| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 市场/贸易 |
| 基于用户社区参与的知识付费影响因素研究 |
| 第656期 作者：□文/张 砚 时间：2021/5/1 15:21:28 浏览：253次 |
［提要］ 本文从用户在社区中不同参与行为频率角度，研究有哪些行为特征的用户会进行订阅制知识付费。使用在知乎平台历时32周追踪的约38万用户的行为样本，采用偏差校正Logit模型和补对数-对数模型在用户历史的行为数据和是否付费间建立联系。结论显示：在社区内累积内容浏览和内容组织行为较多的人更多的产生付费行为，历史内容贡献与付费行为间无显著联系。
关键词：知识付费；用户参与；logistic回归
中图分类号：F 文献标识码：A
收录日期：2021年2月8日
一、引言
自2016年至今，知识付费行业的发展从快速发展期过渡到成熟期，虽然市场总量一直在增长，但是跟风和尝试性付费的群体减少，观众对内容质量的要求越来越高，平台间的竞争也愈发激烈。知识付费的发展历程中衍生出按内容付费、付费问答、订阅、付费围观、打赏等多种交易形式，目前来看，订阅制被更多的平台所采用。回顾以往研究，学者常常从心理角度讨论用户付费的动机，包括用户对商品价格和预期收益的评估、对内容提供者的信任、好奇、学习需求的紧迫度等。也有研究从内容产品特征出发，分析产品介绍、评分、内容供应者粉丝量等职质量信号对产品销量的影响。大部分研究讨论的是如何促进单个知识产品的销量提升，与促进用户订阅存在一定差异，因为影响用户订阅动机的更多是用户对平台整体资源水平和付费内容整体价值的估计，本研究针对知识付费中订阅付费的商业模式，从用户行为角度出发，讨论用户在社区的参与程度在预测用户付费方面的贡献。
二、文献综述与假设
（一）知识付费及其影响因素。“知识付费”一词在2016年走进大众视野，被用于概括在线平台以付费订阅、付费问答、付费课程、内容打赏等形式将知识产品转化为经济效益的商业模式。现有研究主要从用户认知和产品特征角度讨论影响用户付费意愿和行为的要素。用户认知层面，基于计划行为理论模型（TPB）、技术接受模型（TAM）、使用与满足理论等结构方程模型，揭示用户付费意愿的形成机制。最具代表性的付费意愿影响因素体现在用户感知价值方面，由感知收益和感知成本构成。感知收益可提现在用户对内容产品质量、服务质量、产品有用性的评估；感知成本包括用户对付费产品价格、需要付出的精力，以及使用习惯带来的转换成本的认知。
产品特征层面，基于信号理论，研究者收集平台上公开展示等知识产品及其生产者的信息（信号），并将其与产品销量间建立联系。Zhang等的研究便发现了内容产品评论、内容生产者声誉和粉丝量的信号对产品销量的积极影响。综上所述，现有研究主要从用户端和产品端两个视角讨论如何促进消费。用户反馈的个体动机为理解购买意愿的形成做出了重要贡献，但意愿如何转化为付费实践需进一步讨论。
（二）知识社区的用户参与。知识社区的发展依赖用户多种形式的参与，如提出信息需求、分享信息、对内容作出反馈、与其他用户社交等。社区内不同类型的行为相互关联，且遵循一定规律出现。如Oestreicher-Singer和Zalmanson总结，用户在生命周期的不同阶段有代表性的参与行为，几乎所有的用户都是从社区的读者开始参与到社区中来，随着用户愿意投入一些资源到社区，评论、点赞等行为出现，用户参与组织社区的内容，之后，随着参与程度继续进阶，用户在社区中产生原创性的内容贡献或成为某一版块的领导者，这种现象被归纳为“用户参与的进阶”。邓胜利和蒋雨婷则从信息流动方向的角度对知识社区用户参与行为进行分类。参考以上研究，本研究将用户参与分为内容浏览、内容组织和内容分享三类，从浏览到分享，用户从资源索取者转化为贡献者，且投入到社区的资源逐渐增多。
（三）用户参与预测付费。付费模式的引入增加了用户的资源贡献方式，有少量研究关注到这内容社区的这一转型，但对付费和其他社区参与行为关系的理解存在不同观点。Oestreicher-Singer和Zalmanson基于承诺理论指出，用户付费行为与用户在社区的参与程度（承诺程度）相关，用户在任何一种参与活动中的活跃表现都与付费正相关，在此基础上，更高层次的参与活动情况对预测付费的贡献率更大。而Wu等则认为处于中低阶段参与状态的客户会更多地出现付费行为，因为显现出高层次参与行为的用户已经投入了自身的知识、精力资源，在此基础上付费意味着增加更多的投入和承担更大的收支不平衡的风险，出于风险规避的心态，在社区中浏览信息更多的用户比在社区中发布更多内容的用户更容易产生付费。
基于有限研究提供的差异化结论，本研究期望用一个整合的框架讨论用户历史的参与行为对订阅制付费的影响。从用户参与的进阶效应出发，付费行为需要用户较大的资源投入，可被归纳为高层次参与，因此更可能出现在已经在社区中存在低、中和高层次参与行为的用户身上。参与程度的提升是在用户现有参与行为积累到一定阈值后出现的。因此，我们假设：
H1：用户累计内容浏览行为频率正向影响付费订阅
H2：用户累计内容组织行为频率正向影响付费订阅
H3：用户累计内容分享行为频率正向影响付费订阅
三、研究设计
