霍春輝, 袁少鋒, 吳雅軒

(遼寧大學(xué) 商學(xué)院, 遼寧 沈陽　110036)

?

網(wǎng)絡(luò)推薦商品信息對消費者購買決策的影響

霍春輝, 袁少鋒, 吳雅軒

(遼寧大學(xué) 商學(xué)院, 遼寧 沈陽110036)

摘要:基于消費者“網(wǎng)購的兩階段模型”,探討了網(wǎng)絡(luò)推薦商品的排名、網(wǎng)絡(luò)口碑?dāng)?shù)量和口碑傳播方向?qū)οM者網(wǎng)絡(luò)購買決策的影響。研究結(jié)果表明:網(wǎng)購情境下,網(wǎng)絡(luò)推薦商品的排名信息、口碑?dāng)?shù)量、口碑傳播方向顯著正向影響消費者的購買意向,進(jìn)而影響消費者購買行為。在網(wǎng)絡(luò)推薦商品的排名、口碑傳播數(shù)量對消費者購買意向的影響過程中,產(chǎn)品卷入度起到了顯著正向調(diào)節(jié)作用,即相比產(chǎn)品卷入度低的購買情形,推薦排名和口碑傳播數(shù)量對產(chǎn)品卷入度高的消費者的購買意向有更顯著的正向影響。

關(guān)鍵詞:網(wǎng)絡(luò)購買; 推薦商品; 購買意向; 購買行為

網(wǎng)絡(luò)購買情境下,消費者的決策模式與傳統(tǒng)的實體店購買有明顯區(qū)別。關(guān)于消費者購買決策過程和影響因素的理論,主要基于傳統(tǒng)的實體店購買而提出[1]。因此,有必要探究網(wǎng)購情境下消費者購買的決策過程與影響因素。已有相關(guān)研究關(guān)注于在線評論[2]、網(wǎng)絡(luò)口碑[3]特征等對網(wǎng)購決策的影響。鮮有研究探討網(wǎng)絡(luò)推薦商品信息對消費者購買決策的影響[4],本文對此展開探討,旨在對消費者網(wǎng)購決策及對電商企業(yè)的營銷管理提供參考和借鑒。

一、 相關(guān)研究回顧與假設(shè)提出

1. 消費者傳統(tǒng)購買決策與網(wǎng)絡(luò)購買行為

消費者購買決策行為是指個體、群體及組織如何挑選、購買、使用和處理產(chǎn)品、服務(wù)、構(gòu)思或者體驗以滿足他們需求和欲望的過程。消費者購買行為的傳統(tǒng)決策模型認(rèn)為,商品信息是影響消費者行為的重要因素[5]。人們想要獲得需要的商品,首先要了解商品信息,商品信息對消費者行為有駕馭和引導(dǎo)作用,是消費者進(jìn)行決策的主要依據(jù)。傳統(tǒng)實體店購買情境下的消費者購買決策模型,遵從心理學(xué)提出的人類行為一般模式的S-O-R理論,即“刺激—個體生理、心理—反應(yīng)”模式。刺激激起消費者的購買欲望,這種刺激不僅來源于消費者自身的內(nèi)部因素,如心理因素、生理因素,也來源于外部環(huán)境因素。消費者在內(nèi)外部因素的共同作用下,產(chǎn)生購買欲望,購買欲望驅(qū)動消費者作出購買決策,產(chǎn)生實際的購買行為。接下來,還會對商品、購買途徑及商家進(jìn)行評價,這就是傳統(tǒng)情境下一次完整的購買決策過程。

在網(wǎng)絡(luò)購買的環(huán)境下,消費者面臨的商品信息更加豐富、購物過程更便捷、購買價格也相對便宜。與傳統(tǒng)購買存在本質(zhì)區(qū)別的是,消費者網(wǎng)購時處于虛擬的、交互式網(wǎng)絡(luò)環(huán)境[4]。這決定了消費者購買的不確定性增加、購買風(fēng)險加大。這樣一來,消費者網(wǎng)絡(luò)購買的決策過程不同于傳統(tǒng)的購買決策過程。因而需要在傳統(tǒng)購買決策模型的基礎(chǔ)上,研究在線網(wǎng)絡(luò)購買情境下的消費者購買決策模型。

一些學(xué)者也開始探究網(wǎng)絡(luò)購買的決策模型。Haubl & Trifts[6]提出了網(wǎng)購的兩階段模型,第一個階段是消費者基于需求,大量瀏覽網(wǎng)頁上的商品,形成備選項;第二個階段是針對備選項中的商品,搜尋詳細(xì)的產(chǎn)品相關(guān)信息,并對不同的備選項基于一些個體認(rèn)為的關(guān)鍵屬性進(jìn)行對比評估,最終作出購買決策。在第一個階段,網(wǎng)購平臺的商品推薦服務(wù)發(fā)揮重要作用。在第二個階段,消費者對比分析備選項商品的詳細(xì)信息,如網(wǎng)絡(luò)評價數(shù)量、評價好壞,基于此作出購買決策。除此之外,Zeng & Reinartz[7]還提出了網(wǎng)購的“查找所需商品或服務(wù)、對比評估作出選擇、支付”的三階段模型。

