信息过载影响消费者决策研究的知识图谱分析

□ 魏 娟 李 敏

(南京信息工程大学 管理工程学院, 江苏 南京 210044)

信息时代,互联网信息量呈指数级增长,消费者进入信息完全的环境。丰富的信息有利于消费者决策,但当信息量过多时,消费者无法在有限的时间内处理过多的信息,易造成决策困惑、决策延迟、决策绩效下降,甚至不做决策[1]。互联网是增长最快的零售渠道,2020年全国网上零售额达到117601亿元,比2019年增长10.9%。在互联网环境下,由于信息的易得性和传播的快捷性,消费者加工海量信息需要消耗更多的注意资源。社交媒体和智能手机能自动吸引用户注意,导致消费者认知控制能力下降,难以准确执行方案评估和购买决策[2]。

早在1974年,Jacoby就探讨了信息负荷对消费者决策的影响,通过改变选择集中的备选项数和属性数量来改变提供给消费者的信息量。研究发现,信息数量和决策质量之间呈倒U型曲线关系[3]。随后许多学者对信息负载和消费者决策之间的关系进行了研究,但研究结果存在分歧,决策质量并不一定随着信息量增加而降低。Malhotra(1982)收集购房者在面临不同数量的房屋选项和房屋属性信息时的心理状态数据,当选择集中的备选项或者属性数量从5个增加到25个时,购房者会感到困惑,决策准确性降低,表示无法做出最佳的选择[4]。

以往研究通过提供给消费者备选项和属性数量来衡量信息量多少,而没有包括信息的其他维度,如信息格式、复杂性、可读性、可信度等。互联网环境下,海量信息呈现多样性、高维度等特点,这种情境下,消费者的心理状况会发生哪些变化?如何解释消费者决策?海量信息对消费者行为和决策过程带来哪些影响?本研究采用文献计量方法,对信息过载环境下消费者决策研究进行系统梳理,探讨该领域的研究现状及发展趋势,洞察消费者行为模式及其改变,为改善消费者决策质量、提高决策效率提供依据。

一、方法和数据

(一)研究方法

文献计量是运用数学和统计学方法对各种出版物进行的定量分析,有助于研究者更好地理解某个主题领域内的知识结构和知识脉络。通过文献计量可以分析关键词、作者、研究机构、国家、文献来源、参考文献等,了解该领域的研究热点和发展趋势。随着信息技术的发展,通过文献计量可以生成知识图谱,展示更多的可视化信息。CiteSpace可以分析主题、作者和关键词的共现网络,结合时区图和突变词探测,呈现出主题的研究热点及演变趋势。目前,文献计量分析方法已被广泛地应用于各个领域,如信息科学、社会科学、生命科学、管理科学等。

(二)数据来源

本研究数据来源于CNKI中国知网数据库。检索条件为:在专业检索中输入字符TKA=‘消费者’AND (TKA=‘信息超载’OR TKA=‘信息过载’OR TKA=‘选择超载’OR TKA=‘选择过载’OR TKA=‘认知过载’OR TKA=‘海量信息’OR TKA=‘超量信息’OR TKA=‘海量数据’),检索范围为学术期刊和学位论文,检索年限不限,检索时间为2021年3月28日,共检索出相关研究成果1062篇,其中存在大量非学术研究,如拥抱大数据、不能止于技术的膜拜等文献,通过手工筛选,最终保留消费者决策领域中与信息过载的前因、后果及应对策略相关的学术研究文献,共553篇。

二、文献计量分析

(一)时间分布

从检索结果可知,2002年开始出现了采用数据仓库、数据挖掘和联机分析处理等技术分析海量信息环境下消费者决策的文献。截止检索日期,2021年只有1篇相关文献,故删除。2007年之前有关信息过载、海量信息的论文数量较少。2008年开始,互联网环境发生变化,社交媒体成为热点话题,论坛、微博、博客、社交网站、微信等社交媒体工具和平台逐步发展,发文量开始小幅增长。2011年5月,麦肯锡公司发表了题为《Big data: The next frontier for innovation, competition, and productivity》的研究报告,2012年智能手机开始规模化应用,移动互联网进入高速发展时期,由于研究成果发表具有一定的滞后性,因此,从2013年开始,与大数据、信息过载、消费者有关的研究成果快速增长,2018年达到了84篇,很明显大数据时代消费者决策研究倍受关注,主要分布在计算机技术与应用、企业管理、旅游管理、图书情报档案等学科。2019以后,研究热度有所减缓,趋于平稳。

