杜學(xué)美,吳亞偉,高 慧,李美菱

(同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院,上海 200092)

隨著網(wǎng)絡(luò)消費(fèi)觀念的普及以及網(wǎng)購(gòu)和在線支付等條件的日益改善,消費(fèi)者的購(gòu)物行為逐漸向線上轉(zhuǎn)移,互聯(lián)網(wǎng)創(chuàng)造了新的商業(yè)行為和經(jīng)濟(jì)模式,也逐漸改變了人們的生活習(xí)慣。然而,相較于傳統(tǒng)線下購(gòu)物形式,網(wǎng)絡(luò)購(gòu)物過(guò)程中的商品、物流、售后等多個(gè)環(huán)節(jié)都可能會(huì)導(dǎo)致顧客不愉快的購(gòu)物體驗(yàn)。

在線評(píng)論是網(wǎng)絡(luò)口碑的主要形式之一,指的是消費(fèi)者在購(gòu)買(mǎi)和使用了產(chǎn)品后,通過(guò)互聯(lián)網(wǎng)向大眾群體或組織發(fā)布關(guān)于產(chǎn)品或商家的評(píng)論信息[1]。目前,在線評(píng)論已經(jīng)成為消費(fèi)者網(wǎng)絡(luò)購(gòu)物時(shí)獲取商品信息的最重要來(lái)源,也是影響其做出購(gòu)買(mǎi)決策的最關(guān)鍵因素[2]。相比于商家圖文介紹,已購(gòu)消費(fèi)者發(fā)布的在線評(píng)論能夠反映更加真實(shí)和全面的信息[3]。對(duì)于大多數(shù)產(chǎn)品而言,消費(fèi)者既能在網(wǎng)絡(luò)上看到正面評(píng)論,也能看到負(fù)面評(píng)論。負(fù)面評(píng)論反映了顧客不滿的或糟糕的網(wǎng)購(gòu)體驗(yàn)[4],會(huì)對(duì)品牌形象、企業(yè)信譽(yù)、顧客態(tài)度和購(gòu)買(mǎi)意愿等造成不利的影響,大大提升了消費(fèi)者的感知風(fēng)險(xiǎn)。因此,負(fù)面評(píng)論對(duì)于企業(yè)吸引潛在顧客是不利的。對(duì)于消費(fèi)者而言,與正面評(píng)論相比,負(fù)面評(píng)論的真實(shí)性和可信度更高,消費(fèi)者往往對(duì)負(fù)面評(píng)論表現(xiàn)得更加敏感,他們更愿意關(guān)注負(fù)面評(píng)論的內(nèi)容來(lái)獲取真實(shí)的信息。如果商家對(duì)于負(fù)面評(píng)論不予回應(yīng),潛在消費(fèi)者只能通過(guò)負(fù)面評(píng)論的一面之詞來(lái)推斷產(chǎn)品和服務(wù)質(zhì)量,這無(wú)疑使商家處于比較被動(dòng)的局面。有效的在線評(píng)論反饋管理既能吸引新顧客,同時(shí)也能彌補(bǔ)抱怨顧客不愉快的經(jīng)歷,保留住老顧客。商家對(duì)在線評(píng)論進(jìn)行回復(fù)作為服務(wù)失誤補(bǔ)救的一種方式,為商家提供了解釋的機(jī)會(huì)。從國(guó)內(nèi)主流的購(gòu)物網(wǎng)站來(lái)看,商家對(duì)負(fù)面評(píng)論回復(fù)的質(zhì)量參差不齊,很多商家并不重視對(duì)負(fù)面在線評(píng)論的管理,有的商家對(duì)所有好評(píng)和差評(píng)予以相同的較為官方的答謝回復(fù),并未解決負(fù)面評(píng)論中所提及的問(wèn)題;而有的商家則會(huì)通過(guò)道歉、解釋和補(bǔ)償?shù)确绞絹?lái)彌補(bǔ)失誤造成的損失。

負(fù)面在線評(píng)論是網(wǎng)絡(luò)口碑最重要的形式之一,也是消費(fèi)者接觸最直接、最頻繁的網(wǎng)絡(luò)口碑形式之一。楊雪[5]運(yùn)用實(shí)證方式檢驗(yàn)了負(fù)面在線評(píng)論強(qiáng)度對(duì)消費(fèi)者認(rèn)知和品牌信任的影響作用,結(jié)果表明,負(fù)面評(píng)論的內(nèi)容質(zhì)量和評(píng)論屬性會(huì)通過(guò)影響消費(fèi)者理性和感性的情感認(rèn)知過(guò)程,進(jìn)而影響顧客的品牌信任。吳菲等[6]從體驗(yàn)型產(chǎn)品的經(jīng)濟(jì)性、功能性和服務(wù)3個(gè)維度驗(yàn)證了負(fù)面在線評(píng)論的數(shù)量、質(zhì)量和強(qiáng)度會(huì)通過(guò)影響顧客感知風(fēng)險(xiǎn)和信任,進(jìn)而影響消費(fèi)者對(duì)體驗(yàn)型產(chǎn)品的購(gòu)買(mǎi)決策。黃華等[7]將品牌認(rèn)同作為調(diào)節(jié)變量,通過(guò)實(shí)證研究的方式驗(yàn)證了負(fù)面在線評(píng)論的長(zhǎng)度、數(shù)量、質(zhì)量和時(shí)效性會(huì)影響消費(fèi)者的感知易用性和感知有用性,進(jìn)而影響消費(fèi)者的購(gòu)物意愿,同時(shí)感知易用性也會(huì)對(duì)感知有用性產(chǎn)生顯著影響。張亞明等[8]分析了負(fù)面在線評(píng)論、商家服務(wù)以及消費(fèi)者個(gè)人因素對(duì)于消費(fèi)者感知風(fēng)險(xiǎn)的影響機(jī)制。現(xiàn)有研究大多關(guān)注負(fù)面評(píng)論對(duì)消費(fèi)者感知風(fēng)險(xiǎn)、感知公平、顧客滿意度和行為意向等的影響,很少考慮商家回復(fù)對(duì)負(fù)面在線評(píng)論影響潛在顧客購(gòu)買(mǎi)意愿的調(diào)節(jié)作用。同時(shí),歸因理論相關(guān)研究也多是將歸因維度作為自變量來(lái)研究不同維度的歸因?qū)οM(fèi)者滿意度、負(fù)面口碑傳播意愿和購(gòu)買(mǎi)決策等因變量的影響。Kim 等[9]以歸因-情感-行為模型為基礎(chǔ),研究了顧客感知失誤歸屬性歸因?qū)︻櫩拓?fù)面情緒和重購(gòu)意愿的影響。Swanson等[10]研究了服務(wù)補(bǔ)救過(guò)程中的歸屬性歸因和穩(wěn)定性歸因如何影響潛在顧客感知服務(wù)質(zhì)量,進(jìn)而影響顧客滿意度和顧客后續(xù)行為意向。很少有學(xué)者進(jìn)一步探究哪些因素會(huì)影響消費(fèi)者的歸因,從負(fù)面在線評(píng)論的角度研究對(duì)消費(fèi)者失誤歸因影響的研究更少。

