【摘 要】知识付费为互联网共享经济的已有内涵注入了新的因素，正在迎来挑战与机遇并存的关键性发展阶段。基于产品特征的内容分析表明，粉丝吸聚仍是知识产品变现的首要逻辑。对长尾内容的深度挖掘和精准匹配使相对冷门的知识门类浮出水面，由此有可能改变内容格局导向。此外，知识付费产品内容的垂直化细分仍有必要。对知识付费用户而言，对知识的总体性认知比局部的、细节的知识学习更为重要。
【关键词】知识付费；购买量；授课教师；课程设计；文本呈现
知识付费借助知识向服务的转换，实现经济资本、文化资本、社会资本的相互转换和三位一体。作为新媒体环境下主导性知识消费形态，它以对个人智慧的进一步激活与赋权，深度契合互联网去中心化的本质精神；以开放型、参与式社交平台的打造，构建互联网语境下新的知识传播体系；以多元化、垂直化的知识生产纠偏互联网泛娱乐化、碎片化文化倾向。从内容经济学视角探究其内容生产、产品架构以及营销创新等特征，不仅对于互联网经济发展有着较强的实践指导意义，也是从理论上进一步认识数字内容产业发展规律的重要一环。
一、文献回顾与研究假设
（一）研究背景与文献回顾
作为互联网领域的新兴业态，知识付费不仅改变了传统内容生产与传播的格局，也为互联网共享经济的已有内涵注入了新的因素：首先，它颠覆了传统内容生产企业通过内容的“二次销售”获得广告收益的商业模式（尽管目前大部分知识付费平台中仍有广告收益，但其平台设计和盈利逻辑并不是“二次销售”的在线平移。其次，与注意力经济相比，它补充了社交网络关系维系、文化认同与知识交互等新的要素，且将认知盈余作为内容生产的核心推动力；与粉丝经济、社群经济相比，它又更强调细分化、个性化、垂直化的内容设计，将内容（知识）而不是社群作为影响付费的关键要素加以考量，因此，长尾经济、情感消费等理念得以凸显（此外，与一般数字内容产品的消费相比，绝大多数的知识付费都是体验产品，因此与体验经济有着更为深刻的关联。
据艾媒数据中心报告，自2016年以来，知识付费的行业规模持续扩增，2019年中国知识付费行业用户规模达3.6亿人，知识付费市场规模达到278.0亿元，预计2020年将突破392亿元。然而，虽然近年来知识付费市场规模持续增长，但根据艾媒数据，自2019年来其用户规模增长率持续下降。且近两年来用户规模的增长，很大比例是来自“下沉市场”，从完课率、复购率、留存等参数看，整个市场的用户忠诚度指标不容乐观[1]。此外，与直接竞争对手在线教育的发展规模和发展潜力相比，知识付费的竞争优势稍显不足。但与此同时，在经过近五年的积累与发展之后，知识付费又有可能迎来新的发展机遇。一方面，随着城市化建设和城镇化率的不断提升，二三线城市的知识付费用户吸聚正在成为极具发展潜力的市场空窗；另一方面，随着5G技术的普及和人工智能技术的发展，知识直播、知识视频作为新的技术赋权也有望为知识付费补充新的技术取迳：站在时代的风口浪尖，知识付费正在迎来挑战与机遇并存的关键性发展阶段。
尽管知识付费行业进入门槛不高，但头部效应明显。长尾参与者虽数量众多，但营收分布较为分散，而以得到、喜马拉雅、知乎为代表的头部知识付费平台占据了35%的市场营收规模，体现出明显的马太效应。其中，成立于2016年的“得到”作为知识付费的始作俑者，目前仍保持月活跃用户315.3万的良好态势，在“2019年知识付费TOP50”排名中独占鳌头。因此，通过对得到的实证研究，有可能反映出知识付费行业发展的共性规律。
就知识付费的宏观性研究而言，研究兴趣点主要集中在发展现状和趋势研判[2-4]。这些文献大多从传播学角度展开讨论，将知识付费视为经济现象的研究并非主流。就定量分析而言，则多聚焦于探讨用户特征和消费意愿对知识付费产品购买量的影响因素分析[5-6]，其主要理论基础均为TPB理论，该理论主要从个体态度、主观规范、行为控制认知三个维度观察消费者的个体行为对产品购买量的影响，运用该理论进行相关领域研究的论文涉及APP store产品购买、大学生移动付费阅读等领域[7]。作为本文研究的重要理论依据，有文献指出，知识付费内容设计本身与产品购买量之间存在相关关系，认为通过总结用户搜索痕迹，可以实现知识付费内容“一边预测、一边生产”的模式[8]。然而，对于二者之间到底存在什么样的相关关系、哪些内容要素对产品购买量产生影响，却鲜有文献论及，而这正是本文试图解决的核心问题。
