顧客線下體驗對線上購買意愿的影響
——線下及線上顧客信任的鏈?zhǔn)街薪樽饔?/h1>
2021-05-19 03:34:06楊尊尊謝作渺
科技與經(jīng)濟 2021年2期
楊尊尊 謝作渺
(1 紹興文理學(xué)院人文學(xué)院，浙江 紹興312000；2 中央民族大學(xué)管理學(xué)院，北京 100081)
0 引 言
零售網(wǎng)購增長逐漸邁入“疲憊期”，整個行業(yè)面臨線上流量增長變慢、線上獲客成本不斷上升、獲客難度持續(xù)增加的無奈局面。據(jù)數(shù)據(jù)顯示，2014—2017年我國網(wǎng)上購物零售總額同比增速以平均10%的速度下降。如何提升線上銷售額成為所有電商企業(yè)迫切想要解決的問題。2016年10月“新零售”概念的提出，標(biāo)志著體驗經(jīng)濟時代的到來，明確突出了與現(xiàn)代物流快速配送緊密結(jié)合，打通線上線下，讓消費者獲得更加高效優(yōu)質(zhì)的購物體驗。隨后，盒馬鮮生、京東7Fresh、永輝超級物種等新零售業(yè)態(tài)相繼涌現(xiàn)，我國零售業(yè)進入線上線下跨界融合的全新體驗時代。
新零售背景下，消費者體驗成為核心，但線下顧客體驗是否有助于提升線上購買意愿？其內(nèi)在機理是什么？目前，學(xué)術(shù)界缺少以線下體驗對線上購買意愿角度“逆向?qū)Я鳌钡难芯?對兩者內(nèi)在機制探討較少，且較少關(guān)注顧客線上體驗和信任。本文基于感知風(fēng)險理論、暈輪效應(yīng)對此進行研究，對新零售模式下企業(yè)未來的融合發(fā)展提出可供參考的建議。
1 理論基礎(chǔ)與研究假設(shè)
1.1 顧客線下體驗與線上購買意愿的關(guān)系
顧客讓渡價值理論強調(diào)企業(yè)應(yīng)盡全力為顧客提供優(yōu)質(zhì)服務(wù)，提高產(chǎn)品質(zhì)量，獲取顧客滿意，幫助顧客購買意愿的生成。一方面，Terblanche等通過建立“ISE模型”明確指明人員接觸、商品價值、店內(nèi)環(huán)境、商品組合和顧客投訴處理是影響零售業(yè)顧客體驗的5大模塊[1]。另一方面，在新零售的購物環(huán)境下，消費者選擇增多，顧客購買意愿也因各種因素在線上線下渠道間不停轉(zhuǎn)換。張明認(rèn)為，在多種渠道并存的情況下，消費者可以通過網(wǎng)上收集產(chǎn)品信息，然后到實體店選購產(chǎn)品，或者通過實體店搜集產(chǎn)品信息，然后到網(wǎng)上購置產(chǎn)品[2]。因此，本文假設(shè)：
H1：顧客線下體驗對線上購買意愿具有顯著正向影響。
1.2 線下顧客信任的中介作用
對產(chǎn)品、服務(wù)等的滿意度影響顧客對企業(yè)或品牌的認(rèn)同，顧客體驗成為顧客與商家建立良好信任關(guān)系的橋梁。于本海研究發(fā)現(xiàn)，對某零售商線下實體店購物體驗滿意的消費者明顯對其網(wǎng)購渠道更加信任[3]。Sparks和Browning指出信任會幫助商家在消費者心中建立美好形象，抑制顧客對各種風(fēng)險感知的顧慮，從而正向激勵顧客購物意愿產(chǎn)生[4]。Schlosser等認(rèn)為交易成功的前提是雙方對彼此信任的存在，高信任度會促使消費者產(chǎn)生購買意愿[5]。因此，本文假設(shè)：
H2：線下顧客信任在線下體驗與線上購買意愿之間具有中介作用。
1.3 線上顧客信任的中介作用
由感知風(fēng)險理論可知，消費者網(wǎng)購時，由于無法直觀感受產(chǎn)品和服務(wù)，面臨交易結(jié)果的模糊性，導(dǎo)致風(fēng)險感知增強，線上信任則關(guān)系著網(wǎng)購行為能否順利實現(xiàn)。Byoungho等認(rèn)為線下實體店的良好體驗不僅可以提升顧客線下信任，還可以提升線上顧客信任[6]。劉宇涵和韋恒證實商品、移動技術(shù)和信任對消費者的網(wǎng)購意愿具有顯著的正向影響[7]。Hahn和Kim證實表明線上信任可以拉近網(wǎng)購情境下消費者的心理距離、降低其對風(fēng)險的感知，從而提高其線上購買的意愿[8]。因此，本文假設(shè)：
H3：線上顧客信任在線下體驗與線上購買意愿之間具有中介作用。
1.4 線下顧客信任、線上顧客信任的鏈?zhǔn)街薪樽饔?/h3>
