刘舒婷, 毛成吉, 李 敏, b
(东华大学 a. 服装和艺术设计学院; b. 现代服装设计与技术教育部重点实验室, 上海 200051)
淘宝网个性化服务对用户服装购买持续使用的影响
刘舒婷a, 毛成吉a, 李 敏a, b
(东华大学 a. 服装和艺术设计学院; b. 现代服装设计与技术教育部重点实验室, 上海 200051)
随着网购的不断繁荣, 电商囊括的商品和用户数也越来越多, 人们在海量商品面前变得无所适从.“商品迷向”问题尤为突出, 网络平台迫切需要通过各种形式的显隐性个性化服务提高用户购买体验, 吸引并留住用户.针对以上问题, 以电子商务平台个性化服务与用户服装购买行为的交互为起点, 将平台上的交互抽象为“感知-使用-持续使用”的渗透过程进行研究.通过市场调研, 选择淘宝网为渗透的案例平台, 借助SPSS 19.0数据分析软件和结构方程模型分析软件AMOS 17.0建立了用户持续使用模型, 最终通过对结果的检验和数据分析为电商平台和入驻商家分别提出了个性化服务建议.
个性化服务; 用户持续使用; 互联网; 服装在线购买; 女性消费者; 渗透
互联网的发展将人类带入了一个巨大的信息空间, 作为显性个性化服务的产物, 搜索引擎的出现使用户可通过输入关键字的方式获取所需信息.当在线购买成为人们重要购物方式的同时, 人们对网购信息搜寻的不满也与日剧增[1].面向所有用户的搜索反馈已难以满足用户的个性化需求, 随着技术的发展和用户在互联网的大量信息遗留, 建立用户的个人兴趣模型, 针对用户兴趣返回不同结果的隐形个性化服务已成为可能.
然而目前, 针对电商个性化服务的研究多集中在技术层面的实现, 比如用户兴趣的建模研究及个性化搜索引擎算法的调整, 但针对用户层面的研究较少, 用户是否接受这些技术, 以及用户使用个性化服务的反馈研究尚不深入.
本文创新性地使用“渗透”这一生物学概念来类比“感知-使用-持续使用”这一服装购买过程中用户与个性化服务提供的互动过程.通过对国内18家商务网站个性化服务的分析筛选, 发现淘宝网为用户提供的个性化服务渗透于互联网用户购买行为的方方面面, 从引起注意(广告等), 引发兴趣(个性化信息推送, 特色市场的设置), 到浏览选择过程(个性化搜索引擎), 直到付费与购买行为(可匿名).这为以后的模型构建和问卷设计提供了变量操作性定义的基础, 因此选取淘宝网为案例平台, 研究电商个性化服务对用户服装购买的渗透.采用调查问卷的形式, 对其渗透过程进行实证研究, 最终对电商平台及平台卖家提出针对性的服务及广告投放建议.
在社会科学领域的渗透指一种势力逐渐进入到其他方面, 如文化渗透.对文化渗透的研究通常以“模因论”为基础.模因论者理查德·道金斯定义“模因”是一种脱胎于基因能进行模仿和复制的新型因子[2].著名模因学者 Francis Heylighe提出成功的模因复制有4个必经的递进阶段[3]: “同化”(assimilation)、“保持”(retention)、“表达”(expression)、“传播”(communication), 这种渗透是由显性入侵到隐性默化的.
由于个性化服务的显隐性特征以及由此引发的用户操作显性与感知隐性与渗透影响过程类似.因此, 可以创新性地用渗透来描述个性化服务对用户购买影响的过程.渗透是一个过程, 其结果暗含了一种影响与评价, 是对模因势力广度上的影响和深度上的评价.电商平台个性化服务对用户的服装购买过程的渗透有其广度和深度: 匹配到用户的购买过程是广度, 匹配到使用绩效是深度.广度上涉及购买过程中隐性个性化服务的感知和显性个性化服务的使用, 深度上涉及感知绩效带来的持续使用意向和现状.因此, 借鉴模因复制过程, 可将平台个性化服务对用户的服装购买过程的渗透看做“感知(perception)-使用(usage)-持续使用(continuous usage)”3个阶段.