(二)作者合作分析

设置时间切片为1年,TOPN=50,运行得到节点数为16、连线数为5的主要发文作者合作图谱,图谱中显示高产作者发文分布及合作情况。发文最多的是以李爱梅为核心的学术团队,发表相关研究成果4篇,主要围绕信息超载对决策、组织员工和消费者行为的影响展开。从注意资源、工作记忆资源和时间压力方面解释信息超载影响决策的内在机制。信息超载会降低员工的工作效率、决策质量和工作幸福感,对员工的工作状态和行为产生消极影响[2,5,6];选择超载作为信息过载的一种表现形式,当商品数量超过一定的阈值,消费者会感知到过载效应,如选择困难、选择延迟等,但选择过载效应是否会发生,除了受消费者认知因素和情绪因素的影响,还受选择集特征和消费者个体差异两类边界条件的影响[7]。

作者合作图谱中以点型模式为主,标示着独立研究成果数量较多,这也可能是由于样本文献中包含较多学位论文的原因。总之,科研合作是影响高质量成果产出的因素之一,通过团队协作可以建立高效的研究网络,更有利于新学科和新领域的研究探索。

(三)高频关键词分布

通过分析高频关键词的频次和分布,可以了解某个领域的研究热点、研究内容和发展趋势。图1给出了关键词共现聚类图谱,其中8块不规则图形显示不同聚类包含的术语和关键词。关键词节点越大,表明该节点是网络中的关键节点,节点间连线的粗细程度反映共现强度。

图1 关键词聚类知识图谱

由图1可知,商品属性、信息过载、在线评论、数据挖掘、数据处理、推荐系统、大数据时代这七个术语是该领域在2002—2020年间研究的热点,进一步对聚类结果进行归纳和统计分析,信息过载和消费者决策领域研究主要集中在两个方面:一是信息过载给消费者带来的影响,二是应对信息过载的策略,可以分为以人为中心的策略、以信息处理为中心的策略和以技术为中心的策略。将#1#4#6归为一大类,即大数据时代信息过载对消费者决策带来的影响;#0#5#7归为一大类，通过构建消费者画像,实现个性化推荐和精准营销,从而缓解消费者感知过载;#2单独归为一类,探讨消费者如何借助信息线索应对过载效应;#3单独列为一类,主要研究个性化推荐过程中的关键技术。研究热点主题划分结果如表1所示。

表1 研究热点主题划分

1.信息过载对消费者决策的影响

当消费者无法在有限的时间内处理大量的、模糊的、复杂的信息时,消费者会感到不知所措,引起心理不适的负面情绪,造成决策困难。总的来看,信息过载对消费者造成的影响主要体现在心理反应和行为反应两大方面。

(1)心理反应

为了充分了解信息过载的影响,Jacoby(1974)从消费者对自身行为的满意度、不确定性、困惑及后悔、额外信息的需求等方面设计了主观状态量表,用来测量信息过载对消费者心理状态带来的影响[3]。除此之外,信息过载可能还会引起抑郁、焦虑等负面心理反应。调查显示,61%的消费者怀疑自己购买的商品不是最优选择;62%的消费者因选择过剩或产品相似难以选到满意的产品[8]。

信息过载降低决策满意度。杨涛(2016)设定购买情境、信息量和选择集依次分为三组:不足组、最佳组和过载组,相应的信息量设为3条、10条和30条,选择集设为3项、5项和30项,当信息量超过10条或者选择集超过5项时,消费者心理不适感随之增加,决策满意度开始下降,其影响过程受消费者认知需求水平的调节,因信息处理策略和认知努力程度不同,低认知需求的消费者更容易产生过载效应[9]。当信息量增加时,消费者处理信息需要付出更多的时间成本和认知成本,造成消费者感知成本增加,决策满意度下降。

信息过载易引起负面情绪。网络环境下,无序信息使消费者难辨真伪、矛盾信息使消费者难以提取到有用的信息,当信息数量超过消费者的信息处理能力且面临时间压力时,消费者在选择过载中容易产生焦虑情绪。当消费者面对数以百计千计的相似商品时,替代品的优点会被强化,机会成本使选择过程变得更加复杂,造成消费者体验负面情绪[8]。

(2)行为反应

丰富的网络信息为消费者提供多样化选择和足够的信息量,一方面满足消费者多元化需求,另一方面,消费者需要花更多的时间和认知努力去筛选、比较和评估相关信息,进而降低购买意愿或延迟决策,发生决策规避,甚至进行负面口碑传播。

信息过载降低消费者购买意愿。信息过载环境下,从众多相似的商品中选择满足自己需求的商品,消费者需要花费更多的时间和精力,即产生了选择复杂性。为了做出明智的选择,消费者会主动搜寻额外信息,此过程导致消费者感知成本增加,进而购买意愿降低[10]。

