搜索成本与消费者预期后悔悖论研究
——基于“U”型曲线假说及验证

2022-07-22 11:28刘凤军李园园
管理工程学报 2022年4期
关键词:预期理想成本

刘凤军 孟 陆* 段 珅 李园园

(1.中国人民大学 商学院,北京 100872;2.山西财经大学 工商管理学院,山西 太原 030006)

0 引言

在市场竞争日趋激烈的环境下,电商企业为了立于不败之地,往往采用信息轰炸的营销方式来获取更多的市场份额。海量资讯在给消费者带来便捷的同时,也不可避免的给其带来了困扰[1]。近年来大量消费者搜索产品后,只是加入购物车或提交订单最终却并未付款购买,导致电商企业的销售转化率逐年下滑[1]。长期暴露于大量资讯充斥的环境中,这使消费者的搜索成本急剧增加。由于消费者对资讯处理能力有限,资讯过载(Information Overload)会造成一系列消极反应[2]。这一现象引发我们思考,探索搜索成本与消费者下单后未付款之间的关系是电商企业普遍面临和亟待了解的问题。

搜索成本对消费决策起到关键性影响[3],消费者浏览在线购物平台时,搜索的商品数量、商品介绍、口碑留言都会增加其搜索成本[4]。现有关于搜索成本对购买决策的研究存在分歧,一部分研究发现,商家可以通过增加消费者对促销信息的搜索成本来实现价格歧视,从而提升网店利润率和转化率[1]。另一部分研究发现,大量的搜索成本会使消费者耗费过多的时间和精力成本,从而变得缺乏耐心,难以做出最佳选择[5],进一步降低消费者做出决策的动机[6]。本研究认为造成上述分歧的主要原因在于,一方面,搜索成本数量对于消费者购买决策行为可能并非简单线性影响关系。另一方面,现有研究尚未探讨搜索成本使消费者产生何种情感,导致其做出不同决策。

消费者在对决策不满意时会产生后悔情感[7]。后悔可按照其在决策行为中的先后顺序分为两种,一种是在决策后出现的后悔,即购后后悔;另一种则是决策前对决策可能产生的预期结果感到后悔,被称为预期后悔[8]。在网络购物环境下,消费者经历搜索下单后,正是由于产生了预期后悔情感导致其最终并未付款购买[9]。现有研究多探讨的是搜索成本对于购后后悔的影响[7]。然而,关于消费者在购物网站搜索行为所产生的搜索成本对预期后悔的研究还要匮乏。此外,消费者对商品进行搜索时主要包含有理想点搜索和无理想点搜索两类[10]。相比于无理想点搜索,有理想点搜索的消费者在拥有明确商品目标时,其只需要将搜索结果与理想商品对比就可进行决策,所需搜索成本相对较少[11]。搜索类型不同所引发的搜索成本差异如何影响消费者预期后悔同样值得思考。

综上所述,本研究聚焦于在线购物平台的消费者搜索行为,通过真实购物平台网站二手数据,构建计量模型以及结合实验室实验和眼动行为实验的方法,重点回答两个问题:第一,消费者“看而不买”现象背后,是否是由于搜索成本数量影响预期后悔导致,且影响程度是否随搜索成本呈现非线性趋势。第二,针对不同搜索类型(有理想点搜索/无理想点搜索)的消费者,搜索成本对于预期后悔的影响又会呈现何种变化? 研究发现消费者的预期后悔行为将随着搜索成本增大而先减后增,呈现“U”型变化趋势。同时,消费者搜索类型在其中起调节作用。因此,本研究基于认知负载理论,从消费者预期后悔视角切入,整合了前人关于搜索成本研究的矛盾结论,为在线购物平台企业提供了可行性建议,具有重要的理论意义和现实意义。

1 文献综述

1.1 消费者搜索成本及其影响

信息搜索是消费者购买决策过程中重要的一环。消费者通过信息搜索形成对产品的了解、评估及态度信念,进而形成购买决策[12]。信息搜索行为就会产生搜索成本。Lynch 和Ariely[13]将资讯搜索成本定义为:消费者欲购买某一项产品或服务时,对搜寻到的相关价格信息和质量信息做比较所花费的时间和精力成本。消费者浏览产品的数量和浏览时间都是搜索成本的主要表征形式[14]。消费者在网络购物平台进行搜索时,浏览的产品数量,品牌形象及其口碑评论都会增加其搜索成本[15]。

现有关于搜索成本的研究多集中在对均衡价格离散程度偏好[16],商圈选择[17]和预售决策[18]方面研究,而针对搜索成本对消费者购买决策的研究相对较少,且由于研究背景和研究问题不同,研究结论并不一致。Ngwe 等选取一家在线时尚服装零售商进行了实地实验发现,商家通过在消费者寻找折扣商品过程中设置障碍,增加搜索成本,来实现自我选择性价格歧视,可以提高在线零售商的利润率,甚至增加转化率[1]。相反,Park 和Sela 通过实验室实验研究发现,消费者搜索的时间越长,会变得越保守,也越有可能做出不准确的判断,导致在正确目标出现时将其拒绝。这是由于消费者会认为正确目标应该比被拒绝的相似商品带给他们更熟悉的感觉,然而随着搜索成本的增加,消费者对真实目标体验所期望的主观熟悉感逐渐升级,最终导致其更加保守,从而降低了转化率[6]。本研究认为搜索成本对于消费者购买决策行为可能并非简单线性影响关系,而是随着搜索成本的增加会产生过犹不及效应。因此,本研究从消费者预期后悔视角切入,整合了前人关于搜索成本研究的矛盾结论。

1.2 消费者预期后悔及其影响

后悔是一种负面的认知情感[17],这种情感常常出现在比较决策时,是一种在决策后常见的情绪反应[18]。后悔情感产生的本质是一种反事实思考(Counterfactual Thinking)[19]。反事实思考是指在心理上想象现在已发生的事实也许可以被改变[20]。对于已发生的决策所产生的后悔,称为购后后悔(Experienced Regret);对于决策前可预期决策结果所导致的后悔,称为预期后悔(Anticipated Regret)[21]。预期后悔产生于个体行为之前,是在心理决策过程中所产生的对后悔的一种预期,即由于担心未来可能遭遇的损失而产生犹豫和怀疑,从而对未来不同的结果做出预测假想可能产生的后悔。预期后悔是决策者在发生任何实际损失前产生各种担忧的心理效应[22]。人们在经历潜在风险和不确定时,会习惯从事反事实思考,通过心理上的模拟来建构假设性的场景[23],企图为实际存在的事物建立一个比较的标准[24]。但是经由反事实思考,消费者很容易可以想象存在其他的结果会优于眼前结果的预期,因为人们大多会向上比较而感到后悔,而不愿向下比较以得到慰藉[25]。因此,消费者所从事的反事实思考越多,其预期后悔发生的可能性则越大[26]。

Janis 和Mann[27]认为预期后悔产生会导致人们警觉地去做决策,即当预期后悔被唤醒时,这能够防止个体草率地利用少量信息匆忙决策[18]。Yoon 和Vargas[28]提出把预期后悔分为预期不作为后悔(Anticipated Inaction Regret,AIR)和预期作为后悔(Anticipated Action Regret,AAR)。预期不作为后悔指消费者预期到如果当前不采取行动(放弃购买)将来可能产生的后悔(比如商品涨价、缺货等情况),一般来说高的预期不作为后悔会增加购买的可能性,例如消费者在面对促销活动时如果考虑将来该商品价格可能会更高,就会产生“现在不买会后悔”的预期从而做出购买的决策[29-30]。预期作为后悔是指消费者预期到如果当前采取行动(执行购买)将来可能产生后悔,即会降低购买的可能性。预期作为后悔会导致认知失调,从而推迟和回避做决策[31],也会降低消费者对于零售商提供服务的满意度[32],从而对后续行为产生负面影响。例如,因不满意而散播负面口碑[33],提高品牌转换[34]以及对价格产生歧视[35],甚至会产生进一步的购后后悔,进而降低重购意愿[9]。本研究主要探究消费者在网络购物平台选购商品时,搜索成本对其预期作为后悔行为的影响,即消费者在付款前放弃付款主动关闭交易或达到时限未付款自动关闭交易的行为表征。

