線上服務互動如何影響口碑推薦
——行為慣性的中介作用和優(yōu)惠待遇的調(diào)節(jié)作用

楊宜苗， 郭佳偉

(東北財經(jīng)大學 工商管理學院， 遼寧 大連 116025)

口碑推薦是關于產(chǎn)品、服務、廠商或經(jīng)歷的非商業(yè)性的口頭交流活動，例如向別人介紹愉快、生動或新穎的經(jīng)歷和建議。作為直接的個人行為，口碑推薦信息比廣告和促銷更真實可信，對他人購買決策的影響更大。無論是線下還是線上，口碑推薦都對顧客態(tài)度、行為意愿和實際購買產(chǎn)生影響?？诒扑]被視為一種有價值的企業(yè)營銷戰(zhàn)略，確認其影響因素能夠幫助企業(yè)檢查營銷實踐，從而更好地滿足目標客戶的獨特需要。

學術(shù)界主要從信息或信息源特征、消費者個體差異及企業(yè)營銷策略等角度分析口碑推薦的影響因素，或利用關系營銷范式從滿意、信任、承諾等顧—企關系角度尋求口碑推薦的來源。隨著服務主導邏輯的影響力的不斷擴大，有研究開始從服務互動的角度進行解釋。Rayport & Jaworski[1]發(fā)現(xiàn)，互動導向可以創(chuàng)造正面口碑等基于顧客的關系績效。衛(wèi)海英、馮偉[2]認為，顧客與企業(yè)之間的成功互動將有助于建立二者之間的親密聯(lián)系，并帶來良好的口碑?；訉蛑苯芋w現(xiàn)在一線員工與顧客個體的互動行為中，Gremler & Gwinners[3]認為，員工與顧客之間愉快的人際互動與顧客積極的口碑溝通顯著相關。劉文華等[4]進一步發(fā)現(xiàn)，服務人員的互動風格既對口碑推薦產(chǎn)生直接影響，又通過關系利益對口碑推薦產(chǎn)生間接影響。杜喻東、劉洪深[5]認為，顧客之間互動所表現(xiàn)出的對其他顧客的友好行為，會影響口碑推薦等顧客公民行為。此外，顧客感知到良好的服務界面，能夠給顧客帶來更多輕松、愉快的情緒，讓他們更容易向其他顧客推薦[6]。文獻回顧表明，現(xiàn)有研究雖然已經(jīng)意識到互動對提高口碑推薦的重要作用，并證實員工與顧客之間互動、顧客間互動對口碑推薦會產(chǎn)生影響，但是還存在以下欠缺：第一，有些研究關注的是顧客與服務設施、場所等有形服務環(huán)境的接觸，有些關注的是服務人員與顧客之間以及顧客與顧客之間的互動，另外有些關注的是互動導向觀念和整體的服務互動，卻沒有研究同時全面考慮各類服務互動，因而無法明確由于服務互動類型的不同所導致的口碑推薦的差異。第二，對服務互動與口碑推薦之間內(nèi)在轉(zhuǎn)化機制的認識不明晰。關于服務互動向口碑推薦轉(zhuǎn)化的過程中所經(jīng)過的中間路徑及邊界條件，現(xiàn)有研究較少涉獵。這導致一些企業(yè)無法真正洞察由服務互動到口碑推薦過程的傳導機制，有必要揭示這種影響機制，以改進服務互動設計在提升顧客忠誠方面的效率。第三，以前的研究主要關注線下醫(yī)療或旅游服務環(huán)境，其結(jié)論未必適用于在線零售環(huán)境。這是因為,與線下醫(yī)療或旅游服務互動相比較，在線零售服務互動的類型和方式有所不同,而互動總是在一定的情境中進行的，同樣的行動在不同的時間、地點，對不同的對象而言有著不同的意義。因此，本文將線上服務互動界定為顧客與在線平臺界面之間的互動、顧客與在線服務人員之間的互動以及在線顧客與其他顧客之間的互動三種類型，并分別引入行為慣性中介變量和優(yōu)惠待遇調(diào)節(jié)變量，主要探討不同類型的服務互動對口碑推薦的影響效果及作用機制。本文從理論上拓展和深化了口碑來源和形成機制的研究，同時使服務互動從單個層面擴展為多個層面，將研究情境從線下轉(zhuǎn)向線上，從而在實踐上能夠為在線零售商優(yōu)化服務互動設計進而促進口碑推薦提供參考依據(jù)。

