推薦解釋對改變用戶行為意向的研究
——基于傳播說服理論的視閾

2019-07-26 11:06:44李治，孫銳

中國軟科學 2019年6期

李治，孫銳

(1.華僑大學工商管理學院，福建泉州 362021；2. 華僑大學東方企業管理研究中心，福建泉州 3620211；3. 湖南機電職業技術學院信息工程學院，湖南長沙 410151)

一、引言

隨著互聯網的快速發展，與互聯網有關的新型企業呈現出蓬勃發展的局面，出現了“互聯網+”的新業態。根據中國電子商務研究中心的統計數據，2017年中國電子商務的年市場交易總值達29.16萬億人民幣，同比增長11.7%，維系了2016年的持續發展趨勢，并且衍生出多種新的情況[1]。據相關推測，在未來三到五年之內，中國的電子商務交易規模仍將繼續保持穩定增長的態勢，整體平均增長速度將維持在15%上下的水平，2020年交易規模將能達到40.65萬億人民幣。從國外的情況來看，美國是電子商務發展最早且最成熟的國家，2017年美國網絡零售交易額達4490億美元，增長15.0%。傳統零售商積極發揮線上帶動作用，線上線下協同持續推動美國電商行業穩步發展。此外，加拿大跨境電商前景廣闊，2017年加拿大的互聯網普及率為91.41%。良好的網絡環境，免費WiFi的高覆蓋率，使得62%的人通過網絡購買商品。2016年，加拿大電商零售額達183.4億美元，預計2020年將增長到286.6億美元[2]。

上述數據顯示了中國乃至世界電子商務難以想像的活力和潛力，然而，繁榮景象的同時電商行業也出現了不少瓶頸。比如，從資本層面看，有的電商企業，如美團、優貝以及其它一些B2C電商平臺遇到了資金緊張或IPO受阻等問題，導致許多公司運轉失調，特別是在開支巨大的廣告推送、客戶服務等方面顯得力不從心。此外，隨著各類企業的轉型和各領域垂直電子商務的興起，產品信息和用戶信息急劇膨脹，網絡用戶對購物信任和依賴的程度逐漸加大。海量信息的爆炸性增長，對于消費者來說，商品的選擇增加了，需求的滿足得到了更進一步實現，同時也提升了信息選擇的難度和成本。一方面，用戶很難找到感興趣或者能真正滿足其需要的產品信息；另一方面，很多寶貴的信息隱藏在互聯網的陰暗角落，成為普通用戶無法獲取的“暗信息”[2-3]。面對電子商務領域出現的這些問題，許多商業網絡平臺引入推薦系統作為其中的一個解決方案[3]。

可是，目前推薦系統的普遍問題是缺乏一套與之相應且行之有效的解釋機制[4]。許多用戶在遇到推薦系統時有一種感受，即感到推薦系統就像一個“黑盒子”，用戶完全不知道它的運作機制，并且在網站上顯示出推薦的結果時，缺乏有關幫助提示的補充信息。這樣，用戶就很難信任推薦系統，并且不清楚推薦結果是否真的適合他們自己。此外，如果推薦系統產生出的推薦信息不是用戶真正需要的，則用戶有可能顯著減少對推薦系統的認可度。對大部分用戶來說，缺乏有效解釋說明的電子商務推薦系統，很難真正地滿足用戶的購物需求。因此，合適的推薦解釋在推薦系統的應用過程中發揮著重要的作用，其地位越來越突出，受關注的程度也越來越高，引起了一些相關專家和學者的關注[4-6,19]。

那么，諸如亞馬遜、京東和淘寶等大型電商平臺上的網絡商家到底應如何合理地采用推薦解釋機制？推薦解釋能否改變消費者采納和購買等行為意向？其受到哪些具體因素的影響還有待進一步考察。考慮到推薦解釋的本質是一種說服行為，本文基于傳播說服理論，通過設計兩個實驗探討亞馬遜、京東商城等電商平臺中推薦解釋對用戶行為意向的影響。實驗一重點考察用戶在不同產品信任度下對有/無推薦解釋的不同態度；實驗二重點考察用戶在何種情況下更愿意接受商家的商品推薦并進行購買，考慮了動/靜態推薦解釋的影響，同時引入了產品涉入度的調節作用。本文可為網絡商家合理、有效地進行推薦解釋以便促進消費者采納和購買行為提供相關理論依據，具備一定的理論和現實意義。

