170 管理评论第31卷值;在第三部分,从利益相关者的理论视角分析微信打赏商业模式的关键要素,并基于商业模式反馈系统理论及马莱茨克大众传播模式阐释UGC质量、自媒体影响力和打赏人数之间的相互作用,进而提出本文的研究框架;在第四部分,构建面板回归模型和面板VAR模型研究UGC质量、自媒体影响力与打赏人数之间的相互作用机制,并进行了脉冲响应分析、方差分解和稳健性检验;最后,总结本文的研究结论,并对微信自媒体及广告主如何更好利用打赏模式提供建议。文献回顾学术界并未对打赏做出一致定义。陈蓉[2]认为,打赏行为是受众对良好阅读体验的自愿买单。张聪等[3]认为,打赏即用户以赠予虚拟金币、虚拟礼物或现金的方式,表达对作品及其作者的赞赏。张艳彬[4]则指出,读者的打赏实际上是付费阅读,只不过可以自行决定是否付费和付费金额。本研究认为,打赏有别于简单的付费阅读,它不仅属于自愿付费,还是一种先消费后付费行为,故将打赏定义为“用户基于良好的内容体验,以自由赠予现金的方式对创作者表达赞赏”。目前,国内学者对互联网情境下的打赏商业模式研究较少,且集中于描述性分析和理论阐释,缺乏深入的实证研究。根据研究主题,可以将该领域的研究分为打赏商业模式分析、影响因素研究和作用效果研究。首先,在打赏商业模式分析方面,陈蓉[2]和张聪等[3]对自出版平台上打赏的模式、特点及问题进行了分析,并指出了未来打赏模式的发展趋势。徐切[5]研究了微博打赏的商业模式、特点及问题。沈晓静和徐星[6]也分析了网络打赏的商业价值,并指出对于社交网站而言,网络打赏的作用在于吸引更多内容生产者提供优质内容,增加用户人数,从而吸引更多广告主;培养用户的付费习惯,增强付费意愿,从而提高网站变现能力;与支付功能结合,拓展网站的业务领域。其次,打赏的影响因素主要可以归纳为三方面一是自媒体特征,比如自媒体的吸引力、与用户的互动频率等[3,4];二是内容特征,比如内容质量、情感共鸣程度等[3,4,7-9];三是消费者的动机,比如消费者身份形象的建构动机、情感表达动机等[10-12]。最后,在打赏的作用效果方面,学者[13-15]主要研究了打赏对内容生产者、内容质量、社会环境等的影响。比如郑丽勇和淘书宝[15]通过个案访谈的方式考察微博打赏对内容生产者的激励作用,结果发现打赏的激励效果很差,并基于产权理论进行了阐释,即微博打赏模式下,由于收益具有不确定性、内容不具有排他性,因而内容生产者的知识产权是不完备的,故打赏的激励作用有限。此外,国外学者虽然对打赏研究很少,但在金钱激励的作用效果上取得了较为丰富的研究成果。主流的观点有两类,一类基于经济学理论,认为金钱奖励能够促使个体表现得更好[16-18];另一类基于心理学理论,认为金钱奖励可能造成动机的“挤出效应”,从而对个体行为产生负面影响[19-24]。在金钱奖励对用户生产内容的影响方面,学者也并未得出一致结论。 Burtch等[25]的研究表明,金钱奖励有激励作用,能显著促进评论数量的增加,然而,Khernamnuai等[26]研究发现,虽然评论数量显著增加,但评论质量降低。 Sun等[27]研究发现,社会关系会调节金钱奖励对用户评论数量的影响作用,在弱关系的社会成员之间,金钱奖励具有积极作用;但在强关系的社会成员之间,金钱奖励具有负面作用。在金钱奖励对于UGC的影响方面,Chen等[28]以社交媒体上股票推荐内容为研究对象,研究发现金钱奖励能促进UGC数量的增加,但对UGC质量无显著影响。综合国内外文献来看,目前打赏领域的研究存在以下不足。首先是缺乏对打赏作用效果和影响因素的实证研究。国内学者对打赏的研究集中于描述性分析,缺乏深入的实证检验;而国外学者直接研究打赏行为的很少,部分学者基于实证模型考察了金钱奖励对个体行为的影响作用,但得出了不一致的结论,并且打赏不同于第三方平台给予的金钱奖励,它完全由消费者自主决定,属于一种不确定的金钱奖励,故对内容生产者的激励效果有待实证检验。其次,很少有研究关注打赏商业模式内部因素的互动作用。比如对打赏行为与UGC质量而言,有学者考察打赏对UGC质量的激励效果,也有学者研究UGC质量对打赏的影响作用,但尚无研究考察自媒体影响力、UGC质量与打赏三者之间的相互作用。因此,本文以微信社交平台情境中的打赏为研究对象,通过实证模型分析打赏商业模式中核心变量之间的动态互动机制,为现有打赏商业模式的理论构建与实践指引提供了经验证据,同时也拓展了金钱奖励对个体激励效果的研究。