企业大数据精准营销的接受意愿影响因素分析——基于整合UTAUT模型与4C理论*

施 芬

(福州软件职业技术学院 经济管理系，福建 福州 350000)

一、大数据精准营销研究述评

(一)精准营销的概念

1999年，精准营销的概念被美国营销学者莱斯特·伟门提出。[1]2005年，营销大师菲利普·科特勒师也提出了精准营销。他对精准营销的描述为：随着公司对直接销售沟通的投资的重视，公司需要更精准、可衡量和高投资回报的营销沟通，更注重结果和行动的营销传播计划。[2]美国学者Jeff Zabin(2008)认为要影响目标客户的购买决策，必须依靠精准营销。企业要在正确的时间通过正确的渠道向正确的客户发送正确的信息。[3]徐海亮(2006)提出在精准定位的基础上，建立个性化的顾客沟通体系，降低企业的成本。[4]伍青生等学者(2006)认为精准营销是企业将定性、定量方法相结合细分消费者，为消费者制定不同的策略，实现对消费者有效性、高投资回报的沟通。[5]

尽管国内外学者均给出了精准营销的概念，但目前学术界对精准营销的概念还没有达成统一的意见。从国内外学者给出的定义中，可以看出国内外学者都强调精准定位基础上的有效性营销沟通。

(二)精准营销的特征

龚敏等用4W和1H来形象阐述精准营销，她认为，所谓精准是商家向恰当的人(who)销售恰当的产品(what)是在合适的时间(when)、合适的地点(where)以恰当的方式(how)进行的。[6]王芳莉提出了 6R 传播，即由恰当的传者 (by right communicator)，在恰当的时间 (in right time)，向恰当的受者(to right audience)，通过恰当的渠道(through right channel)，传播恰当的信息(right information)，达到准确的效果(with right effect)。[7]蒙显雄、李奇阐述了网络媒体为精准营销的精准性和可控性特征提供了技术支持。[8]唐微、张春霞提出了精准营销的优势：高精准度、高命中率、高服务水平、高效率、高顾客让渡价值和低成本。[9]

(三)大数据精准营销的行业应用

Zhen Y等学者提出了基于特定技术的精准营销决策框架。该框架可以帮助管理者识别不同类别消费者的潜在特征。[10]Bert D R和Zeger D等学者开发了一款基于EXCEL链接术语和建模语言的精准营销决策支持系统。该系统可以进行自动高度和优化广播广告短信。[11]龚映梅等构建了大数据环境下，借助数据采集、分析挖掘的云南省农产品精准营销模式。[12王海峰等探讨了大数据与传统零售业精准营销的理论分析框架，并以北京朝阳大悦城的精准营销为例，从精准营销战略、大数据信息管理平台构建、高效的客户管理、高效的品类管理等进行分析。[13]刘海利用服装企业的大数据，为用户进行画像描绘，利用数据挖掘技术获取更深入的信息，为企业精准营销提供依据。[14]冯志强探讨了网上书店大数据时代的信息运维和精准营销，包括，图书信息管理、关键词搜索优化、个性化推荐、图书评论管理等。[15]徐云分析了烟草企业精准营销系统的设计，探讨基于统计学的烟草精准营销策略。[16]

(四)大数据与精准营销之间的关系

陈静怡提出了大数据背景下构建网络精准营销，并提出了要实现大数据背景下的网络精准营销，数据的收集分析、客户关系的重建及实时竞价技术的推行是不可缺少的三要素。[17]孙慧敏等提出了大数据时代要进行精准营销，要从营销理念上变革，建立数据库，分析差异化需求，精准化营销工具，精准营销活动后信息反馈等方面入手。[18]杨东红在拟定大数据和精准营销体系的基础上，通过对黑龙江省服务业、商业企业、制造业和现代农业企业进行问卷调查，运用结构方程模型分析其相关性。分析结果显示，大数据与精准营销具有显著相关性，客户数据挖掘对大数据具有显著影响，精准广告投放对精准营销具有显著影响。[19]

从国内外学者对精准营销研究的情况看，国外学者对精准营销的研究偏向于精准营销实施方法。国内学者对精准营销的研究主要围绕着精准营销的特性、行业应用、大数据与精准营销之间的关系展开。纵观国内外学者对大数据精准营销的研究，皆未对消费者接受企业大数据精准营销意愿的影响因素作出研究。

