李 露,謝 紅,汪世奎
(上海工程技術(shù)大學(xué)服裝學(xué)院,上海201620)
隨著電子商務(wù)的快速發(fā)展,網(wǎng)絡(luò)信息以鋪天蓋地之勢(shì)向消費(fèi)者襲來(lái),消費(fèi)者在享受網(wǎng)絡(luò)便捷的同時(shí)不得不忍受從海量信息中挑選心儀產(chǎn)品的無(wú)奈。產(chǎn)品推薦代理(recommendation agent,RA)[1-2]作為一種信息過(guò)濾技術(shù)已經(jīng)被許多電子商務(wù)網(wǎng)站在線(xiàn)使用,有助于客戶(hù)減輕信息超載的壓力。Netflix和亞馬遜均利用其特點(diǎn)吸引客戶(hù)而增加企業(yè)銷(xiāo)售量和提升客戶(hù)滿(mǎn)意度。相同的道理在社會(huì)新聞網(wǎng)站中也有體現(xiàn),網(wǎng)站通過(guò)對(duì)用戶(hù)網(wǎng)絡(luò)消費(fèi)信息歷史好惡分析了解客戶(hù)心理趨向,為客戶(hù)提供個(gè)性化建議。
近年來(lái),服裝網(wǎng)絡(luò)定制的趨勢(shì)銳不可擋,消費(fèi)者在使用定制網(wǎng)站的同時(shí)也遇到了對(duì)服裝類(lèi)型、搭配、款式等與自身是否符合的問(wèn)題。RA作為一項(xiàng)搜集整理客戶(hù)偏好及向消費(fèi)者隱形推薦產(chǎn)品的決策支持系統(tǒng),很適合嵌套在服裝網(wǎng)絡(luò)定制系統(tǒng)中為消費(fèi)者“指點(diǎn)迷津”,幫助消費(fèi)者快速搜索到心儀的服裝并迅速完成定制過(guò)程。RA對(duì)客戶(hù)消費(fèi)決策[3]的影響直接關(guān)系到企業(yè)產(chǎn)品銷(xiāo)售量,從運(yùn)營(yíng)商角度出發(fā),商家希望消費(fèi)者最大限度地接受RA的推薦,加快消費(fèi)者購(gòu)買(mǎi)決策[3]進(jìn)程,同時(shí)實(shí)現(xiàn)企業(yè)銷(xiāo)售目標(biāo)并從中獲得高額利潤(rùn)。現(xiàn)今顧客忠誠(chéng)度也已被企業(yè)廣泛認(rèn)定為衡量長(zhǎng)期業(yè)務(wù)是否成功的一個(gè)重要指標(biāo),一個(gè)企業(yè)績(jī)效的好壞很大程度上由客戶(hù)忠誠(chéng)度決定。因此RA的推薦質(zhì)量直接影響消費(fèi)者購(gòu)買(mǎi)后的態(tài)度,即成為能不能將普通客戶(hù)轉(zhuǎn)化為忠誠(chéng)客戶(hù)的一個(gè)基礎(chǔ)。
通過(guò)20多年來(lái)市場(chǎng)營(yíng)銷(xiāo)文獻(xiàn)對(duì)顧客忠誠(chéng)度的各種影響因素的研究發(fā)現(xiàn),顧客忠誠(chéng)的影響因素主要包括產(chǎn)品價(jià)值、客戶(hù)滿(mǎn)意度、客戶(hù)信任感及客戶(hù)網(wǎng)購(gòu)習(xí)慣等。為了探討RA對(duì)服裝網(wǎng)絡(luò)定制系統(tǒng)的購(gòu)買(mǎi)決策影響,需先研究RA對(duì)顧客忠誠(chéng)度的影響,因此本文主要研究以下三方面:1)建立RA推薦系統(tǒng)對(duì)定制客戶(hù)忠誠(chéng)度影響概念框架模型;2)提取影響RA推薦系統(tǒng)質(zhì)量的因素;3)SPSS數(shù)據(jù)分析得出影響推薦系統(tǒng)質(zhì)量的因子與客戶(hù)消費(fèi)滿(mǎn)意度的關(guān)系模型。
基于Gremler和Brown對(duì)顧客忠誠(chéng)度的研究,提出顧客忠誠(chéng)度形成的四個(gè)組成部分:認(rèn)知——情感——意向——行動(dòng)。客戶(hù)定制行為的發(fā)生首先基于顧客對(duì)服裝定制有一定需求,由RA推薦符合客戶(hù)心意的服裝,并引起客戶(hù)情感上的共鳴,誘使客戶(hù)的定制意圖和愿望,進(jìn)而將這種情感轉(zhuǎn)化為實(shí)際定制行動(dòng)。在客戶(hù)實(shí)現(xiàn)這一定制行為過(guò)程中,需研究RA推薦系統(tǒng)質(zhì)量對(duì)定制客戶(hù)忠誠(chéng)度影響?;趪?guó)內(nèi)外有關(guān)推薦系統(tǒng)對(duì)客戶(hù)忠誠(chéng)度的影響研究,提出如圖1所示概念框架模型(+表示正向影響關(guān)系)。
圖1 RA對(duì)客戶(hù)忠誠(chéng)度影響力模型Fig.1 Model of the effect of RA on customer loyalty
