淘寶網個性化服務對用戶服裝購買持續使用的影響

劉舒婷, 毛成吉, 李 敏, b

(東華大學 a. 服裝和藝術設計學院; b. 現代服裝設計與技術教育部重點實驗室, 上海 200051)

淘寶網個性化服務對用戶服裝購買持續使用的影響

劉舒婷a, 毛成吉a, 李 敏a, b

(東華大學 a. 服裝和藝術設計學院; b. 現代服裝設計與技術教育部重點實驗室, 上海 200051)

隨著網購的不斷繁榮, 電商囊括的商品和用戶數也越來越多, 人們在海量商品面前變得無所適從.“商品迷向”問題尤為突出, 網絡平臺迫切需要通過各種形式的顯隱性個性化服務提高用戶購買體驗, 吸引并留住用戶.針對以上問題, 以電子商務平臺個性化服務與用戶服裝購買行為的交互為起點, 將平臺上的交互抽象為“感知-使用-持續使用”的滲透過程進行研究.通過市場調研, 選擇淘寶網為滲透的案例平臺, 借助SPSS 19.0數據分析軟件和結構方程模型分析軟件AMOS 17.0建立了用戶持續使用模型, 最終通過對結果的檢驗和數據分析為電商平臺和入駐商家分別提出了個性化服務建議.

個性化服務; 用戶持續使用; 互聯網; 服裝在線購買; 女性消費者; 滲透

互聯網的發展將人類帶入了一個巨大的信息空間, 作為顯性個性化服務的產物, 搜索引擎的出現使用戶可通過輸入關鍵字的方式獲取所需信息.當在線購買成為人們重要購物方式的同時, 人們對網購信息搜尋的不滿也與日劇增[1].面向所有用戶的搜索反饋已難以滿足用戶的個性化需求, 隨著技術的發展和用戶在互聯網的大量信息遺留, 建立用戶的個人興趣模型, 針對用戶興趣返回不同結果的隱形個性化服務已成為可能.

然而目前, 針對電商個性化服務的研究多集中在技術層面的實現, 比如用戶興趣的建模研究及個性化搜索引擎算法的調整, 但針對用戶層面的研究較少, 用戶是否接受這些技術, 以及用戶使用個性化服務的反饋研究尚不深入.

本文創新性地使用“滲透”這一生物學概念來類比“感知-使用-持續使用”這一服裝購買過程中用戶與個性化服務提供的互動過程.通過對國內18家商務網站個性化服務的分析篩選, 發現淘寶網為用戶提供的個性化服務滲透于互聯網用戶購買行為的方方面面, 從引起注意(廣告等), 引發興趣(個性化信息推送, 特色市場的設置), 到瀏覽選擇過程(個性化搜索引擎), 直到付費與購買行為(可匿名).這為以后的模型構建和問卷設計提供了變量操作性定義的基礎, 因此選取淘寶網為案例平臺, 研究電商個性化服務對用戶服裝購買的滲透.采用調查問卷的形式, 對其滲透過程進行實證研究, 最終對電商平臺及平臺賣家提出針對性的服務及廣告投放建議.

1 用戶持續使用模型建立

在社會科學領域的滲透指一種勢力逐漸進入到其他方面, 如文化滲透.對文化滲透的研究通常以“模因論”為基礎.模因論者理查德·道金斯定義“模因”是一種脫胎于基因能進行模仿和復制的新型因子[2].著名模因學者 Francis Heylighe提出成功的模因復制有4個必經的遞進階段[3]: “同化”(assimilation)、“保持”(retention)、“表達”(expression)、“傳播”(communication), 這種滲透是由顯性入侵到隱性默化的.

由于個性化服務的顯隱性特征以及由此引發的用戶操作顯性與感知隱性與滲透影響過程類似.因此, 可以創新性地用滲透來描述個性化服務對用戶購買影響的過程.滲透是一個過程, 其結果暗含了一種影響與評價, 是對模因勢力廣度上的影響和深度上的評價.電商平臺個性化服務對用戶的服裝購買過程的滲透有其廣度和深度: 匹配到用戶的購買過程是廣度, 匹配到使用績效是深度.廣度上涉及購買過程中隱性個性化服務的感知和顯性個性化服務的使用, 深度上涉及感知績效帶來的持續使用意向和現狀.因此, 借鑒模因復制過程, 可將平臺個性化服務對用戶的服裝購買過程的滲透看做“感知(perception)-使用(usage)-持續使用(continuous usage)”3個階段.

