消费者接受电子商务个性化推荐的感知维度及其影响研究

郑春东，窦 涵

（天津大学管理与经济学部，天津 300072）



●经济与管理

消费者接受电子商务个性化推荐的感知维度及其影响研究

郑春东，窦 涵

（天津大学管理与经济学部，天津 300072）

基于消费者感知角度研究消费者接受电子商务个性化推荐的维度及其影响，可以在为电子商务平台进行个性化推荐优化提供依据。研究表明，从消费者感知角度来看:消费者接受电商个性化推荐的感知维度主要有消费者感知舒适度、感知价值、外部推荐、商家动机、推荐形式和感知安全六个维度；其中感知舒适度、感知价值、外部推荐和推荐形式与消费者接受电商个性化推荐呈显著正相关关系，而商家动机与消费者接受个性化推荐呈显著负相关关系；此外，不同的消费者群体对各感知维度的偏好具有差异性，需要进行有针对性的个性化推荐。

个性化推荐；消费者感知；电子商务

尽管电子商务发展迅速，但电商单一用户的购买频次一般变化不大，主要业绩增长动力在于用户数量的增长。因此，如何提升用户体验进而获取新的用户成为电商在竞争中取胜的关键问题之一。另一方面，随着网站内容形式的多样性渐强，用户对信息的使用效率反而降低，信息超载问题日趋明显。尤其是在电子商务领域:电商平台为用户提供更多商品选择的同时，增加了用户搜索真正所需产品的时间。虽然搜索引擎技术在一定程度上缓解了这一问题，但没有真正提高电子商务领域的用户信息获取效率。而个性化推荐在解决电商信息超载问题上具有明显优势，它可以更主动的满足用户现有需求以及用户无目的性浏览时的潜在需求。因此，个性化推荐具有广泛的发展空间和应用需求。同时，基于目前部分消费者甚至对个性化推荐提供的信息有消极反应的现状，研究如何使个性化推荐更易于被用户接受，将个性化推荐信息转化为消费者实际购买行为具有重要意义。

一、理论综述

（一）个性化推荐的概念

1995年，Robert Armstrong等在美国人工智能协会上提出了个性化导航系统Web Watcher。到1997年，Resnick和Varian在《Recommender Systems》一文中将个性化推荐引入了电子商务领域，他们定义电子商务个性化推荐指的是运用电子商务网站向用户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助用户完成购买过程［1］。目前，这一概念得到了学术界的广泛认同。国内的学者也就个性化推荐的内涵提出了自己的观点，如梁伟萍（2011）提出，推荐服务是通过对大量用户数据进行挖掘、处理后，建立的一个智能平台，为客户提供针对性的信息推送服务［2］。本文在研究中采用Resnick和Varian的定义。

（二）消费者感知的内涵及其度量

感知是指个体选择性的注意、感受、理解及存储相关信息的动态过程。感知过程是一个系统的连贯的心理过程。消费者感知是消费者与服务系统之间互动过程的真实体验。现有关于消费者感知的研究从不同角度对其内涵进行了解释，有总体评价论、满足感知论、多因素评价论、质量论和得失论等观点。Zeithaml（1988）首先从顾客角度提出:顾客感知是顾客对产品或服务效用的整体评价［3］。Gale（1994）则认为，消费者感知是对产品经过市场价格调整后的质量感知［4］。Jamie等（2015）基于电子商务环境背景提出消费者感知是指消费者个人在线上技术驱动的服务过程和多样性的零售商选择中感知到的好处，进而促进消费目标的实现［5］。本研究中消费者感知是消费者与电商互动过程中对经过及结果的主观感受，具体指消费者在使用电商个性化推荐过程中的主观感受。

