杨宜苗, 郭佳伟
(东北财经大学 工商管理学院, 辽宁 大连 116025)
口碑推荐是关于产品、服务、厂商或经历的非商业性的口头交流活动,例如向别人介绍愉快、生动或新颖的经历和建议。作为直接的个人行为,口碑推荐信息比广告和促销更真实可信,对他人购买决策的影响更大。无论是线下还是线上,口碑推荐都对顾客态度、行为意愿和实际购买产生影响。口碑推荐被视为一种有价值的企业营销战略,确认其影响因素能够帮助企业检查营销实践,从而更好地满足目标客户的独特需要。
学术界主要从信息或信息源特征、消费者个体差异及企业营销策略等角度分析口碑推荐的影响因素,或利用关系营销范式从满意、信任、承诺等顾—企关系角度寻求口碑推荐的来源。随着服务主导逻辑的影响力的不断扩大,有研究开始从服务互动的角度进行解释。Rayport & Jaworski[1]发现,互动导向可以创造正面口碑等基于顾客的关系绩效。卫海英、冯伟[2]认为,顾客与企业之间的成功互动将有助于建立二者之间的亲密联系,并带来良好的口碑。互动导向直接体现在一线员工与顾客个体的互动行为中,Gremler & Gwinners[3]认为,员工与顾客之间愉快的人际互动与顾客积极的口碑沟通显著相关。刘文华等[4]进一步发现,服务人员的互动风格既对口碑推荐产生直接影响,又通过关系利益对口碑推荐产生间接影响。杜喻东、刘洪深[5]认为,顾客之间互动所表现出的对其他顾客的友好行为,会影响口碑推荐等顾客公民行为。此外,顾客感知到良好的服务界面,能够给顾客带来更多轻松、愉快的情绪,让他们更容易向其他顾客推荐[6]。文献回顾表明,现有研究虽然已经意识到互动对提高口碑推荐的重要作用,并证实员工与顾客之间互动、顾客间互动对口碑推荐会产生影响,但是还存在以下欠缺:第一,有些研究关注的是顾客与服务设施、场所等有形服务环境的接触,有些关注的是服务人员与顾客之间以及顾客与顾客之间的互动,另外有些关注的是互动导向观念和整体的服务互动,却没有研究同时全面考虑各类服务互动,因而无法明确由于服务互动类型的不同所导致的口碑推荐的差异。第二,对服务互动与口碑推荐之间内在转化机制的认识不明晰。关于服务互动向口碑推荐转化的过程中所经过的中间路径及边界条件,现有研究较少涉猎。这导致一些企业无法真正洞察由服务互动到口碑推荐过程的传导机制,有必要揭示这种影响机制,以改进服务互动设计在提升顾客忠诚方面的效率。第三,以前的研究主要关注线下医疗或旅游服务环境,其结论未必适用于在线零售环境。这是因为,与线下医疗或旅游服务互动相比较,在线零售服务互动的类型和方式有所不同,而互动总是在一定的情境中进行的,同样的行动在不同的时间、地点,对不同的对象而言有着不同的意义。因此,本文将线上服务互动界定为顾客与在线平台界面之间的互动、顾客与在线服务人员之间的互动以及在线顾客与其他顾客之间的互动三种类型,并分别引入行为惯性中介变量和优惠待遇调节变量,主要探讨不同类型的服务互动对口碑推荐的影响效果及作用机制。本文从理论上拓展和深化了口碑来源和形成机制的研究,同时使服务互动从单个层面扩展为多个层面,将研究情境从线下转向线上,从而在实践上能够为在线零售商优化服务互动设计进而促进口碑推荐提供参考依据。
服务互动是服务接触在概念上的延伸,Shostack[7]正式提出了服务互动的概念,认为服务互动是指具有比较广泛意义的顾客和服务企业之间的直接互动,既包括顾客与服务人员的互动,也包括顾客与设备及其他有形物的互动。Bitner[8]扩大了服务互动的内涵,认为服务互动是抽象的集体性事件和行为,是顾客和服务传递系统之间的互动。Lockwood[9]沿袭Bitner[8]的观点,认为服务互动除了人际互动之外,还包括其他有形、无形的因素,服务互动不仅局限于顾客与企业和一线员工之间,还包括与没有任何人员组成的无形系统和实体环境的互动。