楊錦霞　鄭瑜　耿瑞娟　方癸椒　張玉琪

摘要：文章基于技術接受模型和理性行為理論，構建了消費者對電商平臺個性化推薦系統(tǒng)接受意向影響因素的理論模型，研究了影響消費者接受電商平臺個性化推薦內容的因素，以提高消費者對電商平臺個性化推薦系統(tǒng)的接受意向。模型將消費者感知舒適性、感知有用性、感知安全、商家動機、主觀規(guī)范這五個維度作為自變量，通過問卷調查進行實證研究。研究表明，這五個因素與消費者對個性化推薦接受意向均有顯著正相關關系且影響強度具有一定差異，因此電商平臺應對消費者進行有針對性的個性化推薦。

關鍵詞：個性化推薦；電子商務；感知維度；用戶接受

一、引言

近年來電子商務在世界范圍內的規(guī)模和數量上均呈現高速發(fā)展的基本態(tài)勢。在如今大數據時代背景下，傳統(tǒng)的粗放型的營銷模式已經不足以滿足消費者需求，只有將營銷模式轉向精準集約型才能更好地為消費者服務，其主要體現方式為個性化推薦的廣泛應用。個性化推薦明顯有助于解決電商信息過載問題和用戶無目的搜索問題，它可主動地引導用戶進行選擇來滿足用戶現有需求以及潛在需求。同時，部分消費者對個性化推薦持有負面的情感，因此，研究消費者對電商平臺信息接受意向的影響因素，對于完善個性化推薦系統(tǒng)，提高消費者實際購買行為具有重要意義。

二、理論綜述

（一）電子商務個性化推薦

Resnick和Varian（1997）首先定義了電子商務個性化推薦：指電商平臺通過個性化推薦技術向用戶提供商品信息和建議，提高用戶購買產品的效率。Tze-Hsien等（2015）則提出消費者控制欲以及對人際關系敏感度也影響消費者線上購物體驗。Jamie等（2015）基于電子商務環(huán)境，提出消費者個人可感知到線上技術驅動的服務過程和多樣性零售商選擇的好處，進而促進消費。而國內在1999年才開始“個性化電子商務”的研究，在此后幾年主要研究個性化推薦技術的操作與改進。朱巖和林澤楠（2009）認為，個性化推薦系統(tǒng)是根據某種戰(zhàn)略，以消費者的需要和特點，進行產品推薦，為顧客決策提供建議。張紅（2013）認為，個性化推薦相當于一款產品推薦軟件或者是一個“導購機器人”，它主要是以多種形式向消費者推薦產品，并提供相關的信息，來幫助用戶快速便捷地完成網上消費。戴德寶等（2015）基于消費價值理論和消費者行為學理論，構建了電子商務個性化推薦的采納意愿模型，自變量為情感價值及相關的消費價值，因變量為消費者采納意愿，研究了消費者對個性化推薦系統(tǒng)接受意愿的影響因素和程度。

（二）用戶信息技術接受

“用戶信息技術接受”指的是用戶愿意使用信息技術，這一概念廣泛應用于信息系統(tǒng)領域。20世紀80年代以來，對于用戶技術接受的行為研究是技術接受研究的主流方向之一。目前， “接受度”這一名詞可廣泛應用于各個層面，包括技術接受度、關系接受度、政府工作接受度、廣告接受度等，且普遍采用理性行為理論（TRA）、計劃行為理論（TPB）以及技術接受模型（TAM）。

TAM理論逐步應用到各個領域，如Sussman等（2001）應用到知識接受過程，構建了用戶信息接收理論模型對知識管理系統(tǒng)的接受進行研究。Benamati（2002）等將TAM理論應用到技術外包過程中，提出了技術外包接受模型。Zviran、Pliskin等（2005）對在ERP應用進行了實證研究，發(fā)現用戶對復雜系統(tǒng)的感知易用性影響滿意度，且呈正相關關系，而個人特征如年齡、性別、職業(yè)、計算機使用經驗等差異對系統(tǒng)的感知易用性和滿意度無顯著相關關系。我國在“技術接受”方面的研究成果相對較少，但在政府大力扶持下，技術接受的研究發(fā)展迅速，逐步應用到各領域。例如徐博藝等 ，結合TAM理論和任務技術匹配模型，分析了影響我國企業(yè)系統(tǒng)實施的因素。

