大数据营销对网络消费粘性影响的实证研究——基于风险感知和价值感知的中介效应

王云霞,段杰鑫

(1.深圳技术大学 商学院，深圳 518118;2.深圳职业技术学院 食品药品学院，深圳 518000)

一、引言

消费是经济增长的重要动力，在经济发展新常态下，消费水平更是反映居民生活质量的重要参数。大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。当前，在聚集性、群体性线下消费受限的情况下，无接触的网络消费正逐步改变人们的消费习惯，并将成为未来主流的消费模式。为此，中国各大网络运营媒体积极布局大数据业务体系，并拥有庞大的网络消费群体，中国强大的数字化生态基础让中国消费者迅速实现消费渠道跃迁，网购渗透率激增，甚至有55%的消费者认为他们会永久增加线上购买食品的比例①。当前，市场需求方的消费结构和消费模式已被颠覆，互联网市场下的供需博弈呼唤数字化赋能经营模式，大数据和人工智能等数据营销技术被广泛应用。网络消费粘性是指网站吸引和保留消费者的能力，从供需来看，大数据营销通过深入挖掘消费者的行为习惯和偏好，使消费者和生产者效益最大化，从而达到消费者和生产者共赢的目标。然而，数字营销以记录消费者的消费行为为前提，数字分析建立在对消费者消费信息过滤和筛选的基础上，在消费者越来越关注消费风险和隐私安全的前提下，过度营销、侵犯隐私权、价格歧视等大数据营销，会在心理上对消费者形成压力，进而导致消费者减少对产品的持续使用性，并降低网络消费粘性。基于此，有学者认为大数据过度营销对消费者存在负面效应[1]，但仅限于理论阐述其负面效应的表现和成因，并没有进一步进行实证研究。然而，企业关注消费者心理、行为以及消费习惯对消费决策的影响，这将促使企业聚焦于顾客网络消费需求与产品性能的异质性，在提升客户购买意向的同时提升客户的网络消费粘性。然而，消费者购买意向是感知风险和感知价值的函数[2]，价值感知体现的是顾客对企业提供的产品或服务所具有价值的主观认知，区别于产品和服务的客观价值。风险感知最初的概念是由哈佛大学的Bauer(1960)从心理学延伸出来的。他认为消费者任何的购买行为，都可能无法确知其预期的结果是否正确，而某些结果可能令消费者不愉快。基于客户价值感知，当企业基于大数据营销来提升客户满意度并进一步增强消费粘性时，客户风险感知是否会给客户带来一定的不确定性，从而导致客户消费粘性反向弱化，以及在同时存在风险感知和价值感知的情况下，大数据营销在多大程度上正向或反向影响消费粘性等问题值得关注。然而，相对于日益广泛的大数据企业营销实践来看，有关大数据营销对网络消费粘性影响的学术研究则不够深入。

基于以上认知，本文尝试从客户感知的角度出发，探索大数据营销如何作用于消费者粘性这一问题，并进一步探讨价值感知和风险感知对消费粘性的影响程度。为此，本文在回顾相关文献的基础上建立研究假设和模型，在获取消费者网络消费行为数据的情况下进行假设检验。通过本研究，将对大数据营销与消费者粘性、消费行为倾向的相关研究提供一定的数据支持和理论补充，这对企业如何科学利用大数据，有效合理的开展营销、提高顾客消费质量具有一定的启发。

二、大数据营销影响网络消费粘性行为的逻辑

迄今为止，学者有关网络消费粘性的相关研究主要集中在以下3个方面：网络消费粘性的形成及转化[3,4-5]；网络消费粘性的影响因素[6-7]；网络消费粘性及网络购物倾向[8]。然而，当数字技术被运用到消费者行为分析中时，基于消费者行为理论，消费者对大数据营销的价值感知和风险感知会作为中间媒介影响网络消费粘性的正负向转化。

