休閑女裝實體零售消費決策機制

高 融， 王 玲， 楊以雄

(東華大學 服裝與藝術設計學院， 上海 200051)

休閑女裝實體零售消費決策機制

高 融， 王 玲， 楊以雄

(東華大學 服裝與藝術設計學院， 上海 200051)

為認知休閑女裝實體零售店鋪的消費者決策形成要素及要素間的相互關系，為企業認知目標消費群體，有針對性地為調整零售渠道設計提供方案，通過專家訪談，梳理4Cs營銷理論，得出13項休閑女裝實體店消費者決策關鍵指標。通過問卷調查，采集了244位休閑女裝消費者對各項關鍵指標的偏好情況。經主成分分析提取貨品需求、安心服務及輕松決策3個因子，通過結構方程模型計算分析各項因子間的相互作用關系。結果表明，對消費者而言，貨品需求的表現情況會分別正面影響消費者對安心服務和輕松決策表現情況的判斷，而安心服務對輕松決策也具有同樣的正面影響。

休閑女裝； 實體店； 零售管理； 消費者行為； 結構方程模型

傳統的服裝零售業以實體店鋪為主流形式，20世紀90年代末因特網的快速崛起使線上零售加速擴張[1]，但大量服裝零售企業在拓展線上零售的同時[2]，依然堅持著傳統零售實體店鋪。服裝品牌企業轉型升級，零售渠道呈現多樣化趨勢，實體零售渠道盈利空間受到擠壓[3]，但實體店的獨特優勢使其無可替代。在實體店購物時，顧客希望與店員進行愉悅互動，滿足服裝質感和試衣的需求，獲得良好的購物體驗，這些因素影響著消費者的購買決策，也維持著實體店的競爭優勢，使企業盈利增加[4-6]。

零售渠道是影響品牌盈利的關鍵因素，渠道管理已成為管理學和經濟學領域的重要課題[7]。休閑女裝是服裝零售市場的主流類別，擁有大量顧客群體，開展消費者行為研究具有重要價值。本文選擇針對休閑女裝目標客群開展研究，構建了休閑女裝實體零售渠道消費者決策指標，運用問卷調查的方法采集服裝實體零售渠道影響因素對消費者決策制定的影響情況，通過探索性因子分析提取各項指標的所屬因子，使用驗證性因子分析對各因子進行驗證，然后根據實際情況及邏輯判斷，設定各因子屬性(外源潛變量或內生潛變量)并運用結構方程模型計算認知各因子間的相互作用關系，以期為品牌企業的實體零售渠道建設提供參考與借鑒。

1 休閑女裝實體零售消費決策指標

1.1 指標構架

1990年勞特朋教授提出4Cs營銷理論，以消費者需求為導向，設定市場營銷組合的4個基本要素：消費者需求、成本、便利和溝通[8]。消費者需求是指渠道滿足消費者個人需求的情況；成本包括消費者在金錢、情感、時間、體力、精力等方面的付出；便利包括消費者在體驗渠道環境和售后服務時的便利性；溝通包括消費者與店員發生的交流，以及環境對消費者傳達的信息。4Cs強調企業應把追求顧客滿意度放在首位，努力降低顧客的購買成本，并充分關注顧客購買過程中的便利性，此外還應以消費者為中心實施有效的營銷溝通。據此，從4Cs角度出發，梳理出34項休閑女裝實體零售消費者決策指標。

1.2 專家訪談

研究將針對休閑女裝實體零售真實消費者開展問卷調查。針對一般消費者開展問卷調查，問項數量不宜超過30個，以20個以內為最佳[9]。若將梳理出的34項指標全部設為問項，可能因題量較大而無法獲得準確有效的消費者數據。為此開展專家訪談，對指標進行修正，并篩選出較為重要的指標項，供調查問卷問項設計。

2015年10月19—23日，訪談行業專家和學者28人，均擁有至少5年行業相關從業經歷，特征統計見表1。訪談過程中，專家和學者完成2部分內容：1) 通過五段量表答題形式，對各項指標重要程度打分，1分表示完全不重要，5分代表非常重要；2)對各項指標進行確認或修正，提出增加、刪除、保留等意見。

專家和學者確認指標設置符合研究設定，并對各項指標打分，統計均值范圍從2.90～4.52，其中大于4.00的共13項，可認定為休閑女裝實體店消費者決策關鍵指標，如表2所示。

表1 受訪專家特征統計Tab.1 Characteristic statistics of interviewed experts

表2 休閑女裝實體零售消費者決策關鍵指標Tab.2 Key customer decision indexes of lady casual wears brick-and-mortar stores

