社会网络视角的农户农产品电商参与行为分析——基于湖北、山东、安徽、甘肃349份农户抽样调查数据

胡月莉，夏春萍，*，贾 铖，王翠翠

(华中农业大学a. 经济管理学院；b. 电子商务研究所，湖北 武汉 430070)

近年来，农产品电商的发展成为了助推农业经济快速发展的强大引擎，为破解我国农产品长期面临的供需信息不对称、销售渠道不畅等难题提供了有效解决方案[1]。尤其是在新冠肺炎疫情冲击下，农产品线下流通渠道一度受阻，电商平台通过“直播带货”模式拓宽线上销售渠道，极大地降低了疫情对农产品销售的影响，保障了农户的收入稳定。虽然我国农产品电商市场规模逐年增大，但仍然掩盖不了当下电子商务对农产品渗透率低下的现实[2]。据中国国际电子商务中心研究院发布的《中国农村电子商务发展报告(2017—2018)》，全国农产品网络零售额仅占全国实物商品网络零售额的4.4%，农户参与农产品电商的意愿较低，对电商这种新技术的运用不足[3]。目前，仅有约8%的农户通过网络平台销售农产品，不少农户开展农产品电商仅仅是“浅尝辄止”，甚至早已“有名无实”[4]。

农户既是农产品的主要生产者，也是农产品流通市场的重要参与主体，其对农产品电商的参与意愿、参与行为直接关系到农产品电商的发展是否具备持续的内在动力[5]。我国农村是一个以血缘、亲缘、地缘和业缘关系交织在一起的社会网络特征明显的关系社会和人情社会，社会网络在农户技术采用决策中扮演着重要角色，农户的行为在很大程度上会受到个体所拥有的社会网络的影响[6]。

以往关于农户农产品电商参与行为的研究主要从宏观和微观2个方面展开。宏观上，学者重点突出了开展农产品电商的重要性，肯定了农产品电商广阔的发展前景，证实了农业生产中机械化程度、当地政府的扶持力度、网络基础设施和快递物流条件[7-10]等对农户农产品电商参与行为的显著影响。微观上，学者发现农户农产品电商参与行为受到个人特征与家庭特征的共同影响，其中，受教育水平、年龄、参加电商培训、先前网络经验、家庭收入水平是关键变量[11-12]。还有学者以技术接受模型为基本框架证实，主观规范、信任、感知风险、网络外部性等对农户农产品电商采纳行为具有显著影响[13-15]。现有文献为研究农户农产品电商参与行为的影响因素提供了丰富的理论成果，但鲜少从社会网络视角出发研究其对微观农户农产品电商参与行为的影响，部分学者虽然从农户社会网络、社会信任、社会参与、社会声望等多维视角探究社会资本对农户农产品电商采纳行为、电商交易平台选择等的影响[16-18]，但缺乏单独从社会网络视角深入探讨其对农户农产品电商参与行为影响的探讨。深入探讨社会网络对农户农产品电商参与行为的影响规律，不仅有助于梳理农户参与农产品电商的行为逻辑，为其影响机制研究提供依据，还有助于解决农户农产品电商参与度低的问题，推动“农产品上行”，促进电子商务在农业中的广泛应用。

鉴于此，本文重点关注以下问题：(1)社会网络是否在促进农户农产品电商参与行为中存在重要作用？(2)若存在，社会网络不同维度的影响是否存在差异？为回答上述问题，本文利用湖北、山东、安徽、甘肃4省的农户调研数据，运用Binary Logistic(二元逻辑回归)模型，识别农户的社会网络与其农产品电商参与行为之间的内在联系，并比较分析社会网络的不同维度对农户农产品电商参与行为的影响差异，以期为农户参与农产品电商提供实践指导，为政府部门制定促进农户参与农产品电商的扶持政策提供理论支撑。

1 理论分析与研究假说

1.1 概念界定

首先，对“农户农产品电商参与行为”的概念进行界定。农户是指在农村特定环境下从事生产经营活动的基本单位。农产品电商，是指利用互联网平台进行农产品网络营销，既包括在各类电子商务平台或互联网信息平台上开展农产品推广和销售的传统模式，也包括通过新媒体、社交APP开展的对粉丝社群进行维护、发布信息、销售等社会化商务模式[4]。本文研究的农户农产品电商参与行为是指农户在一定环境下，利用互联网平台进行农产品网络营销的经营行为。

