APP下载

国内外网络消费行为研究综述与评析

2015-08-17

现代情报 2015年5期
关键词:消费行为消费消费者

苏 竹

(华南师范大学经济与管理学院 ,广东 广州510006)

·综述与述评·

国内外网络消费行为研究综述与评析

苏竹

(华南师范大学经济与管理学院 ,广东 广州510006)

本文采用网络消费行为的主题词分别检索了Web of Science以及中国知网中与网络消费行为相关的研究文献,从文献的年代分布、研究起源、理论研究、实践研究角度分析了国内、国外网络消费行为的研究情况,最后对比了国内外在网络消费行为方面研究的差异并总结得出了未来网络消费行为研究的两个趋势。

网络 ;互联网;移动互联网;消费行为

我国互联网在近二十年中快速发展,网民数量从1997年的62万发展到2014年的6.32亿,手机网民的数量也达到5.24亿。互联网和移动互联网改变了人们传统消费行为方式。在网络的影响下,较为成熟的传统消费行为理论逐渐发展、改进,形成了相关的网络消费行为理论,但网络消费行为在很多方面区别于非网络下的传统消费行为,所以本文通过对国内外的网络消费行为的研究文献出发,归纳、总结二者的特征以及异同点。

1 国外网络消费行为研究

国外的文献主要来自外文检索平台ISIWeb of Science(包含SCI-EXPANDED、SSCI、CPCI-S、CPCI-SSH库),本文采用以下检索主题词:online shopping、Internet shopping、online consumer behavior、Internet consumer behavior、web consumer behavior,检索时间跨度为1993年 (万维网免费开放的时间)至2014年,并在精炼检索结果的国家/地区中排除了中国,文献类型为期刊论文、会议论文、综述类文献,同时剔除了与本文研究对象不相关的学科类别,最终得到2 518篇文献。文献的年代分布如图1。

从文献的分布可以看出,在1998年以前,关于国外关于网络消费行为的研究很少。同时检索到的文献所属的研究学科中排名前五位的学科依次是:商业经济、计算机科学和信息系统、管理学、信息科学和图书馆科学、计算机科学与人工智能。

1.1研究的起源

传统消费行为理论研究起源于马歇尔对消费者的边际效用、需求供给规律、价格弹性、消费者剩余等研究,这些理论奠定了消费行为理论的基础[1]。追求效用最大化是消费者进行网络消费的动力之一,因为网络消费的效用一般大于其他消费方式[2]。和传统非网络消费行为一样,网络消费行为以这些经济理论为基础 ,与心理学、信息学、社会学等学科紧密相关。但网络消费行为是因互联网而产生的 ,因此互联网对消费行为的影响以及互联网与其他因素相互作用对消费行为的影响是网络消费行为的重要研究领域。

商业机构在一般会投入大量的资源来进行可带来经济利益的研究而轻视基础性的理论研究,所以许多重要的消费行为研究成果来自于学术界之外[3],网络消费行为研究也是如此。因此消费行为的研究主要分为学术界的理论研究以及商业界的实践研究。以下是两个引用次数很高的学术界和商业界研究成果。

图1 RR国外文献年代分布图

学者霍夫曼和诺瓦卡 (1996)根据互联网的特征拓展了心理学家齐克森米哈利所提出的心流概念,提出了一个初步网络消费流程模型 ,并讨论了与该模型相关的沟通模型、网络特征、计算机媒介环境下的消费者异质性、心流所带来的正面影响 (如提高学习、认知行为控制、探索性和参与行为、正向主体体验等)和负面影响[4]。

ZAXOR软件公司 (1996)通过实验研究了购买决策与支付机制、页面布局中物品摆放、特价折扣、网站上的与购物无关的娱乐行为、网站中动画与网购的关系,结果发现:(1)对网购有影响的因素中,访问网站之前就建立支付账户的影响最大,其次是网页的动态展示;(2)特价折扣让其他商品显得没有吸引力,且会降低总体销售额;(3)网站上的娱乐活动对消费者网购金额没有太大影响[5]。

