李 治，孫 銳

(1.華僑大學(xué) 工商管理學(xué)院，福建 泉州 362021；2. 華僑大學(xué) 東方企業(yè)管理研究中心，福建 泉州 3620211；3. 湖南機電職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，湖南 長沙 410151)

一、引言

隨著互聯(lián)網(wǎng)的快速發(fā)展，與互聯(lián)網(wǎng)有關(guān)的新型企業(yè)呈現(xiàn)出蓬勃發(fā)展的局面，出現(xiàn)了“互聯(lián)網(wǎng)+”的新業(yè)態(tài)。根據(jù)中國電子商務(wù)研究中心的統(tǒng)計數(shù)據(jù)，2017年中國電子商務(wù)的年市場交易總值達29.16萬億人民幣，同比增長11.7%，維系了2016年的持續(xù)發(fā)展趨勢，并且衍生出多種新的情況[1]。據(jù)相關(guān)推測，在未來三到五年之內(nèi)，中國的電子商務(wù)交易規(guī)模仍將繼續(xù)保持穩(wěn)定增長的態(tài)勢，整體平均增長速度將維持在15%上下的水平，2020年交易規(guī)模將能達到40.65萬億人民幣。從國外的情況來看，美國是電子商務(wù)發(fā)展最早且最成熟的國家，2017年美國網(wǎng)絡(luò)零售交易額達4490億美元，增長15.0%。傳統(tǒng)零售商積極發(fā)揮線上帶動作用，線上線下協(xié)同持續(xù)推動美國電商行業(yè)穩(wěn)步發(fā)展。此外，加拿大跨境電商前景廣闊，2017年加拿大的互聯(lián)網(wǎng)普及率為91.41%。良好的網(wǎng)絡(luò)環(huán)境，免費WiFi的高覆蓋率，使得62%的人通過網(wǎng)絡(luò)購買商品。2016年，加拿大電商零售額達183.4億美元，預(yù)計2020年將增長到286.6億美元[2]。

上述數(shù)據(jù)顯示了中國乃至世界電子商務(wù)難以想像的活力和潛力，然而，繁榮景象的同時電商行業(yè)也出現(xiàn)了不少瓶頸。比如，從資本層面看，有的電商企業(yè)，如美團、優(yōu)貝以及其它一些B2C電商平臺遇到了資金緊張或IPO受阻等問題，導(dǎo)致許多公司運轉(zhuǎn)失調(diào)，特別是在開支巨大的廣告推送、客戶服務(wù)等方面顯得力不從心。此外，隨著各類企業(yè)的轉(zhuǎn)型和各領(lǐng)域垂直電子商務(wù)的興起，產(chǎn)品信息和用戶信息急劇膨脹，網(wǎng)絡(luò)用戶對購物信任和依賴的程度逐漸加大。海量信息的爆炸性增長，對于消費者來說，商品的選擇增加了，需求的滿足得到了更進一步實現(xiàn)，同時也提升了信息選擇的難度和成本。一方面，用戶很難找到感興趣或者能真正滿足其需要的產(chǎn)品信息；另一方面，很多寶貴的信息隱藏在互聯(lián)網(wǎng)的陰暗角落，成為普通用戶無法獲取的“暗信息”[2-3]。面對電子商務(wù)領(lǐng)域出現(xiàn)的這些問題，許多商業(yè)網(wǎng)絡(luò)平臺引入推薦系統(tǒng)作為其中的一個解決方案[3]。

可是，目前推薦系統(tǒng)的普遍問題是缺乏一套與之相應(yīng)且行之有效的解釋機制[4]。許多用戶在遇到推薦系統(tǒng)時有一種感受，即感到推薦系統(tǒng)就像一個“黑盒子”，用戶完全不知道它的運作機制，并且在網(wǎng)站上顯示出推薦的結(jié)果時，缺乏有關(guān)幫助提示的補充信息。這樣，用戶就很難信任推薦系統(tǒng)，并且不清楚推薦結(jié)果是否真的適合他們自己。此外，如果推薦系統(tǒng)產(chǎn)生出的推薦信息不是用戶真正需要的，則用戶有可能顯著減少對推薦系統(tǒng)的認可度。對大部分用戶來說，缺乏有效解釋說明的電子商務(wù)推薦系統(tǒng)，很難真正地滿足用戶的購物需求。因此，合適的推薦解釋在推薦系統(tǒng)的應(yīng)用過程中發(fā)揮著重要的作用，其地位越來越突出，受關(guān)注的程度也越來越高，引起了一些相關(guān)專家和學(xué)者的關(guān)注[4-6,19]。

