分析网红产品消费意愿对网红经济发展的影响

作者：刘洋 王诗雨

来源：《中国集体经济》2022年第05期

摘要：文章基于多元线性回归模型，从消费者角度探究网红产品消费意愿的影响因素，结果表明，消费者对网红经济线上运营模式的熟悉程度、身边推荐网红产品的人数多少、网红产品的售后情况、网红产品的质量对网红产品消费意愿（被解释变量）的影响是显著的，且为正相关关系。基于此，为了促进网红经济市场更好的发展，根据得出的相关结论提出提升市场监管、深耕内容创作、打造社群文化等建议。 关键词：网红经济;多元线性回归模型;网红产品

随着移动互联网的兴起，更多人开始对网络事物感兴趣，根据《2020年中国互联网发展趋势报告》，2020年2月，中国互联网用户已达10.8亿，网红这个群体也应运而生。网红这类人是因为某件事情或行为或自身输出的内容被网友所关注，形成粉丝效应后，进而在社交平台上走红。随关注人数的上升，网红基于自身利益考虑，往往会以电商平台或商家合作等形式将自身粉丝流量变现，网红的优势在于可以对粉丝群体进行精准定位和定向营销，作为意见领

袖可以通过展示个人试用过程或制作关于产品的视频来影响粉丝的消费行为。由此衍生的网红产品进入了大众的视野里。

在网红经济中，如何将用户转化为网红产品的消费者成为一大难题。网红如雨后春笋般出现，然而真正能做到将自身资源变现的始终是少数。对于消费者而言，在网红产品上的消费又与传统经济消费大不相同，定量探究网红产品消费意愿的影响因素更加具有现实意义和指导意义。

一、文献综述

（一）网红经济发展现状

网红经济是指网红在社交平台上聚集人气，依托庞大的粉丝群体进行定向营销，对一般受众的价值观念和生活方式产生特定的影响，由此衍生出实际利益和经济效应。网红经济的发展大致有三个发展过程，1.0时代的草根成名;2.0时代的全民制作;3.0时代的品牌化传播。网红经济的商业模式，是从网红依靠自身内容输出称为KOL（关键意见领袖），然后将UGC（用户生产内容）或者PGC（专业生产内容）进行转化，增强粉丝的粘性和热枕，从而达到变现的目的。

网红经济自诞生之初整体规模不断扩大，用户数量也在逐年递增。如图1和图2所示，根据苏宁金融研究院數据显示，在2019年，网红经济市场规模超过2500亿元。直播和短视频平台用户人数正在不断攀升，其中短视频的用户人数比其他上升更快。在2019年，中国在线直播用户与短视频用户市场规模分别达到了5.04亿人和8.20亿人。 （二）网红经济文献研究现状 1. 对网红经济运营模式探讨

随着网红经济的发展繁荣，网红经济运营模式也在不断的发生变化，众多学者以具体网红经济现象为例，寻求逐步完善网红经济运营模式的道路，正如梁萌萌以如涵控股为例，结合财务指标对如涵控股盈利模式的分析，得出如涵控股前景并不乐观的结论。李甜田从网红营销和变现模式介绍了网红这一具体商业模式并提出网红经济所面对的挑战，提出了关于网红发展的建议。郭燕飞以papitube为例，从运营与内容生产模式转变、盈利模式的创新角度分析了网红经济新模式，体现了自媒体与当代网红之间的联系。叶霞平讨论在“互联网+”时代下，从产业链角度分析网红经济的盈利模式并提出自己的质疑，最后提出好的内容才是网红经济的持久归宿。

2. 网红经济对其他行业影响

近年来，众多学者从对网红经济行业的研究转为网红经济对其他产业影响的研究。正如梁辉煌等提出网红直播推广在线旅游产品（OTA）的四个策略，有利于OTA在消费者心中塑造良好的品牌形象。吴雯婷探讨互联网金融可以借鉴网红经济的方式及可能存在的风险。高洪福则将网红经济的相关理论运用到企业的IT部门上，让IT更好发挥自身价值。喻跃梅探讨网红经济通过可以推动跨境电商产品营销、拓展海外市场，以及具体在跨境电商运营推广中的应用。

