1. 引言
随着科技的发展，网络已经成为人们生活中必不可少的部分，它不但改变了人们通信、支付等手段，也改变了人们购物的形式，人们不再需要花费大量的时间和精力去线下实体店铺进行购物，而是仅仅一部手机或电脑便可以轻松实现绝大多数的需求。
根据中国互联网络信息中心2024年8月29日发布的第54次《中国互联网络发展状况统计报告》显示，截至2024年6月，中国网民规模达到10.9667亿人，较2023年12月新增网民742万，互联网普及率为78.0%，相比于2023年提升了0.5个百分比，而从这些年网民规模和互联网普及率的趋势来看，我们不难发现，中国正在朝着全民网民的趋势在发展。而网络的普及导致网络购物快速发展，到2024年6月止，网络购物使用规模为9.05亿，占网民整体的82.3%。
从这些统计数据中，我们不难看出网购已经逐渐成为今后消费者购物的主要方式。网购的市场的潜力仍很大，但是，不可否认的是其竞争也是从所未有的激烈，因此对于商家而言，如何能从众多售卖相同或相似产品的店铺中脱颖而出是必须要去考虑的问题。
本文通过对于相关文献的整理，总结出16个影响消费者的购物意愿的因素，通过探索性因子分析归纳出四个核心因子，来更为综合直接地反应影响消费者购物意愿的影响因素，为电商如何去提升自身的竞争力指明方向，促进更加繁荣的网络购物世界。
2. 文献综述
对于消费者而言，影响其网络购物意愿的因素大致可以分为内在因素和外在因素两个大的方向。
一方面是包括学历、性别等内在因素对于网购意愿的影响。史淑珍研究作为网络购物主力军的大学生在服装购物行为上的影响因素，从分析数据中得知，女大学生在网上购买服装的行为比男大学生更为频繁，所占的比例也更大。而大学生自身的个人因素，如性别、年龄、可支配金额等、营销因素和消费意向有着明显的正相关关系[1]。金加卫等认为个人因素是影响消费者冲动购买的重要因素[2]。芦晓引研究发现消费者自身的消费价值观会对消费决策产生影响[3]。付博群发现个体特征中的性别、有无网购经验、年龄、受教育程度、收入水平等通过了显著性检验[4]。
另一方面指包括商品性价比、物流服务和服务态度、销售量等诸多外在因素对于网络购物的影响。赵丽梅则认为商家在实际网络店铺的经营过程中，应该在这个发展阶段，提高自身的品牌效应，将口碑营销和体验营销相结合并不断提高服务质量和产品的性价比[5]。宗平从网站性能、网店信誉、商品性价比、物流服务以及服务态度五个方面构建模型，发现网店信誉、商品性价比以及服务态度是影响网络消费者的重要因素[6]。戴建华等发现网店信息的不同呈现将带给消费者不同的心理价格和购买意愿[7]。焦媛媛等发现户描述型信息、企业描述型信息、用户推荐型信息和企业推荐型信息对于消费者购买意愿的影响程度依次递减，表明了用户好评率的重要作用[8]。
通过上述国内外关于网购消费者的各个方面的研究现状，我们不难看出在一个消费者进行网上购物的过程之中，他的购物决定将会受到许多因素的干扰。如个人的性格、学历、环境等内在因素以及产品、网络、安全、口碑等外在因素。当然，在研究普遍人群的购物决策行为时，内在的性格，环境、可支配金额等内在因素的影响过于个人化，因此本次研究将目光聚集在多样但却相对普遍的外在影响因素，试图将诸多的因素进行归纳汇总，形成几个核心的因素，方便研究者进行研究和电商进行自身店铺的优化。
3. 研究假设与问卷设计
3.1. 研究假设
3.1.1. 服务水平对消费者网购意愿影响
本项研究中服务水平主要是指是否承包物流费用、服务态度、页面清晰度、信息详细准确度、销售承诺。赵科翔等通过研究发现网店的内容介绍越详细，消费者对商品的消费欲望就越强[9]。易芳等研究发现商家服务会对网络消费有正向的影响[10]。王晓迪等认为“产品包邮”策略可以很好地吸引消费者[11]。沈晶发现一个网店的页面设计是消费者对其的直接视觉感受，在很大程度上决定了消费者是否会继续消费[12]。常耀中认为“7天无理由退货”的销售承诺促进了电子商务的发展[13]。综上，本研究提出假设：
H1：服务水平和消费者网购意愿有正相关关系。
3.1.2. 服务评价对消费者网购意愿影响
本项研究中服务评价主要是指销售量、收藏数、好评度、店铺排序、网店知名度。赵科翔等通过研究发现商品满意度评价即好评率、成交量即销售量对消费者具有正向作用[9]。陈振环研究了收藏数以及店铺搜索排序对于消费者网购满意度的影响[14]。彭俊杰认为品牌知名度会对消费者决策产生一定的影响[15]。综上，本研究提出假设：
H2：服务评价和消费者网购意愿有正相关关系。
3.1.3. 促销力度对消费者网购意愿影响
