圖4粉絲在電商直播平臺參與：前因，調節和結果影響研究模型問卷設計與數據收集這一部分，在此類條件基礎上可以推知其變化介紹問卷的設計思路，說明問卷調查對象、主要內容和數據收集過程，最終的問卷以附錄的形式呈現在論文后。（一）問卷設計本文采用問卷展開調查，問卷調查的結果將作為下文的假設檢驗和實證分析的基本數據來源。根據前文研究假設中的變量設計量表，最終形成完整的問卷。首先，在問卷的開頭部分設置卷首語，對本次調查做預先說明，告知調查目的，介紹研究內容，強調保障受調查者的隱私，最后向其致謝，以期使受調查者擺脫后顧之慮地填寫問卷，按照前番之解析確保問卷的有效性。其次，設置調查甄別題，刪除未觀看過電商直播的受調查者的問卷，提高問卷準確性（荀嘉言，韓睿哲，2018）。接著，針對受調查者進行資料統計，立足于以上分析結果主要包括性別、年齡、職業等幾個方面。通過對前期研究的系統梳理，本文為接下來的研究工作提供了有益的借鑒。在研究方法上，本文發現了諸多優化與改進的契機。過去的探索階段為本文積累了寶貴的經驗財富，明確了哪些方法成效顯著，哪些需進一步改進或淘汰。例如，在數據收集方面，本文應更加重視樣本的多元性與代表性，確保所選樣本能精準體現目標群體的整體特征。此外，根據不同研究問題的特點，靈活采用多種數據收集技術，有助于提高數據的全面性和可信度。最后，正文內容測量本研究的變量，主要是受調查者觀看直播的相關情況，包括對粉絲在電商直播參與情況，觀看電商直播的感覺，和其忠誠度進行檢測。（二）調查對象本文的調查對象應是觀看過電商直播的消費者，最好是經常性地參與電商直播活動的粉絲群體，從而能對電商直播參與過程產生的行為和心理活動更好進行評價和表態。（三）量表設計問卷測量“功能價值”、“尊重感”、“社交體驗感”、“粉絲參與”、“顧客忠誠度”、“粉絲等級”等五方面，借鑒成熟量表根據本文的研究變量加以修改。本文的測量項目均采用李克特五度量表，于此情境下每個變量至少設計4個題項，1表示“非常不同意”，5表示“非常同意”。（四）數據收集本次研究調查對數據通過網絡媒介收集，主要是通過QQ、微信、朋友圈等發放給周圍同學、朋友和電商直播中主播的粉絲群、商家建立的直播通知群。總共收集問卷311份，其中有效的問卷有298份，隨著形勢發展有效率95.81%。本研究采用的數據分析工具為SPSS26.0和AMOS26.0軟件，采用統計方法分析收集來的數據。假設檢驗和實證分析這一部分是對收集到的問卷數據的處理過程，由此可以明顯觀察到用以佐證論文假設。利用SPSS26.0和AMOS26.0軟件進行全面、科學、系統的分析。（一）描述性統計分析1.性別描述統計在298份有效樣本內，男性103名，占比34.6%；女性195名，占比65.4%，男女比例為35:65。表SEQ表\*ARABIC1性別描述統計頻率百分比有效百分比累計百分比有效男10334.634.634.6女19565.465.4100.0總計298100.0100.02.年齡描述統計在298份有效樣本內，年齡占比最高的年齡段時18-25歲和31-40歲，分別占比63.1%和12.4%。表SEQ表\*ARABIC2年齡描述統計頻率百分比有效百分比累計百分比有效18歲以下218-25歲18826-30歲289.49.482.231-40歲3712.412.494.640歲以上165.45.4100.0總計298100.0100.03.職業描述統計在298份有效樣本中，這些事件預示著一些未來的可能性學生占比達到56.4%，事業單位占比達7.7%，企業占比達6.7%，個體經營者占比達11.1%，其他占比達18.1%。表SEQ表\*ARABIC3職業描述統計頻率百分比有效百分比累計百分比有效學生16856.456.456.4事業單位237.77.764.1企業206.76.770.8個體經營者33其他5418.118.1100.0總計298100.0100.04.