基于回歸模型的社交電商平臺用戶體驗因素研究

張云暉，雷雯靚，李浩宇

（1. 綏化學院 經濟管理學院，黑龍江 綏化 152000；2. 綏化學院 農業與水利工程學院，黑龍江 綏化 152000）

社交電商的衍生，開啟了移動時代新格局，相比傳統電商，發展勢頭十分迅猛。2019 年，社交電商市場規模達20 605.8 億元，同比增長高達63.2%。為了提升平臺用戶粘性，并有效克制社交電商所面臨的瓶頸，亟需對社交電商消費者的心理及滿意度做出正確的分析[1]。

回歸分析法是一種定量分析的有效方法，可反映兩個變量間的邏輯關系強弱，并對事物未來發展方向有指導性作用[2]。本研究通過設計回歸模型，找出與平臺滿意度線性相關的用戶社交電商體驗要素，從而精準定位消費者需求，提高用戶粘性，完善社交電商平臺的構建。

1 建立社交電商平臺回歸預測模型

因變量y 代表用戶對平臺的滿意度，自變量1x 、 x2、…、 xm分別代表備選的社交體驗要素項，對體驗要素項進行量化處理，如表1。

表1 社交體驗要素量化表

（1）每個社交電商要素對于平臺滿意度的影響值都有所差異。若用 E (Y | X )表示社交電商體驗要素函數X 對平臺滿意度Y 的影響期望，那么各社交體驗要素X 則會呈現不同數值，在此假設Y服從正態分布，并利用回歸方程 y = f ( x )衡量X 與Y之間的契合度，反映社交體驗要素與平臺滿意度的線性關系。

（2）為了表示每個社交電商體驗要素x 對滿意度y 的影響程度，需引入一個度量指標，設為h，h 的計算過程如下：

其中h 的取值范圍在-1 到1 之間。有三種情況：當|h|＜0.3，甚至接近于0 時，則說明x 與y 非線性相關，該要素對社交平臺滿意度影響不大；當0.3≤|h|＜0.8，則可說明x 與y 之間呈線性關系，該要素對社交平臺滿意度有一定影響；當|h|≥0.8，則說明x 與y 線性相關程度較高，該要素對社交平臺滿意度影響較大，值得關注[2]。根據上述實際情況，可明確平臺滿意度y 和體驗要素項x 存在線性影響關系，進而展開推斷：

平臺滿意度y 及jε 均為隨機變量，其中，y 有一定微小誤差，隨體驗要素項x 而變；jε 獨立并滿足正態分布，β 為各體驗要素項評價系數，可根據實際值估計[2]。

根據上述分析，建立y 對x 的m 元線性回歸方程，見公式(3)：

其中，0b 、1b 、2b 、…、mb 是1β 、2β 、…、mβ 的最小二乘估計值，即0b 、1b 、2b 、…、mb 應使實際社交平臺滿意度y 與估計滿意度?y 的偏差平方和最小[3]。下文將使用F 檢驗實現上述目標。

2 檢驗社交電商平臺回歸預測模型

根據篩選出的與滿意度線性相關的社交平臺體驗要素，得到偏差檢驗：

為殘差平方和，代表除上述體驗要素外其他因素所引起的偏差[2]。

m 為調研得出的用戶體驗要素數量，n 為實際用戶體驗要素的組數。

根據計算出的SSR、 dfR與SSE、 dfE，得到回歸均方MSR與殘差均方MSE：

但上述檢驗反饋出的數據是整體帶來的結果，并不代表個體結果，并不能說明每個體驗要素都是用戶急需。也就是說，目前選取的用戶體驗要素項，整體與平臺滿意度線性相關，但某個體驗要素項可能并不顯著，只是在其他要素作用影響下才整體顯示顯著，因此，依次對各偏回歸系數進行顯著性檢驗，從所有體驗要素中，區分出顯著與不顯著的用戶體驗要素，剔除實際上對平臺滿意度影響不大的要素。假設

