选择集规模对服装网购决策满意度的影响研究

摘要： 针对企业在竞争激烈的环境下不断细分市场推出越来越多产品种类的问题，文章基于选择超负荷理论，以736名网购用户为被试，采用网页开发技术搭建模拟线上购物平台，通过2项实验重点考察了服装网购情景下选择集规模对决策满意度的影响，并探究消费者困惑和调节模式在这一关系中的作用。结果显示：1） 选择集内选项数量与决策满意度的关系呈倒U形结构，且存在一个“最优值”;2） 消费者困惑能够在选择集规模与决策满意度的关系中起部分中介作用;3） 选择集规模对决策满意度的直接预测作用及消费者困惑在两者关系中的中介作用均会收到调节模式的调节。相比运动模式者，评估模式者从大选择集进行决策时决策满意度更低，更容易出现选择超负荷。

关键词： 选择集规模;决策满意度;网络购物;消费者困惑;调节模式

中图分类号： TS941.1

文献标志码： A

文章编号： 10017003（2024）08期数0095起始页码09篇页数

DOI： 10.3969/j.issn.1001-7003.2024.08期数.011（篇序）

收稿日期： 20231226;

修回日期： 20240618

基金项目： 上海高校知识服务平台资助项目（13S107024）;上海市设计学Ⅳ类高峰学科资助项目（DD18005）

作者简介： 梁冠涵（1998），女，硕士研究生，研究方向为服装产业经济及品牌营销管理。通信作者：李敏，教授，fidlimin@dhu.edu.cn。

选择集是指消费者在购买或决策过程中，可供选择的产品或服务的选项集合［1］。在信息技术蓬勃发展、市场全球化及竞争不断升级的当下，消费者需求日益多样，不再满足于单一的产品种类。在此背景下，选择集不仅成为消费者自主决策的基础，也是企业竞争的关键因素。目前，许多学者从不同角度深入研究了选择集［2-4］。从传统经济学的角度，一些研究者认为选择越多越好，大选择集可以让消费者感知到更多的选择自由及满足其多样化的需求［2-3］;而从现代经济心理学的角度，研究者发现过多的选择并不总是能带来理想的购物体验，反而可能将消费者推向选择的困境，这种现象被称为“选择超负荷效应”［4］。

《中国电子商务报告（2022年）》显示，服装鞋帽纺织类产品在网络零售中消费占比第一，达22.6%［5］。与其他产品相比，服装在网购情境下表现出明显差异：首先，服装产品具有多样性，不同消费者的服装需求和风格各具偏好，因此消费者更注重找到与其独特风格和体型相匹配的服装;其次，尺寸问题在购买服装时尤为重要，消费者需要确保所选服装的各部位尺寸合适;此外，服装产品的面料对购物决策起着至关重要的作用，因为面料直接关系到穿着的舒适度和耐用性;最后，由于同一服装类型之间相似性较高，消费者常面临在众多产品中选择最符合期望的服装的难题。这些差异使得消费者在购买服装时的关注点与其他产品领域显著不同，通常在其他产品领域中这些因素不是高优先级考虑点。首先，当前关于选择集的研究大多学者主要集中在传统购物领域，且研究对象多为食品［1，4，6］、文具［7-8］、电子设备［8-9］等，相对较少有学者关注网购服装领域。其次，现有研究大多以直接设置大小两个选择集的方式进行有关选择超负荷的研究，而对选项数量增加到什么程度会导致消费者决策满意度发生变化的问题缺乏深入分析。再者，学者围绕选择超负荷发生的调节变量展开了许多探讨，主要从选项吸引性［10］、时间压力［11］和解释水平［12］等角度进行探查，较少从“个体差异”的角度探讨面对相同规模的选择集时产生的心理机理。另外，目前针对选择超负荷机制的解释主要围绕认知负荷理论［13］、后悔理论［14-15］及期望不确认理论［9］，而消费者困惑作为一个长期受到关注的话题，国外已有近30年相关研究的历程，然而在国内该领域的研究尚处于探索阶段。因此，本文通过构建模拟线上购物平台实证选择集规模与消费者决策满意度之间的关系，探究消费者困惑在其中扮演何种角色及调节模式的作用机制。最终通过对数据的分析和推导，可以为服装企业产品策略和市场营销提供有价值的参考。企业可以通过了解选择超负荷效应的存在和影响，更加关注产品线的管理和优化、提高产品的差异化程度，提供个性化、精简化的选择体验，减少选择的复杂性和模糊性，增加消费者购买的可能性和满意度。

