社交商務(wù)平臺(tái)用戶在線購買行為組態(tài)研究

中圖分類號(hào)：F713.36 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-8131（2025）03-0032-15

引用格式：.社交商務(wù)平臺(tái)用戶在線購買行為組態(tài)研究——基于AISAS模型和扎 根理論的fsQCA分析[J].西部論壇，2025，35（3）：32-46.

YANG Jin-long，CHEN Long-sheng，ZHOU Bing-rui.A configurational study of users’online purchase behavior on social commerce platforms：An fsQCA analysis based on the AISAS model and grounded theory [J].West Forum，2025，35（3）： 32-46.

一、引言

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第55次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2024年12月，我國網(wǎng)民規(guī)模近11.08億人，互聯(lián)網(wǎng)普及率達(dá) 78.6% 。隨著互聯(lián)網(wǎng)的發(fā)展，電子商務(wù)迅速崛起并不斷迭代，成為釋放內(nèi)需潛力、擴(kuò)大市場(chǎng)規(guī)模的加速器。傳統(tǒng)電商通過標(biāo)準(zhǔn)化的交易流程實(shí)現(xiàn)服務(wù)的高效化和規(guī)模化，但在個(gè)性化體驗(yàn)和用戶粘性方面存在不足，而社交商務(wù)平臺(tái)（SocialCommercePlatform，SCP）通過對(duì)“用戶—平臺(tái)—內(nèi)容\"關(guān)系鏈的整合升級(jí)，為用戶提供集購物、社交、信息獲取于一體的數(shù)字化體驗(yàn)（Busalimet al.，2021）[1]，快速成長(zhǎng)為一種新的電子商務(wù)模式（王昕天 等，2019）[2]。在各類互聯(lián)網(wǎng)應(yīng)用軟件中，即時(shí)通信、網(wǎng)絡(luò)媒體、短視頻的用戶規(guī)模位居前三，其社交屬性促進(jìn)了社交網(wǎng)絡(luò)的形成和發(fā)展。在此背景下，以拼多多拼團(tuán)、抖音直播帶貨、小紅書種草社區(qū)等為代表的社交商務(wù)平臺(tái)在整合社交與購物過程中重塑著用戶的決策路徑（張曉等，2025）[3」。作為社交商務(wù)的載體，社交商務(wù)平臺(tái)在電子商務(wù)中融合了社交元素，為用戶提供了一個(gè)社交互動(dòng)和商品交易相結(jié)合的綜合性環(huán)境，并通過用戶生成內(nèi)容（UGC）、社交分享、算法推薦等功能使在線消費(fèi)更加社交化和個(gè)性化，對(duì)用戶在線購買行為和習(xí)慣產(chǎn)生了顯著的差異化影響（Akramet al.，2021）[4]。那么，哪些因素決定了社交商務(wù)平臺(tái)用戶的在線購買行為，是值得深入研究的重要課題。

近年來，社交商務(wù)平臺(tái)的用戶在線購買行為受到學(xué)界廣泛關(guān)注，眾多文獻(xiàn)從不同角度探討了其影響因素。比如：Shen和 Eder（2011）[5]采用技術(shù)接受理論模型驗(yàn)證了平臺(tái)交互性設(shè)計(jì)對(duì)用戶購買意愿的正向強(qiáng)化作用;劉宏和張小靜（2017）[°基于強(qiáng)弱關(guān)系理論和互動(dòng)理論從互動(dòng)場(chǎng)所、方式、對(duì)象和內(nèi)容4個(gè)方面分析社交商務(wù)平臺(tái)用戶的互動(dòng)關(guān)系，并構(gòu)建了用戶互動(dòng)關(guān)系模型;Lazaroiu等（2020）[7研究發(fā)現(xiàn)，社交商務(wù)平臺(tái)用戶的感知風(fēng)險(xiǎn)、感知易用性以及在線信任等顯著影響其在線購買決策過程;王興標(biāo)和谷斌（2020）[8]基于結(jié)構(gòu)方程模型探究了社交商務(wù)平臺(tái)質(zhì)量、用戶網(wǎng)購認(rèn)知、社群關(guān)系強(qiáng)度對(duì)用戶感知信任和風(fēng)險(xiǎn)的影響，并分析了用戶感知信任和風(fēng)險(xiǎn)作為中介變量影響用戶購買意愿的機(jī)制;Wang等（2022）[9]通過元分析發(fā)現(xiàn)，信任對(duì)社交商務(wù)平臺(tái)用戶的購買意愿具有積極影響，并且社區(qū)中的用戶往往可以獲得更多信任;Chandra等（2022）[10]研究發(fā)現(xiàn)，個(gè)性化推薦系統(tǒng)可以有效緩解用戶信息過載現(xiàn)象，從而提升用戶決策效率;Santos（2022）[11]認(rèn)為，用戶生成內(nèi)容是驅(qū)動(dòng)用戶信任和創(chuàng)新的核心因素，有助于形成集內(nèi)容、互動(dòng)和消費(fèi)為一體的平臺(tái)模型;周延和常亮（2023）[12]研究發(fā)現(xiàn)，社交商務(wù)平臺(tái)用戶的綠色產(chǎn)品購買意愿受到推薦者專業(yè)性、推薦信息詳盡性和視覺性以及潛在消費(fèi)者信任傾向的影響，且平臺(tái)用戶的信任態(tài)度在其中起中介作用。

總體來看，相關(guān)文獻(xiàn)主要從社交網(wǎng)絡(luò)（用戶互動(dòng)）、購物體驗(yàn)、推薦系統(tǒng)等方面探究影響社交商務(wù)平臺(tái)用戶在線購買行為的因素，但大多局限于對(duì)單維度前因條件的分析，缺乏對(duì)各維度前因條件的綜合性研究。社交商務(wù)平臺(tái)是一種用戶集中在線的復(fù)雜系統(tǒng)，用戶決策受到多維因素的協(xié)同影響，傳統(tǒng)單維度的線性分析難以充分解釋多因素間復(fù)雜的非線性互動(dòng)與組態(tài)效應(yīng)（潘建林 等，2020）[13]。有鑒于此，本文首先基于AISAS 模型構(gòu)建理論分析框架，將社交商務(wù)平臺(tái)用戶在線購買行為解構(gòu)為注意、興趣、搜索、行動(dòng)、分享5個(gè)環(huán)節(jié);然后采用扎根理論研究范式，通過半結(jié)構(gòu)化訪談與理論取向訪談相結(jié)合的方式確定社交商務(wù)平臺(tái)用戶在線購買行為的前因條件組合；最后采用模糊集定性比較分析（fsQCA）方法，明確社交商務(wù)平臺(tái)用戶產(chǎn)生高在線購買行為和低在線購買行為的組態(tài)路徑。

