羅 麗

(西北工業(yè)大學，陜西 西安 710000)

大數據的應用使消費者擁有更多的機會和渠道來選擇適宜的產品和個性化的服務。在對大數據的管理和應用中，電子商務無疑成為其中的佼佼者。隨著電子商務爆炸式的擴張，B2C電商企業(yè)之間的競爭也愈發(fā)激烈，如2012年蘇寧與京東的“價格大戰(zhàn)”。可以看出，B2C電子商務之間的商品價格與質量等屬性的差距正在逐步減小，客戶體驗及服務就變得愈發(fā)重要。在電商企業(yè)與客戶的互動中，以產品為中心的一整套服務給客戶帶來的是滿意、驚喜還是失望，會直接影響電商企業(yè)的生存發(fā)展，因此，研究電商企業(yè)與客戶的互動對促進客戶購買決策具有一定的意義。在此背景下，本文將以客戶體驗為切入點，對大數據環(huán)境下電商企業(yè)與客戶之間的互動管理進行研究。

一 文獻綜述

自2005年Hadoop項目建立，大數據就已經得到人們的關注。麥肯錫(McKinsey)曾于2011年在《Big data：The next frontier for innovation,competition and productivity》中詳細解讀了大數據的內涵并指出了大數據的發(fā)展方向[1]，全世界更加重視“大數據”這一新興產物。Economist Intelligence Unit(經濟學人信息部)曾在一篇報道中提出，未來企業(yè)想要減少成本、提高利潤的一個重要工具就是大數據技術，這一論斷在國際范圍內引起了轟動，各大互聯(lián)網企業(yè)和零售企業(yè)爭先恐后地開始了大數據的研究。無論是國際還是國內，大數據的市場規(guī)模都在逐步提升。

隨著大數據的飛速發(fā)展，大數據研究的應用價值也得到了充分的體現。管理學專業(yè)期刊MIS Quarterly曾用大量的文章來闡述大數據技術所帶來的優(yōu)勢，并提出了大數據在企業(yè)運營方面的研究，其中應用最廣泛的是利用大數據存儲和整合篩選信息的能力來將客戶分類，準確地抓到客戶的核心需求點并進行精準營銷。陳思(2013)結合大數據環(huán)境的特點和運行機制闡述了信息大爆炸對客戶購買的影響[2]。孫慧宇、賀小龍、劉琰、安偉同等人(2015)著重分析了大數據環(huán)境的特征與電子商務經營的核心點，并提出了大數據時代電子商務的品牌營銷[3]。黃文樂(2015)結合電腦技術知識，提出了基于大數據的線上線下電商用戶數據挖掘模式，并對如何發(fā)掘客戶的潛在消費能力進行了深入分析[4]。夏文(2018)詳細描述了大數據環(huán)境對企業(yè)與客戶關系的影響，并為企業(yè)制訂出一系列可以參考的營銷計劃[5]。在B2C、C2C電子商務的領域中，客戶每天都會產生海量的數據，如瀏覽類別數據、商品收藏數據、交易數據、商品評論數據等。電商企業(yè)如何利用這些數據，使其產生可觀的經濟效益是大部分商家需要深入研究的問題之一。目前，國內學者對大數據環(huán)境下電商企業(yè)與客戶間互動行為的研究不多，并且大多數都是在闡述傳統(tǒng)環(huán)境與大數據環(huán)境的差異，指出大數據環(huán)境的先進性并給出一些適合大數據環(huán)境的操作方法。鑒于此，本文著重研究電商企業(yè)與客戶互動對客戶購買決策的影響。

二 數據、維度、因子及研究方法

(一)數據來源

本文以調查問卷的形式獲取數據，通過查找相關資料并尋求專家意見，設計關于大數據環(huán)境特征的調查問卷。該問卷通過對各特征因子描述，來獲取被調研者對該因子代表性的具體評價：1.十分贊同；2.基本認可；3.不支持也不反對；4.不同意；5.強烈反對。參與本次調研的調研者均是十分熟悉網絡購物市場的客戶，以此保證調研的有效性[6]。調研者共60人，其中30人年齡在20-40周歲之間，20人年齡在20周歲以下，10人年齡在40周歲以上。