借鉴前人的研究成果,范秀成[10]提出了一个扩展的服务交互模型,认为服务互动包括顾客之间的互动,顾客与员工、系统、实体环境的互动,员工与系统、实体环境的互动,以及系统与实体环境的互动。可见,关于服务互动的构成维度虽然没有达成共识,但是服务互动至少包括以下两个方面的内容:一是顾客与员工之间的互动,在任何服务过程中都会形成顾客和服务提供者之间的互动关系;二是顾客与企业之间的互动,顾客与服务企业会发生交互作用。然而,顾客间互动是大多数零售和服务环境的一个常见特征,顾客在接受服务的过程中,会与其他顾客共同分享同一个服务环境。服务场景中顾客接触的机会不仅比以往更多,而且比顾客与服务人员间互动更为频繁和复杂。本文主要关注在线购物平台,认为线上服务互动主要涉及三个层面:顾客与在线平台界面之间的互动、顾客与在线服务人员之间的互动以及在线顾客与其他顾客之间的互动,这三个层面的服务互动分别反映在线购买过程中互动的环境构面、社会构面和人际构面。
心理学和行为学通常以日常生活中自发性的重复行为,或决策过程依赖理性或非理性的决策程序来定义惯性。在市场营销领域中,行为惯性是指顾客基于过去消费经验积累可靠性和熟悉度,呈现出因习惯而不假思索地到同一地方购买或购买相同产品的非意识固定消费模式[11]。
Lewin[12]提出了一个著名的公式:B=f(P,E),认为行为(B)是人(P)和环境(E)的函数,意指一个人的行为是其人格或个性与其当时所处情境或环境的函数。换句话说,行为是人和环境相互作用的结果。相互依赖理论扩展了这个公式,认为在特定的社会情境下,两个人之间的互动可以从他们的需求、思想和彼此的动机等方面来概念化[13]。在网络购物情境下,环境因素主要是指在线平台界面,人的因素主要包括顾客自己、其他顾客及在线服务人员,顾客的行为惯性和口碑推荐可能是不同环境要素之间相互作用的结果。
从顾客—环境互动来看,这种互动主要表现为顾客与在线平台界面之间的接触,或者是顾客感受在线平台界面各种要素的刺激。在“S- O- R范式”中,刺激往往被概念化为唤起或激发行为的要素。网络商店中的审美因素和娱乐因素会使顾客沉浸于网络购物体验中,并有助于延长顾客在线浏览时间和促进再购意愿。网络购物环境中的各个要素都会影响顾客的感知服务质量和满意度,继而促进其最终购买。网站互动不仅能为顾客提供一些功能利益,而且能唤起顾客内心的想象、心境和感觉,提供享乐利益[14]。顾客可能会由于参与在线平台的互动而对该网站产生信任,继而习惯性地、不假思索地在同一网站览购商品,并向他人推荐。因此,提出H1a、H1b。
H1a:顾客与在线平台界面之间的互动对行为惯性有正向影响。
H1b:顾客与在线平台界面之间的互动对口碑推荐有正向影响。
从顾客—员工互动来看,这种互动主要表现为顾客与在线服务人员之间的互动。顾客在网络购物过程中,会就一些产品、服务和交易的细节问题咨询客服代表,或者进行在线投诉等。在这个过程中,训练有素的在线客服代表能够促使顾客对购物网站形成积极的感知。服务人员的专业知识和友善态度能够促进顾客在购物过程中更加流畅地解决消费者可能面临的问题,进而增进顾客在购物时的正面情绪[15]。在线客服代表及时回应顾客发出的信息要求,会减少顾客的等待时间,提高顾客的办事效率,从而增进其对在线供应商的信任和情感。顾客感知的顾客—员工关系越密切,顾客的总体满意度越高。因此,顾客—员工之间的良好互动会增进顾客的正面情绪和情感,增强顾客的信任,并进一步演化为行为惯性和口碑推荐。因此,提出H2a、H2b。
H2a:顾客与在线服务人员之间的互动对行为惯性有正向影响。
H2b:顾客与在线服务人员之间的互动对口碑推荐有正向影响。