（三）理論模型概念界定

1. 理性行為理論（Theory of Reasoned Action， TRA）

理性行為理論（如圖1）是由 Fishbein和Ajen（1975）提出，主要用于研究態(tài)度如何影響個體行為的理論。該理論認為，在人是理性的假設前提下，個體的行為可以由行為意向合理推測，而行為意向由個體對行為的態(tài)度和關于行為的主觀規(guī)范兩個因素共同決定。態(tài)度是個體對行為結果的認識持有積極或消極的情感；主觀規(guī)范是由個體對規(guī)范的認識以及與他人意見水平保持一致的動機。

2. 技術接受模型（Technology Acceptance Model，TAM）

Davis（1998）提出了技術接受模型（如圖2），用以解釋說明計算機被廣泛接受的決定性因素，研究影響用戶接受或拒絕使用某種技術或產品的因素。該模型主要是以感知有用性和感知易用性作為解釋以及預測使用者態(tài)度和行為意向。它們同時受到用戶特性、系統(tǒng)設計特征等外部變量的影響，其中，感知有用性還受到感知易用性的影響，并且它們同時決定用戶對于技術的使用態(tài)度，而使用態(tài)度和感知有用性共同決定了使用意向，進而決定實際行為。

三、理論框架及假設

（一）理論框架構建

通過文獻研究和理論分析，根據技術接受模型和理性行為理論，本研究構建了系統(tǒng)特性、技術特性和主觀規(guī)范與消費者對電子商務平臺個性化推薦接受意向關系的理論框架（如圖3所示），以感知安全、商家動機、感知有用性、感知舒適性、主觀規(guī)范為自變量，接受意愿為因變量。本框架根據預調查的結果，以及結合本研究的人群樣本的特征（受教育程度高，計算機水平較高，所以易于接受并使用計算機網絡的個性化推薦系統(tǒng)），本研究剔除了感知易用性這一變量。

（二）假設的提出

H1：消費者對個性化推薦感知越安全，其對電商平臺個性化推薦技術接受意向越高。

H2：消費者對商家動機越信任，其對電商平臺個性化推薦技術接受意向越高。

H3：消費者對個性化推薦的感知有用性越高，其對電商平臺個性化推薦技術接受意向越高。

H4：消費者對個性化推薦的感知舒適性越高，其對電商平臺個性化推薦技術接受意向越高。

H5：消費者受主觀規(guī)范影響越強，其對電商平臺個性化推薦技術接受意向越高。

四、實證研究

（一）研究問卷量表

本研究回顧了相關理論和文獻，參考檢驗過信效度的量表，來建構本研究的理論模型。同時，本文結合相關理論和本研究實際情況，對量表進行適當修改，以及刪除與本研究不相關的選項。感知安全修改自Gefen（2002）的研究，商家動機采用Mcknight（2000）的研究，感知有用性來源于Davis（1986）的技術接受模型，感知舒適性修改自Aljukhahar（2011）的研究，主觀規(guī)范則采用Nambisan（2011）的理性行為理論。本研究問卷中各維度由4個題項表現，問卷題項均以 7 分制的李克特量表進行測量。

（二）樣本統(tǒng)計特征

本研究以電子商務平臺的用戶作為調查對象，通過問卷星網站發(fā)放問卷，共發(fā)放259 份，其中經過對樣本的篩選，有效問卷236 份，問卷有效率達91.1%。，其中樣本男女比例合理，以20～30歲的高校學生為主，年齡結構符合互聯網使用者特征且受教育程度普遍較高。此外，研究樣本使用電商平臺線上購物時間較長，具有一定的購買能力，且對個性化推薦又較為熟悉。因此，樣本具有較強的代表性。