2 實證研究

針對休閑女裝實體店消費者開展問卷調查。問卷由2部分組成：1)以13項關鍵指標為問項，請被調查者依據各項指標對自身購買決策的影響力大小，通過五段量表形式打分，1分表示影響力最小，5分代表影響力最大；2)被調查者人口統計信息。問卷僅針對女性發放，由于休閑女裝的主力消費群體是年輕女性，因此，主要針對20～30歲女性開展調查。

結構方程模型計算要求，若觀測變量或測量指標達15項時，樣本至少75份，大于150份為佳[10]。2015年11月16—22日，通過專業網站(問卷星 www.sojump.com)完成問卷的發放與回收，共獲樣本250份，其中有效樣本244份，數量達預期要求。被調查者人口統計特征見表3。

表3 被調查者人口特征統計Tab.3 Demographic characteristics of subjects

3 結果分析

對數據進行內部一致性信度檢驗，有效樣本整體克朗巴哈系數為0.849(大于0.8)，信度良好。通常先利用一組樣本進行探索性因子分析得出測量變量因素結構，再從總體中抽取另一組樣本進行驗證性因子分析檢驗假設因素結構的契合度[10]。本文研究從244份有效樣本中隨機抽取122份，運用SPSS19.0進行探索性因子分析，使用AMOS17.0對余下有效樣本進行驗證性因子分析。經因子分析后進行結構方程模型計算，探索各因子間的相互關系。

3.1 描述性分析

從被調查者的五段量表打分均值來看，各項指標所得打分均值為3.85～4.68，如表4所示。

各項消費決策關鍵指標均對消費者較有影響力(最大均值Mmax=4.68，最小均值Mmin=3.85)。消費者對購物體驗非常重視，實物體驗(均值為4.68, 標準差為0.593)、店內體驗(均值為4.43，標準差為0.720)等指標的影響力均值較高。相比網絡零售店鋪，現場試穿體驗產品是實體店鋪的獨有優勢，確實對消費者具有重要意義，因此，提供消費者良好的購物體驗是服裝實體零售渠道的發展關鍵。消費者對隱私保護(均值為4.61，標準差為0.709)、資金安全(均值為4.59，標準差為0.819)也很重視，目前部分服裝實體店在嘗試進行會員營銷，保證會員資金和隱私的安全可作為渠道建設工作重點之一。均值最低的是產品比較(均值為3.85，標準差為0.922)，對于服飾類產品，消費者更重視單件產品的獨立設計與個性，多件類似產品相互比較的需求相對較弱。

3.2 探索性因子分析

表4 關鍵指標消費者打分均值及標準差Tab.4 Mean and standard deviation of customers′ scores on key indexes

有效樣本整體取樣適切性量數(KMO值)為0.839(大于0.8)，巴特利球形檢驗的顯著性差異(Sig.)為0(小于0.05)，數據適合進行因子分析。

運用主成分分析法提取特征值大于1的公共因子，用最大方差法旋轉因子載荷矩陣，成功提取公共因子并得到因子結構，如表5所示。前3個因子的累積貢獻率為60.27%(大于60%)，因此，提取3個因子[11]。對因子命名，其中：A貨品需求代表渠道提供貨品以滿足消費者對產品的真實需求；B安心服務代表渠道提供資金保護、個人隱私保護，以及售后服務等，消除消費者購物時的各種心理顧慮；C輕松決策代表渠道讓消費者在進行購買決策時，可輕松進行貨品和價格比較，而店員的專業業務能力以及科學的店鋪成列方式，也會使消費者的決策判斷變得更為輕松。

表5 探索性因子分析得出因子結構Tab.5 Factor structure results of exploratory factor analysis

3.3 驗證性因子分析

運用驗證性因子分析，探索性因子分析結果的變量有效性，結果如圖1所示。各項指標載荷值均在0.5～0.95之間，符合檢驗標準[10]。

注：因子間路徑系數為相關系數；指標與因子間的路徑系數為指標因子載荷值；e1～e13為各項指標的測量誤 差項，與指標間的路徑系數為測量誤差。圖1 驗證性因子分析結果Fig.1 Results of confirmatory factor analysis

綜合考慮表6各項擬合指標[12-16]，結果表明擬合度良好。3個公共因子影響力由強到弱依次為貨品需求(均值為4.88)、安心服務(均值為4.70)和輕松決策(均值為3.87)。由此，經探索性因子分析與驗證性因子分析獲得的因子結構可供構建結構方程模型。

