程麗娟+王晶

摘要：應(yīng)用情境實驗方法研究顧客在產(chǎn)品定制過程中的適應(yīng)性決策行為，重點分析定制任務(wù)的復(fù)雜性如何影響顧客的定制策略。同時分析了顧客知識水平和任務(wù)參與程度兩個因素對于適應(yīng)性決策行為的調(diào)節(jié)作用。研究發(fā)現(xiàn)：定制任務(wù)的復(fù)雜程度增加，使用啟發(fā)式策略的頻率也增加；顧客知識水平與加權(quán)式策略使用頻率負(fù)相關(guān)，而與啟發(fā)式策略使用頻率正相關(guān)；與之相反，任務(wù)參與程度與加權(quán)策略的使用頻率正相關(guān)，而與啟發(fā)式策略的使用頻率負(fù)相關(guān)。

關(guān)鍵詞：產(chǎn)品定制；適應(yīng)性行為；加權(quán)式策略；啟發(fā)式策略

DOI：10.13956/j.ss.1001-8409.2017.03.23

中圖分類號：F274 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-8409（2017）03-0107-04

Abstract： This paper analyzes the adaptive decision behavior in product customization based on designing experimental study， and investigates the decision strategies used by customers in making decisions of the product customization. And then， it discusses the moderating role of customer knowledge level and task involvement on adaptive decision behavior.

Results show that， firstly， when the task complexity of product customization becomes higher， more people will prefer to use the heuristic strategies.There is a positive correlation between customer knowledge level and the use frequency of heuristic strategies.There is a negative correlation between task involvement and heuristic strategies.

Key words： product customization； adaptive behavior； weighted additive strategy； heuristic strategies

眾所周知，顧客在定制自己喜歡的產(chǎn)品時，必須針對產(chǎn)品的可定制屬性進(jìn)行各項選擇。根據(jù)經(jīng)典效用理論，理性顧客會進(jìn)行效用最大化選擇，所以無論企業(yè)采取何種定制模式，顧客最終定制的產(chǎn)品配置都應(yīng)該是一致的[1]。然而，研究表明事實并非如此，顧客在產(chǎn)品定制過程中的決策行為并不符合經(jīng)典效用理論的預(yù)測[2]。如Park等 [3]和Levin等[4]發(fā)現(xiàn)了選項框架效應(yīng)，其他學(xué)者也從不同的角度探討和分析了類似的現(xiàn)象。總之，企業(yè)所采取的不同定制模式，如選項的不同呈現(xiàn)方式、捆綁方式和默認(rèn)方案設(shè)置方式等，都會對顧客的選擇產(chǎn)生巨大影響，并且關(guān)系到產(chǎn)品銷量、企業(yè)利潤等諸多績效指標(biāo)[2]。Biswas和Grau[5]發(fā)現(xiàn)，當(dāng)顧客在定制過程中受到認(rèn)知資源的約束時，選項框架效應(yīng)會表現(xiàn)得更為顯著。這意味著處于認(rèn)知過載狀態(tài)的顧客更容易在定制產(chǎn)品時受到定制模式的影響而做出非理性選擇。

關(guān)于顧客在選擇過程中的非理性行為，決策科學(xué)領(lǐng)域已經(jīng)有很多學(xué)者做了大量研究。最知名的是心理學(xué)家H Simon提出的有限理性概念，他認(rèn)為人的信息加工系統(tǒng)只需要做到令人滿意，而不必最優(yōu)化[6]。德國的心理學(xué)家Gigerenzer提出了生態(tài)理性的概念，進(jìn)一步強(qiáng)調(diào)人的認(rèn)知局限性是具有適應(yīng)性的[7]。Payne和Bettman等人[8，9]則重點討論了顧客的適應(yīng)性決策行為特征，即顧客會在不同的任務(wù)環(huán)境中采用不同的決策策略。隨后，一些學(xué)者嘗試討論不同領(lǐng)域的顧客在決策過程中是否具有適應(yīng)性行為特征[10]。已有的關(guān)于適應(yīng)性決策行為的研究都局限于探討一次性決策，而產(chǎn)品定制過程中顧客需要進(jìn)行連續(xù)的多步驟決策[11]。到目前為止，顧客的產(chǎn)品定制決策是否具有適應(yīng)性特征以及哪些因素會影響策略的選擇還沒有人討論。

