（工商管理专业论文）消费者对网络推荐的抗拒行为研究.pdf

t 商管理硕l j 学位论文 摘要 近年来我国的网络购物呈现了良好的发展趋势，但网络上丰富的商品种类 也加大了消费者购物决策难度，信息过载的问题同益凸现，各大电子商务网站纷 纷开发网络推荐系统，以帮助消费者海量商品中进行检索和比较，并根据消费者 的兴趣偏好等推荐一些符合消费者需求的产品。本研究从消费者对网络推荐的抗 拒行为角度出发，通过实验的方法，分析可能影响网络推荐的效果各种因素以及 之间的关系，并找出相应解决方法，为网络商家制定网络推荐提供科学依据。 本研究在各参考文献的基础上，将网络推荐分为非个性化推荐和个性化推 荐二类。以科技接受度模型( t e c h n o l o g ya c c e p t a n c em o d e l ，t a m ) 为基本框架， 将网络推荐信任、网络推荐认知价值作为中介变量引入模型，并将网络消费者的 特性、推荐平台的特性及以推荐信息质量等三大类外部变量纳入模型，探讨各外 部变量与网络推荐信任、网络推荐认知价值之间的关系，以及网络推荐信任、网 络推荐认知价值与网络推荐的抗拒行为之间的关系。通过情景模拟网络购物，在 问卷星网络调查平台( h t t p ：w w w s o j u m p c o m ) 收集到有效调查问卷318 份，以 此为样本用s p s s l 7 0 统计软件对收集到的数据进行了描述性统计分析、单因素 分析、相关分析、多元线性回归分析等，对模型进行了验证并修j 下了模型。 本研究通过实验研究分析得出了以下结论：消费者对个性化推荐的抗拒行为 高于非个性化推荐，并对个性化推荐的认识存在着一定的误解；网购频率、专业 能力、推荐平台特性、消费者文化倾向对网络推荐的认知价值有较大正向影响： 推荐平台特性、专业能力、消费者文化倾向对网络推荐的信任有较大正向影响； 网络推荐认知价值对网络推荐的抗拒行为有较大的反向影响；网络推荐信任对网 络推荐的抗拒行为有微弱的反向影响。据此提出相应的营销建议：增强消费者网 络购物体验；提供个性化推荐的定制功能；将网购频率高、网购专业能力强消费 者做为重点保持的客户群。 关键词：网络推荐；个性化推荐；非个性化推荐；认知价值；信任；抗拒行为 i i a b s t r a c t i nr e c e n ty e a r s ，c h i n a so n l i n es h o p p i n gp r e s e n t sag o o dd e v e l o p i n gt r e n d , w h i l ear i c hv a r i e t yo fn e t w o r kp r o d u c t si n c r e a s e sc o n s u m e r s d i f f i c u l t i e s i nt h e i r s h o p p i n gd e c i s i o n s ，a n dt h ep r o b l e mo fi n f o r m a t i o no v e r l o a d i sb e c o m i n gm o r ea n d m o r ea p p a r e n t t h em a j o re - c o m m e r c e w e b s i t e s a l lh a v ed e v e l o p e dt h e i ro w n n e t w o r kr e c o m m e n d e rs y s t e mt oh e l pc o n s u m e r sr e t r i e v ea n dc o m p a r ef r o mv a s t a m o u n t so fg o o d s ，a n dt or e c o m m e n dp r o d u c t st h a tm e e tc o n s u m e rd e m a n d sb a s e d o nt h e i rp r e f e r e n c e sa n do t h e rp e r s o n a l i n f o r m a t i o n f r o mt h ep o i n to fv i e wo f c o n s u m e r s ， r e s i s tb e h a v i o rt o w a r d s n e t w o r kr e c o m m e n d a t i o n s ，t h es t u d yb y e x p e r i m e n t a l m e t h o d sa n a l y z e s t h ef a c t o r s t h a t m a y a f f e c tt h en e t w o r k r e c o m m e n d a t i o n sa n dt h er e l a t i o n s