O2O模式下生鮮農(nóng)產(chǎn)品購(gòu)買意愿研究

王曉慧 王志尚 任瑩

摘要 基于二項(xiàng)Logistic回歸模型，建立了O2O模式下生鮮農(nóng)產(chǎn)品影響因素的初始方程。樹模型分析發(fā)現(xiàn)，年齡和月網(wǎng)購(gòu)消費(fèi)額的對(duì)數(shù)值的交互項(xiàng)具有統(tǒng)計(jì)學(xué)意義，二者具有協(xié)同效應(yīng)，并得出最終的Logistic回歸方程。最后，提出了發(fā)展生鮮農(nóng)產(chǎn)品O2O平臺(tái)的相關(guān)對(duì)策。

關(guān)鍵詞 購(gòu)買行為；生鮮農(nóng)產(chǎn)品；Logistic回歸模型；O2O模式

中圖分類號(hào) S126 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2017）34-0228-03

Abstract Based on binomial Logistic regression model， the original equation for the influencing factors of fresh agricultural product in O2O mode was established. Through tree model analysis， we found that the interactive items between age and logarithmic value of monthly online shopping consumption was of statistical significance， and the two had a synergistic effect. And the final Logistic regression equation was obtained. Finally， some related countermeasures were given for developing O2O platform of fresh agricultural product.

Key words Purchasing behavior；Fresh agricultural product；Logistic regression model；O2O mode

生鮮農(nóng)產(chǎn)品是未經(jīng)過深加工的初級(jí)農(nóng)產(chǎn)品，一般將其稱為生鮮三品（果蔬、肉類、水產(chǎn)品），評(píng)價(jià)生鮮農(nóng)產(chǎn)品價(jià)值的重要指標(biāo)就是產(chǎn)品的新鮮度。在我國(guó)，生鮮農(nóng)產(chǎn)品在人們?nèi)粘Ｉ钪惺潜夭豢缮俚模蚱渚哂胁灰妆４妗⒁赘讐牡忍匦裕恢币詠?lái)生鮮農(nóng)產(chǎn)品主要通過傳統(tǒng)渠道進(jìn)行線下銷售。目前，電子商務(wù)正以驚人的速度改變著人們的生活。隨著互聯(lián)網(wǎng)的普及，截至2014年6月我國(guó)網(wǎng)民規(guī)模達(dá)6.32億，其中手機(jī)網(wǎng)民規(guī)模5.27億，互聯(lián)網(wǎng)普及率達(dá)46.9%。移動(dòng)商務(wù)類應(yīng)用在移動(dòng)支付的拉動(dòng)下，正歷經(jīng)跨越式發(fā)展，在各項(xiàng)網(wǎng)絡(luò)應(yīng)用中地位顯得愈發(fā)重要[1]。2014年1月，國(guó)務(wù)院印發(fā)了《關(guān)于全面深化農(nóng)村改革加快推進(jìn)農(nóng)業(yè)現(xiàn)代化的若干意見》[2]，明確指出要“創(chuàng)新農(nóng)產(chǎn)品流通方式，加強(qiáng)生鮮農(nóng)產(chǎn)品電子商務(wù)平臺(tái)的建設(shè)”。互聯(lián)網(wǎng)的快速發(fā)展，為解決農(nóng)產(chǎn)品流通中的突出問題，提高農(nóng)產(chǎn)品流通效率提供了新思路[3]，加快了生鮮農(nóng)產(chǎn)品網(wǎng)上流通渠道的發(fā)展。

生鮮農(nóng)產(chǎn)品電子商務(wù)的重要特點(diǎn)是能迅速對(duì)接消費(fèi)市場(chǎng)，滿足消費(fèi)者對(duì)不同地域的特色、優(yōu)質(zhì)生鮮農(nóng)產(chǎn)品的需求[4]。在電子商務(wù)模式中，O2O（Online To Offline）模式是最符合生鮮農(nóng)產(chǎn)品特性的一種電子商務(wù)模式。O2O模式這一概念是由Alex Rampel于2010年8月提出的，經(jīng)過電子商務(wù)經(jīng)濟(jì)實(shí)踐性發(fā)展的磨煉，定義辨證地?cái)U(kuò)展為“Online To Offline和Offline To Online”的“辨證統(tǒng)一”。通過O2O模式，消費(fèi)者可以在線上預(yù)定產(chǎn)品，并到實(shí)體店鋪中購(gòu)買；同時(shí)可以把線下有購(gòu)買意向的消費(fèi)者通過網(wǎng)上平臺(tái)便捷的消費(fèi)方式吸引到線上，實(shí)現(xiàn)線上線下的雙重結(jié)合。

