網絡推薦商品信息對消費者購買決策的影響

霍春輝, 袁少鋒, 吳雅軒

(遼寧大學 商學院, 遼寧 沈陽　110036)

?

網絡推薦商品信息對消費者購買決策的影響

霍春輝, 袁少鋒, 吳雅軒

(遼寧大學 商學院, 遼寧 沈陽110036)

摘要:基于消費者“網購的兩階段模型”,探討了網絡推薦商品的排名、網絡口碑數(shù)量和口碑傳播方向對消費者網絡購買決策的影響。研究結果表明:網購情境下,網絡推薦商品的排名信息、口碑數(shù)量、口碑傳播方向顯著正向影響消費者的購買意向,進而影響消費者購買行為。在網絡推薦商品的排名、口碑傳播數(shù)量對消費者購買意向的影響過程中,產品卷入度起到了顯著正向調節(jié)作用,即相比產品卷入度低的購買情形,推薦排名和口碑傳播數(shù)量對產品卷入度高的消費者的購買意向有更顯著的正向影響。

關鍵詞:網絡購買; 推薦商品; 購買意向; 購買行為

網絡購買情境下,消費者的決策模式與傳統(tǒng)的實體店購買有明顯區(qū)別。關于消費者購買決策過程和影響因素的理論,主要基于傳統(tǒng)的實體店購買而提出[1]。因此,有必要探究網購情境下消費者購買的決策過程與影響因素。已有相關研究關注于在線評論[2]、網絡口碑[3]特征等對網購決策的影響。鮮有研究探討網絡推薦商品信息對消費者購買決策的影響[4],本文對此展開探討,旨在對消費者網購決策及對電商企業(yè)的營銷管理提供參考和借鑒。

一、 相關研究回顧與假設提出

1. 消費者傳統(tǒng)購買決策與網絡購買行為

消費者購買決策行為是指個體、群體及組織如何挑選、購買、使用和處理產品、服務、構思或者體驗以滿足他們需求和欲望的過程。消費者購買行為的傳統(tǒng)決策模型認為,商品信息是影響消費者行為的重要因素[5]。人們想要獲得需要的商品,首先要了解商品信息,商品信息對消費者行為有駕馭和引導作用,是消費者進行決策的主要依據(jù)。傳統(tǒng)實體店購買情境下的消費者購買決策模型,遵從心理學提出的人類行為一般模式的S-O-R理論,即“刺激—個體生理、心理—反應”模式。刺激激起消費者的購買欲望,這種刺激不僅來源于消費者自身的內部因素,如心理因素、生理因素,也來源于外部環(huán)境因素。消費者在內外部因素的共同作用下,產生購買欲望,購買欲望驅動消費者作出購買決策,產生實際的購買行為。接下來,還會對商品、購買途徑及商家進行評價,這就是傳統(tǒng)情境下一次完整的購買決策過程。

在網絡購買的環(huán)境下,消費者面臨的商品信息更加豐富、購物過程更便捷、購買價格也相對便宜。與傳統(tǒng)購買存在本質區(qū)別的是,消費者網購時處于虛擬的、交互式網絡環(huán)境[4]。這決定了消費者購買的不確定性增加、購買風險加大。這樣一來,消費者網絡購買的決策過程不同于傳統(tǒng)的購買決策過程。因而需要在傳統(tǒng)購買決策模型的基礎上,研究在線網絡購買情境下的消費者購買決策模型。

一些學者也開始探究網絡購買的決策模型。Haubl & Trifts[6]提出了網購的兩階段模型,第一個階段是消費者基于需求,大量瀏覽網頁上的商品,形成備選項;第二個階段是針對備選項中的商品,搜尋詳細的產品相關信息,并對不同的備選項基于一些個體認為的關鍵屬性進行對比評估,最終作出購買決策。在第一個階段,網購平臺的商品推薦服務發(fā)揮重要作用。在第二個階段,消費者對比分析備選項商品的詳細信息,如網絡評價數(shù)量、評價好壞,基于此作出購買決策。除此之外,Zeng & Reinartz[7]還提出了網購的“查找所需商品或服務、對比評估作出選擇、支付”的三階段模型。