由感知風(fēng)險理論可知，網(wǎng)購時消費者心理感知風(fēng)險極高，影響購買行為。線下實體店的產(chǎn)品、服務(wù)、環(huán)境、顧客互動等體驗可以讓顧客對該零售商產(chǎn)生直觀的感知，被用來發(fā)展形成線下信任，線下信任的體驗感知影響消費者對該零售商的線上信任。根據(jù)“暈輪效應(yīng)”的心理影響，顧客在某零售商的線下實體店中對其產(chǎn)生較高信任，在線上購買時對該零售商很有可能創(chuàng)設(shè)同樣的信任度。Kuan和Bock認(rèn)為線上顧客信任受到其口碑和線下信任的顯著影響[9]。Hahn和Kim證實消費者對零售商線下實體店的信任度越高，對該零售商線上購買的信心越強[8]。張輝認(rèn)為企業(yè)在渠道融合的發(fā)展過程中，其為消費者建立的線下實體店信任有助于建立線上零售商鋪信任[10]。因此，本文假設(shè)：
H4：線下顧客信任和線上顧客信任在線下體驗與線上購買意愿之間具有鏈?zhǔn)街薪樽饔谩?/p>
2 研究方法
2.1 研究程序和樣本
本文借助于問卷星收集樣本數(shù)據(jù)，利用QQ、微信、朋友圈等渠道發(fā)送問卷。首先是預(yù)測試，共獲得有效問卷113份，分析結(jié)果顯示，線下體驗、線下顧客信任、線上顧客信任、線上購買意愿Cronbach’s Alpha系數(shù)值分別為0.945、0.923、0.915、0.918，KMO值分別為0.903、0.844、0.830、0.732，均大于0.70，且Bartlett的球形度檢驗均顯著，可見各變量的信效度較好，適合進行因子分析。通過主成分分析，線下體驗共抽取4個公共因子，且因子負(fù)荷量大都大于0.5，所有構(gòu)念與本研究設(shè)想相符。旋轉(zhuǎn)后，4個公共因子可以解釋的總變異量為78.599%，表明線下體驗萃取后保留的因素較為理想。
二是正式調(diào)研，地區(qū)范圍涵蓋東中西部各主要城市，時間為2018年9月17日至12月20日，共獲得問卷325份，刪除無效問卷11份，有效率達(dá)到96.66%。樣本中男性占比41.1%，18～40歲占比93.3%,大學(xué)本科及以上學(xué)歷占比83.1%，企業(yè)員工占34.7%，政府機關(guān)及事業(yè)單位員工占23.6%，學(xué)生群體達(dá)到19.1%。月收入達(dá)6 000元以上的48.7%，青年人且高收入群體是新零售實體店消費的重要組成部分。同時，具有6次以上的網(wǎng)上購物經(jīng)歷的對象占84.7%；實體店的零售企業(yè)購物經(jīng)歷方面，蘇寧易購排名第一，占31.2%；宜家家居次之，占28.7%，盒馬鮮生排名第三，占17.5%，此外，還有永輝超級物種(14.0%)、京東7FRESH(8.3%)、小象生鮮(0.3%)。
2.2 變量測量
本文量表均采用Likert 5點量表計分方式，1～5表示從很不滿意/完全不同意到很滿意/完全同意。
2.2.1 顧客線下體驗
顧客線下體驗(OFE)以“ISE”模型為基礎(chǔ)，根據(jù)新零售背景下出現(xiàn)的自助結(jié)賬、AR體驗、空中運送等新的體驗特點，結(jié)合王先慶、雷韶輝等學(xué)者的研究，將顧客線下體驗分為產(chǎn)品體驗、服務(wù)體驗、環(huán)境體驗、智能化體驗四個維度，包含15個題項[11]。各擬合值為X2/df=2.870，NFI=0.939，CFI=0.959，RMSEA=0.077，擬合效果較好；組合信度CR=0.923，平均變異量抽取值A(chǔ)VE=0.751，量表具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.2 線下顧客信任和線上顧客信任
線下顧客信任(OFT)和線上顧客信任(ONT)借鑒Sirdeshmukh等的研究成果[12]，分別包含4個題項。線下顧客信任各擬合值為X2/df=0.538，NFI=0.999，CFI=1.000，RMSEA=0.000；組合信度CR=0.934，平均變異量抽取值A(chǔ)VE=0.779；線上顧客信任各擬合值為X2/df=2.249，NFI=0.996，CFI=0.988，RMSEA=0.063；組合信度CR=0.935，平均變異量抽取值A(chǔ)VE=0.783。兩個量表均具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.3 線上購買意愿
線上購買意愿(OWB)采用的量表包含3個題項。各擬合值為X2/df=0.416，NFI=0.999，CFI=1.000，RMSEA=0.000；組合信度CR=0.925，平均變異量抽取值A(chǔ)VE=0.805，量表具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.4 控制變量
本文主要采用性別(gen)、年齡(age)、教育水平(edu)、職業(yè)(car)、月收入(inc)作為控制變量。
3 數(shù)據(jù)分析與結(jié)果
3.1 同源偏差檢驗
本文采用Haman單因素方法進行同源偏差檢驗。在使用EFA方法對測量指標(biāo)進行分析時，第一個因子變異在總變異量的比重為22.428%，遠(yuǎn)低于50%，說明數(shù)據(jù)通過檢驗。
