移動購物更快嗎？決策場景與思維模式的相容性*

黃敏學 王 薇

?

移動購物更快嗎？決策場景與思維模式的相容性

黃敏學 王 薇

(武漢大學 經(jīng)濟與管理學院 市場營銷與旅游管理系, 武漢 430072)

既有文獻對消費者延遲選擇影響因素的研究, 主要集中于決策復雜度、決策者特質(zhì)或情緒, 少有對決策場景進行深入探討?；ヂ?lián)網(wǎng)購物時代, PC端與手機端已成為重要的消費場景。針對手機端是否會加快消費者決策過程的問題目前也存在不一致的結論。本文引入決策雙系統(tǒng)理論, 力圖解釋以往看似沖突的結論。消費者的購買決策模式, 不僅會受到?jīng)Q策任務(產(chǎn)品價格)的影響, 還會受到?jīng)Q策場景(購買終端)影響。當場景與決策任務使消費者啟動的思維模式相一致時, 會提升決策流暢度, 降低延遲選擇。本文發(fā)現(xiàn), 移動端(PC端)與低(高)價格產(chǎn)品更容易激發(fā)相容的經(jīng)驗性(理性)思維, 降低延遲選擇傾向。反之, 則會同時啟動兩種相左的決策思維, 增加延遲選擇傾向。本文從場景啟動與價格啟動視角, 將以往消費者單一的決策思維模式, 拓展到多因素啟動的思維模式相容性問題; 同時本文通過探究延遲選擇問題, 對價格策略與場景化營銷帶來啟示。

延遲選擇; 雙系統(tǒng)理論; 理性思維; 經(jīng)驗性思維; 購買終端

1 引言

1.1 問題提出

互聯(lián)網(wǎng)技術的迅速發(fā)展使得網(wǎng)上購物成為一種重要的購物形式(常亞平, 肖萬福, 覃伍, 閻俊, 2012; 井淼, 周穎, 王方華, 2007; Brengman, Geuens, Weijters, Smith, & Swinyard, 2003; Kozinets, 2016)。網(wǎng)絡購物的信息海量性與延遲選擇代價的降低, 也使得越來越多的人選擇先將商品加入購物車, 等待或考慮一段時間再做決策。這種情況可能會導致消費者放棄購買, 對企業(yè)不利, 同時對消費者自身也意味著機會的錯失(Cho, Kang, & Cheon, 2006; Mourali, Yang, Pons, & Hassay, 2018)。由于傳統(tǒng)購物模式較單一, 以往有關消費決策中延遲選擇影響因素的研究主要關注于決策任務本身與個體情緒的作用(Crockett et al., 2013; Pejsachowicz & Toussaert, 2017; Mochon, 2013; Hedgcock, Rao, & Chen, 2016), 鮮有考慮決策之外場景因素的影響。近年來, 移動互聯(lián)網(wǎng)技術又使得網(wǎng)絡購物逐漸移動化(Hubert, Blut, Brock, Backhaus, & Eberhardt, 2017), 消費者不僅可以使用臺式電腦進行購物, 還可以使用智能手機等移動終端隨時隨地購買商品或服務, 因此消費場景也變得豐富起來。一方面, 移動購物場景的時間碎片化、便利性以及觸摸效應等會促進消費者積極選擇(Kahneman, 2011; Madrigal, 2014; Shen, Zhang, & Krishna, 2016); 而PC端能展示更多信息, 消費者會因信息甄別而難以及時做出決策(Kahneman, 2011)。另一方面, 移動端的信息展示也會使消費者感到視覺擁擠而使其花費更多時間與努力進行商品評估(Sohn, Seegebarth, & Moritz, 2017)。事實上, 使用不同終端進行購買決策時, 消費者所處心理模式的不同(Shen et al., 2016)會導致其決策行為存在差異。同時, 網(wǎng)絡購物使得消費者便于比價, 所以價格也會對消費者決策行為產(chǎn)生顯著影響(Dodds, Monroe, & Grewal, 1991)。因此, 本文認為產(chǎn)生沖突結論的原因在于消費者購買決策并非由單因素決定(Mallapragada, Chandukala, & Liu, 2016), 而是受消費場景與決策任務本身的共同作用。為此本文以購買終端與產(chǎn)品價格為切入點, 試圖通過引入二者的匹配對延遲選擇的相互作用影響機制, 力圖解決以往研究中看似沖突的結論。

決策雙系統(tǒng)理論認為, 人在決策時會有啟發(fā)式與分析式兩種系統(tǒng)模式。用戶在使用移動端與PC端時, 也會相對應地處于經(jīng)驗性思維(experiential thinking style)與理性思維(rational thinking style)兩種思維模式(Novak & Hoffman, 2009; Shen et al., 2016)。同理, 對于價格水平而言, 購買高價格產(chǎn)品會使消費者傾向采用理性的決策模式; 購買低價格產(chǎn)品會促使其采用快速省力的決策模式。然而如今消費者的決策并非只受產(chǎn)品的單方面影響, 而是受場景與產(chǎn)品自身等方面的多因素共同作用。當消費者考慮多因素而面臨決策困難時, 會通過延遲選擇來降低心理沖突(李曉明, 傅小蘭, 2006), 卻少有文獻對這種心理沖突進行深入探究。本文認為, 只有當購買終端與產(chǎn)品價格水平觸發(fā)的思維模式相容時, 才能減少延遲選擇傾向; 而當二者觸發(fā)消費者的思維模式相沖突時, 會增加延遲選擇傾向。

綜上, 本研究以網(wǎng)絡購物中購買終端為切入點, 進入產(chǎn)品價格作為調(diào)節(jié)變量, 驗證購買終端與產(chǎn)品價格的匹配對消費決策中延遲選擇的影響及內(nèi)在機制(研究框架如圖1)。為了驗證購物終端與產(chǎn)品價格對延遲選擇影響, 本文首先通過與某酒類企業(yè)合作, 收集真實的交易訂單數(shù)據(jù)驗證本文假設。接著又通過實驗室實驗, 進一步驗證其中的內(nèi)在作用機制。

圖1 研究框架

1.2 理論與假設

1.2.1 延遲選擇

延遲選擇(choice deferral)指個體在應該做出選擇時而決定不作選擇, 包括推遲選擇(如選擇延遲選項)或拒絕在可選項中選擇一個選項(Anderson, 2003)。因此, 延遲選擇是一種個體在決策困難下, 通過推遲作決定來逃避決策的行為(Anderson, 2003)。延遲選擇不僅會使企業(yè)收入下降, 對消費者也可能意味著機會的喪失。因此對延遲選擇影響因素與機制的研究應引起重視。

目前有關延遲選擇影響因素的研究主要集中于以下四個方面。(1)決策沖突: 當消費者難以對各個備選商品的產(chǎn)品屬性做出權衡時, 消費者會傾向延遲選擇(Dhar, 1997a)。(2)決策策略: 消費者會根據(jù)決策任務來確定決策策略, 決策策略會影響決策難度進而影響延遲選擇(Dhar, 1996)。(3)時間壓力: Dhar和Noliws (1999)指出, 在選擇決策階段且有時間壓力條件下, 人們會更多地采用非補償性策略, 提高對獨特性的關注而降低延遲選擇。(4)情緒因素: 消費者在決策過程中的焦慮感、渴望程度等均會對延遲選擇產(chǎn)生影響(Dai & Hsee, 2013; Lichters, Brunnlieb, Nave, Sarstedt, & Vogt, 2016;Rassin & Muris, 2005)。當?shù)弥徺I時的價格高于購買后的價格, 消費者會體驗到更強烈的后悔情緒(后比較情緒), 為了避免這種負向情緒, 消費者會更傾向于延遲選擇(Cooke, Meyvis, & Schwartz, 2001; Mourali et al., 2018)。因此, 延遲選擇的影響因素可以總結為決策難度(決策沖突、決策策略、時間壓力)與負面情緒。

