個性化推薦對消費者網絡購物購買意愿的影響研究

羅朝能，吳 怡

（北京工商大學商學院，北京 100000）

1 引言

經歷了十幾年的高速發展之后，網絡購物平臺遭遇流量觸頂，如何創造更大的利潤，是急需解決的問題。現如今，越來越多的購物網站選擇使用個性化推薦系統將產品有針對性的推薦給顧客，如天貓商城、淘寶網、京東、亞馬遜等。然而在用戶信息需求的調查研究中，個性化推薦卻列為無差異因素，即它的實現與否并不會對消費者的購買滿意度產生重大影響，因此怎樣有效的使用個性化推薦，成為網商引流成敗的關鍵。

現有的理論研究中，針對個性化推薦與消費者行為相結合研究基本屬于空白狀態，多集中在個性化推薦的算法方面，主要應用于計算機領域和圖書館領域，如推薦網絡分析及個性化推薦算法研究、基于本體的數字圖書館個性化推薦模型構建研究等。本文旨在研究個性化推薦對消費者網絡購物購買意愿的影響，探究如何使個性化推薦發揮最大的效用，豐富消費者網絡購物理論，并從實踐上，為網絡購物平臺提升消費者購買意愿給予建議。

2 理論基礎及假設提出

2.1 SOR理論框架

行為心理學的創始人約翰沃森認為人類行為可以分為刺激和反應兩個部分，并據此建立了“刺激-反應”原理，被稱為S-R模型。Mehrabian和Russell（1974）在S-R模型的基礎上，提出刺激-感知-反應模型（S-O-R模型）[1]。該理論認為，刺激（S）表示外界環境對有機體認知、情感、態度等產生刺激影響，并經過生理上、心理上的一系列加工，進而使有機受體（O）的行為方式產生內在或外在反應（R）。應用于消費者購買行為中，即當外部出現刺激時，消費者會在主觀上做出感知和判斷，進而影響消費者的購買意愿。Donovan和Rossiter（1982）首次基于該理論探究了實體零售背景下服務環境對消費者情緒反應以及后續購買行為的影響[2]。Richard（2005）將研究關注點從傳統實體轉移至互聯網情境下，探究基于SOR視角的網絡氛圍是如何通過消費者態度的傳導機制影響其購買意愿的[3]。

通過文獻的梳理，鮮少有學者將SOR理論應用于互聯網情境下個性化推薦與消費者購買意愿關系的探究之中，但是本文認為該理論框架具有一定的適用性。根據SOR理論框架，如果將個性化推薦與消費者購買意愿視為一種刺激反應式關系，那么消費者感知價值便是該關系建立過程中的中介傳導機制。消費者在接收個性化推薦的過程中，會對個性化推薦的信息長度、信息內容等方面的產生客觀感知，同時也對圖片風格、推薦語氣等方面的產生主觀感知，此時，消費者便基于對這些刺激因素的認知做出相應的處理，即會對個性化推薦的產品進行滿意或不滿意、信任或不信任的考量，并最終做出是否生成購買意愿的反應輸出，從這一層面來說，將SOR理論應用于網絡購物個性化推薦與消費者購買意愿的關系探究具有一定的解釋力。

2.2 個性化推薦

Resnick和Varian（1997）最早將個性化推薦應用于電子商務領域，將個性化推薦定義為利用購物網站給消費者提供商品具體信息和可行性建議，模擬銷售人員幫助他們減少決策時間，做出購買決策[4]。在個性化推薦的維度研究中，Konstan(2001)認為推薦的渠道會對顧客的購買意愿產生影響，消費者更樂于接受有規則的、簡單明了的推薦方式，過于繁瑣或者晦澀難懂的形式反而會降低購買意愿[5]。Xiao等(2013)認為影響個性化推薦效果的因素包括內容和形式兩個方面的內容，推薦形式通過推薦頻次和信息編排來體現，推薦內容通過信息詳盡度和個性化準確度來體現[6]。更有學者將個性化推薦分為信息編排、推薦強度、信息詳盡度、信息可靠性、視覺線索和網站形象等六個方面，把中間變量設置為消費者信任，進而探討了其對用戶購買意愿的影響[7]。

