新冠疫情下居民社區(qū)團購行為的異質性
——基于潛類別分析的方法

劉舒婷 周小敏 何美英 劉 穎

一、研究背景

2020 年初，新冠疫情的爆發(fā)，導致國內消費需求受到較嚴重的沖擊，居民消費降低，因此促進國內消費成為有效擴大內需的重要措施。中央政治局會議提出各地應因地制宜推出相關激勵和補貼政策，以此釋放國內居民的消費潛力，確保國內消費平穩(wěn)增長。而社區(qū)團購行業(yè)因其無接觸化的送貨方式在疫情下脫穎而出，更多的平臺和個體選擇加入社區(qū)團購，大量資本開始投入社區(qū)團購市場，使得社區(qū)團購規(guī)模得到了爆發(fā)式增長。隨著疫情的蔓延和反復，社區(qū)團購日益升級完善，社區(qū)團購中銷配一體化等模式的出現導致了各大平臺的銷售模式產生差異，從而直接導致消費者的選擇傾向發(fā)生改變，消費者行為呈現出了典型的異質性。分析消費者的行為差異性能夠在一定程度上幫助社區(qū)團購平臺了解消費者行為特征，實現社區(qū)團購平臺的精準營銷，推動新零售模式的升級，促進社區(qū)團購行業(yè)的發(fā)展。

目前國內外有許多學者研究社區(qū)團購的商業(yè)模式，但很少有學者關注社區(qū)團購消費者行為的差異性。本文基于對社區(qū)團購消費者的問卷調查，在市場細分理論的指導下，分析了消費者行為的異質性及其影響因素，豐富了市場細分理論的研究成果，同時也為社區(qū)團購平臺根據消費者的行為異質性及時調整經營機制，更好地定位目標客戶，最終實現精準營銷，提供針對性的策略建議。

二、文獻綜述

在社區(qū)團購相關研究方面，李夢夢等指出社區(qū)團購市場需求龐大，吸引資本源源不斷地涌進賽道，競爭激烈，供應鏈的整合能力將成為行業(yè)競爭的新賽點。周子祺指出社區(qū)團購是行業(yè)發(fā)展和技術進步共同催生的產物，是對行業(yè)未來前進方向的有益探索。在市場細分理論應用方面，Yan 等利用市場細分理論將財產保險公司客戶終身價值劃分成四個組內關系密切，組間差異大的顧客群體。閆曉華等以肯德基為例，將目標市場以行為數據和認知因素為依據對消費者進行細分。

在研究居民社區(qū)團購行為差異性及其影響因素中，進行社區(qū)團購的消費者一般受到兩個方面的因素影響，一個是人口統計學特征因素；另一個因素是動機因素。人口統計學特征方面：張標等表明消費者的性別、年齡、家庭收入、教育水平、購買頻率等個人基本特征對消費者在網上購買生鮮蔬菜產品的結果具有顯著的相關關系。劉景景等表明，消費者的個人和家庭特征、質量認證因素、網上購物的體驗和習慣以及網上生鮮農產品的優(yōu)勢將對消費者的網上生鮮農產品行為產生顯著影響。動機因素方面：張應語等分析發(fā)現，購買意愿與感知利益和感知風險相關，感知利益正向促進購買意愿，感知風險負向影響購買意愿。Lin 等發(fā)現產品特征和平臺特征顯著影響消費者的感知功利價值和感知享樂價值。Tsai W H S 等通過跨文化比較中美兩國消費者網絡團購意愿的驅動機制，發(fā)現感知流行度對中國消費者的購買意愿顯著。

目前國內外有許多學者研究社區(qū)團購商業(yè)模式與消費者之間的相關特征，但很少有學者關注社區(qū)團購消費者群體行為的差異性，本文嘗試在這方面開展研究。

三、數據、測量與分析方法

（一）數據

本文所使用的研究數據來自于2021 年11 月至2022 年1 月期間對永州市一市八縣兩區(qū)居民開展問卷調查獲取的調查數據，調查通過問卷星網上調查和實地調查兩種方式開展。共回收575份調查問卷。調查內容包括人口統計學特征、消費行為特征和動機因素三個方面。剔除無效問卷后，最終得到有效問卷為475 份，問卷有效率為82.61%。