h i pb e t w e e nv a r i o u sf a c t o r s ，a n df i n da p p r o p r i a t e s o l u t i o n st op r o v i d et h es c i e n t i f i cb a s i so fd e v e l o p m e n to fn e t w o r kr e c o m m e n d e r s y s t e mf o ro n l i n es e l l e r s i nt h i ss t u d y , b a s e do nt h er e f e r e n c e ，w ed i v i d et h en e t w o r kr e c o m m e n d a t i o n s i n t o t w o t y p e s ： n o n p e r s o n a l i z e d r e c o m m e n d a t i o n s a n d p e r s o n a l i z e d r e c o m m e n d a t i o n s p u t t i n gt e c h n o l o g ya c c e p t a n c em o d e l ( t e c h n o l o g ya c c e p t a n c e m o d e i t a m ) a st h eb a s i cf r a m e w o r k ，w eb r i n gt h en e t w o r kr e c o m m e n d a t l o nt r u s t ， t h ep e r c e i v e dv a l u eo fn e t w o r kr e c o m m e n d a t i o na si n t e r m e d i a r yv a r i a b l e si n t ot h i s m o d e l ，a n db r i n gt h e c h a r a c t e r i s t i c so fo n l i n ec o n s u m e r s ，t h er e c o m m e n d a t l o n p l a t f o 姗f e a t u r e sa n dt h eq u a l i t yo fr e c o m m e n d e di n f o r m a t i o n a st h r e ec a t e g o r l e so f e x t e r n a lv a r i a b l e si n t ot h em o d e lt oe x p l o r et h er e l a t i o n s h i pb e t w e e nt h ee x t e r n a l v a r i a b l e sa n dt h en e t w o r kr e c o m m e n d a t i o nt r u s t ，a n dt h ep e r c e i v e d v a l u eo fn e t w o r k r e c o m m e n d a t i o n ， a n dt o e x p l o r e t h e r e l a t i o n s h i p b e t w e e n t h e n e t w o r k r e c o m m e n d a t i o nt r u s t ，t h ep e r c e i v e d v a l u eo fn e t w o r kr e c o m m e n d a t i o n a n d c o n s u m e r s ，r e s i s tb e h a v i o rt o w a r d sn e t w o r kr e c o m m e n d a t i o n s t h r o u g hs i m u l a t l o n p u r c h a s i n gm a d eo n l i n e ，i n t h eq u e s t i o n n a i r es u r v e ys a t e l l i t en e t w o r kp l a t f o r m ( h t t p ：w w w s o j u m p c o r n ) w ec o l l e c t 318v a l i dq u e s t i o n n a i r e s t h a t a sas a m p l e ， w i t hs p s s17 0 s t a t i s t i c a ls o f t w a r e ，c o l l e c t e d d a t ai s a n a l y z e db yd e s