从顾客—顾客互动来看,这种互动主要表现为线上顾客与其他顾客之间的互动。很多顾客购物的目的就是与其他顾客进行交流,顾客在某个场所的互动频次越高,所获得的社会支持性资源就越多,感知到的与该场所相关的价值就越大,对该场所也就越忠诚。在线环境下,顾客间互动质量对顾客购买行为(如购买频率、购买产品的类型和数量)、品牌忠诚具有促进作用。顾客间互动不仅对顾客关于服务的态度有正向影响,还能够有效预测顾客对零售服务体验的趋近或趋避行为。顾客间互动是影响顾客感知和体验的重要因素,甚至还可能会重新建构体验[16]。随着消费经验的累积,顾客会逐渐产生购买行为上的惯性以及口碑推荐等忠诚行为。因此,提出H3a、H3b。
H3a:在线顾客与顾客之间的互动对行为惯性有正向影响。
H3b:在线顾客与顾客之间的互动对口碑推荐有正向影响。
消费者在决策上会受到惯性的影响,且惯性程度越高,越可能发生重复购买行为,这主要是因为习惯性的决策可以减少决策的历程和趋避不确定性。顾客在做决策时,除了预期消费行为所带来的利益外,还会希望降低决策后所带来的负向结果或影响。当顾客已经习惯于特定的事物时,就不会有太强的动机去寻找替代方案,即使与服务提供者建立较少的连结,也优于当服务失败时被迫寻找替代方案。因此,人们若根据原本的决策,则在决策后会有较低程度的后悔。相反,所做的决策如果与原本的决策越偏离,那么人们后悔的程度可能越高。这是因为选择原本的决策,比较容易预测与想象其可能发生的结果,而此种遗漏的偏误使人们认为改变原先的决策将会导致高程度后悔,而倾向于维持选择原先的决策[17]。因此,顾客在未来选择品牌或商店时,将更可能会集中在原有品牌或商店,并逐渐形成行动忠诚,持续出现行为惯性;顾客即使不进行消费,也仍会倾向于到该商店走走逛逛。此种重复性选择程度越高,转换意愿越低,向别人推荐的可能性也越大。因此,提出H4。
H4:行为惯性对口碑推荐有正向影响。
互动性会影响近距离临场感和专注,从而使消费者进入沉浸状态。沉浸是一种最佳化的内在体验,它是人们为什么愿意继续从事某种活动的原因之一。沉浸与使用者自愿地重复使用某系统的意图高度相关,在网络互动过程中,注意力集中、可控制感、好奇心以及愉悦的感觉都会随着网络使用过程而提高[18]。在不断的沉浸体验中,顾客的信任和依赖感会不断增强,逐渐形成一种行为惯性,并积极“推荐他人”“分享体验”和“正面评价”。因此,提出H5。
H5:行为惯性在线上多层面服务互动与口碑推荐关系中具有中介作用。
H5a:行为惯性在顾客与在线平台界面之间的互动和口碑推荐关系中具有中介作用。
H5b:行为惯性在顾客与在线服务人员之间的互动和口碑推荐关系中具有中介作用。
H5c:行为惯性在在线顾客与顾客之间的互动和口碑推荐关系中具有中介作用。
优惠待遇(preferential treatment)是指向忠诚的消费者给予特别认可,并为他们提供更好的服务和额外的努力,而这些是其他非忠诚的消费者所不可及的。关系营销思想中暗含着消费者关注和消费者选择性,也就是说,不是所有的消费者都要求接受同等的服务方式[19]。消费者通常认为这种关注和选择性是只提供给自己而不提供给他人的,例如折扣、更快的服务、服务失败处理以及其他的个性化服务等。零售商至少可以明确区分两个不同的消费者细分市场:忠诚的消费者和不忠诚的消费者。对二者进行区分能够使人们感受到被重视的基本需要。根据互惠原则,享有优惠待遇的顾客有义务给予企业回馈,因此自然会认为他们与企业之间的关系是积极的,并努力与企业保持这种关系,增强满意、信任和承诺。从关系营销的角度来看,当顾客感知到价值时,他们将不仅关注产品和服务,而且关注与企业的总体关系[20]。按照这些观点,在高优惠待遇情况下,即使行为惯性低,顾客也会与供应商建立强有力的情感联结和感知较大的价值,也更乐于与他人分享此类关系利益,并向他人推荐。相反,如果优惠待遇低,顾客没有从与企业关系中获得利益,也就没有给予企业回馈的义务,那么即使行为惯性高,顾客也不会高度关注与企业的总体关系和向他人推荐。因此,提出H6。