一、理論分析和研究假設

(一)線上服務互動及其維度劃分

服務互動是服務接觸在概念上的延伸，Shostack[7]正式提出了服務互動的概念，認為服務互動是指具有比較廣泛意義的顧客和服務企業(yè)之間的直接互動，既包括顧客與服務人員的互動，也包括顧客與設備及其他有形物的互動。Bitner[8]擴大了服務互動的內(nèi)涵，認為服務互動是抽象的集體性事件和行為，是顧客和服務傳遞系統(tǒng)之間的互動。Lockwood[9]沿襲Bitner[8]的觀點，認為服務互動除了人際互動之外，還包括其他有形、無形的因素，服務互動不僅局限于顧客與企業(yè)和一線員工之間，還包括與沒有任何人員組成的無形系統(tǒng)和實體環(huán)境的互動。借鑒前人的研究成果，范秀成[10]提出了一個擴展的服務交互模型，認為服務互動包括顧客之間的互動，顧客與員工、系統(tǒng)、實體環(huán)境的互動，員工與系統(tǒng)、實體環(huán)境的互動，以及系統(tǒng)與實體環(huán)境的互動。可見，關于服務互動的構(gòu)成維度雖然沒有達成共識，但是服務互動至少包括以下兩個方面的內(nèi)容：一是顧客與員工之間的互動，在任何服務過程中都會形成顧客和服務提供者之間的互動關系；二是顧客與企業(yè)之間的互動，顧客與服務企業(yè)會發(fā)生交互作用。然而，顧客間互動是大多數(shù)零售和服務環(huán)境的一個常見特征，顧客在接受服務的過程中，會與其他顧客共同分享同一個服務環(huán)境。服務場景中顧客接觸的機會不僅比以往更多，而且比顧客與服務人員間互動更為頻繁和復雜。本文主要關注在線購物平臺，認為線上服務互動主要涉及三個層面：顧客與在線平臺界面之間的互動、顧客與在線服務人員之間的互動以及在線顧客與其他顧客之間的互動，這三個層面的服務互動分別反映在線購買過程中互動的環(huán)境構(gòu)面、社會構(gòu)面和人際構(gòu)面。

(二)線上服務互動對行為慣性、口碑推薦的影響

心理學和行為學通常以日常生活中自發(fā)性的重復行為，或決策過程依賴理性或非理性的決策程序來定義慣性。在市場營銷領域中，行為慣性是指顧客基于過去消費經(jīng)驗積累可靠性和熟悉度，呈現(xiàn)出因習慣而不假思索地到同一地方購買或購買相同產(chǎn)品的非意識固定消費模式[11]。

Lewin[12]提出了一個著名的公式：B=f(P，E)，認為行為(B)是人(P)和環(huán)境(E)的函數(shù)，意指一個人的行為是其人格或個性與其當時所處情境或環(huán)境的函數(shù)。換句話說，行為是人和環(huán)境相互作用的結(jié)果。相互依賴理論擴展了這個公式，認為在特定的社會情境下，兩個人之間的互動可以從他們的需求、思想和彼此的動機等方面來概念化[13]。在網(wǎng)絡購物情境下，環(huán)境因素主要是指在線平臺界面，人的因素主要包括顧客自己、其他顧客及在線服務人員，顧客的行為慣性和口碑推薦可能是不同環(huán)境要素之間相互作用的結(jié)果。

從顧客—環(huán)境互動來看，這種互動主要表現(xiàn)為顧客與在線平臺界面之間的接觸，或者是顧客感受在線平臺界面各種要素的刺激。在“S- O- R范式”中，刺激往往被概念化為喚起或激發(fā)行為的要素。網(wǎng)絡商店中的審美因素和娛樂因素會使顧客沉浸于網(wǎng)絡購物體驗中，并有助于延長顧客在線瀏覽時間和促進再購意愿。網(wǎng)絡購物環(huán)境中的各個要素都會影響顧客的感知服務質(zhì)量和滿意度，繼而促進其最終購買。網(wǎng)站互動不僅能為顧客提供一些功能利益，而且能喚起顧客內(nèi)心的想象、心境和感覺，提供享樂利益[14]。顧客可能會由于參與在線平臺的互動而對該網(wǎng)站產(chǎn)生信任，繼而習慣性地、不假思索地在同一網(wǎng)站覽購商品，并向他人推薦。因此，提出H1a、H1b。

H1a：顧客與在線平臺界面之間的互動對行為慣性有正向影響。

H1b：顧客與在線平臺界面之間的互動對口碑推薦有正向影響。

從顧客—員工互動來看，這種互動主要表現(xiàn)為顧客與在線服務人員之間的互動。顧客在網(wǎng)絡購物過程中，會就一些產(chǎn)品、服務和交易的細節(jié)問題咨詢客服代表，或者進行在線投訴等。在這個過程中，訓練有素的在線客服代表能夠促使顧客對購物網(wǎng)站形成積極的感知。服務人員的專業(yè)知識和友善態(tài)度能夠促進顧客在購物過程中更加流暢地解決消費者可能面臨的問題，進而增進顧客在購物時的正面情緒[15]。在線客服代表及時回應顧客發(fā)出的信息要求，會減少顧客的等待時間，提高顧客的辦事效率，從而增進其對在線供應商的信任和情感。顧客感知的顧客—員工關系越密切，顧客的總體滿意度越高。因此，顧客—員工之間的良好互動會增進顧客的正面情緒和情感，增強顧客的信任，并進一步演化為行為慣性和口碑推薦。因此，提出H2a、H2b。