2. 網絡推薦商品信息與消費者購買決策

在網購的情境下,消費者面臨的商品信息量遠大于傳統(tǒng)購物情境,這增加了消費者購買決策的難度。因而網絡推薦成為提升消費者購買決策有效性的重要手段[8]。實際上,網絡商品推薦系統(tǒng)最初提出的目的,就是為了幫助消費者在信息負荷過大的網購情境下,更好地作出購買決策。根據(jù)Haubl & Trifts[6]提出的網絡購買決策的兩階段模型,在第一個階段的信息收集與備選項形成過程中,網絡推薦商品的排名信息可能是影響消費者購買決策的首要因素。在第二個階段的備選項信息搜集與評估過程中,網絡推薦商品的評論數(shù)量與質量可能是影響消費者網購決策的重要因素。

網絡推薦根據(jù)消費者的搜索、瀏覽或購買記錄,預測消費者的偏好。據(jù)此從海量的商品信息中為消費者推薦一個商品子集,由此減少消費者決策時的商品信息超負荷問題[9]。網絡推薦的商品子集一般會對候選商品進行排序,以幫助消費者對購買備選項進行評價。已有研究揭示,網絡推薦系統(tǒng)提供的排名信息,不僅減少消費者購買決策時的認知付出,還提高了消費者購買決策的有效性與滿意度[4,8]。

另外,網絡推薦商品對應的口碑數(shù)量和口碑傳播方向,能通過感知效應(awareness effect)和勸說效應(persuasive effect)影響消費者的購買決策[10]。感知效應涉及特定商品對應的網絡口碑的數(shù)量,數(shù)量的多少傳遞商品的存在,口碑越多的商品越容易進入消費者選擇的備選項。勸說效應涉及口碑的傳播方向,整體上積極的口碑塑造消費者對特定商品的態(tài)度,影響其最終購買決策,而消極的口碑則發(fā)揮相反的作用。

推薦商品的網絡口碑數(shù)量,即某推薦商品的評論數(shù)量,能夠對消費者網購決策產生重要影響[11],也是研究者們關注的重要變量[10]。推薦商品的網絡口碑數(shù)量越多,說明他人對該商品的關注程度越高、該商品越流行。人們容易基于從眾心理而認為自己的購買決定是合理的。當消費者對某商品缺乏了解時,網絡口碑的數(shù)量還會成為消費者感知購買行為不確定性和風險的依據(jù);數(shù)量越多,消費者對購買的不確定性和風險感知程度越弱。

推薦商品的網絡口碑傳播方向,即他人總體上對推薦的特定商品評價好或壞的傾向,反映的是推薦商品網絡口碑的質量。他人會根據(jù)過往的消費經歷、體驗,形成對特定商品的評價。評價的好壞對應的是勸說效應,因而也是消費者網購決策的重要依據(jù)[11]。

3. 假設提出

已有研究發(fā)現(xiàn),網絡購買情境下,消費者瀏覽搜索結果頁面遵循自上而下的順序,排名越靠前的信息,受到的關注就越多[12]。另外,當面對不熟悉的產品時,人們往往點擊較為靠前的鏈接瀏覽產品信息;在傳統(tǒng)的搜索頁面中,由于用戶自上而下的信息瀏覽方式,信息搜索項排名的先后順序對各個鏈接的點擊率、瀏覽率等產生了顯著的影響[13]。因此,網購情境下,購物網站的商品推薦排名信息會對消費者的購買意向產生積極的影響。據(jù)此提出假設1:網絡推薦商品排名正向影響消費者購買意向。

口碑數(shù)量在商品銷售過程中對消費者行為有重要影響,口碑數(shù)量越多,對消費者的影響可能越大[2]。Davis & Khazanchi[14]通過對一家電商企業(yè)的真實數(shù)據(jù)進行分析發(fā)現(xiàn),網絡口碑數(shù)量通過作用于消費者的認知進而對企業(yè)的銷售額產生影響。可見,網絡口碑的評論數(shù)量越多,消費者掌握的內容就越豐富,對消費者認知產生的影響越強烈,進而影響消費者的購買意向。因此,提出假設2:網絡推薦商品的口碑數(shù)量正向影響消費者購買意向。