1.2理论研究

网络消费行为是消费行为的一种,因此很多消费行为的理论也适用于网络消费者的行为,如技术接受模型(TAM)、刺激——机体——反应模型 (S-O-R)、理性行为理论 (TRA)、计划行为理论 (TPB)、EBM模型等。网络消费行为的理论研究一般是建立严谨的逻辑模型或者是先建立模型、再提出假设、最后进行实证研究,这样的实证研究的目的是支持这个模型或理论。以下列出具有代表性的网络消费行为研究。

在网络消费过程方面 ,诺瓦卡等人 (2000)把消费者网购中的 “心流”定义为一种受技能控制水平、挑战激励水平、聚焦注意力、远程展示与交互能力4种因素影响的认知状态,并建立基于这个状态的结构模型来验证测量网络环境下的顾客消费过程中体验度[6]。詹姆斯等人 (2002)构建了一个解释消费渠道转变机理的模型,通过该模型可以确定网络消费者在不同渠道之间转换的临界点——客户的价值认知差异与相对边际收益差异的和等于直接经济成本差异、间接机会成本差异和相对损失风险差异和所确定的点[2]。库发里斯马里奥 (2002)将技术接受模型、市场营销中的消费者行为研究、心理学中的心流和环境心理学结合起来形成一个网络消费者行为理论模型 ,并强调了顾客首次访问网上商店的情感和认知反应对回头率以及随意购买的影响[7]。

在网络消费行为影响因素方面,李海荣等人 (1999)通过建立网络消费者消费行为影响的模型证明了受教育程度、便利性的侧重、经验、渠道了解、感知分布效用以及感知可得到性可以很好地预测网络消费状态[8]。大卫·格芬(2000)构建了熟悉与信任、熟悉与探索、个人信任倾向对信任、信任对探索、信任对购买的关系模型,实证结果表明:对销售流程的熟悉、对网络销售者熟悉和信任都会对消费者的购买意向和行为产生影响 ,消费者的个人信任倾向比熟悉对信任行为的影响程度更大[9]。此外他 (2003)通过实证检验发现网络消费者对电子商务的信任同TAM一样可以对预期消费行产生影响[10]。巴甫洛夫 (2003)把网站声誉和对过去交易的满意度作为控制变量 ,将理性行为理论、技术接受模型以及信任、感知风险融合到网络购物环境中从而构建了一个信任、感知风险、感知有用性、感知易用性对购买意图的影响模型,并通过两组实证研究证明了这几个变量以及控制变量的相关性[11]。李金丹等人(2008)建立一个基于信任的决策制定模型,通过网络调查和结构方程模型检验发现:消费者个人的信任倾向、声誉、对隐私和安全的关注、网站的信息质量以及网站所属公司的声誉对网络消费者的信任有强烈的影响,消费者的信任和感知风险对网络消费决策影响明显[12]。张克里斯蒂从自我主义、集体主义、利他主义、原则、知识自我效用5个视角建立网络评论动机模型 ,实证结果表明个人声誉、归属感和帮助其他消费者所带来的快乐与消费者网络口碑密切相关[13]。

在网络口碑方面 ,陈玉波 (2008)认为网络评论有助于消费决策,并构建了一个探索卖方营销沟通战略、环境、评论管理的规范模型,结果表明:(1)买卖双方的信息互补时,卖方增加商品的信息量;而它们相互取代时,卖方应是减少商品相关信息的供给。(2)卖方应该提供消费评论功能并可以从中受益。(3)如果产品成本低、消费者数量且专业的话,卖方应当延迟消费者看到商品消费评论的时机[14]。

1.3实践研究

网络消费行为的实践研究主要是针对具体实际的问题,以实际应用为导向,通过研究网络消费行为中的现象、特征等局部的因素 ,探索和了解网络消费者的情况以更好地进行网络营销。