2. 網(wǎng)絡(luò)推薦商品信息與消費者購買決策

在網(wǎng)購的情境下,消費者面臨的商品信息量遠(yuǎn)大于傳統(tǒng)購物情境,這增加了消費者購買決策的難度。因而網(wǎng)絡(luò)推薦成為提升消費者購買決策有效性的重要手段[8]。實際上,網(wǎng)絡(luò)商品推薦系統(tǒng)最初提出的目的,就是為了幫助消費者在信息負(fù)荷過大的網(wǎng)購情境下,更好地作出購買決策。根據(jù)Haubl & Trifts[6]提出的網(wǎng)絡(luò)購買決策的兩階段模型,在第一個階段的信息收集與備選項形成過程中,網(wǎng)絡(luò)推薦商品的排名信息可能是影響消費者購買決策的首要因素。在第二個階段的備選項信息搜集與評估過程中,網(wǎng)絡(luò)推薦商品的評論數(shù)量與質(zhì)量可能是影響消費者網(wǎng)購決策的重要因素。

網(wǎng)絡(luò)推薦根據(jù)消費者的搜索、瀏覽或購買記錄,預(yù)測消費者的偏好。據(jù)此從海量的商品信息中為消費者推薦一個商品子集,由此減少消費者決策時的商品信息超負(fù)荷問題[9]。網(wǎng)絡(luò)推薦的商品子集一般會對候選商品進(jìn)行排序,以幫助消費者對購買備選項進(jìn)行評價。已有研究揭示,網(wǎng)絡(luò)推薦系統(tǒng)提供的排名信息,不僅減少消費者購買決策時的認(rèn)知付出,還提高了消費者購買決策的有效性與滿意度[4,8]。

另外,網(wǎng)絡(luò)推薦商品對應(yīng)的口碑?dāng)?shù)量和口碑傳播方向,能通過感知效應(yīng)(awareness effect)和勸說效應(yīng)(persuasive effect)影響消費者的購買決策[10]。感知效應(yīng)涉及特定商品對應(yīng)的網(wǎng)絡(luò)口碑的數(shù)量,數(shù)量的多少傳遞商品的存在,口碑越多的商品越容易進(jìn)入消費者選擇的備選項。勸說效應(yīng)涉及口碑的傳播方向,整體上積極的口碑塑造消費者對特定商品的態(tài)度,影響其最終購買決策,而消極的口碑則發(fā)揮相反的作用。

推薦商品的網(wǎng)絡(luò)口碑?dāng)?shù)量,即某推薦商品的評論數(shù)量,能夠?qū)οM者網(wǎng)購決策產(chǎn)生重要影響[11],也是研究者們關(guān)注的重要變量[10]。推薦商品的網(wǎng)絡(luò)口碑?dāng)?shù)量越多,說明他人對該商品的關(guān)注程度越高、該商品越流行。人們?nèi)菀谆趶谋娦睦矶J(rèn)為自己的購買決定是合理的。當(dāng)消費者對某商品缺乏了解時,網(wǎng)絡(luò)口碑的數(shù)量還會成為消費者感知購買行為不確定性和風(fēng)險的依據(jù);數(shù)量越多,消費者對購買的不確定性和風(fēng)險感知程度越弱。

推薦商品的網(wǎng)絡(luò)口碑傳播方向,即他人總體上對推薦的特定商品評價好或壞的傾向,反映的是推薦商品網(wǎng)絡(luò)口碑的質(zhì)量。他人會根據(jù)過往的消費經(jīng)歷、體驗,形成對特定商品的評價。評價的好壞對應(yīng)的是勸說效應(yīng),因而也是消費者網(wǎng)購決策的重要依據(jù)[11]。

3. 假設(shè)提出

已有研究發(fā)現(xiàn),網(wǎng)絡(luò)購買情境下,消費者瀏覽搜索結(jié)果頁面遵循自上而下的順序,排名越靠前的信息,受到的關(guān)注就越多[12]。另外,當(dāng)面對不熟悉的產(chǎn)品時,人們往往點擊較為靠前的鏈接瀏覽產(chǎn)品信息;在傳統(tǒng)的搜索頁面中,由于用戶自上而下的信息瀏覽方式,信息搜索項排名的先后順序?qū)Ω鱾€鏈接的點擊率、瀏覽率等產(chǎn)生了顯著的影響[13]。因此,網(wǎng)購情境下,購物網(wǎng)站的商品推薦排名信息會對消費者的購買意向產(chǎn)生積極的影響。據(jù)此提出假設(shè)1:網(wǎng)絡(luò)推薦商品排名正向影響消費者購買意向。

