在线旅游消费者行为影响因素研究

2020-02-02朱晓锋蔡延光汤雅连

广东技术师范大学学报 2020年6期

朱晓锋，蔡延光，汤雅连

（1.江西冶金职业技术学院信息商务学院，江西新余 338000； 2.广东工业大学自动化学院，广东广州 510006）

0 引言

在线旅游电商市场日趋成熟，消费者在此购买旅游产品、了解相关旅游资讯等方面，都比在线下旅行社更加方便、更多选择[1].闻丽佳曾以其研究结果为基础，针对性地提出我国在线旅游市场需要在提高产品和服务价值、尝试差异化路线、开发移动应用平台、开拓新兴市场、制定网络营销策略等方面加大开发力度，并提出相应的发展策略[2].当前互联网的社交属性愈发凸显，如何利用消费者在互联网线上的社交属性做好在线旅游产品的销售，也是当前在线旅游市场发展的一大趋势[3].毫无疑问，消费者作为整个交易过程中的消费主体，是推动在线旅游电商发展的关键.夏美玉从在线评论数量和在线评分两个方面出发，研究在线评论对在线旅游产品销量的影响，发现产品是新生产品时，由于缺少对它的了解，消费者在在线评论数量和评分方面会关注负面评论以及追加评论[4].赵康则从旅游APP特性方面入手，发现旅游APP的个人特性、技术特性、社会特性对用户的使用意愿都有着正向影响，并给旅游APP的开发运营商提出了相应的建议[5].金泽鑫通过利用问卷调查与PHP爬虫技术获取的数据，分析后发现不同的人群在旅行过程中有不同的特点，并且构建了“用户”和“旅游景点路线链”的关联规则，对促进“互联网+旅游”战略发展提出了不少建设性意见[6].邱玥以体验性旅游产品为研究对象，研究消费者在线购买体验性旅游产品意愿的影响因素，得出了刺激因素和内在因素有着不同的影响效果，根据结论提出了体验性旅游产品线上销售时的建议[7].张晶晶通过对影响国内旅游O2O市场发展的经济环境、政策环境、行业环境的多角度研究，以及对典型旅游企业运营模式、运营现状、市场竞争状况的实证分析，围绕客户需求变化，提出了旅游企业未来发展需要具备旅游移动化、产品定价透明化、产品定制个性化等多重属性的观点[8].

消费者行为学涵盖了很多方面，它研究的是个人和群体组织为满足需要而进行的挑选、购买、使用或处置产品、体验所涉及的整个过程[9].Fishbein认为，现实中的个体作为一名理性人，所产生的心理或行为都有一定的目的和意义，他们在进行一项行为时的目的性越强，行为动机也就越强，同时越是认为该行为对自己有益或是非常意义重大，对该行为的态度也就越积极[10].在消费者行为研究中，也认为购买意向越大，购买行为就越活跃.企业在实际的营销与服务过程中，若能给予消费者积极的购买意向，就越能获得消费者的青睐.Michael R.Solomon在《消费者行为学》一书中指出，消费者购买行为是指消费者决定购买商品以满足他们的购买意向的过程[11].在线旅游电商是电子商务的一个细分市场，以消费者为主体，以消费者交互为核心，消费不再受时间与空间的过多限制，注重于消费者之间的互动.SICAS模型很好地解释了商家与消费者之间的互动过程[12]，本文将SICAS模型作为在线旅游电商中消费者行为的模型，在此基础上理解在线旅游电商的消费者路径，分析消费者的路径会受到哪些因素影响，从而进一步为在线旅游电商的发展提出一些有用的建议.

1 构建理论模型

1.1 SICAS理论模型

SICAS模型是DDCI互联网数据中心在AIDMA和AISAS模型的基础上，结合目前互联网营销的现状，在其发布的中国互联网蓝皮书中首次提出[12].具体可分为五个阶段：Sense—Interest&Interactive—Connect&Communicate—Action—Share（品牌与用户相互感知—产生兴趣并形成互动—建立联系并交互沟通—产生购买—体验与分享），从多个角度解析消费者行为与消费轨迹.