(二)維度與因子的提出

大數據環(huán)境下客戶的購買行為可能受搜索信息、系統(tǒng)質量、推檢質量、信息精確度、隱私泄露、公布信息、商品質價和服務水平等8個因素所影響，本研究將全部因素選為特征因子，將8個因子歸納為三個維度，即精準營銷、高透明度與個性化服務。第一，精準營銷主要體現在用戶的需求識別階段和信息收集階段，它的具體表達方式是搜索信息、系統(tǒng)質量和精準推薦。第二，高透明度是當前社會信息大爆炸的結果，主要體現在購買行為中的信息收集階段和方案評估階段，具體表達方式是信息精確度、隱私泄露和公布信息。第三，個性化服務。大數據環(huán)境下，電子商務產業(yè)的明顯優(yōu)勢在于對數據的收集、整合和處理能力，通過收集并整合客戶的消費信息提供出最適宜的個性化的服務，從而挖掘客戶的消費能力。個性化的服務主要體現在客戶的購買階段，具體體現在商品質價和服務水平兩個方面。

(三)電子商務與客戶互動的四個衡量指標

在電子商務的領域中，客戶互動主要分為兩部分，即在線互動與網站技術信息互動。首先，客戶與商家的在線互動是電子商務經濟活動中最主要的互動形式，本研究以互動的響應性和雙向性作為衡量指標。在電子商務領域中，響應性是指電商企業(yè)對客戶的回應速度和客戶得到回應后的滿意程度，而雙向性則是指電商企業(yè)與客戶的溝通方式和工具。良好的響應性和雙向性更有利于客戶的最終購買。其次，客戶與網站信息技術的互動是指客戶登錄電商網絡平臺，輸入關鍵詞對相關內容進行搜索，同時網站的維護人員根據客戶的搜索痕跡相應地提高客戶著重瀏覽內容的出現次數，并根據客戶反饋的意見對系統(tǒng)加以優(yōu)化。本研究將互動的有用性和易用性選為互動效果的兩個衡量指標。有用性是指客戶與電商企業(yè)對彼此提供信息有用性的感知，它直接決定了客戶的滿意程度。易用性則是指客戶在電子商務市場行為過程中，對互動的理解程度以及對學會此項技能所耗費的精力是否值得的判斷。2015年，何曉萍和黃龍將互動的有用性和易用性模型引入互聯(lián)網領域[7]，認為有用性和易用性可用于衡量客戶的互動意愿，并以此判斷用戶在電商平臺的購買意愿。畢達天和邱長波在研究B2C互動對客戶體驗影響機制時將響應性和雙向性用于衡量互動雙方的感知程度[8]，互動的感知程度和互動意愿可直接影響客戶的購買意愿。

三 規(guī)范性研究及實證分析

(一)總體模型

將規(guī)范性研究和實證分析法相結合，提出電商與客戶互動的三大維度和八個因子并加以分析，找出影響客戶購買決策的四個要素作為互動衡量指標；提出猜想，通過實證分析對總體概念模型進行歸納推理及驗證，最終得出結論。

(二) 提出假設

根據專家意見以及相關資料，又基于本文第二部分的文獻分析，現提出以下七個猜想：第一，大數據環(huán)境下精準營銷中精準推薦可正向影響有用性；第二，大數據環(huán)境下精準營銷中信息搜索和系統(tǒng)質量可正向影響易用性；第三，大數據環(huán)境下高透明度中信息公布和信息精確度可正向影響有用性；第四，大數據環(huán)境下高透明度中信息精確度正向影響雙向性；第五，大數據環(huán)境下個性化服務中服務水平和商品質價正向影響易用性；第六，大數據環(huán)境下個性化服務中服務水平和商品質價正向影響響應性；第七，大數據環(huán)境下高透明度中隱私泄露反向影響有用性。

