大数据时代下消费者线上购买行为的影响因素研究

孙艺珊

摘 要：随着信息和网络技术的发展，数字经济已经成为中国经济发展的关键点。而在大数据时代，作为经济主体之一的消费者群体也会受到集群信息化数据化的影响。这种影响具体体现在消费者行为上，互联网电子商务行业的发展也极大地改变了中国消费者的行为模式。之前学者在消费者决策领域的研究并不能完全适应于中国日新月异的线上消费市场和为适应市场而不断进化的消费者群体。因此本文主要研究消费者对于线上电商产品作出购买决定时的决策行为过程。即探究大数据对于消费者行为的冲击影响主要作用于哪些决策因素进而显著性地影响最终线上购买决策的制定。本文采用问卷调查的方式开展实证研究，并通过因子分析和回归分析确定模型假定。经过实证研究有理由认为，大数据渗透在价格品牌以及评价3个决策因子上，引发消费者线上购买决策行为的考量因素的变化，进而作出与大数据时代到来之前有差异化的决策行为。

关键词：消费者行为 大数据 消费者决策分析

中图分类号：F721 文献标识码：A 文章编号：2096-0298（2018）08（a）-049-09

1 研究背景

大数据时代，数据信息化渗透到社会的各个层面，商品市场中的消费者便是其中的典型例子。作为数字信息载体，不难发现，大数据对消费者决策行为最直接的影响表现在线上消费市场上。在中国乃至全世界，线上商品消费市场在大数据的影响下也是日新月异。

依据中国电子商务研究中心统计报告，2017年中国电子商务市场交易额达29.16万亿元（数据来源：中国电子商务研究中心统计报告）。根据中国社科院财经战略研究院2017年发布的中国电商年度发展报告：中国电商绝对规模大，占了全球市场份额的40%，2016年，中国线上购物规模达到7500亿美元，比排名第二的美国（3121亿美元）、第三的英国（1500亿美元）第四的日本（900亿美元）加起来还要多得多；线上购物渗透率进一步增大；随着消费者消费习惯的改变，消费结构得以重构，传统消费行为被逐步重整甚至取代。

截至2017年6月，我国网上购物用户人数达到了5.14亿，线上购物渗透率达到68.5%；2017年上半年，中国跨境电商交易规模3.6万亿元，同比增长30.7%（央视联合中国社科院随即发布2017中国电商年度报告）。中国的数字化进程的推进，足以影响全球数字化格局。

而线上消费市场的发展也影响着消费者在线上的购买行为。麦肯锡咨询公司发布的《2017年中国消费者报告》指出，“中国消费者”作为一个整齐划一的群体已经不存在，而是形成了有鲜明特征多样性中国消费者群体。作为出生于互联网时代的“数字原住民”，占总人口16%的90后消费群体，是一个具有鲜明多样性的群体，到2030年将贡献总消费增长的20%以上，高于其他任何人口类别成为消费新引擎；消费者的自主意识明显增强，年轻结构更加年轻化、重视健康、对品牌的认知更成熟，对购买的产品和服务要求也更高（引自麦肯锡《2017中国消費者报告》）。

综上所述，线上购买行为已与消费者的生活密切相关，然而在大数据背景下，对于消费者线上购买决策的研究还相对不足。本文将立足于实证分析，对影响消费者线上购买行为的因子进行深度讨论分析。

消费者在进行线上电商购物并制定购买决策时考量的因素是否受影响，以及这些因素的改变会在何种程度上影响消费者最终的线上购买决策，即探究大数据的冲击能否通过作用在购买决策的影响因素上而间接地对消费者的购买决策造成影响。本文将通过问卷调法对消费者进行调研，并通过SPSS调研数据进行处理分析，从而探究在大数据时代信息量巨大化的情况下，消费者在做出消费决策时是否应时代的改变做出变化，以及最显著的影响因素是哪些。