信息过载导致决策延迟。过多的信息量需要消费者付出更多的努力和认知资源来应对,会增加消费者的感知风险,降低其感知价值,最终造成决策延迟,且消费者涉入度对影响过程起到调节作用,高涉入度消费者比低涉入度消费者有更高的感知风险和更低的感知价值[11]。比较和权衡的过程增加了决策难度,再加上偏好的不确定性和决策策略的差异性,导致消费者倾向于延迟选择。

信息过载产生决策规避。信息过载环境下,消费者不太可能做出明智的选择,通常会遇到负面的结果,如延迟决策、决策疲劳、决策失误。消费者为了缓解信息过载引起的负面影响,一般采用购买回避、明晰目标、搜寻额外信息、分享购买或缩小选择集来减少决策失误,其中,购买回避指消费者在搜寻信息、处理和评估信息之后,做出的一种消极反应。在线评论是消费者决策的重要参考依据,同时也会引起一些负面效应,如浏览成千上万、甚至几十万条观点不一、内容模糊的在线评论时,消费者会产生犹豫,选择购买回避。在健康管理领域,信息消费者在搜寻、阅读、理解大量难辨真伪的疫情信息时,会加剧疫情带来的恐惧、担心等消极情绪,通过感知健康威胁对信息产生防御式的规避行为[12]。

信息过载引发负面口碑传播。产品复杂性、相似性和大量模糊的信息会增加消费决策难度,造成消费者认知负担,导致消费者产生困惑。消费者困惑指消费者在信息处理过程中,无法正确理解产品或服务信息而引发的不知所措的心理状态,是一个三维构念,包括:相似困惑、超载困惑和模糊困惑,其中,超载困惑指消费者面对丰富的信息环境,无法在有限的时间内处理信息而导致信息内容理解不足,使消费者对购买决策缺乏信心,可能导致购买错误品牌或传播负面口碑等行为。在线旅游产品充斥着大量相似、模棱两可的信息,消费者选择旅游产品时难以准确筛选出满足自身需求的产品。消费者困惑通过负面情绪影响负面口碑传播,且产品涉入度越高,二者之间的关系越强[13]。

2. 应对信息过载的策略

信息过载不仅造成消费者决策质量下降、决策低效、决策延迟甚至放弃决策,还会造成消费者困惑、焦虑等负面心理反应。因此,缓解信息过载,可以在恰当的时间提供给消费者合适的信息,帮助消费者做出正确的决策。消费者研究领域应对信息过载的策略可以分为三类:以消费者为中心的策略、以信息处理为中心的策略和以技术为中心的策略。

(1)以消费者为中心的策略

以消费者为中心的策略即构建消费者画像,考虑消费者个人特征属性、点击流、社交信息和购买记录等数据,构建可以描述消费者需求、行为习惯和个人偏好的模型,即将海量的消费者数据抽象成标签,从而将消费者形象具体化,为消费提供个性化服务,实施精准营销。大数据时代,消费者的各种行为数据呈爆炸式增长,用户画像是实施个性化服务或精准营销的有力工具,能够挖掘消费者的偏好和需求,帮助消费者过滤掉与自己需求不相关的干扰信息、冗余信息,降低信息过载带来的影响,为其提供个性化的商品或服务,从而降低信息过载带来的决策低效问题。

消费者画像首先明确数据维度,也就是从哪些方面收集消费者数据。一般来说,消费者画像的数据维度包括个人属性(如性别、年龄、教育程度、职业、信用等)、点击流数据、购买记录、用户生成内容、社交信息等方面；其次，使用用户标签提取技术(如统计分析、协同过滤、主题模型、贝叶斯网络、机器学习、深度学习等),从海量数据中挖掘消费者需求、行为习惯、兴趣偏好等,生成用户标签;然后,利用统计图、词云图等可视化技术直观地呈现消费者特征；最后,在消费者画像分析基础上,实施个性化推荐和精准营销,从而能够更智能化、准确地匹配其需求[14]。