基于當(dāng)前的購(gòu)物環(huán)境和研究現(xiàn)狀,本文探討網(wǎng)絡(luò)購(gòu)物環(huán)境下負(fù)面在線評(píng)論如何通過(guò)影響消費(fèi)者失誤歸因從而影響其購(gòu)買(mǎi)意愿的內(nèi)在機(jī)理,以及商家不同方式的回復(fù)策略在其中所起的調(diào)節(jié)作用,這不僅豐富了負(fù)面在線評(píng)論和服務(wù)補(bǔ)救相關(guān)的研究,為后續(xù)研究提供了啟發(fā),而且為網(wǎng)絡(luò)商家重視和管理負(fù)面在線評(píng)論提供了理論依據(jù)和切實(shí)可行的建議,可以幫助網(wǎng)絡(luò)商家樹(shù)立良好的形象從而吸引更多的顧客。

1 理論基礎(chǔ)與研究假設(shè)

1.1 負(fù)面在線評(píng)論的直接作用

在真實(shí)的網(wǎng)絡(luò)環(huán)境中,評(píng)論很少單獨(dú)出現(xiàn),而且消費(fèi)者對(duì)產(chǎn)品在線評(píng)論的評(píng)估不是由單獨(dú)的某一條在線評(píng)論產(chǎn)生的,而是對(duì)多條在線評(píng)論綜合形成,研究多條評(píng)論如何共同作用從而影響消費(fèi)者決策過(guò)程是必要的。因此,本文從負(fù)面在線評(píng)論比例和失誤嚴(yán)重性兩個(gè)角度出發(fā),探討負(fù)面在線評(píng)論對(duì)顧客購(gòu)買(mǎi)意愿的直接作用。Purnawirawan等[11]將負(fù)面評(píng)論比例定義為負(fù)面評(píng)論數(shù)量除以正面評(píng)論和負(fù)面評(píng)論數(shù)量之和,負(fù)面評(píng)論比例反映了在線評(píng)論的總體傾向。根據(jù)最佳喚醒理論和從眾理論的推斷,潛在消費(fèi)者在閱讀在線評(píng)論時(shí),大多數(shù)人的意見(jiàn)更能夠影響其態(tài)度和行為意向。當(dāng)大多數(shù)人都對(duì)商家提供的產(chǎn)品或服務(wù)表示滿意時(shí),潛在顧客往往更容易產(chǎn)生一致性的認(rèn)同并產(chǎn)生積極的購(gòu)買(mǎi)意愿,從而購(gòu)買(mǎi)更多的產(chǎn)品。失誤嚴(yán)重性是指顧客感知服務(wù)失誤造成的損失的強(qiáng)度,包括有形損失和無(wú)形損失[12]。Zeithaml等[13]認(rèn)為顧客對(duì)服務(wù)失誤的容忍范圍視情況而不同。對(duì)潛在消費(fèi)者而言,如果顧客認(rèn)為負(fù)面評(píng)論中描述的失誤是無(wú)關(guān)緊要的,并且不在商家的可控范圍內(nèi),那么,他們可能不會(huì)追問(wèn)失誤發(fā)生的原因,也不會(huì)責(zé)怪商家。但當(dāng)他們感受到負(fù)面評(píng)論中反映的服務(wù)失誤問(wèn)題超出了他們的容忍范圍時(shí),為了避免類似的失誤發(fā)生在自己身上,則選擇不購(gòu)買(mǎi)商品。基于此,提出:

假設(shè)1a負(fù)面在線評(píng)論比例對(duì)購(gòu)買(mǎi)意愿有顯著影響,負(fù)面在線評(píng)論比例越高,潛在顧客的購(gòu)買(mǎi)意愿越低。

假設(shè)1b失誤的嚴(yán)重性對(duì)購(gòu)買(mǎi)意愿有顯著影響,潛在顧客感知服務(wù)失誤嚴(yán)重性越高,其購(gòu)買(mǎi)意愿就越低。

1.2 感知信任和失誤歸因的中介作用

潛在消費(fèi)者更傾向于將在線評(píng)論作為減少購(gòu)買(mǎi)風(fēng)險(xiǎn)和不確定性的一種方式[14]。負(fù)面在線評(píng)論比例越高,所反映的失誤越嚴(yán)重,潛在顧客對(duì)損失的感知就越強(qiáng)烈,從而使顧客對(duì)商家產(chǎn)生不信任感。信任是對(duì)合作伙伴可靠性和誠(chéng)信的信心,滿意的客戶會(huì)感到信任和承諾,并產(chǎn)生積極的購(gòu)買(mǎi)意愿,從而購(gòu)買(mǎi)更多的產(chǎn)品。而感知信任是與信任高度相關(guān)但本質(zhì)不同的一個(gè)概念,信任的行為主體是信任者,感知信任的行為主體是被信任者。信任反映的是基于對(duì)他人的積極預(yù)期而愿意承擔(dān)其行為風(fēng)險(xiǎn)的意愿,而感知信任則是指被信任者感知到他人對(duì)自己不確定性行為進(jìn)行風(fēng)險(xiǎn)承擔(dān)的意愿,其反映的是消費(fèi)者相信商家所提供的產(chǎn)品、服務(wù)、信息的可靠度與誠(chéng)信?；诖?提出:

假設(shè)2a負(fù)面在線評(píng)論比例對(duì)感知信任有顯著影響,負(fù)面評(píng)論比例越高,潛在顧客感知信任越低。

假設(shè)2b失誤的嚴(yán)重性對(duì)感知信任有顯著影響,失誤越嚴(yán)重,潛在顧客感知信任越低。

假設(shè)3感知信任對(duì)購(gòu)買(mǎi)意愿有顯著影響,潛在顧客感知信任越高,購(gòu)買(mǎi)意愿越強(qiáng)烈。

歸因理論在市場(chǎng)與消費(fèi)者行為研究中被廣泛應(yīng)用。本文采用Weiner[15]的三維度歸因,將失誤歸因分為歸屬性歸因、穩(wěn)定性歸因和可控性歸因。歸屬性歸因是指顧客對(duì)服務(wù)失誤商家責(zé)任的感知[16]。潛在顧客在閱讀負(fù)面在線評(píng)論時(shí),會(huì)考慮失誤是誰(shuí)造成的。當(dāng)潛在顧客在閱讀在線評(píng)論時(shí)不斷地看到與商家有關(guān)的負(fù)面評(píng)論且失誤非常嚴(yán)重時(shí),他們更傾向于將負(fù)面評(píng)論歸咎于商家而非顧客,從而產(chǎn)生抱怨的情緒與較低的購(gòu)買(mǎi)意愿?？煽匦詺w因是指顧客感知商家是否能控制失誤的發(fā)生[17]。雖然一些外部環(huán)境引起的失誤是商家無(wú)法控制的,但商家仍有機(jī)會(huì)防止失誤的發(fā)生。當(dāng)負(fù)面在線評(píng)論比例很高且失誤非常嚴(yán)重時(shí),容易讓顧客感知到服務(wù)失誤其實(shí)是商家可以通過(guò)努力去避免的,這些失誤就會(huì)引發(fā)他們的抱怨情緒,從而削弱他們的購(gòu)買(mǎi)意愿。穩(wěn)定性歸因是指失誤是短期或偶爾出現(xiàn)的還是長(zhǎng)期存在的[18]。較高的負(fù)面在線評(píng)論比例與失誤嚴(yán)重性會(huì)使顧客認(rèn)為失誤是長(zhǎng)期存在的,即失誤的穩(wěn)定性較高,進(jìn)而產(chǎn)生對(duì)商家的不信任從而降低其購(gòu)買(mǎi)意愿?；诖?提出:

