个性化推荐对消费者网络购物购买意愿的影响研究

罗朝能，吴 怡

（北京工商大学商学院，北京 100000）

1 引言

经历了十几年的高速发展之后，网络购物平台遭遇流量触顶，如何创造更大的利润，是急需解决的问题。现如今，越来越多的购物网站选择使用个性化推荐系统将产品有针对性的推荐给顾客，如天猫商城、淘宝网、京东、亚马逊等。然而在用户信息需求的调查研究中，个性化推荐却列为无差异因素，即它的实现与否并不会对消费者的购买满意度产生重大影响，因此怎样有效的使用个性化推荐，成为网商引流成败的关键。

现有的理论研究中，针对个性化推荐与消费者行为相结合研究基本属于空白状态，多集中在个性化推荐的算法方面，主要应用于计算机领域和图书馆领域，如推荐网络分析及个性化推荐算法研究、基于本体的数字图书馆个性化推荐模型构建研究等。本文旨在研究个性化推荐对消费者网络购物购买意愿的影响，探究如何使个性化推荐发挥最大的效用，丰富消费者网络购物理论，并从实践上，为网络购物平台提升消费者购买意愿给予建议。

2 理论基础及假设提出

2.1 SOR理论框架

行为心理学的创始人约翰沃森认为人类行为可以分为刺激和反应两个部分，并据此建立了“刺激-反应”原理，被称为S-R模型。Mehrabian和Russell（1974）在S-R模型的基础上，提出刺激-感知-反应模型（S-O-R模型）[1]。该理论认为，刺激（S）表示外界环境对有机体认知、情感、态度等产生刺激影响，并经过生理上、心理上的一系列加工，进而使有机受体（O）的行为方式产生内在或外在反应（R）。应用于消费者购买行为中，即当外部出现刺激时，消费者会在主观上做出感知和判断，进而影响消费者的购买意愿。Donovan和Rossiter（1982）首次基于该理论探究了实体零售背景下服务环境对消费者情绪反应以及后续购买行为的影响[2]。Richard（2005）将研究关注点从传统实体转移至互联网情境下，探究基于SOR视角的网络氛围是如何通过消费者态度的传导机制影响其购买意愿的[3]。

通过文献的梳理，鲜少有学者将SOR理论应用于互联网情境下个性化推荐与消费者购买意愿关系的探究之中，但是本文认为该理论框架具有一定的适用性。根据SOR理论框架，如果将个性化推荐与消费者购买意愿视为一种刺激反应式关系，那么消费者感知价值便是该关系建立过程中的中介传导机制。消费者在接收个性化推荐的过程中，会对个性化推荐的信息长度、信息内容等方面的产生客观感知，同时也对图片风格、推荐语气等方面的产生主观感知，此时，消费者便基于对这些刺激因素的认知做出相应的处理，即会对个性化推荐的产品进行满意或不满意、信任或不信任的考量，并最终做出是否生成购买意愿的反应输出，从这一层面来说，将SOR理论应用于网络购物个性化推荐与消费者购买意愿的关系探究具有一定的解释力。

2.2 个性化推荐

Resnick和Varian（1997）最早将个性化推荐应用于电子商务领域，将个性化推荐定义为利用购物网站给消费者提供商品具体信息和可行性建议，模拟销售人员帮助他们减少决策时间，做出购买决策[4]。在个性化推荐的维度研究中，Konstan(2001)认为推荐的渠道会对顾客的购买意愿产生影响，消费者更乐于接受有规则的、简单明了的推荐方式，过于繁琐或者晦涩难懂的形式反而会降低购买意愿[5]。Xiao等(2013)认为影响个性化推荐效果的因素包括内容和形式两个方面的内容，推荐形式通过推荐频次和信息编排来体现，推荐内容通过信息详尽度和个性化准确度来体现[6]。更有学者将个性化推荐分为信息编排、推荐强度、信息详尽度、信息可靠性、视觉线索和网站形象等六个方面，把中间变量设置为消费者信任，进而探讨了其对用户购买意愿的影响[7]。

综上所述，学者们对个性化推荐的划分主要包括信息编排、推荐强度、推荐方式和视觉效果四个维度。因此，本研究提出如下假设：

H1：个性化推荐对消费者购买意愿有显著的正向影响。

H1a：信息编排对消费者购买意愿有显著的正向影响。

H1b：推荐强度对消费者购买意愿有显著的正向影响。

H1c：推荐效度对消费者购买意愿有显著的正向影响。

H1d：视觉线索对消费者购买意愿有显著的正向影响。

2.3 感知价值

Zeithaml(1988)最早对感知价值的概念进行了解释，他将感知价值定义为用户结合自身的主观感受，对于产品所产生的一种整体效用的评估[8]。在感知价值维度划分探讨中，Sweeney(2001)通过对Sheth模型的解释，将感知价值分为功能价值质量、功能价值价格、社会价值和情感价值[9]。Joowon(2013)以街头小吃为研究背景，将感知价值分为感知利益和感知风险两个维度进行了探讨，研究结果显示，感知利益正向影响消费者购买决策，感知风险负向影响消费者购买决策[10]。

