基于個性化推薦的消費者網(wǎng)絡(luò)購買意愿影響因素分析

羅玉葵

（陽江職業(yè)技術(shù)學(xué)院 廣東陽江 529500）

引言

隨著居民收入的不斷增長，居民的消費需求也日益提高，由原來的注重消費數(shù)量逐步轉(zhuǎn)變?yōu)樽⒅叵M質(zhì)量。對于眾多購物平臺而言，充分考慮消費者的消費意愿，為其帶來消費便利，讓消費者獲得良好的購物體驗，這樣才能夠贏得消費者的信任，實現(xiàn)業(yè)績的不斷提升。目前，不少購物網(wǎng)站采用精準的個性化推薦系統(tǒng)向消費者進行產(chǎn)品推薦，然而怎樣確保個性化推薦能夠在合理限度之內(nèi)，既達到良好的營銷效果，還能夠讓消費者滿意，實現(xiàn)個性化推薦價值的最大化，是本文研究的意義所在。

模型構(gòu)建與研究假設(shè)

（一）影響個性化推薦的因素分析

網(wǎng)絡(luò)購物市場競爭十分激烈，怎樣根據(jù)消費者偏好向其精準推薦產(chǎn)品成為競爭成敗的重要環(huán)節(jié)。對此，購物網(wǎng)站應(yīng)當對影響個性化推薦的因素具有準確的認識。盡管不少電子商務(wù)企業(yè)按照個性化推薦系統(tǒng)向消費者進行產(chǎn)品營銷，然而學(xué)術(shù)界鮮有學(xué)者對其進行深入分析，更不要說找出具有一定適用性的個性化推薦效果模型。對于影響個性化推薦的因素，本文通過文獻閱讀法和訪談法獲得?？紤]到篇幅的因素，并未將具體獲取過程詳細展示。通過整理發(fā)現(xiàn)信息編排、推薦強度、推薦效度以及視覺線索是影響個性化推薦的主要因素。本文在此選取這四個變量進行實證分析。

（二）研究模型

本文結(jié)合刺激-反應(yīng)（S-R）模型和刺激-感知-反應(yīng)（S-O-R）模型，構(gòu)建了個性化推薦對消費者購買意愿影響的研究模型，如圖1所示。

本研究擬從信息編排、推薦強度、推薦效度以及視覺線索四個維度構(gòu)建研究模型，首先對以上四個維度對消費者感知利益以及感知風(fēng)險所產(chǎn)生的影響進行了擬驗證，結(jié)合文獻資料把感知利益劃分成感知情感利益以及感知經(jīng)濟利益這兩種，把感知風(fēng)險劃分成感知隱私風(fēng)險和感知績效風(fēng)險。之后深入分析自變量以及中介變量對購買意愿所造成的影響。文中的研究模型涵蓋了自變量、中介變量以及因變量，其中自變量是個性化推薦的影響因素，中介變量是消費者感知價值，消費者購買意愿為因變量。

（三）研究假設(shè)

個性化推薦對消費者感知價值和購買意愿的影響。大量的文獻研究表明，個性化推薦中的信息編排對消費者的購買意愿具有顯著積極影響。Diehl（2003）認為按表格進行排序比隨機或者無序的方式進行排序更能夠吸引消費者。Bharati等（2004）提出，推薦信息質(zhì)量會對該推薦系統(tǒng)的滿意度產(chǎn)生影響，進而影響消費者購買決策的做出。李露（2014）認為可以使用產(chǎn)品推薦代理的方式來為顧客降低信息推薦過量造成的負擔(dān)。結(jié)合學(xué)者們的相關(guān)研究，信息編排是消費者所觸及的第一扇門，直接影響消費者感知。朱巖等（2009）認為在個性化系統(tǒng)中進行信息推薦時，推薦強度是影響消費者接受效果的關(guān)鍵性一步，適宜的推薦強度會使顧客產(chǎn)生積極的感知價值。夏敏捷和張錦歌（2003）認為，最好的推薦信息展示方式不僅具有針對不同用戶的高度個性化設(shè)計，還不能對用戶當前使用習(xí)慣造成困擾，更為重要的是要通過不斷地提升用戶體驗來實現(xiàn)利潤最大化的目標。

