本文是一篇电子商务论文，本文讨论的互动转化率是指通过弹幕互动吸引的打赏行为。与网络直播有关的行业特点就是这种传播形式的互动性。弹幕互动和打赏互动是直播情景中主播与观众之间以及观众与观众之间核心的互动形式。因此这种互动性也一直受到学者的广泛关注。
第一章 文献综述
第一节 网络直播行为决策相关研究
一、网络直播观众行为及动机研究
基于本文研究的核心问题，本文总结了网络直播用户行为分析相关的研究。目前相关的研究主要从用户动机和需求满足，主播策略和主播行为，以及直播互动性和交互性等三个方面的角度开展。网络直播中从需求和认知的角度分析用户行为和用户动机的相关研究在国内外有了一些定性和定量的研究展开。从需求的角度来讲，杨刚等（2018）认为利用网络直播获取信息的需求是用户行为发生的重要因素，用户会根据不同的偏好和目的在网络直播中选择不同信息行为。付业勤等（2017）同样从需求的角度对用户的直播观看动机和观看特点进行了总结，认为用户的观看动机包括消遣娱乐、好奇满足、炫耀好强、社会交往、寻求归属等，符合马斯洛需求层次理论。钟绪君，王燕荣（2016）在总结了网络大环境，新型直播媒介的传输特点后，认为观众能够从实时互动的信息媒介中获得在情绪交流、信息互动、获取认知和自我强化等需求的即时满足。续蔚一（2016）在社会调查后同样得到了这一点的结论，同时网络直播还可以满足用户在网络中消费的需求。可以看出，国内学者早期主要是从用户需求和用户心理的角度对网络直播带来的变化进行讨论，用户观看直播的心理动机与直播的互动性和即时性密切相关。
一些学者利用实证研究分析了直播在不同领域的应用中观众的具体动机的影响过程。在游戏直播上，Chen Chi-Ying（2019）聚焦于游戏直播平台受众的两种使用动机，包括了信息寻求动机和逃避现实的动机，通过实证数据分析得出这两种动机对于用户的心理感知和网络沉迷具有一定的调节效用。Hamari J（2015）探讨了人们观看电子竞技游戏直播的动机，通过对观众进行了实证调查收集数据，研究分析发现，逃避现实生活、获取游戏知识、满足猎奇的新奇性和娱乐性等对观众观看直播的频率具有正向积极的影响。部分学者则讨论直播在教育方面的带来的影响，Zarybnick（a2017）通过实证案例分析了用户使用网络直播的需求和情景，认为网络直播是用户获取信息和知识的良好媒介，这种形式能够发挥全民科学教育的潜力。
第二节 网络打赏相关研究
一、打赏模式研究
打赏模式作为一种自愿付费的新模式受到国内外研究学者的关注。目前已有不少学者对打赏模式进行了一些定性的分析和探讨。付业勤，罗艳菊等（2017）认为在直播中，良好优质的内容是发展的基本，为用户提供即时互动是发展的桥梁，打赏收益的提升才是发展的动力。郑丽勇，陶书宝（2017）分析了微博打赏模式对网络原创内容的激励效应，数据显示用户打赏行为更多是理性消费，能够对用户具有直接效用的情况获得打赏的几率更高。张聪，吴思岐等人（2015）从自出版平台中打赏的问题和特点出发，认为打赏是免费与付费的结合，注重互动模式，优质内容对用户打赏的推动作用更强，未来应注重原创内容的发展。黄艳明，姜海月（2015）利用扎根理论定性分析了打赏行为的产生过程，通过调查和访谈，总结出用户产生打赏意愿与其从中获得的情绪满足和互动参与感等因素相关。王霜奉（2016）认为打赏将走进人们的日常生活，成为人们之间表达支持和情感的新方式，是否愿意打赏也是粉丝变现的重要途径，如何积极促进观众打赏是网络直播发展的一个方向。可以看出，打赏模式是企业盈利的重要模式，打赏行为的产生受到多种因素的影响，与用户的需求和效用满足情况有关。
二、打赏行为影响因素研究
打赏行为作为与支付和盈利相关的新的行为模式，部分学者研究讨论了打赏行为产生的动机和相关的影响因素。彭林（2019）用扎根理论讨论了用户发生打赏的动机和因素，基于使用与满足理论、感知风险理论、依恋理论、场域理论对用户行为动机逻辑进行解释。用户的打赏行为的动机与主播特点，社会规范，直播情景和用户社交情感需求密切相关。雷羽尚,杨海龙（2019）利用实证数据探讨了自媒体公众号的打赏模式的动态反馈机制，探讨了UGC质量，打赏人数，自媒体影响力的之间的静态和动态影响关系。UGC质量和自媒体影响力都会正向影响打赏人数，而打赏人数只对自媒体影响力具有正向反馈，对UGC质量则无反馈影响。
第二章 研究设计
第一节 网络直播不同直播时段情景分析
网络直播行业在3年的飞速发展和急速增长后，艾媒数据显示截至2019年，观众用户规模增速已经开始放缓，直播行业的各个平台的分布格局也趋于稳定，各个直播平台开始更多的关注直播内容的生产与创新、头部和腰部主播的引导和培养，促进行业制度化、主播职业化的健康发展⑦。了解主播的不同行为决策所带来的收益规律是备受企业和学者关注的。
一、直播时段分布特征分析
（一）用户活跃时段分布