在影响网络消费的因素的实践研究方面,大卫·格芬德(2003)通过网络模拟实验发现社会存在感会影响消费者的信任,因此管理网络电子化服务需要管理网站客户的体验、信任,并在网站上注入更多的社会存在感[15]。艾若格鲁·赛伍金等人 (2001)关注网络购物的环境对消费行为以及消费额的影响,运用刺激——心理——反应模型,把用户的参与和环境响应作为两个独立特征变量用来调节环境与消费者喜好、认知反应,研究了网络购物氛围是如何影响消费者的喜好和认知、进而影响行为的[16]。

日本电通公司 (2004)提出了网络环境下的AISAS消费行为模型 (注意、兴趣、搜索、行动、分享)。针对其中的注意阶段,实践领域的研究主要研究和开发各种推荐系统——推荐系统可以减轻信息超载、方便搜寻商品、提高满意度以及提升销售额。目前推荐系统可以分为6类:

1.3.1基于人口统计学算法的推荐系统

主要是依据用户的性别、年龄、受教育程度、居住地等特征来推荐,如谢普斯通等人 (2013)研发了一套通过分析观众年龄、性别信息来推荐视频内容的机制。该推荐机制不仅能和具有一定人口特征的群体相匹配,还能很好地预测该特征群体的喜好[17]。

1.3.2基于内容算法的推荐系统

采用文本分析方法,如帕斯夸莱·劳普斯等人 (2010)设计了一个基于知识语义精确分析技术的多语言推荐系统,克服了传统关键字带来的模糊性[18]。

1.3.3基于图结构算法的推荐系统

把消费者和消费对象的关系转换成一个二部图,计算资源分配矩阵和特定消费者的各项目资源分配,最后根据计算机结果产生推荐列表[19]。

1.3.4协同过滤算法推荐系统

基于相似指数,如雷斯尼克·保罗等人 (1994年)设计了一个基于协同过滤算法的开放式、采用匿名评价、进行启发式预测的网络新闻推荐系统以帮助人们在海量的文章中获得他们所喜欢的[20]。

1.3.5基于社交网络算法的推荐系统

基于社交网络、数学方法,柳小烨 (2013)设计了一个基于社交网络中的用户关系的推荐系统 。该系统从带有关系信息的社交网络挖掘、抽取与用户相关的关系信息 ,根据关系的亲密程度来给该用户推荐其亲密朋友相关的内容[21]。

1.3.6混合算法推荐系统

综合多种算法,它有两种建立方式:一是独立使用多个单一推荐系统 ,然后将各种系统的结果采用线性组合方式结合起来形成最终的推荐意见,如帕亚尼·迈克尔(1999)根据网页文章的复杂性将协同过滤算法、基于内容算法和人口统计特征算法结合在一起从而形成了一个包含多种算法集合的推荐系统[22]。二是在一种推荐算法中融入其它推荐算法进而形成的改进算法 ,如萨瓦尔·巴德瑞尔等人 (2001)设计了一个基于内容条目的、可以快速处理大量数据的协同过滤推荐系统并取得很好的推荐结果[23];纳辛友定等人 (2009)研发了一个融合了协同过滤和基于内容算法的新推荐系统,从而避免这两个单一推荐系统的不足[24];李鑫等人 (2014)在社交网络推荐算法的基础上融入了协同过滤等算法形成了一个多理论核心的综合推荐系统[25]。

2 国内网络消费行为研究

国内的研究文献来自ISIWeb of Science和中国知网的检索。在Web of Science中,检索结果的国家/地区中只选择了中国,其他检索条件同国外文献检索,最终获得638篇文献。在中国知网中,本文采用如下的高级检索设置:学科名称为信息科学、经济与管理学;检索条件为主题1(“网络”或含 “互联网”)并且主题2(“消费”或含 “网购”)并且主题3(“行为”或含 “方式”)并且篇名 (“行为”或含 “方式”);检索时间段为1993-2014年。经过筛选 ,最终获得452篇相关文献——与Web of Science结果不重叠。根据发表年份对两类检索结果相加,最终得到了如下的国内网络消费行为研究文献的年代分布图。