那么，諸如亞馬遜、京東和淘寶等大型電商平臺上的網(wǎng)絡(luò)商家到底應(yīng)如何合理地采用推薦解釋機制？推薦解釋能否改變消費者采納和購買等行為意向？其受到哪些具體因素的影響還有待進一步考察?？紤]到推薦解釋的本質(zhì)是一種說服行為，本文基于傳播說服理論，通過設(shè)計兩個實驗探討亞馬遜、京東商城等電商平臺中推薦解釋對用戶行為意向的影響。實驗一重點考察用戶在不同產(chǎn)品信任度下對有/無推薦解釋的不同態(tài)度；實驗二重點考察用戶在何種情況下更愿意接受商家的商品推薦并進行購買，考慮了動/靜態(tài)推薦解釋的影響，同時引入了產(chǎn)品涉入度的調(diào)節(jié)作用。本文可為網(wǎng)絡(luò)商家合理、有效地進行推薦解釋以便促進消費者采納和購買行為提供相關(guān)理論依據(jù)，具備一定的理論和現(xiàn)實意義。

二、理論基礎(chǔ)與研究模型

(一)推薦解釋

Nava等[5]指出，推薦解釋是以文字、圖片、動畫、聲音或者其它形式，對推薦的依據(jù)、理由或推薦過程中遇到的問題向用戶進行解釋和說明的一種方式。推薦解釋的目的在于消解用戶在獲取信息時所遇到的疑惑，作為一種必要的交互手段，推薦解釋就像推薦系統(tǒng)與用戶之間的“橋梁”，可以起到溝通和銜接的作用。有效的推薦解釋可以幫助用戶明確自身購買需求，輔助其找到真正所需要的商品，與此同時有助于提升用戶的滿意度、信任度和忠誠度，使推薦系統(tǒng)的性能得到充分發(fā)揮，盡可能實現(xiàn)由效用向?qū)嶋H收益的轉(zhuǎn)化[4-5]。

推薦解釋按其有無交互功能，可以分為靜態(tài)推薦解釋和動態(tài)推薦解釋兩種形式[6]。靜態(tài)推薦解釋是指僅以文字、圖片等形式向用戶對所推薦的信息做出解釋說明，它是一種單向的信息傳遞方式，用戶只能一次性了解推薦的原因。動態(tài)推薦解釋是基于會話的推薦解釋，它是指推薦系統(tǒng)與用戶之間具有某種形式的交互界面，用戶可以通過該界面與推薦系統(tǒng)甚至直接與商家進行反復(fù)溝通。靜態(tài)推薦解釋在向用戶進行推薦時是一種單向推薦模式，這就好比信號傳輸系統(tǒng)里的單工傳輸，意味著系統(tǒng)推薦什么就是什么，用戶要么選擇購買要么選擇不買，用戶和系統(tǒng)之間不能實時的雙向交流。而動態(tài)推薦解釋可以促成用戶與系統(tǒng)之間形成一種良性互動的循環(huán)，從而提高推薦信息的質(zhì)量和優(yōu)化推薦系統(tǒng)的效果，最終有利于用戶接受并持續(xù)采用[7,12]。

(二)傳播說服理論

傳播說服理論是美國心理學(xué)家、傳播學(xué)家霍夫蘭德于1959年提出[8]。Burgoon等[9]在隨后的研究中將說服過程看成是一種信息傳遞的過程，也就是指說服者通過某種形式向說服對象表達和傳遞信息，旨在引起目標(biāo)對象產(chǎn)生相應(yīng)的心理變化，從而實現(xiàn)其認知調(diào)整和態(tài)度轉(zhuǎn)變的過程。傳統(tǒng)說服理論認為，說服是指行為者基于某出發(fā)點耐心地向?qū)Ψ秸f理，希望對方能認可并接受自己的觀點；換句話說，說服是指說服者希望使被說服者的觀點、態(tài)度和行為都朝特定方向改變，或者是一種至少能影響被說服者行為意向的溝通。