H2a：顧客與在線服務人員之間的互動對行為慣性有正向影響。

H2b：顧客與在線服務人員之間的互動對口碑推薦有正向影響。

從顧客—顧客互動來看，這種互動主要表現(xiàn)為線上顧客與其他顧客之間的互動。很多顧客購物的目的就是與其他顧客進行交流，顧客在某個場所的互動頻次越高，所獲得的社會支持性資源就越多，感知到的與該場所相關的價值就越大，對該場所也就越忠誠。在線環(huán)境下，顧客間互動質(zhì)量對顧客購買行為(如購買頻率、購買產(chǎn)品的類型和數(shù)量)、品牌忠誠具有促進作用。顧客間互動不僅對顧客關于服務的態(tài)度有正向影響，還能夠有效預測顧客對零售服務體驗的趨近或趨避行為。顧客間互動是影響顧客感知和體驗的重要因素，甚至還可能會重新建構(gòu)體驗[16]。隨著消費經(jīng)驗的累積，顧客會逐漸產(chǎn)生購買行為上的慣性以及口碑推薦等忠誠行為。因此，提出H3a、H3b。

H3a：在線顧客與顧客之間的互動對行為慣性有正向影響。

H3b：在線顧客與顧客之間的互動對口碑推薦有正向影響。

(三)行為慣性對口碑推薦的影響

消費者在決策上會受到慣性的影響，且慣性程度越高，越可能發(fā)生重復購買行為，這主要是因為習慣性的決策可以減少決策的歷程和趨避不確定性。顧客在做決策時，除了預期消費行為所帶來的利益外，還會希望降低決策后所帶來的負向結(jié)果或影響。當顧客已經(jīng)習慣于特定的事物時，就不會有太強的動機去尋找替代方案，即使與服務提供者建立較少的連結(jié)，也優(yōu)于當服務失敗時被迫尋找替代方案。因此，人們?nèi)舾鶕?jù)原本的決策，則在決策后會有較低程度的后悔。相反，所做的決策如果與原本的決策越偏離，那么人們后悔的程度可能越高。這是因為選擇原本的決策，比較容易預測與想象其可能發(fā)生的結(jié)果，而此種遺漏的偏誤使人們認為改變原先的決策將會導致高程度后悔，而傾向于維持選擇原先的決策[17]。因此，顧客在未來選擇品牌或商店時，將更可能會集中在原有品牌或商店，并逐漸形成行動忠誠，持續(xù)出現(xiàn)行為慣性；顧客即使不進行消費，也仍會傾向于到該商店走走逛逛。此種重復性選擇程度越高，轉(zhuǎn)換意愿越低，向別人推薦的可能性也越大。因此，提出H4。

H4：行為慣性對口碑推薦有正向影響。

(四)行為慣性的中介作用

互動性會影響近距離臨場感和專注，從而使消費者進入沉浸狀態(tài)。沉浸是一種最佳化的內(nèi)在體驗，它是人們?yōu)槭裁丛敢饫^續(xù)從事某種活動的原因之一。沉浸與使用者自愿地重復使用某系統(tǒng)的意圖高度相關，在網(wǎng)絡互動過程中，注意力集中、可控制感、好奇心以及愉悅的感覺都會隨著網(wǎng)絡使用過程而提高[18]。在不斷的沉浸體驗中，顧客的信任和依賴感會不斷增強，逐漸形成一種行為慣性，并積極“推薦他人”“分享體驗”和“正面評價”。因此，提出H5。

H5：行為慣性在線上多層面服務互動與口碑推薦關系中具有中介作用。

H5a：行為慣性在顧客與在線平臺界面之間的互動和口碑推薦關系中具有中介作用。

H5b：行為慣性在顧客與在線服務人員之間的互動和口碑推薦關系中具有中介作用。

H5c：行為慣性在在線顧客與顧客之間的互動和口碑推薦關系中具有中介作用。

(五)優(yōu)惠待遇的調(diào)節(jié)作用

優(yōu)惠待遇(preferential treatment)是指向忠誠的消費者給予特別認可，并為他們提供更好的服務和額外的努力，而這些是其他非忠誠的消費者所不可及的。關系營銷思想中暗含著消費者關注和消費者選擇性，也就是說，不是所有的消費者都要求接受同等的服務方式[19]。消費者通常認為這種關注和選擇性是只提供給自己而不提供給他人的，例如折扣、更快的服務、服務失敗處理以及其他的個性化服務等。零售商至少可以明確區(qū)分兩個不同的消費者細分市場：忠誠的消費者和不忠誠的消費者。對二者進行區(qū)分能夠使人們感受到被重視的基本需要。根據(jù)互惠原則，享有優(yōu)惠待遇的顧客有義務給予企業(yè)回饋，因此自然會認為他們與企業(yè)之間的關系是積極的，并努力與企業(yè)保持這種關系,增強滿意、信任和承諾。從關系營銷的角度來看，當顧客感知到價值時，他們將不僅關注產(chǎn)品和服務，而且關注與企業(yè)的總體關系[20]。按照這些觀點，在高優(yōu)惠待遇情況下，即使行為慣性低，顧客也會與供應商建立強有力的情感聯(lián)結(jié)和感知較大的價值，也更樂于與他人分享此類關系利益，并向他人推薦。相反，如果優(yōu)惠待遇低，顧客沒有從與企業(yè)關系中獲得利益，也就沒有給予企業(yè)回饋的義務，那么即使行為慣性高，顧客也不會高度關注與企業(yè)的總體關系和向他人推薦。因此，提出H6。

