社交媒体用户营销信息分享行为
——受评忧虑与系统反馈视角

李 旭，王刊良

中国人民大学 商学院，北京 100872

引言

随着社交电商的兴起和发展，越来越多的商家选择通过微信和微博等平台发布各类营销信息，借助社交媒体的庞大用户群体及其高密度的社交关系链实现信息迅速扩散和病毒式营销[1-2]。

社交媒体中营销类信息可分为求助型信息和非求助型信息两大类，求助型营销信息是指商家采用优惠券和积分等奖励机制吸引消费者，需要他人的点赞和助力等方式帮助自己获取优惠的信息，如用户拉新、好友拼团、砍价优惠和助力营销游戏等。单纯的营销类信息，如新品发售的相关信息、口碑信息和商家活动信息等，则为非求助型营销信息。2018年中国社交电商行业规模达6 268.5亿元人民币，同比增长255.800%，其中，以拼多多为代表的拼购类社交电商规模超5 000亿元人民币，而求助型信息是这类新型社交购物模式的重要载体，平台依托社交裂变实现高效低成本引流，用户扮演购买者和推广者的双重身份[3]。学术界对于这方面的研究还处于起步阶段，本研究主要关注求助型营销信息的用户分享行为发生机理。

值得注意的是，用户在社交媒体上的行为大致呈现“90-9-1”的模式，即90%左右的用户在社交媒体平台上只浏览信息，9%的用户有点赞、转发和评论等社交互动行为，只有1%的用户会主动创造内容[4]。凯度公司发布的《2018中国社交媒体影响报告》显示，超过93%的用户认为社交媒体给他们的生活带来消极影响，其中一个方面表现为经常被动或强迫地做一些他们不想做的事情，如帮助他人投票或点赞以获取优惠的价格等[5]。针对求助型营销信息，艾媒咨询调查研究显示，在用户不愿意继续使用拼购电商的原因中，不喜欢这类平台和不喜欢这种通过牺牲自己的社交资源来换取优惠的价格购物方式的分别达到22%和19.500%[6]。这些调查结果表明，运营商和商家设计的各种分享激励机制并未达到理想的效果和有效的反馈，甚至还给用户带来负面的影响。

用户的信息分享和转发行为是近年来学界重点关注和探讨的热门话题之一。已有研究主要从信息特性、用户情绪和系统特征3个视角探究用户分享意愿和行为的影响因素，并且大多涉及新闻类信息[2]、健康类信息[7]和医疗众筹捐款类信息[8]等情景，而对营销类信息的转发和分享关注相对较少。为数不多的研究目前也主要聚焦于从积极的视角揭示用户信息分享行为的发生机制，包括社区互动性等[9]外部环境因素、经济利益刺激[10-11]和积极情绪预期[12]等。对于用户分享过程中可能存在的负面情感等阻碍因素鲜有学者进行深入探究。

俗话说“谈钱伤感情”，社交媒体中的营销信息最显著的特征在于其带有经济和商务属性，分享这类信息可能在一定程度上披露个人的经济水平和消费观念等信息。最近的研究发现，个人社交平台的好友复杂度越高，用户在社交网站上发布商业类信息的意愿越低，且用户认为即使自己分享了也可能被好友忽略[13]。此外，分享后受众的反馈也是信息发送者十分关注的因素。因此，用户在分享这类营销信息前，需要消耗更多的认知资源权衡利弊，这使他们更加谨言慎行。

特别是，用户在分享信息时对分享后的结果有所预期，即对分享后能获得的价值和可能发生的损失进行权衡后再做出抉择。根据前景理论[14]，人们对损失比对同等程度的获得更加敏感。其中，损失主要包括对信息分享后不确定的感知、社交成本的增加、受众的负面反馈和自我形象受到影响等，即分享可能引发用户的受评忧虑。商家如何措辞减少用户的这一分享忧虑、平台如何设计更好的分享机制以提高用户体验等问题亟待解决。

鉴于此，本研究提出以下研究问题：①对于商家发布的求助型营销类信息，用户感知分享价值高时是否更可能选择分享；②用户在做关于营销类信息的分享决策时是否受到受评忧虑心理的影响，其作用机制是怎样的；③系统反馈特征(即反馈信息丰富程度)在用户分享营销类信息的过程中扮演怎样的角色。

本研究从损失规避的视角出发，聚焦社交媒体用户在分享营销信息时的心理变化，通过探究感知分享价值、受评忧虑、系统反馈特征与营销信息分享行为之间的交互影响机制，着重强调受众反馈对信息分享者行为决策的重要作用。本研究旨在发现消费者分享决策行为规律，指导商家如何从用户心理视角调整营销策略，指导平台运营商如何通过系统设计展示反馈信息，以降低用户的受评忧虑等负面情感体验，推动用户更主动地分享和参与。

1 相关研究评述

1.1 信息分享行为

社交媒体用户信息分享行为是一个复杂的决策过程，以往学者主要从两个方面对这一行为进行研究。一是影响用户分享的客体因素，即信息本身的特性和系统的特性[15]，如信息质量、数量(或长度)、实用性、趣味性和互动性等因素；二是影响用户分享的主体因素，主要包括分享者的分享动机、个性特质和情绪等。其中，分享动机又可以分为内在动机和外在动机[16]，如信息分享者体验到的享乐性价值感知、感知实用性价值、互惠性[17]、时间紧迫感、信息唯一性[18]、社区归属感、利他性[19]和自我效能等。但这些研究主要从积极的视角对用户信息分享行为进行探索，而对负面的影响因素挖掘不够深入。

CHEUNG et al.[20]从正、负两个方面研究感知收益和感知成本对用户在社交网络中的自我披露行为的影响。但该研究仅涉及隐私风险这一负面因素，未考虑用户的情感体验在社交网络活动中的重要作用。已有研究发现社交媒体用户的使用行为受到很多负面情感和消极情绪的影响，如社交媒体倦怠和焦虑等[21-22]。针对营销类信息，有学者发现信息的展现形式和呈现环境对用户的情绪产生刺激，进而影响其后续的分享转发行为[23]。本研究将在此基础上针对这类信息，从与受众交互的视角，探寻用户分享过程中潜在的心理阻碍因素。

