1. 引言
宠物经济是指是指围绕着宠物这一主体所产生的生产、销售、服务等商业活动为主要组成部分的经济体系。相比中国,美国的宠物行业发展时间更早,市场规模更大,行业更加成熟,是宠物经济发展最好的国家。而中国的宠物行业发展起步较晚,市场规模较小,但由于近年中国经济快速增长、后疫情时代消费者的陪伴需求上涨等原因,中国宠物市场规模正在迅速发展,具有很大的发展潜力和前景,如图1所示。
Figure 1. The size of China’s pet consumption market from 2018 to 2023
图1. 2018~2023年中国宠物消费市场规模
随着人们养宠兴趣的上涨,以及近几年受在线购物发展趋势和疫情的影响,在线电商平台成为了消费者购买宠物用品的热衷渠道。然而,针对发展潜力巨大的中国宠物在线消费市场,现有的研究未能深入剖析影响消费者进行宠物用品在线购物的影响因素。因此,为促进中国宠物电商平台的发展,进行关于消费者在线购买宠物用品影响因素的研究十分迫切。
在本研究中,将以宠物经济为研究背景,选择宠物电商平台为研究对象,通过文献研究建立相关理论模型和假设,配合问卷调研的研究方法深入探究哪些因素影响消费者对宠物用品的在线购买意愿,为商家和电商平台提供有价值的研究结果和管理建议。
2. 文献综述与研究假设
2.1. S-O-R理论模型
1974年,Mehrabian和Russell两位学者提出[1]了S-O-R理论模型,其中S代表刺激(Stimulus),O代表机体(Organism),R代表反应(Response)。该理论被用于解释个体在受到外部刺激后如何产生情感和认知的变化,进而影响个体行为的变化。S-O-R模型可被用于解释个体行为,因此许多学者将其引入到营销领域,用于解释消费者在受到营销刺激后的购买行为变化。
2.2. 线索利用理论
线索利用理论是指消费者可以利用产品信息作为辨别产品品质的线索依据[2]。对于该理论,Olson [3]进一步提出线索可细分为内部线索和外部线索。其中,内部线索是指包括产品包装、产品质量等产品自身固有的、不易被改变或操控的属性特征。而外部线索是指包括售后服务、物流服务等与产品属性相关但其特征是可以被改变的部分。
2.3. 宠物电商平台影响因素研究
产品包装是指在产品的流通过程中,为了保护产品、方便存储以及促进销售,按照一定的技术方法,采用容器和材料等对产品所附的装饰的总称[4]。Kwak和Cha [5]的研究发现,产品包装对消费者进行产品推荐和产品选购态度有显著的积极作用,并且相比线下消费者,产品包装设计对线上消费者的影响更大。基于以上文献,提出如下假设:
H1:产品包装会正向影响消费者的感知价值。
施倩楠提出产品质量系由产品自身所具备的特性与特征等各种要素组合而成的[6]。在ISO9000:2005中将质量定为义是一组固有特性满足要求的程度。消费者在进行在线购物时,当产品质量满足消费者的要求,将为消费者带来正向的情绪感知。基于以上文献,提出如下假设:
H2:产品质量正向影响消费者的感知价值。
针对物流服务,PERREAUL和Russ [7]提出了7R理论,其内容是企业的物流服务能在恰当的时间(Right time)和恰当的场合(Right place)中,以合适的价格(Right price)和合适的方式(Right channel or way),为有需要的客户(Right customer)提供适合的产品服务(Right produce),令客户的需求(Right want or wish)得到满足。Abbott和McConkey [8]的研究发现消费者更倾向于选择能提供优质服务并且满足自身需求的商家。基于以上文献,提出如下假设:
H3:宠物电商平台的物流服务正向影响消费者的感知价值
消费者在进行电商购物时,常常会利用在线客服的帮助来辅助自己作出购物决策。张东哲和林野川[9]的研究指出顾客对电商客服的需求主要是产品售前和售后的服务。李敏等[10]的研究指出电商服务的服务包括了销售能力、售后能力、消费者心态预测能力、产品知识、流行趋势、服务态度、服务灵活性、服务个性化8个维度。基于以上文献,提出如下假设:
H4:宠物电商平台的客服服务正向影响消费者的感知价值
Kotler和Levy [11]提出感知价值由顾客的满意度决定。Gale和Wood [12]的研究表示,影响消费者购买意愿的主要因素是感知价值,而且感知价值具有多维度的特性。敖娇[13]对感知价值的影响因素细分为产品和服务两类,其中产品包括产品可选择范围、产品质量等,而服务则包括物流服务和售后服务。Zeithaml等[14]也将感知价值分为产品和服务两个影响因素,顾客对产品和服务的感知价值越高,相应的感知价值也会越高,并会对顾客的购买意愿产生正向的影响。基于以上文献,提出如下假设:
H5:感知价值正向影响购买意愿
2.4. 研究框架
基于S-O-R理论和线索利用理论,构建研究框架如图2。
Figure 2. Framework
图2. 研究框架
3. 实证分析
3.1. 问卷设计
本研究的调查问卷主要针对消费者在线购买宠物用品的影响因素展开研究,参考相关学者的研究(见表1),对本文所构建的研究模型进行量表和问卷设计。
整份问卷的结构分为三个部分。一、说明问卷调研方向、调研意图以及填写问卷的注意事项。二、关于被调查者的人口统计学信息的搜集,包括年龄、月收入、职业等维度。三、量表题,主要采用李克特量表[30]的方式,通过“完全不同意”、“不同意”、“一般”、“同意”、“完全同意”五级评分标准来指出参与者对该选项的认同程度。
Table 1. Refer to the source table for variables
表1. 变量参考来源表
3.2. 预调查
在正式实施调查之前,为保证问卷数据对研究结果的有效性,在正式收集问卷数据前,首先进行了预调查。随机发放60份问卷进行预调查,排除没有养宠意愿的用户问卷后,有效问卷数量为54份,问卷有效率为90%。根据受访者反馈的信息和提出的建议,及时纠正问卷中存在的不足,并对问卷的内容进行进一步完善,让问卷更加客观、有效。在预测试阶段的问卷涉及了6个因子,共25个问题选项,如下表2所示。下述部分对数据进行信度和效度的分析。
Table 2. Summary table of factor basic information
表2. 因子基本信息汇总表
Factor |
数量 |
产品包装 |
5 |
产品质量 |
5 |
物流服务 |
4 |
客服服务 |
4 |
感知价值 |
4 |
购买意愿 |
3 |
汇总 |
25 |
分析样本 |
60 |
3.2.1. 信度分析
进行信度分析是为了研究收集到的问卷数据是否真实可靠,以及问卷的题目间是否有良好的相关性。信度分析主要考察Cronbach’s α系数和CITC值。结果见表3,各个因子对应的Cronbach’s α系数以及总体的Cronbach’s α系数均大于0.7,说明问卷在可靠性上得到了支持。预调查中多数题项的CITC值大于0.4,但P5的CITC值小于0.4,考虑在正式调查的分析中将此项删除。
Table 3. Reliability test of the Pre-survey
表3. 预调查信度检验
因子 |
名称 |
校正项总计相关性(CITC) |
项已删除的α系数 |
Cronbach’s α系数 |
产品包装 |
P1 |
0.658 |
0.749 |
0.802 |
P2 |
0.610 |
0.756 |
P3 |
0.714 |
0.721 |
P4 |
0.615 |
0.759 |
P5 |
0.368 |
0.821 |
产品质量 |
Q1 |
0.634 |
0.724 |
0.782 |
Q2 |
0.560 |
0.741 |
Q3 |
0.477 |
0.769 |
Q4 |
0.522 |
0.754 |
Q5 |
0.620 |
0.720 |
物流服务 |
L1 |
0.587 |
0.767 |
0.802 |
L2 |
0.622 |
0.749 |
L3 |
0.613 |
0.754 |
L4 |
0.644 |
0.738 |
客服服务 |
S1 |
0.672 |
0.767 |
0.815 |
S2 |
0.625 |
0.776 |
S3 |
0.527 |
0.814 |
S4 |
0.777 |
0.694 |
感知价值 |
V1 |
0.550 |
0.770 |
0.793 |
V2 |
0.619 |
0.751 |
V3 |
0.598 |
0.749 |
V4 |
0.697 |
0.694 |
购买意愿 |
PUR1 |
0.481 |
0.778 |
0.744 |
PUR2 |
0.675 |
0.561 |
PUR3 |
0.716 |
0.551 |
总体Cronbach’s α系数 |
0.922 |
3.2.2. 效度分析
效度分析是为了判断题项能否有效地测量需要研究的变量,预调查阶段采用探索性因子分析检验问卷的有效性。探索性因子分析是为了甄选纯化最开始测量时的题项,去掉低负荷和跨因子载荷的测量问项。研究使用KMO和Bartlett检验对问卷数据进行分析。研究结果如表4所示:KMO值为0.727 (大于0.7),Bartlett检验的p值为0.000,说明问卷是有效的。
