移动电商个性化推荐对消费者购买意愿影响分析

徐玲玲　朱婧

内容摘要：在移动电商平台竞争激烈的背景下，个性化推荐成为其吸引、留住消费者的营销手段之一。本文通过探索性多案例分析方法确立影响消费者接受个性化推荐的主要因素为呈现方式和推送方式，将两因素作为TAM模型的外部变量，构建出个性化推荐影响消费者购买意愿的结构模型，采用方差分析来考察消费者类型在该模型中的调节效应。研究发现，个性化推荐的呈现方式和推送方式正向影响消费者感知有用性和易用性，消费者类型在此过程中能够作为调节变量。

关键词：移动电商 个性化推荐 技术接受模型 消费者类型

引言

由于互联网及移动互联网时代的到来，消费者传统的购物习惯、社交、阅读等行为正在向线上转移。面对这一趋势，移动电商平台想要发展就要采取策略吸引、留住消费者，这已成为电子商务企业最常用的策略之一，个性化推荐策略较好地满足了消费者个性化需求，不仅让消费者在购物时的体验感得到了提升，而且促进交易及实现利润增长，具有双赢的效果。

移动电商平台凭借消费者之前的搜索、浏览以及购买记录推测其偏好及需求，当其访问平台时进行推荐。移动电商个性化推荐系统的应用，能够较好地解决“信息过载”这一问题，较准确地向消费者推荐需求商品信息，缩短了消费者在选购时的搜索时间，在购物时增强了消费者体验感，提高消费者对平台的满意度；同时也可以加大商品的曝光率，促成潜在的交易达成，增加商品的销售量，为商家带来切实利益。移动电商个性化推荐服务虽然具有针对性，但推荐方式选择不当，消费者会心存抵触，所以寻找到消费者接受个性化推荐的因素格外重要。

近年来，个性化推荐在算法及消费者行为两个研究方向得到了学者们的广泛关注。算法方面，Ariely等（2004）将基于内容和协同过滤的个性化推荐算法进行了比较研究，发现前者的个性化推荐效果更好；Schafer等（2002）发现采用混合推荐系统进行产品推荐时，消费者会更乐意去接受所推荐的产品。消费者行为方面，戴德宝等（2015）将消费价值作为消费者接受互联网个性化推荐的影响因素，并探究影响程度；Yoon等（2013）研究发现消费者对商品了解越清晰，越对个性化推荐服务产生反感，推荐的商品不会对其造成影响。

本文以前人研究为基础，采用探索性多案例分析方法，指出呈现方式和推送方式是影响消费者接受个性化推荐的主要因素；运用技术接受模型（TAM）理论，构建基于呈现方式和推送方式两个外部变量的个性化推荐影响消费者购买意愿的理论模型，并将消费者类型作为调节变量引入模型进行分析。

研究模型与研究假设

（一）探索接受个性化推荐的影响因素

利用具有理论构建功能的探索性多案例研究方法，以天猫、京东以及1号店为例。首先通过企业相关人员访谈、网络搜集资料、期刊、书籍等收集案例信息，资料收集导向是“企业会使用哪些方式，让消费者采纳企业为其推荐的个性化商品”；其次，在对案例进行比较分析的基础上，总结归纳创新决策方案的异同，使用质性数据分析软件NVivo10对数据进行分析。

在对天猫、京东、1号店调研的基礎上，最终遴选出6份高相关度访谈记录和40份文字材料。案例研究小组一致认为三家移动电商平台对消费者个性化推荐的形式可以概括为呈现方式和推送方式（见表1）。

（二）研究假设

感知有用性是TAM模型中的重要变量，是指消费者情感上对新信息、新系统或产品的认可度直接影响采纳度；感知易用性表示消费者情感上认为新技术或系统操作越简单，越愿意去使用。该模型指出消费者感知有用性越强，消费者采纳新技术越积极；消费者感知易用性对感知有用性和采纳意愿都有积极作用。KLEIJNEN等（2012）认为用户采用移动服务的行为会受有用性感知的正向作用。由此，可以提出以下假设：

H1：消费者对个性化推荐方式的易用性感知与有用性感知直接正相关；

H2：感知易用性正向影响消费者对移动电商个性化推荐的购买意愿；

H3：感知有用性正向影响消费者对移动电商个性化推荐的购买意愿。

Aljukhadar等（2011）认为消费者选择接受个性化推荐系统推荐的信息时，受到信息呈现时间和界面设计等因素的影响。Dellaert等（2005）通过研究发现消费者评价推荐系统推荐的商品受到信息准确性和易理解性的影响。蔡日梅等（2008）提出消费者的有用性感知和易用性感知明显与推荐商品信息位置合理性和内容简约性相关。由此，可以提出以下假设：