1 研究假设及模型构建

1.1 选择集规模对决策满意度的影响

关于选择集规模对决策满意度的影响，前人的研究存在分歧。在早期的研究中，一些学者认为选择多多益善，即选择集规模越大，消费者的决策满意度越高［16-17］。而另一些学者却持相反观点，认为过多的选择反而给消费者带来负面结果［18］。有研究表明，因增加选择集规模而导致消费者决策满意度降低是一个度的问题［19］，大选择集带来的正向作用（更易找到与偏好相匹配的产品，提高购物乐趣和满意度）和负向作用（耗费更多的认知资源，更易引发消费者困惑）是同时存在的。具体来看，当选择集规模从较小范围开始扩大时，消费者困惑相对较低，选择过程相对轻松。随着选择集规模进一步扩大，消费者的选择余地增加，更容易满足其偏好，决策满意度上升。然而，正向效应并非持续增加，当选择集规模扩大到一定的水平时，根据边际效应递减原理，增加选项带来的效用变小甚至为负［20］，此时消费者感知到选项之间信息特征逐渐趋同，消费者困惑逐步增强，催生消费者的负面情绪体验。由此本文提出假设：

H1：服装产品选择集内选项数量存在一个临界值。在临界值内选项数量的增加会提高消费者的决策满意度，在临界值外选项数量的增加会降低决策满意度。

1.2 消费者困惑在选择超负荷效应中的中介作用

消费者困惑是一种心理不适或行为不确定的主观消费体验，会导致消费者在信息处理过程中出现判断错误或者表现出对产品或服务消费信心不足［21］，主要包括相似困惑（品牌或商品差异模糊）、过载困惑（信息过多导致认知负担）、模糊困惑（真伪难辨）三个维度。过多选择可能使消费者难以做出明智的选择，产生相似、过载和模糊困惑。由此本文提出假设：

H2：选择集规模正向影响消费者困惑。与小选择集相比，个体在大选择集中更容易产生消费者困惑。

关于消费者困惑对决策满意度影响方面，已有研究证明随着消费者困惑程度的提高，不仅会提高其认知困扰和购物疲劳程度，还会降低消费者的信任度、忠诚度及满意度［22］。

由此本文提出假设：

H3：消费者困惑在选择集规模对消费者决策满意度的影响过程中起中介作用。

1.3 调节模式在选择超负荷效应中的调节作用

调节模式作为消费者个体的行为模式导向和个体特征差异，会对决策过程、决策表现等产生一定影响。评估模式和运动模式是两种个体追求目标的方式，评估模式者在面对不同可替代选项时倾向于进行权衡与比较，以寻求最优产品;而运动模式者更注重目标的实现和达成。这些特征意味着调节模式与选择超负荷可能存在某种关系，由此本文提出假设：

H4：选择集规模对决策满意度的直接效应会受到调节模式的调节。与小选择集相比，评估模式者在大选择集中的决策满意度更低;而运动模式者在不同规模选择集中的决策满意度则不存在差异。

H5：选择集规模对消费者困惑的中介效应会受到调节模式的调节。评估模式者在大选择集中的困惑程度更高，可能由于需要进行更多的信息加工和多角度评判的过程，以寻求最优选择。相比之下，运动模式者在不同规模选择集中的困惑程度不存在显著差异。

在研究假设基础上，本文提出选择集规模对决策满意度的理论模型，如图1所示。

2 实验设计

本文采用情景模拟实验，主要通过网页开发技术搭建，基本结构如图2所示。前端使用Vue.js框架，后端使用PHP语言的ThinkPHP框架，并将数据存储在MySQL数据库中。情景模拟实验主要包含辅助测试、操纵、指导语、实验和量表题页面，如图3所示。