2 文献综述

2.1 大数据的定义

大数据（Big Data），指涉及的数据资料量规模巨大到无法在合理时间内通过常规主流软件工具撷取、处理并整理的数据集合（信息技术研究和分析机构Gartner给出的定义。）。“大数据”概念最早在《大数据时代》（《大数据时代》，维克托迈尔·舍恩伯格，肯尼斯·库克耶著）中出现，而这一时代的到来最早是麦肯锡咨询预测的：数据已经深深地进入到每一个今天的行业，并已成了最重要的生产要素之一，人们挖掘和利用大量的数据，说明了生产效率的提高以及消费者盈余的新一轮来到（麦肯锡咨询《海量数据，创新、竞争和提高生成率的下一个新领域》，2011）。

2.2 大数据的特点及应用

IBM最早将大数据的特征归纳为4个“V”：容量（Volume），指具有海量的数据规模；高速（Velocity），即快速的数据流转，对及时性要求非常高，这也是大数据技术和数据挖掘传统技术之间最重要和根本的差异；多样性（Variety），指多样的数据类型，包括在线时间、图片、视频、地理位置、搜索记录等；价值（Value），数据所蕴藏的价值巨大，具体体现为价值密度低，商业价值高，大数据的合理运用，可以实现低成本创就高价值。

大数据的战略意义在于对那些有意义的数据集进行专业化的处理。大数据产业实现盈利的关键在于提升对数据的加工处理能力，进而实现数据的增值。大数据作用在各行各业，可以将人们收集到的巨量数据群进行整理分析，从中获得有效信息和资讯。

大数据可以帮助企业更好地了解消费者，确定更明确有针对性的市场策略，在竞争中获得优势，得到更多消费者的青睐。但大数据的作用绝不只限于企业层面，对于消费者群体，大数据同样在其决策时发挥着不可替代的作用。在大数据领域，未来最具有价值的是大数据头脑，能将大数据的潜在价值有意识地转化为实际利益，尤其是在信息化渗透率低的领域。

2.3 电商产品的定义其销售模式的特点

“电商”一词是电子商务的简称。IBM（IBM，电子商务领域先驱领导者。）公司在1996年最先提出了Electronic Commerce（E-Commerce） 电子商务的概念，指那些以网络信息技术为方式，以商品交换为中心，以电子交易方式进行的商务活动，是传统商业活动模式的信息化、数字化。

电商产品，即指通过电商平台销售的商品。在基于互联网的电子商务交易过程中，电商产品即是交易对象。电商产品主要以线上销售形式为主，线上即指利用互联网等各种形式的媒介来进行宣传、推广和商品交换，区别于线下实体销售。而本文主要研究B2C电商销售模式，它具有以下特点：第一，B2C消费模式对消费者而言没有任何限制。用户可以在任意的时间地点挑选自己想要的商品；第二，购物成本低。对于消费者，时间、交通成本以及快递成本的低价程度都是传统购物方式不可达到的；第三，线上产品价格相对较低。对比与传统商场销售，线上电商商品没有多余的附加费用，价格也就较低；第四，个性化服务。互联网电商拥有可以为消费者方便快捷地提供个性化服务的能力；第五，商品种类多，且没有空间限制；第六，商品容易查找，消費者能更方便快捷地找到目标商品信息。不同于传统模式，B2C模式下，企业的角色发生了转变，从商品媒介变为信息媒介、从商品交易场所变为商品配送中心、提供大众化服务变为提供个性化服务、变商品管理为用户管理。

2.4 消费者行为

首先，根据经济组织决策管理学家西蒙（赫伯特·西蒙：美国管理学家和社会科学家，提出人类决策行为的有限理性模式。）提出的有限理性的决策行为模式，了解到：人不可能是完全理性的，人们很难对每个结果具有完全的了解和正确的预测；由于人的能力即决策过程成本的限制，人们所作的决策不是所有选择中最好的，而是已知方案中能满足要求的（《管理行为》，赫伯特·西蒙，1999）。在真实的消费决策情况下，绝对意义的“理性人并不存在”，几乎全部的消费者群体在面对购买决策是都会有不同程度的非理性行为。这是我们研究消费者行为的基础前提。