消費者在作出購買決策時,網絡口碑傳播的方向也具有重要的參考價值[3]。金立印[15]研究發(fā)現(xiàn),網絡口碑傳播方向,即網絡口碑總體上是朝積極正面的方向傳播,還是消極負面的方向傳播,對消費者的購買決策發(fā)揮重要作用,并且不同傳播方向的網絡口碑對消費者購買決策的影響呈現(xiàn)出顯著差異。作為消費者選擇商品時的重要參考之一,網絡口碑傳播方向對消費者購買意愿的影響非常大,越是正面的口碑傳播,越可能正向影響消費者購買意愿。據(jù)此,提出假設3:網絡推薦商品口碑傳播方向正向影響消費者購買意向,即傳播方向越積極正面,消費者的購買意向越強。

在網絡推薦商品信息影響消費者購買決策的過程中,產品卷入度可能是一個重要的調節(jié)變量。面對產品卷入度高的商品時,消費者往往投入更多的時間與精力去搜尋與之相關的信息,全方位對比各個備選商品;相反,面對產品卷入度低的商品時,消費者的購買過程便會非常容易,有可能簡化中間過程而直接購買[15]。因而,相比產品卷入度低的購買情境,網絡推薦商品的排名、網絡口碑數(shù)量和口碑傳播方向,可能對產品卷入度高的消費者的購買行為有更大的影響。因此,提出假設4:在網絡推薦商品信息與消費者購買意愿之間,產品卷入度發(fā)揮調節(jié)作用;具體地,相比產品卷入度低的購買情形,網絡推薦商品的推薦排名(假設4a)、口碑數(shù)量(假設4b)和口碑傳播方向(假設4c)對產品卷入度高的消費者的購買意愿有更顯著的正向影響。

最后,一般消費者的購買決策過程首先由商家通過某種途徑把信息傳達給消費者,消費者進行產品搜索,收集相關信息,形成購買意向,基于購買意向再發(fā)生實際的購買行為。顧客購買意向能夠代表顧客購買某個產品或者服務的概率,當顧客的購買意向越強烈,購買的可能性越大。Fishbein等提出的計劃行為理論指出,個人行為受意愿的控制,個人意愿決定個人行為,是行為產生的前因。作為實際購買行為發(fā)生的前因,消費者購買意向是衡量購買行為的重要指標,可以精準地預測購買行為。由此,提出假設5:網絡商品的購買意向正向影響消費者的購買行為。

根據(jù)以上分析,提出研究的理論模型,如圖1。網絡推薦商品排名信息、口碑數(shù)量及口碑傳播方向都正向影響消費者的購買意向,并且在此過程中,產品卷入度起到了調節(jié)作用。購買意向作為購買行為發(fā)生的前因,能夠準確地預測消費者的購買行為。

圖1　　　網絡推薦商品信息對消費者

二、 研究設計與數(shù)據(jù)收集

1. 研究設計

為了保證相關變量測量的效度與信度水平,通過整理相關文獻,在國內外成熟量表的基礎上,結合本研究特定的情境進行了適當?shù)恼{整與修改,最終形成本研究的調查問卷。問卷包含三部分,第一部分是問卷介紹;第二部分是正文部分,即變量的測量,包括網絡推薦商品排名、口碑數(shù)量、口碑傳播方向、產品卷入度、消費者購買意向及消費者購買行為的測量;第三部分是被調查者的基本資料信息。

