基于ACSI模型的电子商务顾客价值提升研究

朱简　何波

摘要：基于ACSI顾客满意度指数模型及顾客价值的现有研究成果，本文构建出系统全面的顾客价值指标体系及提升模型，并运用结构方程模型分析该模型的路径系数，找出影响顾客满意度、忠诚度的显著性因素，从而确立电子商务顾客价值提升的关键路径。实证研究结果表明，电子商务产品、购买过程通过感知价值、顾客满意的中介作用对顾客忠诚具有显著影响。

关键词：电子商务；顾客价值；顾客忠诚；结构方程模型

中图分类号：F71336；C931文献标识码：B

一、引言

近年来，我国电子商务蓬勃发展，许多企业纷纷推出电子商务交易平台，力图获取电子商务市场份额，这使得电子商务市场竞争日益激烈。面对激烈的竞争，各电商大打价格战，希望通过低价策略来吸引消费者、赢得顾客忠诚。但是根据中国互联网络信息中心（CNNIC）发布的《中国互联网络发展状况统计报告》显示，“低价优势已经不是网络消费者重视的首要因素，而是越来越多地关注总体的价值和对网站的综合评判”[1]。电子商务网站必须以顾客为导向，不断提升顾客价值，才能获得持续的顾客忠诚。因此，如何提升电子商务顾客价值也就成为一项重要的研究课题。

目前，学者们对传统的实体交易环境下的顾客价值已有较多的研究成果，但是对于电子商务顾客价值提升的研究相对较少，而实证研究更少。Eighmey（1997）[2]将对电视传媒的研究扩展到对电子商务的研究，探讨了电子商务环境下消费者对商业网站的需求期望和行为意向反应，其对顾客价值的研究结果包括以下六个方面：（1）信息价值，即网站信息的有用性、实用性；（2）营销关系，即网站与顾客之间的关系；（3）易用性，即网站使用的难易程度对于网站对消费者的吸引力具有影响；（4）互动性，即网站与顾客之间的沟通交流、信息传递等；（5）信任程度，即消费者对网站的信任度；（6）娱乐性，即网站的乐趣性。Eighmey对网络顾客价值的研究从顾客感受角度进行了分析，关注到电子商务各方面的价值，但是Eighmey的研究忽視了网络消费者在使用过程中的过程价值感知。Court等（1999）[3]提出网络环境下的顾客价值“三分法”框架体系，其以化妆品网站为例，认为竞争环境下成功的企业营销应该从单一面向三维空间的营销模式转变，即从过去单纯强调功能性利益转向同时强调过程利益、功能利益和关系利益。Kim C.（2012）等人[4]对网络购物的顾客价值和顾客再购买的影响因素进行了实证分析，其将顾客价值划分为功利主义价值和享乐主义价值，主要受到系统质量（系统安全性、系统易用性）、信息质量（信息多样性、信息更新性）、服务质量（服务快速性、易接受性）的影响。Kim C.对顾客价值的分类较为笼统，主要是顾客对网站的整体性感受，没有具体到网站具体的产品或服务。

国内学者对电子商务顾客价值维度的研究兴起于21世纪初，在国外学者研究的基础上进行了本土化研究，并对顾客价值的构成维度进行了一些补充或调整，但是总体来说国内有关电子商务顾客价值构成维度的研究比较少。孟庆良等（2006）[5]将电子商务顾客价值划分为两个部分：（1）基于过程目标的顾客价值，即产品信息最大化、信息获取最大化、确保可靠传递、交易精确性最大化、更好的购买选择、产品可用性最大化、个人旅行最小化、使用容易性最大化、便利交互、最小化欺骗、最小化信用卡误用、最小化个人信息误用、优秀的一线员工；（2）基于结果目标的顾客价值，包括最大化产品质量、最小化成本、最小化获取产品时间、最大化方便性、最大化购买享受、最大化安全、最小化环境影响和最大化情感联系。金代志，王春霞和石春生（2009）[6]将顾客价值划分为功能价值、服务价值、品牌价值以及价格成本、其它成本维度，但该研究只对企业一年的数据进行了分析，其模型的适用性较弱。赵卫宏（2010）[7]将网络零售中的顾客价值划分为产品价值（品质、金钱节省性）、服务价值（购买便利、个性化服务、安全性）、情感价值（界面审美、信息探索性、过程愉快性）和社会价值（身份与自尊强化）。