H6:优惠待遇对行为惯性与口碑推荐之间的关系有负向强化作用。
基于上述研究假设,本文构建了一个有调节的中介模型,如图1所示。主要目的有两个:第一,检验行为惯性是否中介了线上服务互动与口碑推荐的关系;第二,考察优惠待遇是否调节了线上服务互动通过行为惯性影响口碑推荐的这一中介过程的后半路径。前者旨在探讨线上服务互动“怎样”影响口碑推荐,后者旨在探讨这种影响“何时”更强或更弱。
图1 线上服务互动对口碑推荐的影响机制
本文主要包括线上服务互动、行为惯性、口碑推荐和优惠待遇4个测量变量。线上服务互动包括顾客与在线平台界面之间的互动、顾客与在线服务人员之间的互动、在线顾客与其他顾客之间的互动,分别编码为cpi、csi、cci;量表设计参考赵宏霞等[21],每个变量均包含4个问项,共12个问项。行为惯性量表参考Anderson & Srinivasan[22],共3个问项,编码为bi。口碑推荐量表参考Hong & Yang[23],共4个问项,编码为wom。优惠待遇量表参考Patterson & Smith[24],共4个问项,编码为st。采用7级李克特量表对上述变量进行测量,1表示非常不同意,7表示非常同意。
调查对象是最近半年使用过电脑或手机接入互联网并自己在网上购买过商品或服务的消费者。线上调查具有快速、省力、便宜的特点,而且容易实现共享,因此为了扩大调查的地区范围和样本数量,本次主要采用线上问卷调查的形式,通过问卷星平台制作出电子版问卷后,以微信、QQ和电子邮件等方式进行转发和回收。本次调查于2019年1月8日—2019年3月8日完成。
调查问卷包括4个部分:第一部分为引言,主要介绍本次调查目的,并对参与者表达谢意,以期得到他们的支持。第二部分是两个填空题“近半年来您是否在网上购买过商品或服务?”“请填写一个您最常光顾并购买过商品或服务的购物网站”。第三部分为主体部分,主要涉及线上服务互动、行为惯性、口碑推荐和优惠待遇4个变量的测量问项。第四部分是被调查者基本信息,如性别、收入、学历、婚姻状况、网购经历和网购品类等,其编码分别为sex、inc、edu、mar、exp和cate。
本调查共收回问卷647份问卷,其中有效问卷626份,有效回收率为96.75%。无效问卷主要产生于:第一,问卷填写不完整;第二,问卷内容填写一致太多、问题答案相同或回答明显敷衍;第三,看错题意,错误作答。
为了检验样本的总体分布,本文从性别、年龄、收入、学历、网购经历和网购品类等6个方面对样本进行描述性统计分析。分析结果表明,样本总体上呈正态分布。在性别方面,男性占47.4%,女性占52.6%,表明女性可能更喜欢网上购物,而且更有耐心花时间填写网上问卷。在年龄方面,集中分布在18~40岁,以年轻人为主,其中18~25岁、26~30岁及31~40岁分别占总体的23.8%、42.2%和16.6%,反映了年轻消费者热衷于网上购物的基本特征;其他年龄段的被调查者所占比重较低,其中18岁以下占2.4%,40~50岁、50岁以上所占比重分别为9.9%、5.1%。在月收入方面,2 001~4 000元的所占比例最高,为31.8%;之后依次是1 000~2 000元的占19.3%,4 001~6 000元的占17.4%,6 001~8 000元的占12.8%,1 000元以下的占9.6%,8 000元以上的占9.1%,表明被调查者的整体消费水平不高。在学历方面,本科生所占比重最大,为48.6%;其他学历者占比分别为:高中及以下占12.3%,大专占29.2%,研究生占9.9%。在网购经历方面,每月网购频率集中在6~10次,占比为56.9%,其中6~8次占28.3%,9~10次占28.6%,二者比例相当;其他依次为3~5次、10次以上、1~2次及1次以下,占比分别为16.3%、13.1%、8.3%、5.4%。在网购品类方面,被调查者最喜欢在网上购买服装鞋帽。从品类数来看,6~7类占比最大,为29.1%;其次分别为8~9类、4~5类、2~3类、10(含)类以上和1类,占比分别为23.1%、22.0%、13.3%、7.5%和5.0%。
