[18]。個(gè)體在一定頻次的互動(dòng)過(guò)程中，一方面得以和部分成員建立一定的認(rèn)知資本和關(guān)系資本；另一方面，還能感知到群體集體層面所蘊(yùn)含的社會(huì)資本，并將其轉(zhuǎn)化為自身可用的資源。經(jīng)過(guò)綜合評(píng)估國(guó)內(nèi)外現(xiàn)有研究成果，本研究將網(wǎng)絡(luò)口碑、渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)性、社會(huì)資本等變量作為影響因子的自變量，中介變量則為消費(fèi)者在用戶知識(shí)分享內(nèi)容中對(duì)產(chǎn)品或服務(wù)的不同方面產(chǎn)生的感知價(jià)值，因變量是消費(fèi)者購(gòu)買(mǎi)意愿。因此，進(jìn)而構(gòu)建出研究模型如圖3-1,變量如表3-1。圖3-1研究模型圖表3-1研究變量變量類型變量名稱自變量網(wǎng)絡(luò)口碑、渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)性、社會(huì)資本中介變量感知價(jià)值因變量購(gòu)買(mǎi)意愿3.2研究假設(shè)3.2.1社交電商平臺(tái)特征對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響消費(fèi)者在平臺(tái)發(fā)布的評(píng)論內(nèi)容，是潛在消費(fèi)者評(píng)估產(chǎn)品品質(zhì)的關(guān)鍵信息來(lái)源，通過(guò)這些評(píng)論和口碑，可影響消費(fèi)者的購(gòu)買(mǎi)意愿；在線用戶評(píng)價(jià)的信息相關(guān)性、內(nèi)容詳盡程度與購(gòu)買(mǎi)決策存在顯著的正向關(guān)系（黃瑩，2012）。因此，提出假設(shè)：H1a：網(wǎng)絡(luò)口碑正向影響消費(fèi)者的購(gòu)買(mǎi)意愿。電商網(wǎng)站能否成功留住用戶才是關(guān)鍵，讓用戶感知有用性便是錦上添花。界面設(shè)計(jì)的認(rèn)知負(fù)荷易致使消費(fèi)者萌生畏難心理，最終降低其繼續(xù)使用的意愿。例如小紅書(shū)平臺(tái)的功能優(yōu)化，降低使用門(mén)檻，最終對(duì)購(gòu)買(mǎi)轉(zhuǎn)化率產(chǎn)生巨大影響（賀萌遠(yuǎn)，2021）。因此，提出假設(shè)：H1b：渠道特征正向影響消費(fèi)者的購(gòu)買(mǎi)意愿。3.2.2用戶知識(shí)分享特征對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響當(dāng)消費(fèi)者注意到其他消費(fèi)者正在討論某個(gè)信息內(nèi)容，即使消費(fèi)者不感興趣，消費(fèi)者也會(huì)因?yàn)閁GC數(shù)量的龐大去盲目討論或圍觀，羊群效應(yīng)會(huì)導(dǎo)致從眾心理，進(jìn)而影響消費(fèi)者的購(gòu)物判斷（魏如清，2016）。因此，提出假設(shè)：H2a：UGC數(shù)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿。UGC的質(zhì)量高低決定了消費(fèi)者對(duì)其可信度、影響力的評(píng)判，成為影響信息采納的關(guān)鍵考慮因素，最終作用于購(gòu)買(mǎi)決策（魏如清，2016）。因此，提出假設(shè)：H2b：UGC質(zhì)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿?；?dòng)行為能夠讓信息傳遞更加吻合消費(fèi)者自身的認(rèn)知適配度，使其更好的適應(yīng)于用戶的信息處理加工。獲取的內(nèi)容與消費(fèi)者的認(rèn)知和需求高度匹配時(shí)，對(duì)購(gòu)買(mǎi)意愿的刺激就會(huì)更為顯著（魏如清，2016）。因此，提出假設(shè)：H2c：信息互動(dòng)性正向影響消費(fèi)者的購(gòu)買(mǎi)意愿人們?cè)敢饫眯湃蔚娜穗H關(guān)系獲取信息，信任可表現(xiàn)為用戶粘性，用戶粘性又在一定程度上又奠定了變現(xiàn)的可能性。社交電商是以信任為基礎(chǔ)的商業(yè)模式，良好的社會(huì)資本可以影響購(gòu)買(mǎi)決策（袁留亮，2019）。因此，提出假設(shè)：H2d：社會(huì)資本正向影響消費(fèi)者的購(gòu)買(mǎi)意愿3.2.3社交電商平臺(tái)特征對(duì)消費(fèi)者感知價(jià)值的影響高質(zhì)量的用戶知識(shí)分享和互動(dòng)構(gòu)成了可信的網(wǎng)絡(luò)口碑，能幫助消費(fèi)者降低信息不對(duì)稱風(fēng)險(xiǎn)。同時(shí)，渠道特征包含直觀的視覺(jué)呈現(xiàn)、簡(jiǎn)單的操作系統(tǒng)以及在線互動(dòng)的場(chǎng)景，這些共同構(gòu)建了愉悅的消費(fèi)體驗(yàn)，進(jìn)一步放大了信息口碑的說(shuō)服力。當(dāng)用戶在平臺(tái)接觸到高相關(guān)性的口碑內(nèi)容時(shí)，其感知到的功能價(jià)值與情感價(jià)值會(huì)大幅度增加，最終轉(zhuǎn)化為購(gòu)買(mǎi)意愿的關(guān)鍵推力（孫云澤，2011）。因此，提出了以下假設(shè)：H3a：網(wǎng)絡(luò)口碑正向影響消費(fèi)者的感知價(jià)值H3b：渠道特征正向影響消費(fèi)者的感知價(jià)值3.2.4用戶知識(shí)分享特征對(duì)消費(fèi)者感知價(jià)值的影響高質(zhì)量、高密度的知識(shí)交互增強(qiáng)了信息互動(dòng)性—消費(fèi)者在評(píng)論區(qū)提問(wèn)、創(chuàng)作者即時(shí)答疑，引起消費(fèi)者的認(rèn)知和情感共鳴。