何谓社会网络？学界至今还未形成一个统一的定义。从现有文献看，社会网络最初是由社会学家在研究、分析社会的组成结构时提出的，他们将社会网络定义为“个体间由于存在的社会、血缘等关系而形成的稳定系统”。本文主要研究的是农村社会网络，它是以农户或农业组织为节点，由血缘、亲缘、业缘、地缘等亲疏远近关系构筑的非正式关系网络。我国农村是一个乡土关系错综复杂的社会环境，社会网络既是农户人际交往的载体平台，也是他们赖以生活和从事生产的场域[19]。边燕杰[20]在研究城市居民社会资本时指出，社会网络通过互动能够传递比较充分的信息，通过长期互惠和面子机制可以沟通人情、联结个体，通过培养和鼓励人际信任促成交易。王格玲等[6]在研究农户技术采用路径时提到，社会网络通过群体间的互动、学习、互惠、信任功能直接影响农户的技术采用决策。

关于社会网络维度，以往学者的划分方式有所不同，但总体来看，大多都是围绕“互动”“学习”“信任”“互惠”等方面展开[6，20-22]。在参考前人研究的基础上，本文使用李克特量表法与因子分析法，将社会网络按其功能划分为网络互动、网络学习、网络信任和网络互惠4个维度。(1)网络互动，是指个人与社会网络成员之间的来往交流和受到彼此影响的情况；(2)网络学习，是指社会网络内成员间相互学习、交流，使知识在成员间流通、共享，主要体现为相互学习和向他人学习2种形式；(3)网络信任，是指网络中每个成员在长期的接触与交流中形成的相互认同、相互依赖的关系；(4)网络互惠，是指网络中的个体通过相互间的合作来实现各自利益，并找到能够同时使个人与群体受益的帕累托最优点，实现最终的互惠[23]。

1.2 社会网络对农户农产品电商参与行为的影响

社会网络的信息获取和互动学习功能在农户技术采纳决策中起着重要作用，农户之间通过社会网络进行互动学习，交流技术采纳成效，可有效缓解农户的信息约束，既能降低技术学习与使用的成本，又能加速农户对技术的采用进程。事实上，不少国内外学者都通过研究证实了社会网络对农户技术采纳行为的积极影响。Bandiera等[22]证实，社会网络与农户技术采用之间呈正相关关系；Matuschke等[23]发现，农户的个体社交网络在农业技术采用决策中发挥着重要的作用；Takahashi等[24]认为，社会网络是一种比传统的公共部门推广新技术更为有效的扩展系统。国内学者的研究同样发现，农户的社会网络越丰富，其采纳绿色生产技术(如节水灌溉、生态耕种、秸秆还田等技术)的意愿越高[25-28]。近年来，也有学者开始将社会网络因素纳入到农产品电商推广的研究中，如LaRose等[29]研究发现，在农村社会网络里前期技术采纳者的带动下，新用户的自我效能会进一步增强；徐智邦等[30]认为，邻里效应对村级电商推广具有促进作用；薛洲等[31]指出，基于农村熟人社会网络，电商技术在农村的传播会更加顺畅。

梳理以往文献发现，总体而言，社会网络可以通过以下途径对农户农产品电商参与行为产生影响。第一，社会网络有助于提高农户的社会资本。一方面，社会网络可以沟通人情，联结拥有不同资源的个体，通过人情网络实现资源的重组配置，提高农户的社会资本；另一方面，农户个人的信誉通过网络互动效应在关系网络中建立“口碑”，形成一传十、十传百的声望资本，从而提高自身影响力。第二，社会网络有利于信息的获取和传递。在信息高度不对称的农村地区，社会网络作为农户人际交往的平台和生产生活的场域，可以传递较为全面充分的信息，是农户获取信息有效且为数不多的渠道。来自不同国家的研究案例也证实，农户的社会网络越丰富，其获取技术信息的概率越高，最终的采用率也越高。社会网络内部成员通过日常沟通学习和技术交流共享电商信息，在降低信息获取成本的同时，也丰富了信息来源渠道，既缩短了信息传播路径，又提高了信息的扩散效率，对农户农产品电商参与行为具有积极影响。第三，社会网络可以分散风险，降低农户风险感知。在农产品电商成本收益不确定的情况下，农户的参与意愿会受到抑制；然而，社会网络的互动、学习、信任、互惠功能可以在很大程度上降低这种不确定性的效益风险，特别是在保险市场缺失或无效时，社会网络可以为农户参与农产品电商提供一种风险保障，起到弥补正式组织缺陷、降低农户风险感知的作用，从而提高农户的农产品电商参与率。基于此，提出假说H1：社会网络对农户农产品电商参与行为有显著的正向影响。

