數據智能情境特征對消費者移動購物意愿的影響研究

周振昭，梁靜鑫，何軍紅，李 甫

（廣東工業大學 管理學院，廣州 510520）

0 引 言

移動購物是伴隨移動互聯網經濟發展而崛起的購物形式，與傳統網絡購物相比，移動購物創造了消費者隨時隨地進行消費的機會。學界研究表明，在具有隨時隨地消費特性的移動購物中，環境刺激會對消費者沖動消費及消費情緒等帶來重要影響。在市場實踐中，越來越多的移動環境下經營的商家，重視利用先進技術（比如VR等）來建設和維護線上營銷環境，多途徑對消費者移動消費決策進行“引導”。數據智能時代，不僅反映了新一輪信息技術變革，更預示了相關行業價值鏈的改寫。處于“大數據+人工智能”而構建的數據智能情境下的移動電商企業，可以充分用技術捕捉消費者數據與信息，進一步實現對消費者移動購物意愿更精準化、更個性化的影響，為經營活動的發展帶來新的可能性。

但具體是機遇還是挑戰，或兩者并存，都脫離不了圍繞“數據智能情境特征對消費者移動購物意愿的影響”這一核心問題的討論。但圍繞這一問題而開展的研究尚十分缺乏，不過已有部分研究在“大數據”“人工智能”時代背景下，探討智能化營銷案例與消費體驗感之間的關系、智能語音技術在客服系統的應用價值以及智能廣告的實現與實踐等話題。基于此，本文借助NVivo軟件開展質性研究，提煉數據智能的典型情境特征，并探討其對消費者移動購物意愿的影響，從而為在移動環境下經營的商家尋找提高消費者移動購物意愿的可行路徑。

1 文獻綜述

1.1 移動購物意愿相關研究

移動購物指使用者依靠移動終端、移動互聯網開展的電商活動。移動購物具有隨時隨地性、個性化、場景性等鮮明特征，能夠為移動購物用戶提供靈活的購物情境、更好的購物服務。因此，針對移動購物中影響消費者購物意愿因素的研究得到學術界重視。有研究證明移動技術和消費情緒都會對移動購物持續意愿有正向顯著影響，而在線評論的質量和數量會通過情緒影響消費者的沖動性購買。除此之外，童俊、王凱發現消費者的感知價值和沉浸體驗對移動購物采納行為具有顯著影響。同時，針對網絡購物決策影響因素的研究成果，為研究移動購物消費者購物意愿提供了可借鑒之處。比如一些學者提出影響網絡購買決策的因素有易用性、有用性、信任、安全、隱私和風險，還有研究表示社會互動、競爭及經濟基礎與馬來西亞人家電購買之間存在正相關關系，且在線購買體驗對購買意愿具有顯著影響。從現有研究情況來看，深入探討數據智能情境下的移動購物消費者購買意愿，有利于更細致地了解消費者在新技術環境變化下的購買意愿所發生的變化及其原因，從而對現有移動購物研究進行一定補充。

1.2 數據智能相關研究

數據智能（Data Intelligence）的概念可以理解為“大數據”與“人工智能”的結合，同時又要把握其融合所產生的個性化特征。最初，研究主要集中在數據智能概念創新與市場產品的探討，強調了數據智能相較于人的智能、單純數據算法等具有不可比擬的優越性，例如李玉玲闡述了人工智能、大數據和云計算三者融合后對各行業帶來的效率改變。而依靠數據智能作為底層技術衍生的市場產品切實應用到了建筑行業、商務系統等同樣引發關注。其中，有學者分析了數據智能可以根據不同的建筑數據從而生成能量消耗的預測模型，反映出數據智能具有代替人思考的預測特性。也正是基于數據智能的高效率，以及在信息情報的收集、整理和未來預測上科學性考量，數據智能情境已被越來越多提供移動購物的商家所重視。但數據智能情境中消費者移動購物意愿是否受到這些新技術應用下的場景“擺布”，有待學界進一步探討。