通過梳理既有文獻, 我們發(fā)現(xiàn)以往有關延遲選擇的研究主要集中于備選項權衡比較階段(Dhar, 1996, 1997a, 1997b, 1999; Greenleaf & Lehmann, 1995; Mourali et al., 2018; Pejsachowicz & Toussaert, 2017),而在網(wǎng)絡購物中, 消費者往往會在購物車階段或最后支付階段產(chǎn)生拖延躊躇的行為而不及時作決定(Cho et al., 2006)。同時, 以往研究主要關注決策本身與個體特質(zhì)或情緒對延遲選擇的影響(Crockett et al., 2013; Hedgcock et al., 2016; Li, Ye, &Yang, 2017; Mochon, 2013; Pejsachowicz & Toussaert, 2017), 較少考慮決策過程的外在消費場景的影響。對于網(wǎng)絡購物而言, 購買終端作為場景因素的一種(Novak & Hoffman, 2009), 消費者無法通過真實觸摸來感知、評估商品, 但可以通過觸摸移動設備屏幕模擬完成這一過程(Peck & Johnson, 2011; Oviatt, Cohen, Miller, Hodge, & Mann, 2012; Shen et al., 2016)。從情境觸發(fā)與觸摸效應兩方面可知, 購買終端會影響消費者的決策過程。因此本文欲探究購買終端(場景因素)與產(chǎn)品價格(決策任務)的匹配對延遲選擇的影響。

1.2.2 購物終端與價格水平對延遲選擇影響

有研究表明, 移動端購物情境的時間碎片化、觸屏操作便利性以及觸摸效應等會消費者更加感性而提高決策速度與滿意度(Brasel & Gips, 2014;Dijksterhuis & Olden, 2006;Elder & Kahneman, 2011; Shen et al., 2016; Zhao, Hoeffler, & ZauberMan, 2011)。在相同單位時間內(nèi), PC端能給消費者展示更多的信息, 消費者會因信息甄別而考慮更多(Kahneman, 2011)。而另一方面, 移動端的信息展示也會使消費者感到視覺擁擠而使其花費更多時間與努力進行商品評估(Sohn et al., 2017)。

本文認為, 產(chǎn)生沖突結論的原因在于消費者購買決策并非由單因素決定, 而是受消費場景與決策任務本身的共同作用。因此本文以企業(yè)(消費者)可以進行操控(直接感知)的購買終端與產(chǎn)品價格為切入點, 欲通過探究二者的匹配性對延遲選擇的影響來解決以往看似沖突的結論。產(chǎn)品價格水平會引發(fā)消費者財務風險感知的不同, 進而對決策思維模式產(chǎn)生影響。當商品質(zhì)量一定, 低價格會降低消費者感知財務風險, 促使消費者進行快速判斷; 高價格會增加消費者感知財務風險, 促使使消費者更加猶豫不決(劉紅艷, 李愛梅, 王海忠, 衛(wèi)海英, 2012; Dodds et al., 1991; Grewal, Monroe, & Krishnan, 1998; Kotler & Keller, 2009;Roselius, 1971)?；谝陨嫌懻? 我們認為購買終端與產(chǎn)品價格的匹配存在交互效應, 并提出以下假設:

H1a: 對于購買低價格產(chǎn)品, 消費者使用PC端比移動端的延遲選擇傾向更高。

H1b: 對于購買高價格產(chǎn)品, 消費者使用移動端比PC端的延遲選擇傾向更高。

本文將在研究1中, 利用收集的企業(yè)實際銷售訂單數(shù)據(jù)進行驗證分析。

1.2.3 決策雙系統(tǒng)理論

關于決策與推理的研究, 很多學者提出了雙系統(tǒng)理論模型(dual-process theory): 分析式系統(tǒng)(analytic system)和啟發(fā)式系統(tǒng)(heuristic system) (Cryder, Botti, & Simonyan, 2016; Dijksterhuis, Bos, Nordgren, & Baaren, 2006; Evans, 2002, 2003; Gilovich, Griffin, & Kahneman, 2002; Sloman, 1996; Stanovich & West, 2000)。分析式系統(tǒng)指人們在進行決策推理時, 更多地依賴理性思考與判斷的控制加工方式; 啟發(fā)式系統(tǒng)指更多依賴感性與直覺的自動加工方式(孫彥, 李紓, 殷曉莉, 2007)。基于兩種系統(tǒng), 人的思維模式也存在兩種: 理性思維模式(rational thinking style)與經(jīng)驗性思維模式(experiential thinking style)。理性思維模式是一種基于深思熟慮的、分析思考的“冷”模式。相反, 經(jīng)驗性思維模式則是一種基于直覺的快速判斷的“熱”模式(Epstein, 1994; Hsee & Rottenstreich, 2004; Metcalfe & Mischel, 1999; Shafir, Simonson, & Tversky, 1993; Zhao et al., 2011)。目前對于思維模式影響因素的研究主要從內(nèi)部因素與外部因素兩個層面出發(fā)。一些學者認為, 人的思維模式是一種相對穩(wěn)定的個人特質(zhì); 另一些學者認為思維模式是一種在特定情境下的狀態(tài)(specific-situation state) (Novak & Hoffman, 2009)。因此, 購物終端作為一種消費場景, 會對思維模式產(chǎn)生影響。

但這兩種系統(tǒng)是如何相互作用的呢？一種觀點是當個體進行決策判斷時, 二者相互排斥, 不能同時運作(Fiske & Neuberg, 1999)。另一種觀點是認為兩種系統(tǒng)相互獨立、平行、同時對個體的決策推理過程產(chǎn)生作用(Evans, 2002, 2003; Kahneman & Frederick, 2002; Sloman, 1996, 2002; Stanovich & West, 2000)。此后, 更有學者通過過程分離程序(Process Dissociations Procedure, PDP)證明了此觀點(Ferreira,Garcia-Marques, & Sherman, 2006; 孫彥, 李紓, 殷曉莉, 2007)。因此本文中, 我們認為兩種系統(tǒng)同時會對消費者決策產(chǎn)生影響。