c r i p t l v e s t a t i s t i c a la n a l y s i s ，s i n g l e f a c t o ra n a l y s i s ，c o r r e l a t i o na n a l y s i s ，a n dm u l t i p l el i n e a r r e g r e s s i o na n a l y s i s ；m e a n w h i l et h em o d e l i sv e r i f i e da n dc o r r e c t e d i nt h i ss t u d y , t h r o u g he x p e r i m e n t a lr e s e a r c h e sa n da n a l y s i sw e c a nr e a c ht ot h e 1 1 1 消费嚣对网络推荐的抗扣行为研究 f o l l o w i n g c o n c l u s i o n s ：c o n s u m e r sw e r em o r er e s i s tt o w a r d s p e r s o n a l i z e d r e c o m m e n d a t i o n st h a n n o n - p e r s o n a l i z e dr e c o m m e n d a t i o n s ，a n dt h e r ei ss o m e m i s u n d e r s t a n d i n g o ft h e i r p e r c e i v i n g o fp e r s o n a l i z e d r e c o m m e n d a t i o n ； o n l i n e s h o p p i n gf r e q u e n c y , p r o f e s s i o n a la b i l i t i e s ，r e c o m m e n d e dp l a t f o r mf e a t u r e s ， c o n s u m e rc u l t u r et e n dh a v eag r e a tp o s i t i v ei m p a c to nt h ep e r c e i v e dv a l u eo ft h e n e t w o r k r e c o m m e n d a t i o n s ；r e c o m m e n d e dp l a t f o r mc h a r a c t e r i s t i c s ，e x p e r t i s e ， c o n s u m e rc u l t u r et e n dh a v e a g r e a tp o s i t i v e i n f l u e n c eo nt h en e t w o r k r e c o m m e n d a t i o n st r u s t ；p e r c e i v e dv a l u eo fn e t w o r kr e c o m m e n d a t i o n sh a v eag r e a t r e v e r s ee f f e c tt ot h ec o n s u m e r s r e s i s tb e h a v i o rt o w a r d sn e t w o r kr e c o m m e n d a t i o n s ； t h en e t w o r kr e c o m m e n d a t i o nt r u s th a saw e a kr e v e r s ei m p a c to nt h ec o n s u m e r s r e s i s tb e h a v i o rt o w a r d sn e t w o r kr e c o m m e n d a t i o n s b a s e do nt h ea b o v ef i n d i n g s ，w e c a no f f e rt h er e l a t i v e m a r k e t i n gr e c o m m e n d a t i o n s ：e n h a n c i n gt h ec o n s u m e r s o n l i n e s h o p p i n ge x p e r i e n c e ；p r o v i d i n g c u s t o m i z a t i o no f p e r s o n a l i z e d r e c o m m e n d a t i o n s ；f o c u s i n go nt h ec o n s u m e r sw h og oo n l