从文献的数量和年代分布看 ,我国的网络消费行为研究起步时间偏晚,但从2000年开始,国内对网消费行为的研究进入了快速发展阶段。

2.1研究的起源

国内的互联网是从发达国家引入,国内的网络消费活动开展得晚 ,相关的研究起步也比国外晚。中国互联网络中心在1998年7月发布的 《中国互联网络发展状况调查统计报告》(以下简称 “报告”)中首次提到了78.1%的调查者希望进行网络购物。2002年7月的报告显示用户网购物品中书刊的比例最大。2003年7月的报告显示网购支付方式最多的是网上支付。2007年1月的报告中首次关注手机上网情况,此后的调查分析越来越详细。2009年1月的报告显示网民中网络购物比例最高的是大学生。同时我国手机网民占总体网民的规模从2007年底的24%上升到2014 年6月的83.4%,与之相对应的是手机网上购物成为一种新的网络消费方式。

图2 RR国内文献年代分布图 (1998年以前没有文献)

国内对传统消费行为理论的研究起步较晚,也是建立在西方的研究基础之上。厉以宁 (1979)对西方发达国家的研究消费行为的原因、收入与消费关系的假定、购买动机和决策等相关研究做了介绍和评价[26]。吴晓莎等人系统翻译介绍了兰德尔·P·马里格的消费行为理论模型[27]。

综合以上两个方面的研究情况 ,国内对网络消费行为的研究是建立在国外较为成熟的互联网技术基础、消费行为理论的基础上。在此基础上,国内消费行为研究结合着我国自身的国情进行本土化的研究和应用。

2.2理论研究

国内的网络消费行为研究开始于1998年左右,我国早期关注网络消费的研究归纳如下。

2.2.1网络消费行为的内容和特征研究

何明升等人 (2003)认为网络消费是人们以互联网为工具而实现自身需要的动态过程[28],具有效用递增、消费与生产合一、消费对象软化、收入约束弱化、拉式消费、群势效应、无边界消费等基本特征[29]。网络消费方式是由网络消费行为、意识、消费资料三要素在经历初始要素、功能耦合、结构稳定3个环节后形成的[30]。此外 ,他们(2003)建立了一个在网络资源、时间、收入、生产函数约束下的追求网络消费效用最大化的数学模型,并给出了网络消费效用最大化的条件:网络资源、时间资源的单位货币的效用量相等。吴满意等人 (2000)认为网络消费是消费者为了满足自身的需求在互联网上的市场空间中消费各种信息产品的经济行为,它的核心是信息,具有消费内容的丰富性、消费的个性化、全球化等特征,同时指出其可能产生的影响以及存在的问题[31]。黄飞 (2013)把网络消费定义为消费者为了满足自身物质和精神需求,在网络环境下支付时间或经济的一种消费行为方式,它包括网络购物、网络信息消费、网络游戏消费[32]。刘丽华 (2008)认为网络消费行为可划分为以下5个阶段:唤起需求、收集信息、比较选择、购买决策和购后评价,同时这5个阶段都是在网络环境的影响下进行的[33]。

2.2.2网络消费行为主体的研究

在消费者方面,许雄奇等人 (2000)分析了网络消费者的类型,认为网络消费者心理和行为具有以下特点:受文化影响、个性化消费、注重价值和信息、注重技术、更加主动等,同时也指出了消费者的心理劣势[34]。张斌(2000)根据参与者对消费活动的重视程度、与群体沟通的关系将网络消费群体分为:浏览者、加入者、热心者、投入者,详细对比、分析了传统营销和网络市场营销在消费过程中的关注点,最后认为企业应该根据消费群体的类型、消费行为阶段制定和实施不同的网络营销策略[35]。