第9期雷羽尚,等打赏商业模式的动态互动机制研究171 理论基础与研究框架1、利益相关者理论利益相关者是分析商业模式的基础,也是商业模式所涉及的关键概念。魏炜和朱武祥[29]将商业模式界定为企业及其利益相关者的交易结构,并将商业模式中的“利益相关者”界定为具有独立利益诉求和资源能力、与焦点企业有交易关系的行为主体。在利益相关者理论的指导下,企业可以通过发掘、利用、整合各个利益相关者的资源能力,制定恰当的经营决策,以实现多方共赢的局面。对传统企业而言,其利益相关者包括供应商、经销商和消费者等。在本文的研究情境下,自媒体扮演着企业的角色,与自媒体有直接交易关系且具备利益诉求和资源能力的行为主体包括微信社交平台、广告主和受众。因此本文围绕微信自媒体及其利益相关者分析打赏商业模式,如图1所示。图1 微信社交平台中的打赏商业模式1微信社交平台微信社交平台为自媒体微信公众号提供了一个生存发展的平台,是打赏制度的制定者,也是自媒体广告收入的来源之一。首先,自媒体想要开通打赏功能,需要满足微信社交平台规定的条件,即必须为个体经营并且内容为原创。其次,自媒体在积累一定数量关注者后,可以申请成为微信社交平台的流量主,通过在内容页面底端植入平台分配的广告,以获取广告利润。微信社交平台的核心资源在于其拥有巨大的微信用户资源,用户的日常生活离不开微信社交,自媒体只要能够生产优质原创内容,就可能获取大规模用户的关注。同时,自媒体的粉丝数越多,影响力越大,越能够吸引大量受众的注意力,从而提高广告有效性,因此越受微信社交平台欢迎。2自媒体自媒体是内容生产者,基于微信社交平台发布各种形式的内容,包括文章、图片、音频、视频等。所有微信用户都能免费获取UGC并给予反馈,比如关注或取消关注、点赞、转发、评论、打赏等。在傅慧芬和赖元薇[30]看来,微信公众号内容营销的关键在于内容的创造,通过提供有价值的内容与受众进行营销沟通,能够建立和维持相互之间的情感联系。彭晨明等[31]指出,内容实用价值越大,受众的满意度越高,故转发和点赞的可能性越大。吴超等[32]通过对“罗辑思维”商业模式的分析也认为,优质内容是自媒体的核心竞争力。由此可见,自媒体的核心资源在于原创内容的生产力。自媒体生产的原创内容即UGC的质量越高,越能获得受众的喜爱和情感支持,提升受众满意度,进而使其更愿意分享给好友或转发至微信朋友圈,使得自媒体的影响力进一步增大。对自媒体而言,生产优质内容、扩大影响力,一方面意味着能获取更多广告收入;另一方面也可能增强用户的付费意愿[1],吸引更多用户打赏。因此UGC质量和自媒体影响力是影响自媒体盈利的重要因素。同时,获得的打赏越多、影响力越大,自媒体持续生产UGC的外部动机就越大[33-36],未来的UGC质量可能越高。3广告主广告主是微信社交平台以外,自媒体广告收入的另一来源。广告主在评估微信自媒体影响力和价值的基础上,向自媒体投放广告并给予一定广告费。自媒体可以直接推送产品的硬性广告,也可以将广告巧妙地植入内容中形成软文再进行推送。广告主的核心资源在于资本。广告主与自媒体之间的交易是物质资本与社会资本的交换,即广告主付出金钱来交换自媒体粉丝的注意力,因此自媒体的粉丝数越多、影响力越大,其广告收益就越高。4受众受众是自媒体生产内容的主要消费者,也是自媒体获取打赏收入的来源。受众一般会根据自己的阅读体172 管理评论第31卷验决定是否打赏以及打赏金额的多少[2]。同时,如果自媒体具备较大影响力,意味着其本身的知识素养较高,受众也可能出于对自媒体的认可或喜爱等情感因素而进行打赏[3,4,9]。受众的核心资源在于注意力。在互联网信息泛滥的时代,注意力的稀缺性日益凸显[37],而网络营销要想成功获取注意力,根基在于产品或服务的质量[38]。因而自媒体生产内容质量越高,越有可能获取受众注意力。在获取受众注意力的前提下,才有可能吸引受众进行打赏,或者促使受众进行口碑传播分享或转发,扩大自媒体影响力[39]。2、利益相关者之间的互动反馈机制在明确了打赏商业模式的利益相关者后,更重要的是分析其中的影响机制。目前商业模式的理论模型和分析框架众多,比如画布分析、钻石模型、RCOV模型和“微笑曲线”等,大部分着眼于商业模式的构成要素,少数学者则从系统视角分析了其内部作用机理。