消費者接受電子商務個性化推薦的感知維度及其影響研究

鄭春東，竇 涵

（天津大學管理與經濟學部，天津 300072）

?

●經濟與管理

消費者接受電子商務個性化推薦的感知維度及其影響研究

鄭春東，竇 涵

（天津大學管理與經濟學部，天津 300072）

基于消費者感知角度研究消費者接受電子商務個性化推薦的維度及其影響，可以在為電子商務平臺進行個性化推薦優化提供依據。研究表明，從消費者感知角度來看:消費者接受電商個性化推薦的感知維度主要有消費者感知舒適度、感知價值、外部推薦、商家動機、推薦形式和感知安全六個維度；其中感知舒適度、感知價值、外部推薦和推薦形式與消費者接受電商個性化推薦呈顯著正相關關系，而商家動機與消費者接受個性化推薦呈顯著負相關關系；此外，不同的消費者群體對各感知維度的偏好具有差異性，需要進行有針對性的個性化推薦。

個性化推薦；消費者感知；電子商務

盡管電子商務發展迅速，但電商單一用戶的購買頻次一般變化不大，主要業績增長動力在于用戶數量的增長。因此，如何提升用戶體驗進而獲取新的用戶成為電商在競爭中取勝的關鍵問題之一。另一方面，隨著網站內容形式的多樣性漸強，用戶對信息的使用效率反而降低，信息超載問題日趨明顯。尤其是在電子商務領域:電商平臺為用戶提供更多商品選擇的同時，增加了用戶搜索真正所需產品的時間。雖然搜索引擎技術在一定程度上緩解了這一問題，但沒有真正提高電子商務領域的用戶信息獲取效率。而個性化推薦在解決電商信息超載問題上具有明顯優勢，它可以更主動的滿足用戶現有需求以及用戶無目的性瀏覽時的潛在需求。因此，個性化推薦具有廣泛的發展空間和應用需求。同時，基于目前部分消費者甚至對個性化推薦提供的信息有消極反應的現狀，研究如何使個性化推薦更易于被用戶接受，將個性化推薦信息轉化為消費者實際購買行為具有重要意義。

一、理論綜述

（一）個性化推薦的概念

1995年，Robert Armstrong等在美國人工智能協會上提出了個性化導航系統Web Watcher。到1997年，Resnick和Varian在《Recommender Systems》一文中將個性化推薦引入了電子商務領域，他們定義電子商務個性化推薦指的是運用電子商務網站向用戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助用戶完成購買過程［1］。目前，這一概念得到了學術界的廣泛認同。國內的學者也就個性化推薦的內涵提出了自己的觀點，如梁偉萍（2011）提出，推薦服務是通過對大量用戶數據進行挖掘、處理后，建立的一個智能平臺，為客戶提供針對性的信息推送服務［2］。本文在研究中采用Resnick和Varian的定義。

（二）消費者感知的內涵及其度量

感知是指個體選擇性的注意、感受、理解及存儲相關信息的動態過程。感知過程是一個系統的連貫的心理過程。消費者感知是消費者與服務系統之間互動過程的真實體驗。現有關于消費者感知的研究從不同角度對其內涵進行了解釋，有總體評價論、滿足感知論、多因素評價論、質量論和得失論等觀點。Zeithaml（1988）首先從顧客角度提出:顧客感知是顧客對產品或服務效用的整體評價［3］。Gale（1994）則認為，消費者感知是對產品經過市場價格調整后的質量感知［4］。Jamie等（2015）基于電子商務環境背景提出消費者感知是指消費者個人在線上技術驅動的服務過程和多樣性的零售商選擇中感知到的好處，進而促進消費目標的實現［5］。本研究中消費者感知是消費者與電商互動過程中對經過及結果的主觀感受，具體指消費者在使用電商個性化推薦過程中的主觀感受。

