1、新媒体视域下 KOL 对消费者购买意愿的影响研究傅巧仙摘要：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：A1 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
2、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
3、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 K
4、OL 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 KO
5、L 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
6、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 的系数分别为 0.903、0.817、0.833，KOL 推荐特征的信息 DT、EV 的系数为 0.856、0.783，CK、CT 的系数分别为 0.761和 0.850，CI 的系数为 0.811，量表的系数均超过 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 Bartletts 球体检验，结果显示 KMO 值为 0.789，Sig.值
7、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
8、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（=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
9、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
10、，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
11、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.2020：22 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）：1829-18393 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 opinionleaders：effects on media trust and information seekingJ.Journal ofcomputer-mediated communication，2015.20（5）：520-530.
