闫俏秀,徐金灿
(1.人民日报社新媒体中心,北京 100733;2.北京大学新媒体研究院,北京 100871)
中国电子商务市场的持续井喷式高速增长极大地满足了消费者的需求,丰富的商品实现了消费者在网购时货比多家的可能。大量的信息在一定程度上是有益的,但海量的信息增加了消费者处理信息的难度,消费者面临着信息超载的问题。目前,人们已经提出了许多不同的方法来解决信息过载的问题,其中包括个性化、信息过滤和推荐代理。目前学界尚未对推荐代理的定义形成统一的说法,综合Xiao等[1]和Wang等[2]关于推荐代理的定义,本文将推荐代理定义为:推荐代理是一种基于消费者的搜索行为来获取其兴趣或偏好,并向消费者推荐其可能感兴趣的产品的一种软件工具,其目的是为了减少消费者信息超载。
尽管现有研究表明平台推荐代理能够帮助消费者减少决策时间、提高决策质量,但还有许多消费者质疑推荐代理的作用。有些消费者认为电子商务中的推荐是企业为吸引用户和获取流量而做的推广,也有消费者认为这是企业发布的一些虚假宣传信息,还有消费者会担心自己的隐私遭泄露[3]。如果消费者在网购时不愿意参考推荐代理的建议,那么电商网站进一步开发推荐代理的意义并不大。因此,对于电商企业而言,想要激发消费者的消费欲望,提高消费者的忠诚度,就必须清楚推荐代理是如何影响消费者的购买意愿的,这便是本文的研究动机。
关于平台推荐代理的研究大部分集中于计算机算法领域,基于用户的协同过滤是推荐系统中经典的推荐算法[4-5]。在营销学中,已有研究从消费者的专业知识、或推荐信息特征等一至两个层面来探讨推荐代理的影响,大多探讨了推荐代理对消费者采纳意愿[6]、购买决策[7]、顾客忠诚度[8]的影响,尚未有研究探讨推荐代理对消费者购买意愿的影响。同时,本文在已有研究的基础上增加了消费者的感知风险、消费者的网购经验以及网购平台特征等变量,还引入信任这一中介变量,试图更加全面深入地分析影响推荐代理对消费者购买意愿的因素。
消费者购买意向被认为是对产品的主观倾向,并且是预测消费者行为的重要指标。在电子商务领域的研究中,信任是影响消费者行为的一个至关重要的中介变量。因此,本研究在探讨平台推荐代理对消费者购买意愿的影响时,也将信任纳入到本文的研究模型中。Mcallister[9]将信任划分为认知信任和情感信任两个维度。认知信任建立在消费者理性评估的基础之上,当人们将可靠的证据作为相信谁的判断标准时,认知信任就会发挥作用[10],这种形式的信任主要来自消费者对推荐代理的认知与了解。与认知信任不同,情感信任是指委托人与受托人之间情感的连接,这并不是来自论证和理解,而来自于感觉和感应[11]。
Komiak等[12]的研究表明,推荐代理中的情感信任完全调节了认知信任对消费者把推荐代理作为委托代理人的采纳意愿,同时它部分调节了认知信任对消费者把推荐代理作为辅助决策工具的采纳意愿。基于此,本研究作出假设:
H1:消费者对推荐代理的认知信任正向影响消费者的购买意愿;
H2:消费者对推荐代理的情感信任正向影响消费者的购买意愿。
由于在任何代理关系中,信息都是不对称的。由于缺乏了解,消费者在使用平台推荐代理时会有不同程度的感知风险。
Swaminathan[13]做了关于感知产品风险对推荐代理影响消费者评估和选择的调节作用的调查,他发现,当消费者对产品风险的看法很高时,推荐代理对决策质量的影响更大。王晓萍等[14]认为,在电子商务环境下,感知风险是信任的前因,感知风险可以直接影响消费者的购买意愿,也可以通过信任间接影响消费者的购买意愿,且该研究认为将感知风险作为信任的前因更加符合中国的国情。基于此,本研究作出假设:
H3:消费者的感知风险负向影响消费者对推荐代理的认知信任;
H4:消费者的感知风险负向影响消费者对推荐代理的情感信任;
H5:消费者的感知风险负向影响消费者的购买意愿。
消费者对平台推荐代理的信任可能会因消费者的网购经验而有所不同。消费者对推荐代理的熟悉度和使用能力被认为与消费者的网购经验有关。Novak等[15]通过评估消费者使用网络搜索信息的能力来测量消费者的网购经验。Yoon等[16]通过测量消费者利用互联网购物和搜索信息的经验来衡量其网购经验。基于此,本研究作出如下假设:
H6:消费者的网购经验正向影响消费者对推荐代理的认知信任。
消费者在使用平台推荐代理时,首先要考虑推荐系统推荐的信息能否满足自己的需求,经过认知加工之后,消费者形成了对推荐代理所推荐信息的准确性和多样性的感知。消费者经过权衡,推荐结果如果能够满足其需求,那么消费者就会对推荐代理更加信任,进而激发其购买意愿。Sean等[17]证明了推荐代理推荐结果的准确性和多样性会正向影响消费者的感知有用性。宋辉[18]研究发现,推荐结果的准确性与消费者对推荐系统感知有用性有显著的正相关关系,而推荐结果多样性与系统感知有用性没有显著正相关关系。基于此,本研究作出假设:
H7:推荐代理信息的准确性正向影响消费者对推荐代理的认知信任;
H8:推荐代理信息的多样性正向影响消费者对推荐代理的情感信任。
有研究认为,网站的特征为消费者对推荐代理的信任提供了重要线索[19]。Xiao等[1]认为推荐代理提供者(即购物网站)的声誉和可信度会影响用户对推荐代理的信任,因为用户可能会将推荐代理提供者的信任或不信任转移到这些网站提供的推荐代理上。消费者对网购平台声誉、可信度的感知会影响消费者对推荐代理的信任。基于此,本研究作出如下假设:
H9:网购平台可信度正向影响消费者对推荐代理的情感信任。
本文将信任作为中介变量,旨在探讨推荐代理对消费者购买意愿的影响。依据现有研究,构建了理论模型(见图1)。在该模型中,自变量包括消费者特征、推荐代理信息的内部特征、推荐代理的外部平台特征即网购平台特征等3个层面的特征。信任是中介变量,并将信任划分为认知信任和情感信任。因变量是消费者的购买意愿。
图1 推荐代理对消费者购买意愿的影响模型
本文首先对收集到的数据从样本人口统计特征、被调查者的网购情况、问卷题项等3个方面进行了描述性统计分析;运用SPSS19.0统计分析软件对本研究所设定的量表进行信度分析与效度分析,展示了数据的可靠性与有效性;最后利用Amos24.0软件进行结构方程模型分析,根据路径分析的结果对提出的研究假设进行检验,并在第一次模型拟合的基础上对原有模型进行了修正,进一步提高了模型的拟合度。
问卷使用的研究量表是在现有文献的基础上进行适当修改而成。
本研究采用问卷调查法进行一手数据的采集,本次调查的对象以在校大学生、研究生为主。正式问卷以网络发放问卷的形式发放及回收,共收到416份问卷。为确保收集到的数据的有效性和真实可使用性,本研究根据每位被调查者答卷的总分整体集中分布情况,剔除总分小于60且总分大于110的问卷,最后得到390份有效问卷,问卷有效率达93.75%。
在390份有效问卷中,女性219人,占总样本的56.2%;男性171人,占总样本的43.8%。性别、年龄、受教育程度、月收入、网购年龄、网购频率、平均网购月花费等方面数据如表1所示。
表1 样本描述性统计分析
本文采用Cronbach’s α系数来检验一组问题选项的一致性。消费者的感知风险、网购经验、推荐信息的准确性、多样性、平台特征、认知信任、情感信任、购买意愿等8个量表的Cronbach’s α系数值都在0.700以上(见表2),这表明各个量表的信度较好。
表2 量表信度分析
效度分析的是数据的有效性,指测量工具是否能真正衡量研究者想要衡量的问题。效度主要包括内容效度和结构效度。
本研究采用Varimax 最大方差法来进行因子分析。在因素的个数上,首先以特征值大于1为因子选择标准。量表的KMO值为0.845,该值大于0.800,Bartlett球体检验的近似卡方值为5 375.559,自由度为276,P值为0.000,达到显著水平。这说明此量表适合做因子分析。
本研究在第一次旋转后的成分矩阵表中各维度题项出现了交叉负荷的情况。经分析发现,提取特征值大于1的因子后,共有7个因子的特征值大于1,第八个因子的初始特征值总计为0.974,第九个因子的初始特征值总计为0.681。由于第八个因子的初始特征值总计非常接近1,初步判断可能是残差造成的。
因此,尝试在旋转方式Varimax 最大方差法不变的情况下,提取8个固定因子。对比前后结果显示,总方差解释力由65.733%提升至 73.293%。提取8个因子后,各维度题项的因子载荷均大于0.46,且未出现交叉负荷的情况,说明该量表能够有效区分出消费者的感知风险、网购经验、推荐信息的准确性、多样性、平台特征、认知信任、情感信任、购买意愿等这8个维度,与本研究一开始的设定维度一致。综上,本文设计的量表具有很好的效度。