汪寿阳等[40]最早基于知识管理和系统工程的理论视角,阐释了商业模式的冰山理论及CET I方法论,认为商业模式是由显性知识和隐性知识构成的复杂体系,并提出了系统的商业模式分析框架。此后,饶佳艺等[41]通过对视频网站的案例分析,指出商业模式显性知识和隐形知识之间存在反馈机制。关键资源能力作为商业模式重要支撑因素,与外部环境一同构成隐形知识,会影响由价值主张、业务系统和盈利模式构成的显性知识,并进而形成动态循环过程。吴超等[32]也在汪寿阳等[40]的研究基础上,建立了冰山动态反馈模型,指出商业模式的隐形知识包括内部环境和外部环境,内部环境包括知识、人员、渠道、信息和合作关系等,外部环境包括市场需求、监管趋势和行业结构等。内外部环境共同构成商业模式发展的驱动力,而商业模式的显性知识则会反过来对内外部环境产生互动影响。根据饶佳艺等[41]的研究,Netflix提供的优质内容、美国用户长期形成的付费意识及良好的版权保护制度,是其商业模式能够确保盈利的核心要素;同时,持续的盈利又为推出优质内容、扩展海外市场提供了资金支持。据此看来,在打赏商业模式中,自媒体生产的内容质量为其关键资源能力,自媒体影响力反映着社会关注度,则可视为外部环境,自媒体获得的打赏则代表其盈利能力;内容质量、自媒体影响力与打赏人数之间会形成反馈作用机制。此外,从传播学视角来看,自媒体内容的传播模式也可以类比于大众传播模式,包含传播者、传播信息、传播媒介和接收者四个要素。系统论的传播模式将社会传播看作复杂的社会互动过程,马莱茨克模式是其中的典型代表[42]。该模式从社会心理学和“场论”角度出发,认为整个传播过程都会受到社会系统要素的影响,是在这些因素交互作用形成的“社会磁场”中进行的[43]。一方面,信息传播者会受到自身形象个性、所处的环境压力或信息本身特征、媒介制约以及受众反馈等因素影响,并在这些影响下对信息内容进行选择和组织,然后传播给接收者;另一方面,信息接收者同样受到自身特征、环境因素、媒介压力和传播者形象特征等因素影响,这些因素影响了接收者对信息内容的选择以及对信息做出的反馈[44]。根据马莱茨克模式,自媒体内容的生产和传播也是一个复杂的互动传播过程。自媒体根据自身形象和影响力、所处社会环境、受众的反馈等因素生产内容,通过微信等移动社交媒体进行传播,受众会选择性地接受信息并根据内容质量、自媒体影响力等因素做出反馈,如点赞或打赏。因此自媒体内容的生产、传播与受众打赏形成了一个互动过程,即内容质量、自媒体影响力与打赏人数之间存在动态影响关系。3、研究框架综上所述,基于利益相关者理论,本文认为打赏模式的盈利性离不开三个关键要素打赏人数、UGC质量和自媒体影响力;商业模式反馈系统理论表明,后两者形成的隐形知识与打赏人数这一显性知识之间存在反馈机制;此外,根据马莱茨克大众传播模式,在自媒体的内容生产与传播过程中,三者相互联系、相互作用。由于VAR模型通常用于预测多个相互联系的变量,以及分析随机扰动对整个系统的动态冲击[45],故本文建立面板VAR模型来分析打赏模式内在的动态影响机制。借鉴Villanueva等[46]对三元VAR模型中影响作用的分类,本文将UGC质量、自媒体影响力和打赏人数之间的影响作用也分为直接影响、反馈作用、交叉影响和强化作用。直接影响,反映内容本身特征和外部环境因素对自媒体内容收益的影响,即UGC质量和自媒体影响力对打赏人数的影响。反馈作用,指内容收益对自媒体未来内容生产、传播过程的影响,即打赏人数对UGC质量和自媒体影响力的影响。交叉影响,即UGC质量与自媒体影响力的相互影响。强化作用,即各个变量当期表现对未来自身表现的影响,比如当期打赏人数的增多对未来打赏人数变化的影响。在面板VAR模型的基础上,本文重点考察UGC质量和自媒体影响力对打赏人数的直接影响,以及打赏第9期雷羽尚,等打赏商业模式的动态互动机制研究173 人数对UGC质量和自媒体影响力的反馈作用。研究框架如图2所示。图2 研究框架研究方法1、数据说明及变量定义根据2017微信数据报告,2017年微信公众号总计超过1000万个,月活跃账号数达到350万个[47]。基于研究目的,本文研究对象为生产原创内容且在此基础上开通了打赏功能的微信公众号;同时,为了获取足够多的打赏数据,应当保证微信公众号生产内容的频率较高且自身有一定影响力。在新榜网站① ,以“自媒体人”作为关键词搜索微信公众号,同时以“原创”作为筛选条件可得到113个结果,涵盖生活情感、文化娱乐、职场企业等类别。