□ 楊梓怡

伴隨著信息技術(shù)的快速發(fā)展，電商領(lǐng)域涌現(xiàn)出新的商業(yè)營銷方式——直播帶貨。在新冠疫情沖擊的背景下，直播帶貨下沉至農(nóng)村地區(qū)，有效發(fā)揮了其助農(nóng)的重要作用?！爸辈ж浿r(nóng)”新模式是鄉(xiāng)村發(fā)展與助農(nóng)的主體行動者,通過網(wǎng)絡/電視直播平臺、軟件推銷和銷售農(nóng)副產(chǎn)品的形式，幫助農(nóng)村致富和完成產(chǎn)業(yè)升級的新手段。多元化主體為直播帶貨助農(nóng)創(chuàng)造了不同的銷售模式：“縣長+直播”充分利用政府官員的信任資本，拓展滯銷農(nóng)產(chǎn)品銷路；“網(wǎng)紅+直播”借助網(wǎng)紅營銷，以流量帶動銷量；“企業(yè)+直播”利用公益營銷，實現(xiàn)品牌公關(guān)與助農(nóng)的雙贏。

目前，我國脫貧攻堅戰(zhàn)取得了全面勝利，絕對貧困被全面消除，但相對貧困依然存在，此后，我國將進入“后扶貧時代”。為探究“后扶貧時代”如何利用直播帶貨實現(xiàn)有效減貧、防貧，本研究對用戶觀看農(nóng)村直播帶貨購買助農(nóng)產(chǎn)品的影響因素進行調(diào)查分析。

理論基礎(chǔ)與研究假設

一、模型理論基礎(chǔ)。UTAUT模型即整合型科技接受模型，是Venkatesh，Morris等針對探討“影響使用者認知因素”的問題，在理性行為理論、技術(shù)接受模型、動機模型、計劃行為理論等八個理論模型的基礎(chǔ)上整合而提出的技術(shù)接受和利用整合理論。整合型科技接受模型中的四個核心維度的績效期望、努力期望、社會影響和配合情況，將直接影響用戶的行為意向和使用行為。已有不少學者在分析用戶行為影響因素中運用了該模型，如學者俞守華等基于整合型科技接受模型針對農(nóng)業(yè)電子商務用戶研究了其使用行為，發(fā)現(xiàn)績效期望、努力期望、社會影響和便利條件皆對用戶的行為有顯著影響作用。

感知風險是指個人主觀評價基礎(chǔ)上的主觀風險，常用于購買決策中消費者感知風險的性質(zhì)和程度。目前國內(nèi)外學者對于感知風險理論的研究集中于定義、構(gòu)成、影響因素與解決策略四個方面。尹潔林等人在技術(shù)接受模型和感知風險理論的基礎(chǔ)上，構(gòu)建消費者新能源汽車購買意愿影響因素的理論模型，發(fā)現(xiàn)消費者對新能源汽車的感知風險對其購買意愿存在顯著負向影響。

本研究以整合型科技接受模型和感知風險理論為基礎(chǔ)，整合努力期望、績效期望、感知風險、社會影響以及行為意愿維度，并增加一般社會人口統(tǒng)計學變量，構(gòu)建用戶觀看助農(nóng)直播購買產(chǎn)品的影響因素模型，如下圖所示：

圖1：用戶觀看直播帶貨購買助農(nóng)產(chǎn)品影響因素模型圖

二、研究假設?；谏鲜瞿Ｐ?，本研究對此主要提出如下假設。

績效期望是指用戶在觀看助農(nóng)直播帶貨并消費的過程中各項收益的需求，包括實際收益需求、娛樂需求以及節(jié)省購物效率的需求，假設如下：

H1：績效期望對用戶行為意愿有顯著的正向影響。

努力期望是指用戶在觀看助農(nóng)直播帶貨并消費的容易程度，包括對直播內(nèi)容的理解、操作的理解以及平臺因素的理解，假設如下：

H2:努力期望對用戶行為意愿有顯著的正向影響。

社會影響是指用戶在觀看助農(nóng)直播帶貨并消費的過程中受到社會群體及觀念影響的程度，包括親友影響、主播影響以及社會價值理念的影響，假設如下：

H3：社會影響對用戶行為意愿有顯著的正向影響。

感知風險是指用戶在觀看助農(nóng)直播帶貨并消費的過程風險感知的程度，包括功能風險與經(jīng)濟風險，假設如下：

H4：感知風險對用戶行為意愿具有負向影響。

另外，結(jié)合前人分析，發(fā)現(xiàn)一般社會人口統(tǒng)計學變量對于行為具有影響作用，因此提出如下假設：

H5：一版社會人口統(tǒng)計學變量（性別、戶籍、年齡、學歷、月消費水平）對行為均存在顯著影響。

實證研究

一、問卷設計。本研究采用問卷調(diào)查法進行調(diào)研，設計用戶觀看助農(nóng)直播購買助農(nóng)產(chǎn)品的意愿及影響因素調(diào)查問卷。問卷共分為三個部分：第一部分為受訪者個人基本信息，第二部分為受訪者觀看助農(nóng)直播購買助農(nóng)產(chǎn)品的情況，第三部分為受訪者觀看助農(nóng)直播購買助農(nóng)產(chǎn)品的影響因素。在第三部分中對18個題項進行量化，采取李克特五點式量表，從“完全不同意”到“完全同意”計分為1-5分。在測量指標中，感知風險維度是逆向指標，故對感知風險維度進行反向計分，以便更準確地進行后續(xù)的分析和比較。