本文將通過情境實驗的方式來探討顧客在產(chǎn)品定制過程中的適應(yīng)性決策行為，重點分析定制任務(wù)的復(fù)雜度如何影響顧客選擇的決策策略。由于定制任務(wù)的復(fù)雜程度由多個因素共同構(gòu)成，除了定制任務(wù)的結(jié)構(gòu)屬性（如可供選擇的屬性數(shù)量和選項數(shù)量），還包括決策個體的產(chǎn)品知識以及任務(wù)參與程度等因素。因此本文還將探討顧客的個體特性和任務(wù)特性對于顧客定制決策過程中的適應(yīng)性行為有何影響。

1 文獻(xiàn)回顧及研究假設(shè)

從信息加工理論的角度分析顧客決策過程的研究當(dāng)中，普遍認(rèn)為每個顧客在做決策時會參照不同的情境選擇不同的策略。許多文獻(xiàn)探討了這些策略的定義和特點、影響策略選擇的因素、以及劃分不同決策策略的分類標(biāo)準(zhǔn)。依據(jù)這些準(zhǔn)則，Bettman等[9]闡述了九種策略，包括作為名義模型存在的加權(quán)策略和信息處理最小化的啟發(fā)式策略。加權(quán)式策略會處理所有的相關(guān)信息，而啟發(fā)式策略則為了讓決策速度更快而選擇忽略部分信息。Gigerenzer[7]認(rèn)為大部分人樂意使用啟發(fā)式策略來將相關(guān)信息最小化，從而節(jié)約認(rèn)知資源。本文的研究問題是：顧客在產(chǎn)品定制過程中，各種決策策略的使用比率分別有多少？為了解答這個問題，本文將具體分析定制任務(wù)的復(fù)雜程度，顧客知識水平和任務(wù)參與程度3個因素對于決策策略使用比率的影響。

1.1 定制任務(wù)的復(fù)雜程度與顧客決策策略

決定定制任務(wù)復(fù)雜度的因素有很多，本文只重點考慮選擇集合規(guī)模，即可供定制的屬性數(shù)量及選項數(shù)量。理由如下：每一個定制任務(wù)中的可定制屬性及選項數(shù)量比較準(zhǔn)確和客觀，是企業(yè)相對容易控制的變量；現(xiàn)有研究顯示選擇集合的規(guī)模大小對顧客的心理有很大影響，并會體現(xiàn)到其隨后的決策中[12，13]。

選擇集合規(guī)模將會影響顧客采用的決策策略類型，因為適應(yīng)性決策理論的核心是個人的決策策略取決于決策環(huán)境的各項特性。Diehl[14]發(fā)現(xiàn)人們在較大的選擇集合當(dāng)中搜索比例會低于在較小選擇集合中的搜索比例。Meyer[15]也得出了類似的結(jié)論，即人們在面對較大的選擇集合時，會更早結(jié)束搜索?？梢哉J(rèn)為一個小的選擇集合會鼓勵決策者進(jìn)行深度搜索，而一個大的選擇集合則會讓他們傾向于有限搜索。由于選擇集合規(guī)模的大小直接對應(yīng)定制任務(wù)的復(fù)雜程度，這意味著定制任務(wù)越復(fù)雜，顧客越傾向于進(jìn)行有限的信息搜索和處理，即采用啟發(fā)式的決策策略；反之，定制任務(wù)越容易，顧客越傾向于進(jìn)行深度的信息搜索和處理，即采用加權(quán)式的決策策略。所以提出假設(shè)：

H1：隨著定制任務(wù)的復(fù)雜程度增加，顧客使用啟發(fā)式策略的比率也會相應(yīng)增加。

1.2 顧客知識水平對決策策略選擇的影響

消費(fèi)者行為學(xué)領(lǐng)域依照顧客對產(chǎn)品的了解程度將其劃分為專家顧客和普通顧客兩類[16]。顧客所掌握的產(chǎn)品知識水平可以直接反應(yīng)顧客認(rèn)知能力的高低，從而決定了同一個定制任務(wù)對于不同的顧客來說難度不同。因此顧客知識水平對于定制過程中的適應(yīng)性決策行為應(yīng)具有一定的調(diào)節(jié)作用。