2.2.3网络消费行为影响因素的研究

伍丽君 (2001)分析了网上消费者行为,归纳得出网络消费的动机 (情感动机、理智动机、光顾动机)、影响因素 (心理、产品特性、价格因素、便捷性、安全可靠性)以及购买过程[36]。王宜楷 (2004)讨论了网络文化、性别、年龄、消费者的文化水平、家庭收入水平对消费行为的影响[37]。庞川等人 (2004)通过结构方程模型的研究方法检验了BtoC环境下技术、商业、环境、个人因素对消费者信任的影响情况[38]。闫静 (2010)则认为网络消费的动机有追求新颖、廉价、便利 ,同时消费者的行为主动、选择性较强、追求个性化。她认为影响网络消费的因素有消费者特征、信任、物流配送效率[39]。廖卫红 (2013)认为在移动互联网下,网络消费行为的影响因素有:消费者个性特征、物理终端能力、应用环境、区域商业文化氛围,同时指出移动互联网下,消费者信息搜集受到限制,因而消费者在更少的信息下进行消费决策[40]。张晓东 (2011)根据网络口碑、感知价值、购买意向与购买行为的相互关系建立了网络口碑对消费者购买行为影响模型 ,实证检验表明网络口碑对功能价值、情感价值、社会价值存在正向影响,而功能价值、情感价值、社会价值对消费者购买意愿也有正向影响[41]。

2.2.4网络消费的对策研究

闫学元等人 (2014)认为发展网络消费需要做到以下几点:提高居民整体收入水平、坚强网络消费市场监督、提高消费者网络安全意识、规范网络运营商的行为、加强基础设施建设[42]。针对网络消费 ,闫静 (2010)认为商家应该转变营销理念、灵活运用商品定价策略、严格准入机制、尽量缩短配送时间。伍丽君 (2001)认为企业应该选择适合网上销售的产品和服务、提高网络广告质量、加强物流体系建设以及售后服务。

2.3实践研究

国内的网络消费行为实践研究比较散,典型的研究有:

梁霆鹏等人 (1998)通过实验研究方法对86个实验对象的调查研究发现不同特性的商品具有不同的用户接受度,而用户接受度由不确定性和商品的特异性所决定[43]。范秋英等人将层次分析法应用于网络消费行为研究,先归纳总结网络消费过程的各阶段的相关指标,然后对各指标构造矩阵求出各指标的权重,给各指标分等级,最后计算得到网络消费下的最优行动方案[44]。闫学元等人 (2014)通过实证分析方法检验我国居民人均收入水平、计算机使用数量、消费者上网时间与网络消费水平的相关关系,结果表明人均收入水平与网络消费水平存在线性回归关系。

大学生是一个受教育程度高、接触网络机会多的网络消费群体。很多研究人员对大学生网络消费的特征和影响因素等方面进行了研究。

在消费特征方面,宋欢通过问卷调查的方式总结分析出大学生网络消费的特点有:(1)大学生网络消费现象普遍、潜力大;(2)大学生网购主要购买书刊、衣服等低价、低风险的物品;(3)大学生更关注网络消费的可靠性[45]。郑桂玲 (2011)通过问卷调研发现大学生网络消费时关注网络消费平台品牌信誉、网络安全和产品质量、商品性价比、售后服务,同时大学生网上消费具有消费额低、从众现象明显[46]。

在消费行为影响因素方面,薛红燕 (2011)通过调查发现影响大学生网络消费的因素主要有:产品质量、售后服务、网络信息、物流[47]。黄文彦等人 (2012)通过建立大学生网络消费意愿假设模型,然后通过问卷调查的统计分析得到影响大学生网络消费的相关因素主要有:网站特征 (设计易用性、服务的安全性)、物流服务、顾客满意度、口碑、转移成本[48]。

3 国内外网络消费行为研究总结

从国内外关于网络消费行为研究的文献分析结果来看,可以得出以下结论:

3.1文献数量方面

国外对网络消费的研究从互联网向公众开放时就开始。从1998年开始,国外研究文献快速增长。从2010年开始 ,研究文献数量趋于平稳 ,这说明国外总体研究进入了一个相对成熟期。国内直到1998年才有人开始研究网络消费行为。此后国内对消费行为的研究就进入快速发展阶段。到2011年 ,国内的研究文献数量趋于平稳,国内的消费行为研究也进入一个相对成熟期。

