在线评价对消费者购买意愿影响理论模型与实证研究

doi:10.14089/j.cnki.cn11-3664/f.2017.08.006引用格式:杜惠英,王兴芬,庄文英.在线评价对消费者购买意愿影响理论模型与实证研究[J].中国流通经济,2017(8):49-56.

China Business and Market - - CHINA BUSINESS MARKET -

1 1

杜惠英 ,王 兴 芬 ,庄 文 英2 (1.北京信息科技大学信息管理学院,北京市100192;2.北京邮电大学经济管理学院,北京市100876)

摘 要:构建在线评论对消费者购买意愿影响因素结构模型,从主客体两个视角探讨其影响因素及相关强度,结果表明,在线评价自身因素和卖家因素是消费者最能够直接接触或感知的因素,也因此对消费者的购物决策影响最大;接收者自身购物经验和购物方式、同类商品在不同网站的在线评价/口碑因素,对于消费者购物意愿的影响也非常显著;卖家因素对购买意愿的影响可以细化为卖家实时沟通、卖家整体信誉、卖家售后服务及卖家

0.9

评价反馈程度的影响,且解释系数均在 以上;同类商品评价可用二级指标同类商品数量、同类商品质量和同类商品效价来解释。因此,在实践中应关注卖家自身、接收者自身、在线评价本身、同类商品评价及评价者因素对消费者购买意愿的影响,积极引导消费者购物行为。

关键词:在线评价;购买意愿;口碑;在线反馈;结构方程模型

中图分类号:F713.36 文献标识码:A 文章编号:1007-8266(2017)08-0049-08

一、引言

中国互联网络信息中心(CNNIC)发布的第39次《中国互联网络发展状况统计报告》显示,截至2016 12 7.31

年 月,中国网民规模高达 亿,互联网普

53.2%;2016

及率达到 年中国网络零售交易额达5.16 26.2%,是同期中

万亿元(人民币),同比增长国社会消费品零售总额增速的两倍有余 [1]。当前,网络零售已成为带动中国零售业增长的主要动力。随着“互联网+”战略的提出与践行,B2B、

O2O平台逐渐增多,在线购物市场逐渐成熟,也更为多元化,该行业的竞争方式正趋向于良性发展,除价格竞争、商品竞争外,商户也更加注重培养各自在客户群体中的优势。

在线购物提升客户购物便捷度的同时也存在着一定的缺陷。在面对繁杂的在线商品时,如何获取完备的商品信息进而做出正确的、理性的购物决策,是消费者面临的问题之一。在实体店铺购物过程中,消费者可根据实物质量和产品口碑进行决策,而在线购物并不能见到商品实物,只能

收稿日期:2017-06-15基金项目:国家自然科学基金“网络零售交易风险动态评估及预警研究”(71571021);北京市教委科技计划重点项目“电子商务平台交易纠纷规避的若干支撑技术研究”(KZ201411232036);北京市教委科研计划项目“在线评论对C2C

电子商务消费者购买决策的影响机制研究”(SM201511232004)作者简介:杜惠英(1982—),女,福建省泉州市人,博士,北京信息科技大学教师,主要研究方向为电子商务、移动互联网、消费者行为;王兴芬(1968—),女,山东省平度县人,博士,北京信息科技大学教授,主要研究方向为电子商务、Web安全、大数据分析与管理创新;庄文英(1989—),女,山东省青岛市人,北京邮电大学经济管理学院博士生,主要

研究方向为管理科学与工程、项目管理、决策研究。

通过网站相关文字、图片、视频等获取部分商品信息,传统的口碑也转化为电子口碑即在线评价,购物风险随之加大,购物决策难度增加。因此,针对在线评价开展研究,对于消费者的购物意愿和决策有着重要的指导意义。

