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)消費觀念的普及以及網(wǎng)購和在線支付等條件的日益改善,消費者的購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)線下購物形式,網(wǎng)絡(luò)購物過程中的商品、物流、售后等多個環(huán)節(jié)都可能會導(dǎo)致顧客不愉快的購物體驗。

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

負(fù)面在線評論是網(wǎng)絡(luò)口碑最重要的形式之一,也是消費者接觸最直接、最頻繁的網(wǎng)絡(luò)口碑形式之一。楊雪[5]運用實證方式檢驗了負(fù)面在線評論強度對消費者認(rèn)知和品牌信任的影響作用,結(jié)果表明,負(fù)面評論的內(nèi)容質(zhì)量和評論屬性會通過影響消費者理性和感性的情感認(rèn)知過程,進(jìn)而影響顧客的品牌信任。吳菲等[6]從體驗型產(chǎn)品的經(jīng)濟(jì)性、功能性和服務(wù)3個維度驗證了負(fù)面在線評論的數(shù)量、質(zhì)量和強度會通過影響顧客感知風(fēng)險和信任,進(jìn)而影響消費者對體驗型產(chǎn)品的購買決策。黃華等[7]將品牌認(rèn)同作為調(diào)節(jié)變量,通過實證研究的方式驗證了負(fù)面在線評論的長度、數(shù)量、質(zhì)量和時效性會影響消費者的感知易用性和感知有用性,進(jìn)而影響消費者的購物意愿,同時感知易用性也會對感知有用性產(chǎn)生顯著影響。張亞明等[8]分析了負(fù)面在線評論、商家服務(wù)以及消費者個人因素對于消費者感知風(fēng)險的影響機制?，F(xiàn)有研究大多關(guān)注負(fù)面評論對消費者感知風(fēng)險、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)對負(fù)面在線評論影響潛在顧客購買意愿的調(diào)節(jié)作用。同時,歸因理論相關(guān)研究也多是將歸因維度作為自變量來研究不同維度的歸因?qū)οM者滿意度、負(fù)面口碑傳播意愿和購買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)面情緒和重購意愿的影響。Swanson等[10]研究了服務(wù)補救過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影響消費者的歸因,從負(fù)面在線評論的角度研究對消費者失誤歸因影響的研究更少。

基于當(dāng)前的購物環(huán)境和研究現(xiàn)狀,本文探討網(wǎng)絡(luò)購物環(huán)境下負(fù)面在線評論如何通過影響消費者失誤歸因從而影響其購買意愿的內(nèi)在機理,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)面在線評論和服務(wù)補救相關(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)面在線評論提供了理論依據(jù)和切實可行的建議,可以幫助網(wǎng)絡(luò)商家樹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)面在線評論的直接作用

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

假設(shè)1a負(fù)面在線評論比例對購買意愿有顯著影響,負(fù)面在線評論比例越高,潛在顧客的購買意愿越低。

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

1.2 感知信任和失誤歸因的中介作用

潛在消費者更傾向于將在線評論作為減少購買風(fēng)險和不確定性的一種方式[14]。負(fù)面在線評論比例越高,所反映的失誤越嚴(yán)重,潛在顧客對損失的感知就越強烈,從而使顧客對商家產(chǎn)生不信任感。信任是對合作伙伴可靠性和誠信的信心,滿意的客戶會感到信任和承諾,并產(chǎn)生積極的購買意愿,從而購買更多的產(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他人的積極預(yù)期而愿意承擔(dān)其行為風(fēng)險的意愿,而感知信任則是指被信任者感知到他人對自己不確定性行為進(jìn)行風(fēng)險承擔(dān)的意愿,其反映的是消費者相信商家所提供的產(chǎn)品、服務(wù)、信息的可靠度與誠信?；诖?提出:

假設(shè)2a負(fù)面在線評論比例對感知信任有顯著影響,負(fù)面評論比例越高,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感知信任對購買意愿有顯著影響,潛在顧客感知信任越高,購買意愿越強烈。