二、消费者对企业营销的接受意愿影响因素研究述评

(一)消费者对企业传统营销的接受意愿影响因素述评

国内外学者关于消费者对企业传统营销的接受意愿影响因素的研究不多，主要围绕着对企业公益营销、公益关联营销的接受影响因素展开。卫星、周杨淼通过实证研究，从公益事项重要度、可接近度、匹配度和一致度等四个因素分析了企业公益营销对消费者购买意愿的影响。[20]Barone & Miyazaki & Talor通过研究发现，在企业提供的产品价格和质量相同的情况下，消费者乐意接受公益事业关联营销活动的产品。[21]陶茜验证了公益事业关联营销影响消费者购买意愿的因素是：公益事业关联营销的形式、宣传方式、非盈利性质的合作伙伴、消费者的关注度。[22]

(二)消费者对企业网络营销的接受意愿影响因素述评

国内外学者关于消费者对企业网络营销的接受意愿影响因素的研究主要围绕着对企业微博营销、微信营销、移动营销、网络营销、口碑营销展开。周蓓婧结合微博营销的特点，提出了消费者对微博营销采纳意向的影响因素：采纳意向、感知有用性、感知易用性、态度、社会影响、感知娱乐性、互动性、个人创新。[23]Verklin&Kanner研究发现，消费者能够利用网络搜索信息的同时，还能够借助微博平台分享影响购买行为的内容，从而对他人的消费行为产生影响。[24]马英山通过实证研究，找出了消费者接受微信营销意愿的显著因素：努力期望、绩效期望、社会影响和服务质量。[25]何军红、莫赞等从技术因素、易用性、有用性、意愿四个因素构建了消费者对移动营销的接受模型。[26]Mark Chi Ho Ng通过对中国青年人的调查研究，发现了消费者接受移动营销的关键因素。[27]Andrew J.Rohm、TAM Tao Gao、Fareena S.等学者从感知有用性、创新性、个人忠诚度、风险规避四个因素分析了影响消费者接受移动营销的意愿。[28]王晓雨从感知有用性、感知易用性、感知娱乐性、外部因素、感知风险、态度、使用意愿七个变量构建了消费者对中小型旅行社旅游产品网络营销使用意愿的模型。[29]Smith Menon and Sivakumar经过研究，提出推荐信息对消费者在线购买决策的影响。[30]林彦宏通过对网络使用者的研究，分析了网络口碑接收者购买决策的影响因素。[31]金立印通过实验表明，消费者购买决策的影响力会随着口碑传播方向、信息类型、产品卷入度的不同呈现出显著差异。[32]

纵观国内外学者进行的消费者对企业营销接受意愿影响因素研究，皆是围绕着消费者对传统营销和网络营销的接受意愿影响因素展开。而大数据精准营销也是企业营销手段之一，国内外学者尚未对消费者对企业大数据精准营销接受意愿的影响因素有所研究。

三、UTAUT模型与4C理论

(一)UTAUT模型

整合技术接受与使用模型(Unified Theory of Acceptance and Use of Technology，简称UTAUT)是由Venkatesh和Davis整合了技术适配模型(Task-technology fit，TIF)、理性行为理论(Theory of reasoned action，TRA)、计划行为理论(Theory of planned behavior，TPB)、创新扩散理论(Innovation Diffusion Theory，IDT)、社会认知理论(Social Cognitive Theory，SCT)、PC利用模型(Model of PC Utilization，MPCU)、复合TAM&TPB模型(Combined TAM and TPB，C-TAM-TPB)、动机模型(Motivational Model MM)，提炼出四个核心变量和四个控制变量。四个核心变量是：努力期望(Effort Expectancy)、绩效期望(Performance Expectancy)、社会影响(Social Influence)和便利条件(Facilitating Condition)。四个控制变量是：年龄、性别、经验和自愿性。[33]

UTAUT模型从提出开始，其强大的解释力受到了各国学者的关注，并进行了大量的实证验证，发现其对用户使用行为的解释能力超过70%。[34]大量学者应用UTAUT模型来研究用户对于新技术、新事物的接受与使用意愿。

(二)4C理论

Don E Schultz教授于1993年在《整合营销传播》中提出了4C理论：消费者(Consumer)、成本(Cost)、便利(Convenience)和沟通(Communication)。[35]该理论以消费者需求为导向，与传统营销的以产品为导向的4P理论有所不同。它主张，企业放在营销活动第一位的应当是顾客是否满意；其次，企业应当考虑降低顾客的购买成本；再次，企业要站在顾客的角度考虑消费者的购买行为是否便利；最后，企业应当实施以消费者为中心的有效沟通。

