陳明紅，黃嘉樂，方世深，黃涵慧

0 引言

信息技術(shù)的跨越式發(fā)展與移動互聯(lián)網(wǎng)的全面普及，使在線視頻成為全球互聯(lián)網(wǎng)用戶的核心網(wǎng)絡(luò)活動[1]。據(jù)Cisco統(tǒng)計(jì)，截至2020年底，在線視頻流量占互聯(lián)網(wǎng)總流量的80%[2]，用戶滲透率高于90%[3]。此外，CNNIC的最新報(bào)告顯示，中國的網(wǎng)絡(luò)視頻用戶規(guī)模已達(dá)9.27億，其中短視頻用戶規(guī)模為8.73億，占整體網(wǎng)民的88.3%[4]。為了更好地滿足用戶的娛樂與社交需求，提升視頻播放體驗(yàn)，各視頻網(wǎng)站紛紛引入彈幕這種新型的在線評論與互動方式，提供彈幕視頻服務(wù)。彈幕視頻使用戶能夠發(fā)送“彈幕”形式的簡短評論來反映自己的即時觀感，并將其展示給其他視頻用戶，不僅從感官上帶來新的體驗(yàn)，也有利于從情感上增強(qiáng)用戶的認(rèn)同感與歸屬感，形成參與式文化。目前彈幕視頻的受眾范圍不斷擴(kuò)大，國內(nèi)主流視頻平臺相繼推出彈幕功能，使用彈幕逐漸成為視頻用戶的既定習(xí)慣[5]。

彈幕視頻有別于傳統(tǒng)視頻，其使用行為動機(jī)也存在很大差異[6]，影響彈幕視頻播放行為的因素和作用機(jī)制更為復(fù)雜[7]。一方面，彈幕是一種同步信息交互方式，將用戶評論以動態(tài)字幕的方式實(shí)時呈現(xiàn)于視頻中，突破了視頻單向傳播的桎梏，改變了傳播主體與受眾間的不對等關(guān)系，用戶通過彈幕表達(dá)自我并獲得群體認(rèn)同感，創(chuàng)作彈幕和播放視頻的積極性高漲；另一方面，彈幕可能改變用戶的感知結(jié)構(gòu)[8]，其內(nèi)容簡短，只言片語的移動字幕流可能分散用戶注意力，使得用戶產(chǎn)生侵?jǐn)_體驗(yàn)[9]。目前，彈幕視頻的開發(fā)應(yīng)用逐漸受到業(yè)界重視，相關(guān)問題也引起了學(xué)界關(guān)注，部分研究對彈幕視頻傳播效果或評論行為的影響因素進(jìn)行了探索性研究[10-11]，但對彈幕視頻播放量及影響因素的研究還不夠深入，構(gòu)建的模型較簡單。鑒于此，本文以詳盡可能性模型(Elaboration Likelihood Model，ELM)為理論框架，以國內(nèi)最具影響力之一的彈幕視頻平臺——“嗶哩嗶哩彈幕網(wǎng)”(以下簡稱“B站”)為數(shù)據(jù)來源，綜合采用多元層次回歸和模糊集定性比較分析法(fsQCA)探究彈幕視頻播放量的影響因素及組態(tài)效應(yīng)。

1 文獻(xiàn)綜述

1.1 彈幕視頻研究

彈幕起源于日本Niconico網(wǎng)站提供的直播評論，因其全新的用戶體驗(yàn)與信息交互模式而深受用戶青睞，也使得Niconico一度成為日本用戶訪問量排名第八的網(wǎng)站[12]。在我國，AcFun和B站最早提供彈幕服務(wù)，如今彈幕應(yīng)用已十分普遍，除視頻網(wǎng)站外，各種直播、音樂和閱讀服務(wù)均有彈幕功能。彈幕的興起與流行吸引了不少學(xué)者關(guān)注，研究成果主要集中在傳播、語言文化、營銷管理、圖書情報(bào)等學(xué)科領(lǐng)域：傳播學(xué)關(guān)注的是彈幕的生產(chǎn)模式與傳播效果[13-14]；語言文化領(lǐng)域著重分析彈幕的語言特征與文化體系[15-16]；營銷管理聚焦于彈幕對購買意愿與消費(fèi)行為影響的研究[17-18]；圖書情報(bào)領(lǐng)域?qū)W者較早涉獵彈幕視頻研究，重點(diǎn)針對彈幕內(nèi)容、使用行為與影響等問題展開研究。典型的研究包括：仝沖、王敏等利用網(wǎng)絡(luò)爬蟲獲取B站彈幕文本數(shù)據(jù)，分析彈幕的主題內(nèi)容、使用動機(jī)與情感特征[7，19]；王贇芝等采用扎根理論方法分析彈幕視頻使用行為的驅(qū)動因素[20]；湯正午調(diào)查了我國高校圖書館應(yīng)用彈幕視頻服務(wù)的現(xiàn)狀與問題[21]；趙雪芹等利用問卷調(diào)查彈幕關(guān)閉行為的影響因素[22]；陳憶金等通過分析B站的彈幕數(shù)據(jù)總結(jié)用戶交互行為特征[23]；Chen等采用問卷調(diào)查法分析影響彈幕觀看的積極與消極因素[24]。總體上，彈幕視頻的相關(guān)研究較為豐富，但多數(shù)研究的方法較為單一，對彈幕視頻播放量的關(guān)注度不夠，缺乏采用混合方法，利用彈幕視頻網(wǎng)站客觀數(shù)據(jù)從多個方面揭示彈幕視頻播放行為特征與播放量的影響機(jī)制。