當遇到?jīng)Q策困難時, 消費者往往通過延遲選擇來降低心理沖突(李曉明, 傅小蘭, 2006; Pejsachowicz & Toussaert, 2017)。一方面, 移動購物終端的可移動、可觸摸、低涉入、使用時空場景碎片化等特性, 使消費者更加感性而依賴經(jīng)驗直覺進行快速決策(Kahneman, 2011; Shen et al., 2016; Zhao et al., 2011), 會促進啟動經(jīng)驗性思維模式。同時相較于高價格產(chǎn)品, 消費者在購買低價格產(chǎn)品時可能感知風險相對較低, 促使其選擇快捷省力的決策模式(劉紅艷等, 2012; Dodds et al., 1991;Dijksterhuis, 2004; Dijksterhuis & Olden, 2006; Kotler & Keller, 2009; Wang, Malthouse, & Krishnamurthi, 2015), 這與移動端所啟動的經(jīng)驗性思維模式似乎更加相容, 提高決策流暢度(Mosteller, Donthu, & Eroglu, 2014), 降低延遲選擇傾向; 而相較于低價格產(chǎn)品, 消費者在購買高價格產(chǎn)品可能感知風險相對較高, 促使其選擇分析思考的理性決策模式(Kotler & Keller, 2009), 這與移動端啟動的經(jīng)驗性思維模式相左, 容易增加消費者的心理模式?jīng)_突, 阻礙個體積極選擇, 增加延遲選擇傾向。另一方面, PC端信息展示細致豐富, 使用場景相對穩(wěn)定, 利于消費者進行全面的信息比較與深入的理性思考(Kahneman, 2011), 會促使觸發(fā)理性思維模式。這與購買高價格產(chǎn)品采用理性決策模式似乎更加相容, 提高決策流暢度, 降低延遲選擇傾向; 而與購買低價格產(chǎn)品采用的快速決策模式相左, 容易增加消費者心理模式?jīng)_突, 阻礙個體積極選擇, 增加延遲選擇傾向?；谝陨嫌懻? 我們作出如下假設:

H2a: 消費者在PC端購買低價格產(chǎn)品, 容易觸發(fā)兩種相左的思維模式, 進而相較于移動端, 會增加延遲選擇傾向; 反之, 在移動端購買低價格產(chǎn)品, 容易激發(fā)相容的經(jīng)驗性思維, 進而相較于PC端, 會降低延遲選擇傾向。

H2b: 消費者在移動端購買高價格產(chǎn)品, 容易觸發(fā)兩種相左的思維模式, 進而相較于PC端, 會增加延遲選擇傾向; 反之, 在PC端購買高價格產(chǎn)品, 容易觸發(fā)相容的理性思維, 進而相較于移動端, 會降低延遲選擇傾向。

2 研究1: 購物終端類型與產(chǎn)品價格水平對延遲選擇影響的二手數(shù)據(jù)分析

為了檢驗消費者網(wǎng)購使用終端類型(PC/手機)與產(chǎn)品價格水平對購買延遲選擇的影響, 我們通過與某經(jīng)營酒類的企業(yè)合作, 獲取該企業(yè)兩個月左右天貓商城白酒銷售后臺訂單數(shù)據(jù)并進行分析。由于延遲選擇傾向程度可以通過決策反應時長來表現(xiàn)(Frost & Shows, 1993; Pejsachowicz & Toussaert, 2017),所以此部分研究中主要通過用戶的訂單時長來刻畫延遲選擇。此外, 本文選取某同一品牌酒類產(chǎn)品作為研究對象, 一是因為酒類產(chǎn)品價格高低具有一定區(qū)分度; 二是控制不同品牌、不同產(chǎn)品類別的混淆, 利于分析; 三是酒類屬于常見的快消品, 屬于本研究涉及的范疇。

2.1 數(shù)據(jù)收集

本研究獲取2016年8月26日至2016年11月1日某品牌酒類商品在天貓官方旗艦商城中41種白酒商品后臺銷售訂單數(shù)據(jù)16410條。此期間無大型促銷活動, 控制了促銷等價格變動對分析結果的影響。訂單數(shù)據(jù)包含的字段內(nèi)容主要有用戶所購買商品的名稱、商品單價、訂單創(chuàng)建時間、訂單完成付款時間、購買終端。為方便探究產(chǎn)品單價對延遲選擇的影響, 研究中只選取購買瓶數(shù)為1的訂單數(shù)據(jù)。由于本文暫且不考慮重復購買對延遲選擇的影響, 因此針對每種產(chǎn)品篩選出首次購買的用戶, 以控制重復購買的用戶已對商品十分熟悉的情況而影響分析結果。最終得到用于分析的數(shù)據(jù)3674條。征詢該企業(yè)的意見后, 在此僅展現(xiàn)不同價格水平、購買終端數(shù)據(jù)的數(shù)量統(tǒng)計與變量描述性統(tǒng)計表, 如表1、表2所示。

表1 價格水平類型與購買終端訂單數(shù)交叉表

表2 變量的描述性統(tǒng)計分析結果

注: 單價單位: 元; 訂單時長單位: 秒

2.2 數(shù)據(jù)分析

此部分, 本文根據(jù)所獲得的41種該品牌不同產(chǎn)品和度數(shù)的白酒商品用戶購買訂單時長(購買決策時長 = 訂單完成付款時間 ? 下單時間)、購買終端、商品單價數(shù)據(jù)進行分析。由于購買終端數(shù)據(jù)為個位數(shù), 而訂單時長極大值近10萬秒, 所以在分析之前, 為提高數(shù)據(jù)分析結果的穩(wěn)健性, 我們首先將訂單時長數(shù)據(jù)進行取對數(shù)處理。

購買終端與價格水平的交互作用對延遲選擇的影響:為便于探究手機端與PC端在高、低價格水平上訂單時長的差異, 研究者先將同一價格上兩種終端的平均訂單時長作差(= ▽(PC?手機)), 再試圖通過分析挖掘來尋找使得訂單時長差值出現(xiàn)突變的價格水平的高低分界點(門限值)。為此, 本研究選擇采用門限回歸(Threshold regression) (Hansen, 2000)進行分析:

同時根據(jù)本文只考慮價格高低兩種分類情況, 價格最小值為12元, 最大值為400元, 故有= 2, 且

其中μ為常數(shù)項, β為門限值左右各段回歸系數(shù), ε為隨機項,為門限值。并使用R語言對該模型進行估計。

經(jīng)計算(Hansen, 2000), 當γ = 209時, (1)式模型擬合殘差平方和最小(= 25.49, 此時模型參數(shù)估計結果如表3所示(β= 0.001,= 0.757; β= ?0.01,0.001)。同時, Chow-test檢驗顯示, 統(tǒng)計量= 7.84 >(2, 36) = 3.26,< 0.05, 驗證門限值γ = 209成立, β和β存在顯著差異。即在價格為209元處, PC端與手機端的訂單時長差變化趨勢產(chǎn)生了結構性突變(出現(xiàn)斷點), 如圖2所示。因此在研究1中, 我們可將單價小于209元的商品視為低價格產(chǎn)品, 大于等于209元的商品視為高價格產(chǎn)品。

表3 門限回歸參數(shù)結果

注:= 0.507, 調(diào)整后的= 0.481。

圖2 PC端與手機端訂單時長差散點圖

當商品價格小于209元時, PC端訂單時長顯著大于手機端(= 2.34,= 1.11;= 3.61,= 1.49;(1, 2554) = 605.82,0.001, Cohen's= 0.97); 當商品價格大于等于209元時, PC端訂單時長小于手機端(= 5.37,= 1.22;= 4.53,= 0.91;(1, 1116) = 44.39,0.001, Cohen's= 0.78)。且在門限價格兩側(cè)PC端與手機端的訂單時長呈現(xiàn)顯著不同的變化趨勢, 因此驗證了價格對購買終端與延遲選的關系中具有調(diào)節(jié)作用。假設H1a, H1b得以驗證。