我们从消费者感知价值和消费者体验两个角度对消费者感知维度进行度量。从目前关于电子商务环境下消费者的感知价值研究角度出发，Dubinsky（2003）认为线上消费者感知价值的主要影响因素是感知产品价格、产品质量、感知风险和体验价值［6］。Jarvenpa和Todd（2005）指出服务、产品和感知风险是影响感知价值的主要因素［7］。我国学者也对线上电商环境下的消费者感知维度进行了探索。董大海和杨毅（2008）则指出线上环境下的消费者感知价值可分为结果性价值、情感性价值和程序性价值［8］。李雪欣等（2013）通过实证分析，认为影响网络消费者感知价值的因素有感知网站服务质量、感知风险、购买成本以及感知产品质量［9］。Shahzad等（2015）认为线上消费者的感知会受到之前消费者购买评价的影响，如果这一感知价值较高，会进而影响自己的二次购买行为［10］。

现有关于电商环境下消费者体验的维度研究也非常丰富［11］［12］［13］。Efthymios Constantinides（2005）在研究中将网站购物体验对消费者购买行为的影响时，认为顾客体验应该包括功能因素、内容因素和心理因素三个部分［14］。Bolton等（2009）则提出，顾客线上购物体验包括电商环境、顾客投入程度和社会氛围等多种因素［15］。我国学者贺和平等（2013）认为，基于消费者体验视角的线上购物体验包括社会性价值、利他性价值、经济性价值和享乐性价值［16］。Tze-Hsien等则（2015）通过研究提出消费者线上购物体验还受到消费者控制欲和对人际关系敏感度的影响［17］。

基于以上研究，本文认为在构建消费者接受电子商务个性化推荐的感知维度框架时，可以基于消费者感知价值和顾客体验价值的研究维度，具体内容将在下文中指出。

二、研究假设与模型

（一）消费者接受电子商务个性化推荐的维度框架

基于现有测量消费者感知价值与顾客体验价值的相关文献，我们认为消费者接受电子商务个性化推荐的感知维度主要有技术因素、系统信任和社群影响三个方面。其中，技术因素具体包括感知有用性、感知易用性和感知舒适性三个维度；系统信任包括感知安全和商家动机两个维度；社群影响具体包括外部评价、媒体宣传两个个维度（如图1）。

图1　感知维度框架图

（二）假设的提出

1.技术因素

（1）感知有用性与感知易用性

个性化推荐系统是基于数据挖掘的智能商务平台，消费者对个性化推荐的接受可以说是接受一项高级技术的过程。Davis（1986）基于理性行为理论提出技术接受模型（Technology Acceptance Model，TAM），该模型可以解释用户对技术的接受程度［18］。TAM认为，用户在接受一项技术时，感知有用性和感知易用性是两项决定因素。感知有用性（Perceived usefulness，PU）是指用户在使用某项系统技术时，其对工作绩效提升程度的主观感受。感知易用性（Perceived ease-of-use，PEOU）是指用户在使用某项系统技术时，认为其能够简单容易掌握的程度。这两项因素可以促进用户使用个性化推荐技术。在本研究中，感知有用性可以理解为用户对个性化推荐系统的有用程度的主观感受。具体来说包括个性化推荐系统是否能够准确判断用户的兴趣和需求，是否能够有效提高用户选择商品的效率，是否能够为用户提供有效的产品信息和产品分析方法等。而感知易用性可以理解为用户在使用和学习个性化推荐系统过程中对便捷程度的主观感受。具体包括个性化推荐系统是否容易使用，是否方便用户进行学习等。

（2）舒适性

Aljukhadar（2011）通过访谈形式发现，消费者对个性化推荐系统信息更新时间、推荐界面等都具有一定要求［19］。可以看出，用户在使用一项网络技术时，对其所表现出的外在形式也非常注重。因此，在感知有用性、易用性和感知安全的基础上，本文认为消费者接受个性化推荐系统的感知维度包括在使用系统时感知的舒适性。具体包括个性化信息的推送时机、采取的推送方式、个性化信息在页面中的布局等内容。