本文采用克朗巴哈系数(Cronbach’s α)和CITC(corrected item-total correlation)进行信度检验。检验结果显示,线上服务互动量表的CITC值为0.613~0.724,Cronbach’s α值为0.918。其子量表的CITC值分别为0.629~0.745、0.558~0.723和0.655~0.705,Cronbach’s α值分别为0.852、0.836和0.843。行为惯性量表的CITC值为0.599~0.755,Cronbach’s α值为0.825。优惠待遇量表的CITC值为0.764~0.797,Cronbach’s α值为0.905。口碑推荐量表的CITC值为0.769~0.818,Cronbach’s α值为0.907。因此,量表可靠性是可以接受的。
效度检验主要考察内容效度、收敛效度和区别效度。本文的量表均经过以往研究的实证检验,具有较好的内容效度。收敛效度从因子载荷、信度和平均萃取变异量(AVE)三方面来判定,其中因子载荷应大于0.5,AVE应大于0.45,并达到显著水平。对各变量进行验证性因子分析(CFA)的结果(见表1)表明,各个问项的因子载荷均大于0.5,AVE均大于0.45,且达到了显著水平,符合评估标准,表明各量表的收敛效度在可接受的范围。表2报告了各潜变量的相关系数和AVE的平方根,相关系数均小于相应的AVE的平方根,表明不同概念间具有良好的区别效度。
按照温忠麟等[25]的观点,可以结合中介效应检验的方法与调节效应检验的方法来检验有调节的中介效应是否显著。本文遵循其建议,首先依次进行检验:(1)做因变量对自变量和调节变量的回归,判断自变量的系数是否显著(模型2);(2)做中介变量对自变量和调节变量的回归,判断自变量的系数是否显著(模型3);(3)做因变量对自变量、调节变量和中介变量的回归,判断中介变量的系数是否显著(模型4);(4)做因变量对自变量、调节变量、中介变量、中介变量和调节变量交互项的回归,判断中介变量和调节变量交互项的系数是否显著(模型5)。如果前两步中自变量系数显著,第三步中介变量系数显著,第四步交互项系数显著,则有调节的中介效应成立。在进行有调节的中介效应分析时,首先对所有变量进行标准化,随后构造中介变量(行为惯性)与调节变量(优惠待遇)的交互项,并用于有调节的中介效应的检验。表3主要汇报了线上服务互动与口碑推荐之间的关系以及行为惯性的中介作用和优惠待遇的调节作用。
表1 CFA模型的因子载荷、AVE和组合信度
表2 潜变量的相关系数和AVE平方根
注:**、*分别表示在0.01、0.05的水平下显著;对角线数字为AVE的平方根。
表3 线上服务互动与口碑推荐的回归结果
注:***、**、*分别表示在0.001、0.01、0.05的水平下显著。
模型1为基准模型,仅包含控制变量消费者性别、收入、学历、婚姻状况、网购经历和网购品类。以往研究表明,个人特征变量和商品品类会对口碑推荐造成潜在影响,因而本文将它们作为控制变量。检验结果表明,性别、网购品类与口碑推荐存在显著的正相关关系(β=0.102,p值=0.004;β=0.497,p值=0.000)。这表明消费者在网上购买商品品类越多,越倾向于向他人口碑推荐;女性比男性更倾向于向人口碑推荐。