本研究利用结构方程模型对本文构建的理论模型进行验证性因子分析。运用最大似然法对研究模型进行拟合,发现总体拟合结果并不十分理想。因此,本研究对现有模型进行了修正。
根据上述第一次模型拟合结果,通过修正指数对理论模型进行修正。产生的修正指标如表3和表4所示。
表3 回归系数
表4 协方差
从表3和表4可以看出,M.I.的值以46.226为最大值。这也就意味着,如果建立认知信任与情感信任、推荐代理信息准确性与情感信任这两条影响路径,卡方值将分别减少46.226,10.943。因此,本文在原有模型的基础上建立这两条新的影响路径。
从表4中可以看出,若对变量进行关联,卡方值均会有所提升。但是结合实际情况,网购经验属于消费者行为范畴、推荐代理信息多样性、平台可信度属于推荐代理平台范畴,两者并没有直接的关联性。因此,本文决定新建立平台可信度与推荐代理信息准确性、平台可信度与推荐代理信息多样性这两对潜变量之间的关联关系。
据第一次模型拟合结果,有关感知风险的影响路径均未得到验证。现有研究认为[20]:感知风险中的产品风险并不会对消费者的认知信任产生影响,而会对消费者的情感信任产生影响。基于此,本文将尝试删除感知风险对认知信任、感知风险对购买意愿这两条影响路径。
综上,修正后的理论模型如图2所示。
图2 修正后结构方程全模型及其输出结果
最终研究模型的各项拟合度指标较好。x2/df=2.970,小于3;RMSEA=0.071,小于可接受的最大值0.080;简约拟合指数PGFI=0.682,大于最小值0.5;且GFI=0.907,NFI=0.901,CFI=0.910,三者均大于最低标准值0.90。数据显示,修正后的理论模型有着更优的解释水平。
根据具体路径系数及其检验结果,本文提出的理论模型共有10条得到验证,另外两条没有被验证。具体的模型假设检验结果如表5所示。
表5 模型假设检验结果
本研究运用AMOS24.0软件对收集到的样本进行验证性因子分析,并在第一次模型拟合的基础上对原有模型进行了修正,从而进一步提高了模型的拟合度、提升了模型的解释水平。验证结果表明,本文提出的8个假设成立,2个假设不成立。分析结果如下:
1)通过建立结构方程模型,本文发现网购经验与消费者对推荐代理的认知信任之间的标准化路径系数为0.008,t值为0.162<2,显著性为0.872>0.05。因此,网购经验正向影响消费者对推荐代理的认知信任这一假设并未得到验证。基于前文文献综述,本文提出消费者的网购经验正向影响消费者对推荐代理的认知信任,然而,这一假设并未得到验证。这可能是由于网购经验丰富的消费者比网购经验少的消费者掌握更多搜索产品的技巧,他们可能更倾向于自己搜索想要的产品而非通过推荐代理。因此,网购经验丰富的消费者并不会对推荐代理产生认知信任,相反,他们更加相信自己搜索的产品。
2)感知风险与消费者对推荐代理的情感信任之间的标准化路径系数为-0.040,t值为-0.864<2,显著性为0.388>0.05。因此,感知风险负向影响消费者对推荐代理的情感信任这一假设并未得到验证。现有研究[14]认为,在电子商务环境下,感知风险是信任的前因,感知风险可以直接影响消费者的购买意愿,也可以通过信任间接影响消费者的购买意愿。基于此,本文提出消费者的感知风险会对消费者对推荐代理的认知信任、情感信任、购买意愿产生负向影响的假设,然而并未得到验证,试着推论其原因,可能与本文调查的局限性有关。本文主要采用滚雪球式的问卷发放形式,被调查者主要为大学生群体,他们接受新鲜事物的能力强,但对风险感知并不强烈。大学生群体在使用推荐代理时可能更加看重推荐代理所推荐的产品的新鲜感,而忽视其可能的风险。因此,本文中关于感知风险的假设未得到验证。