（二）測量

本文從人口統計學特征、消費行為特征和動機因素三個方面進行探究。人口統計學特征包括性別、年齡、受教育程度、婚姻狀況、個人職業(yè)、月收入；動機因素包括周圍商店類型和是否因為商品種類豐富、節(jié)省時間、價格實惠、質量保證、配送服務好而選擇社區(qū)團購；消費行為特征變量包括：了解程度、參與程度、購買頻率、購買類型、購買渠道、平均消費金額和購買意愿。表1 顯示了調查對象的描述性統計。

表1 調查對象的描述性統計

從調查結果來看，女性居多，占比為60.4%；年齡上，以成年人為主；從受教育程度來看，本科學歷居多，占比 46.5%，說明樣本消費者受教育程度較高；從婚姻狀況來看，有69.1%的人未婚。從職業(yè)來看，以學生為主，占比35.2% ；從收入來看，主要分布在3000 元及以下。“周圍商店類型”的取值占比最高的選項是“大型超市”，占比47.5%。從五個選擇傾向來看，發(fā)現80%左右的消費者會因為商品種類豐富、節(jié)省時間、價格優(yōu)惠、質量保證或配送服務好而選擇社區(qū)團購。從了解程度來看，“比較了解”社區(qū)團購的人占比41.7%。從參與程度來看，約有2/3 的被調查者參與社區(qū)團購。從參與社區(qū)團購頻率來看，選擇“很少，偶爾參與”這項的居民占比超過一半?！百徺I頻率”主要為“每周 1-2 次”或“每周3-4 次”，這意味著參與社區(qū)團購的頻率不高；從“購買種類”來看，占比最高的編碼為“0”且占比超過三分之一，說明大多數購買者一次性會單獨選擇購買某種商品；從“購買渠道”來看，“自發(fā)組織購買”和“團購 APP 購買”參與占比基本相當；從“平均消費金額”來看，約有50%的消費者消費金額在200-500 元；從了解意愿來看，有了解意愿的占絕大多數，比例高達84.6%。

（三）分析方法

本文采用潛在類別分析方法（Latent Class Analysis）對消費者進行聚類，分析消費者群體行為的異質性，進而構建多元Logistic 回歸模型對消費者群體行為異質性進行影響因素分析。因為多元Logistic 回歸模型在各大類別數據分析中是一種較為常見的方法，所以本文不再贅述，以下將對潛類別分析方法進行介紹。

潛在類別模型是將潛在變量理論與分類變量相結合的一種統計分析技術，它的目的是通過潛在類別變量來解釋外顯變量之間的關聯，使外顯變量間的關聯通過潛在類別變量來估計，進而達到局部獨立性的統計方法。

本文以居民社區(qū)團購的消費行為特征作為可觀測的外顯變量來進行探索性潛在類別分析，通過具體指標來找出擬合程度最好的潛在類別模型。潛在類別模型包括潛在類別概率和條件概率兩種模型參數，在形式上可將潛在類別分析模型定義為T個類別的潛在變量X，該變量不僅可以解釋各外顯變量之間的關系，而且在X 的每個類別中可維持各外顯變量的局部獨立性，因此可將基本的潛類別模型寫為：

四、分析結果

（一）潛類別聚類分析

本文采用潛類別聚類分析的方法開展研究，借助mplus 軟件來進行數據處理。首先以單類別初始模型為起點來進行聚類，在此基礎上逐步累加，直到找到對數據擬合效果達到最佳的潛在類別模型。

本文所用指標有：Log（對數似然函數值）、AIC（赤池信息準則）、BIC（貝葉斯信息準則）和aBIC（樣本量校正后的BIC）、Entropy、LMR（似然比檢驗）和BLRT（基于Bootstrap 的似然比檢驗）。研究表明，Log、AIC、BIC、aBIC 的值越小表明該模型的擬合效果越好；Entropy 值越高表明其潛類別分類的準確率越高；LMR 和BLRT 值顯著，表明n 個類別的模型比n-1 個類別的模型好。