模型2在模型1中引入了自变量多层面线上服务互动(顾客与平台界面之间的互动、顾客与服务人员之间的互动、顾客与其他顾客之间的互动)和调节变量优惠待遇,主要检验线上服务互动对口碑推荐的主效应。检验结果表明,顾客与平台界面之间的互动(β=0.168,p值=0.000)、顾客与服务人员之间的互动(β=0.227,p值=0.000)、顾客与其他顾客之间的互动(β=0.336,p值=0.000)均对口碑推荐有正向影响。检验结果在后续的模型中仍然稳健,H1b、H2b、H3b得到验证,且模型2的解释度较模型1明显改善(调整后R2=0.597,p值=0.000)。
模型3主要检验多层面线上服务互动对行为惯性的影响。可以看出,顾客与平台界面之间的互动(β=0.489,p值=0.000)、顾客与服务人员之间的互动(β=0.269,p值=0.000)、顾客与其他顾客之间的互动(β=0.105,p值=0.003)与行为惯性正相关,因此H1a、H2a、H3a得到验证。
模型4在模型2的基础上增加了中介变量行为惯性。可以看出,中介变量与口碑推荐显著正相关(β=0.152,p值=0.000),且加入中介变量后,模型4的解释力较模型2得到了一定改善(调整后R2=0.604,p值=0.000)。因此,H4得到了验证。从模型4还可以看出,加入中介变量后,自变量与口碑推荐之间的关系仍然显著(β=0.094,p值=0.025;β=0.186,p值=0.000;β=0.321,p值=0.001),因此行为惯性在多层面线上服务互动与口碑推荐的关系中起中介作用,H5得到验证。
模型5在模型4的基础上增加了调节变量和中介变量的交互项(bi×st)。可以看出,模型5的解释力较模型4有一定的改善(调整后R2=0.606,p值=0.001)。交互项的回归系数为负,并具有统计上的显著性(β=-0.319,p值=0.047),表明优惠待遇有负向调节作用。因此,H6得到验证。
综合模型2~模型5依次检验了4个步骤,结果均显著,因此有调节的中介效应得到验证。
企业开发互动导向是为了改进营销活动和保持长期顾客关系,互动导向会增强正面口碑,鼓励和促使顾客将本公司推荐给新顾客或者将新顾客推荐给本公司[26]。本文认为服务互动是多层面的,由此得出的一个研究结论是,不同层面的线上服务互动均与口碑推荐正相关,因而深化了互动导向的研究成果。第一,顾客与在线平台界面之间的互动正向影响口碑推荐,这为Bitner[8]提出的服务环境感知影响消费者忠诚的观点提供了证据。Bitner[8]认为对服务场景的积极感知会提高顾客对服务的满意度,进而提高对企业的忠诚度。第二,顾客与在线服务人员之间的互动正向影响口碑推荐,这一研究结果拓展了实体服务情境下人际互动与正面口碑沟通正相关的研究结论。第三,顾客与顾客之间的在线互动正向影响口碑推荐,这个研究结果与Bhattacharya & Sen[27]提出的顾客—企业关系框架相吻合。该研究使用“嵌入”一词来描绘顾客与组织中其他顾客建立关系的程度,并指出随着顾客嵌入到企业的社会网络中,顾客既会对公司进行正面口碑,又会为公司招募其他顾客。其原因在于,顾客间互动会增加服务体验中的快乐时刻,鼓励服务过程中的顾客共创,交流想法、接受其他客户的支持、分享经验等促进了服务体验中的顾客合作,从而形成顾客满意,而顾客满意又会影响顾客对企业的总体评价、再次惠顾意愿以及通过口碑沟通影响别人未来惠顾的倾向。此外,对影响系数的分析发现,三种类型的在线服务互动对口碑推荐的影响大小是不同的,其中顾客与顾客之间的在线互动影响最大,其次是顾客与在线服务人员之间的互动,顾客与在线平台界面之间的互动影响最小。这表明,在线服务互动各要素能够独立或共同影响口碑推荐。同时,如同Grove & Fisk[28]所呼吁的,不要因为顾客之间互动对企业来说难以控制,就对其忽视;相反,在服务接触中,要更多地了解顾客间互动对口碑推荐等顾客行为的影响,以便企业能够更好地管理资源以促进或阻止某些顾客行为。