歸因理論在市場與消費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)面在線評論時,會考慮失誤是誰造成的。當(dāng)潛在顧客在閱讀在線評論時不斷地看到與商家有關(guān)的負(fù)面評論且失誤非常嚴(yán)重時,他們更傾向于將負(fù)面評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買意愿?？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法控制的,但商家仍有機會防止失誤的發(fā)生。當(dāng)負(fù)面在線評論比例很高且失誤非常嚴(yán)重時,容易讓顧客感知到服務(wù)失誤其實是商家可以通過努力去避免的,這些失誤就會引發(fā)他們的抱怨情緒,從而削弱他們的購買意愿。穩(wěn)定性歸因是指失誤是短期或偶爾出現(xiàn)的還是長期存在的[18]。較高的負(fù)面在線評論比例與失誤嚴(yán)重性會使顧客認(rèn)為失誤是長期存在的,即失誤的穩(wěn)定性較高,進(jìn)而產(chǎn)生對商家的不信任從而降低其購買意愿。基于此,提出:

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

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

假設(shè)5歸屬性、可控性、穩(wěn)定性歸因都對購買意愿有顯著影響,潛在顧客對商家的歸屬性歸因,對失誤的可控性、穩(wěn)定性感知越強,購買意愿越低。

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個維度,修復(fù)包括經(jīng)濟(jì)物質(zhì)方面的補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,相比于無回復(fù)或?qū)ω?fù)面評論進(jìn)行反駁,道歉能夠產(chǎn)生更高的可信度。如果潛在顧客因為較高的正面評論比例與較低的失誤嚴(yán)重性而對商家持肯定態(tài)度,那么,商家對負(fù)面評論回復(fù)與否對這些顧客無顯著影響。道歉可以獲得潛在顧客的同情,但同時也是在承認(rèn)自己的過失,這就意味著肯定了小部分人的抱怨。當(dāng)大多數(shù)顧客都對商家的服務(wù)表示滿意時,商家不需要對少數(shù)負(fù)面評論進(jìn)行回復(fù),即使商家不回復(fù),潛在顧客依然會有較高的感知信任。當(dāng)負(fù)面評論比例、失誤嚴(yán)重性較高時,商家仍不對負(fù)面評論進(jìn)行回復(fù)顯然是不明之舉,對負(fù)面評論進(jìn)行反駁無疑會使情況變得更糟。而單純的道歉可能會放大潛在顧客的負(fù)面情緒,這種負(fù)面情緒對商家是非常不利的。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)重性過高,潛在顧客更傾向于認(rèn)為失誤是無法修復(fù)的,即使商家做出解釋也沒有顯著影響。因此,商家需要對失誤進(jìn)行道歉,解釋問題出現(xiàn)的原因,提供具體的方案來彌補過失,并承諾將采取何種行動防止失誤不會再次出現(xiàn),從而影響潛在顧客的失誤歸因和感知信任?；诖?提出:

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

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

假設(shè)6c當(dāng)負(fù)面評論比例較高時,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商家的歸屬性歸因和對失誤的可控性、穩(wěn)定性歸因。

假設(shè)6d當(dāng)負(fù)面評論比例較高時,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,不同的回復(fù)策略對潛在顧客對商家的歸屬性歸因和對失誤的可控性、穩(wěn)定性歸因的影響無顯著差異。

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

假設(shè)7c當(dāng)失誤嚴(yán)重性較高時,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商家的歸屬性歸因和對失誤的可控性、穩(wěn)定性歸因。

假設(shè)7d當(dāng)失誤嚴(yán)重性較高時,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