H6：優(yōu)惠待遇對行為慣性與口碑推薦之間的關系有負向強化作用。

基于上述研究假設，本文構(gòu)建了一個有調(diào)節(jié)的中介模型，如圖1所示。主要目的有兩個：第一，檢驗行為慣性是否中介了線上服務互動與口碑推薦的關系；第二，考察優(yōu)惠待遇是否調(diào)節(jié)了線上服務互動通過行為慣性影響口碑推薦的這一中介過程的后半路徑。前者旨在探討線上服務互動“怎樣”影響口碑推薦，后者旨在探討這種影響“何時”更強或更弱。

圖1 線上服務互動對口碑推薦的影響機制

二、研究設計

(一)量表測量

本文主要包括線上服務互動、行為慣性、口碑推薦和優(yōu)惠待遇4個測量變量。線上服務互動包括顧客與在線平臺界面之間的互動、顧客與在線服務人員之間的互動、在線顧客與其他顧客之間的互動，分別編碼為cpi、csi、cci；量表設計參考趙宏霞等[21]，每個變量均包含4個問項，共12個問項。行為慣性量表參考Anderson & Srinivasan[22]，共3個問項，編碼為bi?？诒扑]量表參考Hong & Yang[23]，共4個問項，編碼為wom。優(yōu)惠待遇量表參考Patterson & Smith[24]，共4個問項，編碼為st。采用7級李克特量表對上述變量進行測量，1表示非常不同意，7表示非常同意。

(二)調(diào)查設計

調(diào)查對象是最近半年使用過電腦或手機接入互聯(lián)網(wǎng)并自己在網(wǎng)上購買過商品或服務的消費者。線上調(diào)查具有快速、省力、便宜的特點，而且容易實現(xiàn)共享，因此為了擴大調(diào)查的地區(qū)范圍和樣本數(shù)量，本次主要采用線上問卷調(diào)查的形式，通過問卷星平臺制作出電子版問卷后，以微信、QQ和電子郵件等方式進行轉(zhuǎn)發(fā)和回收。本次調(diào)查于2019年1月8日—2019年3月8日完成。

調(diào)查問卷包括4個部分：第一部分為引言，主要介紹本次調(diào)查目的，并對參與者表達謝意，以期得到他們的支持。第二部分是兩個填空題“近半年來您是否在網(wǎng)上購買過商品或服務？”“請?zhí)顚懸粋€您最常光顧并購買過商品或服務的購物網(wǎng)站”。第三部分為主體部分，主要涉及線上服務互動、行為慣性、口碑推薦和優(yōu)惠待遇4個變量的測量問項。第四部分是被調(diào)查者基本信息，如性別、收入、學歷、婚姻狀況、網(wǎng)購經(jīng)歷和網(wǎng)購品類等，其編碼分別為sex、inc、edu、mar、exp和cate。

三、數(shù)據(jù)與實證結(jié)果分析

(一)描述性統(tǒng)計分析

本調(diào)查共收回問卷647份問卷，其中有效問卷626份，有效回收率為96.75%。無效問卷主要產(chǎn)生于：第一，問卷填寫不完整；第二，問卷內(nèi)容填寫一致太多、問題答案相同或回答明顯敷衍；第三，看錯題意，錯誤作答。

為了檢驗樣本的總體分布，本文從性別、年齡、收入、學歷、網(wǎng)購經(jīng)歷和網(wǎng)購品類等6個方面對樣本進行描述性統(tǒng)計分析。分析結(jié)果表明，樣本總體上呈正態(tài)分布。在性別方面，男性占47.4%，女性占52.6%，表明女性可能更喜歡網(wǎng)上購物，而且更有耐心花時間填寫網(wǎng)上問卷。在年齡方面，集中分布在18～40歲，以年輕人為主，其中18～25歲、26～30歲及31～40歲分別占總體的23.8%、42.2%和16.6%，反映了年輕消費者熱衷于網(wǎng)上購物的基本特征；其他年齡段的被調(diào)查者所占比重較低，其中18歲以下占2.4%，40～50歲、50歲以上所占比重分別為9.9%、5.1%。在月收入方面，2 001～4 000元的所占比例最高，為31.8%；之后依次是1 000～2 000元的占19.3%，4 001～6 000元的占17.4%，6 001～8 000元的占12.8%，1 000元以下的占9.6%，8 000元以上的占9.1%，表明被調(diào)查者的整體消費水平不高。在學歷方面，本科生所占比重最大，為48.6%；其他學歷者占比分別為：高中及以下占12.3%，大專占29.2%，研究生占9.9%。在網(wǎng)購經(jīng)歷方面，每月網(wǎng)購頻率集中在6～10次，占比為56.9%，其中6～8次占28.3%，9～10次占28.6%，二者比例相當；其他依次為3～5次、10次以上、1～2次及1次以下，占比分別為16.3%、13.1%、8.3%、5.4%。在網(wǎng)購品類方面，被調(diào)查者最喜歡在網(wǎng)上購買服裝鞋帽。從品類數(shù)來看，6～7類占比最大，為29.1%；其次分別為8～9類、4～5類、2～3類、10(含)類以上和1類，占比分別為23.1%、22.0%、13.3%、7.5%和5.0%。