从文献数量的年代分布可以看出:国内对网络消费行为的研究比国外的晚 ,但研究的发展速度很快。这跟我国互联网发展的情况相一致:国内互联网发展起步晚,但发展速度快。随着国内互联网的普及、网络消费的各种基础条件的完善 ,新的网络商业模式不断出现,国内网络消费的快速发展,因此对网络消费行为的研究也在不断加快并深入。

3.2理论研究方面

在理论体系方面,国外尤其是发达国家的网络消费行为研究建立在已有的、比较成熟的消费行为理论基础上,如TAM、SOR、TRA、TPB等消费理论模型。这些较为系统的理论基础让国外的研究很快从传统消费行为研究转向网络消费行为研究。在万维网向公众开放后,相关研究也随之展开。国外的网络消费行为理论研究有两个重点方向:网络消费过程的研究和网络消费行为影响因素的研究。前者主要从宏观角度研究网络消费行为的行为过程、决策过程等,这类研究一般要对行为过程进行建模、细化、分阶段 ,如文献 [11]、[12]。后者主要是从微观方面的某些角度深入研究其对网络消费行为的影响,例如从心理学角度的信任、社会学的文化、网页布局、网页互动和流程设计、网络评论、风险、隐私等角度。虽然是理论研究,但国外的研究绝大多数都是针对研究对象建立一个理论模型,然后通过各种研究方法来证明、检验相关的结论。该类研究方法结合了定性和定量分析,因此研究结论比较可靠。

网络消费行为研究建立在传统消费行为学、计算机网络、社会学、心理学等学科基础上,而国内学者在1993年前对这些学科领域的理论研究很少 ,这决定了国内的网络消费理论研究需要借鉴国外相关理论体系。国内的理论研究基本上是对既有网络消费现象的归纳、总结、创新,或者是进行网络消费行为本地化的应用研究。此外,国内网络消费行为没有系统性,研究点比较分散,实证性研究偏少 ,理论研究的信度不高。

3.3实践研究方面

国外的实践研究主要是针对一些具体问题来展开的,如环境、氛围,心理等,研究的结果可以直接应用于实际网络消费的某些方面。在推荐系统方面,由于国外的计算机、互联网发展较早,所以各种推荐算法研究比较成熟。

国内网络消费行为的实践研究集中于网络消费行为的优化、行为因素关系的实证研究等。根据国内互联网发展情况以及国民的受教育水平等,国内比较重视大学生群体的网络消费行为研究。我国的大学生群体数量庞大 ,且大学生的网络消费潜力巨大,因此研究好大学生网络消费行为对其他网络消费行为研究具有一定的启示。在推荐算法方面,国内的独创性算法研究很少,多数的研究是对国外算法的改进和优化。

4 未来研究趋势

关于网络消费行为 ,目前国内外的研究总体上正逐渐进入成熟期。随着移动互联网的快速发展,很多学者开始研究移动环境下的网络消费问题[36]。移动互联网下,用户网络消费可以随时随地、更加个性化,同时可以结合地理位置信息,实现各种精确消费信息的主动推送,这个是其他环境下的消费所无法实现的。这是这些原因,移动互联网下的消费行为研究正成为一个热门领域。

同时,网络消费行为研究与其他学科领域的紧密关联决定了可以进行新环境下的多学科交叉研究,如研究互联网、移动互联网下消费与传统消费之间的竞争、互补关系既可以改进现有的网络消费行为、传统消费行为,同时可以合理制定、实施不同的消费行为下的营销策略,还可以结合两者的优势从而更好地方便人们消费、促进消费。此外还可以加强对网络消费行为的应用研究,让研究成果更好地运用到实际消费中去。

[1]曹义锋,薛君.网络消费者行为研究综述[J].商场现代化,2006,(08X):146-147.

[2]Reardon J,McCorkle D E.A consumer model for channel switching behavior[J].International Journal of Retail&Distribution Management,2002,30(4):179-185.

[3]Guest L.Consumer analysis[J].Annual Review of Psychology,1962,13(1):315-344.