持續(xù)的知識(shí)分享會(huì)沉淀為社會(huì)資本，消費(fèi)者與意見(jiàn)領(lǐng)袖之間形成“認(rèn)知綁定”，所推薦的內(nèi)容會(huì)更容易被用戶采納、認(rèn)同（肖開(kāi)紅、雷兵，2021）。因此，提出了以下假設(shè)：H4a：UGC數(shù)量正向影響消費(fèi)者的感知價(jià)值H4b：UGC質(zhì)量正向影響消費(fèi)者的感知價(jià)值H4c：信息互動(dòng)正向影響消費(fèi)者的感知價(jià)值H4d：社會(huì)資本正向影響消費(fèi)者的感知價(jià)值3.2.5感知價(jià)值對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響感知價(jià)值是顧客基于感知到的產(chǎn)品效用與支付成本形成價(jià)值判斷，購(gòu)買(mǎi)決策的決定取決于綜合考慮購(gòu)買(mǎi)風(fēng)險(xiǎn)和獲得的利益，消費(fèi)者對(duì)產(chǎn)品價(jià)值的認(rèn)知程度與其購(gòu)買(mǎi)意愿為正相關(guān)關(guān)系（PARASURAMANA，1997）。因此，提出假設(shè)：H5：感知價(jià)值正向影響消費(fèi)者的購(gòu)買(mǎi)意愿表3-2研究假設(shè)表編號(hào)假設(shè)內(nèi)容H1a網(wǎng)絡(luò)口碑正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H1b渠道特征正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H2aUGC數(shù)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H2bUGC質(zhì)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H2c信息互動(dòng)性正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H2d社會(huì)資本正向影響消費(fèi)者的購(gòu)買(mǎi)意愿H3a網(wǎng)絡(luò)口碑正向影響消費(fèi)者的感知價(jià)值H3b渠道特征正向影響消費(fèi)者的感知價(jià)值H4aUGC數(shù)量正向影響消費(fèi)者的感知價(jià)值H4bUGC質(zhì)量正向影響消費(fèi)者的感知價(jià)值H4c信息互動(dòng)性正向影響消費(fèi)者的感知價(jià)值H4d社會(huì)資本正向影響消費(fèi)者的感知價(jià)值H5感知價(jià)值正向影響消費(fèi)者的購(gòu)買(mǎi)意愿3.2.6感知價(jià)值的中介作用在社交電商消費(fèi)決策機(jī)制中，消費(fèi)者從用戶知識(shí)分享中產(chǎn)生感知價(jià)值心理，這能夠有效降低用戶在虛擬數(shù)字消費(fèi)環(huán)境中的感知風(fēng)險(xiǎn)，消費(fèi)者會(huì)將其轉(zhuǎn)化為消費(fèi)驅(qū)動(dòng)力，對(duì)其產(chǎn)品或服務(wù)產(chǎn)生購(gòu)買(mǎi)行為。感知價(jià)值起著橋梁的作用，消費(fèi)者在平臺(tái)瀏覽信息時(shí)，對(duì)涵蓋的產(chǎn)品功能和使用心得有了一個(gè)較為清晰的認(rèn)知和判斷，他所感知到的利得超過(guò)利失時(shí)會(huì)傾向于購(gòu)買(mǎi)該產(chǎn)品，反之選擇放棄（張永、陳兵，2018）。因此，提出了以下假設(shè)：H6a：感知價(jià)值在網(wǎng)絡(luò)口碑與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H6b：感知價(jià)值在渠道特征與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7a：感知價(jià)值在UGC數(shù)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7b：感知價(jià)值在UGC質(zhì)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7c：感知價(jià)值在信息互動(dòng)與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7d：感知價(jià)值在社會(huì)資本與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用 表3-3感知價(jià)值的中介假設(shè)作用編號(hào)假設(shè)內(nèi)容H6a感知價(jià)值在網(wǎng)絡(luò)口碑與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H6b感知價(jià)值在渠道特征與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7a感知價(jià)值在UGC數(shù)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7b感知價(jià)值在UGC質(zhì)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7c感知價(jià)值在信息互動(dòng)性與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用H7d感知價(jià)值在社會(huì)資本與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用4調(diào)查問(wèn)卷4.1問(wèn)卷設(shè)計(jì)為保證問(wèn)卷設(shè)計(jì)的合理性與科學(xué)性，每輪準(zhǔn)備預(yù)調(diào)研收集50份樣本數(shù)據(jù)，通過(guò)分析識(shí)別潛在的問(wèn)題，據(jù)此來(lái)優(yōu)化問(wèn)卷內(nèi)容，形成正式問(wèn)卷。