(三)整合UTAUT模型与4C理论

虽然UTAUT模型被普遍地应用于技术接受因素的研究，但对于本文研究的对象：消费者对企业大数据精准营销接受意愿的影响因素，不仅受模型中因素的影响，还受消费者需求是否得以满足的影响。因此，在模型设计过程，本文以UTAUT模型为框架，结合4C理论，加以修改，构建整合UTAUT模型与4C理论的消费者对企业大数据精准营销的接受意愿影响因素模型。

在消费者对企业大数据精准营销接受意愿影响因素模型的构建中，剔除了整合技术接受与使用模型、4C理论原有部分因素的原因在于以下方面。1.剔除整合技术接受与使用模型和4C理论中的便利条件的原因是：企业大数据精准营销是通过手机短信、电子邮件广告、搜索引擎、个性化引擎推荐、门户网站、微信、微博、竞价排名搜索、关键词搜索广告、点告、窄告等工具向消费者进行精准信息推送的。当今社会，智能手机和PC机已经渗透进千家万户。所以消费者可以借助智能手机和PC机接收企业向自己推送的精准营销信息，便利性不存在问题。2.剔除年龄是由于就年龄结构而言，我国网民年龄结构依然偏向年轻，以10～39岁群体为主，占整体的72.1%。[36]因此，企业大数据精准营销的主要对象以年轻人为主。3.剔除性别是由于企业大数据精准营销的特点是在合适的时间、合适的地点，凭借合适的媒介，通过合适的渠道，将合适的商品销售给合适的消费者。因此，只要企业大数据推送的信息是精准的，无论男女，皆能接受。4.剔除经验和自愿性是由于自2013年(业界称为大数据元年)到现在，企业开展大数据精准营销的时间相对较短，对于大多数消费者来说，并没有丰富的使用经验和自愿性可以借鉴。

四、基于整合UTAUT模型与4C理论的消费者对企业大数据精准营销的接受意愿影响因素分析

(一)努力期望

努力期望(Effort Expectancy)是指消费者感知使用企业大数据精准营销信息的难易程度。

1.感知易用性

Chau等学者通过研究认为用户是否使用一项技术与学习和使用该项技术需要付出的努力有关。[37]Davis认为使用者接触的信息系统无论是简单的还是复杂的，使用者在认知上都要先进行价值判断对是否使用信息系统加以取舍。同时，他还认为用户对一项容易被操作使用的新技术产品的态度是非常积极的。[38]对消费者来说，有了企业大数据精准营销的帮助，信息获取变得相对容易。企业大数据精准营销是通过手机短信、电子邮件广告、搜索引擎、个性化引擎推荐、门户网站、微信、微博、竞价排名搜索、关键词搜索广告、点告、窄告等工具向消费者进行精准信息推送的。企业通过这些工具能较快速准确让消费者了解企业向消费者推送的信息。譬如，消费者若习惯于通过百度等搜索引擎查找信息，企业若已经购买了关键词广告，消费者搜索查询与企业相关信息时，该企业的信息就会优先展现在消费者面前。因此，感知易用性有可能对消费者接受企业大数据精准营销产生影响。

2.复杂性

企业推送的精准信息复杂性低，易于消费者理解，也能促使消费者接受企业大数据精准营销。企业在大数据的帮助下，通过关联商品的形式向消费者进行个性化信息推荐。个性化引擎是基于消费者画像和商品画像合二为一进行的信息推送，个性化的信息能根据消费者具体位置的不同而调整。比如，在亚马逊网站浏览时，消费者若曾经浏览、购买或收藏了某些商品，消费者能在商城的平台上看到类似于“猜你喜欢”“购买过该商品的人还买过”“看过该商品的人还看过”的内容推荐。此种推荐信息的方式较易被消费者理解，若企业通过关联推荐推送的信息又恰好是消费者所需的，那么消费者接受企业大数据精准营销的意愿也增大。因此，信息复杂性的高低有可能对消费者接受企业大数据精准营销产生影响。

