APP下载

休闲女装实体零售消费决策机制

2017-06-05杨以雄

纺织学报 2017年4期
关键词:货品女装均值

高 融, 王 玲, 杨以雄

(东华大学 服装与艺术设计学院, 上海 200051)

休闲女装实体零售消费决策机制

高 融, 王 玲, 杨以雄

(东华大学 服装与艺术设计学院, 上海 200051)

为认知休闲女装实体零售店铺的消费者决策形成要素及要素间的相互关系,为企业认知目标消费群体,有针对性地为调整零售渠道设计提供方案,通过专家访谈,梳理4Cs营销理论,得出13项休闲女装实体店消费者决策关键指标。通过问卷调查,采集了244位休闲女装消费者对各项关键指标的偏好情况。经主成分分析提取货品需求、安心服务及轻松决策3个因子,通过结构方程模型计算分析各项因子间的相互作用关系。结果表明,对消费者而言,货品需求的表现情况会分别正面影响消费者对安心服务和轻松决策表现情况的判断,而安心服务对轻松决策也具有同样的正面影响。

休闲女装; 实体店; 零售管理; 消费者行为; 结构方程模型

传统的服装零售业以实体店铺为主流形式,20世纪90年代末因特网的快速崛起使线上零售加速扩张[1],但大量服装零售企业在拓展线上零售的同时[2],依然坚持着传统零售实体店铺。服装品牌企业转型升级,零售渠道呈现多样化趋势,实体零售渠道盈利空间受到挤压[3],但实体店的独特优势使其无可替代。在实体店购物时,顾客希望与店员进行愉悦互动,满足服装质感和试衣的需求,获得良好的购物体验,这些因素影响着消费者的购买决策,也维持着实体店的竞争优势,使企业盈利增加[4-6]。

零售渠道是影响品牌盈利的关键因素,渠道管理已成为管理学和经济学领域的重要课题[7]。休闲女装是服装零售市场的主流类别,拥有大量顾客群体,开展消费者行为研究具有重要价值。本文选择针对休闲女装目标客群开展研究,构建了休闲女装实体零售渠道消费者决策指标,运用问卷调查的方法采集服装实体零售渠道影响因素对消费者决策制定的影响情况,通过探索性因子分析提取各项指标的所属因子,使用验证性因子分析对各因子进行验证,然后根据实际情况及逻辑判断,设定各因子属性(外源潜变量或内生潜变量)并运用结构方程模型计算认知各因子间的相互作用关系,以期为品牌企业的实体零售渠道建设提供参考与借鉴。

1 休闲女装实体零售消费决策指标

1.1 指标构架

1990年劳特朋教授提出4Cs营销理论,以消费者需求为导向,设定市场营销组合的4个基本要素:消费者需求、成本、便利和沟通[8]。消费者需求是指渠道满足消费者个人需求的情况;成本包括消费者在金钱、情感、时间、体力、精力等方面的付出;便利包括消费者在体验渠道环境和售后服务时的便利性;沟通包括消费者与店员发生的交流,以及环境对消费者传达的信息。4Cs强调企业应把追求顾客满意度放在首位,努力降低顾客的购买成本,并充分关注顾客购买过程中的便利性,此外还应以消费者为中心实施有效的营销沟通。据此,从4Cs角度出发,梳理出34项休闲女装实体零售消费者决策指标。

1.2 专家访谈

研究将针对休闲女装实体零售真实消费者开展问卷调查。针对一般消费者开展问卷调查,问项数量不宜超过30个,以20个以内为最佳[9]。若将梳理出的34项指标全部设为问项,可能因题量较大而无法获得准确有效的消费者数据。为此开展专家访谈,对指标进行修正,并筛选出较为重要的指标项,供调查问卷问项设计。

2015年10月19—23日,访谈行业专家和学者28人,均拥有至少5年行业相关从业经历,特征统计见表1。访谈过程中,专家和学者完成2部分内容:1) 通过五段量表答题形式,对各项指标重要程度打分,1分表示完全不重要,5分代表非常重要;2)对各项指标进行确认或修正,提出增加、删除、保留等意见。

专家和学者确认指标设置符合研究设定,并对各项指标打分,统计均值范围从2.90~4.52,其中大于4.00的共13项,可认定为休闲女装实体店消费者决策关键指标,如表2所示。

表1 受访专家特征统计Tab.1 Characteristic statistics of interviewed experts

表2 休闲女装实体零售消费者决策关键指标Tab.2 Key customer decision indexes of lady casual wears brick-and-mortar stores