本项研究中促销力度主要是指价格、折扣力度、图片精美度、广告。赵科翔等通过研究发现价格是影响需求的重要是因素，图片细节也是消费者需要考虑的因素[9]。陈振环研究了折扣系数对于网购的满意度的影响因素[14]。李康认为在电商竞争白热化的新时代，更需要网店广告的推广[16]。综上，本研究提出假设：
H3：促销力度和消费者网购意愿有正相关关系。
3.1.4. 物流支持对消费者网购意愿影响
本项研究中物流支持主要是指物流公司、发货速度。不同的物流公司其实有着不同的包括包装、送货速度等物流服务水平。对于物流公司的选择其实也是消费者对于其物流服务水平的选择，例如顺丰的快速、邮政的安全性等等。于成学等通过研究发现物流水平与消费者满意度有显著的正相关性[17]。同时，赵科翔等通过研究发现提高商品发货速度可以提高消费者偏好[9]。综上，本研究提出假设：
H4：物流支持和消费者网购意愿有正相关关系。
3.2. 问卷设计
3.2.1. 问卷设计思路
本文问卷设计思路主要分为三个阶段进行：首先，对相关文献的学习和整理。在借鉴已有关于网络购物的相关研究成果的基础上，梳理出可能影响消费者网购的相关因素。结合本文的研究目标和研究内容，初步确定问卷初稿中的主要问题及选项。其次，对领域相关专家的咨询。咨询本校内相关研究方向的老师，对调查问卷进行论证、修改和完善，确保题项设计的针对性、调研对象的可接受性以及语言表述的准确性和清晰度。最后，开展问卷预调研。在开展正式研究前，对初始问卷开展小范围的调研测试，检验量表题项的信效度情况，对信效度不佳的题项再次进一步题项设置上的表述优化。
3.2.2. 调查问卷组成
本次问卷共有19题，其中大概可以分为两个部分。其中第一部分如表1所示，主要目的就是进行有效问卷的区分以及个人基本信息的收集。
Table 1. Part I questionnaire
表1. 第一部分问卷
目的 |
问卷问题 |
进行有效问卷的识别 |
您是否有网上购物的经历？ |
来识别填写问卷人的网购频率 |
您进行网上购物的频率为： |
个人基本信息 |
您的性别是： |
您的年龄是： |
您的学历是： |
您平均每月网购支出水平： |
您使用互联网时间是： |
而第二部分则是本次问卷的主要内容，见表2。它是用来衡量网络店铺的各个因素对于消费者的吸引程度，共有16题，分别对应于16个主要影响消费者购物决策的内容。他们的问题选项是从1到5进行打分，分别对应于“很不赞同”、“不赞同”、“中立”、“赞同”、“很赞同”。
Table 2. Part II Questionnaire
表2. 第二部分问卷
变量 |
目的 |
问卷问题 |
店铺自身因素 |
是否承包物流费用 |
网店承保物流费用会促进我的消费行为。 |
服务态度 |
网店在线客服的服务态度越好越会促进我的消费行为。 |
页面的清晰明确程度 |
网店的页面越清晰明确越会促进我的消费行为。 |
商品信息的详细准确度 |
网店商品的信息越详细准确越会促进我的消费行为。 |
销售承诺 |
网店对所售商品的承诺越好越会促进我的消费行为，例如7天包退等售后服务。 |
续表
过往表现因素 |
销售量 |
网店的月销售量越高越会促进我的消费行为。 |
收藏数(粉丝数) |
网店所拥有的收藏数(粉丝数)越多越会促进我的消费行为。 |
好评度 |
网店得到的好评度越高越会促进我的消费行为。 |
店铺排序 |
网店所在的店铺排名越靠前越越会促进我的消费行为。 |
网店知名度 |
网店知名度越高越会促进我的消费行为。 |
产品自身因素 |
价格 |
网店商品的价格越低越会促进我的消费行为。 |
折扣力度 |
网店的折扣力度越大越会促进我的消费行为。 |
图片精美程度 |
网店商品的图片的精美程度会促进我的消费行为。 |
广告 |
网店在搜索页面或主页的宣传广告会促进我的消费行为。 |
外部物流因素 |
物流公司的选择 |
网店所选择的物流公司会影响我的消费行为。 |
发货速度 |
网店的发货速度越快越会促进我的消费行为。 |
4. 实证研究
4.1. 描述性统计分析
本次研究所研究的是消费者网购购物的影响因素，因此其前提就是有一定的网购购物经历，才能够根据自己的亲身经历如实地进行问卷的填写。在问卷通过微信、QQ等发放之后，一共收集了228份问卷，在通过筛选之后，共收集了222个有效问卷。并以此来进行相关的数据分析工作。
其描述性统计分析结果如表3。从表中我们可以看到这16个因素的平均值均大于3.26，即大部分消费者都偏向于赞同的一方，即他们认为，只要一个网上店铺做到商品的信息展现得详细和准确、销售承诺能够做到、好评度高等，则该店铺对于他们消费者而言越有吸引力。
Table 3. Descriptive statistics
表3. 描述性统计
|
