高 融， 王 玲， 楊以雄

(東華大學 服裝·藝術設計學院， 上海 200051)

服裝線上零售渠道消費者決策機制

高 融， 王 玲， 楊以雄

(東華大學 服裝·藝術設計學院， 上海 200051)

為探析服裝消費者線上購買決策模式，為服裝線上零售店鋪提供針對性的優(yōu)化方案，參考已有文獻構建出消費者決策指標，通過專家訪談確定重點指標。案例以品牌天貓旗艦店為研究載體，基于五段量表對消費者進行指標滿意度和購買意愿問卷調查。通過因子分析提取了5個決策因子，經最優(yōu)尺度回歸建立消費者購買意愿回歸方程。計算結果表明消費者在案例店鋪購物意愿一般，店鋪存在優(yōu)化空間。分析結果發(fā)現(xiàn)：5個決策因子對消費者的購買意愿均產生正相關影響；其中售后、選貨等因子對消費者購買意愿影響顯著，而案例店鋪在安全方面的表現(xiàn)需要重點提升。

服裝； 線上零售； 消費者決策； 因子分析； 回歸分析

渠道選擇作為影響品牌盈利的關鍵因素，已成為管理學和經濟學領域的重要課題[1]?；ヂ?lián)網對零售業(yè)經營策略、消費者行為等方面都產生了深遠影響[2]。傳統(tǒng)實體店的零售渠道變革，使行業(yè)由最初的單渠道向多渠道、跨渠道及全渠道模式發(fā)展[3]，也在一定程度上反映了消費者意識和行為的改變。

20世紀90年代末，因特網使得線上零售渠道加速擴張[4]，大量零售商主導的線下實體店開始向線上零售渠道拓展[5]。由于消費者無法線上試穿及體驗，這類局限使得服裝的線上零售曾不被認可[6-7]，但隨著服裝零售業(yè)的快速發(fā)展，該類商品已逐漸成為電子商務領域的重要組成部分[8]。21世紀初期，在消費者需求多樣化、生產信息化和市場競爭日益激烈的驅動下，服裝線上零售渠道成為電商主流趨勢[9-10]。基于此，本文量化了評價服裝消費者線上購買決策的形成要素及各要素間的關系，即服裝線上消費決策機制，為服裝品牌零售渠道拓展提供有益參考。

1 基于4Cs營銷理論的決策指標構建

4Cs營銷理論(the marketing theory of 4Cs)是以消費者需求為導向[11]，該理論于1990年由美國營銷專家勞特朋教授提出。4Cs重新設定了市場營銷組合的4個基本要素：consumer(消費者需求)、cost to the customer(成本)、convenience(便利)和communication(溝通)，強調企業(yè)首先應該把追求顧客滿意放在首位，其次是努力降低顧客的購買成本，然后要充分注意到顧客購買過程中的便利性，而不是從企業(yè)的角度來決定銷售渠道策略，最后強調應以消費者為中心實施有效的營銷溝通。本文以4Cs營銷理論為理念與標準，結合服裝線上零售渠道對消費者購買決策的形成要素展開研究。

由此梳理出基于4Cs的服裝線上零售渠道消費者決策要素及34項影響指標，如表1所示。其中：1)需求。討論渠道滿足消費者個人需求的情況。亞伯拉罕·馬斯洛博士提出了一個被廣泛接受的需求層次理論(hierarchy of needs)，研究了以層次概念為基礎的人類需求動機，將需求分為5個層次，從低層次到高層次依次為生理需要、安全需要、歸屬和愛的需要、自尊需要、自我實現(xiàn)的需要[12]；2)成本。顧客購買商品的過程，實質上也是一種投入產出的過程，除投入金錢以外，還包括情感、時間、體力和精力等方面的付出，這些投入和付出構成了顧客的購買成本[13]；3)便利。零售渠道在給消費者提供輕松、便利的交易環(huán)境時，還應充分考慮到消費者接受售后服務的便利性；4)溝通。線上零售模式在與消費者溝通時，包括客服交流與環(huán)境信息溝通2部分。

2 專家訪談與指標修正

本文研究將針對案例店鋪消費者開展問卷調查。通常，針對普通消費者的調查問卷，問項數(shù)量應控制在20個以內，最多不宜超過30個[14]。若34項指標全部設置為問卷問項，可能由于題量較大而導致無法獲得準確有效的消費者數(shù)據(jù)。為此，通過專家訪談，對文獻研究梳理出的指標體系進行修正，并篩選出較為重要的指標項作為消費者問卷問項。