本文選擇小紅書(shū)為社交電商為典型進(jìn)行樣本的研究有以下原因。第一，小紅書(shū)平臺(tái)最初定位為跨境購(gòu)物內(nèi)容分享社區(qū)，隨著用戶需求增加拓展電商功能，基于社區(qū)內(nèi)容熱度分析篩選出熱門(mén)商品或服務(wù)，通過(guò)“平臺(tái)福利社”售賣(mài)，實(shí)現(xiàn)向電商平臺(tái)的戰(zhàn)略轉(zhuǎn)型，研究該平臺(tái)用戶知識(shí)分享對(duì)促進(jìn)商品轉(zhuǎn)化率有重要實(shí)踐意義。第二，小紅書(shū)是內(nèi)容驅(qū)動(dòng)型社區(qū)，聚集了大量用戶分享內(nèi)容，為消費(fèi)者提供豐富的購(gòu)買(mǎi)心得或?qū)I(yè)知識(shí)，是女性用戶首選的社區(qū)電商應(yīng)用程序，用戶量更是移動(dòng)電商的第一名，選擇小紅書(shū)具有代表性意義。問(wèn)卷結(jié)構(gòu)分為兩部分：人口統(tǒng)計(jì)特征調(diào)查和參與人員態(tài)度評(píng)估。測(cè)量工具采用國(guó)際通用的李克特量表，實(shí)施過(guò)程中選用5分量表，各分值對(duì)應(yīng)含義如下：1代表“非常不同意”、2代表“不同意”、3代表“一般”、4代表“同意”、5代表“非常同意”。（1）自變量本文自變量為網(wǎng)絡(luò)口碑、渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)性、社會(huì)資本，根據(jù)賀萌遠(yuǎn)（2021）等相關(guān)文獻(xiàn)形成以下量表，詳細(xì)描述及參考見(jiàn)表4-1。表4-1自變量測(cè)量題項(xiàng)潛變量題目編號(hào)測(cè)量題項(xiàng)網(wǎng)絡(luò)口碑1a我會(huì)因用戶高評(píng)價(jià)的內(nèi)容講解而購(gòu)買(mǎi)所提及產(chǎn)品或服務(wù)2a我會(huì)因?yàn)樾湃文硞€(gè)知識(shí)分享者而購(gòu)買(mǎi)其推薦的產(chǎn)品渠道特征1b小紅書(shū)用戶分享內(nèi)容的排版、圖文我很喜歡，設(shè)計(jì)也生動(dòng)有趣2b小紅書(shū)內(nèi)容分享的界面排版便于我操作UGC數(shù)量1c我覺(jué)得在知識(shí)分享中，內(nèi)容的文字長(zhǎng)短很重要2c我認(rèn)為該用戶知識(shí)分享應(yīng)該保持日更的狀態(tài)UGC質(zhì)量1d對(duì)于社交平臺(tái)上提供全面且專業(yè)的產(chǎn)品知識(shí)的用戶，我會(huì)更關(guān)注他們2d我覺(jué)得知識(shí)分享者對(duì)其內(nèi)容質(zhì)量應(yīng)該進(jìn)行嚴(yán)格把控信息互動(dòng)性1e我認(rèn)為用戶及時(shí)在評(píng)論區(qū)回應(yīng)我的留言，我會(huì)優(yōu)先了解該產(chǎn)品或服務(wù)2e該用戶接受路人的反饋，在分享內(nèi)容上做出一定調(diào)整，我有將該用戶分享的產(chǎn)品或服務(wù)列入初步的購(gòu)買(mǎi)計(jì)劃社會(huì)資本1f好友、家人的分享內(nèi)容評(píng)價(jià)會(huì)影響我對(duì)該產(chǎn)品或服務(wù)的評(píng)價(jià)2f看到達(dá)人的知識(shí)分享后，我會(huì)更關(guān)注其產(chǎn)品或服務(wù)（2）中介變量本文中介變量是感知變量，根據(jù)肖開(kāi)紅（2021）等文獻(xiàn)形成以下量表，詳細(xì)描述及參考見(jiàn)表4-2。表4-2中介變量測(cè)量題項(xiàng)潛在變量題目編號(hào)測(cè)量題項(xiàng)感知變量1g小紅書(shū)中的內(nèi)容分享讓我獲得了我想要的信息或服務(wù)2g我認(rèn)為購(gòu)買(mǎi)了該用戶推薦的商品讓我感覺(jué)賺大了（3）因變量本文的因變量是消費(fèi)者的購(gòu)買(mǎi)意愿，根據(jù)趙宇翔（2012）等相關(guān)文獻(xiàn)形成以下量表，詳細(xì)描述及參考見(jiàn)表4-3。表4-3因變量測(cè)量題項(xiàng)潛在變量題目編號(hào)測(cè)量題項(xiàng)因變量1h我因?yàn)樾〖t書(shū)的知識(shí)分享而購(gòu)買(mǎi)過(guò)產(chǎn)品或服務(wù)2h我會(huì)因?yàn)檫M(jìn)入社交電商平臺(tái)購(gòu)買(mǎi)之前沒(méi)有計(jì)劃需求的商品或服務(wù)4.2問(wèn)卷的發(fā)放和收集正式問(wèn)卷通過(guò)線上問(wèn)卷發(fā)放的方式進(jìn)行數(shù)據(jù)收集，網(wǎng)絡(luò)問(wèn)卷具有回收快，填寫(xiě)方便的優(yōu)勢(shì)。持續(xù)了一個(gè)月的時(shí)間，包含多種學(xué)歷和年齡段，地區(qū)主要集中重慶地段。并在問(wèn)卷填寫(xiě)后設(shè)有獎(jiǎng)勵(lì)機(jī)制，以此來(lái)提高受訪者的積極性。連續(xù)多題選項(xiàng)一致等問(wèn)題的均視為無(wú)效問(wèn)卷，共發(fā)布165份，剔除無(wú)效問(wèn)卷18份后，得到有效問(wèn)卷147份，問(wèn)卷回收率達(dá)到100%，有效回收率是89%。5數(shù)據(jù)處理與分析5.1信度分析本研究采用了SPSS進(jìn)行量表的信效度檢驗(yàn)。系數(shù)值在0-1之間時(shí)，α系數(shù)越高，可靠性越高，當(dāng)該系數(shù)越趨近于1，表示測(cè)量結(jié)果具有較高的可靠度。該系數(shù)大于0.8，0.7-0.8表示該指標(biāo)相當(dāng)可靠，如果系數(shù)低于0.6，通常被視為內(nèi)部一致性不足。樣本信度如表5-1所示。