陳新

摘?要：隨著數(shù)字技術(shù)的發(fā)展，觀看網(wǎng)絡(luò)直播越來越成為人們生活的一部分。從網(wǎng)絡(luò)直播中舉足輕重的一個分類——游戲直播出發(fā)，研究直播間聲學(xué)特征對觀眾付費行為的影響。研究表明：直播間音高、音強和沉默時間占比等聲學(xué)特征均能顯著影響觀眾付費行為，且觀眾情緒在上述關(guān)系中起中介作用?？傊?，此項研究為開展音頻和文本等非結(jié)構(gòu)化數(shù)據(jù)相關(guān)的實證分析提供了新的研究思路。同時，研究結(jié)果也為網(wǎng)絡(luò)直播雙方、直播平臺和社會監(jiān)管提供了實踐指導(dǎo)。

關(guān)鍵詞：網(wǎng)絡(luò)直播；聲學(xué)特征；群體情緒；文本分析

中圖分類號：F25?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2023.13.016

1?研究背景與研究問題

1.1?研究背景

網(wǎng)絡(luò)直播，本質(zhì)上是互聯(lián)網(wǎng)經(jīng)濟催生的一種實時交互式多媒體娛樂形式，是數(shù)字經(jīng)濟的重要產(chǎn)物，往往具有內(nèi)容豐富多樣、體驗實時交互、形式碎片娛樂等特性。就中國市場而言，網(wǎng)絡(luò)直播于2011年進(jìn)入大眾視野，借助經(jīng)濟發(fā)展和平臺經(jīng)濟的東風(fēng)，短時間內(nèi)收獲大批用戶，對企業(yè)商業(yè)模式探索、政府和社會監(jiān)管、學(xué)術(shù)界的理論研究等提出了巨大的挑戰(zhàn)。

網(wǎng)絡(luò)直播海量的用戶規(guī)模和巨額資本投入極大吸引了我們的研究興趣。截至2021年6月，我國網(wǎng)絡(luò)直播用戶占全體網(wǎng)民的63%，規(guī)模達(dá)6.38億。資本廠商也不斷加入網(wǎng)絡(luò)直播的商業(yè)布局和投資額。根據(jù)企查查的調(diào)查數(shù)據(jù)，從2011年至今，直播行業(yè)融資數(shù)量達(dá)1600多起，融資金額達(dá)1900多億。然而，學(xué)術(shù)界對網(wǎng)絡(luò)直播的研究還停留在描述性分析上。

1.2?研究問題

具體而言，我們要解決兩個問題。第一，直播間的聲學(xué)參數(shù)是否會影響觀眾的付費行為？第二，觀眾情緒在上述關(guān)系中的作用是什么？基于此，本研究的意義如下：首先，提供了一種新的思路，用大數(shù)據(jù)分析方法解析直播數(shù)據(jù)，從而幫助進(jìn)行直播數(shù)據(jù)的標(biāo)準(zhǔn)化處理，也響應(yīng)了學(xué)者對于網(wǎng)絡(luò)直播開展更多研究的號召；其次，本研究的結(jié)論會對直播平臺優(yōu)化用戶體驗、主播提升創(chuàng)作質(zhì)量以及政府制訂監(jiān)管策略提供依據(jù)；最后，本研究將聲學(xué)信息與用戶行為聯(lián)系起來，從而為更好地理解和解釋觀眾付費行為提供了理論依據(jù)。

2?文獻(xiàn)綜述

2.1?網(wǎng)絡(luò)直播付費方式

在斗魚直播平臺中，禮物大多是收費的，而彈幕則是免費發(fā)送的，觀眾可以自己決定對主播的創(chuàng)作打賞金額，甚至不付費。這種付費方式稱為“隨心所欲付費”（Pay-What-You-Want，PWYW）。

2.2?聲學(xué)特征

直播音頻中除了語言學(xué)信息外，還有大量的聲學(xué)特征信息，如音高、音強、音長等。事實上，這些聲學(xué)特征在人際溝通中的重要性占比超60%。

學(xué)術(shù)界關(guān)于聲學(xué)特征與用戶行為關(guān)系的研究尚處于起步階段。目前已有部分學(xué)者通過實證分析證明了播音員聲學(xué)特征會顯著影響用戶行為，播音員語速和音高會影響消費者消費態(tài)度，并進(jìn)而影響其行為。

3?模型與假設(shè)