本文研究總結近3年有關用戶持續使用研究領域的56篇文獻, 結合計劃行為理論[4-5]、技術接受模型[6]、期望確認理論[7], 將期望、期望確認程度歸到滿意度的表述中, 以中介變量形式存在.感知績效上以有用性、易用性和安全性作為外因變量.考慮到信息系統用戶黏性的影響, 將轉化成本單獨列出作為外因變量.滲透度除了以常規的持續使用表述外, 還會以計劃行為理論中的使用影響因素作為題項設置的表征.結合各研究匯總, 將滲透度定義為用戶持續使用電商個性化服務進行服裝購買的一種狀態, 包括態度和主觀規范、缺失不便性以及潛移默化性[8].假定的滲透模型如圖1所示.

圖1 電商個性化服務對用戶服裝購買滲透模型Fig.1 Infiltration model of electronic business platform personalized service for consumer purchasing clothing online

模型中提出如下假設, 如表1所示.

表1 滲透模型研究假設

模型中的主要測量項包括感知有用性、感知易用性、感知安全性、期望確認度、滿意度、自我效能、主觀規范、習慣、轉換成本以及滲透度等10個變量.問卷對每個測量項使用李克特5分量表衡量, 按消費者的感知的強烈程度, 分為非常不同意、不同意、一般、同意、非常同意, 分別對應1～5分值.圖2所示為淘寶網用戶的操作界面, 以此為劃分模塊. 表2是對各個變量進行的操作化測量設計.

圖2 淘寶網用戶操作界面模塊劃分Fig.2 Partition for the consumer interface of Taobao

表2 變量測項設計及參考來源

2 實證分析

2.1 研究方法與調查設計

本文通過問卷調查的方法收集樣本數據進行實證研究, 采用SPSS 19.0和AMOS 17.0 作為問卷數據分析工具.

在明確問卷設計思路及對“感知-使用-持續使用”滲透過程的充分理解下, 最終問卷包括前言、第一、二、三部分, 共計58個題項.前言為提示信息, 對問卷內容及作答進行簡短提示.第一部分為調查用戶對淘寶網隱性個性化服務的感知和顯性個性化服務的使用概況: 第1題為最早在淘寶網購物的時間, 第2題為隱性感知調查, 采用“是”“否”感知; 編號B1～B13, 計13項; 對于顯性感知的調查設置為第3題, 采用5段量表進行頻度測試, 編號C1～C15, 計15項.第二部分為探究淘寶網個性化服務對用戶服裝購買的滲透, 擬采用前人研究所用的成熟量表, 并根據電子商務情境下消費者使用購物網站的現實情況, 對量表稍做修改, 以適應本文研究, 編號D1～D22, 計22項.第三部分為用戶個人信息及網購服裝的基本信息.編號1～7, 計7項.

調查對象需滿足兩個條件: 具備電子商務網站的使用能力; 有過多次網購經歷并至少一次的淘寶網服裝購買經歷.因此根據2013—2014年中國網絡購物用戶行為研究報告, 選取18歲以上有過淘寶網服裝購買經歷的青年女性為調研對象[16].數據來源方面, 根據吳明隆對于預調研的相關要求[17], 研究選取東華大學的女大學生作為預調研對象, 預調研樣本數為40, 共發放問卷40份, 有效回收40份.用SPSS軟件對預調研問卷中第三個量表的22個題項進行信度分析, 各層面信度指標α值均達理想狀態.通過預調研的檢驗, 問卷最終以網絡問卷調查和紙質問卷調查相結合的方式進行數據的收集工作.網絡問卷調查主要是通過QQ、微信等網絡聊天工具和網絡問卷平臺問卷星網站(http: //www.sojump.com/jq/3559019.aspx)進行發放, 紙質問卷調查主要是通過對在校大學生及周邊寫字樓發放.最終共發放350份問卷, 回收332份, 剔除漏選及非認真對待問卷6份, 實際有效問卷326份, 總有效回收率為93.1%.