該模型可以簡(jiǎn)化為RA對(duì)客戶(hù)滿(mǎn)意度影響力研究和客戶(hù)滿(mǎn)意度對(duì)客戶(hù)忠誠(chéng)度影響力的研究。另外,國(guó)內(nèi)外對(duì)于客戶(hù)滿(mǎn)意度與客戶(hù)忠誠(chéng)度之間的關(guān)系研究比較成熟,但基本上都表明了客戶(hù)滿(mǎn)意度對(duì)客戶(hù)忠誠(chéng)度有積極性影響。例如Walsh等[4]研究消費(fèi)者的滿(mǎn)意度和轉(zhuǎn)換意圖之間的關(guān)系,表明消費(fèi)者滿(mǎn)意度對(duì)轉(zhuǎn)換意圖影響顯著;Oliver[5]研究顧客忠誠(chéng)度的產(chǎn)生是由客戶(hù)消費(fèi)滿(mǎn)意度哪些方面的因素所引起的,研究顯示滿(mǎn)意是忠誠(chéng)形成的一個(gè)必要步驟;Helgesen[6]還研究了顧客滿(mǎn)意與顧客忠誠(chéng)的關(guān)系,發(fā)現(xiàn)消費(fèi)滿(mǎn)意度高的客戶(hù)往往忠誠(chéng)度更高。本文主要針對(duì)的是服裝定制網(wǎng)站的推薦系統(tǒng)對(duì)網(wǎng)絡(luò)定制客戶(hù)消費(fèi)滿(mǎn)意度的影響力研究。
針對(duì)前文所提出的RA對(duì)網(wǎng)絡(luò)定制客戶(hù)消費(fèi)滿(mǎn)意度概念模型,本文主要從網(wǎng)站及顧客兩方面來(lái)考慮RA推薦質(zhì)量的好壞。網(wǎng)站方面主要結(jié)合有關(guān)服裝電子商務(wù)消費(fèi)者網(wǎng)絡(luò)購(gòu)買(mǎi)決策影響文獻(xiàn)分析,例如Oliver[7]認(rèn)為網(wǎng)站環(huán)境會(huì)對(duì)消費(fèi)者購(gòu)物情緒產(chǎn)生一定影響,Gregory R Heim等[8]研究出服裝質(zhì)量因素對(duì)顧客購(gòu)物具有驅(qū)動(dòng)力。顧客方面主要從客戶(hù)自身情況出發(fā),William R等[9]通過(guò)實(shí)證研究發(fā)現(xiàn)網(wǎng)絡(luò)購(gòu)物經(jīng)驗(yàn)豐富者使用網(wǎng)絡(luò)更容易獲得較多的樂(lè)趣。網(wǎng)絡(luò)時(shí)代信息過(guò)載是一個(gè)普遍的現(xiàn)象,推薦內(nèi)容是否有信息堆積問(wèn)題也會(huì)影響消費(fèi)者對(duì)RA推薦的滿(mǎn)意度。RA推薦內(nèi)容的信息量如果超出了人們有限時(shí)間內(nèi)的認(rèn)知和信息處理能力,顯然會(huì)降低消費(fèi)者對(duì)RA滿(mǎn)意度。另外基于大量有關(guān)消費(fèi)者網(wǎng)絡(luò)消費(fèi)行為及顧客購(gòu)買(mǎi)決策的文獻(xiàn),最終提取7個(gè)影響RA推薦質(zhì)量的自變量。問(wèn)卷編制初始,選取部分學(xué)習(xí)了解過(guò)電子商務(wù)的在校學(xué)生進(jìn)行預(yù)調(diào)查,預(yù)調(diào)研對(duì)象普遍具備豐富的網(wǎng)購(gòu)經(jīng)驗(yàn)及有關(guān)電子商務(wù)的專(zhuān)業(yè)基礎(chǔ)知識(shí)。經(jīng)過(guò)反復(fù)修正編排,共設(shè)計(jì)19個(gè)題項(xiàng),問(wèn)卷采用Likert 5點(diǎn)量表設(shè)計(jì)。5分表示“正面影響程度最深”,4分表示“正面影響程度較深”,3分表示“正面影響程度一般”,2分表示“無(wú)任何影響”,1分表示“有負(fù)面影響”。
表1 RA變量度量項(xiàng)目Tab.1 RA variable measurement projects
采取網(wǎng)絡(luò)問(wèn)卷形式調(diào)研,主要針對(duì)20~45歲且有網(wǎng)上服裝消費(fèi)經(jīng)驗(yàn)的白領(lǐng)工薪階層為調(diào)查對(duì)象。在網(wǎng)絡(luò)上發(fā)放問(wèn)卷264份,歷時(shí)半個(gè)月,回收有效問(wèn)卷共213份,有效率達(dá)到80.68%。其中213位網(wǎng)絡(luò)調(diào)研者中女性比例占63.8%,表明調(diào)研對(duì)象中女性比男性多一倍;另外54.5%的被訪(fǎng)者月收入在5 000元以上,基本符合一般工薪白領(lǐng)階層工資;專(zhuān)科以上的學(xué)歷占總?cè)藬?shù)比例的81.7%,說(shuō)明調(diào)研對(duì)象具備較高的教育素養(yǎng),對(duì)新事物有一定的判斷能力。