研究涉及的潛變量主要包括:網絡推薦商品的網絡口碑數(shù)量、口碑傳播方向、產品卷入度、購買意向及購買行為。網絡推薦商品的排名是一個相對客觀的信息,本研究基于已有文獻設計一個題項“該推薦商品在推薦列表中的排名次序對我有影響”進行測量。網絡推薦商品口碑數(shù)量參考Schubert & Selz[16]的量表,包括4個題項,代表性題項為:該推薦商品的評論很多,該推薦商品的關注度很高?？诒畟鞑シ较騾⒖糃han[17]的研究,包括3個題項,代表性題項為:該推薦商品的總體評價是非常正面的,該推薦商品的總體建議傾向是優(yōu)先考慮購買的。產品卷入度參考Zaichkowsky[18]的研究,包括4個題項,代表性題項為:該推薦商品對我很重要,我對該推薦商品很感興趣。購買意向參考Crespo & Bosque[19]使用的量表,包括3個測量題項,代表性題項是:我很可能購買該推薦商品,我有意愿購買該推薦商品。購買行為參考了Shih & Fang[20]的研究,包括3個測量題項,代表性題項為:我已經購買了該推薦商品,我多次購買網站上推薦的商品。

潛變量采用李克特五級量表進行打分,“1”代表“完全不同意”;“2”代表“比較不同意”;“3”代表“中性”;“4”代表“比較同意”;“5”代表“完全同意”。此外,調查問卷參考CNNIC《2014年第33次中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告》中的網民結構特征的分類變量設置,來設計本研究被試的基本信息調查變量,這樣做的目的是便于考察本研究樣本的代表性?；拘畔⒆兞堪?性別、年齡、學歷、職業(yè)、月平均收入、網購頻率(次/月)。

2. 數(shù)據(jù)搜集

正式問卷設計好后,于2015年1月通過問卷星網絡問卷調查平臺發(fā)放并回收問卷。這期間共收回299份問卷,將回收的全部調查問卷進行篩選。刪除題項“我經常瀏覽購物網站中推薦的商品”選擇“完全不同意”的問卷,刪除明顯填答不認真(如全選3超過70%)的問卷,共刪除無效問卷44份。最終得到255份有效問卷,有效率達到85.3%。

樣本的人口統(tǒng)計特征見表1。樣本統(tǒng)計特征能夠反映出本文的被調查者具有良好的代表性,符合研究要求。

表1　樣本人口統(tǒng)計特征

三、 實證分析與假設檢驗

1. 描述性統(tǒng)計分析

首先,分析被試所關注的網絡推薦商品的類型,按關注人數(shù)所占比重排序依次是:服飾鞋帽(占38.8%)、電腦數(shù)碼(15.7%)、美容美妝(11.4%)、手機通訊(7.8%)、食品營養(yǎng)(6.7%)、家居生活(5.5%)、家電家具(4.3%)、圖書音像(4.3%)、休閑娛樂(3.5%)、其他(1.8%)。CNNIC發(fā)布的《2014年中國網絡購物市場研究報告》顯示,網絡購物市場中最受關注的類別是服飾鞋帽,其次為日用百貨及電腦、通訊數(shù)碼產品,化妝品及美容產品比重超過圖書音像制品、家用電器、食品營養(yǎng)及文體用品。對比上述分析,本研究所涉及到的商品類別在消費者網絡購物行為中比較具有代表性。

另外,分析被試對網絡推薦商品的瀏覽方式,具體有三種方式:自上而下瀏覽、隨自己的判斷瀏覽、隨機瀏覽。本研究中,被試在三種瀏覽方式上所占比例分別為42.4%、40.4%及17.2%。三種方式中,自上而下瀏覽所占比例最高。消費者瀏覽推薦列表中的推薦商品大多數(shù)選擇位置排名比較靠前的商品,較少消費者會選擇瀏覽排名靠后的商品。

2. 效度和信度檢驗

潛變量的測量均參考已有文獻,并且相關測量量表已經在中國情境下使用,這初步保證了測量的內容效度。問卷初稿設計好后,邀請了5位有過網購經歷的成年消費者進行試填寫,并讓他們就問卷各題項的可讀性、易懂性等提出看法和意見。綜合考慮5位消費者試填寫時的意見,修改形成正式的測量量表和調查問卷,進一步提升測量的內容效度。