本文的另一个研究结论是,行为惯性在互动性和口碑推荐的关系中有中介作用。这是因为,互动性会影响近距离临场感和专注,使顾客进入沉浸状态。在不断的沉浸体验中,顾客的信任和依赖感不断增强,逐渐形成一种行为惯性。同时,不同层面的互动程度越高,顾客在互动过程中所获得的学习与熟悉程度将越高,高度的学习和熟悉将使顾客越会凭直觉到该店购物,因此顾客形成行为惯性的可能程度将会越高。顾客对同一品牌或商店的行为惯性程度越高,表明其对该品牌或商店越有学习效果且更加熟悉,对未来行为的预期也会越高,重复惠顾的习惯及其购买行为就会持续下去,推荐给他人的可能性也越大。而且,行为惯性对不同层面的线上服务互动与口碑推荐关系的中介作用大小不同:对于顾客—在线平台界面间互动,行为惯性的中介效应占总效应的比值为53.254%;对于顾客—在线服务人员间互动和顾客间互动,行为惯性的中介效应均较小,其占总效应的比值分别为17.467%和4.776%。行为惯性的中介效应最大的原因可能与线上服务情境有关,在线上购物环境下,顾客首先接触的是在线平台界面,顾客与在线平台界面之间的互动频率也高于顾客与服务员工之间的互动以及顾客之间的互动频率。这一研究结果与以下现实也是相符的:顾客在与他人分享网上购物经历时,通常首先会提及某个在线购物网站或平台,然后会表达自己对购买的商品或服务以及服务人员的态度,而很少讨论与其他顾客的互动事件。
优惠待遇是一种关系利益,与顾客忠诚正相关。优惠待遇对顾客长期关系导向的影响显著,当顾客认为自己是优惠待遇的受益者时,将产生更强烈的情感依恋和保持长久营销关系的愿望,因此,优惠待遇会激励顾客购买更多的产品,影响口碑和顾客反馈[29]。这一结论也在本文得到了印证,模型5表明优惠待遇对口碑推荐有正向影响(β=0.289,p值=0.040)。此外,本文还发现优惠待遇在行为惯性与口碑推荐关系中有负向调节作用。其主要原因在于,顾客服务或价格折扣等优惠待遇与顾客感激正相关,并会增加顾客转换成本以及提高认知或情感转换障碍,因此,在高优惠待遇情况下,即使行为惯性低,顾客可能也不愿意转换。相反,为了坚持互惠原则,确保自己未来能够不断地获得优惠待遇,顾客对企业会变得更忠诚,从而表现出重复惠顾或口碑推荐行为。
本文的理论贡献主要表现在以下两个方面:第一,以往关于口碑推荐前因的研究较多关注顾客特征、企业要素以及顾企关系,很少关注服务互动对口碑推荐的影响。本研究首次验证了在线购物情境下顾客与在线平台界面之间互动、顾客与在线服务人员之间互动、在线顾客与其他顾客之间互动等多层面线上服务互动对口碑推荐的影响,这为口碑推荐的来源提供了新的解释变量,并明确了不同类型服务对口碑推荐的影响差异。第二,本研究进一步阐释了线上服务互动怎样对口碑推荐造成影响,指出了其中有调节的中介机制,即行为惯性是线上服务互动与口碑推荐关系机制中有调节的中介变量,行为惯性的中介作用受到优惠待遇的负向调节。这一研究发现深化了口碑推荐形成机制的研究,对于深入理解服务互动与口碑推荐之间的关系具有一定的价值。
1.强化基于顾客的多层面服务互动。本研究表明,顾客与在线平台界面之间的互动、顾客与在线服务人员之间的互动、在线顾客与其他顾客之间的互动既影响行为惯性,又影响口碑推荐。因此,零售商应强化基于顾客的在线多层面服务互动管理。第一,提供各种正向的平台界面刺激。帮助顾客消除对信息系统的陌生感,降低网上购物的风险,提升其对平台的感知有用性和信任程度。在设计因素方面,通过合理的有形展示和信息呈现来强化设计因素的功能价值以提高顾客的价值认知,致力于网页布局是否明晰,导航系统是否方便,颜色设计是否流行和令人愉悦,标志是否清楚,商品陈列、商品信息和分类是否具体和完整。在潜在因素方面,氛围属性是购买点即POP的基本要素,应不断进行调整和优化,致力于音乐是否让人放松,3D技术是否逼真,虚拟空间是否有临场感。第二,促进顾客与在线服务人员积极互动。