二、理論基礎與研究模型

(一)推薦解釋

Nava等[5]指出，推薦解釋是以文字、圖片、動畫、聲音或者其它形式，對推薦的依據、理由或推薦過程中遇到的問題向用戶進行解釋和說明的一種方式。推薦解釋的目的在于消解用戶在獲取信息時所遇到的疑惑，作為一種必要的交互手段，推薦解釋就像推薦系統與用戶之間的“橋梁”，可以起到溝通和銜接的作用。有效的推薦解釋可以幫助用戶明確自身購買需求，輔助其找到真正所需要的商品，與此同時有助于提升用戶的滿意度、信任度和忠誠度，使推薦系統的性能得到充分發揮，盡可能實現由效用向實際收益的轉化[4-5]。

推薦解釋按其有無交互功能，可以分為靜態推薦解釋和動態推薦解釋兩種形式[6]。靜態推薦解釋是指僅以文字、圖片等形式向用戶對所推薦的信息做出解釋說明，它是一種單向的信息傳遞方式，用戶只能一次性了解推薦的原因。動態推薦解釋是基于會話的推薦解釋，它是指推薦系統與用戶之間具有某種形式的交互界面，用戶可以通過該界面與推薦系統甚至直接與商家進行反復溝通。靜態推薦解釋在向用戶進行推薦時是一種單向推薦模式，這就好比信號傳輸系統里的單工傳輸，意味著系統推薦什么就是什么，用戶要么選擇購買要么選擇不買，用戶和系統之間不能實時的雙向交流。而動態推薦解釋可以促成用戶與系統之間形成一種良性互動的循環，從而提高推薦信息的質量和優化推薦系統的效果，最終有利于用戶接受并持續采用[7,12]。

(二)傳播說服理論

傳播說服理論是美國心理學家、傳播學家霍夫蘭德于1959年提出[8]。Burgoon等[9]在隨后的研究中將說服過程看成是一種信息傳遞的過程，也就是指說服者通過某種形式向說服對象表達和傳遞信息，旨在引起目標對象產生相應的心理變化，從而實現其認知調整和態度轉變的過程。傳統說服理論認為，說服是指行為者基于某出發點耐心地向對方說理，希望對方能認可并接受自己的觀點；換句話說，說服是指說服者希望使被說服者的觀點、態度和行為都朝特定方向改變，或者是一種至少能影響被說服者行為意向的溝通。

說服是一個相當重要的概念，許多學科都使用它或使用過與它相似的概念，如勸說、勸導和勸服等[8-9]。大眾傳播學領域，日本學者竹內郁郎認為，當傳言者為實現一定意圖時的傳播即為勸服傳播[10]。社會心理學方面，當涉及到要改變人們的社會認知和態度時，美國學者White認為應該通過勸導方法[11]。這里的“勸導”、“勸服”，都是與“說服”相近的概念。說服學發展到現在，無論是西方還是東方都一致強調說服者在說服過程中的主導地位，即便是在互聯網高速發展的信息時代，信息傳播者依然掌握著信息傳播的主動權和控制權。有學者從信息加工學的視角對傳播說服理論加以解讀，認為信源、信息、信道和信宿都是對受眾產生影響的構成元素，并指出信源應該是可信賴并且專業的；信息則是指實質內容的某種具體呈現形式；信道則是指便捷快速傳播介質；信宿是相對于信源而言的，是信息動態運行一個周期的最終環節[12]。在本文所要重點研究的推薦解釋系統中，這里的信宿指的就是網絡用戶，用戶的反饋與評價決定了推薦解釋的效果。