2.1 情境設(shè)計

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)行測量。實驗設(shè)計包含3 個因子,分別為負(fù)面評論比例(高、低)、失誤嚴(yán)重性(高、低)及商家回復(fù)策略(無回復(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)面評論比例)×2(失誤嚴(yán)重性)×5(商家回復(fù)策略)的組間設(shè)計,共20個實驗組。組間設(shè)計是指參與不同實驗組的被訪者接受不同的實驗處理,即每一組被試僅在一種實驗條件下接受實驗處理。組間設(shè)計的好處在于不會出現(xiàn)一個實驗組污染另一實驗組的情況。本實驗計劃每個實驗組包含30個樣本,共需600個樣本,他們將會被隨機分到不同的實驗組中。

Xplorer的一項調(diào)查顯示,近85%的人都相信在線評論的內(nèi)容,并且消費者在選購3C 類電子產(chǎn)品時最喜歡尋求其他人的意見來輔助自己的購買決策。當(dāng)潛在顧客對某一產(chǎn)品具有較高的參與度時,他們更可能通過閱讀大量的在線評論來了解更多的產(chǎn)品信息和其他顧客使用后的感受。考慮到手機作為時下最流行的移動設(shè)備,是使用頻率和購買較高的電子產(chǎn)品,因此,從產(chǎn)品涉入度的角度考慮,選擇手機作為試驗品并假設(shè)了一個場景,假設(shè)被測試者有真實的手機購買需求,并且有足夠的購買能力。本文將通過預(yù)實驗來檢驗選取手機作為高涉入度產(chǎn)品的有效性。為了避免潛在顧客對手機品牌的偏好,在實驗情景中并未指明具體是哪個品牌的手機。

2.2 變量測量

除了人口統(tǒng)計學(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)面評論比例。該變量的控制借鑒Doh等[22]的設(shè)計,選取10條在線評論,認(rèn)為40%的負(fù)面評論比例是相對較高的,10%的負(fù)面評論比例是相對較低的。為了進(jìn)一步檢測負(fù)面評論比例是否被有效操控,在預(yù)實驗和正式實驗中都設(shè)置了相應(yīng)的問題進(jìn)行檢測。

黨的十八大以來，黨中央、國務(wù)院把脫貧攻堅擺到治國理政的突出位置，近幾年，盡管脫貧攻堅在不斷深入，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,為了保證實驗的真實性,實驗中用到的所有在線評論都是從真實的購物網(wǎng)站中截取,并做了微小的調(diào)整,使得正面和負(fù)面評論在表達(dá)方式和語氣強度上基本一致;其次,將在線評論的字?jǐn)?shù)(正面和負(fù)面評論)均控制在20～30字,以剔除在線評論字?jǐn)?shù)對失誤嚴(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)實驗和正式實驗中都設(shè)置了相應(yīng)的問題進(jìn)行檢測。

(3)失誤歸因。該變量的測量分為3 個維度(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)實驗環(huán)境做了適當(dāng)?shù)男薷?共8個題項,如在歸屬性歸因維度設(shè)計了“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個方面測量潛在顧客對負(fù)面評論及商家回復(fù)的感知信任,并根據(jù)實驗環(huán)境做了適當(dāng)?shù)男薷?共3個題項,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個維度,每一條負(fù)面評論的5種商家回復(fù)策略內(nèi)容一部分是參考真實的網(wǎng)購商家回復(fù)并做了適當(dāng)?shù)恼{(diào)整,一部分則為自行設(shè)計,并將5種回復(fù)策略的字?jǐn)?shù)均控制在50～60字。

