網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果——技術(shù)接受模型視角

楊一翁，王　毅，孫國(guó)輝（1.北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，北京市100144；2.新疆財(cái)經(jīng)大學(xué)新疆企業(yè)發(fā)展研究中心，新疆烏魯木齊80012；.中央財(cái)經(jīng)大學(xué)商學(xué)院，北京市100081）

?

網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果——技術(shù)接受模型視角

楊一翁1、2，王毅3，孫國(guó)輝3
（1.北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，北京市100144；2.新疆財(cái)經(jīng)大學(xué)新疆企業(yè)發(fā)展研究中心，新疆烏魯木齊830012；3.中央財(cái)經(jīng)大學(xué)商學(xué)院，北京市100081）

摘要：消費(fèi)者在網(wǎng)購(gòu)時(shí)面臨“信息超載”難題，而網(wǎng)絡(luò)推薦系統(tǒng)既能幫助消費(fèi)者更加便捷地找到合意商品，也能幫助網(wǎng)商提高銷售額，因而得到了廣泛應(yīng)用。關(guān)于網(wǎng)絡(luò)推薦系統(tǒng)，現(xiàn)有研究主要關(guān)注網(wǎng)絡(luò)推薦系統(tǒng)的算法優(yōu)化，而較少探索網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者網(wǎng)購(gòu)決策的影響。文章基于技術(shù)接受模型，構(gòu)建推薦系統(tǒng)與推薦信息特性對(duì)感知易用性、感知有用性及推薦采納意向的影響模型。以當(dāng)當(dāng)網(wǎng)的消費(fèi)者為樣本收集數(shù)據(jù)，運(yùn)用PLS結(jié)構(gòu)方程模型進(jìn)行數(shù)據(jù)分析發(fā)現(xiàn)，界面設(shè)計(jì)對(duì)感知易用性無(wú)顯著影響；附加功能對(duì)感知易用性有顯著正向影響，對(duì)感知有用性無(wú)顯著影響；推薦數(shù)量對(duì)感知有用性與感知易用性均有顯著正向影響；推薦質(zhì)量對(duì)感知有用性有顯著正向影響；感知易用性對(duì)感知有用性有顯著正向影響，對(duì)推薦采納意向無(wú)顯著影響；感知有用性對(duì)推薦采納意向有顯著正向影響。因此，為更好地提高網(wǎng)絡(luò)營(yíng)銷效果，網(wǎng)商可通過(guò)主動(dòng)向消費(fèi)者解釋推薦原因，主動(dòng)了解消費(fèi)者對(duì)推薦結(jié)果的滿意度，展示推薦商品詳細(xì)信息，來(lái)改善網(wǎng)絡(luò)推薦系統(tǒng)的性能；可通過(guò)推薦合適數(shù)量的商品，展示多樣化的推薦列表，來(lái)降低消費(fèi)者搜索成本，滿足消費(fèi)者多元化需求；可通過(guò)優(yōu)化推薦算法，盡量選擇知名度、美譽(yù)度、感知質(zhì)量高的品牌，適當(dāng)推薦新奇商品，來(lái)改善推薦信息的質(zhì)量；通過(guò)提高感知易用性、感知有用性來(lái)提高推薦采納意向。

關(guān)鍵詞：網(wǎng)絡(luò)購(gòu)物；網(wǎng)絡(luò)推薦系統(tǒng)；技術(shù)接受模型；營(yíng)銷效果

一、引言

近年來(lái)，互聯(lián)網(wǎng)在中國(guó)蓬勃發(fā)展，2015年3月5日，在第十二屆全國(guó)人民代表大會(huì)第三次會(huì)議開(kāi)幕式上，李克強(qiáng)總理在政府工作報(bào)告中提出了“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃。借此東風(fēng)，中國(guó)網(wǎng)絡(luò)購(gòu)物發(fā)展迅猛。根據(jù)艾瑞咨詢的數(shù)據(jù)，2014年中國(guó)網(wǎng)購(gòu)交易額達(dá)2.8萬(wàn)億元，占同期社會(huì)消費(fèi)品零售總額的10.7%。2015年“雙十一”期間，阿里巴巴平臺(tái)24小時(shí)的總成交額高達(dá)912.17億元。網(wǎng)商為消費(fèi)者提供了包羅萬(wàn)象的選擇，在網(wǎng)上幾乎可以買到消費(fèi)者想要的任何商品，如全球最大的綜合網(wǎng)購(gòu)商城——亞馬遜為消費(fèi)者提供了超過(guò)一千萬(wàn)種的商品。在如此龐大的選擇集中，要找到自己合意的商品猶如大海撈針，面對(duì)琳瑯滿目、良莠不齊的商品與相關(guān)信息，消費(fèi)者時(shí)間、精力有限，面臨信息超載難題，網(wǎng)絡(luò)推薦系統(tǒng)（Recommender System）由此應(yīng)運(yùn)而生。

網(wǎng)絡(luò)推薦系統(tǒng)是一種為消費(fèi)者推薦所需商品的信息工具與技術(shù)，[1]既能幫助消費(fèi)者更加便捷地找到合意商品，也能幫助網(wǎng)商提高銷售額，于是在各類購(gòu)物網(wǎng)站得到了廣泛應(yīng)用，并為網(wǎng)商帶來(lái)了豐厚的回報(bào)。根據(jù)199IT數(shù)據(jù)，亞馬遜因網(wǎng)絡(luò)推薦系統(tǒng)每秒賣出的商品達(dá)73件，超過(guò)60%的推薦轉(zhuǎn)化成了消費(fèi)者的購(gòu)買行為；根據(jù)知乎數(shù)據(jù)，網(wǎng)絡(luò)推薦系統(tǒng)對(duì)亞馬遜銷售額的貢獻(xiàn)率超過(guò)30%；根據(jù)比特網(wǎng)統(tǒng)計(jì)，網(wǎng)絡(luò)推薦系統(tǒng)對(duì)當(dāng)當(dāng)網(wǎng)銷售額的貢獻(xiàn)超過(guò)一億元。正如安德森（Anderson）[2]所預(yù)言的那樣：“我們正離開(kāi)信息時(shí)代，而邁入推薦時(shí)代”。