假设H1:消费者对个性化推荐的感知有用性和感知易用性对其接受个性化推荐具有显著影响。

假设H2:消费者对个性化推荐系统使用的舒适性对其接受个性化推荐具有显著影响。

2.系统信任

消费者在进行网购时，网上交易的安全性是他们的首要关注点［20］。对电子商务平台的个性化推荐系统的信任会影响消费者对其推荐内容的判断，消费者信任个性化推荐系统，更容易接受其所推荐的内容。

（1）感知安全

消费者在使用个性化推荐系统时，系统一般需要对自己的浏览记录、个人主页等进行访问，用户也需要确保系统能够保证自身的隐私安全和交易信息不被泄露，同时防止密码被窜改等行为。因此，本研究认为消费者对个性化推荐系统的感知安全是影响其对个性化推荐技术接受程度的重要因素之一。感知安全的具体内容包括电商平台能够提供可靠的安全机制，对个人信息进行保密；同时，个性化推荐的内容能够让消费者信任。

（2）商家动机

在之前的研究中已经证明，商家的信誉是影响消费者对电商信任程度的重要因素，消费者更愿意相信信誉更好的商家所发布的信息［21］。Mcknight和Chervancy（2000）曾虚构某一家法律咨询网址进行消费者对其的信任测试，也证明了商家能力、善意和诚意是影响消费者购买因素的重要原因［22］。本文在研究基础上进行了调整，认为商家动机也是影响用户是否接受电商所推荐内容的一个重要方面。具体是指商家在对消费者进行个性化推荐时的利益出发点，消费者所感知到的商家动机是出于增加自身销售考虑还是出于帮助消费者进行购买决策的角度。

假设H3:消费者对个性化推荐系统的感知安全对其接受个性化推荐有显著影响。

假设H4:消费者对商家动机的信任对其接受个性化推荐有显著影响。

3.社群影响

理性行为理论（Theory of Reasoned Action，TRA）认为人能够完全控制自己的行为，但是在组织环境下，个体行为会受到外部环境的制约。Nambisan和Watt（2011）也通过研究证明，产品的社群背景对顾客感知的重要性［23］。个性化推荐的很多内容本身就来自于他人的评价及打分或系统的数据挖掘及数据分析。而消费者在使用个性化推荐系统的过程中，会受到包括宣传信息、周围朋友、专家意见等不同人的影响。因此，本文认为引入社群影响因素作为消费者接受个性化推荐的感知维度之一，具体包括周围人、媒体、专家等对个性化推荐的态度。

假设H5:社群影响对消费者接受个性化推荐具有显著影响。

三、实证分析

以研究框架为依据，进行问卷设计，判断消费者对各假设维度的感知偏好。问卷设计参考了现有量表与技术模型（具体来源如表1），并且，考虑到目前个性化推荐形式的多样性，本文加入推荐形式维度的两道题项，以帮助电商平台更好的了解消费者更倾向的推荐形式。

表1　问卷指标表

问卷采用李克特量表的方法进行选项设计。要求被调查者对每一陈述作七级评定:完全不认同、不认同、比较不认同、一般、比较认同、认同、完全认同。通过受调者对题项陈述的回答推论其情感态度与价值倾向。问卷调查对象是电子商务平台的消费者，其中以三十岁以下的在校大学生与硕博士生为主。

（一）样本人口统计特征

本次调研以网络问卷的形式进行，共发放235份，其中有效问卷198份，问卷有效率为90.4%。样本男女比例合理，年龄结构符合网民特征。此外，研究样本以高学历人群为主，具有较强的购买能力，且接触电子商务平台时间较长，对个性化推荐有一定的了解与自我判断。因此，样本具有较强的代表性。

（二）信度分析

我们首先使用科隆巴赫一致性系数（Cronbachα）对问卷进行一致性检验。使用SPSS19.0进行分析运算，本问卷的信度系数为0.926〈1，问卷可靠性较高，即信度较高。