(二)信度和效度檢驗

本文采用克朗巴哈系數(shù)(Cronbach’s α)和CITC(corrected item-total correlation)進行信度檢驗。檢驗結(jié)果顯示，線上服務互動量表的CITC值為0.613～0.724，Cronbach’s α值為0.918。其子量表的CITC值分別為0.629～0.745、0.558～0.723和0.655～0.705，Cronbach’s α值分別為0.852、0.836和0.843。行為慣性量表的CITC值為0.599～0.755，Cronbach’s α值為0.825。優(yōu)惠待遇量表的CITC值為0.764～0.797，Cronbach’s α值為0.905?？诒扑]量表的CITC值為0.769～0.818，Cronbach’s α值為0.907。因此，量表可靠性是可以接受的。

效度檢驗主要考察內(nèi)容效度、收斂效度和區(qū)別效度。本文的量表均經(jīng)過以往研究的實證檢驗，具有較好的內(nèi)容效度。收斂效度從因子載荷、信度和平均萃取變異量(AVE)三方面來判定，其中因子載荷應大于0.5，AVE應大于0.45，并達到顯著水平。對各變量進行驗證性因子分析(CFA)的結(jié)果(見表1)表明，各個問項的因子載荷均大于0.5，AVE均大于0.45，且達到了顯著水平，符合評估標準，表明各量表的收斂效度在可接受的范圍。表2報告了各潛變量的相關系數(shù)和AVE的平方根，相關系數(shù)均小于相應的AVE的平方根，表明不同概念間具有良好的區(qū)別效度。

(三)實證結(jié)果分析

按照溫忠麟等[25]的觀點，可以結(jié)合中介效應檢驗的方法與調(diào)節(jié)效應檢驗的方法來檢驗有調(diào)節(jié)的中介效應是否顯著。本文遵循其建議，首先依次進行檢驗：(1)做因變量對自變量和調(diào)節(jié)變量的回歸，判斷自變量的系數(shù)是否顯著(模型2)；(2)做中介變量對自變量和調(diào)節(jié)變量的回歸，判斷自變量的系數(shù)是否顯著(模型3)；(3)做因變量對自變量、調(diào)節(jié)變量和中介變量的回歸，判斷中介變量的系數(shù)是否顯著(模型4)；(4)做因變量對自變量、調(diào)節(jié)變量、中介變量、中介變量和調(diào)節(jié)變量交互項的回歸，判斷中介變量和調(diào)節(jié)變量交互項的系數(shù)是否顯著(模型5)。如果前兩步中自變量系數(shù)顯著，第三步中介變量系數(shù)顯著，第四步交互項系數(shù)顯著，則有調(diào)節(jié)的中介效應成立。在進行有調(diào)節(jié)的中介效應分析時，首先對所有變量進行標準化，隨后構(gòu)造中介變量(行為慣性)與調(diào)節(jié)變量(優(yōu)惠待遇)的交互項，并用于有調(diào)節(jié)的中介效應的檢驗。表3主要匯報了線上服務互動與口碑推薦之間的關系以及行為慣性的中介作用和優(yōu)惠待遇的調(diào)節(jié)作用。

表1 CFA模型的因子載荷、AVE和組合信度

表2 潛變量的相關系數(shù)和AVE平方根

注：**、*分別表示在0.01、0.05的水平下顯著；對角線數(shù)字為AVE的平方根。

表3 線上服務互動與口碑推薦的回歸結(jié)果

注：***、**、*分別表示在0.001、0.01、0.05的水平下顯著。

模型1為基準模型，僅包含控制變量消費者性別、收入、學歷、婚姻狀況、網(wǎng)購經(jīng)歷和網(wǎng)購品類。以往研究表明，個人特征變量和商品品類會對口碑推薦造成潛在影響，因而本文將它們作為控制變量。檢驗結(jié)果表明，性別、網(wǎng)購品類與口碑推薦存在顯著的正相關關系(β=0.102，p值=0.004；β=0.497，p值=0.000)。這表明消費者在網(wǎng)上購買商品品類越多，越傾向于向他人口碑推薦；女性比男性更傾向于向人口碑推薦。

模型2在模型1中引入了自變量多層面線上服務互動(顧客與平臺界面之間的互動、顧客與服務人員之間的互動、顧客與其他顧客之間的互動)和調(diào)節(jié)變量優(yōu)惠待遇，主要檢驗線上服務互動對口碑推薦的主效應。檢驗結(jié)果表明，顧客與平臺界面之間的互動(β=0.168，p值=0.000)、顧客與服務人員之間的互動(β=0.227，p值=0.000)、顧客與其他顧客之間的互動(β=0.336，p值=0.000)均對口碑推薦有正向影響。檢驗結(jié)果在后續(xù)的模型中仍然穩(wěn)健，H1b、H2b、H3b得到驗證，且模型2的解釋度較模型1明顯改善(調(diào)整后R2=0.597，p值=0.000)。