學歷描述性統計在298份有效樣本中，學歷占比最高的是本科和高中及以下，分別占比54.4%和24.8%。表SEQ表\*ARABIC4學歷描述性統計頻率百分比有效百分比累計百分比有效高中及以下7424.824.824.8大專5016.816.841.6本科16254.454.496.0研究生及以上124.04.0100.0總計298100.0100.05.直播觀看頻率描述性統計在298份有效樣本中，本文研究背景下我們充分估算了這種情況的影響直播觀看頻率占比最高的是每周1-6次和每月1-3次說明樣本大多常觀看直播，說明樣本有一定可靠性。表SEQ表\*ARABIC5直播觀看頻率描述性統計頻率百分比有效百分比累計百分比有效每天48每周1-6次10每月1-3次7826.226.276.5每月少于1次7023.523.5100.0總計298100.0100.0（二）信度和效度分析1.信度分析首先是對298份有效問卷進行可靠性分析，也就是對調查結果進行信度分析。信度分析方法采用克朗巴哈系數(Cronbach’sAlpha)進行檢驗(周瑞文,李一凡,2020)。檢驗結果如表6所示，從中可知整體量表和其余功能價值量表、尊重感量表、社交體驗感量表、粉絲參與量表、顧客忠誠量表、粉絲等級量表的ɑ值遠大于0.5，說明整體量表和其余量表信度非常好。因此，在這般的框架內本文的量表測試結果達到了后續研究分析的要求（溫嘉言，孔澤楷，2023）。表SEQ表\*ARABIC6量表克朗巴哈系數量表Cronbach’sAlpha值參考值整體量表0.967ɑ≥0.5功能價值量表0.890尊重感量表0.862社交體驗感量表0.852粉絲參與量表0.869顧客忠誠量表0.873粉絲等級量表0.9222.效度分析先進行總體效度檢驗，采用KMO和巴特利特(Bartlett)球形度檢驗。得出表7數據，KMO值為0.971，Bartlett顯著性水平為0.00＜0.001，即總體量表統計檢驗顯著，可以進行后續效度分析(熊浩淼,劉若兮,2018)。表SEQ表\*ARABIC7總體效度檢驗KMO取樣適切性量數。0.971巴特利特球形度檢驗近似卡方5567.843自由度253顯著性0.000從這些記錄中體現運用統計軟件AMOS26.0檢驗測量題項的效度，對模型的擬合情況進行驗證，結果如表8所示。初始測量模型擬合指數中，CMIN/DF=2.03＜3，GFI=0.898＞0.7，RMR=0.029＜0.05，RMSEA=0.059＜0.08，CFI=0.965、IFI=0.965均大于0.9，模型各擬合指數均符合基本要求。表SEQ表\*ARABIC8模型擬合度檢驗指標CMIN/DFGFIRMRRMSEACFIIFI模型指數2.030.8980.0290.0590.9650.965較優值＜3＞0.9＜0.05＜0.05＞0.9＞0.9合理值＜5＞0.7＜0.08＜0.08＞0.7＞0.7擬合效果較好一般較好一般較好較好通過AMOS26.0軟件計算可得，量表各題目的載荷因子均大于0.5，各測量題項說明能夠很好地代表各自的變量（黃子軒，陳夢瑤，2022）。這在一定程度上映射各個變量的AVE值均大于0.5，且CR值均大于0.7，說明聚斂效度較為合理，得出表9數據。