2.3 結果討論

本研究與某酒類企業(yè)合作, 通過分析所獲得的銷售訂單二手數(shù)據(jù)發(fā)現(xiàn): 購買終端與價格水平兩者的交互作用會對消費者網(wǎng)上購買延遲選擇產(chǎn)生影響。具體來說, 對于低價格商品, PC端比手機端延遲選擇趨勢更強; 對于高價格商品, 手機端比PC端延遲選擇趨勢更強。本研究驗證了主效應和調(diào)節(jié)效應的作用。接下來, 本文將通過實驗情境模擬進一步檢驗不同購買終端對價格水平與決策時間的影響, 并深入挖掘其內(nèi)在作用機制, 以增強結果的穩(wěn)健性。

3 研究2: 基于思維模式相容性對延遲選擇影響機制的實驗探究

研究1通過真實訂單數(shù)據(jù)證明了購買終端和價格水平的交互作用對消費者延遲選擇的影響, 保證了分析的外部性。研究2主要通過場景實驗的方法, 在重復檢驗研究1結果的同時, 進一步對品牌等影響因素加以控制, 深度挖掘不同購買終端和價格水平交互作用對延遲選擇影響的內(nèi)在機制, 檢驗分析結果具有較強的內(nèi)部效度。

3.1 實驗設計與數(shù)據(jù)收集

本實驗為2(購買終端: 手機端vs電腦端) × 2(價格水平: 高價格vs低價格)組間設計。目的是一方面驗證移動終端對延遲選擇的影響, 并且是否通過經(jīng)驗性思維和理性思維起作用, 即驗證主效應與中介機制; 另一方面是為了再次驗證產(chǎn)品價格及對主效應的調(diào)節(jié)作用。

2018年8月21~2018年8月23日共138名來自某大學的大學生參與了本次實驗。男生67人占比48.6%, 女生71人占比51.4%。所有被試者被隨機分配到上述4組中。為確保實驗有效性, 本實驗邀請被試到實驗室分別使用手機和電腦進行實驗。借鑒以往有關產(chǎn)品價格方面的研究, 我們選擇日用品沐浴液作為實驗刺激物(Beatty & Smith, 1987; Chezy, 2004)。

首先, 研究者讓被試想象自己正在網(wǎng)購一款沐浴液, 然后進入以下情景“您現(xiàn)在正在使用該終端瀏覽某知名購物網(wǎng)站, 打算購買一款沐浴液。經(jīng)一番瀏覽評估后, 此時您找到一款自己比較滿意的沐浴液, 容量1000 g, 庫存充足”。不同組的被試看到的產(chǎn)品價格存在差異。結合市場價格, 低價格組設置為29.90元; 高價格組設置為259.90元。為避免現(xiàn)實產(chǎn)品品牌等對被試者感知的影響, 本實驗選用虛擬品牌沐浴液進行實驗。且各組除價格不同, 其余產(chǎn)品信息展示內(nèi)容一致。具體如圖3所示。

隨后, 被試在閱讀完實驗材料后, 回答了有關延遲選擇、經(jīng)驗性思維模式、理性思維模式、手機操作體驗、PC操作體驗、價格水平感知等相關問題。延遲選擇測量語項包括: 我不會購買該產(chǎn)品, 而是繼續(xù)搜索其它沐浴液; 我會將該產(chǎn)品加入購物車, 以后再決定是否支付; 準備在該終端支付該產(chǎn)品時, 經(jīng)考慮后我會放棄支付(Cho et al. 2006; Lichters et al., 2016)。經(jīng)驗性思維模式測量語項包括: 在該終端購物時, 我通過對該產(chǎn)品的直觀感受來決定買或不買; 在使用該終端決定是否夠買該產(chǎn)品時, 我會跟著感覺走; 使用該終端購買此產(chǎn)品時, 我相信自己的直覺; 此時我頭腦一熱就做了決定; (Novak & Hoffman, 2009)。理性思維模式測量語項包括: 在該終端購買此產(chǎn)品, 我會仔細考慮; 在該終端購買此產(chǎn)品, 我會進行系統(tǒng)的分析; 在該終端購買此產(chǎn)品, 我會按步驟進行各方面考量, 再做決定; 此時我很清楚自己的思考過程(Novak & Hoffman, 2009)。手機端操控檢驗語項包括: 該終端是便于移動的; 該終端可通過觸摸屏幕進行操作; 購物時, 該終端向我展示的信息有限(Kahneman, 2011; Shen et al., 2016)。PC端操控檢驗語項包括: 該終端是相對固定的; 該終端是通過鼠標、鍵盤操控的; 購物時, 該終端能向我展示充足的信息(Kahneman, 2011; Shen et al., 2016)。感知高價格測量語項包括: 我認為該產(chǎn)品價格高; 我想繼續(xù)瀏覽以尋找價格更低的沐浴液; 為尋找更便宜的沐浴液而花費更多的時間是有意義的(Lichtenstein, Ridgway & Netemeyer, 1993)。感知低價格測量語項包括: 我認為該產(chǎn)品價格低; 我認為該產(chǎn)品價格實惠; 花費更多的精力尋找更便宜的沐浴液是無意義的(Lichtenstein et al., 1993; Mathwick, Rigdon, & Malhotra, 2001)。測量均為7級量表, 其中1表示非常不同意; 7表示非常同意。

圖3 情境刺激圖例

3.2 結果分析

操控檢驗: 結果顯示價格水平高低操縱成功。高價格水平組中, 被試感知高價格水平得分明顯較高(= 5.54,= 0.88;= 3.32,= 0.96,(1, 138) = 199.96,< 0.001, Cohen's= 2.41); 低價格水平組中, 被試感知低價格得分明顯較高(= 5.57,= 0.99;=3.67,= 1.26;(1, 138) = 124.51,< 0.001, Cohen's= 1.68)

同時, 被試者對終端的使用感也存在顯著差異。手機端組被試的移動觸摸體驗得分顯著高于PC端(= 5.01,= 0.91;M= 3.56,= 0.72;(1, 138) = 107.28,< 0.001, Cohen's= 1.77); PC端組穩(wěn)定性體驗得分明顯高于手機端(= 5.43,= 0.91;= 3.09,= 0.85;(1, 138) = 246.88,< 0.001, Cohen's= 2.66)。

主效應分析: 用戶在手機端和PC端上購物對延遲選擇的影響無顯著差異(= 4.43,=1.06;= 4.68,= 1.08;(1, 138) = 0.18,= 0.18, Cohen's= 0.23)。