从大数据营销影响网络消费粘性的正向转化路径来看，数字经济下的消费者行为分析建立在海量的数据之上，追踪消费者足迹的能力促使营销科学正面临着一场革命，大数据聚集建立起了无数连接异质性消费者的连接点，“连接红利”对消费行为和消费习惯的折射使得消费者的消费路径不再扑朔迷离，[9]将消费记录、消费习惯与数字技术结合的营销决策将会更加精准，产品价值也更加符合消费者的需求和预期，大数据精准营销和不断推送势必会增加消费者持续购买的冲动，进而形成消费者的网络消费粘性，这似乎在一定程度上解释了网络购物为何如此繁荣，这也激发了很多学者对网络消费粘性行为的研究热情。学者对网络消费粘性的关注起源于对客户满意度、客户忠诚度与企业获利能力正逆向关系的研究[10]，通过观察消费者的网络消费行为发现，客户对产品的持续购买行为是企业与客户双向互动的结果，当客户对产品有不断持续的消费满意度时，就会激发客户持续购买产品的动机，企业也会采取行动来提升客户满意度进而刺激客户不断购买，从而导致网络消费粘性的形成。在此过程中，学者发现网络消费粘性在受到产品可使用性、产品性能、企业服务保证[11]等客观因素影响的同时，消费习惯、消费倾向、个人偏好、消费期望、心理等主观因素也会影响网络消费粘性[12-13]。

从大数据营销影响网络消费粘性的负向转化路径来看，当前学者关注消费粘性的动因多从企业角度出发，分析影响消费者作出购买选择的动因及影响消费决策的营销策略，这意味着学者更多关注消费粘性行为的正向转化路径。然而，不可忽视的是，消费粘性行为的产生是消费者在对产品和服务过度关注后的行为和心理转变，消费者对网站信息质量、交互界面、网站效率等价值感知会影响网络消费粘性，[14]然而，消费者感知存在价值感知和风险感知两方面，大数据营销会使消费者的价值感知不断得到强化，但与此同时，大数据营销建立在获取消费者信息的基础上，大数据对消费者的消费行为、习惯的数据加工和精准推送，在给消费者带来便利的同时，也势必会带来隐私侵犯、骚扰式营销、价格歧视等风险感知，[15]而学者对于“消费者是否会基于感知风险的判断而作出降低消费粘性的消费行为”这一问题并没有给出明确的回答。

鉴于此，本文从消费者感知的视角出发，根据大数据营销影响网络消费粘性行为的逻辑框架，将价值感知和风险感知作为连接大数据营销与网络消费粘性的中介变量，在此框架下提出了研究模型和假设。

三、模型构建及研究假设

本研究模型是将消费者价值感知和风险感知作为大数据营销与网络消费粘性的结构模型。Roger Hallowell(1995)认为客户满意度、客户忠诚度与企业获利是双向互动的，当企业针对有需要的客户并能够比竞争对手有效提供服务时，就能使客户在购买更多企业产品和服务的同时，向朋友和其他人推荐，从而使企业获得更高的利润回报。[16]一般来讲，提升企业满意度和客户忠诚度有助于提升消费者对产品和服务价值的感知，大数据营销通过分析消费者预期、消费行为和消费习惯，可以对客户进行个性化和针对性地推送。确切地说，此时的每一个消费者都被作为一个单独市场，消费者的差异化、个性化需求会被企业捕捉，针对消费者心理和动机的精准推送更能满足客户的消费需求，进而提升客户的消费粘性。由此可得到的假设如下：

假设H1：大数据营销对消费者价值感知具有正向影响。

假设H2：大数据营销对网络消费粘性具有正向影响。

在学者大量关注如何运用大数据挖掘消费者潜力，进而研究如何通过数据营销来提升消费者的购买倾向时，学者对大数据营销负面效用的研究则相对较少。然而，大数据营销在创造商业价值的同时，侵犯隐私权、价格歧视等问题也逐渐使消费者意识到了大数据营销的负面效用。[17]此外，大数据具有可共享、可复制、不被独占的特征，在数据挖掘与个人信息保护只存在一线之隔的情况下[18]，如何在数据使用限度和行业立场之间权衡值得学术界关注。大数据精准营销在带给消费者效应最大化的同时，商家的过度隐私挖掘和消费者数据的随意使用，势必会引起消费者对商家消费满意度的下降，进而降低网络消费粘性。因此，消费者在接受大数据营销正面效用的同时，也能明显感受到大数据营销的负面效应。由此可得到的假设如下：

