付 娆 刘鸣筝

在网络技术飞速发展的背景下，网民数量呈现爆发式增长。网络技术带动媒介产业转型，使网络直播出现在公众视野中。最早的网络直播源自2011年，在美国出现的YouNow(视频直播应用程序)、Twitch(视频游戏流媒体网站)和YouTube Live(YouTube实时流媒体服务)，此后网络直播不断演进，逐渐迎来它的光辉时代。国内自2016年“网络直播元年”开始，产生了“+直播”“直播+”等多元的网络直播商业模式。网络直播何以吸引用户？用户观看直播平台的动机是什么？网络直播的哪些因素满足了用户需要？为研究网络直播这一新兴媒介形态对媒介传播效果、评价方式的改变以及对受众行为、受众心理的影响，一种科学、全面的网络直播吸引力评估模型亟待提出。

一、网络直播吸引力评估量表的指标设计

(一)网络直播的概述及要素

“直播”最早是指媒体采编播同时进行的一种节目播出方式。在电视节目中常见有“直播”字样标记于电视画面右上角，说明该节目是电视台以“现场直播”为形式的新闻或演出节目。随着网络技术的发展与成熟，网络直播脱离传统大众媒介的传受方式，具有实时互动、内容多元等特点，颇得受众青睐。

广义的网络直播指在网络中直接录制并播出的包含所有节目制作流程为一体的媒体播出方式，直播平台侧重于网络客户端而不是电视(非网络电视)。狭义的网络直播即自媒体的网络直播，表现为自媒体网络主播利用摄录设备，在网络上自如地选择直播内容进行实时在线播出。狭义的网络直播包含网络直播节目本身的全部因素，包括直播平台、直播内容、直播对象、直播效果等。本文研究的对象即为狭义上的网络直播。

得益于互联网的发展与移动应用的普及，网络直播的流行带来了新的媒介场景和传播生态。现有文献的主要研究方向有：网络直播理论概况、网络直播盈利模式探讨、网络直播的问题及治理策略、网络直播主播及用户行为分析等。虽然网络直播的相关研究起步较晚，但其文献数量丰富可观，相较而言，对于网络直播效果及影响因素的研究有待加强。

(二)量表设计

在网络直播吸引力评估模型的建立过程中，量表指标的设置是研究的前提和基础，准确设定对于中间层层级结构，能够保证对各评价指标设置的合理性和科学性。网络直播吸引力量表所包含的全部准则、次准则及次准则描述见表1。

表1 网络直播吸引力评估量表指标及指标描述

1.直播场景

2.平台因素

3.直播互动性

4.主播形象

通过详细的文献整理，本研究对国内外学者关于网络直播影响因素的不同看法有了宏观认知，并进一步归纳总结为量表指标。本量表的指标选取部分共涉及30余篇国内外文献，占全部文献5%以上的文献包含同一影响指标(指标文献≥全部文献*5%)，即指标文献数量大于等于全部文献的5%，则将该指标纳入初始评估量表。最后总结出含有13个指标的网络直播吸引力评估量表(见表1)。

二、量表指标筛选

通过文献梳理，本研究得到含有13个指标的评估量表，为了规避由于主观意见和个人偏好带来的误差，需要将量表指标进行处理与筛选从而降低误差。具体的研究路径为：第一步，通过设计和发放专家问卷，得到不同专家对指标的意见；第二步，根据四分位法观测专家意见的离散程度，筛选具备一致性的指标；第三步，将筛选后的量表指标用于后期层次分析的运算。

(一)专家问卷的设计与发放

德尔菲法是一种匿名反馈咨询的方法，利用信件问询的形式来进行集体匿名思想交流。专家问卷的设计和发放能够收集到较为客观的数据，用群体的智慧来综合处理不同的意见。为了排除专家个人对量表指标选择的主观性，本研究用德尔菲法来筛选评估量表中的对应指标。

本次专家问卷围绕“网络直播”主题，选取了包括网络新闻学者、媒体从业者、网络直播资深用户、网络直播主播等专家共22位。专家团队的学科背景和实践经验都与网络直播有较强的相关性，同时专家成员的不同学科背景和实践经验也保证了意见的全面性，使得到的问卷数据具备科学性。每位专家在填写问卷时都是匿名独立的，不受专家团队内权威或熟人的影响。