假設(shè)4a負(fù)面評(píng)論比例對(duì)歸屬性、可控性、穩(wěn)定性歸因均有顯著影響,負(fù)面評(píng)論比例越高,潛在顧客對(duì)商家的歸屬性歸因以及對(duì)失誤的可控性、穩(wěn)定性感知越強(qiáng)。

假設(shè)4b失誤嚴(yán)重性對(duì)歸屬性、可控性、穩(wěn)定性歸因均有顯著影響,失誤嚴(yán)重性越高,潛在顧客對(duì)商家的歸屬性歸因以及對(duì)失誤的可控性、穩(wěn)定性感知越強(qiáng)。

假設(shè)5歸屬性、可控性、穩(wěn)定性歸因都對(duì)購(gòu)買(mǎi)意愿有顯著影響,潛在顧客對(duì)商家的歸屬性歸因,對(duì)失誤的可控性、穩(wěn)定性感知越強(qiáng),購(gòu)買(mǎi)意愿越低。

1.3 商家回復(fù)策略的調(diào)節(jié)作用

商家回復(fù)策略是指商家如何對(duì)服務(wù)失誤引起的顧客抱怨進(jìn)行反饋。參考文獻(xiàn)[19],將商家回復(fù)分為無(wú)回復(fù)、反駁、道歉、道歉加解釋以及道歉加解釋加修復(fù)5個(gè)維度,修復(fù)包括經(jīng)濟(jì)物質(zhì)方面的補(bǔ)償以及避免失誤重復(fù)出現(xiàn)的舉措建議[20]。Utz等[21]的研究表明,如果商家違背了顧客信任,相比于無(wú)回復(fù)或?qū)ω?fù)面評(píng)論進(jìn)行反駁,道歉能夠產(chǎn)生更高的可信度。如果潛在顧客因?yàn)檩^高的正面評(píng)論比例與較低的失誤嚴(yán)重性而對(duì)商家持肯定態(tài)度,那么,商家對(duì)負(fù)面評(píng)論回復(fù)與否對(duì)這些顧客無(wú)顯著影響。道歉可以獲得潛在顧客的同情,但同時(shí)也是在承認(rèn)自己的過(guò)失,這就意味著肯定了小部分人的抱怨。當(dāng)大多數(shù)顧客都對(duì)商家的服務(wù)表示滿意時(shí),商家不需要對(duì)少數(shù)負(fù)面評(píng)論進(jìn)行回復(fù),即使商家不回復(fù),潛在顧客依然會(huì)有較高的感知信任。當(dāng)負(fù)面評(píng)論比例、失誤嚴(yán)重性較高時(shí),商家仍不對(duì)負(fù)面評(píng)論進(jìn)行回復(fù)顯然是不明之舉,對(duì)負(fù)面評(píng)論進(jìn)行反駁無(wú)疑會(huì)使情況變得更糟。而單純的道歉可能會(huì)放大潛在顧客的負(fù)面情緒,這種負(fù)面情緒對(duì)商家是非常不利的。由于抱怨的顧客比滿意的顧客數(shù)量多很多或服務(wù)失誤嚴(yán)重性過(guò)高,潛在顧客更傾向于認(rèn)為失誤是無(wú)法修復(fù)的,即使商家做出解釋也沒(méi)有顯著影響。因此,商家需要對(duì)失誤進(jìn)行道歉,解釋問(wèn)題出現(xiàn)的原因,提供具體的方案來(lái)彌補(bǔ)過(guò)失,并承諾將采取何種行動(dòng)防止失誤不會(huì)再次出現(xiàn),從而影響潛在顧客的失誤歸因和感知信任。基于此,提出:

假設(shè)6a當(dāng)負(fù)面評(píng)論比例較低時(shí),不同的回復(fù)策略對(duì)潛在顧客對(duì)商家的歸屬性歸因和對(duì)失誤的可控性、穩(wěn)定性歸因的影響無(wú)顯著差異。

假設(shè)6b當(dāng)負(fù)面評(píng)論比例較低時(shí),不同的回復(fù)策略對(duì)潛在顧客的感知信任的影響無(wú)顯著差異。

假設(shè)6c當(dāng)負(fù)面評(píng)論比例較高時(shí),相比于其他幾種回復(fù)策略,道歉加解釋加修復(fù)更能夠降低潛在顧客對(duì)商家的歸屬性歸因和對(duì)失誤的可控性、穩(wěn)定性歸因。

假設(shè)6d當(dāng)負(fù)面評(píng)論比例較高時(shí),相比于其他幾種回復(fù)策略,道歉加解釋加修復(fù)更能夠提升顧客的感知信任。

假設(shè)7a當(dāng)失誤嚴(yán)重性較低時(shí),不同的回復(fù)策略對(duì)潛在顧客對(duì)商家的歸屬性歸因和對(duì)失誤的可控性、穩(wěn)定性歸因的影響無(wú)顯著差異。

假設(shè)7b當(dāng)失誤嚴(yán)重性較低時(shí),不同的回復(fù)策略對(duì)潛在顧客的感知信任的影響無(wú)顯著差異。

假設(shè)7c當(dāng)失誤嚴(yán)重性較高時(shí),相比于其他幾種回復(fù)策略,道歉加解釋加修復(fù)更能降低潛在顧客對(duì)商家的歸屬性歸因和對(duì)失誤的可控性、穩(wěn)定性歸因。

假設(shè)7d當(dāng)失誤嚴(yán)重性較高時(shí),相比于其他幾種回復(fù)策略,道歉加解釋加修復(fù)更能提升顧客的感知信任。

理論模型如圖1所示。

圖1 概念模型

2 研究設(shè)計(jì)

2.1 情境設(shè)計(jì)

本文的自變量和調(diào)節(jié)變量均為非連續(xù)變量,需要取不同的水平進(jìn)行測(cè)量。實(shí)驗(yàn)設(shè)計(jì)包含3 個(gè)因子,分別為負(fù)面評(píng)論比例(高、低)、失誤嚴(yán)重性(高、低)及商家回復(fù)策略(無(wú)回復(fù)、反駁、道歉、道歉加解釋、道歉加解釋加修復(fù))。為了研究因子間的交互作用,采用2(負(fù)面評(píng)論比例)×2(失誤嚴(yán)重性)×5(商家回復(fù)策略)的組間設(shè)計(jì),共20個(gè)實(shí)驗(yàn)組。組間設(shè)計(jì)是指參與不同實(shí)驗(yàn)組的被訪者接受不同的實(shí)驗(yàn)處理,即每一組被試僅在一種實(shí)驗(yàn)條件下接受實(shí)驗(yàn)處理。組間設(shè)計(jì)的好處在于不會(huì)出現(xiàn)一個(gè)實(shí)驗(yàn)組污染另一實(shí)驗(yàn)組的情況。本實(shí)驗(yàn)計(jì)劃每個(gè)實(shí)驗(yàn)組包含30個(gè)樣本,共需600個(gè)樣本,他們將會(huì)被隨機(jī)分到不同的實(shí)驗(yàn)組中。