二、樣本描述。本研究采用隨機抽樣調(diào)查方法，預調(diào)查發(fā)放問卷677份，有效問卷604份，最終共發(fā)放問卷1191份，剔除無效問卷后共收集有效問卷967份，問卷回收有效率為81.3%。對受訪者信息進行描述性統(tǒng)計分析：在967份樣本中，男性占比38.4%，女性占比61.6%；在年齡結(jié)構(gòu)上，18-29歲占比87.2%，中青年占比較高；在學歷上，本科學歷占比77.7%，居第一方陣；在月消費水平上，1001-3000元占比最高，為76.3%；在戶籍所在地上，農(nóng)村地區(qū)占59.7%，城市地區(qū)占40.3%，較為均衡。

三、信效度檢驗。本研究采用α信度系數(shù)法對預調(diào)查數(shù)據(jù)進行檢驗。結(jié)果顯示，信度系數(shù)值為0.903，說明量表信度質(zhì)量很高。與此同時，對量表進行探索性因子分析。首先利用KMO樣本測度法和巴特利特球形檢驗法進行數(shù)據(jù)檢驗，發(fā)現(xiàn)量表的KMO值為0.882＞0.8，巴特利特球形檢驗顯著性概率小于0.001，說明本研究數(shù)據(jù)適合做因子分析。然后采取主成分提取法，并進行旋轉(zhuǎn)后共提取3個初始特征值大于1的因子，累積解釋方差變異為62.396%。

根據(jù)因子分析結(jié)果對主因子重新命名：購物效率、實際收益、娛樂價值、內(nèi)容理解、操作理解、平臺因素變量歸為A維度，命名為“期望因子”，其中包含受眾的績效期望和努力期望。好友分享、帶貨主播、社會價值變量歸為B維度，命名為“社會影響因子”。功能風險、經(jīng)濟風險變量歸為C維度，命名為“感知風險因子”。

四、多元線性回歸分析。為了研究各因子與行為意愿的相關(guān)性，本研究對最終收集數(shù)據(jù)進行皮爾遜相關(guān)分析。結(jié)果顯示，除感知風險因子和行為意愿呈顯著負相關(guān)，其他變量都和行為意愿呈顯著正相關(guān)關(guān)系。其中，期望因子（r=0.686）和社會影響因子（r=0.682）與行為意愿的相關(guān)性較強，感知風險因子（r=-0.286）與行為意愿的相關(guān)性較弱。

為了進一步研究因子之間相關(guān)的定量關(guān)系，本研究以期望因子、社會影響因子與感知風險因子作為自變量，行為意愿作為因變量，進行多元線性回歸分析。結(jié)果如表1所示，F(xiàn)=374.807，P＜0.001，證明本研究的回歸模型擬合度較好。另外，模型中VIF值均小于5，證明不存在著共線性問題。

表1：回歸系數(shù)表

最終進入回歸模型的因子有期望因子與社會影響因子，而感知風險因子不符合顯著性水平要求，故未納入回歸方程中。期望因子與社會影響兩個因子可以解釋行為意愿53.7%的變異量（adjR2=0.537）。從標準系數(shù)看，期望因子為0.394，社會影響因子為0.384，說明期望因子和社會影響因子對行為意愿均為顯著的正向影響作用，且期望因子對行為意愿的影響大于社會影響因子。經(jīng)過驗證，假設H1、H2、H3成立，假設H4不成立。最后，本研究得出的回歸模型是：行為意愿=0.756+0.394*期望因子+0.384*社會影響因子。

五、不同特征用戶在行為意愿上的差異性分析。根據(jù)獨立樣本T檢驗，由表2所示，男性和女性在0.05水平上存在顯著差異，且女性得分高于男性?？梢娕詫τ谟^看助農(nóng)直播帶貨并購買相關(guān)產(chǎn)品的意愿更高；戶籍所在地在城市的受訪者與在農(nóng)村的受訪者在0.05水平上無顯著差異。

表2：用戶行為意愿在性別、戶籍變量上的差異分析

根據(jù)單因素方差分析，如表3所示，不同年齡段的受訪者在0.05水平上存在顯著差異，且30-39歲以及40-49歲的平均值較高；不同月消費水平的受訪者在0.05水平上存在顯著差異，且月消費水平在3000元以上的平均值較高；不同學歷的受訪者在0.05水平上不存在顯著差異。綜上所述，假設H5部分成立。