1.3 搜索成本对预期后悔的影响

现有关于搜索成本对于后悔行为的研究,主要是基于购后后悔视角。购后后悔往往发生在消费者购买后对购买到的产品或服务不满意时产生的后悔情绪[21]。若消费者购买时只是粗略浏览商品导致搜索成本过低,购买后对产品或服务不满意,会将责任归因于自己,引发“如果当时购买时,再仔细多看看可能就不会买错”的反事实思考,从而产生购后后悔,此时消费者的后悔情绪更多来自决策过程中的自责和懊悔[7]。相反,若消费者购买时付出了极大的努力浏览商品导致搜索成本高,即便消费者购买后对产品或服务不满意,其也不会对自己的决策过程后悔,而是重新解释和合理化自己的购买决策,并将购买失败的责任归结于制造商和经销商[19]。因此,本文总结前人研究发现随着搜索成本的增加会降低消费者购后后悔情绪。然而,现有关于搜索成本对购后后悔的研究结论很难迁移到搜索成本对预期后悔的研究中来。主要原因在于,第一,购后后悔关注的是消费者在购买决策后的后悔过程,而预期后悔更多关注的是消费者在购买决策前的后悔过程。第二,购后后悔情绪往往是基于对于购买到的产品或服务不满意的前提下,而预期后悔情绪则没有。第三,购后后悔情绪的产生多是基于消费者先前的行为,进行的反事实思考,而预期后悔情绪的产生多是基于消费者当下面临的情境,进行的反事实思考。本研究认为,在网络购物环境下,相比于购后后悔,更多消费者是在付款前就产生了后悔预期,进而将商品移出购物车或者放弃付款。

承前所述,当消费者在购买前进行反事实思考才会产生预期后悔情绪[36]。心理学家Kahneman 和Miller 提出范例理论(Norm Theory Perspective)来解释反事实思考,即个体倾向于根据客体或事件在知觉或记忆中的熟悉性程度来评估决策的比较对象,来判断预期发生事件的结果,当预期结果不符合期望则会进行反事实思考[37]。Gavanski 发现个体可以有意识的控制和运用反事实思考,可以将其当作一种认知策略的工具[38]。Bolles 进一步研究发现,个体会努力了解他们的环境,并且通过刺激-反应的一致性和随后行为的认知过程形成原因,以解释特定的结果[39]。因此个体会对将来结果进行预测,反事实思考有利于个体在将来遇到类似问题时做的决策判断[36]。

本研究认为,消费者粗略浏览商品导致搜索成本过低,消费者对商品并不完全熟悉,在对比决策时其会感知到潜在风险和高不确定性,必须投入时间与精力以降低信息不对称[40],否则很难得到其期待的产品。此时消费者会进行反事实思考,如果增加搜索就会有更优结果的预期,进而产生预期后悔。随着消费者投入搜索成本,在信息搜寻与方案评估阶段,根据决策合理性理论(Decision Justification Theory),当消费者获得更多产品选择时,消费者感知到的决策自由度和满意度越高[41-42]。从期望理论角度分析,搜索成本越大,消费者找到目标产品的可能性越大,期望更容易实现[37],对选择的自信心越强[43]。当搜索成本不断增加时,消费者会产生积极的生理和心理反应,更容易找到其记忆中预期的产品,从而有效抑制反事实思考的产生,减少预期后悔。然而,当消费者投入的搜索成本过高时,消费者会产生认知负载。认知负载(Cognitive Load)是指搜索内容造成负担或工作超过记忆,其强调搜索复杂认知任务时,在该过程处理的事情常被大量的信息要素干扰[11]。人们的认知资源是有限的,消费者耗费的认知资源越多,选择困难度越高[44]。此外,消费者评估相似商品并确定这不是他们一直在寻找的选项时,消费者对真实目标体验所期望的主观熟悉感会逐渐模糊,从而使其在搜索过程中有较差的判断力[6]。因此,搜索成本过高、消费者耗费过多的精力和认知资源会造成认知负载。同时,存在选项过多也使消费者对真实目标产品体验所期望的主观熟悉感逐渐模糊,消费者难以得到其期待的产品,因此他们会对其所做出的选择感到更多的责任。一旦所做出的选择不佳,消费者便会因为做出错误的决定而感到自责,从而进行反事实思考,如果在浏览过这么多的选择中做出错误选择,白浪费了这么多的精力的预期,导致预期后悔的产生。据此,提出假设H1。

H1消费者的预期后悔行为将随搜索成本的增大而先减后增,呈现U 型变化趋势:当搜索成本由小增大到适中时,消费者的预期后悔行为随之减少;但是当搜索成本从适中继续增大时,消费者的预期后悔行为开始增加。

1.4 消费者搜索类型的调节作用

关于信息搜索任务,学者们提出了不同的分类方法。目前的分类中主要包括开放和封闭任务[46]、具体和一般任务[47]、确定和不确定任务[48]以及内生与外生任务[49]等。本研究聚焦于互联网购物平台,消费者在购物平台购买商品时,首先需要用关键词在网站搜索引擎对商品进行检索。根据消费者对购买商品的了解主要可分为有理想点搜索和无理想点搜索。当消费者有明确的理想点时往往采用有理想点搜索,如搜索关键词可能是耐克等,而没有明确的理想点时往往采用无理想点搜索,如搜索关键词运动鞋。Chemev[10]的研究将理想点定义为:用来形容消费者理想选项(Altemative)的属性(Attribute)集合。该研究发现,具有理想点的消费者在进入商店购买商品前,会主动搜集信息或是参考他人意见,了解自己想要购买的商品须具备哪些属性,并将这些属性列为购买此商品的重要条件。因此,有理想点的消费者可以直接依照事先想好的理想属性条件作为决策依据,找出最接近理想点的商品。反之,无理想点的消费者在进入商店购买商品前,未先想好自己想要购买的商品必须具备哪些属性,对商品的各种属性不甚了解,且没有事先想好心目中最佳的商品选项,而是到了商店看到各式商品选项时,才开始比较各个商品选项的属性,并思考什么样的属性是自己想要的,进而形成对商品的偏好[10]。Chemev[43]进一步研究发现,在决策前就没有明确理想点的人,随着搜索成本的增长,更容易受到认知负载效应的影响,变得犹豫不决,选择困难,进而更偏向小的集合决策。而明确理想点可以帮助这类消费者按照自己的偏好做出决策,显著地降低他们选择的困难,从而不那么明显地呈现出选择过载效应。

本研究认为,消费者进行无理想点搜索情境下,若消费者粗略浏览商品导致搜索成本过低,由于消费者没有明确的理想点,消费者在对比决策时其会感知到潜在风险和高不确定性,必须投入时间与精力以降低信息不对称[40],否则很难得到其期待的产品。此时消费者会进行反事实思考,如果增加搜索就会有更优结果的预期,进而产生预期后悔。当搜索成本不断增加时,消费者会产生积极的生理和心理反应,更容易找到其记忆中预期的产品,从而有效抑制反事实思考的产生,减少预期后悔。然而,当消费者投入的搜索成本过高时,消费者会产生认知负载[11]。人们的认知资源是有限的,消费者耗费的认知资源越多,选择困难度越高[44]。此外。每当消费者评估相似商品并确定这不是他们一直在寻找的选项时,就会导致消费者对真实目标体验所期望的主观熟悉感逐渐模糊,从而使其在搜索过程中有较差的判断力[6]。因此,他们得判断力下降,并对其所做出的选择感到更多的责任。一旦所做出的选择不佳,消费者便会因为做出错误的决定而感到自责,从而进行反事实思考,如果在浏览过这么多的选择中做出错误选择,白浪费了这么多的精力的预期,导致预期后悔的产生。相反,消费者进行有理想点搜索情境下,若消费者粗略浏览商品导致搜索成本过低,由于消费者具有明确的理想点,在对比决策时其会感知到潜在风险和高不确定性,必须投入时间与精力以降低信息不对称[40],否则很难得到其期待的产品。此时消费者会进行反事实思考,如果增加搜索就会有更优结果的预期,进而产生预期后悔。随着消费者投入搜索成本,消费者会产生积极的生理和心理反应,更容易找到其记忆中预期的产品,从而有效抑制反事实思考的产生减少预期后悔。当消费者投入的搜索成本过高时,由于消费者具有明确的理想点,会降低认知负载效应[43],并且不会导致消费者对所期望的产品主观熟悉感逐渐模糊,从而抑制消费者进行反事实的思考,减少预期后悔。因此,消费者搜索类型会调节搜索成本对消费者预期后悔行为的影响:对于无理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大呈现U 型变化;但对于有理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大不会呈现U型变化。据此,提出假设H2:

H2消费者搜索类型会调节搜索成本对消费者预期后悔行为的影响:对于无理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大呈现U 型变化;但对于有理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大不会呈现U 型变化。

2 研究一:实验室实验

2.1 研究目的

研究一旨在探究消费者搜索成本与其预期后悔行为之间的影响趋势是否成U 型变化。为了有效迎合学生样本,我们选择价格在4 千至6 千的照相机作为测量预期后悔的刺激物。由于在实验室中,很难真实模拟消费者在线购买搜索行为。因此,在本研究中,我们借助选择集大小来表征搜索成本的大小。以往关于选择集的研究多集中在传统购物领域,并且大小选择集中所包含的选项数目相差甚远,小选择集的选项数从2 到60 不等[44],大选择集的选项数从10[45]到300[46]不等。为了保证正式实验中选择集大小可以稳定代表搜索成本大小的生态效度,我们参考刘彤等[11]的研究分别在5 家B2C 网站上以照相机为关键词进行搜索,平均搜索结果为55.2 项。结合以往研究中7~34 的选择集大小及实验的可行性,并参考刘蕾等[47]的研究,预实验采用(选择集大小,5~55 项,以5 为公差等差递增)的被试内设计,因变量是搜索成本感知。30 名被试参与,平均年龄27 岁。不同数量产品页面随机出现,被试浏览页面中的产品,并根据自己的选择体验回答问题。结果发现选择集大约在5 项、15 项、25 项、35 项和55 项时,被试的搜索成本感知增长趋势开始变化,且存在显著差异(F(2,27)=19.65,P<0.001)。

正式实验采取单因素组间实验设计,分别为5 项、15 项、25 项、35 项和55 项代表搜索成本的5 个组。研究招募150 名在校参与了实验,其中43%是男性,57%是女性,平均年龄26 岁。

2.2 研究设计

实验过程如下:被试被随机分配到5 个实验组:5 项组、15 项组、25 项组、35 项和55 项组,要求完成两部分内容。第一部分为全部被试被告知需要网上购买一款照相机,之后给予被试展示不同项备选集的同类照相机产品图片和简介。第二部分为辅助测试题目,包括对预期后悔3 个测试题项和搜索成本题项。预期后悔的测量参考银成钺和于洪彦[8]的研究,并根据在线购买情境实际情况做了相应修改,“如果现在购买这款照相机,由于我不确定是否符合我的要求,这会使我感到后悔;如果现在购买这款照相机,由于犹豫不决哪款更好,这会使我感到后悔;如果现在购买这款照相机,将来发现更好的,这会使我感到很后悔。”搜索成本的题项参考Wang 和Sahin[4]的研究,均采用李克特7 级量表。

2.3 研究结果

对搜索成本进行操纵检验发现,相比于浏览5 项组、15 项组、25 项组、35 项和55 项组消费者感知搜索成本均值分别为M5项=3.22、M15项=4.35、M25项=5.12、M35项=5.85 和M55项=6.23,单因素ANOVA 分析的F(4,145)=76.25,p<0.001。因此,实验操纵成功。

对预期后悔假设检验发现,如表1 所示,5 项组、15 项组、25 项组、35 项和55 项预期后悔均值分别为M5项=5.48、M15项=4.36、M25项=3.31、M35项=4.43 和M55项=5.62。可见随着搜索成本增大,消费者的预期后悔行为呈现先减少后增大的趋势。

表1 消费者预期后悔描述性统计和模型估计Table 1 Descriptive statistics and model estimation of consumers′ s expected regret

在此基础上,我们对消费者预期后悔行为随搜索成本增大而变化的趋势进行了检验。为检验该趋势是线性还是“U”型,我们分别对线性模型和二次型模型进行估计和检验。若消费者预期后悔行为随搜索成本呈现“U”型变化,模型应为:

若b大于0,且显著,则可证明Y 为正“U”型曲线。模型估计和检验的结果如表5 所示,数据表明消费者预期后悔的程度随搜索成本增大呈现“U”型变化趋势,模型回归的F值为4.36,p=0.05。以搜索成本为自变量的二次项的系数0.005,t=2.76,p=0.01;相比之下,线性回归模型的F 值为0.68,p=0.47。因此,搜索成本对预期后悔行为的影响呈现“U”型结构,即随着搜索成本增大,消费者预期后悔的程度先增后减。

2.4 讨论

研究一验证了搜索成本对消费者预期后悔行为影响的双向作用。研究一初步探索了搜索成本与消费者预期后悔态度的关系,发现其搜索成本与预期后悔态度呈现非线性关系,这也进一步解释了现有研究的分歧所在,即我们认为搜索成本确实会对消费者预期后悔产生影响,但这种影响并非单一线性的促进或弱化关系,而是消费者的预期后悔行为将随着搜索成本增大而先减后增:当搜索成本由小增大到适中时,消费者预期后悔行为随之减少;但是当搜索成本继续增大时,消费者预期后悔行为开始增加。

具体来说,当消费者搜索成本过低时,消费者对商品存有一定不熟悉,必须投入时间与精力花费一定的搜索成本,以降低信息不对称[42]。此时消费者会进行反事实思考,如果多了解一些照相机就会有其他的结果会优于眼前结果的预期,进而产生预期后悔。随着消费者搜索成本由少到多,消费者预期后悔行为首先会减少,即消费者通过搜索成本的增加,降低其感知到的潜在风险和不确定性,进而减少反事实的思考,增强决策购买的信心。而当搜索成本过大时,耗费其过多的精力和搜索成本,根据认知负载效应,消费者会感知到潜在风险和高不确定性。会进行反事实的思考,如果一旦自己在浏览过这么多的选择中做出错误的选择,白浪费了这么多的精力的预期,进而产生预期后悔。

我们进一步思考,本研究通过实验方法,采取选择集大小来表征搜索成本,验证了搜索成本对预期后悔态度的因果关系。本研究的不足在于,第一,由于是实验室操控搜索成本,只能采用问卷的方式,验证搜索成本与消费者预期后悔态度的关系。而预期后悔态度并不能完全等同于预期后悔行为。第二,在实验室中也无法完全模拟消费者真实在线购物的搜索成本。因此,我们在研究二采用真实二手数据进一步验证假设H1,同时提到搜索类型的调节机制。

3 研究二:消费者真实数据研究

研究二旨在通过消费者真实网站平台购物数据进一步佐证消费者搜索成本对预期后悔的影响,并验证费者搜索类型在该关系中起调节作用,即假设H2。

3.1 数据来源说明

以往研究发现,消费者在产生认知负载时,可能会主动采取暂时放弃搜索等行为,来主动降低认知负载效应释放压力[2]。在本研究中①本研究数据来自厨总网(http://www.chuzong.com/),在选定相应产品时应同时满足两种条件:第一,消费者在购买该产品时需要是即时性购买,这样就可有效这样有效减少了消费者会采取主动降低认知负载效应的行为,以避免该影响对结果的干扰。因为大型在线厨具网站上的产品为消费者日常购买频率与需求较大的产品,因此,消费者在该网站进行产品浏览时的搜索行为绝大多数都是由购买动机所驱动的,这样就有效降低了因搜索导致认知负载所引发的搜索放弃干扰作用。第二,该网站包含多种不同类必需品的多个品牌,且这些必需品虽然在功能属性上能极大满足消费者的功能需求,同样也包含了享乐体验的属性,这就给消费者预期后悔带来了一定可能性。此外,该网站上产品的价格分布较为广泛,必需品产品类别以及品牌种类齐全,构成了较大的选择集,消费者从较大选择集中进行选择时也更容易产生预期后悔行为。同时,观察重复的搜索会话和购买行为对我们的评估策略至关重要,因为数据的面板维度有助于识别模型参数,证明消费者购买产品并不是随机行为,而是基于搜索成本的可预测行为。