說服是一個相當(dāng)重要的概念，許多學(xué)科都使用它或使用過與它相似的概念，如勸說、勸導(dǎo)和勸服等[8-9]。大眾傳播學(xué)領(lǐng)域，日本學(xué)者竹內(nèi)郁郎認為，當(dāng)傳言者為實現(xiàn)一定意圖時的傳播即為勸服傳播[10]。社會心理學(xué)方面，當(dāng)涉及到要改變?nèi)藗兊纳鐣J知和態(tài)度時，美國學(xué)者White認為應(yīng)該通過勸導(dǎo)方法[11]。這里的“勸導(dǎo)”、“勸服”，都是與“說服”相近的概念。說服學(xué)發(fā)展到現(xiàn)在，無論是西方還是東方都一致強調(diào)說服者在說服過程中的主導(dǎo)地位，即便是在互聯(lián)網(wǎng)高速發(fā)展的信息時代，信息傳播者依然掌握著信息傳播的主動權(quán)和控制權(quán)。有學(xué)者從信息加工學(xué)的視角對傳播說服理論加以解讀，認為信源、信息、信道和信宿都是對受眾產(chǎn)生影響的構(gòu)成元素，并指出信源應(yīng)該是可信賴并且專業(yè)的；信息則是指實質(zhì)內(nèi)容的某種具體呈現(xiàn)形式；信道則是指便捷快速傳播介質(zhì)；信宿是相對于信源而言的，是信息動態(tài)運行一個周期的最終環(huán)節(jié)[12]。在本文所要重點研究的推薦解釋系統(tǒng)中，這里的信宿指的就是網(wǎng)絡(luò)用戶，用戶的反饋與評價決定了推薦解釋的效果。

(三)研究模型

推薦系統(tǒng)被廣泛應(yīng)用在電商網(wǎng)站、社交網(wǎng)絡(luò)、生活服務(wù)網(wǎng)站、搜索引擎等平臺。一個好的推薦系統(tǒng)不僅需要準(zhǔn)確地把握用戶的需求，推薦給用戶想要的內(nèi)容，更需要學(xué)會與用戶溝通，了解用戶心理，以用戶容易接受的方式給出適當(dāng)?shù)耐扑]解釋。結(jié)合上面的理論分析，基于傳播說服理論，本文重點考察“推薦解釋”對消費者行為意向的影響機制，并建立如圖1所示研究模型。

三、實驗一：有/無推薦解釋對用戶行為意向的影響

(一)研究假設(shè)

用戶的信任常被視為影響消費者行為意向的一個重要因素，研究一主要考察不同產(chǎn)品信任度下，亞馬遜商家的“推薦解釋”對用戶行為意向的影響。Greene和Morgan等[13]在衡量用戶行為意向時采用其行為發(fā)生的可能性大小來度量，即用戶愿意采納推薦并購買商品的可能程度。在此基礎(chǔ)上，Morales[14]等將行為意向定義為消費者看到推薦信息后，愿意接受該推薦商品的意愿程度。綜上，本文將采納意向定義為用戶認可推薦解釋并愿意接受推薦信息的意愿程度。購買意向的概念類似于采納意向，只不過購買意向是針對推薦商品而言，而采納意向是針對推薦本身(包括推薦系統(tǒng)和推薦信息)而言。

圖1 研究模型

有研究指出，在正常網(wǎng)購情況下，消費者對陌生產(chǎn)品或沒有購買和體驗過的產(chǎn)品缺乏信任感，對推薦系統(tǒng)自動產(chǎn)生的推薦信息更是如此，此時推薦系統(tǒng)通過推薦解釋向消費者說明推薦原因，有可能降低用戶的不信任感[5-6,14]。與此同時，Wang[15]等指出消費者對行為結(jié)果感覺到不確定的程度就是特定情形下消費者風(fēng)險感知水平的度量，感知不確定性越大，損失風(fēng)險概率隨之增大。一旦感知到風(fēng)險存在，用戶的行為意向就會受到阻礙，這是因為絕大多數(shù)用戶有根深蒂固的風(fēng)險規(guī)避意識[16]。據(jù)此本文推測當(dāng)用戶對產(chǎn)品感到信任度低時，商家的“推薦解釋”會增加推薦系統(tǒng)的“透明度”，從而降低消費者的感知風(fēng)險，由此會產(chǎn)生更高的采納意向和購買意向。據(jù)此，相比無推薦解釋，本文提出如下假設(shè)：