个案数 |
最小值 |
最大值 |
平均值 |
标准差 |
方差 |
商品信息的详细准确度 |
222 |
3 |
5 |
4.37 |
0.601 |
0.361 |
销售承诺 |
222 |
2 |
5 |
4.36 |
0.759 |
0.575 |
好评度 |
222 |
3 |
5 |
4.34 |
0.666 |
0.443 |
服务态度 |
222 |
2 |
5 |
4.23 |
0.733 |
0.537 |
是否承包物流费用 |
222 |
2 |
5 |
4.22 |
0.730 |
0.532 |
折扣力度 |
222 |
2 |
5 |
4.10 |
0.795 |
0.633 |
页面的清晰明确程度 |
222 |
2 |
5 |
4.08 |
0.751 |
0.564 |
发货速度 |
222 |
2 |
5 |
4.06 |
0.843 |
0.711 |
网店知名度 |
222 |
1 |
5 |
3.95 |
1.001 |
1.002 |
销售量 |
222 |
2 |
5 |
3.95 |
0.936 |
0.876 |
店铺排序 |
222 |
1 |
5 |
3.77 |
0.958 |
0.917 |
图片精美程度 |
222 |
2 |
5 |
3.77 |
0.826 |
0.682 |
续表
收藏数(粉丝数) |
222 |
1 |
5 |
3.76 |
1.061 |
1.126 |
价格 |
222 |
1 |
5 |
3.45 |
0.930 |
0.864 |
广告 |
222 |
1 |
5 |
3.39 |
0.924 |
0.854 |
物流公司的选择 |
222 |
1 |
5 |
3.26 |
1.048 |
1.099 |
有效个案数(成列) |
222 |
|
|
|
|
|
由表4中，我们可以看到绝大多数消费者的网上购物的频率都在偶尔之上，即大概每月一两次，占98.2%。而选择经常进行网上购物的频率最高，占所有填写人数的39.6%，从这个数据中可以看到，如今网上购物的模式越来越为人所接受，且大部分人进行网上购物的频率都很高，甚至超越了在实体店铺进行购物的频率。
Table 4. Online shopping frequency analysis table
表4. 网购频率分析表
|
频率 |
百分比 |
有效百分比 |
累计百分比 |
有效 |
几乎不 |
4 |
1.8 |
1.8 |
1.8 |
偶尔 |
34 |
15.3 |
15.3 |
17.1 |
一般 |
66 |
29.7 |
29.7 |
46.8 |
经常 |
88 |
39.6 |
39.6 |
86.5 |
很多次 |
30 |
13.5 |
13.5 |
100.0 |
总计 |
222 |
100.0 |
100.0 |
|
同时，通过对222份有效问卷的个人基本信息进行分析后，结果如表5所示。其中女性比例略高于男性比例，这一调查样本与现实中女性比男性有更强的网购意愿相吻合。从年龄结构上，被调查者年龄大多为19~35之间，符合互联网购物中年轻人占比更大的现象。而在学历上，本科生所占比例最大。在平均每月的网购支出上，300~800元所占比例最大。
Table 5. Basic information
表5. 基本信息
题目 |
选项 |
频率 |
比例 |
性别 |
男 |
101 |
45.5% |
女 |
121 |
54.5% |
年龄 |
18岁及以下 |
19 |
8.6% |
19~25岁 |
135 |
60.8% |
26~35岁 |
53 |
23.9% |
35岁以上 |
15 |
6.7% |
学历 |
高中及以下 |
19 |
8.6% |
专科 |
32 |
14.4 |
本科 |
149 |
67.1% |
续表
|
硕士及以上 |
22 |
9.9% |
平均每月网购支出水平 |
300元及以下 |
25 |
11.3% |
301~500元 |
91 |
41.0% |
501~800元 |
88 |
39.6% |
800元及以上 |
18 |
8.1% |
4.2. 探索性因子分析
4.2.1. KMO及Bartlett的检验
KMO统计量是用来探查各个变量之间的偏相关关系，它的范围在0~1之间，其值越大，则越适合进行因子分析。一般来说，当KMO值在0.9~1时，我们认为非常适合进行因子分析；当KMO在0.8~0.9时，认为其很适合；当KMO在0.7~0.8时，认为其适合；当KMO在0.6~0.7时，认为其一般；当0.5~0.6时，我们认为很勉强进行因子分析；而当小于0.5时，说明不适合进行因子分析。而如表6所示，在这个问卷数据中，所有变量的KMO值为0.820，比0.8大，说明此次问卷所得到的数据，其中所包含的多种变量是很适合使用探索性因子分析来研究的。至于Bartlett的检验，一般认为当显著性(Sig)小于0.05时，适合做因子分析，而此次分析结果的显著水平为0.000，小于0.05，说明适合进行因子分析。