雖然目前O2O模式是符合生鮮農(nóng)產(chǎn)品流通的一種電商模式，但消費(fèi)者購(gòu)買網(wǎng)上生鮮農(nóng)產(chǎn)品時(shí)，消費(fèi)者的購(gòu)買意愿直接關(guān)系到O2O交易能否順利進(jìn)行，因此在生鮮農(nóng)產(chǎn)品電子商務(wù)的發(fā)展過程中消費(fèi)者的購(gòu)買意愿起著重要作用。筆者對(duì)消費(fèi)者O2O模式下生鮮農(nóng)產(chǎn)品的購(gòu)買意愿進(jìn)行了分析，以期對(duì)生鮮農(nóng)產(chǎn)品的O2O模式進(jìn)行優(yōu)化和調(diào)整，從而進(jìn)一步促進(jìn)生鮮農(nóng)產(chǎn)品在O2O模式下的發(fā)展。

1 問卷設(shè)計(jì)

問卷設(shè)計(jì)時(shí)，在是否有網(wǎng)購(gòu)經(jīng)驗(yàn)問題上設(shè)置了邏輯跳轉(zhuǎn)。當(dāng)調(diào)查對(duì)象選擇“否”時(shí)，則該部分結(jié)束；選擇“是”時(shí)，繼續(xù)回答網(wǎng)購(gòu)消費(fèi)額。影響消費(fèi)者購(gòu)買意愿的因素有6個(gè)維度，分別為感知收益、感知風(fēng)險(xiǎn)、總體態(tài)度、知識(shí)、信任度和購(gòu)買意愿。每個(gè)維度設(shè)有2～6個(gè)問項(xiàng)，共計(jì)21個(gè)問項(xiàng)。評(píng)分尺度采用5級(jí)Likert量表，1～5分別表示不同意、不太同意、不確定、比較同意、同意。問卷內(nèi)容是在參考大量國(guó)內(nèi)外學(xué)者研究的基礎(chǔ)上完成設(shè)計(jì)的，隨后進(jìn)行了小規(guī)模訪談，以消除問項(xiàng)的不明確和不全面之處。

2 數(shù)據(jù)收集

采用實(shí)地發(fā)放和網(wǎng)上填寫問卷的方式進(jìn)行調(diào)查。在調(diào)查地點(diǎn)的選擇上，考慮了商業(yè)圈的地理位置和具有不同階層的消費(fèi)人群。在調(diào)查對(duì)象的選擇上，采取隨機(jī)調(diào)查方式，但堅(jiān)持同一家庭成員不重復(fù)采訪的原則，避免數(shù)據(jù)的重復(fù)性，以保證調(diào)查數(shù)據(jù)的客觀性與科學(xué)性。此次調(diào)查共發(fā)放800份調(diào)查問卷，回收713份問卷，其中有效問卷631份，有效率為78.88%。

3 基于二項(xiàng)Logistic模型的購(gòu)買意愿影響因素分析

Logistic回歸屬于概率型非線性回歸，是分析因變量為定性變量的常用統(tǒng)計(jì)分析方法。由于Logistic回歸方程對(duì)數(shù)據(jù)的正態(tài)性、方差齊性以及自變量類型不做要求，并且具有系數(shù)的可解釋性等優(yōu)點(diǎn)，使得其在醫(yī)學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域得到了廣泛應(yīng)用[5-8]。

3.1 Logistic初始建模

該研究借助二項(xiàng)Logistic模型，考察性別、年齡、家庭人數(shù)、受教育程度、月收入水平、每天上網(wǎng)時(shí)間、網(wǎng)購(gòu)經(jīng)驗(yàn)和月網(wǎng)購(gòu)消費(fèi)額等因素對(duì)O2O模式下消費(fèi)者購(gòu)買生鮮農(nóng)產(chǎn)品意愿的影響。假設(shè)消費(fèi)者愿意購(gòu)買，則設(shè)因變量y=1；假設(shè)消費(fèi)者不愿意購(gòu)買，則設(shè)因變量y=0。

首先，使用描述統(tǒng)計(jì)考察幾個(gè)變量的分布情況，如表1所示。

年齡的分布可能不屬于正態(tài)分布，因此通過繪制年齡的堆積直方圖和正態(tài)P-P圖來(lái)考察其分布狀態(tài)。月網(wǎng)購(gòu)消費(fèi)額的分布可能呈正偏態(tài)分布，通過繪制月網(wǎng)購(gòu)消費(fèi)額的箱圖和正態(tài)P-P圖來(lái)考察其分布狀態(tài)。

圖1a顯示，按照購(gòu)買愿意將每個(gè)年齡段細(xì)分為2段；在不愿意購(gòu)買組年齡的相對(duì)比例較小，在愿意購(gòu)買組年齡從低到高分布比較均勻。圖1b顯示年齡的總體分布較接近正態(tài)分布，雖然仍然存在一些差異，但可以考慮進(jìn)行模型分析。