i n es h o p p i n gw i t hh i g h f r e q u e n c ya n dh i g hp r o f e s s i o n a la b i l i t ya st h ek e yc u s t o m e rb a s e k e yw o r d s ：n e t w o r kr e c o m m e n d a t i o n s ；p e r s o n a l i z e dr e c o m m e n d a t i o n s ；n o n p e r s o n a l i z e dr e c o m m e n d a t i o n s ；p e r c e i v e dv a l u e ；t r u s t ；r e s i s tb e h a v i o r i v t 商管理硕i j 学位论文 插图索引 图2 1 信任与消费者和商家之间的关系1 3 图2 1 理性行为理论( t r a ) 模型2 0 图2 2 计划行为理论( t p b ) 模型2 l 图2 3 科技接受( t a m ) 模型2 l 图3 1 网络推荐的抗拒行为模型2 4 图4 1 网络推荐抗拒行为修正模型5 0 i x 消费存对网络桁荐的抗扣行为研究 附表索引 表2 1 购物网站推荐使用情况8 表2 2 各学科对信任的定义1 0 表2 3 信任的维度1 l 表2 4 消费者信任因素表1 2 表25 影响网络消费的因素，笔者归纳总结j 14 表3 1 研究变量的定义2 5 表3 2 研究变量的测量2 6 表3 3 情景模拟产品的选择2 7 表3 4 问卷前测样本念信度分析3 0 表3 5 问卷回收情况3 1 表3 6 被调查对象分布情况3 1 表4 1 基本情况统计分析表3 3 表4 3 被调查者对网络推荐的看法3 5 表4 5 信度分析表一3 6 表4 6 网络推荐抗拒因子结果分析3 7 表4 7 网络推荐认知价值的因子结果分析3 8 表4 8 网络推荐信任的因子结果分析3 8 表4 8消费者文化的因子结果分析3 8 表4 9 感知风险的因子结果分析3 9 表4 1 0专业能力的因子结果分析3 9 表4 1 l推荐平台形象的因子结果分析一3 9 表4 1 2 推荐信息质量的因子分析结果一4 0 表4 1 3 各个统计量与网络推荐信任的关系4 0 表4 1 4 各个统计量与认知价值的单因素方差分析4 l 表4 1 5 各统计量与抗拒行为的单因素方差分析4 l 表4 1 6网络消费者文化与消费者对网络推荐的认知价值的关系4 3 表4 17个人主义、集体主义与消费者对网络推荐的认知价值的关系4 3 表4 1 8 网络消费者文化与网络推荐信任的关系4 4 表4 1 9 个人主义倾向、集体主义倾向于网络推荐信任的关系4 4 表4 2 0 网络消费者感知风险与消费者对网络推荐的认知价值4 4 表4 2 1 网络消费者感知风险与消费者对网络推荐的信任4 5 x t 商管理硕i j 学位论文 表4 2 2 网络消费者专业能力与消费者对网络推荐的认知价值4 5 表4 2 3 网络消费者专业能力会与消费者对网络推荐的信任4 6 表4 2 4网络推荐平台的形象与消费者对网络推荐的认知价值4 6 表4 2 5 网络推荐平台的形象与消费者对网络推荐的信任4 7 表4 2 6 网络推荐信息的质量与消费者对网络推荐的认知价值4 7 表4 2 7 网络推荐信息的质量与消费者对网络推荐的信任4 8 表4 2 8 消费者对网络推荐的认知价值与消费者对网络推荐的抗拒行为4 8 表4 2 9 抗拒行为与认知价值的关系回归分析表4 8 表4 3 0 消费者对网络推荐的信任与消费者对网络推荐的抗拒行为4 9 表4 3i 抗拒行为与网络推荐信任的多元回归分析4 9 表4 3 2 研究假设验证结果5 0 t 商管理硕f j 学位论文 1 1 选题背景 第1 章绪论 1 1 1 网民网络购物热情高涨 随着计算机网络的普及和信息技术的不断更新，网民规模不断增大，网上购 物热潮呈现。据中国互联网络信息中一t , ( c n n i c ) 2 0 11 年7 月发布的第2 8 次中 国互联网络发展状况统计报告显示，截至2 0 11 年6 月底，中国网民规模达到 4 8 5 亿，互联网普及率达到3 6 2 ，网络购物使用率提升至3 5 6 。川。而中国 互联网络信息中一l , ( c n n i c ) 2 0 1 1 年2 月发布的2 0 1 0 年中国网络市场研究报告 显示，2 0 1 0 年，我国网络购物市场交易总额达到5 2 3 l 亿元，较2 0 0 9 年实现翻 番增长【z j 。2 0 l0 年元月六同，淘宝网在北京举行的淘宝年度盛典上，发布了2 0 10 年网购数据显示，2 0 10 年淘宝网注册用户达到3 7 亿，在线商品数达到8 亿，最 多的时候每天6 0 0 0 万人访问淘宝网，单同交易额峰值达到l9 5 亿元，分别超过 北京、上海、广州三地社会消费品零售单日额【3 】。