2 研究設計

本研究采取“目的性抽樣原則”的定性研究方法，選取可以為研究提供最多及最有效的信息量的研究樣本進行訪談。訪談樣本為使用移動設備并擁有3年及以上的上網年限，同時擁有1年及以上的移動購物經驗，且使用頻率較高的消費者。訪談前，根據研讀該領域研究的相關論文及對5名受訪者的預訪談結果，制定正式的訪談提綱。正式訪談采取面對面、電話、微信語音及QQ語音等形式進行。在正式訪談中一共對45位受訪者進行了半結構化訪談，訪談平均時間大約為32分鐘。受訪者中有18名男性，27名女性，平均年齡為23歲，職業以在讀學生為主，另有學校教師、個體戶、企業單位員工等。訪談人員在訪談過程中進行錄音和筆錄工作，并在訪談結束后將錄音數據轉錄為文字文檔，供編碼使用。

3 分析結果

本文使用了定性研究法提取訪談資料信息，并對所提取信息進行分類歸納，通過對結果的概念化及范疇化來提煉結論。在資料分析過程中采用Nvivo 12.0對訪談數據進行逐級編碼。訪談數據分別由兩名研究者單獨進行編碼，從而保證了編碼的信度與效度。此后，通過對兩名研究者完成的編碼進行對比，結果一致部分加以保留，有爭議部分通過討論達成一致意見；對仍有爭議部分采取二次訪談，以確保數據可靠性與普遍性。本研究一共提煉出8個一級編碼，包括：智能支付快捷（4次）、數據智能方便（222次）、數據智能不方便（3次）、數據智能準確（104次）、數據智能不準確（126次）、積極購買意愿（80次）、消極購買意愿（123次）及中性購買意愿（17次）。4個子二級編碼，包括：數據智能快捷性、數據智能便利性、數據智能準確性及購買意愿。2個主二級編碼，包括：數據智能情境特征及購買意愿。這些編碼中，數據智能方便、數據智能準確、數據智能不準確及消極購買意愿被消費者提及較多，表明這些方面被消費者較為關注。聚類分析結果顯示，“數據智能情境特征”中的各子二級編碼“數據智能快捷性”“數據智能便利性”“數據智能準確性”與“購買意愿”的唯一子二級編碼“購買意愿”之間的Pearson系數分別為：0.31、0.57、0.61，其中“數據智能準確性”與“購買意愿”的Pearson系數最大，說明“數據智能準確性”是影響消費者移動購物意愿的極為重要的因素。主二級編碼“數據智能情境特征”與“購買意愿”之間的Pearson系數為0.64，這說明“數據智能情境特征”對消費者移動購物意愿的影響比較大。

經過以上逐級編碼及分析，本研究最終確定的核心范疇為“數據智能情境特征對消費者移動購物意愿的影響”，理論模型圖如圖1所示。其中，數據智能情境特征包括數據智能快捷性、數據智能便利性與數據智能準確性。

4 結論與建議

本研究顯示，影響消費者移動購物意愿的數據智能情境特征主要包括數據智能快捷性、數據智能便利性與數據智能準確性。其中，數據智能便利性與數據智能準確性被消費者提及較多，成為消費者重點關注的情境特征。就數據智能的準確性而言，既有不少消費者覺得數據智能很準確，也有不少消費者覺得不準確。這反映數據智能在某些業務層面的準確度比較高，在某些業務方面則不夠完善。除此之外，在220個有效數據中，消費者產生的積極購買意愿和消極購買意愿“勢均力敵”，甚至消極影響大于積極影響，一方面說明新興數據智能情境沒有完全成熟，對消費者移動購物意愿的積極引導的設計有待完善；另一方面表明，在數據智能情境下，不同的消費者由于自身特征不同，包括年齡、偏好、性格等，從而使得消費者對數據智能的適應程度存在差異。綜合以上分析，企業可從以下3個方面進行改善。