網(wǎng)絡(luò)推薦系統(tǒng)已經(jīng)成為網(wǎng)商開(kāi)展電子商務(wù)的重要工具，消費(fèi)者在網(wǎng)購(gòu)時(shí)也越來(lái)越依賴網(wǎng)絡(luò)推薦系統(tǒng)，網(wǎng)絡(luò)推薦系統(tǒng)在商用與研究領(lǐng)域受到了越來(lái)越多的關(guān)注。有關(guān)網(wǎng)絡(luò)推薦系統(tǒng)的研究始于20世紀(jì)90年代中期，[3]是一個(gè)比較年輕的研究領(lǐng)域。現(xiàn)有研究主要關(guān)注網(wǎng)絡(luò)推薦系統(tǒng)的算法優(yōu)化，而較少?gòu)钠髽I(yè)營(yíng)銷與消費(fèi)者視角來(lái)考慮網(wǎng)絡(luò)推薦系統(tǒng)的應(yīng)用與改進(jìn)。少量研究分別探索了推薦系統(tǒng)與推薦信息特性對(duì)消費(fèi)者對(duì)推薦系統(tǒng)評(píng)價(jià)及推薦采納意向等的影響，但很少有研究在一個(gè)模型中同時(shí)探索推薦系統(tǒng)與推薦信息特性對(duì)消費(fèi)者的營(yíng)銷效果?；诩夹g(shù)接受模型（Technology AcceptanceModel），本文構(gòu)建一個(gè)推薦系統(tǒng)和推薦信息特性對(duì)消費(fèi)者對(duì)推薦系統(tǒng)感知易用性、感知有用性、推薦采納意向的影響模型，以彌補(bǔ)上述研究的缺陷。

二、文獻(xiàn)述評(píng)

（一）網(wǎng)絡(luò)推薦系統(tǒng)

1.網(wǎng)絡(luò)推薦系統(tǒng)的概念、類型和作用

（1）網(wǎng)絡(luò)推薦系統(tǒng)的概念。網(wǎng)絡(luò)推薦系統(tǒng)是一種信息過(guò)濾技術(shù)，它能夠根據(jù)當(dāng)前消費(fèi)者瀏覽、購(gòu)買、評(píng)價(jià)等信息輸入，結(jié)合商品屬性信息，利用系統(tǒng)數(shù)據(jù)庫(kù)中相似消費(fèi)者的歷史數(shù)據(jù)，通過(guò)系統(tǒng)算法對(duì)其選擇進(jìn)行過(guò)濾，為當(dāng)前消費(fèi)者提供推薦建議。[4-6]

（2）網(wǎng)絡(luò)推薦系統(tǒng)的類型。由于工作原理不同，網(wǎng)絡(luò)推薦系統(tǒng)主要可分為兩種：協(xié)同過(guò)濾網(wǎng)絡(luò)推薦系統(tǒng)與基于內(nèi)容的網(wǎng)絡(luò)推薦系統(tǒng)。[7-8]協(xié)同過(guò)濾網(wǎng)絡(luò)推薦系統(tǒng)根據(jù)相似消費(fèi)者的其他偏好行為，為當(dāng)前消費(fèi)者提供推薦建議。其基本假設(shè)是：相似的消費(fèi)者偏愛(ài)相似的商品。其最著名的應(yīng)用就是亞馬遜網(wǎng)站的推薦語(yǔ)：“購(gòu)買此商品的顧客也同時(shí)購(gòu)買……?！被趦?nèi)容的網(wǎng)絡(luò)推薦系統(tǒng)根據(jù)商品間屬性的相似性，為當(dāng)前消費(fèi)者推薦與他們過(guò)去偏好相似的商品。其基本假設(shè)是：相似的商品總能吸引相似的消費(fèi)者。比如，一個(gè)人曾經(jīng)購(gòu)買過(guò)《X戰(zhàn)警3》，則基于內(nèi)容的網(wǎng)絡(luò)推薦系統(tǒng)可能會(huì)為之推薦《X戰(zhàn)警：逆轉(zhuǎn)未來(lái)》（屬性為同一系列）。以上為各類購(gòu)物網(wǎng)站應(yīng)用最廣的兩種網(wǎng)絡(luò)推薦系統(tǒng)，其他類型的推薦系統(tǒng)還有基于知識(shí)的推薦系統(tǒng)、基于效用的推薦系統(tǒng)、基于人口統(tǒng)計(jì)資料的推薦系統(tǒng)以及混合型推薦系統(tǒng)等。[9-10]

（3）網(wǎng)絡(luò)推薦系統(tǒng)的作用。網(wǎng)絡(luò)推薦系統(tǒng)能主動(dòng)了解消費(fèi)者偏好，并結(jié)合商品屬性信息有針對(duì)性地為每位消費(fèi)者提供個(gè)性化推薦，能實(shí)現(xiàn)消費(fèi)者與網(wǎng)商的“雙贏”。對(duì)消費(fèi)者而言，網(wǎng)絡(luò)推薦系統(tǒng)能夠節(jié)省消費(fèi)者信息搜索成本，幫助消費(fèi)者更加便捷地找到合意商品、發(fā)現(xiàn)新奇商品，從而提高消費(fèi)者決策質(zhì)量；[11-13]對(duì)網(wǎng)商而言，網(wǎng)絡(luò)推薦系統(tǒng)能夠幫助網(wǎng)商低成本地實(shí)現(xiàn)個(gè)性化、提高銷售額、銷售更多種類的商品、了解消費(fèi)者偏好，進(jìn)而提高消費(fèi)者滿意度與忠誠(chéng)度。[14-15]

2.網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果

現(xiàn)有研究主要關(guān)注網(wǎng)絡(luò)推薦系統(tǒng)的算法優(yōu)化，而較少?gòu)南M(fèi)者視角來(lái)考慮網(wǎng)絡(luò)推薦系統(tǒng)的應(yīng)用與改進(jìn)。到底哪些因素會(huì)影響網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果呢？主要包括兩個(gè)方面：網(wǎng)絡(luò)推薦系統(tǒng)本身的特性以及網(wǎng)絡(luò)推薦系統(tǒng)給出的推薦信息特性。

（1）推薦系統(tǒng)特性。網(wǎng)絡(luò)推薦系統(tǒng)本身的特性影響其對(duì)消費(fèi)者的營(yíng)銷效果，網(wǎng)絡(luò)推薦系統(tǒng)主要具有以下兩個(gè)方面的特性：

1）界面設(shè)計(jì)。消費(fèi)者認(rèn)為，界面設(shè)計(jì)清晰的網(wǎng)絡(luò)推薦系統(tǒng)更容易使用，更有用，讓人感到更滿意。[16]一些推薦系統(tǒng)在展示推薦商品列表時(shí)，會(huì)按照特定商品屬性及其重要性對(duì)推薦商品進(jìn)行排序，在推薦界面中設(shè)計(jì)排序功能可提高消費(fèi)者的操控感、信任度、[17]滿意度。[18]