表5-1樣本信度表量表Cronbach'sα系數(shù)CITC項(xiàng)數(shù)網(wǎng)絡(luò)口碑0.6100.4042渠道特征0.8150.6892UGC數(shù)量0.6080.4382UGC質(zhì)量0.7610.6172信息互動(dòng)0.6170.4932社會(huì)資本0.6310.4612感知價(jià)值0.7900.6552購(gòu)買(mǎi)意愿0.6190.4492總體0.92816可以看出，信度系數(shù)達(dá)到0.928，超過(guò)了0.9，結(jié)果表明研究數(shù)據(jù)的信度質(zhì)量處于較高水平。針對(duì)“CITC值”，各分析項(xiàng)的CITC值均超過(guò)0.4，不僅表明分析項(xiàng)之間的顯著相關(guān)關(guān)系，還側(cè)面印證了量表的可靠性。研究數(shù)據(jù)的信度系數(shù)值大于0.9，說(shuō)明數(shù)據(jù)的信度質(zhì)量較高，可用于后續(xù)的深入分析。5.2效度分析首先利用KMO測(cè)度和Bartlett球形檢驗(yàn)對(duì)樣本數(shù)據(jù)進(jìn)行因子分析適用評(píng)估。結(jié)果顯示：模型整體的KMO檢驗(yàn)值為0.937>0.6，Bartlett檢驗(yàn)中的P值=0.000<0.05；各變量的KMO系數(shù)均大于0.7，Bartlett檢驗(yàn)中的P值均為0.000，說(shuō)明滿足因子分析的前提條件。表5-2總體效度檢驗(yàn)KMO值0.937Bartlett球形度檢驗(yàn)近似卡方1420.652df120P0.000表5-3各量表效度分析表量表KMO值Bartlett球形度檢驗(yàn)近似卡方p值社交電商平臺(tái)特征0.638109.4600.000UGC內(nèi)容特征0.903639.8400.000感知價(jià)值0.768249.9710.000購(gòu)買(mǎi)意愿0.751249.9400.000從表5-3可知：所有研究項(xiàng)對(duì)應(yīng)的共同度值分別為0.638、0.903、0.768、0.751，且p值均為0.000高于0.4。p值均為0.000，說(shuō)明研究項(xiàng)信息可以被有效的提取。另外，KMO值為0.918，大于0.6，數(shù)據(jù)可以被有效提取信息，說(shuō)明了研究項(xiàng)的信息量能夠以有效的方式加以提取。5.3樣本描述性統(tǒng)計(jì)分析該問(wèn)卷調(diào)查參與人員的基本信息分別為性別、年齡、學(xué)歷使用頻率等，這四部分的描述分析如下。樣本基本情況如圖5-1到圖5-4所示。從圖5-1到圖5-4分析可得出：男性比例低于女性，與我國(guó)性別構(gòu)成基本一致；年齡集中在18-25歲區(qū)間，正是小紅書(shū)的核心用戶；從學(xué)歷上看，大專及以上學(xué)歷為主導(dǎo)地位，說(shuō)明受訪者理解能力高，能夠有效完成問(wèn)卷調(diào)查?？傮w來(lái)看，本次樣本有較高的有效性，能夠進(jìn)一步的分析。圖5-1樣本基本情況（性別）問(wèn)卷調(diào)查性別部分的餅狀圖顯示，參加調(diào)查的女性高于男性。女性受訪者共計(jì)88人，占比61.54%；男性占比為38.46%，共55人。圖5-2樣本基本情況（年齡）從該問(wèn)卷調(diào)查中年齡的餅狀分布圖來(lái)看，18-25歲占比最大、人數(shù)最多，占比55.94%，人數(shù)為80；第二分別是26-35歲和36-45歲，占比均為15.38%，人數(shù)為22；排列第三是46歲以上，占比均是6.99%，共10人；18歲以下人數(shù)最少，為9人，占比為6.29%。圖5-3樣本基本情況（學(xué)歷）從該問(wèn)卷調(diào)查有關(guān)學(xué)歷的分布圖可知，本科學(xué)歷占比最高，達(dá)59.44%，人數(shù)為85人；大專學(xué)歷第二，占比23.08%，共33人；碩士及以上學(xué)歷位例第三，占比9.79%，有14人；最后是高中及以下學(xué)歷，占比7.69%，有11人。圖5-4樣本基本情況（使用頻率）從該問(wèn)卷調(diào)查每周小紅書(shū)使用頻率的分布圖可知，比重最大4-6次，占比46.15%，有66人；每天1次以上和1-3次均為第二，占比20.28%，有29人；有一定的比例表示這些用戶幾乎每天都會(huì)使用該APP，用戶對(duì)小紅書(shū)平臺(tái)有高度的依賴。第三是幾乎不看，占比11.89%，有17人；最后是從不使用，占比1.4%，有2人。也有近五分之一的用戶很少登錄，對(duì)平臺(tái)的依賴度不高。5.4相關(guān)性分析相關(guān)性分析旨在研究多個(gè)變量因素間的相關(guān)密切關(guān)系，其取值范圍為-1.0-1.0，絕對(duì)值越大，相關(guān)性越強(qiáng)。目的是衡量變量間的關(guān)聯(lián)程度，包括變化趨勢(shì)一致性及變化方向。具體情況如表5-4所示。表5-4相關(guān)性分析表量表購(gòu)買(mǎi)意愿網(wǎng)絡(luò)口碑渠道特征UGC數(shù)量UGC質(zhì)量信息互動(dòng)社會(huì)資本感知價(jià)值購(gòu)買(mǎi)意愿1網(wǎng)絡(luò)口碑.486**1渠道特征.496**.1321UGC數(shù)量.488**.130.622**1UGC質(zhì)量.543**.065.675**.527**1信息互動(dòng).504**.088.660**.495**.664**1社會(huì)資本.575**.122.544**.504**.588**.584**1感知價(jià)值.582**.109.658**.515**.612**.597**.597**1*p＜0.05**p＜0.01由上表可知，網(wǎng)絡(luò)口碑與購(gòu)買(mǎi)意愿的相關(guān)系數(shù)表現(xiàn)為0.486，顯示出積極的正相關(guān)；渠道特征與購(gòu)買(mǎi)意愿的相關(guān)系數(shù)為0.496，也呈現(xiàn)正向關(guān)聯(lián)；UGC數(shù)量與購(gòu)入意愿的相關(guān)性系數(shù)計(jì)算得出為0.488，體現(xiàn)正相關(guān)特性；UGC質(zhì)量對(duì)購(gòu)入意愿的影響力表現(xiàn)為相關(guān)系數(shù)0.543，也是正相關(guān)的關(guān)系；信息互動(dòng)與購(gòu)入意愿的聯(lián)系則表現(xiàn)為相關(guān)系數(shù)0.504，為正相關(guān)；社會(huì)資本與購(gòu)入意愿的相關(guān)性系數(shù)計(jì)算得出為0.575，同樣體現(xiàn)正相關(guān)特性；而感知價(jià)值對(duì)購(gòu)入意愿的影響力表現(xiàn)為相關(guān)系數(shù)0.582，并且呈現(xiàn)出0.01水平的顯著性，同樣為正相關(guān)。