2.2 量表的效度和信度

效度是指能夠測到某測驗所欲測(使用者所設計的)信息或行為特質到何種程度, 所采用的方法為因素分析, 包括探索性因素分析(EFA)和驗證性因素分析(CFA).

在SPSS 19.0數據編輯窗口執行, 將“個性化服務對用戶服裝購買滲透量表”題項D1～D24選為變量, 因素抽取方法為主成分分析, 旋轉方法采用最大變異法.

輸出結果分析:

在相關矩陣中, 題項變量間呈現某些高度相關、某些低度相關或顯著不相關.如D1～D3間相關較高, 但與其他變量相關很低, 這些相關較高的題項可能有共同因素存在.

此處的KMO(Kaiser-Meyer-Olkin)值為0.858>0.8, 呈現的性質為“良好的”標準, 表示變量間具有共同因素存在, 適合進行因素分析.Bartlett’s球形檢驗的卡方值為1 080.441, 自由度為231, 顯著性概率值p=0.000<0.05, 達到0.05顯著水平, 代表總體的相關矩陣間有共同因素存在, 適合進行因素分析.

采用主成分抽取結果, 抽取特征值大于1以上的作為主成分保留的標準, 共抽取出6個共同因子, 解釋總變異量為68.404%.

轉軸后的成分矩陣如表3所示, 共同因素與上文理論編制的題項基本符合, 成分1～5可分別對應“滲透度”“有用性”“轉換成本”“安全性”以及“滿意度”.

D3、D4的易用性在共同因素上并未呈現, 分別被分在成分2“有用性”和成分6上, 而安全性共同因子錯失D7測項.成分6包含D4、D7題, 基于: ①兩者雖同屬于感知績效, 但在共同因子的隸屬上分屬“易用性”和“安全性”, 無法共同命名; ②除兩者間相關密切外, 與其他各因子均沒有明顯的歸屬傾向, 尤其與原屬“易用性”“安全性”并無靠攏.故考慮在后續驗證性分析過程中刪除原屬安全性D7測項, 密切關注易用性(D3、D4)在結構模型分析中的擬合情況.

表3 轉軸后的成分矩陣

信度是指測驗或量表工具所測得結果的穩定性和一致性, 量表的信度愈大, 其測量標準誤差愈小.根據效度分析結果, 刪除D7, 故各層面及總層面信度指標值匯總如表4所示(總量表排除D7).

表4 信度檢測統計

結合信度指標判別標準, 可以看出, “易用性”層面低于指標值0.500, 信度欠佳, 而其他各層面內部一致性信度均表現良好.故在驗證分析時考慮將“易用性”刪除后作為備用模型與原模型進行對比分析.

2.3 驗證性分析

2.3.1 假設模型檢驗

根據理論研究結合因子分析的結果, 構建“電商平臺個性化服務對用戶服裝購買的持續使用”假設模型, 包含5個測量模型和1個結構模型.在AMOS 17.0圖像窗口中繪制并界定變量及參數: 在滲透假設模型圖中, 模型中的變量共有33個, 外因變量有18個, 內因變量有15個.

模型中的參數共有55個, 包括固定參數為1的20個, 自由參數中回歸系數有14個(W1～W14), 協方差3個(C1～C3), 方差18個(V1～V18), 平均數與截距項均為0個, 因而模型中待估計的自由參數共有35個.

模型中外因潛在變量的觀察變量有7個, 內因潛在變量的觀察變量有6個, 樣本協方差矩陣獨特元素或數據點=1/2×(7+6)(7+6+1)=91個, 模型中被估計的參數(自由參數)有35個, 模型的自由度=91-35=56.

2.3.2 假設模型修正

按照文獻[18]的論點, 本文從3個方面考察假設模型與實際數據是否契合, 即基本適配度指標, 整體模型適配度指標和模型內在結構適配度指標.預設模型適配度檢驗結果, 模型自由度為56, 卡方值等于84.881, 顯著性概率值p=0.008<0.05, 拒絕虛無假設, 表示理論假設模型與實際觀察數據無法適配, 故需進行修正.

經篩選, 在符合修正的指標中, 根據最大的修正指標值來修正模型, 一次釋放一個參數, 如增加“轉化成本”對“滿意度”的路徑, 至少可以減少卡方值11.403, 其參數估計改變值為0.248.其他符合條件的修正指標均為增列不同誤差項的共變關系.