2）附加功能。一些網(wǎng)絡(luò)推薦系統(tǒng)除展示推薦商品外，還提供一些附加功能，如進(jìn)行推薦原因解釋、與消費(fèi)者互動(dòng)、展示推薦商品詳細(xì)信息等。

推薦原因解釋：一些網(wǎng)絡(luò)推薦系統(tǒng)會(huì)對(duì)推薦原因加以解釋，如“我們提供這個(gè)推薦是因?yàn)槟奄?gòu)買……”。推薦原因解釋能夠提高推薦的透明度，提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的信任度與滿意度，[19]進(jìn)而提高其推薦采納意向。[20-22]

與消費(fèi)者互動(dòng)：當(dāng)消費(fèi)者對(duì)推薦結(jié)果不滿意時(shí)，一些網(wǎng)絡(luò)推薦系統(tǒng)允許消費(fèi)者隨時(shí)修改其偏好，并根據(jù)消費(fèi)者修改動(dòng)態(tài)調(diào)整推薦結(jié)果。消費(fèi)者對(duì)具備類似互動(dòng)功能的網(wǎng)絡(luò)推薦系統(tǒng)評(píng)價(jià)更高。[23]一些網(wǎng)絡(luò)推薦系統(tǒng)可為消費(fèi)者提供控制自己偏好設(shè)置與個(gè)人信息等的權(quán)限。增加互動(dòng)控制權(quán)會(huì)提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的信任度、滿意度、[24]感知有用性。[25]

展示推薦商品的詳細(xì)信息：一些網(wǎng)絡(luò)推薦系統(tǒng)在展示推薦商品時(shí)，會(huì)展示其詳細(xì)信息，如用戶評(píng)分、評(píng)論數(shù)量、預(yù)測(cè)偏好分值等，展示推薦商品的詳細(xì)信息能夠提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的信任度、感知有用性和滿意度。[26-27]

（2）推薦信息特性。消費(fèi)者直接接觸到的推薦服務(wù)是一條條的推薦信息，因此推薦信息的特性影響網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果。推薦信息主要具有以下兩個(gè)方面的特性：

1）推薦數(shù)量。為刺激消費(fèi)者進(jìn)行更多購(gòu)買以提高銷售額，網(wǎng)商總是想方設(shè)法向消費(fèi)者推薦盡可能多的商品。當(dāng)推薦列表中有多件推薦商品時(shí)，單件商品推薦的高準(zhǔn)確性不一定能夠提高消費(fèi)者的整體滿意度，[28]還要考慮所推薦產(chǎn)品與品牌的數(shù)量能否滿足消費(fèi)者的需求。不過(guò)，推薦數(shù)量并非越多越好，因?yàn)橥扑]商品過(guò)多會(huì)增加消費(fèi)者的信息搜索成本與認(rèn)知努力，降低其決策質(zhì)量，導(dǎo)致其對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的評(píng)價(jià)降低。[29-30]因此，適中的推薦數(shù)量可能對(duì)消費(fèi)者的營(yíng)銷效果更好。

2）推薦信息質(zhì)量。推薦信息質(zhì)量主要包括準(zhǔn)確性、新穎性兩個(gè)方面。準(zhǔn)確性指網(wǎng)絡(luò)推薦系統(tǒng)所推薦的產(chǎn)品和品牌是否與消費(fèi)者的偏好相匹配。[31]準(zhǔn)確性影響感知信息質(zhì)量，[32]消費(fèi)者更喜歡，[33]也更信任準(zhǔn)確性高的推薦信息。[34-35]新穎性指網(wǎng)絡(luò)推薦系統(tǒng)能夠?yàn)橄M(fèi)者推薦其之前未曾聽(tīng)說(shuō)過(guò)的商品。[36]向消費(fèi)者推薦熱門(mén)商品，能夠降低消費(fèi)者的購(gòu)買風(fēng)險(xiǎn)，但也有可能讓消費(fèi)者感到厭倦，因?yàn)橄M(fèi)者要么已經(jīng)購(gòu)買過(guò)熱門(mén)商品，要么已經(jīng)熟知熱門(mén)商品，因而推薦信息的新穎性就顯得更加重要了。[37]當(dāng)消費(fèi)者對(duì)已經(jīng)熟知的推薦感到厭倦時(shí)，新穎的推薦信息能夠改善消費(fèi)者再購(gòu)買的態(tài)度，并提高其再購(gòu)買的意向。[38]

（二）技術(shù)接受模型

戴維斯（Davis）[39]將理性行為理論[40]與計(jì)劃行為理論[41]應(yīng)用于信息技術(shù)接受研究，提出了技術(shù)接受模型（TAM）。技術(shù)接受模型認(rèn)為，用戶對(duì)新技術(shù)的使用取決于感知有用性、感知易用性兩個(gè)變量。其中，感知有用性指，用戶主觀上認(rèn)為使用某項(xiàng)技術(shù)能夠提升其工作績(jī)效的程度；感知易用性指，用戶主觀上認(rèn)為使用某項(xiàng)技術(shù)所需付出的努力程度。感知有用性與感知易用性共同影響用戶對(duì)新技術(shù)的使用意向，進(jìn)而影響用戶的實(shí)際使用行為（見(jiàn)圖1）。

技術(shù)接受模型在眾多研究領(lǐng)域得到了廣泛應(yīng)用與驗(yàn)證。在營(yíng)銷領(lǐng)域，技術(shù)接受模型也被應(yīng)用到了移動(dòng)購(gòu)物、[42]在線評(píng)論、[43]網(wǎng)絡(luò)購(gòu)物[44]等方面的研究中。而具體到網(wǎng)絡(luò)購(gòu)物環(huán)境下的網(wǎng)絡(luò)推薦系統(tǒng)，較少有研究基于技術(shù)接受模型探索網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果。有研究曾進(jìn)行嘗試，發(fā)現(xiàn)消費(fèi)者對(duì)推薦系統(tǒng)的感知易用性影響感知有用性與其對(duì)推薦系統(tǒng)的信任，信任影響感知有用性，進(jìn)而影響消費(fèi)者對(duì)推薦的采納意向。[45]但該研究并未探索感知易用性和感知有用性的影響因素。馬慶國(guó)等[46]使用實(shí)驗(yàn)設(shè)計(jì)法，以泡泡網(wǎng)的推薦系統(tǒng)作為實(shí)驗(yàn)平臺(tái)進(jìn)行研究，發(fā)現(xiàn)用戶的積極情緒既直接提高其對(duì)新的信息技術(shù)的采納意向，也通過(guò)感知風(fēng)險(xiǎn)、感知有用性、感知易用性作為不完全中介變量提高其采納意向。但該研究并未探索網(wǎng)絡(luò)推薦系統(tǒng)本身特性和推薦信息特性對(duì)感知易用性、感知有用性及推薦采納意向的影響。