一般認(rèn)為專家顧客在決策過程中對于信息搜尋更有選擇性，只重點識別和關(guān)注相關(guān)屬性。因為他們做決策時對可接受和不可接受的屬性水平都有非常清楚的認(rèn)知。而新手顧客缺少一些必要的知識去簡化信息處理過程，他們更有可能同時關(guān)注相關(guān)信息及不相關(guān)的信息。即與專家顧客相比，新手顧客將使用更具有綜合性的判斷準(zhǔn)則（如加權(quán)法），因為他們?nèi)鄙傧嚓P(guān)知識來直接選擇滿足自己偏好的相關(guān)選項，從而更有可能對所有的選項信息進(jìn)行加權(quán)計算和綜合比較。基于以上分析，提出假設(shè)：

H2：顧客知識水平對決策策略的選擇有顯著影響，且顧客知識水平越高，越傾向于使用啟發(fā)式策略。

1.3 任務(wù)參與程度對決策策略選擇的影響

消費(fèi)者在產(chǎn)品選擇任務(wù)中的參與程度會影響他們采用的決策策略，因為隨著人們在某一個任務(wù)中參與程度的增加，他們會變得樂意搜尋信息和加工信息。顧客已經(jīng)掌握的關(guān)于目標(biāo)產(chǎn)品的知識直接關(guān)系到他們處理產(chǎn)品信息的能力，而他們在選擇任務(wù)中的參與程度則是處理信息的動力來源。本文認(rèn)為任務(wù)的參與程度可以直接反映出顧客對于信息搜尋和信息處理的深度。高度參與產(chǎn)品定制過程的顧客將分配和使用較多的認(rèn)知資源在信息的注意、理解和加工過程當(dāng)中，即他們愿意對所有的可定制屬性和選項信息進(jìn)行對比分析。相反，處于較低參與程度的顧客則不愿意花費(fèi)多余的認(rèn)知資源在定制任務(wù)當(dāng)中，從而會偏好可以讓信息搜尋和信息加工的努力最小化的策略。因此，本文提出以下假設(shè)：

H3：任務(wù)參與程度對決策策略的選擇有顯著影響，且顧客的參與程度越低，則越偏好使用啟發(fā)式策略。

2 實驗設(shè)計及數(shù)據(jù)收集

2.1 實驗方案設(shè)計

本文所模擬的實驗情境是假定被試者要為自己選購一臺新筆記本電腦，經(jīng)過某知名品牌的宣傳，決定采用網(wǎng)上在線定制的方式。假設(shè)有3個因素會影響顧客在產(chǎn)品定制過程中的決策策略選擇：任務(wù)復(fù)雜度、顧客知識水平和任務(wù)參與程度。為了驗證假設(shè)，將可供顧客定制的屬性數(shù)量作為實驗因素，構(gòu)造一個單因素實驗設(shè)計，設(shè)計了3個不同的實驗組，可定制的屬性數(shù)量分別5個、7個和10個。具體來說，該實驗是模擬實際的產(chǎn)品定制過程，把被試隨機(jī)分配到3種不同的情境下，讓他們完全按照自己的喜好進(jìn)行定制決策。通過記錄他們的選擇過程來分析被試在復(fù)雜程度不同的3種情境下，使用的決策策略是否存在差異。

2.2 問卷設(shè)計及變量測量

通過比較目前幾大主流電腦品牌的在線定制網(wǎng)站，本文決定參照索尼公司的筆記本電腦定制界面來設(shè)計實驗問卷。為避免電腦品牌對于實驗結(jié)果的影響，在問卷中將不出現(xiàn)具體的品牌名稱。本文選取的用于定制的筆記本電腦型號基礎(chǔ)價格為4400元，為了與真實定制過程完全一致，所有問卷都選擇將各屬性的最低配置作為推薦配置，即基礎(chǔ)價格是選擇最低配置的總價，而其他選項后面都會標(biāo)注出超出基礎(chǔ)價格的費(fèi)用。

將3個實驗組分別編號為A、B、C。其中A組的可定制屬性為5個，具體為顏色、處理器、顯卡、內(nèi)存、硬盤；B組為7個，添加了顯示器和光驅(qū)；C組為10個，增加了操作系統(tǒng)、防病毒軟件和Office軟件3項屬性。除了可定制屬性的數(shù)量不同，每個屬性對應(yīng)的選項數(shù)量也有差異，從而保證了3種實驗情境下的定制任務(wù)復(fù)雜程度各不相同，且隨著屬性數(shù)量增加呈遞增趨勢。問卷還采用主觀自評的方式，測量了被試對于產(chǎn)品的知識水平（顧客知識），在實驗中的參與程度（任務(wù)參與程度）以及他們使用的決策策略。

