引言

随着互联网和智能终端的普及，知识付费行业迅速发展，用户规模和市场规模持续扩大，平台变现模式逐步成熟，内容形态不断多元化。然而，在行业高速扩张的同时，内容同质化、用户体验不足和付费意愿偏低等问题逐渐凸显，尚未形成稳定可持续的商业模式，已成为制约知识付费平台发展的关键瓶颈。

从交易特性看，知识付费产品具有虚拟性强、体验前难以评估、非标准化程度高等特点，且普遍不支持退换，交易不可逆。在信息不对称条件下，消费者在购买决策中面临较高不确定性，往往依赖平台中可观察的信息和信号辅助判断产品质量并降低风险。

因此，本文基于信号传递理论，以典型知识付费产品“付费咨询”为研究对象，探讨影响用户知识付费决策的关键因素，以期为理解用户购买行为及促进知识付费平台的可持续发展提供参考。

文献综述

基于对知识付费现象的深入研究，学者们对知识付费的种类、运营方式以及盈利模式等多个方面进行了分析，从而找出了目前存在的问题，并对这些问题提出优化建议。陈燕在对国内知识付费平台的发展状况进行回顾和梳理的基础上，对其存在的知识界定不清晰、付费后评价欠缺等瓶颈进行归纳和总结，并提出了一些相关的对策。张安淇和李元旭通过单案例研究，选择知乎作为社群基础平台对互联网知识平台削弱信息过载影响的系统机制进行分析，在此基础上结合平台发展的不同阶段找出机制的动态演变特点。宋立丰等以“最优区分”思想为理论基础，运用多案例研究方法，对弱合法性场域中企业由制度创业走向差异化竞争的连续性成长历程进行了研究。邢小强和周平录运用多案例分析法总结了知识付费商业模式理论框架及组成要素，结果表明知识付费商业模式包括价值主张，关键活动，价值网络及盈利模式四个要素；在此基础上，严建援等则进一步探讨订阅型知识付费商业模式的主要特征，为用户习惯培养、产品知识价值与交付形式、企业的知识信用等方面提供借鉴。郭宇等采用内容分析法对知识付费研究现状进行梳理，形成了知识付费概念、影响因素、商业模式和网络生态四个文献集群，在此基础上提出了国内知识付费可能的发展方向，并提出建议。

现有研究围绕知识付费平台的发展现状、商业模式与运营机制进行了较为充分的探讨，为理解知识付费行业运行逻辑提供了重要参考。然而，相关研究仍以平台和模式分析为主，对用户层面的付费决策机制关注不足，尤其缺乏在信息不对称情境下用户如何评估知识产品价值的系统研究；同时，研究方法上多以定性分析和案例研究为主，基于具体知识付费产品的实证检验相对有限。此外，对平台中多种信息信号如何共同影响用户付费决策的作用机制仍有待进一步深入分析。

数据采集及变量定义

本研究选取在线问答社区——“知乎”平台作为研究对象，该平台是我国最大的问答社区之一，内容涵盖科技、心理、金融等不同领域，为用户提供一个互相学习和共享知识的平台。知乎自2016年4月1日正式开通了“付费咨询”功能，该功能旨在鼓励有一定专业背景的用户向其他用户提供付费问答服务。

本文研究数据来自于知乎的“付费咨询”。数据收集方式为利用自主编写的Python爬虫对于付费咨询的基本信息及答主的基本信息进行爬取。运用Python爬虫代码，爬取知乎的“付费咨询”上自2016年4月上线以来到2023年3月的各个主题下（如，教育、金融、情感等）共计581名提供付费咨询用户的信息，包括咨询次数、咨询价格、答主简介、答主粉丝数、被点赞数等信息。由于部分用户已暂停提供付费咨询或者账号存在问题，对获取的样本用户进行了剔除，最后保留了534名用户。

三、假设检验

（一）相关性分析

变量间的相关性分析是一种统计方法，用于评估各变量间关系的分析方法。通过相关性系数可以确定各解释变量和被解释变量之间的关系强度和方向。此外，通过系数可以对解释变量之间的共线性进行观察，从而对解释变量之间的多重共线性进行初步判定。主要变量的Pearson相关系数分析结果如表1所示。观察发现，产品描述的详尽性、声誉和经验与产品销量之间的相关系数均显著为正，初步验证了H2、H4和H5。价格与产品销量具有负相关的倾向。各自变量之间的相关系数最大值为0.326，远均小于0.5，初步认为不存在明显的多重共线性问题。为保证了后续多元回归分析结果的可靠性，后续进行更严谨的VIF检验。

	1	2	3	4	5	6
知识付费行为	1	－	－	－	－	－
价格	-0.0210	1	－	－	－	－
详尽性	0.198***	0.148***	1	－	－	－
可读性	0.0150	0.0350	0.297***	1	－	－
声誉	0.481***	0.211***	0.0360	0.0240	1	－
经验	0.382***	0.0540	0.143***	0.00100	0.326***	1