3.2 區(qū)別效度檢驗
本文采用AMOS21.0軟件對變量進行區(qū)別效度檢驗，其中四因子模型各擬合值最好(X2/df=2.257，RMSEA=0.031，GFI=0.864，CFI=0.953，TLI=0.948，SRMR=0.063)，達(dá)到了臨界值要求，且明顯優(yōu)于三因子模型、二因子模型、一因子模型。
3.3 描述性統(tǒng)計分析
各變量的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)如表1所示，線下體驗與線下顧客信任、線上顧客信任以及線上購買意愿均顯著正相關(guān)；線下顧客信任與線上顧客信任及線上購買意愿均顯著正相關(guān)；線上顧客信任與線上購買意愿顯著正相關(guān)。
3.4 假設(shè)檢驗
本文利用SPSS20.0軟件，采用層次分析法進行回歸分析。如表2所示，分別以線下顧客信任、線上顧客信任和線上購買意愿為因變量，由M6可知，線下體驗對線上購買意愿起顯著正向影響(β=0.805，p<0.001)，假設(shè)得到支持。由M2和M4可知，線下體驗對線下顧客信任(β=0.901，p<0.001)和線上顧客信任(β=0.822，p<0.001)均有顯著促進作用。在M7和M8中分別加入線下顧客信任和線上顧客信任后發(fā)現(xiàn)，線下顧客信任(β=0.442，p<0.001)和線上顧客信任(β=0.696，p<0.001)中介效應(yīng)均顯著，且線下體驗的回歸系數(shù)均顯著降低(β=0.406，p<0.001)、(β=0.233，p<0.001)。由此可見，線下顧客信任和線上顧客信任在線下體驗與線上購買意愿之間具有部分中介效應(yīng)，假設(shè)H1、H2、H3成立。
表1 均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)
表2 層次回歸分析結(jié)果
本文利用SPSS20.0插件PROCESS，采用Bootstrapping方法重復(fù)抽樣2 000次，構(gòu)建95%的無偏校正置信區(qū)間，采用PROCESS模型6即鏈?zhǔn)街薪槟Ｐ蜋z驗，并加入控制變量，結(jié)果如表3所示，線下體驗對線上購買意愿的總效應(yīng)為0.805，其中直接效應(yīng)值為0.139，置信區(qū)間為(-0.029，0.306)，包含0，不顯著。中介效應(yīng)值為0.666，置信區(qū)間為(0.488，0.857)，不包含0，顯著。該中介效應(yīng)主要包含3個間接效應(yīng)，即間接效應(yīng)1：線下體驗—線下顧客信任—線上購買意愿，此路徑效應(yīng)值為0.141，置信區(qū)間為(-0.030，0.298)，包含0，線下顧客信任的中介效應(yīng)不顯著；間接效應(yīng)2：線下體驗—線下顧客信任—線上顧客信任—線上購買意愿，此路徑效應(yīng)值為0.256，置信區(qū)間為(0.148，0.395)，不包含0，線下顧客信任和線上顧客信任的鏈?zhǔn)街薪樾?yīng)顯著；間接效應(yīng)3：線下體驗—線上顧客信任—線上購買意愿，此路徑效應(yīng)值為0.267，置信區(qū)間為(0.131，0.423)，不包含0，線上顧客信任的中介效應(yīng)顯著，假設(shè)H4成立。
表3 鏈?zhǔn)街薪樾?yīng)估計與檢驗結(jié)果
結(jié)構(gòu)方程模型(Structural Equation Modeling，SEM)最大的優(yōu)點在于可以將測量與分析合并，同時評估模型中的測量指標(biāo)、潛在變量，精準(zhǔn)度更高。因此，本文利用AMOS21.0建立“線下體驗—線下顧客信任—線上顧客信任—線上購買意愿”影響關(guān)系的結(jié)構(gòu)方程模型M9，M9的各項擬合指標(biāo)(X2/df=4.323，RMR=4.041，GFI=0.742，NFI=0.844，RFI=0.828，IFI=0.875，TLI=0.862，CFI=0.875，RMSEA=0.103)大多未達(dá)到要求，模型適配性較差。根據(jù)M9的檢驗結(jié)果和修正指數(shù)M.I.調(diào)整路徑和殘差，每次僅修正一個參數(shù)，得到M10模型，擬合指標(biāo)(X2/df=2.598，RMR=0.034，GFI=0.847，NFI=0.908，RFI=0.896，IFI=0.942，TLI=0.933，CFI=0.941，RMSEA=0.071)大都達(dá)到要求，M10的影響路徑及路徑系數(shù)如圖1所示。
圖1 鏈?zhǔn)街薪榻Y(jié)構(gòu)方程模型M10
