購物平臺個性化推薦對消費者購買意愿的影響

摘 要： 目前，對購物平臺用戶采納個性化推薦的研究主要集中在計算機和信息領域，側重研究個性化推薦算法的精準性，而少有學者從消費者的心理接受度來考慮問題。因此，本文梳理了個性化推薦的產生背景、推薦算法以及面臨的挑戰，并基于三種消費者心理來研究消費者對網購個性化推薦的接受意愿。研究結果表明，追求安全可靠、舒適購物、方便快捷的心理都對消費者接受網購個性化推薦具有正向影響。由此可見，購物平臺應致力于提升消費者對個性化推薦的信任度和熟悉度，以及不斷提高其安全性和切實性，作為優化推薦系統的導向目標，從而提高消費者對網購個性化推薦的接受意愿。

關鍵詞： 個性化推薦 消費者心理 購買意愿

科學技術的快速發展以及移動互聯網的廣泛運用，使得網上購物、在線支付等一系列綜合服務得以實現。在“互聯網+”的時代背景下，電子商務迎來了重大發展機遇。2018年上半年，我國網上零售交易額達到40810億元，同比增長301%，繼續保持著穩健增長勢頭[1]。電商服務始終離不開“以人為本”，如何采取有效的營銷策略，為用戶提供更好的消費體驗，具有重大的現實意義。

本文主要是基于消費者心理視角，構建用戶接受網購個性化推薦的影響因素模型框架。基于前人對用戶采納電子商務個性化推薦的因素的研究，并根據國內外研究及調查，提出現有研究領域內存在的不足;通過線上調查的方式，展開消費者對個性化推薦所持態度相關的問卷調查并進行實證分析;針對網購平臺提出優化個性化推薦系統的建議，以利于實現更優質的服務。

一、個性化推薦概述

（一）個性化推薦的產生

電子商務的到來使網上購物、在線支付等一系列綜合服務得以實現，其交易整體性、普遍性、方便性等特征便利了廣大商家和消費者。然而，大量在線商家提供了各式各樣產品信息的同時，消費者面對這些海量信息時卻常常感到無所適從，這種現象被稱為“信息迷航”。由于很多消費者無法清晰準確地描述自己的需求并進行查找，從而導致了消費者的搜索成本大大增加。對此，個性化推薦系統應時而生，在很大程度上解決了這一問題。通過大規模的數據分析消費者的個人信息、消費行為習慣和消費意識趨向等，個性化推薦系統向消費者推薦其可能感興趣的商品。高效便捷的個性化推薦服務，免除了繁雜冗長的篩選過程，極大的適應了消費者的高效需求，提高了消費者網購的滿意度和購買率。因此，淘寶網、亞馬遜等大型購物網站都采用此推薦系統來提升服務性能。

（二）個性化推薦算法

個性化推薦算法的運作原理可以簡單分為四個層面，以淘寶網為例：首先，當用戶購買過的店鋪符合其搜索要求時，系統會優先推薦“購買過的店鋪”，該店鋪的商品就會優先展示在用戶眼前。此外，推薦系統會根據用戶的行為優先展示用戶收藏的店鋪、瀏覽過的店鋪等

其次，系統會收集分析用戶的行為特征進行推薦，記錄用戶在平臺上的瀏覽歷史，包括其搜索過的關鍵詞、收藏的商品、加入購物車的商品等，都是為用戶提供個性化推薦的重要依據。而當用戶搜索并瀏覽完商品、下次再打開淘寶時，該商品就會出現在“猜你喜歡”板塊里;

第3，個性化推薦系統會根據用戶的用戶以往的消費行為，匹配一些個性化標簽，包括年齡、性別、興趣愛好、星座等，再進行大數據分析，符合標簽的店鋪或商品就會被優先推薦給相對應的消費者

最后，通過概率匹配進行推薦。這種情況適用于新注冊用戶，當系統沒有記錄新注冊用戶的消費行為可以進行相關推薦，就會采取概率匹配的方法。例如，新注冊的用戶想購買一款裙子，而裙子有中國風、韓版、歐美等多種風格，推薦系統就會通過分析以往搜索“裙子”的消費者，發現75%以上最終都購買了中國風的款式，那么這個高概率成交的風格就會被更多地呈現給新注冊買家。