本文研究总结近3年有关用户持续使用研究领域的56篇文献, 结合计划行为理论[4-5]、技术接受模型[6]、期望确认理论[7], 将期望、期望确认程度归到满意度的表述中, 以中介变量形式存在.感知绩效上以有用性、易用性和安全性作为外因变量.考虑到信息系统用户黏性的影响, 将转化成本单独列出作为外因变量.渗透度除了以常规的持续使用表述外, 还会以计划行为理论中的使用影响因素作为题项设置的表征.结合各研究汇总, 将渗透度定义为用户持续使用电商个性化服务进行服装购买的一种状态, 包括态度和主观规范、缺失不便性以及潜移默化性[8].假定的渗透模型如图1所示.
图1 电商个性化服务对用户服装购买渗透模型Fig.1 Infiltration model of electronic business platform personalized service for consumer purchasing clothing online
模型中提出如下假设, 如表1所示.
表1 渗透模型研究假设
模型中的主要测量项包括感知有用性、感知易用性、感知安全性、期望确认度、满意度、自我效能、主观规范、习惯、转换成本以及渗透度等10个变量.问卷对每个测量项使用李克特5分量表衡量, 按消费者的感知的强烈程度, 分为非常不同意、不同意、一般、同意、非常同意, 分别对应1~5分值.图2所示为淘宝网用户的操作界面, 以此为划分模块. 表2是对各个变量进行的操作化测量设计.
图2 淘宝网用户操作界面模块划分Fig.2 Partition for the consumer interface of Taobao
表2 变量测项设计及参考来源
2.1 研究方法与调查设计
本文通过问卷调查的方法收集样本数据进行实证研究, 采用SPSS 19.0和AMOS 17.0 作为问卷数据分析工具.
在明确问卷设计思路及对“感知-使用-持续使用”渗透过程的充分理解下, 最终问卷包括前言、第一、二、三部分, 共计58个题项.前言为提示信息, 对问卷内容及作答进行简短提示.第一部分为调查用户对淘宝网隐性个性化服务的感知和显性个性化服务的使用概况: 第1题为最早在淘宝网购物的时间, 第2题为隐性感知调查, 采用“是”“否”感知; 编号B1~B13, 计13项; 对于显性感知的调查设置为第3题, 采用5段量表进行频度测试, 编号C1~C15, 计15项.第二部分为探究淘宝网个性化服务对用户服装购买的渗透, 拟采用前人研究所用的成熟量表, 并根据电子商务情境下消费者使用购物网站的现实情况, 对量表稍做修改, 以适应本文研究, 编号D1~D22, 计22项.第三部分为用户个人信息及网购服装的基本信息.编号1~7, 计7项.
调查对象需满足两个条件: 具备电子商务网站的使用能力; 有过多次网购经历并至少一次的淘宝网服装购买经历.因此根据2013—2014年中国网络购物用户行为研究报告, 选取18岁以上有过淘宝网服装购买经历的青年女性为调研对象[16].数据来源方面, 根据吴明隆对于预调研的相关要求[17], 研究选取东华大学的女大学生作为预调研对象, 预调研样本数为40, 共发放问卷40份, 有效回收40份.用SPSS软件对预调研问卷中第三个量表的22个题项进行信度分析, 各层面信度指标α值均达理想状态.通过预调研的检验, 问卷最终以网络问卷调查和纸质问卷调查相结合的方式进行数据的收集工作.网络问卷调查主要是通过QQ、微信等网络聊天工具和网络问卷平台问卷星网站(http: //www.sojump.com/jq/3559019.aspx)进行发放, 纸质问卷调查主要是通过对在校大学生及周边写字楼发放.最终共发放350份问卷, 回收332份, 剔除漏选及非认真对待问卷6份, 实际有效问卷326份, 总有效回收率为93.1%.
2.2 量表的效度和信度
效度是指能够测到某测验所欲测(使用者所设计的)信息或行为特质到何种程度, 所采用的方法为因素分析, 包括探索性因素分析(EFA)和验证性因素分析(CFA).
