基于个性化推荐的消费者网络购买意愿影响因素分析

罗玉葵

（阳江职业技术学院 广东阳江 529500）

引言

随着居民收入的不断增长，居民的消费需求也日益提高，由原来的注重消费数量逐步转变为注重消费质量。对于众多购物平台而言，充分考虑消费者的消费意愿，为其带来消费便利，让消费者获得良好的购物体验，这样才能够赢得消费者的信任，实现业绩的不断提升。目前，不少购物网站采用精准的个性化推荐系统向消费者进行产品推荐，然而怎样确保个性化推荐能够在合理限度之内，既达到良好的营销效果，还能够让消费者满意，实现个性化推荐价值的最大化，是本文研究的意义所在。

模型构建与研究假设

（一）影响个性化推荐的因素分析

网络购物市场竞争十分激烈，怎样根据消费者偏好向其精准推荐产品成为竞争成败的重要环节。对此，购物网站应当对影响个性化推荐的因素具有准确的认识。尽管不少电子商务企业按照个性化推荐系统向消费者进行产品营销，然而学术界鲜有学者对其进行深入分析，更不要说找出具有一定适用性的个性化推荐效果模型。对于影响个性化推荐的因素，本文通过文献阅读法和访谈法获得。考虑到篇幅的因素，并未将具体获取过程详细展示。通过整理发现信息编排、推荐强度、推荐效度以及视觉线索是影响个性化推荐的主要因素。本文在此选取这四个变量进行实证分析。

（二）研究模型

本文结合刺激-反应（S-R）模型和刺激-感知-反应（S-O-R）模型，构建了个性化推荐对消费者购买意愿影响的研究模型，如图1所示。

本研究拟从信息编排、推荐强度、推荐效度以及视觉线索四个维度构建研究模型，首先对以上四个维度对消费者感知利益以及感知风险所产生的影响进行了拟验证，结合文献资料把感知利益划分成感知情感利益以及感知经济利益这两种，把感知风险划分成感知隐私风险和感知绩效风险。之后深入分析自变量以及中介变量对购买意愿所造成的影响。文中的研究模型涵盖了自变量、中介变量以及因变量，其中自变量是个性化推荐的影响因素，中介变量是消费者感知价值，消费者购买意愿为因变量。

（三）研究假设

个性化推荐对消费者感知价值和购买意愿的影响。大量的文献研究表明，个性化推荐中的信息编排对消费者的购买意愿具有显著积极影响。Diehl（2003）认为按表格进行排序比随机或者无序的方式进行排序更能够吸引消费者。Bharati等（2004）提出，推荐信息质量会对该推荐系统的满意度产生影响，进而影响消费者购买决策的做出。李露（2014）认为可以使用产品推荐代理的方式来为顾客降低信息推荐过量造成的负担。结合学者们的相关研究，信息编排是消费者所触及的第一扇门，直接影响消费者感知。朱岩等（2009）认为在个性化系统中进行信息推荐时，推荐强度是影响消费者接受效果的关键性一步，适宜的推荐强度会使顾客产生积极的感知价值。夏敏捷和张锦歌（2003）认为，最好的推荐信息展示方式不仅具有针对不同用户的高度个性化设计，还不能对用户当前使用习惯造成困扰，更为重要的是要通过不断地提升用户体验来实现利润最大化的目标。

图1 个性化推荐对消费者网络购物购买意愿影响的研究模型

伴随着各种性能强大的网络购物软件的出现，信息的展现形式也不再拘泥于某一种形式，仅通过文字描述就可以将产品推销出去的方式早己成为过去式。目前，图片、音频和视频己经成为必不可少的内容，随着直播行业的异军突起，很多个性化推荐平台也开始紧随这个大潮流进行直播推荐。可以看出，个性化推荐越来越多样化和活泼化，归根结底就是为了在这数以万计的商品信息中快速地引起消费者的兴趣，进而促成购买决策。Chen等（2006）认为目前网络信息的关键是有趣并吸引消费者的目光，开拓一种全新的方式，让消费者在脑海中留下深刻的印象。而事实上，视觉线索就表现了这种趣味性。