1.2 确定变量

通过所收集的资料与理论分析，结合上文提到的理论与模型，根据SICAS模型的五个阶段，确定五个研究变量，分别是品牌感知度、品牌吸引力、交互体验性、系统安全性与产品体验度，下面是变量的具体介绍：

（1）品牌感知度

在SICAS模型中，若要产生购买行为，必须先对品牌产生感知，由此提取出品牌感知度.此变量用于衡量消费者对于当前在线旅游电商的品牌感知的程度，主要包括：网站认知、产品类型认知、广告影响等.

（2）品牌吸引力

当消费者知悉品牌的存在之后，接着就该让消费者产生兴趣以引导其在消费路径上继续下一步，由此提取出品牌吸引力.此变量用于衡量消费者对于当前在线旅游电商的感兴趣程度，主要包括：内容信任、价格优惠、评价影响等.

（3）交互体验性

在用户产生兴趣后，接着就得注意与用户的联系与沟通，而在此阶段PC端网站与手机端APP的交互体验性就有着重要的影响.主要包括：交互人性化、系统质量、大数据推荐等.

（4）系统安全性

当消费者经过以上三个步骤，在产生购买行为的时候，最重要的是留下个人信息并支付的阶段.系统安全性主要包括：交易安全、信息保密度等.

（5）产品体验度

在SICAS模型所表示的消费者路径中，最后的产品体验也严重影响着消费者是否会有复购行为以及是否会有积极的分享情绪，最终使消费者在行为路径中形成正向闭环.产品体验度主要包括：使用体验、问题解决、分享意愿等.

1.3 模型构建

基于上一节的理论基础以及确定的五个基本变量，引入购买意向作为中间变量，构建一个影响消费者行为的理论模型，如图1所示.

图1 理论模型图

1.4 研究假设

假设H1：品牌感知度对消费者的购买意向有积极影响；H2：品牌吸引力对消费者的购买意向有积极影响；H3：交互体验性对消费者的购买意向有积极影响；H4：系统安全性对消费者的购买意向有积极影响；H5：产品体验度对消费者的购买意向有积极影响；H6：消费者的购买意向对消费者购买行为有积极影响.

根据以上的模型与变量，结合消费者在在线旅游网站时消费的一些情况，考虑购买意向与消费者行为之间的联系，本文把这些变量对消费者的购买意向与购买行为的影响，假设成下列几种情况：

（1）品牌感知度对消费者的购买意向有积极影响

品牌感知度是指在线旅游电商企业通过广告营销与推广手段，将自身品牌曝光给消费者，消费者对企业品牌的感知度则会积极影响消费者的购买意向和购买行为.

（2）品牌吸引力对消费者的购买意向有积极影响

品牌吸引力是指在线旅游电商企业在产品内容提供、产品定价以及产品评价等方面对消费者的吸引程度.产品内容可信度高，定价优惠亲民且评价优良，品牌吸引力自然也就高，品牌吸引力对消费者的购买意向和购买行为有一定积极影响.

（3）交互体验性对消费者的购买意向有积极影响

交互体验性关注的是在线旅游电商企业的PC端与手机端的用户交互设计是否优秀，对消费者的体验是否方便且高效.对消费者而言，能高效地找到自己所需要的产品，且过程中没有过多的信息干扰，操作方法简单便利，这样良好的交互体验性自然而然会对他的购买意向和购买行为产生积极影响.

（4）系统安全性对消费者的购买意向有积极影响

系统安全性涉及的是在线旅游电商网站对于客户信息是否能安全保密，是否能提供安全稳定的交易环境与便利的交易方式.消费者们都希望自己的个人信息与财产得到足够的安全保障，更高的系统安全性对消费者的购买意向和购买行为有积极影响.

（5）产品体验度对消费者的购买意向有积极影响

产品体验度是指消费者在旅游电商网站购买产品后，使用产品的满意度以及对产品提供商在服务方面回应的满意度.如果消费者对产品的满意程度越高，对消费者的复购行为与消费者之间的分享传播就会有着积极的影响，故越优秀的产品体验对消费者的购买意向和购买行为有积极影响.

