基于移动应用的本土服务类团购影响因素实证研究——以美团APP为例

高沁韵 朱小栋

（上海理工大学管理学院，上海200093）

基于移动应用的本土服务类团购影响因素实证研究
——以美团APP为例

高沁韵 朱小栋

（上海理工大学管理学院，上海200093）

基于新兴的移动团购应用，结合前人的相关理论和模型，构建了本土服务类团购影响因素的结构方程模型，并收集美团APP的统计量数据进行了实证研究。结果表明，模型的大部分假设都得到了支持，并且评论数对本土服务类团购销量有着较强的正向相关关系。最后根据实证研究的结果提出了相关的建议，并指出了研究的局限性和未来可行的研究方向。

团购；本土服务；移动应用；影响因素

随着移动通信技术的发展，智能手机在国内的普及率在2014年12月已超过了70%［1］，4G移动网络的特性造就了大量的潜在移动消费群体。团购市场开始从原来的PC端向移动端转移。根据团800的《2014年中国团购市场统计报告》，2014年上半年美团移动端交易额为110亿元，占其总交易额的70%，预计全年美团移动端交易额将超过300亿元［2］。团购向移动端的迁徙促使其向O2O的更深层次发展，利用团购网络平台将线下已有的实体商店串联起来，推出餐饮、酒店、旅游等需消费者到现场进行消费的本地化团购。正如2015年3月提出的“互联网＋”这一新概念，所谓互联网＋就是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造出新的发展生态［3］。

1 相关研究概述及现状

国内的团购最早出现在2010年，美团网复制Groupon的模式成功上线运营。团购在之后的5年时间里，从最早单一的独立网站通过物流配送销售标准化的产品，随后逐步与其他电商网站合作开辟团购频道，发展至今拥有复合型的团购交易平台，在原先销售标准化产品的基础上，开拓本地生活服务市场，与线下实体商户建立合作互联关系，开创了O2O模式下的现场消费类团购。目前，中国的团购发展方向主要分为本地服务和线上实物两条演进路线。

国内团购行业高速发展的同时，也逐渐暴露出了种种问题，尤其在2012年以后，行业的增长势头明显放缓，行业发展也呈现出高度聚集的特点。众多学者也对团购行业进行了诸多研究，分析消费者购买决策行为的影响因素，为网络团购行业的发展提出相关建议。国内学者何云春基于TAM模型，研究认为团购的折扣力度和对网站的感知有用性对消费者的购买意愿有着显著的影响［4］。这一结论与Davis［5］于1985年根据理性行为理论（TRA）提出的研究结果一致。邓之宏从消费者购买动机的角度出发，认为消费者参与团购的主要动机是出于愉悦、便利、安全、服务、价格和社交［6］。房芳则基于产品的差异，分析了大学生在网购标准化产品和个性化产品时的不同影响因素［7］。

在国外，团购行业比我国起步早，行业发展相对国内更为成熟，经验更丰富。外国的学者们也针对团购行业做了大量的研究。Xie等采用技术接受模型对消费者网络团购意向的影响因素进行研究，发现消费者的网络购物行为受消费者感知信任、感知风险、行为意愿等心理特征的影响，同时也受到团购网站设计的技术特征，产品的价格、品质性等产品特征的影响［8］。Irem提出，消费者在做出团购购买决策之前，价格优势对其有决定性的影响，并且供应商的歧视和不诚实行为会对其有消极的影响［9］。之后的学者在前人的诸多研究消费者购买意向的基础上，对网络团购消费者的重复购买意向进一步探究。Meng等提出，对于尚未形成网络团购消费习惯的顾客而言，信任和满意度是团购顾客重复购买的两个关键影响因素，而对于已经培养形成了高频率团购消费习惯的顾客来说，信任和满意度不再显著，对团购产品的感知价值是其重复购买的关键所在［10］。

纵观国内外的研究，笔者发现：①国内多用技术接受（TAM）通过问卷调查的方式，对消费者的团购购买意向做出检验预测，但消费者的最终购买行为仍会受到问卷调查内容以外的其他因素所影响，不能够完全真实地反映出相关变量与最终购买决策之间的联系。②国内外笼统对网络团购的影响因素进行研究的较多，鲜少有特定研究O2O模式下的本土服务类的，并且由于我国移动应用市场尚处于起步发展阶段，针对移动团购应用的文章更少有学者进行探究。