3. 网红经济发展现状及问题

有学者从分析网红经济现状中提出问题并加以解决。张银珂简述了网红经济的前世今生、现状及挑战，预测“网红经济”未来发展变化：规范化、多元化、专业化。薛愉凡运用PEST模型对网红行业环境进行分析，得出网红经济具有巨大前景的结论。田英从传播领域指出网红经济存在的问题，分析背后的原因，最后提出网红经济的发展策略。钟艺聪以抖音为例，探讨网红视频传播策略，展望了未来网红经济发展的理性化趋势。 4. 网红产品

在网红经济兴起的同时，消费者对网红产品的消费意愿也随之上涨。刘瑞溥等从消费者角度出发，发现消费者的关注度、认可度及网红经济的市场环境等三个因素对网红经济需求具有显著性影响。张昊等认为时尚网红亲民性和话题性对共创产品的美观性和象征性均产生积极影响，王兴元等用粉丝热枕作中间变量，同时用粉丝符合和感性程度作为热枕的形成机制来以此解释粉丝消费意愿的形成。 杨秀云等探知感知价值、感知利得、感知价值、感知利失、感知价值和消费意愿之间的关系。可以看出，目前国内研究方面虽然对于网红经济的研究日趋增加，但是研究网红产品消费意愿的研究仍旧较少，而从研究方法来看，更多采用的是SWOT、PRAC等定性的分析方法，定量研究较少。

基于此，本文从消费者角度出发，以消费者对网红产品消费意愿的影响因素为研究对象，探究影响因素之间的联系和作用，试图用多元线性回归模型构建关于网红产品消费意愿模型，将消费者对于网红产品的消费意愿进行量化，并以此提出相关建议，希望对于提高网红产品的销量有一定的指导意义，促进网红经济产业更好的发展。 二、变量与模型设定 （一）变量设定

通过对文献的梳理，并且参考相关文献中的问项、观点等，对影响网红产品消费意愿的影响因素进行了加工整理。并且为了能够更好的以消费者的角度来看待网红，得到更真实的影响因素，本研究组织了一场访谈，共邀请20人参与访谈。根据已有观点及研究目的，共制定五个方面的访谈提纲：消费者是否对网红产品有消费意愿、自身购买网红产品都有哪些影响因

素、对于网红及网红产品的关注度、浅谈当今网红经济环境、是否满意购买的网红产品及原因。在访谈过程中，主持人会对于回答中的细节进行追问，以期能够得到更多因素，并且尽量避免提出诱导性问题。

通过访谈得出的因素，再加之整理的文献观点，筛选掉一些模糊、笼统的答案之后，得到如表1所示共11个方面的影响因素，并将其设定为解释变量。 （二）模型设定

为了探究网红经济消费意愿的影响因素，解释各个影响因素之间的相互联系，定量的表示被解释变量与解释变量的线性关系，设计了如下形式的多元线性回归模型： Y=β1+βnXn+en（1） 三、问卷调查及结果分析 （一）问卷设计

将得出的10个变量转化成问项后，设计的问题共分为三部分，首先，对于被调查者的性别、年龄、受教育情况的基本信息调研，其次，采用里克特量表题与打分题，让被调查者根据自身实际情况进行填写，最后，设置了筛选题，作用是筛选掉不认真审题的被调查者。 为了确保调查数据的可靠性，在设计完问卷之后进行小范围内的预调查，并根据调查结果中出现的问题修改问卷，然后重新发放，重复三次，以此来保证问卷的有效性。 （二）数据回收

网红经济首先离不开互联网的媒介作用，所以此次调查主要采取线上为主、线下为辅的调查方式。线上调查主要以Credamo平台为主，线下主要以发放纸质问卷为主。共发放问卷513份，剔除掉没有通过筛选题及时间少于一分钟的问卷，共收集到有效问卷426份，有效率为83.04%。一般而言，样本调查数量与设定的变量个数有关，本次样本数量不应少于100份，而调查问卷共回收426份，已达到合理的样本量，可进行后续分析。 四、实证分析

（一）数据的描述性分析

从表2可以看出本次调查中的被调查者的基本信息，男性占据48.59%，女性占据51.41%，男女比例较为平均。年龄中25～30岁的人占比最多，达到41.78%。受教育程度中大学本科的人占比最多，达到73.70%。这说明本问卷的被调查者多是受过高等教育的年轻人，