表3：用戶行為意愿在不同年齡、月消費水平、學歷變量上的差異分析

研究結(jié)果

數(shù)據(jù)結(jié)果顯示，期望因子、社會影響因子、感知風險因子對用戶行為意愿均有影響，但影響權(quán)重并不相同。

期望因子對用戶行為的正向影響最強，其包含績效期望與努力期望兩個方面。一方面，助農(nóng)電商直播提供的各項實際收益與價值越高，用戶的行為意愿越強；另一方面，直播平臺系統(tǒng)與服務越完善，用戶的行為意愿越強。與此同時，社會影響因子對用戶行為同樣有較強的影響力。這證明與用戶關(guān)系較近的社會群體以及社會價值理念能夠顯著影響用戶行為，基于信任關(guān)系的社群營銷以及緊扣助農(nóng)價值的情感營銷會有利于促進用戶行為。感知風險因子未進入回歸模型，可見伴隨著直播帶貨市場監(jiān)管的加強以及內(nèi)容管控的完善，觀看直播購買助農(nóng)產(chǎn)品的風險越來越可控。但感知風險與受眾的行為意愿仍具有顯著的負相關(guān)，相關(guān)變量如功能風險、經(jīng)濟風險等均會對用戶行為產(chǎn)生影響。

除此之外，在人口學變量上，女性更偏好觀看購買助農(nóng)直播購買產(chǎn)品，一方面女性較容易受廣告與營銷的影響引發(fā)感性消費；另一方面，直播帶貨迎合了女性接觸新鮮事物、熱衷購物的特點。同時，年齡段在30-39歲以及收入在5001-10000元的群體更偏好觀看助農(nóng)直播購買產(chǎn)品，原因可能為該兩類群體具有較高的消費需求與購買力，容易產(chǎn)生消費行為。商家可以借此刻畫主要消費群體特征，增強營銷針對性。

對策與發(fā)展建議

一、以需求為導向，提高用戶使用體驗。商家應以受眾需求為導向，制定產(chǎn)品策略，提高用戶績效期望。首先，根據(jù)不同產(chǎn)品定位，進行差異化營銷。針對普通農(nóng)產(chǎn)品，可挖掘其鄉(xiāng)土化特征，突出產(chǎn)品自然、新鮮優(yōu)勢；針對地方特色產(chǎn)品，可以利用特色風味、特色包裝等元素將產(chǎn)品與地方文化相結(jié)合。與此同時，應激發(fā)受眾興趣，滿足娛樂需求。例如，在營銷方面把握“農(nóng)家”“鄉(xiāng)土”主題，實現(xiàn)臨場模式的直播帶貨，在農(nóng)田等真實場景與用戶互動，增加其購買意愿。另外，要優(yōu)化直播帶貨服務流程，增強受眾感知易用性。一方面，加強主播帶貨技巧，實現(xiàn)信息傳遞與情感表達精準化，通過特定的話語與具有感染力的情緒激發(fā)受眾購買欲望。同時，加強直播間場景化布置，利用道具和信息提示增加商品信息輸出。另一方面，要加強系統(tǒng)功能開發(fā)。例如，為短視頻模塊開通商城入口，以實現(xiàn)頁面直接跳轉(zhuǎn)，店鋪商城信息應保證全面、真實。

二、加強情感營銷，激發(fā)用戶感性訴求。直播帶貨助農(nóng)模式具有較強社會價值屬性，因而彰顯價值屬性、加強情感建設是提高用戶行為意愿的重要策略。針對營銷內(nèi)容，可挖掘受眾感性訴求。一方面，營造鄉(xiāng)村化場景氛圍，以農(nóng)村真實的場景和農(nóng)民的熱忱，激發(fā)用戶共鳴；另一方面，在宣傳中打造助農(nóng)標簽，彰顯社會價值與公益屬性，激發(fā)用戶同情心。針對營銷渠道，可利用社交平臺建立信任關(guān)系。商家可以利用社交媒體與受眾建立感知網(wǎng)絡，利用微信、微博、抖音短視頻等多種平臺實現(xiàn)矩陣傳播，對直播帶貨及農(nóng)產(chǎn)品進行宣傳推廣。同時，可建立受眾溝通分享網(wǎng)絡，利用好友關(guān)系加大直播帶貨的信息傳播，但情感營銷應避免過度煽情或道德綁架，泛化解讀助農(nóng)，使用戶產(chǎn)生抗拒心理與審美疲勞。

三、加強口碑建設，削弱用戶感知風險。由于地方農(nóng)產(chǎn)品的特殊屬性，受眾往往對產(chǎn)品與品牌缺乏認知與了解，因此商家打造良好口碑是削弱用戶感知風險的重要舉措。一方面，可以利用關(guān)鍵意見領(lǐng)袖營銷模式，發(fā)揮用戶對關(guān)鍵意見領(lǐng)袖的情感認同，通過個人影響力與權(quán)威性打造品牌口碑，以實現(xiàn)具有垂直深度的人群輻射；另一方面，在社群運營中利用話題策略、參與策略鼓勵用戶分享體驗，通過用戶的反饋信息挖掘潛在用戶，形成口碑效應。對于負面反饋信息，應建立預警機制，及時處理消費者問題，采取補償、退還等措施減少消費者不良情緒，塑造良好的顧客忠誠度。