圖1 模型設計

(三)維度、特征因子的信度分析、效度分析

應用SPSS軟件對本文歸類的三個維度、八個因子進行篩選，最終篩選出可以反映大數據環(huán)境的特征因子[9]P85。通過SPSS軟件，對全部樣本進行Cronbach’Alpha系數測量，測量系數如表1所示，Cronbach’Alpha系數最小值為0，最大值為1，系數低于0.6代表信度差，系數在0.6至0.8之間代表信度較好，而系數高于0.8則代表信度極好。

表1 特征因子的信度、效度分析

表1可知，問卷整體的Cronbach’Alpha系數為0.74，信度較好，其他的系數過低，所以舍去。精準推薦要素降低兩個后信度提升至0.76，表明該特征因子的一致性經修正后可以保留。效度分析結果如表2，上述各個變量的系數都>0.7，信度較好。Kalser-Meyer-Olkln≈0.851>0.8，Bartlett的球形檢驗近似卡方約等于5700.299，自由度約等于0.379，顯著水平無限接近于0小于0.01,上述變量適宜作因子分析。

表2 特征因子信度、效度分析結果

(四)維度、特征因子的相關性及顯著性分析

利用SPSS軟件進行變量檢測，觀測KMO值和Bartlett值，最終得出變量的顯著性和相關性分析。KMO>0.9則表示變量的相關性極高，完全可以作因子分析，反之若KOM<0.6則表示變量的相關性很低，不可以作因子分析。在做Bartlett’s球型檢驗時，如果X’的顯著性概率 sig.=0.000<0.01時，則表明變量具有較強的顯著性并且可以作為變量因子進行探索性因子分析。由表3可知，KMO(精準營銷)=0.76>0.70，KMO(高透明度)=0.72>0.70，Kalser-Meyer-Olkln(個性化服務)=0.72>0.70，三個維度的Bartlett球形檢驗顯著性水平sig無限接近于0小于0.01，表明在此次檢驗中各變量間相關性較高，同時各變量具有較強的顯著性，可以作因子分析。通過分析可以了解到，載荷因子1對信息搜索、隱私泄露和服務水平的影響較大，2號載荷因子的波動對系統(tǒng)質量和公布信息影響效果最明顯，載荷因子3對精準推薦、信息精確度和商品質價的影響比較大。

表3 三大維度因子的相關性、顯著性分析

表4 三大維度的結構收斂度

表5 模型結構關系檢驗

(五)評估收斂度

通過計算各個因子間的組合信度和平均變異抽取量，對結構效度中收斂的效度進行有效評估。如表4所示，因子組合信度大(CR)>0.6，平均變異抽取量(AVE)>0.4，因子載荷系數T均>10，表明該研究中提出的模型的結構性比較好。

(六)模型結構關系擬合度檢驗

本研究中χ2/df=2.898<3，說明本模型與此次調研數據的匹配程度比較高。近似方差=0.073<0.8，說明擬合度良好。PGFI=0.6>0.5,PNFI=0.6>0.5,PCFI=0.7>0.5，表明該模型的適配度較好。由此可知，本研究中提出的模型的擬合程度比較好。

四 結論與建議

綜上所述，精準推薦、公布信息、信息精確度正向影響有用性，而隱私泄露卻反向影響有用性；搜索信息、系統(tǒng)質量、服務水平、商品質價正向影響易用性；信息精確度正向影響雙向性；服務水平、商品質價正向影響響應性；大數據環(huán)境下，電商企業(yè)可以通過精準營銷和個性化服務來正向影響客戶的消費決策行為，高透明度中公布信息可以正向提高客戶的購買意愿，不過，隱私泄露反向影響有用性，進而導致客戶的購買意愿降低，所以筆者認為，在提高大數據透明度、完善大數據信息的同時，電商企業(yè)應該重點考慮保護客戶的個人隱私，國家也應出臺相應的法律法規(guī)，加強網絡活動中對個人隱私的保護。