生鲜农产品电商平台顾客满意度对重购意愿的影响机制
——顾客信任的中介和转换成本的调节作用

2023-11-28 03:49:34杜荣良

安徽农业科学 2023年22期

杜荣良

(无锡城市职业技术学院,江苏无锡 214153)

近几年生鲜电商在我国飞速发展,2022年生鲜电商交易规模达5 601.4亿元,同比增长20.25%,渗透率达10.28%[1]。生鲜电商行业近几年的客户体验也得到了很大的提升,65%的消费者对在线购买生鲜农产品的整个过程感到满意[1]。但与较高的满意度相比,各大生鲜农产品电商平台顾客复购率却很低,这导致各生鲜农产品电商平台不得不在获取新客户上投入巨额资金,但效果却不尽如人意。破解此类“满意度悖论”现象需要明确生鲜农产品电商平台顾客满意度对重购意愿的作用机制。学术界对电商平台顾客重购意愿的研究主要是基于购买决策过程或心理学理论。如齐永智等[2]认为服务质量对重购意愿有积极影响,在这个过程中,顾客体验在这个过程中具有中介作用;田颖[3]提出在线服务场景的氛围影响顾客感知价值,进而影响顾客的满意度和重购意愿。但当前对复购意愿的研究基本上都是将满意度作为结果变量或中间变量,重点研究影响满意度的因素和作用机制,将满意度和重复购买意愿视作因果关系。但生鲜电商行业存在的上述“满意度悖论”现象表明满意度和重复购买意愿之间的作用机制有待进一步丰富和完善。

鉴于此,笔者进行以下研究以丰富生鲜农产品电商平台顾客重购意愿的文献成果。①将顾客满意度作为前置变量,重购意愿作为结果变量,探讨顾客信任在二者之间的中介效应,从而验证关系质量研究文献中提出的 “满意-信任-重购意愿”链是否适用于生鲜农产品电商领域;②将转换成本概念作为调节变量,分析其在满意度和重复购买意愿之间的调节效应;③通过对中介效应和调节效应的分析,进一步明确生鲜电商顾客满意度影响重购意愿的作用机制,丰富相关研究的文献成果。

1 相关理论综述

1.1 满意度悖论在社会生活中有很多悖论,如彭博社(Bloomberg)2019年对5 000名特斯拉车主进行的调研中发现,尽管在产品质量、可靠性和服务等方面的评价远低于行业水平,但车主却对产品有着很高的满意度和黏性。Reichheld在汽车销售市场调研时发现65%～85%对产品感到满意甚至十分满意的客户在下次会购买其他品牌的汽车产品。学术界对此展开研究,Mittal等[4]实证研究证明不同特征的客户在满意度和重购意愿的反应偏差巨大,甚至出现满意度和重购意愿完全不相关的现象。曹忠鹏等[5]提出服务补救悖论现象:企业在服务失败后,及时采取合理的救措施给用户带来的满意度反而高于正常服务带来的满意度,并对这种悖论现象背后的原因和形成机制进行分析,指出企业不能盲目追求完美服务。高博等[6]对“高满意度与低执行度”现象分析后指出目标认知偏差是造成满意度悖论的主要因素。但当前对满意度悖论的研究主要面向传统领域或非生鲜农产品行业,其成果在生鲜农产品电商领域有待进一步检验。

1.2 关系质量模型关系质量是顾客对企业的信任感和对双方买卖关系的满意程度,是关系营销的重要一环,已被大量研究证实对提高客户的忠诚度有重要作用。Hennig-Thurau等[7]认为关系质量是企业与客户之间关系的等级,等级的高低取决于企业满足客户需求的程度,即企业与客户的关系越能满足客户的需求,关系质量就越高。Crosby等[8]为了探讨关系质量的本质以及影响关系质量的因素,构建了关系质量模型,最终得出关系质量是由满意度和顾客信任组成。Roberts等[9]发展了关系质量理论,提出包含信任、满意与情感承诺三要素的关系质量模型。其中信任是中心变量,满意是顾客对过去与企业间的互动效果的整体性评价,会对未来与企业互动的预期和关系的评价产生影响,情感承诺则表示企业愿意继续保持与顾客的买卖(合作)关系。Roberts的关系质量模型描述了顾客重购行为的形成路径——满意-信任-重购,并获得了传统关系营销研究领域的认可。在当前“互联网+”时代,Roberts提出的关系质量模型是否依然适用是值得研究的课题。该研究拟使用该路径,验证其在生鲜电商行业的适用性。