根據輸出結果給出的修正指標及測項共變關系的實際意義, 逐次進行如下修正: 增加潛在變量“轉化成本→滿意度”的影響路徑; 增加e8、e13間的共變關系; 增加e12、e13間的共變關系; 增加e1、e7間的共變關系.

修正后標準化估計值模型圖如圖3所示.

圖3 修正后的標準化估計值模型圖Fig.3 Modified model of standardized estimates

2.3.3 模型檢驗結果

以極大似然法估計各回歸系數參數結果, 在測量模型中, 除5個參照指標值設為1不予考慮外, 其余回歸加權值均達顯著.結構模型中7條路徑, 有3條達到顯著水平.

在修正后模型的輸出參數摘要中, 潛在變量間的標準化回歸系數即潛在變量間的直接效果值或潛在變量間的路徑系數; 潛在變量對指標變量的標準化回歸系數為因素負荷量.“轉化成本”對“滿意度”的直接效果值為0.350, “有用性”對“滲透度”的直接效果值為0.274, “安全性”對“滲透度”的直接效果值為0.383.13個測量指標的負荷量為0.559～0.901.

修正后因果模型的整體適配度卡方值等于54.017, 顯著性概率值p=0.397>0.05, 假設理論模型與實際數據間可以契合, 假設模型得到驗證.

原模型假設的驗證情況如表5所示.

表5 原模型假設正向影響程度

3 結 語

本文以互聯網個性化服務與用戶行為交互為研究起點, 分析了樣本個性化服務滲透總體概況、隱性個性化服務感知、顯性個性化服務使用以及平臺個性化服務系統的持續使用情況, 研究結論如下所述.

(1) 隱性個性化服務感知

① 淘寶網進行服裝購買時, 搜索的相符程度由大到小依次為性別>購買力>年齡>地域.

② 在推送和模塊更改的敏感及關注度上, 推送相關商品>收藏店鋪更新>微淘商品推廣>整體界面變化.

③ 搜索相符認可度高的樣本, 對信息公開的包容度更大.

(2) 顯性個性化服務使用

① 在淘寶網進行服裝購買時, 外因推動的顯性個性化服務的使用頻繁程度: 搜索下拉菜單匹配>點擊“你是不是想找”更改>掌柜熱賣>推送購買>首頁30個特色市場.

② 在搜索引擎篩選層面的使用上, “人氣、銷量、信用”等不同排序模式的使用率>點選商品屬性標簽篩選>“新品、旺旺在線、包郵”等篩選.

③ 在購物入口的選擇上, 搜索引擎入口的使用率大于類目導航大于模塊挑選.

④ 在顯性個性化服務的使用上, 用戶在內外因推動上表現出較強的一致性.

(3) 平臺個性化服務系統的持續使用

① 用戶的感知有用性和感知安全性對個性化服務的滿意度影響不大, 卻直接而顯著地影響個性化服務的滲透度.

② 用戶使用個性化服務的轉化成本對個性化服務的滿意度有顯著影響, 對個性化服務的滲透度影響并不顯著.

③ 用戶對個性化服務的滿意度顯著影響平臺系統使用的滲透度.

④ 用戶對個性化服務系統的感知有用性和感知安全性間有顯著的共變關系.

(4) 針對個性化服務系統的建議

① 對電商平臺而言, 在積極提供各種顯隱性個性化服務的基礎上, 更多地關注用戶的隱私安全; 基于顧客收藏和購買記錄, 將更多的顯性個性化服務資源應用到隱性個性化服務的提供上.

② 對平臺商家而言, 對品牌定位和商品屬性有良好把握的基礎上, 依托平臺進行精準的廣告投放, 起到良好的引流效果; 同時, 持續跟進新老顧客, 推送相關商品, 在一定程度上可增加轉化率.

[1] 耿黎輝, 陳淑青. 消費情緒與購后行為的關系研究綜述[J]. 西南交通大學學報(社會科學版), 2006, 7(5): 93-99.

[2] 理查德·道金斯.自私的基因[M]. 盧允中, 等譯, 北京: 中信出版集團股份有限公司, 2012: 213.