表1 基于4Cs服裝線上零售渠道消費者決策指標

2.1 訪談方案

訪談服裝行業(yè)專家共21人，均擁有3 a及以上相關行業(yè)從業(yè)經歷，具體特征統(tǒng)計見表2。訪談過程中，專家依據(jù)自身的從業(yè)經歷與行業(yè)認知，完成2部分內容：1)通過五段量表答題形式，對各項指標的重要程度打分；2)對模型中的各項影響維度及影響因子進行確認或修正，提出增加、刪除或保留等意見。

2.2 訪談結果

表3示出服裝線上零售渠道消費者決策重點指標。由于本文針對線上零售渠道展開研究，根據(jù)專家意見關于“商品售價及運費”“上網費用”和“產品偏好”，在本文研究中不應作重點討論。專家們對表1各項指標打分，均值范圍從2.90～4.52，其中大于4.00的共有16項，這些可被視為服裝線上零售渠道消費者決策重點指標。這些指標排序越靠前，極大值與極小值間的差值相對越小，標準差也越小，說明專家們對重點指標的認可程度隨重要性增加而趨于集中。有部分專家表示：1)消費者會因嫌麻煩而不愿多涉及網購的售后服務，因而對“售后服務”的重要性產生分歧；2)許多消費者將網購過程視為娛樂消遣，對于價格間和貨品間的比較速度并不關注，因而對“產品挑選耗時”和“價格判斷難易度”的重要性產生分歧。由于整體樣本對這些存在觀點差異的指標打分均值仍較高，因此予以保留并待問卷調查研究驗證。

表2 受訪專家特征統(tǒng)計Tab.2 Characteristic statistics of interviewed experts

表3 服裝線上零售渠道消費者決策重點指標Tab.3 Key customer decision index of apparel online retail

3 消費者問卷調查

3.1 案例品牌

本文研究以產品定位年輕休閑時裝，目標消費群體為18～40歲女性，已在天貓開設品牌旗艦店的L品牌天貓旗艦店為案例店鋪，由被調查者在充分瀏覽該店鋪后填寫問卷。

3.2 研究方法

量表用于衡量個體的內在感受、知覺或情感反應[15]，包含若干關于研究對象特點的問項，評分一定程度上反映了研究對象的性質[16-17]，被廣泛應用于消費者行為研究，因此，實證研究采用問卷調查和多元統(tǒng)計分析的方法。

針對16項重點指標設計問項，以五段量表答題形式，獲取被調查者對案例店鋪各項指標表現(xiàn)滿意度，以及在該店鋪進行購物行為的意愿。

3.3 樣本選擇

選取案例品牌目標客戶群中的女性消費者開展問卷調查，調查時間為2015年4月28日至5月29日，共獲取有效問卷196份，人口統(tǒng)計特征見表4。被調查者年齡多集中在21～25歲(80.6%)，學歷水平全部為本科及以上，其中大部分為學生(88.8%)，整體樣本符合實驗預期。

表4 受試者人口統(tǒng)計特征Tab.4 Demographic characteristics of subjects

4 結果分析

有效樣本整體克朗巴哈系數(shù)為0.817，說明信度良好。KMO值為0.784大于0.6，巴特利球形檢驗的顯著性差異(Sig.)為0，小于0.05，說明量表效度系數(shù)良好，適合開展因子分析。

4.1 描述性分析

表5示出整體樣本對各項重點指標表現(xiàn)情況的滿意度均值。

表5 重點指標問項描述統(tǒng)計量Tab.5 Descriptive statistics of key index items

對于案例店鋪，64%的被調查者表示比較愿意在該店鋪中進行購買行為，24%的被調查者表示購買意愿一般，如圖1所示。整體樣本數(shù)據(jù)轉換為百分制得分為63.80分，購買意愿為比較愿意。

4.2 因子分析

通過4Cs營銷理論構建的決策指標，可依據(jù)消費者問卷調查數(shù)據(jù)進行因子分析，基于消費者決策行為探索服裝線上零售渠道消費者決策因子。

采用主成分分析法提取反映被調查者對各項指標表現(xiàn)滿意度因子。前5個因子的累積貢獻率為61.5%，大于60%，滿足因子個數(shù)對累積貢獻率的要求，因此選擇提取5個因子。如表6所示旋轉方差矩陣，得出因子結構并對因子進行命名。

表6 因子分析旋轉方差矩陣Tab.6 Rotation matrix of factor analysis

因子1選貨：消費者在零售渠道中，針對貨品信息分析與挑選所涉及的指標，如貨品品類、貨品信息分析、價格判斷難易度等。

因子2服務：零售渠道通過店員和顧客交流系統(tǒng)提供給消費者的相關服務，涉及指標客服服務水準、服務態(tài)度、顧客交流平臺等。

因子3安全：零售渠道確保消費者在購物過程中的貨幣、隱私、提貨等方面的安全，涉及指標貨幣安全、個人隱私保護和付款、收貨難易度。

因子4消耗：消費者在零售渠道中所產生的時間、精力等方面的消耗，涉及指標產品挑選難易度和產品挑選耗時。

因子5售后：在購買行為發(fā)生之后，消費者將與品牌商產生的接觸，包括售后服務以及經由產品所展示與傳達的品牌理念對消費者產生的長期影響。

4.3 最優(yōu)尺度回歸分析

最優(yōu)尺度回歸分析(optimal scaling)允許因/自變量為各種類型的分類變量，分析時采用一定的非線性變換方法對原始分類變量進行轉換，然后反復迭代以找到最佳方程式[18]。