這表示多個(gè)因素與購(gòu)買(mǎi)決策存在顯著的正相關(guān)關(guān)系。5.5回歸分析回歸分析是研究?jī)蓚€(gè)及以上變量之間關(guān)系的統(tǒng)計(jì)方法。采用這一工具來(lái)構(gòu)建模型，通過(guò)對(duì)既有數(shù)據(jù)的深入剖析，解析并預(yù)測(cè)各變量間的相互作用。（1）用戶知識(shí)分享影響因子與購(gòu)買(mǎi)意愿的影響分析本部分以購(gòu)買(mǎi)意愿作為因變量，控制網(wǎng)絡(luò)口碑、渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)和社會(huì)資本為自變量建立回歸模型。表5-5用戶知識(shí)分享影響因子與購(gòu)買(mǎi)意愿的回歸分析模型非標(biāo)準(zhǔn)系數(shù)標(biāo)準(zhǔn)系數(shù)顯著性VIFB標(biāo)準(zhǔn)誤Beta網(wǎng)絡(luò)口碑0.1510.1450.0880.5101.052渠道特征0.4620.0790.5500.0002.072UGC數(shù)量0.2720.3350.3080.0001.303UGC質(zhì)量0.1870.0640.5490.0001.676信息互動(dòng)0.5120.0700.5120.0001.236社會(huì)資本0.2520.0730.2570.0001.276上表各變量的VIF均小于5，說(shuō)明六個(gè)自變量之間不存在多重共線性，渠道特征（標(biāo)準(zhǔn)化系數(shù)：0.550）、UGC數(shù)量（標(biāo)準(zhǔn)化系數(shù)：0.308）、UGC質(zhì)量（標(biāo)準(zhǔn)化系數(shù)：0.549）、信息互動(dòng)（標(biāo)準(zhǔn)化系數(shù)：0.512），社會(huì)資本（標(biāo)準(zhǔn)化系數(shù)：0.257），顯著性水平小于0.005（P<0.005），因此可得出這五個(gè)自變量可以顯著正向影響消費(fèi)者的購(gòu)買(mǎi)意愿。網(wǎng)絡(luò)口碑（標(biāo)準(zhǔn)化系數(shù)：0.088），顯著性水平大于0.005（P=0.510>0.005），因而不能具體分析自變量對(duì)于因變量的影響關(guān)系。經(jīng)過(guò)詳細(xì)的分析，可以得出結(jié)論：網(wǎng)絡(luò)口碑的回歸系數(shù)值進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)模型并沒(méi)有通過(guò)F檢驗(yàn)F=0.677，p=0.510>0.05渠道特征的回歸系數(shù)值為0.462，t=5.850，p=0.000<0.01UGC數(shù)量的回歸系數(shù)值為0.272，t=3.893，p=0.000<0.01UGC質(zhì)量的回歸系數(shù)值為0.187，t=2.655，p=0.000<0.01信息互動(dòng)的回歸系數(shù)值為0.512，t=7.275，p=0.000<0.01社會(huì)資本的回歸系數(shù)值為0.252，t=3.451，p=0.000<0.01因此假設(shè)H1b、H2a、H2b、H2c、H2d均成立，H1a不成立（2）用戶知識(shí)分享影響因子與感知價(jià)值的影響分析本部分以感知價(jià)值作為因變量，控制網(wǎng)絡(luò)口碑、渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)和社會(huì)資本為自變量建立回歸模型。表5-6用戶知識(shí)分享影響因子與感知價(jià)值的回歸分析模型非標(biāo)準(zhǔn)系數(shù)標(biāo)準(zhǔn)系數(shù)顯著性VIFB標(biāo)準(zhǔn)誤Beta網(wǎng)絡(luò)口碑0.1310.1500.0740.3841.052渠道特征0.4510.0770.5200.0002.072UGC數(shù)量0.4060.0690.4460.0001.303UGC質(zhì)量0.2530.0760.2690.0001.676信息互動(dòng)0.3580.0710.3570.0001.236社會(huì)資本0.3300.0680.4930.0001.276上表各變量的VIF均小于5，表明六個(gè)自變量之間不存在多重共線性，渠道特征（標(biāo)準(zhǔn)化系數(shù)：0.520）、UGC數(shù)量（標(biāo)準(zhǔn)化系數(shù)：0.446）、UGC質(zhì)量（標(biāo)準(zhǔn)化系數(shù)：0.269）、信息互動(dòng)（標(biāo)準(zhǔn)化系數(shù)：0.357）、社會(huì)資本（標(biāo)準(zhǔn)化系數(shù)：0.493），顯著性水平小于0.005（P<0.005），因此可得出這五個(gè)自變量可以顯著正向影響消費(fèi)者的感知價(jià)值。網(wǎng)絡(luò)口碑（標(biāo)準(zhǔn)化系數(shù)：0.074），顯著性水平大于0.005（P=0.384>0.005），因而不能具體分析自變量對(duì)于因變量的影響關(guān)系。