楊菁 馬一方 張睿思

摘 要：在已有理論模型的基礎上根據(jù)“算法+定制”類訂閱式電商的特點適當增減變量，建立模型分析影響用戶持續(xù)使用意愿的因素與強弱，并對國內的“算法+定制”類訂閱式電商提出發(fā)展建議，使其用有限的成本獲得最多的持續(xù)使用用戶，借以解決“算法+定制”訂閱式電商難以控制成本、留住顧客的難題。

關鍵詞：“算法+定制”;訂閱制電商;持續(xù)使用意愿;影響因素

0 引言

近些年，消費群體呈現(xiàn)異質化、高質量、體驗式的消費特點。“算法+定制”類訂閱式電商瞄準需求，蓬勃發(fā)展。其核心競爭力是關注消費者體驗感，以精準營銷為發(fā)力點，通過算法和專業(yè)人員分析快速找到消費者所需品，實現(xiàn)用戶的決策降維，同時助力消費升級。

“算法+定制”類訂閱模式（如Abox壹盒）是指用戶支付會費成為會員，定期收到由算法數(shù)據(jù)和設計師共同決定的產品組合。適合自己的商品單件可付費留下，其余商品免費退回;平臺通過留存情況優(yōu)化客戶畫像和消費偏好預測模型，實現(xiàn)自我升級。

研究訂閱式消費模式是對消費者需求的發(fā)現(xiàn)和滿足，也是解決傳統(tǒng)電商平臺發(fā)展瓶頸的新思路。傳統(tǒng)電商平臺囿于獲取用戶成本高、用戶轉移頻率高、掌握用戶行為難度高等問題。“算法+定制”類訂閱模式納入商品組合的退回測評，可以大幅降低試錯成本，激發(fā)用戶的購買欲望。此外，此類平臺將數(shù)據(jù)精確到個體，為用戶建立專屬數(shù)據(jù)庫，真正實現(xiàn)私人訂制。平臺與用戶的捆綁逐漸加深形成強粘性，提高了消費者復購率、消費轉化率。

然而“算法+定制”類訂閱式電商平臺實操中屢屢出現(xiàn)成本控制困難，技術支撐不足，算法頻頻失靈等問題，傷害用戶體驗。研究此類平臺的用戶持續(xù)使用意愿影響因素，尋找影響權重較高的項目，有助于指導同類企業(yè)進行內部資源重新配置，優(yōu)化國內同類企業(yè)發(fā)展模式。

1 文獻綜述

1.1 概念界定

綜合趙忠誠、陳柏燚（2016）、Russom（2011）等學者觀點，“算法+定制”類訂閱模式可歸納為公司通過大數(shù)據(jù)算法直面用戶流量全貌，從數(shù)據(jù)分析中預測會員的潛在消費意愿，搭配精準營銷，定期向會員投遞定制化、個性化的產品。

1.2 研究現(xiàn)狀綜述

1.2.1 迎合個性化的消費需求

“算法+定制”類訂閱式電商模式的市場基礎是消費者對個性化的追求。Baldwin、Forslid、Ito（2015）主張，市場關注點轉移到了增加產品服務的價值。即服務個性化，消費者的體驗感轉移到服務和產品的定制過程。

個性化消費需求與用戶忠誠度存在越來越強的相關關系。Huber、Matthes、Vogel&Schehl（2008）主張，電商平臺的高市場飽和度以及不斷增加的同質產品使得企業(yè)很難具有忠誠的顧客，可行的解決方案是根據(jù)消費者個性化提供產品。

1.2.2 培養(yǎng)呈頻率化的消費行為

訂閱模式“一次付款+多次遞送”的特點有利于引導顧客進行周期性消費。榮振環(huán)（2012）認為，訂閱模式意味著交易關系有時長保證，企業(yè)在了解消費偏好的基礎上，可以把購買行為進行頻率化引導，提高用戶的留存率。

1.2.3 平臺頻頻陷入運營困境

目前，“算法+定制”類訂閱式電商平臺在國內的發(fā)展態(tài)勢整體走低，存在諸多難題。榮振環(huán)（2012）主張，具有高造價、高物流成本、低體驗值和長消費周期的產品不適合此類模式。此外，訂閱模式由于盈利邏輯不甚明晰，平臺方不能有效控制成本，高運營成本最終轉嫁到消費者，反而傷害了消費者的體驗感。

1.3 文獻述評

目前，學界初步認知“算法+定制”類訂閱式電商模式的概念，肯定其能夠滿足個性化消費需求和培養(yǎng)長期購買行為，對培養(yǎng)消費者忠誠度有裨益。但是，培養(yǎng)用戶持續(xù)使用意愿的機理并沒有得到闡釋，影響此類平臺用戶持續(xù)使用意愿因素的探究也寥寥無幾。