圖1　技術(shù)接受模型

（三）對(duì)現(xiàn)有文獻(xiàn)的評(píng)價(jià)

綜上所述，現(xiàn)有文獻(xiàn)大多是在各自領(lǐng)域內(nèi)分別探索網(wǎng)絡(luò)推薦系統(tǒng)與推薦信息特性對(duì)消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的評(píng)價(jià)與推薦采納意向等的影響，很少在一個(gè)模型內(nèi)同時(shí)探索網(wǎng)絡(luò)推薦系統(tǒng)與推薦信息特性對(duì)消費(fèi)者的綜合營(yíng)銷效果。基于此，本研究引入技術(shù)接受模型，構(gòu)建網(wǎng)絡(luò)推薦系統(tǒng)和推薦信息特性對(duì)消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)感知易用性、感知有用性和推薦采納意向的影響模型（見(jiàn)圖2），以彌補(bǔ)上述研究空缺。

圖2　研究模型

三、研究模型與研究假設(shè)

網(wǎng)絡(luò)推薦系統(tǒng)是一種新興的網(wǎng)絡(luò)購(gòu)物輔助工具，并非所有消費(fèi)者使用起來(lái)都會(huì)得心應(yīng)手。界面優(yōu)秀的網(wǎng)絡(luò)推薦系統(tǒng)更容易讓消費(fèi)者上手，從而感覺(jué)更容易使用。[47]因此，本研究提出第一條假設(shè)：

H1：界面設(shè)計(jì)對(duì)感知易用性具有顯著的正向影響。

網(wǎng)絡(luò)推薦系統(tǒng)除展示推薦商品外，還經(jīng)常為消費(fèi)者提供一些附加功能，如提供推薦原因解釋、與消費(fèi)者互動(dòng)、展示推薦商品詳細(xì)信息等。對(duì)推薦原因進(jìn)行解釋可能會(huì)讓消費(fèi)者更加信任網(wǎng)絡(luò)推薦系統(tǒng)，[48]從而更加愿意采納推薦信息；[49-51]積極與消費(fèi)者互動(dòng)可能會(huì)提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的滿意度，[52]從而使消費(fèi)者感覺(jué)網(wǎng)絡(luò)推薦系統(tǒng)更易用，更有用；[53]展示推薦商品詳細(xì)信息可能會(huì)讓消費(fèi)者感覺(jué)網(wǎng)絡(luò)推薦系統(tǒng)更有用。[54-55]基于以上論述，本研究提出第二、第三條假設(shè)：

H2：附加功能對(duì)感知易用性具有顯著的正向影響。

H3：附加功能對(duì)感知有用性具有顯著的正向影響。

推薦信息通常以推薦列表的形式展示，在瀏覽推薦列表時(shí)，消費(fèi)者會(huì)思考所推薦產(chǎn)品與品牌數(shù)量能否滿足自己的需求，數(shù)量足夠多的推薦信息可能會(huì)讓消費(fèi)者感覺(jué)網(wǎng)絡(luò)推薦系統(tǒng)更有用。但如果推薦商品過(guò)多，則可能增加消費(fèi)者信息搜索成本與認(rèn)知努力，導(dǎo)致感知易用性下降。[56-57]因此，只有適中的推薦數(shù)量才可能同時(shí)提高感知易用性與感知有用性。針對(duì)上述推論，本研究提出第四、第五條假設(shè)：

H4：推薦數(shù)量對(duì)感知易用性具有正向且顯著影響。

H5：推薦數(shù)量對(duì)感知有用性具有正向且顯著影響。

推薦信息的質(zhì)量主要包括準(zhǔn)確性和新穎性兩個(gè)方面。準(zhǔn)確性高的推薦信息能夠更好地匹配消費(fèi)者偏好，[58]從而提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的感知有用性。當(dāng)消費(fèi)者對(duì)熱門(mén)、熟悉、重復(fù)的推薦信息感到厭倦時(shí)，推薦信息的新穎性就顯得更加重要了。[59]新穎的推薦信息有可能給消費(fèi)者帶來(lái)意外驚喜，從而有可能提高消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)的感知有用性。針對(duì)上述推論，本研究提出第六條假設(shè)：

H6：推薦質(zhì)量對(duì)感知有用性具有顯著的影響。

技術(shù)接受模型認(rèn)為，感知有用性與感知易用性共同影響用戶對(duì)新技術(shù)的使用意向，進(jìn)而影響用戶的實(shí)際使用行為。[60]但在實(shí)際的網(wǎng)購(gòu)環(huán)境中，無(wú)論消費(fèi)者是否愿意，一旦進(jìn)入購(gòu)物網(wǎng)站，他/她就會(huì)被動(dòng)或主動(dòng)地接觸到各類推薦信息，消費(fèi)者自己能夠決定的是，是否采納這些推薦信息。因此，本研究將技術(shù)接受模型中的“使用意向”與“使用”調(diào)整為“推薦采納意向”，并提出第七、第八、第九條假設(shè)：

H7：感知易用性對(duì)感知有用性具有顯著的正向影響。

H8：感知易用性對(duì)推薦采納意向具有顯著的正向影響。

H9：感知有用性對(duì)推薦采納意向具有顯著的正向影響。

四、研究方法

（一）問(wèn)卷設(shè)計(jì)

本研究使用問(wèn)卷調(diào)查法收集數(shù)據(jù)。問(wèn)卷中的問(wèn)項(xiàng)主要源于現(xiàn)有文獻(xiàn)，在此基礎(chǔ)上，我們通過(guò)與專家學(xué)者、消費(fèi)者及當(dāng)當(dāng)網(wǎng)員工進(jìn)行多次討論，對(duì)問(wèn)卷進(jìn)行了數(shù)次修改（參見(jiàn)表1）。除人口統(tǒng)計(jì)信息外，所有問(wèn)項(xiàng)均使用李克特5點(diǎn)量表，其中1表示“強(qiáng)烈反對(duì)”，5表示“強(qiáng)烈贊成”。

（二）數(shù)據(jù)收集與樣本特征

本研究以當(dāng)當(dāng)網(wǎng)的消費(fèi)者作為調(diào)查對(duì)象，在當(dāng)當(dāng)網(wǎng)位于北京市的某個(gè)提貨點(diǎn)收集數(shù)據(jù)，采用系統(tǒng)抽樣，對(duì)進(jìn)入提貨點(diǎn)的消費(fèi)者每間隔10位請(qǐng)一位來(lái)回答問(wèn)卷。問(wèn)卷調(diào)查工作于2015年7月開(kāi)始進(jìn)行，到2015年8月結(jié)束，歷時(shí)兩個(gè)月。共收回問(wèn)卷114份，剔除無(wú)效問(wèn)卷后，得到有效問(wèn)卷102份，問(wèn)卷有效率為89.5%。有效樣本特征具體參見(jiàn)表2。