Table 4. KMO and Bartlett tests for the Pre-survey
表4. 预调查的KMO和Bartlett检验
KMO值 |
0.727 |
Bartlett 球形度检验 |
近似卡方 |
890.030 |
df |
300 |
p值 |
0.000 |
3.2.3. 样本量确定
样本容量计算公式:
调整后样本量 = 调整前样本量/有效回收率
根据样本容量的计算公式和预调查的有效问卷回收率,得到调整前样本量为470份,再结合预调查中的有效回收率,得到调整后的样本量是522份,实际发放问卷530份,成功回收523份问卷,其中有效问卷为475份。
3.3. 正式调查
考虑问卷填写与转发的便捷性问题,正式问卷通过在线社群作为主要投放渠道。由于研究对象是宠物电商平台,因此应重点考虑对“宠物”感兴趣的群体进行调查,问卷将通过某宠物品牌粉丝群、线下宠物店社群、豆瓣宠物小组、微博宠物相关超话四个途径进行搜集。最终,收获问卷共523份,排除没有养宠打算的群体后,剩余有效问卷为475份,有效率达90%,满足研究所需的样本数量。
3.3.1. 信度检验
对正式问卷进行信度分析。由表5的结果可知,6个因子各自的Cronbach’s α系数均大于0.7,而且总体的Cronbach’s α系数为0.929 (大于0.9),说明研究数据信度达标。且除P5的CITC值为0.314外,其他各个分析项的CITC值均大于0.4,说明研究分析项的直接相关关系良好,同时信度水平达标。数据达到信度要求,可做进一步分析。
Table 5. Reliability test of the formal survey
表5. 正式调查信度检验
因子 |
名称 |
校正项总计相关性(CITC) |
项已删除的α系数 |
Cronbach’s α系数 |
产品包装 |
P1 |
0.645 |
0.763 |
0.812 |
P2 |
0.720 |
0.738 |
P3 |
0.679 |
0.751 |
P4 |
0.671 |
0.753 |
P5 |
0.314 |
0.854 |
产品质量 |
Q1 |
0.526 |
0.825 |
0.831 |
Q2 |
0.641 |
0.795 |
Q3 |
0.651 |
0.792 |
Q4 |
0.699 |
0.778 |
Q5 |
0.637 |
0.796 |
物流服务 |
L1 |
0.524 |
0.784 |
0.796 |
L2 |
0.614 |
0.745 |
L3 |
0.651 |
0.724 |
L4 |
0.652 |
0.722 |
客服服务 |
S1 |
0.586 |
0.764 |
0.800 |
S2 |
0.567 |
0.774 |
S3 |
0.658 |
0.727 |
S4 |
0.651 |
0.730 |
感知价值 |
V1 |
0.653 |
0.822 |
0.847 |
V2 |
0.682 |
0.812 |
V3 |
0.749 |
0.779 |
V4 |
0.674 |
0.811 |
购买意愿 |
PUR1 |
0.626 |
0.666 |
0.759 |
PUR2 |
0.585 |
0.686 |
PUR3 |
0.590 |
0.682 |
总体Cronbach’s α系数 |
0.929 |
3.3.2. 效度检验
效度分析是为了验证量表设计的合理性。内容效度、结构效度、聚合(收敛)效度以及区分效度等多个方面均是效度分析需考虑的内容。量表题目主要来源于国内外学者文献中较为成熟的量表,因此在内容效度上达标。针对结构效度,研究采用探索性因子分析进行结构效度分析,得到KMO值和Bartlett值的计算结果。结果见表6。其中,KMO值为0.927,大于0.8,Bartlett检验的p值为0.000,研究数据具有较高效度。
Table 6. KMO and Bartlett tests of the formal survey
表6. 正式调查的KMO和Bartlett检验
KMO值 |
0.927 |
Bartlett球形度检验 |
近似卡方 |
6216.904 |
df |
300 |
p值 |
0.000 |
3.3.3. 验证性因子分析
为了分析数据的聚合(收敛)效度和区分效度,研究采用了验证性因子分析。因子载荷系数值说明了因子(潜变量)与分析项(显变量/测量项)之间的相关关系情况。如果某项呈现出显著性(p < 0.05),且标准载荷系数值大于0.7,则说明存在着较强的相关关系。如果某项没有呈现出显著性(p > 0.05),或者是标准载荷系数值较低,小于0.4,则说明该项与因子间的关系弱,可考虑移除该项。