本文將在已有理論模型的基礎上，根據(jù)此類平臺的特點增減變量，建立綜合模型研究用戶持續(xù)使用意愿，分析影響持續(xù)使用意愿的因素與強弱，最后得出結論與改進建議。

2 模型構建

2.1 理論模型

為了研究“算法+定制”訂閱式電商用戶的持續(xù)使用意愿，本文整合了UTAUT模型、ECM-ISC模型、感知風險理論，同時鑒于此類電商的特點，排除UTAUT模型中的變量“便利條件”，納入變量“個性化需求”“個人創(chuàng)新性”。

3 數(shù)據(jù)分析

3.1 信度效度檢驗

本研究利用SPSS19.0，得出量表Cronbachs Alpha值為0.942，所有指標的Cronbachs Alpha值均大于0.7，說明問卷整體信度較好。

總體樣本的KMO值為0.906，說明該問卷的效度非常好。且卡方統(tǒng)計值顯著性概率為0.000，小于0.05，非常適合進一步做因子分析。

3.2 假設檢驗與模型擬合

本研究利用AMOS 24.0對模型進行擬合分析，χ2/df為1.913，小于3。GFI為0.833，CFI為0.915，IFI為0.916，NFI為0.839，各項指標都達到了檢驗標準，擬合情況良好。

路徑分析結果如表1。

4 結論與建議

4.1 結論

見表1所示，期望確認度對績效期望顯著正向影響;期望確認度、個性化需求對滿意度顯著正向影響，個性化需求影響力較強;而滿意度對持續(xù)使用意愿顯著正向影響，路徑系數(shù)高達0.86，所以期望確認度、個性化需求通過正向影響滿意度，而間接正向影響持續(xù)使用意愿;同時，努力期望、社會影響也對持續(xù)使用意愿顯著正向影響，但影響較小，路徑系數(shù)均僅有0.10，可知影響力沒有滿意度大。

4.2 建議

4.2.1 明確營銷關鍵詞，精準定位消費群體

平臺方應在充分調研現(xiàn)階段消費者消費特征的基礎上，深入挖掘“算法+定制”訂閱制模式的核心競爭力，明晰營銷關鍵詞，并定位有相對應訴求的消費群體，將平鋪直敘的“介紹式”營銷升級為精確敲打消費者痛點的“捕捉式”營銷。同時，加大營銷力度，大膽嘗試線上線下結合、新舊媒體并駕齊驅等多樣化營銷手段，炒熱訂閱式電商這一概念，提高平臺話題度與關注度。

4.2.2 定期優(yōu)化算法，提升算法精度

消費升級帶來對“個性化消費”的追捧，是“算法+定制”訂閱式電商品牌競爭力的保障。為了保持優(yōu)勢，平臺方應增加科技投入，提高算法精度，使得算法測繪結果盡可能逼近真實值，更有利于培養(yǎng)用戶忠誠度。

4.2.3 簡化購物操作，提高服務質量

平臺方可以在購物環(huán)節(jié)簡化流程，使下單更加簡潔易操作。此外，平臺方也應提升客服的解決力，改善服務質量，以便使用者的困惑和問題能夠及時準確的送達和解決。

4.2.4 痕跡化質量管控，降低感知風險

“貨找人”模式雖然簡化了購物的挑選階段，但產品評價環(huán)節(jié)的缺失使得顧客無法對產品質量有足夠了解。平臺方應對寄出的每一件產品附帶質量證明，進行痕跡化、可視化質量管控，尤其是服裝類，可附帶服裝寄送前的消毒操作證明。

4.2.5 聯(lián)動化倉儲管理及物流管理

由于不可減免的科技投入，相比于傳統(tǒng)電商，“算法+定制”訂閱式電商不具備價格優(yōu)勢，規(guī)模往往較小。如果分別建設倉儲和物流，不僅重復投資、資源浪費，管理也缺乏效率。因而，各平臺方應積極和傳統(tǒng)電商平臺開展合作，利用傳統(tǒng)電商平臺成熟的倉儲管理和物流管理體系，降低成本提高效率。

參考文獻

[1]趙忠誠，陳柏燚.基于化妝品行業(yè)的訂閱式模式網(wǎng)站研究[J].消費導刊，2016，（8）：86.

[2]榮振環(huán).訂閱直送模式實現(xiàn)天然銷售[J].銷售與市場：管理版，2012，（5）：93-95.

[3]Russom， P. Big Data Analytics[OL]. Washington： TDWI Research，2011.

[4]Huber， F.， Matthes， I.， Vogel， J.， et al. Produkte nach Maβ von der Stange — Idee und Erfolgspotential des Mass Customization[Z]. Mainz： Wissenschaftliche Arbeitspapiere， Center of Market-Oriented Product and Production Management，2008.

[5]Baldwin， R. E.， Forslid， R.， Ito， T. Unveiling the Evolving Sources of Value Added in Exports[Z]. Institute of Developing Economics，2015.