表SEQ表\*ARABIC9模型聚斂效度檢驗變量題項載荷因子AVECR功能價值FV10.8230.67610.893FV20.825FV30.825FV40.816尊重感FR10.8380.67750.863FR20.827FR30.804社交體驗感SE10.7440.95750.8558SE20.782SE30.795SE40.77粉絲參與FP10.7960.62240.8682FP20.805FP30.791FP40.763顧客忠誠CL10.8020.63790.8756CL20.773CL30.841CL40.777（三）相關性分析由表10可知，在此類條件基礎上可以推知其變化通過Pearson檢測方法進行相關分析，功能價值、尊重感、社交體驗感與粉絲參與相關系數為0.732、0.755、0.838，并在0.01上顯著相關。初步證明了假設H1、H2a、H2b。粉絲參與和顧客忠誠之間的相關系數為0.720，并在0.01上顯著相關，初步證明了假設H3。表SEQ表\*ARABIC10相關性檢驗MSDFVFPSEFLFPCL功能價值(FV)3.650.85151尊重感(FP)3.790.7475.733**1社交體驗感(SE)3.760.7326.762**.760**1粉絲等級(FL)3.800.7467.696**.604**.715**1粉絲參與(FP)3.820.7844.732**.755**.838**.686**1顧客忠誠(CL)3.440.9854.794**.725**.779**.699**.720**1注：**相關性在0.01上顯著（雙尾）（四）路徑系數分析1.粉絲在電商直播平臺參與的影響因素檢驗將數據導入AMOIS26.0軟件，對粉絲參與電商直播平臺前因的研究假設構建結構方程分析，模型的適配情況顯示，CMIN/DF=1.803＜3，GFI=0.932＞0.9，RMR=0.025＜0.05，CFI=0.979＞0.9，RMSEA=0.052＜0.08，IFI=0.979＞0.9。整體上看，模型適配指標較為理想，按照前番之解析表明模型的適配度較好，可進行后續研究，模型標準化路徑系數估計結果見表11(曹新宇,黃琪睿,2022)。表SEQ表\*ARABIC11影響因素結構方程模型路徑系數假設路徑路徑系數S.E.C.R.P支持情況H1功能價值→粉絲參與0.1400.0432.8600.004**支持假設H2a尊重感→粉絲參與0.2300.0294.730***支持假設H2b社交體驗感→粉絲參與0.5560.05210.866***支持假設注：*p＜0.05，**p＜0.01，***p＜0.001由表11可知，功能價值對粉絲參與在Ｐ＝0.01水平上具有正向顯著影響，其路徑系數β為0.140，支持假設H1；情感價值中的尊重感對于粉絲參與具有顯著正向影響，Ｐ值小于0.001，立足于以上分析結果路徑系數β為0.23，支持假設H2a；情感價值中的社交體驗感對于粉絲參與具有顯著正向影響，于此情境下顯著性水平Ｐ小于0.001，路徑系數β為0.567，支持假設H2b。數據分析階段，本文采取了多樣的統計策略來驗證數據的準確度，并尋找潛在的異常數值?；趯祿植嫉纳钊胙芯?，本文成功去除了顯著偏離的數據點，同時確保核心樣本信息得以保留。為了考察不同參數變動對結論的穩定性及普適性影響，本文還進行了敏感性實驗。2.粉絲在電商直播平臺參與的影響結果檢驗將數據導入AMOIS26.0軟件，對粉絲參與電商直播平臺結果的研究假設進行結構方程分析，模型的適配情況顯示，CMIN/DF=1.852＜3，GFI=0.972＞0.9，RMR=0.019＜0.05，CFI=0.989＞0.9，RMSEA=0.054＜0.08，IFI=0.989＞0.9?？傮w上看，模型適配指標較為理想，隨著形勢發展表明模型的適配度較好(趙睿智,楊可兒,2022)，可用于檢驗研究假設，模型標準化路徑系數估計結果見表12。表12影響結果結構方程模型路徑系數假設路徑標準估計S.E.C.R.P支持情況H3粉絲參與→顧客忠誠0.8200.03524.701***支持假設注：*p＜0.05，**p＜0.01，***p＜0.001表12的數據可以看出，粉絲參與的結果路徑分析結果和假設檢驗數據，粉絲參與對顧客忠誠具有正向顯著影響，Ｐ值小于0.001，路徑系數β為0.861，支持假設H3；3.