1.3 社会网络不同维度对农户农产品电商参与行为的影响

在农产品电商推广初期，由于农户普遍缺乏对电商操作流程和成本收益信息的了解，农户对农产品电商的采纳率较低。随着农户与群体内有电商销售经历的亲友邻里间的互动往来，以及附近企业、个人开展电商的成功示范，农户可以亲身感受并获取农产品电商带来的数字红利和收入增加的正面信息，从而提高其参与农产品电商的概率。基于此，提出假说H1a：网络互动对农户农产品电商参与行为有显著正向影响

农户本身知识有限，加上对新技术会产生一些认知偏差，其决策在很大程度上依赖于传统的生产经营习惯。这不利于农户对新技术的采纳[22]。网络学习能够产生知识溢出效应，促进网络内群体间的相互学习和交流，进而增加农户对新技术的了解和认知，从而提高其对新技术的采纳率。因此，当未参与农产品电商的农户向群体内其他成员，特别是电商先行大户或专业人士，学习到有关农产品电商的操作原理和要领后，会加深其对农产品电商的了解，进而认识到农产品电商可以给自身带来的收益，从而促发农户农产品电商参与行为。基于此，提出假说H1b：网络学习对农户农产品电商参与行为有显著正向影响。

网络成员间的信任水平表现为对其他网络成员行为的认可，进而会模仿他所信任对象的行为。网络信任建立在持续的网络互惠基础上，网络互惠随着网络信任水平的提升会进一步增强。两者相辅相成，互相促进。作为一种销售农产品的新渠道，农户是否采纳农产品电商，其决策在很大程度上会受到周围农户行为的影响，尤其是与其有信任、互惠关系的农户行为的影响。基于信任与互惠的社会网络能够为电商创业者提供创业所需的信息、资金、物质、人力资源和情感支持等，这些支持可以降低农户的风险感知，为参与农产品电商的农户提供一种风险保障，提高个体对成功可能性的预判，使其更有可能做出参与农产品电商的选择[26]。基于此，提出假说H1c：网络信任对农户农产品电商参与行为有显著正向影响；假说H1d：网络互惠对农户农产品电商参与行为有显著正向影响。

2 数据来源、模型选择与变量说明

2.1 数据来源

本文数据来源于课题组于2019年7—8月开展的“农产品电商发展与农户参与情况”的问卷调研，综合考虑不同地区农产品电商发展水平，最终选取湖北省麻城市、枝江市和建始县，山东省曹县，安徽省临泉县，以及甘肃省张掖市甘州区等农产品电商发展前景较好的农村地区作为核心调研地。采用分层逐级抽样和随机抽样相结合的方式选取样本农户：先在每个样本县(市、区)随机抽取1个乡镇，再在每个乡镇随机选取3个村，最后在每个村随机选取20个农户作为最终调查对象。数据收集工作由接受过培训的调研人员与农户一对一问答完成。本次调研共收集360份问卷，其中，有效问卷349份，问卷有效率为96.9%。

2.2 模型选择

本文的被解释变量为“农户农产品电商参与行为(behavior)”，属于0-1变量，若农户参与农产品电商，则取值为1，反之则为0。Brock等[32]发现，采用Probit、Logit等模型，可以避免线性模型中个人特征“线性地”影响被解释变量所造成的影像问题。基于此，本文在模型拟合效果基础上，选择基于个人层面的Binary Logistic模型分析影响农户农产品电商参与行为的关键因素。

假设农户农产品电商参与行为由以下模型决定：

logit(Bi=1)=∅(αiSi+βiIi+γiHi+δiVi)。

(1)

式(1)中：下标i表示第i个受访农户；Bi表示被解释变量；∅表示待估参数；Si、Ii、Hi、Vi分别表示解释变量中的社会网络、农户个体特征、家庭经营特征和村庄电商经营环境；αi、βi、γi、δi分别对应各解释变量的回归系数。