圖1 個性化推薦對消費者網(wǎng)絡(luò)購物購買意愿影響的研究模型

伴隨著各種性能強大的網(wǎng)絡(luò)購物軟件的出現(xiàn)，信息的展現(xiàn)形式也不再拘泥于某一種形式，僅通過文字描述就可以將產(chǎn)品推銷出去的方式早己成為過去式。目前，圖片、音頻和視頻己經(jīng)成為必不可少的內(nèi)容，隨著直播行業(yè)的異軍突起，很多個性化推薦平臺也開始緊隨這個大潮流進行直播推薦?？梢钥闯?，個性化推薦越來越多樣化和活潑化，歸根結(jié)底就是為了在這數(shù)以萬計的商品信息中快速地引起消費者的興趣，進而促成購買決策。Chen等（2006）認為目前網(wǎng)絡(luò)信息的關(guān)鍵是有趣并吸引消費者的目光，開拓一種全新的方式，讓消費者在腦海中留下深刻的印象。而事實上，視覺線索就表現(xiàn)了這種趣味性。

基于以上分析，本文提出如下一系列假設(shè)：

H1：個性化推薦對于消費者感知價值存在顯著影響。

H1.1：信息編排對于消費者感知經(jīng)濟利益具有顯著的正向影響。

H1.2：信息編排對于消費者感知情感利益具有顯著的正向影響。

H1.3：信息編排對于消費者感知隱私風(fēng)險具有顯著的負向影響。

H1.4：信息編排對于消費者感知績效風(fēng)險具有顯著的負向影響。

H1.5：推薦強度對于消費者感知經(jīng)濟利益具有顯著的正向影響。

H1.6：推薦強度對于消費者感知情感利益具有顯著的正向影響。

H1.7：推薦強度對于消費者感知隱私風(fēng)險具有顯著的負向影響。

H1.8：推薦強度對于消費者感知績效風(fēng)險具有顯著的負向影響。

H1.9：推薦效度對于消費者感知經(jīng)濟利益具有顯著的正向影響。

H1.10：推薦效度對于消費者感知情感利益具有顯著的正向影響。

H1.11：推薦效度對于消費者感知隱私風(fēng)險具有顯著的負向影響。

H1.12：推薦效度對于消費者感知績效風(fēng)險具有顯著的負向影響。

H1.13：視覺線索對于消費者感知經(jīng)濟利益具有顯著的正向影響。

H1.14：視覺線索對于消費者感知情感利益具有顯著的正向影響。

H1.15：視覺線索對于消費者感知隱私風(fēng)險具有顯著的負向影響。

H1.16：視覺線索對于消費者感知績效風(fēng)險具有顯著的負向影響。

H2：個性化推薦對于消費者購買意愿具有顯著影響。

H2.1：信息編排對于消費者購買意愿具有顯著的正向影響。

H2.2：推薦強度對于消費者購買意愿具有顯著的正向影響。