综合上述，学者们从不同角度对顾客价值进行了分类，主要包括产品、服务、信息、安全、关系等方面的价值。现有的文献对电子商务顾客价值没有统一的分类，学者们根据各自研究的侧重点不同而对电子商务顾客价值进行了不同维度的划分，但是多数学者对电子商务顾客价值的分类缺乏系统性，而且极少有文献对电子商务交易过程进行系统研究。

本文基于以往学者对顾客价值和电子商务顾客价值的研究成果，针对现有文献对于电子商务顾客价值研究的不足，提出本文的研究思路和研究内容，构建了顾客价值提升模型。并以零售类电子商务为研究对象，基于顾客价值理论，针对电子商务的特点和交易流程，构建了电子商务顾客价值指标体系，包括产品价值、过程价值和社会价值。本文基于ACSI顾客满意度指数模型以及学者们对该模型的进一步改进成果，提出了本研究的研究模型和假设，并通过问卷调查和结构方程模型进行了实证分析，并对该顾客价值模型进行了检验和修正。

本文的创新点有三个：（1）对电子商务顾客价值构成维度进行了系统划分，并将电子商务交易流程纳入顾客价值构成指标体系，进一步完善了零售类电子商务顾客价值构成维度。本文基于顾客购物流程，将整个购物过程划分为五个阶段：购买前的产品检索阶段、购买决策阶段、订单支付阶段、物流配送阶段和售后服务阶段。根据顾客价值的动态性特征，提出不同购物阶段的顾客价值指标。（2）构建顾客价值提升模型，并分析了顾客价值各维度的影响作用大小。关于电子商务顾客价值的研究，以往的学者多对顾客价值构成维度进行了研究，对顾客价值提升模型研究较少。（3）运用结构方程模型研究顾客价值。以往的学者对电子商务顾客价值的研究多用理论研究或者传统的回归分析、线性相关分析等，这些研究方法具有一定的局限性，无法对复杂的指标和维度进行统计分析。而结构方程模型可以弥补这些方法的不足，可以同时分析各潜变量之间、各观测变量之间、各潜变量与各观测变量之间的关系，能够进行复杂的路径系数分析，得出各变量之间的复杂关系，分析结论更准确。

二、电子商务顾客价值模型构建

ACSI（ACSI，American Customer Satisfaction Index）是由Fornell（1994）等人[8]在瑞典顾客满意指数（SCSB）基础上创建的顾客满意度指数模型（如图1所示）。该模型以产品和服务过程为基础，通过研究感知质量、顾客期望对感知价值和顾客满意的影响，同时分析顾客满意对顾客忠诚、顾客抱怨的影响，总体包括四个层次结构，感知价值和顾客满意是感知质量、顾客期望与顾客抱怨、顾客忠诚的中介变量。该模型是一个体系较为完整、应用效果较好的满意度理论模型，应用较为广泛，学者们运用该模型对不同的行业、企业、部门的顾客满意度进行了研究，也进一步扩展到不同领域的顾客忠诚研究。

顾鹏飞（2010）[9]认为电子商务的产品价值、服务价值、关系价值对顾客满意、顾客忠诚均有直接的影响作用，顾客价值也通过顾客满意对顾客忠诚有间接影响作用，但是该模型忽视了感知价值的中介作用和转换成本的干扰作用，并且在构建顾客价值维度时也忽略了电子商务交易过程的价值。

基于上述模型研究基础，本文构建出电子商务顾客价值提升模型（见图2），本研究的模型由4个部分组成：（1）电子商务顾客价值的构成维度；（2）电子商务顾客价值与顾客感知价值、顾客满意度之间的关系；（3）顾客感知价值、顾客满意与顾客忠诚之间的关系；（4）转换成本对顾客忠诚度的影响作用。

三、结构方程模型分析

根据《2014中国互联网发展报告》CNNIC调查统计显示：“截至2014年12月底，中国网民中男女比例为558：442；年龄分布最多的是20-29岁；学生所占比例达到251%，居第一位；个人月收入主要集中在5 000元以下”[1]。本次问卷调查共发放400份问卷，回收382份，去除无效问卷，有效问卷为358份，问卷回收率952%，问卷回收有效率895%。问卷样本量358份满足数据统计分析需求和结构方程模型对样本量的要求。从描述性统计分析结果来看，此次调查样本中男女性别比例接近于1：1，年龄层次主要分布在18-30岁之间，以学生和企业员工为主，学历以本科以上为主，收入集中在6 000元以下，这与CNNIC统计的网民情况基本一致，说明样本的选取具有一定的代表性。