具体到“得到”产品内容的研究，仍以质性研究为主。宏观研究则主要沿产品主题分析和内容特征分析展开，也有文献进一步论述了“得到”将专业知识转换为技巧性知识的主要路径，其他为本文观测变量设计提供依据的文献来源详见表1。
基于以上分析，以“得到”APP的实证研究为依据，以内容分析法为主要研究方法，讨论其内容特征与购买量之间的关系，以期为知识付费产品设计提供规律性认识。为讨论的方便，将观测变量分为三大类别：首先是与授课者相关的要素，包括授课者的性别和知名度；其次是与课程设计相关的要素，包括内容时长、标题、课程主题、语速等；最后是基于课程文本呈现的相关要素，包括文本插图、标红文段等。
（二）假设与问题
基于以上分类，共设计12个控制变量，根据研究内容的不同层次，设计两个研究版块，就第一研究版块提出假设如下：
H1基于授课教师的“得到”内容产品因素对购买量有显著影响。
H2基于课程设置的“得到”内容产品因素对购买量有显著影响。
H3基于课程文本呈现的“得到”内容产品因素对购买量有显著影响。
进一步分析观测变量发现，课程主题、言说技巧、文本插图、标红文段四个类目下情况较为复杂，有必要进行进一步的观察和总结：就课程主题而言，其课程绝大多数可纳入商业、科技、人文、职场、心理五个类别之中；其内容产品的常见言说技巧则包括通过讲故事导入主题、通过引入个人经历深化主题并引起用户情感共振、通过提出具有较强操作性的策略和建议实用化主题、通过案例分析阐释主题四类；其课程文本呈现常配有插图，插图方式主要有插入授课教师照片、绘制总结知识体系的图谱与卡片以及根据授课内容配以相关插图以加深对抽象文字的理解三种思路；此外，对于课程文本，“得到”的另一亮点是标红设计，其标红段落集中在课程内容总结性语段、概念阐释语段、课程核心观点描述语段三种情况。以上子类别分类多元、类别明晰，且属于知识付费产品内容设计的核心要素，因此，根据以上子类目，设计第二个研究方向，并提出如下假设：
H4“得到”内容产品的五个常见主题对购买量有显著影响。
H5“得到”内容产品的四种基本类别对购买量有显著影响。
H6“得到”内容产品的三种常见文本插图方式对购买量有显著影响。
H7“得到”内容产品的三种常见文本标红方式对购买量有显著影响。
二、样本选择与研究设计
（一）样本选择
截至2019年5月29日，“得到”APP中所更新的课程一共有130个，其中356元和229元的课程以及69元的课程在平台内所占比重较小，不具有研究的科学性和“大样本”属性，因此不列入讨论范围。在剩余课程中，199元的订阅专栏（占比30%），99元的大师课（占比21.5%）和19.9元的精品课程（占比37.5%）为其主体课程。选取这三类课程作为样本来源，采取分层抽样（Stratified Sampling）方法，即按照不同的层次对样本总量进行抽样。在抽样时遵循两个原则：第一，同一层内部差异尽量缩小，而各层间的差异力求增大；第二，样本间界限分明，避免混淆。按订阅专栏随机抽取39门（占比32.5%）、大师课随机抽取28门（占比23.3%）、精品课随机抽取53门（占比44.2%）样本，得到120类（2261节）课程。在此基础上再随机抽取217节课程（总计3200小时）作为最终的研究样本。
（二）研究设计主要控制变量设计及其描述性统计结果见表1。
表1 主要控制变量设计及描述统计结果
| 变量 | 类别 | 频数 | 比例/% | 参考文献与来源 | |
| 基于授课者的相关要素 | 授课教师知名度(N=217) | 低于150 | 91 | 41.9 | J.H.Davis(1989) |
| 150-500 | 55 | 25.4 | |||
| 500以上 | 71 | 32.7 | |||
| 授课教师性别(N=217) | 男 | 174 | 80.2 | Downey，P.M.Cannon(1997) | |