粉絲等級的調節效應檢驗在假設H2b通過檢驗的前提下，利用SPSS26.0進行線性回歸分析，結果如表所示(王玉萍,高志鵬,2021)。由表中數據可知，模型F檢驗在Ｐ＝0.001水平上顯著，回歸方程解釋了因變量粉絲參與75%的方差變異。由此可以明顯觀察到功能價值、尊重感和社交體驗感對粉絲參與的影響均顯著(p＜0.1)，交互項社交體驗感×粉絲等級調節效果顯著(p＜0.1)，而功能價值×粉絲等級和尊重感×粉絲等級調節效應不顯著，這些事件預示著一些未來的可能性說明粉絲等級在功能價值、尊重感與粉絲參與之間關系不存在調節效應，假設H4、H5a不成立(徐子和,高志龍,2022)；粉絲等級在社交體驗感與粉絲參與之間關系起負向調節效應，假設H5b成立。本文框架模型具備的關鍵特性在于其柔韌性與拓展性。鑒于不同研究情境和需求的多元性，本文在構建模型過程中竭力維持各組成部分的模塊化特質，如此一來，便能依據實際狀況靈活地對特定模塊作出調整或更替，且不會損害整體架構的穩定性與效能。這種設計理念不但提升了模型的現實應用意義，還為后續的科研人員搭建了一個開放性的平臺，激發他們在既有成果之上開展再創作或優化。表13調節效應回歸分析結果模型未標準化系數標準系數tsigR方調整后的R方F變化量B標準錯誤（常量）0.0410.0291.4090.160.7560.75128.276***功能價值0.0960.0520.0981.8450.066尊重感0.2090.0510.2184.1130.000***社交體驗感0.4830.0570.4758.4280.000***粉絲等級0.0990.0420.1052.3350.02*功能價值×粉絲等級-0.0240.051-0.029-0.4720.637尊重感×粉絲等級0.0340.0460.0480.730.466社交體驗感×粉絲等級-0.0830.048-0.111-1.7230.046*注：*p＜0.05，**p＜0.01，***p＜0.001 總結與展望針對數據分析的結果，總結研究“粉絲在電商直播平臺參與：前因、調節和結果”這一論題的結論，但在本篇論文還是存在一些不足之處，期望在后續的研究中加以改進。（一）研究結論本研究探討了粉絲在電商直播平臺參與的前因、調節和結果，檢驗了電商直播平臺感知價值（功能價值和情感價值）對粉絲在電商直播平臺參與的驅動作用，以及粉絲等級在其中的調節作用，本文研究背景下我們充分估算了這種情況的影響并將粉絲在電商直播平臺參與的結果聚焦在顧客忠誠度上，這對基于粉絲用戶在電商直播平臺參與行為研究具有重要意義。研究結論如下(王學杰,王怡彤,2020):第一，粉絲感知價值中功能價值、情感價值（尊重感、社交體驗感）能夠正向影響粉絲在電商直播平臺參與行為，支持假設H1、H2a和H2b。說明粉絲在電商直播平臺感知到自身獲得的價值越高，在這般的框架內越能激發其在電商直播平臺參與的積極性(蔡家棟,郭潤澤,2019)。在對理論架構的論證與完善方面，本文搜集了極為豐富且詳實的數據素材。這些數據囊括了廣泛的研究客體，并且貫穿了各異的時間節點以及社會情境，進而為理論架構的整體論證給予了堅實有力的支撐。借助統計分析手段針對量化的數據加以處理，能夠精準地校驗原有理論架構中的各項預設，同時察覺其中潛藏的瑕疵所在。后續的研究工作將會考量納入更多的因素變量或者采用更宏大的樣本規模，以此強化理論架構的闡釋效力與預估水準。第二，上文中的研究數據得出，粉絲在電商直播平臺參與的結果確實是顧客忠誠，粉絲參與確實能夠存在正向影響顧客忠誠的作用，從這些記錄中體現假設H3成立。