特别是，上述研究涉及的信息均属于非求助型信息的范畴，而带有求助特性的信息在分享行为发生机理上可能与之有较大区别。具体而言，求助型营销信息和非求助型营销信息在分享时均包含内在和外在动机、利己和利他动机，不同之处在于：①求助型营销信息的外在动机更强，非求助型营销信息更多地来源于内在动机；②求助型营销信息的利己动机先于利他动机，且更多地表现在物质层面，分享非求助型信息的利己动机主要表现在精神层面。表1给出对两类信息的详细对比。

表1 求助型和非求助型营销信息分享Table 1 Help-seeking and Non-help-seeking Marketing Information Sharing

本研究关注具有求助特性的营销信息的分享行为，学术界对于这方面的研究还少有涉及。杨娟[24]认为，求助是信息搜寻并实现信息共享的过程，消费者基于自身需求的信息共享即为求助，在品牌社区内表现为向企业或其他消费者发布信息以解决自身问题的交互式行为。消费者在品牌社区内的关系强度较弱，求助行为通过持续互动可以增加社会资本[26]。DEPAULO et al.[27]在研究线下情景中的求助行为时认为，人们在寻求帮助过程中的障碍因素包括害怕来自他人的负面反应，而这种负面反应包括羞辱、害怕保密被破坏、害怕被视为寻求关注等。新型社交购物模式下主要借助用户自身的社交网络进行信息的传播互动，信息分享者与接收者之间的关系更为亲密，因此求助互动过程反而可能消耗用户的社会资本。

线上推荐系统中消费者帮助商家营销的行为实质上也是一种信息分享行为，HONG et al.[25]针对这一行为，应用博弈论原理和动机理论探究推荐发起者与回应者之间奖励的公平性和社会距离如何共同影响在线推荐系统的表现，并发现在社会距离较小的情况下，货币激励可能无法发挥作用。该研究与本研究情景相近，不同之处在于，本研究的奖励是用户分享最前端的激励因素，且分享对象主要为社会距离较小的亲戚和朋友等，在分享过程中双方的利益也是捆绑在一起的。花建锋等[28]研究新型网购拼单模式中消费者行为的影响因素，重点关注参与拼单的消费者之间的关系强度、订单进度、拼单要求数量对消费者感知价值表现和拼单意愿的影响。该研究的对象是信息接收者，即消费者在看到拼单信息后的行为反应，本研究重点关注信息分享者(即发起者)的行为发生机理。

值得注意的是，这类求助型营销信息的分享行为与社交媒体上的其他求助行为也有所不同。越来越多的学者针对虚拟学习社区[29]、医疗众筹[8]和助力投票[30]等情景中的求助行为进行研究，但用户的信息分享动机大多源于利己价值，受益方也仅涉及分享者一方。而消费者分享拼单、助力和砍价等营销信息不仅可以给自己带来收益，施助者通过参与互动也能获得相应的奖励，这种互惠情景下的求助行为需要进一步深入探究。

另外，用户转发和分享信息的行为本质上是一个信息扩散的过程。根据通信理论，信息扩散过程包含一系列的要素，有信息发送者、接收者、信息本身、媒介和信息反馈，信息扩散过程见图1[31]。早期的研究更多地将信息扩散看作单向传播的过程，而忽略了信息接收者的反馈对发送者的重要影响。基于此，LIU et al.[31]提出社交网络信息扩散模型，认为信息噪音的干扰和信息接收者的负面反馈在信息扩散过程中起强烈的阻碍作用；HILDEBRAND et al.[32]研究发现，消费者在社交网络社区中负面的反馈会降低自我设计产品的满意度，减少用户的创造性。针对社交媒体用户，PENG et al.[33]研究社交网络重合度(即信息发布者与接收者之间共同关注和被关注好友的数量)对信息分享行为的影响。上述研究从信息扩散双方的视角进行探讨，但未涉及系统设计方面。

图1 信息扩散过程Figure 1 Process of Information Dissemination

尽管大量研究都强调系统质量和服务质量在系统设计中的重要作用[34]，但鲜有研究涉及具体的系统特性研究。已有研究主要针对电商平台的评论特征和属性进行探讨。CHEN et al.[35]对电商平台的评论显示特征进行研究，结果表明商家对在线客户评论的反馈对评论者和后续浏览评论的用户的行为反应产生影响；HUANG et al.[36]基于社会价值取向理论，研究合作(如你发布的内容对N位用户有用)、个人(你发布的内容已位于榜上前N%)、竞争(你在榜上打败了N%的人)3种框架下反馈信息对社交媒体用户生成内容行为的激励作用。就本研究涉及的社交媒体平台中的点赞、转发和评论等系统反馈属性，ALHABASH et al.[37]的研究表明，点赞、转发和评论的数量是典型的测量公众卷入度的关键指标；黄锴[38]针对微信平台增加阅读数量和点赞功能后的效果进行评估后发现，该指标的增加使用户可以更加直观地了解文章的热度和阅读效果，广告主也可以进行更有效率的投放；LEVINA et al.[39]认为，在用户生成内容平台中，显示与内容相关(如喜欢该内容的人数)或与贡献者相关(如追随者数)的状态标记可以传达内容生产者的影响地位信号，对内容消费者起到引导作用，并有利于平台基于此设计贡献者的奖励机制，以更好地激励用户贡献内容。但上述研究均从信息扩散的传播有效性视角出发，而未从信息分享者的视角考虑该指标的设置对其分享行为的影响。基于此，本研究将深入探讨系统反馈特征在用户分享营销信息过程中的影响。