口碑?dāng)?shù)量在商品銷售過程中對消費者行為有重要影響,口碑?dāng)?shù)量越多,對消費者的影響可能越大[2]。Davis & Khazanchi[14]通過對一家電商企業(yè)的真實數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn),網(wǎng)絡(luò)口碑?dāng)?shù)量通過作用于消費者的認(rèn)知進(jìn)而對企業(yè)的銷售額產(chǎn)生影響?？梢?網(wǎng)絡(luò)口碑的評論數(shù)量越多,消費者掌握的內(nèi)容就越豐富,對消費者認(rèn)知產(chǎn)生的影響越強(qiáng)烈,進(jìn)而影響消費者的購買意向。因此,提出假設(shè)2:網(wǎng)絡(luò)推薦商品的口碑?dāng)?shù)量正向影響消費者購買意向。

消費者在作出購買決策時,網(wǎng)絡(luò)口碑傳播的方向也具有重要的參考價值[3]。金立印[15]研究發(fā)現(xiàn),網(wǎng)絡(luò)口碑傳播方向,即網(wǎng)絡(luò)口碑總體上是朝積極正面的方向傳播,還是消極負(fù)面的方向傳播,對消費者的購買決策發(fā)揮重要作用,并且不同傳播方向的網(wǎng)絡(luò)口碑對消費者購買決策的影響呈現(xiàn)出顯著差異。作為消費者選擇商品時的重要參考之一,網(wǎng)絡(luò)口碑傳播方向?qū)οM者購買意愿的影響非常大,越是正面的口碑傳播,越可能正向影響消費者購買意愿。據(jù)此,提出假設(shè)3:網(wǎng)絡(luò)推薦商品口碑傳播方向正向影響消費者購買意向,即傳播方向越積極正面,消費者的購買意向越強(qiáng)。

在網(wǎng)絡(luò)推薦商品信息影響消費者購買決策的過程中,產(chǎn)品卷入度可能是一個重要的調(diào)節(jié)變量。面對產(chǎn)品卷入度高的商品時,消費者往往投入更多的時間與精力去搜尋與之相關(guān)的信息,全方位對比各個備選商品;相反,面對產(chǎn)品卷入度低的商品時,消費者的購買過程便會非常容易,有可能簡化中間過程而直接購買[15]。因而,相比產(chǎn)品卷入度低的購買情境,網(wǎng)絡(luò)推薦商品的排名、網(wǎng)絡(luò)口碑?dāng)?shù)量和口碑傳播方向,可能對產(chǎn)品卷入度高的消費者的購買行為有更大的影響。因此,提出假設(shè)4:在網(wǎng)絡(luò)推薦商品信息與消費者購買意愿之間,產(chǎn)品卷入度發(fā)揮調(diào)節(jié)作用;具體地,相比產(chǎn)品卷入度低的購買情形,網(wǎng)絡(luò)推薦商品的推薦排名(假設(shè)4a)、口碑?dāng)?shù)量(假設(shè)4b)和口碑傳播方向(假設(shè)4c)對產(chǎn)品卷入度高的消費者的購買意愿有更顯著的正向影響。

最后,一般消費者的購買決策過程首先由商家通過某種途徑把信息傳達(dá)給消費者,消費者進(jìn)行產(chǎn)品搜索,收集相關(guān)信息,形成購買意向,基于購買意向再發(fā)生實際的購買行為。顧客購買意向能夠代表顧客購買某個產(chǎn)品或者服務(wù)的概率,當(dāng)顧客的購買意向越強(qiáng)烈,購買的可能性越大。Fishbein等提出的計劃行為理論指出,個人行為受意愿的控制,個人意愿決定個人行為,是行為產(chǎn)生的前因。作為實際購買行為發(fā)生的前因,消費者購買意向是衡量購買行為的重要指標(biāo),可以精準(zhǔn)地預(yù)測購買行為。由此,提出假設(shè)5:網(wǎng)絡(luò)商品的購買意向正向影響消費者的購買行為。

根據(jù)以上分析,提出研究的理論模型,如圖1。網(wǎng)絡(luò)推薦商品排名信息、口碑?dāng)?shù)量及口碑傳播方向都正向影響消費者的購買意向,并且在此過程中,產(chǎn)品卷入度起到了調(diào)節(jié)作用。購買意向作為購買行為發(fā)生的前因,能夠準(zhǔn)確地預(yù)測消費者的購買行為。

圖1　　　網(wǎng)絡(luò)推薦商品信息對消費者

二、 研究設(shè)計與數(shù)據(jù)收集

1. 研究設(shè)計

為了保證相關(guān)變量測量的效度與信度水平,通過整理相關(guān)文獻(xiàn),在國內(nèi)外成熟量表的基礎(chǔ)上,結(jié)合本研究特定的情境進(jìn)行了適當(dāng)?shù)恼{(diào)整與修改,最終形成本研究的調(diào)查問卷。問卷包含三部分,第一部分是問卷介紹;第二部分是正文部分,即變量的測量,包括網(wǎng)絡(luò)推薦商品排名、口碑?dāng)?shù)量、口碑傳播方向、產(chǎn)品卷入度、消費者購買意向及消費者購買行為的測量;第三部分是被調(diào)查者的基本資料信息。