M10模型結(jié)果表明，線下體驗對線下顧客信任具有顯著正向影響(β=0.863，p<0.001)，對線上顧客信任具有顯著正向影響(β=0.372，p<0.001)；線下顧客信任對線上顧客信任具有顯著正向影響(β=0.500，p<0.001)；線上顧客信任對線上購買意愿具有正向影響(β=0.792，p<0.001)。
為了進一步檢驗鏈?zhǔn)街薪樽饔?，本文采用AMOS Bayesian SEM對檢驗鏈?zhǔn)街薪樽饔迷俅螜z驗，見表4，兩者的鏈?zhǔn)街薪樾?yīng)平均值為0.466，置信區(qū)間為(0.302，0.649)，不包含0；線上信任在線下體驗與線上購買意愿之間的中介效應(yīng)平均值為0.404，置信區(qū)間為(0.223，0.598)，不包含0。由此可見，鏈?zhǔn)街薪樽饔贸闪ⅰ?/p>
表4 AMOS Bayesian SEM鏈?zhǔn)街薪闄z驗結(jié)果
4 結(jié)論與啟示
4.1 研究結(jié)論
顧客線下體驗對線上購買意愿具有正向影響。新零售背景下，線下與線上具有協(xié)同作用。顧客購買意愿是顧客購買行為發(fā)生的前提，線下的購物體驗和認(rèn)知會影響消費者線上購買意愿，從而決定新的購物選擇。線下顧客信任與線上顧客信任具有中介作用，證實通過為顧客提供獨特舒適又貼心的服務(wù)，能夠收獲顧客的高度信任，弱化顧客對各種購買風(fēng)險感知的顧慮，從而產(chǎn)生購買意愿。線下顧客信任和線上信任具有鏈?zhǔn)街薪樽饔茫砻黝櫩途€下的產(chǎn)品、服務(wù)、環(huán)境、智能化等方面所形成的整體體驗影響線下顧客信任，并由線下轉(zhuǎn)移到線上，從而對線上購買意愿產(chǎn)生積極影響。
4.2 研究啟示
提高顧客線下體驗滿意度。一是加強產(chǎn)品質(zhì)量管理，新零售企業(yè)急劇擴張，導(dǎo)致產(chǎn)品質(zhì)量問題頻出，如“標(biāo)簽門”事件，損害了消費者的信任。二是科技助推新零售，通過人工智能算法實現(xiàn)“貨—場—人”到“人—貨—場”的生態(tài)轉(zhuǎn)變，通過智能化服務(wù)為顧客帶去便捷、新奇的別樣體驗。三是提高服務(wù)人員的專業(yè)素質(zhì)，降低或打消顧客購物過程中的種種顧慮。有效整合線上線下優(yōu)勢。線下實體店具有零距離接觸顧客的獨特優(yōu)勢，而線上銷售在倉儲、店面、服務(wù)等具有成本優(yōu)勢，通過顧客逛線下實體店的低頻行為塑造其對新零售企業(yè)整體的良好認(rèn)知，進而對線上店鋪也產(chǎn)生認(rèn)同感，并增加高頻的線上購買行為。同時，通過高效、便捷的物流配送，以降低消費者線上下單的時間風(fēng)險感知。
猜你喜歡
新工科背景下基于項目引導(dǎo)和線上線下聯(lián)動的數(shù)據(jù)挖掘課程教學(xué)改革電腦知識與技術(shù)(2022年9期)2022-05-10 14:58:45 定數(shù)截尾場合三參數(shù)pareto分布參數(shù)的最優(yōu)置信區(qū)間內(nèi)江師范學(xué)院學(xué)報(2022年4期)2022-04-27 02:22:32 p-范分布中參數(shù)的置信區(qū)間湖北師范大學(xué)學(xué)報(自然科學(xué)版)(2021年3期)2021-09-08 01:00:48 多個偏正態(tài)總體共同位置參數(shù)的Bootstrap置信區(qū)間數(shù)學(xué)物理學(xué)報(2021年1期)2021-03-29 03:14:30 風(fēng)箏和線瘋狂英語·新閱版(2020年3期)2020-09-22 10:03:49 列車定位中置信區(qū)間的確定方法鐵道通信信號(2018年9期)2018-11-10 03:26:34 鏈?zhǔn)絊TATCOM內(nèi)部H橋直流側(cè)電壓均衡控制策略黑龍江電力(2017年1期)2017-05-17 04:25:05 利用空間向量求線線角和線面角高中生學(xué)習(xí)·高二版(2017年3期)2017-03-23 19:50:37 關(guān)于西藏創(chuàng)新教育模式中教師變革方向和線上平臺構(gòu)建的研究西藏科技(2016年8期)2016-09-26 09:00:42 鏈?zhǔn)紻-STATCOM直流電壓分層協(xié)調(diào)控制策略電測與儀表(2015年4期)2015-04-12 00:43:08
- 科技與經(jīng)濟的其它文章
- 環(huán)境規(guī)制對沿海地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的影響研究
——基于財政分權(quán)的視角 - 湖北高質(zhì)量創(chuàng)新與電子及通信設(shè)備制造業(yè)耦合協(xié)調(diào)關(guān)系研究