1.2 ELM及應(yīng)用研究

ELM 由 Cacioppo 和 Petty 提出，用于解釋人們在處理和接受信息過程中，如何通過中心路徑和邊緣路徑進(jìn)行評估和判斷以形成最優(yōu)的行為決策[25]。當(dāng)人們具有較強(qiáng)的動機(jī)和能力時，通常采取精細(xì)加工可能性高的中心路徑，此時人們相對比較理性，關(guān)注問題的核心和本質(zhì)，注重信息內(nèi)容的理性程度與邏輯性，需要更多認(rèn)知努力[26]；當(dāng)人們不愿意或者沒有足夠能力和資源時，傾向于采取精細(xì)加工可能性低的邊緣路徑，常常根據(jù)簡單的、非核心的信息線索進(jìn)行大致判斷，比較關(guān)注感性的、形式化因素。ELM為解釋信息處理和行為意向提供了一個有效的通用解釋框架[27]，廣泛和深入地應(yīng)用于各種信息行為研究中。例如，Shi研究表明信息相關(guān)性和豐富程度作為中心路徑，來源可信度和社交聯(lián)系強(qiáng)度等作為邊緣路徑，均對社交網(wǎng)絡(luò)用戶信息傳播行為產(chǎn)生重要影響[28]；魏武將在線知識付費(fèi)產(chǎn)品的內(nèi)容質(zhì)量和來源可信度分別視為中心路徑和邊緣路徑，發(fā)現(xiàn)邊緣路徑并不影響用戶付費(fèi)意愿[29]。從信息處理與采納視角看，彈幕視頻播放也需要根據(jù)個人動機(jī)與能力，理性思考和對比彈幕視頻的內(nèi)容與來源特征，選擇最佳的信息處理路徑。因此，ELM對于彈幕視頻播放研究具有很好的適用性。

2 模型建構(gòu)與假設(shè)

遵循ELM理論框架，充分考慮彈幕視頻獨(dú)特的“彈幕”機(jī)制，將彈幕視頻播放量作為結(jié)果變量，將彈幕視頻網(wǎng)的非文本特征作為前因變量，構(gòu)建研究模型。如圖1 所示，在中心路徑中，彈幕視頻量的影響因素與視頻本身相關(guān)，包括視頻彈幕數(shù)、視頻點(diǎn)贊數(shù)、視頻評論數(shù)和視頻轉(zhuǎn)發(fā)數(shù)；在邊緣路徑中，影響因素與視頻作者相關(guān)，包括視頻作者粉絲數(shù)和作者投稿數(shù)。此外，彈幕視頻數(shù)和視頻時長作為調(diào)節(jié)變量，調(diào)節(jié)各中心路徑與邊緣路徑對視頻播放量的影響關(guān)系。

圖1 理論研究模型

2.1 中心路徑

在ELM中，中心路徑和邊緣路徑并不是固定的，主要根據(jù)信息處理的深度來區(qū)分[30-31]。一般來說，中心路徑對應(yīng)用戶理性認(rèn)知因素。當(dāng)用戶采取中心路徑時，用戶參與度更高，更加系統(tǒng)而精細(xì)地評估多種依據(jù)，尤其重視與信息本身相關(guān)的因素，如信息質(zhì)量、信息有用性、信息價值等[32]。對于彈幕視頻，相較于情境和條件等非內(nèi)容線索，用戶對視頻內(nèi)容進(jìn)行信息深加工需要耗費(fèi)更多認(rèn)知努力才能形成相應(yīng)的認(rèn)知，并以此作為發(fā)表彈幕評論、點(diǎn)贊和轉(zhuǎn)發(fā)視頻等行為的決策依據(jù)。因此，彈幕數(shù)、點(diǎn)贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)與彈幕視頻內(nèi)容緊密相關(guān)，是用戶對彈幕視頻質(zhì)量和價值的量化評價指標(biāo)，在一定程度上代表用戶對彈幕視頻內(nèi)容的認(rèn)可度，將以上4個因素作為影響彈幕視頻播放的中心路徑是合理的。

(1)視頻彈幕數(shù)與播放量。彈幕是用戶在觀看視頻時及時發(fā)送的滾動式簡短評論，內(nèi)容較為碎片化，具有很強(qiáng)的互動性和及時性[33]。用戶可以在視頻播放過程中針對視頻或彈幕發(fā)出新的彈幕[34]，不僅有利于用戶獲得認(rèn)同感，還能夠提升視頻網(wǎng)站的可持續(xù)使用意愿[3]。彈幕數(shù)量反映了視頻激發(fā)用戶即時交互的能力，彈幕數(shù)量越多代表用戶交互越多，說明用戶越感興趣，也就越有可能播放視頻，因而彈幕數(shù)與視頻播放量之間可能存在以下關(guān)系：

