网红经济背景下主播带货效果影响因素研究

摘 要：网红经济的蓬勃发展开辟了产品销售的新模式，也为农村经济发展开辟了新途径。研究表明，场均观看人数对农产品累计销售额具有正向促进效果，扩大场均观看人数是实现高销售额的关键因素，政府、商家应加强合作，推动规模化农产品直播带货良性发展。

关键词：农产品;直播带货;网红经济

一、研究背景

随着互联网工程技术的不断发展，我国互联网处于快速发展时期。根据相关数据，截至2023年，中国互联网规模人均覆盖率提升到93%，宽带普及率达90%，成为世界网络基础高水平的国家之一。在当前的背景下，网络经济正以惊人的速度发展，其在推动农村经济发展方面的作用越来越重要，成为助力乡村振兴的关键因素。网络经济的发展已融入生产生活的各个方面，其中直播带货是目前主要发展方向之一。网络经济发展背景下的直播带货对农村发展无疑是十分有利的。一方面，直播带货促进了乡村振兴。在信息全球化的背景下，直播带货增加了特色农产品的知名度，对于生产者来说，能够将大量的农产品销售出去，包括远销国外；对于消费者来说，能够用等价货币购买到质量更优的产品，直播带货中的农产品成为越来越多受众的第一选择。另一方面，相关政府人员参与到直播带货当中，为特色农产品助力助威，密切了干群关系，锤炼了干部队伍。政府用此种方式助推特色农产品的生产销售，推动供给侧结构性改革，为产销找到新的途径，切实体现了全心全意为人民服务的宗旨。作为电商发展的一种新方式，农产品网络直播给农业和农村市场带来了新的活力，本研究对直播带货的效果与影响因素进行综合分析，并据此提出切实可行的方案与措施，以期为直播带货产业健康、可持续、高质量发展建言献策。

二、国内外研究综述

当下，各地农产品直播发展势头强劲，在市场营销中具有独特优势。李敏与韩光鹤（2022）认为，网络直播营销策略打破了原有传统营销模式，利用网络平台直接将农产品展现给消费者，省略了农产品流通的中间环节，有效降低了流通成本。在互联网的浪潮中，杜鑫（2022）创新性地提出了“精准营销”这一理念，依托电子商务和大数据等信息技术发展，对消费者的消费特点进行全面分析，进而实现特色农产品广告的精准投放，针对不同消费人群的个性化需求，制定相应的营销策略，以刺激其购买欲望，从而实现精准营销。张吟（2022）在对石门柑橘个例分析中指出，在传统营销中存在农产品中间销售环节较多等不足。产品产业化程度不高，难以形成产、加、销一体化的经营局面，存在品牌意识不强、缺乏龙头企业等缺陷。周方舟与苟陇辉（2022）在分析镇安县板栗例子中也提出了产品营销受渠道烦琐、地理位置的影响较大，而当下的网络直播带货能在一定程度上解决这些问题。

传统生产模式被打破，网红经济应运而生，网络直播在技术、资本、消费者等多方面共同推动。裴倩（2023）提出，网红经济能够提供高质量的互动体验与情境化真实购物体验，并通过抽奖、聊天、口令等活动，借助真实生产环境和图片文字来展现农产品的卖点与吸引点。消费者可以在直播间较全面了解农产品全貌，获得真实便捷的购物体验。杨娟（2022）提出，直播变现能力较强，且更为直观，贴近于电子商务模式，通过提升店铺销售额，可以获取丰厚的利益收入，这一举措不仅直接，而且具有吸引力。李洁和陈思思（2022）在KOL（关键意见领袖）策略研究中提出，网红经济下知识科普类KOL能改变消费者认知，打造产品力，流量型头部KOL能制造流行风向，提升品牌力，增强产品的竞争力。