本文第一部分介绍在线评价对消费者购买意愿影响机制的研究意义,第二部分和第三部分在回顾相关研究的基础上首先提出了理论模型和研

SPSS SMART-PLS究假设;第四部分分别通过 和 对结构模型进行验证和评价;第五部分对研究结论进行总结,提出相关建议。

二、相关研究回顾

对于在线评价对消费者购买意愿的研究当前多以结构方程模型为主,且已形成较多的研究框架体系,在模型的构建和仿真方面也已形成了较多的理论研究成果。

国外针对在线评价对消费者购买意愿影响的研究比较早,帕克(Park)等

[2]研究了评价质量对在线评价的影响;森科尔(Sencal)等

[3]采用实验的方法研究了在线评价和在线产品类型等因素对消费者购买意愿的影响;吉姆(Kim)等

[4]基于信任理论,证明了消费者感知信任、感知风险和感知价值对其在线购买意愿及决策产生影响。同时,在模型改进方面,国外也已形成了多样化的模型,班赛尔(Bansal)等

[5]从非人际因素和人际因素角度,建立了发送者口碑对接收者购买决策的双因素影响模型;袁和林(Yuan & Lin)等

[6]结合偏最小二乘方PLR-SEM

法建立了 模型研究消费者影响模式。

国内相关研究尽管起步较晚,但随着近年来网购的普及与“互联网+”的深入,在线评价与消费者购买意愿关系的研究也日益深化,研究重点涉及模型改进、影响体系分析、实证分析等,当前已有许多优秀的研究成果。王琳[7]结合回归模型分析,研究网络评价对消费者在线购买的影响,并验证了感知风险在评价对消费者购买的影响中具有中介作用。高宝俊等[8]建立回归模型分析在线评价对商品销售的影响,同时探讨了京东与天猫两

B2C

个 平台的相互影响机制。杨铭等[9]结合亚马逊网站商品评价,对商品评价进行了识别与分类,

[10]以并对其效用进行了综合评价与度量。王绮等 经济型酒店为例,分析了正面/负面在线评价的生动效应及商户反馈两者对消费者购买的影响。杜学美等 [ 11 ]将接收者的专业能力纳入系统,建立了在线评价对消费者购买意愿的影响模型。陈晓红等 [ 12 ]根据不同认知需求对消费者进行了分类,研究了在线评价的不同影响。张艳辉等[ 13 ]研究发现,有效评论数量、中差评、上传图片对评论的有用性具有显著的正向作用,而且卖家回复起到了中介作用。习扬等 [14]提出基于在线评价信息的属

[15]结性权重确定方法及方案排序方法。王宇灿等合实证分析,提出了一种基于社会交换理论、动机拥挤理论和信息不对称理论的消费者在线评价参与意愿影响因素模型。梁霞等[16]通过对在线评价的效用和情感词分析,提出了一种基于在线评价的产品选择方法。丁东等[17]以在线商品评价的有用性投票为基础,结合贝叶斯网络构建了在线商品评价质量评估模型。

综上所述,当前研究大多从消费者感知角度出发,集中于在线评论的内容特征及评论者特征,而对同类商品之间的竞争机制及卖家的在线反馈关注较少,这也正是本文研究的重点。

三、模型设计

在线评价对消费者购物决策的影响因素涉及面较广,从主客观角度出发,不仅包含在线评价本身这一客体,也涉及了评价者、接收者(消费者)、商家等多个主体。综合梳理当前在线评价影响因素,从商品自身客体因素出发,有以下几个维度:商品评论数量、多维文字评价、消费者晒图、追加评价、标签云、评价效价、效价分布、评价有用性投票(亚马逊、京东)、商品投票排序等,主要体现商品的客观特点;主体因素则有消费者信用等级、评价者等级、商家信誉度、商家售后服务质量等,主要体现人的主观特点。鉴于主客体因素的不同特点,为更好地区分主体因素与客体因素对于消费者购物决策的影响机制,本文在当前模型研究归纳的基础上,从主客体角度对影响因素进行分类归因,并在模型中加入卖家特点因素、同类商品评价的交互影响因素等指标,形成本文的理论结构模型。

模型的因变量为消费者购买意愿,自变量为

在线评价各要素,其中自变量中的因素包含参与客体——评价本身、同类商品评价和参与主体——接收者、评价者、卖家。

(一)已论证经典指标

1.