假设H3：大数据营销对消费者风险感知具有显著影响。

网络消费粘性是本文的核心被解释变量，有学者认为网络粘性是在满意度达成基础上的一种心理依赖行为。随着外部环境的变化，人们的消费方式发生了翻天覆地的变化，网络消费者群体规模扩大和消费行为特性也发生了变化。与普通购物相比，网络购物能消除信息的不对称性，消费者能在获取信息服务和销售服务后快速作出消费选择，通过大数据个性化推送，消费者满意度的提升会增加消费者的持续使用意向，进而产生网络消费粘性，感知有用性、心流等因素也均通过持续使用意向这一中介变量而产生网络消费粘性。[19]在网络购物过程中，在消除客服服务、挑选时间、信息不对称等感知价值因素外，物流因素也是影响网络消费粘性的重要因素。由此可得的假设如下：

假设H4：消费者价值感知正向影响网络消费粘性。

网络消费粘性是一种心理依赖行为，消费粘性的正效应有助于用户和企业之间建立忠诚关系从而减少交易成本，过多的网络消费粘性会影响消费者的身心健康和工作效率，甚至形成网瘾。有学者对网络消费粘性转化进行了研究[20]，认为如果存在转化因子，通过对转化因子的控制，可以使网络粘性在量变达到质变之前进行控制，从而推动网络消费方式的健康发展。基于此，学者认为网络消费粘性存在正负向转化，正向转化因素会导致网络消费粘性增强，而负向转化因素则会弱化消费粘性。大数据营销对消费者的心理影响存在价值感知和风险感知两方面，可以认为价值感知是促进网络消费粘性正向转化的因素，而风险感知是网络消费粘性的负向转化因素。基于此，我们得出如下假设：

假设H5：消费者风险感知对网络消费粘性具有负向影响。

消费者行为理论认为消费者的认知、行为和营销策略之间是互动的[21]，虽然大数据营销会促进消费意愿的形成，但是大数据营销对消费者粘性的影响也会存在负面效应[22]。站在消费者的感官、思维等具体真实的感受来强化消费体验，是当前网络营销方式的新选择，大数据营销通过把握客户服务的关键时刻和细节，达到极致的服务体验，并由认知体验转化为实际购买行为。基于此，在理论分析和5个假设推断的基础上，构建大数据营销影响网络消费粘性的模型和框架，考虑消费者价值感知和风险感知下，构建大数据营销影响网络消费粘性的路径模型(见图1)。

图1 研究模型及假设

从图1可知，大数据营销影响网络消费粘性的途径有三：一是大数据营销直接影响网络消费粘性的H2路径，网络消费平台通过大数据技术抓取消费者的消费特征，通过营造互动氛围和环境体验来强化消费体验，从而形成稳定的、具有品牌忠诚度的客户群；二是大数据营销通过影响消费者价值感知进而正向影响网络消费粘性的间接路径，即H1-H4路径；三是大数据营销通过影响消费者的风险感知进而负向影响网络消费粘性的间接路径，即H3-H5路径。在此基础上，大数据营销影响网络消费粘性的显著程度如何，需要进一步检验。

四、实证研究

(一)数据测量及来源

1.研究对象的选取

本文的研究对象是具有网络购物经历的消费者，熟悉网络购物平台且具备一定的网络购物能力。根据2021年中国互联网发展状况统计报告的相关数据显示，20-49岁用户占网民群体的57.1%，且20-29岁用户占网络购物群体的50%以上，呈年轻化趋势，是各个年龄段人群中对网络购物流程最了解、消费频次最高的群体。为此，本次有关网络消费的研究对象主要集中在20-29岁的人群中，主要通过网络调查的形式展开。本次问卷调查共发放问卷400份，采用赵青等人的网络粘性测评研究方法[23],得到有效问卷335份，样本有效率为83.75%。其中男性样本占比42%，女性样本占比58%；专科为41%，本科为56%，研究生为3%，且均有过网购经历。