(6)購買意愿。該變量的測量參考文獻(xiàn)[29-31]中的量表,共3 個題項,如“如果最近有需要,我會考慮在該商家處網(wǎng)購手機”。

2.3 預(yù)實驗

預(yù)實驗1是為了確保其正式實驗選用的實驗產(chǎn)品具有較高的涉入度。涉入度是指基于個人消費者的需要、興趣和價值觀而被感知的消費者與某種產(chǎn)品的關(guān)系[33]。本文是建立在消費者對產(chǎn)品具有較高涉入度的基礎(chǔ)上進(jìn)行研究的,因為只有當(dāng)消費者對某個產(chǎn)品具有較高涉入度,在選購時才更有可能通過閱讀在線評論獲取信息來了解產(chǎn)品和服務(wù)以及商家對抱怨顧客的反饋,以此來輔助他們的購買決策。采用Zaichkowsky[32]修訂后的涉入度量表(RPII),共10個題項,每個題項均用Likert7點法進(jìn)行測量,要求每名被訪者閱讀選購手機的實驗情景,根據(jù)選購手機過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。實驗對象為高校學(xué)生,共收集30份問卷。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,符合本次研究對實驗品的要求。因此,本文選取手機為本研究的實驗品。

表1 RPII描述性統(tǒng)計分析

預(yù)實驗2是為了檢驗上文中確定的負(fù)面評論比例高低所對應(yīng)的負(fù)面評論數(shù)量是否與被訪者的感知一致。每個實驗組均選用10條在線評論,其中:負(fù)面評論比例高的實驗組為6條正面評論,4條負(fù)面評論;負(fù)面評論比例低的實驗組為9條正面評論,1條負(fù)面評論。在測試負(fù)面評論比例的影響時,為了剔除失誤嚴(yán)重程度的影響,被訪者將被隨機分配在“負(fù)面評論比例(高/低)×失誤嚴(yán)重性(高/低)”4個實驗組中的一個,分別測試不同被訪者對4個實驗組負(fù)面評論比例的感知。選取高校學(xué)生為實驗對象,將每個被訪者隨機分配到4個實驗組中的一個,由他們來判斷哪些是正面評論,哪些是負(fù)面評論,以及他們認(rèn)為負(fù)面評論在所有評論中所占比例是高還是低。每組各收集了10 份有效問卷,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)果對如表2所示。被訪者對負(fù)面評論比例高組的負(fù)面評論比例感知(均值=4.15)顯著高于對負(fù)面評論比例低組(均值=2.80),因此,本實驗對負(fù)面評論比例的操控有效。

表2 負(fù)面評論比例操控檢驗

預(yù)實驗3是為了選取體現(xiàn)不同程度失誤嚴(yán)重性的負(fù)面評論。從真實的購物網(wǎng)站上選取8條負(fù)面評論,并做了適當(dāng)?shù)恼{(diào)整以保證所有評論的字?jǐn)?shù)均控制在20～30字,且表達(dá)方式和語氣基本一致。邀請5位網(wǎng)絡(luò)購物經(jīng)驗豐富的高校學(xué)生進(jìn)行小組訪談,對每條負(fù)面評論的表達(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份問卷,采用Hess等[23]的Likert7點量表,要求被訪者根據(jù)自身感受來判斷每一條負(fù)面評論反映的失誤嚴(yán)重性。單因素方差分析結(jié)果對如表3 所示。被訪者對失誤嚴(yán)重性高組的負(fù)面評論嚴(yán)重性感知(均值=5.07)顯著高于對失誤嚴(yán)重性低組的負(fù)面評論嚴(yán)重性感知(均值=4.13),因此,本實驗對失誤嚴(yán)重性的操控有效。

表3 失誤嚴(yán)重性操控檢驗

2.4 正式實驗流程

本實驗共有600名高校學(xué)生參加,所有的被訪者將被隨機分配到20個實驗組中。每一位被訪者都不知道該實驗還有其他不同版本的問卷,也未告知實驗的真正目的。在開始正式的實驗問卷之前,將對此次實驗問卷的目的做簡短說明,以盡量減少受訪者的顧慮和理解上的偏差。采用線下問卷收集方法,面對面發(fā)放,當(dāng)場回收,并按批次整理對應(yīng)實驗組的問卷數(shù)據(jù)。