2 研究模型与假设

2.1 研究模型

本文以期望确认模型为基础，综合前人的研究，整合美团移动应用可获得的统计量数据进行模型构建。期望确认模型［11］是消费者在购买前会根据获取的产品信息综合出对于该产品的期望，而后与消费后的体验作比较得出的满意度情况，而满意度则会是消费者下次购买的重要考量因素。2013，Zhang等人根据从大众点评网上获取的产品价格、折扣、评论数、满意度等统计数据构建了研究网络消费者重复购买意向的结构方程模型，进行了有效地数据分析并得出了重复购买意向的关键影响因素。本文基于近两年兴起的移动应用，整合期望确认模型与美团应用中本土服务类的公开统计量数据，构建了本文的模型，如图1所示，旨在研究基于移动应用软件，需要消费者到现场进行消费的本土服务类团购的影响因素。

图1 基于移动应用的本土服务类团购影响因素模型

2.2 研究假设

2.2.1 基于购买前期望的假设

根据Oliver的期望确认模型（ECT），消费者在作出最终的购买决策之前，会根据其搜索到的商品信息对该产品归纳构成一个期望。一般来说，消费者通过商品广告或大众传播媒体（报刊、广播、电视）获取所需的商品信息，这些信息往往是消费者在生活当中不经意间获取的，并不具有针对性。尤其是在餐饮、酒店、旅游、KTV等垂直行业中，它们专精于自己的领域，提供非标准化的产品或服务，因此消费者不易获取对等的产品或服务信息。比如，消费者在户外有就餐需求时，习惯于就近找一家餐馆进行消费，但其实对这家餐馆的环境、价格、服务质量等都是在进入餐厅，甚至是完成消费之后才有了一定的了解。移动网络团购则克服了消费者在实时需要搜集此类信息时的障碍，通过移动通信的GPS定位服务，消费者可以迅速地获得周边附近所有在线产品或服务的相关信息，从而决定到附近的某一家餐厅用餐。

在ECT模型中，消费者对产品或服务的期望与购买后的确认程度为负向影响，因为事前的期望越高，当消费体验后的预期结果并未达到其预期是，消费者对此次购买的确认程度则会越低。本文将消费者的评论数作为消费者购买后回馈的程度，这是由于基于中国的文化因素，国人往往更倾向于对积极的、满意的消费体验做出评价，尤其是在诸如美团应用这类的具有社交性质的公开平台当中。因此，本文提出以下假设：

H1：价格对评论数有显著的消极的影响。

H2：折扣对评论数有显著的消极的影响。

H3：适用范围对评论数有显著的消极的影响。

2.2.2 基于购买后确认的假设

在消费者完成消费后，会根据其此次消费体验与购买之前的期望进行比较，从而得出对于此次完整的消费行为的满意程度。当消费者的期望过高，而之后的消费体验却没有达到其预期的时候，此次消费行为的确认程度就会较低，并会间接降低满意度；反之，当消费者的期望较低，而之后的消费体验超过了其预期的时候，此次消费行为的确认程度则会较高，那么相应的满意度也会较高。本文中的满意度分为商品满意度和商家满意度，由此提出以下假设：

H4：评论数对商品满意度有显著的积极的影响。

H5：评论数对商家满意度有显著的积极的影响。

由于中国的传统文化影响，国人普遍存在一种从众心理，比如在超市看到众人哄抢促销产品的时候，很多人会选择跟在后面抢购，不论哄抢的产品是否真的是自己需要或计划购买的产品，市场营销学上将之定义为冲动性消费。这样的消费心理应该同样可以应用到移动团购应用当中，在决策是否要购买团购商品时，假使此前已经有很多人购买了该产品，并对其做出了评价，将会促使消费者做出购买的决策。因此，本文提出以下假设：