調(diào)節(jié)效應分析: 為了探究購買終端與價格水平的匹配對延遲選擇的影響, 我們將獲取的實驗數(shù)據(jù)進行分析。分析結果顯示(表4、圖4), 價格水平的調(diào)節(jié)作用顯著,(1, 138) = 226.06,< 0.001, 調(diào)整的= 0.625, η= 0.63。事前比較分析結果顯示: 價格水平高時, 手機端比PC端延遲選擇傾向更強(= 5.26,= 0.61;= 3.87,=0.63;(1, 71) = 9.44,< 0.001, Cohen's= 2.24); 當價格水平低時, PC端比手機端延遲選擇傾向更強(= 5.55,= 0.71,= 3.57,=0.68;(1, 67) = 11.65,< 0.01, Cohen's= 2.85)。實驗結果與研究1結論一致, 假設H1a, H1b再次得到驗證。[特別地, 根據(jù)延遲選擇定義, 及以往文獻(Cho et al., 2006; Lichters et al., 2016), 這里手機端低價格組與PC端高價格組延遲選擇平均得分低于4, 說明該兩組被試整體上會選擇當下做出選擇, 不會延遲選擇。手機端高價格組與PC端低價格組延遲選擇平均得分高于4, 說明該兩組被試整體平均來講會當下不做選擇, 出現(xiàn)延遲選擇行為, 實驗結果有效。]

圖4 購買終端與價格水平的交互作用對延遲選擇的影響

中介效應分析: 本研究中, 經(jīng)驗性思維是手機端與低價格水平交互影響消費者延遲選擇的中介變量, 理性思維是PC端與高價格水平交互影響消費者延遲選擇的中介變量。本研究首先采用Baron和Kenny (1986)的中介分析方法進行回歸分析。接著, 為進一步增加中介效應檢驗的可靠性, 我們按照 Bootstrap程序再次進行中介效應檢驗(黃敏學, 姚舜禹, 劉茂紅, 2018; 朱華偉, 張艷艷, 龔璇, 2017; Hayes, 2013, 2015; Preacher, Rucker, & Hayes, 2007; Zhao, Lynch, & Chen, 2010)。

經(jīng)驗性思維中介作用: 首先, 對經(jīng)驗性思維的中介效應檢驗中, 主要包括四個模型(見表5)。研究者先用手機端、價格水平、手機端×價格水平對延遲選擇進行回歸(模型1), 得出手機端×價格水平(β = 1.28,< 0.05)顯著; 接著用手機端、價格水平和手機端×價格水平分別對經(jīng)驗性思維和理性思維回歸(模型2和模型3)。發(fā)現(xiàn)在與經(jīng)驗性思維回歸中, 價格水平(β = 1.04,< 0.05)和手機端×價格水平(β = ?1.79,< 0.01)均顯著; 在與理性思維回歸中, 各項系數(shù)均不顯著。這表明手機端觸發(fā)了被試者的經(jīng)驗性思維。最后, 研究者用手機端、價格水平、手機端×價格水平、經(jīng)驗性思維和理性思維進行回歸(模型4), 經(jīng)驗性思維對延遲選擇的影響是顯著的(β = ?0.22,< 0.05), 理性思維并沒有顯著性影響。加入經(jīng)驗性思維和理性思維后, 手機端×價格水平對延遲選擇的影響不再顯著(β = 0.89,> 0.05), 由此可見, 經(jīng)驗性思維在手機端與價格水平交互影響對延遲選擇的過程中起到完全中介作用。圖5為中介路徑分析圖。

表4 購買終端與價格水平的交互對延遲選擇影響的方差分析表

注:= 0.633, 調(diào)整后的0.625

表5 經(jīng)驗性思維的中介作用

注: *< 0.05, **< 0.01, ***< 0.001

圖5 經(jīng)驗性思維中介作用路徑分析圖

由于Bootstrap中介檢驗法具有更高的檢驗力且對樣本分布及參數(shù)不作要求(Zhao et, 2010), 檢驗結果更加穩(wěn)健。因此我們繼續(xù)使用該方法試圖進一步驗證中介效應。選擇模型8, 樣本量選擇5000, 在95%的置信水平下, 對經(jīng)驗性思維中介效應檢驗中, 有調(diào)節(jié)的中介效應的區(qū)間沒有包括0 (LLCL = 0.01, ULCL = 0.14), 表明有調(diào)節(jié)的中介效應存在, 并且當中介存在時, 手機端和價格水平的交互效應的區(qū)間包含0 (LLCL = ?0.21, ULCL = 0.20), 所以經(jīng)驗性思維的完全中介效應存在。

理性思維中介作用: 在對理性思維的中介效應檢驗中, 主要包括四個模型(見表6)。研究者先用PC端、價格水平、PC端×價格水平對延遲選擇進行回歸(模型1), 得出PC端×價格水平(β = ?1.11,< 0.05)顯著; 接著用PC端、價格水平和PC端×價格水平分別對經(jīng)驗性思維和理性思維回歸(模型2和模型3)。發(fā)現(xiàn)在與理性思維回歸中, PC端(β = 0.28,< 0.05)和PC端×價格水平(β = ?1.31,< 0.01)均顯著; 在與經(jīng)驗性思維回歸中, 各項系數(shù)均不顯著。這表明PC端觸發(fā)了被試者的理性思維。最后, 研究者用PC端、價格水平、PC端×價格水平、經(jīng)驗性思維和理性思維進行回歸(模型4), 理性思維對延遲選擇的影響是顯著的(β = 0.50,< 0.001), 經(jīng)驗性思維并沒有顯著性影響。加入經(jīng)驗性思維和理性思維后, PC端×價格水平對延遲選擇的影響不再顯著(β = ?0.45,> 0.05), 由此可見, 理性思維在PC端與價格水平交互影響對延遲選擇的過程中起到完全中介作用。圖6為中介路徑分析圖。

由于Bootstrap中介檢驗法具有更高的檢驗力且對樣本分布及參數(shù)不作要求(Zhao et al., 2010), 檢驗結果更加穩(wěn)健。因此我們繼續(xù)使用該方法試圖進一步驗證中介效應。選擇模型8, 樣本量選擇5000, 在95%的置信水平下, 對理性思維中介效應檢驗中, 有調(diào)節(jié)的中介效應的區(qū)間沒有包括0 (LLCL = 0.14, ULCL = 0.50), 表明有調(diào)節(jié)的中介效應存在, 并且當中介存在時, PC端和價格水平的交互效應的區(qū)間包含0 (LLCL = ?0.44, ULCL = 0.03), 所以理性思維的完全中介效應存在。

表6 理性思維的中介作用

注: *< 0.05, **< 0.01, ***< 0.001

圖6 理性思維中介作用路徑分析圖

3.3 結果討論

研究2發(fā)現(xiàn), 消費者使用手機端或PC端購買產(chǎn)品時, 二者對延遲選擇傾向無顯著差異。接著我們進一步對比了兩種購買終端在不同價格水平下, 對消費者延遲選擇的影響。結果發(fā)現(xiàn), 購買終端和價格水平的匹配對延遲選擇產(chǎn)生不同影響: 對于低價格產(chǎn)品, 消費者在PC端比手機端購物的延遲選擇傾向更強; 對于高價格產(chǎn)品, 消費者在手機端比PC端購物的延遲選擇傾向更強。價格水平對主效應的調(diào)節(jié)作用顯著, 因此研究結果支持假設H1a和H1b。另外, 研究2還對本研究的中介機制做出了檢驗, 結果表明: 手機端會觸發(fā)消費者經(jīng)驗性思維, 進而增強對高價格產(chǎn)品購買的延遲選擇傾向; PC端會觸發(fā)消費者理性思維, 進而增強對低價格產(chǎn)品的延遲選擇傾向, 因此結果支持假設H2a和H2b。