研究涉及的潛變量主要包括:網(wǎng)絡(luò)推薦商品的網(wǎng)絡(luò)口碑?dāng)?shù)量、口碑傳播方向、產(chǎn)品卷入度、購買意向及購買行為。網(wǎng)絡(luò)推薦商品的排名是一個相對客觀的信息,本研究基于已有文獻(xiàn)設(shè)計一個題項“該推薦商品在推薦列表中的排名次序?qū)ξ矣杏绊憽边M(jìn)行測量。網(wǎng)絡(luò)推薦商品口碑?dāng)?shù)量參考Schubert & Selz[16]的量表,包括4個題項,代表性題項為:該推薦商品的評論很多,該推薦商品的關(guān)注度很高。口碑傳播方向參考Chan[17]的研究,包括3個題項,代表性題項為:該推薦商品的總體評價是非常正面的,該推薦商品的總體建議傾向是優(yōu)先考慮購買的。產(chǎn)品卷入度參考Zaichkowsky[18]的研究,包括4個題項,代表性題項為:該推薦商品對我很重要,我對該推薦商品很感興趣。購買意向參考Crespo & Bosque[19]使用的量表,包括3個測量題項,代表性題項是:我很可能購買該推薦商品,我有意愿購買該推薦商品。購買行為參考了Shih & Fang[20]的研究,包括3個測量題項,代表性題項為:我已經(jīng)購買了該推薦商品,我多次購買網(wǎng)站上推薦的商品。

潛變量采用李克特五級量表進(jìn)行打分,“1”代表“完全不同意”;“2”代表“比較不同意”;“3”代表“中性”;“4”代表“比較同意”;“5”代表“完全同意”。此外,調(diào)查問卷參考CNNIC《2014年第33次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》中的網(wǎng)民結(jié)構(gòu)特征的分類變量設(shè)置,來設(shè)計本研究被試的基本信息調(diào)查變量,這樣做的目的是便于考察本研究樣本的代表性?；拘畔⒆兞堪?性別、年齡、學(xué)歷、職業(yè)、月平均收入、網(wǎng)購頻率(次/月)。

2. 數(shù)據(jù)搜集

正式問卷設(shè)計好后,于2015年1月通過問卷星網(wǎng)絡(luò)問卷調(diào)查平臺發(fā)放并回收問卷。這期間共收回299份問卷,將回收的全部調(diào)查問卷進(jìn)行篩選。刪除題項“我經(jīng)常瀏覽購物網(wǎng)站中推薦的商品”選擇“完全不同意”的問卷,刪除明顯填答不認(rèn)真(如全選3超過70%)的問卷,共刪除無效問卷44份。最終得到255份有效問卷,有效率達(dá)到85.3%。

樣本的人口統(tǒng)計特征見表1。樣本統(tǒng)計特征能夠反映出本文的被調(diào)查者具有良好的代表性,符合研究要求。

表1　樣本人口統(tǒng)計特征

三、 實證分析與假設(shè)檢驗

1. 描述性統(tǒng)計分析

首先,分析被試所關(guān)注的網(wǎng)絡(luò)推薦商品的類型,按關(guān)注人數(shù)所占比重排序依次是:服飾鞋帽(占38.8%)、電腦數(shù)碼(15.7%)、美容美妝(11.4%)、手機(jī)通訊(7.8%)、食品營養(yǎng)(6.7%)、家居生活(5.5%)、家電家具(4.3%)、圖書音像(4.3%)、休閑娛樂(3.5%)、其他(1.8%)。CNNIC發(fā)布的《2014年中國網(wǎng)絡(luò)購物市場研究報告》顯示,網(wǎng)絡(luò)購物市場中最受關(guān)注的類別是服飾鞋帽,其次為日用百貨及電腦、通訊數(shù)碼產(chǎn)品,化妝品及美容產(chǎn)品比重超過圖書音像制品、家用電器、食品營養(yǎng)及文體用品。對比上述分析,本研究所涉及到的商品類別在消費者網(wǎng)絡(luò)購物行為中比較具有代表性。

另外,分析被試對網(wǎng)絡(luò)推薦商品的瀏覽方式,具體有三種方式:自上而下瀏覽、隨自己的判斷瀏覽、隨機(jī)瀏覽。本研究中,被試在三種瀏覽方式上所占比例分別為42.4%、40.4%及17.2%。三種方式中,自上而下瀏覽所占比例最高。消費者瀏覽推薦列表中的推薦商品大多數(shù)選擇位置排名比較靠前的商品,較少消費者會選擇瀏覽排名靠后的商品。

2. 效度和信度檢驗

潛變量的測量均參考已有文獻(xiàn),并且相關(guān)測量量表已經(jīng)在中國情境下使用,這初步保證了測量的內(nèi)容效度。問卷初稿設(shè)計好后,邀請了5位有過網(wǎng)購經(jīng)歷的成年消費者進(jìn)行試填寫,并讓他們就問卷各題項的可讀性、易懂性等提出看法和意見。綜合考慮5位消費者試填寫時的意見,修改形成正式的測量量表和調(diào)查問卷,進(jìn)一步提升測量的內(nèi)容效度。