H1：視頻彈幕數(shù)對播放量具有顯著的正向影響。

(2)視頻點(diǎn)贊數(shù)與播放量。點(diǎn)贊直接反映受眾對相關(guān)內(nèi)容的支持、肯定、接受或滿意程度[35]。彈幕視頻一旦獲得用戶認(rèn)同或支持，更容易獲得更多點(diǎn)贊，進(jìn)而促進(jìn)視頻播放行為，原因在于，一方面，類似于社交網(wǎng)絡(luò)行為，視頻播放行為由視頻、用戶、點(diǎn)贊數(shù)等多方面因素共同促成；另一方面，點(diǎn)贊總數(shù)代表用戶群體態(tài)度，受從眾思維影響，人們很可能傾向于播放點(diǎn)贊數(shù)多的視頻，表現(xiàn)出一定的“羊群效應(yīng)”。因此，點(diǎn)贊數(shù)可以體現(xiàn)彈幕視頻內(nèi)容能否滿足用戶需求，能否得到用戶肯定，點(diǎn)贊數(shù)為彈幕視頻播放提供了推動力，點(diǎn)贊數(shù)與播放量之間可能具有如下關(guān)系：

H2：視頻點(diǎn)贊數(shù)對播放量具有顯著的正向影響。

(3)視頻評論數(shù)與播放量。評論和彈幕都是重要的信息交互方式，但存在顯著差異，評論是一種異步的非匿名的信息交互方式，用戶交互更加深入，而彈幕交互比較簡短。評論數(shù)在一定程度上代表受眾的關(guān)注度，例如，張璐指出評論數(shù)高的視頻吸引力更大[33]。對于彈幕視頻播放，評論數(shù)量作為中心路徑，反映了視頻用戶的熱議程度。評論數(shù)越多意味著由用戶提供的信息越豐富，那么越有利于用戶從中心路徑獲得更多認(rèn)知線索[36]，這些線索會影響用戶自身對視頻的處理和決策?？梢?，視頻評論數(shù)可能對播放量具有積極影響，相關(guān)假設(shè)如下：

H3：視頻評論數(shù)對播放量具有顯著的正向影響。

(4)視頻轉(zhuǎn)發(fā)數(shù)與播放量。轉(zhuǎn)發(fā)是用戶融入個人認(rèn)知后形成的二次信息擴(kuò)散，能夠迅速擴(kuò)大信息傳播面和影響力。已有研究大多關(guān)注信息轉(zhuǎn)發(fā)行為的影響因素[37]，或通過發(fā)布者與轉(zhuǎn)發(fā)者特征、信息內(nèi)容屬性等預(yù)測轉(zhuǎn)發(fā)行為是否發(fā)生及演變趨勢[38]，較少研究轉(zhuǎn)發(fā)數(shù)對后續(xù)信息行為的影響。相較于點(diǎn)贊與評論，轉(zhuǎn)發(fā)是更高卷入度的信息傳播行為[39]。人們常常因?yàn)閺?qiáng)化自我、維持社會關(guān)系或利他而主動轉(zhuǎn)發(fā)和分享信息內(nèi)容，可能形成刷屏并促進(jìn)信息的進(jìn)一步深入使用。因此，將視頻轉(zhuǎn)發(fā)數(shù)作為中心路徑的信息性特征，提出其對播放量具有如下假設(shè)關(guān)系：

H4：視頻轉(zhuǎn)發(fā)數(shù)對播放量具有顯著的正向影響。

2.2 邊緣路徑

邊緣路徑對應(yīng)用戶感性認(rèn)知因素。當(dāng)用戶根據(jù)邊緣路徑?jīng)Q策時，投入較少的努力，依賴一些容易獲得的外部線索(如信息來源、易用性、口碑等)做較為簡單和直觀的判斷。在有關(guān)彈幕視頻的諸多非文本特征中，制作并上傳視頻的作者粉絲數(shù)和投稿數(shù)這2個因素與表征內(nèi)容特征的彈幕數(shù)、點(diǎn)贊數(shù)等因素相比，用戶對其感知更為直觀，信息處理水平和層次較低。參考已有研究[40]，將內(nèi)容作者的相關(guān)特征作為邊緣路徑，探究視頻作者粉絲數(shù)和投稿數(shù)如何影響視頻播放量。

(1)視頻作者粉絲數(shù)與播放量。在以用戶為中心的新媒體信息傳播中，粉絲數(shù)直接反映了賬號與平臺的影響力和受歡迎程度，因此成為運(yùn)營賬號價值評價的關(guān)鍵要素。從社交媒體信息傳播規(guī)律看，賬號粉絲數(shù)越多，其發(fā)布的信息就越容易傳播[41]，同時粉絲數(shù)作為社交媒體信息的聲譽(yù)特征[42]，也是用戶關(guān)注的重點(diǎn)[43]。ELM 的應(yīng)用研究表明，粉絲數(shù)一般從邊緣路徑影響信息和知識傳播[44]。對于彈幕視頻的分享與傳播，視頻作者同樣具有信息發(fā)布者的群體特征，作者粉絲數(shù)對視頻播放也具有類似的促進(jìn)作用[45]。因此，本研究認(rèn)為視頻作者粉絲數(shù)與播放量之間具有如下關(guān)系：