4 研究貢獻與未來研究方向

4.1 理論貢獻

移動互聯(lián)網(wǎng)的發(fā)展拓展了傳統(tǒng)的單一購物模式, 移動購物市場也逐漸成為企業(yè)成功的關鍵。一方面, 移動終端的便利性與可觸摸性會促進消費者積極選擇; 另一方面, 移動購物的決策回避成本降低, 選擇的海量性、產(chǎn)品信息顯示空間有限等使得消費者往往難以及時抓住機會, 做出判斷。而PC端便于產(chǎn)品信息展示, 網(wǎng)絡穩(wěn)定性高, 利于消費者決策。所以目前有關購物終端研究結論并不統(tǒng)一。同時網(wǎng)絡購物更便于消費者進行比價, 尋找適合的商品。因此價格也是影響消費者網(wǎng)絡購物決策的重要原因。得益于網(wǎng)絡購物的交易信息化、數(shù)據(jù)化與自動化, 本文通過與企業(yè)合作獲取銷售訂單二手數(shù)據(jù), 建立計量模型分析數(shù)據(jù), 并結合心理學實驗, 重點探究了購買終端和產(chǎn)品價格的匹配對延遲選擇的影響。本研究以網(wǎng)絡購物為切入點, 首先通過研究1, 驗證了購買終端類型和產(chǎn)品價格水平之間的交互效應, 然后通過設計對照實驗, 結合雙系統(tǒng)理論, 驗證了不同購買終端與價格水平交互對消費者延遲選擇影響的內(nèi)在機制。本文的理論貢獻主要有以下幾點:

(1)豐富了對消費決策場景的認識。一方面, 以往有關決策過程的研究主要對針對線上或線下的固定場景進行探討(Dhar, 1996, 1997a, 1997b; Dhar & Nowlis, 1999; Mourali et al., 2018; Pejsachowicz & Toussaert, 2017)。隨著移動互聯(lián)網(wǎng)的發(fā)展, 越來越多消費者選擇使用手機隨時隨地進行購買決策。因此本文的研究由以往的固定場景向移動場景進行了拓展。另一方面, 也有觀點僅從場景角度認為移動購物模式會使消費者相對感性, 促進決策過程。也有研究認為移動端使消費者感到視覺擁擠而造成決策困難。而本文通過引入產(chǎn)品價格水平作為調(diào)節(jié), 同時探究了移動場景(手機端)與固定場景(PC端)對決策過程中的延遲選擇的影響, 解決了以往看似沖突的結論。結果發(fā)現(xiàn)PC端易啟動消費者理性思維模式, 與高價格啟動的理性思維相匹配, 更利于消費者決策, 減少延遲選擇傾向。即相比移動端, PC端更利于高價格產(chǎn)品的決策; 同理相比PC端, 移動端更利于低價格產(chǎn)品的決策。因此本文拓展了以往有關某種單一場景利于決策的觀點, 且證明了不同場景均有其各自的價值, 不存在絕對的優(yōu)劣。

(2)拓展了對延遲選擇影響因素的認識。首先, 以往研究主要關注“決策任務(決策什么)”、“決策方式(如何決策)”、“決策者個人特質(zhì)或情緒(誰做決策)”對延遲選擇的影響, 少有考慮“決策場景(在哪決策)”的問題。也就是說, 傳統(tǒng)的決策場景相對單一穩(wěn)定, 研究者主要關注決策策略與個體特質(zhì)等內(nèi)在因素對延遲選擇的影響(Crockett et al., 2013; Pejsachowicz & Toussaert, 2017)。而隨著消費場景的不斷豐富甚至移動化, 使得消費者的決策過程還容易受到消費場景等外在因素的作用。其次, 消費決策是一個復雜的過程, 并非由單方面決定, 而是受多因素共同影響。因此本文通過探究場景因素(購買終端)與決策任務本身(價格水平)的交互作用對延遲選擇的影響, 驗證了購買終端要與價格水平相匹配才能減少延遲選擇。最后, 以往研究主要基于傳統(tǒng)單一購物模式下, 認為消費者決策是一個理性認知的過程(李曉明, 傅小蘭, 2006)。然而, 隨著如今消費場景的不斷豐富, 某些消費場景(如移動端)可能會促使消費者進行感性決策。

(3)深化了對雙系統(tǒng)理論的理解。已有觀點認為當遇到?jīng)Q策困難時, 消費者往往通過延遲選擇來降低心理沖突(李曉明, 傅小蘭, 2006; Pejsachowicz & Toussaert, 2017)。但少有研究對這種心理沖突的內(nèi)在機制進行深入探討。當面對多因素影響的決策問題時, 消費者會啟動不同的思維模式。本文試圖從場景啟動與產(chǎn)品價格啟動兩個角度, 考慮了不同思維模式間的相容性問題。研究發(fā)現(xiàn), 相匹配的思維模式比相沖突的思維模式更利于消費者決策, 減少延遲選擇。因此本文根據(jù)雙系統(tǒng)理論加深了延遲選擇機制的理解, 并深化了兩種系統(tǒng)并非獨立排斥而是同時對個體決策過程產(chǎn)生作用的認識。

4.2 實踐意義

在管理實踐上, 本研究為企業(yè)的場景化精準營銷提供參考依據(jù)與啟示。首先, 對于新產(chǎn)品的銷售, 企業(yè)可以通過產(chǎn)品價格定位, 精準識別消費者決策心理模式, 營造匹配的營銷場景, 促進個體積極選擇。其次, 企業(yè)在制定線上銷售渠道時, 還要考慮產(chǎn)品價格高低與購買終端的匹配問題。如本文發(fā)現(xiàn)PC端利于高價格產(chǎn)品的銷售, 手機端利于低價格產(chǎn)品的銷售。也就是說, 企業(yè)可以根據(jù)不同終端類型使用體驗特征, 制定相匹配的價格策略或促銷策略, 盡可能減少消費者的回避決策現(xiàn)象, 提高用戶決策流暢性, 增加企業(yè)收益。

4.3 研究局限與展望

本研究雖然得出了一些結論, 但整個過程還是存在一定的局限性。未來的研究可以從以下幾個方面進一步完善與發(fā)展。一是本文主要分析了價格水平與購物終端的匹配問題, 而產(chǎn)品是多維度的, 其它產(chǎn)品屬性也可能進一步對本研究產(chǎn)生影響, 可以在今后的研究中對此進行更深的挖掘與探究。二是產(chǎn)品的品牌定位是否會對結果產(chǎn)生差異？會不會得出相反的結論？三是本研究目前將研究對象限于消費者經(jīng)常網(wǎng)購的快消品, 而風險更高的決策任務或場景是否會對結果產(chǎn)生影響, 也可在未來的研究中加以關注。四是本文僅考慮了消費者首次購買的情況, 未考慮重復購買對決策行為的影響, 可以在未來的研究中進行更加全面的分析。

Anderson, C. J. (2003). The psychology of doing nothing: Forms of decision avoidance result from reason and emotion.,(1), 139–167.

Baron, R. M., & Kenny, D. A. (1986). The moderator mediator variable distinction in social psychological research: Conceptual,strategic, and statistical considerations.(6)1173–1182.

Beatty, S. E., & Smith, S. M. (1987). External search effort: An investigation across several product categories.,(1)83–95.