| 女 | 43 | 19.8 | |||
| 基于课程设计的相关要素 | 内容时长(N=217) | 6-9分钟 | 68 | 31.3 | 赵保国、姚瑶(2017) |
| 10-13分钟 | 137 | 63.1 | |||
| 14-17分钟 | 12 | 5.6 | |||
| 课程标题字数(N=217) | 2-5字 | 5 | 2.3 | 赵保国、姚瑶(2017) | |
| 6-10字 | 97 | 44.7 | |||
| 11-15字 | 94 | 43.3 | |||
| 16-20字 | 21 | 9.7 | |||
| 课程标题句式(N=217) | 陈述句 | 138 | 63.6 | 朱园飞(2010) | |
| 疑问句 | 79 | 36.4 | |||
| 课程主题(N=217) | 商业 | 71 | 32.7 | 徐梦莹(2016) | |
| 人文 | 19 | 8.8 | |||
| 科技 | 12 | 5.5 | |||
| 心理 | 25 | 11.5 | |||
| 职场 | 90 | 41.5 | |||
| 课程言说技巧(N=217) | 讲故事 | 52 | 24.0 | Mayer，Davis&schoolmen(1995) | |
| 个人经历 | 13 | 6.0 | |||
| 策略、建议 | 76 | 35.0 | |||
| 案例分析 | 76 | 35.0 | |||
| 授课语速(N=217) | 200-250字/分钟 | 8 | 3.7 | J.H.Davis(1989) | |
| 250-300字/分钟 | 144 | 66.3 | |||
| 300字以上/分钟 | 65 | 30.0 | |||
| 导人方式(N=217) | 介绍自己 | 50 | 23.1 | 朱园飞(2010) | |
| 内容衔接 | 53 | 24.4 | |||
| 说明内容主题 | 114 | 52.5 | |||
| 总结方式是否总结N=217) | 是 | 134 | 38.2 | 朱园飞(2010) | |
| 否 | 83 | 61.8 | |||
| 基于课程文本呈现的相关要素 | 文本插图(N=413) | 老师形象 | 162 | 39.2 | 梦非(2012) |
| 知识卡片 | 47 | 11.4 | |||
| 课程配图 | 204 | 49.4 | |||
| 标红文段性质(N=553) | 观点性 | 265 | 47.9 | J.H.Davis(1989) | |
| 概念性 | 83 | 15.0 | |||
| 总结性 | 205 | 37.1 | |||
根据表1所涉变量建立编码方案，选取两名硕士研究生加以培训后作为编码员。预编码样本从总样本中随机抽取，采用霍斯提（Ole R.Holsti）公式进行信度检验，最终信度R=0.86>0.7，符合标准。
三、数据分析与研究结果
（一）假设验证
根据变量性质的不同，主要采用相关性分析、单因素方差分析以及独立样本T检验等统计方法验证假设，以上分析采用的工具均为SPSS19.0。结果表明，设计的大部分观测变量均与购买量相关，具体统计结果摘要见表2。
表2 设计控制变量与购买量的关系摘要
| 观测变量 | 检验方法 | 检验参数 | 结论 |
| 授课教师性别（男/女） | 独立样本T检验 | T=5.529** | 授课教师性别对购买量有显著差异 |
| 授课教师知名度 | 相关性分析 | Pearson r=0.824** | 高度正向相关 |
| 内容时长 | 相关性分析 | Pearson r=-0.178** | 负向弱相关 |
| 标题句式（陈述/疑问） | 独立样本T检验 | T=3.816** | 标题句式对购买量有显著差异 |
| 标题字数 | 相关性分析 | Pearson r=-0.571 | 负向中度相关 |
| 课程主题（商业、人文、科技、心理、职场） | 单因素方差分析 | F=22.912** | 课程主题对购买量有显著差异 |