五、數(shù)據(jù)分析與假設(shè)檢驗(yàn)

本研究運(yùn)用偏最小平方結(jié)構(gòu)方程模型（Partial Least Squares Structural Equation Modeling，簡(jiǎn)稱PLS結(jié)構(gòu)方程模型）分析數(shù)據(jù)。與其他統(tǒng)計(jì)分析方法相比，PLS結(jié)構(gòu)方程模型的優(yōu)勢(shì)主要表現(xiàn)在四個(gè)方面：一是適用于小樣本量；二是適用于非正態(tài)分布數(shù)據(jù)；三是對(duì)量表的要求相對(duì)寬松；四是能夠處理復(fù)雜的結(jié)構(gòu)方程模型。[69]由于PLS結(jié)構(gòu)方程模型具有以上優(yōu)勢(shì)，本研究使用SmartPLS v.3.2.1軟件進(jìn)行數(shù)據(jù)分析。在本研究模型的構(gòu)面中，最多被3個(gè)箭頭指到（可參見(jiàn)圖2），在p＜0.05的顯著性水平上，要檢驗(yàn)出最小為0.25的R2值，最小樣本量為59個(gè)。[70]本研究有效樣本為102個(gè)，滿足要求。

（一）外模型

在PLS結(jié)構(gòu)方程模型中，指標(biāo)變量（Indica?tor）與潛在構(gòu)面（LatentCon?struct）的關(guān)系稱為外模型。各構(gòu)面因子載荷與信度檢驗(yàn)結(jié)果如表3所示。各問(wèn)項(xiàng)因子載荷均大于0.6的限制性標(biāo)準(zhǔn)?？寺“凸料禂?shù)（Cronbach’sα）與組合信度（CR）均大于0.7，符合研究所需要的信度標(biāo)準(zhǔn)。[71]

表3　信度與收斂效度分析

表4　區(qū)別效度分析

在建構(gòu)效度檢驗(yàn)方面，本研究進(jìn)行收斂效度（Convergent Validity）與區(qū)別效度（Discriminant Va?lidity）檢驗(yàn)。根據(jù)相關(guān)文獻(xiàn)建議，若指標(biāo)變量的因子載荷量大于0.5，平均變異萃取值（AVE）大于0.5，且信度高于0.7，即代表具有收斂效度。[72]表3顯示，所有構(gòu)面均符合要求，表明量表具有良好的收斂效度。此外，本研究檢驗(yàn)每個(gè)構(gòu)面的AVE平方根值是否大于它與其他構(gòu)面間最高的相關(guān)系數(shù)，以檢驗(yàn)區(qū)別效度。[73]由表4可知，量表具有良好的區(qū)別效度。最后，根據(jù)相關(guān)文獻(xiàn)建議，PLS結(jié)構(gòu)方程模型無(wú)需檢驗(yàn)擬合優(yōu)度（Goodnessof Fit）。[74]

（二）內(nèi)模型

在PLS結(jié)構(gòu)方程模型中，構(gòu)面之間的路徑結(jié)構(gòu)稱為內(nèi)模型。根據(jù)相關(guān)文獻(xiàn)建議，[75]本研究采用拔靴法（Bootstrapping）重復(fù)抽樣5000次，內(nèi)模型假設(shè)檢驗(yàn)與路徑分析結(jié)果如圖3、表5所示。

（三）中介效應(yīng)檢驗(yàn)

本研究使用索貝爾檢驗(yàn)（Sobel Test）、[76]艾羅恩檢驗(yàn)（Aroian Test）、[77]古德曼檢驗(yàn)（Goodman Test）[78]進(jìn)行中介效應(yīng)檢驗(yàn)，當(dāng)z的絕對(duì)值大于1.96時(shí)即為顯著，表示中介效應(yīng)存在。附加功能對(duì)感知有用性的影響不顯著，界面設(shè)計(jì)對(duì)感知易用性的影響不顯著，無(wú)需再檢驗(yàn)中介效果。其余構(gòu)面均進(jìn)行中介效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示。

六、結(jié)論與討論

（一）研究結(jié)論與理論貢獻(xiàn)

當(dāng)前，網(wǎng)絡(luò)推薦系統(tǒng)在各大購(gòu)物網(wǎng)站的應(yīng)用越來(lái)越廣泛?，F(xiàn)有研究主要關(guān)注網(wǎng)絡(luò)推薦系統(tǒng)算法的優(yōu)化，而關(guān)于網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者營(yíng)銷效果的研究則相對(duì)薄弱。有少量文獻(xiàn)在各自領(lǐng)域內(nèi)分別探索了網(wǎng)絡(luò)推薦系統(tǒng)和推薦信息特性對(duì)消費(fèi)者對(duì)網(wǎng)絡(luò)推薦系統(tǒng)評(píng)價(jià)與推薦采納意向等的影響，卻很少在一個(gè)模型內(nèi)同時(shí)探索兩者對(duì)消費(fèi)者的綜合營(yíng)銷效果。基于此，本研究引入技術(shù)接受模型，探索推薦系統(tǒng)與推薦信息特性對(duì)消費(fèi)者對(duì)推薦系統(tǒng)感知易用性、感知有用性和推薦采納意向的影響。本研究發(fā)現(xiàn)：

第一，界面設(shè)計(jì)對(duì)感知易用性無(wú)顯著影響。

第二，附加功能對(duì)感知易用性有顯著正向影響，對(duì)感知有用性無(wú)顯著影響。

第三，推薦數(shù)量對(duì)感知有用性和感知易用性均有顯著正向影響。

第四，推薦質(zhì)量對(duì)感知有用性有顯著正向影響。

第五，感知易用性對(duì)感知有用性有顯著正向影響，對(duì)推薦采納意向無(wú)顯著影響；感知有用性對(duì)推薦采納意向有顯著正向影響。

圖3　結(jié)構(gòu)模型路徑系數(shù)與假設(shè)檢驗(yàn)結(jié)果

表5　結(jié)構(gòu)模型路徑分析與假設(shè)檢驗(yàn)結(jié)果

表6　中介效應(yīng)檢驗(yàn)

（二）管理啟示

本研究推進(jìn)了網(wǎng)絡(luò)推薦系統(tǒng)在營(yíng)銷領(lǐng)域的研究進(jìn)展，進(jìn)一步豐富了技術(shù)接受模型在網(wǎng)絡(luò)購(gòu)物環(huán)境下的應(yīng)用，對(duì)網(wǎng)商改善網(wǎng)絡(luò)推薦系統(tǒng)具有如下指導(dǎo)意義：