注:*p<0.1;**p<0.05;***p<0.01。

为对多重共线性问题进行更深一步的检验，本研究对所有自变量及控制变量都做了VIF检验，结果如表2所示。观察发现，所有变量中最大的VIF值为4.61，它显然少于10，这进一步证实了不存在明显的多重共线性问题，保证了后续回归分析结果的可靠性。

变量	VIF	1/VIF
价格	1.03	0.968103
详尽性	1.16	0.862994
可读性	1.10	0.906855
声誉	4.43	0.225882
经验	1.24	0.809436
类别热度	1.03	0.968103
被赞同数	4.61	0.216738
Mean VIF	2.09

（二）模型构建及回归分析

考虑运用横截面数据进行线性回归分析时容易产生异方差问题，由于截面数据在个体或者群体间存在显着差异，异方差较易存在。本研究运用Stata16.0执行回归命令后，通过怀特检验观察是否存在异方差情况。结果显示在显著性水平为0.05的条件下，经过检验，发现存在异方差问题，因此拒绝了不存在异方差的原始假设，p值为0.0114。

Chi2(35)	56.76
Prob>chi2	0.0114

当进行OLS回归分析时，若异方差问题严重，将对模型的估计和检验造成很大的影响。异方差不仅可能导致统计量发生错误，而且还可能使参数估计失效。因此，在进行OLS回归时，必须对其进行必要的检验和处理，以确保其准确性和可靠性。为了解决异方差问题，本研究运用了OLS Robust回归方法进行了修正。模型变量说明如表4所示。

模型变量	说明
Sales	咨询销量
Length	详尽性
Readability	可读性
Reputation	声誉
Experience	经验
Type	类别热度
Like	被赞同数

本文主要探究在线知识付费平台中消费者如何识别产品质量信号进而做出知识付费决策，建立如下两个模型。公式（1）仅包含控制变量，为了检验引入的控制变量是否显著。公式（2）在模型1基础上，引入自变量。回归结果如表5所示。

	模型1			模型2
	β	t	p	β	t	p
价格	－	－	－	-0.272***	-4.64	0.000
详尽性	－	－	－	0.260***	4.77	0.000
可读性	－	－	－	-0.145*	-1.66	0.097
声誉	－	－	－	0.421***	6.86	0.000
经验	－	－	－	0.186***	4.92	0.000
类别热度	8.699***	9.01	0.000	8.290***	-0.19	0.000
被赞同数	0.360***	11.33	0.000	-0.012	9.29	0.852
_cons	-0.662*	-2.24	0.025	-1.289***	-4.28	0.000
adj. R2	0.307			0.417
F sig	100.04***			59.69***

注:*p<0.1;**p<0.05;***p<0.01。下表同。

在基准模型1，仅包含控制变量，控制变量的回归系数均为正（p<0.01），说明引入的控制变量帮助模型更好地拟合数据，提高模型的准确性，模型1的F值为100.04(p<0.01)，回归方程显著。

模型2在基准模型1的基础上加入自变量，F值为59.69(p<0.01)，回归方程显著，所有自变量均显著影响知识付费行为。知识付费行为受到产品价格的负向影响。而产品描述的详尽性、知识提供者的声誉和经验则对其产生了正向影响。产品描述的可读性与知识付费行为的系数显著为负，但是可读性为负向指标，所以产品描述的可读性仍显著正向影响知识付费行为。因此，H1-H5得到验证。知识付费产品价格对消费者的购买行为产生了显著的负向影响，其回归系数为-0.272（p<0.01），暗示着知识付费产品的价格越高，销售量越低，这意味着消费者在购买该产品时需要支付更高的成本。产品描述的详尽性的回归系数为0.260（p<0.01），表明知识付费产品描述越详细，越容易激发消费者的知识付费行为。产品描述的可读性的回归系数为-0.145，但由于是负向指标，证实了可读性正向影响产品销量，当产品描述更容易理解，让消费者更快吸收产品所描述的信息，则更容易激发消费者的知识付费行为。知识提供者的声誉的回归系数为0.421（p<0.01），经验回归系数为0.186（p<0.01），均正向影响知识付费行为，意味着知识提供者的声誉越高、经验越丰富，则其可信度越高，消费者越容易产生知识付费行为。

（三）稳健性分析

稳健性检验是一种评估方法与指标的解释力的方法，它通过对某些参数进行调整，并进行反复实验，以观察参数设置是否对实证结果产生影响。为了验证上述所得结论是否可靠，通过稳健性分析可以验证结论是否具有稳健性，从而避免因数据统计所造成的结果的偶然性。

