消费者线上线下购买行为对实体零售商经营策略的影响

徐芬+陈红华

内容提要：互联网经济的发展促使实体零售业利用网络技术升级传统零售模式，但效果并不理想。基于实体零售商角度，本文在北京、上海、杭州等六个城市采用定点拦截随机抽样，并结合多群组结构方程模型探究我国消费者线上和线下购买行为的关系，以及影响消费者线下购买的主要因素。研究表明：消费者线上购买频次与线下购买频次显著正相关，并不是完全的替代关系；消费者的时间、线上购买频次及对线下购买态度是直接影响消费者线下购买的重要因素；降价策略不是实体零售商的有效应对手段，实体零售商应优化产品信息投放渠道，充分发挥实体店的服务优势，实施多样化支付手段和高效化会员管理，全方位优化经营策略。

关键词：线上线下；实体零售；经营策略；结构方程模型

中图分类号：F274文献标识码：A文章编号：1001-148X（2017）06-0017-07

随着互联网经济的飞速发展，线上购物的便捷性和其价格的透明性使零售业面临巨大的挑战，尤其对于大型传统实体百货，销售额和利润在不断上涨的人工成本和租金双重压力下回落，呈现大规模的“负增长”和倒闭现象。为了提高线下销售的竞争优势，越来越多的实体零售商开始利用移动互联网、O2O、云计算、物联网等网络新技术，加快传统零售模式多样化升级，但效果并不理想。本文以实体零售商为研究对象，采取可分析潜变量间关系的结构方程模型，在北京、上海、南京等六个城市对消费者进行实地调研，利用数据分析，探究我国消费者线上和线下购买行为的关系以及影响消费者线下购买的主要因素，为实体零售商优化经营策略提出对策思路。

一、理论框架

本文选取可能影响消费者线上线下购买行为的重要因素，构建以消费者线下购买为主要因变量的结构方程模型。

（一）变量选择

行为是潜在态度的表达，态度和行为存在紧密关系[1-2]。购买态度是消费者评价购买产品好坏的心理及表现出的行为倾向，消费者购买行为直接受到其购买态度的影响[3-4]。Mainieri et al（1997）[5]、王建国和杜伟强（2016）[6]等研究均表明消费态度显著影响消费行为。本文假设消费者购买态度影响购买行为，预期线上购买和线下购买态度分别正向影响线上购买行为和线下购买行为，并分别对线下购买行为和线上购买行为产生负向影响。

Ajzen and Christine（1986）[7]、Boldero（1995）[8]指出对于个体行为的研究应考虑特定因素，Engle et al（1995）发现个性特征是行销研究的重要基础，其与购买行为有关，Elena and Eva（2006）[9]、宋亮（2012）[10]等认为个性特征是影响行为的因素，但其是否存在直接作用并没有得到有效论证，因此，本文将个性特征纳入模型，并假设越具有冒险精神、善于改变的个性特征越会采取购买行为，即正向影响，但其对行为是直接影响还是通过态度间接影响不确定。

消费者是否具有足够的空闲时间是影响其消费行为的重要因素[11]，尤其是原本为满足生理需求层次的购物行为越来越倾向为一种休闲消费，对娱乐和精神层次的需求导致时间因素更为重要。同时，实体店购物行为相对网上购物会耗费更多挑选时间，时间因素是否成为消费者选择购物渠道的重要因素也是本文研究重点，因此，将消费者拥有的空间时间充裕程度作为考察变量纳入模型。

另一个特定因素是土地利用情况，指商店的可达到性和城镇化水平，此因素很少被国内学者所研究，但Farag et al（2006，2007）[12-13]研究发现城镇居民更倾向于线上购买，商店可达到性负向影响线上购买行为；Van and Senior（2000）[14]、Srinivasan and Bhat（2004）[15]均表示商店可达到性与线下购买行为正相关。因此，本文将土地利用情况作为潜变量纳入模型中，选取消费者居住地城镇化水平、到最近商场的距离和家庭拥有的汽车数量作为其测量变量，并预期对线上购买次数和线下购买次数分别产生负向和正向影响。