2 实证研究

针对休闲女装实体店消费者开展问卷调查。问卷由2部分组成:1)以13项关键指标为问项,请被调查者依据各项指标对自身购买决策的影响力大小,通过五段量表形式打分,1分表示影响力最小,5分代表影响力最大;2)被调查者人口统计信息。问卷仅针对女性发放,由于休闲女装的主力消费群体是年轻女性,因此,主要针对20~30岁女性开展调查。

结构方程模型计算要求,若观测变量或测量指标达15项时,样本至少75份,大于150份为佳[10]。2015年11月16—22日,通过专业网站(问卷星 www.sojump.com)完成问卷的发放与回收,共获样本250份,其中有效样本244份,数量达预期要求。被调查者人口统计特征见表3。

表3 被调查者人口特征统计Tab.3 Demographic characteristics of subjects

3 结果分析

对数据进行内部一致性信度检验,有效样本整体克朗巴哈系数为0.849(大于0.8),信度良好。通常先利用一组样本进行探索性因子分析得出测量变量因素结构,再从总体中抽取另一组样本进行验证性因子分析检验假设因素结构的契合度[10]。本文研究从244份有效样本中随机抽取122份,运用SPSS19.0进行探索性因子分析,使用AMOS17.0对余下有效样本进行验证性因子分析。经因子分析后进行结构方程模型计算,探索各因子间的相互关系。

3.1 描述性分析

从被调查者的五段量表打分均值来看,各项指标所得打分均值为3.85~4.68,如表4所示。

各项消费决策关键指标均对消费者较有影响力(最大均值Mmax=4.68,最小均值Mmin=3.85)。消费者对购物体验非常重视,实物体验(均值为4.68, 标准差为0.593)、店内体验(均值为4.43,标准差为0.720)等指标的影响力均值较高。相比网络零售店铺,现场试穿体验产品是实体店铺的独有优势,确实对消费者具有重要意义,因此,提供消费者良好的购物体验是服装实体零售渠道的发展关键。消费者对隐私保护(均值为4.61,标准差为0.709)、资金安全(均值为4.59,标准差为0.819)也很重视,目前部分服装实体店在尝试进行会员营销,保证会员资金和隐私的安全可作为渠道建设工作重点之一。均值最低的是产品比较(均值为3.85,标准差为0.922),对于服饰类产品,消费者更重视单件产品的独立设计与个性,多件类似产品相互比较的需求相对较弱。

3.2 探索性因子分析

表4 关键指标消费者打分均值及标准差Tab.4 Mean and standard deviation of customers′ scores on key indexes

有效样本整体取样适切性量数(KMO值)为0.839(大于0.8),巴特利球形检验的显著性差异(Sig.)为0(小于0.05),数据适合进行因子分析。

运用主成分分析法提取特征值大于1的公共因子,用最大方差法旋转因子载荷矩阵,成功提取公共因子并得到因子结构,如表5所示。前3个因子的累积贡献率为60.27%(大于60%),因此,提取3个因子[11]。对因子命名,其中:A货品需求代表渠道提供货品以满足消费者对产品的真实需求;B安心服务代表渠道提供资金保护、个人隐私保护,以及售后服务等,消除消费者购物时的各种心理顾虑;C轻松决策代表渠道让消费者在进行购买决策时,可轻松进行货品和价格比较,而店员的专业业务能力以及科学的店铺成列方式,也会使消费者的决策判断变得更为轻松。

表5 探索性因子分析得出因子结构Tab.5 Factor structure results of exploratory factor analysis

3.3 验证性因子分析

运用验证性因子分析,探索性因子分析结果的变量有效性,结果如图1所示。各项指标载荷值均在0.5~0.95之间,符合检验标准[10]。

注:因子间路径系数为相关系数;指标与因子间的路径系数为指标因子载荷值;e1~e13为各项指标的测量误 差项,与指标间的路径系数为测量误差。图1 验证性因子分析结果Fig.1 Results of confirmatory factor analysis

综合考虑表6各项拟合指标[12-16],结果表明拟合度良好。3个公共因子影响力由强到弱依次为货品需求(均值为4.88)、安心服务(均值为4.70)和轻松决策(均值为3.87)。由此,经探索性因子分析与验证性因子分析获得的因子结构可供构建结构方程模型。