本文从上述类别中选取了比较有代表性且活跃度较高的11个公众号,并且收集了其在2017年4月20日至2017年11月12日期间所发布原创文章的相关数据,包括文章阅读量、点赞数和打赏人数等。此外,由于微信公众号不公布实际粉丝数,本研究使用新榜提供的预估活跃粉丝数来代替实际粉丝数。为了保证数据的可比性,本文以微信公众号每天发布的头条文章截至次日中午12时的区间来计入有效打赏人数,记作dashang。在UGC质量的衡量方面,目前主要有两类评价方法一类基于信息本身属性进行分析;另一类则是根据信息受众的反馈行为进行评判[48]。叶凤云等[49]指出,不同用户根据自身条件差异对同一资源会做出不同反应,基于用户的信息质量认知已经成为国外学术界研究的主流,考虑到对内容质量高低的评价不能脱离用户反馈而进行,本文从受众角度出发,以头条文章点赞数和阅读数的比值衡量UGC质量,记作ugc。对于信息传播者的影响力,学者大多从大众关注度、内容覆盖度[50-52]等方面进行衡量。结合本研究情境,本文以归一化后的粉丝数与头条文章阅读数的平均值衡量自媒体影响力,记作influence。由于在观测期间,各个微信公众号的更新存在间断的情况,因此所得面板数据存在缺失值,为非平衡面板数据。删去缺失值后共有1071个样本数据。各变量的统计特征如表1所示。表1 各微信公众号打赏人数、UGC质量和自媒体影响力的描述统计微信公众号样本数打赏人数UGC质量自媒体影响力均值标准差均值标准差均值标准差连岳151 450. 510 301. 600 0. 035 0. 009 0. 903 0. 059KnowYourself 105 23. 305 20. 522 0. 011 0. 006 0. 815 0. 079槽边往事137 266. 168 279. 901 0. 028 0. 009 0. 710 0. 129张佳玮写字的地方26 43. 577 102. 339 0. 019 0. 014 0. 366 0. 088为你写一个故事103 21. 097 33. 778 0. 021 0. 013 0. 520 0. 104萧秋水80 16. 413 16. 653 0. 039 0. 019 0. 032 0. 009张记杂货铺74 2. 014 1. 905 0. 019 0. 007 0. 021 0. 006陈大力39 1. 949 1. 589 0. 025 0. 007 0. 073 0. 014杂乱无章162 24. 599 22. 234 0. 030 0. 013 0. 388 0. 098极简志24 0. 042 0. 204 0. 019 0. 009 0. 012 0. 003孙志超170 1. 118 1. 375 0. 062 0. 023 0. 001 0. 001①新榜是为广告主、自媒体和平台等提供内容商业服务的第三方机构,能够对微信公众号内容发布情况进行每日检测,网址为https/ / 。174 管理评论第31卷2、数据平稳性检验如果时间序列不平稳,可能会出现伪回归问题。因此在分析面板数据前,必须先利用单位根检验数据的平稳性。常用的面板单位根检验方法有LLC检验、HT检验、Breitung检验等,但必须满足面板数据平衡的条件[53]。由于本文所用的是非平衡面板数据,适合采用Fisher检验,并将检验模型均设定为包含截距项、不含趋势项且滞后一期的ADF回归形式,检验结果如表2所示。所有变量都拒绝含有单位根的原假设,即可认为是平稳序列。表2 面板数据单位根检验结果变量Fisher单位根检验统计量P Z L∗ Pm结果打赏人数234. 193∗ ∗ ∗ -12. 949∗ ∗ ∗ -23. 089∗ ∗ ∗ 38. 572∗ ∗ ∗平稳UGC质量151. 831∗ ∗ ∗ -9. 455∗ ∗ ∗ -14. 843∗ ∗ ∗ 24. 012∗ ∗ ∗平稳自媒体影响力211. 159∗ ∗ ∗ -12. 243∗ ∗ ∗ -20. 821∗ ∗ ∗ 34. 500∗ ∗ ∗平稳注∗ ∗ ∗ 、∗ ∗ 、∗分别表示在1、5、10的水平下通过显著性检验;P、Z、L∗ 、Pm分别表示经过逆卡方变换、逆正态变换、逆逻辑变换、修正逆卡方变换后得到的Fisher单位根检验统计量。3、面板回归模型在验证了数据的平稳性后,即可对面板数据进行分析。在建立面板VAR模型研究各变量的动态关系前,本文先进行静态关系研究。