3.2 变量表征说明与数据筛选规则

搜索成本表征:消费者的搜索成本采用消费者在一家大型厨具类在线购物网站所停留的累积时间进行表征。因为本研究最终探索的是搜索成本对于预期后悔的影响机制,所以搜索成本的计算数据为消费者连续搜索行为的累积时间。

预期后悔作为消费者心理活动状态的表征,无法通过行为购买数据进行完全表征。但我们认为消费者真实购买行为数据和其预期后悔行为存在一定关系,其原因在于消费者在经历大量搜索行为后选定心仪产品后存在一定购买可能性,即购买概率。根据在线购物平台的购买行为数据可以得知消费者对于某一搜索产品的购买概率;相比于单次搜索后的购买与不购买的随机性,我们认为多次搜索后没有购买相应的产品是因为消费者在搜索过程中由后悔引发的购买障碍所导致的,因此,可以用消费者购买产品概率来进一步表征消费者预期后悔行为的概率。具体表征形式为:当消费者对同一类型产品形成多次搜索记录时,会产生一定的购买购率,与此相对的是,如果消费者在多次搜索过程中产生预期后悔,那么该消费者就不会产生购买行为。我们认为目标产品的购买概率与其预期后悔概率呈现互斥事件。为了进一步排除其他因素的干扰以及验证该表征结果的可靠性,我们进行了实验前测:通过邀请60 名拥有丰富网购经验的消费者进行小规模分组访谈,先给其讲解预期后悔概念的定义,然后询问消费者单次搜索没有购买以及多次搜索后放弃购买的原因,单次搜索放弃购买原因主要包括:产品价格、外观设计、实用性、无真实购买意向等,而多次搜索同一类型产品却放弃购买的主要原因包括:价格与预期后悔两大类,其中接近90%的消费者认为进行多次搜索的目标就是为了降低其最终购后后悔的可能性,然而在多次搜索后还没有进行相应产品的购买,是因为产生了预期后悔。因此,本研究将不购买概率进一步表征预期后悔较为合理。我们选取消费者对目标产品进行多次搜索后进入付款页面,但在付款前放弃付款主动关闭交易或达到时限未付款自动关闭交易的行为表征预期后悔行为。

为简化估算,我们将重点放在10 种最受欢迎的产品大类上,该在线购物平台这10 种产品大类占平台总销售额的80%以上。对数据进行筛选清洗,最终选择数据包括3000名消费者进行的4000 个搜索会话。所有的消费者中有318人(10.600%)至少购买了两种产品,一些消费者在数据搜集期间购买了多达五种产品。同时,考虑到消费者产品先验知识的异质性,即不同消费者对于不同产品的先前搜索行为是不同的,忽略消费者产品先验知识的异质性将会导致模型对于购买概率的高估。因此,我们对所搜集到的数据进行了二次清洗,用于选取的数据是消费者在数据收集期间对同一产品进行过多次搜索的目标数据。选择该数据的原因有二:第一,当某一产品在数据收集期间只被消费者搜索过一次的话,那么该数据的形式将表现为单一时间点的截面数据,不利于后续面板搜索模型的估计;第二,如前所述,多次搜索数据能够有效表征消费者产品先验知识与信息的异质性,从而在考虑消费者异质性的前提下,有效探究消费者搜索成本对预期后悔行为的影响。经过第二次清洗后的数据包括2441名消费者进行的3187 个搜索会话。由上述分析可知,预期后悔行为可通过消费者购买行为数据进行测定,接下来需要确定消费者在整个搜索过程中所花费的搜索成本及产品购买概率,为此,我们引入搜索模型与购买概率模型,并为了适应面板数据处理对模型进行一定扩展。我们对所搜集的消费者真实在线购物平台数据进行处理:包括数据的基本描述性统计、搜索模型估计结果与模型适配度检验。通过搜集数据对模型的检验,为后续探究搜索成本与预期后悔行为关系做了相应铺垫。最后,通过计算搜索成本,探究搜索成本的变化对消费者预期后悔行为的影响。

3.3 顺序搜索模型框架

假设每个消费者i执行Ti搜索会话,在每次会话中,消费者都会从j个可供选择的产品中选择一个。而消费者i在t时期从产品j得到的效用是消费者特定的产品截距和偏好冲击的总和:

消费者知道产品截距ξij和描述偏好冲击的分布F(ε)ε,但必须通过搜索来学习如何实现偏好冲击εijt,这些偏好冲击在消费者、搜索会话、产品之间服从独立同分布。

根据WEITZMAN[48]的研究,本文假设消费者按顺序搜索,并且每个搜索产品的搜索成本为ci。在这个设定中,最优搜索行为可以用一个简单的阈值规则来描述,为了描述这个原则,定义顾客i从产品j获得的预订效用zij:

预订效用zij是消费者在搜索产品j和确定接收zij之间的有效程度。在最优情况下,消费者按预订效用递减的顺序搜索产品。为了使顺序搜索模型适合于面板数据的估计,将其扩展为面板数据模型。

3.4 面板数据模型框架

与前述一致,假设每个消费者i执行Ti搜索会话,我们将其索引为t=1,…,Ti。在每个搜索部分,消费者可从j个可选产品中选择一个产品。消费者i获得的效用来自搜索会话t中购买产品j,可表示为:

在该表达式中,ij是消费者i对产品j偏好的一个定常截距;pijt①价格使用i 下标进行索引,因为t 表示搜索会话而不是日历时间。表示消费者i会话t中产品j的价格;αi表示价格系数;μijt和τijt是两种不同的偏好冲击;同时服从独立同分布与正太分布,且拥有0 均值及方差。在搜索开始之前,消费者知道δijt的实现和τijt的分布,但必须通过搜索才能了解τijt的实现②这个假设意味着消费者在搜索前会观察价格。这种假设是很自然的,因为在线商店的用户通过浏览显示产品名称、照片和价格的产品列表开始搜索会话。因此,价格在消费者开始搜索过程之前就已经知道了。。且消费者每次搜索一个新产品都会支付一笔搜索成本ci。

面板数据模型与顺序搜索模型的关键区别是搜索前的偏好冲击μijt,在没有这种偏好冲击的情况下,消费者总是会在所有搜索会话中以相同的顺序搜索产品。但实际数据消费者会改变搜索顺序,冲击μijt的引入通过在搜索模型中添加随机性来解决这个问题。

3.4.1 模型限制

上述构建的搜索模型需要对模型的参数和效用施加相应限制。这些限制通常与观察到的选择行为中三个不同部分相关联:搜索顺序、继续或停止搜索的决策以及购买决策。下面对三种类型的限制进行描述。为简化说明,本节中的推导不考虑索引i和t。

(1)搜索顺序

根据顺序搜索模型可知,最优搜索规则是指消费者按预订效用的递减顺序搜索产品。因为冲击τijt在产品之间的分布是相同的,预订效用zj和预搜索效用δijt是以相同顺序方式呈现。因此,观察特定搜索顺序的概率与预搜索效用δijt排序一致的概率相同。

当消费者按π顺序搜索时,预搜索效用的排名必须与此顺序一致:

由于只观察实际搜索产品的搜索顺序,因此数据不会对未搜索产品的效用δk的排名施加任何限制。本文只知道最后搜索产品的预搜索效用,,超过所有未搜索产品的预搜索效用。将不等式(5)简化为式(6):