(2)以信息处理为中心的策略

以信息处理为中心的策略旨在帮助消费者解决信息的复杂性和海量问题,如改变信息呈现方式,降低信息复杂度;生成评论标签摘要,减少信息量;提供激励措施,提高信息质量等。以消费者为中心的策略强调以信息过滤和个性化推荐为主要手段来缓解信息过载对消费者决策的影响,但还不能让消费者完全忽略过载感知的存在。因此,消费者必须依靠主动学习(如观察学习和社会学习)来减轻遭受的过载效应。网络环境下,消费者产生购买决策后,出于利己或利他目的,通常会选择分享自己的消费体验,即撰写在线评论,导致在线平台的用户评论急剧增长,多则几十万条,因此,在线评论也会引起消费者感知过载。近年来,信息过载环境下消费者研究的一个重要方向是在线评论和消费者决策。消费者受浏览时间和移动工具小屏幕的限制,不可能阅读所有相关的评论,帮助消费者从大规模评论集中找出有用评论,是解决在线评论过载、提高消费者决策质量和决策效率的有效途径。

实证研究表明,影响在线评论有用性的因素包括:情感倾向、句子长度、评论客观性、评论呈现方式、信息质量等[15-17]。评论呈现方式有星级、文本、图片和视频等。对于感官型产品,如触感评价衣服质量、视觉推断衣服匹配度等,一图胜千言,图片评论正向影响消费者购买意愿[18],图片降低阅读文本评论的时间和复杂性。当处理过多评论时,消费者倾向于采用启发式规则(如差评、平均星级、星级分布等)来降低阅读的评论数量。启发式规则更多地依赖于直觉,虽然加工速度快且占用较少的认知资源,但容易受到自我选择偏差效应的影响,从而使决策稳定性变差、决策质量下降。评论摘要能够提供细粒度、多维度的评论信息[19],对于搜索型商品,将在线评论依据产品属性或用户感受生成分类标签,能够提高消费者感知有用性,缓解信息过载和自我选择偏见对消费者决策的影响[20]。不管图片评论还是文本评论,评论的客观性、真实性是评论质量的重要因素之一,激励在某种程度上能够促进消费者认真书写评论。有用的评论包括产品或服务的客观评价以及消费者的主观体验[16],高质量的在线评论是消费者提高决策质量的前提。

(3)以技术为中心的策略

以技术为中心的策略倾向于为信息超载问题寻找技术解决方案。大数据环境下,信息过载问题愈发严重,给消费者决策增加困扰,个性化推荐能够有效缓解这一难题。从信息过滤角度来看,推荐系统通常被分为协同过滤系统、内容推荐系统和混合式推荐系统。大数据推荐系统有效地解决了传统推荐系统在时间效率、空间效率和推荐准确度方面的瓶颈问题。

大数据推荐系统需要强有力的技术支持,如大数据挖掘技术、优化的推荐算法等。因此,信息过载环境下,消费者决策研究领域同样关注个性化推荐的关键技术，即从单一数据源到多平台交叉融合数据分析、从传统推荐算法到自适应优化推荐算法[21]。MapReduce的核心思想是分而治之,将海量数据分发给不同的服务器,实现大量非结构化数据的并行处理。基于Hadoop的分布式框架,能够为MapReduce提供运行载体。考虑用户历史行为数据,构建用户兴趣分布矩阵,结合历史数据和兴趣偏好的个性化推荐策略[22],实现多源数据整合,运用关联规则和聚类分析的融合算法,使用多维评分效用表示消费者对项目的偏好,该模型考虑多种上下文信息,对用户评论进行情感分析,融合用户评分、情感倾向和推荐商品内容信息的混合式推荐算法，解决了历史数据不足和评分数据稀疏问题[23]。

个性化推荐关键技术的完善有利于多角度分析消费者行为,使推荐内容质量更高、推荐结果更及时、推荐信息更多样化,并且能够考虑到消费者历史行为信息、动态信息需求和兴趣演变,提高消费者满意度。

三、研究主题演化分析

关键词时区图表示研究主题随着时间推移发生的变化情况,侧重于从时间维度反映研究主题的演变。图2给出了信息过载环境下消费者决策研究领域关键词时序变化情况,总的来说,可以分为三个阶段:

图2 研究主题演化图谱

第一阶段(2002—2008年):消费模式悄然变化。主流消费从传统模式逐渐向网络消费模式转变,淘宝、京东商城等电子商务平台逐步企稳,此阶段信息过载不是消费者遭受的普遍现象,研究成果相对较少,高强度的突变词有消费者和电子商务。

第二阶段(2008—2013年):信息过载效应渐显。互联网迅速发展,京东商城、天猫、淘宝等综合性电子商务平台为消费者选择提供便捷,如京东商城探索增值服务,开启上门取件、移动客户端相继上线、进军在线医药和奢侈品领域、启动酒店预订和电子书刊业务等,在线消费成为消费者较好的选择。因此,消费者行为信息激增,信息过载给消费者决策带来心理和行为方面的负面影响。