H4：个性化推荐信息的呈现方式正向影响消费者感知有用性；

H5：个性化推荐信息的呈现方式正向影响消费者感知易用性。

互联网未普及之前，常见的营销方式集中在广播、电视以及报纸等传统渠道上。近些年，随着互联网及新媒体的蓬勃发展，如电子邮件、微博、微信、QQ等，这与案例研究小组的研究结果一致，移动电商平台以这几种推送方式向消费者传递个性化推荐信息。由此，可以提出以下假设：

H6：个性化推荐信息的推送方式正向影响消费者感知有用性；

H7：个性化推荐信息的推送方式正向影响消费者感知易用性。

根据消费者的购买特点不同，可以简单地把其分成理智型和冲动型。理智型消费者在选购品的购买中冷静、慎重，广泛搜集资料、仔细比较和挑选，争取在同类产品的各种品牌中做出最佳选择。Beatty等（1998）研究发现冲动型消费者店内浏览会促进其产生购物倾向。Hoch等（1991）认为如果外界给予冲动型消费者一个刺激，将使其产生比较强烈的购买趋向。根据前人的研究可以看出，由于消费者类型的不同，在购物时产生的购买行为也是有差异的，但是现阶段很少有将消费者类型引入个性化推荐，并作为调节变量来进行研究的。由此，可以提出以下假设：

H8：冲动型消费者在移动购物时受到个性化推荐信息呈现方式的影响而产生的感知有用性大于理智型消费者；

H9：冲动型消费者在移动购物时受到个性化推荐信息推送方式的影响而产生的感知有用性大于理智型消费者；

H10：冲动型消费者在移动购物时受到个性化推荐信息呈现方式的影响而产生的感知易用性大于理智型消费者；

H11：冲动型消费者在移动购物时受到个性化推荐信息推送方式的影响而产生的感知易用性大于理智型消费者。

基于上述假设，提出本文的理论模型（见图1）。

实证研究

（一）问卷设计、信效度检验与模型拟合度评价

将国内外成熟的量表和探索性多案例研究方法相结合开发问卷，弥补了传统问卷开发以理论研究为主，缺乏现实背景的缺陷。对问卷进行多次修改后最终形成的问卷包含6个变量24个题项，除人口统计信息外，所有问项均采用李克特五级量表。本研究一共发放420份问卷，回收405份，经过筛选整理出387份有效问卷，有效回收率达到92.1%。本次调查的男女比例分别为45%和55%，与《2015中国网络购物用户调研报告》中的男女比例相符，每月都会使用移动电商平台进行购物的比例高达87.2%，调查对象教育程度为本科及以上学历的比例达到96%。这些用户群体可作为移动购物消费者的典型代表。

本文采用SPSS22.0软件中的Reliability Analysis功能检验问卷量表信度，结果显示问卷整体Cronbachs α系数值高达0.900，说明本研究设计的量表内部一致性很好。问卷量表的建构效度采用SPSS22.0软件的探索性因子分析进行检验。结果显示：样本总体的KMO系数是0.841，大于标准值0.7；Bartlett球形检验后显示量表的显著性概率P值是0.000<0.001，表明量表的整体效度较好，适合做因子分析。对变量执行验证性因子分析采用AMOS21.0软件，数据显示各题项与其对应潜变量标准化载荷值都高于0.5，且各个潜变量的平均方差抽取量（average variance extracted，AVE）都在0.5以上，表明各个潜变量有较好的收敛效度。各个子量表的Cronbachs α系数值以及各个变量同各个潜变量的AVE值的均方根之间的相关系数见表2所示。

根据基于AMOS21.0软件的分析结果，模型的拟合度指标值如下：χ2 /df=2.162；GFI=0.918；AGFI=0.883；RMSEA=0.034；CFI=0.982。可见，本研究建构模型的诸多拟合指标都符合评价标准，表明该模型能够有效验证研究假设。利用AMOS21.0软件进行分析，本文所提假设H1-H7均通过检验，说明移动电商个性化推荐信息呈现方式及推送方式均正向影响消费者的有用性感知和易用性感知，进而影响消费者的购买意愿。

（二）消费者类型的调节效应

在统计回归分析中，类别变量要通过方差分析进行交互效应检验，且在这种情况下交互效应即调节效应。本研究中的调节变量和自变量均为类别变量，所以本文运用Two-Way ANOVA来检验消费者类型的交互作用。