消费者行为分析主要是对消费者群体进行用户画像分析，包括行为取向、需求偏好、消费轨迹等。对消费者进行行为模式分析，其中的关键之一即是购买决策行为分析，即指消费者通过购买商品以满足其个人或社会需要的决定。消费者购买行为决策是内在和外在因素的复杂交互作用的结果（中国市场监测及消费者行为深度调研报告2014版）。

2.5 消费者购买决策

这个过程就是消费群体根据商品满足自身不同层次的需求的程度再结合价格，品牌等因素而做出选择的过程。研究消费者的购买决策过程就是研究消费者面对商品时如何权衡各项影响因素以及依据什么原理做出购买决策的过程。

2.5.1 理论基础

与消费者购买决策相关的学说及理论包括侧重于经济学方面的消费者需求理论，消费者价值理论，心理账户理论，让渡价值理论等，以及心理学领域有关知觉，学习与记忆，情绪和态度的研究。

（1）心理账户理论。

心理账户理论是消费者行为决策的重要理论。心理账户（心理账户：丹尼尔·卡尼曼（Daniel Kahneman）和特韦尔斯基（Amos Tversky）1981年首次在演绎分析中使用了“Psychological Account（心理账户）”概念。1985年，塞勒发表《心理账户与消费者行为选择》，正式提出“心理账户”）（mental accounting）是芝加哥大学行为经济学教授理查德·塞勒（理查德？塞勒（Richard. Thaler），行为经济学行为金融学领域的先驱者，获得2017年诺贝尔经济学奖。）（Richard. Thaler）提出的，是行为经济学中的一个重要概念。消费者在决策时，会根据不同的决策任务而形成相应不同的心理账户，由于消费者心理账户的存在，个体在做决策时往往不会像传统经济学理论中假设的那样完全理性，而是会做出许多非理性的消费行为，甚至违背一些简单的经济运算法则。

他认为，不论是个人还是企业团体，在做决策时都有心理账户的存在。尤其是在作经济决策时，这种心理账户系统常常遵循一种与经济学和数学的运算方式都不相同的潜在心理运算规则进行记账。

（2）让渡价值理论。

菲利普·科特勒所提出的让渡价值理论（菲利普·科特勒，1996）模型认为，顾客让渡价值（Customer Delivered Value）等于总顾客价值（Total Customer Value）与总顾客成本（Total Customer Cost）的差。用函数形式表示为：CDV=TCV-TCC。

2.5.2 消费者决策行为模型

（1）尼科西亚模式。

尼科西亚模式（尼科西亚（Nicosia），《消费者决策程序》1966.）包括四个主要内容：从信息传递到消费者的态度；根据上一步的结果进行商品评估，产生动机去购买；进行购买决定的制定；将这次购买决定的结果记下作为未来参考或商家反馈。

（2）数字时代消费者决策之旅 （New Customer Decision Journey）。

在这个数字时代新消费者决策之旅中（数字消费者决策流程即CDJ新模型：《决战消费者流程（Competing on Customer Journey）》，David C. Edelman& Marc Singer，《哈佛商业评论》2015），传统的决策流程在数据化的影响下，会加快评估和考虑阶段的进程，品牌因素不再是被动地影响决策旅程，而是在数字化营销工具的辅助下主动地重塑消费者的决策之旅。

而在现实的应用中，有关消费者购买决策的问题和心理学领域存在着复杂的交叉相互作用，因此至今许多研究消费者行为决策问题的学者仍认为尚没有准确完善的消费决策模型，依然存在着“消费者决策黑箱”。