H2.3：推薦效度對于消費者購買意愿具有顯著的正向影響。

H2.4：視覺線索對于消費者購買意愿具有顯著的正向影響。

消費者感知價值對購買意愿的影響。感知利益是消費者的一種主觀感受，是消費者在購買和使用某種產(chǎn)品和服務(wù)時所感受到的利得，感知風(fēng)險的概念則反之。消費者在使用個性化推薦系統(tǒng)時，會根據(jù)心理預(yù)期進行判斷和衡量可能存在的利益和風(fēng)險，進而會做出是否購買的決策。感知利益大于感知風(fēng)險時，消費者會產(chǎn)生正向的購買意愿，感知利益小于感知風(fēng)險時，消費者會產(chǎn)生負向購買意愿。Khan（2015）通過實證研究發(fā)現(xiàn)消費者感知價格利益、感知便捷利益和感知退貨政策利益都會對消費者滿意度產(chǎn)生正向顯著影響，進而能夠?qū)οM者的購買意愿產(chǎn)生正向影響；消費者感知產(chǎn)品風(fēng)險、感知財務(wù)風(fēng)險對消費者滿意度以及購買意愿產(chǎn)生了消極影響。郝遼鋼（2016）對天貓APP的圖書銷售數(shù)據(jù)進行研究，結(jié)果顯示手機專享折扣率和產(chǎn)品銷售數(shù)量表現(xiàn)出正相關(guān)關(guān)系，在此條件下，文中提出下列假設(shè)：

H3：消費者感知價值對于消費者購買意愿具有顯著的影響。

H3.1：感知經(jīng)濟利益對于購買意愿具有顯著的正向影響。

H3.2：感知情感利益對于購買意愿具有顯著的正向影響。

H3.3：感知隱私風(fēng)險對于購買意愿具有顯著的負向影響。

H3.4：感知績效風(fēng)險對于購買意愿具有顯著的負向影響。

消費者感知價值的中介作用。學(xué)術(shù)界經(jīng)常將感知價值作為個性化推薦與購買意愿之間的中介變量、前因變量和購買意愿的影響因素予以研究，相關(guān)研究成果非常豐富。例如張炳凱（2018）分析了產(chǎn)品價格、品牌口碑與店鋪形象三個外部線索，通過感知價值的中介作用，對消費者購買意愿產(chǎn)生影響。葉進風(fēng)（2017）研究表明，感知價值的三個維度（社交價值、使用價值和情感價值）在品牌APP營銷與品牌認知之間起到了中介作用。劉萍（2015）研究表明感知價值在網(wǎng)絡(luò)口碑和購買意愿之間存在中介作用。因此基于相關(guān)學(xué)者的研究，本文認為研究模型的中介變量感知價值及其四個維度在自變量信息編排、推薦效度、推薦強度、視覺線索和因變量購買意愿之間存在中介作用，因此本文提出如下假設(shè)：