2.1 实验刺激材料制作

为了确保实验的可靠性，本文选择具有广泛适用性的不受被试明显偏好或受制于服装尺码、面料等因素的商品。因此，选择仅在属性上有细微差别的基础款衬衫和帆布鞋作为实验刺激材料。通过网络销售平台、品牌官方网站等渠道采用开发者工具中的检查元素，获取32款男女同款的衬衫平铺图、穿着图和细节图，以及32款帆布鞋右视图、45°斜视图和俯视图。同时，为了避免品牌的干扰作用，运用Adobe Photoshop软件对64款服装产品图片的品牌标志及领标进行处理。实验主页面参考淘宝平台产品的陈述和陈列，显示标题、材质和价格三个产品属性。标题字数控制在5～15字，鉴于消费者的价格敏感性将同类产品价格差异设置不超过20%;同时结合成本差异法将衬衫设定为179～199元，帆布鞋设定为349～369元。

2.2 实验设计

实验Ⅰ的目的是考察选择集规模对决策满意度的影响，验证H1。实验ⅠA选取衬衫作为实验刺激物，采用分别包含4、8、12、16、20、24、28、32款衬衫选择集的8组组间设计。组间间隔参考了淘宝平台在移动端每滑动一次页面平均显示4件商品的设计，其中较小规模选择集的选项均来自较大规模选择集中的选项。实验ⅠB旨在通过变换服装产品类型进一步验证H1，选择帆布鞋作为实验刺激物，因其相对衬衫而言，较少受到材质和穿着图的影响。共有789人参与了本次实验，回收有效数据736份（93.28%），其中大学生占比93.48%。实验ⅠA获得有效问卷240份（93.75%），每组30人，其中22.10%为男性，77.90%为女性;实验ⅠB获得有效问卷240份（98.77%），每组30人，其中17.50%为男性，82.50%为女性。

实验Ⅱ的目的是考察消费者困惑在选择集规模影响决策满意度过程中是否产生中介效应及调节模式在选择集规模对消费者困惑及决策满意度影响过程中起调节效应，验证H2～H5。继续使用衬衫作为刺激物，采用Ⅱ（大选择集&小选择集）×消费者困惑×2（运动模式&评估模式）的组间设计。得到有效问卷256份（87.07%），其中14.10%为男性，85.90%为女性。

2.3 实验材料及程序

为检验实验设置的合理性，实验Ⅰ开始前先进行预测试，通过一对一的交谈确保实验的流畅性和准确性。实验Ⅰ开始后，被试通过手机扫描二维码随机分至不同选择集中，先完成辅助测试题目，包含人口统计学信息和网购服装频率问题。若选择无网购频率，则结束实验，反之进入正式实验。被试浏览完所有服装产品后需做出购买决策，紧接着填写数量感知题项和决策满意度量表，决策满意度量表借鉴Mogilner等［23］的设计，共3个题项。选择满意度量表在实验ⅠA（α=0.80）和实验ⅠB（α=0.89）中的信度和效度均通过Cronbach一致性检验标准。

实验Ⅱ主要包含4部分，首先将被试随机分组后先完成辅助测试题目。其次开展情景诱导，借鉴Avnet等［24］所提出的调节模式启动方法，具体操纵通过回忆—书写任务进行。为诱导运动模式，要求被试回忆书写以下类似情境“回想一个你说干就干表现得像一个‘行动者’”等;为诱导评估模式，要求被试回忆书写以下类似情境“你经常对由你自身或他人完成的工作进行点评”等。该方法在以往的研究中已广泛验证［25-26］。接着填写调节模式测量量表，对Kruglanski等［27］编制的调节模式量表请上海外国语学院的专业人员进行英文回译，共包含16个题项，运动模式、评估模式各8个题项。首先，以运动模式得分均值减去评估模式得分均值作为调节模式指标。其次，根据提供的实验刺激材料选择心仪的商品。最后，对在选择过程中体验到的选择集数量感知、消费者困惑及决策满意度方面的主观感受对量表进行填写。消费者困惑量表由Walsh等［28］编制，共12个题项，根据研究现实进行了适当的修改。所有量表均采用7分制打分，1表示非常不符合，7表示非常符合。实验Ⅱ中调节模式量表（α=0.922）、消费者困惑（α=0.96）和决策满意度（α=0.95）的信度和效度均通过Cronbach一致性检验标准。