1.2 受评忧虑

WATSON et al.[40]提出负面评价恐惧概念，也称受评忧虑，并将之定义为对他人评价的忧虑，为负面评价而苦恼，以及对他人可能给自己负面性评价的预期。后来，WEEKS et al.[41]从社会认知角度对评价恐惧理论进行完善和补充，并将其从正、负两个维度分为正面评价恐惧和负面评价恐惧。其中，负面评价恐惧的应用更为广泛，主要发生在演讲、考试、工作面试和聚会等社会评价情景中[42]。此情景下，个体将周围人看作自己的观众，认为这些观众时时观察他们的外表、言语和行为，且观众的本质是喜好评论的，因而对自己的举止进行评价，尤其担忧他人的负面评价[43]。

“受评忧虑对个人的表现力有负向影响”这一结论在线下很多情景中都得到验证，如销售人员因受评忧虑导致业绩下降[44]；在组织的群体决策过程中，员工的受评忧虑主要表现为由于担心负向评价而使个体的发言趋于保守，从而造成信息和决策的趋同效应[45]。而线上用户的受评忧虑心理如何影响其在社交媒体平台上的活动行为这一机制还尚未清楚。

事实上，当用户表达或展示自己时，他们总是在某种程度上意识到观众的存在[46]。有研究发现，用户在社交网络中进行信息披露和交互时，会对结果进行思考和预判，以更好地呈现自我[20]。同时，网络的即时性、便捷性和可追溯性使线上平台发布的信息更容易引起别人的关注和评价，即社交媒体不仅是信息传播的渠道，也是个人消费观念、态度或经济地位的记录仪，这可能加重用户的受评忧虑，不利于用户的信息分享。另外，由于网络的虚拟性，与线下相比，社交媒体用户面对的听众的人际关系强度相对较弱，这在一定程度上又可能弱化用户的受评忧虑心理。此外，针对带有求助特征的信息分享行为，张敏等[29]认为，在线求助过程中，被求助对象与求助人之间越陌生，由不确定性带来的求助成本越高，也就是说分享对象关系越亲近，信息分享者的感知成本反而越低。因此，对于受评忧虑在营销信息分享过程中扮演的角色和影响机制还很难得到一个简单的结论。

综上所述，已有研究对用户营销信息分享行为机理的研究主要从正面的视角对分享动机和刺激因素进行探究，而对用户分享过程中可能产生的负面情绪和情感关注较少，且涉及的信息类型也多为商家生成的内容和消费者口碑等非求助型营销信息，对拼单和砍价等求助型营销信息的分享行为机理还尚未清晰。本研究将在此基础上，从信息分享者和信息接收者的双重视角，探究在用户分享求助型营销信息这一线上情景中，受评忧虑心理对其分享行为的影响机制以及系统反馈在其中扮演的角色。

2 理论基础和研究假设

2.1 信息分享价值与营销信息分享行为

根据社会交换理论，通过社交活动分享营销信息的过程如同经济交换，用户在分享决策前权衡这种社会交换带来的利益和付出的代价，只有用户感知到共享带来的价值较高时，才对信息进行分享[47-48]。本研究从利己和利他两个方面衡量用户的感知分享价值。

感知利己价值指分享给个人带来的价值，如报酬、形象、名誉、加强社会联系、获得认同感、互惠和帮助他人的快乐感等[49]，感知利他价值指信息分享者感知到的此信息对受众的帮助程度和可能带来的价值[19]。HE et al.[50]研究发现，帮助他人带来的乐趣可以在一定程度上增加用户持续分享的意愿。这表明利他可以转化为用户行动，行动体验对用户共享行为具有正向的促进作用[51]。

已有研究发现，用户转发营销信息主要出于利己和利他两个方面的动机[52]。李枫林等[53]也认为，当用户感知在社区分享信息的个人利益和他人利益越大时，用户分享信息的意向越强烈。特别是对于求助型营销信息，通常需要在一定时间内寻求好友的参与和帮助，用户更为直接地感受分享的价值，从而做出是否分享的决策。基于此，本研究提出假设。

H1感知分享价值正向影响营销信息分享行为。

2.2 社交媒体用户受评忧虑

用户分享是进行印象管理的一种方式，网络印象管理的一个显著特征是，用户能够完全掌控信息的发布，从而更加有策略地进行自我呈现[54]。与现实中的自我呈现相比，网络印象管理建立在更长远、更系统的考量上。加之信息分享具有交互性，用户在分享信息时不仅关注分享带来的价值，同时也从受众的视角预期分享后的结果。特别是营销类信息带有较强的商务属性，用户在分享时可能暴露个人的消费偏好和经济能力等隐私信息，用户更加担忧分享后受众的反馈，如是否得到大家的支持、是否对自己的形象造成影响等。这些现象反映出用户的受评忧虑心理可能在一定程度上阻碍其信息分享动机。

根据损失规避理论，决策者对损失的规避程度要大于对收益的偏好程度，即面对损失的痛苦感大大超过面对获得的快乐感[55]。对于社交媒体用户来说，信息分享带来的感知价值是一种收益，而分享产生的受评忧虑感则为一种损失，用户在决策时将对二者进行权衡。但由于对损失更为敏感，因此即使用户感知到的利己价值和利他价值很高，也可能因为担忧受众对自己的负面评价而减少或放弃分享行为。基于此，本研究提出假设。

H2受评忧虑负向调节感知分享价值与营销信息分享行为之间的正向关系，即受评忧虑越高，感知分享价值对营销信息分享行为的正向影响越弱。

2.3 系统反馈特征

社交媒体平台作为一种享乐型信息系统，系统质量[56]和系统易用性[57]等系统特性对用户的使用有重要影响，特别是系统反馈属性在引导用户行为中起到不可忽视的作用。在营销信息分享过程中，尽管信息接收者的反馈发生在分享行为之后，但用户在分享前对受众的反应进行预判，因而是用户分享与否的重要决策因素。目前，反馈信息主要通过点赞量、转发量、阅读量、评论信息甚至包含更为详细的时间和用户ID等信息的形式展示给信息发送者，不同的平台系统展示的信息类型和数量不尽相同。