以打赏人数为被解释变量,UGC质量和自媒体影响力作为解释变量,采用传统面板数据进行回归分析。为了减少异方差,并且增加结果的解释性,以下分析中变量全部取对数进行处理,分别表示为lndashang、lnugc以及lninfluence。首先确定是采用混合回归还是面板回归模型,由于F检验结果显示个体效应显著[F10,1058 205. 27,p0. 001],故应该采用面板回归模型。然后进行Hausman检验,结果显示,接受随机效应模型的原假设,即认为随机效应和固定效应无差异,应该采用随机效应模型进行估计。模型估计结果如表3所示。为了进行对比,表3同时给出了混合回归结果。从随机效应模型的结果来看,UGC质量与自媒体影响力对打赏人数均有正向影响且通过了1的显著性检验,R2为71. 79,表明两变量的解释力较强。对打赏人数影响最大的是UGC质量,在其他变量不变的情况下,UGC质量每提高1,打赏人数增加120. 8;其次是自媒体影响力,在其他变量不变的情况下,自媒体影响力每增加1,打赏人数增加97. 3。表3 面板数据回归结果变量混合回归随机效应系数标准误系数标准误截距项11. 054∗ ∗ ∗ 0. 2291 9. 231∗ ∗ ∗ 0. 335lnugc 1. 755∗ ∗ ∗ 0. 056 1. 208∗ ∗ ∗ 0. 044lninfluence 0. 825∗ ∗ ∗ 0. 014 0. 973∗ ∗ ∗ 0. 059R2 0. 7682∗ ∗ ∗ 0. 7179∗ ∗ ∗注∗ ∗ ∗ 、∗ ∗ 、∗分别表示在1、5、10的水平下通过显著性检验。4、面板VAR模型1模型设定与参数估计本文为探究打赏人数和UGC质量、自媒体影响力之间的动态影响关系,收集了一定时期若干微信公众号的打赏数据,建立面板向量自回归Panel VAR模型,所有变量都被视为内生变量,不考虑其他外生变量。模型设定为lndashangitlnugcitlninfluenceitβ10β20β30 ∑pj 1aj11 aj12 aj13aj21 aj22 aj23aj31 aj32 aj33lndashangit-jlnugcit-jlninfluenceit-jα1iα2iα3iε1itε2itε3it 1其中,i为个体标识,t为时期标识;lndashangit,lnugcit,lninfluenceit分别代表经过对数变换后,微信公众号i第9期雷羽尚,等打赏商业模式的动态互动机制研究175 在t时期的打赏人数、UGC质量、自媒体影响力;j代表内生变量的滞后阶数,α1i,α2i,α3i′为不可观测的个体固定效应,ε1it,ε2it,ε3it′为扰动项列向量。为了避免个体效应造成估计系数的偏差,本文采取向前均值差分即“Helmert转换[54] ”消除个体效应,以保证转换后变量和滞后变量正交,从而能利用滞后变量作为工具变量进行估计。考虑到GMM估计更为稳健,本文选择GMM方法估计模型参数。根据AIC及BIC最小信息准则,确定模型的最优滞后阶数为1。面板VAR模型估计结果如表4所示。表4 面板VAR模型GMM估计结果变量h_lndashang h_lnugc h_lninfluence系数标准误系数标准误系数标准误Lh_lndashang 0. 873∗ ∗ ∗ 0. 215 -0. 055 0. 093 0. 098∗ ∗ 0. 049Lh_lnugc -1. 654∗ ∗ ∗ 0. 499 0. 062 0. 218 -0. 100 0. 114Lh_lninfluence -0. 999∗ 0. 532 0. 221 0. 222 0. 006 0. 150注∗ ∗ ∗ 、∗ ∗ 、∗分别表示在1、5、10的水平下通过显著性检验;h_表示变量已经过Helmert转换。 Lh_lndashang、Lh_lnugc、Lh_lninfluence分别表示h_lndashang、h_lnugc、h_lninfluence的一阶滞后。2格兰杰因果检验为了检验变量相互之间是否存在因果关系,接着进行格兰杰因果检验,滞后期为1,结果如表5所示。从格兰杰因果检验的结果来看,UGC质量、自媒体影响力不是打赏人数的原因的假设分别在1、10的显著性水平下被拒绝,说明UGC质量和自媒体影响力的变化是打赏人数变化的原因。