3 实验结果

根据差异性检验分析已知性别、年龄、学历、职业、收入和网购频率与决策满意度的无显著相关，因而不考虑这些变量的影响。

3.1 决策满意度的变化趋势

首先对实验Ⅰ数据中选择集规模操纵的有效性进行检

验，单因素方差分析结果显示FⅠA=41.96，p<0.01;FⅠB=18.90，p<0.01，因此实验ⅠA和ⅠB的操控均有效。

基于被试在不同规模选择集中决策满意度均值的变化分布，绘制出决策满意度均值与选择集规模之间的关系，如图4（a）（c）所示，可以初步判断决策满意度随选择集规模的变化呈倒U形变化曲线。

为准确判断不同规模选择集对决策满意度的影响变化，本文引入逻辑斯蒂回归模型：

logit（p）=b0+b1x+b2x2（1）

式中：p=prob（yi/x），x为选择集规模，y为决策满意度均值。

若b2小于0，且显著，则可证明y为倒U形曲线。

由图4（b）（d）的回归方程可知，模型拟合度较好（R2ⅠA=0.89，R2ⅠB=0.95），且b2均小于0，而b1均大于0，验证了决策满意度均值随选择集规模的变化呈倒U形曲线，且存在一个极大值，使得决策满意度最高。对回归模型进行一阶求导：

logit（p）xⅠA′=0.340 6-0.023 0xⅠA=0xⅠA≈14.96（2）

logit（p）xⅠB′=0.316 6-0.021 1xⅠB=0xⅠB≈15.24（3）

求导得到服装产品选项数量的选择超负荷临界值为15，临界值为被试决策满意度的最高点。当选择集内的服装产品少于15个时，被试的决策满意度会随选择集内的选项数量的增加而提高;当超过15个时，被试的决策满意度会随着选择集内的选项数量的增加而降低，即H1得到验证。

3.2 选择集规模设定

由于在文献中未发现对“多少选择才算是过多”有明确且统一的操作性定义，为了使研究结果具有可比性和可验证性，实验Ⅱ中自变量（大选择集&小选择集）的选项数量需要在实验Ⅰ探索出的选择超负荷临界值（15）的基础上并借鉴先前的研究经验进行设定。许多研究在选择及规模设定中参考了Iyengar等［4］的方法，如Greifeneder等［8］通过设置6和30两个选择集探讨了选择复杂性和过多选择之间的关系;刘蕾等［1］采用6、12、30个口味的酸奶探讨了选择集规模对消费者多样化寻求行为的影响。他们的研究结果与本研究的设定相呼应，因此本文采用Iyengar等［4］的关于选择集规模的设定，大选择集选项数量为30，小选择集选项数量为6。

3.3 选择集规模与决策满意度的关系：有调节的中介模型检验

首先对实验Ⅱ数据中选择集规模设置的合理性进行检验。数据显示，相比小选择集，大选择集中消费者感知到产品丰富程度更高（M大=5.47>M小=4.07，t=-9.37，p<0.01），因此实验Ⅱ的操控有效。其次对调节模式的启动效果进行检验，以验证实验操作对不同模式下的行为结果产生预期影响的有效性。结果显示，运动模式操控下被试的决策满意度显著高于评估模式组（M=4.61，σ=0.74，t=8.60，p<0.01），评估模式操控下被试的决策满意度显著低于运动模式组（M=3.22，σ=0.97，t=-11.18，p<0.01），与最初的回忆—书写任务设定相吻合，说明调节模式操纵有效。

采用Hayes［29］编制的SPSS宏中的Model 4对消费者困惑在选择集规模与决策满意度之间关系中的中介效应进行检验，如表1所示。选择集规模对决策满意度的负向预测作用显著（B=-0.932，t=-5.031，p<0.01）。且当放入中介变量后，选择集规模对决策满意度的直接预测作用依然显著（B=-0.56，t=-7.74，p<0.01），故选择集规模对消费者困惑的预测作用显著（B=0.72，t=4.65，p<0.01），即H2得到验证。

此外，选择集规模对决策满意度的直接效应及消费者困惑的中介效应在bootstrap95%置信区间的上、下限均不包含0，如表2所示。表明选择集规模不仅能够直接预测决策满意度，而且能够通过消费者困惑的中介作用预测决策满意度。该直接效应（-0.56）和中介效应（-0.38）分别占总效应（-0.93）的59.58%和40.42%，表明消费者困惑与选择集规模对决策满意度的影响中起部分中介作用，即H3得到验证。