2.3 社会网络及其各维度的测度

社会网络一般无法直观量化，本文利用因子分析法测度农户的社会网络及其各维度，对多项社会网络指标进行探索性因子分析(factor analysis)，得到社会网络指标值，值越大，说明农户社会网络存量越高。基于4省调研数据，利用SPSS 19.0软件对农户社会网络各变量做因子分析，得到样本的KMO检验值为0.638，Bartlett球形检验的近似卡方值为702.213(P<0.001)，说明样本数据适合做因子分析。

对社会网络的4个维度及其指标说明如下。F1，网络互动，下设2项子指标：F1-1，亲戚朋友中有人参与电商销售对我影响很大；F1-2，附近企业、个人开展电子商务对我影响很大。F2，网络信任，下设2项子指标：F2-1，周围的人对我十分信任；F2-2，我信任技术推广员、村干部、邻里间的高学历人士和村内赚钱能手。F3，网络学习，下设2项子指标：F3-1，经常与他人交流电商经营技巧和销售心得；F3-2，经常向电商示范户请教销售技巧。F4，网络互惠，下设2项子指标：F4-1，家中有事时大家愿意来帮忙；F4-2，经常能从周围人身上得到有用的信息。对于上述各项指标，采用李克特量表分别赋分，用1～5表示非常不同意、不同意、一般、同意和非常同意，或从不、偶尔、一般、经常、频繁。经统计，将本文样本中上述各项指标的平均值和标准差整理于表1。

表1 社会网络维度指标及其描述性统计

为了使得到的公因子有更加合理的经济涵义，采用最大方差法进行因子旋转，得到4个特征根大于1的公因子(分别对应于社会网络的4个维度)，累计方差贡献率为77.353%。根据各因子得分及其方差贡献率，可得社会网络指标(SN)的计算公式为

VSN=(22.097×VF1+19.191×VF2+18.492×VF3+17.573×VF4)/77.353。

(1)

式(1)中：VSN、VF1、VF2、VF3、VF4分别代表SN、F1、F2、F3、F4的值。其中，F1～F4的值通过因子分析测算(在SPSS 19.0软件中完成)。

2.4 控制变量

控制其他可能的影响因素：一是农户个体特征，包括性别(男赋值1、女赋值2)、年龄、健康状况(很差、较差、一般、良好、优秀依次赋值1～5)和学历(小学及以下、初中、高中、专科及以上分别赋值1～4)；二是家庭经营特征，包括家庭经营耕地面积(单位为亩，1亩≈667 m2)和耕地质量(下等、中下等、一般、中上等、上等依次赋值1～5)；三是村庄电商经营环境，包括快递物流便利程度(非常不便利、不便利、一般、比较便利、非常便利依次赋值1～5)、政府或电商平台对电商的宣传力度(没有宣传、力度不大、力度一般、力度较大、力度很大依次赋值1～5)。此外，考虑到地区差异，在模型中加入省份虚拟变量，以控制省际差异。将各变量的描述性统计结果整理于表2。

表2 变量定义及其描述统计分析结果

3 实证分析结果

3.1 多重共线性检验

考虑到社会网络的4个维度等核心解释变量之间可能存在内部相关，在基准回归之前，先对自变量(核心解释变量)依次进行共线性诊断。检验发现，1.052

3.2 Binary Logistic回归结果

分别构建模型，进行Binary Logistic回归(表3)。其中：模型1仅包括核心解释变量——社会网络；模型2引入网络互动、网络学习、网络信任、网络互惠4个核心解释变量，并对其回归系数进行显著性检验，考查社会网络的不同维度对农户农产品电商参与行为的影响差异；模型3和模型4分别在模型1和模型2的基础上进一步引入农户个体特征、家庭经营特征和村庄电商经营环境等控制变量，进一步分析社会网络及其不同维度对农户农产品电商参与行为的影响。在上述4个模型中，省份虚拟变量均已进行了控制。