评价本身维度——客体在线评价本身的优劣,在很大程度上影响着消费者对于产品的认知。帕克等[2]认为,评价数量和评价内容的质量(尤其是负面评价、带图评价等)对于消费者购买意愿有着重要影响。阐(Chan)

[18]等通过实证提出评价的效价对于消费者购物决策起正向作用。用评价数量、质量和效价作为在线评价自身的解释变量。提出如下假设:

H1:在线评价本身特征对购买意愿影响机制有正向影响。

2.

接收者角度——主体接收者即购物者的个体特征对于在线评价的需求、在线评价内容的感知和判断等都有所差异。班赛尔(Bansal)等

[5]认为消费者的专业能力与其对在线评价的感知存在较强的相关关系,张(Cheung)等

[19]认为消费者的人口特征对消费者购买意愿有着显著的影响。提出如下假设:

H2:接收者因素的条件越好,在线评论对购买意愿影响越大。

3.

评价者角度——主体评价者是在线评价的直接负责主体,因此评价者的自身素养、购物经验、用户等级等都直接影响到评价的内容优劣。胡(Hu)等

[ 20 ]提出评价者的用户等级对于消费者的购物意愿具有正向影响,史密斯(Smith)等

[ 21 ]认为评价者自身的专业能力等因素将在很大程度上影响消费者的购物决策。因此用评价者等级越高、信誉越好、购物经验越多来解释评价者因素的条件越好。提出如下假设:

H3:评价者因素的条件越好,在线评价对消费者购买意愿影响越大。

(二)新增指标除在线评价自身、消费者、评价者角度外,结合“互联网+”环境下在线评价的新特点,在评价体系中加入同类商品的竞争机制和卖家的在线反馈机制,形成研究框架与指标体系。

1.

卖家角度——主体商品的卖家/供应商的综合素质、服务质量等与消费者的购物意愿息息相关,良好的购物体验 可以增强消费者的购物意愿。吉姆(Kim)等

[4]提出,商家在线沟通越及时,越能左右消费者的购物决策。吕泰尔(Ruyter)等

[ 22 ]则认为,商家的整体信誉和服务质量越高,消费者购买意愿越强。因此,用卖家在线实时沟通程度越高、整体信誉越好、售后服务质量越高来解释卖家因素越好。提出如下假设:

H4:卖家因素的条件越好,在线评价对消费者购买意愿影响越大。

2.

同类商品评价——客体塞内卡尔和南特(Senecal & Nantel)

[3]认为,网站类型是在线评论说服效果的重要影响因素之一。高宝俊等 [8]以京东和天猫为主要研究对象,验证了不同网站之间的相互影响。实践中,同类商品不同卖家、不同平台的评价也会产生交互影响,因此将同类商品的评价纳入指标体系中进行研究,对于同类或同一商品的相关评价会影响消费者对于在线评价的理解与感知,从而影响购买意愿。鉴于此,将同类商品的评价纳入影响因素中,提出下述假设,并以同类商品评论数量越多、评论质量和评论效价越高来解释同类商品评论越好。

H5:同类商品评论因素的条件越好,在线评价对消费者购买意愿的影响越大。结合上文相应假设,从五个维度建立概念模

1

型的影响因素指标如表 所示。

四、评价结构模型

本文通过设计调查问卷来验证前面提出的结构模型假设。实证调研主要包括两个阶段:一是文献查阅和专家调查阶段,通过文献的查阅与整理,结合专家意见,选取在线评论对消费者购买意愿影响的指标,并构建评价指标体系,从而构建概念模型,进而设计与完善调查问卷;二是实际调研阶段,通过问卷的发放与回收,结合调研数据对模型进行检验。