(二)绩效期望

绩效期望(Performance Expectancy)是指消费者相信借助企业大数据精准营销对提高其信息搜寻的效率有帮助。

1.相对优势

企业大数据精准营销较之传统信息推销方式的相对优势在于其有较强的时效性。它可以使消费者在其需求欲望最高的时候得到企业给他们带来的精准信息推送，这时消费者的购买意愿就能最大限度地被带动起来。“时间营销”的概念是由大数据营销的领头企业Ad Time提出的。时间营销就是企业借助技术手段充分了解在线消费者的需求，对每位在线消费者的需求及时响应，在消费者产生购买欲望的黄金时间内接收到商品广告。[39]这种感知上的绩效增加，可以让消费者付出更少的时间寻找所需的信息，甚至可以花较少的努力来完成后续最优的购买决策。[40]因此，相对优势有可能对消费者接受企业大数据精准营销产生影响。

2.感知有用性

企业大数据精准营销是在大数据分析得出消费者的基本信息包括喜好、兴趣等信息的基础上向消费者进行的信息推送，因此其推送的信息具有极强的针对性，甚至可以称为“私人定制”的信息，即企业大数据精准营销是个性化营销。苹果公司前任首席执行官Steve P.Jobs曾经说：“消费者并不清楚他真正想要的是什么。”[41]但在大数据精准营销的环境中，企业可以通过数据搜集技术(如Cookies的追踪、LBS的定位)、海量数据存储技术(如MPP、Hadoop)和数据分析技术(如Map reduce)对大数据进行处理，[42]使企业能清晰地把握消费者的需求。企业可以通过Cookie技术捕捉和定位消费者的ID，追踪消费者在其他类型网站的行为轨迹，将消费者的个人特征，如兴趣爱好、消费习惯等碎片化的信息拼凑起来，给消费者进行画像描绘，对其消费需求进行分析，有针对性地向消费者进行前期推广，争取一次性为消费者找到其满意的产品。当消费者由潜在消费者转变为现实消费者后，消费者的购买产品和同类消费者的历史购买记录企业可以借助大数据分析获得，并建立产品关联销售模型，对消费者有可能产生购买行为的关联产品进行分析，对消费者展开关联产品营销。譬如，某个在线旅游代理商向消费者售卖综合旅游商品的同时，该网站页面上可能会向消费者推荐目的地的关联商品。因此，消费者感知信息有用性有可能对接受企业大数据精准营销产生影响。

(三)社会影响

社会影响( Social Influence)，是指消费者在决定是否接受企业大数据精准营销时，他认为对自己非常重要的人或者周围的人对行为的态度所施加给他的影响或压力。消费者作为社会群体的一部分，在消费过程中同时处于多个不同的社会群体之中，因此，消费行为或多或少会受到社会群体的影响。社会影响可以划分为规范性社会影响和信息性社会影响两类。规范性社会影响和信息性社会影响会促使人们去迎合他人的期望，或获取他人对自身的认同。[43]

1.规范性社会影响

规范性社会影响是指消费者为了获得参照群体中其他人的喜爱或满足其他人对自己的期望必须付诸的从众行为。规范性社会影响促使消费者在群体环境中接受自己非常重要的人或者周围的人的行为与观点。当自己非常重要的人或周围的人宣扬个体的购物行为是在接受了企业大数据精准营销推送的信息时，会激发消费者留意企业向自己推送的精准营销信息。Fishbein和Ajzen研究发现，消费者认为重要的参考人给予的态度会影响一个人的具体行为。[44]Elek等提出个体周围多数人的一致行为会对个体的行为产生影响。当人们发现大多数人都采取某一行动时，他便自觉主动地认为某种行为是明智的。[45]因此，当消费者感觉对自己非常重要的人或者周围的人认为自己应当接受企业大数据精准营销时，可能会产生强烈的接受企业大数据精准营销的意愿。当然，当消费者感觉对自己非常重要的人或周围的人认为自己不应当接受企业大数据精准营销时，也会产生强烈的拒绝接受企业大数据精准营销的意愿。譬如，消费者对于企业大数据精准营销的接受有可能被其他社会成员认为轻易地相信企业不真实的广告推销，这时消费者有可能放弃接受企业大数据精准营销。因此，规范性社会影响有可能对消费者接受企业大数据精准营销产生影响。