3 研究假设及研究方法

3.1 研究假设

经过之前学者的研究成果、研究理论及模型了解到，大数据时代的到来在一定程度上影响了人们对线上电子商品作出的购买决策。但大数据是通过在哪些购买决策因子的渗透而达到的影响目的呢？

这些因素对购买决策又有多大程度的影响呢？根据此思考，将进行此次的实证研究，并作出以下假设。

在大数据时代，消费者对线上电子商品做出购买决策时，由于大数据的介入，影响消费者决策的因素中品牌偏好，评价体系及价格因素将对消费者线上购买决策产生显著性影响。

即：H1：大数据的渗透作用使人们对线上电子商品的品牌偏好发生了变化，从而影响到最终的购买决策。

H2：大数据在线上电子商务领域的应用，使评价体系体现出更突出的参考作用，对消费者的线上购买决策行为产生了显著影响。

H3：随大数据时代而来的价格信息的大量透明及可接触化，使得人们面对线上电商产品的购买决策时，获得更多更广的信息从而影响着消费者最终做出的购买决策。

即大数据在信息层面的渗透显著地影响了消费者的线上购买决策行为。

3.2 假设模型

根据研究假设，可得出假设模型，如图1所示。

本文采用问卷调查法进行实证分析研究。拟定问卷数量300份，投放方式为线上。收回问卷后，将使用SPSS对问卷调查结果进行相关数据分析，主要包括因子分析及回归分析。

3.3 问卷设计

本研究的调查问卷包含五部分：（1）基本人口背景信息；（2）对大数据时代的认识；（3）关于线上电商商品价格因素的调查；（4）关于线上评分系统因子的调查；（5）关于大数据影响下的品牌偏好的调查。

3.4 问卷的发放与回收

本次问卷主要以网络线上的形式发放，拟定数量300份，实际回收数量312份，全部为有效问卷。

4 調查问卷结果的数据分析

4.1 样本统计特征

从表1中可以看出，此次问卷受访者的年龄集中在18～55岁（占整体样本的95.84%），其中41～55和26～40年龄段的样本人数最多，比例分别是43.59%和41.99%。由于18岁以下购买力不足，而56岁以上对电子商务以及移动网络使用较少，因此18～55岁是线上电商产品的消费者主力军。本次问卷调查对象的样本性别分布来看，女性样本的比例很高，占整体样本的71.5%，这符合线上电商产品消费者群体女性相对偏多的特征。这是由于女性在社会生活中常常是线上购物决策的承担者，而同时女性的购物倾向相对于男性更为明显，因此本次问卷调查对象样本的性别分布和实际情况相吻合。另外此次调查问卷受访者中，企业员工或管理者最多，占44.2%，而企事业工作人员总数超过半数，这些职业的受访者是消费者群体中的中坚力量，因此调查结果的准确性可以得到保证。

经济维度方面，由表1可知，39.7%的被调查对象月平均收入<5000人民币，而月收入在10000元以下的受访者占75%，即样本数据分布特征符合我国国民月收入分布。而从调查对象的月平均线上消费额和月平均消费次数的描述统计结果来看，符合正常线上消费者的购买行为画像，因此本次问卷调查的样本选取可以很好地反映中国线上消费者群体的特征。

4.2 因子分析

4.2.1 效度分析

效度（Validity）分析即测量的有效性，指问卷调查中的手段和工具能准确无误地测量出想要测量的对象的程度。

通常，在进行因子降维分析之前，先要进行KMO检验和Bartlett球体检验，以判定问卷得到的调查变量及数据是否适合做接下来的因子降维分析。KMO值越高，越说明调查对象就是要研究的对象，即调查量表的结果越能显现其要测量的真正特征效度。通过SPSS对目标变量进行KMO效度检验的结果，如表2所示。

对本问卷数据的检验结果显示KMO=0.809>0.7，即可以接受此次问卷调查变量样本数据，即通过KMO效度检验，说明该调查对象变量之间存在显著相关性，适合于继续做因子分析。