(三)研究模型

推薦系統被廣泛應用在電商網站、社交網絡、生活服務網站、搜索引擎等平臺。一個好的推薦系統不僅需要準確地把握用戶的需求，推薦給用戶想要的內容，更需要學會與用戶溝通，了解用戶心理，以用戶容易接受的方式給出適當的推薦解釋。結合上面的理論分析，基于傳播說服理論，本文重點考察“推薦解釋”對消費者行為意向的影響機制，并建立如圖1所示研究模型。

三、實驗一：有/無推薦解釋對用戶行為意向的影響

(一)研究假設

用戶的信任常被視為影響消費者行為意向的一個重要因素，研究一主要考察不同產品信任度下，亞馬遜商家的“推薦解釋”對用戶行為意向的影響。Greene和Morgan等[13]在衡量用戶行為意向時采用其行為發生的可能性大小來度量，即用戶愿意采納推薦并購買商品的可能程度。在此基礎上，Morales[14]等將行為意向定義為消費者看到推薦信息后，愿意接受該推薦商品的意愿程度。綜上，本文將采納意向定義為用戶認可推薦解釋并愿意接受推薦信息的意愿程度。購買意向的概念類似于采納意向，只不過購買意向是針對推薦商品而言，而采納意向是針對推薦本身(包括推薦系統和推薦信息)而言。

圖1 研究模型

有研究指出，在正常網購情況下，消費者對陌生產品或沒有購買和體驗過的產品缺乏信任感，對推薦系統自動產生的推薦信息更是如此，此時推薦系統通過推薦解釋向消費者說明推薦原因，有可能降低用戶的不信任感[5-6,14]。與此同時，Wang[15]等指出消費者對行為結果感覺到不確定的程度就是特定情形下消費者風險感知水平的度量，感知不確定性越大，損失風險概率隨之增大。一旦感知到風險存在，用戶的行為意向就會受到阻礙，這是因為絕大多數用戶有根深蒂固的風險規避意識[16]。據此本文推測當用戶對產品感到信任度低時，商家的“推薦解釋”會增加推薦系統的“透明度”，從而降低消費者的感知風險，由此會產生更高的采納意向和購買意向。據此，相比無推薦解釋，本文提出如下假設：

H1a：在消費者對產品信任度低的情境下，推薦解釋能給消費者帶來更高的采納意向。

H1b：在消費者對產品信任度低的情境下，推薦解釋能給消費者帶來更高的購買意向。

信任在營銷領域中主要指買方對賣方產品的信任問題，Robert等[17]的研究指出，信任的基礎是誠實守信，信任是交易雙方彼此對對方的誠實可靠性有信心。Garbarino等[18]的研究認為，產品信任就是客戶在眾多的同類產品中，對其中某一產品特別有信心的態度，或者在購買產品時相信該品牌商品能給自己帶來的安全感、信賴感。

消費者心理學指出，信任不只對行為產生直接影響，也會通過感知風險間接影響作用行為，用戶只有在對某商品有充分的了解和足夠的信任之后才會降低感知風險，進而間接影響行為意向[13,19]。基于此，本文推測當網絡商家使消費者對其產品和推薦平臺產生某種信任感和依賴性時，會促使其降低感知風險，并使其購買意愿得到提升。根據傳播說服理論，推薦系統之所以引入推薦解釋機制，目的在于說服消費者相信其所推薦的產品是用戶所需要的，并確保該推薦產品信息真實、質量可靠，以消除顧客的疑慮[19]。這種解釋機制對于不熟悉該產品的消費者進行購買決策尤為重要，然而，對于有過該產品使用體驗并相信其質量可靠的老客戶而言，其作用力相對減弱，因為此時消費者對是否購買所推薦的商品早已有了自己的“主意”[20]。因此，本文提出以下假設：