3 實證分析

3.1 描述性統(tǒng)計

實驗共發(fā)放問卷600份,回收525份,通過問卷填寫的合理性過濾,最終得到有效問卷份496份,有效問卷回收率95%。20個實驗組人數(shù)分布均勻,每組人數(shù)均控制在25人左右。對有效樣本進(jìn)行人口統(tǒng)計特征分析,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)購物時間。幾天前占49.80%,一周前占22.78%,半個月前占15.73%,一個月前占8.06%,兩個月前占1.81%,兩個月以上占1.81%。

3.2 信度效度檢驗

采用SPSS19.0軟件進(jìn)行統(tǒng)計分析。各變量的Cronbach’sα系數(shù)均大于0.7,說明具有較高的內(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。對失誤歸因、感知風(fēng)險和購買意愿3個測度項進(jìn)行KMO 和Bartlett檢驗結(jié)果顯示:KMO=0.822,大于0.5;Bartlett球體檢驗卡方值為3 156,自由度為91,卡方統(tǒng)計值的顯著性水平為0.000＜0.001,說明該組數(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,并把測度項進(jìn)行歸類。對應(yīng)于概念模型中的5個構(gòu)念,最終抽取出5個因子,各變量題項因子載荷在0.56～0.83,AVE 值均高于0.5,并且提取的5個因子共解釋總方差的62%,表明量表聚合效度良好。同時,各因子間相關(guān)系數(shù)均小于其對應(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

在進(jìn)行假設(shè)檢驗之前,需要檢驗實驗對自變量的操控是否有效。本文主要操控的是負(fù)面在線評論的比例和失誤嚴(yán)重性。由于已經(jīng)通過預(yù)實驗選出了正式實驗所需的在線評論和商家回復(fù),故在正式問卷中針對負(fù)面在線評論比例和失誤嚴(yán)重性各設(shè)置了一個問題,再一次驗證被訪者對所設(shè)計的實驗場景中兩個變量的感知。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),說明本文實驗情境中對兩個變量的操控是有效的。

表4 變量操控有效性檢驗結(jié)果

3.4 分組有效性檢驗

為了檢驗分組是否對控制變量和因變量產(chǎn)生影響,通過單因素方差分析對實驗數(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)購年限、網(wǎng)購頻率以及網(wǎng)購時間均無顯著差異,并且各組樣本對選取的試驗品手機的涉入度和專業(yè)程度無顯著差異。同時,各組的歸屬性歸因、可控性歸因、穩(wěn)定性歸因、感知信任以及購買意愿有顯著差異。即分組對人口統(tǒng)計變量沒有顯著影響,而中介變量和因變量受到分組的影響。因此,實驗分組對中介變量和因變量是有效的。

表5 分組對人口統(tǒng)計變量,中介變量和因變量的影響結(jié)果

3.5 假設(shè)檢驗

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

表6 負(fù)面在線評論影響作用方差分析

表7 負(fù)面在線評論影響作用均值

綜合表6、7的結(jié)果可以看出,負(fù)面在線評論比例與失誤嚴(yán)重性對購買意愿的影響具有顯著差異(P=0.001,0.000),并且負(fù)面在線評論比例越高,潛在顧客的購買意愿越弱(均值=4.198＜4.694),失誤嚴(yán)重性越高,潛在顧客的購買意愿也越弱(均值=4.016＜4.883)。因此,假設(shè)1a、1b成立。負(fù)面在線評論比例與失誤嚴(yán)重性對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)面在線評論(均值=4.787),較高比例的負(fù)面在線評論更可能產(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)面在線評論比例對失誤的歸屬性歸因、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)面在線評論比例越高,顧客對商家的歸屬性歸因越強(均值=4.262＞3.822),對失誤的可控性歸因越強(均值=5.321＞5.01),對失誤的穩(wěn)定性歸因也越強(均值=5.225＞5.026)。因此,假設(shè)4a得到驗證。同理,失誤嚴(yán)重性對失誤的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,顧客對商家的歸屬性歸因越強(均值=4.184＞3.903),對失誤的可控性歸因越強(均值=5.321＞5.01),對失誤的穩(wěn)定性歸因也越強(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,通過組間均值差異和單因素方差分析檢驗不同實驗場景下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(見表8、9)。