通过文献的总结，感知价值的研究多集中于两个方面。一是从多个维度对感知价值进行划分研究，二是将感知价值划分为感知利益和感知风险，权衡两者之间的关系。后者对消费者感知价值的划分更具有代表性，感知利失的加入，全面考虑了消费者在进行感知判断时的心理活动，更具有科学性。感知价值作为消费者作出购买决策的心理过程，是消费者受到推荐内容编排、推荐强度和推荐效度及视觉线索的刺激后产生的心理判断，通过综合考量感知利益和感知风险，消费者会根据心理预期做出购买决策，感知利益与感知风险之差即为消费者感知价值。因此，提出假设：

H2:个性化推荐各维度对感知利益有显著的正向影响。

H2a:个性化推荐各维度对感知经济利益有显著的正向影响。

H2b:个性化推荐各维度对感知情感利益有显著的正向影响。

H3:个性化推荐各维度对感知风险有显著的负向影响。

H3a:个性化推荐各维度对感知隐私风险有显著的负向影响。

H3b:个性化推荐各维度对感知绩效风险有显著的负向影响。

消费者会根据心理预期进行判断和衡量可能存在的利益和风险，进而会做出是否购买的决策。感知利益大于感知风险时，消费者会产生正向的购买意愿，感知利益小于感知风险时，消费者会产生负向购买意愿。因此，提出假设：

H4:感知利益对消费者购买意愿有显著的正向影响。

H4a:感知经济利益对消费者购买意愿有显著的正向影响。

H4b:感知情感利益对消费者购买意愿有显著的正向影响。

H5:感知风险对消费者购买意愿有显著的负向影响。

H5a:感知隐私风险对消费者购买意愿有显著的负向影响。

H5b:感知绩效风险对消费者购买意愿有显著的负向影响。

根据SOR理论，感知价值在购买过程中属于中间环节。综合上述假设，一方面个性化推荐通过信息编排、推荐强度、推荐效度和视觉线索直接影响消费者购买意愿，另一方面也通过感知价值的中介作用影响消费者购买意愿。因此，提出假设：

H6:感知利益在个性化推荐各维度与消费者购买意愿之间具有中介作用。

H6a:感知经济利益在个性化各维度与消费者购买意愿之间具有中介作用。

H6b:感知情感利益在个性化推荐各维度与消费者购买意愿之间具有中介作用。

H7:感知风险在个性化推荐各维度与消费者购买意愿之间具有中介作用。

H7a:感知隐私风险在个性化推荐各维度与消费者购买意愿之间具有中介作用。

H7b:感知绩效风险在个性化推荐各维度与消费者购买意愿之间具有中介作用。

基于前文的文献回顾，本文构建了个性化推荐对消费者购买意愿的影响研究模型，如下图1所示。

图1 个性化推荐对消费者网络购物购买意愿影响研究模型

3 研究设计及实证分析

3.1 测量工具

3.1.1 自变量：个性化推荐

本文探讨个性化推荐信息编排、推荐强度、推荐效度和视觉线索四个维度与消费者购买意愿的关系。结合已有的研究成果，构建个性化推荐四维度的测量量表，具体如表1所示。

表1 个性化推荐测量量表

images/BZ_69_172_297_1205_889.png

3.1.2 中介变量：感知价值

结合文献及深度访谈，将消费者感知利益分为感知经济利益和感知情感利益两个维度，将消费者感知风险分为感知隐私风险和感知绩效风险。其中感知经济利益是指购物平台使用个性化推荐系统时消费者能够获得更低的价格或享有更多的折扣，让消费者感受到个性化推荐系统的实用性和便利性;感知情感利益是指系统能够使消费者感到快乐，产生愉悦的感情；感知隐私风险是指当消费者使用个性化推荐系统时，可能会导致其个人隐私信息泄露;感知绩效风险是指个性化推荐的产品或服务的效果没有达到消费者的预期，从而消费者认为造成的损失。借鉴结合已有的成熟量表，提出感知价值的量表2。