(一)数据收集正式的调查问卷设计采用李克特(Likert)7级

34

量表法设计,一共包含 个题目。数据收集时间

2016 10 31 2017 5 30

为 年 月 日至 年 月 日,以北京

300和山东为主要调研地,最终发放问卷 份,回收283 90%以上,进一步针对数

份,问卷回收率达到

据的缺失值、异常值等进行了预处理,剔除不完整

251问卷与其他无效问卷,最终得到有效问卷 份,形成了完备的调研数据样本。其中,女性样本占65%,年龄分布以18~42

岁居多,受教育程度大专80%;绝大部分用户的在线购物及本科以上者占年限在两年以上,一般不超过五年,且呈现出典型的正态分布特点,购物频率大多在每周一次以上;在线购物网站方面,大部分用户倾向于使用淘宝和京东;购物品类主要集中于服装、食品等生活必需品;80%以上的受访者购物前都会参考在线评价,

75%的用户对当前在线评价较为满意。其中约有

(二)信度和效度分析信度分析用来检查调研的可信度和稳定性。本文采用克隆巴赫α(Cronbach's Alpha)系数信度

2所测试法,本文调查问卷的信度分析结果如表

2 Cronbach's Al⁃示。从表 可以看出本问卷数据的pha 0.913>0.7,说明本文开发的问卷具有良

系数为

好的信度。本文采用因子分析法来验证所用量表的建构

3 KMO效度,分析结果如表 所示,样本数据总体 测

0.896,样本分布的巴特利特(Bartlett)球试系数为

0.000,因此可以认为形检验的统计显著性P值是所建结构模型有较好的效度。以下将分析收敛效度和区别效度。

4

由表 可以看出,各潜变量的平均差异萃取量(Average Variance Extracted,AVE)均大于0.5,说明

5各潜变量的收敛效度较高。由表 可以看出,主体因素之间,接收者与卖家及评价者之间都存在强相关关系;客体因素之间,在线评价本身和同类评价因素之间具有较强的相关关系,因此各潜变量之间具有良好的区别效度。