Sm=/{πk:k≤m}表示搜索选项后未搜索的产品集π1,…,πm。这些不等式列举了参数施加的限制以及通过观察到的搜索顺序π所实现的偏好冲击。

(2)继续或停止搜索决策

当且仅当搜索产品中的最大已实现效用低于未搜索选项中的最大预订效用时,消费者才会继续搜索。如果消费者决定搜索产品πm,说明搜索产品π1,…,πm-1中实现的最大效用必然小于产品πm的预订效用(标记为)。此关系必须适用于除第一个搜索产品之外的所有搜索产品,并且该模型不包含外部选项,消费者总是搜索至少一种产品:

如果消费者在搜索产品M后决定停止搜索,则搜索产品的最大实现效用必须超过所有未搜索产品的预订效用:

(7)和(8)中的不等式捕获了对参数的限制以及通过观察到的继续和停止的决定来实现偏好冲击。

(3)支付决策

在搜索结束后,消费者购买搜索选项中实现效用最高的产品。因此,如果消费者搜索产品S 并购买某一产品y∈S,实现效用必须满足:

本文假设数据包含每个消费者初始的大量搜索会话,且该数据允许完全恢复每个消费者搜索行为和购买决策的联合分布。

3.4.2 搜索成本

本文使用搜索会话的平均持续时间来确定搜索成本。具体来说,搜索产品的预期数量取决于产品截距及搜索成本的降低:

产品预订效用正在降低搜索成本。对于较高的预订效用时,使用者不太可能在搜索过程的每个步骤中继续搜索,因此预期的搜索持续时间会减少。这种单调的关系表明,可以使用搜索会话的预期持续时间来确定搜索成本。

3.4.3 回归模型

首先,在构建回归模型前,对研究变量及其含义进行定义,具体见变量设定及含义解释表2。

表2 测量变量含义Table 2 Meaning of measured variables

在已构建的变量中,因变量、自变量、调节变量与控制变量都涉及时间属性,且数据量级之间存在较大差异,因此对数据处理中对所有变量进行标准化处理,再利用最小二乘法进行回归时就可以得到较为稳健的结果。

综上所述,本研究建立3 个模型。

模型1:产品搜索概率模型

模型2:产品购买概率模型

模型3:预期后悔概率模型

其中,δ0,δ1和δ2为截距项;α11~α13分别为搜索成本、搜索成本二次项以及搜索成本与消费者搜索类型交互作用对产品搜索概率的影响;α21~α23分别为搜索成本、搜索成本二次项以及搜索成本与消费者搜索类型交互作用对产品购买概率的影响;α31~α33分别为搜索成本、搜索成本二次项以及搜索成本与消费者搜索类型交互作用对预期后悔概率的影响;β11~β14、β21~β24、β31~β34分别为控制变量的回归系数;σ1~σ3为残差项。

综上,我们构建了适合面板数据估计的计量模型,该搜索模型不仅包括消费者搜索成本、搜索类型、目标产品价格、类型与目标产品销量以及分享次数,同时包括消费者搜索概率及购买概率模型,且进一步据此构建消费者预期后悔模型,以验证本文的逻辑假设关系。

3.5 参数估计与结果分析

3.5.1 模型数据描述及结果估计

对搜集到的面板数据进行描述性统计,数据描述性统计表3 包括三方面内容:面板A 为消费者搜索行为;面板B 描述了消费者的搜索和购买一致性;面板C 通过产品级别分类报告了价格、搜索分享和购买分享以及相应的重复搜索与重复购买概率。

表3 数据描述性统计Table 3 Descriptive statistics of data

数据描述性统计表3 提供了搜索行为的描述性统计,并提供了重复搜索概率与重复购买概率之间的关系。这里提供重复搜索及重复购买概率的原因在于,单纯的搜索行为与购买行为之间可能存在随机性问题,需要观测重复数据以证明购买行为不存在随机性,且重复搜索与重复购买概率行为因为扩展了面板维度,更有助于模型参数估计。转向搜索行为(见表3 面板A),消费者每个搜索会话的平均搜索次数只有2.043 次。在一次搜索之后,有28.782%的消费者结束搜索会话,在两次搜索之后,有76.176%的消费者结束,剩下的23.824%的消费者在三次或三次以上的搜索之后结束。这一观察结果表明,搜索成本所获得的搜索收益有所限制。此外,每个会话的搜索次数在不同消费者之间有显著差异,表明搜索成本和搜索收益的异质性。这也说明付出搜索成本高,并不一定获得高的搜索收益。

接下来,我们研究了同一消费者在不同搜索会话中搜索和购买行为的一致性(表3 面板B)。消费者倾向于做出一致的决定:47.100%的搜索会话结束于与前一个搜索会话相同的购买。此外,搜索行为也表现出类似的持久性,因为54.300%的第一次搜索是在前一个会话中第一次搜索的产品。购买和搜索行为的一致性表明其重复搜索与重复购买之间的关系可以用于探索单次搜索行为与购买行为之间的关系。

最后,表3 的C 面板给出了产品层面的描述性统计。不同产品的价格相差较大,从22 元到2571 元不等。市场份额也有显著差异,表明存在一定程度的垂直分布。在最后三列中,我们还报告了不同级别产品重复购买和搜索行为的度量。即使是市场份额很小的产品,往往也会被过去已经购买过相同的产品的消费者所购买。例如,最受欢迎的产品(18.212%的市场份额)和最不受欢迎的产品(4.871%的市场份额)的重复购买概率几乎相同:0.622 比0.653。

通过数据描述性统计,我们可以知道:消费者在购买产品时平均的搜索次数超过2 次,大多数消费者倾向于2 次搜索后不再进行搜索而转向进行购买决策行为。此外,消费者在进行搜索与购买行为时存在一致性,即消费者在不同时段搜索同一类别产品时,其搜索行为与购买行为存在相似性。其原因在于消费者对特定产品的属性评估较为固定,且搜索行为与购买行为是消费者长期购物形成的一种购买习惯,并不会因为时间推进而发生显著改变。同时根据面板C 的数据结果可知,消费者搜索和购买行为均匀分布在不同类别产品中,且并不会因为其产品价格或受欢迎程度对消费者搜索及购买行为造成显著偏差性影响。

3.5.2 模型适配度

我们通过将几个关键预测与经验预测进行比较来检验模型t 值。为此,我们将3000 名消费者的样本分为训练样本和保留样本。训练样本包括随机选择的1400 个消费者,其余消费者构成保留样本。我们发现训练样本的参数估计与基于完整样本的参数估计相似。搜索模型的样本外拟合表4报告了对保留样本的模拟预测和经验预测。

表4 搜索模型的样本外拟合Table 4 Out of sample fitting of search model

首先在面板I 和II 中以市场份额和购买行为来评估t,模型对持有数据的预测相当好。同样,模型预测的平均搜索次数与保留样本示例中的实际搜索次数相似。在搜索和购买方面,该模型表现稍差,即购买的一致性被低估了,而搜索的一致性被高估。但这并不影响模型的预测性与估计结果。

3.5.3 回归模型估计结果

将标准化后的数据放入(11)式、(12)式和(13)中进行回归分析,结果可见回归结果见统计表5。

回归结果统计表5 显示,首先,搜索成本正向影响产品的搜索概率,但对购买概率与预期后悔概率不存在线性影响,根据二次项系数分析,搜索成本对于购买概率的二次项系数显著为负,表明搜索成本对购买概率呈现倒“U”型曲线影响;相反,搜索成本对于预期后悔概率的二次项系数显著为正,表明对于预期后悔概率呈现“U”型影响。其次,搜索成本与消费者搜索类型交互作用显著,表明搜索类型会调节搜索成本对搜索概率、购买概率以及预期后悔概率的关系。同时,就预期后悔概率而言,其产品价格、分类、销量及分享次数对其产生影响,但这并不影响搜索成本对预期后悔影响趋势的变化。因此,在分析过程中我们在搜索成本的基础上同时考虑以上因素的干扰,通过回归分析,已得出消费者搜索成本对预期后悔产生“U”型影响,同时表明消费者搜索类型确实会对该关系起调节作用,进一步验证了本文的逻辑假设,为了进一步探讨不同搜索类型的具体调节作用机制,我们进一步将数据进行划分,进行分组分析。