表2 感知价值测量量表

3.1.3 购买意愿

目前研究中已经有十分成熟的消费者购买意愿测量量表，结合个性化推荐的实际情况，对消费者购买意愿进行测量，购买意愿量表如图3。

表3 消费者购买意愿测量量表

3.2 问卷发放与回收

本文主要通过线上发放途径，借助问卷星网站，同时通过微信和腾讯QQ等方式发放问卷链接地址，以保证问卷收集的效率。最终共发放问卷352份，回收有效问卷312份，有效回收率为88.64%。

据人口统计信息可知，相较于男性，选择网购的女性占比较高，为66.3%；年龄层面，于18-25岁和25-35岁这两个年龄层的消费者数量较多，两者共占总数的82.3%；教育层面，大学本科学历以上用户占比超过一半，为85.1%，表明消费群体普遍学历较高；职业层面，学生和企业员工占比较高，为网购的主要人群，是适合的研究对象。

3.3 调查结果分析

3.3.1 信度与效度分析

目前学术界所采用的信度测量方法有两种，一是折半信度法，二是克朗巴哈阿尔法系数法，为保证连续性，本节采用克朗巴哈阿尔法系数法。SPSS20.0的信度检验显示各个观察变量的Cronbach's α值均大于0.6，表明各测量变量信度可以接受，各潜变量的组合信度均大于0.6，平均方差抽取量均大于0.5，表明模型的内在质量佳。

表4 各测量变量的信度、效度分析

利用AMOS20.0对个性化推荐量表（模型1）和感知价值量表（模型2）进行验证性因子分析，整体模型拟合指标的结果如表5所示，各项指标均在接受范围标准内，表明模型的外在质量佳。

表5 验证性因子分析模型拟合结果

3.3.2 相关分析

本研究借助SPSS20.0，采用Person相关分析法，对个性化推荐各维度、感知利益和感知风险各维度以及消费者购买意愿之间进行相关性分析，结果如表6所示，个性化推荐四个维度变量与感知利益的各维度变量以及购买意愿之间呈显著正相关，与感知风险各维度呈显著负相关，感知利益的各维度变量与购买意愿之间也呈现显著正相关，感知风险与购买意愿之间呈显著负相关。

表6 各变量的回归分析结果

3.3.3 回归分析

经过相关性分析，初步验证了所提出的假设，继续利用回归分析进行多对一的变量验证。本节采用逐步多元回归分析法，选择只对校标变量有显著影响的自变量，将没有达到显著水平的自变量剔除回归分析外。

（1）个性化推荐与消费者购买意愿的关系

将性别、年龄、教育程度和职业作为控制变量引入回归方程中，回归分析结果如表7所示。模型2在模型1的基础上纳入自变量进行回归，由模型1和模型2比较可知，R2增加量为0.591，表明个性化推荐各维度能够解释购买意愿的变异量为59.1%。从回归系数及显著性检验来看，信息编排（β=0.305，P<0.001）、推荐强度（β=0.153，P<0.001）、推荐效度（β=0.224，P<0.001）和视觉线索（β=0.328，P<0.001）均对购买意愿有显著正向影响，且视觉线索对购买意愿的影响相对更大，假设H1通过检验。

表7 个性化推荐对消费者购买意愿的回归分析结果

注：*、**和***分别表示0.05、0.01和0.001的显著性水平。

（2）个性化推荐与感知价值的关系

以个性化推荐四维度作为自变量，感知价值各维度作为因变量，构建8个模型，回归结果见表8。以感知经济利益为因变量，由模型1和模型2比较可知，R2增加量为0.426，表明个性化各维度能够解释感知经济利益的变异量为42.6%。信息编排（β=0.311，P<0.001）、推荐强度（β=0.344，P<0.001）均对感知经济利益均有显著正向影响，且两者对感知经济利益的影响相差不大，但推荐强度和视觉线索对感知经济利益的影响不显著，假设H2a部分成立。以感知情感利益为因变量，由模型3和模型4比较可知，R2增加量为0.411，表明个性化推荐各维度能够解释感知情感利益的变异量为41.1%。信息编排（β=0.178，P<0.05）、推荐强度（β=0.171，P<0.05）、推荐效度（β=0.136，P<0.05）和视觉线索（β=0.355，P<0.001）均对感知情感利益有显著正向影响，且视觉线索对感知情感利益的影响相对更大，假设H2b通过检验。

以感知隐私风险为因变量，模型6相较模型5来看，R2增加量为0.295，表明个性化推荐各维度能够解释感知隐私风险的变异量为29.5%。信息编排（β=-0.248，P<0.001）和视觉线索（β=-0.359，P<0.001）均对感知隐私风险有显著负向影响，且视觉线索对感知隐私风险的影响相对更大，但推荐强度和推荐效度对感知隐私风险的影响并不显著，假设H3a部分通过。以感知绩效风险为因变量，模型8相较模型7，R2增加量为0.305，表明个性化推荐各维度能够解释感知绩效风险的变异量为30.5%。信息编排（β=-0.200，P<0.001）、推荐效度（β=-0.189，P<0.05）和视觉线索（β=-0.283，P<0.001）均对感知绩效风险有显著负向影响，且视觉线索对感知绩效风险的影响相对更大，但推荐强度对感知绩效风险的影响不显著，假设H3b部分通过。