結果表明粉絲在電商直播平臺的持續性參與行為，是有助于其對電商直播平臺忠誠度的產生及程度加深。第三，調節效應檢驗結果發現，社交體驗感對粉絲參與影響的過程中，粉絲等級負向調節社交體驗感對粉絲參與的關系，這在一定程度上映射假設H5b成立(張浩然，陳婧雅,2020)。當粉絲具有的等級越高，可能獲得較高水平的產品和服務，對于產品和服務的需求更容易得到滿足，使其對社交體驗感的重視程度可能降低，從而社交體驗感在影響粉絲在電商直播參與的影響作用減弱，起到負向調節的作用。（二）研究啟示目前電商直播市場規模龐大，競爭十分激烈，各企業都在積極探索留住消費者的策略，以獲得客戶忠誠度。管理者為了讓粉絲參與電子商務直播平臺活動，改善客戶關系，一直在尋找新的策略，在此類條件基礎上可以推知其變化本文為管理者提供實現粉絲參與電商直播平臺相關變量，并提取顧客忠誠變量，有利于企業管理者及市場營銷人員吸引粉絲參與電商直播平臺并從中獲利，有利于企業的長遠發展(李志強,朱媛媛,2020)。1.企業信息和社會效益的重要來源是電子商務直播平臺。管理者需要將電商直播平臺打造成一個讓消費者感知到較高功能價值的平臺，才能給他們帶來尊重感和社會體驗的歸屬感(林志遠,許琳娜,2020)。根據本文的研究結果，按照前番之解析企業經理必須采取方法，讓消費者感知到產品和服務功能上的價值，提升直播粉絲尊重感和社交體驗感，并邀請粉絲參與在線互動，如與點贊、與主播互動，和其他粉絲探討產品感受等。當粉絲在直播中被他人認可和重視時，他們的尊重感就會增強。因此，主播可以定期表揚和獎勵直播粉絲(楊曉華,馬春暉,2020)。2.鑒于粉絲等級對于電商直播平臺粉絲參與可持續發展的重要作用，企業在電商直播的設計和管理中應注意維護消費者關系，立足于以上分析結果必須充分考慮以粉絲等級為代表的激勵機制。企業經營與管理者可以讓粉絲等級更高的粉絲得到更高規格的粉絲體驗，比如其能夠得到更優惠的產品，于此情境下更優質的服務等；或者兌換虛擬積分和實物獎勵。同時，在電子商務直播平臺的決策中必須考慮客戶細分，于此情境下針對不同粉絲類型特征，采取合適的營銷策略，降低平臺運營成本，提高工作效率(劉志恒,葉思潔,2019)。3.結果表明顧客忠誠度是粉絲在電商直播平臺參與的重要結果。企業在電商直播活動管理與營銷策劃的活動中，隨著形勢發展應充分重視調動對粉絲參與電商直播動機，對不同參與程度的粉絲進行分類管理，提高低層次的粉絲參與程度，穩定深層次參與的粉絲的粘性，從而為粉絲提供更好的服務，使粉絲對其產生忠誠度，并長久保持。（三）研究局限與展望1.抽樣樣本的局限問卷發放時，樣本數據主要來源于學校，年齡集中在18-25歲。雖然研究表明顯示，在校學生是網上購物和電商直播的主要對象，但除此之外還存在一部分群體沒有覆蓋全面。如果后續研究能夠增加研究樣本范圍，研究結果會更可靠、更具可參考性和有效性。由于疫情社交隔離的原因，線下問卷填寫途徑有限，本次問卷主要是通過線上問卷發放來收集數據，但這會使受調查者填寫過程不受控制，問卷數據會有不夠準確的問題。由此可以明顯觀察到若今后能夠深入開展研究，應增大線下問卷填寫范圍，以進一步提高問卷的代表性和有效性。2.研究變量的局限本文僅研究了粉絲等級對于粉絲在電商直播平臺參與行為的調節機制，但在實際情形中，還會有其他因素對粉絲參與過程具有影響，而類似調節機制還有很多。后續研究中會尋找更具代表性的調節變量，完善本文的研究內容。參考文獻[1]中國互聯網網絡信息中心(CNMC).2020年中國互聯網絡發展狀況統計報告[R].2020.[2]鐘濤.直播電商的發展要素、動力及成長持續性分析[J].商業經濟研究,2020(18):85-88.[3]雷昊然，方紫悅.基于淘寶直播的電子商務平臺直播電商價值共創行為過程研究[J].