对于人口统计学变量，诸多学者认为其会影响消费者的行为选择，分析消费者购买行为时应予以考虑[16]。Haffman（1996）指出性别、收入、教育程度是影响线上购买行为的重要因素；王志刚（2003）[17]研究表明收入和教育程度显著影响消費者购买安全食品的行为；谭婧（2008）得到性别、教育程度、收入是影响消费者购买行为的显著变量；王秀丽和田祯祎（2011）[18]指出是否在职的线上购买行为存在显著差别。因此，本文选择性别、年龄、教育程度、收入、职业5个人口统计学变量作为调节变量，分析不同特征群体间是否存在差异。

（二）理论模型构建

基于以上文献，本研究提出结构方程的理论框架，如图1所示：消费者个性特征、土地利用情况、线上和线下购买态度均为无法直接测量的潜变量，线上和线下购买行为分别采用观测变量线上购买次数、线下购买次数。由于假设自变量不存在误差的传统回归分析无法妥善处理潜变量间的关系，因此，本文采用结构方程模型探究其因果关系，重点分析我国消费者线上和线下购买行为的关系，以及影响消费者线下购买的主要因素，探究实体零售商应如何改进相关经营策略，以最大化满足消费者需求。

二、调研方案设计

本次调研以结构方程理论框架为基础设计调查问卷。在设计影响消费者实体购物行为因素时，分别从消费者个人情况、个性特征、土地利用情况、购物态度以及时间五个方面探究与消费者线下购买行为之间的因果关系。在调研地点的选择中，选取了北京市、上海市、杭州市、南京市、吉林市和长春市对消费者进行面对面调查，共发放问卷1220份（预调研问卷20份，正式问卷1200份）。

（一）问卷设计

问卷主要分为消费者个人情况、个性特征、土地利用情况、购物态度和行为五大部分。

个人情况包括性别、年龄、教育程度、职业以及收入5个人口统计学变量，是作为模型中的调节变量，除收入外其他均采用二分变量，即每一个问题只有二个选项，以便多群组分析。年龄参考张连刚（2010）[19]选取35岁为分界点，并选取18岁以上的人群为研究对象；由于大学普及，教育程度是以大学学历为分界点；不同的职业类型并没有等级划分，分界点为是否有职业，学生、无业游民、退休人员属于无职业人员，其他任何形式的职业均为职业人员；但收入地域差距较大，分界点不易统一，将其作为观测变量，纳入结构方程模型。

问卷中消费者个性特征、土地利用情况、网上购物态度以及实体购物态度四个潜变量的变量设计可见表1，其测量变量的选取考虑其一致性，并至少包含3项；量表均采用7分制李克特量表，即根据受访者对题目的同意程度划分为完全不同意、比较不同意、基本不同意、不确定、基本同意、比较同意、完全同意7类；消费者购买行为直接采取可测量的购买频次变量表示，即消费者线上购买次数和线下购买次数作为衡量其线上购买和线下购买行为。

（二）调研地点选择

本文基于我国各城市经济发展水平，从一线、二线、三线城市中分别选取2个城市进行调研，即北京市、上海市、南京市、杭州市、吉林市、长春市。同时，由于是针对实体零售商调研，具体调研地点主要选择各城市中具有一定知名度的大型百货商场，如银泰、王府井、新百等，调研地点具体分布如表2所示。

（三）调研方法与样本

问卷调查时可以采用多种调查方法，包括电话调查法、邮寄调查法、网络调查法以及面谈访问法等。尽管电话、邮寄和网络调查方法的成本较低，但是不太容易控制且准确度较低，因此，本次调查采用面谈访问法，运用面谈访问法中的定点拦截法进行调查，即由调查员在指定地点对消费者进行随机抽样后进行面访。为提高问卷的有效性，确保调查问卷的顺利实施，调查人员全部是中国农业大学经济管理学院的在校学生，并为被访者提供了比较精美的礼品。