另外,打赏人数不是自媒体影响力的原因的假设在5的显著性水平下被拒绝,说明打赏人数的变化是自媒体影响力变化的原因。其他因果关系则不成立。表5 格兰杰因果检验结果格兰杰检验原假设卡方统计量P值结论UGC质量不是打赏人数的原因10. 975 0. 001拒绝∗ ∗ ∗自媒体影响力不是打赏人数的原因3. 522 0. 061拒绝∗打赏人数不是UGC质量的原因0. 350 0. 554接受自媒体影响力不是UGC质量的原因0. 998 0. 318接受打赏人数不是自媒体影响力的原因3. 948 0. 047拒绝∗ ∗UGC质量不是自媒体影响力的原因0. 770 0. 380接受注∗ ∗ ∗ 、∗ ∗ 、∗分别表示在1、5、10的水平下通过显著性检验。根据面板回归、面板VAR模型估计结果及格兰杰因果检验结果,可以对UGC质量、自媒体影响力与打赏人数之间的影响关系做出如下结论静态视角下,当期UGC质量和自媒体影响力对当期打赏人数有显著正向影响;动态视角下,上一期UGC质量和自媒体影响力对当期打赏人数有显著负向影响。此外,当期打赏人数反过来对下一期自媒体影响力有显著正向影响,但对下一期UGC质量的影响不显著。基于此,三者之间的互动模型如图3所示。图3 打赏商业模式核心变量互动模型3脉冲响应函数脉冲响应函数impulse response function,IRF能描绘一个内生变量的冲击对自身和其他变量带来的变化,并由此判断变量之间的时滞关系。因此,为了直观刻画变量之间的动态作用关系,本文给予各个变量一个标准差冲击,并采用蒙特卡洛方法模拟500次,得到各变量受到冲击后010期的反应。基于图3所示的互动模型,本文主要分析UGC质量和自媒体影响力对打赏人数的动态影响,以及打赏人数对自媒体影响力的反176 管理评论第31卷馈作用,其脉冲响应轨迹及累计脉冲响应轨迹如图4所示。横轴表示脉冲响应期数以天为单位,最大滞后期为10,纵轴是变量对冲击的响应程度。图4 脉冲响应图首先,分析UGC质量对打赏人数的动态影响。图4左上方浅色轨迹显示,面对UGC质量的一个正交化冲击,打赏人数在第1期产生负响应,之后缓慢回升趋向零刻度线。从图4右上方浅色轨迹可以看出,打赏人数对UGC质量冲击的累积脉冲响应为负值,并且随着时间逐渐增加直至稳定。这说明,UGC质量对打赏人数具有负面滞后影响,当期UGC质量的提高会导致后续几期打赏人数减少。其次,分析自媒体影响力对打赏人数的动态影响。如图4左上方深色轨迹所示,面对自媒体影响力的一个正交化冲击,打赏人数在前两期呈现正响应,两期后下降为负响应,最终收敛为零。图4右上方深色轨迹显示,打赏人数对自媒体影响力冲击的累积脉冲响应始终为正。这表明,自媒体影响力对打赏人数具有正面滞后影响,当期自媒体影响力的提升会促使后续几期打赏人数增加。最后,分析打赏人数对自媒体影响力的反馈作用。从图4左下方深色轨迹可以看出,面对打赏人数的一个正交化冲击,自媒体影响力在第1期产生正响应,之后缓慢下降,在第10期趋近于零,整体来看,自媒体影响力保持正响应状态。图4右下方深色轨迹也显示,自媒体影响力对打赏人数冲击的累积脉冲响应由零逐渐增加直至稳定。这表明,长期来看,打赏人数对自媒体影响力也具有正面反馈作用,即当期打赏人数的增加能使未来自媒体影响力得到增强。4方差分解方差分解通过将任一变量的预测均方误差分解为向量自回归模型中各个变量随机扰动项的贡献度,可以评估不同因素对某个变量影响程度的高低。为了比较UGC质量和自媒体影响力对打赏人数影响作用的相对大小,本文对打赏人数未来10期的预测均方误差进行方差分解,其结果如图5所示。从图5可看出,打赏人数的预测均方误差主要由自身构成。初始阶段,打赏人数自身的方差贡献度达到90左右,自媒体影响力的贡献度约为10,UGC质量对打赏人数无影响作用。但是随着预测期的增加,自媒体影响力的影响程度不断减小,UGC质量影响程度不断增加,第2期以后UGC质量对打赏人数的影响程度超过自媒体影响力。第10期后方差分解结果基本稳定,打赏人数、UGC质量对打赏人数的解释力分别达到53. 2和42. 2,而自媒体影响力的解释力十分微弱,不足5。总体看来,UGC质量比自媒体影响力更能预测打赏人数,对打赏人数的影响作用更大。5稳健性检验为了保证面板VAR模型估计结果的可靠性,本文从两方面进行稳健性检验一是考察对不同观测时间区间的样本,面板VAR模型的主要结果是否依然成立;二是检验主要结果是否受到UGC质量、自媒体影响力测第9期雷羽尚,等打赏商业模式的动态互动机制研究177 量指标的影响。