2 研究假设与概念模型

2.1 顾客满意度和重购意愿大量实证研究表明顾客满意度能提高客户与企业间的持续关系或重购意愿。Hellier等[10]使用满意度、服务质量、品牌偏好等7个要素构建了顾客重购模型,提出满意度能显著提升顾客重购意愿以及品牌偏好在其中的调节作用。王财玉[11]指出满意度能对顾客的重购意愿产生积极影响,每次消费后的调整预期在其中起到调节作用。杨强等[12]指出便利的互联网服务能以消费者情绪(满足等)为中介进而影响消费者的重复购买意愿。李佳敏等[13]提出消费者情绪在感知质量和重复购买意愿之间起中介作用,正面情绪(满意等)能促进消费者重购意愿。因此,该研究提出如下假设:

H1:顾客满意度对重购意愿有显著的正向影响。

2.2 顾客满意度和顾客信任当对实际产品或服务质量的感知符合预期,顾客会感到满意;如感知高于预期,可能会感到非常满意。顾客信任和顾客满意度不是同一层次的概念,它们之间不是简单的线性关系。顾客满意度是顾客对产品或企业在价值层面上的衡量,属于感性层面上的概念,而顾客信任则是对于产品或企业的一种信赖和认同,是满意度不断强化的结果,它能使顾客坦然面对少数产品或服务上的失败,属于忠诚度层面的概念。任晚嘉等[14]对消费者购买品牌生鲜猪肉意愿的影响因素进行了实证分析,提出价格信息满意度会影响对猪肉品牌的信任感。Eid[15]通过对沙特东部省份的B2C电子商务客户进行研究发现客户信任受满意度影响。Caceres等[16]提出忠诚度模型,通过研究实证了整体关系满意度在忠诚属性(信任和承诺)形成中的中介作用。因此,提出如下假设:

H2:顾客满意度对顾客信任有显著的正向影响。

2.3 顾客信任和重购意愿顾客信任是顾客满意行为化的一种表现,是顾客在理性分析基础上对产品或企业的肯定和认同,是对企业不管在任何危机情境下都会维护其顾客权益的预期和信赖。顾客信任包含3个层次:认知、情感和行为,伴随情感和行为信赖的就是重购意愿和重购行为。尹侠君等[17]认为消费者满意度不能直接影响其忠诚度,但会对消费者信任产生影响进而影响其对电商平台的忠诚度。Kaveh[18]构建了模型,检验信任、态度、顾客满意度、服务质量在解释顾客重购意愿中的作用,提出顾客信任是影响重购意愿最重要的因素。黄林等[19]基于顾客忠诚理论,研究了信任和满意对消费者忠诚的异质性影响以及信任和满意之间的不确定性关系,发现顾客信任影响消费者对产品的情感忠诚度。因此,提出如下假设:

H3:顾客信任对重购意愿有显著的正向影响。

2.4 转换成本在顾客满意度与复购意愿之间的调节效应转换成本的内涵如前所述,此处不再累述。合理设置转换成本能阻止客户资源的流失,提高企业的效益。虽然转换成本可以分为程序性成本、财务成本和关系成本,但当前学术界在转换成本的相关研究中都是将其视作一个变量不进行细分,且基本都是将其视作调节变量,研究其在顾客忠诚形成机理中的作用。转换成本在满意和忠诚之间的调节作用已被多为学者证实,但研究结论并不一致。以Lam等[20]为代表的早期学者以转换成本为调节变量,构建了客户价值、满意度、忠诚度和转换成本的模型,证实了转换成本在满意度和忠诚度之间具有调节作用。Matos等[21]构建结构方程实证检验转换成本对满意度和忠诚度之间关系的先行、中介和调节作用,检验结果表明转换成本是态度忠诚和行为忠诚的显著前因;在满意度与态度忠诚的关系中,转换成本的中介作用更强;在满意度与行为忠诚的关系中,转换成本的调节作用更强。Evanschitzky等[22]以零售行业为对象,研究了转换成本在满意度和忠诚度之间的调节作用,并进一步发现程序性成本在满意度和忠诚度之间具有线性调节作用,而关系成本在这二者之间的调节作用可能呈现线性负面调节作用,也可能呈现轻微倒“U”形。黄速建等[23]指出转换成本在顾客忠诚形成机理中的作用更多地表现为一种调节效应,对企业而言,可以通过合理地设置各种转换成本来组织顾客脱离企业,防止顾客流失。因此,该研究提出如下假设:

H4:转换成本在顾客满意度与复购意愿之间有显著的调节效应。

综合上述研究假设,该研究提出了以顾客信任为中介变量、转换成本呢为调节变量的生鲜农产品电商平台顾客满意度影响重购意愿的概念模型,如图1所示。

图1 生鲜农产品电商平台顾客满意度影响重购意愿概念模型Fig.1 Conceptual model of customer satisfaction impact on repurchase intention on fresh agricultural product e-commerce platforms

3 研究设计与方法

3.1 量表设计该研究选择近一年内在生鲜农产品电商平台有过重复购买行为的人群为对象,进行了问卷调研。问卷包括两部分:第一部分是个人基本信息;第二部分是研究模型6个潜变量对应的量表题目。通过借鉴国内外权威期刊对各变量量表的成熟设计进行初步编制,并根据生鲜农产品电商平台的特点对个别题目的语境和顺序进行微调。接着邀请互联网营销领域的3位专家对所有量表的适用性和代表性进行了评估,在此基础上对量表进行二次调整。然后,选取40名有生鲜农产品电商平台重购行为的用户进行量表的预调研,根据SPSS软件对预调研数据的分析,删除与总分相关性小于0.4的题目,得到最终的调查问卷。

研究模型中的每个变量使用李克特5级量表进行度量,其中“1”表示“完全不赞同”,“5”表示“完全赞同”。量表对各潜变量对应观察变量的设计借鉴了国内外权威学者的研究成果,并结合生鲜农产品电商行业的特点进行了微调,详见表1[24-28]。

3.2 数据收集与描述性统计分析该研究通过在调研问卷中设置跳转逻辑,确保调研对象为近期在各类生鲜农产品电商平台有过购物行为且近1个月有5次(含)以上生鲜平台购物行为的群体。之所以对调研对象做这样的限制,是基于《2022年中国生鲜电商运行大数据及发展前景研究报告》报告中的数据:生鲜农产品电商平台57.9%的用户购物频率为1～3次/周,20.3%的用户购物频率在3次以上。近1个月5次(含)以上的生鲜平台购物行为的限制保证了调研对象和数据的代表性。

表1 生鲜农产品电商行业顾客满意度对重购意愿影响里克特研究量表Table 1 Rickett research scale on the impact of customer satisfaction in the fresh agricultural products e-commerce industry on repurchase intention

调研问卷通过问卷星平台设计和分发,数据收集持续一个月时间。剔除多题答案相同和填写时间过短等样本后,得到207份有效问卷。其中,男性101人(占48.80%),女性106人(占51.20%);受教育程度方面,高中及以下15人(占7.25%),大学156人(占75.36%),研究生36人(占17.39%);收入方面,3 000元以下5人(占4.83%),>3 000～5 000元63人(占25.60%),>5 000～8 000元142人(占43.48%),>8 000～11 000元31人(占16.91%),>11 000元36人(占9.18%)。人口特征与中国生鲜电商行业统计报告中对人群的描述基本吻合,样本人群具有较强的代表性。

