数据智能情境特征对消费者移动购物意愿的影响研究

周振昭，梁静鑫，何军红，李 甫

（广东工业大学 管理学院，广州 510520）

0 引 言

移动购物是伴随移动互联网经济发展而崛起的购物形式，与传统网络购物相比，移动购物创造了消费者随时随地进行消费的机会。学界研究表明，在具有随时随地消费特性的移动购物中，环境刺激会对消费者冲动消费及消费情绪等带来重要影响。在市场实践中，越来越多的移动环境下经营的商家，重视利用先进技术（比如VR等）来建设和维护线上营销环境，多途径对消费者移动消费决策进行“引导”。数据智能时代，不仅反映了新一轮信息技术变革，更预示了相关行业价值链的改写。处于“大数据+人工智能”而构建的数据智能情境下的移动电商企业，可以充分用技术捕捉消费者数据与信息，进一步实现对消费者移动购物意愿更精准化、更个性化的影响，为经营活动的发展带来新的可能性。

但具体是机遇还是挑战，或两者并存，都脱离不了围绕“数据智能情境特征对消费者移动购物意愿的影响”这一核心问题的讨论。但围绕这一问题而开展的研究尚十分缺乏，不过已有部分研究在“大数据”“人工智能”时代背景下，探讨智能化营销案例与消费体验感之间的关系、智能语音技术在客服系统的应用价值以及智能广告的实现与实践等话题。基于此，本文借助NVivo软件开展质性研究，提炼数据智能的典型情境特征，并探讨其对消费者移动购物意愿的影响，从而为在移动环境下经营的商家寻找提高消费者移动购物意愿的可行路径。

1 文献综述

1.1 移动购物意愿相关研究

移动购物指使用者依靠移动终端、移动互联网开展的电商活动。移动购物具有随时随地性、个性化、场景性等鲜明特征，能够为移动购物用户提供灵活的购物情境、更好的购物服务。因此，针对移动购物中影响消费者购物意愿因素的研究得到学术界重视。有研究证明移动技术和消费情绪都会对移动购物持续意愿有正向显著影响，而在线评论的质量和数量会通过情绪影响消费者的冲动性购买。除此之外，童俊、王凯发现消费者的感知价值和沉浸体验对移动购物采纳行为具有显著影响。同时，针对网络购物决策影响因素的研究成果，为研究移动购物消费者购物意愿提供了可借鉴之处。比如一些学者提出影响网络购买决策的因素有易用性、有用性、信任、安全、隐私和风险，还有研究表示社会互动、竞争及经济基础与马来西亚人家电购买之间存在正相关关系，且在线购买体验对购买意愿具有显著影响。从现有研究情况来看，深入探讨数据智能情境下的移动购物消费者购买意愿，有利于更细致地了解消费者在新技术环境变化下的购买意愿所发生的变化及其原因，从而对现有移动购物研究进行一定补充。

1.2 数据智能相关研究

数据智能（Data Intelligence）的概念可以理解为“大数据”与“人工智能”的结合，同时又要把握其融合所产生的个性化特征。最初，研究主要集中在数据智能概念创新与市场产品的探讨，强调了数据智能相较于人的智能、单纯数据算法等具有不可比拟的优越性，例如李玉玲阐述了人工智能、大数据和云计算三者融合后对各行业带来的效率改变。而依靠数据智能作为底层技术衍生的市场产品切实应用到了建筑行业、商务系统等同样引发关注。其中，有学者分析了数据智能可以根据不同的建筑数据从而生成能量消耗的预测模型，反映出数据智能具有代替人思考的预测特性。也正是基于数据智能的高效率，以及在信息情报的收集、整理和未来预测上科学性考量，数据智能情境已被越来越多提供移动购物的商家所重视。但数据智能情境中消费者移动购物意愿是否受到这些新技术应用下的场景“摆布”，有待学界进一步探讨。

2 研究设计

本研究采取“目的性抽样原则”的定性研究方法，选取可以为研究提供最多及最有效的信息量的研究样本进行访谈。访谈样本为使用移动设备并拥有3年及以上的上网年限，同时拥有1年及以上的移动购物经验，且使用频率较高的消费者。访谈前，根据研读该领域研究的相关论文及对5名受访者的预访谈结果，制定正式的访谈提纲。正式访谈采取面对面、电话、微信语音及QQ语音等形式进行。在正式访谈中一共对45位受访者进行了半结构化访谈，访谈平均时间大约为32分钟。受访者中有18名男性，27名女性，平均年龄为23岁，职业以在读学生为主，另有学校教师、个体户、企业单位员工等。访谈人员在访谈过程中进行录音和笔录工作，并在访谈结束后将录音数据转录为文字文档，供编码使用。

3 分析结果

本文使用了定性研究法提取访谈资料信息，并对所提取信息进行分类归纳，通过对结果的概念化及范畴化来提炼结论。在资料分析过程中采用Nvivo 12.0对访谈数据进行逐级编码。访谈数据分别由两名研究者单独进行编码，从而保证了编码的信度与效度。此后，通过对两名研究者完成的编码进行对比，结果一致部分加以保留，有争议部分通过讨论达成一致意见；对仍有争议部分采取二次访谈，以确保数据可靠性与普遍性。本研究一共提炼出8个一级编码，包括：智能支付快捷（4次）、数据智能方便（222次）、数据智能不方便（3次）、数据智能准确（104次）、数据智能不准确（126次）、积极购买意愿（80次）、消极购买意愿（123次）及中性购买意愿（17次）。4个子二级编码，包括：数据智能快捷性、数据智能便利性、数据智能准确性及购买意愿。2个主二级编码，包括：数据智能情境特征及购买意愿。这些编码中，数据智能方便、数据智能准确、数据智能不准确及消极购买意愿被消费者提及较多，表明这些方面被消费者较为关注。聚类分析结果显示，“数据智能情境特征”中的各子二级编码“数据智能快捷性”“数据智能便利性”“数据智能准确性”与“购买意愿”的唯一子二级编码“购买意愿”之间的Pearson系数分别为：0.31、0.57、0.61，其中“数据智能准确性”与“购买意愿”的Pearson系数最大，说明“数据智能准确性”是影响消费者移动购物意愿的极为重要的因素。主二级编码“数据智能情境特征”与“购买意愿”之间的Pearson系数为0.64，这说明“数据智能情境特征”对消费者移动购物意愿的影响比较大。