表7 變量標準回歸系數(shù)及顯著性檢驗Tab.7 Standard regression coefficient and significant test

最優(yōu)尺度回歸模型的方程如式(1)所示：

(1)

式中：S為消費者購買意愿；F1為因子選貨的得分；F2為因子服務的得分；F3為因子安全的得分；F4為因子消耗的得分；F5為因子售后的得分。由式可知，5個決策因子對消費者的購買意愿均產生正相關影響，按標準回歸系數(shù)數(shù)值從大到小排列依次為售后、選貨、服務、安全及消耗，即這幾項因子對消費者購買意愿的影響由大到小。

消費者在線上選購時常擔心產品不符合預期，因而對售后較看重，若有無條件退貨等條款，會很大程度激發(fā)購買意愿；界面設計等因素對選購過程有直接影響，選貨的重要性排第二較為合理；雖然相比實體店，網購過程中店員介入較少，但當消費者對產品尺碼、工藝等產生疑慮時，客服服務仍具有重要意義；安全方面，消費者通過瀏覽正規(guī)網站和提升網銀、支付寶等賬戶安全主動規(guī)避相關風險，網店需承擔的安全責任相對較低；消費者瀏覽網店不受時間、地理位置等因素影響，相比實體店，消費者無需花費到店離店的時間和精力，因此消耗對消費者購買意愿的影響力最低。

4.4 購買意愿回歸分析

4.4.1 因子得分計算

因子分析采用主成分分析法，由下式可計算fij(第i個指標的第j個主成分系數(shù))，其中i=1,2,…,16,j=1,2,…,5。表8示出因子分析解釋總方差。表9示出分析成分矩陣。

(2)

式中：λj為初始特征值(見表8)；tij為初始因子載荷(見表9)。

表8 因子分析解釋總方差Tab.8 Total variance of factor analysis

表9 因子分析成分矩陣Tab.9 Component matrix of factor analysis

(3)

則F1=14.643。同理可得：F2=0.434，F(xiàn)3=-0.449；F4=1.461；F5=0.834。

4.4.2 購買意愿回歸模型及評價

各問項的打分范圍為1～5分，因此F1～F5的范圍分別為[3.905, 19.525]，[-6.873, 7.153]，[-6.181, 6.694]，[-5.599, 8.380]，[-6.182, 7.568]。進而得出最優(yōu)尺度回歸模型方程式S的取值范圍為[-4.570, 12.505]，-4.570≤S<-1.155時，結果為極不愿意購買； -1.155≤S<2.260為不太愿意購買；2.260≤S<5.675為一般；5.675≤S<9.090為比較愿意購買；9.090≤S≤12.505為非常愿意購買。將因子得分帶入式(1)，可知，此次問卷調查S得分為4.857，表明被調查者對于在案例店鋪進行購買行為的意愿屬一般。

從各項因子得分在所屬分值范圍內的水平表現(xiàn)來看，案例店鋪在安全、消耗、售后和服務方面存在較大優(yōu)化空間，如圖2所示。

5 結 論

考慮消費者決策對零售渠道發(fā)展的重要性，本文在建立線上零售渠道消費者決策指標的基礎之上，通過消費者問卷實驗，建立購買意愿最優(yōu)回歸模型，這一消費者購買決策的量化評價方法具有實用性和參考意義。本文以案例品牌天貓店鋪為例，分析該評價方法的應用，后續(xù)將針對更多類型的線上零售渠道，如手機移動終端開展研究，為服裝企業(yè)零售渠道的拓展與建設提供借鑒。

FZXB

[1] XIAO Tiaojun，CHOI Tsanming. Purchasing choices and channel structure strategies for a two-echelon system with risk-averse players[J]. International Journal of Production Economics, 2009, 120(1): 54-65.

[2] BERMAN B R. Competing in Tough Times: Business Lessons from L L Bean, Trader Joe′s, Costco, and Other World-Class Retailers[M]. New Jersey: FT Press, 2010: 27-38.

[3] BELL David, GALLINO Santiago, MORENO Antonio. Showrooms and information provision in omni-channel Retail[J]. Production and Operations Management, 2015, 24(3): 360-362.