2.信息性社会影响

信息性社会影响是指当消费者与社会其他个体对某事物的看法不一致时，消费者为了建立起对事物认识的依据，会采取积极的行为从自身认为具备相应知识的人那里搜集相关的消费信息。信息性社会影响促使消费者内在地接受自己认为非常重要的人或者周围的人的行为和观点。Huang & Chen指出当消费者面对海量网络信息时，为了减少认知性错误，会倾向跟随大多数人的选择，放弃自己判断的机会。[46]Burnkrant等的研究发现，人们购物时会依赖他人所给的信息去了解产品或服务。[47]在大数据快速发展的今天，大量的企业运用大数据分析的结果向消费者进行精准营销信息的推送，但部分企业在没有足够积累消费者行为数据和没有将推荐模型做到位的情况下，就开始进行盲目推荐，导致出现不合需求和时宜的强制推销。长此以往，消费者对企业的信息产生厌烦甚至排斥的情绪。因此，信息性社会影响有可能对消费者接受企业大数据精准营销产生影响。

(四)感知成本

4C理论强调尽可能减少消费者的购买费用，降低不必要的成本。消费者的购买成本产生于消费者购买行为发生的全过程，包括对企业大数据精准信息的接受行为。感知成本(Perceived Cost)是指消费者主观感知的，在搜寻信息的过程中为获得信息所付出的代价。感知成本并不是实际的支付，而是消费者对接受企业大数据精准营销推送的信息所感到的不确定性可能要付出的成本，包括耗费的时间、精力以及有可能泄漏的隐私。本文将感知成本分为时间成本、心理成本和功能成本。

1.时间成本

时间成本是指消费者因接受企业大数据精准营销推送的信息而可能遭受的时间损失。消费者在接受企业大数据精准营销信息时，首先要去核对企业所推送的信息与自己的目标信息是否一致。这项行为是要耗费时间的，这种时间损失基本上是不可避免的。其次，若消费者对企业大数据精准营销推送的信息进行查看，就放弃了其他获取信息的机会，若未能找到有用的信息，就浪费了原本自己打算用来查找相关产品信息的时间。

2.心理成本

心理成本是指消费者接受企业大数据精准营销可能使消费者失去对个人信息控制的可能性所造成的损失。企业开展大数据精准营销是建立在对消费者的信息进行数据挖掘，来提供基于地理位置的有针对性的信息的基础上的。企业所挖掘的数据中包含了消费者的位置、兴趣爱好、消费习惯等多种隐私信息。这些个人隐私信息对于不法商家来说，有可能成为其换取经济利益的筹码。

3.功能成本

功能成本是指消费者一旦接受了企业大数据精准营销推送的信息，可能产生后续的购买行为，导致其放弃购买其他商品而没有达到预期效果的损失。每位消费者的每一个行为都能带来一定的后果，且消费者无法准确预见到这些后果。同时，消费者有可能得到一些不愉快的后果使自己的行为产生一定的成本。若企业大数据精准营销推送的产品或服务的信息不能满足消费者的预期需求，特别是某些预期的功能不能达到完善的效果，消费者就会感到不满意。

(五)基于消费者需求和期望的信息

4C理论主张以消费者是否满意放在第一位。令消费者满意的不仅有企业提供的产品，也包括企业推送的信息。网络的出现使消费者在获取信息时不再受地域和时间的局限，极大地便利了消费者获取信息的方式，使消费者愿意主动搜寻信息。企业大数据精准营销对消费者进行的精准信息推送亦是如此。消费者获取的信息是否基于其需求和期望，在很大程度上影响其对信息的接受程度。而基于消费者需求和期望的信息只有具备了信息质量才能令消费者接受。因此，信息质量的高低在很大程度上影响着消费者对信息的接受程度。

大数据时代，消费者每时每刻都在接收着大量的信息，但消费者经常收到虚假信息、扭曲事实的信息、垃圾信息，这些信息皆不是基于消费者需求和期望的。马斯洛需求层次理论指出了产品的可得性、产品的质量和价格、产品的易得性和服务、个性化[48]是人对物质产品的四个层次需求。在电子商务时代，消费者获取的产品既有实物形态的，又有虚拟形态的，其中，信息作为消费者在电子商务时代搜寻的虚拟产品，在人们获得的同时，其质量就是消费者关注的焦点。有质量的信息不仅是基于消费者的需求和期望，同时也是影响消费者心理和精准营销沟通效果的重要因素。[49]信息质量是一个复杂的多维变量。Lambert通过实证研究，将网站信息质量分为信息的完整性、准确性、适当性、清晰性、易用性和引导性。[50]张竞予从信息准确度、适当性和可读性这几方面来衡量信息质量。[51]王宁从信息的准确性、生动性和密集性三个维度来衡量信息质量。[52]结合学者们的研究，本文认为，只有准确的信息、适当的信息才是基于消费者需求和期望的有质量的信息。