刘玮等[58]认为，用户转发率和交互频率等行为特征对用户转发行为产生显著影响；HUANG et al.[36]也发现，社交媒体平台上，系统显示的反馈信息能有效地将内容接收者的反应传达给内容分享者，进而对用户的分享行为产生激励作用。需要注意的是，不同用户对好友分享信息的关注程度表现形式不同，如通过点赞、转发、多次阅读和评论文字等表达对分享者的支持，因此需要综合的指标测量和体现受众的反馈。已有研究表明，有效的反馈可以减少消费者由信息不确定产生的负面情绪[32]。

在用户分享求助型营销信息时，虽然渴望信息接收者对自己直接实施有效的助力，但若能知道分享的信息得到了多少人的认可或间接有效帮助他人降低了获取优惠信息的成本等，信息分享者的受评忧虑可能就不再起到间接的阻碍作用。具体而言，在系统显示属性较多的情况下，分享者即使知道可能面临较少人直接回应的尴尬局面，但其可以通过系统展示的反馈信息，得知他人对自己分享的信息总体反应如何。特别是，当用户感知到该信息的分享价值较高时，即使还是为分享后他人可能的负面评价而担忧，但同时也可能得到更多用户的点赞和转发等正面反馈，从而选择将有价值的信息分享给更多人。但若系统能显示的反馈信息较少甚至不提供他人的点赞和浏览等反馈信息时，用户只能通过直接实施帮助的人数判断该信息分享后受众的反应，此时受评忧虑的阻碍作用明显增强。

由此可以推测，用户的受评忧虑心理在用户分享过程中是否起明显的阻碍作用，还取决于系统显示的反馈信息。系统提供的反馈属性越多，即反馈信息越丰富，越可能在一定程度上减少受评忧虑在信息分享过程中的阻碍作用，增加用户的分享意愿。基于此，本研究提出假设。

H3系统反馈丰富性负向调节受评忧虑对感知分享价值与营销信息分享行为关系的负向调节作用，即系统反馈信息越丰富，受评忧虑对感知分享价值与营销信息分享行为的正向关系影响越小。

综上，本研究模型见图2。

图2 研究模型Figure 2 Research Model

3 研究方法

本研究采用线上与线下相结合的方法进行研究，线上采用问卷调查方法进行第1轮和第2轮数据收集，线下采用实验室实验进行第3轮数据收集，这种多元方法的结合可在更大程度上保证数据和模型的外部有效性和内部有效性。

3次数据收集依次为递进关系：第1轮数据收集采用线上情景问卷的形式，对营销信息进行情景操控，以控制产品类型、价格和信息呈现方式等因素对用户信息分享行为的影响；同时对量表进行测量和筛选，以提高问卷的有效性；采用层次回归分析初步探索用户感知分享价值对其信息分享行为的影响以及受评忧虑心理对这一关系的调节作用，即检验H1和H2。第2轮数据收集在第1轮数据收集的基础上，对问卷中的信息情景进行调整和控制；在数据分析部分采用分组回归的方法，进一步探究和分析用户受评忧虑心理对感知分享价值与信息分享行为之间正相关关系的调节作用机制，即检验H2。第3轮实验数据收集在前两轮数据收集和分析的基础上对受评忧虑和系统反馈特征进行操控，进一步揭示系统反馈特征在用户信息分享过程中的作用机制，即检验H3。

3.1 第 1轮数据

第1轮数据收集时间为2019年4月13日至22日。

3.1.1情景问卷设计

目前，用户主要通过移动端获取营销信息和购买商品，信息分享的主要途径为微信平台。基于此，本问卷设计3个不同类型的基于真实社交购物环境的营销信息，且请被试在手机端完成所有问卷任务。自变量采用量表测量，因变量为用户实际的选择行为，即分享或不分享。具体形式如下：

情景1为拼单类信息，本研究将日常生活中熟知且购买频率较高的某品牌抽纸巾作为刺激物。购买方式分为两种，以19.90元人民币(以下货币单位均为人民币)的价格直接购买(无需分享)或以15.90元的优惠价与7位好友拼团购买(需要将此信息分享给好友，在24小时内凑齐8人一起以优惠价购买)。情景2为集赞类信息，此条信息展示了麦当劳4款汉堡套餐，转发分享此信息到朋友圈并集齐79个赞即可免费享用任意一款套餐(4选1)。情景3为拼券类信息，某知名购物平台向你推荐了一张全场满50减25的无门槛优惠券，将此信息分享给好友并成功邀请18位好友一起点击领取(无需消费)即可获得。

3.1.2情景问卷流程

本问卷分为3个部分。第1部分为用户日常信息分享情况调查，包括不同营销信息在微信平台中被分享的数量、用户分享频率和分享方式(一对一、群、朋友圈)等。

第2部分为情景问卷测量，请被试依次阅读上述3类营销信息并分别做出是否分享的决定。为避免顺序效应，情景信息出现的次序是随机的。随后，请被试从3个情景信息中选择1个，再次仔细阅读后完成当前情景下感知分享价值和受评忧虑的测量量表。

为提高问卷的有效性，从国内外相关研究已使用过的问项中提炼出测量本研究潜变量的题项，再结合本研究情景，由3位信息系统领域的专家共同对测量题项进行修改和完善，并由5位研究生进行多轮英汉互译，调整题项的语言表达。表2给出各变量最终的测量题项、参考来源和探索性因子分析结果，因子抽取方法为主成分分析法，以特征根大于或等于1为因子抽取原则，并采用最大方差法进行旋转，所有低于0.500的因子载荷均未列入表中。对测量潜变量的题项均采用Likert 5点评分法，1为完全不符合或非常不同意，2为不符合或不同意，3为不确定，4为符合或同意，5为完全符合或非常同意。