從圖2可以看出，不愿意購(gòu)買組的月網(wǎng)購(gòu)消費(fèi)額低于愿意購(gòu)買組，且月網(wǎng)購(gòu)消費(fèi)額不服從正態(tài)分布，也存在離群值和極端值。為此，考慮對(duì)月網(wǎng)購(gòu)消費(fèi)額的數(shù)據(jù)進(jìn)行自然對(duì)數(shù)變換，以減弱離群值的影響。

由于“每天上網(wǎng)時(shí)間”“月收入水平”和“受教育程度”是分類變量，因此對(duì)其進(jìn)行啞變量定義。在對(duì)上述啞變量的系數(shù)進(jìn)行估計(jì)時(shí)，可得出每個(gè)啞變量和參照水平之間的差異。

模型顯示了似然比值（82.427）和2個(gè)偽決定系數(shù)Cox & Snell R2（0.552）、Nagelkerke R2（0.683）。其中，偽決定系數(shù)大于0.5，表示模型中自變量解釋的因變量的變異占因變量總變異的比例較高。引入自變量后，對(duì)回歸模型的預(yù)測(cè)結(jié)果分類，當(dāng)P>0.5時(shí)，判斷結(jié)果為陽(yáng)性。其中，不愿意購(gòu)買和愿意購(gòu)買的百分比分別為74.8%和82.1%，說(shuō)明消費(fèi)者選擇O2O模式購(gòu)買生鮮農(nóng)產(chǎn)品的意愿大多數(shù)被正確預(yù)測(cè)，且總正確率為78.5%，預(yù)測(cè)結(jié)果較為理想。

研究發(fā)現(xiàn)，性別、家庭人數(shù)、學(xué)歷和月收入水平這4個(gè)變量的回歸結(jié)果不顯著，說(shuō)明消費(fèi)者對(duì)生鮮農(nóng)產(chǎn)品的購(gòu)買意愿對(duì)上述幾個(gè)變量反應(yīng)不敏感。因此，在剔除上述幾個(gè)變量后，又進(jìn)行了回歸分析，其結(jié)果如表2所示。

由此可構(gòu)建O2O模式下的生鮮農(nóng)產(chǎn)品購(gòu)買意愿二項(xiàng)Logistic回歸方程：購(gòu)買意愿=-2.271-0.321×年齡+0.138×每天上網(wǎng)時(shí)間+1.272×網(wǎng)購(gòu)經(jīng)驗(yàn)+0.243×ln（月網(wǎng)購(gòu)消費(fèi)額）。

3.2 樹模型分析

通過Logistic回歸分析，得到了基本分析結(jié)果。考慮到各自變量之間存在交互作用以及各自變量和因變量之間可能存在的聯(lián)系，利用樹模型進(jìn)行分析，以發(fā)現(xiàn)交互項(xiàng)。該研究采用CHAID方法，分析結(jié)果如圖3所示。

樹模型分析結(jié)果表明，年齡、月網(wǎng)購(gòu)消費(fèi)額的對(duì)數(shù)值和家庭人數(shù)作為節(jié)點(diǎn)被拆分，表明了三者之間存在交互作用。

此次調(diào)查結(jié)果表明，影響消費(fèi)者選擇O2O模式購(gòu)買生鮮農(nóng)產(chǎn)品的各因素影響程度不一（圖4）。年齡、月網(wǎng)購(gòu)消費(fèi)額的對(duì)數(shù)值、受教育程度、家庭人數(shù)依次排在影響消費(fèi)者選擇O2O模式購(gòu)買生鮮農(nóng)產(chǎn)品因素重要性的前4位。其中，年齡這一自變量標(biāo)準(zhǔn)化的重要性達(dá)到100%，月網(wǎng)購(gòu)消費(fèi)額的對(duì)數(shù)值、受教育程度和家庭人數(shù)自變量標(biāo)準(zhǔn)化的重要性在50%以上，與Logistic回歸分析結(jié)果基本一致。由于家庭人數(shù)這一變量在Logistic回歸分析中沒有進(jìn)入模型，因此只對(duì)年齡和月網(wǎng)購(gòu)消費(fèi)額的對(duì)數(shù)值進(jìn)行交互作用分析。效應(yīng)檢驗(yàn)及具體參數(shù)估計(jì)如表3所示。

根據(jù)上述結(jié)果可知，年齡和月網(wǎng)購(gòu)消費(fèi)額對(duì)數(shù)值的交互項(xiàng)具有統(tǒng)計(jì)學(xué)意義。對(duì)其系數(shù)取正可知，二者具有協(xié)同效應(yīng)。此外，樹模型和Logistic回歸模型的分析結(jié)果存在相互印證和對(duì)應(yīng)的關(guān)系，得出最終的Logistic回歸方程：