图5 打赏人数的方差分解图首先,进行不同时间区间的稳健性检验。本文将总体观测时间划分为a、b、c三个区间,即4月20日 6月27日,6月28日 9月4日,9月5日 11月12日。接着分别利用三个时间区间的子样本估计面板VAR模型,并进行脉冲响应分析,结果如图6所示。178 管理评论第31卷图6 观测时间区间稳健性检验的脉冲响应图由图6可以看出,除第一个子样本外,后两个子样本的脉冲响应情况和图4结果十分相近,即说明变换观测时间区间,模型主要结论依然成立。对于第一个子样本,UGC质量与打赏人数之间的互动影响和前文结论相一致,但自媒体影响力的冲击对打赏人数在长期有负向滞后影响,并且打赏人数的冲击对自媒体影响力同样具有负向滞后影响,这和前文结论相悖。本文认为,原因可能在于微信宣布自2017年4月19日起关闭苹果设备的赞赏功能,子样本a正好处于这一事件发生的开始阶段,自媒体与苹果用户之间的互动联系减少,导致自媒体影响力和打赏人数均受到削弱,并造成二者的负面互动作用。而后两个子样本距离事件发生时间较远,所受影响较小,故结果较为一致。其次,进行UGC质量测量指标的稳健性检验。由于在面板VAR模型中控制了个体固定效应,即排除了自媒体异质性的影响,可以认为点赞数能反映自媒体内容质量的高低。故本文以头条文章点赞数而非其点赞数与阅读数之比来衡量UGC质量并进行归一化处理,重新估计面板VAR模型,其脉冲响应分析结果如图7所示。由图7可知,该结果与图4所示结果基本一致,即说明改变UGC质量的测量指标,模型主要结论不受影响,具备较强的稳健性。图7 UGC质量稳健性检验的脉冲响应图第9期雷羽尚,等打赏商业模式的动态互动机制研究179 接着对自媒体影响力测量指标进行稳健性检验。正如前文所述,关注度和覆盖度是反映自媒体影响力的两个重要维度,在此分别以归一化处理后的粉丝数、头条文章阅读数衡量自媒体影响力,重新估计面板VAR模型,所得脉冲响应结果如图8所示。对比图4可以看出,改变自媒体影响力的测量指标,主要研究结论依然成立,即模型具备较强稳健性。图8 自媒体影响力稳健性检验的脉冲响应图结论与讨论1、研究结论为了研究打赏模式核心要素即打赏人数、UGC质量与自媒体影响力之间相互作用的动态机制,本文建立面板回归模型和面板VAR模型进行实证分析,并结合脉冲响应分析与方差分解重点考察了UGC质量与自媒体影响力对打赏人数的动态影响,以及打赏人数对二者的反馈效应。综合上述分析,本文主要得出以下几点结论。首先,当期UGC质量、自媒体影响力对当期打赏人数有显著正向影响。面板回归模型结果显示,当期UGC质量和自媒体影响力对打赏人数的影响系数均为正,且通过了1的显著性检验。以往学者[4,9]基于问180 管理评论第31卷卷调查或个案分析发现,高质量内容是用户打赏的主要动机之一,本文通过实证模型进一步验证了该结论。另一方面,自媒体影响力越大,意味着其专业水平越高、吸引的粉丝越多,因而打赏人数越多。第二,UGC质量对打赏人数具有负向滞后影响。面板VAR模型的脉冲响应结果显示,在UGC质量的一个正交化冲击下,打赏人数始终表现为负响应状态。这意味着,当期UGC质量上升,打赏人数在后续几期会呈现下降趋势。本文认为可能的原因有两点。一方面,用户会基于过去经验形成对未来状况的期望,当期UGC质量越高,导致用户内心对未来UGC质量的预期或参考点也越高,未来UGC质量达不到心理预期从而产生不满意的可能性越高,因而打赏意愿越低,未来打赏人数越少;另一方面,当期UGC质量上升意味着当期打赏人数增加,而用户通过打赏表达了对自媒体的支持和认可后,短期内继续打赏的内部动机降低,因而后续几期打赏人数减少。第三,自媒体影响力对打赏人数具有正向滞后影响。脉冲响应结果显示,在对自媒体影响力的冲击下,打赏人数初期产生正响应然后逐渐减弱,累积脉冲响应始终为正,这说明,提高当期自媒体影响力,会促使未来打赏人数增多。本文认为,自媒体影响力的提高有利于增强其口碑效应,即已有粉丝通过宣传推荐吸引更多潜在粉丝关注该自媒体、欣赏其内容,从而促使未来的打赏人数增加。第四,打赏人数对自媒体影响力有正向反馈作用。面板VAR模型的脉冲响应结果表明,在打赏人数的一个正交化冲击下,自媒体影响力先上升然后回落趋向零刻度线,保持为正响应状态。