Brasel, S. A., & Gips, J. (2014). Tablets, touchscreens, and touchpads: How varying touch interfaces trigger psychological ownership and endowment.,(2), 226–233.

Brengman, M., Geuens, M., Weijters, B., Smith, S. M., & Swinyard, R. (2003). Segmenting internet shoppers based on their web-usage-related lifestyle: A cross-cultural validation.,(1), 79–88.

Chang, Y. P., Xiao, W. F., Qin, W., & Yan, J. (2012). The influence mechanism of third-party product reviews (TPRs) on impulse buying intention within the internet environment: By product category and commentators rank for regulation variables.,(9)1244–1264.

[常亞平, 肖萬福, 覃伍, 閻俊. (2012). 網(wǎng)絡環(huán)境下第三方評論對沖動購買意愿的影響機制: 以產(chǎn)品類別和評論員級別為調(diào)節(jié)變量.,(9), 1244–1264.]

Chezy, O. (2004). Reexamining latitude of price acceptability and price thresholds: Predicting basic consumer reaction to price.,(4), 612–621.

Cho, C. H, Kang, J., & Cheon, H. J. (2006). Online shopping hesitation.,(3), 261–274.

Cooke, A. D. J., Meyvis T., & Schwartz, A. (2001). Avoiding future regret in purchase-timing decisions.,(4), 447–459.

Crockett, M. J., Apergis-Schoute, A., Herrmann, B., Lieberman, M. D., Müller, U., Robbins, T. W., & Clark, L. (2013). Serotonin modulates striatal responses to fairness and retaliation in humans.,(8), 3505–3513.

Cryder, C., Botti, S., & Simonyan, Y. (2016). The charity beauty premium: Satisfying donors “want” versus “should” desires.(4), 605–618.

Dai, X. C., & Hsee, C. K. (2013). Wish versus worry: Ownership effects on motivated judgment.,(2), 207–215.

Dhar, R. (1996). The effect of decision strategy on decision to defer choice.,(4), 265–281.

Dhar. R. (1997a). Consumer preference for a no-choice option.,(2), 215–231.

Dhar, R. (1997b). Context and task effects on choice deferral.,(1), 119–130.

Dhar, R., & Nowlis, S. M. (1999). The effect of time pressure on consumer choice deferral.,(4), 369–384.

Dijksterhuis, A. (2004). Think different: The merits of unconscious thought in preference development and decision making.,(5), 586–598.

Dijksterhuis, A., Bos, M. W., Nordgren, L. F., & Baaren, R. B. (2006). On making the right choice: The deliberation- without-attention effect.,(5763), 1005–1007.

Dijksterhuis, A., & Olden, Z. V. (2006). On the benefits of thinking unconsciously: Unconscious thought can increase post-choice satisfaction.,(5), 627–631.

Dodds, W. B., Monroe, K. B., & Grewal, D. (1991). Effects of price, brand, and store information on buyers' product evaluations.,(3), 307–319.

Elder, R. S., & Krishna A. (2012). The ‘Visual depiction effect’ in advertising: Facilitating embodied mental simulation through product orientation.,, 988–1003.

Epstein, S. (1994). Integration of the cognitive and psychodynamic unconscious.(8), 709–724.

Evans, J. S. B. T. (2002). Logical and human reasoning: An assessment of the deductive paradigm.(6)978–996.

Evans, J. S. B. T. (2003). In two minds: Dual-process account of reasoning.(10)454–459.

Ferreira, M. B., Garcia-Marques, L., Sherman, S. J., & Sherman, J. W. (2006). Automatic and controlled components of judgment and decision making.(5), 797?813.

Fiske, S. T., Lin, M., & Neuberg, S. L. (1999). The continuum model: Ten years laterIn S. Chaiken & Y. Trope (Eds.),(pp. 231–254).New York: Guilford Press.

Frost, R.O., & Shows, D. L. (1993). The nature and measurement of compulsive indecisiveness.(7), 683–692.

Gilovich T., Griffin D., & Kahneman D. (Eds.) (2002).. New York: Cambridge University Press.

Greenleaf, E. A., & Lehmann, D. R. (1995). Reasons for substantial delay in consumer decision making.(2)186–199.

Grewal, D., Monroe, K. B., & Krishnan, R. (1998). The effects of price-comparison advertising on buyers' perceptions of acquisition value, transaction value, and behavioral intentions.(2)46–59.

Hansen, B. E. (2000). Sample splitting and threshold estimation.(3)575–603.

Hayes, A. F. (2013).. New York: Guilford Press.

Hayes, A. F. (2015). An index and test of linear moderated mediation.(1)1–22.

Hubert, M., Blut, M., Brock, C., Backhaus, C., & Eberhardt, T. (2017). Acceptance of smartphone-based mobile shopping: Mobile benefits, customer characteristics, perceived risks, and the impact of application context.(2), 175–194.

Hedgcock, W. M., Rao, R. S., & Chen, H. A. (2016). Choosing to choose: The effects of decoys and prior choice on deferral.(10)2952–2976.

Hsee, C., & Rottenstreich, Y. (2004). Music, pandas, and muggers: On the affective psychology of value.(1)23–30.

Huang, M. X., Yao, S. Y., & Liu, M. H. (2018). Self-enhancing or self-deprecating: How can celebrity endorsement enhance the marketing effectiveness of advertisements in social media.(8)907–919.

[黃敏學, 姚舜禹, 劉茂紅. (2018). 自強還是自嘲?名人代言如何提升社會化媒體廣告的營銷效果.(8), 907–919]

Jing, M., Zhou Y., & Wang, F. H. (2007). Empirical study on online shopping perceived risk.(2), 164–169.

[井淼, 周穎, 王方華. (2007). 網(wǎng)上購物感知風險的實證研究.(2)164–169.]

Kahneman, D. (Ed) (2011).London, UK, Penguin Books Ltd.

Kozinets, R. V. (2016). Amazonian forests and trees: Multiplicity and objectivity in studies of online consumer-generated ratings and reviews, A commentary on de Langhe, Fernbach, and Lichtenstein.(6)834–839.

Kotler, P., & Keller, K. L. (2009).(4 Auflth ed.). Upper Saddle River: Pearson.

Lichtenstein, D. R., Ridgway, N. M. & Netemeyer, R. G. (1993). Price perceptions and consumer shopping behavior: A field study.(2), 234–245.

Lichters, M., Brunnlieb, C., Nave, G., Sarstedt, M., & Vogt, B. (2016). The influence of serotonin deficiency on choice deferral and the compromise effect.,(2), 183–198.

Liu, H. Y., Li, A. M., Wang, H. Z. & Wei, H. Y. (2012). The effect of promotion types on consumers’ purchase decisions: From the perspective of construal level theory.(8)1100–1113.

[劉紅艷, 李愛梅, 王海忠, 衛(wèi)海英. (2012). 不同促銷方式對產(chǎn)品購買決策的影響——基于解釋水平理論視角的研究.,(8)1100–1113.]

Li, X. M., & Fu, X. L. (2006). The choice deferral in decision making.(1), 127–129.

[李曉明, 傅小蘭. (2006). 決策中的延遲選擇行為.,(1), 127–129.]

Li, X. M., Ye, Q. L., & Yang, G. Q. (2017). The lack of dominance and choice deferral: Choosing to defer to cope with the feeling of being out of control.(6), 754–765.

