【直播互动&消费者行为】基于游戏理论分析直播互动性对直播销售模式的影响—推文分享

本文链接：https://blog.csdn.net/C1525007047/article/details/140502285

今天推文主题：【直播互动&消费者行为】

第一篇：探讨虚拟主播如何影响观众的访问意愿，特别是通过“吸引力转移”机制来解释这一影响。
第二篇：直播电商平台是否应该非独占地推广来自传统零售平台的品牌产品。
第三篇：构建一个基于游戏理论的直播双渠道供应链模型，分析不同直播销售模式下的最优结果，并从CCI的角度分析不同销售模式的影响。
第四篇：非言语沟通在双主播直播中如何影响观众的购买行为，非言语线索对购买行为的影响是否是线性的，还是存在最优水平。
第五篇：直播主持人的言语行为如何影响消费者的购买行为。
第六篇：品牌在什么条件下会选择直播销售模式？

在这里插入图片描述

一、虚拟主播与目的地旅游：吸引力转移的视角

1、研究背景：

随着直播技术的发展，虚拟主播在旅游目的地营销中得到了广泛应用，并取得了显著成功。
虚拟主播是外观和视听特征类似于人类的数字角色，能够与观众进行实时互动。
尽管现有研究关注了通过真实直播主播进行目的地营销以及虚拟主播在商品购买中的作用，但尚未有研究探讨虚拟主播对游客访问意愿的影响。

2、研究问题：

本研究旨在探讨虚拟主播如何影响观众的访问意愿，特别是通过“吸引力转移”机制来解释这一影响。

3、研究思路：

研究基于形象转移理论，提出消费者对代言者的感知形象可以通过广告和促销活动转移到被代言的对象（如产品、服务和品牌）上。
通过构建情感丰富度-主播吸引力-寄生关系（PSR）-目的地吸引力-访问意愿的框架，来解释虚拟主播对目的地访问的影响。

4、理论基础：

形象转移理论：消费者对代言者的感知形象可以转移到被代言的对象上，从而影响消费者对被代言对象的态度和行为。
寄生关系（Parasocial Relationship, PSR）：观众与主播之间形成的一种单向情感关系，观众在情感上与主播建立联系，而主播对观众的存在并不知情。
情感丰富度：非人类代理表达不同情绪的能力。

5、理论模型：

模型包括以下变量及其关系：
- 情感丰富度：虚拟主播表达各种情绪的能力。
- 主播吸引力：包括物理吸引力和社会吸引力。
- 准社会关系（PSR）：观众与主播之间的情感联系。准社会关系的单向性是指观众对媒体人物的单方面情感投入和关注。
- 目的地吸引力：观众对旅游目的地的感知吸引力。
- 访问意愿：观众访问特定旅游目的地的意图。

研究假设包括：
- H1: 虚拟主播的情感丰富度正向影响其感知的物理吸引力。
- H2: 虚拟主播的情感丰富度正向影响其感知的社会吸引力。
- H3: 虚拟主播的物理吸引力正向影响PSR。
- H4: 虚拟主播的社会吸引力正向影响PSR。
- H5: PSR正向影响目的地吸引力。
- H6: 目的地吸引力正向影响访问意愿。
- H7: AI虚拟主播相对于非AI虚拟主播负向调节情感丰富度与感知吸引力之间的关系。
- H8: 主播-观众性别不一致正向调节情感丰富度与感知吸引力之间的关系。

6、研究方法：

使用问卷调查法收集数据，并通过部分最小二乘结构方程建模（PLS-SEM）进行分析。

7、研究对象与数据收集：

数据通过中国最大的在线调查平台（www.wjx.cn）收集，采用分层抽样方法，确保性别比例平衡。
共收集了400份有效问卷，数据收集时间为2023年10月12日至11月10日。
数据为静态数据，即在特定时间点收集的横截面数据。

8、实验过程：

设计了四种虚拟主播的直播视频（AI和非AI版本，男女各一），并随机分配给参与者观看。
参与者在观看视频后完成问卷，问卷包括对虚拟主播的情感丰富度、吸引力、PSR、目的地吸引力和访问意愿的评估。

9、研究结论：

研究结果表明，虚拟主播的情感丰富度增强了观众对其吸引力的感知，进而通过PSR的中介作用，提升了目的地的吸引力，最终激发了访问意愿。
AI虚拟主播相对于非AI虚拟主播在某些关系上表现出负向调节作用，而主播-观众性别不一致则在某些关系上表现出正向调节作用。

二、直播平台是否应该非排他性地从传统零售平台推广品牌?

1、研究背景

随着互联网技术的发展，平台竞争已经成熟并深刻影响了供应链结构。特别是直播技术近年来迅速发展，例如TikTok和Kwai等直播平台开始通过直播渠道推出自己的电商功能，并在2018年推广其平台上的产品。直播电商平台以其独特的互动性和娱乐性，与传统零售平台形成鲜明对比。

2、研究问题

直播电商平台的最佳推广策略是什么？
品牌零售价格和直播平台推广水平的主要影响因素是什么？
在不同推广策略下，这些因素如何影响？
直播电商平台和传统平台品牌在什么条件下能够实现双赢？