我們從消費者感知價值和消費者體驗兩個角度對消費者感知維度進行度量。從目前關于電子商務環境下消費者的感知價值研究角度出發，Dubinsky（2003）認為線上消費者感知價值的主要影響因素是感知產品價格、產品質量、感知風險和體驗價值［6］。Jarvenpa和Todd（2005）指出服務、產品和感知風險是影響感知價值的主要因素［7］。我國學者也對線上電商環境下的消費者感知維度進行了探索。董大海和楊毅（2008）則指出線上環境下的消費者感知價值可分為結果性價值、情感性價值和程序性價值［8］。李雪欣等（2013）通過實證分析，認為影響網絡消費者感知價值的因素有感知網站服務質量、感知風險、購買成本以及感知產品質量［9］。Shahzad等（2015）認為線上消費者的感知會受到之前消費者購買評價的影響，如果這一感知價值較高，會進而影響自己的二次購買行為［10］。

現有關于電商環境下消費者體驗的維度研究也非常豐富［11］［12］［13］。Efthymios Constantinides（2005）在研究中將網站購物體驗對消費者購買行為的影響時，認為顧客體驗應該包括功能因素、內容因素和心理因素三個部分［14］。Bolton等（2009）則提出，顧客線上購物體驗包括電商環境、顧客投入程度和社會氛圍等多種因素［15］。我國學者賀和平等（2013）認為，基于消費者體驗視角的線上購物體驗包括社會性價值、利他性價值、經濟性價值和享樂性價值［16］。Tze-Hsien等則（2015）通過研究提出消費者線上購物體驗還受到消費者控制欲和對人際關系敏感度的影響［17］。

基于以上研究，本文認為在構建消費者接受電子商務個性化推薦的感知維度框架時，可以基于消費者感知價值和顧客體驗價值的研究維度，具體內容將在下文中指出。

二、研究假設與模型

（一）消費者接受電子商務個性化推薦的維度框架

基于現有測量消費者感知價值與顧客體驗價值的相關文獻，我們認為消費者接受電子商務個性化推薦的感知維度主要有技術因素、系統信任和社群影響三個方面。其中，技術因素具體包括感知有用性、感知易用性和感知舒適性三個維度；系統信任包括感知安全和商家動機兩個維度；社群影響具體包括外部評價、媒體宣傳兩個個維度（如圖1）。

圖1　感知維度框架圖

（二）假設的提出

1.技術因素

（1）感知有用性與感知易用性

個性化推薦系統是基于數據挖掘的智能商務平臺，消費者對個性化推薦的接受可以說是接受一項高級技術的過程。Davis（1986）基于理性行為理論提出技術接受模型（Technology Acceptance Model，TAM），該模型可以解釋用戶對技術的接受程度［18］。TAM認為，用戶在接受一項技術時，感知有用性和感知易用性是兩項決定因素。感知有用性（Perceived usefulness，PU）是指用戶在使用某項系統技術時，其對工作績效提升程度的主觀感受。感知易用性（Perceived ease-of-use，PEOU）是指用戶在使用某項系統技術時，認為其能夠簡單容易掌握的程度。這兩項因素可以促進用戶使用個性化推薦技術。在本研究中，感知有用性可以理解為用戶對個性化推薦系統的有用程度的主觀感受。具體來說包括個性化推薦系統是否能夠準確判斷用戶的興趣和需求，是否能夠有效提高用戶選擇商品的效率，是否能夠為用戶提供有效的產品信息和產品分析方法等。而感知易用性可以理解為用戶在使用和學習個性化推薦系統過程中對便捷程度的主觀感受。具體包括個性化推薦系統是否容易使用，是否方便用戶進行學習等。

（2）舒適性

Aljukhadar（2011）通過訪談形式發現，消費者對個性化推薦系統信息更新時間、推薦界面等都具有一定要求［19］。可以看出，用戶在使用一項網絡技術時，對其所表現出的外在形式也非常注重。因此，在感知有用性、易用性和感知安全的基礎上，本文認為消費者接受個性化推薦系統的感知維度包括在使用系統時感知的舒適性。具體包括個性化信息的推送時機、采取的推送方式、個性化信息在頁面中的布局等內容。