表3 回归结果

由模型1和模型3可知，社会网络对农户农产品电商参与行为在1%的置信水平上具有显著正向影响，即社会网络指标值越大，农户参与农产品电商的可能性就越大，假说H1得到验证，即社会网络对农户农产品电商参与行为有促进作用。由模型2和模型4可知，网络互动和网络学习对农户农产品电商参与行为在1%的置信水平上均具有显著正向影响，假说H1a和H1b得到验证，即社会网络内部成员的互动越多、学习交流越频繁，其参与农产品电商的可能性越大。本文认为：农户关于电商的知识，主要来自于与亲朋好友和电商示范户的交流，以及电商培训人员的教授，随着互相学习程度和学习能力的提升，农户对农产品电商的益处了解增多，其参与农产品电商的概率也会相应提高。此外，模型2的估计结果显示，网络信任对农户农产品电商参与行为的影响并未通过显著性检验(P>0.1)，而网络互惠对农户农产品电商参与行为在10%的置信水平上有显著正向影响；模型4中加入控制变量后，网络信任和网络互惠对农户农产品电商参与行为的估计结果均未通过显著性检验(P>0.1)，也就是说，假说H1c和H1d无法得到验证。尝试将网络信任和网络互惠指标值的平方项和立方项作为新的解释变量放入模型4中重新进行回归，但估计结果仍未通过显著性检验(P>0.1)。由此可见，网络信任和网络互惠程度的增强，并不会对农户农产品电商参与行为发挥显著促进作用。原因可能是，网络信任和网络互惠与农户农产品电商参与行为没有直接的联系，中间可能存在着中介效应，具体有待进一步研究。

其他控制变量对农户农产品电商参与行为的影响与前人研究一致，以下基于模型4的回归系数进行分析：年龄在1%的置信水平上对农户农产品电商参与行为有显著负向影响，说明相比年长农户，年轻人参与农产品电商的概率更大；学历在1%的置信水平上对农户农产品电商参与行为有显著正向影响，说明农户的学历越高，其参与农产品电商的可能性越大；耕地质量在5%的置信水平上对农户农产品电商参与行为有显著正向影响，说明农户现有耕地的质量越高，其参与农产品电商的可能性越大；政府或电商平台对电商的宣传力度在10%的置信水平上对农户农产品电商参与行为有显著正向影响，说明政府或电商平台对电商的宣传越到位，农户参与农产品电商的可能性越大。

3.3 分群估计

选择3种策略对样本数据进行分群，之后采用Binary Logistic模型估计社会网络对各群体农户农产品电商参与行为的影响(表4)。

表4 分群回归结果

首先，考虑到目前我国农村以留守妇女为主的大环境，从性别差异探讨社会网络对农户农产品电商参与行为的影响。根据受访农户的性别，将调研样本划分为男性组和女性组。可以看出，社会网络，及网络互动和网络学习对女性组和男性组的农户农产品电商参与行为均至少在5%的置信水平上具有显著正向影响，且根据估计系数判断，上述指标对女性组的影响程度超过男性组。

其次，参加过电商培训的农户对电商经营有一定的认知和了解，可能会更愿意参与农产品电商。据此，根据受访农户参加电商培训的情况，将样本划分为参加培训组与未参加培训组。可以看出：社会网络，及网络互动和网络学习对2组农户的农产品电商参与行为均在1%的置信水平上具有显著正向影响。从估计系数判断，社会网络和网络互动对未参加培训组农户的影响要大于参加培训组，而网络学习对参加培训组农户的影响大于未参加培训组。由此推断，在参加电商培训之前，影响农户农产品电商参与行为的主要是社会网络和网络互动；但当农户参加过电商培训后，网络学习对其农产品电商参与行为的影响加大。这体现了电商培训在促进农村地区发展农产品电商中的积极作用。

最后，根据受访农户的学历，将样本划分为高学历组(学历水平在高中及以上)和低学历组(学历水平在初中及以下)。可以看出，社会网络，及网络互动和网络学习对2组农户的农产品电商参与行为均在1%的置信水平上具有显著正向影响。从估计系数判断，三者对低学历组农户的影响都更高。鉴于当前我国农村地区农户的学历水平多集中于初中及以下(即低学历农户较多)，因此今后可以考虑从农户的社会网络方面入手提高农户参与农产品电商的可能性。

以上3类分组样本的回归结果都再次验证了假说H1、H1a和H1b，说明网络互动和网络学习对农户农产品电商参与行为有显著正向影响；而网络信任和网络互惠对农户农产品电商参与行为的影响仍未通过显著性检验(P>0.1)。