(二)离散程度分析

四分位法是统计学中用来求取一组数据离散程度的常用方法。本研究通过四分位差观测指标得分的离散程度，四分位差越小表示专家意见越统一。在两端数据不全或者统计量数中存在着个别极端量数时，用四分位差可以在测量数据离中趋势的同时，忽略极值、极差带来的误差。四分位差用符号Q表示，Q为下四分位数，Q为上四分位数，计算公式如下：

表2 网络直播吸引力评估量表指标及数据统计

三、模型建构及层次排序

(一)建立层次结构及成对比较矩阵

层次分析法(AHP)也叫模糊综合评价法，它是于1970年代初期由Saaty教授提出的一种将定性问题定量化的处理方法。层次分析法的具体操作就是将所要进行的决策问题置于一个大系统中,并将影响决策的因素层次化，形成多层的分析结构模型。在本研究中，以网络直播为系统将指标层次化。层次分析模型分为三层：目标层、中间层和方案层，中间层可分为包含一级指标(B)的准则层和包含二级指标(C)的次准则层，建立好的层次结构见图1。根据专家问卷得到的22份数据构造成对比较矩阵进行计算。

图1 网络直播吸引力评估模型

(二)一致性检验及权重分析

在明确判断矩阵后,求出其最大特征根λmax所对应的特征向量W，公式如下：

=·

为检验判断矩阵的误差、求证权重分配是否合理,需要对判断矩阵进行一致性检验，公式为：

本研究为群体决策，采用几何平均数处理汇集专家判断矩阵的特征向量W，对于R位专家，n个要素，W满足：

={|=1,2,3,…,}

计算并最终确定指标权重，包含全局权重及同级权重，见表3。

表3 网络直播吸引力评估群决策中间层权重表

(三)层次总排序

根据群决策中间层的所有指标权重(表3数据)得出所有因素对于总目标重要性的权值排序，即层次总排序。数据结果显示，准则层指标的权重排序依次为：平台因素(0.2809)、主播形象(0.2713)、直播互动性(0.2456)、直播场景(0.2021)。对于13项次准则的全局权重，平台因素准则下的三项次准则权重最高，按照权重大小排序分别是平台依赖(0.0996)、功能可供性(0.0945)、平台好评度(0.0868)。13项次准则的全局权重最低的是主播形象准则下的主播性别(0.0559)，其次是直播场景准则下的文字与符号(0.0581)。

四、结论

本研究以大量国内外文献作为量表指标的基础，考察网络直播吸引用户的具体影响因素，并据此设计网络直播吸引力评估量表，将诸多变量纳入模型进行考量，通过专家问卷计算其指标权重，得到指标层次总排序。

从建立的模型可以看出，用户选择网络直播影响因素排序为：

平台因素≻主播形象≻直播互动性≻直播场景

也就是说，用户在选择直播时，首先选择的是平台，其次才是直播内容各因素。平台因素中，路径依赖的影响程度高于平台的功能性，好评度的影响最低。可见，对于平台使用具有的粘性是决定其直播选择的最重要因素，直播平台提升自身对用户的吸引力的举措应优先于其他因素；对于主播来说，选择用户群体大的平台能更快吸引流量。

主播形象是影响用户选择第二重要的因素。主播形象因素中，其媒介形象是影响最大的因素，因此主播要注意时刻保持良好的口碑。本研究还验证主播的性别因素对于直播吸引力存在影响，但指标权重不高，性别不是影响用户选择的主要原因。

直播互动性是影响用户选择第三重要的因素，其中用户之间互动产生的积极作用大于主播提供的物质奖励，主播的非物质性的奖励言语和行为的影响力最小，可见网络主播可以加大引导用户之间产生互动。

直播场景的选择与布置在所有的准则中重要性程度最低，背景音乐的作用大于直播间布局，直播中的文字与符号对用户产生的吸引力是所有影响因素中最低的。

建立网络直播吸引力评估模型有一定的学术意义与实践意义。模型内的各项准则代表了影响网络直播的主要因素，各项次准则进一步细化了影响用户选择网络直播的指标。依据模型设计实验或调研，可用于比较不同指标下多个网络直播节目的吸引力，并对自媒体主播或直播团队改善直播效果起到借鉴作用。

本研究也存在一定的局限性：首先，运用AHP和德尔菲法将影响网络直播吸引力的因素量化，存在着不可避免的误差；其次，用户对网络直播内容相关元素的注意力未进行捕捉、测量并量化。以上研究局限将在今后的研究中改进、完善。