2.问卷设计

本问卷的问题主要由3部分组成，第一部分是关于大数据营销的相关内容，第二部分关于被访者在网络消费过程中的价值感知、风险感知，第三部分为关于网络消费粘性的内容。题项的设计围绕大数据营销、风险感知、价值感知和网络消费粘性四个变量展开，关于题项和测量量表的变量设定和说明，详细列示于表1。

第一，影响大数据营销通过大数据技术完成精准营销，主要包含潜在用户的发现和用户消费的引导两个方面，通过消费者用户数据的分析发现目标客户和潜在客户，并通过信息推送等方式来达到精准营销的目的。因此，大数据营销通过大数据抓取和分析，以消费者体验为重点，分析消费者行为和消费者偏好，精准推送满足消费者需求的商品，以体验打动消费者，使消费者形成对网站的信任之后，由认知转化为实际的购买行为，[24]进而形成消费者的网络消费粘性。基于此，对大数据营销(BG)的度量设计了BG1-BG5共五个题项。

第二，从风险感知(FG)和价值感知(FV)来看，基于消费者感知理论，大数据营销通过影响消费者感知来间接影响网络消费粘性，且存在正负向转化，即大数据营销影响消费者的价值感知进而正向增强网络消费粘性的间接路径和大数据营销影响消费者的风险感知进而负向弱化网络消费粘性的间接路径。

消费者的风险感知，一方面来源于大数据技术对个人信息的过度挖掘，另一方面在于网络消费更加依赖于网络平台，在线上线下交互式消费体验尚未贯通的情况下，消费者仍会担心产品或服务达不到预期。为此，在参考洪邑萍(2020)[25]有关消费者网购行为的风险因素基础上，对感知价值的测量设计了FR1-FR3三个2题项。

消费者的价值感知，主要考虑感知时间价值和感知服务价值两方面。其主要原因在于，网络消费区别于实体消费的最大优势在于网络购物不受时间和空间的限制，网络消费受移动支付普及率、配送速度、产品质量等因素的影响较大。[26]此外，随着消费者主权地位的提升，强调服务型消费将改变整个网络营销体系[27]，企业通过大数据技术，使网络消费内容不断向服务型消费转变。为此，对感知价值的测量有FTV1-FTV3以及FSV1-FSV2共五个题项。

第三，从网络消费粘性(STIC)来看，大数据营销以消费者体验为重点，通过数据挖掘技术，站在消费者感官、思维等具体真实的感受来营销消费氛围，强化消费体验，从而让消费者建立对品牌的忠诚度，使企业形成稳定的客户群。为此，借鉴Lin(2007)[28]有关消费粘性形成的相关研究，对网络消费粘性的测量有STIC1-STIC4四个题项。

表1 题项和测量量表的变量设定及说明

此外，各题项采用李克特五点量表法，1代表非常不符合，2代表少部分符合，3代表基本符合，4代表大部分符合，5代表非常符合。基于图1的研究假设可知，网络消费粘性是本研究的核心被解释变量，消费者在大数据营销下会存在价值感知和风险感知，从而存在网络消费粘性的正负向转化，而正负向转化的显著性如何，则需要进一步通过统计数据来检验。

(二)数据分析

1.信效度检验及模型拟合优度

为确保模型拟合优度评价和假设检验的有效性，需要采用Cronbach’sα值来检验模型的一致性，且认为当Cronbach’sα值大于0.6时问卷的可信度较高。[29]将问卷中各个潜变量及观测变量的相关数据列示于表2。由表2可知,各变量的Cronbach’sα大于0.61,表明模型的内在质量较好。为进一步检验模型中量表的收敛效度及模型的拟合情况，采用AMOS 23.0模型统计软件对统计数据进行了数据处理和分析,通过建立结构方程模型，构建大数据营销影响网络消费粘性的路径图，详见图2。

图2 大数据营销影响网络消费粘性的路径图

通过大数据营销影响网络消费粘性的路径图，对大数据营销、消费者价值感知、消费者风险感知、网络消费粘性等变量的关系进行检验。为进一步分析各变量的识别度和收敛效果，将变量间的路径系数展示在表2中。