采用SPSS宏中的Model 8对有调节的中介模型进行检验，如表3所示。将调节模式放入模型后，选择集规模与调节模式的乘积项对决策满意度及消费者困惑的预测作用均显著（决策满意度：B=0.25，t=2.30，p<0.05;消费者困惑：B=-0.26，t=-3.09，p<0.05）。说明调节模式不仅能够在选择集规模对决策满意度的直接预测中起调节作用，还能够调节选择集规模对消费者困惑的预测作用。

进一步简单斜率分析（图5），对于调节模式在选择集规模与消费者困惑之间关系中的调节作用，低分组（M-1SD）的被试，选择集规模对消费者困惑具有显著的正向预测作用，simple slope=1.04，t=6.26，p<0.01，置信区间不含0;而对于高分组（M+1SD）的被试，预测作用不显著，simple slope=0.31，t=1.89，p=0.06，置信区间包含0。可能因调节模式分值设定导致高分组存在部分评估模式者的影响。对于调节模式在选择集规模与决策满意度关系中的调节作用，低分组（M-1SD）的被试，选择集规模对决策满意度负向预测作用显著，simple slope=-1.18，t=-5.18，p<0.01，置信区间不含0;而对于高分组（M+1SD）的被试，选择集规模对决策满意度负向预测作用较小但显著，simple slope=-0.48，t=-2.24，p<0.1，置信区间不含0。表明随着调节模式从评估模式转向运动模式时，选择集规模对决策满意度的预测作用逐渐减弱。

为进一步探究不同调节模式下消费者困惑和决策满意度的变化，本文将运动模式和评估模式分为两组，并对不同组别下的大小规模选择集进行了独立样本t检验，如表4所示。

在运动模式中，消费者困惑均值为M大=4.08>M小=3.96，决策满意度均值为M大=4.93<M小=5.08。然而，独立样本t检验的结果显示，消费者困惑均值差异在统计上并不显著（t=-0.58，p=0.56），而决策满意度均值差异同样也不显著（t=0.69，p=0.50）。表明在运动模式下，选择集规模对消费者困惑和决策满意度均没有显著影响。

而在评估模式中，消费者困惑均值为M大=6.02>M小=4.69，决策满意度均值为M大=2.92<M小=4.64。通过独立样本t检验得出消费者困惑均值差异在统计上显著（t=-8.87，p<0.01），表明在评估模式下大选择集引发更高的消费者困惑。决策满意度均值差异同样显著（t=7.23，p<0.01），说明评估模式下个体在大选择集中的决策满意度较低。即H4和H5得到验证。

4 讨 论

实验Ⅰ验证了选择集规模对消费者决策满意度影响的双向作用，随着选择集规模的增大，决策满意度呈倒U形结构。但同时需注意的是，本研究中服装产品选择超负荷临界值为15，但并不意味着该值具有普适性。决策满意度受多种因素的影响，可能在不同情境下存在一定差异。

当选择集规模过大时，消费者决策满意度减少的一个原因可能是消费者会在寻找最优选择过程中产生消费者困惑，从而影响消费者的情感体验。换言之，消费者在面临过大的选择集时为了尽快选出最优选项，不断搜索更多的信息，过量的产品信息可能会使消费者在产品信息搜索过程中感到困惑，因此表现出更低的决策满意度。另一个可能的原因是消费者的个体特质往往会表现出不同的社会心理特征，评估模式者在决策过程中会积极地收集目标和行为策略的相关特征，并基于信息对选项进行全面的分析和对比;而运动模式者在进行选择时，更多注重行动性，即结果达成。这些特征表明，在面对大选择集时，评估模式者相比运动模式者更容易产生反事实思维，可能会认为未选中的选项说不定更有吸引力，从而增加选择过程中的冲突和困难，进而导致个体决策满意度下降。因此，本文认为消费者的决策满意度与面临过大选择集时产生困惑的多少及消费者个体特质有关，正如假设H2～H5所分析的，因此设计了实验Ⅱ进一步验证上述分析。

根据实验Ⅱ结果发现消费者困惑发挥部分中介作用，与以往观点一致，即消费者困惑与消极情绪存在负向关系，困惑程度越高，消费者更易产生挫败、失望、怨恨等情绪［30］。虽然网购相较于传统购物具备无时间限制等便利，但过多的选择可能导致消费者心理不安，进而影响情绪和决策能力。

