基于购物平台个性化推荐下消费者购买意愿分析

邹林霖 重庆市第二外国语学校

随着信息技术的发展，网络购物逐渐成为最受人们欢迎的方式。各大购物平台，为了吸引客户，满足消费者的多种需求，在平台中会应用个性化推荐系统。这样能够帮助消费者在众多的产品中快读找到自己需要的或者是感兴趣的商品，在满足客户的需求同时还能提高消费几率，促进购物平台经济的增长。基于消费者个性化的推荐能够提升顾客消费的满意程度，从而促进购买力的增长。本文主要从购物平台个性化推荐中信息编排、推荐方式、推荐强度、用户信任、信息价值、价值时效六方面进行分析。

一、研究假设

H1：购物平台个性化推荐中信息编排能够对消费者购买意愿起到正向作用。

H2：购物平台个性化推荐中推荐方式能够对消费者购买意愿起到正向作用。

H3：购物平台个性化推荐中推荐强度能够对消费者购买意愿起到正向作用。

H4：购物平台个性化推荐中信息价值能够对消费者购买意愿起到正向作用。

H5：购物平台个性化推荐中价值时效能够对消费者购买意愿起到正向作用。

H6：购物平台个性化推荐中用户信任对能够消费者购买意愿起到正向作用。

二、研究设计与数据分析

本次研究设计系统都是使用Likert scale，回收问卷共有216份，有效问卷数量为202份，有效率为93%。本文主要使用Cronbach’s Alpha系数来对变量的可信度进行检验，如果每个维度的可信度指标在0.7以上，说明问卷调查结果能够被信任。在购物平台使用的个性化计算系统阈值是0.821，要大于标准值0.7。在Barlett球形检验中近似卡方值是2429.593，其中显著性概率达到0.000，低于0.001，因此，因子分析法能够适用于个性化推荐系统中[1]。

（一）相关分析

对上文假设实施验证，先要对调查问卷中的问题进行分析，针对个性化计算系统中的多个维度和消费者消费时的相关表现详细分析。从表1中可以得出，在0.01的显著性情况下，信息编排、信息价值、推荐强度、价值时效、平台系统推荐、弹出式广告、用户信任和消费者消费时的相关表现为正面影响，由此可以得出以上维度和消费者消费意愿呈现正相关关系。

表1 皮尔森相关分析结果

表2 信息编排回归分析结果

（二）回归分析

主要是将个性化计算系统中的信息编排与消费意愿之间的相关性加以探究，其中以信息编排为自变化量，消费者消费意愿作为因变化量，并且建立回归模型，由此可以得出表2中的数据。F统计值是58.664，显著性概率是0.000，要小于数值0.05，能够满足验证方案，所以回归计算效果明显。可以看到调整后的R平方为0.225，说明在消费者消费意愿中信息编排部分占据22.5%。回归方程为：消费者消费意愿=2.202+0.310＊信息编排。

同理，在个性化推荐系统中的弹出式广告、信息价值、平台推荐、价值时效的显著性概率均为0.000，用户信任显著性概率为0.002，社交渠道推荐为0.040，这些都小于0.05，说明是显著的[2]。而推荐计算强度的显著性概率是0.204，所以是不显著的。通过这些因素的系数对比，可以看出信息价值对于购买意向的作用最大，然后依次是系统推荐、用户信任、信息编排、价值时效，影响较小的两项是弹出式广告和社会渠道推荐。

三、研究结论和建议

第一，信息编排能够起到正向作用。在个性化系统推荐中，要按照产品将推荐信息分成就几大类型，促使消费者能够在琳琅满目的平台中清晰的看到自己所需的产品进行浏览。并且在推荐信息方面，要选用清晰图片、能够对产品进行介绍，节省消费者浏览的时间。第二，推荐方式能够起到正向作用。平台在推荐商品时，要充分了解用户的需求，从消费者的角度进行考虑，实现定制专人商品推荐系统，满足消费者的购买需求。在弹出式广告方面，如果客户没有进行浏览，要让广告在几秒之内自动消失，降低消费者厌烦程度。第三，推荐强度没有相关关系。购物平台在对用户进行个性化推荐服务时，要充分了解消费者的购物特点，并且要对不同类型的用户进行分级推荐。第四，信息价值能够起到正向作用。用户在消费时最在意的还是商品的价值，个性化推荐系统不仅要推荐消费者感兴趣的还要推荐有价值的产品，这样才能促进消费者购买意向的提升。第五，价值时效能够起到正向作用。购物平台可以增设点击推荐可以再次推荐的功能，很多消费者对于一些产品很感兴趣，但是没有立即购买的需求，这样的功能可以满足这类消费者，使消费者能够在有需要时不用浪费时间再次挑选。第六，用户信任能够起到正向作用。消费者对于购物平台的信任越高，那么对于个性化推荐的产品也会具有一定的信任。购物平台要对申请入驻的商家提高门槛，保证产品的质量。并且对物流过程进行把控，保证物流的及时性和可靠性，这样能够不断增强消费者的信任感，从而提高购买意向。