网红经济下直播带货也存在一些不容忽视的问题。在产品质量方面，邵宇航和姜佳怡（2023）指出，部分产品品质难以保证，产品售卖后不能及时有效地向受众提供产品售后服务且质量存在缺陷，导致差评不断，损害消费者权益。在产品营销方面，张文礼（2023）指出，直播带货领域存在虚假宣传，商品质量不达标和个人信息泄露等问题。

最近3年，学者对网红经济及农产品直播带货的研究，主要重点在其发展现状与发展优势，但对于网红经济如何助力农村经济发展以及直播带货的影响因素，目前仍未深入探究。基于此，本研究从多层面入手，探究网红经济助力农村经济发展现状和直播带货效果影响因素；并基于此项研究成果，从政府、农民、主播等多个主体出发，提出增加农产品直播带货效益和促进网络直播行业更加高质量与可持续性发展的建议与策略。

三、研究方法

（一）样本及统计方法

抖音是目前我国最大的一家短视频、电商直播平台，用户数量庞大，技术含量较高。本文在“抖查查”平台上，从2023年2月16日至3月17日，共30天，以106位农业主播的直播间及粉丝数为极值，以低于或超过平均值正负三个标准差的数作为极值，将其剔除，获得104份有效样本，采用描述性统计、相关性分析、多变量统计等方法，对这些数据进行描述性统计、相关性分析及多变量统计分析，以验证主播要素及直播特点对农业直播带货的商业效应。

（二）变量测量

第一，被解释变量。本研究的被解释变量是累计交易额，也就是在30天之内，每一位农产品主播在累计直播中完成交易的总金额，用它来衡量农产品直播带货商业化效果。

第二，解释变量。本研究的解释变量从直播和销售农产品的两个直接影响级别中进行选择。其中，主播数据特征包括直播场次、主播粉丝量以及新增粉丝。这些数据可以反映主播的活跃度和影响力，帮助我们更好地了解主播的情况。直播特征包括平均客单价、带货口碑、平均观看人次和UV（网站独立访客）值以及女粉丝占比。各变量定义如表1所示。

四、数据分析与结果

（一）描述性统计

采用EVIEWS13.0软件，对数据作描述性统计分析，可以看出，从直播带货的效果看，累计成交额的均值和中位数之间存在较大的差异，这说明目前的成交额主要集中在头部主播身上，腰部以及尾部主播所获得的市场份额较小，因此，直播带货市场竞争较为激烈。从主播的特点来看，UV的平均值与中位数相差很小，这说明进入直播间的每一个访客所产生的价值差别比较小，比较集中。

平均粉丝量是95.696 51万，中位数是16.3万，差距很大，代表着粉丝们更喜欢头部的主播。此外，头部主播具有较强的吸粉能力，并且粉丝转化速度也相对较快。直播时长的均值显著高于中位数，这意味着不同的主播并没有一个固定的直播时长，而是会以直播的实际状态（比如所展示的商品数，直播中与观众的互动情况）为依据，去决定直播的时长。

从直播特点看，女性粉丝所占比例的平均值与中位数差别不大，这表明女性粉丝在各个直播间中的参与度比较集中。平均水平和中间水平相近，差别不大，表明相对于男性消费者而言，女性消费者的规模更大。场均直播人数的平均值与中位数的差异比较大，达16.03万。这种差异说明了场均直播人数在不同等级的主播中分布不均匀，并且偏向于头部主播。主播之间的口碑，平均值和中位数相差不大，这就意味着直播间里的观众对产品的满意程度相差不大。新关注的数量与平均值的差距保持相对稳定，新增加的平均粉丝数和中位数也不存在明显的差别，说明新增加的粉丝数没有明显的差别。

（二）相关性分析

对变量做相关性分析，发现被解释变量Y1累计销售额（万元）与解释变量X1主播粉丝量相关系数达0.929，相关性显著；与X6平均观看人次相关系数达0.979，相关性显著；与解释变量X2新增粉丝、X3近30天直播场次、X4带货口碑、X5平均客单价、X7UV值、X8女性粉丝占比相关性不显著。