注:表中粗体数字表示未达到建议值。 样本量及指标较多时,p值极易小于0.05,此时应综合χ2/df指标观察,若χ2/df<5,仍为可接受[17]。

3.4 结构方程模型

若因子间存在相互作用关系,品牌企业就可通过调整影响因子的表现,改变被影响因子的情况,为此,运用结构方程模型探索各因子间的影响关系。结构方程模型是潜在变量间因果关系的模型说明,将3项因子定义为模型潜在变量,将13项指标定义为模型观察变量。作为“因”的潜在变量即称为外源潜变量,以符号ξ表示,作为“果”的潜在变量即称为内生潜变量,以符号η表示[10]。3项因子中,货品需求(均值为4.88)对被调查者影响力最大,可见消费者对产品、体验等方面非常重视,且对货品的需求通常是激发顾客进入店铺的初始动因,因此,设定外源潜变量ξ(货品需求)。另2个因子属于消费者进店后产生的服务和交流,可能受外源潜变量影响,因此,设定内生潜变量η1(安心服务)和η2(轻松决策)。外源潜变量对2个内生潜变量产生2条影响路径;商家对消费者隐私、资金的保护,也会提高消费者的心理满足感,据此建立第3条影响路径。

由此,提出如下假设:

H1:ξ(货品需求)的表现会正面影响到消费者对η1(安心服务)的表现判定。

H2:ξ(货品需求)的表现会正面影响到消费者对η2(轻松决策)的表现判定。

H3:η1(安心服务)的表现会正面影响到消费者对η2(轻松决策)的表现判定。

使用AMOS17.0软件,对整体有效样本进行结构方程模型计算,结果如图2所示。

注:基于假设得出潜在变量(即因子)间的3条标准路径系数;潜在变量与观察变量(即指标)间的路径系数为标准载荷值;为各项观察变量的测量误差项,与观察变量间的路径系数为测量误差;Eerr1和Eerr2为各项潜在变量的残差项,与潜在变 量间的路径系数为残差量。图2 结构方程模型计算结果Fig.2 Result of structural equation modeling

表7示出模型标准化路径系数及t检验值。t检验结果显示,3项假设均通过检验,且呈现正相关关系。表8示出结构方程模型数据拟合度良好。

表7 模型标准化路径系数及t检验值Tab.7 Standardized estimate and t-value of structural equation modeling

注:t值大于1.96表示在0.05的显著水平下通过显著性检验。

表8 结构方程拟合指标Tab.8 Goodness-of-fit of structural equation modeling

注:表中粗体数字表示未达到建议值。样本量及指标较多时,p值极易小于0.05,此时应综合χ2/df指标观察,若χ2/df<5,仍为可接受[17]。

由此可知,若ξ货品需求的表现越令消费者满意,则消费者对η1(安心服务)和η2(轻松决策)的满意度也会越高,这将正面作用于消费者购买决策的制定,因此,为提高消费者购物体验并激发购买行为,服装企业可先着手提高ξ(货品需求)的表现,如服务态度、增加货品品类等。若η1(安心服务)的表现越好,则η2(轻松决策)也会对消费者产生越大的正面影响。通常,消费者在实体店内的过程体验及店铺提供的售后服务会很大程度影响购买决策,因此,为提高η2(轻松决策)对消费者购买决策的正面影响,企业应努力加强η1(安心服务)的表现。

基于以上研究结果可知,消费者对实体店的品类、服务和安全有很高的敏感度,而购物环境与过程体验则影响到消费者的购买决策,因此,对于休闲女装品牌企业实体零售渠道经营,提出以下策略建议:1)通过多品种销售,扩大消费者群体范围;2)提高实体零售渠道交易行为的可操作性与安全性;3)提高服务质量,重视消费者心理满足。让消费者真正认识并依赖实体零售渠道,从而被吸引并积极参与店铺营销活动。

4 结 论

本文针对休闲女装实体零售渠道消费者决策开展研究,通过目标消费者问卷调查及因子分析、结构方程模型等数据分析,把握实体零售渠道中消费决策因子的相互关系,得出主要结论如下:

1)各项指标对消费者均较有影响力,消费者对实物体验最为重视,相比线上渠道,这也是实体零售渠道的特有优势。

2)根据13项指标提取出3项公共因子,对消费者购买决策影响力由强到弱依次为货品需求、安心服务和轻松决策。

3)货品需求的表现会正面影响到消费者对安心服务和轻松决策的表现判定,而安心服务对轻松决策也具有同样的作用关系。

FZXB

[1] MULLER C L, WEHMEYER K, KLEIN S. Multi-channel strategies: capturing and exploring diversity in the european retail grocery industry[J]. International Journal of Electronic Commerce, 2005, 10(2): 85-122.

[2] GEE W B, JUMIN L,HUEI H K, et al. The progression of online trust in the multi-channel retailer context and the role of product uncertainty[J]. Decision Support Systems, 2012, 53(1): 97-107.