零售商要针对在线服务人员的工作态度和基本礼仪加强训练,让他们明确地知道怎样与顾客在线互动以及应对进退的标准,并建立在线服务人员工作态度和个人情绪的分隔,避免二者相互影响。同时建立一套制度,以便有效地将在线服务人员的工作态度记录下来,并反馈给在线服务人员,使其了解自身表现并持续改进。第三,构建顾客之间在线互动的管理战略,加强对在线评论区的管理。一是对不同类型顾客之间的在线互动进行评估以确定一些基准,例如建立在线顾客之间互动重要性频率矩阵,构建负面顾客之间互动的问责机制等。二是明确在顾客间互动管理中企业应扮演的角色,例如顾客间互动关系的影响者、塑造者或组织者。三是制定顾客在线互动行为规范,通过广告、宣传手册、各种警示以及在线服务人员的引导和示范,在顾客之间尤其是陌生顾客之间倡导和促成一种相互尊重、友好互助和轻松愉快的交流氛围。
2.培养线上顾客的行为惯性。当顾客已经习惯于特定的事物时,就不会有太强的动机去寻找替代方案。本研究表明,行为惯性越高,顾客越倾向于向他人推荐。而熟悉度、偏好和使用经验会影响行为惯性,因此除了强化线上服务互动之外,零售商可以通过增强网店熟悉度、偏好和使用经验来培养行为惯性。第一,广泛利用各种传播工具,主动告知准备开展的各种活动和优惠,让顾客迅速熟悉。第二,加强情感化宣传,区隔出与其他网络商店的不同之处,特别是明确指出与其他购物网站相比有哪些优点,以加深顾客对网店的正面印象,建立顾客对网店的认同和偏好。第三,提供多种诱因,例如以契约的方式,使顾客持续浏览和点击;或者通过降价或低价、发放折扣券、赠送免费样品以及向顾客宣传新产品带来的收益等激发顾客自发性,提高网店浏览的频率,增加顾客对网店的消费经验和依赖。此外,年长者可能较易产生行为惯性,因此零售商应重点关注年轻顾客行为惯性的培养,进而使其向他人推荐。
3.实施优惠待遇方案。优惠待遇是一种常见的现象,获得优惠待遇会提高购物者的自尊和地位,使购物体验更满意,价格敏感度降低,顾客—品牌关系提升,正面口碑增强,以及购买意愿和品牌忠诚提高。因此,零售商可以为挑选出来的一些在线顾客提供优惠待遇,例如生日礼包、会员特价、自营免基础运费、专享礼包、贵宾专线、售后运费优惠等。为了确定何种顾客能够享受何种优惠待遇,应该明确并公开一些客观标准。此外,优惠待遇有时会引发认知不公平和“公共关系紧张”,那些没有获得优惠的顾客可能会表现出不满意,因此在线零售商在实施优惠待遇政策之前,要认真审视优惠待遇的优点,检查顾客对优惠待遇的接受情况及可能的反应。
第一,本文聚焦于线上服务互动与口碑推荐的关系,虽然探讨了三个层面的线上服务互动影响效果,但是为了有效地开展线上服务互动,在线零售商要结合如下问题进行整合设计,例如线上服务互动内容是什么,线上服务互动频率多大合适,线上服务互动途径有哪些,以及线上服务互动时机如何把握。对此,本文并没有深入分析,因而有待于在未来的研究中进一步探索。第二,本文引入了优惠待遇这个调节变量,然而,优惠待遇可能会破坏未获得待遇的顾客与企业之间的关系,也就是说优惠待遇对获得者和未获得者的影响是不同的。优惠待遇的影响差异,也取决于这种待遇被认为是挣得的(earned)还是应得的(unearned),例如当新顾客享受优惠待遇时,老顾客可能会不满。此外,社会认知(即被他人尊重的欲望)和顾客关系偏好可能会影响顾客的优惠待遇欲望,这表明,优惠待遇的作用可能存在一定的边界和条件。因而有待于进一步探讨优惠待遇的享受者和非享受者、优惠待遇的特性(挣得的或应得的)、顾客的社会认知和关系偏好等因素对优惠待遇的作用所产生的影响。第三,随着互联网的发展,口碑推荐行为逐渐由线下转移到线上。线上服务互动影响的是线下口碑推荐还是在线口碑推荐?本文在对口碑推荐变量进行操作时,并没有进行严格区分,今后研究有必要考虑线上服务互动可能产生的这种差异化影响效果。