H1a：在消費者對產(chǎn)品信任度低的情境下，推薦解釋能給消費者帶來更高的采納意向。

H1b：在消費者對產(chǎn)品信任度低的情境下，推薦解釋能給消費者帶來更高的購買意向。

信任在營銷領(lǐng)域中主要指買方對賣方產(chǎn)品的信任問題，Robert等[17]的研究指出，信任的基礎(chǔ)是誠實守信，信任是交易雙方彼此對對方的誠實可靠性有信心。Garbarino等[18]的研究認為，產(chǎn)品信任就是客戶在眾多的同類產(chǎn)品中，對其中某一產(chǎn)品特別有信心的態(tài)度，或者在購買產(chǎn)品時相信該品牌商品能給自己帶來的安全感、信賴感。

消費者心理學(xué)指出，信任不只對行為產(chǎn)生直接影響，也會通過感知風(fēng)險間接影響作用行為，用戶只有在對某商品有充分的了解和足夠的信任之后才會降低感知風(fēng)險，進而間接影響行為意向[13,19]?；诖?，本文推測當(dāng)網(wǎng)絡(luò)商家使消費者對其產(chǎn)品和推薦平臺產(chǎn)生某種信任感和依賴性時，會促使其降低感知風(fēng)險，并使其購買意愿得到提升。根據(jù)傳播說服理論，推薦系統(tǒng)之所以引入推薦解釋機制，目的在于說服消費者相信其所推薦的產(chǎn)品是用戶所需要的，并確保該推薦產(chǎn)品信息真實、質(zhì)量可靠，以消除顧客的疑慮[19]。這種解釋機制對于不熟悉該產(chǎn)品的消費者進行購買決策尤為重要，然而，對于有過該產(chǎn)品使用體驗并相信其質(zhì)量可靠的老客戶而言，其作用力相對減弱，因為此時消費者對是否購買所推薦的商品早已有了自己的“主意”[20]。因此，本文提出以下假設(shè)：

H2a：在消費者對產(chǎn)品信任度高的情境下，推薦解釋對消費者采納意向的提升作用不明顯。

H2b：在消費者對產(chǎn)品信任度高的情境下，推薦解釋對消費者購買意向的提升作用不明顯。

(二)研究方法與研究設(shè)計

實驗一主要采用2(產(chǎn)品信任度：高信任度、低信任度)×2(推薦解釋：有推薦解釋、無推薦解釋)的組間設(shè)計，由此形成4份可做比較的情景問卷。出于使調(diào)查具備隨機性考量，在分發(fā)前對4個版本問卷以隨機的方式打亂其順序，以確保每位被調(diào)查者都有可能被分配到4個實驗情景中的一個，同時要求被試假想自己對于該組情景描述情況有一定了解之后對相關(guān)問題再做回答。分別以隨機的方式選擇南方三所高校(其中985、211和普通高校各一所)大學(xué)生為調(diào)查對象，之所以選擇此樣本，是因為大學(xué)生在網(wǎng)購群體中所占比重較大，且由于大學(xué)生接受新事物的能力相對較強，對推薦解釋信息的呈現(xiàn)形式有一定了解，因此選擇這樣的樣本比較具有代表性。以年級為單位，分發(fā)的問卷數(shù)總共300份，除去回答不完整和無網(wǎng)購經(jīng)歷的問卷，最終得到257份有效問卷，有效回收率為85.67%。我們將圖書作為推薦產(chǎn)品，是因為亞馬遜經(jīng)常采用推薦解釋，同時在校大學(xué)生對圖書的需求較大，并且具備一定購物經(jīng)驗。

被解釋變量采納意向主要參照馬慶國等[20]的研究，以“你是否可能采納；你是否傾向于采納；你是否愿意采納”三個測度項進行測量；購買意向根據(jù)Verlegh等[21]的三個測度項進行測量，以“你是否認為該商品好；你是否喜歡該商品；你是否打算購買該商品”來測量。問卷采用Likert 7點評分，題項中的1代表“完全不同意”，7代表“完全同意”。問卷最后一部分是關(guān)于人口統(tǒng)計學(xué)特征的測量，包括被測者的性別、年齡、收藏次數(shù)和網(wǎng)購次數(shù)等。