本文的邊際貢獻(xiàn)主要在于：第一，在研究方法上，采用“理論模型 + 扎根理論 + fsQCA分析”的范式，保證了fsQCA分析中前因變量識(shí)別的系統(tǒng)性和有效性，為相關(guān)研究提供了方法借鑒;第二，在研究?jī)?nèi)容上，基于AISAS五環(huán)節(jié)分析模型（注意—興趣—搜索—行動(dòng)—分享）和扎根理論，通過半結(jié)構(gòu)化訪談與理論取向訪談相結(jié)合的方式提煉出影響社交商務(wù)平臺(tái)用戶在線購買行為的7個(gè)前因變量，并設(shè)計(jì)了包含42個(gè)題項(xiàng)的測(cè)量量表，進(jìn)而采用fsQCA方法歸納出導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為的5條組態(tài)路徑和導(dǎo)致社交商務(wù)平臺(tái)用戶低在線購買行為的2條組態(tài)路徑，拓展和深化了消費(fèi)者在線購買行為研究，并為促進(jìn)社交商務(wù)平臺(tái)健康發(fā)展和推動(dòng)消費(fèi)增量提質(zhì)提供了有益的管理啟示。

二、理論框架與研究設(shè)計(jì)

1.理論基礎(chǔ)（AISAS模型）

AISAS 模型最早由日本電通廣告公司在AIDMA模型基礎(chǔ)上提出的，其將用戶的消費(fèi)行為模式化，能夠較為細(xì)致地刻畫社交媒體時(shí)代用戶在面對(duì)海量信息時(shí)商業(yè)行為的自主選擇性和主動(dòng)反饋性（Wu etal.，2021）[14]。如圖1所示，AISAS 模型由注意（Attention）、興趣（Interest）、搜索（Search）、行動(dòng)（Action）和分享（Share）五個(gè)關(guān)鍵環(huán)節(jié)構(gòu)成，可進(jìn)一步分為心理活動(dòng)階段（A-I）和實(shí)際行動(dòng)階段（S-A-S）。

圖1AISAS模型框架

AISAS 模型契合社交化消費(fèi)場(chǎng)景的動(dòng)態(tài)特征，因此在社交商務(wù)平臺(tái)用戶在線購買行為研究中具有良好的適用性（Javed etal.，2022）[15]。社交商務(wù)平臺(tái)以內(nèi)容驅(qū)動(dòng)為核心，用戶通過短視頻、直播、KOL推薦或好友動(dòng)態(tài)等多元形式觸發(fā)注意階段，這一過程高度依賴平臺(tái)算法推薦和社交關(guān)系鏈傳播，與AISAS 的初始階段緊密關(guān)聯(lián)。興趣使社交環(huán)境更具交互性，用戶通過評(píng)論互動(dòng)、社群討論或體驗(yàn)式內(nèi)容傳播形成情感共鳴，加速?zèng)Q策轉(zhuǎn)化。在搜索環(huán)節(jié)，社交商務(wù)平臺(tái)用戶傾向于在平臺(tái)內(nèi)直接完成信息檢索或通過即時(shí)社交咨詢獲取產(chǎn)品反饋，突破了傳統(tǒng)電商單向搜索的局限，產(chǎn)生信息協(xié)同優(yōu)勢(shì)。在行動(dòng)環(huán)節(jié)，社交商務(wù)平臺(tái)內(nèi)嵌的便捷支付工具縮短了轉(zhuǎn)化路徑，同時(shí)拼團(tuán)、限時(shí)折扣等社交化營(yíng)銷策略進(jìn)一步刺激用戶的即時(shí)消費(fèi)（Chen et al.，2021）[16]。在分享環(huán)節(jié)，用戶通過曬單、好評(píng)轉(zhuǎn)發(fā)或內(nèi)容共創(chuàng)形成二次傳播，這種用戶自發(fā)的社交行為不僅能夠強(qiáng)化品牌曝光，更可以通過信任背書影響其他用戶的決策，形成正向循環(huán)（Purohit et al.，2022）[17]。總體而言，AISAS 模型完整涵蓋了用戶在社交商務(wù)活動(dòng)中的行為鏈條，尤其凸顯了社交關(guān)系網(wǎng)絡(luò)對(duì)用戶決策的滲透作用，是分析社交商務(wù)平臺(tái)用戶在線購買行為的一種有效模型。

2.確定前因變量（扎根理論）

扎根理論是一種系統(tǒng)化的質(zhì)性研究方法，該方法并不預(yù)設(shè)假設(shè)，而是通過對(duì)經(jīng)驗(yàn)數(shù)據(jù)的持續(xù)分析與歸納，從底層數(shù)據(jù)中挖掘出原生理論。研究者通過開放式數(shù)據(jù)收集獲取原始資料，并借助三級(jí)編碼逐步提煉概念、范疇及理論框架。在此過程中，研究者需要不斷比較數(shù)據(jù)與概念、概念與范疇之間的關(guān)聯(lián)，直至達(dá)到理論飽和（Mohajan et al.，2023）[18]。扎根理論尤其適用于探索缺乏現(xiàn)有理論支撐的新興領(lǐng)域或復(fù)雜社會(huì)現(xiàn)象，為本文在AISAS模型的基礎(chǔ)上確定影響社交商務(wù)平臺(tái)用戶在線購買行為的前因變量（即反映前因條件的變量）提供了恰當(dāng)?shù)姆椒ā?/p>

首先，設(shè)計(jì)開放性問題引導(dǎo)受訪者分享其在AISAS五個(gè)環(huán)節(jié)所受到的影響，訪談問題包括但不限于以下內(nèi)容：（1）Atention環(huán)節(jié)：您在使用社交商務(wù)平臺(tái)時(shí)，什么因素吸引您關(guān)注到特定的產(chǎn)品或服務(wù)？（2）Interest環(huán)節(jié)：您在平臺(tái)上瀏覽產(chǎn)品或服務(wù)時(shí)，是什么讓您對(duì)該產(chǎn)品產(chǎn)生了興趣？（3）Search環(huán)節(jié)：在決定購買前，您是如何主動(dòng)尋找更多相關(guān)信息的？（4）Action環(huán)節(jié)：做出購買決策時(shí)，您會(huì)考慮到哪些因素？（5）Share環(huán)節(jié)：在購買之后，您是否通過社交媒體或平臺(tái)評(píng)論等方式分享您的購物經(jīng)驗(yàn)？為什么選擇分享或不分享？

然后，選擇目標(biāo)用戶進(jìn)行深度訪談。本文采用目的性抽樣策略，訪談對(duì)象至少是某一社交商務(wù)平臺(tái)的深度用戶，并來源于多個(gè)行業(yè)和地域，保證了消息采集的有效性、訪談對(duì)象的廣泛性和代表性。最終選取60名目標(biāo)用戶進(jìn)行深度訪談，其中男性受訪者28名，女性受訪者32名。通過半結(jié)構(gòu)化訪談，在獲得受訪者同意后，將訪談內(nèi)容進(jìn)行錄音存檔，再梳理成文本材料，得到4.7萬字的受訪者文本數(shù)據(jù)。

最后，進(jìn)行文本分析，確定前因變量。對(duì)原始資料進(jìn)行分類整理，隨機(jī)選擇45份訪談?dòng)涗洠\(yùn)用扎根理論研究范式提煉出核心范疇，并基于AISAS模型進(jìn)行驗(yàn)證和補(bǔ)充，通過兩者的反饋循環(huán)確定社交商務(wù)平臺(tái)用戶在線購買行為的前因變量。此外，采用剩下的15份訪談資料進(jìn)行理論飽和度檢驗(yàn)。