- 面向2035年中國科技人才集聚機制研究
- 人口老齡化、城鄉(xiāng)收入差距與產(chǎn)業(yè)結(jié)構(gòu)升級
——基于PVAR模型 - 農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展綜合評價研究
——以山東為例 - 科技創(chuàng)新影響消費需求的機理研究
——基于省際面板數(shù)據(jù)的空間計量分析
楊尊尊 謝作渺
(1 紹興文理學(xué)院人文學(xué)院，浙江 紹興312000；2 中央民族大學(xué)管理學(xué)院，北京 100081)
0 引 言
零售網(wǎng)購增長逐漸邁入“疲憊期”，整個行業(yè)面臨線上流量增長變慢、線上獲客成本不斷上升、獲客難度持續(xù)增加的無奈局面。據(jù)數(shù)據(jù)顯示，2014—2017年我國網(wǎng)上購物零售總額同比增速以平均10%的速度下降。如何提升線上銷售額成為所有電商企業(yè)迫切想要解決的問題。2016年10月“新零售”概念的提出，標(biāo)志著體驗經(jīng)濟時代的到來，明確突出了與現(xiàn)代物流快速配送緊密結(jié)合，打通線上線下，讓消費者獲得更加高效優(yōu)質(zhì)的購物體驗。隨后，盒馬鮮生、京東7Fresh、永輝超級物種等新零售業(yè)態(tài)相繼涌現(xiàn)，我國零售業(yè)進入線上線下跨界融合的全新體驗時代。
新零售背景下，消費者體驗成為核心，但線下顧客體驗是否有助于提升線上購買意愿？其內(nèi)在機理是什么？目前，學(xué)術(shù)界缺少以線下體驗對線上購買意愿角度“逆向?qū)Я鳌钡难芯?對兩者內(nèi)在機制探討較少，且較少關(guān)注顧客線上體驗和信任。本文基于感知風(fēng)險理論、暈輪效應(yīng)對此進行研究，對新零售模式下企業(yè)未來的融合發(fā)展提出可供參考的建議。
1 理論基礎(chǔ)與研究假設(shè)
1.1 顧客線下體驗與線上購買意愿的關(guān)系
顧客讓渡價值理論強調(diào)企業(yè)應(yīng)盡全力為顧客提供優(yōu)質(zhì)服務(wù)，提高產(chǎn)品質(zhì)量，獲取顧客滿意，幫助顧客購買意愿的生成。一方面，Terblanche等通過建立“ISE模型”明確指明人員接觸、商品價值、店內(nèi)環(huán)境、商品組合和顧客投訴處理是影響零售業(yè)顧客體驗的5大模塊[1]。另一方面，在新零售的購物環(huán)境下，消費者選擇增多，顧客購買意愿也因各種因素在線上線下渠道間不停轉(zhuǎn)換。張明認(rèn)為，在多種渠道并存的情況下，消費者可以通過網(wǎng)上收集產(chǎn)品信息，然后到實體店選購產(chǎn)品，或者通過實體店搜集產(chǎn)品信息，然后到網(wǎng)上購置產(chǎn)品[2]。因此，本文假設(shè)：
H1：顧客線下體驗對線上購買意愿具有顯著正向影響。
1.2 線下顧客信任的中介作用
對產(chǎn)品、服務(wù)等的滿意度影響顧客對企業(yè)或品牌的認(rèn)同，顧客體驗成為顧客與商家建立良好信任關(guān)系的橋梁。于本海研究發(fā)現(xiàn)，對某零售商線下實體店購物體驗滿意的消費者明顯對其網(wǎng)購渠道更加信任[3]。Sparks和Browning指出信任會幫助商家在消費者心中建立美好形象，抑制顧客對各種風(fēng)險感知的顧慮，從而正向激勵顧客購物意愿產(chǎn)生[4]。Schlosser等認(rèn)為交易成功的前提是雙方對彼此信任的存在，高信任度會促使消費者產(chǎn)生購買意愿[5]。因此，本文假設(shè)：
H2：線下顧客信任在線下體驗與線上購買意愿之間具有中介作用。
1.3 線上顧客信任的中介作用
由感知風(fēng)險理論可知，消費者網(wǎng)購時，由于無法直觀感受產(chǎn)品和服務(wù)，面臨交易結(jié)果的模糊性，導(dǎo)致風(fēng)險感知增強，線上信任則關(guān)系著網(wǎng)購行為能否順利實現(xiàn)。Byoungho等認(rèn)為線下實體店的良好體驗不僅可以提升顧客線下信任，還可以提升線上顧客信任[6]。劉宇涵和韋恒證實商品、移動技術(shù)和信任對消費者的網(wǎng)購意愿具有顯著的正向影響[7]。Hahn和Kim證實表明線上信任可以拉近網(wǎng)購情境下消費者的心理距離、降低其對風(fēng)險的感知，從而提高其線上購買的意愿[8]。因此，本文假設(shè)：
H3：線上顧客信任在線下體驗與線上購買意愿之間具有中介作用。
1.4 線下顧客信任、線上顧客信任的鏈?zhǔn)街薪樽饔?/h3>