	模型
	β	t	p
价格	-0.265***	-4.58	0.000
详尽性	0.256***	4.73	0.000
可读性	-0.144*	-1.65	0.099
声誉	0.416***	6.83	0.000
经验	0.188***	4.99	0.000
类别热度	8.154***	9.01	0.000
被赞同数	-0.008	11.33	0.901
_cons	-1.281***	-2.24	0.000
adj. R2	0.420
F sig	60.91***

本研究采用产品销量衡量消费者的知识付费行为。除了产品销量外，评论数量直接反映了知识付费产品的热度，它起到一个告知的作用，既反映之前消费者的选择行为，也揭示了产品在网上的流行程度，非常清楚明白地告诉消费者，有多少用户已经使用或正在使用这个产品，同样能代表知识付费行为。因此，本研究采用评论数量作为知识付费行为的另一种衡量方式。对评论数量做标准化处理，再取对数化。对数据进行回归分析，观察下表可以发现，变更自变量后各解释变量的影响方向与表4.5模型2相近，所得结论基本一致，因此，我们可以认为，本研究的结果稳健。

考虑到知乎平台上发表文章是扩大个人影响力的来源之一，专业答主通过发表优质的文章等方式，可以建立起自己在业内的良好形象和声誉，吸引大量精准用户，提升自己的业务影响力。

评分是最为直观的维度，它是一种对产品或服务的综合评价，也就是消费者在使用后，以其亲身体验和感受在网站上对产品或服务进行的全面评估。一般情况下，已购买的消费者比潜在的消费者对服务质量的了解程度更高。根据信号理论，已购买消费者作为信号源付出成本向信号接受者，即潜在消费者发出评分信号，而评分信号反映着消费者对该产品的综合意见。

	模型
	β	t	p
价格	-0.276***	-4.71	0.000
详尽性	0.240***	4.35	0.000
可读性	-0.144*	-1.66	0.098
声誉	0.456***	7.29	0.000
经验	0.204***	5.29	0.000
类别热度	8.193***	9.29	0.000
被赞同数	-0.250	-0.40	0.689
文章数	-0.699*	-1.88	0.060
评分	3.302**	2.48	0.013
_cons	-1.281***	-2.66	0.008
adj. R2	0.429
F sig	64.70***

因此，加入知识提供者发表的文章数和知识付费产品的评分作为控制变量。通过对数据进行回归分析，观察下表可以发现，加入遗漏变量后各解释变量的影响方向与表4.5模型2相近，所得结论基本一致，因此，可以认为，本研究的结果稳健。

四、结论与建议

基于信号传递理论，本文构建模型并实证分析了影响用户知识付费决策的关键信号因素。研究结果表明，价格信号、产品描述的详尽性与可读性，以及知识提供者的声誉和经验均对用户知识付费行为产生显著影响，验证了信号传递理论在知识付费情境下的适用性。消费者在信息不对称条件下，会综合利用多种信号线索评估知识产品质量，以降低感知风险并辅助购买决策。

具体而言，价格作为成本信号对用户知识付费行为产生显著负向影响，消费者在面对难以评估质量的虚拟知识产品时，更倾向选择价格较低的产品以规避风险。产品描述的详尽性和可读性显著提升用户对知识产品内容和价值的理解，有助于降低不确定性并促进付费行为。此外，知识提供者的声誉和经验作为重要的质量信号，能够增强消费者信任，缓解信息不对称，对知识付费行为产生显著正向影响。

基于上述结论，本文提出以下实践启示：一方面，知识提供者应重视信号传递效果，通过清晰、详尽且易于理解的产品描述准确传达知识产品特征，同时持续输出高质量内容、积极参与平台互动，以积累声誉和经验，增强个人品牌影响力，从而提升用户付费意愿。另一方面，知识付费平台应优化定价策略，结合用户特征实施差异化定价，避免价格失衡带来的负面影响；同时，应制定产品描述规范，引导知识提供者提高描述质量，并借助技术手段辅助提升产品信息透明度。此外，平台还应完善知识提供者的声誉激励机制，拓宽其展示与成长路径，促进优质知识内容的持续供给。

参考文献：

1. [1] 陈燕.知识付费平台发展的制约因素与完善对策[J].编辑之友,2019,271(03):17-20+33.
2. [2] 张安淇,李元旭.互联网知识共享平台信息过载效应与弱化机制——基于知乎的案例研究[J].情报科学,2020,38(01):24-29+41.
3. [3] 宋立丰,杨主恩,鹿颖.弱合法性场域下制度创业与差异化竞争的最优区分——基于知识付费领域的多案例研究[J].管理评论,2020,32(05):321-336.
4. [4] 邢小强,周平录.互联网知识付费的商业模式研究[J].管理评论,2019,31(07):75-85.
5. [5] 严建援,秦芬,李凯.订阅型在线知识付费的商业模式研究[J].管理学报,2019,16(09):1405-1414.
6. [6] 郭宇,郭勇,刘文晴,等.国内互联网知识付费研究现状与发展趋势[J].图书情报工作,2021,65(24):100-108.