电子商务网站考察期用户推荐系统的实证分析

刘 倩，马辉民

(1.华中科技大学管理学院，湖北 武汉430074;2.华中农业大学工学院，湖北 武汉430027)

个性化推荐系统的最大优点是它收集用户特征资料并根据用户特征如兴趣偏好主动向用户做出个性化的推荐。个性化的推荐系统可提高企业的服务水平和用户满意度。国内外大量的学术研究表明，客户满意度是企业未来盈利的指标，因此提高用户满意度对企业有非常重要的意义。

SHETH等认为关系营销的基础是顾客愿意和企业进入一段趋于忠诚的客户关系来简化顾客选择的机会［1］。顾客愿意进入一段长期的营销关系是因为他们期望从中得到明确的价值。用户是否倾向于保持一段关系取决于其对这段关系的满意程度和可替代关系的比较水平。买卖双方的关系从一系列单边关系逐渐发展到双边关系，随时间推移双方能够从交易中增加彼此的信任并高度承诺于这段关系。关系营销中的客户关系具有明显的生命周期特征，其动态发展过程包含4个阶段:考察期、形成期、稳定期和退化期。处于考察期的客户转移成本较低，容易流失。随着交易时间的延长，客户从稳定的交易关系中能获得越来越多的便利并节省转移成本，客户关系趋于稳定。

满意是顾客的响应，它是产品或服务特征、产品或服务本身，为顾客提供消费实现的愉悦程度。用户满意度是顾客所感知的产品质量与个人期望之间的差异程度，是感知质量与期望的函数。客户对企业供应的产品和服务满意意味着用户决定继续这段关系，减少用户从客户关系中退出的可能性以及负面口碑。用户满意对再次访问动机有强烈的影响。

根据GIESE和COTE提出的界定满意的一般框架，满意分为3种类型［2］:

(1)特定交易满意。顾客对某一件产品或某次服务的好评;

(2)累积型满意。顾客基于所有服务经历对产品或服务的好的总体评价;

(3)关系型满意。顾客对所有服务经历和与客户关系有关的所有方面的好的总体评价。

特定交易满意关注点较窄，时间较短;累积型满意居中;关系型满意关注点广泛，时间较长。这3类用户满意的演进关系是从特定交易满意到累积型满意，最后到关系型满意。累积型满意的时间范围是指较低的客户关系阶段，即考察期阶段;而关系型满意的时间范围涉及到较高的关系阶段，即形成期和稳定期阶段。

WOODRUFF认为顾客之前与企业打交道的良好经历能提升对当前服务的评价与对企业总体的评价并产生较高的满意度［3］。顾客之前的态度会影响到当前的态度。研究中发现与企业有较长时间交易经历的用户把累积型满意看得较重，而把较近时间阶段的信息看得较轻。因此企业需要重点关注处于客户关系初级阶段的用户来发展长远的关系。由于考察期阶段中客户信任和客户忠诚还没有建立，也没有转移成本，如果用户的购物经历不够满意，客户关系可能会持续较短。因此提高考察期阶段用户的满意度就更加重要，具有高满意度的用户会提高用户保持率，并刺激新的消费。

1 推荐系统对用户满意度的影响因素分析

电子商务企业依靠推荐系统这种信息技术提高用户的满意度。ZINELDIN认为结合顾客需求的信息技术是建立发展成功的客户关系的重要因素［4］。推荐系统作为信息技术工具是创造、发展并维持长期有利的客户关系中最重要的因素。个性化推荐系统为成功的客户关系提供所需的信息，有效激发客户的购买兴趣，将客户的潜在消费需求刺激转变为实际购物需求。电子商务企业利用个性化推荐系统有利于促进客户关系的深入。

CHURCHILL和SUPRENANT在研究中发现感知质量比期望对客户满意度的影响更直接［5］，认为感知质量比期望范式对提高用户满意度有更强的作用。因此可以认为感知质量比期望－差异更直接地作用于用户满意度。在电子商务中，感知信息质量隶属于感知质量，因此可以作出以下假设:

H1:感知信息质量对提高用户满意度有正向作用。

1.1 信息质量

信息质量研究的是电子商务的信息内容。根据对质量的定义(本质的或非本质的)可以把信息分为如下3种模型:①以过程为中心的模型。如果衡量的过程是准确的，用户需求是合适的，则输出结果被认为是高质量的信息。②以系统为中心的模型。列举许多观念和公式参与对信息的收集、储存、检索和演示。系统输出的信息能够准确地表达用户的现实角度的兴趣。③以用户为中心的模型。信息质量应根据主观的用户期望来满足用户的需求。在推荐系统中，是以用户为中心的模型。用户在做决策时需要依赖感知信息质量，网页内容应该是个性化的、完整的、相关的和容易理解的。许多学者制定了著名的衡量信息质量的模型。例如DELONE和MCLEAN认为相关性、及时性和准确性是信息中重要的特性［6］。信息价值包括以下几种特性:准确性、可靠性、有效性、可理解性和及时性。这些特性反映了用户判断信息交互的利益价值。