注：表中粗體數字表示未達到建議值。 樣本量及指標較多時，p值極易小于0.05，此時應綜合χ2/df指標觀察，若χ2/df<5，仍為可接受[17]。

3.4 結構方程模型

若因子間存在相互作用關系，品牌企業就可通過調整影響因子的表現，改變被影響因子的情況，為此，運用結構方程模型探索各因子間的影響關系。結構方程模型是潛在變量間因果關系的模型說明，將3項因子定義為模型潛在變量，將13項指標定義為模型觀察變量。作為“因”的潛在變量即稱為外源潛變量，以符號ξ表示，作為“果”的潛在變量即稱為內生潛變量，以符號η表示[10]。3項因子中，貨品需求(均值為4.88)對被調查者影響力最大，可見消費者對產品、體驗等方面非常重視，且對貨品的需求通常是激發顧客進入店鋪的初始動因，因此，設定外源潛變量ξ(貨品需求)。另2個因子屬于消費者進店后產生的服務和交流，可能受外源潛變量影響，因此，設定內生潛變量η1(安心服務)和η2(輕松決策)。外源潛變量對2個內生潛變量產生2條影響路徑；商家對消費者隱私、資金的保護，也會提高消費者的心理滿足感，據此建立第3條影響路徑。

由此，提出如下假設：

H1：ξ(貨品需求)的表現會正面影響到消費者對η1(安心服務)的表現判定。

H2：ξ(貨品需求)的表現會正面影響到消費者對η2(輕松決策)的表現判定。

H3：η1(安心服務)的表現會正面影響到消費者對η2(輕松決策)的表現判定。

使用AMOS17.0軟件，對整體有效樣本進行結構方程模型計算，結果如圖2所示。

注：基于假設得出潛在變量(即因子)間的3條標準路徑系數；潛在變量與觀察變量(即指標)間的路徑系數為標準載荷值；為各項觀察變量的測量誤差項，與觀察變量間的路徑系數為測量誤差；Eerr1和Eerr2為各項潛在變量的殘差項，與潛在變 量間的路徑系數為殘差量。圖2 結構方程模型計算結果Fig.2 Result of structural equation modeling

表7示出模型標準化路徑系數及t檢驗值。t檢驗結果顯示，3項假設均通過檢驗，且呈現正相關關系。表8示出結構方程模型數據擬合度良好。

表7 模型標準化路徑系數及t檢驗值Tab.7 Standardized estimate and t-value of structural equation modeling

注：t值大于1.96表示在0.05的顯著水平下通過顯著性檢驗。

表8 結構方程擬合指標Tab.8 Goodness-of-fit of structural equation modeling

注：表中粗體數字表示未達到建議值。樣本量及指標較多時，p值極易小于0.05，此時應綜合χ2/df指標觀察，若χ2/df<5，仍為可接受[17]。

由此可知，若ξ貨品需求的表現越令消費者滿意，則消費者對η1(安心服務)和η2(輕松決策)的滿意度也會越高，這將正面作用于消費者購買決策的制定，因此，為提高消費者購物體驗并激發購買行為，服裝企業可先著手提高ξ(貨品需求)的表現，如服務態度、增加貨品品類等。若η1(安心服務)的表現越好，則η2(輕松決策)也會對消費者產生越大的正面影響。通常，消費者在實體店內的過程體驗及店鋪提供的售后服務會很大程度影響購買決策，因此，為提高η2(輕松決策)對消費者購買決策的正面影響，企業應努力加強η1(安心服務)的表現。

基于以上研究結果可知，消費者對實體店的品類、服務和安全有很高的敏感度，而購物環境與過程體驗則影響到消費者的購買決策，因此，對于休閑女裝品牌企業實體零售渠道經營，提出以下策略建議：1)通過多品種銷售，擴大消費者群體范圍；2)提高實體零售渠道交易行為的可操作性與安全性；3)提高服務質量，重視消費者心理滿足。讓消費者真正認識并依賴實體零售渠道，從而被吸引并積極參與店鋪營銷活動。

4 結 論

本文針對休閑女裝實體零售渠道消費者決策開展研究，通過目標消費者問卷調查及因子分析、結構方程模型等數據分析，把握實體零售渠道中消費決策因子的相互關系，得出主要結論如下：

1)各項指標對消費者均較有影響力，消費者對實物體驗最為重視，相比線上渠道，這也是實體零售渠道的特有優勢。

2)根據13項指標提取出3項公共因子，對消費者購買決策影響力由強到弱依次為貨品需求、安心服務和輕松決策。

3)貨品需求的表現會正面影響到消費者對安心服務和輕松決策的表現判定，而安心服務對輕松決策也具有同樣的作用關系。

FZXB

[1] MULLER C L, WEHMEYER K, KLEIN S. Multi-channel strategies: capturing and exploring diversity in the european retail grocery industry[J]. International Journal of Electronic Commerce, 2005, 10(2): 85-122.