3.組態(tài)劃分（fsQCA分析）

模糊集定性比較分析（fsQCA）是一種以案例研究為導(dǎo)向、結(jié)合定性與定量分析邏輯的中小樣本分析方法，其以“組態(tài)”為核心，旨在揭示多條件組合如何共同導(dǎo)致某一結(jié)果的產(chǎn)生，尤其適用于探究社會(huì)現(xiàn)象中復(fù)雜的因果異質(zhì)性、多重并發(fā)因果及非對(duì)稱性關(guān)系（杜運(yùn)周等，2017）[19]。fsQCA分析的核心是尋找多重等效路徑（即同一結(jié)果可能由不同的條件組態(tài)實(shí)現(xiàn)），而單一條件的作用需通過與其他條件的互動(dòng)來體現(xiàn)。因此，本文通過fsQCA分析對(duì)導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為和低在線購買行為的前因條件進(jìn)行組合，并歸納出具有結(jié)果等效性的不同組態(tài)。

首先，借鑒相關(guān)文獻(xiàn)研究成果，對(duì)通過扎根理論得到的影響社交商務(wù)平臺(tái)用戶在線購買行為的前因變量進(jìn)行定義和維度劃分。然后，設(shè)計(jì)調(diào)研題項(xiàng)和量表，并進(jìn)行預(yù)調(diào)研。為保證調(diào)研的可操作性與科學(xué)性，本文使用的所有測(cè)度量表均來自國內(nèi)外已發(fā)表的相關(guān)文獻(xiàn)，并經(jīng)過嚴(yán)格的雙向翻譯以保證題項(xiàng)內(nèi)容的準(zhǔn)確性;在此基礎(chǔ)上，結(jié)合社交商務(wù)平臺(tái)在線購買環(huán)境、消費(fèi)者認(rèn)知習(xí)慣等對(duì)個(gè)別題項(xiàng)表述進(jìn)行適應(yīng)性修改，并經(jīng)過卡片分類實(shí)驗(yàn)進(jìn)行驗(yàn)證；對(duì)身邊有較豐富在線購物經(jīng)驗(yàn)的56名調(diào)研對(duì)象進(jìn)行紙質(zhì)版調(diào)查問卷初稿預(yù)測(cè)試，根據(jù)其反饋意見，對(duì)問卷進(jìn)行完善;對(duì)完善后的問卷進(jìn)行擴(kuò)大調(diào)研范圍的小樣本測(cè)試，根據(jù)回收的102份問卷的統(tǒng)計(jì)分析結(jié)果，對(duì)問卷再次進(jìn)行微調(diào)，形成最終的正式調(diào)查量表（均采用Likert5點(diǎn)量表）。接著，開展正式調(diào)研。采用“線上 + 線下”的方式發(fā)放395份調(diào)查問卷，回收有效問卷363份，有效率達(dá)到 91.9% 。最后，對(duì)調(diào)研數(shù)據(jù)進(jìn)行因子分析、信度和效度檢驗(yàn)、變量校準(zhǔn)，進(jìn)而采用fsQCA3.0軟件進(jìn)行必要條件分析和組態(tài)分析。

三、實(shí)證分析結(jié)果

1.社交商務(wù)平臺(tái)用戶在線購買行為的前因變量

對(duì)45份訪談文本進(jìn)行編碼和范疇化（見表1，部分編碼過程參見本文在知網(wǎng)的附加材料），最終得到影響社交商務(wù)平臺(tái)用戶在線購買行為的7個(gè)主范疇（即前因變量，包括在線廣告效果、在線評(píng)論刺激、推薦引擎、平臺(tái)形象、感知風(fēng)險(xiǎn)、社交分享、社會(huì)支持），其內(nèi)部均未發(fā)現(xiàn)新的重要范疇。在主范疇確定后，使用剩下的15份訪談?dòng)涗涍M(jìn)行理論飽和度檢驗(yàn)，結(jié)果顯示，7個(gè)主范疇外部均未發(fā)現(xiàn)新的重要范疇。基于此，本研究建立如圖2所示的社交商務(wù)平臺(tái)用戶在線購買行為模型。

圖2社交商務(wù)平臺(tái)用戶在線購買行為模型

表1主軸編碼及范疇化

2.前因變量和結(jié)果變量的測(cè)量量表

借鑒Calder等（2009）[20]、Mumuni等（2019）[21]、Chandra等（2022）[2]、宋思根等（2016）[23]、Ko等（2004）[24]、Chen和Wang（2021）[25]、Yahia等（2018）[26]的研究對(duì)7個(gè)前因變量進(jìn)行定義，如表2所示。進(jìn)一步參考 Zeng等（2009）[27]的研究，將在線廣告效果分為感知廣告相關(guān)性和感知廣告價(jià)值兩個(gè)維度進(jìn)行測(cè)量;參考Jiang等（2002）[28]、Liang等（2011）[29]的研究，將平臺(tái)形象分為服務(wù)形象和系統(tǒng)形象兩個(gè)維度進(jìn)行測(cè)量；參考 Lee（2005）^[30] 、王偉軍等（2017）[31]的研究，將推薦引擎分為感知個(gè)性化和感知有用性兩個(gè)維度進(jìn)行測(cè)量；參考戴國良（2018）[32] Ko^[33] 的研究，將社交分享分為購前分享和購后分享兩個(gè)維度進(jìn)行測(cè)量;參考Hajli（2015）[34]的研究，將社會(huì)支持分為信息支持和情感支持兩個(gè)維度進(jìn)行測(cè)量；對(duì)在線評(píng)論刺激的測(cè)量借鑒了Wang（2010）[35]、Zhang等（2018）[36]的研究，對(duì)感知風(fēng)險(xiǎn)的測(cè)量借鑒了潘煜等（2010）[37]、趙宏霞等（2015）[38]的研究。此外，借鑒廖成林（2012）[39]的研究，對(duì)結(jié)果變量在線購買行為進(jìn)行測(cè)量。最終的測(cè)量量表包括42個(gè)題項(xiàng)（參見本文在知網(wǎng)的附加材料）。

表27個(gè)前因變量的定義

3.變量的因子分析與校準(zhǔn)

本文采用熵值法確定各變量題項(xiàng)的權(quán)重，進(jìn)而計(jì)算得到各變量的綜合分值。由表3的因子分析結(jié)果可知：各前因變量和結(jié)果變量的Cronbach’s ∝ 系數(shù)均大于0.8，表明量表具有較好的信度;各前因變量與結(jié)果變量的組合信度（CR）均大于0.7，平均方差萃取量（AVE）均大于0.5，表明量表的收斂效度較高。變量的校準(zhǔn)是將變量轉(zhuǎn)換為集合并賦予集合隸屬度的過程。本文采用直接校準(zhǔn)法進(jìn)行變量校準(zhǔn)，由于采用的是主觀性題項(xiàng)，缺乏明確的衡量標(biāo)準(zhǔn)，因而參考Fiss等（2011）[40]的研究，將各變量的上四分位數(shù)、中位數(shù)、下四分位數(shù)分別作為校準(zhǔn)的3個(gè)錨點(diǎn)（完全不隸屬、交叉點(diǎn)和完全隸屬），如表4所示。