与喜欢上网、关注网红的大部分群体比较相符，是网红产品的主要消费者，说明样本具有一定的代表性。

（二）建立模型

本文按OLS（最小二乘原则）去估计多元线性回归模型的参数。使用的统计软件是Eviews，初步得到的结果如式（2）所示：

Y=0.6098+0.439X2+0.26X3+0.119X4-0.036X5+0.016X6+0.0052X7-0.000888X8+0.000457X9-0.03972X10+0.0012X11（2） （三）模型检验及调整 1. 多重共线性问题

在检验中，本文采用方差扩大因子法检验多重共线性，定义VIF=max{VIF1，VIF2，VIF3，…，VIFn}，得到VIF=14.56>10，这说明解释变量与其他变量之间有多重共线性，并非所有的解释变量都能很好的解释模型。为了修正模型，采取了逐步回归法，先用解释变量对每一个所考虑的解释变量作简单回归，然后对解释变量贡献最大的解释变量所在的回归方程为基础，逐个引入解释变量，剔除有问题的变量，同时剔除了p值>ɑ=0.05的不显著解释变量。 在使用了逐步回归法修正模型之后，得到的新的模型结果如式（3）所示： Y=0.5921X2+0.2702X3+0.1726X4+0.2033X5+0.5921 （3） 2. 异方差问题

为了检验相对于回归线而言解释变量的所有观测值分散程度是否相同，且截面数据比起是时间序列数据更容易产生异方差，需要检验模型是否具有异方差性。由于本模型已经是大样本模型，本文采取White检验。其修正前的具体参数如表3所示。计算统计量nR2=45.81，假设H0：α2=α3=α4=α5=0的条件下，在α=0.05下，得临界值χ0.052（4）=9.49。nR2>χ0.052，所以拒绝原假设，不拒绝备择假设，模型存在异方差。

为了修正异方差，本文采取了最小二乘法，选用了1/|e|作为权重，得到了新的回归模型（4）：

Y=0.6044+0.2715X2+0.1999X3+0.0507X4+0.1716X5 （4） 修正后的模型p值为0.0001<0.05，说明已无异方差。

3. 拟合优度检验

为了检验新观测值的拟合优度，可以通过修正的可决系数R2来说明，得到的结果是R2=0.94，拟合程度很好，说明列入模型中的解释变量对被解释变量的联合影响程度较大。 4. 回归方程的显著性检验（F检验）

为了探究这四个解释变量是否同被解释变量之间存在显著的线性关系，需要通过F检验。假设：H0：β2=β3=β4=β5=0，H1=βj（j=2，3，4，5）不全为0。给定显著性水平ɑ=0.05，在F分布表中Fɑ（4，422）=2.393， 此時F=460.25，由于F>Fɑ（4，422），应拒绝原假设H0：β2=β3=β4=β5=0，此时，F检验统计量对应的P值=0.00010<05，说明修正后的回归方程显著。

5. 回归参数的显著性检验（t检验）

可以从表4中P值判断，与估计值β2、β3、β4、β5估计值对应的P值均小于ɑ=0.05，表明在ɑ=0.05的显著性水平下，对应的解释变量分别对被解释变量影响显著。 6. 多重共线性检验

由表5可知，检验修正后的模型的相关系数矩阵，各个解释变量之间的相关系数较低，且方差膨胀因子（VIF）为为2.6，远远小于10，证实多重共线性已经削弱。

通过访谈得出的因素，再加之整理的文献观点，筛选掉一些模糊、笼统的答案之后，得到如表1所示共11个方面的影响因素，并将其设定为解释变量。 （二）模型设定

为了探究网红经济消费意愿的影响因素，解释各个影响因素之间的相互联系，定量的表示被解释变量与解释变量的线性关系，设计了如下形式的多元线性回归模型： Y=β1+βnXn+en（1） 三、问卷调查及结果分析 （一）问卷设计

将得出的10个变量转化成问项后，设计的问题共分为三部分，首先，对于被调查者的性别、年龄、受教育情况的基本信息调研，其次，采用里克特量表题与打分题，让被调查者根据自身实际情况进行填写，最后，设置了筛选题，作用是筛选掉不认真审题的被调查者。

为了确保调查数据的可靠性，在设计完问卷之后进行小范围内的预调查，并根据调查结果中出现的问题修改问卷，然后重新发放，重复三次，以此来保证问卷的有效性。 （二）数据回收