其中

為離回歸標準誤差； Cii為C=A1- 的主對角線元素。

若本次t 檢驗最終結果仍為顯著，則說明篩選的每個體驗要素項都與用戶對社交電商平臺滿意度呈顯著線性關系，也就是說，每個體驗要素項都直接影響著社交電商平臺呈現出的效果，并且表現得較為明顯。因此，依據上述體驗要素對平臺進行開發維護，有利于增加用戶粘性，可以著重從上述幾方面對平臺進行設計改造；若t 檢驗最終結果為不顯著，則說明篩選的體驗要素項中，有某個要素與用戶對社交電商平臺滿意度呈非顯著線性關系，也就是說，其中某個體驗要素與平臺滿意度關系不大，并不是最重要的影響要素。那么，則需要重新挑選x 體驗要素項，返回F 檢驗重新測試，直到t 檢驗結果顯著[2]。

3 實證分析

3.1 量表設計

本研究通過參考相關文獻，并結合該領域專家意見，以線上問卷形式對影響用戶滿意度的體驗要素進行調研收集，主要包含對拼多多、蘑菇街、云集、微店等社交平臺的消費者進行用戶體驗測試，為了保證回收樣本的專業度和準確度，本次設計基于社交電商平臺的自身特點，借鑒了國內外權威科技文獻的量表設計方案[4]。

3.2 樣本收集

圖1 被調查樣本學歷數據

圖2 被調查樣本年齡數據

本研究通過調研和文獻搜集確定了10 余項影響用戶滿意度的社交電商要素，樣本收集采取線上調查問卷方式，其中27 份為無效問卷，收回273份為有效問卷，達到91%的回收率。在量表設計時為了均衡樣本質量，將學歷、年齡、職業等個人信息數據引入量表[4]。通過對回收問卷分析，得知被調查樣本學歷數據如圖1 所示，年齡數據如圖2 所示。

3.3 數據分析及檢驗

首先，通過上述問卷樣本收集，選取其中10個變量作為回歸分析的樣本數據，分別是享樂動機X1、價格價值X2、信息質量X3、產品質量X4、服務質量X5、信用風險X6、……社群影響X10。其次，利用SPSS 軟件，對多種數據排列分別進行F檢驗和t 檢驗處理，并在符合顯著線性關系條件的所有回歸方程基礎上進行擬合優度檢驗，最終得到擬合度最高的模型輸入的自變量有5 個，分別為享樂動機X1、信息質量X3、產品質量X4、信用風險X6、社群影響X10[5]。該模型回歸分析結果見表2，包括各變量回歸系數及線性結果等數據。在該線性回歸模型中，標準化回歸系數的值可以體現某一體驗要素對社交電商平臺滿意度的重要程度。

表2 回歸分析結果

從表2 可知，標準系數最高的產品質量對社交電商平臺滿意度的貢獻最多，說明無論在社交電商還是傳統電商中產品質量依然是消費者最為看中的因素。其次是社群影響。隨著移動技術的普及，社群成為主流社交形式，該形式對消費者購買行為有推動作用，平臺消費者需要重視社群營銷。三是信息質量。優質的軟文營銷和信息推廣比普通推廣更吸引用戶。四是信用風險。社交電商由于其社交化形式，容易造成用戶對其交易形式的不信任感，平臺仍需規范其交易過程。最后是享樂動機。社交電商更多地融入娛樂化元素會更吸引消費者，拼多多的崛起即可證明這一點。這些都是對社交電商用戶滿意度影響較顯著的因素，據此可得到如下回歸方程[6]：

表3 模型顯著性檢驗

進一步進行F 檢驗，結果如表3 所示。用戶對社交平臺滿意度y 的總平方和為105.986。F 值為48.161，其對應的概率P-值近似為0，因此說明所建立的回歸方程具有顯著性[7]，進一步說明上述用戶體驗要素與平臺滿意度關系顯著。

4 結論

通過建立回歸分析模型及相關分析，發現社交電商用戶的購買行為與產品質量、社群影響、信息質量、信用風險及享樂動機息息相關。若要提高社交電商平臺的用戶粘性，在保證產品質量的前提下，要重視社群影響及提供給用戶的信息篩選。社交電商的運營者亟需培養差異化思維，提供更為優質、精簡扼要的資訊，并不斷提升用戶信任感，強化社交平臺交易安全性。另外，社交電商平臺開發者在服務終端可增加一些趣味性內容，刺激消費者的購買激情。