为确保调研质量，在正式调研前，调研人员于2016年3月13日在北京市北辰购物中心发放20份问卷，进行了预调研，并根据预调研中反馈的情况对问卷的问题进行了修改。

综合结构模型及调研的具体要求，本次调查共发放1220份问卷：北京、上海各投放问卷300份，南京、杭州各投放200份，吉林、长春各投放100份，最终回收1002份，剔除数据缺失严重的问卷后，有效问卷共990份，回收率825%。

三、实证分析

（一）描述性统计分析

1.被访者个人统计信息。本次调研样本范围较广，代表性较好。其中，男女比例相差不大，女性居多，占总样本55%；18-35年龄群体比例较大，占747%；教育程度在大学学历以下、没有职业的群体相对较少，这与调研的具体地点和时间有关，本次调研多数选择了周末时间人流量较大的百货商场，调研总体可能存在一定的偏向性，即18-35岁年龄段、学历较高、有职业的群体相对较多，但二者的绝对人数也分别达到236人、160人，具有一定的代表性（见表3）。

2.消费者获取产品的主要渠道。随着网络经济的飞速发展，网络成为消费者获取产品信息的主要渠道（65%），而商场的现场宣传、亲朋好友推荐、广播电视等方式均仅有约30%的消费者接受（见表3），这与消费者日益改变的生活习惯息息相关，手机、电脑等电子产品成为绝大多数消费者必不可少的生活“必需品”，可以获取产品信息不再受时间、空间以及产品种类的限制，极大提高了网络宣传的效率。

在支付方式方面，网上银行和刷卡支付分别是消费者线上购买和线下购买的主要方式（见表3）。一般来说，扫码支付（支付宝/微信）相对银行支付（网上银行/刷卡支付）更为便捷，但即使在支付宝/微信大面积普及的情况下，消费者仍以银行支付为主，这是因为消费者对支付宝、微信等第三方平台的支付安全性仍存在一定的担忧。

3.消费者购买产品相关因素的重要性。消费者在购买产品时，产品的质量、价格、服务、便利性被认为是相对重要的因素，而一半以上的消费者认为商品质量是购买产品时最看中的因素，同时，25%的消费者认为购买产品时价格并不重要（见图2）。

（二）模型检验

模型检验是模型结果分析前必不可少的条件，是结果的有力支撑。本文的模型检验主要是信度、效度以及模型整体适配度检验。

1.信度和效度检验。信度检验选择Cronbachs α系数作为测量指标。从表4可以看出，消费者个性特征、线上购买態度Cronbachs α系数大于界点值07，属于高信度变量；线下购买态度略低，但高于界点值035，属于一般信度变量，这可能与样本的较强随机性有关（吴林海等，2011）；土地利用情况变量的Cronbachs α系数为0307，是低信度变量，本文予以剔除。

本文选择皮尔逊相关系数作为效度检验的指标。问卷内容是在前人已有研究以及相关理论基础上设置，具有一定内容效度；在建构效度上，个性特征、线上购买态度、线下购买态度三个潜变量中的测量变量之间相关系数较高，同时不同潜变量的测量变量之间相关系数较低，则说明建构效度中的收敛效度和区别效度均较高，一定程度保证了模型模拟结果的有效性和可信度。

2.适配度检验。在适配度检验前先检验模型是否存在违犯估计[20]。由图3可知，个性特征、线上购买态度、线下购买态度三个潜变量中测量变量的标准化回归系数基本介于05-095间，并达到5%显著水平，则说明模型的基本适配度良好，因为系数越大表示指标变量能被概念解释的变异越大，指标变量可以有效反映其要测量的概念特质；测量误差较小，并不存在极端标准误以及负的误差项，这表明模型并不存在违犯估计问题。