1.信息准确性

信息准确性是指企业大数据精准信息表达清晰，可靠，容易理解。Lee & Kozar指出信息内容要让消费者易于理解，是建立在表达清楚的基础上的。[53]Bailey等学者认为影响信息质量的重要因素是信息的易懂性、相关性、可信性及翔实性。[54]企业通过大数据精准营销向消费者推送的信息仅仅是对企业提供产品或服务的描述，是虚拟的，消费者无法实实在在地去体验商品或服务，消费者仅能通过企业告知的信息来选择产品、服务或相应的商家。因此，对消费者来说，企业大数据精准营销推送的信息存在着信息不对称的问题，有可能存在着虚假、夸大的成分。譬如，淘宝网在迅猛扩张的同时无法避免假货泛滥的问题，代购类商品问题尤其突显。美国跟踪假冒产品公司Net Names于2014年4月估算后称，淘宝商品中有20%～80%为假货。[55]因此，信息准确性在一定程度上对消费者是否接受企业大数据精准营销产生影响。

2.信息适当性

信息适当性是指企业大数据精准信息推送的信息要及时根据消费者个人特征的变化进行调整，将信息通过适当的渠道，在适当的时间将适当的信息传递给适当的消费者，避免机械地重复推送。消费者的表现往往是动态的、多元的、不可持续的，但企业依据大数据分析的结果，有可能出现机械地、反复地向消费者推送企业认为消费者需要的商品的结果。这样的后果是消费者反复接触的都是雷同度极高的信息，使消费者有可能封闭在私人性的信息空间中，产生信息茧房效应。[56]更有甚者，企业大数据精准营销的后果是使消费者产生厌烦或抵制的情绪。譬如，消费者搜索过奶粉，今后无论在哪浏览基本上都能看到突兀的奶粉广告。对于消费者来说，如果自己眼下刚好对奶粉有需求，或者企业的奶粉正好符合消费者的需求，那么，企业的大数据精准营销信息推送是精准的，能大大提升消费者的接受率。但如果此时消费者在近期已经购买过奶粉，或者企业推送的奶粉信息不符合消费者的需求，那么企业大数据精准营销打着精准投放信息的旗号，实则向消费者投放的是一堆垃圾宣传广告。当然，若企业大数据精准营销向消费者推送的信息内容，消费者与其自身的信息需求对比后，发现该信息是适当的，会增加消费者对信息的接受意愿。以京东为例，商品被消费者加入了购物车但又未产生购买行为，京东在后续有可能另择合适的时机将降价邮件发送给消费者，时时以清晰的信息提醒消费者，抓住任何一个有可能成交的机会。因此，信息的适当性有可能对消费者是否接受企业大数据精准营销产生影响。

(六)在线沟通

传统营销中，企业与消费者之间缺乏互动和联系，使营销成本增高的同时，还使消费者对企业的单向推销产生反感。4C理论主张以消费者为核心的沟通不仅强调企业借助网络营销工具同消费者进行双向交互式沟通，还强调消费者之间的沟通。Shostack首次提出“服务互动”的概念。他认为互动包括消费者与服务人员的互动的同时，还包括消费者与其他有形物体的互动。[57]汤锦旦认为，品牌虚拟社区的核心是网络互动，消费行为会由于品牌虚拟社区中的消费者社会化互动的中介作用受到影响。[58]吴海环也提出顾客沟通是精准营销的核心。企业要清楚地把握消费者的需求，需要与顾客进行深入沟通，使消费者对企业的优势有所认知，有利于其做出正确的选择。[59]本文将在线沟通分为消费者与企业人员的沟通和消费者之间的沟通。