（6）消费者的购买意向对于购买行为有着积极影响

消费者的购买意向指消费者采取某种方式行动的倾向，是倾向于采取购买行动，还是倾向于拒绝购买.它反映着消费者愿意采取特定行为的几率高低，消费者态度最终落实在购买的意向上.购买行为与购买意向直接相关，购买意向是衡量消费者是否会产生进一步购买行为的指标.

2 网上调查问卷

此次调研问卷由三部分组成，分别是背景说明、个人信息以及问卷主体.调查问卷通过互联网投放的方式，主要通过在多人的微信朋友圈及微信群聊等投放，故收集的样本大多来源于高校师生与部分来自各行各业的社会人士.本次问卷一共设有29道题，共有698人浏览，回收325份问卷，回收率46%.

3 数据统计与分析

3.1 样本数据及描述性统计分析

在对数据进行信度、效度与回归分析之前，本文先对研究变量的各个题项进行描述性统计分析.描述性统计分析是计算每一个题项数据的均值与标准误差，用以检验问卷得来的数据中是否存在异常值或是误差.本次问卷调查主体采用了李克特五级量表中的五个主要变量，每个变量均设置2～3个题项，问题将以李克特五级量表为主，分值1-5分别表示非常不认同、不认同、中立、认同、非常认同五个等级.

3.2 信度分析

信度，就是量表的可靠性或一致性，在态度量表法中常用的检验信度的方法为L.J.Cronbach所创的α系数法，其公式如下所示：

该公式中，k为量表所包括的总题数，Si2为第i题得分的方差，S2则是量表题项加总后的方差.本次问卷一共设置了20道变量题，并对此进行了α信度系数法.针对本次调查问卷中所有量表题进行的总体信度分析结果，如表1、表2所示.

表1 个案处理摘要表

表2 α系数表

其中，α系数就用于表达该量表是否值得可信.α系数值界于0.80至0.90之间非常好；α系数值界于在0.70至0.80之间相当好；α系数值界于0.65至0.70之间是最小可接受值；α系数值如果在0.65以下则最好不要，且需要考虑重新设计问卷题目.由表2可知，本次问卷的α系数为0.956＞0.8，这表明本次问卷调查的量表题数据信度较高，可继续进行下步分析.

3.3 效度分析

所谓效度是指能够测到该测验所欲测（使用者所设计的）心理或行为特质到何种程度.效度越高，问卷数据测量结果与所预计的考察内容就越吻合.本文将结构效度分析作为检验问卷量表题效度的方法.

（1）KMO与Bartlett球形检验

运用SPSS.25软件进行结构效度分析.这种分析方法，首先需要得到KMO和Bartlett球形检验的基本结果，以此判断问卷数据是否适用于因子分析.在KMO与Bartlett检验中，当KMO值愈大时（愈接近1时），表示变量间的共同因素愈多，变量间的净相关系数愈低，愈适合进行因子分析；如果KMO的值小于0.5时，较不宜进行因子分析，进行因子分析的普通准则是KMO至少在0.6以上.将该问卷数据检验后，根据表3所得出KMO与Bartlett检验结果，KMO值为0.961，呈现的性质是“良好的”标准，表示变量间具有共同因素存在，变量适合进行因子分析.另外显著性为0.000，小于0.05，代表总体的相关矩阵间有共同因子存在，故适合因子分析.结果如表3所示.

表3 KMO 和Bartlett检验表

表4 旋转后的成分矩阵

（2）因子分析

将所有量表题数据导入SPSS.25，使用分析方法中的因子分析，导入数据后，以主成份方法，固定提取6个因子；再用最大方差法，对因子解进行旋转，得到旋转后成分矩阵，以0.5作为因子载荷值最低标准，排除低于0.5的因子载荷值，获得各测试题项对6个因子的载荷值，结果如表4所示.