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

表9 負(fù)面在線評論比例與商家回復(fù)策略交互作用均值

通過雙因素方差分析,由表8結(jié)果顯示,負(fù)面在線評論比例對商家的歸屬性歸因及對失誤的可控性歸因、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)論也再次驗證了本文2a、4a的假設(shè)。商家回復(fù)也對商家的歸屬性歸因、對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)面在線評論比例高和低兩種情況,分別對5種商家回復(fù)策略進(jìn)行單因素方差分析。當(dāng)負(fù)面在線評論比例較低時,5種商家回復(fù)對商家的歸屬性歸因、對失誤的可控性和穩(wěn)定性歸因的影響無顯著差異(P=0.308,0.128,0.328),并且對3種歸因影響的均值都較為相近,假設(shè)6a成立;但此時5種商家回復(fù)對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沒有得到驗證。當(dāng)負(fù)面在線評論比例較高時,5種商家回復(fù)對商家的歸屬性歸因、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),通過均值對比,相比于無回復(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)策略對可控性歸因的影響依然沒有顯著性差異(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)重性對商家的歸屬性歸因及對失誤的可控性歸因、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)論也再次驗證了本文2b、4b的假設(shè)。商家回復(fù)也對商家的歸屬性歸因、對失誤的可控性和穩(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,5種商家回復(fù)對商家的歸屬性歸因、對失誤的可控性和穩(wěn)定性歸因的影響無顯著差異(P=0.070,0.132,0.205),假設(shè)7a得到驗證;但此時5種商家回復(fù)對感知信任的影響具有顯著差異(P=0.014),相比于無回復(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)更能夠增強潛在顧客對感知信任的感知(均值=5.286)。因此,假設(shè)7b沒有得到驗證。當(dāng)失誤嚴(yán)重性較高時,5種商家回復(fù)對商家的歸屬性歸因、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),通過均值對比,相比于無回復(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)方程模型對其他假設(shè)進(jìn)行檢驗。結(jié)構(gòu)方程模型檢驗了失誤歸因和感知信任對購買意愿的影響關(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,說明模型具有良好的擬合度。商家的歸屬性歸因?qū)撛陬櫩唾徺I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,其購買意愿就越低;同時,失誤的可控性歸因?qū)撛陬櫩唾徺I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)定性歸因也對潛在顧客購買意愿存在顯著的負(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)和顯著性水平來看,歸屬性歸因?qū)徺I意愿的影響強于穩(wěn)定性歸因,強于可控性歸因。感知信任對購買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,購買意愿越強烈。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買意愿的R2=0.56,說明該理論模型的解釋能力得到了良好的驗證。

4 結(jié)語

本文以負(fù)面在線評論為研究對象,從負(fù)面評論的嚴(yán)重性和負(fù)面評論比例兩個角度出發(fā),引入歸因理論、從眾理論和服務(wù)補救等相關(guān)內(nèi)容探究負(fù)面評論對潛在顧客購買意愿影響機制和內(nèi)部機理,運用SPSS 19.0對情景實驗收集到的樣本數(shù)據(jù)進(jìn)行假設(shè)檢驗等數(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)面在線評論比例對失誤歸因的3個維度(歸屬性、可控性和穩(wěn)定性)均有顯著的正向影響,對潛在顧客的感知信任和購買意愿有顯著的負(fù)向影響。即當(dāng)負(fù)面在線評論的比例較高時,顧客更傾向于認(rèn)為商家應(yīng)該對頻頻出現(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;但也會認(rèn)為失誤是長期存在的,如果其選擇購買了該產(chǎn)品也很有可能會遇到類似的失誤,從而認(rèn)為商家是不可信的,降低了購買的意愿。