2.3 實驗過程

某高校140名本科學(xué)生作為被試參與了實驗。由于實驗被試來自同一所學(xué)校，而且都有選購筆記本電腦的經(jīng)驗，樣本具有極高的同質(zhì)性。同時大學(xué)生對于使用在線定制的方式比較感興趣，參與實驗的熱情也較高。這些都可以有效減少實驗的干擾因素，提高實驗的內(nèi)部效度。最后總共回收了140份問卷，剔除無效問卷后保留的有效問卷為117份。其中，A組為39份，B組為39份，C組也為39份。

3 數(shù)據(jù)分析與討論

3.1 變量測量的信度和效度檢驗

本文對顧客知識水平和任務(wù)參與程度的測量都采用了多個問項，需要檢驗其測量信度。分析結(jié)果顯示，顧客知識和任務(wù)參與兩個變量的Cronbach α值分別為0.969和0.813，表明這兩個變量的測項均具有良好的內(nèi)部一致性。

接下來對問卷中使用的所有測項進(jìn)行效度檢驗，結(jié)果顯示KMO系數(shù)為0.747，接近0.8，說明本實驗設(shè)計的問卷各測項之間的相關(guān)程度差異不大，收集的數(shù)據(jù)適合做因子分析。采用探索性因子分析檢驗問卷的結(jié)構(gòu)效度，結(jié)果表明7個測項可以較好地納入兩個主成分中，而且與問卷的設(shè)計初衷完全對應(yīng)，這說明問卷的7個測量項目設(shè)計合理。

對所有被試的人口統(tǒng)計特征進(jìn)行分析，結(jié)果顯示男性75人（64%），女性42人（36%），在3個實驗組中的分布沒有顯著差異（p=0.401）；顧客知識水平的分布（p=0.612）和任務(wù)參與程度的評分（p=0.331）同樣沒有顯著差異。說明3組實驗情境下的被試同質(zhì)性很高，實驗結(jié)果的內(nèi)部效度得到了保障。

3.2 假設(shè)檢驗

為了驗證假設(shè)H1，需要針對3個實驗組中所有被試對兩類決策策略的使用人數(shù)和比率進(jìn)行對比分析，結(jié)果如圖1和圖2所示。從圖1中發(fā)現(xiàn)隨著可供定制的屬性數(shù)量增加，兩類策略的使用人數(shù)發(fā)生了明顯的變化：使用啟發(fā)式策略的人數(shù)不斷上升，而使用加權(quán)式策略的人數(shù)則相應(yīng)持續(xù)下降。由于3個實驗組的有效被試數(shù)量均為39人，接下來重點考察每組被試對兩種策略使用比率的變化。

從圖2中看到啟發(fā)式策略的相對使用比率持續(xù)上升，從23.1%上升到33.3%，最后達(dá)到最高值51.3%。由于測量結(jié)果是相對比率數(shù)值，需要采用卡方檢驗來驗證其統(tǒng)計顯著性。結(jié)果顯示卡方值為6.909，自由度為2，雙尾檢驗概率值P=0.032。由于P < 0.05，可以認(rèn)為3個實驗組在決策策略的使用比率上有顯著差異。假設(shè)H1得到驗證，即隨著定制任務(wù)的復(fù)雜程度增加，顧客使用啟發(fā)式策略的比率也會相應(yīng)增加，這意味著定制任務(wù)越復(fù)雜，選擇使用啟發(fā)式策略的顧客也會越多。

接下來驗證假設(shè)H2和H3。將所有被試劃分為啟發(fā)式策略組和加權(quán)式策略組2個組別，然后分析這2組中的顧客知識水平與參與程度是否有顯著差異。首先對兩種策略組的均值和方差進(jìn)行描述性統(tǒng)計，將均值的統(tǒng)計結(jié)果繪制成圖3，可以看出，啟發(fā)式策略組對定制產(chǎn)品的知識水平均值要高于加權(quán)式策略組；而在定制任務(wù)中的參與程度均值則是低于加權(quán)式策略組。為了驗證該結(jié)果是否具有統(tǒng)計顯著性，繼續(xù)進(jìn)行獨立樣本t檢驗分析，結(jié)果如表1所示。