3.消费者线下购买行为的影响因素分析。根据理论模型进行模拟，结果显示：收入和线上购买态度对线下购买行为影响不显著，表示收入和对线上购买的态度并不直接显著影响消费者去实体店的购买行为；时间对线上购买行为影响不显著，即消费者的时间充裕程度并不直接显著影响其从线上购买的频次。因此，本文将以上路径删除后重新模拟，并得到以下估计结果（见表6）：

除线下购买态度对线下购买频次正向影响统计上不显著，其他路径均显著，并达到1%或5%的显著水平。理论上，线下购买态度是影响消费者去线下购买商品的重要影响因素，统计上不显著可能与测量变量的选取存在一定的偏差有关，同时此变量并没有影响模型的质量，各检验指标均较为理想，因此，本文认为此影响存在。

结构方程中共包含9条路径，除线上购买态度对线下购买态度的影响以及线上购买频次对线下购买频次的影响和预期不符合外，其他均符合，包括消费者善于冒险和改变的个性特征正向影响线上购买态度和线下购买态度，线上购买态度正向影响线上购买频次，收入和线下購买态度负向影响线上购买频次，时间和线下购买态度分别与实体购物频次负相关和正相关。

线上购买态度对线下购买态度、线上购买频次对线下购买频次的影响和预期符号相反，即线上购买态度和线上购买频次分别正向影响线下购买态度和线下购买频次，这表明线上购买对实体零售商并不是完全的冲击作用，反而会呈现一定推动作用。主要原因是本文的研究对象并不是某一种无差异产品，而是整体产品，从而线上购买频次和线下购买频次并不是针对同一种产品，而是消费者对所有产品的总购买频次。随着消费者生活水平的不断提高，以及市场中产品的迅速多元化，消费者所需的产品结构和数量也不断变化，不同消费者可根据自身状况优化购买方式，如在线上购买部分可信赖产品时通过网上搜索实体店产品以减少去实体店挑选的时间，即线上购买频次提高网上搜索频率从而增加线下购买频次，这与消费者获取产品信息的主要渠道是网络是一致的。

通过以上分析可知线下购买态度、线上购买频次以及时间直接影响线下购买频次，但考虑各变量间的关联作用，可得到各变量对线下购买频次的综合效应（见表7）：个性特征和时间是影响消费者线下购买最大的因素；线上购买态度和线上购买频次对其影响相对较少，但与线下购买态度和收入带来的影响类似。

4.多群组分析。基于人口统计的调节变量，对模型进行性别、职业、年龄的群组分析，模拟结果汇总见表8：不同群组的显著性和影响大小存在一定的差别，但正负关系均和总样本结果是一致。

在性别分组上，女性的各变量间关系除线下购买态度外对线下购买频次均显著，但男性的线上购买态度和线下购买态度对线上购买频次影响不显著，则说明产品态度会更大程度影响女性的线上购买行为，这与女性相对男性通常更感性一致；但男性的线上购买频次对线下购买频次的正向影响远大于女性，这由于男性更倾向于迅速选择产品，通过网上搜索减少实体店的挑选时间，从而在其线上购买时网上搜索频率更高，带来的线下购买频次则相应增加。

在职业分组上，消费者是否有职业对其二者模型路径关系影响存在很大差异。在影响线下购买频次的因素上，时间和线上购买频次仅对有职业群体显著，而并不直接影响没有职业的群体。因为无职业消费者很大的特点是时间非常充裕，从而时间不会成为其是否去线下购买的受限因素，同时，无职业消费者并不需要在通过网上搜索实体店商品情况以减少购买时间，这正验证了以上的推论。

在年龄分组中，35岁以上高年龄组相对18-35岁低年龄组最大的不同是线上购买态度对线下购买态度以及线下购买态度对线上购买频次影响均不显著，可能由于高年龄群体家庭、社会负担较重，能够充分享受体验线下购买服务的时间和机会相对较少，对其认知较为固定，从而线上购买态度不会明显改变其线下购买态度，而线下购买态度也不会对其线上购买的频次造成较大影响。