（一）数据收集。本研究选择国内知名的知识社区知乎进行数据采集工作。首先，我们随机选取一名社区用户并通过网站API递归访问其粉丝和关注的人主页获取用户ID，之后，每周用Python循环获取一次这些用户的行为数据，最终获得了约38万名用户连续32周的行为数据。由于数据收集的前4周是知乎订阅制推出的周年庆时期，有折扣或其他促销活动，分析时使用的数据集由32，679名在5～32周有付费行为出现的用户和约34万名非付费用户组成。
（二）数据分类及描述统计。用户行为数据的界定和均值描述统计汇总如表1所示（用户在第4周的截面数据）。表格中的前三组数据分别描述了用户不同层次参与行为的累积值。用户特征类变量是研究模型中的控制变量，考虑了性别、用户是否获得职业认证或优秀回答者认证（0-1变量）、用户在社区中活跃的时间这些变量对付费可能存在的影响。（表1）
四、数据分析
（一）回归模型。本研究采用Logit回归讨论用户是否付费这个0-1变量的影响因素。由于付费是个小概率事件，可能存在稀有事件偏差，我们在Stata15软件里运用偏差校正Logit模型和补对数-对数模型进行数据分析。虽然本研究获取的数据是面板数据，考虑到面板Logit在面对小概率事件估算的结果可能有偏，我们实际上进行的是混合回归。
（二）回归结果及讨论。使用偏差校正Logit模型和进行数据分析，结果如表2所示，第2列展示了补对数-对数模型的估计结果，以验证回归结果的稳健性，最右列展示了自变量变动1%时付费倾向变动几个单位。偏差校正Logit模型和补对数-对数模型在因果关系的显著性和影响的正负性上得到了一致的结论，说明研究结果有较高的稳健性。（表2）
内容浏览行为方面，用户关注的问题总数和专栏总数和付费行为正相关，部分支持了H1的假设。关注人数对付费的负向影响偏离了本文的假设，对比已有研究发现，加好友更多的被归类为社交行为而非信息获取行为。社交对付费的正影响来自好友网络中付费用户的示范作用。本研究的自变量选取的是焦点用户的好友总数，得到的结论实际上和邓胜利和蒋雨婷的结论一致，可以通过付费是稀有事件，好友多的用户更容易从众不付费解释。内容组织行为方面，用户的收藏夹和提问都对付费有正影响，H2得到支持。内容分享行为方面，总体来看与付费的关系不显著，H3没有得到支持。分组总结我们的研究结论，可发现内容浏览和内容组织类更倾向于知识资源获取的参与行为能较有效的被用来预测付费。
五、研究结论及启示
（一）理论贡献。本研究在理论上为使用用户行为数据预测付费提供了一个理论框架。研究从多角度讨论了付费行为与社区参与行为的关系。付费需要用户在平台上有一定程度的参与，但不一定是高层参与的产物。这个现象可以分两方面理解：一方面用户参与的进阶效应是存在的，将结论结合起来看，会付费的用户是在社区中累积的内容浏览和组织行为较多的群体，即进阶且维持在一个中层次参与者身份对付费存在积极影响；另一方面考虑到用户资源是有限的，让知识贡献和金钱贡献类资源贡献行为同时出现在一批用户上较难实现，两类行为更可能是并行存在与不同群体。社区中的用户可能同时存在多种角色，但付费并不一定是用户产生内容贡献行为后的下个参与阶梯。从本研究的结论出发，更多的在社区内获得知识的人会更倾向于付费。
（二）实践启示。研究支持了一个预测付费行为的新视角。我们认为，平台管理者除了关注付费内容质量、特征的审核外，也可以通过平台可知的用户行为数据，分析用户的付费倾向，从而在促销等活动中进行有针对性的推广，争取到潜在的付费订阅用户，从而提升经济效益。
（作者单位：北京航空航天大学经济管理学院）
主要参考文献：
［1］邓胜利，蒋雨婷.用户交互特征对知识付费行为预测的贡献度研究［J］.图书情报工作，2020.64（08）.
［2］周涛，檀齐，Takirova Bayan，邓胜利.社会交互对用户知识付费意愿的作用机理研究［J］.图书情报工作，2019.63（04）.
［3］赵宇翔，刘周颖，朱庆华.从免费到付费：认知锁定对在线问答平台中提问者转移行为的影响研究［J］.情报学报，2020.39（05）.
［4］Oestreicher-Singer G，Zalmanson L.Content or Community A Digital Business Strategy for Content Providers in the Social Age［J］.Mis Quarterly，2013.37（02）.
［5］Wu J，Huang L，Zhao J L，et al.The deeper，the better Effect of online brand community activity on customer purchase frequency［J］.Information & Management，2015.52（07）.
［6］Zhang M，Zhang Y，Zhao L，et al.What drives online course sales Signaling effects of user-generated information in the paid knowledge market［J］.Journal of Business Research，2020（118）.
|
|
|
|