1.改善網(wǎng)絡(luò)推薦系統(tǒng)

本研究發(fā)現(xiàn)，界面設(shè)計(jì)對(duì)感知易用性無(wú)顯著影響。這可能是由于界面設(shè)計(jì)并非直接影響感知易用性，而是通過(guò)感知愉悅性（Perceived Enjoy?ment）間接影響感知易用性和感知有用性。[79-80]因此，未來(lái)研究可引入感知愉悅性這一變量對(duì)本研究模型進(jìn)行拓展。

本研究發(fā)現(xiàn)，附加功能對(duì)感知易用性有顯著正向影響，對(duì)感知有用性無(wú)顯著影響。根據(jù)本研究結(jié)果，我們?yōu)榫W(wǎng)商提供以下三條建議：

第一，網(wǎng)商可主動(dòng)向消費(fèi)者解釋推薦產(chǎn)生的原因，比如，“我們提供這個(gè)推薦是因?yàn)槟奄?gòu)買……”“因?yàn)槟f(shuō)您擁有……”“因?yàn)槟u(píng)級(jí)了……”等。

第二，網(wǎng)商可提供更多、更好用的模塊，以主動(dòng)了解消費(fèi)者對(duì)推薦結(jié)果是否滿意。比如，對(duì)某些消費(fèi)者可能擁有的推薦商品，可讓其勾選“我已經(jīng)有了”；對(duì)某些消費(fèi)者可能不喜歡的推薦商品，可讓其勾選“不感興趣”。此外，還可讓消費(fèi)者能夠?qū)ν扑]商品進(jìn)行評(píng)級(jí)。

第三，網(wǎng)絡(luò)推薦系統(tǒng)可展示推薦商品的詳細(xì)信息，如用戶評(píng)分、評(píng)論數(shù)量、偏好分值預(yù)測(cè)等。

2.改善網(wǎng)絡(luò)推薦系統(tǒng)給出的推薦信息

本研究發(fā)現(xiàn)，推薦數(shù)量對(duì)感知有用性和感知易用性均有顯著正向影響。根據(jù)本研究結(jié)果，我們?yōu)榫W(wǎng)商提供以下兩條建議：

第一，網(wǎng)商總是試圖為消費(fèi)者推薦盡可能多的商品以提高總銷量，但推薦數(shù)量并非越多越好。這是因?yàn)?，過(guò)多的推薦會(huì)增加消費(fèi)者的信息搜索成本，增加其認(rèn)知努力，這有違消費(fèi)者使用網(wǎng)絡(luò)推薦系統(tǒng)的初衷。米勒（Miller）[81]指出，人類的信息處理能力是有局限的，數(shù)字“7”是人類短期記憶的極限。因此我們建議，在同一個(gè)推薦列表中，網(wǎng)絡(luò)推薦系統(tǒng)最多向消費(fèi)者展示7件推薦商品。

第二，網(wǎng)絡(luò)推薦系統(tǒng)應(yīng)避免向消費(fèi)者過(guò)多地推薦同一品牌或產(chǎn)品屬性過(guò)于相似的商品，而應(yīng)展示多樣化的推薦列表，以應(yīng)對(duì)消費(fèi)者多樣化的尋求行為。[82]

本研究發(fā)現(xiàn)，推薦質(zhì)量對(duì)感知有用性有顯著正向影響。根據(jù)本研究結(jié)果，網(wǎng)商可通過(guò)以下三種方式來(lái)提高推薦質(zhì)量：

第一，網(wǎng)商應(yīng)進(jìn)一步優(yōu)化網(wǎng)絡(luò)推薦系統(tǒng)算法，以提高網(wǎng)絡(luò)推薦系統(tǒng)的準(zhǔn)確度，從而幫助消費(fèi)者更加便捷地找到更加合意的商品。

第二，中國(guó)消費(fèi)者非常看重商品的品牌與質(zhì)量，網(wǎng)絡(luò)推薦系統(tǒng)應(yīng)盡可能地向消費(fèi)者推薦那些知名度、美譽(yù)度、感知質(zhì)量更高的品牌。

第三，受求新、求變動(dòng)機(jī)驅(qū)動(dòng)，[83]消費(fèi)者在網(wǎng)絡(luò)購(gòu)物時(shí)經(jīng)常會(huì)存在一種獵奇心理，網(wǎng)絡(luò)推薦系統(tǒng)可向消費(fèi)者推薦一些新奇商品，給消費(fèi)者一個(gè)意外驚喜，挖掘消費(fèi)者自己都未曾意識(shí)到的潛在需求。

3.著重提高網(wǎng)絡(luò)推薦系統(tǒng)的感知有用性

本研究發(fā)現(xiàn)，感知易用性對(duì)感知有用性有顯著正向影響，對(duì)推薦采納意向無(wú)顯著影響；感知有用性對(duì)推薦采納意向有顯著正向影響。在網(wǎng)絡(luò)購(gòu)物環(huán)境下，本研究證實(shí)了技術(shù)接受模型經(jīng)典框架對(duì)網(wǎng)絡(luò)推薦系統(tǒng)這種新型信息技術(shù)的適用性，卻發(fā)現(xiàn)感知易用性對(duì)推薦采納意向無(wú)顯著影響。高芙蓉、高雪蓮[84]指出，隨著消費(fèi)者與網(wǎng)絡(luò)推薦系統(tǒng)交互的日益頻繁及使用經(jīng)驗(yàn)的不斷增加，感知易用性對(duì)使用意向的直接影響逐漸減弱，而通過(guò)感知有用性間接影響使用意向。前面展示的中介效應(yīng)檢驗(yàn)就證實(shí)了這一結(jié)論。在本研究調(diào)查的樣本中，有58.8%的消費(fèi)者使用當(dāng)當(dāng)網(wǎng)的時(shí)間已經(jīng)超過(guò)一年，有60.8%的消費(fèi)者每一兩天就登錄一次當(dāng)當(dāng)網(wǎng)，他們對(duì)當(dāng)當(dāng)網(wǎng)的網(wǎng)絡(luò)推薦系統(tǒng)比較熟悉，這導(dǎo)致感知易用性對(duì)推薦采納意向的直接影響并不顯著。因此，對(duì)于那些已經(jīng)掌握了大量消費(fèi)者數(shù)據(jù)的實(shí)力較為雄厚的網(wǎng)商，提高網(wǎng)絡(luò)推薦系統(tǒng)的感知有用性可能更加重要。