表3變量因子分析結(jié)果

表4變量校準(zhǔn)錨點(diǎn)和描述性統(tǒng)計(jì)

4.必要條件分析

對(duì)7個(gè)前因變量進(jìn)行單個(gè)條件的必要性檢驗(yàn)，結(jié)果見表5。各前因變量的一致性均低于0.9的閾值要求，都不是導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為和低在線購買行為的必要條件，在后續(xù)的真值表運(yùn)算時(shí)應(yīng)當(dāng)全部保留。可見，社交商務(wù)平臺(tái)用戶在線購買行為產(chǎn)生的條件具有復(fù)雜性，并非只是某個(gè)前因條件單獨(dú)作用的結(jié)果，而是多個(gè)前因條件共同作用的結(jié)果，因此有必要進(jìn)行組態(tài)分析。

表5必要條件分析結(jié)果

5.組態(tài)分析

由于7個(gè)前因變量對(duì)結(jié)果變量的獨(dú)立解釋能力不高，需要進(jìn)一步探討能夠充分解釋社交商務(wù)平臺(tái)用戶高在線購買行為及低在線購買行為的前因條件組合。借鑒已有研究，本文在條件組態(tài)分析中將一致性閾值設(shè)置為0.8，PRI閾值設(shè)置為0.7，案例頻數(shù)設(shè)置為1，以確保分析結(jié)果的一致性、解釋性和穩(wěn)定性（Kraus etal.，2018）[41]。運(yùn)用fsQCA3.0軟件分析得到復(fù)雜解、簡(jiǎn)約解和中間解，對(duì)簡(jiǎn)約解和中間解進(jìn)行布爾代數(shù)運(yùn)算以區(qū)分組態(tài)路徑中的核心條件與邊緣條件，最終得到影響社交商務(wù)平臺(tái)用戶在線購買行為的前因條件組態(tài)，如表6所示。綜合來看，導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為的組態(tài)路徑有5條，其單個(gè)解和總體解的一致性均高于 90% ，共同解釋了 56.47% 高在線購買行為的原因；導(dǎo)致社交商務(wù)平臺(tái)用戶低在線購買行為的組態(tài)路徑有3條，總體解的一致性亦在 90% 以上，共同解釋了 65.63% 低在線購買行為的原因。下面進(jìn)一步對(duì)8條組態(tài)路徑進(jìn)行詳細(xì)分析。

表6社交商務(wù)平臺(tái)用戶在線購買行為組態(tài)分析結(jié)果

注： ? 和 ? 表示該前因條件存在（ ? 為核心條件，·為邊緣條件）； ⑧ 和表示該前因條件不存在（ ⑧ 為核心條件， ? 為邊緣條件），空格表示該條件可存在亦可缺失。

（1）高在線購買行為的前因條件組態(tài)

路徑一：沖動(dòng)型消費(fèi)模式（組態(tài)H1a）。在該組態(tài)中，在線廣告效果、推薦引擎、社會(huì)支持是核心條件，社交分享是邊緣條件，表明在線廣告的強(qiáng)效曝光與推薦引擎的精準(zhǔn)引導(dǎo)可降低用戶感知風(fēng)險(xiǎn)，并且在社會(huì)支持的背書下，即使社交分享僅作為邊緣條件存在，仍會(huì)促使用戶產(chǎn)生高在線購買行為（Leeetal.，2021）[42]。此類用戶的行為機(jī)制主要體現(xiàn)在兩個(gè)方面：其一，技術(shù)運(yùn)用增強(qiáng)消費(fèi)欲望。一方面，平臺(tái)通過廣告創(chuàng)意的感官?zèng)_擊和推薦算法的需求預(yù)判形成對(duì)用戶需求的創(chuàng)造和滿足;另一方面，平臺(tái)通過即時(shí)性信息削弱用戶的理性思考。其二，低風(fēng)險(xiǎn)感知簡(jiǎn)化決策流程。平臺(tái)信任與社交關(guān)系擔(dān)保共同降低了用戶對(duì)交易風(fēng)險(xiǎn)的感知，使用戶容易產(chǎn)生沖動(dòng)性消費(fèi)。因此，本文將其命名為沖動(dòng)型消費(fèi)模式。

路徑二：瀏覽型消費(fèi)模式（組態(tài)H1b）。在該組態(tài)中，在線廣告效果、推薦引擎、社會(huì)支持是核心條件，在線評(píng)論刺激、社交分享是邊緣條件，表明當(dāng)用戶同時(shí)面臨高強(qiáng)度的在線廣告觸達(dá)、精準(zhǔn)的推薦算法驅(qū)動(dòng)以及社群關(guān)系網(wǎng)絡(luò)的支持時(shí)，即使僅淺層參與評(píng)論瀏覽和社交分享，仍會(huì)在“被動(dòng)瀏覽—主動(dòng)轉(zhuǎn)化”的驅(qū)使下產(chǎn)生高在線購買行為。此類用戶的行為機(jī)制主要體現(xiàn)在三個(gè)方面：其一，技術(shù)驅(qū)動(dòng)的注意力捕獲。廣告的媒介滲透與推薦系統(tǒng)的內(nèi)容精準(zhǔn)匹配共同構(gòu)建信息繭房，使用戶的瀏覽行為被持續(xù)卷入商品流（Dhaigude et al.，2023）[43]。其二，社交背書的信任增強(qiáng)。社群互動(dòng)中累積的社交關(guān)系部分替代了在線評(píng)論，通過信任傳遞降低了決策成本。其三，行為環(huán)節(jié)的即時(shí)轉(zhuǎn)化。平臺(tái)形象與技術(shù)服務(wù)支持使用戶在瀏覽過程中隨機(jī)觸發(fā)的興趣點(diǎn)能直接轉(zhuǎn)化為購買行動(dòng)，形成即看即買的消費(fèi)習(xí)慣。這一組態(tài)映射了社交商務(wù)中算法投喂與輕度社交介入相結(jié)合的流量變現(xiàn)邏輯——用戶并非基于評(píng)論或社交分享完成購買，而是在平臺(tái)技術(shù)與社群關(guān)系的協(xié)同引導(dǎo)下將無目的性的瀏覽轉(zhuǎn)化為高頻率的消費(fèi)行為。因此，本文將其命名為瀏覽型消費(fèi)模式。