（三）個性化推薦所面臨的挑戰

個性化推薦給人們帶來巨大便利、為電商創造更大利潤空間的同時，也成為制約其加快發展的影響因素。目前，各種類型的推薦系統都在不同程度上存在一定缺陷，如推薦精確度不高、實時更新推薦速度慢，以及一些惡意欺詐等。此外，雖然推薦系統成為目前解決信息過載最有效的工具之一，但消費者購買個性化和多樣化的特征會不斷增強，不恰當的推薦不能滿足消費者的同時甚至會引起其反感。

（四）用戶采納個性化推薦的研究現狀

盡管科學技術為推薦系統提供了理論依據，但個性化推薦服務始終必須以人為本，突出“個性化”的特點。因此，以下將從消費者角度來介紹個性化推薦的研究進展。

1國內研究現狀。目前，在國內，用戶采納個性化推薦方面的相關實證研究還比較少，且有的相關研究成果也很難幫助用戶提高接受意愿。國內的研究普遍是基于TAM模型，通過構建用戶接受模型作為理論依據來進行分析，表明了有多種因素影響著用戶接受個性化推薦。

眾多學者以TAM模型為基礎，通過實證分析證明了感知易用性和感知有用性影響著用戶接受個性化推薦。具體影響因素包括個人信任、系統信任中的感知有效性和主觀規范。[2]通過情緒心理學等理論研究，表明了積極情緒正面地影響用戶的接受度，降低其感知風險能幫助提高其初次采納程度。[3]

通過相關研究，證明推薦透明度明顯影響用戶的采納意愿，而推薦多樣性的關系較小。[4]此外，感知風險這一因素也反向影響著用戶的接受意愿。[5][6]另外，感知舒適性、感知安全和外部評價也會對消費者的接受意愿產生影響。[7]

2國外研究現狀。多數國外學者也以TAM模型作為理論基礎進行實證分析，或通過理論歸納來進行研究。例如，Ansari發現對于不同推薦算法設計的個性化推薦系統，用戶的采納意愿是不同的。[8]這一發現與Daniel等的研究相似，新用戶體驗顯著影響著推薦系統的采納度，提升新用戶的體驗能更好地留住用戶，這就需要設計最適合新用戶的推薦算法。[9]

通過研究用戶使用個性化推薦的行為，表明了推薦結果的準確度正向影響著用戶的采納意愿。[10]但Ziegler指出，在某些情況下，即使推薦結果的精確性會被其多樣性影響而有所降低，但同時也會提高用戶對推薦系統的滿意度。[11]

Irene等人結合了用戶的心理因素，表明了感知有用性和信任顯著影響著用戶的采納意愿，用戶的使用態度和社群影響也有著重要意義，[12]這一影響因素同時也被Nambisan等證實，用戶會受到包括朋友、媒體信息、專家意見等不同社群的影響，從而影響其接受個性化推薦。[13]

綜上，推薦算法、推薦精確度和多樣性、感知有用性、信任、社群影響等相關因素，對用戶采納個性化推薦都會產生不同程度的影響。

（五）提出問題

當前，國內外大多數關于個性化推薦的研究主要集中在計算機和信息領域，重點關注個性化推薦算法精準性的技術提升方面。然而，單純地關注精確度卻不一定能夠提高消費者的接受度。此外，一些營銷、統計等領域的學者把關注度放在個性化推薦對用戶行為和滿意度的影響上，卻少有學者重視用戶在使用推薦系統過程中的心理感受。消費者是否很好地接受和采用個性化推薦？影響他們接受推薦的因素又是什么？這些問題都亟待解決。因此，本文將結合消費者心理，提出優化網購平臺個性化推薦系統的建議。