接下來通過學者們常用的探索性因子分析方法來檢驗測量的結構性構念效度。采用主成分分析、方差最大化正交旋轉及特征根值大于1的標準進行因子分析,并剔除載荷系數(shù)小于0.5的題項。將研究所包含的全部題項一起進行因子分析,KMO=0.894,通過了Bartlett球形檢驗,p<0.001,并且所有潛變量對應題項的載荷系數(shù)均大于0.5。研究涉及的各潛變量對應題項的因子分析結果顯示,口碑數(shù)量、口碑傳播方向、產品卷入度、購買意向和購買行為對應的KMO值分別為:0.754、0.721、0.698、0.804、0.672,均大于0.6,說明潛變量的測量題項能夠合理地解釋變量,并且各個潛變量因子分析都通過了Bartlett球形檢驗,對應p值均小于0.001。以上指標表明研究涉及的潛變量具有良好的結構性效度。

參照Anderson & Gerbing[21]的做法,通過驗證性因子分析,基于測量題項的標準化因子載荷和平均方差提取量(AVE)來檢驗潛變量測量的收斂效度。采用Lisrel 8.7軟件進行驗證性因子分析,結果表明潛變量測量題項的因子標準化載荷系數(shù)介于0.63和0.86之間,AVE提取量除網絡口碑傳播方向因子的AVE值為0.45,其他潛變量對應的AVE值都在0.5的臨界標準以上。根據(jù)以上兩個指標分析結果,可以認為本研究潛變量的測量具有可接受的收斂效度。

研究還參考Fornell & Larcker[22]推薦的方法檢驗測量的區(qū)別效度,即根據(jù)每個因子的AVE值是否大于該因子與其他因子之間的方差,來進行判斷。如果AVE值大于兩因子之間相關系數(shù)的平方,或AVE值的平方根大于兩因子之間的相關系數(shù),表示兩個因子之間具有較好的區(qū)別效度。本研究各因子AVE值的平方根介于0.66～0.81之間,相關系數(shù)的值介于0.36～0.64之間。每個因子的AVE值平方根都大于兩因子間的相關系數(shù)。表明本研究各因子的區(qū)別效度較好。

最后采用Cronbach’sα值作為衡量信度的指標,考察潛變量的信度。信度分析結果顯示,口碑數(shù)量、口碑傳播方向、產品卷入度、購買意向和購買行為對應的Cronbach’sα系數(shù)分別為0.804、0.841、0.669、0.841、0.832,均大于0.65,表明潛變量具有良好的內部一致性信度。

3. 假設檢驗

采用Pearson相關系數(shù)對變量進行相關性分析,結果表明網絡推薦商品排名、口碑數(shù)量及口碑傳播方向都與消費者購買意向顯著正相關,相關系數(shù)分別為0.361(p<0.01)、0.487(p<0.01)及0.491(p<0.01)。同時,購買意向與購買行為亦呈現(xiàn)顯著正相關,相關系數(shù)為0.642(p<0.01)。這初步支持了假設1、2、3和5。

接下來,利用SPSS 19.0軟件對正式回收數(shù)據(jù)進行分析。首先將相關潛變量進行標準化,然后,采用研究者們通用的層次回歸模型,來檢驗網絡推薦商品的排名、口碑傳播數(shù)量、口碑傳播方向與消費者購買意向之間,產品卷入度的調節(jié)效應。分層回歸模型的分析步驟是:①考察控制變量對因變量的主效應回歸;②考察自變量和調節(jié)變量對因變量的主效應回歸;③考察自變量、調節(jié)變量及二者交互項對因變量的回歸結果。生成自變量和調節(jié)變量的交互項前,需要對兩類變量進行中心化轉換,目的是消除兩類變量間的多重共線性的潛在干擾。本研究基于潛變量的標準化得分進行分析,變量的均值為零,所以不需要再中心化。層次回歸分析的結果見表2。

表2中模型1表明,控制變量只解釋了消費者購買意向很小的變異,R2接近0。作自變量對因變量的主效應回歸,模型2的結果顯示,整個模型對因變量變異的解釋能力顯著提升,R2顯著變大。口碑排序(β= 0.153,p<0.05)、口碑傳播數(shù)量(β= 0.206,p<0.01)和口碑傳播方向(β= 0.333,p<0.001)對消費者購買意向的標準化回歸系數(shù)均顯著。這支持了假設1、2和3。網絡推薦商品的排名越靠前、口碑傳播數(shù)量越多、口碑傳播方向越積極正面,消費者對網絡推薦商品的購買意愿越強。