H5：視頻作者粉絲數(shù)對播放量具有顯著的正向影響。

(2)視頻作者投稿數(shù)與播放量。投稿數(shù)反映了視頻作者的活躍度[46]。在B站，視頻投稿用戶稱為“UP主”[47]，據(jù)統(tǒng)計(jì)，目前B站月均活躍UP主超200萬，月均視頻投稿量達(dá)770萬[48]，說明視頻更新快、生命周期短。視頻作者為了保持傳播熱度和賬號的曝光率，需要保持較高的投稿頻率和更新頻率，持續(xù)輸出內(nèi)容[49]。視頻作者的投稿數(shù)越多，部分視頻可能更容易推送給用戶，客觀上提升了視頻播放量，因此，視頻作者投稿數(shù)與播放量可能具有如下關(guān)系：

H6：視頻作者投稿數(shù)對播放量具有顯著的正向影響。

2.3 調(diào)節(jié)變量

在ELM中，用戶選擇的路徑與其動機(jī)和能力直接有關(guān)，同時受到調(diào)節(jié)變量的影響，本研究將彈幕數(shù)和視頻時長作為調(diào)節(jié)變量。

(1)彈幕數(shù)的調(diào)節(jié)作用。彈幕數(shù)是用戶對視頻的實(shí)時評價，是衡量用戶參與度的重要指標(biāo)，彈幕數(shù)越多，代表用戶的參與程度越高。彈幕內(nèi)容多元化，用詞新奇，懸浮并滾動在視頻畫面中，因而吸引了眾多用戶參與或觀看，與此同時，彈幕可能存在內(nèi)容空洞、表達(dá)粗糙等問題，過量的彈幕可能會降低視頻觀看的視覺體驗(yàn)和沉浸體驗(yàn)，增加用戶認(rèn)知負(fù)擔(dān)，降低用戶播放彈幕視頻的行為意愿[50]。龔詩陽的研究指出，人們的注意力資源總是有限的，用戶在觀看高質(zhì)量的視頻時，會在視頻內(nèi)容上耗費(fèi)更多注意力，在社交方面分配的注意力相對較少[51]。隨著彈幕數(shù)量的不斷增加，彈幕對視頻播放的促進(jìn)作用逐漸弱化，甚至可能引起負(fù)面效應(yīng)，因此，我們認(rèn)為彈幕數(shù)對視頻特征與播放量以及作者特征與播放量間的影響關(guān)系具有負(fù)向調(diào)節(jié)作用，相關(guān)假設(shè)如下：

Ha1：彈幕數(shù)負(fù)向調(diào)節(jié)視頻點(diǎn)贊數(shù)對播放量的影響。

Ha2：彈幕數(shù)負(fù)向調(diào)節(jié)視頻評論數(shù)對播放量的影響。

Ha3：彈幕數(shù)負(fù)向調(diào)節(jié)視頻轉(zhuǎn)發(fā)數(shù)對播放量的影響。

Ha4：彈幕數(shù)負(fù)向調(diào)節(jié)視頻作者粉絲數(shù)對播放量的影響。

Ha5：彈幕數(shù)負(fù)向調(diào)節(jié)視頻作者投稿數(shù)對播放量的影響。

(2)視頻時長的調(diào)節(jié)作用。視頻時長直接反映視頻信息的豐富度。從信息使用行為規(guī)律看，長視頻承載的信息量更大，受眾更容易理解。然而，在用戶生產(chǎn)內(nèi)容的新媒體環(huán)境下，視頻數(shù)量巨大，人們難以長時間集中注意力，更樂于接收碎片化信息，因而視頻長短可能成為影響視頻播放的重要因素[52]。例如，王程偉指出高播放、高點(diǎn)贊的熱門政務(wù)視頻中，70%的視頻時長為30 秒以內(nèi)，說明短視頻更受公眾歡迎[53]。此外，也有研究指出視頻時長對視頻點(diǎn)贊、轉(zhuǎn)發(fā)等行為的影響不大[54]。由于B站既有短視頻，也有許多超過半小時的長視頻，為了探究視頻時長對播放行為的影響，借鑒已有研究，將視頻時長作為調(diào)節(jié)變量，認(rèn)為視頻時長對視頻特征與播放量以及作者特征與播放量間的影響關(guān)系具有負(fù)向調(diào)節(jié)作用，相關(guān)假設(shè)如下：

