网络口碑对消费者在线购买意愿影响的实证研究

胡其亮，苏伯文，徐于强

（1.安徽工商职业学院，合肥230013；2.安徽国际商务职业学院，合肥231131；3.安徽省烟草公司铜陵分公司，安徽铜陵244000）

0　引言

互联网的发展使消费者的行为呈现出许多新特征，消费者不再是被动的接收者，而是通过互联网主动搜集信息以及与他人互动的方式获取购买产品的信息。消费者在线购买产品时，口碑信息是影响消费者态度和购买行为的重要信息来源[1]。本研究有助于企业管理者了解口碑传播的信任度和购买意愿，以便管理者在互联网环境下了解口碑传播对购买意愿的影响因素，帮助企业更好地实施互联网口碑营销策略。

1　模型构建与研究假设

1.1　概念模型构建

在消费者显著购买特征情况下，了解网络接受者特征、发送者特征、口碑信息特征，将此作为模型的刺激因素（S）；从网络口碑信任度方面着手，探索在网络口碑信息交流情况下，网络口碑信任度的具体影响因素有哪些，在这些影响因素中，哪些是正向影响网络口碑信任度，哪些是反向影响因素，将此网络口碑信任作为有机体（O）；网络口碑信任度为中间变量，结合发送者特征、接收者特征研究购买意愿的具体影响因素，将此对消费者的在线购买意愿作为反应（R）[2]，构建在线购买意愿模型，见图1。

图1　S-O-R模型

1.2　研究假设

基于对网络口碑信息属性的研究，发现随着网络口碑接收者对网络发送者的信任度的增加，其在线购买的意愿也增加，属于正相关，综合分析，提出在线购买意愿假设[3]，见表1。

表1　在线购买意愿影响因素研究假设

综合以上的研究假设，做出研究假设图如图2。

图2　在线购买意愿影响因素研究假设图

2　问卷设计与发放回收

2.1　问卷量表的变量测定

综合在线购买意愿的模型假设，设计问卷量表，结合相关变量，设定在线购买意愿测量表[4-6]，见表2。

表2　网络口碑在线购买意愿测量表

续表2

2.2　问卷的发放与回收

问卷调查采用便利抽样法，共发放问卷420份，其中在安徽省合肥市发放250份，委托他人在安徽省以外的其他城市发放170份；共收回问卷357份，其中以E-mail形式进行调查问卷的，发放和回收问卷分别为：80份、50份；以面对面问卷调查形式的发放和回收问卷分别为：340份、307份。扣除无效问卷25份，共计有效问卷为332份。

3　实证研究分析

3.1　数据描述性统计

3.1.1样本描述

样本统计变项的描述如表3。

表3　样本统计表

3.1.2数据描述

变量测量项目的均值、标准差、斜度和峰度等描述性统计量详见表4。可以发现，各测量项目变量大多呈正态性分布。

表4　数据描述表

续表4

3.1.3统计分析方法

第一步，对模型涉及的6个变量的10个维度进行信度分析，用SPSS13.0分析测量项目的alpha值，只有alpha值大于0.7才符合要求。

第二步，对4个变量以及8个维度进行因子分析，用AMOS7.0对它们进行了验证性因子分析。

第三步，用AMOS7.0软件作结构方程模型对4个变量的8个维度假设验证。

第四步，用SPSS13.0对进行了方程分析，分析人口统计变量在网络口碑信任度和影响力是否有差异，比较口碑语调和口碑属性对购买意愿是否有显著影响。

3.2　量表的信度和效度分析

3.2.1发送者特征量表的效度和信度分析

通过对发送者特征各维度的验证性因子分析，发现一阶因子在V25问项上的因子载荷较低（小于0.45），为此删掉了这一问项，对测量模型做了修改，修改后如图3所示，9个项目组成了2个一阶因子，分别是发送者专业能力和关系强度，二阶因子是发送者特征[7]，模型的整体拟合指标见表5，x2/df＜3，GFI、AGFI、CFI、TLI、NNFI均大于 0.9，NFI大于0.8，RMSEA＜0.05，说明模型的整体拟合度可以接受。

表5　发送者特征测量模型拟合指标

2个一阶因子在所有观测变量上的因子载荷都介于0.52～0.82之间，且在0.01的水平上显著（表6）；发送者特征在二阶因子上的载荷介于0.61～0.66之间，且在0.05的水平上显著（表7），这表明收敛效度和判别效度都具为良好[8]。