| 课程言说技巧（讲故事、个人经历、策略和建议、案例分析） | 单因素方差分析 | F=3.259* | 言说技巧对购买量有显著差异 |
| 导入方式（自我介绍、内容衔接、概括说明课程主题） | 单因素方差分析 | F=0.627 | 导入方式对购买量无显著差异 |
| 总结方式（是/否） | 独立样本 | T检验T=0.001 | 是否总结对购买量无显著差异 |
| 语速 | 相关性分析 | Pearson r=0.535** | 中度正向相关 |
| 文本插图（老师形象、知识卡片、课程配图） | 单因素方差分析 | F=7.049** | 文本插图对购买量有显著差异 |
| 标红文段性质（观点性、概念性、总结性） | 单因素方差分析 | F=6.055* | 标红段落对购买量有显著差异 |
（二）回归模型
根据以上检验结果，提取对购买量有显著影响的变量作为预测变量，将所研究的变量进行编码赋值，并将其转化为虚拟变量后进行多元线性回归分析。
表3 “得到”APP付费课程购买量影响因素模型结果
| 影响因素 | 回归系数 | S.E | C.R | P值 | 标准化回归系数 |
| 性别 | -0.406 | 0.11 | 3-3606 | 0.00** | -0.162 |
| 主题 | -0.552 | 0.156 | -3.228 | 0.002** | -0.273 |
| 内容时长 | 0.002 | 0.021 | -0.17 | 0.986 | -0.001 |
| 知名度 | 0.001 | 0.000 | 11.919 | 0.00** | 0.548 |
| 标题句式 | -0.350 | 0.058 | -4.118 | 0.00** | -0.169 |
| 标题字数 | -0.101 | 0.014 | -0.702 | 0.484 | -0.030 |
| 标红段落 | -0.503 | 0.225 | 2.234 | 0.271 | 0.115 |
| 言说技巧 | -0.063 | 0.031 | -2.004 | 0.039* | -0.073 |
| 文本插图 | -0.009 | 0.039 | -0.221 | 0.825 | -0.07 |
| 语速 | 0.010 | 0.002 | 5.692 | 0.00** | 0.219 |
调整后R²为0.778，说明预测变量能够解释购买量变异程度的77.8%，是在可接受范围内，拟合效果较好。DW检验值为0.854，接近1，可以认为样本之间独立。VIF均小于5，说明变量之间不存在多重共线性。残差分布较为分散。在此基础上，以P＜0.05为基准，保留下来的变量有：教师知名度、语速、标题句式、言说技巧、课程主题、教师性别，即这六个变量在统计学意义上存在显著相关性，也是影响购买量的主要因素。其对购买量影响程度排序为：教师知名度＞课程主题＞语速＞标题句式＞性别＞言说技巧，如图1所示。
图1 购买量影响程度排序
考虑到随着课程类别的不同，用户在课程的付费动机等方面可能存在差异。为了考察数据结论的稳健性，将样本数据分为订阅专栏、大师课和精品课程等三个子样本分别进行回归分析，发现基于上述子样本得到的回归模型数据与前文数据并不存在本质差别。这也表明理论模型具有较强的稳定性。
（三）多重比较
在以上研究基础上，根据类目设计，进一步探究一些重要类目下的不同类别对购买量的影响，以期得到更为深入、针对性更强的规律性认识。根据研究问题，选择课程主题、言说技巧、文本插图、标红段落四个类目展开研究，其中前两个类目属于课程设置范畴，后两个类目属于文本呈现范畴，因此基本均衡地覆盖和代表了本文的研究重点。
通过对以上四个类目进行韦尔奇平均值相等性稳健检验发现，除言说技巧的韦尔奇检验结果P=0.052＞0.05外，其他三个类目都表现出明显的两两相关的显著性。
四、研究结论与对策建议
（一）基于回归模型的结论与建议
