□文/李濤

（南京高等職業(yè)技術(shù)學(xué)校江蘇·南京）

電子商務(wù)網(wǎng)站用戶認(rèn)知影響因素分析

□文/李濤

（南京高等職業(yè)技術(shù)學(xué)校江蘇·南京）

電子商務(wù)網(wǎng)站中存在著各種類型的推薦，通過探索用戶使用電子商務(wù)網(wǎng)站推薦的內(nèi)在認(rèn)知機(jī)理，并對不同認(rèn)知水平的用戶在推薦使用中的差異性進(jìn)行分析，從而提出有別于當(dāng)前分別推薦提示的商品屬性組合推薦系統(tǒng)，可以為電子商務(wù)企業(yè)從消費者認(rèn)知角度理解用戶的行為和決策，實現(xiàn)更符合用戶偏好的推薦系統(tǒng)，實施更有效的營銷策略提供依據(jù)。

用戶認(rèn)知；電子商務(wù)；網(wǎng)站推薦

收錄日期：2015年10月9日

一、引言

認(rèn)知科學(xué)是21世紀(jì)的前沿學(xué)科，這是一種借用信息加工的理論來研究感知覺、注意、記憶、學(xué)習(xí)、思維、認(rèn)知過程及認(rèn)知發(fā)展的科學(xué)，關(guān)注個體用戶的內(nèi)在認(rèn)知加工過程和機(jī)制。本文旨在探索電子商務(wù)網(wǎng)站用戶對推薦服務(wù)使用的問題，主要從認(rèn)知心理學(xué)的角度，通過實驗研究的方法對現(xiàn)有購物網(wǎng)站商品分類推薦使用行為與主要影響因素進(jìn)行分析，重點對不同認(rèn)知水平的用戶在商品分類推薦使用中的差異分析，從而提出有別于當(dāng)前分別推薦提示的商品屬性組合推薦系統(tǒng)。

二、相關(guān)理論研究

（一）關(guān)于電子商務(wù)網(wǎng)站推薦基本問題研究

1、具體推薦類型的劃分。根據(jù)推薦時間節(jié)點的不同，將推薦分為事前推薦和事后推薦兩種類型。所謂事前推薦就是用戶在瀏覽電子商務(wù)網(wǎng)站時，看到的網(wǎng)站所提供的通用推薦內(nèi)容，如“新品推薦”、“熱銷推薦”等，這類推薦出現(xiàn)在用戶做出購買決策之前，主要對用戶起到一個引導(dǎo)作用。根據(jù)產(chǎn)品推薦源的不同，我們又將事前推薦劃分為“系統(tǒng)推薦”、“其他用戶推薦”和“搜索推薦”；所謂事后推薦是用戶做出購買決策后，電子商務(wù)網(wǎng)站為了刺激用戶持續(xù)購買，對用戶進(jìn)行的專門推薦。

2、商品分類推薦概述。商品分類推薦屬于事前推薦，分類重點推薦就是網(wǎng)站從用戶可能關(guān)注的焦點出發(fā)，以幾個熱門主題詞作為上位類，分類別地向用戶推薦不同產(chǎn)品，這些商品分類推薦大致從四個方面進(jìn)行推薦：產(chǎn)品上架時間、功能新穎、銷售量、降價幅度。

3、用戶可能關(guān)注的心理。用戶對商品分類推薦的接受過程也是感知偏好匹配的過程。這里用戶感知偏好是指所有影響信息檢索處理以及先驗知識構(gòu)建的視覺、精神、情感處理等方面的關(guān)鍵因素。這些因素決定了發(fā)生在感知對象（刺激）的接受過程中的視覺關(guān)注、認(rèn)知和情感處理。

（二）基本推薦認(rèn)知理論

1、信息加工理論。信息加工理論把人看作一個信息處理器，而人的消費行為就是一個信息處理過程，即信息的輸入、編碼、加工、儲存、提取和使用的過程。消費者面對大量的產(chǎn)品信息，要對信息進(jìn)行選擇性的注意、選擇性加工、選擇性保持，最后做出購買決策并做出購買行為。

2、說服理論。“說服理論的集大成者”奧托·萊平格爾在其著作《說服性傳播設(shè)計》中提出了關(guān)于說服的五組設(shè)計模式：（1）刺激-反應(yīng)設(shè)計；（2）激發(fā)動機(jī)設(shè)計；（3）認(rèn)知性設(shè)計；（4）社會性設(shè)計；（5）性格設(shè)計。這些設(shè)計模型為說服理論的進(jìn)一步研究提供了強有力現(xiàn)實依據(jù)并強調(diào)了說服作用是一個過程。