Hb1：視頻時長負(fù)向調(diào)節(jié)視頻彈幕數(shù)對播放量的影響。

Hb2：視頻時長負(fù)向調(diào)節(jié)視頻點(diǎn)贊數(shù)對播放量的影響。

Hb3：視頻時長負(fù)向調(diào)節(jié)視頻評論數(shù)對播放量的影響。

Hb4：視頻時長負(fù)向調(diào)節(jié)視頻轉(zhuǎn)發(fā)數(shù)對播放量的影響。

Hb5：視頻時長負(fù)向調(diào)節(jié)視頻作者粉絲數(shù)對播放量的影響。

Hb6：視頻時長負(fù)向調(diào)節(jié)視頻作者投稿數(shù)對播放量的影響。

3 數(shù)據(jù)收集與處理

3.1 數(shù)據(jù)收集

B站較早引進(jìn)彈幕機(jī)制，因其彈幕吸引了眾多用戶，成為流行的彈幕視頻平臺，因此選取B站彈幕視頻作為數(shù)據(jù)來源。由于B站彈幕視頻在新發(fā)布時，其點(diǎn)贊數(shù)、播放數(shù)等數(shù)據(jù)還不穩(wěn)定，可能具有較大變化，為了提高研究結(jié)果的客觀性，采集發(fā)布一定時間后各項(xiàng)數(shù)據(jù)相對穩(wěn)定的彈幕視頻。根據(jù)觀察，B站根據(jù)視頻上傳的先后順序?qū)ζ溥M(jìn)行從小到大的編號，視頻編號越大，對應(yīng)的視頻上傳時間離當(dāng)前越近。利用網(wǎng)絡(luò)爬蟲“八爪魚”軟件，爬取B站從視頻編號30000000到30010000 的視頻數(shù)據(jù)，各項(xiàng)指標(biāo)比較穩(wěn)定。采集的數(shù)據(jù)包括視頻的播放量、點(diǎn)贊數(shù)、彈幕數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、視頻時長、視頻作者粉絲數(shù)和視頻作者投稿數(shù)，將采集的數(shù)據(jù)進(jìn)行去重、刪除缺失值等處理，最終得到有效視頻2，530個。

3.2 描述性統(tǒng)計(jì)分析

描述性統(tǒng)計(jì)分析結(jié)果如表1所示，播放量、點(diǎn)贊數(shù)、彈幕數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)的最大值與最小值均有較大差異，可能是由視頻類型、視頻質(zhì)量、作者知名度等方面原因引起的。視頻時長的均值為8.87分鐘，說明B站的多數(shù)視頻為短視頻。另外，所有變量的偏度均大于3，表明樣本數(shù)據(jù)各指標(biāo)值呈偏態(tài)分布。

表1 描述性統(tǒng)計(jì)結(jié)果

4 層次回歸分析

4.1 主效應(yīng)檢驗(yàn)

首先，采用自然對數(shù)變換以減小各變量數(shù)值差異帶來的影響，并將偏態(tài)分布轉(zhuǎn)換為正態(tài)分布，對數(shù)變換后的變量如表2所示。其次，為了清晰地揭示中心路徑、邊緣路徑和調(diào)節(jié)變量對彈幕視頻播放量的影響，分別將LN彈幕數(shù)、LN點(diǎn)贊數(shù)、LN評論數(shù)、LN轉(zhuǎn)發(fā)數(shù)、LN視頻作者粉絲數(shù)、LN視頻作者投稿數(shù)作為自變量，并逐步加入自變量與調(diào)節(jié)變量的交互項(xiàng)，采用層次回歸分析法進(jìn)行分析，除點(diǎn)贊數(shù)的VIF 值稍高于10 以外，其余變量的VIF值均低于10，說明各模型自變量間不存在嚴(yán)重的多重共線性。

表2 多重共線性檢驗(yàn)VIF值

層次回歸結(jié)果如表3所示，LN彈幕數(shù)、LN點(diǎn)贊數(shù)、LN評論數(shù)、LN轉(zhuǎn)發(fā)數(shù)、LN視頻作者粉絲數(shù)、LN 視頻作者投稿數(shù)的標(biāo)準(zhǔn)系數(shù)分別為0.126，0.472，0.159，0.118，0.161，-0.093，P值均小于0.001，說明彈幕數(shù)、點(diǎn)贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)作為中心路徑，與視頻播放量之間存在正相關(guān)關(guān)系，因此，假設(shè)H1、H2、H3、H4得到驗(yàn)證；2個邊緣路徑的影響則不同，視頻作者粉絲數(shù)與播放量具有正相關(guān)關(guān)系，而視頻作者投稿數(shù)與播放量具有負(fù)相關(guān)關(guān)系，因此，假設(shè)H5得到驗(yàn)證，H6則并未得到驗(yàn)證。

表3 層次回歸分析結(jié)果

4.2 調(diào)節(jié)效應(yīng)檢驗(yàn)

由表3可知，彈幕數(shù)對部分影響路徑具有負(fù)向調(diào)節(jié)作用，視頻時長對所有影響路徑都有負(fù)向調(diào)節(jié)作用，對應(yīng)的假設(shè)Ha1、Ha2、Ha3、Ha4、Hb1、Hb2、Hb3、Hb4和Hb5得以驗(yàn)證。

為清晰地揭示調(diào)節(jié)效應(yīng)及影響關(guān)系，制作調(diào)節(jié)效應(yīng)關(guān)系圖。如圖2所示，高彈幕數(shù)條件下點(diǎn)贊數(shù)對播放量的影響低于低彈幕數(shù)條件下點(diǎn)贊數(shù)對播放量的影響，說明彈幕數(shù)的增加會減弱點(diǎn)贊數(shù)對播放量的促進(jìn)作用。如圖3所示，高彈幕數(shù)條件下評論數(shù)對播放量的正向影響低于低彈幕數(shù)條件下評論數(shù)對播放量的正向影響，說明彈幕數(shù)的提高會削弱評論數(shù)對播放量的促進(jìn)作用。