(三)結(jié)果分析

1.操控性檢驗

采用SPSS23.0軟件對收集到的數(shù)據(jù)進行處理和分析。對于信任度的測量，主要參照Yang和Pang等[22]的研究。需要強調(diào)的是本研究主要測試的目標(biāo)針對產(chǎn)品本身信任度，而未考慮電商平臺或網(wǎng)絡(luò)商家等方面的信任情況。通過測量受試者對產(chǎn)品的信任情況來檢視我們對產(chǎn)品信任度的操控達到預(yù)期目標(biāo)，結(jié)果表明產(chǎn)品高信任度情景下的參數(shù)值(M1=5.30)顯著比低信任度情景(M2=2.70)(F=111.343，p<0.001)要大，操控達到預(yù)期。

2.假設(shè)檢驗

取采納意向三個測度項的平均值和購買意向三個測度項的平均值為被解釋變量進行分析，理由在于采納意向(Cronbach’s α=0.812)和購買意向(Cronbach’s α=0.839)的各測度項信度值均較高，適可以做平均化處理。通過ANOVA分析發(fā)現(xiàn)用戶在產(chǎn)品高信任情景下對采納意向(M1=4.669)和購買意向(M2=4.322)的均值顯著比在產(chǎn)品低信任情景下的采納意向(M1=2.400)和購買意向(M2=2.578)要高。同時，信任度和有無推薦解釋對采納意向(F=25.832,p<0.05)和購買意向(F=14.512,p<0.05)的交互作用顯著，如表1所示。

表1 信任度對推薦解釋與采納意向和 購買意向的調(diào)節(jié)效應(yīng)分析

接下來，將產(chǎn)品信任度分為高信任度和低信任度兩組進行討論，結(jié)果發(fā)現(xiàn)：針對采納意向，在用戶對產(chǎn)品信任度高的情況下，有推薦解釋組(M1=5.034)比無推薦解釋組(M2=4.840)沒有顯著帶來更高的采納意向(F=0.965,p>0.05)；而在用戶對產(chǎn)品信任度低的情況下，有推薦解釋組(M1=2.671)比無推薦解釋組(M2=4.322)顯著帶來更高的采納意向(F=9.263,p<0.05)。分析結(jié)果如圖2所示，假設(shè)H1a和H2a得到驗證。

圖2 產(chǎn)品信任度對采納意向的影響

同樣地，針對購買意向，在用戶對產(chǎn)品信任度高的情況下，有推薦解釋組(M1=4.831)比無推薦解釋組(M2=4.742)沒有顯著帶來更高的購買意向(F=0.371,p>0.05)；而在用戶對產(chǎn)品信任度低的情況下，有推薦解釋組(M1=2.570)比無推薦解釋組(M2=3.590)帶來更高的購買意向(F=4.858,p<0.05)。結(jié)果如圖3所示，假設(shè)H1b和H2b成立。

圖3 產(chǎn)品信任度對購買意向的影響

四、實驗二：動/靜態(tài)推薦解釋對消費者行為意向的影響

(一)研究假設(shè)

1.動/靜態(tài)推薦解釋對行為意向的影響

不同的推薦解釋方式會對消費者行為意向產(chǎn)生差異化的影響，有的學(xué)者證實過推薦系統(tǒng)的交互性能對用戶采納意向的構(gòu)成重要影響[5,23]。根據(jù)傳播說服理論，在線的信息傳播過程中，用戶接受信息時可能引發(fā)態(tài)度發(fā)生改變，從而形成了被說服的結(jié)果，認知、情感和行為意向構(gòu)成了對這種態(tài)度的描述性分解[3,24]。從信息傳播效果上看，由于動態(tài)推薦解釋方式是一種雙向信息溝通方式，通過該方式，消費者與商家可以實現(xiàn)在線實時互動，從而能即時解決消費者在主動搜索商品或被動接受推薦信息時遇到的各種疑問與困惑[22,24]。與之相比，靜態(tài)推薦解釋無法達到這種推薦效果。據(jù)此，本文提出以下假設(shè)：