本文通过问卷调查收集了样本数据，并运用SPSS 200和AMOS 170软件对调查样本进行描述性统计分析、信度和效度分析、方差分析以及结构方程模型分析。

从信度分析结果来看，Cronbachs α一致性系数值均大于070，具有较高的信度，问卷整体的α系数值为0969，说明问卷具有较高的可靠性和一致性，可以进行进一步的数据分析。

从效度分析结果看，本次问卷调查各问项的因子载荷量均大于0700，说明测量问项是有效的；而各变量的度量指标对研究变量总的解释程度均超过60%，表明各度量指标基本合理，因此本文提出的研究变量是有效的，可以进行后续的分析。

结构方程模型属于多变量统计，整合了因素分析和路径分析两种统计方法，模型中包含了显性变量、潜变量、干扰变量之间的关系，进而获得自变量对因变量的直接影响、间接影响[10]。结构方程模型能够对复杂的理论模式进行处理，并根据模式与数据关系的一致性程度，对理论模型进行评价，进而检验假设的理论模型。

（一） 正态分布检验

在进行结构方程建模之前需要对样本进行正态分布检验，符合正态分布的数据才适合用极大似然法进行参数估计。运用SPSS对样本做正态分布检验（结果见表1），在所有测量指标中，最大的偏度绝对值为0440，最大的峰度绝对值为3143，均符合正态分布的参考标准（偏度小于3且峰度小于8）。因此认为样本满足正态分布要求，可以用极大似然法对结构方程模型进行参数估计。

（二） 高阶验证性因子模型分析

1模型结构。本文将顾客价值分为产品价值、过程价值和社会价值三个维度，而这三个价值维度下面有2个以上二级指标，二级指标又有多个三级指标，每一个三级指标通过3个以上不同的具体问项来测量，从结构方程模型的角度看，属于高阶因子模型。在研究全模型之前，需要进行二阶验证性因子分析。二阶因子分析属于高阶因子分析，通过高阶验证性因子分析，可以判断因子之间的关系、潜变量与指标之间的关系，检验二阶验证性因子模型的信度和效度以及模型的拟合程度。

产品质量、价格优势、失误补救是产品价值的一阶因子，网页设计、信息支持、订单支付、物流配送、售后服务是过程价值的一阶因子，网站形象和顾客关系是社会价值的一阶因子。产品价值、过程价值、社会价值分析为二阶验证性因子分析，又称高阶验证性因子分析。通常，一阶因子和二阶因子产生隐含的协方差矩阵，一阶因子对二阶因子有直接的效果负荷。本研究的二阶因子分析结构模型满足结构方程模型的三条指标法则和t规则，模型是可识别的。

2.二阶验证性因子分析结果。从模型分析结果来看（见表2），产品价值、过程价值、社会价值的一阶因子标准化因子负荷均在07以上，项目信度都在05以上，t值通过显著性检验，说明所有一阶因子均可作为二阶因子的测量指标。从建构信度指标来看，产品价值、过程价值、社会价值的建构信度均达到基本标准06，表明一阶因子具有较好的内部一致性。各二阶因子的平均方差（AVE），均在05以上，说明一阶因子的解释力超过其误差方差，该模型具有较好的聚合效度。综合上述，二阶验证性因子分析结果表明该高阶因子模型具有较好的信度和效度。

从高阶因子模型拟合指数检验表（见表3）可以看出，该模型的简约适配度、卡方自由度比均达到基准要求，而增值適配度指数均接近于基本适配标准，部分绝对适配度指数达到基准要求，因此，该模型的拟合度尚可。

（三） 全模型分析

1.模型构建。本文认为零售类电子商务顾客价值包括产品价值、过程价值和社会价值三个维度，其中，产品价值包括产品质量、价格优势和失误补救三个指标；过程价值涵盖了顾客从浏览网页到购买、收货的整个完整的流程，包括网页设计、信息支持、订单支付、物流配送、售后服务；社会价值由两个指标构成，即网站形象和顾客关系。这三类顾客价值通过顾客总体的感知价值和顾客满意度最终影响顾客的忠诚度。本文将通过结构方程模型研究顾客价值的各个维度对顾客忠诚的影响作用。