圖2 彈幕數(shù)對點(diǎn)贊數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

圖3 彈幕數(shù)對評論數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

如圖4所示，高彈幕數(shù)條件下轉(zhuǎn)發(fā)數(shù)對播放量的影響低于低彈幕數(shù)條件下轉(zhuǎn)發(fā)數(shù)對播放量的影響，說明彈幕數(shù)負(fù)向調(diào)節(jié)轉(zhuǎn)發(fā)數(shù)對播放量的促進(jìn)作用。如圖5所示，高彈幕數(shù)條件下視頻作者粉絲數(shù)對播放量的正向影響低于低彈幕數(shù)條件下視頻作者粉絲數(shù)對播放量的正向影響，說明彈幕數(shù)的提高會減弱視頻作者粉絲數(shù)對播放量的促進(jìn)作用。

圖4 彈幕數(shù)對轉(zhuǎn)發(fā)數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

圖5 彈幕數(shù)對粉絲數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

如圖6所示，視頻時長較短時的轉(zhuǎn)發(fā)數(shù)對播放量的影響高于視頻時長較長時彈幕數(shù)對播放量的影響，說明視頻時長的增加會減弱彈幕數(shù)對播放量的促進(jìn)作用。如圖7所示，視頻時長較短時的點(diǎn)贊數(shù)對播放量的影響高于視頻時長較長時點(diǎn)贊數(shù)對播放量的影響，說明視頻時長的增加會減弱點(diǎn)贊數(shù)對播放量的促進(jìn)作用。

圖6 視頻時長對彈幕數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

圖7 視頻時長對點(diǎn)贊數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

如圖8所示，視頻時長較短時的評論數(shù)對播放量的影響高于視頻時長較長時評論數(shù)對播放量的影響，說明視頻時長的增加會減弱評論數(shù)對播放量的促進(jìn)作用。如圖9所示，視頻時長較短時的轉(zhuǎn)發(fā)數(shù)對播放量的影響高于視頻時長較長時轉(zhuǎn)發(fā)數(shù)對播放量的影響，說明視頻時長的增加會減弱轉(zhuǎn)發(fā)數(shù)對播放量的促進(jìn)作用。

圖8 視頻時長對評論數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

圖9 視頻時長對轉(zhuǎn)發(fā)數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

如圖10所示，視頻時長較短時的視頻作者粉絲數(shù)對播放量的影響高于視頻時長較長時粉絲數(shù)對播放量的影響，說明視頻時長的增加會減弱粉絲數(shù)對播放量的促進(jìn)作用。

圖10 視頻時長對粉絲數(shù)與播放量間關(guān)系的負(fù)向調(diào)節(jié)效應(yīng)

綜上所述，假設(shè)檢驗(yàn)結(jié)果如表4所示，17個假設(shè)中有3個假設(shè)不成立，其余14個假設(shè)均得以支持。在3個不成立的假設(shè)中，H6與原假設(shè)相反，Ha5的調(diào)節(jié)效應(yīng)不顯著，Hb6中的自變量作者投稿數(shù)對播放量沒有影響。

表4 假設(shè)檢驗(yàn)結(jié)果

5 模糊集定性比較分析

由于個別變量的VIF值較高，說明各個變量可能會形成組合效應(yīng)對因變量產(chǎn)生影響，因此，在前文分析的基礎(chǔ)上，利用fsQCA探究彈幕視頻播放各影響因素間的組配效應(yīng)，以突破傳統(tǒng)回歸分析方法對自變量相互獨(dú)立和因果對稱的限制。

5.1 數(shù)據(jù)校準(zhǔn)

校準(zhǔn)是模糊集定性比較分析首要步驟，即指定一個界定清晰的集合中的隸屬程度。首先，對變量值進(jìn)行歸一化處理[55]，將原始數(shù)據(jù)映射到0～1之間以便于數(shù)據(jù)校準(zhǔn)；其次，采用百分位數(shù)間接校準(zhǔn)的方法，將排列在95%、50%、5%的數(shù)值分別作為完全隸屬、最大模糊值與完全不隸屬的臨界點(diǎn)；最后，為避免0.5的隸屬度，將所有小于1的隸屬度數(shù)值加上0.001[56]。

5.2 必要性分析

單一前因變量的必要性檢測得到的是導(dǎo)致結(jié)果變量的必要條件，該步驟是構(gòu)建真值表的重要前提，而真值表分析實(shí)質(zhì)上是進(jìn)行充分性分析?；谛?zhǔn)后數(shù)據(jù)，對前因變量進(jìn)行必要性分析后，得到各變量的一致性與覆蓋度，當(dāng)一致性≥0.9時，對應(yīng)變量為結(jié)果發(fā)生的必要條件。如表5所示，LN彈幕數(shù)的一致性為0.93，表明彈幕數(shù)是影響彈幕視頻播放量的必然因素，其余變量的一致性未達(dá)到0.9，則需通過真值表的組態(tài)分析來評估其充分性程度。