Xplorer的一項(xiàng)調(diào)查顯示,近85%的人都相信在線評(píng)論的內(nèi)容,并且消費(fèi)者在選購(gòu)3C 類電子產(chǎn)品時(shí)最喜歡尋求其他人的意見(jiàn)來(lái)輔助自己的購(gòu)買(mǎi)決策。當(dāng)潛在顧客對(duì)某一產(chǎn)品具有較高的參與度時(shí),他們更可能通過(guò)閱讀大量的在線評(píng)論來(lái)了解更多的產(chǎn)品信息和其他顧客使用后的感受?？紤]到手機(jī)作為時(shí)下最流行的移動(dòng)設(shè)備,是使用頻率和購(gòu)買(mǎi)較高的電子產(chǎn)品,因此,從產(chǎn)品涉入度的角度考慮,選擇手機(jī)作為試驗(yàn)品并假設(shè)了一個(gè)場(chǎng)景,假設(shè)被測(cè)試者有真實(shí)的手機(jī)購(gòu)買(mǎi)需求,并且有足夠的購(gòu)買(mǎi)能力。本文將通過(guò)預(yù)實(shí)驗(yàn)來(lái)檢驗(yàn)選取手機(jī)作為高涉入度產(chǎn)品的有效性。為了避免潛在顧客對(duì)手機(jī)品牌的偏好,在實(shí)驗(yàn)情景中并未指明具體是哪個(gè)品牌的手機(jī)。

2.2 變量測(cè)量

除了人口統(tǒng)計(jì)學(xué)變量以及回復(fù)策略外,本文中涉及的其他變量均采用Likert7點(diǎn)法進(jìn)行量度,1～7表示從“非常低”到“非常高”或從“非常不同意”到“非常同意”。

(1)負(fù)面評(píng)論比例。該變量的控制借鑒Doh等[22]的設(shè)計(jì),選取10條在線評(píng)論,認(rèn)為40%的負(fù)面評(píng)論比例是相對(duì)較高的,10%的負(fù)面評(píng)論比例是相對(duì)較低的。為了進(jìn)一步檢測(cè)負(fù)面評(píng)論比例是否被有效操控,在預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)中都設(shè)置了相應(yīng)的問(wèn)題進(jìn)行檢測(cè)。

黨的十八大以來(lái)，黨中央、國(guó)務(wù)院把脫貧攻堅(jiān)擺到治國(guó)理政的突出位置，近幾年，盡管脫貧攻堅(jiān)在不斷深入，但因病致貧、因病返貧的比例不降反升，仍然是導(dǎo)致農(nóng)村貧困人口致貧的主要原因。

(2)失誤嚴(yán)重性。首先,為了保證實(shí)驗(yàn)的真實(shí)性,實(shí)驗(yàn)中用到的所有在線評(píng)論都是從真實(shí)的購(gòu)物網(wǎng)站中截取,并做了微小的調(diào)整,使得正面和負(fù)面評(píng)論在表達(dá)方式和語(yǔ)氣強(qiáng)度上基本一致;其次,將在線評(píng)論的字?jǐn)?shù)(正面和負(fù)面評(píng)論)均控制在20～30字,以剔除在線評(píng)論字?jǐn)?shù)對(duì)失誤嚴(yán)重性感知的影響。該變量的控制借鑒Hess等[23]的量表,在預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)中都設(shè)置了相應(yīng)的問(wèn)題進(jìn)行檢測(cè)。

(3)失誤歸因。該變量的測(cè)量分為3 個(gè)維度(歸屬性歸因、可控性歸因和穩(wěn)定性歸因),采用文獻(xiàn)[24-26]中的量表,并根據(jù)實(shí)驗(yàn)環(huán)境做了適當(dāng)?shù)男薷?共8個(gè)題項(xiàng),如在歸屬性歸因維度設(shè)計(jì)了“我認(rèn)為顧客不愉快的經(jīng)歷是由商家造成的”。

(4)感知信任。該變量的測(cè)量采用文獻(xiàn)[27-28]中的量表,分別從能力,仁慈心和正直3個(gè)方面測(cè)量潛在顧客對(duì)負(fù)面評(píng)論及商家回復(fù)的感知信任,并根據(jù)實(shí)驗(yàn)環(huán)境做了適當(dāng)?shù)男薷?共3個(gè)題項(xiàng),如“我相信商家提供的商品/服務(wù)是可靠的”。

(5)回復(fù)策略。參考文獻(xiàn)[19],將商家回復(fù)分為無(wú)回復(fù)、反駁、道歉、道歉加解釋以及道歉加解釋加修復(fù)5個(gè)維度,每一條負(fù)面評(píng)論的5種商家回復(fù)策略內(nèi)容一部分是參考真實(shí)的網(wǎng)購(gòu)商家回復(fù)并做了適當(dāng)?shù)恼{(diào)整,一部分則為自行設(shè)計(jì),并將5種回復(fù)策略的字?jǐn)?shù)均控制在50～60字。

(6)購(gòu)買(mǎi)意愿。該變量的測(cè)量參考文獻(xiàn)[29-31]中的量表,共3 個(gè)題項(xiàng),如“如果最近有需要,我會(huì)考慮在該商家處網(wǎng)購(gòu)手機(jī)”。

2.3 預(yù)實(shí)驗(yàn)

預(yù)實(shí)驗(yàn)1是為了確保其正式實(shí)驗(yàn)選用的實(shí)驗(yàn)產(chǎn)品具有較高的涉入度。涉入度是指基于個(gè)人消費(fèi)者的需要、興趣和價(jià)值觀而被感知的消費(fèi)者與某種產(chǎn)品的關(guān)系[33]。本文是建立在消費(fèi)者對(duì)產(chǎn)品具有較高涉入度的基礎(chǔ)上進(jìn)行研究的,因?yàn)橹挥挟?dāng)消費(fèi)者對(duì)某個(gè)產(chǎn)品具有較高涉入度,在選購(gòu)時(shí)才更有可能通過(guò)閱讀在線評(píng)論獲取信息來(lái)了解產(chǎn)品和服務(wù)以及商家對(duì)抱怨顧客的反饋,以此來(lái)輔助他們的購(gòu)買(mǎi)決策。采用Zaichkowsky[32]修訂后的涉入度量表(RPII),共10個(gè)題項(xiàng),每個(gè)題項(xiàng)均用Likert7點(diǎn)法進(jìn)行測(cè)量,要求每名被訪者閱讀選購(gòu)手機(jī)的實(shí)驗(yàn)情景,根據(jù)選購(gòu)手機(jī)過(guò)程中的感受在量表上打分,分?jǐn)?shù)從10～70分,分?jǐn)?shù)越高,表示產(chǎn)品涉入度越高。實(shí)驗(yàn)對(duì)象為高校學(xué)生,共收集30份問(wèn)卷。被訪者的涉入度量表結(jié)果如表1所示。研究發(fā)現(xiàn),所有被訪者的RPII得分都在45分以上,且均值為57.819,符合本次研究對(duì)實(shí)驗(yàn)品的要求。因此,本文選取手機(jī)為本研究的實(shí)驗(yàn)品。