綜上所述，學者們對個性化推薦的劃分主要包括信息編排、推薦強度、推薦方式和視覺效果四個維度。因此，本研究提出如下假設：

H1：個性化推薦對消費者購買意愿有顯著的正向影響。

H1a：信息編排對消費者購買意愿有顯著的正向影響。

H1b：推薦強度對消費者購買意愿有顯著的正向影響。

H1c：推薦效度對消費者購買意愿有顯著的正向影響。

H1d：視覺線索對消費者購買意愿有顯著的正向影響。

2.3 感知價值

Zeithaml(1988)最早對感知價值的概念進行了解釋，他將感知價值定義為用戶結合自身的主觀感受，對于產品所產生的一種整體效用的評估[8]。在感知價值維度劃分探討中，Sweeney(2001)通過對Sheth模型的解釋，將感知價值分為功能價值質量、功能價值價格、社會價值和情感價值[9]。Joowon(2013)以街頭小吃為研究背景，將感知價值分為感知利益和感知風險兩個維度進行了探討，研究結果顯示，感知利益正向影響消費者購買決策，感知風險負向影響消費者購買決策[10]。

通過文獻的總結，感知價值的研究多集中于兩個方面。一是從多個維度對感知價值進行劃分研究，二是將感知價值劃分為感知利益和感知風險，權衡兩者之間的關系。后者對消費者感知價值的劃分更具有代表性，感知利失的加入，全面考慮了消費者在進行感知判斷時的心理活動，更具有科學性。感知價值作為消費者作出購買決策的心理過程，是消費者受到推薦內容編排、推薦強度和推薦效度及視覺線索的刺激后產生的心理判斷，通過綜合考量感知利益和感知風險，消費者會根據心理預期做出購買決策，感知利益與感知風險之差即為消費者感知價值。因此，提出假設：

H2:個性化推薦各維度對感知利益有顯著的正向影響。

H2a:個性化推薦各維度對感知經濟利益有顯著的正向影響。

H2b:個性化推薦各維度對感知情感利益有顯著的正向影響。

H3:個性化推薦各維度對感知風險有顯著的負向影響。

H3a:個性化推薦各維度對感知隱私風險有顯著的負向影響。

H3b:個性化推薦各維度對感知績效風險有顯著的負向影響。

消費者會根據心理預期進行判斷和衡量可能存在的利益和風險，進而會做出是否購買的決策。感知利益大于感知風險時，消費者會產生正向的購買意愿，感知利益小于感知風險時，消費者會產生負向購買意愿。因此，提出假設：

H4:感知利益對消費者購買意愿有顯著的正向影響。

H4a:感知經濟利益對消費者購買意愿有顯著的正向影響。

H4b:感知情感利益對消費者購買意愿有顯著的正向影響。

H5:感知風險對消費者購買意愿有顯著的負向影響。

H5a:感知隱私風險對消費者購買意愿有顯著的負向影響。

H5b:感知績效風險對消費者購買意愿有顯著的負向影響。

根據SOR理論，感知價值在購買過程中屬于中間環節。綜合上述假設，一方面個性化推薦通過信息編排、推薦強度、推薦效度和視覺線索直接影響消費者購買意愿，另一方面也通過感知價值的中介作用影響消費者購買意愿。因此，提出假設：