在SPSS 19.0数据编辑窗口执行, 将“个性化服务对用户服装购买渗透量表”题项D1~D24选为变量, 因素抽取方法为主成分分析, 旋转方法采用最大变异法.
输出结果分析:
在相关矩阵中, 题项变量间呈现某些高度相关、某些低度相关或显著不相关.如D1~D3间相关较高, 但与其他变量相关很低, 这些相关较高的题项可能有共同因素存在.
此处的KMO(Kaiser-Meyer-Olkin)值为0.858>0.8, 呈现的性质为“良好的”标准, 表示变量间具有共同因素存在, 适合进行因素分析.Bartlett’s球形检验的卡方值为1 080.441, 自由度为231, 显著性概率值p=0.000<0.05, 达到0.05显著水平, 代表总体的相关矩阵间有共同因素存在, 适合进行因素分析.
采用主成分抽取结果, 抽取特征值大于1以上的作为主成分保留的标准, 共抽取出6个共同因子, 解释总变异量为68.404%.
转轴后的成分矩阵如表3所示, 共同因素与上文理论编制的题项基本符合, 成分1~5可分别对应“渗透度”“有用性”“转换成本”“安全性”以及“满意度”.
D3、D4的易用性在共同因素上并未呈现, 分别被分在成分2“有用性”和成分6上, 而安全性共同因子错失D7测项.成分6包含D4、D7题, 基于: ①两者虽同属于感知绩效, 但在共同因子的隶属上分属“易用性”和“安全性”, 无法共同命名; ②除两者间相关密切外, 与其他各因子均没有明显的归属倾向, 尤其与原属“易用性”“安全性”并无靠拢.故考虑在后续验证性分析过程中删除原属安全性D7测项, 密切关注易用性(D3、D4)在结构模型分析中的拟合情况.
表3 转轴后的成分矩阵
信度是指测验或量表工具所测得结果的稳定性和一致性, 量表的信度愈大, 其测量标准误差愈小.根据效度分析结果, 删除D7, 故各层面及总层面信度指标值汇总如表4所示(总量表排除D7).
表4 信度检测统计
结合信度指标判别标准, 可以看出, “易用性”层面低于指标值0.500, 信度欠佳, 而其他各层面内部一致性信度均表现良好.故在验证分析时考虑将“易用性”删除后作为备用模型与原模型进行对比分析.
2.3 验证性分析
2.3.1 假设模型检验
根据理论研究结合因子分析的结果, 构建“电商平台个性化服务对用户服装购买的持续使用”假设模型, 包含5个测量模型和1个结构模型.在AMOS 17.0图像窗口中绘制并界定变量及参数: 在渗透假设模型图中, 模型中的变量共有33个, 外因变量有18个, 内因变量有15个.
模型中的参数共有55个, 包括固定参数为1的20个, 自由参数中回归系数有14个(W1~W14), 协方差3个(C1~C3), 方差18个(V1~V18), 平均数与截距项均为0个, 因而模型中待估计的自由参数共有35个.
模型中外因潜在变量的观察变量有7个, 内因潜在变量的观察变量有6个, 样本协方差矩阵独特元素或数据点=1/2×(7+6)(7+6+1)=91个, 模型中被估计的参数(自由参数)有35个, 模型的自由度=91-35=56.
2.3.2 假设模型修正
按照文献[18]的论点, 本文从3个方面考察假设模型与实际数据是否契合, 即基本适配度指标, 整体模型适配度指标和模型内在结构适配度指标.预设模型适配度检验结果, 模型自由度为56, 卡方值等于84.881, 显著性概率值p=0.008<0.05, 拒绝虚无假设, 表示理论假设模型与实际观察数据无法适配, 故需进行修正.
经筛选, 在符合修正的指标中, 根据最大的修正指标值来修正模型, 一次释放一个参数, 如增加“转化成本”对“满意度”的路径, 至少可以减少卡方值11.403, 其参数估计改变值为0.248.其他符合条件的修正指标均为增列不同误差项的共变关系.