假設H1:消費者對個性化推薦的感知有用性和感知易用性對其接受個性化推薦具有顯著影響。

假設H2:消費者對個性化推薦系統使用的舒適性對其接受個性化推薦具有顯著影響。

2.系統信任

消費者在進行網購時，網上交易的安全性是他們的首要關注點［20］。對電子商務平臺的個性化推薦系統的信任會影響消費者對其推薦內容的判斷，消費者信任個性化推薦系統，更容易接受其所推薦的內容。

（1）感知安全

消費者在使用個性化推薦系統時，系統一般需要對自己的瀏覽記錄、個人主頁等進行訪問，用戶也需要確保系統能夠保證自身的隱私安全和交易信息不被泄露，同時防止密碼被竄改等行為。因此，本研究認為消費者對個性化推薦系統的感知安全是影響其對個性化推薦技術接受程度的重要因素之一。感知安全的具體內容包括電商平臺能夠提供可靠的安全機制，對個人信息進行保密；同時，個性化推薦的內容能夠讓消費者信任。

（2）商家動機

在之前的研究中已經證明，商家的信譽是影響消費者對電商信任程度的重要因素，消費者更愿意相信信譽更好的商家所發布的信息［21］。Mcknight和Chervancy（2000）曾虛構某一家法律咨詢網址進行消費者對其的信任測試，也證明了商家能力、善意和誠意是影響消費者購買因素的重要原因［22］。本文在研究基礎上進行了調整，認為商家動機也是影響用戶是否接受電商所推薦內容的一個重要方面。具體是指商家在對消費者進行個性化推薦時的利益出發點，消費者所感知到的商家動機是出于增加自身銷售考慮還是出于幫助消費者進行購買決策的角度。

假設H3:消費者對個性化推薦系統的感知安全對其接受個性化推薦有顯著影響。

假設H4:消費者對商家動機的信任對其接受個性化推薦有顯著影響。

3.社群影響

理性行為理論（Theory of Reasoned Action，TRA）認為人能夠完全控制自己的行為，但是在組織環境下，個體行為會受到外部環境的制約。Nambisan和Watt（2011）也通過研究證明，產品的社群背景對顧客感知的重要性［23］。個性化推薦的很多內容本身就來自于他人的評價及打分或系統的數據挖掘及數據分析。而消費者在使用個性化推薦系統的過程中，會受到包括宣傳信息、周圍朋友、專家意見等不同人的影響。因此，本文認為引入社群影響因素作為消費者接受個性化推薦的感知維度之一，具體包括周圍人、媒體、專家等對個性化推薦的態度。

假設H5:社群影響對消費者接受個性化推薦具有顯著影響。

三、實證分析

以研究框架為依據，進行問卷設計，判斷消費者對各假設維度的感知偏好。問卷設計參考了現有量表與技術模型（具體來源如表1），并且，考慮到目前個性化推薦形式的多樣性，本文加入推薦形式維度的兩道題項，以幫助電商平臺更好的了解消費者更傾向的推薦形式。

表1　問卷指標表

問卷采用李克特量表的方法進行選項設計。要求被調查者對每一陳述作七級評定:完全不認同、不認同、比較不認同、一般、比較認同、認同、完全認同。通過受調者對題項陳述的回答推論其情感態度與價值傾向。問卷調查對象是電子商務平臺的消費者，其中以三十歲以下的在校大學生與碩博士生為主。

（一）樣本人口統計特征

本次調研以網絡問卷的形式進行，共發放235份，其中有效問卷198份，問卷有效率為90.4%。樣本男女比例合理，年齡結構符合網民特征。此外，研究樣本以高學歷人群為主，具有較強的購買能力，且接觸電子商務平臺時間較長，對個性化推薦有一定的了解與自我判斷。因此，樣本具有較強的代表性。

（二）信度分析

我們首先使用科隆巴赫一致性系數（Cronbachα）對問卷進行一致性檢驗。使用SPSS19.0進行分析運算，本問卷的信度系數為0.926〈1，問卷可靠性較高，即信度較高。