[4]Hoffman D L,Novak T P.Marketing in hypermedia computer-mediated environments:conceptual foundations[J].The Journal of Marketing,1996:50-68.

[5]Richmond A.Enticing online shoppers to buy—a human behavior study [J].Computer Networksand ISDN Systems,1996,28(7):1469-1480.

[6]Novak T P,Hoffman D L,Yung Y F.Measuring the customer experience in online environments:A structural modeling approach[J]. Marketing science,2000,19(1):22-42.

[7]KoufarisM.Applying the technology acceptancemodel and flow theory to online consumer behavior[J].Information systems research,2002,13(2):205-223.

[8]LiH,Kuo C,RusellM G.The impactof perceived channel utilities,shopping orientations,and demographics on the consumer's online buying behavior[J].Journal of Computer-Mediated Communication,1999,5(2):0-0.

[9]Gefen D.E-commerce:the role of familiarity and trust[J]. Omega,2000,28(6):725-737.

[10]Gefen D,Karahanna E,Straub D W.Trust and TAM in online shopping:an integrated model[J].MIS quarterly,2003,27(1):51-90.

[11]Pavlou P A.Consumer acceptance of electronic commerce:integrating trust and risk with the technology acceptance model[J].International journalof electronic commerce,2003,7(3):101-134.

[12]Kim D J,Ferrin D L,Rao H R.A trust-based consumer decision -making model in electronic commerce:The role of trust,perceived risk,and their antecedents[J].Decision support systems,2008,44 (2):544-564.

[13]Cheung CM K,Lee M K O.What drives consumers to spread electronicword ofmouth in online consumer-opinion platforms[J].Decision Support Systems,2012,53(1):218-225.

[14]Chen Y,Xie J.Online consumer review:Word-of-mouth as a new element of marketing communication mix[J].Management Science,2008,54(3):477-491.

[15]Gefen D,Straub DW.Managing user trust in B2C e-services[J]. E-service Journal,2003,2(2):7-24.

[16]Eroglu SA,Machleit K A,Davis LM.Atmospheric qualitiesofonline retailing:a conceptual model and implications[J].Journal of Business research,2001,54(2):177-184.

[17]Shepstone SE,Tan ZH,Jensen SH.Audio-based ageand gender identification to enhance the recommendation of TV content[J].Consumer Electronics,IEEE Transactions on,2013,59(3):721-729.

[18]Lops P,Musto C,Narducci F,et al.Cross-language personalization through a semantic content-based recommender system[M]∥Artificial Intelligence:Methodology,Systems,andApplications. Springer Berlin Heidelberg,2010:52-60.

[19]Zhou T,Ren J,Medo M,et al.Bipartite network projection and personal recommendation[J].Physical Review E,2007,76(4):046115.

[20]Resnick P,Iacovou N,Suchak M,et al.GroupLens:an open architecture for collaborative filtering of netnews[C]∥Proceedings of the 1994 ACM conference on Computer supported cooperative work. ACM,1994:175-186.

[21]Yoo SY,Jeong O R.SNS based recommendation algorithm[C]∥Information Science and Applications(ICISA),2013 International Conference on.IEEE,2013:1-3.

[22]PazzaniM J.A framework for collaborative,content-based and demographic filtering[J].Artificial Intelligence Review,1999,13(5 -6):393-408.

[23]Sarwar B,Karypis G,Konstan J,et al.Item-based collaborative filtering recommendation algorithms[C]∥Proceedings of the 10th international conference on World Wide Web.ACM,2001:285-295. [24]Nazim Uddin M,Shrestha J,Jo G S.Enhanced content-based filtering using diverse collaborative prediction for movie recommendation [C]∥Intelligent Information and Database Systems,2009.ACIIDS 2009.First Asian Conference on.IEEE,2009:132-137.

[25]Li X,Wang M,Liang T P.A multi-theoretical kernel-based approach to social network-based recommendation[J].Decision Support Systems,2014,65:95-104.

[26]厉以宁 .现代资产阶级经济学消费行为理论述评 [J].北京大学学报 :哲学社会科学版 ,1979,(2):55-71.