2.2.1 量表信度與效度分析
運(yùn)用 SPSS 19.0[10]對(duì)樣本數(shù)據(jù)進(jìn)行分析,通過(guò)Cronbach Alpha系數(shù)來(lái)測(cè)量量表的信度。表2顯示,該組數(shù)據(jù)的Cronbach Alpha系數(shù)均接近0.8或者高于0.8,表明數(shù)據(jù)信度很高。
表2 統(tǒng)計(jì)性描述與信度分析Tab.2 Statistical description and reliability analysis
2.2.2 相關(guān)分析
為了進(jìn)一步檢驗(yàn)各影響因素之間的相關(guān)性,利用SPSS 19.0的相關(guān)分析(Bivariate)對(duì)各自變量之間進(jìn)行分析,整理結(jié)果見(jiàn)表3。
表3 RA各影響因子之間的相關(guān)系數(shù)Tab.3 Correlation coefficient among each influence factor of RA
由表3可知:網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量彼此都在0.01水平上顯著,產(chǎn)品知識(shí)與定制經(jīng)驗(yàn)在0.01水平上顯著。
2.2.3 因子分析
由于多個(gè)影響因素之間可能存在一定的相關(guān)性,因此為了避免多因素之間造成的共線(xiàn)性問(wèn)題,采用主成分分析法進(jìn)行因子分析,并用最大方差法進(jìn)行因子旋轉(zhuǎn)且利用KMO檢驗(yàn)和Bartlett檢驗(yàn)結(jié)果判定數(shù)據(jù)是否適合做因子分析[11]。經(jīng)數(shù)據(jù)分析,KMO取值為0.744,表明該數(shù)據(jù)比較適合做因子分析,Bartlett檢驗(yàn)的Sig.值為0.000,說(shuō)明樣本數(shù)據(jù)來(lái)自于服從多元正態(tài)分布的總體,適合做進(jìn)一步分析。
SPSS數(shù)據(jù)分析得出有兩個(gè)成分的特征值超過(guò)1,且第一成分方差貢獻(xiàn)率達(dá)到49.313%,第二成分方差貢獻(xiàn)率達(dá)到18.839%,兩個(gè)因子的方差貢獻(xiàn)率之和為68.152%,因此SPSS只選擇前兩個(gè)主成分。表4顯示的是旋轉(zhuǎn)成分矩陣及成分得分系數(shù)矩陣:第一因子在網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量上有較大載荷,反應(yīng)的是這四個(gè)變量的信息;第二因子在信息堆積、產(chǎn)品知識(shí)及定制經(jīng)驗(yàn)上有較大載荷,反應(yīng)的是這三個(gè)變量的信息。
表4 旋轉(zhuǎn)成分矩陣及成分得分系數(shù)矩陣Tab.4 Rotating component matrix and component score coefficient matrix
據(jù)成分得分系數(shù)矩陣可以直接寫(xiě)出各公因子的表達(dá)式:
F1=0.303×網(wǎng)站形象 +0.283×信息梳理 +0.042×信息堆積+0.293×服裝特色+0.029×產(chǎn)品知識(shí)+0.149×定制經(jīng)驗(yàn)+0.276×服裝質(zhì)量
F2=0.082×網(wǎng)站形象 +0.035×信息梳理+0.383×信息堆積+0.053×服裝特色+0.439×產(chǎn)品知識(shí)+0.582×定制經(jīng)驗(yàn)+0.001×服裝質(zhì)量
2.2.4 模型擬合分析
繼因子分析后,將“推薦系統(tǒng)對(duì)客戶(hù)滿(mǎn)意度影響力”作為因變量,以上述兩個(gè)公因子作為自變量進(jìn)行多重線(xiàn)性回歸分析[12]。結(jié)果如下:修正的可決系數(shù)(調(diào)整R2)為0.830,表示模型的解釋能力較好。方差分析中,模型的檢驗(yàn) P值(Sig.)為0.000,小于0.05,非常顯著,模型具有統(tǒng)計(jì)學(xué)意義。
表5 模型擬合系數(shù)Tab.5 Model fitting coefficient