對照方差齊次檢驗的結(jié)果，可以看到2個策略組中的顧客知識水平具有顯著性不同（P=0.002 < 0.01）；同樣，2個策略組中的任務(wù)參與程度也具有顯著性不同（P=0.008 < 0.01）。這意味著圖3中的數(shù)據(jù)分析結(jié)果通過了顯著性檢驗，H2和H3都得到了支持。即顧客知識水平對決策策略的選擇有顯著影響，且顧客知識水平越高，越傾向于使用啟發(fā)式策略；任務(wù)參與程度對決策策略的選擇也有顯著影響，且顧客的參與程度越低，則越偏好使用啟發(fā)式策略。

3.3 Logistic回歸分析

為了使數(shù)據(jù)分析更為完善并能更真實地反映被試的選擇行為，本節(jié)利用二元Logistic回歸方法對數(shù)據(jù)做進(jìn)一步的分析。模型的設(shè)定方法如下：因變量為每一個被試對啟發(fā)式策略的選擇與否（“0”為不選擇該策略，“1”為選擇該策略），自變量為任務(wù)復(fù)雜程度、顧客知識水平、任務(wù)參與程度。各個自變量被納入模型的方法為同時進(jìn)入，總的分析樣本量為N=117。

關(guān)于模型的總體擬合效果分析結(jié)果顯示：Logistic回歸模型的-2Log likelihood值為122.503，卡方值χ2 （ df =3） = 30.258 （p=0.000），說明模型總體擬合良好。Hosmer & Lemeshow擬合優(yōu)度檢驗得到檢驗p值為0.084，卡方值χ2（df =8）=13.910，表明由預(yù)測概率獲得的期望頻率與觀察數(shù)之間差異無統(tǒng)計學(xué)意義，再次驗證模型擬合較好。而且該模型的整體預(yù)測準(zhǔn)確率為76.9%，也表明預(yù)測效果很好。關(guān)于任務(wù)復(fù)雜度、顧客知識水平、任務(wù)參與程度3個變量對于決策策略的選擇具體有多大影響需要參照各變量的回歸系數(shù)，如表2所示。

結(jié)果顯示：（1）任務(wù)復(fù)雜程度的主效應(yīng)顯著（B=1.127，p=0.020），即不同復(fù)雜程度的定制任務(wù)中，啟發(fā)式策略和加權(quán)式策略被選擇的概率有顯著差異，且影響系數(shù)為正數(shù)，表明定制任務(wù)的復(fù)雜程度越高，顧客選擇啟發(fā)式策略的概率越高，假設(shè)H1再次得到了支持。（2）顧客知識水平的主效應(yīng)顯著（B=0.208，p<0.001），即顧客知識水平越高，使用啟發(fā)式策略的概率也越大，假設(shè)H2得到了支持。（3）任務(wù)參與程度的主效應(yīng)顯著（B=-0.108，p=0.004），由于影響系數(shù)為負(fù)，表明顧客在定制任務(wù)中的參與程度越高，使用啟發(fā)式策略的概率越低，使用加權(quán)式策略的概率則會比較高，假設(shè)H3也得到了支持。通過Logistic回歸分析，對前面提出的3個研究假設(shè)再次進(jìn)行了驗證，所有的假設(shè)都得到了支持，充分說明了研究結(jié)果的可靠性。

4 結(jié)論

在產(chǎn)品定制過程中，顧客需要連續(xù)在眾多可定制屬性和選項當(dāng)中做出選擇。而消費(fèi)者行為學(xué)和決策科學(xué)領(lǐng)域的眾多研究顯示，每個人都是適應(yīng)性決策者，即其采用的決策策略取決于具體的決策環(huán)境。本文的主要目的是分析和探討顧客在產(chǎn)品定制過程中的適應(yīng)性決策行為特征，并重點分析定制任務(wù)的復(fù)雜性如何影響顧客的定制策略。同時還進(jìn)一步分析了顧客知識水平和任務(wù)參與程度2個顧客的內(nèi)在特征因素對于適應(yīng)性決策行為的影響。