表2　可靠性統計量表

（三）因子分析

為了進一步對消費者感知電子商務平臺個性化推薦的主要維度進行提取，我們對問卷進行實證數據的因子分析，將相似因素進行合并。首先，對數據進行合適性檢驗，數據KMO值為0.86〉0.5，巴利特球體驗p值為0〈0.05，說明問卷結構效度較好且適合進行因子分析。初始分析表明，有6個因子特征值大于1，累積方差貢獻率達74.836%，結合上文分析，提取6個因子作為消費者接受電子商務個性化推薦的主要感知維度。這6個因子分別為舒適性、感知價值（包括感知易用性與感知有效性）、感知安全、外部評價、商家動機和推薦形式。

（四）相關分析

在確定問卷可信后，我們進一步研究各因素如何影響消費者對個性化推薦的感知，以及各因素的影響程度。通過Pearon相關分析進行各項因素與電子商務個性化推薦接受程度的相關性。

表3的結果可以發現，音頻輸出與媒體宣傳與消費者接受電子商務的個性化推薦不具有相關關系。消費者個人的風險偏好和電商的推薦動機與消費者接受電子商務個性化推薦的程度有負相關關系，其中電子商務平臺的推薦動機影響較為顯著。

呈現正相關關系且影響作用顯著的因素依次是個性化推薦的感知有用性（0.707）、功能價值（0.567）、舒適性（0.500）、安全機制（0.441）、個性化推薦的感知易用性（0.359）、外部評價（0.310）、內容安全（0.269）和電商信用（0.143）。

表3　相關性檢驗結果表

（五）聚類分析

為了進一步研究不同消費者接受電子商務個性化推薦感知維度的偏好，我們對問卷數據進行聚類分析和均值分析，將受調者依據感知維度進行分類，探索用戶群體感知維度的相似性及各類群體中不同感知維度的影響。

聚類結果表明，依據消費者接受電子商務個性化推薦的感知維度偏好，可以將消費者分為五類，他們對各感知維度的偏好具有明顯差異。如表4結果所示，63.3%的消費者重視個性化推薦的舒適性、感知價值和外部評價；16.1%的消費者重視個性化推薦的舒適性與感知安全性；13%的消費者偏好個性化推薦的舒適性、外部評價和推薦形式；4.5%的消費者重視個性化推薦的感知安全、商家動機和推薦形式；3%的消費者重視個性化推薦的外部評價。

（六）研究結果

1.消費者感知維度分析結果

由上述分析，假設1和假設2被驗證。感知有用性和感知易用性對消費者接受電子商務個性化推薦的影響最為顯著。說明消費者認為個性化推薦節約購買成本的效用和系統易操作性非常重要。同時，感知舒適性對消費者接受電子商務個性化推薦的影響顯著，舒適性的內涵較為廣泛，表明選擇恰當的推薦時機、在適當的位置進行推薦、輸出項目的美觀便捷都會增加消費者接受個性化推薦的可能程度。

表4　聚類分析結果表

圖2　感知維度框架圖（調整后）

假設3和假設4被驗證。消費者對自身信息安全非常重視，具體表現在對電子商務平臺的安全機制、個性化推薦內容的安全性和電子商務平臺的信用三個方面的感知安全。消費者越感到安全，越能相信電子商務平臺及個性化推薦的內容，越容易接受相關推薦。而電子商務平臺的推薦動機與消費者接受個性化推薦的程度有負相關關系。電子商務平臺以銷售為目的進行的個性化推薦不容易被消費者所接受，反而會使消費者對所推薦內容產生厭惡情緒，甚至對電子商務平臺的信任度下降；消費者希望電子商務平臺是基于消費者自身的購買偏好和需求進行個性化推薦的。

假設5被部分驗證。朋友、親人等相互熟悉的人對電子商務個性化推薦的評價對消費者具有顯著影響；而媒體宣傳與消費者接受個性化推薦的程度沒有相關性。這一看似矛盾的問題產生的原因可能是研究的樣本特征，我們的樣本主要由本科及本科以上學歷的20-29歲人群構成，他們對媒體廣告的辨別性較強，具有鮮明的個人消費理念，不易被媒體廣告所影響。同時，研究樣本多處在集體生活的階段，容易被室友、朋友間具有相似的消費觀念，因此外部評價的影響較為顯著。