表2　可靠性统计量表

（三）因子分析

为了进一步对消费者感知电子商务平台个性化推荐的主要维度进行提取，我们对问卷进行实证数据的因子分析，将相似因素进行合并。首先，对数据进行合适性检验，数据KMO值为0.86〉0.5，巴利特球体验p值为0〈0.05，说明问卷结构效度较好且适合进行因子分析。初始分析表明，有6个因子特征值大于1，累积方差贡献率达74.836%，结合上文分析，提取6个因子作为消费者接受电子商务个性化推荐的主要感知维度。这6个因子分别为舒适性、感知价值（包括感知易用性与感知有效性）、感知安全、外部评价、商家动机和推荐形式。

（四）相关分析

在确定问卷可信后，我们进一步研究各因素如何影响消费者对个性化推荐的感知，以及各因素的影响程度。通过Pearon相关分析进行各项因素与电子商务个性化推荐接受程度的相关性。

表3的结果可以发现，音频输出与媒体宣传与消费者接受电子商务的个性化推荐不具有相关关系。消费者个人的风险偏好和电商的推荐动机与消费者接受电子商务个性化推荐的程度有负相关关系，其中电子商务平台的推荐动机影响较为显著。

呈现正相关关系且影响作用显著的因素依次是个性化推荐的感知有用性（0.707）、功能价值（0.567）、舒适性（0.500）、安全机制（0.441）、个性化推荐的感知易用性（0.359）、外部评价（0.310）、内容安全（0.269）和电商信用（0.143）。

表3　相关性检验结果表

（五）聚类分析

为了进一步研究不同消费者接受电子商务个性化推荐感知维度的偏好，我们对问卷数据进行聚类分析和均值分析，将受调者依据感知维度进行分类，探索用户群体感知维度的相似性及各类群体中不同感知维度的影响。

聚类结果表明，依据消费者接受电子商务个性化推荐的感知维度偏好，可以将消费者分为五类，他们对各感知维度的偏好具有明显差异。如表4结果所示，63.3%的消费者重视个性化推荐的舒适性、感知价值和外部评价；16.1%的消费者重视个性化推荐的舒适性与感知安全性；13%的消费者偏好个性化推荐的舒适性、外部评价和推荐形式；4.5%的消费者重视个性化推荐的感知安全、商家动机和推荐形式；3%的消费者重视个性化推荐的外部评价。

（六）研究结果

1.消费者感知维度分析结果

由上述分析，假设1和假设2被验证。感知有用性和感知易用性对消费者接受电子商务个性化推荐的影响最为显著。说明消费者认为个性化推荐节约购买成本的效用和系统易操作性非常重要。同时，感知舒适性对消费者接受电子商务个性化推荐的影响显著，舒适性的内涵较为广泛，表明选择恰当的推荐时机、在适当的位置进行推荐、输出项目的美观便捷都会增加消费者接受个性化推荐的可能程度。

表4　聚类分析结果表

图2　感知维度框架图（调整后）

假设3和假设4被验证。消费者对自身信息安全非常重视，具体表现在对电子商务平台的安全机制、个性化推荐内容的安全性和电子商务平台的信用三个方面的感知安全。消费者越感到安全，越能相信电子商务平台及个性化推荐的内容，越容易接受相关推荐。而电子商务平台的推荐动机与消费者接受个性化推荐的程度有负相关关系。电子商务平台以销售为目的进行的个性化推荐不容易被消费者所接受，反而会使消费者对所推荐内容产生厌恶情绪，甚至对电子商务平台的信任度下降；消费者希望电子商务平台是基于消费者自身的购买偏好和需求进行个性化推荐的。

假设5被部分验证。朋友、亲人等相互熟悉的人对电子商务个性化推荐的评价对消费者具有显著影响；而媒体宣传与消费者接受个性化推荐的程度没有相关性。这一看似矛盾的问题产生的原因可能是研究的样本特征，我们的样本主要由本科及本科以上学历的20-29岁人群构成，他们对媒体广告的辨别性较强，具有鲜明的个人消费理念，不易被媒体广告所影响。同时，研究样本多处在集体生活的阶段，容易被室友、朋友间具有相似的消费观念，因此外部评价的影响较为显著。