H6:感知利益在個性化推薦各維度與消費者購買意愿之間具有中介作用。

H6a:感知經濟利益在個性化各維度與消費者購買意愿之間具有中介作用。

H6b:感知情感利益在個性化推薦各維度與消費者購買意愿之間具有中介作用。

H7:感知風險在個性化推薦各維度與消費者購買意愿之間具有中介作用。

H7a:感知隱私風險在個性化推薦各維度與消費者購買意愿之間具有中介作用。

H7b:感知績效風險在個性化推薦各維度與消費者購買意愿之間具有中介作用。

基于前文的文獻回顧，本文構建了個性化推薦對消費者購買意愿的影響研究模型，如下圖1所示。

圖1 個性化推薦對消費者網絡購物購買意愿影響研究模型

3 研究設計及實證分析

3.1 測量工具

3.1.1 自變量：個性化推薦

本文探討個性化推薦信息編排、推薦強度、推薦效度和視覺線索四個維度與消費者購買意愿的關系。結合已有的研究成果，構建個性化推薦四維度的測量量表，具體如表1所示。

表1 個性化推薦測量量表

images/BZ_69_172_297_1205_889.png

3.1.2 中介變量：感知價值

結合文獻及深度訪談，將消費者感知利益分為感知經濟利益和感知情感利益兩個維度，將消費者感知風險分為感知隱私風險和感知績效風險。其中感知經濟利益是指購物平臺使用個性化推薦系統時消費者能夠獲得更低的價格或享有更多的折扣，讓消費者感受到個性化推薦系統的實用性和便利性;感知情感利益是指系統能夠使消費者感到快樂，產生愉悅的感情；感知隱私風險是指當消費者使用個性化推薦系統時，可能會導致其個人隱私信息泄露;感知績效風險是指個性化推薦的產品或服務的效果沒有達到消費者的預期，從而消費者認為造成的損失。借鑒結合已有的成熟量表，提出感知價值的量表2。

表2 感知價值測量量表

3.1.3 購買意愿

目前研究中已經有十分成熟的消費者購買意愿測量量表，結合個性化推薦的實際情況，對消費者購買意愿進行測量，購買意愿量表如圖3。

表3 消費者購買意愿測量量表

3.2 問卷發放與回收

本文主要通過線上發放途徑，借助問卷星網站，同時通過微信和騰訊QQ等方式發放問卷鏈接地址，以保證問卷收集的效率。最終共發放問卷352份，回收有效問卷312份，有效回收率為88.64%。

據人口統計信息可知，相較于男性，選擇網購的女性占比較高，為66.3%；年齡層面，于18-25歲和25-35歲這兩個年齡層的消費者數量較多，兩者共占總數的82.3%；教育層面，大學本科學歷以上用戶占比超過一半，為85.1%，表明消費群體普遍學歷較高；職業層面，學生和企業員工占比較高，為網購的主要人群，是適合的研究對象。

3.3 調查結果分析

3.3.1 信度與效度分析

目前學術界所采用的信度測量方法有兩種，一是折半信度法，二是克朗巴哈阿爾法系數法，為保證連續性，本節采用克朗巴哈阿爾法系數法。SPSS20.0的信度檢驗顯示各個觀察變量的Cronbach's α值均大于0.6，表明各測量變量信度可以接受，各潛變量的組合信度均大于0.6，平均方差抽取量均大于0.5，表明模型的內在質量佳。

表4 各測量變量的信度、效度分析

利用AMOS20.0對個性化推薦量表（模型1）和感知價值量表（模型2）進行驗證性因子分析，整體模型擬合指標的結果如表5所示，各項指標均在接受范圍標準內，表明模型的外在質量佳。

表5 驗證性因子分析模型擬合結果

3.3.2 相關分析

本研究借助SPSS20.0，采用Person相關分析法，對個性化推薦各維度、感知利益和感知風險各維度以及消費者購買意愿之間進行相關性分析，結果如表6所示，個性化推薦四個維度變量與感知利益的各維度變量以及購買意愿之間呈顯著正相關，與感知風險各維度呈顯著負相關，感知利益的各維度變量與購買意愿之間也呈現顯著正相關，感知風險與購買意愿之間呈顯著負相關。