表5 回归结果Table 5 Regression results

3.5.4 搜索类型的调节作用分析

通过上述研究已初步探索搜索成本与预期后悔行为之间关系,并验证了消费者搜索类型在该关系中确实存在调节作用,但不同搜索类型如何影响搜索成本与预期后悔的关系并未指出。因此,为了进一步观察不同搜索类型对于消费者搜索成本与预期后悔关系中的作用,本文将数据分类并单独分析。在线数据分为有理想点搜索和无理想点搜索两类,有理想点搜索是指消费者在搜索开始之前就明确知道自己心仪的产品,在搜索开始时直接选择明确的品牌、价格甚至产品型号;而无理想点搜索是指消费者在搜索开始之前只具有产品类型,对于产品的品牌、型号、价格并没有明确的定位。通过筛选将面板数据分为有理想点搜索和无理想点搜索两类数据集(删除无法界定及不符合这两类搜索类型的数据),为了平衡不同搜索类型的数据样本,本文选定符合两类标准的消费者1500 人,采取有理想点搜索和无理想点搜索消费者各750 人,共计搜索次数2012 次搜索,其中有理想点搜索次数992 次,无理想点搜索次数1020 次。并按照两类数据对应的模型进行相应参数的估计。同时根据二手数据显示,消费者搜索时间小于等于4 分钟时,即只浏览一个网页,其购买概率和浏览两个网页购买概率相差无几,因此这里以4分钟为一个网页搜索的平均时长进行计算,来估计不同搜索时间分组时对应的预期后悔概率。

通过搜索类型对搜索成本与预期后悔行为关系的影响作用表6,可得到参数估计结果。

根据搜索类型对搜索成本与预期后悔行为关系的影响作用表6 可知,消费者采取无理想点搜索时,其搜索时长与预期后悔行为概率同样呈现先减后增趋势(见图1 搜索类型对搜索时长与预期后悔关系的影响),且平均搜索会话时长在16~20 分钟时,其预期后悔行为概率最低,为0.410。当平均搜索会话时长小于18 分钟时,随着搜索时长的增加,消费者预期后悔行为概率逐渐下降,证明消费者所付出的搜索成本可以减少其预期后悔行为发生的概率。当平均搜索会话时长超过18 分钟时,消费者付出的搜索成本越高,反而会增加其预期后悔行为概率。且该“U”型拟合曲线方程为y=0.0195x2-0.1913x+0.9486,拟合优度R2=0.8849,进一步验证对于无理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大呈现“U”型变化;反观有理想点搜索,其搜索时长与预期后悔性关系在初期呈现递减趋势,随着搜索成本的增加,消费者预期后悔行为概率逐渐降低,但在搜索时长超过18 分钟时,搜索时长的再增加对消费者预期后悔行为影响不大。

图1 搜索类型对搜索时长与预期后悔关系的影响Figure 1 The effect of search type on the relationship between search duration and expected regret

表6 搜索类型对搜索成本与预期后悔行为关系的影响作用Table 6 The effect of search type on the relationship between search cost and expected regret behavior

3.6 讨论

研究二通过消费者真实数据,通过回归分析证实搜索成本对于预期后悔行为所呈现的先减后增趋势符合正“U”型曲线,再次验证了假设H1。同时,进一步通过对消费者搜索类型进行分类,发现消费者搜索类型确实会调节搜索成本对消费者预期后悔行为的影响。具体来说,对于无理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大呈现“U”型变化;但对于有理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大不会呈现“U”型变化。究其原因,当消费者在网络购物平台选购商品时,如果采用无理想点搜索,说明消费者没有明确的理想点。没有明确理想点的消费者不知道自己想要什么样的商品,只能通过增加商品浏览数量,来达到了解商品特性。同时,通过增加搜索成本来增强信心,减少预期后悔的产生。然而,当搜索成本过大时,由于没有明确的理想点会耗费其过多的精力,使其出现认知负载,变得犹豫不决进而产生预期后悔。相反,如果采用有理想点搜索,说明消费者拥有明确的理想点。消费者知道自己想要的是什么商品,他可以直接依照事先想好的理想属性条件作为决策依据。因此,假设H2 得证。

然而,研究二还存在诸多不足,第一,消费者不进行购买还可能存在其他影响因素,通过大数据实证研究无法有效排除其他可能因素产生的放弃购买行为。同时,以上研究中搜索成本的计算方式无法排除消费者异质性的影响,例如有的消费者知识丰富,认知闭合需求低,浏览时间很短也会造成预期后悔行为;相反,有的消费者知识匮乏,认知闭合需求高,浏览很长时间也不会产生预期后悔行为。第二,上述研究也无法排除是否存在内生性的问题。因此,我们通过研究三借助消费者眼动行为实验的方法,排除上述研究中存在的不足。通过眼动指标来表征搜索成本,来考量其与预期后悔的因果关系,进一步证明假设H1 和H2。此外,实验刺激物选取上,研究一为价格昂贵的照相机,那针对价格便宜的快消品,假设是否成立了呢?

4 研究三:眼动实验稳健性检验

4.1 研究目的

本研究实验旨在增强研究一和研究二结论的稳健性,并排除研究内生性的干扰。研究采用2(搜索类型:有理想点搜索vs 无理想点搜索)×3(搜索成本:低vs 中vs 高)两因素组间实验。实验选取天津某大学本科生120 人,其中男生56 人(46.667%),女生64 人(53.333%)。所有被试均为自愿参加,且视力或矫正后视力良好,实验结束后给予其一定的报酬。

4.2 实验仪器和刺激物

实验仪器为瑞典Tobii 公司产品研制的TX300 眼动仪。研究三选取厨房清洁剂作为刺激物,选择厨房清洁剂作为最终刺激物的原因有以下三点:第一,由于研究一所选择的为价格较为昂贵的照相机,且照相机相对清洁剂而言,其享乐性体验可能高于其功能性作用。因此,为了平衡研究一中所选产品的特性,在该研究中选了价格相对较低,且功能性更为突出的洗涤剂,当然由于大型厨具在线购物网站专注经营家居生活等相关消耗品,因此该网站的洗洁剂在清净等必须功能属性的基础上,增加了芬芳气味以及多泡等体验属性。所以所选刺激物同样包含了享乐属性,只是相对于研究一中的相机而言,洗洁剂更加强调了功能属性。此外,该网站关于洗洁剂的品类数量更加齐全,消费者选择集可在较大范围内变动,因此无形中增加了预期后悔出现的可能性。并且厨房清洁剂针对学生样本很陌生,可以有效控制购物经验的差异。消费者搜索类型的操纵为,有理想点搜索组为告知被试,您家厨房清洁剂使用完了,您打算购买一款超宝牌厨房清洁剂。而无理想点搜索组为告知被试,您家厨房清洁剂使用完了,您打算购买一款厨房清洁剂。本研究使用网页搜索数量来表征搜索成本,具体操纵参考研究二的结论,低成本组选取网页数量为2,原因在于根据数据显示,消费者搜索时间小于等于4 分钟时,即只浏览一个网页,其购买概率和浏览两个网页购买概率相差无几。由此,采用2 个网页作为低组,有效排除研究二中只有一个网页,带来的由于没有满足消费者多样化需求,可能会导致购买率较低。而中高组分别参考研究二的结论,中组平均时长为18 分钟,即4 个网页,高组平均时长为27 分钟,即7 个网页。同时,我们将整个网页划定为兴趣区,实验指标选取参照贾佳等[49]碳标签视觉复杂和流畅性对吸引力影响研究,选用注视次数和总注视时间等眼动指标。