[4] MULLER-LANKENAU Claas, WEHMEYER Kai, KLEIN Stefan. Multi-channel strategies: capturing and exploring diversity in the European retail grocery industry[J]. International Journal of Electronic Commerce, 2005, 10(2): 85-122.

[5] BOCK Geewoo，LEE Jumin，KUAN Hueihuang， et al. The progression of online trust in the multi-channel retailer context and the role of product uncertainty[J]. Decision Support Systems, 2012, 53(1): 97-107.

[6] FRANKE Nikolaus, SCHREIER Martin，KAISER Ulrike. The ″I designed it myself″ effect in mass customization[J]. Management Science, 2010, 56(1): 125-140.

[7] MERLE Aurlie，CHANDON J L，ROUX Elyette, et al. Perceived value of the mass-customized product and mass customization experience for individual consumers[J]. Production and Operations Management Science, 2010, 19(5): 503-514.

[8] APEAGYEI P R, OTIENO Rose. Usability of pattern customising technology in the achievement and testing of fit for mass customisation[J]. Journal of Fashion Marketing and Management, 2007, 11(3): 349-365.[9] MENDELSON Haim，PARLAKTURK A K. Competitive customization[J]. Manufacturing and Service Operations Management, 2008, 10(3): 377-390.

[10] TAKAGOSHI Noritsugu，MATSUBAYASHI Nobuo. Customization competition between branded firms: continuous extension of product line from core product[J]. European Journal of Operational Research, 2013, 225(2): 337-352.

[11] LIN T L, LEE C C, LIN H C. Analysis of customer profit contribution for banks with the concept of marketing mix strategy between 4Cs and 5Ps[J]. Service Business, 2013, 7(1): 37-59.

[12] TAORMINA R J，GAO J H. Maslow and the motivation hierarchy: measuring satisfaction of the needs[J]. American Journal of Psychology, 2013, 126(2): 155-177.[13] 鄭燕燕. 零售企業(yè)經營成本與顧客購買成本的博弈分析[J]. 北方經濟, 2010(9): 83-84. ZHENG Yanyan. The game analysis between operation cost and customer purchase cost of the retail business[J]. North China Journal of Economics, 2010(9): 83-84.

[14] 岳欣.市場調研、分析與預測[M]. 北京: 北京郵電大學出版社, 2010:124-140. YUE Xin.Market Research, Analysis and Forecast [M].Beijing:Beijing University of Posts and Telecommunications Press,2010:124-140.

[15] DEVELLIS Robert F. Scale Development: Theory and Applications[M].US: Sage Publications, 1991:39.

[16] PILLAI K G. Range of confidence scale and consumer knowledge calibration[J]. Psychological Reports, 2014, 114(1): 149-155.

[17] CHANG Huacheng, LAI Hsinhsi，CHANG Yuming. A measurement scale for evaluating the attractiveness of a passenger car form aimed at young consumers[J]. International Journal of Industrial Ergonomics, 2007, 37(1): 21-30.

[18] 張文彤. 世界優(yōu)秀統(tǒng)計工具SPSS11統(tǒng)計分析教程高級篇[M]. 北京: 希望電子出版社, 2002: 139. ZHANG Wentong. World Excellent Statistical Tools: Advanced Tutorial of SPSS11 Statistical Analysis [M]. Beijing: Beijing Hope Electronic Press, 2002: 139.

Consumers decision mechanisms on apparel online retail channels

GAO Rong, WANG Ling, YANG Yixiong

(Fashion·ArtDesignInstitute,DonghuaUniversity,Shanghai200051,China)

In order to provide the apparel online stores with targeted optimization schemes, customers′ decision strategy on apparel online retail channels were studied. Consumer decision-making indicators were built from the perspective of 4Cs marketing theory, determining the final index by expert interviews. Five sections scale questionnaires were used for collecting consumers′ satisfactions on each index and the purchase intention of the case brand′s Tmall store. 5 decision factors were extracted by factor analysis and the regression equations of consumer purchase intention were obtained by optimal scaling regression. Results showed the purchase willingness of consumers in the case store were modest and the store could be improved. 5 decisions factors had positive effects on the purchase intention of consumers, in which the after-sale service and the product selection had significant effects, while the performance of the case store in safety could be improved.

apparel; online retail; consumer decision; factor analysis; regression analysis

10.13475/j.fzxb.20151203707

2015-12-31

2016-07-04

中央高校基本科研業(yè)務費專項資金資助項目(CUSF-DH-D—2015036); 上海市教委海派時尚設計及價值創(chuàng)造知識服務中心資助項目(13S1070241)

高融(1986—)，女，博士生。主要研究方向為服裝消費心理。楊以雄，通信作者，E-mail：yyx@dhu.edu.cn。

F 768.3； TS 941.12

A