4 数据分析与假设检验

该研究使用偏最小二乘方法(PLS)对模型进行分析。与其他方法相比,PLS优势体现在能处理复杂的结构模型,对样本数据没有严格的正态分布要求且基于小样本也能得出可信的结论。该研究基于SmartPLS3.2软件,按结构方程模型分析的2个步骤进行数据分析和假设检验:第一步进行测量模型检验,检验测量指标是否能反映潜变量的特性;第二步进行结构方程模型检验,通过路径分析对各研究假设进行验证。

4.1 测量模型检验在对结构模型进行分析前,要进行测量模型检验,包括对信度、效度和因子载荷等指标进行检验,以确保测量指标能真实反映潜变量的特征。信度检验的标准是每个变量的Cronbach’sα值和CR值均大于0.7,该研究模型的相关值均在0.7以上,说明量表能真实反映变量的特性,具有较高的信度和内部一致性。效度检验通常检验测量模型的收敛效度和区分效度,根据弗奈尔-拉克准则[29],如果各因子载荷大于0.7、CR大于0.7且AVE大于0.5,则表示量表具有较好的收敛效度;如果AVE 的平方根大于潜变量之间的相关系数,则量表具有较好的区分效度。信度和效度检验结果如表2和表3所示,各检验指标均达到标准,说明量表具有较好的收敛效度和区分效度,能对变量进行有效测量以验证各个研究假设。

表2 信度和收敛效度检验结果Table 2 Reliability and convergence validity test results

表3 AVE平方根及因子相关系数Table 3 AVE square root and factor correlation coefficient

4.2 结构方程模型检验测量模型检验(CFA)的结果表明该研究构建的测量模型具有较好的表征效果,可以进行结构方程模型分析。主要包括共同方法偏差检验、共线性诊断、模型适配度检验和假设检验。

4.2.1共同方法偏差检验。由于该研究量表数据为单一来源,容易受到共同方法方差的影响,造成预测变量与效标变量之间人为的共变,最终影响研究结果的有效性。为了避免这个问题,学术界一般使用赫尔曼单因子要对模型进行共同方法偏差检验。首先,在SPSS软件中通过主成分分析法和最大方差旋转法对所有的量表项进行因子分析,结果显示KMO值为0.903,大于0.8,Bartlett’s球形检验中近似卡方值为5 237.286,df值为136,Sig.值为0.000,说明量表数据适合做因子分析。然后,采用未旋转因子解的主成分分析法进行分析,结果显示析出了5个特征值大于1的因子,其中第一公因子的方差解释百分比为19.433%,小于总方差解释量(72.834%)的40%,说明模型的4个变量不存在共同方法偏差问题,可以对变量之间进行路径分析。

4.2.2模型共线性诊断。共线性(Collinearity)是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。模型中的共线性问题如果不能排除,会导致模型出现解释上的偏差。研究中通常使用VIF(方差膨胀因子)值检测模型的共线性问题,如果每个变量的VIF值小于5,即说明模型没有共线性问题存在。通过SmartPLS提供的PLS算法(Algorithm)对结构模型进行300次迭代次数运算,结果显示测量模型和结构模型每个变量的VIF值均在1.009～1.036之间,远小于5(表3)。所以该研究模型不存在共线性问题,模型构建良好。

4.2.3模型适配度检验。SmartPLS提供6个模型适配度检验指标:SRMR、d_ULS、d_G、Chi2、NFI、RMS-theta,研究领域主要使用其中3个指标:SRMR、NFI和RMS-theta[30]。SRMR(标准化的均方根残差)是用于评估观察的和预期相关矩阵差异的平均大小,属于绝对拟合优度指数,严格标准为小于0.08;NFI(规范适配指数)用1 减去模型的 Chi2值除以空模型的Chi2值,越接近1越好;RMS-theta是平均数平方根残差平方共变异矩阵,只用于评估反映型模型,值越接近0越好,标准为小于0.12。经过PLS算法(Algorithm)运算后,该模型上述指标分别为:SRMR=0.041,NFI=0.823,RMS-theta=0.072,结构方程模型通过适配度检验,可以对其进行假设检验。