处于客户关系考察期阶段的用户需要准确的推荐来判断推荐系统的有效性。该阶段对推荐系统的新颖性要求较少。推荐系统从与用户的交互中学习到用户的兴趣，并随着时间的推移完善理想的推荐。因此在推荐系统与用户之间应该有信任的基础，使用户感觉推荐系统是可以信赖的。

从推荐系统提供的信息能否满足考察期阶段用户的需求来看，决定该阶段用户感知信息质量的是其相关性、准确性和可靠性。

(1)相关性。相关性指的是信息对现在的任务是实用的、相关的，具有影响决策的能力。它与进行中的事务有密切的逻辑关系。

根据SARACEVIC从哲学、逻辑、语义、实用和效用的观点来定义［7］，相关性被分为两大类:①客观的以系统为基础的相关性。②主观的以用户为基础的相关性。主观上的相关性常被测度成合题性(信息的主题与请求的主题相匹配的程度)。一个文件在客观上是否相关取决于它是否涉及到需求的主题。主观的相关性把用户考虑进去，是用户感知的效用性、信息量和有利度。从心理上或感知的角度和以用户的视角来看信息系统，用户似乎喜欢找到那些能够导致对他们现有的感知有作用的信息。

(2)准确性。准确性指的是信息的准确性、正确性和有效性。BARRY和SCHAMBER都指的是用户判断信息准确有效的程度［8］。BARRY还单独对客观的准确性和有效性做了一个定义，即接受信息的用户对信息的认可程度或信息支持用户观点的程度。相当于信息资源的一致性，从这个资源来的信息和从其他渠道来的信息是一致的，而且与用户自身的观察一致，即用户认可的信息。在推荐系统中，准确性是指推荐的信息能否准确地匹配用户的喜好。一个准确的推荐系统能够追踪出用户的购物习惯，自动推荐出符合用户喜好的产品。系统不可能百分之百地推荐正确的商品，但是绝不能向用户推荐错误的商品。

(3)可靠性。WANG和STRONG认为可靠性指的是信息被用户认为是真实和可信的程度［9］。如果用户难以理解信息或对信息来源不信任，用户就很难利用信息支持决策。可靠性可以被定义为可信性，可靠的信息来源可被认为是值得信赖的、有专业知识的。可靠性分为如下4种类型:①假定的可靠性，即顾客自身假设的可靠性。②声誉的可靠性。信息来源的标签，信息是否专业，信息是否来自专家等。③表面的可靠性。顾客对产品或服务的表面特性的检查。④经验的可靠性。依赖顾客过去经历对信息来源的判断。

假设变量之间存在如下关系:

H2:推荐信息的相关性对提高用户感知信息质量有正向作用。

H3:推荐信息的准确性对提高用户感知信息质量有正向作用。

H4:推荐信息的可靠性对提高用户感知信息质量有正向作用。

推荐系统推荐的产品信息能有助于用户的购买决策，并影响客户的态度和行为。处于考察期阶段的用户，还没有建立对推荐系统的信任。只有随着时间的推移，推荐系统从用户的行为中学习兴趣偏好才能获得较好的推荐效果。因此推荐产品信息质量的可靠性对于考察期阶段用户就更加重要了。用户与推荐系统之间需要建立信任的关系，让用户感到推荐系统是值得信赖的。推荐系统不可能100%地提供正确的符合用户偏好的产品，只有用户提供反馈来促进系统学习偏好的过程才能提高推荐质量。解释推荐产品的原因能提高信息的可靠性，可靠性能提高顾客对推荐产品的接受度和对推荐系统的信任。一个具有解释推荐原因的推荐系统能让用户理解系统是如何工作的，促进用户和推荐系统的互动。如果用户头脑中没有一个对推荐系统如何工作的思想模型，他们可能会向系统提供不合适的反馈。对推荐系统有较好的理解能帮助用户决定是否信任推荐系统并且能影响用户对推荐系统的态度。

1.2 信任

信任可定义为顾客愿意在客户关系中承担风险。MAYER发现信任是一种包含了接受弱势地位的动机的心理状态，这种心理状态基于对另一方的动机或行为的积极预期［10］。

信任包括离线信任和在线信任。离线信任包括所有的离线行为如直接销售、交易等;在线信任包括企业在电子媒体上的所有商务活动，特别是网站。尽管在线信任和离线信任有许多相同之处，它们还是有非常重要的区别。对于离线信任，信任的主体是人或企业实体;而在线信任，网络技术本身就是信任的主体。WAN和BENBASAT认为提高推荐系统的可靠性对培养顾客信任是非常重要的，尤其是在客户关系的初级阶段，对推荐系统失望的体验会使顾客怀疑企业的能力［11］。相反，如果是满意的体验，用户对推荐技术的信任会转移到对企业的信任。由于提高推荐信息的可靠性可以增加用户对推荐系统的信任，因此可做以下假设:

H5:提高推荐信息的可靠性对提高用户信任有正向作用。

SINGH和SIRDESHMUKH认为信任机制和代理机制合作、竞争共同影响用户满意，并且长期对顾客忠诚有影响［12］。信任的两个维度:能力和善意都对购买前和购买后的价格公平和表现期望有影响。信任是一个作为购买前和购买后关键的中介、缓和因素。在对美国消费者满意指数的研究中发现，价格和性能机制是用户满意的决定因素。信任在组织的决策生成中是满意态度的预测。

SHANKAR等在研究中发现，信任调节感知信息可用性和问题解决以及用户满意的关系［13］。感知信息的可用性和问题解决对用户满意起积极作用。顾客对企业的信任可增大这种作用。因此做出以下假设:

H6:信任对提高用户满意有正向作用。

相应的假设概念模型如图1所示。

图1 假设概念模型

2 基于实证数据的模型检验

笔者针对网上推荐系统用户应用情况设计了1个问卷，问卷设计完后，交由3名专家进行审阅，进行了必要的修正。然后在40名大一学生中进行了测试，结果说明量表具有较好的信度和效度。正式实验选取了582名2008级大学生作为调查对象。中国互联网调查中心的报告表明，41.9%的曾在网上购物的用户年龄在18到24周岁之间，38%的用户受过本科教育，因此实验以这些大学生作为研究对象是可行的。问卷收集后，共获得313份有效问卷。调查样本基本统计情况如表1所示。验证性因子分析结果如表2所示。

表1 样本基本统计情况

表2 验证性因子分析结果

笔者采用结构方程模型(SEM)软件PLS Graph来检验模型的假设。结构方程模型是验证因子模型和因果模型的结合。结构方程模型包含的因子模型部分称为测量模型，其中表示因子与测度项之间的关系方程称为测量方程;包含的因果模型部分称为结构模型，其中的方程称为结构方程，用来表示模型中各个因子之间的因果关系，它是一种应用于理论模型验证的多变量统计分析方法。

假设检验结果如图2所示。从假设检验结果来看，对于企业满意的解释方差为56%，感知信息质量的解释方差为44%，信任的解释方差为16%。从路径系数来看感知信息质量对于用户满意影响最大，信任次之，假设均得到数据支持。

图2 假设检验结果

3 结论

处于客户关系初级阶段的顾客，感知信息质量和信任是驱动顾客满意的关键因素。其中信息的相关性、准确性和可靠性对感知信息质量均有正向作用，信息的可靠性能提高用户信任。因此针对处于客户关系初级阶段的用户，企业应提高推荐系统所提供信息质量中的相关性、准确性和可靠性。只有提高了初级用户的满意度才能逐步推进客户关系的深入。

［1］SHETH J，ATUL P.Relationship marketing in consumer markets:antecedents and consequences［J］.Journal of the Academy of Marketing Science，1995，23(4):255－271.

［2］GIESE J L，COTE JA.Defining consumer satisfaction［J］.Academy of Marketing Science Review，2000(1):1－24.

［3］WOODRUFF R B，CADOTTE E R，JENKINS R L.Modeling consumer satisfaction processes using experience－based norms［J］.Journal of Marketing Research，1983，20(8):295－304.

［4］ZINELDIN M.Beyond relationship marketing:technologicalship marketing marketing［J］.Intelligence and Planning，2000，18(1):9－23.

［5］CHURCHILL G A，SUPRENANT C.An investigation into the determinants of customer satisfaction［J］.Journal of Marketing Research，1982，19(11):491－504.

［6］DELONEW H，MCLEAN ER.The Delone and McLean model of information system success:a ten－year update［J］.Journal of Management Information Systems，2003，19(4):9－30.

［7］SARACEVIC T.Relevance:a review of and a framework for the thinking on the notion in formation science［J］.Journal of the American Society for Information Science，1988(36):321－343.

［8］BARRY C，SCHAMBER L.User's criteria for relevance evaluation:a cross－situational comparison［J］.Information Processing and Management，1998，34(2/3):219－236.

［9］WANG R Y，STRONG D M.Beyond accuracy:what data quality means to data consumers［J］.Journal of Management Information System，1996，12(4):5－34.

［10］MAYER R C，DAVIS JH，SCHOORMAN F D.An integrativemodel oforganizational trust［J］.Academy of Management Review，1995，20(3):709－734.

［11］WAN W Q，BENBASAT I.Recommendation agents for electronic commerce:effects of explanation facilities on trusting beliefs［J］.Journal of Management Information System，2007，23(4):217－246.

［12］SINGH J，SIRDESHMUKH D.Agency and trustmechanisms in consumer satisfaction and loyalty judgments［J］.Journal of the Academy of Marketing Science，2000，28(1):150－167.

［13］SHANKAR V，URBANB G L，SULTANC F.Online trust:a stakeholder perspective，concepts，implications，and future directions［J］.Journal of Strategic Information Systems，2002，11(3):325－344.