管理學報,2020,17(11):1632-1641+1696.[4]田悅澄，白樂天.電商直播情境下大學生消費參與行為與驅動因素分析[J].商業經濟研究,2021(03):55-58.[5]陶曉東，鄭麗娟.融媒體環境下移動直播的類型特征與視聽機制[J].電視研究,2018(09):23-26.[6]嚴皓翔，鄭君浩.旅游虛擬社區用戶參與對忠誠的倒“U”形作用機理[J].旅游學刊,2017,32(02):65-74.[7]顧云飛，劉曉紅.一站式公共數字文化服務平臺支持用戶參與的服務現狀、主要問題與優化建議[J].圖書情報工作,2021,65(07):78-89.[8]林澤宇，傅雪柔.網絡購物消費者參與行為對店鋪滿意度的影響研究——基于價格變動的調節效應[J/OL].價格理論與實踐:1-4[2021-09-03].[9]ShiriD.Vivek,SharonE.Beatty,andRobertM.Morgan.Customerengagementexploringcustomerrelationshipsbeyondpurchase[J].Journalofmarketingtheoryandpractice,2012(2)：127-145.[10]盧俊延，趙一銘.在線評論對消費者購買決策的影響研究[D].中南林業科技大學,2021.[11]薛宇峰,馬思敏.虛擬品牌社區感知價值對新產品購買意愿的影響機制——基于群體認同和品牌認同的雙中介視角[J].中國流通經濟,2017,31(02):93-100.[12]RichardL.Oliver.Satisfaction:ABehavioralPerspectiveontheConsumer[M].TaylorandFrancis:2014-12-18.[13]孫智慧，周智航.基于公平視角的網絡環境下服務補救對顧客忠誠的作用機理研究[J].管理學報,2013,10(10):1512-1519.[14]成澤光、宋向昊、林俊昊.體驗營銷理念下互聯網顧客忠誠的形成機理——滿意度與信任度的雙中介效應[J].中國流通經濟,2017,31(03):96-104.[15]余佳怡,趙英杰.顧客為什么參與創造?——消費者參與創造的動機研究[J].心理學報,2007(02):343-354.[16]許俊天,成瑾瑜.大眾生產者的參與動機研究述評[J].科技管理研究,2009,29(05):423-425.[17]陳昊忠,趙潔妮.感知價值與面子威脅對消費者沖動性購買行為影響的實證研究[J].預測,2014,33(06):8-14.[18]張璐瑤,付芳倩.服務質量和感知價值對消費者行為意向的影響[D].華東師范大學,2015.[19]錢一凡,孟欣怡.消費者在線品牌社區參與：前因、調節和結果[J].中國流通經濟,2020,34(05):73-83.[20]雷振宇，熊靜宜.電商直播情境下大學生消費參與行為與驅動因素分析[J].商業經濟研究,2021(03):55-58[21]賴澤凱，丁雨馨.品牌社群作用機制的實證分析——消費者參與的中介作用[J].西南大學學報(社會科學版),2010,36(05):128-133.[22]梅小何，黎靜.顧客參與品牌共創如何提升品牌忠誠?——共創行為類型對品牌忠誠的影響與作用機制研究[J].外國經濟與管理,2018,40(05):84-98[23]龔志強,邱藝瑾.促進用戶粘性的虛擬社區技術與管理設計創新——基于實證的研究[J].研究與發展管理,2009,21(05):29-38.[24]肖睿淵，李明軒.在線患者社區成員的社會資本對社會支持的影響研究[D].哈爾濱工業大學,2020.[25]林志遠，何婉晴.基于感知價值的消費者網絡購物渠道選擇研究——產品涉入度的調節作用[J].消費經濟,2016,32(04):