基于回归模型的社交电商平台用户体验因素研究

张云晖，雷雯靓，李浩宇

（1. 绥化学院 经济管理学院，黑龙江 绥化 152000；2. 绥化学院 农业与水利工程学院，黑龙江 绥化 152000）

社交电商的衍生，开启了移动时代新格局，相比传统电商，发展势头十分迅猛。2019 年，社交电商市场规模达20 605.8 亿元，同比增长高达63.2%。为了提升平台用户粘性，并有效克制社交电商所面临的瓶颈，亟需对社交电商消费者的心理及满意度做出正确的分析[1]。

回归分析法是一种定量分析的有效方法，可反映两个变量间的逻辑关系强弱，并对事物未来发展方向有指导性作用[2]。本研究通过设计回归模型，找出与平台满意度线性相关的用户社交电商体验要素，从而精准定位消费者需求，提高用户粘性，完善社交电商平台的构建。

1 建立社交电商平台回归预测模型

因变量y 代表用户对平台的满意度，自变量1x 、 x2、…、 xm分别代表备选的社交体验要素项，对体验要素项进行量化处理，如表1。

表1 社交体验要素量化表

（1）每个社交电商要素对于平台满意度的影响值都有所差异。若用 E (Y | X )表示社交电商体验要素函数X 对平台满意度Y 的影响期望，那么各社交体验要素X 则会呈现不同数值，在此假设Y服从正态分布，并利用回归方程 y = f ( x )衡量X 与Y之间的契合度，反映社交体验要素与平台满意度的线性关系。

（2）为了表示每个社交电商体验要素x 对满意度y 的影响程度，需引入一个度量指标，设为h，h 的计算过程如下：

其中h 的取值范围在-1 到1 之间。有三种情况：当|h|＜0.3，甚至接近于0 时，则说明x 与y 非线性相关，该要素对社交平台满意度影响不大；当0.3≤|h|＜0.8，则可说明x 与y 之间呈线性关系，该要素对社交平台满意度有一定影响；当|h|≥0.8，则说明x 与y 线性相关程度较高，该要素对社交平台满意度影响较大，值得关注[2]。根据上述实际情况，可明确平台满意度y 和体验要素项x 存在线性影响关系，进而展开推断：

平台满意度y 及jε 均为随机变量，其中，y 有一定微小误差，随体验要素项x 而变；jε 独立并满足正态分布，β 为各体验要素项评价系数，可根据实际值估计[2]。

根据上述分析，建立y 对x 的m 元线性回归方程，见公式(3)：

其中，0b 、1b 、2b 、…、mb 是1β 、2β 、…、mβ 的最小二乘估计值，即0b 、1b 、2b 、…、mb 应使实际社交平台满意度y 与估计满意度ˆy 的偏差平方和最小[3]。下文将使用F 检验实现上述目标。

2 检验社交电商平台回归预测模型

根据筛选出的与满意度线性相关的社交平台体验要素，得到偏差检验：

为残差平方和，代表除上述体验要素外其他因素所引起的偏差[2]。

m 为调研得出的用户体验要素数量，n 为实际用户体验要素的组数。

根据计算出的SSR、 dfR与SSE、 dfE，得到回归均方MSR与残差均方MSE：

但上述检验反馈出的数据是整体带来的结果，并不代表个体结果，并不能说明每个体验要素都是用户急需。也就是说，目前选取的用户体验要素项，整体与平台满意度线性相关，但某个体验要素项可能并不显著，只是在其他要素作用影响下才整体显示显著，因此，依次对各偏回归系数进行显著性检验，从所有体验要素中，区分出显著与不显著的用户体验要素，剔除实际上对平台满意度影响不大的要素。假设