由感知風(fēng)險理論可知，網(wǎng)購時消費者心理感知風(fēng)險極高，影響購買行為。線下實體店的產(chǎn)品、服務(wù)、環(huán)境、顧客互動等體驗可以讓顧客對該零售商產(chǎn)生直觀的感知，被用來發(fā)展形成線下信任，線下信任的體驗感知影響消費者對該零售商的線上信任。根據(jù)“暈輪效應(yīng)”的心理影響，顧客在某零售商的線下實體店中對其產(chǎn)生較高信任，在線上購買時對該零售商很有可能創(chuàng)設(shè)同樣的信任度。Kuan和Bock認(rèn)為線上顧客信任受到其口碑和線下信任的顯著影響[9]。Hahn和Kim證實消費者對零售商線下實體店的信任度越高，對該零售商線上購買的信心越強[8]。張輝認(rèn)為企業(yè)在渠道融合的發(fā)展過程中，其為消費者建立的線下實體店信任有助于建立線上零售商鋪信任[10]。因此，本文假設(shè)：
H4：線下顧客信任和線上顧客信任在線下體驗與線上購買意愿之間具有鏈?zhǔn)街薪樽饔谩?/p>
2 研究方法
2.1 研究程序和樣本
本文借助于問卷星收集樣本數(shù)據(jù)，利用QQ、微信、朋友圈等渠道發(fā)送問卷。首先是預(yù)測試，共獲得有效問卷113份，分析結(jié)果顯示，線下體驗、線下顧客信任、線上顧客信任、線上購買意愿Cronbach’s Alpha系數(shù)值分別為0.945、0.923、0.915、0.918，KMO值分別為0.903、0.844、0.830、0.732，均大于0.70，且Bartlett的球形度檢驗均顯著，可見各變量的信效度較好，適合進行因子分析。通過主成分分析，線下體驗共抽取4個公共因子，且因子負(fù)荷量大都大于0.5，所有構(gòu)念與本研究設(shè)想相符。旋轉(zhuǎn)后，4個公共因子可以解釋的總變異量為78.599%，表明線下體驗萃取后保留的因素較為理想。
二是正式調(diào)研，地區(qū)范圍涵蓋東中西部各主要城市，時間為2018年9月17日至12月20日，共獲得問卷325份，刪除無效問卷11份，有效率達(dá)到96.66%。樣本中男性占比41.1%，18～40歲占比93.3%,大學(xué)本科及以上學(xué)歷占比83.1%，企業(yè)員工占34.7%，政府機關(guān)及事業(yè)單位員工占23.6%，學(xué)生群體達(dá)到19.1%。月收入達(dá)6 000元以上的48.7%，青年人且高收入群體是新零售實體店消費的重要組成部分。同時，具有6次以上的網(wǎng)上購物經(jīng)歷的對象占84.7%；實體店的零售企業(yè)購物經(jīng)歷方面，蘇寧易購排名第一，占31.2%；宜家家居次之，占28.7%，盒馬鮮生排名第三，占17.5%，此外，還有永輝超級物種(14.0%)、京東7FRESH(8.3%)、小象生鮮(0.3%)。
2.2 變量測量
本文量表均采用Likert 5點量表計分方式，1～5表示從很不滿意/完全不同意到很滿意/完全同意。
2.2.1 顧客線下體驗
顧客線下體驗(OFE)以“ISE”模型為基礎(chǔ)，根據(jù)新零售背景下出現(xiàn)的自助結(jié)賬、AR體驗、空中運送等新的體驗特點，結(jié)合王先慶、雷韶輝等學(xué)者的研究，將顧客線下體驗分為產(chǎn)品體驗、服務(wù)體驗、環(huán)境體驗、智能化體驗四個維度，包含15個題項[11]。各擬合值為X2/df=2.870，NFI=0.939，CFI=0.959，RMSEA=0.077，擬合效果較好；組合信度CR=0.923，平均變異量抽取值A(chǔ)VE=0.751，量表具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.2 線下顧客信任和線上顧客信任
線下顧客信任(OFT)和線上顧客信任(ONT)借鑒Sirdeshmukh等的研究成果[12]，分別包含4個題項。線下顧客信任各擬合值為X2/df=0.538，NFI=0.999，CFI=1.000，RMSEA=0.000；組合信度CR=0.934，平均變異量抽取值A(chǔ)VE=0.779；線上顧客信任各擬合值為X2/df=2.249，NFI=0.996，CFI=0.988，RMSEA=0.063；組合信度CR=0.935，平均變異量抽取值A(chǔ)VE=0.783。兩個量表均具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.3 線上購買意愿
線上購買意愿(OWB)采用的量表包含3個題項。各擬合值為X2/df=0.416，NFI=0.999，CFI=1.000，RMSEA=0.000；組合信度CR=0.925，平均變異量抽取值A(chǔ)VE=0.805，量表具有很好的內(nèi)部結(jié)構(gòu)效度和收斂效度。
2.2.4 控制變量
本文主要采用性別(gen)、年齡(age)、教育水平(edu)、職業(yè)(car)、月收入(inc)作為控制變量。