1.消费者类型和呈现方式对感知有用性的交互效应。经过检验，消费者类型对感知有用性具有明显的作用（F=116.624，P=0.000）；同时，呈现方式对感知有用性具有显著影响（F=101.450，P=0.000），这也再次证明本文提出的H4假设；并且，消费者类型和呈现方式对消费者有用性感知的交互效应很明显（F=9.286，P=0.019）。

进一步的分析结果（见表3和图2）可以看出：冲动型消费者在移动购物时，若个性化推荐信息的呈现方式为单一时，感知有用性均值为4.80，而个性化推荐信息的呈现方式为多种时，感知有用性均值升为5.85；理智型消费者在移动购物时，若个性化推荐信息的呈现方式为单一时，感知有用性均值为3.02，而个性化推荐信息的呈现方式为多种时，感知有用性均值升为4.90，H8通过检验。

2.消费者类型和推送方式对感知有用性的交互效应。经过检验，消费者类型对感知有用性具有明显的作用（F=127.152，P=0.000）；同时，推送方式对感知有用性具有顯著影响（F=97.356，P=0.000），这也再次证明本文提出的H6假设；并且，消费者类型和呈现方式对消费者有用性感知的交互效应很明显（F=9.367，P=0.025）。

根据感知有用性在不同消费者类型和推送方式下的变化差异情况和交互作用（见图3）可以看出：冲动型消费者在移动购物时，若个性化推荐信息的推送方式为单一时，感知有用性均值为4.58，而个性化推荐信息的推送方式为多种时，感知有用性均值升为5.16；理智型消费者在移动网络购物时，若个性化推荐信息的推送方式为单一时，感知有用性均值为4.32，而个性化推荐信息的推送方式为多种时，感知有用性均值降为2.98，本研究H9通过检验。同时，由于理智型消费者的特性，多种个性化推荐信息的推送方式结合使用，会让其产生反感，从而促使感知有用性显著降低。

3.消费者类型和呈现方式对感知易用性的交互效应。经过检验，消费者类型对感知易用性具有明显的作用（F=118.612，P=0.000）；同时，呈现方式对感知易用性具有显著影响（F=101.496，P=0.000），这也再次证明本文提出的H5假设；并且，消费者类型和呈现方式对消费者易用性感知的交互效应很明显（F=9.453，P=0.011）。

根据感知易用性在不同消费者类型和呈现方式下的变化差异情况和交互作用（见图4）可以看出：冲动型消费者在移动购物过程中，若个性化推荐信息的呈现方式为单一时，感知易用性均值为2.35，而个性化推荐信息的呈现方式为多种时，感知易用性均值升为4.56；理智型消费者在移动购物过程中，若个性化推荐信息的呈现方式为单一时，感知易用性均值为1.85，而个性化推荐信息的呈现方式为多种时，感知易用性均值升为4.32，H10通过检验。同时，多种个性化推荐信息的呈现方式结合使用，可以对理智型消费者的感知易用性均值显著提升。

4.消费者类型和推送方式对感知易用性的交互效应。经过检验，消费者类型对感知易用性具有明显的作用（F=119.563，P=0.000）；同时，推送方式对感知易用性具有显著影响（F=88.327，P=0.000），这也再次证明本文提出的H7假设；并且，消费者类型和推送方式对消费者易用性感知的交互效应很明显（F=8.685，P=0.015）。

根据感知易用性在不同消费者类型和推送方式下的变化差异情况和交互作用（见图5）可以看出：冲动型消费者在移动网络购物时，若个性化推荐信息的推送方式为单一时，感知易用性均值为3.56，而个性化推荐信息的推送方式为多种时，感知易用性均值升为3.82；理智型消费者在移动网络购物时，若个性化推荐信息的推送方式为单一时，感知易用性均值为3.25，而个性化推荐信息的推送方式为多种时，感知易用性均值升为3.47，H11通过检验。同时，多种个性化推荐信息的推送方式结合使用，对理智型消费者和冲动型消费者的感知易用性均值影响都不是很大。

通过上述研究，消费者类型能够在个性化推荐的呈现方式、推送方式以及消费者的易用性感知和有用性感知之间有很明显的交互作用，说明消费者类型可以作为一个有效的调节变量。

结论与启示

第一，移动电商个性化推荐的呈现方式对消费者的有用性感知和易用性感知有明显的积极作用。对于移动购物的消费者来说，移动电商平台合理使用个性化推荐信息的呈现方式，将有利于消费者的识别和理解，提高消费者的购买意愿。移动电商平台要考虑消费者在获取推荐信息时的精力成本等，提高呈现方式的人性化程度以减少对消费者的负担。在呈现方式的内容组织上，要对商品的参数、信息进行简要说明，不要只是单纯的罗列；在呈现方式的位置选择上，要将推荐信息置于消费者关注度高的页面位置，让消费者快速找到推荐商品。