表6 各變量的回歸分析結果

3.3.3 回歸分析

經過相關性分析，初步驗證了所提出的假設，繼續利用回歸分析進行多對一的變量驗證。本節采用逐步多元回歸分析法，選擇只對校標變量有顯著影響的自變量，將沒有達到顯著水平的自變量剔除回歸分析外。

（1）個性化推薦與消費者購買意愿的關系

將性別、年齡、教育程度和職業作為控制變量引入回歸方程中，回歸分析結果如表7所示。模型2在模型1的基礎上納入自變量進行回歸，由模型1和模型2比較可知，R2增加量為0.591，表明個性化推薦各維度能夠解釋購買意愿的變異量為59.1%。從回歸系數及顯著性檢驗來看，信息編排（β=0.305，P<0.001）、推薦強度（β=0.153，P<0.001）、推薦效度（β=0.224，P<0.001）和視覺線索（β=0.328，P<0.001）均對購買意愿有顯著正向影響，且視覺線索對購買意愿的影響相對更大，假設H1通過檢驗。

表7 個性化推薦對消費者購買意愿的回歸分析結果

注：*、**和***分別表示0.05、0.01和0.001的顯著性水平。

（2）個性化推薦與感知價值的關系

以個性化推薦四維度作為自變量，感知價值各維度作為因變量，構建8個模型，回歸結果見表8。以感知經濟利益為因變量，由模型1和模型2比較可知，R2增加量為0.426，表明個性化各維度能夠解釋感知經濟利益的變異量為42.6%。信息編排（β=0.311，P<0.001）、推薦強度（β=0.344，P<0.001）均對感知經濟利益均有顯著正向影響，且兩者對感知經濟利益的影響相差不大，但推薦強度和視覺線索對感知經濟利益的影響不顯著，假設H2a部分成立。以感知情感利益為因變量，由模型3和模型4比較可知，R2增加量為0.411，表明個性化推薦各維度能夠解釋感知情感利益的變異量為41.1%。信息編排（β=0.178，P<0.05）、推薦強度（β=0.171，P<0.05）、推薦效度（β=0.136，P<0.05）和視覺線索（β=0.355，P<0.001）均對感知情感利益有顯著正向影響，且視覺線索對感知情感利益的影響相對更大，假設H2b通過檢驗。

以感知隱私風險為因變量，模型6相較模型5來看，R2增加量為0.295，表明個性化推薦各維度能夠解釋感知隱私風險的變異量為29.5%。信息編排（β=-0.248，P<0.001）和視覺線索（β=-0.359，P<0.001）均對感知隱私風險有顯著負向影響，且視覺線索對感知隱私風險的影響相對更大，但推薦強度和推薦效度對感知隱私風險的影響并不顯著，假設H3a部分通過。以感知績效風險為因變量，模型8相較模型7，R2增加量為0.305，表明個性化推薦各維度能夠解釋感知績效風險的變異量為30.5%。信息編排（β=-0.200，P<0.001）、推薦效度（β=-0.189，P<0.05）和視覺線索（β=-0.283，P<0.001）均對感知績效風險有顯著負向影響，且視覺線索對感知績效風險的影響相對更大，但推薦強度對感知績效風險的影響不顯著，假設H3b部分通過。

表8 個性化推薦對感知價值的回歸分析結果

（3）感知價值與消費者購買意愿的關系

由表9可知，R2增加量為0.593，感知價值各維度能夠解釋購買意愿的變異量為59.3%。從回歸系數及顯著性檢驗來看，感知經濟利益（β=0.321，P<0.001）、感知情感利益（β=0.366，P<0.001）對購買意愿有顯著正向影響，感知隱私風險（β=-0.220，P<0.001）和感知績效風險（β=-0.092，P<0.05）均對購買意愿有顯著負向影響。綜上，假設H4、H5均通過檢驗。