直播观众的行为习惯和需求满足一直以来都受到平台企业和研究学者的关注，数据报告显示，每日用户观看时间分布如图2-1所示，从该图可以看出，直播用户的活跃时间段主要集中在晚间，晚上20点-22点成为活跃用户的高峰期段，峰值出现在21点左右。其中，大约81.2%的用户将会集中在晚上18-24点观看直播，用户的观看需求和互动需求在晚间“黄金时间段”均会达到高峰时期⑧。
第二节 理论模型与研究假设
随着网络直播的发展，主播之间的竞争也越来越激烈。资源基础理论表明，在有限的资源下，个体的竞争通过加强对有价值资源的控制来争取更多的竞争优势。对于主播而言，观看用户和活跃用户数量就是他们在竞争过程中极力控制和争取的关键资源。有研究表明，主播之间的人气资本竞争已经成为常态化，主播和主播的竞争可以形成主播场域，竞争的资本就是用户流量，也因此为保持竞争力，主播会基于自身的偏好和参考选择不同的直播时段策略。
根据对现有观众行为理论、主播竞争理论以及直播互动性相关理论的整理，本文从竞争环境下用户行为和互动质量的角度出发，对不同直播时段选择决策产生影响的过程逻辑进行分析，梳理出本文核心的理论基础和研究假设。选择热门直播时段决策的影响逻辑示意图如图2-3所示。
第三章 数据收集与实证研究………………………30
第一节 数据收集与描述性统计分析…………………………30
一、数据收集………………………………30
二、描述性统计分析……………………………31
第四章 研究结论与展望……………………………41
第一节 研究结论…………………………………41
一、时段选择对打赏收益率的显著影响……………………………41
二、互动转化率的中介作用………………………………42
第三章 数据收集与实证研究
第一节 数据收集与描述性统计分析
一、数据收集
本文的以网络直播的主播行为策略和打赏收益为核心研究对象，为了获取主播的各项详细数据，本文选取了小葫芦大数据网站作为数据获取对象，目前已有5000多万网络主播加入了小葫芦数据网站，包含了发展良好的9个直播网站的主播数据，其中斗鱼、虎牙等作为行业领头企业，其平台主播数据基本全部入驻小葫芦数据中心，这使得本文研究的数据来源具有良好的可靠性和易得性。
（一）直播平台选择
本研究在直播平台上选择了斗鱼和虎牙平台作为数据收集的基础。从整体平台的主播数、平台收益、运营规范化而言，目前发展事态良好，受到广泛关注的平台就是虎牙和斗鱼，两个平台以游戏直播为核心，并行发展娱乐直播，具有非常广泛的数据来源和数据样本。直播平台作为本研究的控制变量，设置为虚拟变量，分别为虎牙平台的变量值为1，斗鱼平台为0。
（二）直播类型选择
本研究在直播类型上选择游戏直播作为数据收集的基础。从行业直播数据来看，从主播偏好上来看，游戏直播一直是收到主播青睐的最高分类。此外，相比娱乐类直播，游戏直播的门槛相对较高、内容更加专业化、并且用户定位更加明确，主播的特点和直播习惯分类更加明确（付业勤，罗艳菊，张仙锋，2017）；细分的游戏类型下不同的直播有着不同技术门槛和直播特点，能够很好的对游戏大类进行细分，具有很好的研究基础。在选择游戏直播类型作为研究对象的基础上，本文首先选择了细分游戏类别为《王者荣耀》。数据显示，在游戏直播领域中发展规模最为庞大的游戏分类就是王者荣耀，游戏分类中王者荣耀分类主播占比最多。无论是主播分布还是用户热度，都具有较为庞大的样本群体，以王者荣耀游戏分类作为本研究的基础数据样本有利于研究结果的普适性。
第四章 研究结论与展望
第一节 研究结论
本文抓住网络直播中的打赏收益这一热点行为，从主播侧的行动策略为切入点，探讨主播的直播时段选择对其打赏收益率产生的影响和影响路径，基于对游戏直播数据的实证数据检验，我们最终分析了不同的时段选择行为是如何影响打赏收益的，并且讨论了在主播量级大小不同的情况下，不同时段选择行为的影响路径是如何发生变化的。本文从网络直播中观众的观看时段规律和主播的直播时段选择规律的现象出发，基于以往对于网络直播中用户需求满足，直播互动性特点，打赏行为动机等相关研究的梳理，从主播竞争和使用满足理论的逻辑出发，以主播的直播时段选择为自变量，主播的打赏收益率为因变量，互动转化率为中介变量，主播量级为调节变量，建立了一个有调节的中介模型，来探讨时段选择对打赏收益率的影响过程。
根据本研究的理论研究模型，本文依次对时段选择对打赏收益率的主效应，互动转化率的中介效应，主播量级的调节效应等进行数据检验和探讨。本研究不仅明确了时段选择行为是如何影响打赏收益率（互动转化率的中介作用），而且对时段选择在不同条件下影响打赏收益率的显著性和路径差异进行了分析（主播量级的调节作用）。研究结果对主播策略与打赏行为的关系和影响路径，以及竞争环境下的时间选择行为提供了更多的理论支持，对网络直播企业和主播的行为决策提供了良好的借鉴意义。
参考文献（略）