模型3主要檢驗多層面線上服務互動對行為慣性的影響?？梢钥闯?，顧客與平臺界面之間的互動(β=0.489，p值=0.000)、顧客與服務人員之間的互動(β=0.269，p值=0.000)、顧客與其他顧客之間的互動(β=0.105，p值=0.003)與行為慣性正相關，因此H1a、H2a、H3a得到驗證。

模型4在模型2的基礎上增加了中介變量行為慣性?？梢钥闯觯薪樽兞颗c口碑推薦顯著正相關(β=0.152，p值=0.000)，且加入中介變量后，模型4的解釋力較模型2得到了一定改善(調(diào)整后R2=0.604，p值=0.000)。因此，H4得到了驗證。從模型4還可以看出，加入中介變量后，自變量與口碑推薦之間的關系仍然顯著(β=0.094，p值=0.025；β=0.186，p值=0.000；β=0.321，p值=0.001)，因此行為慣性在多層面線上服務互動與口碑推薦的關系中起中介作用，H5得到驗證。

模型5在模型4的基礎上增加了調(diào)節(jié)變量和中介變量的交互項(bi×st)?？梢钥闯?，模型5的解釋力較模型4有一定的改善(調(diào)整后R2=0.606，p值=0.001)。交互項的回歸系數(shù)為負，并具有統(tǒng)計上的顯著性(β=-0.319，p值=0.047)，表明優(yōu)惠待遇有負向調(diào)節(jié)作用。因此，H6得到驗證。

綜合模型2～模型5依次檢驗了4個步驟，結(jié)果均顯著，因此有調(diào)節(jié)的中介效應得到驗證。

四、研究結(jié)論及討論

(一)研究結(jié)論

企業(yè)開發(fā)互動導向是為了改進營銷活動和保持長期顧客關系，互動導向會增強正面口碑，鼓勵和促使顧客將本公司推薦給新顧客或者將新顧客推薦給本公司[26]。本文認為服務互動是多層面的，由此得出的一個研究結(jié)論是，不同層面的線上服務互動均與口碑推薦正相關，因而深化了互動導向的研究成果。第一，顧客與在線平臺界面之間的互動正向影響口碑推薦，這為Bitner[8]提出的服務環(huán)境感知影響消費者忠誠的觀點提供了證據(jù)。Bitner[8]認為對服務場景的積極感知會提高顧客對服務的滿意度，進而提高對企業(yè)的忠誠度。第二，顧客與在線服務人員之間的互動正向影響口碑推薦，這一研究結(jié)果拓展了實體服務情境下人際互動與正面口碑溝通正相關的研究結(jié)論。第三，顧客與顧客之間的在線互動正向影響口碑推薦，這個研究結(jié)果與Bhattacharya & Sen[27]提出的顧客—企業(yè)關系框架相吻合。該研究使用“嵌入”一詞來描繪顧客與組織中其他顧客建立關系的程度，并指出隨著顧客嵌入到企業(yè)的社會網(wǎng)絡中，顧客既會對公司進行正面口碑，又會為公司招募其他顧客。其原因在于,顧客間互動會增加服務體驗中的快樂時刻，鼓勵服務過程中的顧客共創(chuàng)，交流想法、接受其他客戶的支持、分享經(jīng)驗等促進了服務體驗中的顧客合作，從而形成顧客滿意，而顧客滿意又會影響顧客對企業(yè)的總體評價、再次惠顧意愿以及通過口碑溝通影響別人未來惠顧的傾向。此外，對影響系數(shù)的分析發(fā)現(xiàn)，三種類型的在線服務互動對口碑推薦的影響大小是不同的，其中顧客與顧客之間的在線互動影響最大，其次是顧客與在線服務人員之間的互動，顧客與在線平臺界面之間的互動影響最小。這表明，在線服務互動各要素能夠獨立或共同影響口碑推薦。同時，如同Grove & Fisk[28]所呼吁的，不要因為顧客之間互動對企業(yè)來說難以控制，就對其忽視；相反，在服務接觸中，要更多地了解顧客間互動對口碑推薦等顧客行為的影響，以便企業(yè)能夠更好地管理資源以促進或阻止某些顧客行為。