(2)失誤嚴(yán)重性對失誤歸因的3個維度(歸屬性、可控性和穩(wěn)定性)均有顯著的正向影響,對潛在顧客的感知信任和購買意愿有顯著的負(fù)向影響。即當(dāng)失誤嚴(yán)重性較低時,潛在顧客往往會認(rèn)為失誤的出現(xiàn)是無關(guān)緊要的,并且超出了商家的控制范圍,他們不會把過多的精力放在負(fù)面在線評論上,也就不會在意到底失誤是由誰造成的或者是否會經(jīng)常發(fā)生,對商家會產(chǎn)生信任感,購買的意愿也較強。

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

針對上述實證結(jié)果有如下管理啟示:

(1)商家對負(fù)面在線評論進(jìn)行回復(fù)時,需要考慮負(fù)面在線評論在總評論中所占的比例。當(dāng)負(fù)面評論比例較高時,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償或承諾等修復(fù)措施來修復(fù)潛在顧客的感知信任和購買意愿;相反,當(dāng)負(fù)面評論比例較低時,盡管道歉加解釋加修復(fù)能夠提升顧客的感知信任,但對歸因的3個維度無顯著差異。因此,商家可以采取不回復(fù)的策略從而降低商家的運營成本。

(2)面對差評,很多商家都選擇統(tǒng)一內(nèi)容的官方套話進(jìn)行回復(fù),這會給潛在顧客帶來一種敷衍了事的感覺,不但不會起到積極作用,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,商家需要通過道歉對遭受服務(wù)失誤的顧客表示同情,也需要解釋失誤出現(xiàn)的原因,并告知會通過何種方式彌補失誤帶來的損失,或者未來可以通過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\意和對責(zé)任的擔(dān)當(dāng)。這樣不僅能夠打消潛在顧客的顧慮,同時,也會讓潛在顧客重拾信心,恢復(fù)對商家和產(chǎn)品的信任,進(jìn)而提升其購買意愿。當(dāng)失誤嚴(yán)重性不高時,潛在顧客往往會認(rèn)為失誤是無關(guān)緊要的,盡管道歉加解釋加修復(fù)的全面策略會對感知信任有所提升,但也帶來了高昂成本。因此,權(quán)衡后商家可以不對負(fù)面評論進(jìn)行回復(fù)。

(3)電子商務(wù)網(wǎng)站的優(yōu)勢在于為顧客提供了一個開放的并且有商家回復(fù)的顧客抱怨發(fā)布和處理的平臺,網(wǎng)絡(luò)商家應(yīng)當(dāng)充分重視對顧客抱怨的管理。首先,商家需要對售后人員進(jìn)行負(fù)面評論響應(yīng)培訓(xùn),對已購顧客發(fā)布的負(fù)面評論迅速做出反應(yīng),應(yīng)用良好的溝通技巧來安撫顧客不滿的情緒;其次,售后人員也要定期對顧客抱怨進(jìn)行評審,從顧客抱怨處理的過程中獲得信息,對服務(wù)失誤進(jìn)行分析和評價,以便改進(jìn)產(chǎn)品和顧客服務(wù)質(zhì)量,通過改正來防止類似失誤的發(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建立顧客抱怨案例庫,用于記錄已發(fā)生過的服務(wù)失誤以及商家的反饋信息,便于商家對負(fù)面評論進(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,商家可以對負(fù)面評論發(fā)布者進(jìn)行隨機調(diào)查或其他方法,確定抱怨顧客對抱怨處理過程及結(jié)果的滿意程度。

本文的研究結(jié)果表明,負(fù)面評論比例過高會降低消費者的購買意愿,但是正面評論數(shù)量過高或無負(fù)面評論也會引起消費者的警戒。由此可見,負(fù)面評論的比例不是越高越好,未來的研究可以從這一方向入手。除了在線評論,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)均來自高校學(xué)生填答,未來研究可以考慮擴(kuò)大實驗樣本范圍,覆蓋盡可能多的網(wǎng)絡(luò)購物群體。