路徑三：依附型消費(fèi)模式（組態(tài)H2）。在該組態(tài)中，在線廣告效果、平臺(tái)形象、社交分享、社會(huì)支持是核心條件，感知風(fēng)險(xiǎn)是邊緣條件，表明當(dāng)用戶持續(xù)受到在線廣告的精準(zhǔn)觸達(dá)，對(duì)平臺(tái)形象的技術(shù)性能與服務(wù)保障形成深度認(rèn)同，并嵌入社交分享與社會(huì)支持的互動(dòng)網(wǎng)絡(luò)時(shí)，即使感知到一定風(fēng)險(xiǎn)，仍會(huì)形成依附于平臺(tái)的高消費(fèi)慣性。此類用戶的行為機(jī)制主要體現(xiàn)在兩個(gè)方面：其一，技術(shù)信任的復(fù)利效應(yīng)。廣告投放的穩(wěn)定性與平臺(tái)功能的可靠性長(zhǎng)期積累產(chǎn)生用戶信任，使用戶對(duì)平臺(tái)產(chǎn)生依附性心理。其二，用戶風(fēng)險(xiǎn)耐受心理的構(gòu)建。盡管平臺(tái)交易存在偶發(fā)風(fēng)險(xiǎn)，但平臺(tái)形象背書與網(wǎng)絡(luò)社交的支持可降低用戶風(fēng)險(xiǎn)感知。這一組態(tài)的本質(zhì)是用戶與平臺(tái)的生態(tài)化綁定——用戶決策不再依賴于單次交易的利弊權(quán)衡，轉(zhuǎn)而基于歷史體驗(yàn)所積累的系統(tǒng)性信任和穩(wěn)定性社交關(guān)系，形成依附于平臺(tái)的消費(fèi)習(xí)慣（Chen et al.，2024）[44]。因此，本文將其命名為依附型消費(fèi)模式。

路徑四：自主型消費(fèi)模式（組態(tài)H3）。在該組態(tài)中，平臺(tái)形象、社交分享是核心條件，推薦引擎、感知風(fēng)險(xiǎn)、社會(huì)支持是邊緣條件，表明當(dāng)用戶與平臺(tái)之間建立聯(lián)系并長(zhǎng)期保持社交分享習(xí)慣時(shí)，即使缺乏評(píng)論信息刺激和推薦引擎引導(dǎo)，用戶仍能依托自身消費(fèi)計(jì)劃和對(duì)平臺(tái)生態(tài)的認(rèn)同實(shí)現(xiàn)高頻消費(fèi)。此類用戶的行為機(jī)制主要體現(xiàn)在兩個(gè)方面：其一，平臺(tái)信任促使用戶形成默認(rèn)消費(fèi)場(chǎng)景。基于歷史體驗(yàn)形成的信任積累，用戶將平臺(tái)視為默認(rèn)消費(fèi)場(chǎng)景，其購買行為脫離即時(shí)性刺激，更多源于自主性需求。其二，用戶主動(dòng)社交分享進(jìn)一步強(qiáng)化其平臺(tái)信任。用戶在社交互動(dòng)中的內(nèi)容分享并非被動(dòng)傳播，而是作為個(gè)人消費(fèi)檔案的主動(dòng)建構(gòu)，通過內(nèi)容自主生成實(shí)現(xiàn)購物經(jīng)驗(yàn)的自我積累與消費(fèi)策略的持續(xù)優(yōu)化。這一組態(tài)反映了用戶的消費(fèi)行為既不依賴于算法推薦的即時(shí)誘導(dǎo)，也不受社群關(guān)系的影響，而是基于對(duì)平臺(tái)功能價(jià)值的理性評(píng)估來滿足自身的有效需求。因此，本文將其命名為自主型消費(fèi)模式。

路徑五：穩(wěn)定型消費(fèi)模式（組態(tài)H4）。在該組態(tài)中，在線廣告效果、平臺(tái)形象、社會(huì)支持為核心條件，在線評(píng)論刺激、推薦引擎、感知風(fēng)險(xiǎn)為邊緣條件，表明當(dāng)用戶同時(shí)受到在線廣告的廣泛觸達(dá)、平臺(tái)形象的功能信任與社會(huì)支持的輕度嵌人驅(qū)動(dòng)時(shí)，即使在線評(píng)論刺激、推薦引擎與感知風(fēng)險(xiǎn)僅作為輔助條件存在，仍能產(chǎn)生穩(wěn)定的消費(fèi)行為（Zhao et al.，2023）[45]。此類用戶的行為機(jī)制主要體現(xiàn)在兩個(gè)方面：其一，平臺(tái)功能滿足消費(fèi)需求。廣告曝光與平臺(tái)功能成為用戶消費(fèi)決策的默認(rèn)選項(xiàng)，用戶無須依賴算法推薦的精準(zhǔn)投喂或?qū)υu(píng)論的深度分析即可產(chǎn)生消費(fèi)意愿。其二，社交支持常態(tài)滲透。社群互動(dòng)的常態(tài)化參與雖未使用戶與平臺(tái)形成強(qiáng)綁定關(guān)系，但通過適度社交背書為決策注人的安全感可部分抵消潛在風(fēng)險(xiǎn)的干擾。這一組態(tài)反映了社交商務(wù)生態(tài)中技術(shù)和社交雙軌并行的標(biāo)準(zhǔn)化消費(fèi)場(chǎng)景，用戶既非依賴單一技術(shù)工具的極致效率，也無須深度卷人社交網(wǎng)絡(luò)，而是在平臺(tái)基礎(chǔ)服務(wù)、輕度社交互動(dòng)與風(fēng)險(xiǎn)耐受的復(fù)合均衡中完成常規(guī)化、可復(fù)購的消費(fèi)行為。因此，本文將其命名為穩(wěn)定型消費(fèi)模式。

（2）低在線購買行為的前因條件組態(tài)

路徑一：獨(dú)立型消費(fèi)模式（組態(tài)NH1a和NH1b）。在這兩種組態(tài)中，缺失的核心條件都是在線廣告效果、推薦引擎、社會(huì)支持，由于缺失的核心條件一致，構(gòu)成二階等價(jià)組態(tài)。其中，組態(tài)NH1a缺失的邊緣條件是平臺(tái)形象、社交分享，組態(tài)NH1b缺失的邊緣條件是在線評(píng)論刺激、平臺(tái)形象。該路徑表明，當(dāng)用戶既未受到在線廣告曝光、推薦引擎引導(dǎo)等平臺(tái)技術(shù)賦能的驅(qū)動(dòng)，又缺乏社交分享激勵(lì)與社會(huì)支持的關(guān)系網(wǎng)絡(luò)嵌入，同時(shí)平臺(tái)形象未能建立功能或情感層面的吸引力時(shí)，用戶將脫離平臺(tái)預(yù)設(shè)的“刺激—響應(yīng)”閉環(huán)，形成去中心化的自主決策邏輯。此類用戶通常表現(xiàn)出更強(qiáng)的決策獨(dú)立性，其購買需求源于內(nèi)生驅(qū)動(dòng)，而非外部廠商營(yíng)銷或社交線索的影響（Sharma et al.，2022）[46]。因此，本文將這兩條等價(jià)組態(tài)命名為獨(dú)立型消費(fèi)模式。