H4：消費者感知價值在個性化推薦與消費者購買意愿之間起到中介作用。

H4.1：感知經(jīng)濟利益在信息編排和消費者購買意愿之間起到中介作用。

H4.2：感知經(jīng)濟利益在推薦強度和消費者購買意愿之間起到中介作用。

H4.3：感知經(jīng)濟利益在推薦效度和消費者購買意愿之間起到中介作用。

H4.4：感知經(jīng)濟利益在視覺線索和消費者購買意愿之間起到中介作用。

H4.5：感知情感利益在信息編排和消費者購買意愿之間起到中介作用。

H4.6：感知情感利益在推薦強度和消費者購買意愿之間起到中介作用。

H4.7：感知情感利益在推薦效度和消費者購買意愿之間起到中介作用。

H4.8：感知情感利益在視覺線索和消費者購買意愿之間起到中介作用。

H4.9：感知隱私風(fēng)險在信息編排和消費者購買意愿之間起到中介作用。

H4.10：感知隱私風(fēng)險在推薦強度和消費者購買意愿之間起到中介作用。

H4.11：感知隱私風(fēng)險在推薦效度和消費者購買意愿之間起到中介作用。

H4.12：感知隱私風(fēng)險在視覺線索和消費者購買意愿之間起到中介作用。

H4.13：感知績效風(fēng)險在信息編排和消費者購買意愿之間起到中介作用。

H4.14：感知績效風(fēng)險在推薦強度和消費者購買意愿之間起到中介作用。

H4.15：感知績效風(fēng)險在推薦效度和消費者購買意愿之間起到中介作用。

H4.16：感知績效風(fēng)險在視覺線索和消費者購買意愿之間起到中介作用。

（四）數(shù)據(jù)來源與變量測度

對于個性化推薦，本文分別運用了蔡日梅（2008）開發(fā)信息編排測度量表和推薦強度測度量表、王艷萍（2013）和劉倩（2011）開發(fā)的推薦效度量表、據(jù)瀟（2012）開發(fā)的視覺線索量表。對于消費者感知價值，本文依據(jù)上文模型，通過感知經(jīng)濟利益和感知情感利益兩個維度來測度消費者感知利益，通過感知隱私風(fēng)險和感知績效風(fēng)險兩個維度測度消費者感知風(fēng)險，對于消費者購買意愿本文借鑒Bagozzi（2001）的研究量表進行適當改編測度。為了驗證問卷的合理性，本文運用內(nèi)部一致性分析等方法進行前測，問卷具體問項及前測過程在此不贅述。

個性化推薦對消費者網(wǎng)絡(luò)購買意愿影響的實證分析

本次問卷共計回收352份，刪掉不符合作答要求的問卷40份，最終剩余有效問卷總數(shù)為312份，有效問卷回收率為88.64%。本文對數(shù)據(jù)及問卷進行了信效度分析，結(jié)果顯示問卷及獲取數(shù)據(jù)是具有信效度的，在此不贅述，本文著重對變量相關(guān)性分析及回歸分析進行闡釋。

（一）相關(guān)性分析

個性化推薦與感知價值的相關(guān)分析。使用SPSS 20.0軟件得出個性化推薦各個維度與消費者感知價值的相關(guān)性如表1所示，可以看出信息編排、推薦效度、推薦強度和視覺線索對消費者感知經(jīng)濟利益、消費者感知情感利益具有顯著正向相關(guān)關(guān)系，信息編排、推薦強度、推薦方式和視覺線索對于消費者感知隱私風(fēng)險和消費者感知績效風(fēng)險具有顯著的負向相關(guān)影響。

感知價值與購買意愿的相關(guān)分析。消費者感知價值各維度與消費者購買意愿的相關(guān)分析如表2所示，從表中結(jié)果可以看出，消費者感知情感利益和感知經(jīng)濟利益均與消費者購買意愿在0.01的水平上有顯著的正向相關(guān)關(guān)系，消費者感知績效風(fēng)險、消費者感知隱私風(fēng)險與消費者購買意愿在0.01水平上有顯著的負向相關(guān)關(guān)系。

表1 個性化推薦與感知價值的相關(guān)性分析

個性化推薦與購買意愿的相關(guān)分析。個性化推薦的各維度與購買意愿的相關(guān)分析如表3所示，信息編排、推薦效度、推薦強度和視覺線索均對購買意愿具有正向相關(guān)關(guān)系，在0.01水平上顯著相關(guān)。

表2 感知價值與購買意愿的相關(guān)性分析

表3 個性化推薦與購買意愿的相關(guān)性分析

表4 回歸模型匯總

表5 回歸模型ANOVAa檢驗

表6 個性化推薦各因素和感知經(jīng)濟利益回歸結(jié)果

表7 回歸分析結(jié)果

（二）回歸分析

個性化推薦與感知價值的回歸分析。本文首先分析了個性化推薦與感知經(jīng)濟利益的關(guān)系。由表4可以看出，回歸模型的R2系數(shù)為0.433，調(diào)整R2系數(shù)為0.426，表明模型中的自變量能夠解釋的因變量總變異為42.6%。Durbin-Watson系數(shù)為2.119，接近2，表明模型中的自變量不存在自相關(guān)的問題，自變量選取合理。因此個性化推薦對感知經(jīng)濟利益影響的回歸模型是合理有效的。

由表5可以看出，當回歸模型中包含（常量）視覺線索、推薦強度、信息編排和推薦效度這四個自變量時，F(xiàn)值為58.619，Sig值為0.000，Sig值顯著，拒絕總體回歸系數(shù)為0的原假設(shè)，表明至少有一個自變量對于因變量具有顯著影響。