Table 6. KMO and Bartlett tests
表6. KMO以及Bartlett的检验
KMO以及Bartlett的检验 |
KMO取样适切性量数 |
0.820 |
Bartlett球形度检验 |
相似卡方 |
1556.441 |
自由度 |
120 |
显著性 |
0.000 |
4.2.2. 确定公共因子个数
本次研究利用SPSS24.0，得出因子贡献率的结果如表7中左侧部分是初始特征值，中间为旋转后的主因子结果，右侧为旋转后的主因子结果，其中前四个因子的特征值大于1，并且前四个因子的累计方差贡献率为63.514%。
Table 7. Total variance explained
表7. 总方差解释
成分 |
初始特征值 |
提取载荷平方和 |
旋转载荷平方和 |
总共 |
方差% |
积累百分比 |
总共 |
方差% |
积累百分比 |
总共 |
方差% |
积累百分比 |
1 |
6.098 |
38.111 |
38.111 |
6.098 |
38.111 |
38.111 |
3.460 |
21.627 |
21.627 |
2 |
1.487 |
9.293 |
47.404 |
1.487 |
9.293 |
47.404 |
3.035 |
18.971 |
40.599 |
3 |
1.310 |
8.185 |
55.589 |
1.310 |
8.185 |
55.589 |
2.107 |
13.171 |
53.770 |
4 |
1.268 |
7.925 |
63.514 |
1.268 |
7.925 |
63.514 |
1.559 |
9.744 |
63.514 |
5 |
0.837 |
5.229 |
68.743 |
|
|
|
|
|
|
续表
6 |
0.778 |
4.862 |
73.605 |
|
|
|
|
|
|
7 |
0.651 |
4.068 |
77.673 |
|
|
|
|
|
|
8 |
0.628 |
3.927 |
81.600 |
|
|
|
|
|
|
9 |
0.531 |
3.316 |
84.916 |
|
|
|
|
|
|
10 |
0.509 |
3.179 |
88.094 |
|
|
|
|
|
|
11 |
0.450 |
2.810 |
90.905 |
|
|
|
|
|
|
12 |
0.445 |
2.778 |
93.683 |
|
|
|
|
|
|
13 |
0.323 |
2.016 |
95.699 |
|
|
|
|
|
|
14 |
0.286 |
1.789 |
97.488 |
|
|
|
|
|
|
15 |
0.247 |
1.545 |
99.033 |
|
|
|
|
|
|
16 |
0.155 |
0.967 |
100.000 |
|
|
|
|
|
|
4.2.3. 公共因子提取
本此研究采用的是主成分分析法，表8显示了该方法所提取的四个因子的载荷量，其中因子载荷量小于0.1的未被显示，而为了让因子更加容易的表现它自身的意思，便应当使用因子旋转。
Table 8. There is no factor square that rotates
表8. 没有进行旋转的因子方阵
|
成分 |
1 |
2 |
3 |
4 |
页面的清晰明确程度 |
0.720 |
0.186 |
−0.158 |
−0.135 |
好评度 |
0.715 |
−0.251 |
−0.219 |
0.211 |
商品信息的详细准确度 |
0.673 |
0.186 |
−0.266 |
−0.093 |
服务态度 |
0.636 |
0.014 |
−0.222 |
−0.275 |
销售量 |
0.625 |
−0.326 |
−0.110 |
0.368 |
网店知名度 |
0.623 |
−0.227 |
0.018 |
0.115 |
销售承诺 |
0.619 |
−0.017 |
−0.406 |
−0.047 |
是否承包物流费用 |
0.583 |
0.126 |
0.058 |
−0.553 |
收藏数(粉丝数) |
0.559 |
−0.307 |
0.073 |
0.345 |
