R].2020：2
[2] 宫秀双.参照群体影响类型与居民消费意愿的关系研究[J].管理学报.2017.14（12）：1829-1839
[3] 刘行.“网红直播”电商模式下消费者复购意愿的实证研究[D].武汉：华中科技大学.2018.
[4] 姜佳奇.网红经济下直播对消费者购买决策的影响因素分析[D].北京：北京邮电大学.2019.
[5] Turcotte J，Yock C.News recommendations from social media opinion leaders：effects on media trust and information seeking[J].Journal of computer-mediated communication，2015.20（5）：520-530.
转载注明来源:https://www.xzbu.com/1/view-15256416.htm