經(jīng)過(guò)詳細(xì)的分析，可以得出結(jié)論：網(wǎng)絡(luò)口碑的回歸系數(shù)值進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)模型并沒(méi)有通過(guò)F檢驗(yàn)F=0.677，p=0.384>0.05渠道特征的回歸系數(shù)值為0.451，t=5.830，p=0.000<0.01UGC數(shù)量的回歸系數(shù)值為0.253，t=3.331，p=0.000<0.01UGC質(zhì)量的回歸系數(shù)值為0.187，t=2.655，p=0.000<0.01信息互動(dòng)的回歸系數(shù)值為0.358，t=5.017，p=0.000<0.01社會(huì)資本的回歸系數(shù)值為0.330，t=4.866，p=0.000<0.01因此假設(shè)H3b、H4a、H4b、H4c、H4d均成立，H3a不成立（3）感知價(jià)值與購(gòu)買(mǎi)意愿的影響分析本部分的自變量為消費(fèi)者的感知價(jià)值，因變量則是消費(fèi)者的購(gòu)買(mǎi)意愿，進(jìn)行回歸分析后，關(guān)于消費(fèi)者感知價(jià)值對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響做出如下分析：表5-7感知價(jià)值與購(gòu)買(mǎi)意愿的回歸分析模型非標(biāo)準(zhǔn)系數(shù)標(biāo)準(zhǔn)系數(shù)顯著性VIFB標(biāo)準(zhǔn)誤Beta感知價(jià)值0.6410.0720.6630.0001.626由上表可知，自變量的VIF小于5，標(biāo)準(zhǔn)回歸系數(shù)是0.663，顯著性水平P<0.005，這樣的結(jié)果表明，感知價(jià)值對(duì)購(gòu)買(mǎi)決策產(chǎn)生了積極影響，進(jìn)而支持假設(shè)H5的正確性。5.6中介變量的檢驗(yàn)表5-8中介效應(yīng)模型檢驗(yàn)?zāi)Ｐ鸵毁?gòu)買(mǎi)意愿p模型二感知價(jià)值p模型三購(gòu)買(mǎi)意愿p網(wǎng)絡(luò)口碑0.1510.3010.1310.3840.0600.556渠道特征0.462**0.0000.451**0.0000.227**0.003UGC數(shù)量0.293**0.0000.216**0.0000.167**0.005UGC質(zhì)量0.187**0.0090.253**0.0010.0780.233信息互動(dòng)0.229**0.0010.358**0.0000.0510.420社會(huì)資本0.252**0.0010.330**0.0000.0750.279感知價(jià)值0.641**0.000R20.2390.3850.509調(diào)整R20.2340.3810.503F值F

(1,145)=45.661F

(1,145)=90.763F

(2,144)=74.782*

p＜0.05**

p＜0.01模型一建立了自變量和因變量的回歸模型；模型二是建立自變量和中介變量的回歸模型；模型三是用自變量和中介變量一起與因變量構(gòu)建的回歸模型。從上表可以看出，感知價(jià)值在網(wǎng)絡(luò)口碑與購(gòu)買(mǎi)意愿間的中介作用不顯著。但對(duì)于渠道特征，感知價(jià)值則扮演者部分中介的角色；在UGC數(shù)量與購(gòu)買(mǎi)意愿的關(guān)系中，感知價(jià)值同樣作為部分中介因素存在。而在UGC質(zhì)量與消費(fèi)者購(gòu)買(mǎi)意愿的關(guān)聯(lián)中，其作用表現(xiàn)為完全中介；在信息互動(dòng)與消費(fèi)者購(gòu)買(mǎi)意愿中，感知價(jià)值同樣是完全中介；社會(huì)資本中，其作用表現(xiàn)為完全中介的關(guān)系。因此假設(shè)H6b、H7a、H7b、H7c、H7d均成立，H6a不成立。本文將假設(shè)檢驗(yàn)的實(shí)證結(jié)果進(jìn)行匯總，如表5-9所示。表5-9假設(shè)匯總序號(hào)假設(shè)內(nèi)容結(jié)果H1a網(wǎng)絡(luò)口碑正向影響消費(fèi)者的購(gòu)買(mǎi)意愿不成立H1b渠道特征正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H2aUGC數(shù)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H2bUGC質(zhì)量正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H2c信息互動(dòng)性正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H2d社會(huì)資本正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H3a網(wǎng)絡(luò)口碑正向影響消費(fèi)者的感知價(jià)值不成立H3b渠道特征正向影響消費(fèi)者的感知價(jià)值成立H4aUGC數(shù)量正向影響消費(fèi)者的感知價(jià)值成立H4bUGC質(zhì)量正向影響消費(fèi)者的感知價(jià)值成立H5感知價(jià)值正向影響消費(fèi)者的購(gòu)買(mǎi)意愿成立H6a感知價(jià)值在網(wǎng)絡(luò)口碑與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用不成立H6b感知價(jià)值在渠道特征與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用成立H7a感知價(jià)值在UGC數(shù)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用成立H7b感知價(jià)值在UGC質(zhì)量與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用成立H7c感知價(jià)值在信息互動(dòng)性與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用成立H7d感知價(jià)值在社會(huì)資本與消費(fèi)者購(gòu)買(mǎi)意愿之間有中介作用成立由表可知，假設(shè)H1b、H2a、H2b、H2c、H2d均成立，H1a不成立；假設(shè)H3b、H4a、H4b、H4c、H4d均成立，H3a不成立；假設(shè)H5成立；假設(shè)H6b、H7a、H7b、H7c、H7d均成立，H6a不成立。