由表6可知，模型各個變量的方差膨脹因素均低于2，這說明變量無嚴重的多重共線性。信息編排以及推薦效度的系數(shù)在1%水平下顯著，推薦強度和視覺線索的系數(shù)在1%水平下不顯著，這說明信息編排、推薦效度對感知經(jīng)濟利益的影響顯著，且影響方向為正。推薦強度和視覺線索對感知經(jīng)濟利益的影響并不具有顯著性。對于影響大小，根據(jù)回歸系數(shù)可知，推薦強度的影響最大，信息編排次之。

同理，就感知情感利益而言，這四個變量的影響均顯著，且影響程度由高到低分別是視覺線索、信息編排、推薦強度和推薦效度；就感知隱私風(fēng)險而言，信息編排、視覺線索對感知隱私風(fēng)險的影響顯著，且影響方向為負，影響程度由高到低為視覺線索、信息編排；就感知績效風(fēng)險而言，信息編排、推薦效度以及視覺線索對感知績效風(fēng)險的影響顯著，影響方向為負，影響程度由高到低依次為視覺線索、信息編排和推薦效度。

個性化推薦與購買意愿的回歸分析。選取信息編排、推薦強度、推薦效度以及視覺線索為自變量，消費者購買意愿為因變量，通過回歸分析可得：這四個變量對購買意愿影響顯著，且影響方向為負，影響程度由高到低依次為視覺線索、信息編排、推薦效度和推薦強度。

感知價值和購買意愿的回歸分析。選取信息編排、推薦強度、推薦效度以及視覺線索為自變量，購買意愿為因變量，通過回歸分析可得感知隱私風(fēng)險、感知績效風(fēng)險對購買意愿影響顯著，影響方向為負，影響程度由高到低依次為感知情感利益、感知經(jīng)濟利益、感知隱私風(fēng)險、感知績效風(fēng)險。

感知價值的中介效應(yīng)檢驗。通過前文分析可得，信息編排、推薦效度適用于中介效應(yīng)檢驗?；诖耍疚脑诖诉x取信息編排、推薦效度以及感知經(jīng)濟利益為自變量，購買意愿作為因變量，所得的回歸結(jié)果如表7所示。

根據(jù)表7可知，模型引入感知經(jīng)濟利益時，信息編排、推薦效度的系數(shù)在1%水平下顯著，這說明對于信息編排、推薦效度與購買意愿而言，感知經(jīng)濟利益存在部分中介效應(yīng)。同樣的道理，對感知情感利益的中介效應(yīng)分析可得，感知情感利益在四個變量和購買意愿間存在部分中介效應(yīng)。對于感知隱私風(fēng)險，其在四個變量和購買意愿間也存在部分中介效應(yīng)。