（三）信度分析

本研究使用SPSS22.0進行信度分析運算，分析出總量表的Cronbach ‘s Alph系數為0.950>0.7，說明本研究在整體上具有較為顯著的信度。各分層量表的Cronbach ‘s Alp系數取值范圍在 0.790～0.916 之間，均大于0.7。因此本研究問卷具有良好的內部一致性，即可靠性較高。

（四）因子分析

本研究通過降維處理，進一步對問卷進行因子分析，數據KMO值為0.936>0.7 ，巴利特球體驗p值小于0.001，說明消費者對電商平臺個性化推薦的影響因素之間相關性較強。初始分析表明，有5個因子特征值大于1，累積方差貢獻率達70.714% 。因此問卷結構效度較好且適合進行因子分析。因此本研究模型中提取出5個感知維度的假設被驗證。

（五）相關分析

本研究采用 Pearom相關系數分析各維度因素與消費者對電商平臺個性化推薦接受意向的相關性。結果表明，上述五個因素均與消費者對電商平臺個性化推薦的接受意向均存在顯著性正相關關系，相關強度依次是個性化推薦的感知舒適性（0.683），感知有用性（0.657），商家動機（0.619），主觀規(guī)范（0.616），感知安全（0.429），因此本文所作出的假設具有合理性。

五、研究結果與討論

（一）研究結果

研究結果表明上述五個假設均被驗證，說明消費者對電商平臺的個性化推薦接受意向的影響因素是綜合性的。

從系統(tǒng)特性方面來看，消費者非常重視自身網絡信息安全（感知安全）以及電商平臺個性化推薦內容的合理性（商家動機）。消費者感到自身信息越安全，對個性化推薦的接受意向越高；同時消費者會更容易接受電商平臺以消費者需求及購買偏好為導向的個性化推薦內容。

而技術特性與消費者接受個性化推薦的程度的影響具有最為顯著的正相關關系，說明消費者更為看重個性化推薦實用性功能，但感知舒適性對于個性化推薦的接受意向解釋作用大于感知有用性。感知舒適性包括恰當的推薦時機、頻率以及頁面布局等方面，這些因素都會影響消費者的接受意向。這一結果與邵鳳連（2017）、呂孝雙（2014）、鄭春東（2016）等學者的研究結論不一致。這一結果產生的原因主要是是現代社會信息爆炸，消費者無太多閑暇接受信息；其次本研究的受試者主要是年輕群體，他們消費水平較高，在網絡商品品牌和種類繁多，擁有多種選擇的網絡購物現況下，年輕一代的消費者會更傾向注重視覺體驗和舒適體驗。但是，該結論并不一定適用于其他年齡段。

另主觀規(guī)范也對研究結果有一定的解釋作用，即消費者也容易受到朋友、親人以及社會媒體宣傳和評價的影響，而改變其對電商平臺個性化推薦的接受程度。因被試者多為在校學生或處在集體生活中，容易被室友、朋友相似的消費觀念所影響，同時他們多活躍于各大互聯網社交平臺，也較易為媒體廣告和宣傳所影響。

（二）研究啟示

綜合電商平臺個性化推薦技術發(fā)展現狀以及本研究的研究結果，對優(yōu)化電商平臺個性化推薦可從個性化推薦系統(tǒng)特性和技術特性兩個角度進行。

在技術特性方面，為提升系統(tǒng)感知舒適性和感知有用性，應當設計針對不同類型用戶的個性化推薦功能。同時可使個性化系統(tǒng)智能化，更好地實現推薦信息的準確性和專業(yè)性，比如實時跟蹤用戶需求變化，把握推薦時機和頻率，同時在出現方式、頁面布局等各方面讓用戶也可感到友好的人機交互體驗。此外，提高推薦內容的質量、廣度和深度，提高用戶購買到合適產品的效率，幫助用戶節(jié)約時間和金錢成本。同時應及時進行技術服務更新升級。個性化推薦的內容要根據社會經濟環(huán)境的背景，進行重點內容優(yōu)化和特色服務，定期對消費者進行滿意度調查，完善推薦方法和更新推薦數據，以滿足社會和消費者需求。