四、结论和建议

（一）主要结论

本文从实体零售商角度出发，从全国范围的6个地级市获取了990个消费者样本，并结合多群组结构方程模型，研究了网络背景下消费者线上和线下的替代互补关系，以及影响消费者线下购买行为的重要因素，为实体零售商经营策略优化提供借鉴性建议和参考。研究结果表明：

1.消费者的线上和线下购买频次显著正相关，即线上购买频次增加会带动线下购买频次的增加，二者并不是完全的替代关系。对于同种产品可能会存在一定的替代效应，但对于整体产品而言，线上购买频次增加会带来网上搜索频次提高，从而增加线下购买频次。

2.消费者的业余时间充裕程度、线上购买频次以及对线下购买态度是直接影响消费者线下购买次数的重要因素，而消费者的收入、线上购买态度、个性特征并不显著。

3.消费者的时间充裕程度负向影响其前去线下购买频次，即消费者时间越充裕越会增加线下购买的次数，但时间并不显著影响消费者线上购买行为，这与网上商品存在“无限”性，基本不受时间和空间的限制有关。

4消费者对线下购买态度正向影响其实体店购物次数，实体店商品的质量、售前咨询、个性体验等服务是实体店购物态度的重要测量变量，而价格因素不是消费者选择线下购买的重要因素，即线上购买和实体购物的价格差距不再显著成为实体零售商的竞争弱势。

5.在性别、职业、年龄的群组分析中，是否有职业的分组模拟结果差距最大，时间和线上购买频次均不影响没有职业群体的线下购买次数。

（二）对策建议

根据上述研究结论，对我国实体零售商经营策略优化提出以下建议：

1.优化产品信息投放渠道，提高消费者线下购物频次。消费者的线上和线下购买行为呈现显著的互补关系，消费者线上购买会增加线上搜索频次以促进线下购买。因此，实体零售商不应局限在商场附近、居民街道发放单页，或简单利用商场大屏幕或广告排位，更需要根据零售商自身实力，充分利用网络手段，将产品信息（内容、商家位置、促销活动）投放微信、微博、商场相关网上平台，提高商场搜索热度、建立公布实体店产品更新和促销活动的网上平台等渠道，提高消费者实体店购物的有效性。

2.充分发挥实体店优势，全方位提高服务质量。实体零售和线上购买的价格差距并不是消费者选择购物渠道的主要因素，实体零售商不应盲目采取降价策略，而是需要充分发挥实体店优势，如借鉴部分零售商的做法，从商场的内外环境舒适度设计到员工高素质的服务态度和技能以及不断改善的人性化配套设施方面做出改进和提升（增加母婴室、多功能卫生间、多样化维修站），完善多样化售后保障措施（“不满意就退货”、客户投诉建议渠道、奖励等），让消费者充分体会实体店购物独特的精神享受，从而增加其实体店购物频次；但传统百货商场受空间和格局的固定性，无法提供购物中心多样式服务，可针对特殊节日或群体举办颇具特色的商场活动吸引消费者，如广州百货的“三八闺蜜酒会”、重庆红星美凯龙的“Homeys”智能服务型机器人导购，同时考虑商场品牌的差异性，减少和周围商场过多重复的品牌，构建较为特色的产品和服务，增加消费者对商场的识别度，提升实体店零售竞争力。

3.实现支付手段多样化、便捷化，缩短购物等待时间。消费者时间与实体店购物行为成反比，实体零售店应充分考虑减少消费者实体店内购物“无谓的”时间成本，如商品购物支付排队结账的等待时间。尽管多数实体店已实施支付宝、微信、刷卡、现金等多种支付方式，但并没有实质性解决支付难问题。实体店建立网上平台，对实体店产品开通二维码识别，消费者可自助扫码下单并支付，让其享受实体店购物体验的同时，节省没必要的购物时间，并可以吸引更多会员加入。

4.实现会员管理现代化、高效化，最大化满足消费者需求。实体店的促销针对性较差，无法满足消费者的隐性需求，对会员的吸引力差。實体零售商可利用互联网搭建社交平台，成立不同的产品版块，发布针对性的产品促销信息，吸引更多的会员参与，并对会员信息进行数据分析，针对不同购物偏好的消费者投放特定的促销信息，不仅节省促销成本，更提高促销的有效性。

参考文献：

[1]Upmeyer A， Six B， et al. Attitudes and Behavioral Decisions，SpringsVerlag New York Inc，1989：1-2.