以上种种数据足以见证网民网 络购物热情及实力。 1 1 2 我国网络购物渗透率不高 虽然我国网民人数不断增多，越来越多的网民涉足网络购物，但总体来说， 中国的网络购物在网民中的渗透率并不高，与发达国家相比有相当的差距。2 0 0 9 年中国网络购物市场研究报告( c n n i c ，2 0 0 9 1 1 ) 指出，我国网络购物在网 民中的渗透率还不高，仅为2 6 ，与发达国家的差距十分明显。相比而言，日 本和韩国这一比例已经分别达到5 3 6 和5 7 ，美国的网购渗透率甚至达到 7 0 。我国网民的大部分网购行为都是在首选购物网站上实现的，用户在首选的 购物网站上的支出的总金额占整体网购金额的9 6 ，其中c 2 c 类购物网站占首 选用户市场份额的8 5 ，淘宝网一家独秀，用户市场份额达7 6 5 。从网民购买 商品种类来看，购买服装家居饰品的用户人数稳居首位，化妆品及珠宝、书籍音 像制品，分居第二、三位【4 1 。 1 1 3 网络推荐技术e t 益普及 网络中同益丰富的商品种类，让消费者可以进行多种选择的时间也加大了消 费者购物决策难度，信息过载的问题同渐突出。于是各大网站不断地开发智能的 网络推荐系统，以帮助消费者在海量的i n t e r n e t 环境下进行商品的检索和比较， 并根据消费者的兴趣偏好等推荐一些符合消费者需求的产品。r e s n i c k 和v a r i a n 在19 9 7 年给出了推荐系统的定义：“利用电子商务网站向客户提供商品信息和建 议，帮助消费者决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。”【5 1 由于推荐系统是根据消费者指定的参数、消费者的历史购买记录及其与消费者兴 趣相关的其他消费者的购买信息提供产品推荐意见，能在一定程度上解决消费者 遇到的信息量过载和搜索复杂的问题，同时提高消费者的购买决策质量，受到了 网络消费者欢迎。常见的网络推荐有很多，如网站中的主动推荐页面、相关商品 推荐、排行榜、特价商品推荐、星级评价、用户评论等。 1 1 4 网络推荐存在的困惑 从消费者角度来看，互联网丰富的商品种类并配以强大的搜索和推荐工具， 可以进行足不出户就商品进行选择比较，并且还可以在网络中学习到各种商品知 识，相对于传统市场来说，网络购物屏除了传统购物的时间、地域等限制，加之 网络支付系统的日益完美和专业物流公司的发展，越来越多的消费者开始从传统 购物转向了网上购物。而从商家的角度来看，网上开店的低成本是网下商店无法 比拟的，无须门面、库存甚至交税，只要有一个虚拟的空间，就可以无限制的展 示自己的商品，成功的关键是创建友好的网店界面、对商品详细描述、完善的搜 索功能及推荐功能、良好的销售与信用记录、有足够的耐心与网购者进行及时的 交流、能提供具有特色的商品及服务或促销活动等等即可，而这一切只要有敏捷 的营销头脑、掌握相关的计算机技术、以及一支优秀的客服人员队伍就可以做到。 基于以上原因，网络购物也很容易鱼目混珠，并且不可避免地成为了诈骗者 的天堂。金山网络近日发布了2 0 10 年中国网络购物安全报告，指出在2 0 10 年钓鱼网站、木马等威胁已经使网络购物用户损失了超过15 0 亿元真金白银，成 为网络购物用户将面临的最大威胁【6 】。网购的兴起带火了中国的电子商务的同 时，也成了消费投诉的重灾区：伪劣商品、虚假宣传、物流纠纷、售后服务问题、 退货退款难题类似的投诉近年来频频出现。由赔付和评价构筑的诚信架构已 不能保障网购的信誉和消费者的权益，原有的诚信评价系统已出现各种问题，如 今网络上刷信用、网购评价“水军”等比比皆是。最近，关于网店信誉的问题媒体 2 t 商管理硕f j 学位论文 时有报料，本来可以表明网店信誉程度的信誉评级，却出现了有的网店花钱雇人 “刷信誉”或者删除差评的现象，有些团购网站可以在后台随时更改“参团人数” 等关键信息。网络推荐虽然能一定程度上解决消费者遇到的信息量过载和搜索复 杂的问题，但是网络消费者却不一定会完全信任网络推荐，甚至为因为种种原因 对网络推荐产生抗拒行为。如消费者评价会是真实的吗? 网店的信誉是真实的 吗? 相关商品推荐是否符合消费者的期望? 排行榜是公正的吗? 秒杀早已成了 噱头，星级评价、用户评论也都可以通过各种手段造假已成为不争的事实等。 从消费者角度来看，希望网络推荐能提高其购买效率，从而花费较少的浏览 时间找到最符合自身偏好和需求的产品；从提供者来看，商家希望能掌握消费者 的偏好，从而能更好地针对不同的消费者提供符合其偏好的网络推荐，使消费能 最大程度地接受推荐，加快购买决策进程，更快实现自己的销售目标。由此可以 看出，网络推荐信息无论是从消费者角度还是提供者角度来看，都能影响网络消 费者的购买行为。因此，网络推荐对购买行为的影响是网络推荐研究中必须关注 的一个核心和焦点。以往有关网络推荐的研究主要关注推荐内容的形成过程，以 及关于网络推荐对消费者购买决策影响，大部分都是持肯定态度，而关于消费者 对网络推荐抗拒行为的研究较少。