1.消费者与企业人员沟通

消费者与企业人员的沟通是指企业在开展大数据精准营销的过程中，消费者与企业人员相互沟通、交流并获得有效回应的程度。企业在开展精准营销的过程中，若企业人员能与消费者进行沟通，就可将单向促销转换为“互动、双赢、关联关系”的沟通，最大化地缩短了企业和消费者间的沟通距离，避免一味地向消费者进行单向推销，无法触及消费者需求点的情况下，使消费者产生反感，抵触的情绪。当然，企业开展的大数据精准营销并不是一次性的活动，而是一个循环往复的过程，企业人员在与消费者周而复始的沟通中能不断收集消费者的信息，对自身的精准营销不断调整和优化，进而提升消费者接受企业大数据精准营销的意愿，提升对企业产品或服务的购买意愿。当然，消费者越积极参与，说明其越愿意互动，更易在行动和情感上产生共鸣，完善消费者的营销体验。[60]因此，消费者与企业人员的沟通有可能对消费者是否接受企业大数据精准营销产生影响。

2.消费者之间的沟通

消费者之间的沟通是消费者通过企业网站设置的网上虚拟社区与其他消费者彼此间相互交流、相互帮助的行为。[61]信息互联网时代，消费者习惯于将购后想法通过微信朋友圈等平台与朋友分享，实现消费体验的分享扩散。或者消费者热衷于对线上所购商品给予自己的评论。这些评论是消费者对商家商品或服务的口碑传播。口碑传播是来自消费者的信息，且与消费者的实际消费经历有关。它与商家广告、媒体推荐等第三方信息渠道相比，排除了利润刺激，较少地受到企业干预，且来源可靠。[62]市场研究公司 Jupiter Research调查数据显示：77%的网民网购商品前，会先浏览网络上其他人所写的商品评论。超过90%的大公司认为，用户推荐和网民意见在很大程度上影响用户的购买行为。[63]Senecal and Nantel也指出用户网上评论对增强潜在消费者的购买意愿有着显著的影响。因此，网络被推荐产品极易被消费者购买。[64]因此，后续消费者在购买行为发生前会将网络评价作为参考依据。此外，消费者在浏览了企业推送的信息后，若对商品存在疑问，除了向商家进行提问外，也可以通过页面与其他消费者进行沟通，通过观察页面提示中其他消费者的回复，如消费者对产品价格、购后产品质量的评价，进而决定是否接受企业大数据精准营销推送的信息。因此，消费者是否接受企业大数据精准营销在一定程度上受到消费者之间沟通的影响。

五、小结与启示

本文以整合的UTAUT模型与4C理论为基础，提出了消费者对企业大数据精准营销接受意愿的影响因素，旨在为企业更有效地开展大数据精准营销提供参考。消费者对企业大数据精准营销接受意愿影响因素是：绩效期望、努力期望、社会影响、感知成本、基于消费者需求和期望的信息、在线沟通。其中，绩效期望受到感知易用性、复杂性的影响；努力期望受到相对优势、感知有用性的影响；社会影响受到规范性社会影响、信息性社会影响的影响；感知成本受到时间成本、心理成本、功能成本的影响；基于消费者需求和期望的信息受到信息准确性、信息适当性的影响；在线沟通受到消费者与企业人员的沟通、消费者之间的沟通的影响。

企业要更有效地开展大数据精准营销可以从以下三方面着手，一是做好数据分析推荐模型，为消费者推送符合其需求和期望的信息。由于消费者的需求是多元、动态、不可持续的，所以企业的数据推荐模型不能长期使用，必须动态、及时地完善、更新数据分析推荐模型，做好消费者画像特征分析工作，得到消费者立体标签，对其推送准确、适当的信息。二是搭建营销全过程的消费者参与互动平台。精准营销强调企业与消费者即时有效的营销沟通。企业可通过微博、微信与消费者进行互动，也可通过设置商品评价区、讨论区让消费者留言及时了解消费者对企业产品或服务评价的同时，也可为企业产品或服务营造良好的口碑，带动潜在消费者的购买。当然，若是消费者对企业的产品或服务有任何不满，也可通过参与互动平台及时得以反馈，企业可以及时处理负面评价，降低不良口碑对企业的影响。此外，企业还可以利用大数据分析，对消费者进行分类，重点关注经常网购且喜欢购后分享的有公众影响力的消费者，有针对性地对其进行精准信息推送，并鼓励其进行分享。若是这类人群有了良好的体验后，必定会通过平台带动其他消费者选择企业的产品或服务。三是企业要尽量避免大数据泄露对消费者隐私造成的侵害。企业要做好对消费者大数据的保存、保管工作，将大数据作为企业数据模型构建的基础，避免为经济利益将大数据作为交易筹码事件的产生。