表2　預測消費者購買意向的標準化回歸分析結果

注: ***、**、*、+分別表示在0.001、0.01、0.05、0.1水平上顯著。

模型3考察的是網絡推薦商品排名與消費者購買意愿間,產品卷入度的調節(jié)作用。分析結果顯示,推薦商品排名和產品卷入度對消費者購買意向影響的主效應都顯著,同時二者交互項對消費者購買意向的標準化回歸系數(shù)也顯著,即β=0.126,p<0.05。這說明推薦商品排序和消費者購買意向之間,產品卷入度發(fā)揮正向調節(jié)作用,這支持了假設4a,同時表明相比產品卷入度低的網購情境,推薦商品排序對產品卷入度高的消費者的購買意向有更顯著的正向影響。

類似地,模型4表明,網絡推薦商品的口碑傳播數(shù)量與消費者購買意向之間,產品卷入度的調節(jié)效應臨界顯著,口碑傳播數(shù)量和產品卷入度的交互項對應的標準化回歸系數(shù)為β= 0.085,p<0.1,這傾向支持假設4b。意味著相比產品卷入度低的網購,口碑傳播數(shù)量對產品卷入度高的消費者的購買意向有更強的正向影響效應。此外,模型5表明,口碑傳播方向與消費者購買意向之間,產品卷入度的調節(jié)作用不顯著,口碑傳播方向和產品卷入度的交互項對應的標準化回歸系數(shù)接近0,p>0.9,假設4c未獲得數(shù)據(jù)支持。

此外,作控制變量、購買意向對消費者購買行為的回歸分析,分析結果顯示,模型調整R2為0.402,性別、年齡、學歷、職業(yè)、月收入、網購次數(shù)等控制變量對消費者購買行為的影響不顯著,而購買意向對購買行為的標準化回歸系數(shù)顯著,即β=0.634,p<0.001。這表明在控制性別等控制變量的影響后,消費者購買意向顯著正向影響購買行為,這支持了假設5。

四、 研究結論與啟示

1. 研究結論

越來越多的中國消費者將其商品購買主要渠道從傳統(tǒng)實體店轉向網絡購買。然而已有研究主要關注在線評論、網絡口碑特征對消費者網絡購買決策的影響。本文基于Haubl & Trifts[6]提出了網購的兩階段模型,探討了網絡推薦商品的排名、口碑數(shù)量及口碑傳播方向對消費者購買決策的影響,并考察了產品卷入度的調節(jié)作用。

研究發(fā)現(xiàn),網絡推薦商品的排名信息、口碑數(shù)量、口碑傳播方向顯著正向影響消費者的購買意愿。網購情境下,推薦商品排名越靠前、口碑數(shù)量越多、口碑傳播方向越是積極正面,消費者對推薦商品的購買意愿越強,并且在網絡推薦商品的排名、口碑數(shù)量對消費者網絡購買意愿的影響過程中,產品卷入度發(fā)揮顯著的調節(jié)作用。這意味著相比產品卷入度低的網絡購買情形,網絡推薦商品的排名、口碑數(shù)量對產品卷入度高的消費者的網絡購買意愿有更顯著的正向影響。研究還顯示,網絡推薦商品的購買意愿對實際的購買行為具有非常強的預測能力。

此外,網絡推薦商品的口碑傳播方向對消費者購買意向的影響過程中,產品卷入度的調節(jié)作用并不顯著。結合數(shù)據(jù)分析的結果,無論是高產品卷入度還是低產品卷入度的網絡購買情境,口碑傳播方向越積極正面,消費者的購買意愿都會越強。