表1 RPII描述性統(tǒng)計(jì)分析

預(yù)實(shí)驗(yàn)2是為了檢驗(yàn)上文中確定的負(fù)面評(píng)論比例高低所對(duì)應(yīng)的負(fù)面評(píng)論數(shù)量是否與被訪者的感知一致。每個(gè)實(shí)驗(yàn)組均選用10條在線評(píng)論,其中:負(fù)面評(píng)論比例高的實(shí)驗(yàn)組為6條正面評(píng)論,4條負(fù)面評(píng)論;負(fù)面評(píng)論比例低的實(shí)驗(yàn)組為9條正面評(píng)論,1條負(fù)面評(píng)論。在測(cè)試負(fù)面評(píng)論比例的影響時(shí),為了剔除失誤嚴(yán)重程度的影響,被訪者將被隨機(jī)分配在“負(fù)面評(píng)論比例(高/低)×失誤嚴(yán)重性(高/低)”4個(gè)實(shí)驗(yàn)組中的一個(gè),分別測(cè)試不同被訪者對(duì)4個(gè)實(shí)驗(yàn)組負(fù)面評(píng)論比例的感知。選取高校學(xué)生為實(shí)驗(yàn)對(duì)象,將每個(gè)被訪者隨機(jī)分配到4個(gè)實(shí)驗(yàn)組中的一個(gè),由他們來(lái)判斷哪些是正面評(píng)論,哪些是負(fù)面評(píng)論,以及他們認(rèn)為負(fù)面評(píng)論在所有評(píng)論中所占比例是高還是低。每組各收集了10 份有效問(wèn)卷,結(jié)果顯示,92.5%的受訪者都給出了與本文設(shè)定相同的分類,單因素方差分析結(jié)果對(duì)如表2所示。被訪者對(duì)負(fù)面評(píng)論比例高組的負(fù)面評(píng)論比例感知(均值=4.15)顯著高于對(duì)負(fù)面評(píng)論比例低組(均值=2.80),因此,本實(shí)驗(yàn)對(duì)負(fù)面評(píng)論比例的操控有效。

表2 負(fù)面評(píng)論比例操控檢驗(yàn)

預(yù)實(shí)驗(yàn)3是為了選取體現(xiàn)不同程度失誤嚴(yán)重性的負(fù)面評(píng)論。從真實(shí)的購(gòu)物網(wǎng)站上選取8條負(fù)面評(píng)論,并做了適當(dāng)?shù)恼{(diào)整以保證所有評(píng)論的字?jǐn)?shù)均控制在20～30字,且表達(dá)方式和語(yǔ)氣基本一致。邀請(qǐng)5位網(wǎng)絡(luò)購(gòu)物經(jīng)驗(yàn)豐富的高校學(xué)生進(jìn)行小組訪談,對(duì)每條負(fù)面評(píng)論的表達(dá)方式和嚴(yán)重性進(jìn)行討論和修改,并初步確認(rèn)了4條負(fù)面評(píng)論的失誤較為嚴(yán)重,其余4條的失誤嚴(yán)重性較輕微。在此基礎(chǔ)上,共回收了30份問(wèn)卷,采用Hess等[23]的Likert7點(diǎn)量表,要求被訪者根據(jù)自身感受來(lái)判斷每一條負(fù)面評(píng)論反映的失誤嚴(yán)重性。單因素方差分析結(jié)果對(duì)如表3 所示。被訪者對(duì)失誤嚴(yán)重性高組的負(fù)面評(píng)論嚴(yán)重性感知(均值=5.07)顯著高于對(duì)失誤嚴(yán)重性低組的負(fù)面評(píng)論嚴(yán)重性感知(均值=4.13),因此,本實(shí)驗(yàn)對(duì)失誤嚴(yán)重性的操控有效。

表3 失誤嚴(yán)重性操控檢驗(yàn)

2.4 正式實(shí)驗(yàn)流程

本實(shí)驗(yàn)共有600名高校學(xué)生參加,所有的被訪者將被隨機(jī)分配到20個(gè)實(shí)驗(yàn)組中。每一位被訪者都不知道該實(shí)驗(yàn)還有其他不同版本的問(wèn)卷,也未告知實(shí)驗(yàn)的真正目的。在開(kāi)始正式的實(shí)驗(yàn)問(wèn)卷之前,將對(duì)此次實(shí)驗(yàn)問(wèn)卷的目的做簡(jiǎn)短說(shuō)明,以盡量減少受訪者的顧慮和理解上的偏差。采用線下問(wèn)卷收集方法,面對(duì)面發(fā)放,當(dāng)場(chǎng)回收,并按批次整理對(duì)應(yīng)實(shí)驗(yàn)組的問(wèn)卷數(shù)據(jù)。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

實(shí)驗(yàn)共發(fā)放問(wèn)卷600份,回收525份,通過(guò)問(wèn)卷填寫(xiě)的合理性過(guò)濾,最終得到有效問(wèn)卷份496份,有效問(wèn)卷回收率95%。20個(gè)實(shí)驗(yàn)組人數(shù)分布均勻,每組人數(shù)均控制在25人左右。對(duì)有效樣本進(jìn)行人口統(tǒng)計(jì)特征分析,具體信息如下:①性別。男性占48.79%,女性占51.21%。②年齡。22 歲及以下占24.19%,23～25 歲占59.48%,26～28 歲占13.71%,29 歲及以上占2.62%,③受教育程度。博士占8.06%,碩士占60.89%,本科占29.44%,其他占1.61%。④月平均網(wǎng)購(gòu)頻率。2次及以下占34.27%,3～5次占47.18%,6～8次占7.26%,9次及以上占11.29%。⑤網(wǎng)購(gòu)年限。2年及以下占5.85%,3～5年占53.43%,6～8年占37.30%,9年以上占3.43%。⑥最近一次網(wǎng)絡(luò)購(gòu)物時(shí)間。幾天前占49.80%,一周前占22.78%,半個(gè)月前占15.73%,一個(gè)月前占8.06%,兩個(gè)月前占1.81%,兩個(gè)月以上占1.81%。

3.2 信度效度檢驗(yàn)

采用SPSS19.0軟件進(jìn)行統(tǒng)計(jì)分析。各變量的Cronbach’sα系數(shù)均大于0.7,說(shuō)明具有較高的內(nèi)部一致性,信度良好。研究中所采用的量表均是在前人研究的基礎(chǔ)上整理出的,具有良好的內(nèi)容效度。對(duì)失誤歸因、感知風(fēng)險(xiǎn)和購(gòu)買(mǎi)意愿3個(gè)測(cè)度項(xiàng)進(jìn)行KMO 和Bartlett檢驗(yàn)結(jié)果顯示:KMO=0.822,大于0.5;Bartlett球體檢驗(yàn)卡方值為3 156,自由度為91,卡方統(tǒng)計(jì)值的顯著性水平為0.000＜0.001,說(shuō)明該組數(shù)據(jù)具有較高的相關(guān)性,適合進(jìn)行因子分析。在探索性因子分析中,通過(guò)主成分分析法提取因子。根據(jù)特征根大于1的判斷方法,剔除特征根小于1的因子,找出主要因子,并把測(cè)度項(xiàng)進(jìn)行歸類。對(duì)應(yīng)于概念模型中的5個(gè)構(gòu)念,最終抽取出5個(gè)因子,各變量題項(xiàng)因子載荷在0.56～0.83,AVE 值均高于0.5,并且提取的5個(gè)因子共解釋總方差的62%,表明量表聚合效度良好。同時(shí),各因子間相關(guān)系數(shù)均小于其對(duì)應(yīng)的AVE 值的方根,表明各變量間具有良好的區(qū)分效度。