3)本研究发现,推荐代理信息的准确性显著正向影响消费者对推荐代理的认知信任(标准化路径系数为0.471,t值为7.242>2,显著性为0<0.05)、情感信任(标准化路径系数为0.202,t值为3.066>2,显著性为0<0.05)和购买意愿(标准化路径系数为0.305,t值为5.139>2,显著性为0<0.05)。通过对比与推荐代理信息的准确性有关的三条影响路径可以发现,推荐代理信息的准确性对消费者对推荐代理的认知信任影响最大,其次是对消费者的购买意愿,而对消费者对推荐代理的情感信任影响最小。
4)推荐代理信息的多样性与消费者对推荐代理的情感信任之间的标准化路径系数为0.221,t值为3.337>2,显著性为0<0.05。因此,推荐代理信息的多样性正向影响消费者对推荐代理的情感信任这一假设也得到验证。也就是说某个电商平台的推荐代理向消费者推荐的产品越丰富、种类越多,就越会让消费者感觉该网站的推荐代理是可靠的、是值得信赖的。
5)网购平台可信度与消费者对推荐代理的情感信任之间的标准化路径系数为0.224,t值为3.630>2,显著性0<0.05。因此,网购平台的可信度正向影响消费者对推荐代理的情感信任这一假设得到验证。这意味着消费者对某一购物网站的可信度评价越高,即消费者认为该购物网站更值得信赖,那么他们就会在情感上更加相信该购物网站推荐代理的推荐功能。
6)消费者对推荐代理的认知信任正向影响消费者的购买意愿、消费者对推荐代理的情感信任正向影响消费者的购买意愿这两条假设均得到验证。而在模型修正后发现,消费者对推荐代理的认知信任也会正向影响消费者对推荐代理的情感信任,这与现有研究结论[21]相似。此外,本文还发现,认知信任对购买意愿的标准化路径系数为0.299,而情感信任对购买意愿的标准化路径系数为0.402。也就是说,相较于消费者对推荐代理的认知信任,消费者对推荐代理的情感信任对其购买意愿的影响更为显著。
基于前文得出的结论,本文针对电子商务网站提出了三点管理启示。
1)提高平台推荐代理信息的准确性。本文证实了推荐代理信息的准确性正向影响消费者对推荐代理的认知信任、情感信任和购买意愿。因此,建议电子商务网站在优化推荐代理的功能时应将提高推荐代理信息的准确性放在首位,提升推荐代理算法的准确性,精准把握每位消费者的喜好与需求,实现差异化、精准化、个性化的推荐方式。力求做到让消费者认为该推荐代理能够真正帮助他们减少购买决策的时间、提高其购买决策的质量,同时做到让消费者对该推荐代理产生情感上的喜爱与依赖,从而赢得消费者对购物网站推荐代理的认知信任、情感信任,进而激发消费者的购买意愿。
2)增加平台推荐代理信息的多样性。基于前文,平台推荐代理信息的多样性正向影响消费者对推荐代理的情感信任。网购平台中的推荐代理推荐的产品越丰富、种类越多,就越会让消费者感觉该推荐代理是可靠的、是值得信赖的,因此他们会更容易相信该电商平台上的推荐代理。因此,建议电子商务网站应重视提升网购消费者对推荐代理的情感信任,而提升消费者对推荐代理的情感信任需要增加推荐代理信息的多样性。电子商务网站的推荐代理应向消费者推荐内容丰富、种类多样、各具特色的产品,只有获得消费者的青睐,才能让消费者对推荐代理产生情感上的信任。
3)提升电子商务平台的形象。基于上文中的结论,网购平台可信度正向影响消费者对推荐代理的情感信任。也就是说,消费者对某一购物网站的可信度评价越高就会对该购物网站的推荐代理产生更多情感上的喜爱与依赖。同时,消费者对推荐代理的情感信任显著正向影响消费者的购买意愿,可以说,提升网购平台的可信度非常重要。因此,电子商务网站应注重打造自身在消费者心中的形象,通过多种手段、多种形式提高声誉度、知名度,继而提升消费者对电子商务平台的可信度。
本文仍然存在一定的研究局限:抽样方法还有待改进。本文主要采用滚雪球式的抽样方法,被调查者主要为大学生群体,调查对象代表性不足可能会影响研究结果。未来的研究可以进一步提高问卷发放的广度,尽可能覆盖不同年龄层次、不同身份的群体,以期提高研究的准确性与普适性。未来的相关研究可以引入更多角度的变量。消费者对平台推荐代理的信任源自消费者对推荐代理信息特征的判断,因此,推荐代理的信息特征是影响消费者购买意愿的重要变量。目前,本文将推荐代理的信息特征分为信息的准确性和多样性两个维度,未来的研究可以将推荐代理的信息特征进一步细化,并引入产品类别、用户与推荐代理的交互作用等不同视角的变量来进一步完善平台推荐代理对消费者购买意愿的影响模型。