最終模型表達(dá)式為:滿(mǎn)意度=3.667+0.951×F1-0.232×F2,這就意味著 F1每增加一點(diǎn),推薦系統(tǒng)對(duì)客戶(hù)滿(mǎn)意度影響力就會(huì)提升0.951點(diǎn),而F2每增加一點(diǎn),推薦系統(tǒng)對(duì)客戶(hù)滿(mǎn)意度影響力就會(huì)降低0.232點(diǎn)。模型中各個(gè)變量顯著性 P值均小于0.05,所以?xún)蓚€(gè)系數(shù)都是顯著的。
量表信度與效度分析表明,對(duì)定制網(wǎng)站的推薦質(zhì)量系統(tǒng)影響的7個(gè)自變量均有較高的信度。相關(guān)分析表明:1)網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量之間彼此正相關(guān),且相關(guān)性較強(qiáng)。即一般情況下,服裝定制網(wǎng)站的形象比較好時(shí),網(wǎng)站推薦系統(tǒng)里有關(guān)服裝信息的整體梳理都比較好,且推薦的服裝款式也會(huì)隨之顯得上檔次些,客戶(hù)收到的定制服裝的質(zhì)量也比較合乎心意。說(shuō)明以上四點(diǎn)影響因子對(duì)推薦質(zhì)量有正向影響。2)產(chǎn)品知識(shí)和定制經(jīng)驗(yàn)也呈現(xiàn)正相關(guān),但與網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量之間不顯著,相關(guān)性不強(qiáng)。說(shuō)明客戶(hù)自身對(duì)產(chǎn)品知識(shí)的了解及客戶(hù)頻繁的定制經(jīng)驗(yàn)越深,對(duì)網(wǎng)站推薦系統(tǒng)的依賴(lài)性就越低。3)信息堆積除了與定制經(jīng)驗(yàn)有微弱關(guān)系,其余的基本上保持與各因素之間呈現(xiàn)負(fù)相關(guān)或不相關(guān),由此可推斷其對(duì)定制網(wǎng)站的推薦質(zhì)量造成較差的影響。
因子分析表明,可用兩個(gè)公因子來(lái)概括所有影響因素對(duì)推薦系統(tǒng)質(zhì)量好壞的指標(biāo):第一個(gè)因子用來(lái)反映網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量四個(gè)變量的信息;第二個(gè)因子用來(lái)反映信息堆積、產(chǎn)品知識(shí)及定制經(jīng)驗(yàn)三個(gè)變量的信息。針對(duì)推薦系統(tǒng)對(duì)客戶(hù)滿(mǎn)意度影響力 =3.667+0.951×F1-0.232×F2模型來(lái)看,F(xiàn)1所反映的網(wǎng)站形象、信息梳理、服裝特色及服裝質(zhì)量與滿(mǎn)意度之間呈正相關(guān)關(guān)系,F(xiàn)2所反映的信息堆積、產(chǎn)品知識(shí)及定制經(jīng)驗(yàn)與滿(mǎn)意度之間呈現(xiàn)負(fù)相關(guān)關(guān)系。
服裝定制網(wǎng)站的知名度越高、用戶(hù)好評(píng)率越多、網(wǎng)站可信度越高、推薦信息布局合理、推薦服裝版型好、設(shè)計(jì)感強(qiáng)、色彩多樣、面料獨(dú)特、做工精細(xì)、合體度高等對(duì)RA推薦系統(tǒng)均有正面促進(jìn)影響,即RA推薦系統(tǒng)的質(zhì)量也越高。RA推薦的信息量不宜太多,在消費(fèi)者接受范圍內(nèi)即可,避免消費(fèi)者對(duì)RA產(chǎn)生抵觸情緒。
消費(fèi)者自身對(duì)網(wǎng)站信息了解能力較強(qiáng),對(duì)自身喜好明確且有長(zhǎng)期定制服裝經(jīng)驗(yàn),則會(huì)在一定程度上降低對(duì)RA推薦系統(tǒng)的依賴(lài)性。因此,服裝網(wǎng)絡(luò)定制網(wǎng)站所提供的RA推薦系統(tǒng)質(zhì)量越好,客戶(hù)滿(mǎn)意度也會(huì)越高,同時(shí),滿(mǎn)意度高的客戶(hù)更容易轉(zhuǎn)化為網(wǎng)站忠誠(chéng)客戶(hù)。
[1]YOON V Y,HOSTLER R E,GUO Z L,etal.Assessing the moderating effect of consumer product knowledge and onlineshopping experience on using recommendation agents for customer loyalty[J].Decision Support Systems,2013,55(4):883-893.