接下來通過學(xué)者們常用的探索性因子分析方法來檢驗測量的結(jié)構(gòu)性構(gòu)念效度。采用主成分分析、方差最大化正交旋轉(zhuǎn)及特征根值大于1的標(biāo)準(zhǔn)進(jìn)行因子分析,并剔除載荷系數(shù)小于0.5的題項。將研究所包含的全部題項一起進(jìn)行因子分析,KMO=0.894,通過了Bartlett球形檢驗,p<0.001,并且所有潛變量對應(yīng)題項的載荷系數(shù)均大于0.5。研究涉及的各潛變量對應(yīng)題項的因子分析結(jié)果顯示,口碑?dāng)?shù)量、口碑傳播方向、產(chǎn)品卷入度、購買意向和購買行為對應(yīng)的KMO值分別為:0.754、0.721、0.698、0.804、0.672,均大于0.6,說明潛變量的測量題項能夠合理地解釋變量,并且各個潛變量因子分析都通過了Bartlett球形檢驗,對應(yīng)p值均小于0.001。以上指標(biāo)表明研究涉及的潛變量具有良好的結(jié)構(gòu)性效度。

參照Anderson & Gerbing[21]的做法,通過驗證性因子分析,基于測量題項的標(biāo)準(zhǔn)化因子載荷和平均方差提取量(AVE)來檢驗潛變量測量的收斂效度。采用Lisrel 8.7軟件進(jìn)行驗證性因子分析,結(jié)果表明潛變量測量題項的因子標(biāo)準(zhǔn)化載荷系數(shù)介于0.63和0.86之間,AVE提取量除網(wǎng)絡(luò)口碑傳播方向因子的AVE值為0.45,其他潛變量對應(yīng)的AVE值都在0.5的臨界標(biāo)準(zhǔn)以上。根據(jù)以上兩個指標(biāo)分析結(jié)果,可以認(rèn)為本研究潛變量的測量具有可接受的收斂效度。

研究還參考Fornell & Larcker[22]推薦的方法檢驗測量的區(qū)別效度,即根據(jù)每個因子的AVE值是否大于該因子與其他因子之間的方差,來進(jìn)行判斷。如果AVE值大于兩因子之間相關(guān)系數(shù)的平方,或AVE值的平方根大于兩因子之間的相關(guān)系數(shù),表示兩個因子之間具有較好的區(qū)別效度。本研究各因子AVE值的平方根介于0.66～0.81之間,相關(guān)系數(shù)的值介于0.36～0.64之間。每個因子的AVE值平方根都大于兩因子間的相關(guān)系數(shù)。表明本研究各因子的區(qū)別效度較好。

最后采用Cronbach’sα值作為衡量信度的指標(biāo),考察潛變量的信度。信度分析結(jié)果顯示,口碑?dāng)?shù)量、口碑傳播方向、產(chǎn)品卷入度、購買意向和購買行為對應(yīng)的Cronbach’sα系數(shù)分別為0.804、0.841、0.669、0.841、0.832,均大于0.65,表明潛變量具有良好的內(nèi)部一致性信度。

3. 假設(shè)檢驗

采用Pearson相關(guān)系數(shù)對變量進(jìn)行相關(guān)性分析,結(jié)果表明網(wǎng)絡(luò)推薦商品排名、口碑?dāng)?shù)量及口碑傳播方向都與消費者購買意向顯著正相關(guān),相關(guān)系數(shù)分別為0.361(p<0.01)、0.487(p<0.01)及0.491(p<0.01)。同時,購買意向與購買行為亦呈現(xiàn)顯著正相關(guān),相關(guān)系數(shù)為0.642(p<0.01)。這初步支持了假設(shè)1、2、3和5。

接下來,利用SPSS 19.0軟件對正式回收數(shù)據(jù)進(jìn)行分析。首先將相關(guān)潛變量進(jìn)行標(biāo)準(zhǔn)化,然后,采用研究者們通用的層次回歸模型,來檢驗網(wǎng)絡(luò)推薦商品的排名、口碑傳播數(shù)量、口碑傳播方向與消費者購買意向之間,產(chǎn)品卷入度的調(diào)節(jié)效應(yīng)。分層回歸模型的分析步驟是:①考察控制變量對因變量的主效應(yīng)回歸;②考察自變量和調(diào)節(jié)變量對因變量的主效應(yīng)回歸;③考察自變量、調(diào)節(jié)變量及二者交互項對因變量的回歸結(jié)果。生成自變量和調(diào)節(jié)變量的交互項前,需要對兩類變量進(jìn)行中心化轉(zhuǎn)換,目的是消除兩類變量間的多重共線性的潛在干擾。本研究基于潛變量的標(biāo)準(zhǔn)化得分進(jìn)行分析,變量的均值為零,所以不需要再中心化。層次回歸分析的結(jié)果見表2。

表2中模型1表明,控制變量只解釋了消費者購買意向很小的變異,R2接近0。作自變量對因變量的主效應(yīng)回歸,模型2的結(jié)果顯示,整個模型對因變量變異的解釋能力顯著提升,R2顯著變大。口碑排序(β= 0.153,p<0.05)、口碑傳播數(shù)量(β= 0.206,p<0.01)和口碑傳播方向(β= 0.333,p<0.001)對消費者購買意向的標(biāo)準(zhǔn)化回歸系數(shù)均顯著。這支持了假設(shè)1、2和3。網(wǎng)絡(luò)推薦商品的排名越靠前、口碑傳播數(shù)量越多、口碑傳播方向越積極正面,消費者對網(wǎng)絡(luò)推薦商品的購買意愿越強(qiáng)。