在选取的12个变量中，与购买量有相关关系的变量有10个，占比83%（其中基于授课者和课程文本呈现的变量与购买量有相关关系的占比均为100%，基于课程设计的变量与购买量有相关关系的占比为71%），这充分说明内容的设计与知识付费产品的购买量之间确实存在多种关联。加强内容设计，根据用户需求精研内容设计的各个环节，仍然是知识付费发展的重中之重。
表4 课程主题、文本插图以及标红文段的多重比较结果
| 变量分组 | 变量类别 | 比较结果（Ⅰ） | 比较结果（Ⅱ） | 结论 |
| 课程主题 | 商业（A）、人文（B）、科技（C）、心理（D）、职场（E） | B、E＞C、D＞C | B与C、D间不存在显著性差异(P=1、0.051、0.593＞0.05） | 商业主题对购买量的影响程度大于其他任意主题类型，易收获更多的购买量 |
| 文本插图 | 老师形象（A）知识卡片（B）课程配图（C） | B＞C;B＞A | A与C之间不存在显著性（P=0.604＞0.05） | 知识卡片对购买量的影响程度大于其他类型图片，易收获更多的购买量 |
| 标红文段 | 总结性（A）概念性（B）观点性（C） | A＞B；C＞B | A与C之间不存在显著性（P=0.716＞0.05） | 就对购买量的影响而言，总结性文段标红优于概念性文段标红#观点性文段标红优于概念性文段标红 |
以此为基础，进一步探讨了不同的内容设计因素对购买量的影响。回归模型显示，对购买量影响最大的是教师知名度。这透露出互联网时代消费经济的新的特征：粉丝经济仍然在持续发挥作用，粉丝吸聚仍是知识产品变现的首要逻辑。“一个清晰被广为接受的人格，它应该是可以整合成为商业链的入口”（罗振宇2016年在天猫全家商家大会的演讲），较为典型的例证是凭借薛兆丰的个人影响力，2018年3月“得到”付费课程《薛兆丰的经济学课》创造了单日订阅突破25万（5000万营收）的销售神话。实际上，“得到”APP的快速发展与罗振宇的个人魅力及众多来自《罗辑思维》的拥趸者的爱屋及乌式追捧有重要关系。但值得注意的是，知识网红与娱乐明星的粉丝吸聚仍有不同，“这种亦师亦友、惺惺相惜的关系，优势建立在共同的旨趣、感受乃至价值观内在契合的基础上，因此有着更深厚的精神基础因此，解构学术权威正襟危坐的刻板印象，着力形塑平民化知识精英形象，并通过社交平台分享建立其与用户之间平等、深厚的情感关联，仍是知识付费产品吸纳用户的制胜之道。
但另一方面，教师知名度对购买量的影响超过课程主题，也反映出在用户购买付费产品的深层动机中，源于快节奏生活与职业技能压力的群体性“知识焦虑”高于“知识兴趣”。换言之，用户对授课者知名度的崇拜，是因为这样做用户可以生产出属于自己的社会体验意义而产生快感（这种快感并不是来自对知识的真正的渴求，而作为虚假的、替代性的情感满足企图缓释“知识焦虑”，但这一过程却减损了知识的真正价值和学习的本质意义。“大众辨识力并未局限于选择文本与文本的相关点，而是延展到选择那传递文本的媒体，以及最适合消费者的社会文化位置与需求的消费模式”，约翰·费斯克对大众文化的理解在知识付费产品的购买倾向中再次得到了验证[10]。进言之，就知识付费的产品设计与销售而言，以授课教师知名度为导向的消费倾向对复购率的提升和用户黏性的保持仍是隐忧。“有的人就那样，他订了知识产品，订完了觉得没用。没用又花了钱，他是得吐槽”。这样尴尬的困境与用户没有从内容与知识兴趣本身出发有关。对长尾内容的深度挖掘和精准匹配，使相对冷门的知识门类浮出水面，有可能纠偏这一导向。因此，通过用户水平测试、用户分级加强内容服务与用户兴趣和知识程度的匹配，尤其是根据用户场景展开内容适配，仍然是知识付费产品需要重点关注的策略[11]。此外，通过人工智能和算法推荐，进一步优化内容的选择、推荐以及评价机制，进一步深化基于内容的知识服务，都将有助于对用户的引导和吸聚。