针对表7的结果,P5对产品包装进行测量的标准载荷系数值为0.365 < 0.4,说明测量关系较弱。其余分析项均呈现1%水平的显著性(p = 0.000),且标准载荷系数值较高(大于0.4)。所以考虑移除P5后再次进行分析。
Table 7. Factor loading coefficients table (1)
表7. 因子载荷系数表(1)
Factor
(潜变量) |
测量项
(显变量) |
非标准载荷系数(Coef.) |
标准误
(Std. Error) |
z (CR值) |
p |
标准载荷系数
(Std. Estimate) |
SMC |
产品包装 |
P1 |
1.000 |
- |
- |
- |
0.758 |
0.575 |
产品包装 |
P2 |
1.173 |
0.068 |
17.306 |
0.000 |
0.826 |
0.682 |
产品包装 |
P3 |
1.054 |
0.067 |
15.620 |
0.000 |
0.741 |
0.549 |
产品包装 |
P4 |
1.146 |
0.072 |
15.910 |
0.000 |
0.755 |
0.569 |
产品包装 |
P5 |
0.498 |
0.066 |
7.489 |
0.000 |
0.365 |
0.133 |
产品质量 |
Q1 |
1.000 |
- |
- |
- |
0.603 |
0.363 |
产品质量 |
Q2 |
1.427 |
0.118 |
12.102 |
0.000 |
0.708 |
0.501 |
产品质量 |
Q3 |
1.393 |
0.113 |
12.332 |
0.000 |
0.728 |
0.530 |
产品质量 |
Q4 |
1.413 |
0.110 |
12.791 |
0.000 |
0.770 |
0.593 |
产品质量 |
Q5 |
1.367 |
0.111 |
12.306 |
0.000 |
0.726 |
0.527 |
物流服务 |
L1 |
1.000 |
- |
- |
- |
0.615 |
0.378 |
物流服务 |
L2 |
1.498 |
0.120 |
12.513 |
0.000 |
0.720 |
0.518 |
物流服务 |
L3 |
1.329 |
0.106 |
12.577 |
0.000 |
0.725 |
0.526 |
物流服务 |
L4 |
1.466 |
0.113 |
13.021 |
0.000 |
0.763 |
0.582 |
客服服务 |
S1 |
1.000 |
- |
- |
- |
0.651 |
0.424 |
客服服务 |
S2 |
1.300 |
0.103 |
12.566 |
0.000 |
0.682 |
0.464 |
客服服务 |
S3 |
1.319 |
0.097 |
13.604 |
0.000 |
0.754 |
0.569 |
客服服务 |
S4 |
1.406 |
0.103 |
13.607 |
0.000 |
0.754 |
0.569 |
感知价值 |
V1 |
1.000 |
- |
- |
- |
0.716 |
0.512 |
感知价值 |
V2 |
1.411 |
0.088 |
15.961 |
0.000 |
0.781 |
0.610 |
感知价值 |
V3 |
1.308 |
0.078 |
16.851 |
0.000 |
0.828 |
0.686 |
感知价值 |
V4 |
1.179 |
0.078 |
15.191 |
0.000 |
0.742 |
0.550 |
购买意愿 |
PUR1 |
1.000 |
- |
- |
- |
0.703 |
0.494 |
购买意愿 |
PUR2 |
1.483 |
0.107 |
13.842 |
0.000 |
0.786 |
0.617 |
购买意愿 |
PUR3 |
1.292 |
0.103 |
12.528 |
0.000 |
0.677 |
0.458 |
备注:横杠“-”表示该项为参照项。
在移除P5一题后,结果如表8所示。根据结果,整体上各个分析项均在1%的水平上显著(p = 0.000),且标准载荷系数较高,大于0.6。该结果说明因子与分析项之间有良好的对应关系。
Table 8. Factor loading coefficients table (2)
表8. 因子载荷系数表(2)
Factor
(潜变量) |
测量项
(显变量) |