表2　預(yù)測消費者購買意向的標(biāo)準(zhǔn)化回歸分析結(jié)果

注: ***、**、*、+分別表示在0.001、0.01、0.05、0.1水平上顯著。

模型3考察的是網(wǎng)絡(luò)推薦商品排名與消費者購買意愿間,產(chǎn)品卷入度的調(diào)節(jié)作用。分析結(jié)果顯示,推薦商品排名和產(chǎn)品卷入度對消費者購買意向影響的主效應(yīng)都顯著,同時二者交互項對消費者購買意向的標(biāo)準(zhǔn)化回歸系數(shù)也顯著,即β=0.126,p<0.05。這說明推薦商品排序和消費者購買意向之間,產(chǎn)品卷入度發(fā)揮正向調(diào)節(jié)作用,這支持了假設(shè)4a,同時表明相比產(chǎn)品卷入度低的網(wǎng)購情境,推薦商品排序?qū)Ξa(chǎn)品卷入度高的消費者的購買意向有更顯著的正向影響。

類似地,模型4表明,網(wǎng)絡(luò)推薦商品的口碑傳播數(shù)量與消費者購買意向之間,產(chǎn)品卷入度的調(diào)節(jié)效應(yīng)臨界顯著,口碑傳播數(shù)量和產(chǎn)品卷入度的交互項對應(yīng)的標(biāo)準(zhǔn)化回歸系數(shù)為β= 0.085,p<0.1,這傾向支持假設(shè)4b。意味著相比產(chǎn)品卷入度低的網(wǎng)購,口碑傳播數(shù)量對產(chǎn)品卷入度高的消費者的購買意向有更強(qiáng)的正向影響效應(yīng)。此外,模型5表明,口碑傳播方向與消費者購買意向之間,產(chǎn)品卷入度的調(diào)節(jié)作用不顯著,口碑傳播方向和產(chǎn)品卷入度的交互項對應(yīng)的標(biāo)準(zhǔn)化回歸系數(shù)接近0,p>0.9,假設(shè)4c未獲得數(shù)據(jù)支持。

此外,作控制變量、購買意向?qū)οM者購買行為的回歸分析,分析結(jié)果顯示,模型調(diào)整R2為0.402,性別、年齡、學(xué)歷、職業(yè)、月收入、網(wǎng)購次數(shù)等控制變量對消費者購買行為的影響不顯著,而購買意向?qū)徺I行為的標(biāo)準(zhǔn)化回歸系數(shù)顯著,即β=0.634,p<0.001。這表明在控制性別等控制變量的影響后,消費者購買意向顯著正向影響購買行為,這支持了假設(shè)5。

四、 研究結(jié)論與啟示

1. 研究結(jié)論

越來越多的中國消費者將其商品購買主要渠道從傳統(tǒng)實體店轉(zhuǎn)向網(wǎng)絡(luò)購買。然而已有研究主要關(guān)注在線評論、網(wǎng)絡(luò)口碑特征對消費者網(wǎng)絡(luò)購買決策的影響。本文基于Haubl & Trifts[6]提出了網(wǎng)購的兩階段模型,探討了網(wǎng)絡(luò)推薦商品的排名、口碑?dāng)?shù)量及口碑傳播方向?qū)οM者購買決策的影響,并考察了產(chǎn)品卷入度的調(diào)節(jié)作用。

研究發(fā)現(xiàn),網(wǎng)絡(luò)推薦商品的排名信息、口碑?dāng)?shù)量、口碑傳播方向顯著正向影響消費者的購買意愿。網(wǎng)購情境下,推薦商品排名越靠前、口碑?dāng)?shù)量越多、口碑傳播方向越是積極正面,消費者對推薦商品的購買意愿越強(qiáng),并且在網(wǎng)絡(luò)推薦商品的排名、口碑?dāng)?shù)量對消費者網(wǎng)絡(luò)購買意愿的影響過程中,產(chǎn)品卷入度發(fā)揮顯著的調(diào)節(jié)作用。這意味著相比產(chǎn)品卷入度低的網(wǎng)絡(luò)購買情形,網(wǎng)絡(luò)推薦商品的排名、口碑?dāng)?shù)量對產(chǎn)品卷入度高的消費者的網(wǎng)絡(luò)購買意愿有更顯著的正向影響。研究還顯示,網(wǎng)絡(luò)推薦商品的購買意愿對實際的購買行為具有非常強(qiáng)的預(yù)測能力。

此外,網(wǎng)絡(luò)推薦商品的口碑傳播方向?qū)οM者購買意向的影響過程中,產(chǎn)品卷入度的調(diào)節(jié)作用并不顯著。結(jié)合數(shù)據(jù)分析的結(jié)果,無論是高產(chǎn)品卷入度還是低產(chǎn)品卷入度的網(wǎng)絡(luò)購買情境,口碑傳播方向越積極正面,消費者的購買意愿都會越強(qiáng)。