经过以上逐级编码及分析，本研究最终确定的核心范畴为“数据智能情境特征对消费者移动购物意愿的影响”，理论模型图如图1所示。其中，数据智能情境特征包括数据智能快捷性、数据智能便利性与数据智能准确性。

4 结论与建议

本研究显示，影响消费者移动购物意愿的数据智能情境特征主要包括数据智能快捷性、数据智能便利性与数据智能准确性。其中，数据智能便利性与数据智能准确性被消费者提及较多，成为消费者重点关注的情境特征。就数据智能的准确性而言，既有不少消费者觉得数据智能很准确，也有不少消费者觉得不准确。这反映数据智能在某些业务层面的准确度比较高，在某些业务方面则不够完善。除此之外，在220个有效数据中，消费者产生的积极购买意愿和消极购买意愿“势均力敌”，甚至消极影响大于积极影响，一方面说明新兴数据智能情境没有完全成熟，对消费者移动购物意愿的积极引导的设计有待完善；另一方面表明，在数据智能情境下，不同的消费者由于自身特征不同，包括年龄、偏好、性格等，从而使得消费者对数据智能的适应程度存在差异。综合以上分析，企业可从以下3个方面进行改善。

图1 理论模型图

4.1 应用理念

数据智能技术的应用领域广泛，但在移动购物领域，数据智能情境的建构还有很大的发展空间，这主要由于多数人还是采用传统理念来发展新生事物。因此，企业应突破传统思维，在应用理念上有所改变。一是基于系统理念，发展全景型、沉浸型及联动型应用场景。系统思维要求要既看树木又见森林。换言之，企业在顺应科技发展，建设或优化数据智能移动购物情境时，应当充分考虑应用的细节与整体基调相协调，打造完整全景，营造沉浸氛围，并注重在购前、购中、购后提供相应的数据智能服务，产生一体联动，形成更好的服务供给。二是基于创新理念，企业应发展参与式、体验式、交互式内容的应用方向。数据智能为企业提供重要的智能化数据收集、解读和决策等内容，在为与消费者进行深层次沟通上提供了“信息情报”，可根据具体内容建设一些创新的互动性内容，为消费者提供更好的交互体验。

4.2 应用内容

企业应当紧抓数据智能的便利性、准确性、快捷性几大特征，比如企业可以通过优化人工客服的性能，为消费者咨询提供准确的服务；通过大数据的累积和智能算法精准识别用户需求，为消费者提供准确的购物信息；通过消费者的消费记录和一些个人注册信息等，发掘消费者潜在需求，“想消费者之未想”，为其消费进行引导，并提供优质商家信息以方便消费者快速决策。在本研究中，数据智能的快捷性仅被极少数人提及。据此，企业可从以下几方面改善。第一，完善购物导向，包括智能输入与关键词推荐等功能应多样化，如增设类似Google引擎的图片信息识别系统，通过将图片内的所有信息拆解转化为文本形式，以便用户能检索到一切的相关信息。第二，推荐的关键词则需要根据用户搜索内容高度集合形成一个范畴，再随用户点击细化，提高输入方式的多样化，即允许用户通过多种方式快速抵达目的商品的落地页面，该过程可以提高搜索速度，不仅改善了用户体验，且对消费者的决策具有促进作用。第三，完善智能物流。当前物流可进一步将快件的信息通过文字或图片形式上传送到官方网站上，为用户提供快件的即时信息详情；同时，在每一次转运前，可将快件与配送的交通工具进行绑定，让消费者知晓即时位置。

4.3 应用保障

在应用保障方面，主要涉及两大方面。一是加强数据库建设。大数据能为移动购物领域企业提供用户的访问地区、页面停留时间、点击量及回访率等用户访问数据，这些数据看似与消费决策无关，实际上能够反映消费者的心理状态，正是这些大量的数据集合成企业的数据库。本研究显示，数据智能的准确性被消费者所诟病，超半数数据表明数据智能不准确，导致用户购物体验不良，例如出现推送不合适的商品、喜好排序有误、乱出价等现象。这是因为大部分企业没有打造属于自身的数据基地，或因技术有限而无法利用算法构建精准的用户画像，导致对部分用户推送不合适的信息。通过建立专属的数据库，让数据成为专有资产，是企业区别于其他移动购物平台的重要举措，也是修正数据智能偏差的良好方针。当然，企业也可以选择与数据库巨头如阿里巴巴或数据分析企业合作，扩大自身攫取数据的来源和范围，用数据构建起每一个用户的精确画像，实现精准营销。二是为数据信息智能设置提供安全保障，实现数据智能合法的可持续应用，并广泛应用于移动购物领域。企业需要切实执行国家在数据采集和应用的相关法规，特别应当做好智能设置功能的安全性能检测，防止消费者信息被盗用等。