第3部分为人口统计信息，包括性别、年龄、教育程度和微信好友数量等。

3.1.3数据分析

本研究采用Spss 22.0和Amos 24.0对问卷数据进行分析。为保证样本来源的多样性，该问卷链接主要通过微信平台传播和扩散，以滚雪球的方式进行数据收集。共回收257份问卷，剔除未完成问卷任务的41份问卷，得到216份有效问卷。样本基本情况见表3。

表2 测量题项和探索性因子分析结果Table 2 Measurement Items and Exploratory Factor Analysis Results

表3 受访者描述性统计结果Table 3 Results for Descriptive Statistics of the Respondents

利用Spss 22.0对问卷中第1部分用户日常信息分享情况数据进行描述性统计分析，结果见表4。同时，对第2部分量表数据进行探索性因子分析、信度和效度检验以及假设检验。

(1)本研究首先使用Harman单因素检验对共同方法偏差进行检验。因子分析结果表明，第1个因子占所有解释变量总量的比例为30.477%，小于40%，说明各个变量之间并不存在非常严重的共同方法偏差。接下来，考察KMO和Bartlett球形检验两项指标。经Spss检验，KMO值为0.887，大于0.800，因子显著性概率小于0.001，结果表明样本数据适合做因子分析。对数据进行探索性因子分析，除EA2外，所有因子载荷均大于0.500，且未发现在多个因子上载荷大于0.500以及理论上不属于任何维度的题项，最终萃取两个因子，因子旋转后的累计解释方差为66.371%。检验结果见表5。

(2)对问卷的信度进行分析，通过Cronbach′sα、组合信度(CR)和平均提取方差值(AVE)3个指标检验问卷结果的一致性、稳定性和可靠性[62]。信度检验结果见表5，两个变量的Cronbach′sα值分别为0.926和0.913，均满足大于0.700的基本要求，CR值均在0.600以上，AVE值均大于0.500。因此，量表数据可靠性较高。

通过收敛效度和区分效度检验测量结果与要考察内容的吻合程度。采用标准化因子载荷量、CR值和AVE值3个指标判断其收敛效度。由表5可知，所有测量指标的标准化因子载荷值都在0.500以上且达到显著水平[63]。区分效度需比较潜变量AVE值的平方根与不同潜变量间的相关系数，前者应大于后者[64]。表6给出区分效度检验结果，两个潜变量均满足这一要求。总体来看，问卷效度较高。

(3)以感知分享价值为自变量、受评忧虑为调节变量，对因变量用户营销信息分享行为进行二元逻辑回归分析，且在回归分析前对感知分享价值和受评忧虑进行中心化处理；对于用户营销信息分享行为，分享信息取值为1，不分享信息取值为0。考虑到本研究涉及3种不同类型的营销信息刺激，因而将情景这一分类变量以虚拟变量的形式与性别、年龄、教育水平和微信好友数量一起作为控制变量，采用层次回归分析方法，即先将控制变量放入回归方程，然后加入自变量，再加入调节变量，最后将自变量与调节变量的交互项放入回归方程。表7给出层次回归分析结果。

表4 用户日常信息分享描述性统计结果Table 4 Results for Descriptive Statistics of User Daily Information Sharing

表5 信度和效度检验结果Table 5 Reliability and Validity Test Results

表6 区分效度检验结果Table 6 Discriminant Validity Test Results

模型1的回归结果表明，与情景3相比，情景1对营销信息分享行为的影响无显著差异，情景2对营销信息分享行为的影响存在显著差异。模型2的回归结果表明，感知分享价值与营销信息分享行为显著正相关，p<0.001，营销信息分享行为的解释水平调整的R2由模型1的0.096提高到0.282，增加了0.186，H1得到验证。模型3的回归结果表明，不考虑受评忧虑的调节作用时，受评忧虑与营销信息分享行为显著负相关，p<0.001。 模型4的回归结果表明，在控制了不同信息类型(情景)刺激的情况下，感知分享价值与受评忧虑的交互项与营销信息分享行为显著负相关，p<0.050；同时受评忧虑对营销信息分享行为的直接影响不再显著；调整的R2由模型3的0.377提高到0.415，增加了0.038。以上结果表明受评忧虑对感知分享价值与营销信息分享行为的正相关关系有显著的负向调节作用，H2得到验证。

3.1.4讨论

通过分析发现，营销信息在社交媒体中传播的数量较多，由表4可知，M总体数量=3.680，大于3，表明近年来社交+电商模式得到用户的广泛支持。但本研究通过真实情景再现发现，用户对这类信息的分享意愿并不高。3类情景的分享比例分别为：情景1(拼单类)为14.737%，情景2(集赞类)为36.207%，情景3(拼券类)为14.286%，平均分享率仅为21.743%，由于此情景问卷任务最终并未要求用户真实地分享到自己的社交网络中，因而现实情况下总体样本的信息分享比例可能更低。

此外，用户对3类信息的感知分享价值均值较低，MSV=2.841，小于3；且数据分析结果表明用户感知分享价值越低，越不愿意分享。由于本研究采用的信息材料均依照真实的营销信息设计，因而从侧面说明目前商家设置的优惠条件对消费者未起到良好的刺激效果。同时，被试在做出分享信息的决策时总体受评忧虑水平较高，MEA=3.303，大于3，表明用户在社交媒体上分享信息时十分注重自我形象的管理和受众的反应。假设检验结果进一步说明受评忧虑心理对用户的分享决策产生阻碍作用，但该情景问卷未揭示受评忧虑的具体调节作用机制。为弥补这一不足，本研究对第2轮收集到的数据进行检验。

3.2 第 2轮数据

与3.1相似，同样采用线上问卷的方式收集第2轮数据。与3.1不同之处在于数据处理部分，先进行与3.1相同的层次回归分析，然后将感知分享价值和受评忧虑以量表中间值3为分割点，划分为感知分享价值低和高与受评忧虑低和高的2×2组，感知分享价值和受评忧虑均低组为33人，感知分享价值低和受评忧虑高组为35人，感知分享价值高和受评忧虑低组为28人，感知分享价值和受评忧虑均高组为30人，以进一步探究和分析用户受评忧虑心理对感知分享价值与营销信息分享行为正相关关系的调节作用机制。本次数据收集时间为2019年5月7日至12日。