6對(duì)策建議6.1對(duì)平臺(tái)的建議（1）渠道特征平臺(tái)為不同內(nèi)容板塊設(shè)計(jì)差異化模板，提升專業(yè)感和辨識(shí)度；根據(jù)用戶特點(diǎn)和意見(jiàn)反饋，調(diào)整界面的字體大小、顏色，符合人體視覺(jué)動(dòng)線；根據(jù)行為大數(shù)據(jù)智能調(diào)整界面布局，優(yōu)先展示高頻功能，支持屏幕文本朗讀等功能，覆蓋更廣泛用戶群體，營(yíng)造更和諧的社區(qū)氛圍。利用平臺(tái)展示茶藝、園藝等話題內(nèi)容，激發(fā)老年群體的需求，突破年齡圈層，增加平臺(tái)的接受度和包容度。（2）UGC數(shù)量和質(zhì)量平臺(tái)官方設(shè)立獎(jiǎng)項(xiàng)，對(duì)連續(xù)發(fā)布優(yōu)質(zhì)內(nèi)容的用戶給予流量扶持或現(xiàn)金獎(jiǎng)勵(lì)，開(kāi)發(fā)電子周邊，如“探店牛人”，“好物推薦官”等勛章，達(dá)到一定數(shù)量可兌換獎(jiǎng)品；對(duì)產(chǎn)品信息進(jìn)行充分呈現(xiàn)和講解，適當(dāng)邀請(qǐng)第三方專業(yè)人士對(duì)產(chǎn)品進(jìn)行專業(yè)測(cè)評(píng)，確保輸出觀點(diǎn)的正確性；引入眾審制度，允許用戶標(biāo)記低質(zhì)內(nèi)容，對(duì)經(jīng)常在社區(qū)發(fā)表不當(dāng)言論或是垃圾信息的用戶核實(shí)后降權(quán)處理，對(duì)該賬號(hào)進(jìn)行相關(guān)制約。（3）信息互動(dòng)為優(yōu)質(zhì)評(píng)論設(shè)置特殊標(biāo)識(shí)并置頂，激勵(lì)用戶貢獻(xiàn)深度觀點(diǎn)，購(gòu)物“達(dá)人”可贈(zèng)送小獎(jiǎng)品或發(fā)起抽獎(jiǎng)，誘導(dǎo)用戶評(píng)論互動(dòng)，注重產(chǎn)品信息的互動(dòng)式推薦和溝通。商家可在社交電商平臺(tái)開(kāi)設(shè)官方賬號(hào)，解疑答惑，讓消費(fèi)者更快速、充分的了解產(chǎn)品，提升消費(fèi)者的參與感。（4）社會(huì)資本小紅書(shū)為垂直領(lǐng)域KOC（關(guān)鍵意見(jiàn)消費(fèi)者）匹配品牌合作機(jī)會(huì)，將其社會(huì)影響力轉(zhuǎn)化為商業(yè)價(jià)值，擴(kuò)大其人脈圈層。善于借助KOL去建立消費(fèi)者信任，善于利用消費(fèi)者的羊群效應(yīng)進(jìn)行營(yíng)銷(xiāo)，在社交電商平臺(tái)中，應(yīng)充分利用其推薦產(chǎn)品，讓消費(fèi)者認(rèn)識(shí)和信任產(chǎn)品；要求KOL自身具備良好的專業(yè)素質(zhì)和主動(dòng)的分享意識(shí)，進(jìn)一步刺激產(chǎn)品的轉(zhuǎn)化率。同時(shí)要注重新用戶的社交圈層的拓展，借助“熟人圈”裂變來(lái)吸引更多忠實(shí)用戶，增強(qiáng)用戶粘性。（5）感知價(jià)值注重提升產(chǎn)品的感知價(jià)值。移動(dòng)社交的虛擬環(huán)境和電子商務(wù)實(shí)體場(chǎng)景的深度融合，使用戶在情感表達(dá)宣泄和商品需求獲取兩方面得到了雙重滿足。但社交平臺(tái)只是起到了引流的作用，消費(fèi)者購(gòu)買(mǎi)產(chǎn)品還是會(huì)回歸到產(chǎn)品的價(jià)值。商家在社交電商行業(yè)發(fā)展參差不齊的狀態(tài)下，更應(yīng)把控產(chǎn)品的品質(zhì)、售后等問(wèn)題，并設(shè)計(jì)相應(yīng)的激勵(lì)政策，如無(wú)門(mén)檻紅包、多單同地址下單紅包等福利，激勵(lì)消費(fèi)者即時(shí)購(gòu)物。6.2對(duì)消費(fèi)者的建議在社交電商風(fēng)靡的當(dāng)下，消費(fèi)者在社區(qū)中了解到的產(chǎn)品信息越來(lái)越多，從而可以選擇更合適自身的產(chǎn)品或服務(wù)，做出理性的購(gòu)物判斷。遇到優(yōu)惠福利時(shí)，先考慮自身的需求和優(yōu)先級(jí)，避免消費(fèi)主義陷阱，確保瀏覽用戶知識(shí)分享具有目的性。遇到各種信息分享也要明辨，不正當(dāng)言論應(yīng)及時(shí)舉報(bào)，收到的產(chǎn)品有質(zhì)量問(wèn)題，及時(shí)售后，合法維護(hù)自身權(quán)益；好的信息分享也可以拉人圍觀，共同打造和諧的在線社區(qū)。7結(jié)論與展望7.1研究結(jié)論本文聚焦于社交電商領(lǐng)域的典型代表小紅書(shū)，深入挖掘了用戶知識(shí)分享行為對(duì)消費(fèi)決策過(guò)程的影響。這一研究，基于平臺(tái)視角研究網(wǎng)絡(luò)口碑和渠道特征，并據(jù)此構(gòu)建知識(shí)分享的相關(guān)假設(shè)；從信息因素的社交角度探究用戶知識(shí)分享的文本特征、信息互動(dòng)、社會(huì)資本的影響，以及價(jià)值感知又如何反作用影響了消費(fèi)者的購(gòu)買(mǎi)意愿。