三、基于推薦的用戶信息技術(shù)接受影響因素概念模型構(gòu)建

圖1 機(jī)構(gòu)模型

圖2 顯著結(jié)構(gòu)變量路徑圖

對用戶的信息技術(shù)接受問題進(jìn)行研究后發(fā)現(xiàn)，若要提高用戶接受信息服務(wù)的效率和效果，則需從用戶角度研究哪些因素會影響用戶對信息技術(shù)的接受。簡單來說，結(jié)構(gòu)方程模型可以分為結(jié)構(gòu)模型與測量模型兩個部分，而潛變量間的關(guān)系，即結(jié)構(gòu)模型，通常是研究的興趣重點，所以整個分析也就稱為結(jié)構(gòu)方程模型。但是這些潛變量是不能夠準(zhǔn)確、直接測量的，需要一些外顯指標(biāo)去間接測量這些潛變量，外顯指標(biāo)也就是可觀測的指標(biāo)，這里稱為觀測變量，而要描述潛變量與指標(biāo)之間的關(guān)系就需要使用測量模型。

（一）機(jī)構(gòu)模型的構(gòu)建。（圖1）

（二）結(jié)構(gòu)變量介紹及假設(shè)解釋

1、需求理解能力。需求理解能力指的是用戶對其檢索需求領(lǐng)域內(nèi)的知識掌握程度。用戶有了使用網(wǎng)站的需求，在一定程度上會讓用戶感覺到網(wǎng)站是有用的，但是這種感知程度的多少則與用戶對需求的理解程度有關(guān)。

2、服務(wù)質(zhì)量。就是指網(wǎng)站通過在線及離線服務(wù)幫助用戶更好地使用網(wǎng)站，主要指資源推薦、商品分類推薦，那么將在很大程度上幫助用戶更有效地使用購物網(wǎng)站；另一方面，通過購物網(wǎng)站的幫助服務(wù)，也會讓用戶覺得網(wǎng)站使用起來更加容易。

3、感知易用性、感知有用性、積極使用意圖。感知易用性、感知有用性及積極使用意圖來自技術(shù)接受模型（TAM），由于本文所要研究的網(wǎng)站是基于信息技術(shù)的信息系統(tǒng)，所以模型也是在信息技術(shù)接受領(lǐng)域最為著名的技術(shù)接受模型（TAM）基礎(chǔ)上構(gòu)建的，保留了技術(shù)接受模型（TAM）中的感知有用性、感知易用性及使用意圖三個變量。

4、用戶滿意度。態(tài)度是個體對從事某項行為的正面或負(fù)面的情感，通常具體表現(xiàn)為“對組織的忠誠度”或“對工作的滿意度”。只有用戶對購物網(wǎng)站滿意了，用戶才有可能積極地去使用它，才有可能推薦給其他人使用。

（三）測量模型的構(gòu)建。（表1）

表1 測量模型的構(gòu)建

表2

表3 路徑系數(shù)及顯著性檢驗表

四、實證研究

（一）問卷設(shè)計。本次調(diào)研是要了解用戶對購物網(wǎng)站商品分類推薦的整體使用情況，并調(diào)研用戶對購物網(wǎng)站上的內(nèi)容及服務(wù)感知情況。

調(diào)研目的是要了解用戶對購物網(wǎng)站分類的整體使用情況，主要有：（1）了解用戶目前對使用購物網(wǎng)站商品分類推薦的信任度；（2）了解用戶主要使用購物網(wǎng)站商品分類推薦會產(chǎn)生什么行為；（3）了解用戶對網(wǎng)站易用性和有用性的認(rèn)識；（4）了解用戶期待購物網(wǎng)站提供哪些功能及服務(wù)；（5）了解用戶對購物網(wǎng)站的滿意程度。

通過分析第一部分調(diào)研情況，可以很清楚地知道目前購物網(wǎng)站上的功能及服務(wù)使用情況，并通過開發(fā)式提問收集用戶對網(wǎng)站的不滿意地方及各種建議，以便購物網(wǎng)站做進(jìn)一步改進(jìn)。第二部分調(diào)研主要研究“需求理解能力”、“檢索能力”、“檢索功能質(zhì)量”、“網(wǎng)站界面質(zhì)量”及“服務(wù)質(zhì)量”作為外部影響因素影響“感知有用性”、“感知易用性”、“用戶滿意度”并形成“積極使用意圖”的作用關(guān)系，以及“上網(wǎng)環(huán)境”及“檢索需求”對模型的調(diào)節(jié)作用和驗證所提出的概念模型，第一步就是要設(shè)計問卷以獲取實證研究的數(shù)據(jù)。

問卷提問項的主要依據(jù)是測量模型中的觀測變量，要將觀測變量轉(zhuǎn)化為通俗易懂、被調(diào)查者能夠清楚明白問卷所要表達(dá)意思的提問語句。其中，問卷提問項與觀測變量是一一對應(yīng)的，一個觀測變量對應(yīng)一個問卷提問項。為了保證調(diào)研數(shù)據(jù)的精確和便于分析變量之間的影響關(guān)系，依照完全不同意、比較不同意、不確定、比較同意、完全同意，按同意程度依次遞增的形式，分別給予1、2、3、4、5的分值。