二、結合消費者心理進行個性化推薦

（一）從消費者心理出發

消費者的心理活動支配著其偏好、選擇以及不同的行為方式，包括由此產生的觀察、搜索、選擇、購買及使用等一系列反映其心理感受的行為。從營銷的角度來看，研究消費者心理，一方面能夠為購物平臺的經營管理提供良好的決策幫助;另一方面，深入了解消費者的購買愿望、消費動機、購買決策等信息，能為其提供更直接的幫助和服務。只有對消費者有了更深入的了解，才能提高個性化推薦的服務水平和競爭力。

（二）網購消費者的心理特征

首先，隨著消費市場不斷擴大，顧客累積的大量消費經驗使其產生了一定的消費標準，大多數人傾向于主動尋求自己所需要的產品，其個性化消費心理愈發明顯和強烈。其次，消費者對購物方便性的需求。隨著生活節奏的加快，大多數人對省時省力的追求越來越高，在購物上的心理要求表現為追求方便快捷性，希望能用更少的時間成本滿足更高效的購物需求。第三，躲避干擾的用戶心理。隨著消費者的個性化增強，他們開始更加注重購物的愉悅感及個性化體驗，在購物過程中不愿受到不相關信息的打擾和妨礙，以此達到輕松自由地實現購物目標。

（三）研究問題

基于資料的研究與歸納，本文具體提出了三種消費者心理，分別為：追求安全可靠的消費心理、追求舒適購物的消費心理以及追求方便快捷的消費心理，具體將在下文中指出。

三、研究假設

（一）假設的提出

1追求安全可靠的消費心理。網上交易的安全性和可靠性不可忽視。由于在網上購物時，消費者通常需要先付款后收貨，這會在一定程度上降低消費者的安全感。另外，信息安全問題也是阻礙消費者進行網購的一個難題，先進技術在改善人們生活條件的同時，也存在著信息安全隱患。在個性化推薦被廣泛利用的今天，不法分子利用不正當手段獲取用戶的私人信息來謀取利益，使得消費者的信息安全問題受到威脅。

由此可以推斷，消費者對電商平臺的信任度會影響他們對平臺進行個性化推薦服務的接受程度。消費者信賴個性化推薦，自然而然地就會接受其推薦的內容。因此，本研究認為，消費者追求安全可靠的消費心理是影響其接受網購個性化推薦的重要因素之一。由此推出假設H1：消費者追求安全可靠的心理對其接受網購個性化推薦呈現正向影響。

2追求舒適購物的消費心理。隨著社會經濟水平的不斷提高，消費者開始對購物體驗有了更高的要求，他們更加注重購物時獲取的愉悅感，期望不被隨意打擾、輕松自由的購物氛圍。通過訪談，Aljukhadar發現消費者對個性化推薦的內容更新時間、推薦界面等都有一定的要求，[15]可見消費者在使用個性化推薦系統時對其所展現的形式也格外關注。因此，本文把追求舒適購物的消費心理也納入了研究范圍，由此推出假設H2：消費者追求舒適購物的心理對其接受網購個性化推薦呈現正向影響。

3追求方便快捷的消費心理。隨著當代生活節奏的加快，人們對節約時間的要求越來越高。傳統購物模式需要消費者投入大量的時間精力成本來完成，而如今在購物上的心理要求表現為追求方便快捷性，希望能用更少的時間成本滿足更高效的購物需求，特別是對一些日常需求較穩定、對品牌選擇要求較低的消費者來說更是如此。在使用個性化推薦的過程中，追求方便快捷的消費心理可以理解為消費者在使用推薦系統時對便捷程度的體驗。由此推出假設H3：消費者追求方便快捷的心理對其接受網購個性化推薦存在正向影響。

（三）設計調查問卷

本項問卷采用五級李克特量表進行設計，對選項賦以分值從1分（完全不同意）到5分（完全同意），指引被調查者根據自身的使用體驗對選項作五級評定，從而客觀地觀察三種不同的消費者心理對網購個性化推薦接受程度的影響。

四、實證分析

（一）樣本人口特征

本次問卷調查采用線上調查的形式，共設計了15道題目，收回問卷467份。被調查者主要為20-29歲人群，占被調查總人數的9145%，對電子商務熟知程度較強。學歷以本科生為主，占8974%，對個性化推薦具有一定的理解和判斷力。被調查對象中男生占2308%，女生占7692%，每月可支配收入主要集中在3000元以下， 占總人數的8462%。由此可見，樣本具有較強的代表性。下文將對問卷進行信度、效度及相關分析。