根据输出结果给出的修正指标及测项共变关系的实际意义, 逐次进行如下修正: 增加潜在变量“转化成本→满意度”的影响路径; 增加e8、e13间的共变关系; 增加e12、e13间的共变关系; 增加e1、e7间的共变关系.
修正后标准化估计值模型图如图3所示.
图3 修正后的标准化估计值模型图Fig.3 Modified model of standardized estimates
2.3.3 模型检验结果
以极大似然法估计各回归系数参数结果, 在测量模型中, 除5个参照指标值设为1不予考虑外, 其余回归加权值均达显著.结构模型中7条路径, 有3条达到显著水平.
在修正后模型的输出参数摘要中, 潜在变量间的标准化回归系数即潜在变量间的直接效果值或潜在变量间的路径系数; 潜在变量对指标变量的标准化回归系数为因素负荷量.“转化成本”对“满意度”的直接效果值为0.350, “有用性”对“渗透度”的直接效果值为0.274, “安全性”对“渗透度”的直接效果值为0.383.13个测量指标的负荷量为0.559~0.901.
修正后因果模型的整体适配度卡方值等于54.017, 显著性概率值p=0.397>0.05, 假设理论模型与实际数据间可以契合, 假设模型得到验证.
原模型假设的验证情况如表5所示.
表5 原模型假设正向影响程度
本文以互联网个性化服务与用户行为交互为研究起点, 分析了样本个性化服务渗透总体概况、隐性个性化服务感知、显性个性化服务使用以及平台个性化服务系统的持续使用情况, 研究结论如下所述.
(1) 隐性个性化服务感知
① 淘宝网进行服装购买时, 搜索的相符程度由大到小依次为性别>购买力>年龄>地域.
② 在推送和模块更改的敏感及关注度上, 推送相关商品>收藏店铺更新>微淘商品推广>整体界面变化.
③ 搜索相符认可度高的样本, 对信息公开的包容度更大.
(2) 显性个性化服务使用
① 在淘宝网进行服装购买时, 外因推动的显性个性化服务的使用频繁程度: 搜索下拉菜单匹配>点击“你是不是想找”更改>掌柜热卖>推送购买>首页30个特色市场.
② 在搜索引擎筛选层面的使用上, “人气、销量、信用”等不同排序模式的使用率>点选商品属性标签筛选>“新品、旺旺在线、包邮”等筛选.
③ 在购物入口的选择上, 搜索引擎入口的使用率大于类目导航大于模块挑选.
④ 在显性个性化服务的使用上, 用户在内外因推动上表现出较强的一致性.
(3) 平台个性化服务系统的持续使用
① 用户的感知有用性和感知安全性对个性化服务的满意度影响不大, 却直接而显著地影响个性化服务的渗透度.
② 用户使用个性化服务的转化成本对个性化服务的满意度有显著影响, 对个性化服务的渗透度影响并不显著.
③ 用户对个性化服务的满意度显著影响平台系统使用的渗透度.
④ 用户对个性化服务系统的感知有用性和感知安全性间有显著的共变关系.
(4) 针对个性化服务系统的建议
① 对电商平台而言, 在积极提供各种显隐性个性化服务的基础上, 更多地关注用户的隐私安全; 基于顾客收藏和购买记录, 将更多的显性个性化服务资源应用到隐性个性化服务的提供上.
② 对平台商家而言, 对品牌定位和商品属性有良好把握的基础上, 依托平台进行精准的广告投放, 起到良好的引流效果; 同时, 持续跟进新老顾客, 推送相关商品, 在一定程度上可增加转化率.
[1] 耿黎辉, 陈淑青. 消费情绪与购后行为的关系研究综述[J]. 西南交通大学学报(社会科学版), 2006, 7(5): 93-99.
[2] 理查德·道金斯.自私的基因[M]. 卢允中, 等译, 北京: 中信出版集团股份有限公司, 2012: 213.
[3] HEYLIGHEN F. What make a meme successful[M]. Namur: Congress on Cybernetics, 1998: 418-423.