根据表4，以最大方差法旋转固定提取6个因子，同属于一个变量中的测试题项均有且仅有对同一个因子（成分）有着显著的载荷（载荷值大于0.5），故每个因子正好与原假设的五个自变量与购买意向因变量一一对应.说明本问卷结构效度良好，可用于线性回归分析，以证明理论模型中提出的假设.

表5 相关性分析结果

3.4 相关性分析

相关性分析是指研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法，本文通过皮尔逊相关系数来展示各变量之间的相关关系.所得结果如表5所示.

由表5所示结果，得出品牌感知度、品牌吸引力、交互体验性、系统安全性、产品体验度五个变量与购买意向、购买行为之间的皮尔逊相关系数.其中，五个变量分别与购买意向、购买行为之间的相关系数均大于0.6，购买意向与购买行为之间的相关系数为0.806，且均达0.05显著水平.一般而言，皮尔逊相关系数大于0.6，就可认为两个变量之间呈现显著的高度关系，由此可知五个变量与购买意向、购买行为之间，购买意向与购买行为之间都呈现高度的相关.

3.5 多元线性回归分析

多元线性回归分析，主要用于研究不同维度不同变量之间的关系，在回归模型中解释哪些自变量对因变量的影响更大.本研究以品牌感知度、品牌吸引力、交互体验性、系统安全性、产品体验度五个指标被用作自变量，购买意向用作因变量进行线性回归，再把购买意向用作自变量，购买行为用作因变量，做线性回归，探讨回归结果.

（1）五个研究变量与购买意向的多元回归分析

本文将理论模型中的五个研究变量作为自变量，购买意向作为因变量构建回归模型，此回归模型表达如下：

在此回归模型中，PI代表购买意向，α0为常数项，分别为品牌感知度（BP）、品牌吸引力（BA）、交互体验性（IE）、系统安全性（SE）、产品体验度（PE）五个研究变量的回归系数，e为随机干扰项，也就是残差项.

由于每一个自变量都有几个问题作为衡量标准，所以在回归分析之前，对问卷的数据做一个整理，分别求出每个自变量对应题项的均分，然后，将所求的均分作为自变量，进行线性回归分析，选用自变量输入方法为“输入”，统计结果包含共线性诊断.结果如表6-表9所示.

从表6可以看出，调整R方为0.787，说明品牌感知度、品牌吸引力、交互体验性、系统安全性、产品体验度共可解释购买意向78.7%的变异量.对于购买意向而言，是受到多方面影响的.本文根据SICAS模型，基于消费者行为路径所设置的这五个变量就能达到78.7%的解释度，是可以接受的.

根据表8与表9，回归模型中各变量的均分容差值均大于0.10，VIF值均小于10，条件指标值均小于30，特征值均大于0.01，说明进入回归模型中的品牌感知度、品牌吸引力、交互体验性、系统安全性、产品体验度五个变量之间不存在多重共线性问题,即自变量彼此之间的关系没有高度相关，也就不存在自变量之间的关系使回归模型估计失真或难以对因变量估计准确的情况[13].所有变量的显著性指标均小于0.05，说明显著性检验通过，故本次回归分析有效.

由表8我们可以推导出该回归模型的未标准化回归方程如下：

（2）购买意向与购买行为的回归分析

把购买意向（PI）作为自变量，购买行为（PB）作为因变量，进行回归分析，回归模型表达如下：

回归分析的结果如表10-表12所示.

结果显示，显著性指标明显小于0.01，说明模型整体显著性检验通过；调整R方为0.649，说明购买意向对消费购买行为有64.9%的解释度，因为只有一个变量，能有超60%的解释度也足以接受.因为是单变量，不用进行共线性诊断，根据表12可以得出未标准化的回归方程为：

3.6 分析结果

通过以上对问卷调查结果的信度和效度分析，证明了本次问卷数据具有较高的可信度，而且，各变量所设置的题项经数据统计的因子分析方法的验证是合理有效的，可用于进一步的证明假设.在后续的相关性分析中，可知五个变量与购买意向、购买行为之间，购买意向与购买行为都呈现高度的相关.在多元线性回归分析中，所得的回归方程系数均为正数，对本文的研究假设进行了检验，回归方程汇总如表13所示.