此外，研究表明消費者接受電子商務個性化推薦的主要感知維度有6個，分別為舒適性、感知價值（包括感知易用性與感知有效性）、感知安全、外部評價、商家動機和推薦形式。可以得到修正后的消費者感知維度框架如圖2。

2.消費者分類結果

依據消費者對6類維度的偏好，可以對消費者進行分類。

感知與體驗偏好型消費者為最主要的消費群體，他們重視個性化推薦技術的感知有用性、感知易用性（0.25）和舒適性（0.12），同時，比較重視他人對個性化推薦的態度（0.14）。而對于這一類型消費者，個性化推薦的感知安全（-0.09）、商家動機（-0.05）和推薦形式（0.00）的影響較弱。他們認為個性化推薦系統是非常有價值的，可以有效提高自身的購買效率，所關注的內容多是個性化推薦系統本身，對技術要求程度高，其他因素影響較小。

第二類消費群體是體驗與感知安全偏好型消費者，他們重視個性化推薦系統的感知舒適性（1.98）和感知安全（1.24），且這兩項感知維度的正相關性非常明顯。系統的感知價值（-1.08）、外部評價（-1.11）和推薦形式（-1.17）的負相關影響則非常明顯，商家的推薦動機（-0.03）的影響顯著性最弱。這類消費者對個性化推薦的需求較高，而對個性化推薦的相關了解較少，他們需要肯定個性化推薦的可信任程度，進而使用和接受個性化推薦。

第三類消費群體是體驗與感知安全偏好型消費者，舒適性（1.29）、推薦形式（1.77）和外部評價（0.57）對他們的正相關影響最明顯，感知安全（-1.00）和感知價值（-3.12）呈現負相關影響，商家動機則無影響（0.00）。這類消費者重視個性化推薦系統的體驗品質；同時個人的消費觀念較強，當對系統的有用性缺乏有效判斷時，重視自身的主觀體驗和他人的評價。

第四類消費者為群體較小，為感知安全與信任偏好型消費者。他們重視個性化推薦的感知安全（1.13）、商家動機（1.18）和推薦形式（1.19），而舒適性（-1.37）、感知價值（-0.40）和外部評價（-2.85）則呈現出負相關影響。這類消費者對個性化推薦系統缺乏了解，不容易對個性化推薦系統和所推薦內容產生信任。

第五類消費群體為占比最小的認知偏好型消費者。他們主要的感知維度是外部評價（1.61），而舒適性（-2.62）、感知安全（-0.59）、感知價值（-1.08）、商家動機（-0.28）和推薦形式（-1.28）都呈現出負相關性影響。這類特殊消費者數量非常少，他們對個性化推薦的認知幾乎全部來自于外部的評價，容易相信家人、朋友、專家效應，自身沒有準確的了解和判斷；而同時，他們對個性化推薦系統的技術程度要求較少，一旦接受來自外部對個性化推薦系統的積極評價，很容易接受個性化推薦的內容。

四、結論與討論

（一）研究結論與建議

通過上述實證分析，可以得到對電商平臺改進個性化推薦系統的啟示:對個性化推薦的優化可以從個性化推薦系統和電商平臺兩個角度進行。

個性化推薦系統的技術優化包括提升系統感知有用性、感知易用性和感知舒適性三個方面。首先，要進行有針對性的個性化推薦。具體來說，要設計更多有針對不同用戶人群的個性化推薦功能。同時，應該保證推薦信息的質量，推薦的內容要有一定的廣度和深度。此外，個性化推薦的內容要根據社會經濟環境的變化不斷進行修改，提升推薦系統的性能，更新推薦方法或推薦數據，適應不斷發展變化的社會需求和消費者需求，可以不定期進行消費者滿意度的調查，根據消費者建議，及時進行技術服務升級。而對于感知舒適性的改進，則應該使個性化推薦系統更加人性化和智能化，將個性化系統的針對性推薦與智能服務相結合，實現推薦內容最大程度的精準性和可靠性，讓消費者感到友好的人機交互體驗。