3.3 變量操控檢驗(yàn)

在進(jìn)行假設(shè)檢驗(yàn)之前,需要檢驗(yàn)實(shí)驗(yàn)對(duì)自變量的操控是否有效。本文主要操控的是負(fù)面在線評(píng)論的比例和失誤嚴(yán)重性。由于已經(jīng)通過(guò)預(yù)實(shí)驗(yàn)選出了正式實(shí)驗(yàn)所需的在線評(píng)論和商家回復(fù),故在正式問(wèn)卷中針對(duì)負(fù)面在線評(píng)論比例和失誤嚴(yán)重性各設(shè)置了一個(gè)問(wèn)題,再一次驗(yàn)證被訪者對(duì)所設(shè)計(jì)的實(shí)驗(yàn)場(chǎng)景中兩個(gè)變量的感知。進(jìn)行單因素方差分析結(jié)果如表4所示,負(fù)面在線評(píng)論比例的高低以及服務(wù)失誤嚴(yán)重性的高低均具有顯著性差異(p＜0.05),說(shuō)明本文實(shí)驗(yàn)情境中對(duì)兩個(gè)變量的操控是有效的。

表4 變量操控有效性檢驗(yàn)結(jié)果

3.4 分組有效性檢驗(yàn)

為了檢驗(yàn)分組是否對(duì)控制變量和因變量產(chǎn)生影響,通過(guò)單因素方差分析對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理。如表5所示,各組的性別、年齡、受教育程度、網(wǎng)購(gòu)年限、網(wǎng)購(gòu)頻率以及網(wǎng)購(gòu)時(shí)間均無(wú)顯著差異,并且各組樣本對(duì)選取的試驗(yàn)品手機(jī)的涉入度和專業(yè)程度無(wú)顯著差異。同時(shí),各組的歸屬性歸因、可控性歸因、穩(wěn)定性歸因、感知信任以及購(gòu)買(mǎi)意愿有顯著差異。即分組對(duì)人口統(tǒng)計(jì)變量沒(méi)有顯著影響,而中介變量和因變量受到分組的影響。因此,實(shí)驗(yàn)分組對(duì)中介變量和因變量是有效的。

表5 分組對(duì)人口統(tǒng)計(jì)變量,中介變量和因變量的影響結(jié)果

3.5 假設(shè)檢驗(yàn)

負(fù)面在線評(píng)論比例與失誤嚴(yán)重性分別對(duì)失誤歸因、感知信任和購(gòu)買(mǎi)意愿的單因素方差分析結(jié)果如表6、7所示。

表6 負(fù)面在線評(píng)論影響作用方差分析

表7 負(fù)面在線評(píng)論影響作用均值

綜合表6、7的結(jié)果可以看出,負(fù)面在線評(píng)論比例與失誤嚴(yán)重性對(duì)購(gòu)買(mǎi)意愿的影響具有顯著差異(P=0.001,0.000),并且負(fù)面在線評(píng)論比例越高,潛在顧客的購(gòu)買(mǎi)意愿越弱(均值=4.198＜4.694),失誤嚴(yán)重性越高,潛在顧客的購(gòu)買(mǎi)意愿也越弱(均值=4.016＜4.883)。因此,假設(shè)1a、1b成立。負(fù)面在線評(píng)論比例與失誤嚴(yán)重性對(duì)感知信任有顯著影響(P=0.032,0.000),并且相比于較低比例的負(fù)面在線評(píng)論(均值=4.787),較高比例的負(fù)面在線評(píng)論更可能產(chǎn)生更低的潛在顧客感知信任(均值=4.565)。同理,失誤嚴(yán)重性越高,潛在顧客的感知信任越低(均值=4.434＜4.922)。因此,假設(shè)2a、2b成立。負(fù)面在線評(píng)論比例對(duì)失誤的歸屬性歸因、可控性歸因以及穩(wěn)定性歸因有顯著影響(P=0.001,0.014,0.043),并且負(fù)面在線評(píng)論比例越高,顧客對(duì)商家的歸屬性歸因越強(qiáng)(均值=4.262＞3.822),對(duì)失誤的可控性歸因越強(qiáng)(均值=5.321＞5.01),對(duì)失誤的穩(wěn)定性歸因也越強(qiáng)(均值=5.225＞5.026)。因此,假設(shè)4a得到驗(yàn)證。同理,失誤嚴(yán)重性對(duì)失誤的3種歸因均有顯著影響(P=0.033,0.001 4,0.002 7),并且失誤嚴(yán)重性越高,顧客對(duì)商家的歸屬性歸因越強(qiáng)(均值=4.184＞3.903),對(duì)失誤的可控性歸因越強(qiáng)(均值=5.321＞5.01),對(duì)失誤的穩(wěn)定性歸因也越強(qiáng)(均值=5.234＞5.016)。因此,假設(shè)4b成立。

引入商家回復(fù)這一調(diào)節(jié)變量,檢驗(yàn)商家回復(fù)是否在自變量與中介變量之間起調(diào)節(jié)作用。此外,通過(guò)組間均值差異和單因素方差分析檢驗(yàn)不同實(shí)驗(yàn)場(chǎng)景下5種回復(fù)策略的效果以及回復(fù)策略之間是否具有顯著性差異(見(jiàn)表8、9)。

表8 負(fù)面在線評(píng)論比例與商家回復(fù)策略交互作用的雙因素方差分析

表9 負(fù)面在線評(píng)論比例與商家回復(fù)策略交互作用均值

通過(guò)雙因素方差分析,由表8結(jié)果顯示,負(fù)面在線評(píng)論比例對(duì)商家的歸屬性歸因及對(duì)失誤的可控性歸因、穩(wěn)定性歸因和感知信任均有顯著影響(P=0.001,0.016,0.049,0.027),該結(jié)論也再次驗(yàn)證了本文2a、4a的假設(shè)。商家回復(fù)也對(duì)商家的歸屬性歸因、對(duì)失誤的可控性歸因和穩(wěn)定性歸因有顯著影響(P=0.002,0.043,0.004),為了進(jìn)一步比較,選取負(fù)面在線評(píng)論比例高和低兩種情況,分別對(duì)5種商家回復(fù)策略進(jìn)行單因素方差分析。當(dāng)負(fù)面在線評(píng)論比例較低時(shí),5種商家回復(fù)對(duì)商家的歸屬性歸因、對(duì)失誤的可控性和穩(wěn)定性歸因的影響無(wú)顯著差異(P=0.308,0.128,0.328),并且對(duì)3種歸因影響的均值都較為相近,假設(shè)6a成立;但此時(shí)5種商家回復(fù)對(duì)感知信任的影響具有顯著差異(P=0.002),在95%的置信水平上,道歉(均值=4.922)與反駁(均值=4.261),道歉加解釋(均值=4.977)與反駁,道歉加解釋加修復(fù)(均值=5.115)與反駁均存在顯著差異,并且相比于其他幾種回復(fù)策略,道歉加解釋加修復(fù)更能夠增加潛在顧客的感知信任,假設(shè)6b沒(méi)有得到驗(yàn)證。當(dāng)負(fù)面在線評(píng)論比例較高時(shí),5種商家回復(fù)對(duì)商家的歸屬性歸因、失誤的穩(wěn)定性歸因和感知信任具有顯著差異(P=0.008,0.008,0.000),通過(guò)均值對(duì)比,相比于無(wú)回復(fù)、反駁、道歉和道歉加解釋,道歉加解釋加修復(fù)回復(fù)策略更能夠降低潛在顧客對(duì)商家的歸屬性歸因、失誤的穩(wěn)定性歸因,增加顧客的感知信任,但是不同回復(fù)策略對(duì)可控性歸因的影響依然沒(méi)有顯著性差異(P=0.277)。因此,假設(shè)6c部分成立,假設(shè)6d成立。