[4] HANSENT. Consumer values, the theory of planned behavior and online grocery shopping[J]. International Journal of Information Management, 2008, 32(2) : 128-137.
[5] GOPI M, RAMAYAH T. Applicability of theory of planned behavior in predicting intention to trade online: Some evidence from a developing country[J]. International Journal of Emerging Markets, 2007, 2(4): 348-360.
[6] DAVIS F. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS Quarte, 1989, 13(3): 319-341.
[7] OLIVER R L. A cognitive model of the antecedents and consequences of satisfaction decisions[J]. Journal of Marketing Research, 1980, 17(4): 460-469.
[8] DELONE W H, MCLEAN E R. The DeLone and McLean model of information systems success: A ten-year update[J]. Journal of Management Information Systems, 2003, 19(4): 9-30.
[9] DAVIS F D, BAGOZZI R P, WARSHAW P R. User acceptance of computer technology: A comparison of two theoretical models[J]. Management Science, 1989, 35(8): 982-1003.
[10] PARASURAMAN A, BERRY L L. A conceptual model of service quality and its implications for future research[J]. Journal of Marketing, 1985, 49(4): 41-45.
[11] PETER J P, OLSON J C, GRUNERT K G. Consumer behavior and marketing strategy [M]. New York: MeGraw-Hill, 1990.
[12] CHAU P Y K, HU J H. Information technology acceptance by individual professionals: A model comparison approach[J]. Decision Sciences, 2001, 32(4): 699-719.
[13] CHAU P Y K, HU J H. Investigating healthcare professionals’ decisions to accept telemedicine technology: An empirical test of competing theories[J]. Information & Management, 2002, 39(4): 297-311.
[14] AJZEN I, MADDEN T J. Prediction of goal-directed behavior: Attitudes, intentions, and perceived behavioral control[J]. Journal of Experimental Social Psychology, 1985, 22(5): 453-474.
[15] BHATTACHERJEE A. Understanding information systems continuance: An expectation-confirmation model[J]. Mis Quarterly, 2001, 25(3): 351-370.
[16] GAY L R. Educational research competencies for analysis and application[M]. New York: Merril Pr, 1992.
[17] 吴明隆.问卷统计分析实务——SPSS操作与应用[M].重庆: 重庆大学出版社, 2013: 10.
[18] BAGOZZI R P, YI Y. On the evaluation of structural equation models[J]. Journal of the Academy of Marketing Science, 1988, 16(1) : 74-94.
(责任编辑:于冬燕)
Impact of Personalized Service on Customer’s Continuous Usage of Taobao Platform for Clothing Purchases
LIUShutinga,MAOChengjia,LIMina, b
(a. Fashion and Art Design Institute; b. Key Laboratory of Clothing Design & Technology, Ministry of Education, Donghua University, Shanghai 200051, China)
Along with the boom of online shopping, electronic businesses are carrying an increasing amount of commodities and catering to more and more users. Consumers are disoriented in front of the vast choices of commodities. It’s urgent for the platform to improve the user’s shopping experience, attract and retain users through explicit and implicit personalized services in various forms. This paper starts from the interaction between personalized service on electronic commerce platform and consumer’s clothing buying behavior, which is then abstracted to the infiltration process of “perception-use-continue to use”. Based on data from marketing research, the typical C2C website Taobao is selected as a case platform. The consumer continuous usage model is established via SPSS 19.0 data analysis software and AMOS 17.0 structural equation model analysis software. Finally, specific suggestions for electric business platform and online merchants on personalized services are put forward via results testing and data analysis.
personalized services; consumer continuous usage; internet; online clothing purchases; female consumers; infiltration
1671-0444 (2017)02-0280-07
2016-04-06
上海市教育委员会科研创新资助项目(14ZS068);上海高校知识服务平台(海派时尚设计及价值创造知识服务中心)资助项目(13S107024)
刘舒婷(1990—),女,山东日照人,硕士研究生,研究方向为服装产业经济学.E-mail: 835142706@qq.com 李 敏(联系人),女,教授,E-mail: fidlimin@dhu.edu.cn
TS 941.12
A