3 數(shù)據(jù)分析與結(jié)果
3.1 同源偏差檢驗
本文采用Haman單因素方法進行同源偏差檢驗。在使用EFA方法對測量指標(biāo)進行分析時，第一個因子變異在總變異量的比重為22.428%，遠(yuǎn)低于50%，說明數(shù)據(jù)通過檢驗。
3.2 區(qū)別效度檢驗
本文采用AMOS21.0軟件對變量進行區(qū)別效度檢驗，其中四因子模型各擬合值最好(X2/df=2.257，RMSEA=0.031，GFI=0.864，CFI=0.953，TLI=0.948，SRMR=0.063)，達(dá)到了臨界值要求，且明顯優(yōu)于三因子模型、二因子模型、一因子模型。
3.3 描述性統(tǒng)計分析
各變量的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)如表1所示，線下體驗與線下顧客信任、線上顧客信任以及線上購買意愿均顯著正相關(guān)；線下顧客信任與線上顧客信任及線上購買意愿均顯著正相關(guān)；線上顧客信任與線上購買意愿顯著正相關(guān)。
3.4 假設(shè)檢驗
本文利用SPSS20.0軟件，采用層次分析法進行回歸分析。如表2所示，分別以線下顧客信任、線上顧客信任和線上購買意愿為因變量，由M6可知，線下體驗對線上購買意愿起顯著正向影響(β=0.805，p<0.001)，假設(shè)得到支持。由M2和M4可知，線下體驗對線下顧客信任(β=0.901，p<0.001)和線上顧客信任(β=0.822，p<0.001)均有顯著促進作用。在M7和M8中分別加入線下顧客信任和線上顧客信任后發(fā)現(xiàn)，線下顧客信任(β=0.442，p<0.001)和線上顧客信任(β=0.696，p<0.001)中介效應(yīng)均顯著，且線下體驗的回歸系數(shù)均顯著降低(β=0.406，p<0.001)、(β=0.233，p<0.001)。由此可見，線下顧客信任和線上顧客信任在線下體驗與線上購買意愿之間具有部分中介效應(yīng)，假設(shè)H1、H2、H3成立。
表1 均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)
表2 層次回歸分析結(jié)果
本文利用SPSS20.0插件PROCESS，采用Bootstrapping方法重復(fù)抽樣2 000次，構(gòu)建95%的無偏校正置信區(qū)間，采用PROCESS模型6即鏈?zhǔn)街薪槟Ｐ蜋z驗，并加入控制變量，結(jié)果如表3所示，線下體驗對線上購買意愿的總效應(yīng)為0.805，其中直接效應(yīng)值為0.139，置信區(qū)間為(-0.029，0.306)，包含0，不顯著。中介效應(yīng)值為0.666，置信區(qū)間為(0.488，0.857)，不包含0，顯著。該中介效應(yīng)主要包含3個間接效應(yīng)，即間接效應(yīng)1：線下體驗—線下顧客信任—線上購買意愿，此路徑效應(yīng)值為0.141，置信區(qū)間為(-0.030，0.298)，包含0，線下顧客信任的中介效應(yīng)不顯著；間接效應(yīng)2：線下體驗—線下顧客信任—線上顧客信任—線上購買意愿，此路徑效應(yīng)值為0.256，置信區(qū)間為(0.148，0.395)，不包含0，線下顧客信任和線上顧客信任的鏈?zhǔn)街薪樾?yīng)顯著；間接效應(yīng)3：線下體驗—線上顧客信任—線上購買意愿，此路徑效應(yīng)值為0.267，置信區(qū)間為(0.131，0.423)，不包含0，線上顧客信任的中介效應(yīng)顯著，假設(shè)H4成立。
表3 鏈?zhǔn)街薪樾?yīng)估計與檢驗結(jié)果
結(jié)構(gòu)方程模型(Structural Equation Modeling，SEM)最大的優(yōu)點在于可以將測量與分析合并，同時評估模型中的測量指標(biāo)、潛在變量，精準(zhǔn)度更高。因此，本文利用AMOS21.0建立“線下體驗—線下顧客信任—線上顧客信任—線上購買意愿”影響關(guān)系的結(jié)構(gòu)方程模型M9，M9的各項擬合指標(biāo)(X2/df=4.323，RMR=4.041，GFI=0.742，NFI=0.844，RFI=0.828，IFI=0.875，TLI=0.862，CFI=0.875，RMSEA=0.103)大多未達(dá)到要求，模型適配性較差。根據(jù)M9的檢驗結(jié)果和修正指數(shù)M.I.調(diào)整路徑和殘差，每次僅修正一個參數(shù)，得到M10模型，擬合指標(biāo)(X2/df=2.598，RMR=0.034，GFI=0.847，NFI=0.908，RFI=0.896，IFI=0.942，TLI=0.933，CFI=0.941，RMSEA=0.071)大都達(dá)到要求，M10的影響路徑及路徑系數(shù)如圖1所示。