H6：评论数对销量有显著的积极的影响。

2.2.3 基于满意度的假设

满意度是指消费者在完成购买、消费、体验以及比较之后，整个消费过程当中对其需求被满足的程度所呈现出的一种愉悦感。消费者的满意程度越高，则会越愿意在之后有同样的消费需求的时候再次做出购买决策，这样的影响不仅仅局限于同一个消费者，当消费者的基数变大，他们趋同的消费体验会形成一种口碑，会对其他该类产品的潜在消费者产生影响。这一现象，在移动网络团购应用当中尤其显著，因为在此类APP应用当中，消费者对产品的满意度作为产品的信息的一种，从1～5由低到高表示满意程度，购买过该产品的消费者可以对此消费做出评价，并且能被其他消费者看到。因此，本文提出以下假设：

H7：商家满意度对销量有显著的积极的影响。

H8：商品满意度对销量有显著的积极的影响。

由于在一个商家名下，通常不止有一个团购产品的链接，往往是由几个不同产品或产品组合进行销售。当众多消费者对其中某一个产品或服务做出了满意度评价以后，他们的满意度指数最终会反应回馈到对商家的整体满意度上。故此，有如下假设：

H9：商品满意度对商家满意度有显著的积极的影响。

3 数据收集

本文研究采用的数据是从美团移动应用中收集，共涉及价格、折扣、适用范围、评论数、商品满意度、商家满意度和销量7个变量。美团网是中国最早的团购网站，在2010年模仿美国的Groupon成功上线运营，与大众点评、拉手网等同为我国一线的团购网，并且是第一批开发移动应用程序，将网络团购向移动平台转移的团购运营商。截止2014年上半年底，美团在移动应用上的销售额已经占其整体销售额的70%以上。

本文的研究数据是从2015年7月到2015年8月间，从美团应用的餐饮、酒店、景点、美容等本土化服务类的团购模块中，选取上海地区销量最高的前20～50名的团购产品的数据，一共收集到235份数据，为确保数据的有效性，去除掉销量小于50和评论数小于10的样本，最终有效数据为201份。样本统计结果显示，餐饮类团购是49.03%，酒店类团购是21.46%，旅游景点类是18.35%，美容美发类是11.16%。由于餐饮类是团购最早涉足的本土服务，而其他行业除酒店类稍早一些，都是近一两年开发的新市场，因此餐饮类在数据中占比较大，其他服务类占比相对较少。

4 数据分析

本研究利用SPSS和AMOS 17.0对收集到的201个样本数据进行数据分析和处理。本文数据分析所使用的是结构方程模型，首先会对样本数据进行一个描述性的统计，然后会对他的信度和效度做一个检测，最后会对结构方程模型的路径系数进行分析和检验。

4.1 描述性统计

从表1可知，销量的最大值可达到1 244 016，平均值也高达25 920.2，可见消费者现今还是很乐于利用移动团购APP进行消费的。同时，商品满意度和商家满意度的均值分别为4.2和4.34，表明消费者普遍对在移动应用上购买的团购产品或服务比较满意。此外，从折扣的平均值是0.68即6.8折来看，折扣力度还是较大的，商家希望通过较大的折扣优惠来吸引更多的消费者进行消费。由于价格、评论数和销量的标准较大，根据前人Chose［13］和Zhang［12］等人的研究方法，对这3个变量采用以10为底的对数方式进行数据处理。

表1 描述性统计（N＝201）

4.2 信度和效度分析

由于本文收集的数据是来源于美团APP的真实统计量数据，故不需对其单个变量的信度进行检验。本文运用SPSS软件采用皮尔逊相关性进行效度的分析检验，由表2可知，所有变量和其他的变量的相关性都小于0.7，表明测量模型具有较好的区分效度，适合做结构方程模型检验。此外，分析结果显示，价格、折扣、适用范围、商品满意度都和团购产品的最终销量有着显著的相关性。

表2 皮尔逊相关性分析

4.3 结构模型分析

本文使用AMOS 17.0结构方程模型进行分析检验。结果显示：卡方与自由度的比值为4.314小于5，拟合度指标CFI和GFI分别为0.94和0.92都大于0.9，且RMSEA为0.075小于0.08，以上数据显示结构方程模型具有较好的拟合度，是可以接受的。模型的路径分析结果如图2所示，实线为显著路径，虚线为非显著路径。结果显示，本文的9个假设除了H7商家满意度对销量有显著的积极的影响没有得到支持，H2和H3与预期有所出入外，其他的假设都成立。