2.模型识别。根据三指标法则，本模型的潜变量均由三个或三个以上测量指标来测量，并且从前一章的信度效度检验来看，所有指标均有较高的信度、效度；一个测量变量只测量一个特质量，满足因子负荷矩阵每一行有且只有一个非零值的要求；残差的协方差矩阵为对角矩阵，因子之间相互独立。因此，本模型满足三条指标的条件。根据t规则，本模型共有48个测量指标，q（q+1）/2=1176，本研究的模型需要对48个因子负荷进行估计，所有的误差方差、相关系数、路径系数、残差等参数估计小于1 176，满足模型识别的必要条件。从结构模型来看，如图5-3，本模型属于递归模型，无双向因果关系，残差彼此不相关，该模型可识别。因此，从结构方程模型识别条件来看，本研究的模型是可识别的。

3.模型参数估计及评价。通过AMOS170统计软件对208份有效问卷进行模型拟合，参数估计结果如图3。从路径系数看，产品价值和过程价值对顾客的感知价值和顾客满意具有正向作用，社会价值对感知价值的路径系数为-002，不具有正向影响，但社会价值对顾客满意具有正向作用。

表4汇总了顾客价值各个维度对两个中介变量和顾客忠诚的影响作用。从参数估计的结果来看，社会价值对感知价值的标准化路径系数为-0016，显著性水平p>01，说明社会价值对感知价值没有显著性影响，不支持原假设。除社会价值外，顾客价值的其它各个维度对感知价值和顾客满意的显著性均达到了001的水平，说明這些指标对中介变量的影响较为显著；感知价值、顾客满意对顾客忠诚的标准化系数也达到了001的水平，说明具有显著性。而转换成本对顾客忠诚的标准化系数为0012，005从模型拟合度指标分析结果看（见表5），该模型的卡方值χ2为987969，卡方自由度比为1977，达到适配标准；在其它绝对适配度指数、增值适配度指数方面，部分指标达到了适配标准，个别指标接近于适配标准；简约适配度指数均达到标准要求。因此，该模型的拟合度尚可，但不够理想。

4.模型修正。由于初始模型的拟合效果不佳，需要对初始模型进行修正。修正方法是逐步将残差项间建立共变关系，如图4，残差间的双向箭头表示共变关系而非因果关系。图4中，模型修正后个别路径系数比初始模型的路径系数略有提高，显著性略微增强。

从修正模型的拟合指数检验结果来看（见表6），修正后的模型卡方值χ2为893603，比初始模型的卡方值有所减小，卡方自由比也有所降低。在绝对适配度指数方面，RMR为0041，RMSEA为0062，均达到适配标准，GFI、AGFI值相比初始模型有所提高；增值适配度指数中，IFI、TLI、CFI均在090以上，而NFI、RFI值虽未达到标准，但是比初始模型的拟合指数有所提高；简约适配度指数均达到适配标准，而且比初始模型适配度要好。综上所述，修正后的模型拟合度基本良好。

（四）结构方程模型研究结论

在结构方程模型中，当路径系数的显著性水平低于01，则该假设关系不成立；显著性水平高于01，则该假设关系部分成立；显著性水平高于005，则该假设关系成立。通过对模型的路径系数分析，得到以下结论。

1电子商务的顾客价值构成维度与感知价值的关系假设检验

H1a：产品价值对感知价值具有显著的正向影响。

从结构方程模型的路径系数测算结果来看，产品价值对感知价值的路径系数是059，显著性水平在001以上，则认为假设H1a成立，表明电子商务的产品价值对顾客的总体感知价值有显著性影响，产品价值越高，顾客感知价值越高，产品价值是顾客感知价值的预测变量之一。

H1b：过程价值对感知价值具有显著的正向影响。

从结构方程模型的参数估计结果看，电子商务的过程价值对顾客的感知价值路径系数为045，显著性水平在001以上，说明过程价值对顾客感知价值有显著的正向影响，则认为假设H1b成立。零售类电子商务的过程价值越高，顾客的感知价值越高。

从结构方程模型的路径系数测量结果来看，社会价值对感知价值的标准化回归系数为-002，显著性水平为096，大于01，说明社会价值对顾客的感知价值没有显著影响。因此，假设H1c不成立。

2电子商务的顾客价值构成维度与顾客满意的关系假设检验

H2a：产品价值对顾客满意具有显著的正向影响。

从结构方程模型的路径系数测量结果来看，产品价值对顾客满意的标准化回归系数为045，显著性水平在001以上，说明产品价值对顾客满意度的影响较为显著，电子商务网站提供的产品价值越高，顾客满意度越高。因此，假设H2a成立。