[3] TAKAHASH I, MASAKAZ U, TSUDA K. Building Knowledge for Prevention of Forgetting Purchase Based on Customer Behavior in a Store[C]//Knowledge-Based and Intelligent Information and Engineering Systems.[S.L]:Springer Berlin Heidelberg, 2011: 7-8.[4] WEI Z, WEI R. Perfomance assessment of customer service strategy in Wal-Mart[J]. Computer Science and Service System, 2011, 9: 3437-3440.

[5] KENT T. Creative space: design and the retail environment[J]. International Journal of Retail and Distribution Management, 2007, 35: 734-745.

[6] KIM J B, KOO Y, CHANG D R. Integrated brand experience through sensory branding and IMC[J]. Design Management Review, 2009, 20: 72-810.

[7] XIAO T J, CHOI T M. Purchasing choices and channel structure strategies for a two-echelon system with risk-averse players[J]. International Journal of Production Economics, 2009, 120(1): 54-65.

[8] LIN T T, LEE C C, LIN H C. Analysis of customer profit contribution for banks with the concept of marketing mix strategy between 4Cs and 5Ps[J]. Service Business, 2013, 7(1): 37-59.

[9] 岳欣. 市场调研、分析与预测[M]. 北京: 北京邮电大学出版社, 2010: 21-23. YUE Xin. Market Research, Analysis and Forecast[M].Beijing: Beijing University of Posts and Telecommunications Press, 2010: 21-23.

[10] 吴明隆. 结构方程模型:AMOS的操作与应用[M]. 重庆: 重庆大学出版社, 2009: 5. WU Minglong. Structural Equation Model-the Manipulation and Application of AMOS[M]. Chongqing: Chongqing University Press, 2009: 5.

[11] 宋志刚,谢蕾蕾,何旭洪. SPSS16实用教程[M]. 北京: 人民邮电出版社, 2008: 37. SONG Zhigang, XIE Leilei, HE Xuhong. SPSS 16.0 Guide to Data Analysis[M].Beijing: People′s Posts and Telecommunications Press, 2008: 37.

[12] BENTLER P M, CHINPIN C. Practical issures in structural modeling[J]. Sociological Methods Research, 1987, 16(1): 78.

[13] NEALE M C, MCARDLE J J. The analysis of assortative mating: a lisrel model[J]. Behavior Genetics, 1990, 20(2): 287-296.

[14] HAIR J F, TATHAM R L, ANDERSON R E, et al. Multivariate Data Analysis with Readings[M]. New Jersey: Prentice Hall, 1998: 5-6.

[15] BENTLER P M. Comparative fit indexes in structural models[J]. Psychological Bulletin, 1990, 107(2): 238-246.

[16] LIVOTE E E, WYKA K E. Introduction to structural equation modeling using SPSS and AMOS[J]. Structural Equation Modeling, 2009, 16(3): 556-560.

[17] DING Z K, NG F F. WANG J Y. Testing trust scale measurement invariance in project teams[J]. Journal of Engineering, Design and Technology, 2014, 12(2): 209-222.

Consumers decision mechanism of entity retail of lady casual wears

GAO Rong, WANG Ling, YANG Yixiong

(Fashion·Art Design Institute, Donghua University, Shanghai 200051, China)

In order to learn customers decision factors of entity retailers of lady casual wears and the correlation among the factors, and provide a solution for the enterprise to learn the target customers and adjust retail channels accordingly, 13 key indexes for the customers decision factors of entity retailers were concluded by the expert interviews and on 4Cs marketing theory. 244 lady casual wears consumers′ preferences on the key indexes were invested by the questionnaire survey. Three factors of Product demand, Security service and Effortless decision-making were extracted by the principal component analysis. The structural equation model was used to analyze the correlation among the factors, and the result shows that Product demand has positive influence on Security service and Effortless decision-making, respectively, while Security service also has positive influence on Effortless decision-making.

lady casual wear; entity retailer; retail management; consumer behavior; structural equation model

10.13475/j.fzxb.20160405806

2016-04-27

2016-10-12

上海市教委海派时尚设计及价值创造知识服务中心资助项目(13S1070241);中央高校基本科研业务费专项资金资助项目(CUSF-DH-D-2015036); 东华大学非线性科学研究所专项资金项目(INS-1401)

高融(1986—),女,博士生。主要研究方向为服装消费心理。杨以雄,通信作者,E-mail:yyx@dhu.edu.cn。

F 768.3

A

猜你喜欢

货品女装均值
多出/入口仓库的货位优化研究
化学品船适装货品的新要求及实船应用
女装流行面料
女装风格与细节
均值—方差分析及CAPM模型的运用
均值—方差分析及CAPM模型的运用
2017年春夏男装周的女装风景
女装流行面料
关于均值有界变差函数的重要不等式
考虑疲劳和工作负荷的人工拣选货品排程研究