在回归方程中，较为敏感的因素还包括语速和标题等直观因素。相对于视频产品而言，音频产品的语速直接决定用户对该产品的第一印象。因此，对标题的打磨，以及适宜语速的把控在知识付费内容产品的设计，尤其是“试听”环节的设计中应该引起更多的关注。但本文数据主要基于音频产品样本得出，这一规律随着视频直播在知识付费平台上占比的加重有可能会有所改变。值得注意的是，上述因素对购买量的影响程度并不高，这与知识付费产品属于体验性产品的属性有关。用户真正的评判和认可与否往往产生在其深入学习产品之后。内容时长也不是敏感因素，这可能是因为用户的学习时间已经被碎片化，因此课程内容的总体耗时对用户学习兴趣的影响不及传统内容产品明显。性别因素也并不敏感，但这也许与“得到”特殊的用户定位有关一一“得到”用户中男性占比为52%，超过一半——因此不一定具有普适性。
（二）基于多重比较的结论与建议
在对多重比较结果的观察中发现，不同的言说技巧对购买量并没有形成显著差异，这与上述言说技巧在回归方程中处于影响程度末端位置是一致的。具体到课程主题、文本插图和标红文段的多重比较，仍有一些规律性认识值得总结。
课程主题的设计可以凸显平台整体的品牌调性。荔枝FM内容多样且偏向情感类表达、喜马拉雅FM则注重生活化的声音传递及知识传达，“得到”的付费课程主题则主要集中在商业和职场两个方面（分别占总体的32.7%、41.5%）；其次是心理类的课程（占总体的11.5%），科技和人文类占比较少。
从多重比较的情况来看，较之于其他课程主题，商业类主题容易获得购买量的显著程度远优于其他主题，这与其目前已有的主题分布格局是适配的。商业主题在“得到”产品架构中的优势地位，与“得到”多为涉入职场不久的中青年用户定位有关，也与这一课程具有较强的实际应用性有关。因此，应该聚集优势PGC资源，进一步形成主题聚焦。此外，从主题集中程度看，“得到”APP的课程主题较为集中，其长尾内容还有待进一步的建设与丰富。主题对购买量影响程度的不同，也说明知识付费产品的垂直化细分仍然是有必要的。尤其是在未来几年，知识付费产品推广的主要策略是向二三线城市下沉以吸纳更多的用户和更为丰富的人群，内容的垂直化将有助于这一策略的实现。
就课程的文本呈现而言，文本插图和段落标红是“得到”课程文本呈现两个最明显的特征。在文本插图中，知识卡片对购买量的影响程度大于其他类型图片，甚至大于教师形象插图，这说明用户在购买产品之前和真正使用产品的过程中的关注重心有所偏移。对知识的概括性二次加工能够降低用户学习难度，提高产品的可用性和易读性，是行之有效的内容优化策略。就标红文段而言，这一规律同样适用。总结性文段标红对购买量影响明显胜出，再次说明对今天的知识付费用户而言，对知识的总体性认知比局部的、细节的知识学习更为重要。而知识体系中概念的界定等学术性较强的思辨特征，并不能引起用户更多的关注。
参考文献：
[1]Ms.思涵.2020,知识付费越来越难了[EB/OL].https://zhuanlan.zhihu.com/p/101116576,2020-04-29.
[2]邹伯涵,罗浩.知识付费——以开放､共享､付费为核心的知识传播模式[J].新媒体研究2017(11):110-112,132.
[3]陈维超,刘世博.后情感社会知识付费内容变革与发展趋向[J].徐州工程学院学报(社会科学版)2019(6):88-93.
[4]胡泳,崔晨枫,吴佳倢.内容付费:一种崭新的内容经济学[J].新闻与写作,2019(2):26-35.
[5]陈梦媛.主题阅读和群文阅读的比较[J].文教资料,2019(31):30-31,62.
[6]叶阳,王涵.有声阅读平台用户内容付费意愿影响因素研究[J].图书馆学研究,2018(1):82-88.
[7]韩煜东,郭锦锦,张子健.中国背景下移动互联网内容付费的影响因素研究——基于TPB视角对APPStore的实证研究[J].大连理工大学学报(社会科学版),2016,37(3):55-61.
[8]喻国明,段泽宁,孙琳.计算社会科学框架下内容付费产品研究[J].现代传播(中国传媒大学学报),2018,40(2):7-12.
[9]刘果,王梦洁.基于社交平台的图书话题设计[J].编辑之友,2019(2):65-70.
[10][美]约翰•费斯克.理解大众文化[M].王晓钰,宋伟杰,译.北京:中央编译出版社2001186.
[11]刘果.场景视域下数字阅读特征与发展策略研究[J].湖南大学学报(社会科学版)2020,34(1):148-154.