（二）信度分析

信度分析檢測問卷的回答是否可信、真實，最常用Cronbachα系數進行分析。若α系數高于08，說明信度高;處于07～08之間，說明信度較好;低于06則需要對問卷進行修改。（見表51）

從表1可知，Cronbachα系數為073，說明問卷回答的信度良好。若題項的CITC值小于03，說明其與其它題項的關系較弱，可以刪除。題目1、2、3、4、7的CITC值小于02，將其刪除并重新分析后的信度系數值為081，說明研究數據的信度高，可繼續下一步分析。

（三）效度分析

效度分析研究題目是否設計科學、有價值，使用因子分析法，結合共同度、KMO值、因子載荷系數等數據綜合分析。當題目的共同度值小于04，可被判斷為其設計不合理，可以考慮對其刪除。用KMO值判斷數據的效度水平，用因子載荷系數來分析維度和題目是否相對應。（見表2）

綜上所述，將題項7刪除后，維度與題目的對應關系與預期基本吻合，表明效度水平較高。

（四）相關分析

相關分析研究定量數據間的關系及其緊密程度等。在確定問卷可信及有效后，將進一步研究各因素是否影響消費者對網購個性化推薦的接受意愿，以及其影響程度。本研究采用Pearon相關分析進行研究。

如果多個量表題表示的是同一個維度，可使用“生成變量”的平均值功能，將其合 并為一個整體維度。本研究中把消費者接受意愿維度（題項13、14、15）處理成一個整體，求得其平均值，以便更好地進行分析。

首先判斷數據之間是否存在關系（有*號表示存在關系）;再判斷其正負關系（相關系數大于0表示正相關）;最終判斷關系的緊密程度，相關系數為04～07的表示關系緊密;02～04的表示關系一般。

從表7可以看出，本研究中所有表示消費者心理的題項都與消費者接受意愿存在著關系，且都為正相關。其中影響作用最顯著的是第11題，個性化推薦能否提高消費者購買到合適商品的效率，相關系數為0516;其次是第5題，消費者對推薦內容的放心程度也具有較為顯著的影響作用（0435）。其余依次是減少瀏覽時間（0356）、出現的位置（0333）、推送時機（0274）、對個人信息的保密（0230）以及推薦的方式（0211）。

研究結果表明，上述假設內容均成立。

五、總結與建議

（一）總結

本文以網購個性化推薦為研究背景，對用戶采納度的影響因素進行探討。由于目前少有學者關注消費者在接受網購個性化推薦過程中的心理感受，所以本研究通過梳理和分析個性化推薦相關的理論文獻，基于三種消費者心理來探索用戶對網購個性化推薦的接受度。研究結果顯示，消費者追求安全可靠、舒適購物以及方便快捷的消費心理都對其接受網購個性化推薦有正向影響，其中追求方便快捷的心理影響最為顯著。

（二）提高消費者接受網購個性化推薦意愿的建議

首先，網絡購物平臺必須致力于提高消費者對個性化推薦的信任度和熟悉度。情感態度是影響個體接受事物的重要因素，個體的意志和情感會對其接受意愿產生顯著影響。信任度和熟悉度越高，消費者則越愿意接受該事物。在追求高度人性化和智能化服務的今天，如果網購平臺不能有效地降低消費者對個性化推薦系統的質疑和陌生感，那么平臺服務質量就會大大降低。因此，想提高用戶對個性化推薦的熟悉程度，首先要讓他們了解和熟知個性化推薦系統的運行和操作原理，在各大網購平臺上設立專門介紹此系統和技術的板塊，提升用戶對推薦系統的了解，進而有效地提高電商平臺的服務質量。