表7 层次回归分析结果(二元逻辑回归)Table 7 Results for Hierarchical Regression Analysis(Binary Logistic Regression)

3.2.1情景问卷设计和流程

由于情景2(集赞类信息)只能分享至朋友圈进行集赞，且由3.1的回归结果可知，该情景与另外两个情景相比，对营销信息分享行为的影响存在显著差异，因而将其剔除。同时，将填写量表前的情景选择由被试任意选择其一改为系统随机分配给每个被试一个情景信息，以减少主观的情景选择对结果的影响，增强样本数据的总体代表性。

3.2.2数据分析

本轮收集到141份问卷，其中有效问卷126份。

(1)以感知分享价值为自变量、受评忧虑为调节变量，对因变量营销信息分享行为进行二元逻辑回归分析；对于营销信息分享行为，分享信息取值为1，不分享信息取值为0。分析结果与3.1的结果一致，即在控制了其他因素不变的情况下，感知分享价值与营销信息分享行为显著正相关，βSV=1.998，p<0.001；受评忧虑对感知分享价值与营销信息分享行为的正相关关系有显著的负向调节作用，βSV·EV=-1.220，p<0.050。H1和H2均得到验证。

为了更好地揭示和分析受评忧虑的调节作用，本研究以营销信息分享行为作为因变量、感知分享价值和受评忧虑作为自变量，进行二元逻辑回归。对于营销信息分享行为，分享信息取值为1，不分享信息取值为0；对于感知分享价值，低感知分享价值取值为0，高感知分享价值取值为1；对于受评忧虑，低受评忧虑取值为0，高受评忧虑取值为1。回归结果表明，感知分享价值与营销信息分享行为显著正相关，βSV=3.353，p<0.001；二者交互项与营销信息分享行为显著负相关，βSV·EV=-3.497,p<0.050。

(2)对被试的营销信息分享行为的选择进行卡方分析，结果表明，感知分享价值低的被试其分享比例为2.941%，感知分享价值高的被试其分享比例为32.759%，相对于感知分享价值低的被试，感知分享价值高的被试更可能分享信息，χ2=20.037,p<0.001，H1得到验证。对不同受评忧虑水平下感知分享价值与营销信息分享行为的选择进行卡方检验，结果表明，在受评忧虑低和高两种情况下，感知分享价值与营销信息分享行为均显著正相关。EV=0时，βSV=0.467，p低<0.001；EV=1时，βSV=0.344，p高<0.010。但在受评忧虑高的情况下，其Pearson检验的χ2值由13.311降至7.712，相关系数由0.467降至0.344，感知分享价值高的被试选择营销信息分享行为的比例也由46.429%降至20%，4组被试营销信息分享行为的决策结果见表8和图3。结果表明，即使用户感知到分享价值较高也不一定选择分享，H2得到验证。

表8 营销信息分享决策结果Table 8 Results for Marketing Information Sharing Decision

图3 4组被试营销信息分享结果Figure 3 Marketing Information Sharing Results of Four Groups

3.2.3讨论

对第2轮数据的检验结果表明，H1和H2再次得到验证。通过将被试分成4组，进一步探究受评忧虑的负向调节作用机制，即用户受评忧虑水平由低转向高时，感知分享价值对营销信息分享行为的正向影响作用显著减弱。

本研究对情景问卷中选择不分享信息的被试进行开放性问答调查，以了解用户不分享信息的真正原因，通过文本分析发现，主要原因有怕打扰和麻烦别人、社交圈复杂分享压力大、担心给他人留下不好的印象、害怕得不到大家的回应和支持等。进一步说明分享信息带来的受评忧虑等负面心理是阻碍其分享信息的重要因素，从而造成即使用户感知分享价值较高时也选择不分享的局面。

在此基础上，本研究继续探讨系统反馈特征对受评忧虑调节作用的影响。

3.3 第 3轮数据

第3轮数据收集采用线下实验室实验的方式进行，进一步探索系统反馈特征(Fee)在用户信息分享过程中的作用机制，即检验H3是否成立。本次数据收集时间为2019年5月20日至29日。

3.3.1实验设计

BORDIA et al.[47]在研究受评忧虑对员工知识分享行为的影响关系时，通过一对一谈话(受评忧虑低)和一对多讨论(受评忧虑高)两种方式将被试分为两组。基于此，本研究采用感知分享价值低和高×受评忧虑低和高×系统反馈特征低和高的2×2×2实验设计，感知分享价值以量表测量结果的均值为分割点进行分组；受评忧虑低是指一对一分享给好友，受评忧虑高是指分享到朋友圈(不可设置分组可见)；系统反馈特征低(少)是指点赞量+评论信息，系统反馈特征高(多)是指点赞量+评论信息+浏览量+转发量。

在正式实验开始前，招募52名大学生志愿者对受评忧虑变量的操控效果进行预实验。请被试回答“当您在微信等社交平台分享营销信息时，您担忧分享后别人对您的看法吗？”，在一对一分享和朋友圈分享两种方式中，根据您的担忧(在意)程度分别进行打分，0为完全不担忧，100为完全担忧。前测结果表明，对于两种分享方式，用户的受评忧虑水平有显著差异，M一对一=32.385，M朋友圈=66.038，F=34.413，p<0.001。

为保证数据的有效性，减少其他因素的干扰，本次实验仅保留情景1拼单类信息作为阅读材料。系统反馈信息的显示方式均基于微信平台真实显示特征设计，且在实验中以可视化形式展示给被试，所有实验任务均在手机端完成。

与前两个情景问卷不同的是，实验将因变量由营销信息分享行为改为信息分享意愿；同时，采用Likert 7点评分法测量所有潜变量涉及的题项，1为完全不符合或非常不同意，7为完全符合或非常同意。