路徑二：謹(jǐn)慎型消費(fèi)模式（組態(tài)NH2）。在該組態(tài)中，在線評(píng)論刺激、感知風(fēng)險(xiǎn)是存在的核心條件，在線廣告效果、推薦引擎、平臺(tái)形象是缺失的核心條件，社會(huì)支持是存在的邊緣條件，表明當(dāng)用戶購買決策主要依賴在線評(píng)論刺激與社會(huì)支持的有限賦能，而平臺(tái)技術(shù)驅(qū)動(dòng)要素集體缺位時(shí)，用戶會(huì)陷人高信息輸人和低信息輸出的決策困境，最終導(dǎo)致低購買行為。此類用戶的行為邏輯呈現(xiàn)出以下矛盾性：其一，興趣錨點(diǎn)的外部依賴性。用戶購買需求雖被評(píng)論內(nèi)容激發(fā)，但因缺乏廣告曝光與推薦算法的精準(zhǔn)引導(dǎo)，導(dǎo)致信息獲取碎片化，難以形成穩(wěn)定的商品認(rèn)知。其二，風(fēng)險(xiǎn)感知的決策主導(dǎo)性。對(duì)平臺(tái)形象認(rèn)知的薄弱加劇了用戶的風(fēng)險(xiǎn)敏感度，即便用戶可通過社交支持獲得部分信息補(bǔ)充，但仍無法消除其對(duì)交易安全性的擔(dān)憂。因此，本文將其命名為謹(jǐn)慎型消費(fèi)模式。

6.穩(wěn)健性檢驗(yàn)

借鑒李曉娣和饒美仙（2023）[47]的研究，本文將一致性閾值從0.8分別上調(diào)到0.85和0.90進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果表明：當(dāng)一致性閾值上調(diào)到0.85時(shí)，導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為和低在線購買行為的前因條件組態(tài)均未發(fā)生變化;當(dāng)一致性閾值上調(diào)到0.90時(shí)，組態(tài)H5消失，其他組態(tài)保持不變，調(diào)整前后的組態(tài)之間存在清晰的子集關(guān)系。因此，可以認(rèn)為本文的分析結(jié)論是穩(wěn)健的。

四、結(jié)論與啟示

本文基于AISAS模型的注意、興趣、搜索、行動(dòng)、分享5個(gè)關(guān)鍵環(huán)節(jié)，通過扎根理論歸納出決定社交商務(wù)平臺(tái)用戶在線購買行為的7個(gè)前因變量——在線廣告效果、在線評(píng)論刺激、推薦引擎、平臺(tái)形象、感知風(fēng)險(xiǎn)、社交分享和社會(huì)支持，在此基礎(chǔ)上設(shè)計(jì)包含42個(gè)題項(xiàng)的測(cè)量量表進(jìn)行問卷調(diào)查，獲得363份有效問卷，進(jìn)而運(yùn)用fsQCA方法考察導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為和低在線購買行為的組態(tài)路徑，研究發(fā)現(xiàn)：（1）社交商務(wù)平臺(tái)用戶在線購買行為具有高度的條件依賴性，單一條件對(duì)結(jié)果的解釋力較差，需要通過不同條件的動(dòng)態(tài)組合來實(shí)現(xiàn)具體的實(shí)踐情境。（2）所有前因條件均不能單獨(dú)構(gòu)成產(chǎn)生高在線購買行為和低在線購買行為的必要條件，其中，提高在線廣告效果和強(qiáng)化社會(huì)支持對(duì)高在線購買行為具有普適性作用，而在線廣告效果較差和推薦引擎較弱則是導(dǎo)致低在線購買行為的重要條件。（3）導(dǎo)致社交商務(wù)平臺(tái)用戶高在線購買行為的等效組態(tài)路徑有5條，分別對(duì)應(yīng)沖動(dòng)型、瀏覽型、依附型、自主型、穩(wěn)定型5種消費(fèi)模式。（4）導(dǎo)致社交商務(wù)平臺(tái)用戶低在線購買行為的等效組態(tài)路徑有3條，可歸納為獨(dú)立型和謹(jǐn)慎型2種消費(fèi)模式。基于上述結(jié)論，本文得到以下啟示：

第一，廣告效果、推薦引擎和社會(huì)支持之間存在良性耦合關(guān)系，平臺(tái)運(yùn)營(yíng)者應(yīng)重視這三種因素在促進(jìn)用戶在線購買中的正向協(xié)同效應(yīng)。組態(tài)H1a凸顯了用戶消費(fèi)沖動(dòng)窗口期運(yùn)營(yíng)的重要性，組態(tài)H1b 則反映出瀏覽型用戶低投入高轉(zhuǎn)化的特征，兩條路徑均提示平臺(tái)需重視廣告和推薦的功效以及社交氛圍的營(yíng)造，通過技術(shù)賦能壓縮用戶消費(fèi)決策周期，提高用戶消費(fèi)心理的轉(zhuǎn)化效率。

第二，平臺(tái)運(yùn)營(yíng)者應(yīng)通過塑造良好平臺(tái)形象和推動(dòng)社交分享來鞏固用戶對(duì)平臺(tái)的認(rèn)知和信任，驅(qū)動(dòng)用戶完成在線購買行為。組態(tài)H2提示平臺(tái)可通過技術(shù)改進(jìn)和社交生態(tài)優(yōu)化將用戶逐漸轉(zhuǎn)化為平臺(tái)公民，實(shí)現(xiàn)用戶依附從行為慣性到文化認(rèn)同的轉(zhuǎn)變。組態(tài)H3提示平臺(tái)需深耕自主型用戶，可通過會(huì)員體系的深度綁定、用戶生成內(nèi)容的價(jià)值反哺等方式強(qiáng)化用戶對(duì)平臺(tái)生態(tài)的生活化嵌入，實(shí)現(xiàn)從自主型消費(fèi)到無感式習(xí)慣的轉(zhuǎn)化。組態(tài)H4中的穩(wěn)定型用戶具有低認(rèn)知負(fù)荷和高平臺(tái)慣性的特點(diǎn)，平臺(tái)應(yīng)增強(qiáng)基礎(chǔ)能力建設(shè)，通過平臺(tái)服務(wù)的穩(wěn)健迭代維持多數(shù)用戶的消費(fèi)舒適區(qū)，從而實(shí)現(xiàn)平臺(tái)基本盤的可持續(xù)發(fā)展。

第三，對(duì)低在線購買行為的用戶群體，平臺(tái)應(yīng)制定個(gè)性化策略以滿足其差異化需求。針對(duì)獨(dú)立型消費(fèi)的用戶，平臺(tái)可弱化外部營(yíng)銷和社交活動(dòng)激勵(lì)，轉(zhuǎn)而強(qiáng)化產(chǎn)品信息透明度、優(yōu)化自主搜索工具，通過最小化干預(yù)策略適配用戶的自主決策偏好。針對(duì)謹(jǐn)慎型消費(fèi)的用戶，平臺(tái)應(yīng)建立和改善“社交—技術(shù)—信任\"的消費(fèi)生態(tài)關(guān)系，如通過評(píng)論真實(shí)性認(rèn)證、用戶支持系統(tǒng)升級(jí)等措施打破謹(jǐn)慎型消費(fèi)者的購物決策僵局。

本文存在以下不足，值得進(jìn)一步研究：第一，收集的數(shù)據(jù)為靜態(tài)截面數(shù)據(jù)，無法反映社交商務(wù)平臺(tái)用戶在線購買行為的長(zhǎng)期變化趨勢(shì)，未來可收集跨時(shí)間數(shù)據(jù)，通過時(shí)序QCA方法探究社交商務(wù)平臺(tái)用戶在線購買行為的演變與持續(xù)性。第二，聚焦社交商務(wù)場(chǎng)景中在線購買行為的共性機(jī)制研究，對(duì)不同類型平臺(tái)的差異進(jìn)行分析，未來可針對(duì)不同社交商務(wù)平臺(tái)進(jìn)行異質(zhì)性分析，進(jìn)而深化該領(lǐng)域的研究。

參考文獻(xiàn)：

[1]BUSALIMA H，GHABBANF，HUSIN AR C. Customer engagement behaviour on social commerce platforms：An empirical study[J]. Technology in Society，2021，64（2）：101437.