4.2.2 因子分析

本次采用主成分分析法进行因子提取，提取指标为因子特征值>1的因子作为主因子。利用SPSS得出的因子降维分析结果如表3所示。

如图1给出了因子贡献率的结果，此次因子降维的主成分分析有三个因子的特征值>1，因此提取这3个因子作为主成份因子，它们累计可解释方差贡献率为64.015%。

由表4可知，经过旋转，得出3个因子，分别对应问卷调查中设置的原假设中3个假设因子相关的变量问题。旋转后主因子数目与原假设相同，且各因子准确对应原假设中因子对应的问题。因此有理由认为原假设模型初步成立，且3个影响因子分别是品牌、价格和评价。

经过因子降维分析确定了3个影响大数据时代消费者线上购买决策的代表因子，即品牌、评价和价格。接下来继续利用SPSS做更深入的相关性检验以及回归分析，以确定三个因子与因变量之间的更加具体的线性关系。

4.3 相关性检验

在进行回归分析之前，先进行了相关性检验，确定3个因子与回归变量之间存在确定的相关关系，以及它们之间统计关系的强弱程度。

由表5的Pearson相关性检验的结果可以得知，品牌，价格及评价3个因子与购买消费决策的显著性（Sig值）分别为0.015、0.000及0.002均小于0.05表明，3个因子与购买决策间存在显著性差异。通过表5显示：品牌因素与大数据对消费者线上购买决策影响的相关系数为0.338，价格因素与大数据对消费者线上购买决策影响的相关系数为0.423，评价因素与大数据对消费者线上购买决策影响的相关系数为0.373，因此认为品牌、价格和评价3个因子与大数据对消费者线上购买决策影响的结果存在的相关关系成立。

4.4 回归分析

根据相关性检验结果，根据假设模型进行多元线性回归分析。假设模型中，被解释变量为大数据对消费者线上购买决策的影响，解释变量分别为品牌、价格和评价3个因子。

假设回归方程模型为Customer decisioni=β0+β1 brandi+β2commentsi+β3pricei+εi。

Customer decision：大数据影响下消费者购买决策行为

Brand（Brand preference）：品牌因子

Comments：评价因子

Price：价格因子

i=1，2，….N表示第i个样本变量值

由表6可知，因变量和说明变量的复相关系数R是76.9%，拟合优度检验中调整判定系数R2的结果是59%，即被解释变量可以被模型解释的部分较多，因此可以认为该回归方程具有一定的拟合优度。

线性回归方程能够较好地反映说明变量与因变量之间的统计关系的前提是线性关系在统计上显著。因此需要进行回归方程的显著性检验（F检验）。检验结果如表7所示。

由检验结果可知，原假设回归方程的显著性检验的F检验统计量为11.218，对应的概率P值近似为0，小于显著性水平α（0.05），因此有充分的理由拒绝各说明变量前的回归系数都为0的原假设，即被自变量与因变量组合的线性关系是统计上显著的，可以信任此线性回归模型。

最后，对回归系数进行显著性检验（t检验），结果如表8所示。

从表8中可以看出，回归系数的显著性检验中，常量β0、品牌因子的回归系数β1、价格因子的回归系数β2、以及评价因子的回归系数β3的t统计量分别为47.573，2.549， 4.121，3.190，对应的显著性检验概率P值均小于显著性水平α（0.05），因此可以拒绝回归系数分别为0的各原假设，各解释变量前的回归系数均不为0，即品牌、价格和评价因子（解释变量）与被解释变量分别的线性关系都是显著的，可以信任这些回归系数，即线性回归模型：Customer decisioni=2.397+0.229 brandi+0.408commentsi+0.361pricei+εi可以被接受。