此外，由前两轮情景问卷时用户对情景1信息材料的感知分享价值可知，该信息的分享价值较低。通过对被试进行后续访谈发现，这可能是由拼单人数过多、价格优惠力度小造成的。因此，本实验将拼单人数由8人改为6人，价格由15.90元改为13.90元，以减少拼团人数和价格对实验结果的干扰。

在实验最后针对系统反馈特征设计了一系列开放性问题，包括用户日常分享信息后对好友反馈的关心程度、希望系统展示反馈信息的丰富程度和具体信息类型等。

3.3.2实验流程

本次实验在中国某所大学招募志愿者，在被试完成实验后给予一定的物质回报。共招募301位志愿者，剔除未按照实验说明完成实验的14名被试后，有效样本数为287人。

实验开始前对被试依次编号，用字母(A或B)+数字。首先，请被试仔细阅读情景1信息材料，并填写感知分享价值量表。其次，告知被试该信息以“一对一分享”(A组)或“分享到朋友圈”(B组)方式进行信息分享，若您选择分享，在您分享后将看到以下显示页面和反馈信息：奇数组只显示点赞和评论信息，偶数组显示点赞、评论、浏览量和转发量信息。再次，被试对系统显示的反馈信息是否丰富进行打分，0为一点也不丰富，100为非常丰富，填写受评忧虑和信息分享意愿量表并做出是否分享的决定。最后，回答关于系统反馈特性的相关问题，如用户对系统反馈信息的关心程度及对反馈属性的认识和期望等，并填写人口统计信息。

3.3.3数据分析

(1)对操控有效性进行检验。结果表明，两组被试在受评忧虑水平上并没有显著差别，M一对一=4.932，M朋友圈=5.049，F=0.837，p>0.050。这与前测结果并不一致，因此本实验将“一对一”和“朋友圈”两种分享方式作为控制变量进行数据分析。对于系统反馈特征的操控结果表明，两组被试认为的反馈信息展示的丰富度有显著差异，M反馈少=52.743，M反馈多=66.170，F=24.057，p<0.001，因此操控成功。

(2)以信息分享意愿为因变量，以中心化后的感知分享价值和受评忧虑以及系统反馈特征为自变量，进行多元回归分析。对于系统反馈特征，反馈少取值为0，反馈多取值为1。回归结果表明，感知分享价值与信息分享意愿显著正相关，βSV=0.727，t=10.038，p<0.001，95%的置信区间为[0.585,0.870]，不包含0，H1得到验证；受评忧虑与感知分享价值的交互项系数显著为负，βSV·EA=-0.230，t=-3.513，p<0.010，95%的置信区间为[-0.359,-0.101]，不包含0，H2得到验证；系统反馈特征、感知分享价值和受评忧虑三者的交互项系数显著为正，βSV·EA·Fee=0.346，t=2.629，p<0.010，95%的置信区间为[-0.087,-0.604]，不包含0，H3得到验证。

为了进一步分析交互效应，本研究将感知分享价值和受评忧虑以各自均值为分割点，分别划分为高和低两组，二阶调节效应分析结果见图4。当只考虑受评忧虑对感知分享价值与信息分享意愿之间关系的影响时，由图4可知，受评忧虑低时，用户的感知分享价值越高，其信息分享意愿越高，MSV低=2.522，MSV高=4.123，F=41.800，p<0.001。受评忧虑高时，感知分享价值与信息分享意愿之间仍显著正相关，MSV低=2.373，MSV高=3.261，F=15.406，p<0.001；但此时二者相关关系有明显的减弱趋势，即受评忧虑水平由低转向高时，用户信息分享意愿显著下降，F=12.812，p<0.001。

图4 二阶调节效应结果Figure 4 Results for the Two-way Moderation Effect

特别地，回归结果表明，在反馈信息属性少(Fee=0)、受评忧虑水平高于均值1个标准差时，感知分享价值对信息分享意愿没有显著影响，βSV=-0.156，t=1.138，p>0.050，95%的置信区间为[-0.114,0.426]，包含0。

对于感知分享价值×受评忧虑×系统反馈特征交互效应对信息分享意愿的显著性影响关系，分别从不同反馈特征下的感知分享价值×受评忧虑的交互效应进行深入分析，结果见图5。由图5可知，在系统反馈属性较少时(Fee=0)，受评忧虑对感知分享价值与信息分享意愿之间的正相关关系有显著的负向调节作用，βSV·EA=-0.407，t=-4.452，p<0.001，95%的置信区间为[-0.587,-0.227]，不包含0；在系统反馈属性较多时(Fee=1)，受评忧虑的调节作用不再显著，βSV·EA=-0.062，t=-0.657，p>0.050，95%的置信区间为[-0.247,0.123]，包含0。

(a)反馈属性少

(b)反馈属性多

3.3.4讨论

本次实验将前两轮情景问卷中的因变量营销信息分享行为改为信息分享意愿，数据分析结果更为细致和直观，H1、H2和H3均得到验证。特别是三阶调节效应检验结果表明，受评忧虑对感知分享价值与营销信息分享行为之间正向关系的负向调节作用只发生在系统反馈信息较少的情况下。通过对实验最后一部分中关于用户对系统反馈信息的关心程度(0为完全不关心、100为特别关心)的结果进行分析发现，受评忧虑越高的人，越关注分享后受众的反馈，MEA低=57.392，MEA高=69.738，F=16.931，p<0.001。因此，当反馈信息增多时，可以减少用户对信息不确定性的感知，从而有效降低受评忧虑心理在分享过程中的阻碍作用。

在实验最后，本研究通过“您在日常分享这类营销信息过程中，希望系统能显示哪些反馈信息(可多选)”这一问题调查用户对系统反馈属性的具体认识。结果表明，超过82.200%的被试希望系统可以尽可能多地展示受众的反馈信息，具体属性包括阅读量(51.568%)、具体是哪位好友阅读了该信息(48.084%)、转发量(47.735%)、具体是哪位好友转发了该信息(47.038%)、具体是哪位好友点赞了该信息(39.024%)、点赞量(34.495%)。由此可知，反馈属性的设置是用户分享营销信息过程中十分关注的系统特性。