購(gòu)買意愿=-2.664-0.321×年齡+0.138×每天上網(wǎng)時(shí)間+1.272×網(wǎng)購(gòu)經(jīng)驗(yàn)+0.243×lnx+0.368×年齡×lnx（x為月網(wǎng)購(gòu)消費(fèi)額）。

4 對(duì)策

通過以上結(jié)果分析可知，年齡、月網(wǎng)購(gòu)消費(fèi)額、受教育程度和家庭人數(shù)依次排在影響消費(fèi)者選擇O2O模式購(gòu)買生鮮農(nóng)產(chǎn)品因素重要性的前4位。性別、學(xué)歷和月收入水平這3個(gè)變量對(duì)消費(fèi)者選擇O2O模式購(gòu)買生鮮農(nóng)產(chǎn)品的購(gòu)買意愿影響不大。為了更好地發(fā)展這種模式，提出以下對(duì)策：

①商家在宣傳O2O模式下購(gòu)買生鮮農(nóng)產(chǎn)品時(shí)，應(yīng)當(dāng)用通俗易懂的語(yǔ)言，建立起消費(fèi)者對(duì)媒介網(wǎng)站的正確態(tài)度并著重選擇年齡段在20～30、月網(wǎng)購(gòu)消費(fèi)額較高、能熟練掌握網(wǎng)購(gòu)程序和家庭人數(shù)超過2人的人群，他們對(duì)O2O模式下購(gòu)買生鮮農(nóng)產(chǎn)品易于接受。②我國(guó)農(nóng)業(yè)將會(huì)迎來(lái)規(guī)模化經(jīng)營(yíng)主體發(fā)展的成熟時(shí)期，應(yīng)整合供應(yīng)商資源，與優(yōu)良的生產(chǎn)基地建立合作關(guān)系，縮短供應(yīng)鏈，運(yùn)用現(xiàn)代化技術(shù)使生產(chǎn)者和消費(fèi)者實(shí)現(xiàn)信息共享。③開放生產(chǎn)基地，O2O模式不僅銷售產(chǎn)品，更是一種線下體驗(yàn)。消費(fèi)者可通過參觀生產(chǎn)基地，了解生鮮農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境、體驗(yàn)生鮮農(nóng)產(chǎn)品的采摘過程和試吃，增強(qiáng)消費(fèi)者對(duì)產(chǎn)品質(zhì)量的信任，提高透明度，又在此過程中為消費(fèi)者提供了良好的購(gòu)物體驗(yàn)。④企業(yè)或商家在推廣O2O模式網(wǎng)購(gòu)生鮮農(nóng)產(chǎn)品時(shí)應(yīng)該建立物流監(jiān)督體制，確保生鮮農(nóng)產(chǎn)品能在短時(shí)間內(nèi)到達(dá)消費(fèi)者手中，進(jìn)而保證生鮮農(nóng)產(chǎn)品的新鮮度，提高消費(fèi)者的滿意程度，以此利用病毒式營(yíng)銷來(lái)推廣O2O模式網(wǎng)購(gòu)生鮮農(nóng)產(chǎn)品的營(yíng)銷方案。

參考文獻(xiàn)

[1] 中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.第34次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[J].互聯(lián)網(wǎng)天地，2014（7）：71-89..

[2] 中共中央 國(guó)務(wù)院 關(guān)于全面深化農(nóng)村改革加快推進(jìn)農(nóng)業(yè)現(xiàn)代化的若干意見[J].農(nóng)村工作通訊，2014（3）：9-14.

[3] 樊西峰.鮮活農(nóng)產(chǎn)品流通電子商務(wù)模式構(gòu)想[J].中國(guó)流通經(jīng)濟(jì)，2013，27（4）：85-90.

[4] 劉建鑫，王可山，張春林.生鮮農(nóng)產(chǎn)品電子商務(wù)發(fā)展面臨的主要問題及對(duì)策[J].中國(guó)流通經(jīng)濟(jì)，2016，30（12）：57-64.

[5] 王昊.Logistics回歸模型在廣東省房?jī)r(jià)預(yù)測(cè)中的應(yīng)用研究[J].現(xiàn)代商貿(mào)工業(yè)，2010，22（16）：304-306.

[6] 董曉萌.Logistic回歸模型診斷肺癌病人的生存時(shí)間[J].科學(xué)技術(shù)與工程，2010，10（26）：6519-6520，6533.

[7] 袁建林，陳立文，景楠.基于Logistic的房地產(chǎn)上市公司經(jīng)濟(jì)效益風(fēng)險(xiǎn)評(píng)價(jià)研究[J].統(tǒng)計(jì)與決策，2010（18）：77-79.

[8] 常振海，劉薇.Logistic回歸模型及其應(yīng)用[J].延邊大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，38（1）：28-32.