5 研究分析及结论

5.1 理论贡献

本文通过对消费者购买决策行为以及它的3个影响因子变量进行相关及回归分析，研究大数据时代，在信息爆炸式的冲击下消费者面对线上电子商品作出购买决策时的考虑因素的变化。经过此次实证分析的问卷调查及数据分析的结果，可以清楚地看到：在大数据的渗透作用下，对消费者线上购买行为决策的影响因素中的品牌偏好，价格因素及评价体系有显著性的影响，且均为正向影响。

由因子分析确定的品牌、价格和评价这三个在大数据影响下有代表性的因子，在相关性分析及回归分析中均表现出显著性，即研究的假设模型可以被接受。根据SPSS统计问卷调查结果分析，假设模型回归后变为以下方面。

Customer decisioni=2.397+0.229 brandi+ 0.408commentsi+ 0.361 pricei+εi。

结合之前学者在消费者决策领域的研究成果，此实证研究的理论贡献为以下方面。

（1）大数据的渗透作用使人们对线上电子商品的品牌偏好发生了变化，从而影响到最终消费者在线上的购买决策行为，且该影响是正向的。

消费者让渡价值理论中提到，产品形象价值属于总顾客价值的一部分，影响着消费者决策的依据即顾客让渡价值，且品牌形象值越高，消费者更倾向于决定购买，与本研究结果一致。

随着大数据模式和技术在电子商务领域的发展，越来越多的线上购物网站会搜集用户的个性化行为信息，并运用大数据手段处理这些信息并向客户精准投放靶向推荐，而正因为这种新型营销模式的出现，消费者在购买线上电商产品时的品牌偏好就受到了大数据渗透作用的影响。

例如，消费者原本在没有大数据介入的情况下，忠诚于购买某一品牌的商品，但大数据使得“相关推荐”和“首页推荐”出现在消费者视线中，那么在下次做出购买决策时，被首页推荐过但并未尝试过的某品牌产品很有可能会作为选择之一而被考虑，这时，该消费者的品牌偏好已经发生变化，而根据本次实证研究结果，该消费者最终的购买决策也有很大可能会发生改变。这个结果丰富了AIDA模型，通过“推荐”吸引产生兴趣，进而导致对新品牌的购买欲望和决策。

数字消费者新决策之旅（数字消费者决策流程即CDJ新模型：《决战消费者流程（Competing on Customer Journey）》，David C. Edelman& Marc Singer，《哈佛商业评论》2015）模型中也强调了品牌不再是被动的对消费者的决策流程施加影响，而是能够在数字营销工具的帮助下主动重塑消费者的决策旅程。

（2）大数据在线上电子商务领域的应用，使评价体系体现出更高的可参考性，对消费者的线上购买决策行为产生了正向的积极影响。

根据消费者决策SOR模型及霍华德—谢思模式（霍华德—谢思模式：霍华德（Howard）与谢思（Sheth）在《购买行为理论》中提出，1969），外在因素的刺激会对消费者的心理产生影响，评价体系本身对消费者而言就是刺激因素之一，因此有評价体系作为显著性因素影响消费决策的模型有理可依。

EBK模型中提出的中枢控制系统及尼科西亚模型中第二部分都提出，评价在消费者决策中扮演重要角色。而本研究在此基础上补充为：评价体系会影响消费者评估产品信息及价值。大数据技术的出现，使得搜集巨量客户评价、汇总并在后续消费者做购买决策时给出分析反馈成为可能。

运用了大数据处理手段的评价体系可以较为客观地反映出商品的评价等级，数量，能够在一定程度上帮助消费者作出更好的购买决策。

可以试想，如果没有这种基于大数据模式的评价体系作支撑，购买决策时会面临更多的不确定性，线上消费者对在这样状态下作出的购买决策的满意度也会表现出极大的不稳定性和差异性。而大数据在评价体系的渗透解决了这个问题，这使得消费者对于线上电商产品的购买决策行为更理性化，更大程度地达到自己的预期效用值，即这样的评价体系对消费者购买决策行为产生积极的作用。