[2] GEE W B, JUMIN L，HUEI H K, et al. The progression of online trust in the multi-channel retailer context and the role of product uncertainty[J]. Decision Support Systems, 2012, 53(1): 97-107.

[3] TAKAHASH I, MASAKAZ U, TSUDA K. Building Knowledge for Prevention of Forgetting Purchase Based on Customer Behavior in a Store[C]//Knowledge-Based and Intelligent Information and Engineering Systems.[S.L]:Springer Berlin Heidelberg, 2011: 7-8.[4] WEI Z, WEI R. Perfomance assessment of customer service strategy in Wal-Mart[J]. Computer Science and Service System, 2011, 9: 3437-3440.

[5] KENT T. Creative space: design and the retail environment[J]. International Journal of Retail and Distribution Management, 2007, 35: 734-745.

[6] KIM J B, KOO Y, CHANG D R. Integrated brand experience through sensory branding and IMC[J]. Design Management Review, 2009, 20: 72-810.

[7] XIAO T J, CHOI T M. Purchasing choices and channel structure strategies for a two-echelon system with risk-averse players[J]. International Journal of Production Economics, 2009, 120(1): 54-65.

[8] LIN T T, LEE C C, LIN H C. Analysis of customer profit contribution for banks with the concept of marketing mix strategy between 4Cs and 5Ps[J]. Service Business, 2013, 7(1): 37-59.

[9] 岳欣. 市場調研、分析與預測[M]. 北京: 北京郵電大學出版社, 2010: 21-23. YUE Xin. Market Research, Analysis and Forecast[M].Beijing: Beijing University of Posts and Telecommunications Press, 2010: 21-23.

[10] 吳明隆. 結構方程模型：AMOS的操作與應用[M]. 重慶: 重慶大學出版社, 2009: 5. WU Minglong. Structural Equation Model-the Manipulation and Application of AMOS[M]. Chongqing: Chongqing University Press, 2009: 5.

[11] 宋志剛，謝蕾蕾，何旭洪. SPSS16實用教程[M]. 北京: 人民郵電出版社, 2008: 37. SONG Zhigang, XIE Leilei, HE Xuhong. SPSS 16.0 Guide to Data Analysis[M].Beijing: People′s Posts and Telecommunications Press, 2008: 37.

[12] BENTLER P M, CHINPIN C. Practical issures in structural modeling[J]. Sociological Methods Research, 1987, 16(1): 78.

[13] NEALE M C, MCARDLE J J. The analysis of assortative mating: a lisrel model[J]. Behavior Genetics, 1990, 20(2): 287-296.

[14] HAIR J F, TATHAM R L, ANDERSON R E, et al. Multivariate Data Analysis with Readings[M]. New Jersey: Prentice Hall, 1998: 5-6.

[15] BENTLER P M. Comparative fit indexes in structural models[J]. Psychological Bulletin, 1990, 107(2): 238-246.

[16] LIVOTE E E, WYKA K E. Introduction to structural equation modeling using SPSS and AMOS[J]. Structural Equation Modeling, 2009, 16(3): 556-560.

[17] DING Z K, NG F F. WANG J Y. Testing trust scale measurement invariance in project teams[J]. Journal of Engineering, Design and Technology, 2014, 12(2): 209-222.

Consumers decision mechanism of entity retail of lady casual wears

GAO Rong， WANG Ling， YANG Yixiong

(Fashion·Art Design Institute, Donghua University, Shanghai 200051, China)

In order to learn customers decision factors of entity retailers of lady casual wears and the correlation among the factors, and provide a solution for the enterprise to learn the target customers and adjust retail channels accordingly, 13 key indexes for the customers decision factors of entity retailers were concluded by the expert interviews and on 4Cs marketing theory. 244 lady casual wears consumers′ preferences on the key indexes were invested by the questionnaire survey. Three factors of Product demand, Security service and Effortless decision-making were extracted by the principal component analysis. The structural equation model was used to analyze the correlation among the factors, and the result shows that Product demand has positive influence on Security service and Effortless decision-making, respectively, while Security service also has positive influence on Effortless decision-making.

lady casual wear; entity retailer; retail management; consumer behavior; structural equation model

10.13475/j.fzxb.20160405806

2016-04-27

2016-10-12

上海市教委海派時尚設計及價值創造知識服務中心資助項目(13S1070241)；中央高校基本科研業務費專項資金資助項目(CUSF-DH-D-2015036); 東華大學非線性科學研究所專項資金項目(INS-1401)

高融(1986—)，女，博士生。主要研究方向為服裝消費心理。楊以雄，通信作者，E-mail：yyx@dhu.edu.cn。

F 768.3

A