在系統(tǒng)特性方面，提升電商平臺商家以消費者為核心的理念和提升消費者感知安全兩個方面也同樣重要。要增強消費者對電子商務平臺的感知安全，需加強完善安全機制。電商平臺可以制定保護用戶信息安全及隱私的制度，重視網站的安全運行，保護交易雙方的利益，給予用戶一個文明穩(wěn)定安全的網絡環(huán)境。同時，應該保證個性化推薦內容的合理性和可靠性，明確區(qū)分個性化推薦內容與廣告，提升用戶的感知安全意識和對電商平臺的信任。此外，用戶更容易接受過往用戶和親人朋友的推薦。故電商平臺應重視社會推薦的作用，加強在互聯網社交平臺上的媒體廣告宣傳力度，建立網絡社區(qū)、興趣小組等，使消費在相互交流中增加對產品和電商平臺的信任程度。

參考文獻：

[1]Resnick，Varian.Recommender Systems[J].Communications of the ACM，1997（03）.

[2]Tze-Hsien Liao，Ching-Jui Keng.Online Purchase Delay：The Roles of Online Consumer Experience[J].Journal of Electronic Commerce Research，2014（02）.

[3]Jamie Carlson，Aron O.C.，Dennis Ah

rholdt.Assessing CustomeresPerceived Value of the Online Channel of Multichannel Retailers；A Two Country Examination[J].Jouranl of Retailing and Consumer Sevices，2015（09）.

[4]羅鋒. B2C購物網站商品信息推送系統(tǒng)的研究與設計[D].華中師范大學，2007.

[5]朱巖，林澤楠.電子商務中的個性化推薦方法評述[J].中國軟科學，2009（02）.

[6]張紅，基于用戶認知的電子商務網站知識推薦服務接受模式研究[D].南京理工大學，2013.

[7]戴德寶，劉西洋.范體軍“互聯網+”時代網絡個性化推薦采納意愿影響因素研究陰.中國軟科學，2015（08）.

[8]Nass， C.， Lee， K.M.. Does computer-synthesized speech manifest personality？ Experimental tests of recognition， similarity-attraction， and consistency-attraction. Journal of Experimental Psychology： Applied， 7， 171-81. Google Scholar， Crossref， Medline， ISI（2001）.

[9]BenamatiJ and TRajkumar. The Application Development Outsourcing Decision： An Application of the Technology Acceptance Model[J]. Journal of Computer Information Systems，2002.

[10]M Zviran，N Pliskin &RLevin.; Me

asuring User Satisfaction and Perceived Usefulness in the ERP Context[J].Journal of Computer In formation Sys-tems，2005（03）.

[11]劉蓓琳.電子商務用戶個性化推薦技術接受影響因素研究[D].中國礦業(yè)大學，2009.

[12]齊紅.基于形式概念分析的知識發(fā)現方法研究[D].吉林大學，2005.

[13]邵鳳連.網絡健康信息服務平臺技術接受度影響因素建模與實證研究[D].深圳大學，2017.

[14]呂孝雙.購物網站個性化推薦系統(tǒng)對消費者購買意愿的影響研究[D].浙江財經大學，2015.

[15]鄭春東，竇涵.消費者接受電子商務個性化推薦的感知維度及其影響研究[J].華北電力大學學報（社會科學版），2016（03）.

*基金項目：2018年中央高?；究蒲袠I(yè)務專項資金項目“消費者對電商平臺個性化推薦接受度影響因素研究”。

（作者單位：東北師范大學商學院）