圖1 理論模型圖

4.1 應用理念

數據智能技術的應用領域廣泛，但在移動購物領域，數據智能情境的建構還有很大的發展空間，這主要由于多數人還是采用傳統理念來發展新生事物。因此，企業應突破傳統思維，在應用理念上有所改變。一是基于系統理念，發展全景型、沉浸型及聯動型應用場景。系統思維要求要既看樹木又見森林。換言之，企業在順應科技發展，建設或優化數據智能移動購物情境時，應當充分考慮應用的細節與整體基調相協調，打造完整全景，營造沉浸氛圍，并注重在購前、購中、購后提供相應的數據智能服務，產生一體聯動，形成更好的服務供給。二是基于創新理念，企業應發展參與式、體驗式、交互式內容的應用方向。數據智能為企業提供重要的智能化數據收集、解讀和決策等內容，在為與消費者進行深層次溝通上提供了“信息情報”，可根據具體內容建設一些創新的互動性內容，為消費者提供更好的交互體驗。

4.2 應用內容

企業應當緊抓數據智能的便利性、準確性、快捷性幾大特征，比如企業可以通過優化人工客服的性能，為消費者咨詢提供準確的服務；通過大數據的累積和智能算法精準識別用戶需求，為消費者提供準確的購物信息；通過消費者的消費記錄和一些個人注冊信息等，發掘消費者潛在需求，“想消費者之未想”，為其消費進行引導，并提供優質商家信息以方便消費者快速決策。在本研究中，數據智能的快捷性僅被極少數人提及。據此，企業可從以下幾方面改善。第一，完善購物導向，包括智能輸入與關鍵詞推薦等功能應多樣化，如增設類似Google引擎的圖片信息識別系統，通過將圖片內的所有信息拆解轉化為文本形式，以便用戶能檢索到一切的相關信息。第二，推薦的關鍵詞則需要根據用戶搜索內容高度集合形成一個范疇，再隨用戶點擊細化，提高輸入方式的多樣化，即允許用戶通過多種方式快速抵達目的商品的落地頁面，該過程可以提高搜索速度，不僅改善了用戶體驗，且對消費者的決策具有促進作用。第三，完善智能物流。當前物流可進一步將快件的信息通過文字或圖片形式上傳送到官方網站上，為用戶提供快件的即時信息詳情；同時，在每一次轉運前，可將快件與配送的交通工具進行綁定，讓消費者知曉即時位置。

4.3 應用保障

在應用保障方面，主要涉及兩大方面。一是加強數據庫建設。大數據能為移動購物領域企業提供用戶的訪問地區、頁面停留時間、點擊量及回訪率等用戶訪問數據，這些數據看似與消費決策無關，實際上能夠反映消費者的心理狀態，正是這些大量的數據集合成企業的數據庫。本研究顯示，數據智能的準確性被消費者所詬病，超半數數據表明數據智能不準確，導致用戶購物體驗不良，例如出現推送不合適的商品、喜好排序有誤、亂出價等現象。這是因為大部分企業沒有打造屬于自身的數據基地，或因技術有限而無法利用算法構建精準的用戶畫像，導致對部分用戶推送不合適的信息。通過建立專屬的數據庫，讓數據成為專有資產，是企業區別于其他移動購物平臺的重要舉措，也是修正數據智能偏差的良好方針。當然，企業也可以選擇與數據庫巨頭如阿里巴巴或數據分析企業合作，擴大自身攫取數據的來源和范圍，用數據構建起每一個用戶的精確畫像，實現精準營銷。二是為數據信息智能設置提供安全保障，實現數據智能合法的可持續應用，并廣泛應用于移動購物領域。企業需要切實執行國家在數據采集和應用的相關法規，特別應當做好智能設置功能的安全性能檢測，防止消費者信息被盜用等。