4.2.4假设检验。通过SmartPLS提供的自助法(Bootstrapping),将样本设置为5 000,显著性水平设置为0.05,对结构方程模型进行运算,得到各变量间的路径系数。运算后的结果如表4所示,研究假设H1、H2和H3通过验证。

表4 结构模型路径分析及假设检验结果Table 4 Structural model path analysis and hypothesis testing results

接下来对转换成本在顾客满意度对重购意愿中是否起调节作用进行验证。通过SmartPLS中PLS算法运算后得到简单斜率分析,并转化为简单斜率图,如图2所示,结合研究假设H4的路径分析结果(表4),可以确定转换成本在顾客满意度对重购意愿之间具有调节效应。其调节机制描述如下:在低满意度水平下,顾客转换意愿强于重购意愿,虽然随着转移成本的增加,顾客重购意愿有所提升,但效果不明显。相比之下,如果顾客对平台高度满意,则重购意愿随转移成本的增加有明显的提升。由此确定转换成本在顾客满意度对重购意愿中起调节作用,研究假设H4通过验证。

图2 转换成本对顾客满意和重购意愿的调节效应Fig.2 The moderating effect of switching costs on customer satisfaction and repurchase intention

为了进一步明确顾客满意度到重购意愿的作用机制,研究还验证了顾客信任在二者之间的中介效应。在PLS方法中,通过计算间接效应与总效应的比率(VAF)来判断中介效应。根据Hair等[31]的结论,VAF >80% 表示完全中介效应,20%< VAF <80% 表示部分中介效应,VAF< 20% 表示没有中介效应。该模型中,总效应是顾客满意度到重购意愿的路径系数0.326,间接效应等于顾客满意度到顾客信任的路径系数乘以顾客信任到重购意愿的路径系数,即0.381×0.273=0.104,约为总效应的31.90%,即顾客信任在顾客满意度到顾客信任中具有部分中介效应。

5 结论与启示

5.1 研究结论该研究以关系质量模型视角,设计了包含顾客满意度、顾客信任、重购意愿和转换成本4个变量的结构方程模型。通过收集的207份有效问卷数据,对生鲜农产品电商平台影响顾客重复意愿的影响因素和作用机制进行实证研究,得出以下结论:①顾客满意度对重购意愿有显著的正向影响,并且对培养顾客信任也有积极的促进作用。转换成本在顾客满意度到重购意愿之间有调节作用,调节作用的大小和顾客满意程度相关。当顾客满意度处于高水平时,转换成本的提升能起到显著调节效果;当顾客满意度处于低水平时,这种调节效果呈现下降态势。

5.2 管理启示基于上述研究结论,提出以下建议以提升生鲜农产品电商平台顾客的复购意愿。

5.2.1加强生鲜农产品数字品牌建设,提升顾客忠诚度。生鲜农产品电商平台的顾客复购意愿本质上是顾客对某个符号的忠诚度,这个符号可以是企业或生鲜农产品的图形标识、文字符号等,是用来和其他同类产品进行区分的标志,这个标志即数字品牌。我国农业存在生产源头缺乏标准、生产主体小而散、包装与冷链标准不一等问题。标准化是我国农业发展的必然趋势,但必然也是一个缓慢的过程,在这个过程中,品牌化是标准化的替换选项。基于电商平台进行销售的生鲜农产品生产和销售主体更要具有数字化品牌化建设意识,通过提升产品品质和顾客消费体验、借助新媒体丰富产品推广渠道,逐步建立生鲜农产品电商平台和产品的数字化品牌,以提高顾客满意度和忠诚度。