已有學(xué)者發(fā)現(xiàn)聲學(xué)特質(zhì)能影響聽眾對演講者的感受和判斷，并基于這種主觀感受或者結(jié)論做出有利于或者不利于演講者的行為。學(xué)術(shù)研究表明，聽眾會認(rèn)為演講者音調(diào)越低，音強越強，越有能力和值得信賴，并基于此做出有利于演講者的行為。主播的音調(diào)越低，音強越強，觀眾會認(rèn)為該主播技術(shù)越強且值得信賴，從而產(chǎn)生相應(yīng)的情緒狀態(tài)，會更愿意對該主播進(jìn)行付費。沉默占比指主播沉默的時間占總時間的比例，沉默時間越久，與觀眾的交流互動時間就越少，那么觀眾的付費就越少。本研究研究具體的聲學(xué)表達(dá)對觀眾行為的影響，參照前人研究，提出如下假設(shè)：

H1a：直播間音高與觀眾付費行為負(fù)相關(guān)。

H1b：直播間音強與觀眾付費行為正相關(guān)。

H1c：直播間沉默占比與觀眾付費行為負(fù)相關(guān)。

在此基礎(chǔ)上，由于直播本身就具有情感屬性，而觀眾的行為也是基于瞬時情緒進(jìn)行的。因此，觀眾情緒的中介作用就顯得至關(guān)重要，從理論來說，積極的情緒，快樂的觀眾會有更多付費行為。因此，本研究提出如下假設(shè)：

H2：觀眾情緒會中介聲學(xué)特征與用戶行為的關(guān)系。

4?研究方法

4.1?研究準(zhǔn)備：樣本選取

本研究采用抽樣的方法，樣本的確定邏輯如下：（1）收集2021年9月10日至10月21日斗魚直播的數(shù)據(jù)，共951386條直播記錄。（2）主播的開播信息表現(xiàn)出明顯的冪律分布特征。采用機器學(xué)習(xí)中的K-MEANS方法聚類分析，選擇出22535個主播。（3）選擇出游戲直播間，共計16171個主播。最后，綜合考慮數(shù)據(jù)分析經(jīng)濟性，并參照前人研究的樣本規(guī)模。最終抽取的樣本數(shù)為102個頭部直播間。

4.2?數(shù)據(jù)

我們收集了斗魚直播2022年3月17至4月11的數(shù)據(jù)。共獲取了1774條視頻數(shù)據(jù)及對應(yīng)的直播間信息和觀眾行為。

對于視頻數(shù)據(jù)，我們借助聲學(xué)處理經(jīng)典軟件praat?6.2，每隔10毫秒提取一次音高和音強數(shù)據(jù)。對于彈幕信息，我們借助Python第三方庫——SnowNLP?？傊?，我們的數(shù)據(jù)時間細(xì)粒度為5分鐘，在此基礎(chǔ)上整理數(shù)據(jù)，最終的數(shù)據(jù)規(guī)模為40140條。

4.3?實證模型

4.3.1?變量

直播中的觀眾付費表現(xiàn)在直播活動中就是贈送虛擬禮物行為，因此，將觀眾贈送的禮物價值作為因變量。選擇聲學(xué)特征中最重要的音高和音強以及沉默占比作為自變量，而觀眾付費行為往往是受其情緒影響的，選擇觀眾情緒作為中介變量。

不同的直播間體量不同，粉絲數(shù)不同，換言之，該模型具有個體效應(yīng)，因此，我們控制了粉絲數(shù)這個變量；其次，網(wǎng)絡(luò)直播具有日序效應(yīng)，即周末主播和觀眾相對于工作日會更多，因此，我們控制了星期幾這一時間效應(yīng)。

4.4?實證分析

禮物價值符合長尾分布特征，為了降低可能帶來的誤差，我們在實證分析階段對禮物價值變量進(jìn)行了對數(shù)處理。

我們對關(guān)鍵變量進(jìn)行單位根檢驗以檢驗面板數(shù)據(jù)的平穩(wěn)性。對于非平衡的長面板數(shù)據(jù)而言，綜合考慮各種可能存在的問題，并參照前人研究，我們選擇了費雪式檢驗，檢驗結(jié)果表明，所有的變量都強烈拒絕了面板單位根的原假設(shè)。因此可以認(rèn)為，我們的數(shù)據(jù)是平穩(wěn)的。

基于我們的數(shù)據(jù)特征，綜合考慮各方法的適用情境以及計量經(jīng)濟學(xué)理論，我們選擇了可行的廣義最小二乘法來實現(xiàn)（FGLS）。最終擬合結(jié)果見表1。

在控制了個體效應(yīng)（粉絲數(shù)）和時間效應(yīng)（星期幾）的基礎(chǔ)上，同時控制了音高和音強的變化趨勢以及極差、音高、音強和沉默占比與虛擬禮物價值之間仍表現(xiàn)出了極強的相關(guān)性。音高越低，音強越強，沉默時間越短，觀眾贈送的禮物價值越高。為進(jìn)一步檢驗中介效應(yīng)，我們補充了系數(shù)差異檢驗法和系數(shù)乘積檢驗法，分析結(jié)果見表2。從結(jié)果來看，觀眾情緒對音高、音強和沉默占比對付費行為影響的中介效應(yīng)是極顯著的，且直接效應(yīng)和間接效應(yīng)都通過了檢驗。