2. 營銷啟示

研究結論對于電商企業(yè)的營銷活動具有實踐啟示。企業(yè)可以從掌握的海量消費者數(shù)據(jù)中挖掘消費者的歷史瀏覽記錄、消費記錄、消費習慣,為消費者推薦商品,實施精準營銷。商品的推薦服務是大數(shù)據(jù)的重要應用之一。本研究發(fā)現(xiàn),網站上推薦商品排名信息顯著正向影響消費者購買意向。此外,產品卷入度在網絡推薦商品排名對消費者購買意向的影響起到了正向的調節(jié)作用。產品卷入度越高,消費者購買商品時所承擔的風險越多。因此,在購買此類商品前對商品信息的搜索就越積極,理性思考成分就越多。購物網站可以通過分析消費者的歷史消費信息、搜索信息、瀏覽信息等數(shù)據(jù),為其提供精準的個性化推薦服務。消費者個性化需求得到滿足的同時,降低了購物網站由于市場不確定性因素帶來的風險,有利于購物網站更好地把握市場需求,更好地為消費者服務。在提升顧客滿意度與忠誠度的同時,提升企業(yè)競爭優(yōu)勢。

另外,對于電商企業(yè)而言,在網絡消費人群中建立良好的口碑具有十分重要意義。良好的口碑以一流的產品質量和服務質量為基礎。如果消費者基于網絡宣泄對商家的產品質量或者服務質量不滿,其破壞性將非常嚴重。因此,如何在網絡上建立積極正面的口碑應是企業(yè)重點關注的問題。電子商務企業(yè)應該注重商品的質量,加強商品質量的監(jiān)督與管理。與此同時,企業(yè)還應該注重網絡口碑傳播的方向,及時對消費者負面情緒進行安撫及作出有效回應,妥善解決消費者所提出的問題,改變消費者的負面看法。企業(yè)不僅僅要充分、合理利用網絡口碑這一成本低、見效快的營銷工具,積極展開網絡營銷工作,還應該整合各種媒介資源,積極全面地傳播企業(yè)的所有信息,樹立正面的企業(yè)形象。

最后,產品卷入度在網絡推薦商品的排名和口碑數(shù)量對消費者購買意向的影響中起到了顯著的調節(jié)作用。因此,電子商務企業(yè)在通過網絡推薦商品排名、口碑數(shù)量影響消費者購買決策的過程中,應關注到產品卷入度的潛在影響。針對產品卷入度高的網絡購買情境,排名信息和口碑數(shù)量對消費者的購買意愿才會有更顯著的正向影響。除此之外,還可以通過營銷策略影響消費者購買時的產品卷入度。例如,電子商務企業(yè)可以吸引消費者注冊、收藏自己企業(yè)的網站,關注企業(yè)旗下的產品,或者通過發(fā)送短信、微信、電子郵件等形式邀請新老顧客免費試用新產品,這樣不僅提高了消費者的產品卷入度,而且還獲取了消費者一手資料,既能鞏固老顧客,又能吸引新顧客,最終提升消費者的購買意愿,促進企業(yè)的可持續(xù)發(fā)展。

參考文獻:

[1] 邁克爾·R.所羅門. 消費者行為學[M]. 10版. 盧泰宏,楊曉燕,譯. 北京: 中國人民大學出版社, 2014.

[2] 江曉東. 什么樣的產品評論最有用?——在線評論數(shù)量特征和文本特征對其有用性的影響研究[J]. 外國經濟與管理, 2015,37(4):41-55.

[3] 盧向華,馮越. 網絡口碑的價值——基于在線餐館點評的實證研究[J]. 管理世界, 2009(7):126-132.

[4] 戴和忠. 網絡推薦和在線評論對數(shù)字內容商品體驗消費的整合影響及實證研究[D]. 杭州:浙江大學管理學院, 2014.

[5] 晁鋼令. 試論消費者行為的策劃和引導[J]. 外國經濟與管理, 1992(11):31-33.

[6] Haubl G, Trifts V. Consumer Decision Making in Online Environments: The Effects of Interactive Decision Aids[J]. Marketing Science, 2000,19(1):4-21.

[7] Zeng Ming, Reinartz W. Beyond Online Search: The Roadto Profitability[J]. California Management Review, 2003,45(2):107-130.

[8] Xiao Bo,Benbasat I. E-commerce Product Recommendation Agents: Use, Characteristics, and Impact[J]. MIS Quarterly, 2007,31(1):137-209.

[9] Smith M D. The Impactof Shopbots on Electronic Markets[J]. Journal of the Academy of Marketing Science, 2002,30(4):446-454.