表9 感知價值對購買意愿的回歸分析結果

3.4 中介效應檢驗

關于中介效應檢驗，學術界普遍采用的是溫忠麟(2004)所提出的方法[11]。根據該方法，將自變量設定為X、將中介變量設定為M、將因變量設定為Y。構造如下三個回歸方程:(1)Y=aX+K1(K為常量)

(2)M=bX+K2(K為常量)

(3)Y=cX+dM+K3(K為常量)

中介效應分為完全中介效應和部分中介效應兩種。當系數a和b均顯著時，如果系數c顯著，則表明中介變量在自變量和因變量之間存在部分中介效應。如果系數c不顯著，則表明中介變量在自變量和因變量之間存在完全中介效應。因此，根據上面的分析，對于a、b不顯著的變量，不驗證感知價值的中介作用，包括感知經濟利益、感知隱私風險和感知績效風險在推薦強度與購買意愿之間的中介作用，感知隱私風險在推薦效度與購買意愿之間的中介作用，感知經濟利益在視覺線索和購買意愿之間的中介作用。根據表10的數據，標準化后的β值均顯著，感知價值的中介作用均為部分中介作用。假設H6b通過檢驗，假設H6a、H7a和H7b部分通過。

表10 中介效應檢驗結果

4 結論與討論

4.1 結論

第一，個性化推薦四維度對消費者購買意愿具有顯著的正向影響。具體而言，信息編排、推薦強度、推薦效度以及視覺線索均對購買意愿產生顯著的正向影響，其中，視覺線索對購買意愿的影響最為顯著，信息編排與推薦效度對購買意愿的影響次之，最后為推薦強度。相較于其他三個維度而言，視覺線索更為直接，是消費者可以第一眼就能夠直觀感受到的，視覺線索的好壞也決定了消費者是否有興趣繼續看下去，從而對購買意愿最為顯著。

第二，個性化推薦的部分維度對感知價值有顯著影響。具體來講，信息編排、視覺線索對感知價值的四個維度都具有直接顯著影響；推薦強度僅對消費者感知情感利益產生正向顯著影響，而對消費者感知經濟利益、感知隱私風險和感知績效風險均不顯著；推薦效度對感知經濟利益、感知情感利益和感知績效風險均顯著，而對于感知隱私風險不顯著。

第三，感知利益對消費者購買意愿具有顯著的正向影響，感知風險對消費者購買意愿具有顯著的負向影響，按照影響程度的大小，從大到小排序依次為感知情感利益、感知經濟利益、感知隱私風險和感知績效風險，且感知利益和感知風險在個性化各維度與消費者購買意愿之間發揮部分中介作用。

4.2 管理啟示

4.2.1 提升個性化推薦的“四性”

提升信息編排的合理性，購物平臺在編排頁面信息時，應該做到詳略得當，將消費者最感興趣的信息置于最顯眼的位置，在頁面的總體布局上要簡潔大方；提升推薦強度的適中性，注意推薦強度適度性原則，以免出現好感度不增反降的情況；提升推薦效度的準確性，一方面個性化推薦系統的使用平臺需要配備包括硬件和軟件方面的先進數據挖掘和分析技術，另一方面網絡零售商需要招聘和培養高素質的數據分析人才；視覺線索的豐富性，在簡潔明了的文字介紹的同時，佐以圖片、視頻甚至直播的方式，來真正的吸引消費者。

4.2.2 提升感知利益，降低感知風險

增加個性化推薦系統中的娛樂功能，并不一定限制于游戲，而是營造一種愉快的氛圍，比如加入能夠讓消費者感到輕松愉悅的信息，讓消費者參與到營銷活動中來，提高消費者的感知情感利益。提供線下體驗服務，將真實的產品信息提供給消費者，不進行虛假宣傳，出現問題時及時采取補救措施，從而降低消費者感知績效風險。