网红经济首先离不开互联网的媒介作用，所以此次调查主要采取线上为主、线下为辅的调查方式。线上调查主要以Credamo平台为主，线下主要以发放纸质问卷为主。共发放问卷513份，剔除掉没有通过筛选题及时间少于一分钟的问卷，共收集到有效问卷426份，有效率为83.04%。一般而言，样本调查数量与设定的变量个数有关，本次样本数量不应少于100份，而调查问卷共回收426份，已达到合理的样本量，可进行后续分析。 四、实证分析

（一）数据的描述性分析

从表2可以看出本次调查中的被调查者的基本信息，男性占据48.59%，女性占据51.41%，男女比例较为平均。年龄中25～30岁的人占比最多，达到41.78%。受教育程度中大学本科的人占比最多，达到73.70%。这说明本问卷的被调查者多是受过高等教育的年轻人，与喜欢上网、关注网红的大部分群体比较相符，是网红产品的主要消费者，说明样本具有一定的代表性。

（二）建立模型

本文按OLS（最小二乘原则）去估计多元线性回归模型的参数。使用的统计软件是Eviews，初步得到的结果如式（2）所示：

Y=0.6098+0.439X2+0.26X3+0.119X4-0.036X5+0.016X6+0.0052X7-0.000888X8+0.000457X9-0.03972X10+0.0012X11（2） （三）模型检验及调整 1. 多重共线性问题

在检验中，本文采用方差扩大因子法检验多重共线性，定义VIF=max{VIF1，VIF2，VIF3，…，VIFn}，得到VIF=14.56>10，这说明解释变量与其他变量之间有多重共线性，并非所有的解释变量都能很好的解释模型。为了修正模型，采取了逐步回归法，先用解释变量对每一个所考虑的解释变量作简单回归，然后对解释变量贡献最大的解释变量所在的回归方程为基础，逐个引入解释变量，剔除有问题的变量，同时剔除了p值>ɑ=0.05的不显著解释变量。 在使用了逐步回归法修正模型之后，得到的新的模型结果如式（3）所示：

Y=0.5921X2+0.2702X3+0.1726X4+0.2033X5+0.5921 （3） 2. 异方差问题

为了检验相对于回归线而言解释变量的所有观测值分散程度是否相同，且截面数据比起是时间序列数据更容易产生异方差，需要检验模型是否具有异方差性。由于本模型已经是大样本模型，本文采取White检验。其修正前的具体参数如表3所示。计算统计量nR2=45.81，假设H0：α2=α3=α4=α5=0的条件下，在α=0.05下，得临界值χ0.052（4）=9.49。nR2>χ0.052，所以拒绝原假设，不拒绝备择假设，模型存在异方差。

为了修正异方差，本文采取了最小二乘法，选用了1/|e|作为权重，得到了新的回归模型（4）：

Y=0.6044+0.2715X2+0.1999X3+0.0507X4+0.1716X5 （4） 修正后的模型p值为0.0001<0.05，说明已无异方差。 3. 拟合优度检验

为了检验新观测值的拟合优度，可以通過修正的可决系数R2来说明，得到的结果是R2=0.94，拟合程度很好，说明列入模型中的解释变量对被解释变量的联合影响程度较大。 4. 回归方程的显著性检验（F检验）

为了探究这四个解释变量是否同被解释变量之间存在显著的线性关系，需要通过F检验。假设：H0：β2=β3=β4=β5=0，H1=βj（j=2，3，4，5）不全为0。给定显著性水平ɑ=0.05，在F分布表中Fɑ（4，422）=2.393， 此时F=460.25，由于F>Fɑ（4，422），应拒绝原假设H0：β2=β3=β4=β5=0，此时，F检验统计量对应的P值=0.00010<05，说明修正后的回归方程显著。

5. 回归参数的显著性检验（t检验）

可以从表4中P值判断，与估计值β2、β3、β4、β5估计值对应的P值均小于ɑ=0.05，表明在ɑ=0.05的显著性水平下，对应的解释变量分别对被解释变量影响显著。 6. 多重共线性检验

由表5可知，检验修正后的模型的相关系数矩阵，各个解释变量之间的相关系数较低，且方差膨胀因子（VIF）为为2.6，远远小于10，证实多重共线性已经削弱。