非标准载荷系数(Coef.) |
标准误
(Std. Error) |
z (CR值) |
p |
标准载荷系数
(Std. Estimate) |
SMC |
产品包装 |
P1 |
1.000 |
- |
- |
- |
0.766 |
0.587 |
产品包装 |
P2 |
1.167 |
0.067 |
17.512 |
0.000 |
0.830 |
0.689 |
产品包装 |
P3 |
1.039 |
0.066 |
15.672 |
0.000 |
0.738 |
0.545 |
产品包装 |
P4 |
1.132 |
0.071 |
16.003 |
0.000 |
0.753 |
0.567 |
产品质量 |
Q1 |
1.000 |
- |
- |
- |
0.603 |
0.363 |
产品质量 |
Q2 |
1.426 |
0.118 |
12.098 |
0.000 |
0.708 |
0.501 |
产品质量 |
Q3 |
1.393 |
0.113 |
12.334 |
0.000 |
0.728 |
0.530 |
产品质量 |
Q4 |
1.413 |
0.110 |
12.795 |
0.000 |
0.770 |
0.593 |
产品质量 |
Q5 |
1.367 |
0.111 |
12.307 |
0.000 |
0.726 |
0.526 |
物流服务 |
L1 |
1.000 |
- |
- |
- |
0.615 |
0.378 |
物流服务 |
L2 |
1.497 |
0.120 |
12.508 |
0.000 |
0.720 |
0.518 |
物流服务 |
L3 |
1.329 |
0.106 |
12.574 |
0.000 |
0.725 |
0.526 |
物流服务 |
L4 |
1.466 |
0.113 |
13.016 |
0.000 |
0.763 |
0.582 |
客服服务 |
S1 |
1.000 |
- |
- |
- |
0.651 |
0.424 |
客服服务 |
S2 |
1.300 |
0.103 |
12.572 |
0.000 |
0.682 |
0.465 |
客服服务 |
S3 |
1.318 |
0.097 |
13.609 |
0.000 |
0.754 |
0.569 |
客服服务 |
S4 |
1.405 |
0.103 |
13.612 |
0.000 |
0.754 |
0.569 |
感知价值 |
V1 |
1.000 |
- |
- |
- |
0.716 |
0.513 |
感知价值 |
V2 |
1.411 |
0.088 |
15.962 |
0.000 |
0.781 |
0.610 |
感知价值 |
V3 |
1.308 |
0.078 |
16.859 |
0.000 |
0.828 |
0.686 |
感知价值 |
V4 |
1.179 |
0.078 |
15.188 |
0.000 |
0.741 |
0.550 |
购买意愿 |
PUR1 |
1.000 |
- |
- |
- |
0.702 |
0.493 |
购买意愿 |
PUR2 |
1.484 |
0.107 |
13.836 |
0.000 |
0.786 |
0.617 |
购买意愿 |
PUR3 |
1.293 |
0.103 |
12.524 |
0.000 |
0.677 |
0.458 |
备注:横杠“-”表示该项为参照项。
为查看聚合效度,研究通过验证性因子分析得到了AVE值和CR值。研究涉及6个因子,24个分析项,模型AVE和CR指标结果见表。结果如表9所示,结果显示数据具有良好的聚合(收敛)效度,6个因子的AVE值均大于0.5,而且CR值均大于0.7。
Table 9. Results of AVE and CR
表9. 模型AVE和CR指标结果
Factor |
平均方差萃取AVE值 |
组合信度CR值 |
产品包装 |
0.597 |
0.855 |
产品质量 |
0.503 |
0.834 |
物流服务 |
0.501 |
0.800 |
客服服务 |
0.507 |
0.804 |
感知价值 |
0.589 |
0.851 |
购买意愿 |
0.523 |
0.766 |
表10展示了区分效度分析结果。结果显示,6个因子均具有良好的区分效度,对于产品包装、产品质量、物流服务、客服服务、感知价值、购买意愿,6个因子的AVE平方根值均大于Pearson相关系数绝对值的最大值。
Table 10. Pearson correlation coefficient and AVE square root values