[2]陳明亮,蔡日梅.電子商務(wù)中產(chǎn)品推薦代理對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響[J].浙江大學(xué)學(xué)報(bào):人文社會(huì)科學(xué)版,2009,39(5):138-148.CHEN Mingliang,CAI Rimei.The Impact of e-commerce product recommendation agent on consumer decision making[J].Journal of Zhejiang University:Humanities and Social Sciences,2009,39(5):138-148.
[3]徐文靜.推薦代理對(duì)網(wǎng)絡(luò)消費(fèi)者購(gòu)買(mǎi)決策的影響研究[J].魅力中國(guó),2010(33):118.XU Wenjing.Recommend agent to network consumer purchase decision research[J].Charming China,2010(33):118.
[4]WALSH G,GROTH M,WIEDMANN K.An examination of consumers'motives toswitch energysupplier[J].Journal of Marketing Management,2005,21(3):421-440.
[5]OLIVER R L.Whence consumer loyalty[J].Journal of Marketing,1999,63(2):33-44.
[6]HELGESEN O.Are loyal customer's profitable?Customersatisfaction,customer(action)loyalty and customer profitability at the individual level[J].Journal of Marketing Management,2006,22(3):245-266.
[7]OLIVER R L.Satisfaction:A Behavioral Perspective on the Consumer[M].New York:McGraw-Hill Education,1997:258-293.
[8]GREGORY R H,KINGSHUK K S.Operation drivers of customer loyalty in electronic retailing:an empirical analysis of electronic food retailers[J].Manufacturing & Service Operations Management,2001,3(3):264-272.
[9]WILLIAM R,SWINYARD,SCOTT M S.Why people(don't)shop online:a lifestyle of the internet consumer[J].Psychology & Marketing,2003,20(7):567-597.
[10]楊維忠,張?zhí)?SPSS統(tǒng)計(jì)分析與行業(yè)應(yīng)用案例詳解[M].北京:清華大學(xué)出版社,2011:1-410.YANGWeizhong,ZHANG Tian.SPSS Statistical Analysis and Industry Application Case Explanation[M].Beijing:Tsinghua University Press,2011:1-410.
[11]張枝軍.基于網(wǎng)絡(luò)消費(fèi)者視角的商品數(shù)字化展示研究[M].北京:北京理工大學(xué)出版社,2012:1-170.ZHANG Zhijun.Research Digital Goods Display Based on the View of Network Consumers[M].Beijing:Beijing Institute of Technology Press,2012:1-170.
[12]王謝寧.消費(fèi)者在線(xiàn)購(gòu)物行為影響因素的實(shí)證研究[J].大連理工大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2009,30(4):24-27.WANG Xiening.Empiricalstudy of factors influencing consumers'online behavior[J].Journal of Dalian University of Technology:Social Sciences,2009,30(4):24-27.