本文的另一個研究結(jié)論是，行為慣性在互動性和口碑推薦的關系中有中介作用。這是因為，互動性會影響近距離臨場感和專注，使顧客進入沉浸狀態(tài)。在不斷的沉浸體驗中，顧客的信任和依賴感不斷增強，逐漸形成一種行為慣性。同時，不同層面的互動程度越高，顧客在互動過程中所獲得的學習與熟悉程度將越高，高度的學習和熟悉將使顧客越會憑直覺到該店購物，因此顧客形成行為慣性的可能程度將會越高。顧客對同一品牌或商店的行為慣性程度越高，表明其對該品牌或商店越有學習效果且更加熟悉，對未來行為的預期也會越高，重復惠顧的習慣及其購買行為就會持續(xù)下去，推薦給他人的可能性也越大。而且，行為慣性對不同層面的線上服務互動與口碑推薦關系的中介作用大小不同：對于顧客—在線平臺界面間互動，行為慣性的中介效應占總效應的比值為53.254%；對于顧客—在線服務人員間互動和顧客間互動，行為慣性的中介效應均較小，其占總效應的比值分別為17.467%和4.776%。行為慣性的中介效應最大的原因可能與線上服務情境有關，在線上購物環(huán)境下，顧客首先接觸的是在線平臺界面，顧客與在線平臺界面之間的互動頻率也高于顧客與服務員工之間的互動以及顧客之間的互動頻率。這一研究結(jié)果與以下現(xiàn)實也是相符的：顧客在與他人分享網(wǎng)上購物經(jīng)歷時，通常首先會提及某個在線購物網(wǎng)站或平臺，然后會表達自己對購買的商品或服務以及服務人員的態(tài)度，而很少討論與其他顧客的互動事件。

優(yōu)惠待遇是一種關系利益，與顧客忠誠正相關。優(yōu)惠待遇對顧客長期關系導向的影響顯著,當顧客認為自己是優(yōu)惠待遇的受益者時，將產(chǎn)生更強烈的情感依戀和保持長久營銷關系的愿望，因此，優(yōu)惠待遇會激勵顧客購買更多的產(chǎn)品，影響口碑和顧客反饋[29]。這一結(jié)論也在本文得到了印證，模型5表明優(yōu)惠待遇對口碑推薦有正向影響(β=0.289，p值=0.040)。此外，本文還發(fā)現(xiàn)優(yōu)惠待遇在行為慣性與口碑推薦關系中有負向調(diào)節(jié)作用。其主要原因在于，顧客服務或價格折扣等優(yōu)惠待遇與顧客感激正相關，并會增加顧客轉(zhuǎn)換成本以及提高認知或情感轉(zhuǎn)換障礙，因此，在高優(yōu)惠待遇情況下，即使行為慣性低，顧客可能也不愿意轉(zhuǎn)換。相反，為了堅持互惠原則，確保自己未來能夠不斷地獲得優(yōu)惠待遇，顧客對企業(yè)會變得更忠誠，從而表現(xiàn)出重復惠顧或口碑推薦行為。

(二)理論貢獻

本文的理論貢獻主要表現(xiàn)在以下兩個方面：第一，以往關于口碑推薦前因的研究較多關注顧客特征、企業(yè)要素以及顧企關系，很少關注服務互動對口碑推薦的影響。本研究首次驗證了在線購物情境下顧客與在線平臺界面之間互動、顧客與在線服務人員之間互動、在線顧客與其他顧客之間互動等多層面線上服務互動對口碑推薦的影響，這為口碑推薦的來源提供了新的解釋變量，并明確了不同類型服務對口碑推薦的影響差異。第二，本研究進一步闡釋了線上服務互動怎樣對口碑推薦造成影響，指出了其中有調(diào)節(jié)的中介機制，即行為慣性是線上服務互動與口碑推薦關系機制中有調(diào)節(jié)的中介變量，行為慣性的中介作用受到優(yōu)惠待遇的負向調(diào)節(jié)。這一研究發(fā)現(xiàn)深化了口碑推薦形成機制的研究，對于深入理解服務互動與口碑推薦之間的關系具有一定的價值。

(三)管理啟示

1.強化基于顧客的多層面服務互動。本研究表明，顧客與在線平臺界面之間的互動、顧客與在線服務人員之間的互動、在線顧客與其他顧客之間的互動既影響行為慣性，又影響口碑推薦。因此，零售商應強化基于顧客的在線多層面服務互動管理。第一，提供各種正向的平臺界面刺激。幫助顧客消除對信息系統(tǒng)的陌生感，降低網(wǎng)上購物的風險，提升其對平臺的感知有用性和信任程度。在設計因素方面，通過合理的有形展示和信息呈現(xiàn)來強化設計因素的功能價值以提高顧客的價值認知，致力于網(wǎng)頁布局是否明晰，導航系統(tǒng)是否方便，顏色設計是否流行和令人愉悅，標志是否清楚，商品陳列、商品信息和分類是否具體和完整。在潛在因素方面，氛圍屬性是購買點即POP的基本要素，應不斷進行調(diào)整和優(yōu)化，致力于音樂是否讓人放松，3D技術(shù)是否逼真，虛擬空間是否有臨場感。第二，促進顧客與在線服務人員積極互動。零售商要針對在線服務人員的工作態(tài)度和基本禮儀加強訓練，讓他們明確地知道怎樣與顧客在線互動以及應對進退的標準，并建立在線服務人員工作態(tài)度和個人情緒的分隔，避免二者相互影響。同時建立一套制度，以便有效地將在線服務人員的工作態(tài)度記錄下來，并反饋給在線服務人員，使其了解自身表現(xiàn)并持續(xù)改進。第三，構(gòu)建顧客之間在線互動的管理戰(zhàn)略，加強對在線評論區(qū)的管理。一是對不同類型顧客之間的在線互動進行評估以確定一些基準，例如建立在線顧客之間互動重要性頻率矩陣，構(gòu)建負面顧客之間互動的問責機制等。二是明確在顧客間互動管理中企業(yè)應扮演的角色，例如顧客間互動關系的影響者、塑造者或組織者。三是制定顧客在線互動行為規(guī)范，通過廣告、宣傳手冊、各種警示以及在線服務人員的引導和示范，在顧客之間尤其是陌生顧客之間倡導和促成一種相互尊重、友好互助和輕松愉快的交流氛圍。