4.3 实验过程

实验室具有良好的隔音效果和光照条件,适合开展眼动实验。为防止无关人员对被试的干扰,每次只有一名被试参与眼动实验。为使实验效果更佳,研究人员在正式试验前请被试先进行一项练习实验。每次选取一名被试进行施测。被试双眼距离屏幕约60 cm。打开电脑主机并启动眼动仪,选择眼动仪启动程序,选中实验项目(project),实验准备均已就绪。令被试坐好向其告知实验即将开始并询问是否对实验过程仍有不明白的地方,之后开始实验。点击Recording 软件自动出现双眼与屏幕距离检测,微调被试座位使距离检测光标预留在绿色区域(表示眼动仪可以较准确地捕捉被试眼动),之后进行校准、确认、漂移矫正等测试,校准要求被试的视线偏差在x 轴和y 轴均小于0.5 度,校准合格后开始眼动实验。讲被试随机分入有理想点搜索和无理想点搜索两组,有理想点搜索组为告知被试,您家厨房清洁剂使用完了,您打算购买一款超宝牌子的厨房清洁剂。而无理想点搜索组为告知被试,您家厨房清洁剂使用完了,您打算购买一款厨房清洁剂。观看结束后,要求被试填写预期后悔调查问卷,其中预期后悔的测量参考银成钺和于洪彦[8],并根据在线购买情境实际情况做了相应修改,“如果现在购买这款清洁剂,由于我不确定是否符合我的要求,这会使我感到后悔;如果现在购买这款清洁剂,由于犹豫不决哪款更好,这会使我感到后悔;如果现在购买这款清洁剂,将来发现更好的,这会使我感到很后悔”。搜索成本的题项参考Herlocker 等[4]的研究,均采用李克特7 级量表。实验结束后,每名被试均可挑选一个小礼物作为实验报酬。

4.4 数据分析

对搜索成本进行操纵检验发现,相比于浏览低组、中组和高组消费者感知搜索成本均值分别为M低=3.241、M中=4.733 和M高=6.121,单因素ANOVA分析的F(2,118)=17.614,p<0.001。因此,实验操纵成功。

由于消费者具有异质性,有的消费者由于产品知识多等因素,浏览一个网页会较快,导致在相同搜索数量下其搜索成本更少。相反,有的消费者由于产品知识少等因素,浏览一个网页会较慢,导致在相同搜索数量下其搜索成本更多。因此,本研究将眼动实验收集到消费者注视时间和注视次数分别作为自变量,预期后悔问卷数据作为因变量,这样就可以有效排除消费者异质性的影响。举例来说,低搜索成本组的消费者如果其知识较少,搜索时间较长,用眼动指标作为自变量,预期后悔作为因变量进行回归分析,就会自动将上述消费者归类为搜索成本中组进行数据处理。相反,在搜索成本中组内的浏览时间较短的消费者,也会被归类为搜索成本低组进行数据处理。

针对消费者没有明确目标即无理想点搜索组时,通过SPSS20.0 软件,以落入兴趣区注视时间、注视次数平均值分别作为自变量,受众预期后悔作为因变量,进行曲线拟合。无理想点搜索注视时间、注视次数与预期后悔的曲线拟合结果表7 显示,注视时间和注视次数与受众预期后悔的线性拟合结果不显著,而二次曲线拟合结果显著,并且二次曲线拟合结果的拟合度分别为0.880、0.916,可以有效解释受众预期后悔随搜索成本的变化信息。曲线拟合趋势图2 进一步揭示了受众预期后悔随搜索成本变化的拟合曲线趋势(图2a 以注视时间为自变量;图2b 以注视次数为自变量)。

图2 无理想点搜索注视时间、注视次数与预期后悔的曲线拟合结果(注:该图只汇报显著曲线)Figure 2 Curve fitting results of fixation duration,fixation times and expected regret without ideal point search

表7 无理想点搜索注视时间、注视次数与预期后悔的曲线拟合结果Table 7 Curve fitting results of fixation duration,fixation times and expected regret without ideal point search

针对消费者有明确目标即有理想点搜索组时,通过SPSS20.0 软件,以落入兴趣区注视时间、注视次数分别作为自变量,受众预期后悔作为因变量,进行曲线拟合。有理想点搜索注视时间、注视次数与预期后悔的曲线拟合结果表8表明,注视时间和注视次数与受众预期后悔的线性拟合结果不显著,二次曲线拟合结果也不显著。曲线拟合趋势图3 进一步揭示了受众预期后悔随搜索成本变化的拟合曲线趋势(图3a 以注视时间为自变量;图3b 以注视次数为自变量)。

图3 有理想点搜索注视时间、注视次数与预期后悔的曲线拟合趋势Figure 3 Curve fitting trend of fixation duration,fixation times and expected regret

表8 有理想点搜索注视时间、注视次数与预期后悔的曲线拟合结果Table 8 Curve fitting results of fixation duration,fixation times and expected regret

对眼动实验的中介检验显示,参照ZHAO 等[50]及HAYES[51]提出的Bootstrap 中介效应分析程序,样本量选择5000,在95%置信区间下,自变量为搜索成本,因变量为预期后悔程度的数据分析结果表明注视时间和注视次数两个中介作用变量共同发挥的中介作用显著(LLCI=0.757,ULCI=1.125),作用大小为0.931;在两个中介路径中注视次数(LLCI=0.554,ULCI=0.861),作用大小为0.693,注视时间(LLCI=0.913,ULCI=1.163),作用大小为0.864。

4.5 结果讨论

研究三通过眼动实验再次验证了研究一和研究二的结论,同时排除了产品价格因素,消费者异质性和内生性问题的干扰。即使针对价格便宜的快消品,当消费者采用无理想点搜索时,消费者没有明确的理想点,不知道自己想要什么样的商品,需要通过浏览商品来增强决策信心,减少预期后悔行为。但当搜索成本过高,由于没有明确的理想点会耗费其过多的精力和时间,其预期后悔行为将随搜索成本不断增大呈现“U”型变化。然而,当消费者采用有理想点搜索时,由于其含有明确理想点,即使增加了搜索成本,消费者也不会出现认知超负荷,不会产生预期后悔,其预期后悔行为将随搜索成本不断增大不会呈现“U”型变化。

5 结论和贡献

5.1 理论贡献

首先,搜索成本对消费决策起到关键性影响[3],消费者浏览在线购物平台时,搜索的商品数量、商品介绍、口碑留言都会增加其搜索成本[4]。现有关于搜索成本对购买决策的研究存在分歧,一部分研究发现,商家可以通过增加消费者对促销信息的搜索成本来实现价格歧视,从而提升网店利润率和转化率[1]。另一部分研发发现,大量的搜索成本会使消费者耗费过多的时间和精力成本,从而变得缺乏耐心,难以做出最佳选择[5],进一步降低消费者做出决策的动机[6]。可见,搜索成本对消费者决策行为的影响尚未在学界形成共识,这些截然相反的悖论观点表明两者间也许存在更复杂的作用机制。本研究通过引入购买决策前置变量预期后悔,发现在不同强度的搜索成本下,消费者预期后悔U 型曲线波动效应,解释了搜索成本与购买决策存在悖论的主要原因。本研究既整合了现有搜索成本对购买决策的悖论结论,也回答了搜索成本使消费者产生何种情感,导致其做出不同决策的内在机制。

其次,以往关于搜索成本对购后后悔的影响已经展开了大量的探讨[52],由于购后后悔是基于对购买到的产品或服务不满意的前提,搜索成本对购后后悔的研究结论多是线性直线分布形态。即随着搜索成本的增加,消费者自身付出努力的增多,导致其更多的把责任推向厂商,降低对自己的自责和后悔[19]。然而,在电商购买平台中存在着大量的未成交订单或加入购物车后取消付款的现象,电商企业迫切需要了解这一现象背后的心理机制。但目前尚无实证研究从理论的视角加以解释。可见,探索消费者搜索成本如何影响预期后悔行为至关重要。本研究发现搜索成本对预期后悔的影响并非人们通常认为的线性分布形态,而是呈现“U”型结构,即随着搜索成本的增加,预期后悔程度先减后增。因此,本研究不仅从新的视角建立了搜索成本与预期后悔的关系,也是对搜索成本相关研究的重要补充。此外,以往关于预期后悔的研究多是针对动态定价[53]、稀缺[32]、不作为惯性[54]等情境下预期不作为后悔(放弃后悔),而关于预期作为后悔(选择后悔)的研究并不多见。少有关于预期作为后悔的研究并没有给出其内在解释机制。本研究基于认知心理学范例理论和认知负载理论分别详细解读了由不熟悉感引发的反事实思考是导致搜索成本过低引发消费者产生预期作为后悔的原因;和由认知耗竭引发的反事实思考是导致搜索成本过高引发消费者产生预期作为后悔的原因。进一步支持和丰富预期后悔领域消费者行为的研究框架。