表8 个性化推荐对感知价值的回归分析结果

（3）感知价值与消费者购买意愿的关系

由表9可知，R2增加量为0.593，感知价值各维度能够解释购买意愿的变异量为59.3%。从回归系数及显著性检验来看，感知经济利益（β=0.321，P<0.001）、感知情感利益（β=0.366，P<0.001）对购买意愿有显著正向影响，感知隐私风险（β=-0.220，P<0.001）和感知绩效风险（β=-0.092，P<0.05）均对购买意愿有显著负向影响。综上，假设H4、H5均通过检验。

表9 感知价值对购买意愿的回归分析结果

3.4 中介效应检验

关于中介效应检验，学术界普遍采用的是温忠麟(2004)所提出的方法[11]。根据该方法，将自变量设定为X、将中介变量设定为M、将因变量设定为Y。构造如下三个回归方程:(1)Y=aX+K1(K为常量)

(2)M=bX+K2(K为常量)

(3)Y=cX+dM+K3(K为常量)

中介效应分为完全中介效应和部分中介效应两种。当系数a和b均显著时，如果系数c显著，则表明中介变量在自变量和因变量之间存在部分中介效应。如果系数c不显著，则表明中介变量在自变量和因变量之间存在完全中介效应。因此，根据上面的分析，对于a、b不显著的变量，不验证感知价值的中介作用，包括感知经济利益、感知隐私风险和感知绩效风险在推荐强度与购买意愿之间的中介作用，感知隐私风险在推荐效度与购买意愿之间的中介作用，感知经济利益在视觉线索和购买意愿之间的中介作用。根据表10的数据，标准化后的β值均显著，感知价值的中介作用均为部分中介作用。假设H6b通过检验，假设H6a、H7a和H7b部分通过。

表10 中介效应检验结果

4 结论与讨论

4.1 结论

第一，个性化推荐四维度对消费者购买意愿具有显著的正向影响。具体而言，信息编排、推荐强度、推荐效度以及视觉线索均对购买意愿产生显著的正向影响，其中，视觉线索对购买意愿的影响最为显著，信息编排与推荐效度对购买意愿的影响次之，最后为推荐强度。相较于其他三个维度而言，视觉线索更为直接，是消费者可以第一眼就能够直观感受到的，视觉线索的好坏也决定了消费者是否有兴趣继续看下去，从而对购买意愿最为显著。

第二，个性化推荐的部分维度对感知价值有显著影响。具体来讲，信息编排、视觉线索对感知价值的四个维度都具有直接显著影响；推荐强度仅对消费者感知情感利益产生正向显著影响，而对消费者感知经济利益、感知隐私风险和感知绩效风险均不显著；推荐效度对感知经济利益、感知情感利益和感知绩效风险均显著，而对于感知隐私风险不显著。

第三，感知利益对消费者购买意愿具有显著的正向影响，感知风险对消费者购买意愿具有显著的负向影响，按照影响程度的大小，从大到小排序依次为感知情感利益、感知经济利益、感知隐私风险和感知绩效风险，且感知利益和感知风险在个性化各维度与消费者购买意愿之间发挥部分中介作用。

4.2 管理启示

4.2.1 提升个性化推荐的“四性”

提升信息编排的合理性，购物平台在编排页面信息时，应该做到详略得当，将消费者最感兴趣的信息置于最显眼的位置，在页面的总体布局上要简洁大方；提升推荐强度的适中性，注意推荐强度适度性原则，以免出现好感度不增反降的情况；提升推荐效度的准确性，一方面个性化推荐系统的使用平台需要配备包括硬件和软件方面的先进数据挖掘和分析技术，另一方面网络零售商需要招聘和培养高素质的数据分析人才；视觉线索的丰富性，在简洁明了的文字介绍的同时，佐以图片、视频甚至直播的方式，来真正的吸引消费者。

4.2.2 提升感知利益，降低感知风险

增加个性化推荐系统中的娱乐功能，并不一定限制于游戏，而是营造一种愉快的氛围，比如加入能够让消费者感到轻松愉悦的信息，让消费者参与到营销活动中来，提高消费者的感知情感利益。提供线下体验服务，将真实的产品信息提供给消费者，不进行虚假宣传，出现问题时及时采取补救措施，从而降低消费者感知绩效风险。