此外，研究表明消费者接受电子商务个性化推荐的主要感知维度有6个，分别为舒适性、感知价值（包括感知易用性与感知有效性）、感知安全、外部评价、商家动机和推荐形式。可以得到修正后的消费者感知维度框架如图2。

2.消费者分类结果

依据消费者对6类维度的偏好，可以对消费者进行分类。

感知与体验偏好型消费者为最主要的消费群体，他们重视个性化推荐技术的感知有用性、感知易用性（0.25）和舒适性（0.12），同时，比较重视他人对个性化推荐的态度（0.14）。而对于这一类型消费者，个性化推荐的感知安全（-0.09）、商家动机（-0.05）和推荐形式（0.00）的影响较弱。他们认为个性化推荐系统是非常有价值的，可以有效提高自身的购买效率，所关注的内容多是个性化推荐系统本身，对技术要求程度高，其他因素影响较小。

第二类消费群体是体验与感知安全偏好型消费者，他们重视个性化推荐系统的感知舒适性（1.98）和感知安全（1.24），且这两项感知维度的正相关性非常明显。系统的感知价值（-1.08）、外部评价（-1.11）和推荐形式（-1.17）的负相关影响则非常明显，商家的推荐动机（-0.03）的影响显著性最弱。这类消费者对个性化推荐的需求较高，而对个性化推荐的相关了解较少，他们需要肯定个性化推荐的可信任程度，进而使用和接受个性化推荐。

第三类消费群体是体验与感知安全偏好型消费者，舒适性（1.29）、推荐形式（1.77）和外部评价（0.57）对他们的正相关影响最明显，感知安全（-1.00）和感知价值（-3.12）呈现负相关影响，商家动机则无影响（0.00）。这类消费者重视个性化推荐系统的体验品质；同时个人的消费观念较强，当对系统的有用性缺乏有效判断时，重视自身的主观体验和他人的评价。

第四类消费者为群体较小，为感知安全与信任偏好型消费者。他们重视个性化推荐的感知安全（1.13）、商家动机（1.18）和推荐形式（1.19），而舒适性（-1.37）、感知价值（-0.40）和外部评价（-2.85）则呈现出负相关影响。这类消费者对个性化推荐系统缺乏了解，不容易对个性化推荐系统和所推荐内容产生信任。

第五类消费群体为占比最小的认知偏好型消费者。他们主要的感知维度是外部评价（1.61），而舒适性（-2.62）、感知安全（-0.59）、感知价值（-1.08）、商家动机（-0.28）和推荐形式（-1.28）都呈现出负相关性影响。这类特殊消费者数量非常少，他们对个性化推荐的认知几乎全部来自于外部的评价，容易相信家人、朋友、专家效应，自身没有准确的了解和判断；而同时，他们对个性化推荐系统的技术程度要求较少，一旦接受来自外部对个性化推荐系统的积极评价，很容易接受个性化推荐的内容。

四、结论与讨论

（一）研究结论与建议

通过上述实证分析，可以得到对电商平台改进个性化推荐系统的启示:对个性化推荐的优化可以从个性化推荐系统和电商平台两个角度进行。

个性化推荐系统的技术优化包括提升系统感知有用性、感知易用性和感知舒适性三个方面。首先，要进行有针对性的个性化推荐。具体来说，要设计更多有针对不同用户人群的个性化推荐功能。同时，应该保证推荐信息的质量，推荐的内容要有一定的广度和深度。此外，个性化推荐的内容要根据社会经济环境的变化不断进行修改，提升推荐系统的性能，更新推荐方法或推荐数据，适应不断发展变化的社会需求和消费者需求，可以不定期进行消费者满意度的调查，根据消费者建议，及时进行技术服务升级。而对于感知舒适性的改进，则应该使个性化推荐系统更加人性化和智能化，将个性化系统的针对性推荐与智能服务相结合，实现推荐内容最大程度的精准性和可靠性，让消费者感到友好的人机交互体验。

