關鍵詞：個性化推薦系統；購買意願；影響因素；回歸分析
引言
電子商務的發展改變了消費者的購買習慣，網購行為越來越普遍，但信息過載的現象也由此産生。面對多樣化的産品，消費者需花費大量時間和精力去浏覽和分辨商品信息。在此背景下，個性化推薦系統應運而生。用戶在浏覽或者購買商品時，個性化推薦系統通過用戶的操作獲取其需求與興趣，并将适合的商品推薦給用戶來滿足他們的個性化需求。用戶在浏覽推薦的商品的過程中，能盡快找出滿足自己要求的商品。本文從消費者的視角出發，通過分析個性化推薦系統對于消費者購買意願的影響，以得到提高個性化推薦系統推薦質量的相關建議，更好地為消費者服務。
個性化推薦系統被國内外學者進行了多方面的研究[1][2]。宿恺和劉寅[3]在研究中提出在個性化推薦系統中，用戶在準備購買商品的過程中會付出一定的努力，用戶在決定購買時會考慮付出與努力，用戶會因此改變購買意願。吳錦峰[4]認為個性化推薦系統對提高顧客滿意度有積極影響，而顧客滿意度不僅能提高消費者購買意願，也是使企業提高盈利的重要指标，因此改進個性化推薦系統對企業有非常重要的意義。戴和忠[5]認為個性化的推薦服務可以培養顧客對網站的忠誠度，提高顧客的交叉購買力，從而增加商家的效益。本文在已有研究基礎上提出從信息編排、推薦方式、推薦強度、信息價值、價值時效和用戶信任六個維度分析個性化推薦系統對消費者購買意願的影響。
1、研究假設
在電商平台中，個性化推薦系統提供的信息的編排會對其作用效果産生影響，恰當的信息編排對消費者來說是有效用的。因此，提出如下假設：
H1：個性化推薦系統信息編排對消費者購買意願有正向影響。
個性化推薦系統在推薦信息時會使用不同的方式，推薦方式的不同會使造成的效果也不同。因此，提出如下假設：
H2：個性化推薦系統推薦方式對消費者購買意願有正向影響。
個性化系統的推薦強度主要包括推薦的頻率和推薦的信息量大小，本文認為個性化推薦系統的推薦強度正向影響了消費者的購買意願，即頻繁多量的推薦強度能使消費者的購買意願得到提升。因此，提出如下假設：
H3：個性化推薦系統推薦強度對消費者購買意願有正向影響。
個性化推薦系統的主要功能是了解消費者需求偏好的信息以及向消費者提供合适的商品信息和建議，因此信息價值是評定電商平台個性化推薦系統是否具有價值的主要标準之一。較高的信息價值能使消費者的購買意願得到提升。因此，本文提出如下假設：
H4：個性化推薦系統信息價值對消費者購買意願有正向影響。
在電商平台的個性化推薦系統中，消費者需求的變化是随時存在的。個性化推薦系統所推薦的信息的時效也會發生改變。本文提出如下假設：
H5：個性化推薦系統價值時效對消費者購買意願有正向影響。
消費者在進行購買行為時，大部分會選擇其信任的電商平台。信任對消費者購買決策有較大的影響力，如果個性化推薦系統所推薦的商品總是不讓消費者滿意，那麼消費者對該個性化推薦系統持不信任态度，消費者的購買意願就會減弱。因此，提出如下假設：
H6：個性化推薦系統用戶信任對消費者購買意願有正向影響。
2、研究設計與數據分析
本研究的測量過程中均使用Likertscale。本次共回收問卷214份，其中有效問卷200份，收回問卷的有效率為93.458%。采用Cronbach’sAlpha系數來對各變量的信度分析進行檢驗，各個維度的信度系數都大于0.7，本問卷具有較高的可信度。個性化推薦系統的KOM值為0.821，大于0.7；Barlett球形檢驗的近似卡方值為2419.592，顯著性概率為0.000，小于0.05，因此說明個性化推薦系統量表适合使用因子分析法。
2.1相關分析
為了對假設進行驗證，首先将問卷中的問題進行計算歸納，對個性化推薦系統的多個維度與消費者購買意願的相關性進行分析，使用皮爾森（pearson）相關分析的方法對假設H進行初步驗證。**表明相關性在0.01上顯著相關，由表1可知，在0.01的顯著性水平下，信息編排、彈出式廣告、社交渠道推薦、平台系統推薦、推薦強度、信息價值、價值時效和用戶信任與購買意願的相關性顯著且均為正，即信息編排、彈出式廣告、社交渠道推薦、平台系統推薦、推薦強度、信息價值、價值時效和用戶信任與購買意願呈顯著正相關關系。
2.2回歸分析
為了對個性化推薦系統的信息編排與消費者購買意願之間的相關關系進行研究，将信息編排作為自變量，購買意願作為因變量，建立回歸模型，驗證的結果（見表2）顯示F統計值為58.664，F統計值的顯著性概率為0.000，小于0.05，滿足F檢驗的要求，因此在0.05的顯著性水平下，回歸效果是顯著的。調整後的判定系數R平方為0.225，這表明購買意願中信息編排可解釋的部分為22.5%。可以得到回歸方程：
購買意願=2.202+0.310*信息編排