其次，提高個性化推薦系統的安全性。與傳統的購物方式不同，網上購物給消費者帶來便利性的同時，也使消費者陷入了個人信息泄露的危險中。通過實名制，消費者的購物行為都會被清晰記錄，大數據技術能在短時間內把這些記錄進行整理和分析。因此，為降低消費者網購的風險度，在網購的各個環節必須加強安全控制措施，保護消費者購物過程的信息安全和個人隱私，才能提升消費者對個性化推薦的安全感。

最后，提高個性化推薦系統的切實性。這決定了個性化推薦的結果能否最終轉化為消費者的行為。如淘寶網上的“看了又看”或“鄰家好貨”板塊，呈現的是與我們瀏覽過的商品相似的產品，或者是用戶近期觀看過的產品。然而，如果推薦內容的重復性較大，就會降低用戶使用推薦系統的頻率，甚至會引起用戶的厭惡，從而降低接受個性化推薦的意愿。因此，個性化推薦系統必須不斷改進，例如可以在推薦商品的下方設置“感興趣”、“我不感興趣”等選擇作為反饋形式，再根據該反饋改變推薦策略，加大推薦消費者感興趣的商品，或撤銷其不感興趣的推薦，降低推薦內容的重復性與無效性，使個性化推薦更加切實有效。

總之，網購平臺不僅要提升自身推薦系統的服務性能，提高消費者對其信任和熟悉，以及提高系統的安全性和切實性，以消費者的真實需求為核心的服務理念，著重關注消費者在購物過程中的心理感受，提高消費者的心理認同感，為用戶提供更好的消費體驗，進而提高用戶對個性化推薦系統的信任度和采納度。

參考文獻：

[1] 中國互聯網絡發展狀況統計報告42th中國互聯網絡信息中心http：//wwwcnnicnetcn/hlwfzyj/hlwxzbg/hlwtjbg/201808/t20180820_70488htm

[2]劉蓓琳電子商務用戶個性化推薦技術接受影響因素研究[D].中國礦業大學（北京），2009

[3]馬慶國，王凱，舒良超積極情緒對用戶信息技術采納意向影響的實驗研究——電子商務推薦系統為例[J].科學學研究，2009（10）：1557-1563

[4]宋輝電子商務推薦系統用戶采納影響因素研究[D].哈爾濱工業大學，2011

[5]李亞男，王詠，康麗婷影響個性化推薦系統的用戶采納的因素[J].人類工效學，2013（02）：78-81

[6]孟燕隱私關注與在線個性化定制系統用戶采納行為的關系研究[D].山東財經大學，2013

[7]鄭春東，竇涵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[J].華北電力大學學報（社會科學版），2016（3）： 59-66

[8]Ansari，A，Internet Recommendation SystemsJournal of marketing? research200037（3）： 36-39

[9]Daniel Kluver，Joseph A Konstan： Evaluating Recommender Behavior For New UsersRecSys '14 Proceedings of the 8th ACM Conference on Recommender systems， 2014： 121-128

[10] TP Liang， HJ Lai， YC Ku Personalized Content Recommendation and User Satisfaction： Theoretical Synthesis and Empirical Findings Journal of Management Information Systems， 2006，3（23）：45-70

[11]C Ziegler， S McNee， et al Improving Recommendation Lists Through Topic Diversification The 14th International World Wide Web Conference， 2005： 22-32

[12]Francisco Jose Martinez-Lopez，Irene Esteban-Millat，Claudia C Cabal，Charles Gengler Psychological factors explaining consumer adoption of an e-vendors recommender [J]. Industrial Management & Data Systems， 2015， 115（02）： 284-310

[13]NAMBISAN P， WATT J H Managing customer experiences in online product communities[J]. Journal of Business Research， 2011，64（8）： 889-895

[14]劉劍現代消費者心理與行為學[M].北京：清華大學出版社，2016

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

[16]Gefen D Reflections on the Dimensions of Trust and Trustworthiness among Online Consumers[J]. ACM SIGMIS Database 2002， 33（3）： 38-53

[17]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）

〔本文系廣州航海學院教學研究和改革項目“基于CDIO-CMM理念的創業型人才培養模式研究”（項目編號：G320712）階段性成果〕

（李丹妮，廣州航海學院航運經貿學院）