本文认为,打赏人数越多,表明自媒体受到的认可和支持越多、其内容引发的情感共鸣越强烈,打赏用户更愿意对自媒体进行口碑传播,从而吸引更多潜在用户关注,因而未来自媒体影响力越大。第五,打赏人数对UGC质量无显著反馈作用。面板VAR模型结果显示,在UGC质量方程中,打赏人数滞后一期的系数未通过10的显著性检验,即打赏人数对未来UGC质量无显著影响。本文认为,UGC质量可能更多受到自媒体内部动因影响,并且打赏并非自媒体主要的经济来源,因此打赏人数对UGC质量的影响有限。2、理论贡献总体而言,本文的理论贡献体现在两个方面。一是首次实证研究了打赏商业模式中核心要素的动态互动机制,通过分析UGC质量、自媒体影响力与打赏人数之间短期和长期的相互作用,对打赏行为的影响因素与作用效果的研究提供了经验证据,并进行了一定的补充和拓展。以往学者主要关注打赏商业模式的发展现状和趋势,或者定性探讨消费者打赏行为的动机与作用效果,很少从定量的角度进行验证,本文即弥补了这一研究不足,丰富了打赏领域的实证研究。结果表明,UGC质量和自媒体影响力确实有利于增加当期打赏人数,支持了以往学者在消费者打赏动机方面的理论假说;然而,当期UGC质量的提高会导致后续几期打赏人数呈现下降趋势,本文认为可能与用户心理预期提高、打赏内部动机不足有关,该现象的形成机制仍值得未来学者进一步研究和探讨;另外,打赏人数的增加反过来能促进未来自媒体影响力的提高,拓展了打赏与UGC传播效果互动关系的研究。二是打赏可以视为一种不确定的金钱激励,本文通过研究打赏人数对UGC质量的影响,间接地检验了不确定的金钱激励在用户生产内容方面是否存在激励效果,进而对金钱激励效果的研究进行了补充。从经济学角度来看,金钱激励能促使个体表现更好,但在心理学视角下,金钱激励可能挤占或削弱个体的内部动机,从而使其表现更差;同时,国外学者在金钱激励对UGC质量的影响上也并未得出一致的结论。本文结果证实,打赏人数对未来UGC质量无显著影响,与Chen等[28]的研究结果相符。在本研究情境下,打赏收入由于具有不确定性,不是内容生产者主要的经济来源,不会使外部动机显著增强,从而提高其内容质量;也不会对其内部动机造成挤出效应,导致内容质量降低。因此根据这一结论,本文认为不确定的金钱激励对UGC质量无显著影响作用。3、管理启示根据实证研究结论,本文对打赏商业模式中的自媒体如微信公众号及广告主提供以下几点建议。首先,自媒体应该保持内容质量稳中有升的趋势,以实现打赏人数螺旋式增长和维持打赏商业模式的可持续发展。一方面,面板回归结果证实,当期UGC质量对当期打赏人数有显著正向影响;但是另一方面,脉冲响应分析的结果显示,当期UGC质量的提高会对滞后期的打赏人数产生显著负面影响。也就是说,提高当期UGC质量,打赏人数会先增加再回落。本文认为UGC质量的负面滞后效应与用户心理预期有关,内容质量第9期雷羽尚,等打赏商业模式的动态互动机制研究181 的陡然提升会使用户形成过高预期,当未来内容质量恢复正常时用户会产生较大心理落差、打赏意愿降低,打赏人数减少。为了降低这种心理落差带来的负面影响,自媒体应当保证内容质量的平稳变动,避免用户对内容质量的心理预期发生大幅度变化。在此基础上,自媒体可以通过逐步调整语言风格、丰富内容表现形式等方法,使UGC质量呈现稳中有升的态势,推动打赏人数螺旋式增加和打赏商业模式的可持续发展。其次,自媒体可以通过各种渠道扩大自身影响力,以吸引更多受众打赏,并进而推动打赏人数与自媒体影响力的良性互动发展。本文发现,自媒体影响力不仅对当期打赏人数有显著正向影响,而且对未来打赏人数有正向滞后影响;同时,打赏人数的增加反过来能够显著促进自媒体影响力的提升,即二者之间存在正向反馈效应。基于此,自媒体应当充分利用这一良性互动机制,通过各种宣传推广手段比如激励用户在社交媒体上进行口碑传播以扩大自身影响力,以促进打赏人数的不断增加。此外,对于广告主而言,可以根据打赏人数动态预测自媒体影响力的变化趋势,从而选择最佳的广告投放对象,以尽可能提高广告的有效性。由于打赏人数对自媒体影响力有显著正向反馈效应,即上一期打赏人数越多,当期自媒体影响力越高。因此在缺乏衡量自媒体影响力的准确指标时,广告主可以基于最近几期自媒体生产内容的打赏人数,预估未来自媒体影响力的变化趋势,判断广告投放效果,从而决定是否向其投放广告。4、研究局限与未来研究方向由于数据的收集受到人力和时间成本的限制,本文所选样本较少,仅涉及到生活情