2.培養(yǎng)線上顧客的行為慣性。當顧客已經(jīng)習慣于特定的事物時，就不會有太強的動機去尋找替代方案。本研究表明，行為慣性越高，顧客越傾向于向他人推薦。而熟悉度、偏好和使用經(jīng)驗會影響行為慣性，因此除了強化線上服務互動之外，零售商可以通過增強網(wǎng)店熟悉度、偏好和使用經(jīng)驗來培養(yǎng)行為慣性。第一，廣泛利用各種傳播工具，主動告知準備開展的各種活動和優(yōu)惠，讓顧客迅速熟悉。第二，加強情感化宣傳，區(qū)隔出與其他網(wǎng)絡商店的不同之處，特別是明確指出與其他購物網(wǎng)站相比有哪些優(yōu)點，以加深顧客對網(wǎng)店的正面印象，建立顧客對網(wǎng)店的認同和偏好。第三，提供多種誘因，例如以契約的方式，使顧客持續(xù)瀏覽和點擊；或者通過降價或低價、發(fā)放折扣券、贈送免費樣品以及向顧客宣傳新產(chǎn)品帶來的收益等激發(fā)顧客自發(fā)性，提高網(wǎng)店瀏覽的頻率，增加顧客對網(wǎng)店的消費經(jīng)驗和依賴。此外，年長者可能較易產(chǎn)生行為慣性，因此零售商應重點關注年輕顧客行為慣性的培養(yǎng)，進而使其向他人推薦。

3.實施優(yōu)惠待遇方案。優(yōu)惠待遇是一種常見的現(xiàn)象，獲得優(yōu)惠待遇會提高購物者的自尊和地位，使購物體驗更滿意，價格敏感度降低，顧客—品牌關系提升，正面口碑增強，以及購買意愿和品牌忠誠提高。因此，零售商可以為挑選出來的一些在線顧客提供優(yōu)惠待遇，例如生日禮包、會員特價、自營免基礎運費、專享禮包、貴賓專線、售后運費優(yōu)惠等。為了確定何種顧客能夠享受何種優(yōu)惠待遇，應該明確并公開一些客觀標準。此外，優(yōu)惠待遇有時會引發(fā)認知不公平和“公共關系緊張”，那些沒有獲得優(yōu)惠的顧客可能會表現(xiàn)出不滿意，因此在線零售商在實施優(yōu)惠待遇政策之前，要認真審視優(yōu)惠待遇的優(yōu)點，檢查顧客對優(yōu)惠待遇的接受情況及可能的反應。

(四)研究局限和未來展望

第一，本文聚焦于線上服務互動與口碑推薦的關系，雖然探討了三個層面的線上服務互動影響效果，但是為了有效地開展線上服務互動，在線零售商要結(jié)合如下問題進行整合設計，例如線上服務互動內(nèi)容是什么，線上服務互動頻率多大合適，線上服務互動途徑有哪些，以及線上服務互動時機如何把握。對此，本文并沒有深入分析，因而有待于在未來的研究中進一步探索。第二，本文引入了優(yōu)惠待遇這個調(diào)節(jié)變量，然而，優(yōu)惠待遇可能會破壞未獲得待遇的顧客與企業(yè)之間的關系，也就是說優(yōu)惠待遇對獲得者和未獲得者的影響是不同的。優(yōu)惠待遇的影響差異，也取決于這種待遇被認為是掙得的(earned)還是應得的(unearned)，例如當新顧客享受優(yōu)惠待遇時，老顧客可能會不滿。此外，社會認知(即被他人尊重的欲望)和顧客關系偏好可能會影響顧客的優(yōu)惠待遇欲望，這表明，優(yōu)惠待遇的作用可能存在一定的邊界和條件。因而有待于進一步探討優(yōu)惠待遇的享受者和非享受者、優(yōu)惠待遇的特性(掙得的或應得的)、顧客的社會認知和關系偏好等因素對優(yōu)惠待遇的作用所產(chǎn)生的影響。第三，隨著互聯(lián)網(wǎng)的發(fā)展，口碑推薦行為逐漸由線下轉(zhuǎn)移到線上。線上服務互動影響的是線下口碑推薦還是在線口碑推薦？本文在對口碑推薦變量進行操作時，并沒有進行嚴格區(qū)分，今后研究有必要考慮線上服務互動可能產(chǎn)生的這種差異化影響效果。