3.4 稳健性检验

一般地，大部分农村老年人受限于健康问题和学历水平等，不适合从事农产品电商。同时，从政府关于农产品电商的宣传推广角度来看，其对象也以青壮年等适龄劳动人口为主。在我国现行标准下，60周岁以上的男性和55周岁以上的女性被认为是老年人。为了检验估计结果的稳健性，剔除样本数据中60周岁以上的男性农户和55周岁以上的女性农户样本，控制农户个体特征、家庭经营特征和村庄电商经营环境变量，重新进行Binary Logistic回归(表5中的模型5、6)。同时，采用社会网络各维度的单一指标(在因子分析中得分较高者)，再次估计社会网络及其4个维度对农户农产品电商参与行为的影响(表5中的模型7)。不论是剔除老年人样本还是使用单一指标，社会网络，及网络互动和网络学习均对农户农产品电商参与行为在1%的置信水平上具有显著正向影响。因此，可以认为上文的实证结果是稳健的、可信的。

表5 稳健性检验的回归结果

4 结论与建议

基于课题组2019年7—8月在湖北、山东、安徽、甘肃4省调研所获得的349份样本数据，本文实证分析了社会网络对农户农产品电商参与行为的影响，并从网络互动、网络学习、网络信任、网络互惠4个维度综合刻画了社会网络，系统评估了社会网络对农户农产品电商参与行为的影响。主要结论如下。第一，社会网络及其2个维度——网络互动、网络学习对农户农产品电商参与行为具有显著的正向影响，且这2个维度的影响存在差异，总体表现为网络学习大于网络互动；而社会网络的另外2个维度——网络信任和网络互惠未能发挥类似的显著作用。第二，在分群估计中发现，相较于男性组农户，社会网络、网络互动和网络学习对女性组农户农产品电商参与行为具有更强的促进作用；相较于高学历组农户，社会网络、网络互动和网络学习对低学历组农户农产品电商参与行为具有更强的促进作用。鉴于当前我国农村以女性和低学历农户为主的现实，上述结论说明，社会网络的拓展能够更好地促进农户参与农产品电商，有助于推动农产品电商的深入发展。第三，农户年龄、学历、耕地质量、政府或电商平台对电商的宣传力度等因素均对农户农产品电商参与行为具有显著影响。

基于上述基本结论，提出以下政策建议：

第一，积极构建与扩大农户的社会网络，充分发挥社会网络的正向促进作用。首先，从政府层面来说，基层政府应引导与扶持农户搭建一个有助于沟通互动、学习交流的社会网络交流群，为有意愿从事电商销售的农户提供一个很好的互动学习平台。例如，可以建立村级或乡级微信或QQ交流群，在群里设置电商推广专员以及时解答农户存在的疑问，并定期在社交群中发布一些农产品电商的成功案例，鼓励电商专业户分享自身创业经验。其次，对于农户个体来说，应加强社会交往和社会资本培育的投资。积极加入农业专业合作社、电商协会等有益于发展的组织，以扩大自身的社会网络规模，增强与网络内部成员之间的紧密联系和互动学习。

第二，对于女性农户和低学历农户群体，政府应调整培训内容，增强培训力度，电商推广部门应制定一套简单易学的培训方案，使得参加电商培训的女性和低学历农户能够“听得懂、学得会、用得快”。电商培训可以采用大班普及与小班提升相结合的方式，从参与大班培训的农户中选取对电商感兴趣且有一定基础的农户进行精准培训扶持，树立电商销售典型示范户，并鼓励其他农户加强与这些电商示范户的社会交往，组织开展经常性的互动学习、经验交流活动，充分发挥网络互动和网络学习在农产品电商推广中的促进作用，引领和带动其他农户参与农产品电商，形成农村电商产业的集群效应。

第三，加大农产品电商宣传力度，增强农户农产品电商参与意识。农产品电商的发展离不开政府的引导、支持，各级商务部门应制定农产品电商宣传推广工作方案，增强与各大电商平台的合作和联系，充分借助手机、报纸、电视、广播等媒介向外界大力宣传推广地方优质特色农产品，通过派驻电商推广专员等途径向农户宣传电商发展优惠政策，营造有利于农产品电商发展的良好氛围，广泛宣传农产品电商典型经验和做法，转变农户传统的生产经营理念，提高农户对农产品电商的认知，让电商意识深入人心。