研究結(jié)果顯示：（1）隨著定制任務(wù)的復(fù)雜程度增加，使用啟發(fā)式策略的比率也會增加，相應(yīng)的使用加權(quán)式策略的比率會降低。即當(dāng)可供定制的屬性數(shù)量不斷增加時，顧客會逐漸失去處理所有屬性和選項信息的興趣和能力，而會偏好使用啟發(fā)式策略，只憑借部分信息或者個人的經(jīng)驗及喜好來做出判斷。（2）顧客知識水平與加權(quán)式策略使用頻率負(fù)相關(guān)，而與啟發(fā)式策略使用頻率正相關(guān)，這意味著顧客對于定制的產(chǎn)品越了解，越有可能使用啟發(fā)式策略。即專家型顧客在定制決策過程中更容易辨別出對自己有用的產(chǎn)品信息，而無需對所有的信息進(jìn)行加權(quán)計算。（3）任務(wù)參與程度與加權(quán)策略的使用頻率正相關(guān)，而與啟發(fā)式策略的使用頻率負(fù)相關(guān)。即顧客在定制任務(wù)中參與程度越高，越有可能使用加權(quán)式策略，在考慮產(chǎn)品所有的屬性和選項相關(guān)信息后才做出決策。而低參與程度的顧客可能是沒有耐心瀏覽所有信息，寧愿選取一些捷徑來快速做出判斷，或者是對產(chǎn)品比較了解，無需花費(fèi)太多的時間。

參考文獻(xiàn)：

[1]Levav J， Heitmann M， Herrmann A， et al. Order in Product Customization Decisions： Evidence from Field Experiment[J]. Journal of Political Economy， 2010， 18（2）： 274-299.

[2]金立印， 鄒德強(qiáng). 定制化購買情境下的消費(fèi)者決策研究綜述與展望[J]. 外國經(jīng)濟(jì)與管理， 2009， 31（6）： 32-38.

[3]Park C W， Jun S， Macinnis D. Choosing What I Want Versus Rejecting What I do not Want： An Application of Decision Framing to Product Option Choice Decisions[J]. Journal of Marketing Research， 2000， 37： 187-203.

[4]Levin I P， Schreiber J， Lauriola M， et al. A Tale of Two Pizzas： Building up from a Basic Product Versus Scaling down from a Fully-loaded Product[J]. Marketing Letters， 2002， 13（4）： 335-344.

[5]Biswas D， Grau S L. Consumer Choices under Product Option Framing： Loss Aversion Principles or Sensitivity to Price Differentials？[J]. Psychology & Marketing， 2008， 55（5）： 399-415.

[6]Simon H A. Rational Choice and the Structure of the Environment[J]. Psychological Review， 1956， 63： 129-138.

[7]Gigerenzer G， Gaissmaier W. Heuristic Decision Making[J]. Annual review of psychology， 2011， 62： 451-482.

[8]Payne J W， Bettman J R， Johnson E J. The Adaptive Decision Maker[M]. Cambridge University Press， Cambridge， MA， 1993.

[9]Bettman J R， Luce M F， Payne J W. Constructive Consumer Choice Processes[J]. Journal of Consumer Research， 1998， 25（3）： 187-217.

[10]Denstadli J M， Lines R. Conjoint Respondents as Adaptive Decision Makers[J]. International Journal of Market Research， 2007， 49（1）： 117-132.

[11]Levav J， Reinholtz N， Lin C. The Effect of Ordering Decisions by Choice-set Size on Consumer Search[J]. Journal of Consumer Research， 2012， 39（3）： 585-599.

[12]Iyengar S S， Kamenica E. Choice Proliferation， Simplicity Seeking， and Asset Allocation[J]. Journal of Public Economics， 2010， 94（7-8）： 530-539.

[13]王艷芝， 韓德昌. 顧客如何感知大規(guī)模定制[J]. 軟科學(xué)， 2012， 26（4）：140-144.

[14]Diehl K. When Two Rights Make a Wrong： Searching too Much in Ordered Environments[J]. Journal of Marketing Research， 2005， 42（3）： 313-322.

[15]Meyer R. The Effect of Set Composition on Stopping Behavior in a Finite Search among Assortments[J]. Marketing Letters， 1997， 8（1）： 131-143.

[16]萬曉榆， 吳繼飛， 李巧. 服務(wù)重要性和服務(wù)類型對選項框架效應(yīng)的調(diào)節(jié)作用[J]. 軟科學(xué)， 2015， 29（1）： 114-118.

（責(zé)任編輯：楊 銳）