最后,以往关于消费者有无明确目标的研究发现,消费者没有形成明确偏好,对产品目标不确定,出现更多延迟选择[44]。Chernev 等[45]提出目标不确定个体的选择超负载效应更严重,延迟选择更多。上述研究只是单独探讨了有无明确目标对消费者决策行为的影响。而本研究将其引入到搜索成本对预期后悔的研究中,在网购平台搜索引擎上,具有不同目标的消费者采取不同搜索类型与搜索成本对预期后悔具有交互作用。具体来说,对于无理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大呈现“U”型变化;但对于有理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大不会呈现“U”型变化。对后续有关消费者目标在营销领域的相关研究有一定的借鉴价值。

在研究方法上,本研究应用二手数据、实验室实验和眼动实验相结合的多元化研究方法,不同研究方法之间相互补充和佐证。具体来说,第一,已有研究多是通过实验室实验探究搜索成本对消费者行为的影响,以此得到的研究结果外部有效性较低,实际应用中容易出现偏差。本研究基于真实购物网站的二手数据,构建了搜索成本对预期后悔影响的计量模型,有效提升了研究的外部效度,同时应用实验室实验和眼动实验排除了计量方法可能存在内生性问题和产品价格的干扰,提高了研究结论的稳健性。第二,本研究分别采用时间和数量两种方式操纵搜索成本,排除了一系列可能的干扰因素。第三,本研究分别采用真实购物网站的消费者进入付款页面而放弃付款,预期后悔量表和眼动指标来表征和测量预期后悔,保证了测量可信性和有效性,对后续有关预期后悔的相关研究具有一定的借鉴价值。

5.2 管理启示

在本研究中,我们发现消费者的预期后悔行为将随着搜索成本增大而先减后增,呈现“U”型变化趋势。然而在面对不同搜索类型时,搜索成本对预期后悔会产生不同的影响。基于此发现,我们为企业尤其是电商企业提升消费者信息搜索效率与降低消费者预期后悔行为提供了行之有效的管理建议。

第一,尽管目前推荐系统已被许多网站所采用,例如国外Amazon 和国内京东和淘宝等。这些通过大数据用户画像得知消费者的偏好,向消费者智能个性化推荐,协助其制定决策[55]。然而,电商企业并不知道推送的时机和策略。根据本研究结论,消费者随着搜索成本增大,预期后悔行为(即放弃购买行为)先减后增,呈现“U”型变化趋势。因此,电商企业应该在消费者登录网站不久就推送个性化推荐,这样可以有效减少由于搜索成本过低导致的预期后悔放弃购买。相反,切不可在消费者浏览很久后再进行个性化推荐,这样会起到适得其反的作用,反而增加消费者的搜索成本,导致消费者产生预期后悔放弃购买。

第二,现在各大电商平台为了帮助卖家提升浏览量,不惜成本的引流,推出了“看了又看”“邻家好货”“淘宝相似”等功能,尽管推出这些功能帮助卖家提升了浏览量,却导致转化率越来越低。试想一下,一位女士经过精挑细选,本来看好一款400 元的衣服,已经进入付款页面,结果她发现并点击淘宝相似的按钮,发现有四千多家店在卖,站在女士的角度看,很可能会点进销量排名靠前的几个店家进去浏览,最终导致认知负载,产生预期后悔最终放弃付款。因此,商家应该尽量弱化和减少这样的引流功能,更需要避免将这些引流功能放在购买付款页面中,以牺牲成交量为代价的引流得不偿失。

第三,在消费者搜索后,电商企业可以通过设置每页默认搜索数量,缩减每一页面上检索出来的商品资讯数量,通过限制数量来减少消费者搜索成本。还可以在消费者浏览15 分钟购物网站后,适当地设置小环节如小游戏等,巧妙的打断消费者搜索行为,利用中断效应[56],抑制其产生认知负载,进而降低预期后悔行为的产生。

第四,本研究还发现消费者搜索类型会调节搜索成本对消费者预期后悔行为的影响:对于采用无理想点搜索的消费者而言,其预期后悔行为将随搜索成本不断增大呈现“U”型变化;但对于有理想点搜索的消费者,其预期后悔行为将随搜索成本不断增大不会呈现“U”型变化。因此,我们建议电商企业可以通过其网站搜索引擎,实现消费者分类,根据具体情况具体实施不同的措施,来达到市场细分。识别出那些在搜索引擎键入有理想点搜索的消费者,给予其更多的推荐,并为其提供引流选项,帮助商家提升浏览量,创造盈利的可能。

5.3 研究不足与展望

本研究的研究结果也存在许多不足之处,因此提出以下建议,作为未来研究的方向。

第一,本研究中搜索成本的测量与操控全部是基于搜索时间或搜索数量来展开的,没有考虑搜索便利性等相关因素。例如,郭燕等[56]认为消费者与信息技术的互动可通过信息搜索成本影响消费者的行为,即搜索便利性因素对搜索成本的偏差影响。具体而言,在本文研究二中搜索成本是用时间所表征的,但忽略了搜索便利性的偏差影响。当搜索时间一致时,其搜索便利性可能导致花费同样搜索时间的消费者所比较的产品数量有所差异,这种数量差异是否会导致消费者预期后悔行为差异有待进一步探究。此外,也没有对产生搜索成本的影响因素进行细化,如品牌形象[40],口碑好坏[19]等,这些均可能会对预期后悔产生影响。

第二,在研究二探讨搜索成本对于预期后悔影响中,对于预期后悔的测量和表现形式使用预期后悔表现形式中的放弃购买或延期购买,而预期后悔还包括冲动购买等其他表现形式在本研究中并未考量,需要在后续研究中进一步扩展细化;且本文关注的是预期作为后悔行为,对于搜索成本对预期不作为后悔行为影响并未探究,未来研究可进一步比较搜索成本对两种预期后悔行为的差异性影响。

第三,本研究仅以消费者搜索类型作为调节变量,但是否存在其他可能影响搜索成本对于消费者预期后悔行为的调节变量,例如,对不同产品类别(搜索产品/体验产品),或对同一产品在不同情形下的购买,消费者的产品涉入程度是不同的。例如,购买电器、3C 产品等大宗商品,消费者的产品涉入程度明显高于牙膏、香皂等产品;对同一种产品的购买,比如化妆品的购买,在作为礼品送给朋友时和供自己使用时,花的时间、投入的精力可能存在很大差别。产品涉入程度越高,消费者在信息搜集、产品评价与选择上的投入和花费的精力也越多。对于产品类别所引发的产品涉入度差异是否会在搜索成本对预期后悔行为关系中产生影响仍有待进一步探索,这也是后续研究的重要方向。

第四,已有研究指出,消费者搜索可遵循顺序或非顺序两种搜索方式[57]。虽然在本文构建的模型中,通过偏好冲击的引入实现了非顺序搜索的随机性,但不排除某些消费者就是按照所搜索到的产品顺序逐一进行搜索,那么随着搜索成本的变动,采取不同搜索顺序所引发的搜索成本差异对预期后悔行为的影响有待进一步探究。

猜你喜欢
预期理想成本
理想之光,照亮前行之路
2021年最新酒驾成本清单
2021款理想ONE
理想
你是我的理想型
温子仁,你还是适合拍小成本
分析师一致预期
分析师一致预期
分析师一致预期
析师一致预期