[2] 王昕天，汪向東.社群化、流量分配與電商趨勢(shì)：對(duì)\"拼多多”現(xiàn)象的解讀[J].中國軟科學(xué)，2019（7）：47-59.

[3] 張曉，王焜陽，陳希，等.社會(huì)化商務(wù)中基于感知信任與社會(huì)學(xué)習(xí)的消費(fèi)者偏好分析[J].系統(tǒng)工程，2025，43（2）15-24.

[4] AKRAM U，JUNAID M，ZAFAR A U，et al. Online purchase intention in Chinese social commerce platforms：Being emotional or rational？[J]. Journal of Retailing and Consumer Services，2O21，63：102669.

[5] SHEN J，EDER L B.An examination of factorsassociatedwith user acceptance of social shopping websites[J]. International Journal of Technology and Human Interaction，2O11，7（1） ：19-36.

[6] 劉宏，張小靜.社會(huì)化電子商務(wù)用戶互動(dòng)模式研究[J].商業(yè)經(jīng)濟(jì)研究，2017（23）：68-70.

[7] LAZAROIU G，NEGURITA O，GRECU I，et al. Consumers’decision-making process onsocial commerce platforms： Online trust，perceived risk，and purchase intentions[J].Frontiers in Psychology，2O2O，11：890.

[8] 王興標(biāo)，谷斌.基于信任的移動(dòng)社交電子商務(wù)購買意愿影響因素[J].中國流通經(jīng)濟(jì)，2020，34（4）：21-31.

[9] WANG J，SHAHZAD F，AHMAD Z，et al. Trust and consumers’purchase intention in a social commerce platform：A metaanalytic approach[J]. SAGE Open，2022，12（2） ：21582440221091262.

[10] CHANDRA S，VERMA S，LIMWM，et al.Personalization in personalized marketing：Trendsandways forward[J]. Psychologyamp;Marketing，2022，39（8） ：1529-1562.

[11]SANTOS ML B.The“so-caled”UGC：An updated definition of user-generated content inthe age ofsocial media[J]. OnlineInformationReview，2022，46（1）：95-113.

[12]周延，常亮.社會(huì)化電商平臺(tái)用戶推薦對(duì)消費(fèi)者綠色產(chǎn)品購買意愿的影響[J].商業(yè)經(jīng)濟(jì)研究，2023（6）：60-64.

[13］潘建林，汪彬，董曉晨.基于SICAS消費(fèi)者行為模型的社交電商模式及比較研究[J].企業(yè)經(jīng)濟(jì)，2020，39（10）：37-43.

[14]WUJ，SHIL，YUYa，etal.Evaluationof precision marketing efctiveness ofcommunitye-commerce：An AISASbased model[J]. Sustainable Operations and Computers，2021，2（13） ：200-205.

[15]JAVED S，RASHIDINM S，XIAOY.Investigating the impactof digitalinfluencers onconsumerdecision-makingand content outreach：UsingdualAISAS model[J].EconomicResearch-Ekonomska Istrazivanja，202，35（1）：1183-1210.

[16] CHEN X，LIUZ，WEI S，etal.Understandingtheroleofafordancesinpromoting socialcommerce engagement[J]. International Journal of Electronic Commerce，2021，25（3） ：287-312.

[17]PUROHITS，ARORA R，PAULJ.The bright sideofonline consumer behavior：Continuance intention for mobile payments [J].Journal of Consumer Behaviour，2022，21（3）：523-542.

[18]MOHAJAN H K，MOHAJAN D.Glaserian grounded theoryand Strausiangrounded theory：Twostandard qualitative research approaches insocial sciene[J].Journalof Economic DevelopmentEnvironmentandPeople，2023，1（1）72-81.

[19]杜運(yùn)周，賈良定.組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J].管理世界，2017（6）：155-167.

[20]CALDER BJ，MALTHOUSEEC，SCHAEDEL U. An experimental study of the relationship between online engagement and advertising effectiveness[J]. Journal of Interactive Marketing，2009，23（4）：321-331.

[21]MURUNI A G，LANCENDORFER K M，O’REILLY K A，et al.Antecedents of consumers’reliance on online product reviews[J]. Journal of Research in Interactive Marketing，2O19，13（1） ：26-46.

[22]CHANDRA S，VERMA S，LIM WM，etal.Personalization inpersonalized marketing：Trendsand ways forward[J]. Psychologyamp; Marketing，2022，39（8） ：1529-1562.

[23］宋思根，王平，徐偉.網(wǎng)店形象購后評(píng)級(jí)、新產(chǎn)品質(zhì)量評(píng)價(jià)與購買意愿[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2016，36 （7） ：70-79.

[24]KO H，JUNGJ，KIJY，etal.ross-culturaldiferencesiperceivedrisk ofonlineshopping[J].Jouralof Interactive Advertising，2004，4（2） ：20-29.

[25]CHENJ，WANG Y.Social mediause forhealth purposes：Systematicreview[J].Journal of medical Intemet research， 2021，23（5） ：17917.

[26]YAHIAIB，Al-NEAMA N，KERBACHEL.Investigating thedrivers for social commerce insocial media platforms： Importance of trust，socialsupport andthe platformperceived usage[J].Journal of Retailing and Consumer Services，2018， 41（8） ：11-19.

[27]ZENGF，HUANG L，DOU W.Socialfactors inuserperceptions and responses toadvertising inonline socialnetworking communities[J]. Journal of Interactive Advertising，20O9，1O（1） ：1-13.

[28] JIANG JJ，KLEIN G，CARR C L.Measuring information system service quality：SERVQUALfrom the other side[J].MIS Quarterly，2002，26（2） ：145-166.

[29]LIANG TP，HOYT，LIYW，et al.What drives socialcommerce：Theroleofsocialsupportand relationshipquality[J]. International Journal of Electronic Commerce，2011，16（2） ：69-90.

[30]LEE TM.The impact of perceptions of interactivityoncustomer trust and transaction intentions in mobile commerce[J]. Journal of Electronic Commerce Research，2005，6（3）：165.

[31]王偉軍，王陽，王玉珠，等.移動(dòng)商務(wù)用戶個(gè)性化推薦采納行為影響因素的實(shí)證研究[J].系統(tǒng)管理學(xué)報(bào)，2017，26 （5） ：816-823.

[32]戴國良.社交電子商務(wù)購前分享動(dòng)機(jī)研究[J].中國流通經(jīng)濟(jì)，2018，32（10）：39-47.

[33]KO HC.Social desireorcommercial desire？The factors driving social sharingand shopping intentionsonsocialcommerce platforms[J]. Electronic Commerce Research and Applications，2018，28（16） ：1-15.

