大数据视角下电商企业与客户互动管理的实证分析

罗 丽

(西北工业大学，陕西 西安 710000)

大数据的应用使消费者拥有更多的机会和渠道来选择适宜的产品和个性化的服务。在对大数据的管理和应用中，电子商务无疑成为其中的佼佼者。随着电子商务爆炸式的扩张，B2C电商企业之间的竞争也愈发激烈，如2012年苏宁与京东的“价格大战”。可以看出，B2C电子商务之间的商品价格与质量等属性的差距正在逐步减小，客户体验及服务就变得愈发重要。在电商企业与客户的互动中，以产品为中心的一整套服务给客户带来的是满意、惊喜还是失望，会直接影响电商企业的生存发展，因此，研究电商企业与客户的互动对促进客户购买决策具有一定的意义。在此背景下，本文将以客户体验为切入点，对大数据环境下电商企业与客户之间的互动管理进行研究。

一 文献综述

自2005年Hadoop项目建立，大数据就已经得到人们的关注。麦肯锡(McKinsey)曾于2011年在《Big data：The next frontier for innovation,competition and productivity》中详细解读了大数据的内涵并指出了大数据的发展方向[1]，全世界更加重视“大数据”这一新兴产物。Economist Intelligence Unit(经济学人信息部)曾在一篇报道中提出，未来企业想要减少成本、提高利润的一个重要工具就是大数据技术，这一论断在国际范围内引起了轰动，各大互联网企业和零售企业争先恐后地开始了大数据的研究。无论是国际还是国内，大数据的市场规模都在逐步提升。

随着大数据的飞速发展，大数据研究的应用价值也得到了充分的体现。管理学专业期刊MIS Quarterly曾用大量的文章来阐述大数据技术所带来的优势，并提出了大数据在企业运营方面的研究，其中应用最广泛的是利用大数据存储和整合筛选信息的能力来将客户分类，准确地抓到客户的核心需求点并进行精准营销。陈思(2013)结合大数据环境的特点和运行机制阐述了信息大爆炸对客户购买的影响[2]。孙慧宇、贺小龙、刘琰、安伟同等人(2015)着重分析了大数据环境的特征与电子商务经营的核心点，并提出了大数据时代电子商务的品牌营销[3]。黄文乐(2015)结合电脑技术知识，提出了基于大数据的线上线下电商用户数据挖掘模式，并对如何发掘客户的潜在消费能力进行了深入分析[4]。夏文(2018)详细描述了大数据环境对企业与客户关系的影响，并为企业制订出一系列可以参考的营销计划[5]。在B2C、C2C电子商务的领域中，客户每天都会产生海量的数据，如浏览类别数据、商品收藏数据、交易数据、商品评论数据等。电商企业如何利用这些数据，使其产生可观的经济效益是大部分商家需要深入研究的问题之一。目前，国内学者对大数据环境下电商企业与客户间互动行为的研究不多，并且大多数都是在阐述传统环境与大数据环境的差异，指出大数据环境的先进性并给出一些适合大数据环境的操作方法。鉴于此，本文着重研究电商企业与客户互动对客户购买决策的影响。

二 数据、维度、因子及研究方法

(一)数据来源

本文以调查问卷的形式获取数据，通过查找相关资料并寻求专家意见，设计关于大数据环境特征的调查问卷。该问卷通过对各特征因子描述，来获取被调研者对该因子代表性的具体评价：1.十分赞同；2.基本认可；3.不支持也不反对；4.不同意；5.强烈反对。参与本次调研的调研者均是十分熟悉网络购物市场的客户，以此保证调研的有效性[6]。调研者共60人，其中30人年龄在20-40周岁之间，20人年龄在20周岁以下，10人年龄在40周岁以上。

(二)维度与因子的提出

大数据环境下客户的购买行为可能受搜索信息、系统质量、推检质量、信息精确度、隐私泄露、公布信息、商品质价和服务水平等8个因素所影响，本研究将全部因素选为特征因子，将8个因子归纳为三个维度，即精准营销、高透明度与个性化服务。第一，精准营销主要体现在用户的需求识别阶段和信息收集阶段，它的具体表达方式是搜索信息、系统质量和精准推荐。第二，高透明度是当前社会信息大爆炸的结果，主要体现在购买行为中的信息收集阶段和方案评估阶段，具体表达方式是信息精确度、隐私泄露和公布信息。第三，个性化服务。大数据环境下，电子商务产业的明显优势在于对数据的收集、整合和处理能力，通过收集并整合客户的消费信息提供出最适宜的个性化的服务，从而挖掘客户的消费能力。个性化的服务主要体现在客户的购买阶段，具体体现在商品质价和服务水平两个方面。

(三)电子商务与客户互动的四个衡量指标

在电子商务的领域中，客户互动主要分为两部分，即在线互动与网站技术信息互动。首先，客户与商家的在线互动是电子商务经济活动中最主要的互动形式，本研究以互动的响应性和双向性作为衡量指标。在电子商务领域中，响应性是指电商企业对客户的回应速度和客户得到回应后的满意程度，而双向性则是指电商企业与客户的沟通方式和工具。良好的响应性和双向性更有利于客户的最终购买。其次，客户与网站信息技术的互动是指客户登录电商网络平台，输入关键词对相关内容进行搜索，同时网站的维护人员根据客户的搜索痕迹相应地提高客户着重浏览内容的出现次数，并根据客户反馈的意见对系统加以优化。本研究将互动的有用性和易用性选为互动效果的两个衡量指标。有用性是指客户与电商企业对彼此提供信息有用性的感知，它直接决定了客户的满意程度。易用性则是指客户在电子商务市场行为过程中，对互动的理解程度以及对学会此项技能所耗费的精力是否值得的判断。2015年，何晓萍和黄龙将互动的有用性和易用性模型引入互联网领域[7]，认为有用性和易用性可用于衡量客户的互动意愿，并以此判断用户在电商平台的购买意愿。毕达天和邱长波在研究B2C互动对客户体验影响机制时将响应性和双向性用于衡量互动双方的感知程度[8]，互动的感知程度和互动意愿可直接影响客户的购买意愿。