由此观点出发，本文主要研究以下几个问题： 1 网络消费者对网络推荐存是否有抗拒行为? 2 影响网络推荐抗拒行为因素有哪些? 3 如何化解网络消费者对网络推荐的抗拒行为? 1 2 研究意义 1 2 1 理论意义 伴随着信息和网络技术的发展，网络推荐为人们在网上海量的购物信息提供 了一种有效的筛选方式。随着网络推荐的普及和应用也为网络营销提供了许多值 得研究的课题，这些研究涉及信息技术、经济学、社会学、管理学、心理学等各 个领域，但是从网络推荐的角度对消费者抗拒行为进行的研究还比较少，一般者 是从计算机角度对网络推荐系统技术进行研究或者从网络消费者行为的角度对 网络信任进行研究。本文研究意义在于： 1 有助于丰富网络营销中消费行为的理论研究； 2 有助予网络消费中关于网络信任机制研究； 3 为网络推荐对网民网络消费行为影响的研究提供新思路、新方法。 3 消费行对网络推荐的抗拒行为研究 1 2 2 现实意义 实践上，本研究能够为企业网络营销、购物网站的建设中，提供针对网民对 网络推荐的抗拒行为解决方案，降低网络消费者对网络推荐抗拒心理，提升网民 对网络推荐的信任，提升网络购物消费者网购成交率和网购满意率。 本文在拟在收集国内外相关研究文献的基础上，通过对文献资料的整理以及 对有网络购物经验的网民进行访谈，到网络推荐做得较好的相关网站进行分析， 找出具有代表意义的关键因素，并提出假设；然后通过实验方法模拟某网站的推 荐系统，通过问卷调查的形式，得到与网络推荐和网民抗拒行为的相关数据并且 对数据进行分析，对假设进行验证，从而发现网络推荐与网络消费者抗拒行为之 间的关系和规律。并根据分析结论，为网络商家提供营销建议，从而达到购物网 站与网络消费者“互生共赢”。 1 3 研究内容 1 网络消费者对网络推荐是否存抗拒行为； 2 影响网络推荐抗拒行为的因素； 3 化解网络消费者对网络推荐的抗拒行为方法。 4 第2 章文献综述 为了阐述清楚网络推荐与消费者抗拒行为之间的关系，本文首先对网络推荐 及网络消费者行为的相关研究做了简单回顾。此外，为了弄清楚信任与网络推荐 及消费者抗拒行为之间的关系，笔者还简单回顾了以往学者对信任的相关研究。 由此也为本文研究模型的提出、变量的定义及设计奠定了理论基础。 2 1 网络推荐系统的研究综述 目前电子商务网站竞争如火如荼。截至2 0 11 年1 2 月底，我国规模以上电子 商务网站总量已经达2 0 7 0 0 家，其中b 2 c 、c 2 c 与其他非主流模式企业达1 2 5 0 0 家【2 1 。单单是我国网上零售龙头淘宝网即有商品近8 亿件【3 1 ，如何让顾客面对电 子商务网站上提供的海量产品中淘到到自己满意产品? 如何提高网络产品的吸 引力? 解决该问题方案就是智能电子商务推荐系统( r e c o m m e n d e rs y s t e m 1 ，该 推荐系统能根据顾客的偏好协助顾客在成千上万的产品中进行检索和比较，实现 购物过程自动化，缩短网上购物时间。 2 1 1 网络推荐的概念 推荐系统( r e c o m m e n d e rs y s t e m s ) 就是利用统计和知识发现技术来解决与目 标客户交互时提供商品推荐问题的系统【7 】。它在电子商务系统中向客户提供商品 信息和建议，帮助客户决定购买何种商品，模拟销售人员向客户推荐商品完成 购买的过程l 。推荐系统在电子商务网站上主要起到了三个方面的作用：一是可 以把网站的浏览者转变为购买者，增加了客户；二是可以连带销售其它产品：三 是可以保持客户对商务网站的信任度和忠诚度。目前我国在电子商务推荐方面所 使用的主要是查找或检索技术，真正意义上的根据用户的兴趣爱好推荐用户可能 感兴趣或是满意的资源才刚刚起步。从广义上来说，查找给出的结果也可看作是 系统给出的推荐结果，是一种基于查找目标内容的推荐。我们也可把查找技术归 为一种电子商务的推荐策略，所以广义的推荐包括查找和狭义推荐两部分。电子 商务推荐系统产生的推荐可以基于顾客以前的购买行为及历史，也可以基于顾客 当前表现出来的兴趣爱好等。如果推荐系统能把满足用户模糊需求的资源推荐给 用户，则就可以把用户的潜在需求转化为现实的需求，有助于商品销售的实现。 为了实现网络推荐服务，首先需要跟踪和学习用户的兴趣和行为，并组织好资源， 选取资源的特征，并采用合适的推荐方式将商品推荐给客户。【9 】 消贡霄对m 绢难存的j 冗于i ! 仃为研哆z 2 1 2 网络推荐的分类 网络推荐系统向客户进行推荐有许多种方式，它可以是网络经过统计得出 的排名，通过相关产品或相关客户共同性而提出的推荐，也可以消费者对产品 的评论或评分等，当然选择何种推荐方式主要取决于该客户对推荐信息的偏好。 2 1 2 1 推荐系统的界面表现形式 按照推荐系统的界面表现形式主要分为以下几种： ( 1 ) 浏览：客户提出对特定商品的查询要求，推荐系统根据查询要求返回 高质量的推荐。主要操作是客户在搜索栏中输入关键词，这要求客户确定他所需 商品。 ( 2 ) 相似项：推荐系统根据客户客户感兴趣的商品进行推荐，为客户提供 个性化的推荐。如淘宝网中的“购买了该商品的客户还购买了”、“收藏了该商品 的客户还收藏了”等。 ( 3 ) 电子邮件：推荐系统根据收集到的电子邮件，向客户发达他们可能感 兴趣的商品信息、电子杂志、电子券、贺卡等，使网站与客户保持良好关系，从 而使客户更加关注该网站。如当当网经常通过电子邮件向其注册客户发送相关的 促销信息。 ( 4 ) 评论信息：推荐系统向客户提供评对购买产品的评论的平台，让其他 客户可以随时查看已购买客户对该产品产品的评价，从而做出自己的判断。如卓 越网、淘宝网、京东商城均提供已购买的客户对该商品的评价，以供后面的消费 者进行参考。 ( 5 ) 等级评价：推荐系统向客户开放对产品评分的平台，让大家随时可以 查看该产品的评分，通过对等级评价的相应统计和分析，较直观地表示出其他 客户对产品的观点或看法，使客户易于接受该种推荐。 ( 6 ) t o p n ：推荐系统根据相关数据，进行排序，并截取前n 项推荐结消 费者。“图书销售排行榜”、“笔记本电脑销售排行榜”等，其中最有名的是当当网 的图书排行榜。 ( 7 ) 搜索结果排序：推荐系统列出所有的搜索结果，并将搜索结果按照客 户的兴趣度降序排列。如淘宝网的商品可以在搜索的结果中再按销量、价格、信 誉等进行再次升序或降序排列，以方便消费者以更快的速度找到他想要的商品。 2 1 2 2 推荐系统的输入方式 按照推荐系统的输入方式可以分为以下几种： ( 1 ) 隐式：将客户对网站网页的浏览或点击情况作为推荐系统的输入； 6 丁商管理硕i j 学位论文 ( 2 ) 显式浏览：客户主动推荐系统提供信息，如对某产品的进行等级评定、 对购买产品的评价等； ( 3 ) 项目属性或关键词：客户在搜索栏主中动输入关键词或选择项目属性， 得到自己感兴趣的推荐； ( 4 ) 客户购买历史记录：一般针对注册客户，电子商务系统会保留客户的 购买、浏览、收藏等记录，并可通过这些历史记录来推测客户对商品的偏好。 2 1 2 3 推荐系统的技术分类 ( 1 ) 非个性化推荐：一种基于流行度量和流行统计的非个性化推荐，这种所有 的客户得到都是相同的。如现实生活中的各种排行榜。 ( 2 ) 基于产品属性的推荐：针对产品的属性特征来提供的推荐。该推荐系统 一般需要客户在搜索栏等输入他所需要的产品属性特征，可归纳为手工推荐； ( 3 ) 相关性产品推荐：推荐系统根据客户在浏览或选择商品的情况来判断 客户可能感兴趣的产品，进而推荐相关的产品，由于它不需要客户购买产品的历 史纪录，只需了解客户当前选择的产品，因此是瞬时的。 ( 4 ) 相关性客户推荐：又称协同过滤，推荐系统根据客户与其他已经购买 了商品的客户之问的相关性进行推荐，此种推荐是自动产生的，而且是持久。 例如：“收藏了该商品的顾客还收藏了0 9 9 “购买该商品的顾客还购买了”等。 2 1 2 4 推荐系统的服务模式 根据各商务网站在实现推荐服务的过程是否考虑和利用了用户特性，可将信 息推荐服务划分为两类：无差异模式和差异模式【i o 】。 ( 1 ) 无差异模式 无差异模式，即对所有用户提供相同的推荐内容，不需要建立用户模型，不 用了解用户兴趣，更不用利用用户相关反馈】。它包括两种子模式：无触发模式 和触发模式。无触发模式也可称为广告模式，可以说是一种贴上“推荐”标签的注 意力营销手段，如：淘宝网的“新品推荐”、当当网的“今日闪价”、各种促销活动 等等。触发模式是由用户的检索或浏览活动激发的、基于内容聚类的信息推荐服 务【12 1 。 ( 2 ) 差异模式 差异模式即针对不同用户提供不同的推荐内容，甚至是不同的推荐形式和布 局。其核心技术是一种通过挖掘用户特性，建立用户模型，主动将用户感兴趣的 信息推荐给用户的一种推荐服务模式，是信息推荐服务的发展方向u 2 】。其本质 是针对不同用户提供不同的推荐内容，甚至是不同的推荐形式和布局。如“猜您 还喜欢”、“浏览了该商品的人还浏览了”、“购买了该商品的人还购买了”等。 7 消费并对网络推荐的抗拒行为研究 2 1 2 5 本研究对网络推荐的分类 本研究在以上资料的基础上，将网络推荐分为二大类： ( 1 ) 非个性化推荐 非个性化推荐即对所有的用户提供相同的推荐内容。主要来源于三类，第一 类是来源于商家或电子商务平台的统计数据，如各种商品排行榜、销售数量、被 关注被情况、商家的信用情况等等；第二类是基于产品基本情况，如价格、购买 者的评价及评分、商品图片及技术参数、近期销售情况等；第三类是来源于商家 或电子商务平台的各种促销信息，如热销推荐、团购、秒杀打折等。 ( 2 ) 个性化推荐 个性化推荐即是针对不同用户提供不同的推荐内容。可归属于相关性产品推 荐或相关性客户推荐的一种推荐服务模式，主要是通过用户的历史数据、当前操 作等建立用户模型，主动将用户感兴趣的信息、产品和服务推荐给用户。如“猜 您还喜欢”、“浏览了该商品的人还浏览了”、“购买了该商品的人还购买了”等。 