失誤嚴(yán)重性與商家回復(fù)策略交互作用的雙因素方差結(jié)果如表10所示。

表10 失誤嚴(yán)重性與商家回復(fù)策略交互作用的雙因素方差分析

失誤嚴(yán)重性對(duì)商家的歸屬性歸因及對(duì)失誤的可控性歸因、穩(wěn)定性歸因和感知信任均有顯著影響(P=0.024,0.012,0.020,0.000),該結(jié)論也再次驗(yàn)證了本文2b、4b的假設(shè)。商家回復(fù)也對(duì)商家的歸屬性歸因、對(duì)失誤的可控性和穩(wěn)定性歸因有顯著影響(P=0.002,0.040,0.004),為了進(jìn)一步比較,對(duì)組間進(jìn)行單因素方差分析。表11的結(jié)果表明,當(dāng)失誤嚴(yán)重性較低時(shí),5種商家回復(fù)對(duì)商家的歸屬性歸因、對(duì)失誤的可控性和穩(wěn)定性歸因的影響無(wú)顯著差異(P=0.070,0.132,0.205),假設(shè)7a得到驗(yàn)證;但此時(shí)5種商家回復(fù)對(duì)感知信任的影響具有顯著差異(P=0.014),相比于無(wú)回復(fù)(均值=4.859)、反駁(均值=4.537)、道歉(均值=4.972)和道歉加解釋(均值=4.965),道歉加解釋加修復(fù)更能夠增強(qiáng)潛在顧客對(duì)感知信任的感知(均值=5.286)。因此,假設(shè)7b沒(méi)有得到驗(yàn)證。當(dāng)失誤嚴(yán)重性較高時(shí),5種商家回復(fù)對(duì)商家的歸屬性歸因、失誤的可控性和穩(wěn)定性歸因及感知信任具有顯著差異(P=0.002,0.006,0.004,0.000),通過(guò)均值對(duì)比,相比于無(wú)回復(fù)、反駁、道歉和道歉加解釋,道歉加解釋加修復(fù)回復(fù)策略更能夠降低潛在顧客對(duì)商家的歸屬性歸因、失誤的可控性和穩(wěn)定性歸因,增加顧客的感知信任。因此,假設(shè)7c、7d成立。

表11 失誤嚴(yán)重性與商家回復(fù)策略交互作用均值

在LISERL中創(chuàng)建結(jié)構(gòu)方程模型對(duì)其他假設(shè)進(jìn)行檢驗(yàn)。結(jié)構(gòu)方程模型檢驗(yàn)了失誤歸因和感知信任對(duì)購(gòu)買(mǎi)意愿的影響關(guān)系,模型擬合結(jié)果如圖2所示。

圖2 結(jié)構(gòu)方程模型分析結(jié)果

模型的chi-square和自由度之比為1.57,小于3,漸近殘差均方和平方根RMSEA 的值為0.033,小于0.1,GFI=0.96,大于0.9,說(shuō)明模型具有良好的擬合度。商家的歸屬性歸因?qū)撛陬櫩唾?gòu)買(mǎi)意愿存在顯著的負(fù)向影響,標(biāo)準(zhǔn)化路徑系數(shù)為-0.220(P＜0.001),即潛在顧客越傾向于認(rèn)為應(yīng)該將失誤歸咎于商家,其購(gòu)買(mǎi)意愿就越低;同時(shí),失誤的可控性歸因?qū)撛陬櫩唾?gòu)買(mǎi)意愿存在顯著的負(fù)向影響,標(biāo)準(zhǔn)化路徑系數(shù)為-0.170(P＜0.01),失誤的穩(wěn)定性歸因也對(duì)潛在顧客購(gòu)買(mǎi)意愿存在顯著的負(fù)向影響,標(biāo)準(zhǔn)化路徑系數(shù)為-0.210(P＜0.001)。因此,假設(shè)5成立。從標(biāo)準(zhǔn)化路徑系數(shù)和顯著性水平來(lái)看,歸屬性歸因?qū)?gòu)買(mǎi)意愿的影響強(qiáng)于穩(wěn)定性歸因,強(qiáng)于可控性歸因。感知信任對(duì)購(gòu)買(mǎi)意愿有顯著的正向影響,標(biāo)準(zhǔn)化路徑系數(shù)為0.500(P＜0.001),即潛在顧客的感知信任越高,購(gòu)買(mǎi)意愿越強(qiáng)烈。因此,假設(shè)3成立。此外,該結(jié)構(gòu)模型的因變量潛在顧客購(gòu)買(mǎi)意愿的R2=0.56,說(shuō)明該理論模型的解釋能力得到了良好的驗(yàn)證。

4 結(jié)語(yǔ)

本文以負(fù)面在線評(píng)論為研究對(duì)象,從負(fù)面評(píng)論的嚴(yán)重性和負(fù)面評(píng)論比例兩個(gè)角度出發(fā),引入歸因理論、從眾理論和服務(wù)補(bǔ)救等相關(guān)內(nèi)容探究負(fù)面評(píng)論對(duì)潛在顧客購(gòu)買(mǎi)意愿影響機(jī)制和內(nèi)部機(jī)理,運(yùn)用SPSS 19.0對(duì)情景實(shí)驗(yàn)收集到的樣本數(shù)據(jù)進(jìn)行假設(shè)檢驗(yàn)等數(shù)據(jù)分析,并借助LISERL 進(jìn)行結(jié)構(gòu)方程模型分析。得出如下結(jié)論:

(1)負(fù)面在線評(píng)論比例對(duì)失誤歸因的3個(gè)維度(歸屬性、可控性和穩(wěn)定性)均有顯著的正向影響,對(duì)潛在顧客的感知信任和購(gòu)買(mǎi)意愿有顯著的負(fù)向影響。即當(dāng)負(fù)面在線評(píng)論的比例較高時(shí),顧客更傾向于認(rèn)為商家應(yīng)該對(duì)頻頻出現(xiàn)的服務(wù)失誤負(fù)責(zé),商家有必要提前采取適當(dāng)?shù)拇胧┍苊獯祟愂д`的再次發(fā)生;但也會(huì)認(rèn)為失誤是長(zhǎng)期存在的,如果其選擇購(gòu)買(mǎi)了該產(chǎn)品也很有可能會(huì)遇到類似的失誤,從而認(rèn)為商家是不可信的,降低了購(gòu)買(mǎi)的意愿。