其中

为离回归标准误差； Cii为C=A1- 的主对角线元素。

若本次t 检验最终结果仍为显著，则说明筛选的每个体验要素项都与用户对社交电商平台满意度呈显著线性关系，也就是说，每个体验要素项都直接影响着社交电商平台呈现出的效果，并且表现得较为明显。因此，依据上述体验要素对平台进行开发维护，有利于增加用户粘性，可以着重从上述几方面对平台进行设计改造；若t 检验最终结果为不显著，则说明筛选的体验要素项中，有某个要素与用户对社交电商平台满意度呈非显著线性关系，也就是说，其中某个体验要素与平台满意度关系不大，并不是最重要的影响要素。那么，则需要重新挑选x 体验要素项，返回F 检验重新测试，直到t 检验结果显著[2]。

3 实证分析

3.1 量表设计

本研究通过参考相关文献，并结合该领域专家意见，以线上问卷形式对影响用户满意度的体验要素进行调研收集，主要包含对拼多多、蘑菇街、云集、微店等社交平台的消费者进行用户体验测试，为了保证回收样本的专业度和准确度，本次设计基于社交电商平台的自身特点，借鉴了国内外权威科技文献的量表设计方案[4]。

3.2 样本收集

图1 被调查样本学历数据

图2 被调查样本年龄数据

本研究通过调研和文献搜集确定了10 余项影响用户满意度的社交电商要素，样本收集采取线上调查问卷方式，其中27 份为无效问卷，收回273份为有效问卷，达到91%的回收率。在量表设计时为了均衡样本质量，将学历、年龄、职业等个人信息数据引入量表[4]。通过对回收问卷分析，得知被调查样本学历数据如图1 所示，年龄数据如图2 所示。

3.3 数据分析及检验

首先，通过上述问卷样本收集，选取其中10个变量作为回归分析的样本数据，分别是享乐动机X1、价格价值X2、信息质量X3、产品质量X4、服务质量X5、信用风险X6、……社群影响X10。其次，利用SPSS 软件，对多种数据排列分别进行F检验和t 检验处理，并在符合显著线性关系条件的所有回归方程基础上进行拟合优度检验，最终得到拟合度最高的模型输入的自变量有5 个，分别为享乐动机X1、信息质量X3、产品质量X4、信用风险X6、社群影响X10[5]。该模型回归分析结果见表2，包括各变量回归系数及线性结果等数据。在该线性回归模型中，标准化回归系数的值可以体现某一体验要素对社交电商平台满意度的重要程度。

表2 回归分析结果

从表2 可知，标准系数最高的产品质量对社交电商平台满意度的贡献最多，说明无论在社交电商还是传统电商中产品质量依然是消费者最为看中的因素。其次是社群影响。随着移动技术的普及，社群成为主流社交形式，该形式对消费者购买行为有推动作用，平台消费者需要重视社群营销。三是信息质量。优质的软文营销和信息推广比普通推广更吸引用户。四是信用风险。社交电商由于其社交化形式，容易造成用户对其交易形式的不信任感，平台仍需规范其交易过程。最后是享乐动机。社交电商更多地融入娱乐化元素会更吸引消费者，拼多多的崛起即可证明这一点。这些都是对社交电商用户满意度影响较显著的因素，据此可得到如下回归方程[6]：

表3 模型显著性检验

进一步进行F 检验，结果如表3 所示。用户对社交平台满意度y 的总平方和为105.986。F 值为48.161，其对应的概率P-值近似为0，因此说明所建立的回归方程具有显著性[7]，进一步说明上述用户体验要素与平台满意度关系显著。

4 结论

通过建立回归分析模型及相关分析，发现社交电商用户的购买行为与产品质量、社群影响、信息质量、信用风险及享乐动机息息相关。若要提高社交电商平台的用户粘性，在保证产品质量的前提下，要重视社群影响及提供给用户的信息筛选。社交电商的运营者亟需培养差异化思维，提供更为优质、精简扼要的资讯，并不断提升用户信任感，强化社交平台交易安全性。另外，社交电商平台开发者在服务终端可增加一些趣味性内容，刺激消费者的购买激情。