从表2可知,各观测变量的因子载荷在0.6左右,且比较显著,说明各观测变量具有较好的聚合效度,模型的整体判别效度较好。

表2 量表变量聚合效度的检验

对模型的信效度进行验证之后，需要进行模型优化并进一步通过验证性因子分析来测评模型的拟合优度，表3显示了模型的拟合优度结果。整体来看模型的RMSEA值为0.079，NFI、RFI、IFI、TLI、CFI等值在0.8左右，表明模型拟合较为理想。

表3 模型拟合指数

3.假设检验及中介效应的验证

本研究重点分析大数据营销通过价值感知和风险感知影响网络消费粘性的中介效应，为方便分析大数据营销影响网络消费粘性的路径关系和显著性，将模型中各变量的影响路径及模型标准化路径系数的估计值在表4中进行展示。

表4 模型标准化路径系数估计值

由表4可知：第一，对假设H1的检验结果来看，大数据营销对消费者价值感知具有正向影响，大数据营销→消费者价值感知的标准化路径系数为0.634，且P<0.1，假设H1通过了显著性检验。结合因子载荷来看，大数据营销影响价值感知的两个维度，即时间价值感知和服务价值感知的因子载荷均大于0.7，分别为0.714和0.752，感知服务价值大于感知时间价值，其中时间价值感知中三个感知变量的影响系数分别为0.615、0.590和0.325，服务价值感知两个感知变量的影响系数分别为0.615和0.590，且均通过了显著性检验。可以看出，在价值感知中，消费者网上购物更看中网络购物的服务性，快速获取服务信息和享受网络购物中的客服服务将会增强消费者网络购物的价值感知。

第二，大数据营销对网络风险感知具有正向影响，大数据营销→消费者风险感知的标准化路径系数为0.682，P<0.01，假设H3通过了显著性检验。大数据营销在创造商业价值的同时，侵犯隐私权、价格歧视等问题也逐渐使消费者意识到了大数据营销的负面效用。

第三，消费者价值感知→网络消费粘性的标准化路径系数为0.284，P<0.01，假设H4通过了显著性检验。说明消费者价值感知对网络消费粘性有显著正影响，即消费者对网络消费的价值感知越高，则网络消费粘性越高。从用户视角看，网络粘性表明用户面临外部环境和营销策略变化时，不会改变其对网站的使用偏好和持续访问，可以用来形容消费者对网络的依赖程度。[30]因此，大数据营销可以通过影响消费者的时间价值感知和服务价值感知，正向强化消费者的网络消费粘性。

第四，大数据营销的产品推送会影响消费者的风险感知，消费者风险感知→网络消费粘性的标准化路径系数为-0.283，P<0.05，假设H5通过了显著性检验，这意味着当消费者担心网络购物中信息不对称、个人信息泄露以及产品或服务未达预期等因素时，消费者的网络购物粘性会降低，大数据营销是网络消费粘性的负向转化因素。

第五，大数据营销对网络消费粘性具有直接正向效用，大数据营销→网络消费粘性的标准化路径系数为0.666,P<0.01,假设H2通过了检验。

为进一步分析大数据营销对网络消费粘性的影响，将大数据营销对网络消费粘性的效应分解为直接效应、中介效应和总效应。从表5可知，大数据营销影响网络消费粘性的直接效应系数为0.666，大数据技术通过对消费者画像进行刻画，在深入分析消费者需求和消费偏好下，能增强消费者的网络购物体验和节省消费者的网络消费时间，是网络消费粘性的正向转化因素。大数据营销影响价值感知和风险感知的直接效应系数分别为0.634和0.682，价值感知和风险感知影响网络消费粘性的直接效应系数分别为0.284和-0.283，这与前文描述价值感知和风险感知影响网络消费粘性的机理一致，在此不再赘述。值得关注的是，通过价值感知和风险感知，大数据营销影响网络消费粘性的中介效应系数为-0.013，总效应系数为0.653，这意味着风险感知是网络消费粘性的负向影响因素，但并不会转化大数据营销影响网络消费粘性的方向。