特别的，目前微信平台在朋友圈分享方式下仅仅展示点赞这一反馈属性，但调查显示用户对于这一属性的需求相对较低，且与此相比，用户更关注阅读量和转发量等反馈信息。因此，目前系统设置的反馈属性未能综合反映出受众对分享者转发信息的反应，从而可能因未能满足分享者的需求而间接影响其分享意愿。

4 结论

本研究通过线上问卷调查与线下实验相结合的研究方法，从用户、情感、系统相融合的视角，探讨感知分享价值、受评忧虑、系统反馈特征对营销信息分享行为的影响。研究结果表明，用户从利己和利他两方面对营销信息的分享价值感知是影响营销信息分享行为的主要因素；在分享决策中，因为担心信息接收者对自己的负面评价而产生受评忧虑的负面情感，从而减弱感知分享价值的主导作用，即用户受评忧虑高时，即使感知到的分享价值较高，也可能选择不分享；系统展示的反馈属性越少，用户选择不分享的可能性越高。

4.1 研究贡献

(1)在理论方面，在营销信息类型方面，已有研究主要探讨影响用户分享口碑信息和商家生成内容等非求助型的营销信息的前置因素[10-11,23]，本研究挖掘到已有研究中较少提及的新社交购物模式下求助型信息分享情景，通过对比两种信息类型在分享动机等方面的异同点，在已有关于求助行为[24]和推荐营销[25]等方面研究的基础上，深入探讨用户求助型营销信息分享行为的发生机理。

本研究弥补了已有关于营销信息分享行为的大多数研究中只关注正面刺激因素的空白，找到了感知价值对营销信息分享行为的边界作用条件为受评忧虑，并对受评忧虑理论进行补充和完善，将其适用范围从演讲、面试和实体组织等线下情景[42,45]扩展至线上社交媒体这类虚拟组织。BORDIA et al.[47]的研究发现，在线下实体组织环境中，员工的受评忧虑水平越高，越不愿意与他人分享知识。本研究发现，在线上网络环境中，用户在感知到分享该营销信息可以给自己和他人都带来较高价值的情况下，仍然因担忧他人的负面评价而放弃分享。与线下面对面的情景不同，线上情景具有反馈延迟性和记录性，因此造成这一结果的原因在一定程度上是分享者对于受众反馈的不确定性或反馈模糊性感知。

本研究还从系统设计的角度重点考察系统反馈属性这一具体特征在用户分享营销信息过程中的作用机制，在一定程度上丰富了信息系统用户使用行为相关理论。已有研究已经揭示了系统质量[56]和系统易用性[57]等系统因素对IS用户使用行为的影响，本研究聚焦于用户发布信息后系统的反馈属性特征，发现通过适当增加系统的反馈属性，可在一定程度上减少用户受评忧虑心理在用户信息分享过程中的阻碍作用。

(2)在实践方面，本研究揭示了感知分享价值是影响其营销信息分享行为的重要因素，但问卷和实验中基于真实购物信息设计的情景，用户分享比例并不高，因而商家在设计这类营销机制时应更加注重分享能给消费者(包括分享者和信息接收者)带来的利益，增加用户的感知价值，这对设计有价值的营销活动具有指导意义。例如，商家可以加大双方参与后的奖励力度，降低双方在风险方面的捆绑效应，降低营销活动任务难度等。

受评忧虑在分享过程中起阻碍作用这一结果表明，虽然消费者更希望通过优惠的价格购买商品，但分享带来的受评忧虑这一社交成本过高使消费者放弃对这一利益的追求。因此，商家应意识到分享式购物模式给消费者带来的社交成本，特别是一味只通过经济利益刺激甚至强制用户分享购买，看似降低了揽客成本，但很可能给用户造成负面的情感体验，最终适得其反。例如，商家可以通过匿名分享、降低营销活动的任务难度、增加分享渠道、提升分享乐趣等引导方式降低用户分享过程中的社交压力。

本研究揭示的系统反馈特性对其分享行为的影响关系表明，系统显示的反馈信息属性越多，用户受评忧虑心理在分享过程中的阻碍作用越小，从而使用户更主动地分享。对社交媒体平台来说，可以通过优化系统设计页面，增加反馈信息属性，如浏览量、点赞量和转发量等，向信息发送者展示更多的反馈信息，以减少其内心对于受众反应的不确定性，提高分享意愿。

4.2 研究不足和展望

(1)本研究设计的情景问卷和实验任务均以真实情景再现的方式让被试选择是否分享，但并未要求被试将营销信息分享至自己真实的社交圈，因而对于其心理变量受评忧虑的测量可能与现实情况存在偏差，后续研究可通过真实的系统设计减少外部因素的干扰。

(2)实验室实验通过不同的分享方式试图对被试的受评忧虑水平进行操控，但操控结果并未达到预期，这与现实情景中个体的受评忧虑水平与受众数量有相关影响的结论并不吻合。这可能与信息材料和实验模拟环境等因素有关，也可能是用户在线上分享信息时的受评忧虑水平与线下面对面情景确实存在差异。对于这一猜测需要在后续研究中继续深入挖掘和检验，同时也可探究不同分享方式(如一对一、群分享、朋友圈分享)下用户的分享心理和行为变化过程。

(3)本研究问卷和实验情景仅选择微信平台，对于不同社交平台上用户的营销信息分享行为可能因为好友关系强弱等因素存在差异。

(4)本研究样本主要为大学生群体，但拼多多等社交化电商平台上中老年用户是其重要的组成部分，同时也是这一新型购物模式的主力军之一。由于不同年龄层次人群其认知水平、社交经验和经济水平等方面存在差异，因而营销信息分享行为的发生机制也可能不尽相同。未来可针对不同年龄层次的消费者进行深入研究，以更全面的视角揭示和预测不同用户群体对于营销信息的分享心理和行为变化规律。