基于以上分析，本文提出如下一系列假设：

H1：个性化推荐对于消费者感知价值存在显著影响。

H1.1：信息编排对于消费者感知经济利益具有显著的正向影响。

H1.2：信息编排对于消费者感知情感利益具有显著的正向影响。

H1.3：信息编排对于消费者感知隐私风险具有显著的负向影响。

H1.4：信息编排对于消费者感知绩效风险具有显著的负向影响。

H1.5：推荐强度对于消费者感知经济利益具有显著的正向影响。

H1.6：推荐强度对于消费者感知情感利益具有显著的正向影响。

H1.7：推荐强度对于消费者感知隐私风险具有显著的负向影响。

H1.8：推荐强度对于消费者感知绩效风险具有显著的负向影响。

H1.9：推荐效度对于消费者感知经济利益具有显著的正向影响。

H1.10：推荐效度对于消费者感知情感利益具有显著的正向影响。

H1.11：推荐效度对于消费者感知隐私风险具有显著的负向影响。

H1.12：推荐效度对于消费者感知绩效风险具有显著的负向影响。

H1.13：视觉线索对于消费者感知经济利益具有显著的正向影响。

H1.14：视觉线索对于消费者感知情感利益具有显著的正向影响。

H1.15：视觉线索对于消费者感知隐私风险具有显著的负向影响。

H1.16：视觉线索对于消费者感知绩效风险具有显著的负向影响。

H2：个性化推荐对于消费者购买意愿具有显著影响。

H2.1：信息编排对于消费者购买意愿具有显著的正向影响。

H2.2：推荐强度对于消费者购买意愿具有显著的正向影响。

H2.3：推荐效度对于消费者购买意愿具有显著的正向影响。

H2.4：视觉线索对于消费者购买意愿具有显著的正向影响。

消费者感知价值对购买意愿的影响。感知利益是消费者的一种主观感受，是消费者在购买和使用某种产品和服务时所感受到的利得，感知风险的概念则反之。消费者在使用个性化推荐系统时，会根据心理预期进行判断和衡量可能存在的利益和风险，进而会做出是否购买的决策。感知利益大于感知风险时，消费者会产生正向的购买意愿，感知利益小于感知风险时，消费者会产生负向购买意愿。Khan（2015）通过实证研究发现消费者感知价格利益、感知便捷利益和感知退货政策利益都会对消费者满意度产生正向显著影响，进而能够对消费者的购买意愿产生正向影响；消费者感知产品风险、感知财务风险对消费者满意度以及购买意愿产生了消极影响。郝辽钢（2016）对天猫APP的图书销售数据进行研究，结果显示手机专享折扣率和产品销售数量表现出正相关关系，在此条件下，文中提出下列假设：

H3：消费者感知价值对于消费者购买意愿具有显著的影响。

H3.1：感知经济利益对于购买意愿具有显著的正向影响。

H3.2：感知情感利益对于购买意愿具有显著的正向影响。

H3.3：感知隐私风险对于购买意愿具有显著的负向影响。

H3.4：感知绩效风险对于购买意愿具有显著的负向影响。

消费者感知价值的中介作用。学术界经常将感知价值作为个性化推荐与购买意愿之间的中介变量、前因变量和购买意愿的影响因素予以研究，相关研究成果非常丰富。例如张炳凯（2018）分析了产品价格、品牌口碑与店铺形象三个外部线索，通过感知价值的中介作用，对消费者购买意愿产生影响。叶进风（2017）研究表明，感知价值的三个维度（社交价值、使用价值和情感价值）在品牌APP营销与品牌认知之间起到了中介作用。刘萍（2015）研究表明感知价值在网络口碑和购买意愿之间存在中介作用。因此基于相关学者的研究，本文认为研究模型的中介变量感知价值及其四个维度在自变量信息编排、推荐效度、推荐强度、视觉线索和因变量购买意愿之间存在中介作用，因此本文提出如下假设：