(2)失誤嚴(yán)重性對(duì)失誤歸因的3個(gè)維度(歸屬性、可控性和穩(wěn)定性)均有顯著的正向影響,對(duì)潛在顧客的感知信任和購(gòu)買(mǎi)意愿有顯著的負(fù)向影響。即當(dāng)失誤嚴(yán)重性較低時(shí),潛在顧客往往會(huì)認(rèn)為失誤的出現(xiàn)是無(wú)關(guān)緊要的,并且超出了商家的控制范圍,他們不會(huì)把過(guò)多的精力放在負(fù)面在線評(píng)論上,也就不會(huì)在意到底失誤是由誰(shuí)造成的或者是否會(huì)經(jīng)常發(fā)生,對(duì)商家會(huì)產(chǎn)生信任感,購(gòu)買(mǎi)的意愿也較強(qiáng)。

(3)當(dāng)負(fù)面在線評(píng)論比例較低時(shí),5 種商家回復(fù)失誤歸因的3個(gè)維度的影響無(wú)顯著差異;當(dāng)負(fù)面評(píng)論比例較高時(shí),道歉加解釋加修復(fù)回復(fù)策略更能夠降低潛在顧客對(duì)商家的歸屬性歸因、失誤的穩(wěn)定性歸因,但不同回復(fù)策略對(duì)失誤的可控性歸因的影響不顯著,因?yàn)轭櫩蛯?duì)商家對(duì)失誤究竟可不可控更多地來(lái)自對(duì)失誤嚴(yán)重性的考量,而非負(fù)面評(píng)論比例,進(jìn)一步驗(yàn)證了上一條結(jié)論。無(wú)論負(fù)面評(píng)論比例高或低,道歉加解釋加修復(fù)完整的回復(fù)策略無(wú)疑能顯著提高顧客的感知信任。當(dāng)失誤嚴(yán)重性較低時(shí),5種商家回復(fù)失誤歸因的3個(gè)維度的影響無(wú)顯著差異;當(dāng)失誤嚴(yán)重性較高時(shí),道歉加解釋加修復(fù)回復(fù)策略更能夠降低潛在顧客對(duì)商家的歸屬性歸因、失誤的可控性和穩(wěn)定性歸因,但無(wú)論失誤嚴(yán)重性高或低,道歉加解釋加修復(fù)回復(fù)策略總是能顯著提高顧客的感知信任。

針對(duì)上述實(shí)證結(jié)果有如下管理啟示:

(1)商家對(duì)負(fù)面在線評(píng)論進(jìn)行回復(fù)時(shí),需要考慮負(fù)面在線評(píng)論在總評(píng)論中所占的比例。當(dāng)負(fù)面評(píng)論比例較高時(shí),商家不僅要就顧客的抱怨進(jìn)行道歉,還需要就失誤產(chǎn)生的原因進(jìn)行解釋,并采取適當(dāng)?shù)难a(bǔ)償或承諾等修復(fù)措施來(lái)修復(fù)潛在顧客的感知信任和購(gòu)買(mǎi)意愿;相反,當(dāng)負(fù)面評(píng)論比例較低時(shí),盡管道歉加解釋加修復(fù)能夠提升顧客的感知信任,但對(duì)歸因的3個(gè)維度無(wú)顯著差異。因此,商家可以采取不回復(fù)的策略從而降低商家的運(yùn)營(yíng)成本。

(2)面對(duì)差評(píng),很多商家都選擇統(tǒng)一內(nèi)容的官方套話進(jìn)行回復(fù),這會(huì)給潛在顧客帶來(lái)一種敷衍了事的感覺(jué),不但不會(huì)起到積極作用,反而可能增加潛在顧客反感的情緒。研究結(jié)果表明,當(dāng)失誤較為嚴(yán)重時(shí),商家需要通過(guò)道歉對(duì)遭受服務(wù)失誤的顧客表示同情,也需要解釋失誤出現(xiàn)的原因,并告知會(huì)通過(guò)何種方式彌補(bǔ)失誤帶來(lái)的損失,或者未來(lái)可以通過(guò)哪些方式避免失誤的再次發(fā)生,以使?jié)撛陬櫩透惺艿缴碳业恼\(chéng)意和對(duì)責(zé)任的擔(dān)當(dāng)。這樣不僅能夠打消潛在顧客的顧慮,同時(shí),也會(huì)讓潛在顧客重拾信心,恢復(fù)對(duì)商家和產(chǎn)品的信任,進(jìn)而提升其購(gòu)買(mǎi)意愿。當(dāng)失誤嚴(yán)重性不高時(shí),潛在顧客往往會(huì)認(rèn)為失誤是無(wú)關(guān)緊要的,盡管道歉加解釋加修復(fù)的全面策略會(huì)對(duì)感知信任有所提升,但也帶來(lái)了高昂成本。因此,權(quán)衡后商家可以不對(duì)負(fù)面評(píng)論進(jìn)行回復(fù)。

(3)電子商務(wù)網(wǎng)站的優(yōu)勢(shì)在于為顧客提供了一個(gè)開(kāi)放的并且有商家回復(fù)的顧客抱怨發(fā)布和處理的平臺(tái),網(wǎng)絡(luò)商家應(yīng)當(dāng)充分重視對(duì)顧客抱怨的管理。首先,商家需要對(duì)售后人員進(jìn)行負(fù)面評(píng)論響應(yīng)培訓(xùn),對(duì)已購(gòu)顧客發(fā)布的負(fù)面評(píng)論迅速做出反應(yīng),應(yīng)用良好的溝通技巧來(lái)安撫顧客不滿的情緒;其次,售后人員也要定期對(duì)顧客抱怨進(jìn)行評(píng)審,從顧客抱怨處理的過(guò)程中獲得信息,對(duì)服務(wù)失誤進(jìn)行分析和評(píng)價(jià),以便改進(jìn)產(chǎn)品和顧客服務(wù)質(zhì)量,通過(guò)改正來(lái)防止類似失誤的發(fā)生,使顧客更加滿意;再次,商家可以在處理顧客抱怨的同時(shí)建立顧客抱怨案例庫(kù),用于記錄已發(fā)生過(guò)的服務(wù)失誤以及商家的反饋信息,便于商家對(duì)負(fù)面評(píng)論進(jìn)行統(tǒng)一化管理和一致性的響應(yīng),提升潛在顧客的感知公平;最后,商家可以對(duì)負(fù)面評(píng)論發(fā)布者進(jìn)行隨機(jī)調(diào)查或其他方法,確定抱怨顧客對(duì)抱怨處理過(guò)程及結(jié)果的滿意程度。

本文的研究結(jié)果表明,負(fù)面評(píng)論比例過(guò)高會(huì)降低消費(fèi)者的購(gòu)買(mǎi)意愿,但是正面評(píng)論數(shù)量過(guò)高或無(wú)負(fù)面評(píng)論也會(huì)引起消費(fèi)者的警戒。由此可見(jiàn),負(fù)面評(píng)論的比例不是越高越好,未來(lái)的研究可以從這一方向入手。除了在線評(píng)論,網(wǎng)絡(luò)口碑的形式還有很多種,商家回復(fù)的形式和渠道也有很多,未來(lái)的研究可以進(jìn)一步考慮其他形式的網(wǎng)絡(luò)口碑和商家回復(fù)。此外,本文的研究數(shù)據(jù)均來(lái)自高校學(xué)生填答,未來(lái)研究可以考慮擴(kuò)大實(shí)驗(yàn)樣本范圍,覆蓋盡可能多的網(wǎng)絡(luò)購(gòu)物群體。