圖1 鏈?zhǔn)街薪榻Y(jié)構(gòu)方程模型M10
M10模型結(jié)果表明，線下體驗對線下顧客信任具有顯著正向影響(β=0.863，p<0.001)，對線上顧客信任具有顯著正向影響(β=0.372，p<0.001)；線下顧客信任對線上顧客信任具有顯著正向影響(β=0.500，p<0.001)；線上顧客信任對線上購買意愿具有正向影響(β=0.792，p<0.001)。
為了進一步檢驗鏈?zhǔn)街薪樽饔?，本文采用AMOS Bayesian SEM對檢驗鏈?zhǔn)街薪樽饔迷俅螜z驗，見表4，兩者的鏈?zhǔn)街薪樾?yīng)平均值為0.466，置信區(qū)間為(0.302，0.649)，不包含0；線上信任在線下體驗與線上購買意愿之間的中介效應(yīng)平均值為0.404，置信區(qū)間為(0.223，0.598)，不包含0。由此可見，鏈?zhǔn)街薪樽饔贸闪ⅰ?/p>
表4 AMOS Bayesian SEM鏈?zhǔn)街薪闄z驗結(jié)果
4 結(jié)論與啟示
4.1 研究結(jié)論
顧客線下體驗對線上購買意愿具有正向影響。新零售背景下，線下與線上具有協(xié)同作用。顧客購買意愿是顧客購買行為發(fā)生的前提，線下的購物體驗和認(rèn)知會影響消費者線上購買意愿，從而決定新的購物選擇。線下顧客信任與線上顧客信任具有中介作用，證實通過為顧客提供獨特舒適又貼心的服務(wù)，能夠收獲顧客的高度信任，弱化顧客對各種購買風(fēng)險感知的顧慮，從而產(chǎn)生購買意愿。線下顧客信任和線上信任具有鏈?zhǔn)街薪樽饔茫砻黝櫩途€下的產(chǎn)品、服務(wù)、環(huán)境、智能化等方面所形成的整體體驗影響線下顧客信任，并由線下轉(zhuǎn)移到線上，從而對線上購買意愿產(chǎn)生積極影響。
4.2 研究啟示
提高顧客線下體驗滿意度。一是加強產(chǎn)品質(zhì)量管理，新零售企業(yè)急劇擴張，導(dǎo)致產(chǎn)品質(zhì)量問題頻出，如“標(biāo)簽門”事件，損害了消費者的信任。二是科技助推新零售，通過人工智能算法實現(xiàn)“貨—場—人”到“人—貨—場”的生態(tài)轉(zhuǎn)變，通過智能化服務(wù)為顧客帶去便捷、新奇的別樣體驗。三是提高服務(wù)人員的專業(yè)素質(zhì)，降低或打消顧客購物過程中的種種顧慮。有效整合線上線下優(yōu)勢。線下實體店具有零距離接觸顧客的獨特優(yōu)勢，而線上銷售在倉儲、店面、服務(wù)等具有成本優(yōu)勢，通過顧客逛線下實體店的低頻行為塑造其對新零售企業(yè)整體的良好認(rèn)知，進而對線上店鋪也產(chǎn)生認(rèn)同感，并增加高頻的線上購買行為。同時，通過高效、便捷的物流配送，以降低消費者線上下單的時間風(fēng)險感知。
猜你喜歡
電腦知識與技術(shù)(2022年9期)2022-05-10 14:58:45
內(nèi)江師范學(xué)院學(xué)報(2022年4期)2022-04-27 02:22:32
湖北師范大學(xué)學(xué)報(自然科學(xué)版)(2021年3期)2021-09-08 01:00:48
數(shù)學(xué)物理學(xué)報(2021年1期)2021-03-29 03:14:30
瘋狂英語·新閱版(2020年3期)2020-09-22 10:03:49
鐵道通信信號(2018年9期)2018-11-10 03:26:34
黑龍江電力(2017年1期)2017-05-17 04:25:05
高中生學(xué)習(xí)·高二版(2017年3期)2017-03-23 19:50:37
西藏科技(2016年8期)2016-09-26 09:00:42
電測與儀表(2015年4期)2015-04-12 00:43:08
- 科技與經(jīng)濟的其它文章
- 環(huán)境規(guī)制對沿海地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的影響研究
——基于財政分權(quán)的視角 - 湖北高質(zhì)量創(chuàng)新與電子及通信設(shè)備制造業(yè)耦合協(xié)調(diào)關(guān)系研究
- 面向2035年中國科技人才集聚機制研究
- 人口老齡化、城鄉(xiāng)收入差距與產(chǎn)業(yè)結(jié)構(gòu)升級
——基于PVAR模型 - 農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展綜合評價研究
——以山東為例 - 科技創(chuàng)新影響消費需求的機理研究
——基于省際面板數(shù)據(jù)的空間計量分析