表5 單一前因變量的必要性

5.3 前因變量組態(tài)分析

為了分析各變量間組態(tài)效應(yīng)對視頻播放量的影響，需要構(gòu)建真值表探究影響機(jī)制。在fsQCA3.0軟件中，一致性閾值采用默認(rèn)參數(shù)值0.8，頻數(shù)閾值設(shè)置為4，并剔除PRI值低于0.75的案例集合，得到復(fù)雜解、中間解與簡單解3種形式的邏輯組配，采用復(fù)雜解、中間解及簡單解對有實(shí)際觀察的案例進(jìn)行組態(tài)分析，其中，復(fù)雜解只包含實(shí)驗(yàn)中所觀察到的組態(tài)，中間解納入了具備理論或知識支持的非事實(shí)組態(tài)，而簡單解則納入了所有非事實(shí)組態(tài)并進(jìn)行布爾最小化分析，具體如表6所示，復(fù)雜解與中間解得到的組態(tài)結(jié)果相同。

表6 彈幕視頻播放的前因變量組態(tài)

3種解均產(chǎn)生2條路徑，其中，中間解與復(fù)雜解的路徑相同，中間解與簡單解的路徑也基本吻合?！癓N 點(diǎn)贊數(shù)”“LN 評論數(shù)”“LN 轉(zhuǎn)發(fā)數(shù)”“LN視頻作者粉絲數(shù)”及“～LN視頻時長”是同時出現(xiàn)在中間解與簡單解的因素，為核心條件；“～LN視頻作者投稿數(shù)”僅出現(xiàn)在中間解而未出現(xiàn)在簡單解中，因而為邊緣條件。然而，簡單解缺失了必要條件“LN彈幕數(shù)”，其原因可能是必要條件在邏輯組配中被作為邏輯余項(xiàng)消除了。但是，相較于簡單解與復(fù)雜解，中間解具備一定的理論與實(shí)際知識支持，一般被視為是組態(tài)分析的最優(yōu)解，故將中間解得到的2種組態(tài)作為彈幕視頻播放量的有效影響加以探討。

組態(tài)一：LN彈幕數(shù)*LN點(diǎn)贊數(shù)*LN評論數(shù)*LN轉(zhuǎn)發(fā)數(shù)*LN視頻作者粉絲數(shù)，表明視頻質(zhì)量與作者影響力同時對播放量具有重要影響。這與已有研究結(jié)論具有一致性，黃微等構(gòu)建的推文熱度測度模型中指出，網(wǎng)絡(luò)推文的熱度可以由推文內(nèi)容質(zhì)量、推文作者影響力等指標(biāo)共同進(jìn)行測度[57]。彈幕視頻的播放量影響機(jī)制與其類似，彈幕視頻作者的粉絲數(shù)越多，其發(fā)布視頻的影響力和認(rèn)可度越大，視頻播放量也隨之越高。

組態(tài)二：LN彈幕數(shù)*LN點(diǎn)贊數(shù)*LN評論數(shù)*LN 轉(zhuǎn)發(fā)數(shù)*～LN 視頻作者投稿數(shù)*～LN 視頻時長，反映了作者投稿數(shù)與視頻時長的負(fù)向影響。與已有研究結(jié)論類似，如王林等在機(jī)構(gòu)微博傳播力影響因素研究中指出，微博內(nèi)容質(zhì)量越高，作者月發(fā)布微博數(shù)越少，微博傳播力越高，這與刷屏現(xiàn)象引起的粉絲厭煩有關(guān)[58]。類似地，彈幕視頻作者的投稿數(shù)越少，其發(fā)布的視頻質(zhì)量越高、時長越短，視頻的播放量越高。

總之，“LN彈幕數(shù)”“LN點(diǎn)贊數(shù)”“LN評論數(shù)”和“LN轉(zhuǎn)發(fā)數(shù)”作為核心路徑，是影響視頻播放量的固定組配，即彈幕數(shù)、點(diǎn)贊數(shù)、評論數(shù)與轉(zhuǎn)發(fā)數(shù)的高低對視頻播放量具有十分重要的影響，說明視頻本身的這4個因素缺一不可，共同對播放量產(chǎn)生正向影響，這與層次回歸結(jié)果是一致的。

6 結(jié)論與討論

6.1 結(jié)論

基于ELM理論框架，運(yùn)用層次回歸分析法探析彈幕視頻播放量影響因素，并在此基礎(chǔ)上，進(jìn)一步采用fsQCA探析各影響因素間的組配效應(yīng)，得到如下主要結(jié)論。

(1)層次回歸分析結(jié)果表明，視頻本身的相關(guān)因素作為影響視頻播放量的4個中心路徑，均對播放量產(chǎn)生顯著正向影響；視頻作者粉絲數(shù)和作者投稿數(shù)作為彈幕視頻的非內(nèi)容特征，是影響用戶視頻播放的邊緣路徑，同樣是提升播放量的有效推動力；同時，本研究還發(fā)現(xiàn)了彈幕數(shù)在點(diǎn)贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、作者粉絲數(shù)與播放量之間，以及視頻時長在所有前因變量與播放量之間的負(fù)向調(diào)節(jié)作用。