表10. 区分效度Pearson相关系数与AVE平方根值
|
产品包装 |
产品质量 |
物流服务 |
客服服务 |
感知价值 |
购买意愿 |
产品包装 |
0.773 |
|
|
|
|
|
产品质量 |
0.212 |
0.709 |
|
|
|
|
物流服务 |
0.424 |
0.623 |
0.708 |
|
|
|
客服服务 |
0.332 |
0.635 |
0.671 |
0.712 |
|
|
感知价值 |
0.411 |
0.618 |
0.693 |
0.662 |
0.768 |
|
购买意愿 |
0.150 |
0.561 |
0.465 |
0.518 |
0.534 |
0.723 |
备注:斜对角线数字为AVE平方根值。
通过以上检验,正式问卷满足了信度和效度的要求。
3.3.4. 结构方程模型
在结构方程模型中需考虑影响结构关系和测量关系两种关系。不论是影响结构关系还是测量关系,通常使用标准化路径系数值表示关系情况;如果结果呈现出显著性,则说明有显著的影响/测量关系,反之说明项之间没有影响/测量关系。结构方程模型回归关系结果如表11所示。结果包含各变量间的非标准化和标准化路径系数、标准差、z检验值、p值。
考虑影响结构关系,结果如表11所示。产品包装对感知价值的标准化路径系数值为0.097,大于0,并且此路径呈现出5%水平的显著性(z = 2.129, p = 0.033 < 0.05),说明产品包装对感知价值存在显著的正向影响关系,假设H1得到支持。产品质量问题对感知价值的标准化路径系数值为0.212,大于0,并且此路径呈现出1%水平的显著性(z = 2.890, p = 0.004 < 0.01),因而说明产品质量问题对感知价值存在显著的正向影响关系,假设H2得到支持。物流服务对感知价值的标准化路径系数值为0.387,大于0,并且此路径呈现出1%水平的显著性(z = 3.604, p = 0.000 < 0.01),因而说明物流服务对感知价值存在显著的正向影响关系,假设H3得到支持。客服服务对感知价值的标准化路径系数值为0.288,大于0,并且此路径呈现出1%水平的显著性(z = 3.066, p = 0.002 < 0.01),因而说明客服服务对感知价值存在显著的正向影响关系,假设H4得到支持。感知价值对购买意愿的标准化路径系数值为0.702,大于0,并且此路径呈现出1%水平的显著性(z = 10.945, p = 0.000 < 0.01),因而说明感知价值对购买意愿存在显著的正向影响关系,假设H5得到支持。
Table 11. Summary table of structural equation model regression coefficients
表11. 结构方程模型回归系数汇总表格
X |
→ |
Y |
非标准化回归系数 |
SE |
z (CR值) |
p |
标准化回归系数 |
产品包装 |
→ |
感知价值 |
0.069 |
0.032 |
2.129 |
0.033 |
0.097 |
产品质量 |
→ |
感知价值 |
0.238 |
0.082 |
2.890 |
0.004 |
0.212 |
物流服务 |
→ |
感知价值 |
0.440 |
0.122 |
3.604 |
0.000 |
0.387 |
客服服务 |
→ |
感知价值 |
0.302 |
0.098 |
3.066 |
0.002 |
0.288 |
感知价值 |
→ |
购买意愿 |
0.684 |
0.063 |
10.945 |
0.000 |
0.702 |
产品包装 |
→ |
P4 |
1.142 |
0.071 |
15.983 |
0.000 |
0.756 |
产品包装 |
→ |
P3 |
1.040 |
0.067 |
15.535 |
0.000 |
0.735 |
产品包装 |
→ |
P2 |
1.178 |
0.067 |
17.457 |
0.000 |
0.834 |
产品包装 |
→ |
P1 |
1.000 |
- |
- |
- |
0.762 |
产品质量 |
→ |
Q5 |
1.362 |
0.111 |
12.299 |
0.000 |
0.725 |
产品质量 |
→ |
Q4 |
1.418 |
0.110 |
12.847 |
0.000 |
0.775 |
产品质量 |
→ |
Q3 |
1.391 |
0.113 |
12.346 |
0.000 |
0.729 |
产品质量 |
→ |
Q2 |