而对电子商务平台的建议则包括优化社会推荐、提升对消费者分类的意识、改进消费者认知和提升消费者感知安全四个方面。本文研究发现，目前消费者还缺乏对个性化推荐有效而系统的认知，而人们往往倾向于信任和接受自己了解的事物。电子商务平台可以让消费者了解个性化推荐内容输出原理或结果的获取过程，使消费者认识到个性化推荐是建立在可信的数据挖掘和数据分析的基础上，有意识的提高消费者对个性化推荐的关注度和认知度。同时，消费者往往更容易接受过往用户和周围朋友的推荐内容而不是纯粹系统分析的推荐内容。电子商务平台应重视社会推荐的作用，建立网络社区、兴趣小组等，让用户在虚拟的电子商务平台寻找到兴趣相同的用户，在相互交流中增加对个性化推荐的接受程度。

另外，要增强消费者对电子商务平台的感知安全，需要建立可靠的安全机制。电子商务平台可以制定相关保护隐私的方案，公布自身保护消费者隐私的措施，作出相关承诺，保证消费者的信息不被泄露、不被他用。同时，应该保证个性化推荐内容的真实性，将个性化推荐内容与广告内容进行明确区分，让消费者可以清楚辨别系统数据分析的输出结果和电子商务平台的广告行为。

最后，要依据不同消费者的个性化推荐感知偏好进行有针对性的推荐，做到消费者“细分到个人”，强调对消费者主要偏好的感知维度进行重点内容优化和特色服务，以实现在电子商务的竞争中获得优势。

（二）研究局限性与进一步研究方向

本研究具有一定的局限性。首先是样本的局限性，本文采用了问卷调研的方式，样本主要群体为高学历的青年群体，在年龄、职业等方面分布与CNNIC统计报告的网民结构还存在一定差异，降低了研究结果的普遍适用性。其次是测量维度的局限。本文关于消费者对电子商务个性化推荐的感知维度量表提出，参考了相关的国内外文献，测量维度还是不够全面，只初步提出了三个维度进行探索，量表缺乏更全面系统的表述。

进一步研究可以基于两个角度。第一，可以引入调节变量研究消费者对个性化推荐的接受程度，如消费者自身的知识水平、产品因素等变量作为调节变量，进行变量之间关系和影响程度的研究。第二，可以对消费者接受个性化推荐后是否会转化为实际购买行为进行探索。消费者感知个性化推荐后，转化为实际购买行为会提高电商平台的经济效益，开展相关研究有重要的实践意义。

［1］Resnick，Varian.Recommender Systems［J］. Communications of the ACM，1997（3）.

［2］梁伟萍.浅谈电子商务中的个性化推荐系统［J］.网络与信息，2011（8）.

［3］Zeitham，Valarie A.Consumer Perceptions of Price，Quality，and Value:A Means-End Model and Synthesis of Evidence［J］.Journal of Marketing，1988（3）.

［4］Gale B.T.，Wood R.C..Managing Customer Value: Creating Quality and Service That Customers Can See［M］. New York:Free Press，1994.

［5］Jamie Carlson，Aron O.C.，Dennis Ahrholdt. Assessing Customers’Perceived Value of the Online Channel of Multichannel Retailers:A Two Country Examination［J］. Journal of Retailing and Consumer Services，2015（9）.

［6］Dubinsky A.J.A Conceptual Model of Perceived Customer Value in E-commerce:A Preliminary Investigation［J］.Psychology&Marketing，2003（4）.

［7］Jarvenpaa S.，Todd P.A.Consumer Reaction to Eleetronic Shopping on the World Wide Web［J］.International Journal of Electronic Commerce，2005（2）.

［8］董大海，杨毅.网络环境下消费者感知价值的理论剖析［J］.管理学报，2008（6）.