（二）樣本選擇。為了清楚地了解用戶對于網(wǎng)站推薦，特別是商品分類推薦的使用情況，我們選取了身邊有網(wǎng)站購物經(jīng)驗的，具有一定的認(rèn)知能力和感知水平的人群，有約250個人作為我們此次試驗的樣本，參與我們的調(diào)研。

（三）數(shù)據(jù)處理。由于問卷問項是以開放式問項面向用戶的，因此對問卷中被調(diào)查者的基本信息進(jìn)行描述性統(tǒng)計分析后主要通過人工統(tǒng)計及篩選的方式來分析用戶對購物網(wǎng)站的整體使用情況。對所有問卷進(jìn)行回收后，最終得到230份有效問卷。首先對問卷數(shù)據(jù)進(jìn)行錄入和復(fù)核，隨后利用VisualPLS 1.04軟件對數(shù)據(jù)資料進(jìn)行統(tǒng)計分析。統(tǒng)計分析分為六個步驟：（1）對問卷中被調(diào)查者的基本信息進(jìn)行描述性統(tǒng)計分析；（2）對問卷進(jìn)行探索性因子分析，確定觀測變量所反映的測度項目與上層結(jié)構(gòu)變量之間的關(guān)系，篩選觀測變量，以確定最終概念模型中的測量模型；（3）對問卷進(jìn)行信度、效度分析，以考查問卷測量的可靠性及問卷對所要調(diào)查的主題估計達(dá)到了什么程度；（4）對問卷進(jìn)行驗證性因子分析，考察變量間的結(jié)構(gòu)關(guān)系，以確定最終的結(jié)構(gòu)模型；（5）模型修正并驗證；（6）分析調(diào)節(jié)變量對模型的影響作用。

（四）用戶對電子商務(wù)網(wǎng)站推薦使用情況統(tǒng)計分析。（表2）

（五）模型檢驗結(jié)果分析。路徑系數(shù)及顯著性檢驗情況如表3所示。（表3）

通過以上分析，可以得到顯著結(jié)構(gòu)變量路徑圖。（圖2）

五、結(jié)論

（一）研究結(jié)論

1、結(jié)構(gòu)變量之間的直接效應(yīng)，也就是因果結(jié)構(gòu)變量之間的路徑系數(shù)，如表4所示。（表4）

2、結(jié)構(gòu)變量之間的間接效應(yīng)，是所有從原因變量出發(fā)，通過一個或多個中介變量后結(jié)束于結(jié)果變量的“箭頭鏈”上的路徑系數(shù)乘積之和，如表5所示。（表5）

3、結(jié)構(gòu)變量之間的總效應(yīng)，也就是結(jié)構(gòu)變量之間的直接效應(yīng)與結(jié)構(gòu)變量之間的間接效應(yīng)之和，如表6所示。（表6）

（二）實證研究結(jié)果分析。根據(jù)結(jié)合結(jié)構(gòu)變量之間的效應(yīng)和統(tǒng)計數(shù)據(jù)結(jié)果，對影響電子商務(wù)網(wǎng)站銷售排行榜推薦用戶接受行為的兩個內(nèi)生潛變量逐一進(jìn)行分析：

1、對“態(tài)度”影響因素分析。感知有用性對“態(tài)度”的直接效應(yīng)大于感知易用性對“態(tài)度”的直接效應(yīng)，突出證明了感知有用性之于“態(tài)度”的重要作用。另外，有用感知和易用感知對“態(tài)度”的總效應(yīng)達(dá)到0.357、0.209，也說明了如果一個網(wǎng)站容易使用和有用將會激發(fā)用戶積極使用的意圖，電子商務(wù)網(wǎng)站需要重點關(guān)注網(wǎng)站內(nèi)容質(zhì)量及是否方便用戶使用。

2、對“行為”影響因素分析。感知易用性對“行為”的總效應(yīng)大于感知有用性對“行為”的總效應(yīng)，說明網(wǎng)站容易使用與否與用戶對網(wǎng)站推薦的接受行為與否具有很大的直接作用，網(wǎng)站越容易使用，用戶對推薦的接受程度越高，而網(wǎng)站容易使用與否，單獨對用戶愿不愿意積極使用推薦沒有特別大的直接作用。

表4 結(jié)構(gòu)變量之間的直接效應(yīng)

表5 結(jié)構(gòu)變量之間的間接效應(yīng)

表6 結(jié)構(gòu)變量之間的總效應(yīng)

［1］Bo X.，Izak B.E-Commerce Product Recommendation A-gents：Use，Characteristics，and Impact［J］.MIS Quar terly，2007.31.1.

［2］Sylvain Senecal，Jacques Nantel.The inf luence of onl ine product recommendations on consumers’online choices［J］.Journal of Retai ling，2004.80.

［3］Jaeki Song，F(xiàn)atemeh“Mariam”Zahedi.A Theoretical Approach to Web Design in E-Commerce：A Belief Reinforcement Model［J］.Management Science，2005.51.8.

［4］Sylvain Senecal，Jacques Nantel.The inf luence of onl ine product recommendations on consumers’online choices［J］.Journal of Retai ling，2004.80.

F724.6

A