H4：消费者感知价值在个性化推荐与消费者购买意愿之间起到中介作用。

H4.1：感知经济利益在信息编排和消费者购买意愿之间起到中介作用。

H4.2：感知经济利益在推荐强度和消费者购买意愿之间起到中介作用。

H4.3：感知经济利益在推荐效度和消费者购买意愿之间起到中介作用。

H4.4：感知经济利益在视觉线索和消费者购买意愿之间起到中介作用。

H4.5：感知情感利益在信息编排和消费者购买意愿之间起到中介作用。

H4.6：感知情感利益在推荐强度和消费者购买意愿之间起到中介作用。

H4.7：感知情感利益在推荐效度和消费者购买意愿之间起到中介作用。

H4.8：感知情感利益在视觉线索和消费者购买意愿之间起到中介作用。

H4.9：感知隐私风险在信息编排和消费者购买意愿之间起到中介作用。

H4.10：感知隐私风险在推荐强度和消费者购买意愿之间起到中介作用。

H4.11：感知隐私风险在推荐效度和消费者购买意愿之间起到中介作用。

H4.12：感知隐私风险在视觉线索和消费者购买意愿之间起到中介作用。

H4.13：感知绩效风险在信息编排和消费者购买意愿之间起到中介作用。

H4.14：感知绩效风险在推荐强度和消费者购买意愿之间起到中介作用。

H4.15：感知绩效风险在推荐效度和消费者购买意愿之间起到中介作用。

H4.16：感知绩效风险在视觉线索和消费者购买意愿之间起到中介作用。

（四）数据来源与变量测度

对于个性化推荐，本文分别运用了蔡日梅（2008）开发信息编排测度量表和推荐强度测度量表、王艳萍（2013）和刘倩（2011）开发的推荐效度量表、据潇（2012）开发的视觉线索量表。对于消费者感知价值，本文依据上文模型，通过感知经济利益和感知情感利益两个维度来测度消费者感知利益，通过感知隐私风险和感知绩效风险两个维度测度消费者感知风险，对于消费者购买意愿本文借鉴Bagozzi（2001）的研究量表进行适当改编测度。为了验证问卷的合理性，本文运用内部一致性分析等方法进行前测，问卷具体问项及前测过程在此不赘述。

个性化推荐对消费者网络购买意愿影响的实证分析

本次问卷共计回收352份，删掉不符合作答要求的问卷40份，最终剩余有效问卷总数为312份，有效问卷回收率为88.64%。本文对数据及问卷进行了信效度分析，结果显示问卷及获取数据是具有信效度的，在此不赘述，本文着重对变量相关性分析及回归分析进行阐释。

（一）相关性分析

个性化推荐与感知价值的相关分析。使用SPSS 20.0软件得出个性化推荐各个维度与消费者感知价值的相关性如表1所示，可以看出信息编排、推荐效度、推荐强度和视觉线索对消费者感知经济利益、消费者感知情感利益具有显著正向相关关系，信息编排、推荐强度、推荐方式和视觉线索对于消费者感知隐私风险和消费者感知绩效风险具有显著的负向相关影响。

感知价值与购买意愿的相关分析。消费者感知价值各维度与消费者购买意愿的相关分析如表2所示，从表中结果可以看出，消费者感知情感利益和感知经济利益均与消费者购买意愿在0.01的水平上有显著的正向相关关系，消费者感知绩效风险、消费者感知隐私风险与消费者购买意愿在0.01水平上有显著的负向相关关系。

表1 个性化推荐与感知价值的相关性分析

个性化推荐与购买意愿的相关分析。个性化推荐的各维度与购买意愿的相关分析如表3所示，信息编排、推荐效度、推荐强度和视觉线索均对购买意愿具有正向相关关系，在0.01水平上显著相关。

表2 感知价值与购买意愿的相关性分析

表3 个性化推荐与购买意愿的相关性分析

表4 回归模型汇总

表5 回归模型ANOVAa检验

表6 个性化推荐各因素和感知经济利益回归结果

表7 回归分析结果

（二）回归分析

个性化推荐与感知价值的回归分析。本文首先分析了个性化推荐与感知经济利益的关系。由表4可以看出，回归模型的R2系数为0.433，调整R2系数为0.426，表明模型中的自变量能够解释的因变量总变异为42.6%。Durbin-Watson系数为2.119，接近2，表明模型中的自变量不存在自相关的问题，自变量选取合理。因此个性化推荐对感知经济利益影响的回归模型是合理有效的。

由表5可以看出，当回归模型中包含（常量）视觉线索、推荐强度、信息编排和推荐效度这四个自变量时，F值为58.619，Sig值为0.000，Sig值显著，拒绝总体回归系数为0的原假设，表明至少有一个自变量对于因变量具有显著影响。

由表6可知，模型各个变量的方差膨胀因素均低于2，这说明变量无严重的多重共线性。信息编排以及推荐效度的系数在1%水平下显著，推荐强度和视觉线索的系数在1%水平下不显著，这说明信息编排、推荐效度对感知经济利益的影响显著，且影响方向为正。推荐强度和视觉线索对感知经济利益的影响并不具有显著性。对于影响大小，根据回归系数可知，推荐强度的影响最大，信息编排次之。

同理，就感知情感利益而言，这四个变量的影响均显著，且影响程度由高到低分别是视觉线索、信息编排、推荐强度和推荐效度；就感知隐私风险而言，信息编排、视觉线索对感知隐私风险的影响显著，且影响方向为负，影响程度由高到低为视觉线索、信息编排；就感知绩效风险而言，信息编排、推荐效度以及视觉线索对感知绩效风险的影响显著，影响方向为负，影响程度由高到低依次为视觉线索、信息编排和推荐效度。

个性化推荐与购买意愿的回归分析。选取信息编排、推荐强度、推荐效度以及视觉线索为自变量，消费者购买意愿为因变量，通过回归分析可得：这四个变量对购买意愿影响显著，且影响方向为负，影响程度由高到低依次为视觉线索、信息编排、推荐效度和推荐强度。

感知价值和购买意愿的回归分析。选取信息编排、推荐强度、推荐效度以及视觉线索为自变量，购买意愿为因变量，通过回归分析可得感知隐私风险、感知绩效风险对购买意愿影响显著，影响方向为负，影响程度由高到低依次为感知情感利益、感知经济利益、感知隐私风险、感知绩效风险。