之后選擇了小紅書(shū)社區(qū)的用戶知識(shí)分享的客觀數(shù)據(jù)，從而對(duì)假設(shè)進(jìn)行驗(yàn)證，發(fā)現(xiàn)以下結(jié)論：渠道特征、UGC數(shù)量、UGC質(zhì)量、信息互動(dòng)、社會(huì)資本均能正面提升消費(fèi)者的感知價(jià)值，是提升用戶購(gòu)買(mǎi)轉(zhuǎn)化率的重要策略，能夠激發(fā)用戶的積極情緒反應(yīng)，如愉悅感、舒適感等。價(jià)值感知在用戶知識(shí)分享和購(gòu)買(mǎi)意愿中發(fā)揮著橋梁作用，這些正面情緒能夠降低用戶的消費(fèi)心理防線，影響用戶的購(gòu)買(mǎi)決策。良好的價(jià)值感知也會(huì)顯著提升消費(fèi)者的購(gòu)買(mǎi)意愿。平臺(tái)消費(fèi)者雙方共同發(fā)力，方能實(shí)現(xiàn)社交電商的可持續(xù)發(fā)展。好的用戶知識(shí)分享在一定程度上是會(huì)影響消費(fèi)者產(chǎn)生強(qiáng)烈的購(gòu)物意愿，通過(guò)多維度的改進(jìn)措施，最終實(shí)現(xiàn)用戶價(jià)值與平臺(tái)發(fā)展的雙贏。7.2展望本研究以社交電商中用戶知識(shí)分享對(duì)消費(fèi)者購(gòu)買(mǎi)行為的影響研究為題，探討用戶知識(shí)分享的易用性、豐富性和交互性影響消費(fèi)者的感知價(jià)值是否對(duì)其購(gòu)買(mǎi)行為造成影響。研究成果雖然可以豐富社交電商對(duì)消費(fèi)者購(gòu)買(mǎi)行為的相關(guān)研究，但是由于筆者的研究水平相對(duì)有限、在研究結(jié)果等方面還存在不足，根據(jù)研究結(jié)論提出了社交電商相對(duì)應(yīng)的建議，但是每個(gè)用戶輸出內(nèi)容各有特色，社交電商平臺(tái)情況不一，本文無(wú)法逐一列舉，希望以后可以針對(duì)不同類型的用戶進(jìn)行分類總結(jié)，提出更有針對(duì)性的內(nèi)容輸出建議。參考文獻(xiàn)XinH.NewTrendsinDigitalMarketing:AnalysisofPersonalizedBrandCommunicationandUserInteractionEffect-TakingXiaohongshuPlatformasanExample[J].SHSWebofConferences,2024,200.程志超,吳印博.社會(huì)資本視角下虛擬社區(qū)知識(shí)分享對(duì)用戶粘性的影響機(jī)制研究[J].情報(bào)科學(xué),2017,35(12):16-21.DOI:10.13833/j.issn.1007-7634.2017.12.003.崔慶安,王亞茹.多維情境下社交電商用戶消費(fèi)意愿與購(gòu)買(mǎi)行為決策研究——以“小紅書(shū)”用戶作為數(shù)據(jù)收集對(duì)象的分析[J].價(jià)格理論與實(shí)踐,2020,(12):95-98+163.DOI:10.19851/11-1010/f.2020.12.516.戴國(guó)良.社交電子商務(wù)購(gòu)前分享動(dòng)機(jī)研究[J].中國(guó)流通經(jīng)濟(jì),2018,32(10):39-47.DOI:10.14089/11-3664/f.2018.10.005.宮承波,梁培培.從“用戶體驗(yàn)”到“媒體用戶體驗(yàn)”——關(guān)于媒體用戶體驗(yàn)幾個(gè)基本問(wèn)題的探析[J].新聞與傳播評(píng)論,2018,71(01):6673.DOI:10.14086/J.cnki.xwycbpl.2018.01.007.顧潤(rùn)德,陳媛媛.社交媒體平臺(tái)UGC質(zhì)量影響因素研究[J].圖書(shū)館理論與實(shí)踐,2019,(03):44-49.DOI:10.14064/ki.issn1005-8214.2019.03.011.賀萌遠(yuǎn),沙振權(quán).社交電商中渠道特征對(duì)顧客消費(fèi)意向的影響分析[J].商業(yè)經(jīng)濟(jì)研究,2021,(03):78-81.韓天陽(yáng),鎬鑫.用戶生成內(nèi)容影響傳統(tǒng)電商與社交電商銷(xiāo)售額的機(jī)理分析[J].商業(yè)經(jīng)濟(jì)研究,2022,(01):101-104.黃思皓,肖金岑,金亞男.基于S-O-R理論的社交電商平臺(tái)消費(fèi)者持續(xù)購(gòu)買(mǎi)意愿影響因素研究[J].軟科學(xué),2020,34(06):115-121.DOI:10.13956/j.ss.1001-8409.2020.06.18.黃瑩,潘思雨.社交電商平臺(tái)新生代老年群體消費(fèi)意愿的影響因素探究[J].商業(yè)經(jīng)濟(jì)研究,2025,(05):64-67.宋宇軒.社會(huì)化商務(wù)中信息渠道對(duì)于消費(fèi)者購(gòu)買(mǎi)意愿影響的實(shí)證研究[D].東南大學(xué),2018.陶梅.社交電商的競(jìng)爭(zhēng)優(yōu)勢(shì)與培育策略[J].商業(yè)經(jīng)濟(jì)研究,2020,(14):88-91.魏如清,唐方成.用戶生成內(nèi)容對(duì)在線購(gòu)物的社會(huì)影響機(jī)制——基于社會(huì)化電商的實(shí)證分析[J].華東經(jīng)濟(jì)管理,2016,30(04):124-131.王海嬌.移動(dòng)社交化電商中用戶社區(qū)的在線評(píng)論有用性研究[D].北京外國(guó)語(yǔ)大學(xué),2018.吳曉璐.“拆箱”背后：社交電商平臺(tái)的青年互動(dòng)與消費(fèi)——以小紅書(shū)為例[J].當(dāng)代青年研究,2023,(05):85-96.肖開(kāi)紅,雷兵.意見(jiàn)領(lǐng)袖特質(zhì)、促銷(xiāo)刺激與社交電商消費(fèi)者購(gòu)買(mǎi)意愿——基于微信群購(gòu)物者的調(diào)查研究[J].管理學(xué)刊,2021,34(01):99