三 规范性研究及实证分析

(一)总体模型

将规范性研究和实证分析法相结合，提出电商与客户互动的三大维度和八个因子并加以分析，找出影响客户购买决策的四个要素作为互动衡量指标；提出猜想，通过实证分析对总体概念模型进行归纳推理及验证，最终得出结论。

(二) 提出假设

根据专家意见以及相关资料，又基于本文第二部分的文献分析，现提出以下七个猜想：第一，大数据环境下精准营销中精准推荐可正向影响有用性；第二，大数据环境下精准营销中信息搜索和系统质量可正向影响易用性；第三，大数据环境下高透明度中信息公布和信息精确度可正向影响有用性；第四，大数据环境下高透明度中信息精确度正向影响双向性；第五，大数据环境下个性化服务中服务水平和商品质价正向影响易用性；第六，大数据环境下个性化服务中服务水平和商品质价正向影响响应性；第七，大数据环境下高透明度中隐私泄露反向影响有用性。

图1 模型设计

(三)维度、特征因子的信度分析、效度分析

应用SPSS软件对本文归类的三个维度、八个因子进行筛选，最终筛选出可以反映大数据环境的特征因子[9]P85。通过SPSS软件，对全部样本进行Cronbach’Alpha系数测量，测量系数如表1所示，Cronbach’Alpha系数最小值为0，最大值为1，系数低于0.6代表信度差，系数在0.6至0.8之间代表信度较好，而系数高于0.8则代表信度极好。

表1 特征因子的信度、效度分析

表1可知，问卷整体的Cronbach’Alpha系数为0.74，信度较好，其他的系数过低，所以舍去。精准推荐要素降低两个后信度提升至0.76，表明该特征因子的一致性经修正后可以保留。效度分析结果如表2，上述各个变量的系数都>0.7，信度较好。Kalser-Meyer-Olkln≈0.851>0.8，Bartlett的球形检验近似卡方约等于5700.299，自由度约等于0.379，显著水平无限接近于0小于0.01,上述变量适宜作因子分析。

表2 特征因子信度、效度分析结果

(四)维度、特征因子的相关性及显著性分析

利用SPSS软件进行变量检测，观测KMO值和Bartlett值，最终得出变量的显著性和相关性分析。KMO>0.9则表示变量的相关性极高，完全可以作因子分析，反之若KOM<0.6则表示变量的相关性很低，不可以作因子分析。在做Bartlett’s球型检验时，如果X’的显著性概率 sig.=0.000<0.01时，则表明变量具有较强的显著性并且可以作为变量因子进行探索性因子分析。由表3可知，KMO(精准营销)=0.76>0.70，KMO(高透明度)=0.72>0.70，Kalser-Meyer-Olkln(个性化服务)=0.72>0.70，三个维度的Bartlett球形检验显著性水平sig无限接近于0小于0.01，表明在此次检验中各变量间相关性较高，同时各变量具有较强的显著性，可以作因子分析。通过分析可以了解到，载荷因子1对信息搜索、隐私泄露和服务水平的影响较大，2号载荷因子的波动对系统质量和公布信息影响效果最明显，载荷因子3对精准推荐、信息精确度和商品质价的影响比较大。

表3 三大维度因子的相关性、显著性分析

表4 三大维度的结构收敛度

表5 模型结构关系检验

(五)评估收敛度

通过计算各个因子间的组合信度和平均变异抽取量，对结构效度中收敛的效度进行有效评估。如表4所示，因子组合信度大(CR)>0.6，平均变异抽取量(AVE)>0.4，因子载荷系数T均>10，表明该研究中提出的模型的结构性比较好。

(六)模型结构关系拟合度检验

本研究中χ2/df=2.898<3，说明本模型与此次调研数据的匹配程度比较高。近似方差=0.073<0.8，说明拟合度良好。PGFI=0.6>0.5,PNFI=0.6>0.5,PCFI=0.7>0.5，表明该模型的适配度较好。由此可知，本研究中提出的模型的拟合程度比较好。

四 结论与建议

综上所述，精准推荐、公布信息、信息精确度正向影响有用性，而隐私泄露却反向影响有用性；搜索信息、系统质量、服务水平、商品质价正向影响易用性；信息精确度正向影响双向性；服务水平、商品质价正向影响响应性；大数据环境下，电商企业可以通过精准营销和个性化服务来正向影响客户的消费决策行为，高透明度中公布信息可以正向提高客户的购买意愿，不过，隐私泄露反向影响有用性，进而导致客户的购买意愿降低，所以笔者认为，在提高大数据透明度、完善大数据信息的同时，电商企业应该重点考虑保护客户的个人隐私，国家也应出台相应的法律法规，加强网络活动中对个人隐私的保护。