[34]HAJLIN.Socialcommerceconstructsandconsumer’sintention tobuy[J].InternationalJournal of Information Management，2015，35（2）：183-191.

[35]WANG ST.Internet usage purposesandgenderdiferences inthe efects of perceived utilitarianandhedonic valueJ]. Cyberpsychology，Behavior，and Social Networking，2010，13（2） ：179-183.

[36]ZHANG K Z K，XUH，ZHAO S，etal.Onlinereviews and impulse buying behavior：The role of browsing andimpulsivenes [J].Internet Research，2018，28（3） ：522-543.

[37］潘煜，張星，高麗.網(wǎng)絡(luò)零售中影響消費(fèi)者購買意愿因素研究——基于信任與感知風(fēng)險(xiǎn)的分析[J].中國工業(yè)經(jīng)濟(jì)， 2010（7） ：115-124.

[38]趙宏霞，王新海，周寶剛.B2C網(wǎng)絡(luò)購物中在線互動(dòng)及臨場(chǎng)感與消費(fèi)者信任研究[J].管理評(píng)論，2015，27（2）：43-54.

[39]廖成林，龔小艷，李憶.新客戶的網(wǎng)站感知和信任對(duì)其在線購買行為影響的實(shí)證研究[J].技術(shù)經(jīng)濟(jì)，2012，31（1）：16-21.

[40]FISS PC.Building betercausal theories：Afuzzyset approach totypologies inorganizationresearchJ].Academyof Management Journal，2011，54（2） ：393-420.

[41] KRAUS S，RIBEIRO-SORIANO D， SCHUSSLER M. Fuzzy-set qualitative comparativeanalysis（ fsQCA）in entrepreneurshipand innovationresearch：Theriseofa method[J].Intemational Entrepreneurshipand Management Journal，2018，14（9）：15-33.

[42]LEE SE，JUNGHJ，LEEKH.Motivatingcolaborativeconsumptioninfashion：onsumerbenefits，perceivedrisks，ervice trust，and usage intention of online fashion rental services[J]. Sustainability，2O21，13（4）：1804.

[43]DHAIGUDE SA，MOHANB C.Customer experience in social commerce：Asystematic literature review and research agenda[J]. International Journal of Consumer Studies，2023，47（5） ：1629-1668.

[44]CHEN X，DING R，WEI S，et al.Understandingandmitigating risksinsocial commerce：Anempirical studyfrom the perspective of signalling theory[J]. Behaviour amp; Information Technology，2024，43（10） ：2195-2215.

[45]ZHAO W，HUF，WANGJ，et al.Asystematic literature review onsocialcommerce：Assessng the pastand guiding the future[J]. Electronic Commerce Research and Applications，2O22，57：101219.

[46]SHARMA S，ISLAMN，SINGH G，etal.Whydoretail customersadoptartificial inteligence（AI）basedautonomous decision-making systems？ [J]. IEEE Transactions on Engineering Management，2022，71（16） ：1846-1861.

[47］李曉娣，饒美仙.區(qū)域數(shù)字創(chuàng)新生態(tài)系統(tǒng)發(fā)展路徑研究——基于fsQCA的組態(tài)分析[J].管理工程學(xué)報(bào)，2023，37 （6） ：20-31.

A Configurational Study of Users’ Online Purchase Behavior on Social Commerce Platforms ： An fsQCA Analysis Based on the AISAS Model and Grounded Theory

YANG Jin-long1，CHEN Long-sheng'， ZHOU Bing-rui2 （1. School of Management，Northwest Normal University，Lanzhou 73oo7o，Gansu，China; 2.School of Economics and Management， Xidian University，Xi’an 71o126，Shaanxi，China）

Summary：With the rapid iteration of mobile internet technologies and the continuous development of social media ecosystems，social commerce has emerged as the fastest-growing sub-sector in the global ecommerce domain. However，against the backdrop of fragmented user atention and intensifying platform competition，how to efectively enhance users’online purchase conversion rates remains a shared challenge for both academia and industry. Existing research predominantly employs single-factor analyses based on traditional technology acceptance models or the theory of planned behavior，lacking systematic exploration of multi-factor synergistic effects. This study，based on the AISAS（Attention-Interest-Search-Action-Share）consumer behavior model，integrates grounded theory and fuzy-set qualitative comparative analysis（fsQCA）to reveal the multidimensional driving mechanisms of user purchase decisions in social commerce contexts and provide theoretical support for platform operation optimization.

This research adopts a mixed-methods approach to construct its theoretical framework.First，grounded theory is applied to conduct in-depth interviews with 6O active users from representative platforms，including Douyin Mall， Xiaohongshu， and Pinduoduo， extracting core categories through three-stagecoding. Subsequently，fsQCA is employed to perform configurational analysis on 363 valid questionnaires，exploring the synergistic effects of antecedent conditions.The study selects the AISAS model as its theoretical framework， particularly focusing on users’complete behavioral chain from attention triggering to sharing diffusion.In terms of methodological innovation，it transcends the linear thinking of traditional regression analysis byadopting a set-theoretic perspective to deconstruct the multiple concurrent causal relationships in user decision-making.

Through in-depth interviews with active users，this study first identifies seven core elements influencing userpurchasing behavior：（1）online advertising effctiveness；（2）stimulating online reviews；（3） recommendation engines；（4） platform image；（5） perceived risk；（6）social sharing；and（7）social support. fsQCA analysis reveals five equivalent pathways leading to high online purchasing behavior：（1） Impulsive type： Core drivers include advertising efectiveness，recommendation engines，and social support; （2）Browsing type： Key drivers encompass online advertising efectiveness，recommendation engines，and social support;；（3） Dependent type： Principal factors involve online advertising effctiveness， platform image， social sharing，and social support；（4）Autonomous type：Core determinants consist of platform image and social sharing；（5）Stable type：Fundamental drivers include online advertising efectiveness，platform image， and social support.Two equivalent pathways lead to non-high online purchasing behavior：（1） Independent type：Mising core conditions include online advertising effectiveness，recommendation engines，and social support；（2） Cautious type：Absent critical factors comprise online advertising effectiveness，recommendation engines，and platform image.

Compared with existing literature，the marginal contributions of this paper are threefold： First，it pioneers the application of the AISAS model as the foundational theoretical framework for investigating online purchasing behaviorson social commerce platforms.Second，in factor identification，it combines semi-structured interviews with theoretically-oriented interviews，conducting a three-stage coding analysis based on grounded theory to explore determinants of user purchasing behavior.Third，in analyzing interactive effects，it adopts fsQCA to examine the synergistic efects of antecedents from a configurational perspective，revealing diferentiated driving pathwaysand multiple concurrent causal characteristics underlying high/non-high purchasing behaviors.Therefore，this study not only extends theoretical research on the AISAS model， grounded theory，and fsQCA applications，but also provides practical insights for users and social commerce platform management.

Keywords： social commerce platform;online purchasing behavior; AISAS model; grounded theory; fuzzyset qualitative comparative analysis （fsQCA）

CLC number：F713.36 Document code ： A Article ID：1674-8131（2025） 03-0032-15

（編輯：吳倩，朱德東）