結(jié)論與啟示

（一）結(jié)論

基于本文的實證分析能夠得出，假設(shè)H1.6部分成立，即推薦強度對消費者感情認知具有顯著的影響，且影響方向為正。推薦強度對消費者感知經(jīng)濟利益、感知隱私風(fēng)險以及感知績效風(fēng)險無顯著影響，假設(shè)H1.5、H1.7以及H1.8不成立。推薦效度對感知經(jīng)濟利益、感知情感利益以及感知績效風(fēng)險具有顯著的影響，由此證實了假設(shè)H1.9、H1.10以及H1.12成立。推薦效度對感知隱私風(fēng)險無顯著影響，這表明假設(shè)H1.11不成立。無論是感知經(jīng)濟利益，還是感知情感利益，視覺線索的影響均顯著，且影響方向為正，對感知隱私風(fēng)險以及感知績效風(fēng)險的影響均顯著，但影響方向為負，由此證實了假設(shè)H1.14、H1.15、H1.16成立。個性化推薦的四個變量對購買意愿均影響顯著，由此證實了假設(shè)H2，影響程度由高到低依次為視覺線索（0.327）、信息編排（0.304）、推薦效度（0.225）、推薦強度（0.154）。感知經(jīng)濟利益與感知情感利益對購買意愿影響顯著，由此證實了假設(shè)H3.1、H3.2成立。感知隱私風(fēng)險與感知績效風(fēng)險對購買意愿影響顯著，但影響方向為負，由此證實了假設(shè)H3.3、H3.4成立。影響程度由高到低依次為感知情感利益（0.365）、感知經(jīng)濟利益（0.320）、感知隱私風(fēng)險（-0.219）、感知績效風(fēng)險（-0.093）。隨著廣告市場的不斷發(fā)展，包含圖文與視頻內(nèi)容的廣告能夠?qū)Ξa(chǎn)品進行詳細的展現(xiàn)，讓消費者獲得更為直觀的感觸，提高消費者的消費便利性，進而增加了感知情感利益。此外，感知隱私風(fēng)險與感知績效風(fēng)險均不利于消費者購買意愿的增長，相比之下，感知隱私風(fēng)險的不利影響較大。這表明消費者通過個性化推薦在網(wǎng)站購買商品存在一定的個人隱私泄露的顧慮，若消費者對推薦的產(chǎn)品存在嚴重的風(fēng)險顧慮時，其購買意愿會降低甚至消失。

（二）啟示

對于個性化推薦而言，其四個維度存在顯著的差異，且各維度對感知價值的影響程度大小不一，這會影響消費者購買意愿的大小。對此，網(wǎng)絡(luò)購物平臺應(yīng)當充分考慮每名消費者的個性化特征開展針對性的推薦，幫助其增加感知價值，減少感知風(fēng)險，促進購買意愿的增加。因此，本文認為應(yīng)當從以下幾個方面做起：

首先，對信息進行合理編排。相比線下購物，線上購物不受時間和空間的影響。采用個性化推薦方式，對信息進行合理編排有助于消費者付出最少的時間成本找到所需的產(chǎn)品，促進消費者感知情感利益的增加，提高其購買意愿。

其次，推薦強度應(yīng)當適度。在信息化時代，消費者面對的信息是海量的，商家為了追求盡可能多的利益，想方設(shè)法向消費者進行產(chǎn)品推薦，然而卻忽視了消費者的信息承受能力。因此，必須要適度推薦，若將相同的信息重復(fù)向消費者推薦，不但不能達到預(yù)期的效果，反而讓消費者心生不滿，進而對產(chǎn)品不滿意，甚至不愿意再購買該款產(chǎn)品。此外，還應(yīng)當采取措施獲取消費者的反饋，對具有較高忠誠度的顧客進行意見征求，并對意見進行匯總整理，為確定合理的推薦強度提供有益的參考。

再次，推薦效度應(yīng)當準確。隨著大數(shù)據(jù)技術(shù)的運用，互聯(lián)網(wǎng)平臺能夠?qū)κ袌鲞M行有效分析。雖然多數(shù)網(wǎng)站已經(jīng)實行了個性化信息推薦，然而還存在消費者需求和信息不相匹配的情況。若網(wǎng)絡(luò)購物平臺難以繼續(xù)為消費者提供效度較高的信息，將導(dǎo)致消費者產(chǎn)生信息拒絕的問題，從而影響其購買意愿。因此，一定要高度重視信息效度。

最后，視覺線索應(yīng)當豐富多樣。當消費者日益注重消費品質(zhì)時，簡單的依靠文字推薦難以讓消費者對產(chǎn)品產(chǎn)生興趣，消費者需要能夠更加直觀的對產(chǎn)品進行感受。消費者選擇線下購物能夠獲得較多的體驗，原因在于情景因素的影響。然而網(wǎng)絡(luò)購物容易受到其它外部環(huán)境的影響。對此，個性化推薦需要強化情景因素的介入，幫助消費者獲得良好的購物體驗，這是提高消費者購買意愿的關(guān)鍵之處。