2. 營銷啟示

研究結(jié)論對于電商企業(yè)的營銷活動具有實踐啟示。企業(yè)可以從掌握的海量消費者數(shù)據(jù)中挖掘消費者的歷史瀏覽記錄、消費記錄、消費習(xí)慣,為消費者推薦商品,實施精準(zhǔn)營銷。商品的推薦服務(wù)是大數(shù)據(jù)的重要應(yīng)用之一。本研究發(fā)現(xiàn),網(wǎng)站上推薦商品排名信息顯著正向影響消費者購買意向。此外,產(chǎn)品卷入度在網(wǎng)絡(luò)推薦商品排名對消費者購買意向的影響起到了正向的調(diào)節(jié)作用。產(chǎn)品卷入度越高,消費者購買商品時所承擔(dān)的風(fēng)險越多。因此,在購買此類商品前對商品信息的搜索就越積極,理性思考成分就越多。購物網(wǎng)站可以通過分析消費者的歷史消費信息、搜索信息、瀏覽信息等數(shù)據(jù),為其提供精準(zhǔn)的個性化推薦服務(wù)。消費者個性化需求得到滿足的同時,降低了購物網(wǎng)站由于市場不確定性因素帶來的風(fēng)險,有利于購物網(wǎng)站更好地把握市場需求,更好地為消費者服務(wù)。在提升顧客滿意度與忠誠度的同時,提升企業(yè)競爭優(yōu)勢。

另外,對于電商企業(yè)而言,在網(wǎng)絡(luò)消費人群中建立良好的口碑具有十分重要意義。良好的口碑以一流的產(chǎn)品質(zhì)量和服務(wù)質(zhì)量為基礎(chǔ)。如果消費者基于網(wǎng)絡(luò)宣泄對商家的產(chǎn)品質(zhì)量或者服務(wù)質(zhì)量不滿,其破壞性將非常嚴(yán)重。因此,如何在網(wǎng)絡(luò)上建立積極正面的口碑應(yīng)是企業(yè)重點關(guān)注的問題。電子商務(wù)企業(yè)應(yīng)該注重商品的質(zhì)量,加強(qiáng)商品質(zhì)量的監(jiān)督與管理。與此同時,企業(yè)還應(yīng)該注重網(wǎng)絡(luò)口碑傳播的方向,及時對消費者負(fù)面情緒進(jìn)行安撫及作出有效回應(yīng),妥善解決消費者所提出的問題,改變消費者的負(fù)面看法。企業(yè)不僅僅要充分、合理利用網(wǎng)絡(luò)口碑這一成本低、見效快的營銷工具,積極展開網(wǎng)絡(luò)營銷工作,還應(yīng)該整合各種媒介資源,積極全面地傳播企業(yè)的所有信息,樹立正面的企業(yè)形象。

最后,產(chǎn)品卷入度在網(wǎng)絡(luò)推薦商品的排名和口碑?dāng)?shù)量對消費者購買意向的影響中起到了顯著的調(diào)節(jié)作用。因此,電子商務(wù)企業(yè)在通過網(wǎng)絡(luò)推薦商品排名、口碑?dāng)?shù)量影響消費者購買決策的過程中,應(yīng)關(guān)注到產(chǎn)品卷入度的潛在影響。針對產(chǎn)品卷入度高的網(wǎng)絡(luò)購買情境,排名信息和口碑?dāng)?shù)量對消費者的購買意愿才會有更顯著的正向影響。除此之外,還可以通過營銷策略影響消費者購買時的產(chǎn)品卷入度。例如,電子商務(wù)企業(yè)可以吸引消費者注冊、收藏自己企業(yè)的網(wǎng)站,關(guān)注企業(yè)旗下的產(chǎn)品,或者通過發(fā)送短信、微信、電子郵件等形式邀請新老顧客免費試用新產(chǎn)品,這樣不僅提高了消費者的產(chǎn)品卷入度,而且還獲取了消費者一手資料,既能鞏固老顧客,又能吸引新顧客,最終提升消費者的購買意愿,促進(jìn)企業(yè)的可持續(xù)發(fā)展。

參考文獻(xiàn):

[1] 邁克爾·R.所羅門. 消費者行為學(xué)[M]. 10版. 盧泰宏,楊曉燕,譯. 北京: 中國人民大學(xué)出版社, 2014.

[2] 江曉東. 什么樣的產(chǎn)品評論最有用?——在線評論數(shù)量特征和文本特征對其有用性的影響研究[J]. 外國經(jīng)濟(jì)與管理, 2015,37(4):41-55.

[3] 盧向華,馮越. 網(wǎng)絡(luò)口碑的價值——基于在線餐館點評的實證研究[J]. 管理世界, 2009(7):126-132.

[4] 戴和忠. 網(wǎng)絡(luò)推薦和在線評論對數(shù)字內(nèi)容商品體驗消費的整合影響及實證研究[D]. 杭州:浙江大學(xué)管理學(xué)院, 2014.