1.408 |
0.117 |
12.010 |
0.000 |
0.700 |
产品质量 |
→ |
Q1 |
1.000 |
- |
- |
- |
0.604 |
物流服务 |
→ |
L4 |
1.468 |
0.113 |
13.014 |
0.000 |
0.764 |
物流服务 |
→ |
L3 |
1.330 |
0.106 |
12.561 |
0.000 |
0.725 |
物流服务 |
→ |
L2 |
1.497 |
0.120 |
12.491 |
0.000 |
0.719 |
物流服务 |
→ |
L1 |
1.000 |
- |
- |
- |
0.614 |
客服服务 |
→ |
S2 |
1.300 |
0.103 |
12.573 |
0.000 |
0.682 |
客服服务 |
→ |
S1 |
1.000 |
- |
- |
- |
0.652 |
客服服务 |
→ |
S4 |
1.399 |
0.103 |
13.570 |
0.000 |
0.752 |
客服服务 |
→ |
S3 |
1.321 |
0.097 |
13.629 |
0.000 |
0.756 |
感知价值 |
→ |
V4 |
1.184 |
0.079 |
15.053 |
0.000 |
0.738 |
感知价值 |
→ |
V3 |
1.301 |
0.079 |
16.549 |
0.000 |
0.817 |
感知价值 |
→ |
V2 |
1.426 |
0.090 |
15.903 |
0.000 |
0.782 |
感知价值 |
→ |
V1 |
1.000 |
- |
- |
- |
0.710 |
购买意愿 |
→ |
PUR3 |
1.280 |
0.102 |
12.566 |
0.000 |
0.684 |
购买意愿 |
→ |
PUR2 |
1.421 |
0.105 |
13.494 |
0.000 |
0.769 |
购买意愿 |
→ |
PUR1 |
1.000 |
- |
- |
- |
0.718 |
备注:→表示回归影响关系或者测量关系;横杠“-”表示该项为参照项。
考虑测量关系,各个测量项对因子的p值均为0.000,标准化回归系数值介于0.604到0.834之间,说明了分析项能较好地对因子进行解释。
4. 研究结论与启示
4.1. 结论
本研究讨论了消费者在线购买宠物用品的影响因素,主要选择了宠物电商平台作为研究对象,基于现有文献构建了消费者在线购买宠物用品影响因素的研究模型,提出了5个假设。在正式调查中,最终收集到有效问卷475份,并对假设进行实证分析与模型检验,获得了以下结论。
研究结果表明,产品包装对感知价值有显著的正向影响,其标准化回归系数值为0.097。产品质量对感知价值有显著的正向影响,其标准化回归系数值为0.212。物流服务对感知价值有显著的正向影响,其标准化回归系数值为0.387。客服服务对感知价值有显著的正向影响,其标准化回归系数值为0.288。感知价值对购买意愿也有显著的正向影响,其标准化回归系数值为0.702。产品包装、产品质量、物流服务、客服服务4个影响因素对感知价值以及感知价值对购买意愿的影响关系的相关假设均得到支持。
4.2. 管理建议
为了给消费者更好的购物体验,宠物电商平台应更注重提升平台的服务质量。研究结果显示,相比产品(产品包装、产品质量),服务(物流服务、客服服务)对感知价值的标准化回归系数值更大。该结果说明了对于宠物电商平台而言,消费者对平台服务质量的关注度更高。因此宠物电商平台应注重平台服务质量的提高。
在营销策略的选择上,相比于传统的4P营销策略,更应该选择7P服务营销策略。重视对人员、流程、环境等因素的考虑,提高平台的便捷性、客服的专业性以及物流的安全性,在服务质量上全方位提高用户的满意度。
针对物流服务,可以考虑从解决快递配送最后一公里问题、使用环保的快递包装以及选择服务品质更优的第三方合作物流公司等方面进行优化,为消费者提供更有保障的物流服务。
针对客服服务,可以考虑从提高客服人员专业性、邀请专家入驻作为客服专线、制定有关客户满意度相关的KPI等方面来提高平台客服的服务素质。
4.3. 研究不足与展望
本研究为现存文献提供了重要的进展,但也存在一定的局限性,研究仍有进步的空间。首先,在内容上,未来研究可以利用电商平台收集用户的点击流数据,并根据数据对用户的其他购买行为进行进一步的探索。第二,在时间上,未来的研究可以考虑消费者的长期消费,讨论消费者长期复购行为的影响因素。第三,在模型设计上,未来研究可以对模型变量进行深入思考,考虑更加全面的因素,进一步完善本文的研究模型。