图2 模型路径图

5 结果分析

H1、H2和H3研究了价格、折扣和适用范围对评论数的影响，从而它们会对销量产生间接的影响。结果显示，价格的确对评论数有显著的消极影响，但折扣和适用范围对评论数的影响是积极的。从消费者的购买心理来看，“便宜没好货”的理论导致当折扣力度过大时，会暗示消费者降低其对团购产品的期望，至少不会是过高的期望，因此相对较低的期望更容易得到较大程度的确认，从而对评论数有一个积极的影响。而对于适用范围来说，其对评论数的积极影响并非是出于消费者的确认回馈，而应该从数学上的概率来解释。由于本文研究的是本土服务类的团购，适用范围越广，意味着团购产品可以去现场消费的物理网点越多，由此覆盖的地理区域和人口基数就越大。如果每100个人中会有50个人团购该产品，然后50个购买的人中又有20个人会对该产品做出评价，那么人口基数越大，自然评论的人数也会越多。

H4～H9研究了评论数、商品满意度和商家满意度对最终销量的直接和间接影响。结果显示，评论数是影响团购销量的最关键因子，同时评论数对商品满意度有积极的影响，从而间接影响最终的销量，而商家满意度对最终销量不产生显著的影响。从对销量产生直接影响的重要程度来看，评论数对销量的路径系数高达0.88，说明已购买使用过团购产品的消费者分享的消费体验对后续的潜在消费者的购买决策行为有着重要且显著的影响。而商品满意度对销量的路径系数仅为0.12，这与此前使用TAM模型等采用问卷调查方式进行研究分析的文献结论有一定差距。前人的研究显示，满意度会对消费者的购买意向产生重要的影响，但经过本文的研究显示，满意度对消费者最终真正的购买行为的影响有限，这可能是因为消费者将其购买的意向付诸于真正的实际购买行为时仍是需要一个决策过程的。在此过程中，其他消费者的评论相对于满意度而言是更为关键的影响因素。

此外，H7关于商家满意度对销量有显著的积极的影响没有得到支持的原因很可能是由于商家满意度并不直接与商品满意度、价格、评论数等显示在同一界面，需消费者点击连接到商家的相关链接方可显示，一般消费者极易忽略该信息，因而导致H7被拒绝。

6 结 论

研究发现，评论数是在移动团购应用上影响销量的最关键因子，商品满意度的影响比较小；同时，团购产品的折扣和适用范围会对评论数有显著的正向影响。本研究对于移动团购应用进一步开拓本土服务类市场有参考和实际的借鉴价值。对于移动团购应用的后续发展，本文提出以下建议：

6.1 折扣营销，利用促销活动扩大用户基数

折扣是团购最初吸引消费者的根本原因，发展至今，在移动团购应用中亦然。当移动团购应用将周边的本土服务整合到一个平台上，消费者较之过去能够获得更多、更对等的产品信息，因此有了更高的议价能力，这也导致了本土服务类的市场价格竞争变得比过去激烈。薄利多销，先用折扣优惠吸引更多的消费者，然后再做出口碑，培养自己的忠诚客户的营销战略更为适合现在的市场环境。

6.2 联合商户，推出适用范围更广的团购产品

相较于已经发展成熟拥有连锁分店的商家，在移动团购应用上的许多有特色的优质商家限于资本和地域问题，许多都是独此一家，别无分号。但是有不少商家在入住了移动平台后发现，其本身的运营能力有时会无法负荷由此吸引来的大量消费者，导致过长的等待时间和服务质量的降低。移动团购应用的运营商可联合地域相近或主题特色一致的商户，推出几家通用的产品，让消费者在购买后，可以拥有更多的自主选择权。商户也可在吸引了大批消费者的同时，有其他的合作伙伴分担一部分的运营压力，以避免由此导致的客户流失和口碑下降。

6.3 鼓励评价，让消费者为产品代言

近些年，消费者在网购时对于社交模块的关注与日俱增，其他用户分享的良好消费体验比其他任何的广告和促销手段更具有说服力。但是，简单的几个评价指数已经不能满足消费者，他们希望看配有详细文字描述的经验分享，附有图片的评论更受青睐。不少消费者认为，有图才有真相，作为评价指标的几个数字很容易造假，但是图文并茂的评论内容的造假成本显然高得多，更具有真实性和可靠性。商户可以根据评论的字数和所附图片设置标准，并据此给出适当的积分返利或其他奖励，让消费者为自己的产品代言。