H3：相比靜態(tài)推薦解釋，動態(tài)推薦解釋將帶來更高的用戶采納意向和購買意向。

2.產(chǎn)品涉入度的調(diào)節(jié)作用

產(chǎn)品涉入度是指用戶對產(chǎn)品的重視程度或者是產(chǎn)品對個人的重要性[24]。有研究證實，涉入度不同會導(dǎo)致用戶對產(chǎn)品信息形成不同的處理方式，通常對于高涉入度產(chǎn)品，用戶會更仔細、全面地了解產(chǎn)品信息；與此相反對于低涉入度產(chǎn)品，用戶往往只是通過簡單的線索來對產(chǎn)品信息進行判斷[15]。產(chǎn)品涉入度的高低在用戶心理活動上主要體現(xiàn)為認知過程復(fù)雜度的高低，對一般用戶應(yīng)對方式而言，高涉入度與中心路徑相匹配，低涉入度與邊緣路徑相匹配[19,25]。高涉入度的用戶除了更加關(guān)注產(chǎn)品屬性信息，還會積極地搜索其它相關(guān)信息，通過獲取更多的幫助來提升自己的決策有效度，此種情況下，動態(tài)推薦解釋的交互功能正好能迎合消費者的需要；而低涉入度的用戶往往傾向于選擇最小化的身心付出，不愿意耗費太多的認知資源，此時推薦解釋的形式甚至有無對消費者的行為意向都不會構(gòu)成太大的影響[25]。依據(jù)以上推理，本文提出以下假設(shè)：

H4：相比低產(chǎn)品涉入度，高產(chǎn)品涉入度的消費者對有推薦解釋的采納意向和購買意向更高。

H5a：推薦解釋的不同形式對采納意向的影響受到產(chǎn)品涉入度的調(diào)節(jié)作用。具體而言，針對高產(chǎn)品涉入度的消費者，動態(tài)推薦解釋比靜態(tài)推薦解釋帶來更高的采納意向；而針對低產(chǎn)品涉入度的消費者，這種差異不明顯。

H5b：推薦解釋的不同形式對購買意向的影響受到產(chǎn)品涉入度的調(diào)節(jié)作用。具體而言，針對高產(chǎn)品涉入度的消費者，動態(tài)推薦解釋比靜態(tài)推薦解釋帶來更高的購買意向；而針對低產(chǎn)品涉入度的消費者，這種差異不明顯。

(二)研究方法與研究設(shè)計

本實驗采用2(推薦解釋形式：動態(tài)推薦解釋、靜態(tài)推薦解釋)×2(產(chǎn)品涉入度：高涉入度、低涉入度)二階因子實驗設(shè)計。解釋形式采用參與者組間設(shè)計，產(chǎn)品涉入度采用參與者組內(nèi)設(shè)計，最終形成兩種類型的問卷。調(diào)查方法與對象同實驗一。分發(fā)問卷共200份，篩除無網(wǎng)購經(jīng)歷以及回答不完整的問卷，最終得到160份有效問卷，有效回收率達80%。產(chǎn)品涉入度采用Kapferer等[26]的四個題項，如“我購買該產(chǎn)品前會咨詢其他人的意見”等。采納意向和購買意向測度項與實驗一相同。量表的信度系數(shù)全都大于0.8，故可將這些指標(biāo)的測度項分別進行平均化處理以便于進行后面的數(shù)據(jù)分析。

我們以京東商城客戶作為實驗對象，京東商城上的推薦系統(tǒng)含有靜態(tài)推薦解釋和動態(tài)推薦解釋兩種形式，靜態(tài)推薦解釋是以文字和圖片對推薦理由進行的解釋說明，如“猜你喜歡……”；動態(tài)推薦解釋是通過一款叫“京東咚咚”的社交軟件實現(xiàn)，這款軟件類似于淘寶的阿里旺旺和騰訊的QQ軟件，客戶可以通過該軟件與商家進行咨詢、反饋等實時交流互動，以便及時解決購物過程中所遇到的各種困難和問題。我們先對20名經(jīng)常網(wǎng)購的本科生和碩士生進行預(yù)實驗，通過列舉若干具體操作，讓受試者對兩種推薦解釋形式在購買不同商品(重要或不重要)時所起的作用進行對比，結(jié)果發(fā)現(xiàn)被試一致認為當(dāng)購買重要(高涉入度)的商品時，一般都會選擇通過京東咚咚與商家進行溝通，以了解更加具體的情況。因此，我們初步認為動態(tài)推薦解釋比靜態(tài)推薦解釋對消費者采納和購買意向有不同程度的影響。