[2]李林. 态度与行为关系的预测因素考察[J]. 闽江学院学报， 2006，27（1）：116-119.

[3]刘庆华.消费态度评测与转变的模型及方法[J].邢台职业技术学院学报，2003， 20（2）：61-63.

[4]程志斌， 曹振辉， 葛长荣，等. 不同消费态度的猪肉消费者消费行为分析[J]. 中国畜牧杂志， 2007，43（22）：33-35.

[5]Tina Mainieri， Elaine G. Barnett， Trisha R. Valdero， et al. Green Buying： The Influence of Environmental Concern on Consumer Behavior[J]. Journal of Social Psychology， 1997，137（2）：189-204.

[6]王建国，杜伟强. 基于行为推理理论的绿色消费行为实证研究[J]. 大连理工大学学报：社会科学版， 2016，37（2）：13-18.

[7]Ajzen I，Christine T. Correspondence Between Health Attitudes and Behavior[J]. Basic & Applied Social Psychology， 1986，7（4）：259-276.

[8]Boldero J. The Prediction of Household Recycling of Newspapers： The Role of Attitudes， Intentions， and Situational Factors[J]. Journal of Applied Social Psychology， 1995， 25（5）：440-462.

[9]Elena F， Eva M. Influence of personality on ecological consumer behavior[J]. Journal of Consumer Behaviour， 2006， 5（3）：167-181.

[10]宋亮. 消费者人格特质对仿冒品购买意愿的影响[J]. 消费导刊， 2012（7）：3-4.

[11]卿前龙，陈昭.闲暇时间约束下休闲消费需求扩大探讨[J]. 现代财经：天津财经大学学报， 2009（9）：46-49.

[12]Farag， S.， Weltevreden， J.， Van Rietbergen， T.et al.E-shopping in the Netherlands： Does geography matter？ Environment and Planning B： Planning and Design，2006b，33：59-74.

[13]Farag S， Schwanen T， Dijst M， et al. Shopping online and/or in-store？ A structural equation model of the relationships between e-shopping and in-store shopping[J]. Transportation Research Part A Policy & Practice， 2007，41（2）：125-141.

[14]Van， U.P.， Senior， M. The contribution of mixed land uses to sustainable travel in cities. In： Williams， K.， Burton， E.， Jenks， M.（Eds.）， Achieving Sustainable Urban Form. E. & F.N. Spon， London/New York，2000：139-148.

[15]Srinivasan， S.， Bhat， C.R. Modeling the generation and allocation of shopping activities in a household. Paper presented at the 83rd Annual Meeting of the Transportation Research Board， January 2004， Washington， DC.

[16]张晓勇， 李刚， 张莉. 中国消费者对食品安全的关切——对天津消费者的调查与分析[J]. 中国农村观察， 2004（1）：14-21.

[17]王志刚. 食品安全的认知和消费决定∶关于天津市个体消费者的实证分析[J]. 中国农村经济， 2003（4）：41-48.

[18]王秀丽， 田祯祎. 网民网络购物行为调查[J].图书情报工作，2011（6）：20-23.

[19]张连刚，基于多群组结构方程模型视角的绿色购买行为影响因素分析[J].中国农村经济，2010（2）：44-56.

[20]Byrne B.M. Structural Equation Modeling with Amos： Basic Concepts，Applications And Programming[M].New jersey：LawrenceErilbaumAssociates，2001.