图3　发送者特征测量模型

表6　发送者特征测量模型一阶因子标准载荷系数和信度检验

表7　发送者特质二阶因子标准载荷系数

通过用SPSS15.0对发送者特征各维度问卷做信度分析，结果显示各测量指标的内部一致性系数均大于0.70（表6），表明该问卷的信度可以接受。

3.2.2接收者特征量表的效度和信度分析

通过对接收者特征各维度的验证性因子分析，发现一阶因子在V66问项上的因子载荷较低（小于0.45），为此删掉了这一问项，对测量模型做了修改，修改后的接收者测量模型如图4所示，19个项目组成了4个一阶因子，分别是信任倾向、接收者专业能力、感知风险以及网络使用与网络依赖，二阶因子是接收者特征。模型的整体拟合指标见表8，x2/df＜3，GFI、AGFI、CFI、TLI、NNFI均大于 0.9，NFI大于0.8，RMSEA=0.027＜0.05说明模型的整体拟合度可以接受[9]。

表8　接收者特征测量模型拟合指标

图4　接收者特征测量模型

4个一阶因子在所有观测变量上的因子载荷都介于0.55～0.86之间，且在0.05的水平上显著（表9）；接收者特征在二阶因子上的载荷介于0.60～0.77之间，且在0.05的水平上显著（表10），这表明具有良好的收敛效度和判别效度[10-12]。

表9　接收者特征测量模型一阶因子标准载荷系数和信度检验

表10　接收者特征二阶因子标准载荷系数

3.2.3网络口碑信息特征、信任度及购买意愿量表的效度和信度分析

由于网络口碑信息特征的测量问项较少，不一一列表表示它们的信度和效度，用SPSS13.0算出正面口碑、负面口碑、主观口碑、客观口碑的a值分别为依次0.81、0.78、0.82、0.80，符合信度要求和效度检验。

网络口碑信任度量表和在线购买意愿量表，通过SPSS13.0算出网络口碑信任度量表和在线购买意愿量表的a值分别为依次0.75、0.85，符合信度要求，效度检测出因子负荷值都大于0.5，具体见图5。

3.3　结构方程模型的假设检验

3.3.1结构方程的建构

为检验网络口碑对在线购买意愿的研究假设，构造两个模型检验其正确性。首先，将发送者特征、接收者特征作为一个总体变量，构筑一个发送者特征、接收者特征、信任度以及购买意愿的关系模型，将其命名为M1；其次，在第一步研究的基础上，进一步探讨发送者特征各维度、接收者特征各维度、网络口碑信息因素和信任度、购买意愿之间的关系，由此构筑的关系模型，将其命名为M2。样本N超过100即可进行结构方程检验，本实证研究所收集样本总量N为322，适合进行结构方程检验。

3.3.2结构方程模型M1的检验

本研究通过AMOS7.0软件采取极大似然法进行结构方程检验，检验结果如图5所示。模型的整体拟合指数见表11，x2/df=2.352＜3，符合拟合指数的要求；其他的拟合指数除NFI=0.89略低于0.90的临界值以外，CFI=0.95，TLI=0.92，IFI=0.93，NNFI都超过了0.9的临界值；NFI都超过了0.8；RMSEA=0.073＜0.08，也符合结构方程的拟合要求。因此模型具有良好的整体拟合度。

图5　结构方程模型M1的路径图

表11　结构模型M1拟合指数

模型路径系数的估计及检验如表11所示。数据检验显示，在模型M1中，3条路径系数符号均与原假设相符，且都达到了显著性水平。也就是说，数据检验支持H2A（接收者特征→信任度有显著正向影响）；H2B（接收者特征→购买意愿具有显著正向影响）；H1A（发送者特征→信任度具有显著正向影响）；H1B（发送者特征→购买意愿具有显著正向影响）；H3（信任度对购买意愿有显著正向影响）[13-14]。

表12　结构模型M1的路径系数及假设检验结果

图5中所示的模型路径均为直接效应（Direct Effect），为探索发送者特征、接收者特征对购买意愿的影响程度如何，还需要分析变量间因果关系的总效应。总效应可以分解直接效应和间接效应（Indirect Effect）。根据图5所确定的路径关系，计算发送者特征和接收者特征对购买意愿的直接效应、间接效应和总效应（表13）。