(2)fsQCA 分析結(jié)果顯示，播放量的提升包含兩條路徑，解釋了播放量影響因素之間的組合作用。具體而言，路徑一，“LN彈幕數(shù)*LN點(diǎn)贊數(shù)*LN評論數(shù)*LN轉(zhuǎn)發(fā)數(shù)*LN視頻作者粉絲數(shù)”體現(xiàn)了視頻相關(guān)因素與投稿作者在彈幕視頻播放量提升中共同發(fā)揮作用；路徑二，“LN 彈幕數(shù)*LN點(diǎn)贊數(shù)*LN評論數(shù)*LN轉(zhuǎn)發(fā)數(shù)*～LN視頻作者投稿數(shù)*～LN視頻時長”反映了低投稿數(shù)、短視頻時長與高視頻質(zhì)量的組合效應(yīng)對彈幕視頻播放量具有激勵作用。此外，“LN彈幕數(shù)”“LN點(diǎn)贊數(shù)”“LN評論數(shù)”和“LN轉(zhuǎn)發(fā)數(shù)”形成影響視頻播放量的固定組配，是影響彈幕視頻播放量的核心路徑。

6.2 理論貢獻(xiàn)

在ELM的理論框架下，從中心路徑與邊緣路徑的角度構(gòu)建彈幕視頻量影響因素模型，將視頻與投稿作者的相關(guān)因素作為自變量，將彈幕數(shù)與視頻時長作為調(diào)節(jié)變量。綜合采用層次回歸分析與fsQCA兩種方法，采集B站數(shù)據(jù)進(jìn)行實(shí)證研究，分析各因素對彈幕視頻播放量的影響，并進(jìn)一步探究對各影響因素之間的組合關(guān)系，識別出了影響播放量的兩條組合路徑。理論上看，采用混合方法識別彈幕視頻播放量的中心路徑，不僅是ELM的擴(kuò)展與深入使用，也豐富了彈幕視頻播放行為影響的研究，為后續(xù)研究提供了較好的借鑒。

6.3 建議

根據(jù)層次回歸與fsQCA分析結(jié)果，為提升彈幕視頻服務(wù)，可從以下幾方面加以改進(jìn)。

(1)重視視頻因素對播放量提升的激勵作用。彈幕視頻網(wǎng)站應(yīng)充分重視彈幕數(shù)、點(diǎn)贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)這些影響視頻播放的核心路徑，引導(dǎo)投稿作者重視視頻質(zhì)量，鼓勵作者投稿高質(zhì)量的短視頻，改變過度生活化和娛樂化的主流旋律，強(qiáng)化內(nèi)容的實(shí)用價值，通過高品質(zhì)內(nèi)容吸引用戶參與互動，增加用戶粘性。此外，利用智能算法實(shí)現(xiàn)精準(zhǔn)推薦，向目標(biāo)用戶推薦契合度高的優(yōu)質(zhì)視頻，優(yōu)化用戶體驗(yàn)，從而促進(jìn)彈幕視頻的快速和廣泛傳播。

(2)視頻投稿作者粉絲數(shù)與投稿數(shù)作為邊緣路徑也對視頻播放量具有一定影響，因此，彈幕視頻網(wǎng)站需要識別高質(zhì)量視頻作者，并幫助高質(zhì)量視頻投稿數(shù)多的作者吸引粉絲，例如，通過增加推薦、邀請其他知名作者與其合作創(chuàng)作視頻的方式，幫助提高粉絲數(shù)量；采取一些獎勵措施，激勵作者增加高質(zhì)量視頻投稿。

(3)彈幕數(shù)和視頻時長作為調(diào)節(jié)變量對多條影響路徑產(chǎn)生調(diào)節(jié)作用。彈幕會占用用戶的認(rèn)知資源，過量彈幕會增加用戶認(rèn)知負(fù)擔(dān)，對彈幕視頻的播放起到反作用，因此需要合理控制視頻畫面顯示彈幕的數(shù)量。另外，視頻時間太長，用戶的專注力和關(guān)注度都會下降，可能產(chǎn)生倦怠態(tài)度和中輟行為，因此，彈幕網(wǎng)站應(yīng)該控制視頻時長，用高質(zhì)量的短視頻吸引和保留視頻用戶，增加用戶粘性。

6.4 不足與展望

本文的不足之處在于：一方面，只采用了B站視頻數(shù)據(jù)中的點(diǎn)贊數(shù)、播放數(shù)、彈幕數(shù)、評論數(shù)等數(shù)據(jù)外，尚未采用評論有用性、用戶情感等文本特征數(shù)據(jù)，后續(xù)研究可對這些數(shù)據(jù)進(jìn)行挖掘以進(jìn)行更加深入和全面的研究；另一方面，采用橫截面數(shù)據(jù)，從靜態(tài)視角研究播放量的影響因素，難以揭示視頻及其影響因素的變化。未來可針對此不足，從動態(tài)視角揭示彈幕視頻變化特征與影響機(jī)制的演變規(guī)律。