3、研究思路

文章通过区分直播和传统平台消费者行为特征对需求的影响，开发了两个博弈模型来调查直播平台是否应该非独占地推广品牌产品。

4、理论基础

研究基于博弈论，特别是考虑了平台运营、推广策略选择和直播营销的相关文献。博弈论用于模拟直播平台和品牌之间的策略互动，并分析不同推广策略下的市场均衡。

5、研究假设

假设包括直播和传统平台的消费者群体相同，但消费者在两种平台上的购买概率不同。此外，假设产品的单位生产成本为零，直播平台的推广投资成本与推广水平的平方成正比。

6、研究方法

采用博弈论方法，通过建立数学模型，使用反向归纳法求解子博弈完美均衡，分析不同模型下的均衡结果，并比较这些结果以得出结论。

7、研究结论

研究发现，当直播平台采用独占推广策略时，提高佣金率可能有利于其上的品牌。而当采用非独占推广策略时，传统平台在一定条件下会从直播平台的推广能力中获益更多。直播平台应根据推广成本系数和佣金率来选择推广策略。

三、基于游戏理论分析直播互动性对直播销售模式的影响

1、研究背景：

本文探讨的是电子商务渠道中，制造商通过实时互动直播销售模式对产品销售的影响。特别是在中国，直播销售已成为增加产品销售的一种新模式，具有巨大的发展潜力。实时互动包括消费者与主播的互动，这些互动对消费者的购买意愿有重要影响。

2、研究问题：

不同直播销售模式下的最优策略是什么？
直播互动如何影响供应链运营和不同模式下的绩效？
考虑直播互动的情况下，制造商更倾向于哪种直播销售模式？

3、研究思路：

通过构建一个基于游戏理论的直播双渠道供应链模型，分析不同直播销售模式下的最优结果，并从CCI的角度分析不同销售模式的影响。比较不同模式下制造商的利润，以确定制造商的销售模式选择。

4、理论基础：

游戏理论（Game Theory）是一种数学理论框架，用于分析和预测理性决策者在具有相互冲突和合作可能性的情境下的策略选择和行为。

5、研究结论：

研究发现，当CCI更积极时，Mode L相比Mode M更有助于减轻电子商务渠道的双重边际效应，增加电子零售商的利润。然而，直播价格和需求量的关系也依赖于主播的佣金率。制造商的利润取决于主播的佣金率和CCI。

四、直播中双主播的非语言沟通及其对销售的影响

1、研究背景：

本文探讨了电子商务领域的一个新兴现象——双主播直播（Dual-anchor live streaming），这是在线购物与直播结合的一种形式，尤其在COVID-19疫情期间在中国经历了爆炸性增长，并在全球范围内获得发展势头。

2、研究问题：

非言语沟通在双主播直播中如何影响观众的购买行为（RQ1），
以及这些非言语线索对购买行为的影响是否是线性的，还是存在最优水平（RQ2）。

3、研究思路：

研究基于人际交流和消费者行为理论，通过收集和分析双主播直播的真实数据，构建经济计量模型来评估非言语沟通对消费者购买行为的影响。

4、理论基础：

文章应用了动机-价值理论、刺激-有机体-反应模型、理性行为理论和技术接受模型等来解释消费者购买行为。特别地，承诺-信任理论被用来强调信任和承诺在人际关系中的重要性，以及它们如何影响消费者对主播的忠诚度和购买意愿。

5、理论模型：

模型提出四个独立的非言语沟通变量：响应延迟（Response Latency）、直接凝视（Direct Gaze）、面部动画（Facial Animation）和物理距离（Physical Distance）。这些变量通过经济计量模型与观众的购买行为（销售量）相关联，并假设它们之间存在倒U形的关系。

6、研究假设：

提出了四个假设（H1a、H1b、H2、H3、H4），分别对应响应延迟、直接凝视、面部动画和物理距离对观众购买行为的影响，并考虑了言语速率作为响应延迟影响的调节变量。

7、研究方法：

采用经济计量模型进行回归分析，使用Stata软件处理数据，并运用了多种数据科学技术来提取非言语沟通行为的关键信息。

8、研究对象与数据收集：

研究对象为抖音平台上的22个专注于食品直播的双主播账户。数据收集使用了爬虫程序捕获视频数据，并通过第三方数据统计网站收集了基本产品信息和观众互动数据。数据是动态收集的，涵盖了707场直播的17,856次产品介绍。

对视频和音频数据的提取和转换，使用了一系列开源工具进行说话人分离、面部识别和身体姿势跟踪，以及对非言语沟通行为的量化和测量。

面部动画（Facial Animation, FA）的测量在这项研究中是通过以下步骤实现的：

定义面部动画：
面部动画指的是面部表情的丰富度和变化，包括面部肌肉的运动、眼睛的张合、嘴巴的形状等。

使用面部识别工具：
利用Openface神经网络面部识别工具来提取面部表情信息。Openface是一个开源项目，专门用于面部行为分析。

识别面部动作单元（Action Units, AUs）：
面部表情通常由一系列动作单元组成，这些动作单元是面部表情的基本组成部分。通过识别这些动作单元的强度，可以量化面部动画的丰富度。

计算面部动画的强度：
对于每个视频帧，计算所有检测到的动作单元的强度总和。然后将这个总和归一化，以获得一个表示面部动画相对强度的值。

平均值的计算：
在一个销售环节中，可能会有多个视频帧。研究者将计算这些帧中面部动画强度的平均值，以得到该环节中面部动画的代表性测量值。

数据的动态性：
面部动画是一个动态变化的变量，通过计算平均值，研究者能够捕捉到主播在一段时间内面部表情的总体趋势。

数据的连续性和分类能力验证：
为了确保测量的准确性和可靠性，研究者还进行了人工验证。他们随机抽取了一些视频帧，并手动标记面部动画的不同阶段（如平静、微笑、皱眉等）。然后，使用定义的测量方法分析这些帧，并通过累积分布函数（CDF）测试来验证测量的连续性和分类能力。

控制变量的考虑：
在分析面部动画对销售行为的影响时，研究者还考虑了其他可能影响面部动画的因素，如主播的个性、观众的反应等。