(三)結(jié)果分析

1.操控性檢驗

實驗二主要考察在用戶對產(chǎn)品信任度低情況下的推薦解釋影響研究。為此我們先對產(chǎn)品信任度進行了操控，結(jié)果表明用戶對產(chǎn)品的信任度均值為3.64，顯著(t=50.643,p<0.05)小于中間值4，與預(yù)期相符。接下來，對用戶關(guān)于推薦解釋形式的影響進行操控，結(jié)果表明用戶對推薦解釋形式的反應(yīng)存在顯著差異(M動態(tài)推薦解釋=4.823, M靜態(tài)推薦解釋=4.154, F=7.267,p<0.05)。參照Gevorgyan和Manucharova[27]的做法，我們對產(chǎn)品涉入度的4個測度項計算均值，以4為參照值，高產(chǎn)品涉入度(得分值>4)用“0”表示，低產(chǎn)品涉入度(得分值≤4)用“1”表示，最后得到高產(chǎn)品涉入度樣本79個，低產(chǎn)品涉入度樣本81個。產(chǎn)品涉入度作出變換后，對其進行操控性實驗，我們發(fā)現(xiàn)高涉入度用戶得分均值 (M1=5.265)顯著高于低涉入度(M2=3.376)用戶(t=17.512,p<0.05)。

2.假設(shè)檢驗

通過ANOVA分析發(fā)現(xiàn)，用戶動態(tài)推薦解釋組的采納意向(M動態(tài)推薦解釋=5.087, M靜態(tài)推薦解釋=4.438, F=8.635p<0.05)和購買意向(M動態(tài)推薦解釋=4.867, M靜態(tài)推薦解釋=4.216, F=7.436,p<0.05)顯著高于靜態(tài)推薦解釋組。假設(shè)H3成立，分析結(jié)果如圖4所示。

同樣，我們對產(chǎn)品涉入度進行ANONA分析，發(fā)現(xiàn)高涉入度組的采納意愿(M高產(chǎn)涉入度=5.215, M低涉入度=4.362, F=15.012,p<0.05)和購買意向(M高涉入度=5.072, M低涉入度=4.168, F=15.141,p<0.05)顯著高于低涉入度組。分析結(jié)果見圖5所示，假設(shè)H4成立。

圖4 推薦解釋形式對采納意向和購買意向的影響

圖5 產(chǎn)品涉入度對采納意向和購買意向的影響

接著，對產(chǎn)品涉入度的調(diào)節(jié)效應(yīng)進行分析，分析結(jié)果如表2所示，推薦解釋形式與產(chǎn)品涉入度對用戶采納意向(F=8.071,p<0.05)和購買意向(F=5.322,p<0.05)的交互作用均顯著。

表2 產(chǎn)品涉入度對推薦解釋形式與采納意向和 購買意向的調(diào)節(jié)檢驗

然后，將產(chǎn)品涉入度分為高涉入度、低涉入度兩組進行對比分析，分析結(jié)果表明在低涉入度組中，推薦解釋形式對采納意向的影響差異不顯著(M動態(tài)推薦解釋=5.240, M靜態(tài)推薦解釋=4.260, F=0.097,p>0.05)；而在高涉入度組中，推薦解釋形式對采納意愿的影響差異顯著(M動態(tài)推薦解釋=3.730, M靜態(tài)推薦解釋=3.473, F=14.432,p<0.05)。結(jié)果如圖6所示，假設(shè)H5a成立。

同樣地，針對購買意向，在低涉入度組中，推薦解釋形式對購買意向的影響差異不顯著(M動態(tài)推薦解釋=3.614, M靜態(tài)推薦解釋=3.363, F=0.312,p>0.05)；而在高涉入度組中，推薦解釋形式對采納意愿的影響差異顯著(M動態(tài)推薦解釋=5.351, M靜態(tài)推薦解釋=3.870, F=10.625,p<0.05)。結(jié)果如圖7所示，假設(shè)H5b成立。

圖6 產(chǎn)品涉入度對推薦解釋形式與采納意向的調(diào)節(jié)作用

圖7 產(chǎn)品涉入度對推薦解釋形式與購買意向的調(diào)節(jié)作用

五、研究結(jié)論與意義

研究發(fā)現(xiàn)，當(dāng)用戶對產(chǎn)品信任度低時，推薦解釋能顯著提高用戶的采納和購買意向；而當(dāng)用戶對產(chǎn)品信任度高時，有無推薦解釋對用戶采納和購買意向的影響無顯著差異。同時，推薦解釋的兩種不同形式(即動/靜態(tài)推薦解釋)對采納和購買意向的影響受到產(chǎn)品涉入度的調(diào)節(jié)作用，即對于產(chǎn)品涉入度高的用戶，動態(tài)推薦解釋比靜態(tài)推薦解釋更能促進用戶的采納和購買意向，但對于產(chǎn)品涉入度低的用戶，兩種推薦解釋形式對用戶采納和購買意向的影響無顯著差異。本文的研究意義主要體現(xiàn)為以下兩個方面：