根据所提供的信息，变量X1（主播粉丝量）与变量X6（平均观看人次）之间的相关系数为0.957，表明这两个变量之间存在强烈的内在联系。换句话说，主播粉丝量的增加或减少与平均观看人次的变动有着密切的关系。

此外，变量X4（带货口碑）与变量X2（新增粉丝）之间的相关系数为0.36，表明带货口碑与新增粉丝之间存在一定的内在联系，但相对较少。

另一方面，变量X5（平均客单价）与变量X4（带货口碑）之间的相关系数为0.286，以及与变量X7（UV值）之间的相关系数为0.259，表明平均客单价与带货口碑以及UV值之间存在一定的内在联系，但关联度也相对较低。

（三）回归分析

为了检验各解释变量对农产品直播商业化效果指标Y1直播销售额——累计交易额（万元）的影响，建立回归模型1：Y1＝a0+a1X1＋a2X2+a3X3+a4X4+a5X5+a6X6+a7X7+a8X8+e0

用OLS（普遍最小二乘法）建立回归模型，模型1回归结果如下：

Y=691.9-0.83*X1-2.15*X2+11.27*X3-436.65*X4+3.38*X5+53.67*X6+270.39*X7+0.04*X8

t=（0.23）（-0.74）（-0.85）（2.66）（-0.68）（1.38）（14.64）（2.42）（0.007）

p=（0.82）（0.46）（0.40）（0.009）（0.499）（0.17）（0.00）（0.02）（0.99）

R2=0.965 015              Adjusted R2=0.962 038

F=324.112 1               Prob（F-statistic）=0.000 0

观察上面模型结果，去掉不显著的变量，最终模型为：

Y=-1 076.758+10.542 16X3+50.987 52X6+299.836 5X7

t=（-4.471 534）（2.612 403）（50.851 3）（2.976 069）

p=（0.000 0）（0.010 4）（0.000 0）（0.003 7）

R2=0.963 197                  F=863.664 8

Adjusted R2=0.962 082     Prob（F-statistic）=0.000 000

根据对以上模型的观察，我们发现所有变量均通过了t检验，并且模型的拟合效果良好。此外，整个模型也通过了F检验（联合假设检验），这表明该模型具有统计学上的显著性。

上述研究结果表明，X3主播30天内累计主播历史场次总和、X630天内平均每场直播间观看人数、X7进直播间的每一位访客带来的价值对累计成交额有显著的正向影响。

（四）结果综合分析

由实证分析结果可知，X230天内主播所获得的粉丝总数量、X3主播30天内累计主播历史场次总和、X4主播带货商品的靠谱程度、X530天内平均每场直播间商品订单的单价、X7进直播间的每一位访客带来的价值、X8主播粉丝中女性占总数的比例等与Y1直播销售额——累计成交额之间没有明显的相关关系，这说明主播粉丝量越多、直播场次越多、直播时长越长、平均客单价越合理、新增分享数越多、女性粉丝占比越高，农产品直播带货效果并不一定越好。这些因素的合理变动在某种程度上对累计成交有所帮助，但作用并不明显。从这一点可以看出，不能通过改变在X230天内主播所拥有的粉丝总数量、X3主播30天内累计主播历史场次总和、X4主播带货商品的靠谱程度、X530天内平均每场直播间商品订单的单价、X7进直播间的每一位访客带来的价值、X8主播粉丝中女性占总数的比重等因素来促进直播销售额——累计成交额的提高。

由以上分析可以看出，X3主播30天内累计主播历史场次总和、X630天内平均每场直播间观看人数、X7进直播间的每一位访客所带来的价值对累计成交额有显著的正向影响，即农产品直播场均观看人数越多，主播直播场次越多，每一位访客所带来的价值越高，累积成交量越大，农产品直播带货效果就越好。