（3）随大数据时代而来的价格信息的大量透明及可接触化，使得人们面对线上电商产品的购买决策时，获得更多信息层面的帮助从而更好地作出购买决策，说明大数据在信息层面的渗透正向影响了消费者的线上购买决策行为。

大数据时代的网上购物不同于以往，消费者作为线上电商产品的购买方不再处于信息缺失的劣势。大数据使得消费者接触到更多的有利于作出更利于自己的购买决策行为的信息，最为直接的价格信息。当大数据让商品市场的价格变得透明，价格是商品的重要特征之一，消费者在搜集对比中，对于同种商品的心理价位会发生改变，随之改变的是心理价位与实际价格的差值，这个差值是消费者购买决策中的重要指标，因此大数据时代的价格尺度也在很大程度上影响着消费者的购买决策行为。

本研究结合SOR模型可以得出：价格因素的刺激对消费者的心理产生影响，导致其对原价格的容忍度发生变化，这种心理变化最终会影响消费决策行为。这也与让渡价值理论中提出的消费者感知货币成本变化会导致让渡价值的改变而影响消费决策的结论相符合。

5.2 实践性建议

根据此实证研究的结果，知道大数据时代中的品牌、评价以及价格因素是影响消费者做出线上购买决策的代表性因素。通过这一结论，再结合电子商务市场中的实际情况，可以提出几个建议：对电商企业而言，由于线上电商产品的品牌忠诚度会在大数据各种“推荐”的冲击下弱化，品牌可以让自己在搜索同类产品的消费者的首页推荐中出现，以拓展新的顾客群。除此之外，企业更应该注重提升自己品牌的吸引力，通过新型情感式和感官式营销手段来吸引并留住客户，以保持品牌的竞争优势。

5.3 结论

在数据信息急速膨胀的今天，信息和网络技术的发展在多角度渗透作用下显著影响着人们的购买方式和决策模式。互联网数字经济成为全领域关注的焦点，而对于线上经济主体之一的消费者群体，其在线上数字经济中的行为表现及特征画像成为关注的焦点。

大数据时代，数字化信息化“入侵”了我们日常生活中的数不胜数的领域，因此线上消费者群体的决策行为和模式也会直接或间接地受到大数据冲击作用的影响。而这种直接或间接影响的原理，通常被认为是“消费者决策行为黑箱”。本文的研究即为了解开这一黑箱难题，探究大数据影响作用在消费者线上购买决策行为时的切入点，或者说深度挖掘大数据的渗透作用显现在哪些消费者对线上电子商务产品购买行为决策的影响因素上，以及这些影响因素在何种程度上影响着最后的消费者线上电商产品购买行为的决策，使大数据对中国消费者线上购买决策行为影响的模式变得清晰可见。

本文的实证分析采用问卷调查的方式开展，并通过因子分析和回归分析确定模型假定。在实证分析中通过对有效调查问卷样本的统计与分析，可以清楚地看到，大数据渗透下有3个因子表现出了对消费者线上购买决策行为的显著性影响，它们分别是品牌偏好，评价体系和价格因素，并且根据对3个因子的回归，得出了具备显著性水平下可以接受的回归模型，即确认了购买决策行为与各影响因子之间的显著性决定关系。

因此经过实证研究和分析，有理由认为，大数据渗透在品牌评价以及价格3个决策因子上，引发消费者线上购买决策行为的考量因素的变化，进而作出与大数据时代到来之前有差异化的决策行为。这样的结果与消费者行为决策的理论与模型中的观点相吻合，并加以补充，得出的是贴合于目前中国线上消费者画像及行为特征的模型，具有一定的实践价值。

参考文献

[1] （英）维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代：生活、工作与思维的大变革[M].周涛，译.浙江：浙江人民出版社，2013.

[2] Herbert A. Simon. Administrative Behavior 4th Edition[Z].Free Press，1947.