此外，实验Ⅱ还发现调节模式在选择集规模与决策满意度的关系中起调节作用，同时也对“选择集规模—消费者困惑”这一中介链条起调节作用。与评估模式者相比，运动模式者显示出更强的决断力与任务导向性，可以缓解大选择集所带来的消极情绪。

5 结 论

本文以决策满意度为核心指标，探讨了选择超负荷效应在服装网购情境下的影响机制，结论如下：

1） 本文论证了在服装网购情境下决策满意度随选择集内选项数量变化的分布呈倒U形结构，即随着选择集规模的扩大，消费者的决策满意度呈先增后减的趋势。

2） 消费者困惑在选择集规模对决策满意度的影响中发挥部分中介作用，即选择集规模越大，消费者困惑程度增加，导致决策满意度降低。

3） 调节模式作为选择超负荷效应发生的边界条件，不同水平的调节模式下被试的决策满意度存在差异。相比运动模式者，评估模式者更容易出现选择超负荷效应，表现出更低的决策满意度。

4） 通过构建有调节的中介模型进一步显示，调节模式可以部分解释消费者困惑对选择超负荷产生的影响。相比运动模式者，评估模式者在大选择集中进行决策时更容易产生消费者困惑，继而导致其决策满意度降低而出现选择超负荷。

为此，企业应考虑为消费者提供“最优值”的选项数量，对货品矩阵进行优化，也可通过在线上平台引入个性化的筛选和推荐功能，将庞大的选择集分割为更小、更符合消费者偏好的子集。同时，企业为消费者提供比较工具也至关重要，能够帮助消费者评估不同产品的特点、价格和优劣，使决策更具针对性。此外，企业也可考虑在平台页面采用文字、视频等方式激发消费者的运动模式，鼓励消费者专注目标，强调快速决策和愉悦购物，引导消费者进入积极、迅速的决策模式，提高购物体验。

从宏观层面分析，本文为企业战略管理提供有益的参考，帮助企业在不断变化的市场环境中保持竞争优势。但仍需指出，本文中实验是通过模拟网购平台进行的，与真实网购情境存在一定的差异。同时，消费者的决策态度和行为之间可能存在分离现象，因此未来可考虑设计现场实验从态度和行为两个维度进行更深入的验证。

参考文献：

［1］刘蕾， 郑毓煌， 陈瑞. 选择多多益善？选择集大小对消费者多样化寻求的影响［J］. 心理学报， 2015， 47（1）： 66-78.

LIU L， ZHENG Y H， CHEN R. Better with more choices？ Impact of choice set size on variety seeking［J］. Acta Psychologica Sinica， 2015， 47（1）： 66-78.

［2］LEVAV J， ZHU R. Seeking freedom through variety［J］. Journal of Consumer Research， 2009， 36（4）： 600-610.

［3］KIM J， ALLENBY G M， ROSSI P E. Modeling consumer demand for variety［J］. Marketing Science， 2002， 21（3）： 229-250.

［4］IYENGAR S S， LEPPER M R. When choice is demotivating： Can one desire too much of a good thing？［J］. Journal of Personality and Social Psychology， 2000， 79（6）： 995-1006.

［5］中华人民共和国商务部. 中国电子商务报告（2022）［M］. 北京： 中国商务出版社， 2023.

Ministry of Commerce of the People’s Republic of China. China Electronic Commerce Report （2022）［M］. Beijing： China Commerce Publishing House， 2023.

［6］CHERNEV A. When more is less and less is more： The role of ideal point availability and assortment in consumer choice［J］. Journal of Consumer Research， 2003， 30（2）： 170-183.

［7］SHAH A M， WOLFORD G. Buying behavior as a function of parametric variation of number of choices［J］. Psychological Science， 2007， 18（5）： 369-370.

［8］GREIFENEDER R， SCHEIBEHENNE B， KLEBER N. Less may be more when choosing is difficult： Choice complexity and too much choice［J］. Acta Psychologica， 2009， 133（1）： 45-50.

［9］DIEHL K， POYNOR C. Great expectations？ Assortment size， expectations， and satisfaction［J］. Journal of Marketing Research， 2010， 47（2）： 312-322.

［10］CHERNEV A， HAMILTON R. Assortment size and option attractiveness in consumer choice among retailers［J］. Journal of Marketing Research， 2009， 46（3）： 410-420.