[3] HEYLIGHEN F. What make a meme successful[M]. Namur: Congress on Cybernetics, 1998: 418-423.

[4] HANSENT. Consumer values, the theory of planned behavior and online grocery shopping[J]. International Journal of Information Management, 2008， 32(2) : 128-137.

[5] GOPI M, RAMAYAH T. Applicability of theory of planned behavior in predicting intention to trade online: Some evidence from a developing country[J]. International Journal of Emerging Markets, 2007， 2(4): 348-360.

[6] DAVIS F. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS Quarte, 1989, 13(3): 319-341．

[7] OLIVER R L. A cognitive model of the antecedents and consequences of satisfaction decisions[J]. Journal of Marketing Research, 1980， 17(4): 460-469.

[8] DELONE W H, MCLEAN E R. The DeLone and McLean model of information systems success: A ten-year update[J]. Journal of Management Information Systems, 2003， 19(4): 9-30.

[9] DAVIS F D, BAGOZZI R P, WARSHAW P R. User acceptance of computer technology: A comparison of two theoretical models[J]. Management Science, 1989, 35(8): 982-1003.

[10] PARASURAMAN A, BERRY L L. A conceptual model of service quality and its implications for future research[J]. Journal of Marketing， 1985, 49(4): 41-45.

[11] PETER J P, OLSON J C, GRUNERT K G. Consumer behavior and marketing strategy [M]. New York: MeGraw-Hill, 1990.

[12] CHAU P Y K, HU J H. Information technology acceptance by individual professionals: A model comparison approach[J]. Decision Sciences, 2001, 32(4): 699-719.

[13] CHAU P Y K, HU J H. Investigating healthcare professionals’ decisions to accept telemedicine technology: An empirical test of competing theories[J]. Information & Management, 2002, 39(4): 297-311.

[14] AJZEN I, MADDEN T J. Prediction of goal-directed behavior: Attitudes, intentions, and perceived behavioral control[J]. Journal of Experimental Social Psychology, 1985, 22(5): 453-474.

[15] BHATTACHERJEE A. Understanding information systems continuance: An expectation-confirmation model[J]. Mis Quarterly, 2001， 25(3): 351-370.

[16] GAY L R. Educational research competencies for analysis and application[M]. New York: Merril Pr, 1992.

[17] 吳明隆.問卷統計分析實務——SPSS操作與應用[M].重慶: 重慶大學出版社, 2013: 10.

[18] BAGOZZI R P, YI Y. On the evaluation of structural equation models[J]. Journal of the Academy of Marketing Science, 1988, 16(1) : 74-94.

(責任編輯：于冬燕)

Impact of Personalized Service on Customer’s Continuous Usage of Taobao Platform for Clothing Purchases

LIUShutinga,MAOChengjia,LIMina, b

(a. Fashion and Art Design Institute; b. Key Laboratory of Clothing Design & Technology, Ministry of Education, Donghua University, Shanghai 200051, China)

Along with the boom of online shopping, electronic businesses are carrying an increasing amount of commodities and catering to more and more users. Consumers are disoriented in front of the vast choices of commodities. It’s urgent for the platform to improve the user’s shopping experience, attract and retain users through explicit and implicit personalized services in various forms. This paper starts from the interaction between personalized service on electronic commerce platform and consumer’s clothing buying behavior, which is then abstracted to the infiltration process of “perception-use-continue to use”. Based on data from marketing research, the typical C2C website Taobao is selected as a case platform. The consumer continuous usage model is established via SPSS 19.0 data analysis software and AMOS 17.0 structural equation model analysis software. Finally, specific suggestions for electric business platform and online merchants on personalized services are put forward via results testing and data analysis.

personalized services; consumer continuous usage; internet; online clothing purchases; female consumers; infiltration

1671-0444 (2017)02-0280-07

2016-04-06

上海市教育委員會科研創新資助項目(14ZS068)；上海高校知識服務平臺(海派時尚設計及價值創造知識服務中心)資助項目(13S107024)

劉舒婷(1990—)，女，山東日照人，碩士研究生，研究方向為服裝產業經濟學.E-mail: 835142706@qq.com 李 敏(聯系人)，女，教授，E-mail: fidlimin@dhu.edu.cn

TS 941.12

A