(三)PLS

结构方程模型验证

SMARTPLS根据数据的处理和模型的构建,结合Bootstrapping

软件,采用 法检验在线评论对消费者购买意愿影响模型的路径系数,并依据T值大

0。从模型的拟合小判断路径系数是否显著不为

4),各内生潜变量都能被外生指标R2值看(参见表潜变量较好地解释,说明模型具有一定的预测能

1 6的力。结构方程模型如图 所示,同时相伴有表路径系数及检验表。

6

如表 所示,模型中的五个假设均得到了验证。其中,在线评价自身条件对购买意愿的影响

0.785,T=27.123),支持H1最大(路径系数为 假设;其次是卖家因素的条件越好,在线评价对购买意

0.633,T=8.975),假设愿的影响越大(路径系数为

H4

得到验证;再次是接收者因素对购买意愿的影

0.597,T=3.407),说明响也非常显著(路径系数为接收者自身对于在线评价的需求、在线评价内容的感知判断越好,在线评论对消费者购买意愿的

H2

影响越大,即假设 通过验证;还有本研究提出的新假设,即同类商品评论数量越多、评论质量和评论效价越高,则在线评论对消费者购买意愿的

4

表 潜变量统计指标

0.524,T=3.137),H5影响越大(路径系数为 得到验证;最后是评价者因素条件越好,即评价者等级越高、信誉越好、购物经验越丰富,则在线评论对消

0.443,T=费者购买意愿的影响越大(路径系数为4.503),假设H3

得到验证。除了对几个一级指标的影响进行验证外,本模型还对每个二级指标能够解释所对应的一级指标的解释程度进行了描述。在线评价自身因素

0.813;评价数量影中,评价内容的质量影响系数为

0.855;评价的效价影响系数为0.821。从响系数为接收者自身因素角度来看,接收者的购物经验因

0.805;接收者的购物方式,即消费者日常素系数为在线购物、实体店购物方式等的使用频率影响力

0.785。从评价者角度来看,评价者等级因素指为

0.915;评价者信誉指标影响系数为标影响系数为0.905;评价者购物经验的影响系数为0.921。从本研究引入的同类评价因素角度来看,同类商品的

0.95,同类商品的评价质量影评价数量影响因子为

0.938,同类商品的评价效价影响力为响系数为0.952。从卖家角度来看,卖家的在线沟通影响系

0.931;卖家整体信誉度影响系数为0.896;卖数为

0.925;卖家对于在线家售后服务质量的影响力为评价的反馈程度和消费者购买意愿的影响系数为0.913。

五、总结与启示

随着在线购物的普及,加之在线购物无法直 接接触实体,商品及商家口碑的参考价值在不断提升,在线评价对于消费者购买意愿的影响日益凸显。本文在当前研究的基础上,加入商家的在线评价反馈机制指标和同类商品在不同网站的评价因素,形成了结构模型;结合广泛的调研,收集用户意见,对结构模型进行参数的估计和完善,形成在线评价对消费者购物意愿的影响体系,对于在线评价机制的改进和在线评价系统的完善,具有一定的理论价值和现实意义。(一)研究结论第一,相对于传统环境而言,“互联网+”时代的移动商务消费者购买意愿的影响因素更加复杂,本文将其归纳为在线评价自身因素、买家自身因素、卖家因素、评价者因素和同类商品

H1、H2、H3、H4 H5评价因素。同时,假设 和 也验证了本文提出的在线评价对消费者购买意愿的影响因素是相对合理的。从主体角度来看,在线评论自身和同类商品的评价都显著影响购买意愿,在线评价和同类商品评价的数量越多、质量和效价越高,在线评价对购买意愿的影响越大;从客体角度看,卖家因素、接收者和评价者因素的影响也非常显著,卖家在购买过程中能够实时沟通、卖家的整体信誉越高、售后服务越好、评价反馈程度越高,在线评价对消费者购买意愿的影响越大,评价者的用户等级越高、信誉越好、购物经验越丰富,在线评价对消费者购买意愿的影响越大,同时接收者自身的购物经验越丰富、对购物模式越熟悉,在线评价对购买意愿的影响越大。第二,两个新的研究假设(H4 H5)均以高影

和响度得以验证,其中卖家因素对购买意愿影响路径系数在五个因素的影响中排名第二,可见卖家因素对消费者在购物选择时的重要性。

第三,所选择的二级指标大部分都能对一级指标进行很好的解释,尤其对提出的卖家因素和

0.9同类商品因素中二级指标的解释系数均在 以上。商家在线服务质量体现为卖家实时沟通,商家在顾客购买过程中遇到的问题能够及时进行沟通从某一角度可以体现卖家在线服务的质量;商家整体服务、产品质量和物流的综合评价体现了

卖家的整体信誉,顾客通过购物页面直观展示的整体服务打分、产品质量打分及物流的综合评价打分能够感知卖家的整体信誉度;同时,商家物流服务和客户服务体现了售后服务,通过对评论的回复与反馈能够降低负面评价的影响,同时提升服务质量。

第四,对于因变量的二级指标,即在线购物满意度和在线评价影响度对在线购买意愿的解释分

0.823 0.872,可见在指标衡量的量表上还需别为 和要改进,如在线购买满意度在本文设计的量表里用“您在使用在线购物以前认为其整体可靠程度如何”“您认为当前在线购物是否能够满足您的购物需求”“您对在线购物的总体满意度”三个题项的描述还不够完整,这也将成为本文后续研究的方向。

(二)启示理论上,本文在查阅文献和理论演绎的基础上,从主体视角提出了在线评价对消费者购买意愿的三大影响因素,从客体视角提出了两类影响因素。对以往在线评价对购买意愿影响因素的研究进行了扩充,并有了新的突破,为以后的研究提供了一定思路,同时充实了在线评价对购买意愿影响的研究成果。

就实践而言,结合本文模型,后续在线评价机制可从以下角度加强规范和完善,从而为消费者提供真实可靠的参考信息,以准确判断商品的质量,形成科学的购物决策。

1.