［9］李雪欣，钟凯.网络消费者感知价值影响因素的实证研究［J］.首都经贸大学学报，2013（3）.

［10］Shahzad A.K.，Yan Liang，Sumaira Shahzad.An Empirical Study of Perceived Factors Affecting Customer Satisfaction to Re-Purchase Intention in Online Stores in China［J］.Journal of Service Science and Management，2015（38）.

［11］Huang Z.X.，Lu X.D.，Duan H.L.，Zhao C.H. Collaboration-based Medical Knowledge Recommendation［J］. Artificial Intelligence in Medicine，2012（1）.

［12］Duan L.，Street W.N.，Xu E.Healthcare Information Systems:Data Mining Methods in the Creation of A Clinical Recommender System［J］.Enterprise Information Systems，2011（52）.

［13］Lin Y.F.，Shie H.H.，Yang Y.C.，Tseng V.S. Design of a Real-time and Continua-based Framework for Care Guideline Recommendations［J］.International Journal of Environmental Research Public Health，2014（4）.

［14］Eflhymios Constantinides，Peter Geurts.The Impacts of Web Experience on Virtual Buying Behavior:an Empirical Study［J］.Journal of Customer Behavior，2005（4）.

［15］Bolton R.N.，Lemon K.N.，Verhoef P.C.The Theoretical Underpinnings of Customer Asset Management:A Framework and Propositons for Future Research［J］.Journal of Academy of Marketing Science，2004（2）.

［16］贺和平，周志民.基于消费者体验的在线购物价值研究［J］.商业经济与管理，2013（3）.

［17］Tze-Hsien Liao，Ching-Jui Keng.Online Purchase Delay:The Roles of Online Consumer Experience［J］.Journal of Electronic Commerce Research，2014（2）.

［18］Davis，Fred D.B.，Richard P.W.，Paul R.User Acceptance of Computer Technology:A Comparison of Two Theoretical Models［J］.Management Science，1989（8）.

［19］Muhammad Aljukhadar，Sylvain Senecal.Usage and Success Factors of Commercial Recommendation Agents:A Consumer Qualitative Study of My Product Advisor.com［J］. Journal of Research in Interactive Marketing，2011（2/3）.

［20］Sophie Cases.Perceived Risk and Risk-reduction Strategies in Internet Shopping［J］.The International Review of Retail，Distribution and Consumer Research，2002（4）.

［21］陈杰.顾客体验决定电子商务商业价值［J］.科技日报，2011（3）.

［22］Mc Knight D.H，Chervany N.L.What is Trust？A Conceptual Analysis and An Interdisciplinary Model［C］. Proceedings of the 6th Americas Conference on Information Systems，2000，827-833.

［23］Priya Nambisan，James H.W.Managing Customer Experiences in Online Product Communities［J］.Journal of Business Research，2011（8）.

（责任编辑：王 荻）

A Research on the Effect and Perceived Dimension of E-commerce's Personalization Recommendation to Consumers

ZHENG Chun-dong，DOU Han
（College of Management and Economics，Tianjin University，Tianjin 300072，China）

This study focuses on consumer perception dimensions of the personalized recommendation system and its influence，aiming at putting forward suggestions about optimizing the personalized recommendation system.The results find that consumer perception dimensions of the personalized recommendation system mainly includes consumer perceptive of comfort，perceived value，external recommendation，system trust，perceived security and recommendation forms.Among the dimensions，system trust and consumers accepting personalized recommendation have negative correlation，other factors have positive correlation.As for the different types of consumers，dimensions have different influence.

personalized recommendation system；consumer perception；E-commerce

F724.6

A

1008-2603（2016）03-0059-08

2016-03-29

国家自然科学基金项目“认知不对称视角的品牌延伸评价模型及其维度识别与强度测量研究”（项目编号:71072154）。

郑春东，男，天津大学管理与经济学部副教授；窦涵，女，天津大学管理与经济学部硕士研究生。