而對電子商務平臺的建議則包括優化社會推薦、提升對消費者分類的意識、改進消費者認知和提升消費者感知安全四個方面。本文研究發現，目前消費者還缺乏對個性化推薦有效而系統的認知，而人們往往傾向于信任和接受自己了解的事物。電子商務平臺可以讓消費者了解個性化推薦內容輸出原理或結果的獲取過程，使消費者認識到個性化推薦是建立在可信的數據挖掘和數據分析的基礎上，有意識的提高消費者對個性化推薦的關注度和認知度。同時，消費者往往更容易接受過往用戶和周圍朋友的推薦內容而不是純粹系統分析的推薦內容。電子商務平臺應重視社會推薦的作用，建立網絡社區、興趣小組等，讓用戶在虛擬的電子商務平臺尋找到興趣相同的用戶，在相互交流中增加對個性化推薦的接受程度。

另外，要增強消費者對電子商務平臺的感知安全，需要建立可靠的安全機制。電子商務平臺可以制定相關保護隱私的方案，公布自身保護消費者隱私的措施，作出相關承諾，保證消費者的信息不被泄露、不被他用。同時，應該保證個性化推薦內容的真實性，將個性化推薦內容與廣告內容進行明確區分，讓消費者可以清楚辨別系統數據分析的輸出結果和電子商務平臺的廣告行為。

最后，要依據不同消費者的個性化推薦感知偏好進行有針對性的推薦，做到消費者“細分到個人”，強調對消費者主要偏好的感知維度進行重點內容優化和特色服務，以實現在電子商務的競爭中獲得優勢。

（二）研究局限性與進一步研究方向

本研究具有一定的局限性。首先是樣本的局限性，本文采用了問卷調研的方式，樣本主要群體為高學歷的青年群體，在年齡、職業等方面分布與CNNIC統計報告的網民結構還存在一定差異，降低了研究結果的普遍適用性。其次是測量維度的局限。本文關于消費者對電子商務個性化推薦的感知維度量表提出，參考了相關的國內外文獻，測量維度還是不夠全面，只初步提出了三個維度進行探索，量表缺乏更全面系統的表述。

進一步研究可以基于兩個角度。第一，可以引入調節變量研究消費者對個性化推薦的接受程度，如消費者自身的知識水平、產品因素等變量作為調節變量，進行變量之間關系和影響程度的研究。第二，可以對消費者接受個性化推薦后是否會轉化為實際購買行為進行探索。消費者感知個性化推薦后，轉化為實際購買行為會提高電商平臺的經濟效益，開展相關研究有重要的實踐意義。

［1］Resnick，Varian.Recommender Systems［J］. Communications of the ACM，1997（3）.

［2］梁偉萍.淺談電子商務中的個性化推薦系統［J］.網絡與信息，2011（8）.

［3］Zeitham，Valarie A.Consumer Perceptions of Price，Quality，and Value:A Means-End Model and Synthesis of Evidence［J］.Journal of Marketing，1988（3）.

［4］Gale B.T.，Wood R.C..Managing Customer Value: Creating Quality and Service That Customers Can See［M］. New York:Free Press，1994.

［5］Jamie Carlson，Aron O.C.，Dennis Ahrholdt. Assessing Customers’Perceived Value of the Online Channel of Multichannel Retailers:A Two Country Examination［J］. Journal of Retailing and Consumer Services，2015（9）.

［6］Dubinsky A.J.A Conceptual Model of Perceived Customer Value in E-commerce:A Preliminary Investigation［J］.Psychology&Marketing，2003（4）.

［7］Jarvenpaa S.，Todd P.A.Consumer Reaction to Eleetronic Shopping on the World Wide Web［J］.International Journal of Electronic Commerce，2005（2）.