[3] （英）理查德·塞勒.心理账户与消费者行为选择[M].1985.

[4] 梁汝英.消费者行为学[M].重庆：重庆大学出版社，2004.

[5] 尼科西亚.消费者决策程序[M].1966.

[6] 冯晖.网络经济对中国经济的影响[J].经济论坛，2004（6）.

[7] 杨椅伊，彭丝露，孙依娃.浅析心理账户的实际应用价值[J].中国经贸，2013（10）.

[8] 安宏宇，狄维瑞，马思默，等.麦肯锡：中国新一代务实型消费者[J].商务周刊，2011（2）.

[9] 孙芳.浅议消费者网络购买行为及营销策略分析[J].商业经济， 2014（12）.

[10] 李宗伟.在线评论影响消费者购买决策的模型构建研究[J].创新，2013，7（5）.

[11] 王永周，邓燕.基于大数据预测的消费者购买决策行为分析[J].商业经济研究，2016（23）.

[12] 朱光婷，朱君璇.大數据环境下网络消费者行为研究[J].统计与决策，2014（23）.

[13] 张城森，闫智高，王双英，等.大数据时代下消费者行为研究[J].中国市场，2016（27）.

[14] 马鸿飞.消费者品牌偏好的形成及行为经济学视野的分析[J].中国流通经济，2008（7）.

[15] （美）肖经建.行为经济学和消费经济行为[J].消费经济， 2005（1）.

[16] 张剑渝，杜青龙.参考群体、认知风格与消费者购买决策——一个行为经济学视角的综述[J].经济学动态，2009（11）.

[17] 李爱梅，李斌，许华，等.心理账户的认知标签与情绪标签对消费决策行为的影响[J].心理学报2014，46（7）.

[18] David C.Edelman& Marc Singer.Competing on Customer Journey[J].Harvard Business Review.

[19] Christopher Trepel， Craig R Fox， Russell A Poldrack. Prospect theory on the brain？Toward a cognitive neuroscience of decision under risk[J].Cognitive Brain Research，2005.

[20] Zilong Fang，Pengju Li.The Mechanism of“Big Data”Impact on Consumer Behavior[J].American Journal of Industrial & Business Management，2014，4（1）.

[21] 杨丹.大数据时代消费者行为与精确营销研究[D].上海工程技术大学，2015.

[22] 李瑶.大数据时代对消费者购买行为及营销创新的影响分析[D].天津职业技术师范大学，2014.

[23] 李晓婧.行为经济学视角下的中国消费者消费行为研究[D].河北经贸大学，2012.

[24] 张暾.行为经济学视野中的非理性消费决策[D].延安大学，2015.

[25] 王麗丽.网络视角的消费者信息搜索行为研究[D].山东大学，2017.

[26] 金鑫.数字化背景下的消费者信息获取：对社会信息资源的选择和反思[D].复旦大学，2012.

[27] 王墨涵.开放式在线评论对消费者购买决策的影响研究[D].哈尔滨工业大学，2015.

[28] 戴和忠.网络推荐和在线评论对数字内容商品体验消费的整合影响及实证研究[D].浙江大学，2014.

[29] 艾瑞咨询.2017年中国网络经济报告[R].2017.

[30] 央视&中国社科院.2017中国电商年度报告[R].中国社会科学院，2017.

[31] 麦肯锡咨询.2017中国消费者报告[D].麦肯锡大数据研究院，2017.

[32] 麦肯锡咨询.2017中国数字经济报告[D].麦肯锡大数据研究院，2017.

[33] 麦肯锡咨询.海量数据，创新、竞争和提高生成率的下一个新领域[R].麦肯锡咨询，2011.

[34] 中国市场监测及消费者行为深度调研报告[R].2014.

[35] 王赛.透 视消费者行为比特化[EB/OL].http：//blog.sina.com. cn/s/blog_165cd2c090102wlf2.html，2018-02-19.