同理，對于單個變量的顯著性檢驗，信息編排、彈出式廣告、平台系統推薦、信息價值、價值時效的顯著性檢驗概率為0.000，社交渠道推薦的顯著性檢驗概率為0.040，用戶信任的顯著性檢驗概率為0.002，均小于0.05，因此在0.05的顯著性水平下是顯著的。推薦強度的顯著性檢驗概率為0.204，大于0.05，因此在0.05的顯著性水平下是不顯著的。因為所有自變量的非标準化系數為正，則說明所有自變量與購買意願是顯著正相關的。通過比較系數的大小可知，信息價值所起到的作用最大，其次是平台系統推薦、用戶信任、信息編排、價值時效、彈出式廣告，最後是社交渠道推薦。并可以得到回歸方程：
購買意願=0.067+0.119*信息編排+0.108*彈出式廣告+0.104*社交渠道推薦+0.156*平台系統推薦+0.185*信息價值+0.114*價值時效+0.154*用戶信任
3、研究結論與建議
通過相關分析與回歸分析的結果顯示，兩者之間存在正相關關系的是個性化推薦系統的信息編排、推薦方式、信息價值、價值時效和用戶信任與消費者購買意願，個性化推薦系統的推薦強度與消費者購買意願之間則不存在顯著的相關關系。
（1）個性化推薦系統信息編排對消費者購買意願有正向影響。在個性化推薦系統中，推薦信息編排的越合理有序，排版格式越讓人清晰明了，消費者的購買意願就越會得到提升。因此，電商平台在設計個性化推薦系統的信息編排時，可以将要推薦的信息分為幾個大類，這樣消費者在浏覽時能夠清楚的選取自己感興趣的大類進行浏覽。在推薦信息的選取方面，電商平台應該盡量選取商品顯示圖清晰明了、商品名稱介紹簡單完整的商品，這樣消費者才能快速找出所需商品，節省購物時間。
（2）個性化推薦系統推薦方式對消費者購買意願有正向影響。對于社交渠道推薦通過大數據技術[6]進行更精準的定位，消費者的滿意度會上升，消費者的購買意願也會相應提高。對于平台系統推薦，從消費者的角度出發，為消費者定制屬于個人的個性化推薦系統，使消費者能夠篩選出完全符合自身需求的商品，這樣消費者的購買意願将會得到很大的提升。對于彈出式廣告，當消費者不願意浏覽該廣告時，廣告會在幾秒内自.000動消失，不會占用消費者的其他上網時間。适當的減少消費者厭煩程度，相對的也提高了消費者的購買意願。
（3）個性化推薦系統推薦強度對消費者購買意願間不存在顯著相關關系。因此，電商平台在給消費者開啟個性化推薦系統的服務之前，可以先對消費者進行調查，根據調查情況對不同的消費者提供不同等級的推薦強度，這也是滿足消費者需求的一種方式。
（4）個性化推薦系統信息價值對消費者購買意願有正向影響。有價值的推薦信息才能左右消費者的購買意願。當個性化推薦系統推薦的信息與消費者的需求完全吻合時，該信息的價值将達到最高，那麼消費者的購買意願将得到明顯的提升。
（5）個性化推薦系統價值時效對消費者購買意願有正向影響。建議電商平台增加一個長按或者選擇推薦信息下次再次出現的功能按鈕，那麼消費者如果對一個推薦商品足夠感興趣，但是需要再次考慮是否需要購買，那麼他就可以選擇使用這個功能。或者可以在個性化推薦系統中增加一個選擇推薦的區域，消費者可以将需要考慮的推薦信息放入選擇推薦區域，方便随時查看，如果消費者對此推薦信息不再感興趣，則可進行删除。以上消費者能适當延長個性化推薦系統價值時效的方法，也能保證消費者購買意願的提高。
（6）個性化推薦系統用戶信任對消費者購買意願有正向影響。當消費者對某一個性化推薦系統的信任度越高，那麼其也就越信任該個性化推薦系統所推薦的商品，那麼消費者的購買意願也就變得越強烈。所以電商平台應當設立可靠的門檻來限制商家的入駐，保證入駐的商家的合法和誠信，保證商品的質量安全。同時對電商平台物流過程進行把控，保障物流的及時性與可靠性，對物流人員進行定期培訓，保證顧客對物流的滿意度。
參考文獻：
[1]孫魯平,張麗君,汪平.網上個性化推薦研究述評與展望[J].外國經濟與管理,2016,38(6):82-99.
[2]張琳.電子商務網站個性化推薦的多樣性對推薦效果的影響研究[D].北京郵電大學博士學位論文,2017.
[3]宿恺,劉寅,董悅.個性化推薦系統對移動電子商務消費者購買決策的影響力及其應用策略[J].價值工程,2010:101-110.
[4]吳錦峰,常亞平,潘慧明.多渠道整合質量對線上購買意願的作用機理研究[J].管理科學,2014,21(7):86-98.
[5]戴和忠.網絡推薦和在線評論對數字内容商品體驗消費的整合影響及實證研究[D].浙江大學博士學位論文,2014.
[6]丁然.大數據時代電子商務個性化推薦發展趨勢[J].電子商務，2015(04):5-5,7.
作者簡介：王虹，博士，南京林業大學經濟管理學院副教授，研究方向：供應鍊管理，渠道管理等。