[10] Duan Wenjing, Gu Bin, Whinston A B. Do Online Reviews Matter?—An Empirical Investigationof Panel Data[J]. Decision Support Systems, 2008,45(4):1007-1016.

[11] 龔詩陽,劉霞,劉洋,等. 網絡口碑決定產品命運嗎——對線上圖書評論的實證分析[J]. 南開管理評論, 2012,15(4):118-128.

[12] Sherman C. A New F-word for Google Search Results[EB/OL].[2005-03-08].http:∥www.Webcitation.org/5FmwyPgDv.

[13] 黃鸝強,王刊良. 搜索引擎用戶對商品搜索結果的點擊行為研究[J]. 管理科學, 2012,25(1):76-84.

[14] Davis A, Khazanchi D. An Empirical Study of Online Word of Mouth as a Predictor for Multi-product Category E-commerce Sales[J]. Electronic Markets, 2008,18(2):130-141.

[15] 金立印. 網絡口碑信息對消費者購買決策的影響:一個實驗研究[J]. 經濟管理, 2007,29(22):36-42.

[16] Schubert P, Se1z D. Web Assessment-measuring the Effectiveness of Electronic Commerce Sites Going Beyond Traditional Marketing Paradigms[C]. Proceedings of the 32nd Hawaii International Conference on System Sciences, Hawaii: IEEE Xplore, 1999.

[17] Chan H. Adaptive Word-of-Mouth Behavior: A Conceptual Framework and Empirical Tests[M]. Wisconsin: University of Wisconsin-Madison, 2000.

[18] Zaichkowsky J L. Measuring the Involvement Construct[J]. Journal of Consumer Research, 1985,12(3):341-352.

[19] Crespo A H, Bosque I R. The Effect of Innovativeness on the Adoption of B2C E-commerce: A Model Based on the Theory of Planned Behaviour[J]. Computers in Human Behavior, 2008,24(6):2830-2847.

[20] Shih Y Y, Fang K. Effects of Network Quality Attributes on Customer Adoption Intentions of Internet Banking[J]. Total Quality Management & Business Excellence, 2006,17(1):61-77.

[21] Anderson J C, Gerbing D W. Structural Equation Modeling in Practice: A Review and Recommended Two-step Approach[J]. Psychological Bulletin, 1988,103(3):411.

[22] Fornell C, Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J]. Journal of Marketing Research, 1981,18(1):39-50.

(責任編輯: 王薇)

Impact of Online Product Recommendations on Consumers’ Purchasing Decisions

HUO Chun-hui, YUAN Shao-feng, WU Ya-xuan

(Business School, Liaoning University, Shenyang 110036, China)

Abstract:Based on the two-stage model of consumers’online shopping, the impacts of online recommended products’ ranking, online word-of-mouth quantity and online word-of-mouth transmission direction on consumers’ purchasing decisions were explored. It was found that online recommended products’ ranking, online word-of-mouth quantity and online word-of-mouth transmission direction are positively correlated with consumers’ purchasing intention and behavior. Furthermore, while online recommended products’ ranking and online word-of-mouth transmission direction affect consumers’ purchasing intention, product involvement has significant positive moderating effect. In other words, online recommended products’ ranking and online word-of-mouth quantity have stronger positive effect on consumers’ purchasing intention in high product involvement than in low product involvement.

Key words:online purchasing; product recommendation; purchasing intention; purchasing behavior

doi:10.15936/j.cnki.1008-3758.2016.03.007

收稿日期:2015-10-24

基金項目:國家社會科學基金青年資助項目(13CGL045); 遼寧省教育廳優(yōu)秀人才支持計劃資助項目(WR2015005); 遼寧省教育廳人文社會科學研究一般資助項目(W2015181)。

作者簡介:霍春輝(1977- ),男,遼寧沈陽人,遼寧大學教授,博士生導師,主要從事戰(zhàn)略管理及市場營銷研究; 袁少鋒(1982- ),男,湖北監(jiān)利人,遼寧大學副教授,管理學博士,主要從事營銷管理研究。

中圖分類號:F 270

文獻標志碼:A

文章編號:1008-3758(2016)03-0262-08