2 1 2 6 我国购物网站使用的推荐系统情况 根据c n n i c 2 0 0 9 年1 1 月发布的2 0 0 9 年中国网络购物市场研究报告， 淘宝网用户市场份额达7 6 5 ，其次是拍拍网，占6 1 。当当、卓越、京东商 城三个主要b 2 c 网站分别以5 8 ，2 2 和2 2 名列其后【4 1 。以下是部分知名购 物网站推荐使用情况： 表2 1 购物网站推荐使用情况 总的来说，目前我国的购物网站推荐系统的设计都非常接近。但通过分析发 丁商管理硕 j 学位论义 现，注册用户多和交易量大的购物网站( 如淘宝、当当、卓越等) 由于商品种类 丰富、交易量大，历史数据丰富，网络推荐更加准确、真实。而有些购物网站由 于其交易量相对较少，能收集到的相应数据也不多，其网络推荐的效果及准确性 也大打折扣。 2 1 3 网络推荐对消费者的影响 2 1 3 1 增强消费者信任 由于现有电子商务法律还不完善，交易惯例也尚未建立，隐私需要信任作为 社会复杂性的简化机制替代法律习俗，从而降低消费者网上购买风险，增进交易 效率【”1 。在网购过程中，购物网站处于信息优势地位，掌握着商品价格、质量 和性能等信息，更容易从事投机行为。另外，b e t h 等( 19 9 4 ) 通过引入经验的 概念来表述和度量信任关系，将信任分为直接信任和推荐信任【1 4 】。由于在开放 网络环境中要获取对网络中各个实体的真实情况是非常困难的，因此来自第三方 的推荐信息就显得格外重要了。由此可见，网上推荐信息可以通过增强消费者信 任从而对消费者购买决策产生积极影响。 2 1 3 2 满足消费者精确需求 f e s t i n g e r ( 1 9 5 4 ) 和t r o p e ( 1 9 7 5 ) 所提出的精确需求理论( t h en e e df o r a c c u r a c y ) 指出，人们强烈地渴望对自身及外部环境具有真实准确的认识。也就 是说，人们希望自己具有准确认识客观事物的能力( f e s t i n g e r ， l9 5 4 ；w o o d ， 1 9 8 9 ) 1 5 1 1 6 】【1 7 1 。目前国内网站采用较多的是以商品属性介绍为主的客观推荐和 根据消费者之间相关性所进行的主观推荐。由于网络主观推荐信息主要来自其他 消费者的评价，是建立在其他消费者的真实体验上的，因此与客观推荐信息相比， 一方面更加真实具体，另一方面也具有更强的感染力，从而有助于帮助消费者建 立信心，相信自己可以通过这些主观评价更加准确地了解所要购买的商品，满足 其内心的精确需求。 2 1 3 3 提高消费者体验 产品类别在网购研究中一个重要维度，消费者对不同类别的产进行评估的能 力存在着差异性，所以产品属性会影响消费者的购物行为，不同的产品市场策略 也会随之改变。根据消费者对产品特性的了解程度及了解方式可以将产品分为搜 寻产品、体验产品和信任产品。在网络虚拟环境中，常用的产品分类的方法是将 产品分为搜寻产品、体验产品。体验型产品的特点是消费者如果不亲自使用或体 验就无法了解产品的相关特性，如香水、c d 歌碟等，所以消费者在购买体验型 产品之前，更关注他人对该产品的评价，从而推断产品属性，作出购买决策。 9 消费嚣对m 络捧荐的抗拒行为研究 2 1 3 4 改善消费者决策质量 h i u b l 和t r i f t s ( 2 0 0 0 ) 研究了推荐系统对减少消费者搜寻产品信息，获取有质 量的产品考虑集合以及做出高质量的购买决策所付出努力可能起到的作用【18 1 。 通过他们的研究结果可以说明，推荐系统可以让顾客缩减考虑的商品范围，并可 进行进一步的筛选，从而减轻消费者决策努力，提高消费者的决策质量。 2 2 网络背景下的信任 网络上的商家和消费者一般者是通过匿名的方式进行交往。在这种环境中， 当商家与消费者意见不一致时或对术语与条款不理解时，欺诈和纠纷就会发生。 如交付的货物与承诺的不一致、商品质量不好、消费者否定和中断业务等等。此 时虚拟环境下的信任和信任技术此时显得尤为重要，一些信任技术，如可信度体 系、评级体系和推荐体系已经在互联网上广泛使用。在网络背景下信任技术的使 用一方面可以减少交易双方的风险，另一方面商家可以通过信任技术更好了解消 费者，更好的满足顾客的需求。 2 2 1 信任的定义 笔者对各学科对信任的定义归纳如下表2 2 。 表2 2 各学科对信任的定义 学 科 心 理 学 观点 d u e t s h ，信任是对某件事情发生的期望 t o b 和j o h n ( 1 9 8 0 ) ，信任是愿意相信他人的意图 r o u s s e a n ( 1 9 9 8 ) ，信任是由信任者及被信任者的个人特质而产生的内部认知 m c k n i g h t ( 19 9 8 ) ，信任是一个人意愿或相信另一方 z u c k e r ( 1 9 8 6 ) ，信任是参与交换中的群体中所共有的背景期望和组织期望 r o t h 和s t i k i n ( 1 9 9 3 ) ，