［11］HAYNES G A. Testing the boundaries of the choice overload phenomenon： The effect of number of options and time pressure on decision difficulty and satisfaction［J］. Psychology & Marketing， 2009， 26（3）： 204-212.

［12］GOODMAN J K， MALKOC S A. Choosing here and now versus there and later： The moderating role of psychological distance on assortment size preferences［J］. Journal of Consumer Research， 2012， 39（4）： 751-768.

［13］王怀勇， 陈翠萍. 调节模式对选择超载的影响及其机制： 一个有中介的调节模型［J］. 心理科学， 2021， 44（5）： 1057-1063.

WANG H Y， CHEN C P. The effect of regulatory mode on choice overload and its mechanism［J］. Journal of Psychological Science， 2021， 44（5）： 1057-1063.

［14］SAGI A， FRIEDLAND N. The cost of richness： The effect of the size and diversity of decision sets on post-decision regret［J］. Journal of Personality and Social Psychology， 2007， 93（4）： 515-524.

［15］MOURALI M， YANG Z Y， PONS F， et al. Consumer power and choice deferral： The role of anticipated regret［J］. International Journal of Research in Marketing， 2018， 35（1）： 81-99.

［16］BRONIARCZYK S M， GRIFFIN J G. Decision difficulty in the age of consumer empowerment［J］. Journal of Consumer Psychology， 2014， 24（4）： 608-625.

［17］CHERNEV A， BCKENHOLT U， GOODMAN J. Corrigendum to “Choice Overload： A Conceptual Review and Meta-Analysis”［J］. Journal of Consumer Psychology， 2016， 26（2）： 312-312.

［18］CHERNEV A， BCKENHOLT U， GOODMAN J. Commentary on scheibehenne， greifeneder， and todd choice overload： Is there anything to it？［J］. Journal of Consumer Research， 2010， 37（3）： 426-428.

［19］REUTSKAJA E， HOGARTH R M. Satisfaction in choice as a function of the number of alternatives： When “goods satiate”［J］. Psychology & Marketing， 2009， 26（3）： 197-203.

［20］OPPEWAL H， KOELEMEIJER K. More choice is better： Effects of assortment size and composition on assortment evaluation［J］. International Journal of Research in marketing， 2005， 22（1）： 45-60.

［21］KASABOV E. What we know， don’t know， and should know about confusion marketing［J］. European Journal of Marketing， 2015， 49（11/12）： 1777-1808.

［22］WALSH G， HENNIG T T， MITCHELL V W. Consumer confusion proneness： Scale development， validation， and application［J］. Journal of Marketing Management， 2007， 23（7/8）： 697-721.

［23］MOGILNER C， RUDNICK T， IYENGAR S S. The mere categorization effect： How the presence of categories increases choosers’ perceptions of assortment variety and outcome satisfaction［J］. Journal of Consumer Research， 2008， 35（2）： 202-215.

［24］AVNET T， HIGGINS E T. Locomotion， assessment， and regulatory fit： Value transfer from “how” to “what”［J］. Journal of Experimental Social Psychology， 2003， 39（5）： 525-530.

［25］崔楠， 徐岚， 谢雯婷. 做会后悔还是不做会后悔？自我调节模式对不作为惯性的影响［J］. 心理学报， 2016， 48（4）： 423-434.

CUI N， XU L， XIE W T. Which one makes you regret， to do or not to do？ The effect of self-regulatory mode on inaction inertia［J］. Acta Psychologica Sinica， 2016， 48（4）： 423-434.

［26］OREHEK E， MAURO R， KRUGLANSKI A W， et al. Prioritizing association strength versus value： The influence of self-regulatory modes on means evaluation in single goal and multigoal contexts［J］. Journal of Personality and Social Psychology， 2012， 102（1）： 22-31.

［27］KRUGLANSKI A W， THOMPSON E P， HIGGINS E T， et al. To “Do the right thing” or to “Just do it”： Locomotion and assessment as distinct self-regulatory imperatives［J］. Journal of Personality and Social Psychology， 2000， 79（5）： 793-815.

［28］WALSH G， HENNIG-THURAU T， MITCHELL V W. Consumer confusion proneness： Scale development， validation， and application［J］. Journal of Marketing Management， 2007， 23（8）： 697-721.