（三）研究局限與展望

本研究過(guò)程盡管力求嚴(yán)謹(jǐn)，但仍然具有一定的局限性。

第一，本研究對(duì)象為當(dāng)當(dāng)網(wǎng)，需謹(jǐn)慎思考能否將本研究結(jié)果一般化到其他網(wǎng)商。建議未來(lái)研究可面向不同網(wǎng)商（如亞馬遜、京東、天貓等）收集數(shù)據(jù)。

第二，本研究使用的是經(jīng)典技術(shù)接受模型，未來(lái)研究可在模型中加入信任度、[85]滿意度[86]和消費(fèi)者個(gè)人特征[87]等變量，以對(duì)本研究模型進(jìn)行拓展。

第三，由于網(wǎng)絡(luò)推薦系統(tǒng)不能脫離其所嵌入的購(gòu)物網(wǎng)站而獨(dú)立發(fā)揮作用，因此購(gòu)物網(wǎng)站的聲譽(yù)、[88]設(shè)計(jì)、[89]服務(wù)質(zhì)量[90]等可能會(huì)影響消費(fèi)者對(duì)購(gòu)物網(wǎng)站所使用網(wǎng)絡(luò)推薦系統(tǒng)的信任度與滿意度，從而影響網(wǎng)絡(luò)推薦系統(tǒng)對(duì)消費(fèi)者的營(yíng)銷效果，該問(wèn)題值得進(jìn)一步探索。

參考文獻(xiàn)：

[1]、[4]、[11]、[14]、[31]、[58]、[63]RicciF.，Rokach L.，Sha?pira B.，etal..Recommender Systems Handbook[M].New York：Springer，2011：1-35.

[2]Anderson C..The Long Tail：Why the Future of Busi?ness is Selling Less of More[M].New York：Hyperion，2008：98-124.

[3]、[5]Ansari A.，Essegaier S.，Kohli R..Internet Recom?mendation Systems[J].JournalofMarketing Research，2000，37 （3）：363-375.

[6]、[12]H?ubl G.，Trifts V..Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J].Marketing Science，2000，19（1）：4-21.

[7]、[9]Burke R..Hybrid Recommender Systems：Survey and Experiments[J].User Modeling and User Adapted Interac?tion，2002，12（4）：331-370.

[8]、[10]朱巖，林澤楠.電子商務(wù)中的個(gè)性化推薦方法評(píng)述[J].中國(guó)軟科學(xué)，2009（2）：183-192.

[13]、[15]、[28]Pathak B.，Garfinkel R.，Gopal R.D.，etal.. Empirical Analysis of the Impact of Recommender Systems on Sales[J].Journal ofManagement Information Systems，2010，27 （2）：159-188.

[16]、[25]、[26]、[29]、[47]、[53]、[54]、[56]、[86]Xiao B.，Benbasat，I..E-Commerce Product Recommendation Agents：Use，Characteristics and Impact[J].MISQuarterly，2007，31 （1）：137-209.

[17]、[20]、[34]、[49]Pu P.，F(xiàn)altings B.，Chen L.，etal..Us?ability Guidelines for Product Recommenders Based on Exam?ple Critiquing Research[M]//Ricci F.，Rokach L.，Shapira B.，et al.Recommender Systems Handbook.New York：Springer，2011：511-545.

[18]Cai H.，Chen Y.，F(xiàn)ang H..Observational Learning：Evidence from a Randomized Natural Field Experiment[J]. American Economic Review，2009，99（3）：846-882.

[19]、[48]Pu P.，Chen L..Trust-Inspiring Explanation In?terfaces for Recommender Systems[J].Knowledge-Based Sys?tems，2007，20（6）：542-556.

[21]、[50]WangW.，Benbasat I..Interactive Decision Aids for Consumer Decision Making in E-Commerce：The Influence of Perceived Strategy Restrictiveness[J].MISQuarterly，2009，33（2）：293-320.

[22]、[32]、[38]、[51]、[61]、[79]劉倩.基于客戶關(guān)系發(fā)展階段的推薦系統(tǒng)特性需求分析[D].武漢：華中科技大學(xué)，2011.

[23]、[24]、[52]Pereira R.E..InfluenceofQuery-Based De?cision Aids on Consumer Decision Making in Electronic Com?merce[J].Information Resources Management Journal，2001，14（1）：31-48.

[27]、[35]、[55]Tintarev N.，Masthoff J..Designing and Evaluating Explanations for Recommender Systems[M]//Ricci F.，Rokach L.，Shapira B.，etal.Recommender Systems Hand?book.New York：Springer，2011：479-510.

[30]、[57]、[62]、[64]、[88]陳明亮，蔡日梅.電子商務(wù)中產(chǎn)品推薦代理對(duì)消費(fèi)者購(gòu)買決策的影響[J].浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2009，39（5）：138-148.

[33]、[36]Shani G.，Gunawardana A..Evaluating Recom?mendation Systems[M]//Ricci F.，Rokach L.，Shapira B.，et al..Recommender Systems Handbook.New York：Springer，2011：257-297.

[37]、[59]Lops P.，de Gemmis M.，Semeraro G..Content-Based Recommender Systems：State of the Art and Trends [M]//Ricci F.，Rokach L.，Shapira B.，etal.Recommender Sys?temsHandbook.New York：Springer，2011：73-105.

[39]、[60]Davis F.D..Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology [J].MISQuarterly，1989，13（3）：319-340.

[40]Fishbein M.，Ajzen I..Belief，Attitude，Intention，and Behavior：An Introduction to Theory and Research[M].Boston：Addison-Wesley，1975：1-18.

[41]Ajzen I..The Theory of Planned Behavior[J].Organiza?tional Behaviorand Human Decision Processes，1977，84（5）：888-918.

[42]劉遺志，劉煜.消費(fèi)者創(chuàng)新性對(duì)移動(dòng)購(gòu)物意愿的影響——基于擴(kuò)展的技術(shù)接受模型視角[J].中國(guó)流通經(jīng)濟(jì)，2015（7）：102-108.

[43]郭愷強(qiáng)，王洪偉，趙月.消費(fèi)者通過(guò)在線聲譽(yù)系統(tǒng)發(fā)表評(píng)論的前因：基于TAM的實(shí)證研究[J].管理評(píng)論，2014，26 （9）：180-190.

[44]肖風(fēng)楨.大學(xué)生網(wǎng)絡(luò)購(gòu)物影響因素的實(shí)證研究[J].科技管理研究，2011（1）：131-134、142.

[45]、[85]Wang W.，Benbasat I..Trust in and Adoption of Online Recommendation Agents[J].Journal of the Association for Information Systems，2005，6（3）：72-101.