從理論方面來看，本研究結(jié)果表明推薦解釋作為電子商務(wù)推薦系統(tǒng)的一項重要內(nèi)容，對用戶的決策依據(jù)具有不可忽視的作用，合理而巧妙地利用推薦解釋有助于用戶獲取相關(guān)決策信息，從而提升對推薦信息及商品的采納和購買意向。然而，目前國內(nèi)外學(xué)者對推薦系統(tǒng)的研究主要集中在推薦算法上，要么針對原有推薦算法提出改進方案，要么試圖通過開發(fā)新的算法以改善推薦效果，這種以算法為中心的研究思路難以突破其自身的局限性，即單純依靠改進算法并不能使推薦的認可度得到同步提升。這主要是因為推薦系統(tǒng)面向的是“機器”，主要關(guān)注推薦算法、CPU、內(nèi)存等計算機軟硬件系統(tǒng)的“硬”問題，而推薦解釋面向的是“人”，主要關(guān)注用戶的行為與心理[28]。基于此，本文遵從電子商務(wù)推薦系統(tǒng)應(yīng)由以“算法”為中心向以“用戶”為中心演進的理論探索路線[29]，從管理學(xué)視角，引入傳播說服理論，結(jié)合產(chǎn)品信任度和產(chǎn)品涉入度的調(diào)節(jié)效應(yīng)，分析推薦解釋對用戶行為意向的影響過程和內(nèi)在機理。本研究從另一視角為推薦系統(tǒng)及解釋機制的研究開辟了新的路徑，研究成果彌補了推薦系統(tǒng)領(lǐng)域研究的不足，對后續(xù)相關(guān)工作的開展具有重要的理論意義。

從實踐方面來看，本研究通過厘清推薦解釋的不同形式、產(chǎn)品信任度和產(chǎn)品涉入度等不同因素對用戶行為意向的影響，基于實證數(shù)據(jù)得出相對確切的研究結(jié)論，能對電商企業(yè)合理開發(fā)以及網(wǎng)絡(luò)用戶有效使用推薦解釋的功能提供啟示與指導(dǎo)。主要表現(xiàn)在以下三個方面：(1)電商企業(yè)應(yīng)加強對推薦系統(tǒng)中推薦解釋功能的開發(fā)。在很多電子商務(wù)推薦系統(tǒng)中，算法只為用戶提供一份個性化的推薦列表作為結(jié)果，而難以向用戶解釋為什么要給出這樣的推薦。缺乏可解釋性的推薦系統(tǒng)降低了推薦結(jié)果的可信度，進而影響其推薦功能的實際應(yīng)用效果。(2)推薦系統(tǒng)開發(fā)者應(yīng)對推薦解釋不同形式的設(shè)計有充分的考慮。到底是選擇開發(fā)具有靜態(tài)或動態(tài)推薦解釋功能的推薦系統(tǒng)，還是開發(fā)具備動/靜態(tài)相結(jié)合的推薦解釋功能的推薦系統(tǒng)，開發(fā)人員應(yīng)依據(jù)待開發(fā)電商平臺的規(guī)模、定位以及將要面向的主流用戶而定。(3)網(wǎng)絡(luò)商品購買者應(yīng)對推薦解釋運行的機制有一定的了解。不同電商平臺中推薦解釋有不同的表現(xiàn)形式和運行機制，如亞馬遜商城、當(dāng)當(dāng)網(wǎng)等都以文字形式展現(xiàn)推薦解釋功能，天貓網(wǎng)有時根本不提供文字性的推薦解釋，而是直接以圖片形式列出所推薦的關(guān)聯(lián)商品。另外，淘寶的阿里旺旺和京東的京東咚咚都可通過與用戶進行動態(tài)交互，了解這些不同的推薦解釋運行機制，有助于電子商務(wù)用戶提升購買過程中的決斷力。