［29］HAYES A F. PROCESS： A Versatile Computational Tool for Observed Variable Mediation， Moderation， and Conditional Process Modeling［Z］. Lawrence： University of Kansas， 2012.

［30］MOON S J， COSTELLO J P， KOO D M. The impact of consumer confusion from eco-labels on negative WOM， distrust， and dissatisfaction［J］. International Journal of Advertising， 2017， 36（2）： 246-271.

A study on the influence of the size of selection sets on decision satisfaction for online clothing shopping

ZHANG Chi， WANG Xiangrong

LIANG Guanhan1， LI Min1，2

（1.College of Fashion and Design， Donghua University， Shanghai 200051， China; 2.Key Laboratory of Clothing Design and Technology， Ministry of Education， Shanghai 200051， China）

Abstract： Against the backdrop of the rapid development of information technology， globalization of markets and increasing business competition， the range of goods and services and the complexity of decision-making that consumers face when making shopping choices have grown significantly. In particular， the rapid growth of e-commerce and the popularization of online shopping have greatly broadened consumers’ choice space， while at the same time subverting the traditional shopping paradigm， making it possible to shop regardless of time and location.

The accompanying challenge is that along with the dramatic increase in the number of products available， choice overload has gradually become a problem for consumers. The information processing burden brought about by product diversification increases the complexity and time-consuming nature of information screening， comparison and evaluation in the decision-making process. This not only tests consumers’ decision-making ability， but sometimes even leads to increased hesitation and difficulty in decision-making. In the face of seemingly unlimited choices， consumer confusion and anxiety may intensify， which may ultimately cause decision fatigue and decreased decision satisfaction. Therefore， in a digital business environment， deep insights into how consumers make choices in the midst of huge amounts of information and how these choices affect their decision satisfaction are of key importance for research and marketing strategy development.

In view of this， in order to investigate the impact of selection set size on decision satisfaction in an apparel online shopping scenario， as well as the role of consumer confusion and moderation patterns in this relationship， this study was based on choice overload theory， and a simulated online shopping platform was constructed by using web development technology with 736 online shoppers as subjects. First， the choice overload critical values at which consumer decision satisfaction shifts were clarified by using the logistic regression model. In the context of using shirts and canvas shoes as experimental items， when the number of options in the selection set increased to 15， consumer decision satisfaction reached the highest point， revealing a nonlinear relationship between the number of choices and decision satisfaction. This finding provides an empirical basis for defining the boundaries of consumer choice overload and provides a benchmark for variable setting in subsequent experiments.

Further， by designing a controlled experiment and utilizing Model 4 in the SPSS macro， we explored how consumer confusion plays a mediating role in the formation of decision satisfaction under the influence of selection sets of different sizes. The empirical study shows that consumer confusion partially mediates the effect between selection set size on decision satisfaction， revealing the subtle changes in consumers’ mental states and decision-making impact when they deal with huge amounts of information. Based on the mediating effect， this study also focuses on how moderation patterns affect the relationship between consumer confusion and decision satisfaction. By utilizing Model 8 in the SPSS macro， it was revealed that the moderation model plays a significant moderating role in the effects of different selection set sizes on decision satisfaction. In particular， the moderating pattern is especially evident in the assessment model， emphasizing the importance of information processing strategies in the decision-making process.

In summary， this study provides insights into the changes in consumer decision satisfaction under choice overload by combining empirical research with a simulated online shopping environment. This study not only clarifies the mediating role of consumer confusion， but also explores the moderating role of the moderating mode， which provides insights for apparel companies in formulating product line strategies and implementing marketing. Companies are expected to recognize the existence of the choice overload effect and its impact on the consumer decision-making process， and further attention shall be paid to the management and optimization of their product lines as a way to alleviate the complexity and uncertainty of the consumer’s choice， so as to reduce the complexity and uncertainty of consumers’ choices， and to improve their overall satisfaction with the results during and after the choice process. Meanwhile， it has practical significance for optimizing the product display and recommendation mechanism of e-commerce platforms， as well as improving consumers’ shopping experience. This study reinforces the necessity of paying attention to the psychology of consumer decision-making in marketing strategies， and provides a scientific basis for the apparel industry and other retail sectors to manage product lines and improve customer satisfaction in the digital transformation.

Key words： selection set size; decision satisfaction; online shopping; consumer confusion; moderation mode