[5] 晁鋼令. 試論消費者行為的策劃和引導(dǎo)[J]. 外國經(jīng)濟(jì)與管理, 1992(11):31-33.

[6] Haubl G, Trifts V. Consumer Decision Making in Online Environments: The Effects of Interactive Decision Aids[J]. Marketing Science, 2000,19(1):4-21.

[7] Zeng Ming, Reinartz W. Beyond Online Search: The Roadto Profitability[J]. California Management Review, 2003,45(2):107-130.

[8] Xiao Bo,Benbasat I. E-commerce Product Recommendation Agents: Use, Characteristics, and Impact[J]. MIS Quarterly, 2007,31(1):137-209.

[9] Smith M D. The Impactof Shopbots on Electronic Markets[J]. Journal of the Academy of Marketing Science, 2002,30(4):446-454.

[10] Duan Wenjing, Gu Bin, Whinston A B. Do Online Reviews Matter?—An Empirical Investigationof Panel Data[J]. Decision Support Systems, 2008,45(4):1007-1016.

[11] 龔詩陽,劉霞,劉洋,等. 網(wǎng)絡(luò)口碑決定產(chǎn)品命運嗎——對線上圖書評論的實證分析[J]. 南開管理評論, 2012,15(4):118-128.

[12] Sherman C. A New F-word for Google Search Results[EB/OL].[2005-03-08].http:∥www.Webcitation.org/5FmwyPgDv.

[13] 黃鸝強(qiáng),王刊良. 搜索引擎用戶對商品搜索結(jié)果的點擊行為研究[J]. 管理科學(xué), 2012,25(1):76-84.

[14] Davis A, Khazanchi D. An Empirical Study of Online Word of Mouth as a Predictor for Multi-product Category E-commerce Sales[J]. Electronic Markets, 2008,18(2):130-141.

[15] 金立印. 網(wǎng)絡(luò)口碑信息對消費者購買決策的影響:一個實驗研究[J]. 經(jīng)濟(jì)管理, 2007,29(22):36-42.

[16] Schubert P, Se1z D. Web Assessment-measuring the Effectiveness of Electronic Commerce Sites Going Beyond Traditional Marketing Paradigms[C]. Proceedings of the 32nd Hawaii International Conference on System Sciences, Hawaii: IEEE Xplore, 1999.

[17] Chan H. Adaptive Word-of-Mouth Behavior: A Conceptual Framework and Empirical Tests[M]. Wisconsin: University of Wisconsin-Madison, 2000.

[18] Zaichkowsky J L. Measuring the Involvement Construct[J]. Journal of Consumer Research, 1985,12(3):341-352.

[19] Crespo A H, Bosque I R. The Effect of Innovativeness on the Adoption of B2C E-commerce: A Model Based on the Theory of Planned Behaviour[J]. Computers in Human Behavior, 2008,24(6):2830-2847.

[20] Shih Y Y, Fang K. Effects of Network Quality Attributes on Customer Adoption Intentions of Internet Banking[J]. Total Quality Management & Business Excellence, 2006,17(1):61-77.

[21] Anderson J C, Gerbing D W. Structural Equation Modeling in Practice: A Review and Recommended Two-step Approach[J]. Psychological Bulletin, 1988,103(3):411.

[22] Fornell C, Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J]. Journal of Marketing Research, 1981,18(1):39-50.

(責(zé)任編輯: 王薇)

Impact of Online Product Recommendations on Consumers’ Purchasing Decisions

HUO Chun-hui, YUAN Shao-feng, WU Ya-xuan

(Business School, Liaoning University, Shenyang 110036, China)

Abstract:Based on the two-stage model of consumers’online shopping, the impacts of online recommended products’ ranking, online word-of-mouth quantity and online word-of-mouth transmission direction on consumers’ purchasing decisions were explored. It was found that online recommended products’ ranking, online word-of-mouth quantity and online word-of-mouth transmission direction are positively correlated with consumers’ purchasing intention and behavior. Furthermore, while online recommended products’ ranking and online word-of-mouth transmission direction affect consumers’ purchasing intention, product involvement has significant positive moderating effect. In other words, online recommended products’ ranking and online word-of-mouth quantity have stronger positive effect on consumers’ purchasing intention in high product involvement than in low product involvement.

Key words:online purchasing; product recommendation; purchasing intention; purchasing behavior

doi:10.15936/j.cnki.1008-3758.2016.03.007

收稿日期:2015-10-24

基金項目:國家社會科學(xué)基金青年資助項目(13CGL045); 遼寧省教育廳優(yōu)秀人才支持計劃資助項目(WR2015005); 遼寧省教育廳人文社會科學(xué)研究一般資助項目(W2015181)。

作者簡介:霍春輝(1977- ),男,遼寧沈陽人,遼寧大學(xué)教授,博士生導(dǎo)師,主要從事戰(zhàn)略管理及市場營銷研究; 袁少鋒(1982- ),男,湖北監(jiān)利人,遼寧大學(xué)副教授,管理學(xué)博士,主要從事營銷管理研究。

中圖分類號:F 270

文獻(xiàn)標(biāo)志碼:A

文章編號:1008-3758(2016)03-0262-08