4.5?穩(wěn)健性分析

觀眾付費意愿還可以通過虛擬禮物數(shù)量來衡量，同禮物價值一樣，針對禮物數(shù)量進(jìn)行了對數(shù)處理，并基于處理結(jié)果進(jìn)行了可行的廣義最小二乘法擬合，結(jié)果見表3。

從分析結(jié)果可以看出，音高負(fù)向影響觀眾付費意愿（β=-0001，p<001），音強正向影響觀眾付費意愿（β=0004，p<001），沉默占比負(fù)向影響觀眾付費意愿（β=-0002，p<001），假設(shè)得到了支持?？傊?，穩(wěn)健性分析表明，我們的模型是穩(wěn)健的。

5?結(jié)論

結(jié)果表明，主播的聲學(xué)特征會通過影響觀眾對主播人格特質(zhì)和技術(shù)水平等的評價或者看法進(jìn)而影響其付費行為。其中，主播的音高和沉默時間占比會負(fù)向影響觀眾的付費行為，而音強則會正向影響觀眾的付費行為?？傊芯勘砻?，主播的聲學(xué)特征會影響觀眾付費行為，同時也從實證角度證明了網(wǎng)絡(luò)直播，特別是游戲直播，不僅僅是情感消費的載體，同時也是內(nèi)容付費的重要實踐形式。此外，觀眾情緒會中介主播聲學(xué)特征和觀眾付費行為之間的關(guān)系，從而進(jìn)一步證明了在直播情境中群體情緒對群體行為的影響，以及群體中的個體認(rèn)知對其情緒的影響。

本研究的理論貢獻(xiàn)如下：首先，綜合使用多種大數(shù)據(jù)分析方法和技術(shù)和計量經(jīng)濟學(xué)分析方法來解決網(wǎng)絡(luò)直播相關(guān)問題，完善了音頻分析等非結(jié)構(gòu)化數(shù)據(jù)實證分析相關(guān)的文獻(xiàn)；其次，有學(xué)者呼吁針對中國市場展開相關(guān)的研究，我們的研究響應(yīng)了相關(guān)學(xué)者呼吁的同時，豐富了PWYW文獻(xiàn)；最后，不少研究注意到聲學(xué)特征對用戶行為的影響，但缺乏系統(tǒng)而嚴(yán)謹(jǐn)?shù)膶嵶C論證，本研究則從游戲直播情境中補充了這一缺口。

從實踐啟示角度來看，本研究的結(jié)論啟示游戲主播和第三方平臺。觀眾付費的真正原因是對好內(nèi)容的贊賞和肯定，要想創(chuàng)收就必須精心打磨產(chǎn)品，用高質(zhì)量的作品征服觀眾；其次，對于直播而言，聲學(xué)特征會是觀眾評價直播質(zhì)量的重要特征，主播可以通過控制和美化自己的聲音，從而為觀眾提供更好的聽覺體驗。

參考文獻(xiàn)

［1］第48次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[J].2021.

[2]張輝，白長虹，陳曄，等.PWYW定價策略研究前沿探析[J].外國經(jīng)濟與管理，2011，33（06）：3441.

[3]LI?Y?Q，XIAO?N，WU?S?B.The?devil?is?in?the?details：?The?effect?of?nonverbal?cues?on?crowdfunding?success?[J].Information?&?Management，2021，58（8）.

[4]WIENER?H?J，CHARTRAND?T?L.The?effect?of?voice?quality?on?ad?efficacy[J].Psychology?&?Marketing，2014，31（7）：50917.

[5]TROUVAIN?J，SCHMIDT?S，SCHRDER?M，et?al.Modelling?personality?features?by?changing?prosody?in?synthetic?speech[J].2008.

[6]KLOFSTAD?C?A，ANDERSON?R?C，NOWICKI?S.Perceptions?of?Competence，Strength，and?Age?Influence?Voters?to?Select?Leaders?with?Lower-Pitched?Voices?[J].Plos?One，2015，10（8）.

[7]LIN?Y，YAO?D，CHEN?X.Happiness?Begets?Money：?Emotion?and?Engagement?in?Live?Streaming?[J].Journal?of?Marketing?Research，2021，58（3）：41738.

[8]KLOFSTAD?C?A，ANDERSON?R?C，PETERS?S.Sounds?like?a?winner：?voice?pitch?influences?perception?of?leadership?capacity?in?both?men?and?women?[J].Proceedings?of?the?Royal?Society?B-Biological?Sciences，2012，279（1738）：2698704.

[9]WANG?X，LU?S?J，LI?X，et?al.Audio?Mining：?The?Role?of?Vocal?Tone?in?Persuasion[J].Journal?of?Consumer?Research，2021，48（2）：189211.