[46]、[68]馬慶國(guó)，王凱，舒良超.積極情緒對(duì)用戶信息技術(shù)采納意向影響的實(shí)驗(yàn)研究——以電子商務(wù)推薦系統(tǒng)為例[J].科學(xué)學(xué)研究，2009（10）：1557-1563.

[65]Baier D.，Stüber E..Acceptance of Recommendations to Buy in Online Retailing[J].Journalof Retailing and Consum?er Services，2010，17（3）：173-180.

[66]、[67]Chen S.-C.，Liu S.-C.，Li S.-H.，et al..Under?standing the Mediating Effects of Relationship Quality on Technology Acceptance：An Empirical Study of E-Appoint?mentSystem[J].JournalofMedicalSystems，2013，37（6）：1-13.

[69]、[70]、[71]、[73]、[74]、[75]Hair Jr J.F.，HultG.T.M.，Ringle C.，etal..A Primer on Partial Least Squares Structural Equation Modeling（PLS-SEM）[M].Los Angeles：Sage Publi?cations，2014：15-204.

[72]Fornell C.，Larcker D.F..Evaluating Structural Equa?tion Modelswith Unobservable Variables and MeasurementEr?ror[J].JournalofMarketing Research，1981，18（1）：39-50.

[76]Sobel，M.E..Asymptotic Confidence Intervals for Indi?rectEffects in StructuralEquation Models[J].SociologicalMeth?odology，1982，13：290-312.

[77]Aroian L.A..The Probability Function of the Product of Two Normally Distributed Variables[J].The Annals ofMath?ematicalStatistics，1947，18（2）：265-271.

[78]Goodman L.A..On the Exact Variance of Products[J]. Journal of the American Statistical Association，1960，55 （292）：708-713.

[80]Serenko A.，Bontis N.，Detlor B..End-User Adoption of Animated Interface Agentsin Everyday Work Applications [J].Behaviour&Information Technology，2007，26（2）：119-132.

[81]Miller G.A..The Magical Number Seven，Plus or Mi?nus Two：Some Limits on Our Capacity for Processing Informa?tion[J].PsychologicalReview，1956，101（2）：343-352.

[82]柯學(xué).大災(zāi)難可以減少消費(fèi)者的多樣化尋求行為：一個(gè)基于恐怖管理理論的研究[J].管理世界，2009（11）：122-129、188.

[83]許春曉，朱茜.求新動(dòng)機(jī)、滿意度對(duì)重游間隔意愿的影響——以鳳凰古城旅游者為例[J].旅游科學(xué)，2011，25 （5）：57-66.

[84]、[87]高芙蓉，高雪蓮.國(guó)外信息技術(shù)接受模型研究述評(píng)[J].研究與發(fā)展管理，2011，23（2）：95-105.

[89]王全勝，鄭稱德，周耿.B2C網(wǎng)站設(shè)計(jì)因素與初始信任關(guān)系的實(shí)證研究[J].管理學(xué)報(bào)，2009，6（4）：495-501.

[90]DeLone W.H.，McLean E.R..The DeLone and McLean Model of Information Systems Success：A Ten-Year Update[J].Journal of Management Information Systems，2003，19（4）：9-30.

責(zé)任編輯：陳詩(shī)靜

Research on the M arketing Effect of Recommender System on Consumers——An Technology Acceptance Model Perspective

YANG Yi-weng1，2，WNAG Yi3and SUN Guo-hui3
（1.North China University ofTechnology，Beijing100144，China；2.Xinjiang University ofFinance and Economics，Urumchi，Xinjiang8300122，China；3.CentralUniversity ofFinance and Economics，Beijing100081，China）

Abstract：Consumers are facing the problem of information overload when shopping online.Recommender systems can help consumers find desirable goods more quickly，so they have been w idely used.Existing researches clustered on algorithm optim ization of recommender systems，but scattered on the effect of recommender systems onconsumers’online shopping decisions.Based on the technology acceptance model，the authors develop an influence model to explore the effects of recommender system andrecommendation information characteristics on perceived ease of use，perceived usefulness，and adoption intention of recommendation.Collecting data from dangdang’s consumers and using PLS-SEM to analyze data，the authors find that：（1）interface design has no significant impacton perceived ease of use；（2）additional functionhas significant positive impact on perceived ease of use and no significant impact on perceived usefulness；（3）recommendation quantity has significant positive impact on both perceived usefulness and perceived ease of use；（4）recommendation quality has significant positive impacton perceived usefulness；（5）perceived ease of use has significantpositive impacton perceived usefulness and no significant impact on adoption intention of recommendation；and(6)perceived usefulness has significant positive impact on adoption intention of recommendation.To better improve the effectof onlinemarketing，online sellers should positively explain the reason for recommendation，understand the satisfaction degree of consumers，provide them w ith detailed information of recommended goods，and improve the function of recommender system；they can choose brand w ith higher reputation and innovative goods by optimizing algorithm of recommender systems to improve the quality of recommended information；they can also improve consumers’adoption intention by increasing the perceived usefulnessand easeof use.

Keywords：online shopping；recommendersystem；technology acceptancemodel；marketing effect

作者簡(jiǎn)介：楊一翁（1983—），男，湖南省長(zhǎng)沙市人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院教師，新疆財(cái)經(jīng)大學(xué)新疆企業(yè)發(fā)展研究中心研究員，博士，主要研究方向?yàn)槠放?、網(wǎng)絡(luò)營(yíng)銷；王毅（1978—），男，河南省淅川縣人，中央財(cái)經(jīng)大學(xué)商學(xué)院副教授，博士，博士后，碩士生導(dǎo)師，主要研究方向?yàn)轭櫩蜐M意、消費(fèi)者行為學(xué)；孫國(guó)輝（1961—），男，山東省平度市人，中央財(cái)經(jīng)大學(xué)商學(xué)院教授，博士，博士生導(dǎo)師，主要研究方向?yàn)榭鐕?guó)經(jīng)營(yíng)、戰(zhàn)略營(yíng)銷。

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“內(nèi)、外部利益相關(guān)者視角下的公司品牌研究：概念、維度和作用機(jī)制”（14YJC630167）、新疆維吾爾自治區(qū)普通高等學(xué)校人文社會(huì)科學(xué)基地基金項(xiàng)目“新疆紡織企業(yè)競(jìng)爭(zhēng)力研究”（050215C01）、北京市屬高校促進(jìn)人才培養(yǎng)綜合改革項(xiàng)目—研究生創(chuàng)新平臺(tái)建設(shè)（XN108）

收稿日期：2015-09-29

中圖分類號(hào)：F713.50

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1007-8266（2016）02-0098-10