本文主要的贡献在于使用真实的统计量数据分析了在移动团购应用中影响团购结果的关键因素。由于本文的数据样本数有限，且局限于上海地区的样本，部分刚起步数据稀少的其他本土服务行业也未有涉及，后续研究可以扩大数据量或行业范围，也可以专注于某一本土服务行业进行研究。

［1］人民网．国内智能机普及率突破七成［EB］．http：∥cq．people．com．cn/n/2014/1216/c365420－23240543．html．

［2］团800资讯．2014年中国团购市场统计报告［EB］．http：∥zixun．tuan800．com/a/tuangoushujubaogao/20150122/50434-5．html．

［3］光明日报．“互联网＋”将成创新引擎［EB］．http：∥news．gmw．cn/2015－03/09/content-15035152．htm．

［4］何云春．网络团购消费者购买意愿影响因素实证研究［J］．价值工程，2015，（17）：63－67．

［5］Davis，F.D．．A Technology Acceptance Model for Empirically Testing NewEnd－User Information Systems：Theory and Results．MIT Sloan School of Management，MA，1986．

［6］邓之宏．我国消费者网络团购参与动机实证研究［J］．商业经济研究，2015，（16）：50－51．

［7］房芳．基于产品差异的大学生网上购物影响因素比较研究［D］．济南：山东大学，2010．

［8］Xie G，Zhu J，Lu Q，et al．Influencing factors of consumer intention towards web group buying［C］．Industrial Engineering and Engineering Management（IEEM），2011IEEEInternationalConferenceon．IEEE，2011：1397－1401．

［9］Irem Eren Erdoˇgmus，Mesut Çiçek．Online Group Buying：What Is There For The Consumers？［J］．Procedia－Social and Behavioral Sciences，2011，24：308－316．

［10］Hsu M H，Chang C M，Chuang L W．Understanding the determinants of online repeat purchase intention and moderating role of habit：The case of online group－buying in Taiwan［J］．International Journal of Information Management，2015，35（1）：45－56．

［11］Oliver，R.L．．An investigation of the attribute basis of emotion and relatedaffects in consumption：Suggestions for a stage－specific satisfaction framework［J］．Advances in Consumer Research，1992，19（1）：237－244．

［12］Zhang Z，Zhang Z，Wang F，et al．Factors influencing the effectiveness of online group buying in the restaurant industry［J］．International Journal of Hospitality Management，2013，35：237－245．

［13］Ghose，A．，Ipeirotis，P.G．．Designing novel review ranking systems：predicting usefulness and impact of reviews．In：Proceedings of the Ninth International Conference on Electronic Commerce，Minneapolis．ACM Press，New York，NY，2007：303－310．

［14］Zhang，Z．，Ye，Q．，Law，R．Determinants of hotel room price：an exploration of travelers'hierarchy of accommodation needs［J］．International Journal of Contemporary Hospitality Management，2011，23（7）：972－981．

（本文责任编辑：孙国雷）

The Exploration of Factors Influencing the Effectiveness of Group－buying in Local Service Industry

Gao Qinyun Zhu Xiaodong
（Management School，University of Shanghai for Science&Technology，Shanghai 200093，China）

Based on the novel mobile application for group－buying，this paper structured a new model which intends to explore the factors influencing the local service group－buying under the existing theories and models．The data collected from Meituan APP was used to test the model．The result shows that most of the hypotheses were supported．According to the results，the number of reviews has positive effects on sales volume．Finally，some useful suggestions was proposed，as well as the limitation and future research directions．

group－buying；local service；mobile application；influnce factors

10．3969/j．issn．1008－0821．2016．02．014

D035－39

A

1008－0821（2016）02－0074－05

2015－12－05

教育部人文社会科学青年基金项目“面向云计算环境下科技文献共享的语义集成模型研究”（项目编号：12YJC870037）；上海市一流学科项目（项目编号：S1201YLXK）。

高沁韵（1992－），女，硕士研究生，研究方向：云计算，电子商务。