H2a：在消費者對產品信任度高的情境下，推薦解釋對消費者采納意向的提升作用不明顯。

H2b：在消費者對產品信任度高的情境下，推薦解釋對消費者購買意向的提升作用不明顯。

(二)研究方法與研究設計

實驗一主要采用2(產品信任度：高信任度、低信任度)×2(推薦解釋：有推薦解釋、無推薦解釋)的組間設計，由此形成4份可做比較的情景問卷。出于使調查具備隨機性考量，在分發前對4個版本問卷以隨機的方式打亂其順序，以確保每位被調查者都有可能被分配到4個實驗情景中的一個，同時要求被試假想自己對于該組情景描述情況有一定了解之后對相關問題再做回答。分別以隨機的方式選擇南方三所高校(其中985、211和普通高校各一所)大學生為調查對象，之所以選擇此樣本，是因為大學生在網購群體中所占比重較大，且由于大學生接受新事物的能力相對較強，對推薦解釋信息的呈現形式有一定了解，因此選擇這樣的樣本比較具有代表性。以年級為單位，分發的問卷數總共300份，除去回答不完整和無網購經歷的問卷，最終得到257份有效問卷，有效回收率為85.67%。我們將圖書作為推薦產品，是因為亞馬遜經常采用推薦解釋，同時在校大學生對圖書的需求較大，并且具備一定購物經驗。

被解釋變量采納意向主要參照馬慶國等[20]的研究，以“你是否可能采納；你是否傾向于采納；你是否愿意采納”三個測度項進行測量；購買意向根據Verlegh等[21]的三個測度項進行測量，以“你是否認為該商品好；你是否喜歡該商品；你是否打算購買該商品”來測量。問卷采用Likert 7點評分，題項中的1代表“完全不同意”，7代表“完全同意”。問卷最后一部分是關于人口統計學特征的測量，包括被測者的性別、年齡、收藏次數和網購次數等。

(三)結果分析

1.操控性檢驗

采用SPSS23.0軟件對收集到的數據進行處理和分析。對于信任度的測量，主要參照Yang和Pang等[22]的研究。需要強調的是本研究主要測試的目標針對產品本身信任度，而未考慮電商平臺或網絡商家等方面的信任情況。通過測量受試者對產品的信任情況來檢視我們對產品信任度的操控達到預期目標，結果表明產品高信任度情景下的參數值(M1=5.30)顯著比低信任度情景(M2=2.70)(F=111.343，p<0.001)要大，操控達到預期。

2.假設檢驗

取采納意向三個測度項的平均值和購買意向三個測度項的平均值為被解釋變量進行分析，理由在于采納意向(Cronbach’s α=0.812)和購買意向(Cronbach’s α=0.839)的各測度項信度值均較高，適可以做平均化處理。通過ANOVA分析發現用戶在產品高信任情景下對采納意向(M1=4.669)和購買意向(M2=4.322)的均值顯著比在產品低信任情景下的采納意向(M1=2.400)和購買意向(M2=2.578)要高。同時，信任度和有無推薦解釋對采納意向(F=25.832,p<0.05)和購買意向(F=14.512,p<0.05)的交互作用顯著，如表1所示。

表1 信任度對推薦解釋與采納意向和購買意向的調節效應分析

接下來，將產品信任度分為高信任度和低信任度兩組進行討論，結果發現：針對采納意向，在用戶對產品信任度高的情況下，有推薦解釋組(M1=5.034)比無推薦解釋組(M2=4.840)沒有顯著帶來更高的采納意向(F=0.965,p>0.05)；而在用戶對產品信任度低的情況下，有推薦解釋組(M1=2.671)比無推薦解釋組(M2=4.322)顯著帶來更高的采納意向(F=9.263,p<0.05)。分析結果如圖2所示，假設H1a和H2a得到驗證。

圖2 產品信任度對采納意向的影響

同樣地，針對購買意向，在用戶對產品信任度高的情況下，有推薦解釋組(M1=4.831)比無推薦解釋組(M2=4.742)沒有顯著帶來更高的購買意向(F=0.371,p>0.05)；而在用戶對產品信任度低的情況下，有推薦解釋組(M1=2.570)比無推薦解釋組(M2=3.590)帶來更高的購買意向(F=4.858,p<0.05)。結果如圖3所示，假設H1b和H2b成立。

圖3 產品信任度對購買意向的影響