感知价值的中介效应检验。通过前文分析可得，信息编排、推荐效度适用于中介效应检验。基于此，本文在此选取信息编排、推荐效度以及感知经济利益为自变量，购买意愿作为因变量，所得的回归结果如表7所示。

根据表7可知，模型引入感知经济利益时，信息编排、推荐效度的系数在1%水平下显著，这说明对于信息编排、推荐效度与购买意愿而言，感知经济利益存在部分中介效应。同样的道理，对感知情感利益的中介效应分析可得，感知情感利益在四个变量和购买意愿间存在部分中介效应。对于感知隐私风险，其在四个变量和购买意愿间也存在部分中介效应。

结论与启示

（一）结论

基于本文的实证分析能够得出，假设H1.6部分成立，即推荐强度对消费者感情认知具有显著的影响，且影响方向为正。推荐强度对消费者感知经济利益、感知隐私风险以及感知绩效风险无显著影响，假设H1.5、H1.7以及H1.8不成立。推荐效度对感知经济利益、感知情感利益以及感知绩效风险具有显著的影响，由此证实了假设H1.9、H1.10以及H1.12成立。推荐效度对感知隐私风险无显著影响，这表明假设H1.11不成立。无论是感知经济利益，还是感知情感利益，视觉线索的影响均显著，且影响方向为正，对感知隐私风险以及感知绩效风险的影响均显著，但影响方向为负，由此证实了假设H1.14、H1.15、H1.16成立。个性化推荐的四个变量对购买意愿均影响显著，由此证实了假设H2，影响程度由高到低依次为视觉线索（0.327）、信息编排（0.304）、推荐效度（0.225）、推荐强度（0.154）。感知经济利益与感知情感利益对购买意愿影响显著，由此证实了假设H3.1、H3.2成立。感知隐私风险与感知绩效风险对购买意愿影响显著，但影响方向为负，由此证实了假设H3.3、H3.4成立。影响程度由高到低依次为感知情感利益（0.365）、感知经济利益（0.320）、感知隐私风险（-0.219）、感知绩效风险（-0.093）。随着广告市场的不断发展，包含图文与视频内容的广告能够对产品进行详细的展现，让消费者获得更为直观的感触，提高消费者的消费便利性，进而增加了感知情感利益。此外，感知隐私风险与感知绩效风险均不利于消费者购买意愿的增长，相比之下，感知隐私风险的不利影响较大。这表明消费者通过个性化推荐在网站购买商品存在一定的个人隐私泄露的顾虑，若消费者对推荐的产品存在严重的风险顾虑时，其购买意愿会降低甚至消失。

（二）启示

对于个性化推荐而言，其四个维度存在显著的差异，且各维度对感知价值的影响程度大小不一，这会影响消费者购买意愿的大小。对此，网络购物平台应当充分考虑每名消费者的个性化特征开展针对性的推荐，帮助其增加感知价值，减少感知风险，促进购买意愿的增加。因此，本文认为应当从以下几个方面做起：

首先，对信息进行合理编排。相比线下购物，线上购物不受时间和空间的影响。采用个性化推荐方式，对信息进行合理编排有助于消费者付出最少的时间成本找到所需的产品，促进消费者感知情感利益的增加，提高其购买意愿。

其次，推荐强度应当适度。在信息化时代，消费者面对的信息是海量的，商家为了追求尽可能多的利益，想方设法向消费者进行产品推荐，然而却忽视了消费者的信息承受能力。因此，必须要适度推荐，若将相同的信息重复向消费者推荐，不但不能达到预期的效果，反而让消费者心生不满，进而对产品不满意，甚至不愿意再购买该款产品。此外，还应当采取措施获取消费者的反馈，对具有较高忠诚度的顾客进行意见征求，并对意见进行汇总整理，为确定合理的推荐强度提供有益的参考。

再次，推荐效度应当准确。随着大数据技术的运用，互联网平台能够对市场进行有效分析。虽然多数网站已经实行了个性化信息推荐，然而还存在消费者需求和信息不相匹配的情况。若网络购物平台难以继续为消费者提供效度较高的信息，将导致消费者产生信息拒绝的问题，从而影响其购买意愿。因此，一定要高度重视信息效度。

最后，视觉线索应当丰富多样。当消费者日益注重消费品质时，简单的依靠文字推荐难以让消费者对产品产生兴趣，消费者需要能够更加直观的对产品进行感受。消费者选择线下购物能够获得较多的体验，原因在于情景因素的影响。然而网络购物容易受到其它外部环境的影响。对此，个性化推荐需要强化情景因素的介入，帮助消费者获得良好的购物体验，这是提高消费者购买意愿的关键之处。