聚類過程中共運行了模型1-模型7 七個模型，表2 提供了模型篩選的判別依據。從模型4 開始LMR 與 BLRT 的值已經無統計學意義（P＞0.05），因此應該從模型1-模型3 中選取最佳模型。有研究表明，當樣本量越大，數以千計時，BIC 指標更可靠，否則AIC 指標更為可靠，而本研究所涉及的樣本量小于1000，因此這里將主要借助AIC 值來作出判斷。由于隨著類別數目的增多，模型1、模型2、模型3 中的 Log（L）、AIC、aBIC 值不斷減小，同時模型 2 和模型3 的Entropy 值均等于1，說明模型潛類別分類的準確率高。因此綜上所述，模型3 為擬合效果最佳的模型。故可將被調查對象聚類為三個潛類別：類別1、類別 2、類別 3。

表2 潛類別分類情況

每個潛類別的條件概率圖以及潛在類別系數如圖1 和表3 所示。

圖1 條件概率圖

表3 消費者類別模型的潛在類別系數

通過對圖1 和表3 進行綜合分析可以得出類別1、類別2、類別3 的以下特征：

類別1 消費群體共有185 人，占比38.95%，這類人群對于社區(qū)團購的了解不多，幾乎零參與社區(qū)團購，購買頻率低、平均消費金額少、購買意愿弱。

類別2 消費群體共有89 人，占比18.74%，這類人群對于社區(qū)團購了解程度一般，偶爾參與過社區(qū)團購，參與頻率不高，消費金額不多，購買意愿一般。

類別3 消費群體共有201 人，占比42.31%，這類人群是比較了解社區(qū)團購，經常參與社區(qū)團購，并且參與頻率高、消費金額多、購買意愿強。

根據上述三個類別群體所表現出的特征，分別命名為無感型消費者、中間型消費者和傾向型消費者。

為了確定將被調查者聚類為三個潛類別的合理性，因此本文通過對三個潛類別的七個外顯變量的差異性進行卡方檢驗，檢驗結果如表4 所示。

表4 卡方檢驗結果

檢驗結果顯示，無感型消費者、中間型消費者和傾向型消費者在反映消費者行為特征的七個外顯變量上均存在顯著差異，這也就意味著，將被調查者聚類為3 個群體是合適的。

（二）多元logistic 回歸分析

為進一步探究導致消費者行為異質性的影響因素，本文將在潛類別的聚類結果的基礎上構建多元logistic 回歸模型進行分析。研究的解釋變量為被調查者的性別、年齡等因素，被解釋變量為是否屬于該潛在類別，以傾向型消費者作為參照組，采用逐步回歸的方法進行擬合，運用SPSS 軟件獲取回歸結果。結果如表5 所示。

表5 影響居民社區(qū)團購行為因素的多元logistics 回歸結果

綜上所述，無感型消費者具有年齡偏小、工作穩(wěn)定、收入高、居住地周圍購物環(huán)境優(yōu)越的特征；中間型消費者具有中等學歷、中高收入、居住地周圍購物環(huán)境一般的特征。傾向型消費者多為中老年人，具有受教育程度低、工作不穩(wěn)定、收入微薄、居住地周圍購物環(huán)境不佳的特征，此群體較為關注社區(qū)團購的商品種類、價格及配送服務，更傾向于選擇物美價廉的物品。

五、結論與建議

本文通過對所得數據進行研究分析，新冠疫情下永州市居民社區(qū)團購的行為大致可分為無感型消費者、中間型消費者和傾向型消費者，并且發(fā)現這三類不同類群的消費者之間存在著消費行為異質性，因此為促使社區(qū)團購平臺實現對目標客戶群體的準確定位，實現精準營銷，將提出以下建議：

1. 針對購買意愿最強易爭取的傾向型消費者，可通過降低商品價格，提高商品質量、增加商品種類、拓展聯系渠道來增強消費者粘性，提高傾向型消費者群體的滿意度，進而開發(fā)更多潛在性消費者。

2. 針對具有潛在性易挖掘的中間型消費者，在保證服務質量和價格實惠的同時，加大宣傳力度并進行針對性宣傳。同時應該對其開展更深入的調查，逐步引導消費者群體加入社區(qū)團購。

3. 針對具有邊緣性難以取勝的無感型消費者，要把握其消費心理，制定有針對性的消費策略。確保產品質量，提供更好的消費體驗與售后服務，增強平臺的易用性，有針對性地提高目標群體的購買意愿。