完善评论搜索机制完善商品评价搜索机制,使消费者可以根据自身的需求检索关键词以匹配相应评价,而不必面对大量纷繁复杂的评论信息一一翻阅,大海捞针,进而提升在线评论本身利用的有效性,如此可精确寻找自己想要的商品关注点和描述,进而节省网购时间。

2.

推广有用性投票机制及不同平台同类商品的对照机制

Chen[

23 ]等研究发现,通过有用性投票对评价信息进行投票可提升网站浏览量,进一步增加销量。当前亚马逊、京东等已提供评价有用性投票,后续可在其他网站加强推广和完善。而结合本文模型分析发现,同类商品评论对消费者购买决策有很重要的影响,因此不同平台同类商品的对照 机制可为消费者提供更多的参考信息,从而提升消费者的决策效率。

3.

加大监督力度在线评价的监督是在线购物管理的一部分,为实现诚信经营,更好地保障消费者权益,应加大在线评价的管理力度,保障评价的真实性和可信度,从而切实为消费者提供可靠的商品参考信息。参考文献: [1]中国互联网络信息中心.中国互联网络发展状况统计报告[EB/OL](. 2017-01-23)[2017-01-23].http://www.cnnic. cn/hlwfzyj/hlwxzbg/hlwtjbg/201701/P020170123364672657 408.pdf.

[2]PAARK D H,LEE J,HAN I.The effect of on-line consumer reviews on consumer purchasing intention:the moderating role of involvement[J].International journal of electronic commerce,2007,11(4):125-148.

[3]SENCAL S,NANTEL J.The influence of online product rec⁃ ommendations on consumers’online choices[J].Journal of retailing,2004,80(2):159-169.

[4]KIM D J,FERRIND L.A trust- based consumer decisionmaking model in electronic commerce:the role of trust,per⁃ ceived risk,and their antecedents[J].Decision support sys⁃ tems,2008,44(2):544-564.

[5]BANSAL H S,VOYER P A.Word of mouth processes within a services purchase decision context[J].Journal of service re⁃ search,2000,3(2):166-177.

[6]YUAN D,LIN Z,ZHOU R.What drives consumer knowl⁃ edge sharing in online travel communities?Personal attri⁃ butes or e-service factors?[J].Computers in human behavior, 2016(63):68-74. [7]王琳.网络评价对网络消费者购买决策的影响研究[J].商,

2015(17):231-233. [8]高宝俊,王寒凝,黄瑱,侯洋洋.在线评价系统对商品销售的影响分析——基于京东和天猫的数据[J].价格理论与实践,2015(8):103-106. [9]杨铭,祁巍,闫相斌,李一军.在线商品评论的效用分析研

究[J].管理科学学报,2012,5(12):65-75. [10]王绮,郑晓涛.在线评论的生动效应和商户再反馈对消费者购买意愿的影响——以经济型酒店为调查样本[J].湖南师范大学社会科学学报,2016(1):105-113. [11]杜学美,丁璟妤.在线评论对消费者购买意愿的影响研

究[J].管理评论,2013,3(28):173-183. [12]陈晓红,曾平.移动购物评价对消费者购买意愿影响的

实验研究[J].经济与管理研究,2016,6(37):122-128. [13]张艳辉,李宗伟,赵诣成.基于淘宝网评论数据的信息质

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.