[27]吴晓莎,成娟.消费行为理论模型[J].消费经济 ,1992,(2):12.

[28]何明升,李一军.网络消费的数学模型与应用分析 [J].管理工程学报 ,2003,(1):10-12.

[29]何明升,李一军 .网络消费的基本特点及其对传统经济理论的突破 [J].学术交流 ,2001,(2):105-108.

[30]何明升 .网络消费方式的内在结构及其形成机理 [J].哈尔滨工业大学学报:社会科学版 ,2002,4(1):34-37.

[31]吴满意,谢海蓉 .论网络消费 [J].电子科技大学学报:社会科学版 ,2000,(3):21-23.

[32]黄飞.大学生网络消费偏好识别及影响因素研究 [D].中南大学,2013.

[33]刘丽华 .虚拟市场与消费者网络购买流程研究 [J].商场现代化,2008,(10):69-70.

[34]许雄奇,赖景生.网络营销消费者心理和行为探析 [J].商业经济与管理,2000,(6):33-35.

[35]张斌.网上消费群体和购买行为分析 [J].中国纺织大学学报,2000,(5):53-57.

[36]伍丽君 .网上消费者行为分析[J].湖北社会科学,2001,(12):19-20.

[37]王宜楷.电子商务时代的消费行为分析 [J].市场周刊:管理探索,2004,(S2):123-124,120.

[38]庞川 ,薛华成.对B to C环境下影响消费者信任因素的实证研究 [J].合肥工业大学学报:自然科学版,2004,27(2):158-162.

[39]闫静 .网络购物的消费者行为研究及应对策略 [J].经济师 , 2010,(5):49-50.

[40]廖卫红 .移动互联网环境下消费者行为研究 [J].科技管理研究 ,2013,14:179-183.

[41]张晓东,朱敏.网络口碑对消费者购买行为的影响研究 [J].消费经济 ,2011,(3):15-17,22.

[42]闫学元,张蕊.我国网络消费行为影响因素实证研究 [J].商业时代 ,2014,33:10-12.

[43]Liang T P,Huang JS.An empirical study on consumer acceptanceof products in electronicmarkets:a transaction costmodel[J].Decision support systems,1998,24(1):29-43.

[44]范秋英,方醒.基于层次分析法的网上消费者行为分析 [J].物流工程与管理 ,2013,(1):121-122.

[45]宋欢 .当代大学生网络消费的特点及引导对策——基于广东省若干高校大学生的问卷调查 [J].中国商贸,2012,18:51.

[46]郑桂玲,陈佳丽.大学生网络消费行为调查研究 [J].商场现代化,2011,(15):71-72.

[47]薛红燕,纪锋.大学生网络消费行为的实证研究 [J].哈尔滨商业大学学报 :社会科学版,2011,(2):23-27.

[48]黄文彦,温世松.大学生网络消费意愿影响因素实证研究[J].科技管理研究,2012,32(3):165-169.

(本文责任编辑:马 卓)

Review on the Online Consumption Behavior Study from Home and Abroad

Su Yuezhu
(Schoolof Economy and Management,South China NormalUniversity,Guangzhou 510006,China)

This paper used the topic sentences about the online consumer behavior to retrieve the relevant papers on the Web of Scienceand CNKI.Then itanalyzed all these papers from the perspectiveof yearsof the documents,origin of the studies,theoretical studies,empirical studies.After comparing the analytical results from home and abroad,this paper gave the differences between them,and came to the conclusion about the future study.

online;internet;mobile internet;consumer behavior

苏玥竹 (1989-),女,硕士研究生 ,研究方向:电子商务。

10.3969/j.issn.1008-0821.2015.05.036

F724.6

A

1008-0821(2015)05-0171-07

2015-02-10

猜你喜欢

消费行为消费消费者
国内消费
消费者网上购物六注意
浅析花卉市场中的消费行为
知识付费消费者
悄悄偷走消费者的创意
悄悄偷走消费者的创意
新消费ABC
大学生资源节约型消费行为的养成教育