第二，个性化推荐信息的推送方式对消费者的有用性感知和易用性感知有显著的正向作用。消费者在受到移动电商平台通过不同推送方式的刺激时，对平台推荐的商品会产生一定的兴趣，同时通过该方式能够很容易获取商品的详细介绍，将有利于消费者减少搜寻所需产品的时间成本，进而产生购买冲动。同时，在推送方式选择上，移动电商平台不要各种途径都进行推荐，要有针对性地选择推送方式，合理有效的刺激消费者。

第三，在个性化推荐的呈现方式、推送方式以及感知易用性、感知有用性之间，消费者类型可以作为调节变量。移动电商平台在今后的发展中要着力关注个性化推荐系统功能的完善和丰富，本研究表明消费者类型是一个重要的调节变量，通过对消费者过去的购物习惯和购买商品时间等信息的获取，智能地推断出消费者的类型，针对不同的消费者类型实施不同的个性化推荐方式，可以有效激励消费者进行产品选购。

第四，消费者的有用性和易用性感知对其进行移动购物行为产生正向刺激作用。移动电商平台在进行个性化推荐时，要关注感知有用性和易用性，明确推荐的信息对消费者有没有用、呈现的方式会不会对消费者造成视觉冲击以及推送的方式能不能快速获取商品信息等，企业想要实现为消费者提供高质量的个性化推荐服务就需要充分考虑这些因素。

本研究也存在一些不足之处，不应该局限于教育程度为本科及以上学历的群体，因为他们有良好的知识和技能，感知易用性的差异性体现的不是很明显，在接下来的研究中还需要扩大样本数据量，让结论具备一般性，同时在后续研究中会考虑风险、信任等影响因素。

参考文献：

1.Aldas-Manzano J，Ruiz-Mafe C，Sanz-Blas.Exploring Individual Personality Factors as Driers of M-shopping acceptance[J].Industrial Management&Data; Systems，2009，109（6）

2.Wu，J.H.，Wang，S.C.What drives mobile commerce An empirical evaluation of the revised technology acceptance model[J].Information&Management;，2005，42（5）

3.Davis F.Perceived Ease of Use，and User Acceptance of Information Technology[J].MIS Quarterly，1989，13（3）

4.Wang，H.Y.，Wang，S.H.Predicting mobile hotel reservation adoption：Insight from a Perceived value standpoint[J].International Journal of Hospitality Management，2010，29（4）

5.Lu H.P.，Su P.Y.J.Factors Affecting Purchase Intention on Mobile Shopping Web Sites[J].Internet Research，2009，19（4）

6.G.Kim，B.Shin，H.G.Lee.Understanding Dynamics between Initial Trust and Usage Intentions of Mobile Banking[J].Information Systems Journal，2011，19（3）

7.戴德寶，刘西洋，范体军.“互联网+”时代网络个性化推荐采纳意愿影响因素研究[J].中国软科学，2015（8）

8.Kleijnen M，de Ruyter K，Wetzels M.An Assessment of Value Creation in Mobile Service Delivery and the Moderating Role of Time Consciousness[J].Journal of Retailing，2007，83（1）

9.Muhammad Aljukhadar.Usage and Success Factors of Commercial Recommendation Agents：A Consumer Qualitative Study of My Product Advisor[J].Journal of Research in Interactive Marketing，2011，56（2）

10.苏敬勤，崔淼，张竟浩.企业家视角下外部取向管理创新决策：基于探索性多案例识别的实证研究[J].科学学研究，2010，28（7）

11.陈剑，张华毅，汤胤.基于AINA模型的消费者网络团购态度实证分析[J].商业经济研究，2017（9）

12.Beatty，Ferrell.M.Elizabeth.Impulse Buying：Modeling its Precursors[J]，Journal of Retailing，1998，74（2）

13.Hoch，S.J.&Loewenstein;，GF.Time-Inconsistent preferences and Consumer SelfControl[J]，Journal of Consumer Research，1991，17（4）

14.Bellenger D N，Robertson D H，Hirschman E C.Impulse buying varies by product[J]，Journal of Advertising Research，1978，18（6）