第三阶段(2013—2020年):信息过载应对阶段。随着大数据、移动互联网、社交媒体等技术的发展,信息过载现象频繁出现,此阶段研究者主要关注信息过载的各种解决方案,来帮助消费者缓解过载效应。主要的爆发词有:协同过滤、大数据、Hadoop、文本挖掘。推荐系统和精准营销可以减少消费者选择集数量,大数据技术、深度学习、文本挖掘等技术能够优化个性化推荐效果、改善推荐质量,用户生成内容作为外在信息线索,能够降低消费者决策的复杂性。

四、结论与展望

(一)结论

本研究采用文献计量学方法,对国内信息过载和消费者决策领域相关文献进行系统梳理,绘制了知识图谱。研究结果显示:

1.从发文时间看,随着大数据概念的提出和移动互联网的高速发展,信息过载环境下消费者决策研究倍受国内学者关注,研究成果快速增长。2008年之前,网络消费非主流模式,信息过载不是消费者遭遇的普遍现象。

2.从发文作者来看,国内该领域研究者的合作关系较弱,点型研究模式更为普遍,线型和星型等合作模式相对缺乏。研究者相互交流和合作,能够助推该领域的研究效率和成果质量,科研合作是影响高质量成果产出的因素之一。

3.从关键词图谱来看,研究主要集中在两个方面:信息过载给消费者决策带来的影响和应对信息过载的策略,且应对策略的关注度更高。信息过载不仅容易引起消费者负面情绪、满意度下降等心理反应,还会造成决策延迟、决策规避、负面口碑传播等行为反应。国内研究者提出的应对策略主要包括以消费者为中心的策略、以信息处理为中心的策略和以技术为中心的策略,比较侧重客户精准营销、网络口碑、个性化推荐关键技术等内容。

(二)展望

国内研究者主要关注信息过载对消费者心理和行为造成的影响,但缺乏完整的理论研究框架,且对影响机制和个体差异缺乏深层次的分析。只有充分了解信息过载成因、症状表现,才能提出高效的应对策略。

1.理论研究框架。20世纪70年代,伴随品牌数量的激增,消费者研究领域的信息过载问题已经引起了学者们的关注,诸多学者对Jacoby的研究结论进行激烈的争辩,争辩焦点是品牌数量及其属性信息是否会影响消费者对产品的选择,以实验法、访谈法和问卷调查为主,基于有限认知资源理论,探讨不同情境下信息过载对消费者决策质量、决策时间和信息处理方式的影响。少有研究构建一个完整的概念框架,对信息过载和消费者决策之间的关系进行系统的理论阐述。郭佳等(2018)发展了Eppler和Mengis的研究成果,指出网络环境下信息过载研究的理论包括:信息加工理论、认知负荷理论、压力与应对模式、使用满足理论和期望失验理论等多种理论,研究情境可以划分为信息检索和分析过程、决策过程和传播过程[24]。消费者决策是一个复杂的过程,可以分为五个阶段:需求确认、信息搜索、评价与选择、购买决策和购后行为。每个阶段消费者的关注点和目标不同,信息过载成因、症状表现和应对策略也存在差异,比如,信息搜索阶段,由于信息特征、页面设计、个体特征和动机强度等因素对消费者搜索行为产生影响,导致消费者难以获取有用或准确的信息,造成搜索效率下降。从技术层面(如信息过滤和推荐技术)能够有效缓解消费者的感知过载。因此,构建一个概念框架,明晰信息过载对消费者决策过程的影响,能够提出有针对性的解决方案。

2.影响机制研究。并不是所有年龄段的消费者都会遭受过载效应,青年人和成年人相似,容易受到过度选择效应的负面影响,但儿童和老年人遭受的负面影响较少[25]。成年人中出现选择过载效应,主要归因于认知因素和情绪因素,而儿童与老人的认知能力相对较低。过载效应是否会真正发生,还受到信息复杂性、决策任务难度、偏好不确定性、决策目标等调节变量的影响。面对复杂问题决策时,不同消费者的信息处理方式存在差异。消费者通常依赖启发式信息来简化决策过程,通过启发式信息减少选择的数量,例如消费者倾向于考虑知名品牌的商品,好品牌意味着高质量,当大量选择与品牌关联时,青少年的过载效应就会消失,没有表现出满意度下降、决策困难和遗憾[26]。因此,考虑到消费者个体差异、偏好不确定性、决策情境差异等因素,消费者面对海量信息时的决策又会发生什么变化?导致消费者感知过载的影响因素、中介变量和调节变量等边界条件又有哪些?这些问题值得研究者进一步探讨。□