表5 大数据营销影响网络消费粘性的直接效应和中介效应

可见，大数据营销通过消费者画像的刻画，个性化精准推送，提供高质量的网络服务和信息服务等方式，确实会提升消费者的网络消费体验和持续使用意向，直接促进网络消费粘性的生成。然而不可忽视的是，大数据营销通过影响消费者价值感知和风险感知，也会间接影响网络消费粘性，但总体来看，在价值感知和风险感知叠加的情况下，大数据营销依然是网络消费粘性的正向转化因素，这给我们带来一定的启示。

五、研究结论及启示

网络消费实现了对实体消费的快速补位，大数据技术与网络消费相结合是对传统商业模式的巨大颠覆。不容置疑，数字技术对提升不同消费者的体验感有优势。然而，数字技术的无界限感和消费者的信息不对称体验，也正被消费者感知。在价值感知和风险感知并存的情况下，大数据营销是否会通过消费者风险感知这一中间媒介来负向影响消费者粘性，值得探究。基于此，本文基于消费者行为理论提出了研究假设，在考虑消费者对大数据营销的价值感知和风险感知的基础上，构建了大数据营销与网络消费粘性的结构方程模型，通过分析大数据营销影响网络消费粘性的直接效应和中介效应，得出的研究结论和带给我们的启示主要有：

从数据分析结论来看，大数据营销与消费者价值感知正相关，路径系数为0.666，大数据营销是消费者价值感知的前置影响因素。消费者价值感知与网络消费粘性正相关，路径系数为0.350，大数据营销作为前置影响因素通过价值感知这一中介变量影响网络消费粘性，验证了大数据营销正向影响网络消费粘性的特征。可见，大数据营销通过“投其所好”的精准营销，可以正向影响消费者的网络消费行为，正向增强网络消费粘性，这一结论解释了厂商营销行为的经济学逻辑，也在一定程度上支持了学者的相关论述。因此，数字营销行为应优先考虑如何提升消费者的价值感知。

在假设模型中，当网络消费者一旦感知到网络消费过程中的个人信息安全、信息不对称等风险因素时，则会削弱消费者持续消费意愿，并负向影响消费者网络粘性。通过数据检验，大数据营销正向影响风险感知的路径系数为0.662，风险感知负向影响网路消费粘性的路径系数为-0.283，且通过了显著性检验。不难得出，当消费者存在风险感知的情况下，消费者会减少网络消费，这与我们的一般认知相符。因此，在个人信息存在风险和信息不对称等感知风险的情况下，从博弈论的角度去理解网络消费行为，消费者决策要么减少网络消费或不消费，要么继续保持正常消费，当大数据营销让消费者感知的消费成本较高时，消费者必然会作出减少网络消费的决策。当前，消费者更加依赖网络消费，然而网络消费并非具有不可替代性，企业在大数据营销的过程中应重视个人信息的保护，减少信息不对称下的价格歧视，这是防止消费者粘性负向转化的重要途径。

在价值感知和风险感知的中间媒介作用下，大数据营销对网络消费粘性的正向促进作用得到了验证，其路径系数为0.666，且通过了显著性检验，说明大数据营销是影响网络消费粘性的重要前置因素。一方面，这为企业研究消费者粘性提供了一个新的视角，在价值感知和风险感知叠加的情况下，企业若要正向增强网络消费粘性，需以提升消费者的感知价值为出发点，在基于数字技术的前提下，变“有什么提供什么”为“消费者需要什么我就做什么”。另一方面，由于大数据营销对网络消费粘性的整体效应依然为正，即当前在消费者风险感知对网络消费粘性还未显著构成负向转化因素的情况下，企业要重视对消费者个人信息的保护，大数据营销也要建立在信息公平的基础上，短视的大数据杀熟行为只会倒逼消费者作出有利于自身消费权益的选择。此外，社会也要加强对数字营销行为的监管和立法，存在法律底线才能确保数字经济的稳定发展。

注释：

①资料来源：麦肯锡《中国消费者报告2021》。