H2b：过程价值对顾客满意具有显著的正向影响。

从结构方程模型的路径系数测量结果来看，过程价值对顾客满意的路径系数为061，显著性水平在001以上，说明过程价值对顾客满意度具有显著性影响，电子商务网站的过程价值越高，顾客满意度越高。因此，假设H2b成立。

H2c：社会价值对顾客满意具有显著的正向影响。

从结构方程模型的路径系数测算结果来看，社会价值对顾客满意的路径系数是021，显著性水平在001以上，则认为假设H2c成立，表明电子商务的社会价值对顾客满意度有显著性影响，社会价值越高，顾客满意度越高，社会价值是顾客满意的预测变量之一。

3网络消费者的感知价值与顾客满意的关系假设检验

H3：网络消费者的感知价值越高，顾客满意度越高。

通过结构方程模型的参数估计结果发现，感知价值对顾客满意的路径系数为073，显著性水平在001以上，说明顾客的感知价值对顾客满意度具有显著性影响，顾客所感知到的价值越高，其满意度就越高。因此，假设H2b成立。

4感知价值与顾客忠诚的关系假设检验

H4：顾客感知价值越高，顾客忠诚度越高。

感知价值对顾客忠诚的路径系数是063，显著性水平在001以上，说明顾客感知价值越高，顾客对电子商务网站的忠诚度越高，因此，原假设H4成立。

5顾客满意与顾客忠诚的关系假设检验

H5：顾客满意度越高，顾客的忠诚度越高。

顾客满意对顾客忠诚的路径系数是047，显著性水平在001以上，说明顾客满意度越高，顾客对电子商务网站的忠诚度越高，因此，原假设H5成立。

6转换成本与顾客忠诚的关系假设检验

H6：转换成本对顾客忠诚的影响较小。

从结构方程模型的路径系数测量结果来看，转换成本对顾客忠诚的路径系数为001，显著性水平为0056，005综合上述分析，产品价值、过程价值对顾客感知价值和顧客满意均有显著性影响，而社会价值对顾客感知价值没有显著性影响，产品价值、过程价值、社会价值通过影响顾客感知价值和顾客满意最终影响顾客忠诚，而转换成本对顾客忠诚的影响极小。因此，电子商务顾客价值提升模型可以修正为如图5，由于社会价值对顾客感知价值没有显著影响，所以用虚线表示二者的关系。

四、结论

从结构方程模型研究结果可以得出顾客价值各维度对中介变量的作用程度大小以及中介变量对顾客忠诚的作用程度大小，如表7所示。从表中可以看出，感知价值对顾客忠诚的影响最大，而产品价值对中介变量的影响最大，过程价值次之，社会价值影响最小。

从表8可以得知，价格优势、产品质量、失误补救对顾客的产品价值感知影响依次减小；物流配送对顾客过程价值感知影响最大，订单支付次之，售后服务、信息支持、网页设计的影响依次减小；网站形象对顾客的社会价值感知影响最大，顾客关系次之。

参考文献：

[1]中国互联网络信息中心.中国互联网络发展状况统计报告[EB/OL].http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/.

[2]Eighmey， J. Profiling user responses to commercial websites[J].Journal of Advertising Research， 1997（6）： 21-35.

[3]Court， D.， Thomas， D.， French，T. I.M.& Michael， P. Marketing in 3-D[J].The McKinsey Quarterly， 1999（4）： 6-17.

[4]Kim C.etal. Factors Influencing Internet Shopping Value and Customer Repurchase Intention[J].Electronic Commerce Research and Applications， 2012（4）： 374-387.

[5]孟庆良，韩玉启，吴正刚.电子商务模式下顾客价值度量模型的构建及应用[J].科技进步与对策，2006（6）：148-150.

[6]金代志，王春霞，石春生.基于BP神经网络的顾客价值识别研究[J].中国软科学，2009（7）：151-156.

[7]赵卫宏.网络零售中的顾客价值及其对店铺忠诚的影响[J].经济管理，2010（5）：74-87.

[8]Claes Fornell，刘金兰.顾客满意度和ACSI[M].天津：天津大学出版社，2005.

[9]顾鹏飞.C2C电子商务中顾客价值与顾客忠诚的关系研究[D].杭州：浙江大学，2010.

[10]吴明隆.结构方程模型[M].重庆：重庆大学出版社，2009.

（责任编辑：李江）