Mallapragada, G., Chandukala, S. R., & Liu, Q. (2016). Exploring the effects of "what" (product) and "where" (website) characteristics on online shopping behavior.(2), 21–38.

Mathwick, C., Malhotra, N., & Rigdon, E. (2001). Experiential value: Conceptualization, measurement and application in the catalog and internet shopping environment.(1), 39–56.

Metcalfe, J., & Mischel, W. (1999). Hot/cool-system analysis of delay of gratification: Dynamics of willpower.(1), 3–19.

Mochon, D. (2013). Single-option aversion.(3), 555–566.

Mosteller, J., Donthu, N., & Eroglu, S. (2014). The fluent online shopping experience.(11), 2486–2493.

Mourali, M., Yang, Z. Y., Pons, F., Hassay, D. (2018). Consumer power and choice deferral: The role of anticipated regret.(1)81–99

Novak T. P., & Hoffman, D. L. (2009). The fit of thinking style and situation: New measures of situation-specific experiential and rational cognition.(1), 56–72.

Oviatt, S., Cohen, A., Miller, A., Hodge, K., & Mann, A. (2012). The impact of interface affordance on human ideation, problem solving and inferential reasoning.(3), 1–22.

Peck, J., & Johnson, J. W. (2011). Autotelic need for touch, haptics, and persuasion: The role of involvement.(3), 222–239.

Pejsachowicz, L., & Toussaert, S. (2017). Choice deferral, indecisiveness and preference for flexibility.,, 417–425.

Preacher, K. J., Rucker, D. D., & Hayes, A. F. (2007). Addressing moderated mediation hypotheses: Theory, methods and prescriptions.(1), 185–227.

Rassin, E., & Muris, P. (2005). Indecisiveness and the interpretationof ambiguous situations.(7)1285–1291.

Roselius, T. (1971). Consumer rankings of risk reduction methods.(1), 56–61.

Shafir, E., Simonson, I., & Tversky, A. (1993). Reason-based choice.,(1-2), 11–36.

Shen, H., Zhang, M., & Krishna, A. (2016). Computer interfaces and the “direct-touch” effect: Can iPads increase the choice of hedonic food?(5), 745–758.

Sloman, S. A. (1996). The empirical case for two systems of reasoning.(1), 3–22.

Sloman, S. A. (2002). Two systems of reasoning. In T. Gilovich, D. Griffin, & D. Kahneman (Eds.),(pp. 379–396)Cambridge: Cambridge University Press.

Sohn, S., Seegebarth, B., & Moritz, M. (2017). The impact of perceived visual complexity of mobile online shops on user's satisfaction.(2), 195–214.

Stanovich, K. E., & West, R. F. (2000). Individual differences in reasoning: Implications for the rationality debate.(5), 645–726.

Sun, Y., Li, S., Yin, X. L. (2007). Two systems in decision-making and reasoning: Heuristic system and analytic system.(5), 721–726.

[孫彥, 李紓, 殷曉莉. (2007). 決策與推理的雙系統(tǒng)——啟發(fā)式系統(tǒng)和分析系統(tǒng).,(5), 721–726.]

Wang, J. H., Malthouse, E. C., & Krishnamurthi, L. (2015). On the go: How mobile shopping affects customer purchase behavior.(2), 217–234.

Zhao, M., Hoeffler, S., & ZauberMan, G. (2011). Mental simulation and product evaluation: The affective and cognitive dimensions of process versus outcome simulation.(5), 827–839.

Zhao, X. S., Lynch, J. G., & Chen, Q. M. (2010). Reconsidering Baron and Kenny: Myths and truths about mediation analysis.(2), 197–206.

Zhu, H. W., Zhang, Y. Y., & Gong, X. (2017). Does company’s humor resolve consumer complaining: The match of humor types and relationship norms.(4), 526–538.

[朱華偉, 張艷艷, 龔璇. (2017). 企業(yè)幽默能否化解消費者抱怨: 幽默類型與關系范式的匹配.(4), 526–538.]

Does mobile shopping make fast decisions? The role of contextual factors and thinking style

HUANG Minxue; WANG Wei

(Department of Marketing and Tourism Management, Economics and Management School, Wuhan University, Wuhan 430072, China)

Previous studies have proposed that firms attempt to reduce online shopping choice deferral, which may lead consumers to abandon or drop their shopping carts before making their final purchase. Moreover, given their mobility and tactile effects, the use of mobile devices can make consumers more emotional compared with the use of desktop computers, thereby triggering a decision-making process. However, the results of some surveys reject such case and instead reveal that the decision-making process of consumers is influenced by the interaction between contextual factors and product attributes. In this paper, these contextual factors were classified into mobile devices and personal computers, while product attributes were classified into low price and high price. Inspired by dual-process theory, we supposed that high (low) price might evoke the rational (experiential) thinking styles of consumers and that mobile devices (personal computers) could trigger their experiential (rational) thinking styles. When these thinking styles are triggered by price and device types, the online choice deferral of these consumers will be reduced.

We performed two studies to verify these hypotheses. In Study 1, we collected 3, 674 order data from the Tmall online shopping platform for around two months with the cooperation of a wine company based in China. The threshold regression analysis of secondary data showed that the shopping terminal (mobile phones and personal computers) had no main effect on online shopping choice deferral. However, these results highlighted a significant interaction between product price and device type. As predicted in hypothesis 1, the results indicate that online consumers have significantly more choice deferral for a low-price product when shopping using their personal computers than their mobile phones. Meanwhile, these consumers have significantly more choice deferral for high-price products when shopping using their mobile phones than their personal computers. We also conducted a laboratory experiment to test our hypotheses and verified the mediating effect of thinking style by bootstrapping. We recruited 138 participants in Study 2. Our 2 (device type: mobile phone vs. personal computer) × 2 (price level: low vs. high) between-subject design showed that these participants had significantly lower tendency of choice deferral for low-price products when using mobile phones than when using personal computers. On the contrary, these participants showed a significantly lower tendency of choice deferral for high-price products when using personal computers than when using mobile phones. The mediating effect of thinking style was also verified.

The results suggest that online shopping choice deferral is affected not only by product attributes (such as price level in this paper) but also by specific situations (such as device type in this paper). High- (low-)priced products may evoke the rational (experiential) thinking styles of these consumers, while mobile devices (personal computers) can trigger their experiential (rational) thinking styles. When the thinking style is triggered by the product price and device, the online choice deferral of these consumers can be reduced. On the contrary, triggering these two thinking styles at the same time can increase their online shopping choice deferral.

The theoretical contributions of this research are as follows. First, this study offers a deeper understanding of the consumer shopping scenario by showing that different types of devices can trigger different thinking styles, thereby extending the current perspectives toward mobile shopping. Second, this study enriches the previous research on choice deferral by exploring the situational effect on the decision-making process. Third, this study extends the current understanding of the experiential and rational thinking styles by examining the relationship between these two styles, thereby contributing to dual-process theory. The findings of this study can also help companies improve their scenario-based target marketing.

choice deferral; dual-process theory; rational thinking style; experiential thinking style; device type

10.3724/SP.J.1041.2019.00612

2018–01–24

* 國家自然科學基金(91746206); 國家自然科學基金(71672132)資助。

王薇, E-mail: 497092314@qq.com

B849: F713.55