［8］董大海，楊毅.網絡環境下消費者感知價值的理論剖析［J］.管理學報，2008（6）.

［9］李雪欣，鐘凱.網絡消費者感知價值影響因素的實證研究［J］.首都經貿大學學報，2013（3）.

［10］Shahzad A.K.，Yan Liang，Sumaira Shahzad.An Empirical Study of Perceived Factors Affecting Customer Satisfaction to Re-Purchase Intention in Online Stores in China［J］.Journal of Service Science and Management，2015（38）.

［11］Huang Z.X.，Lu X.D.，Duan H.L.，Zhao C.H. Collaboration-based Medical Knowledge Recommendation［J］. Artificial Intelligence in Medicine，2012（1）.

［12］Duan L.，Street W.N.，Xu E.Healthcare Information Systems:Data Mining Methods in the Creation of A Clinical Recommender System［J］.Enterprise Information Systems，2011（52）.

［13］Lin Y.F.，Shie H.H.，Yang Y.C.，Tseng V.S. Design of a Real-time and Continua-based Framework for Care Guideline Recommendations［J］.International Journal of Environmental Research Public Health，2014（4）.

［14］Eflhymios Constantinides，Peter Geurts.The Impacts of Web Experience on Virtual Buying Behavior:an Empirical Study［J］.Journal of Customer Behavior，2005（4）.

［15］Bolton R.N.，Lemon K.N.，Verhoef P.C.The Theoretical Underpinnings of Customer Asset Management:A Framework and Propositons for Future Research［J］.Journal of Academy of Marketing Science，2004（2）.

［16］賀和平，周志民.基于消費者體驗的在線購物價值研究［J］.商業經濟與管理，2013（3）.

［17］Tze-Hsien Liao，Ching-Jui Keng.Online Purchase Delay:The Roles of Online Consumer Experience［J］.Journal of Electronic Commerce Research，2014（2）.

［18］Davis，Fred D.B.，Richard P.W.，Paul R.User Acceptance of Computer Technology:A Comparison of Two Theoretical Models［J］.Management Science，1989（8）.

［19］Muhammad Aljukhadar，Sylvain Senecal.Usage and Success Factors of Commercial Recommendation Agents:A Consumer Qualitative Study of My Product Advisor.com［J］. Journal of Research in Interactive Marketing，2011（2/3）.

［20］Sophie Cases.Perceived Risk and Risk-reduction Strategies in Internet Shopping［J］.The International Review of Retail，Distribution and Consumer Research，2002（4）.

［21］陳杰.顧客體驗決定電子商務商業價值［J］.科技日報，2011（3）.

［22］Mc Knight D.H，Chervany N.L.What is Trust？A Conceptual Analysis and An Interdisciplinary Model［C］. Proceedings of the 6th Americas Conference on Information Systems，2000，827-833.

［23］Priya Nambisan，James H.W.Managing Customer Experiences in Online Product Communities［J］.Journal of Business Research，2011（8）.

（責任編輯：王 荻）

A Research on the Effect and Perceived Dimension of E-commerce's Personalization Recommendation to Consumers

ZHENG Chun-dong，DOU Han
（College of Management and Economics，Tianjin University，Tianjin 300072，China）

This study focuses on consumer perception dimensions of the personalized recommendation system and its influence，aiming at putting forward suggestions about optimizing the personalized recommendation system.The results find that consumer perception dimensions of the personalized recommendation system mainly includes consumer perceptive of comfort，perceived value，external recommendation，system trust，perceived security and recommendation forms.Among the dimensions，system trust and consumers accepting personalized recommendation have negative correlation，other factors have positive correlation.As for the different types of consumers，dimensions have different influence.

personalized recommendation system；consumer perception；E-commerce

F724.6

A

1008-2603（2016）03-0059-08

2016-03-29

國家自然科學基金項目“認知不對稱視角的品牌延伸評價模型及其維度識別與強度測量研究”（項目編號:71072154）。

鄭春東，男，天津大學管理與經濟學部副教授；竇涵，女，天津大學管理與經濟學部碩士研究生。