表13　接收者特征和发送者特征对购买意愿的直接、间接、总效应

从表13可知，接收者特征对购买意愿的路径总效应为0.5，这说明消费者的个人特质方面对其他购买意向有着重要的影响。接收者特征到购买意愿的总效应大于发送者总因素的总效应，说明网络口碑对在线购买意愿的影响主要是依赖于口碑接收者的个人特质方面因素。

在结构模型M1中，发送者特征和接收者特征都对消费者的购买意愿产生积极的正向影响，这证实了前文的分析。值得注意的是，口碑的信任度对消费者的购买意向的影响高达0.6，说明网络口碑信任度对消费者的购买意愿具有重要的影响。

3.3.3结构方程模型M2的检验

在模型M2中，主要分析接收者特征的四个维度（接收者专业能力、感知风险、信任倾向、网络使用与依赖）、发送者的两个维度（发送者专业能力和关系强度）、网络口碑特性方面、信任度以及消费者购买意愿的影响之间的关系，通过口碑语调和属性的测量，根据主观口碑、正面口碑的同意程度为1、2、3的数据单独选出来测量客观口碑和正面口碑[15]，对M2的检验结果见图6。

图6　结构方程模型M2的路径图

表14列出了结构方程模型的拟合指数：x2/df=3.23＜3.5，符合拟合指标的要求；其他拟合指数都达到统计显著性：CFI=0.93，NFI=0.91，TLI=0.92，IFI=0.95，NNFI都超过了0.90的临界值；NFI超过了0.8；RMSEA=0.037＜0.05，也符合结构方程拟合的要求。因此，模型M2的总体拟合程度良好。

表14　结构模型拟合指数

路径系数的估计及检验如表15所示。接收者专业能力越强，网络口碑信任度和购买意愿并没有越小，H2b和H2c没有得到支持，其他的假设都得到了数据检验支持。

模型中的V1～V6依次是发送者专业能力、关系强度、接受者专业能力、感知风险、信任倾向、网络使用与网络依赖，X1～X4分别依次为正面口碑、负面口碑、主观口碑、客观口碑，X和Y分别是网络口碑信任度和在线购买意愿,。V9a和V9b分别根据V91和V92反向计算而得，V9ac和V9d同理。

表15　结构模型的路径系数与假设检验结果

从表15中得出，除了假设H2a和H2b没有通过，实证结果都支持了其他假设，但关系强度的影响不显著，感知风险的影响也不显著。这也符合常理，因为网络环境下的关系强度更多的是一种弱的关系强度，它带来的影响力也很有限[16-17]。为分析接收者各特征各维度、发送者特征各维度、信任度、口碑信息特征对购买意愿的影响程度，分别计算了它们的直接效应、间接效应和总效应（表16）。从表16中可以看出，负面口碑对购买意愿的影响最大，总效应达到-0.94，说明在消费者购买意愿决策的众多因素中，负面口碑是最关键因素[18]。

表16　接收者、发送者、信任度对购买意愿的影响程度

4　结论

4.1　研究结论

本论文研究了网络口碑对消费者在线购买意愿影响，针对在校大学生、企事业上班人士等进行了问卷调查，收集有效问卷332份并结果分析，建造了在线购买意愿概念模型，对3个特征8个研究假设进行了实证分析，得出以下结论：

接收者专业能力，信任倾向，网络使用与网络依赖、发送者专业能力、关系强度都正向影响网络口碑信任度和在线购买意愿，感知风险正向影响网络口碑信任度，但负向影响购买意愿，假设相同，所得结论大多数符合假设，假设验证结果见表17所示：

表17　假设验证表

4.2　研究启示

（1）激励具有较强专业能力的消费者传播口碑，加强负面口碑管理。对于企业而言，在口碑营销的过程中，应当将专业能力相对较高的群体区分出来，同时通过他们进行商品推广以及口碑宣传。建立并不断完善消费者口碑档案，借助市场调研活动、投诉热线以及终端销售人员等多种渠道收集口碑信息，并对信息进行汇总、筛选、分析，适时更新消费者对于本品牌系列产品及服务的态度倾向，及时处理负面口碑信息。

（2）不断降低消费者在感知方面的风险，同时逐步建立起消费者的信任，双管齐下，打造积极的，可以被消费者感知的网络文化。企业在感知风险上的降低，可以通过鼓励消费者向身边可信度高且具有相关专业知识的人咨询产品信息。