图片精美程度 |
0.498 |
0.448 |
−0.055 |
0.278 |
店铺排序 |
0.482 |
−0.414 |
0.230 |
0.095 |
折扣力度 |
0.394 |
0.691 |
0.121 |
0.000 |
价格 |
0.386 |
0.526 |
0.457 |
0.292 |
物流公司的选择 |
0.214 |
−0.269 |
0.652 |
−0.253 |
广告 |
0.462 |
0.031 |
0.534 |
0.264 |
发货速度 |
0.530 |
−0.171 |
0.246 |
−0.612 |
4.2.4. 因子转轴
本次研究利用的是Kaiser标准化的正交旋转法，本次共进行了12次迭代。通过因子旋转，各个因子有了明确的含义。
Table 9. Component matrix after rotation
表9. 旋转后的成分矩阵
|
成分 |
1 |
2 |
3 |
4 |
是否承包物流费用 |
0.703 |
−0.024 |
0.128 |
0.392 |
服务态度 |
0.683 |
0.233 |
0.049 |
0.077 |
页面的清晰明确程度 |
0.664 |
0.269 |
0.285 |
0.028 |
商品信息的详细准确度 |
0.656 |
0.265 |
0.240 |
−0.088 |
销售承诺 |
0.618 |
0.373 |
0.026 |
−0.173 |
销售量 |
0.198 |
0.774 |
0.065 |
−0.043 |
收藏数(粉丝数) |
0.091 |
0.705 |
0.122 |
0.097 |
好评度 |
0.409 |
0.702 |
0.053 |
−0.059 |
店铺排序 |
0.092 |
0.574 |
−0.013 |
0.358 |
网店知名度 |
0.303 |
0.573 |
0.100 |
0.152 |
价格 |
−0.008 |
0.105 |
0.829 |
0.148 |
折扣力度 |
0.342 |
−0.139 |
0.714 |
−0.029 |
图片精美程度 |
0.286 |
0.219 |
0.596 |
−0.210 |
广告 |
−0.067 |
0.406 |
0.502 |
0.385 |
物流公司的选择 |
−0.049 |
0.123 |
0.047 |
0.766 |
发货速度 |
0.563 |
0.070 |
−0.061 |
0.648 |
从表9中我们可以看到，第一主因子在“是否承包物流费用”、“服务态度”、“页面的清晰明确程度”、“商品信息的详细准确度”、“销售承诺”上具有较高的载荷，分别为0.703、0.683、0.664、0.656、0.618；第二主因子在“销售量”、“收藏数(粉丝数)”、“好评度”、“店铺排序”和“网店知名度”五者上的载荷更高，分别为0.774、0.705、0.702、0.574、0.573；第三主因子在“价格”、“折扣力度”、“图片精美程度”和“广告”上载荷更高，分别为0.829、0.714、0.596、0.502；第四主因子在“物流公司的选择”和“发货速度”这两者上具有更大的载荷，分别为0.766、0.648。
4.2.5. 因子命名
从表9中，我们不难看出，“是否承包物流费用”、“服务态度”、“页面的清晰明确程度”、“商品信息的详细准确度”、“销售承诺”属于因子1。根据这几项因素的具体内容，我将其归纳为“服务水平”。因为物流费用是店铺自身决定是否免除的；而服务态度是属于一个店铺在面对消费者时，所表现出来的一种素质；至于页面的清晰程度和商品信息的详细准确度，是店铺商家在经营自身网络店铺时自身所在网页上展现的；服务承诺，例如：七天包退，三十天包换等，也同样是经营者自身所决定的。因此将其归纳为服务水平，其含义为店铺自身可以决定的外在表现给消费者的影响因素。
而因子2包括“销售量”、“收藏数(粉丝数)”、“好评度”、“店铺排序”和“网店知名度”。将因子2命名为“服务评价”，因为无论时销售量、店铺粉丝数、好评度、店铺排序还是知名度都是一个店铺在不断的经营过程中，通过不断的积累所得到的，他其实是一个相互的过程，当你通过以往的积累获得了更多的销售量、更多粉丝、更高的好评数、更高的知名度时，你将会拥有更大的吸引力，同时促进你销售量等的提高。
因子3包括“价格”、“折扣力度”、“图片精美程度”和“广告”。根据内容将其命名为“促销力度”。因为这四个因素都是直接与店铺所销售的产品或服务息息相关的也是消费者最关注的东西。
因子4包括“物流公司的选择”和“发货速度”两个因素，根据具体内容将其命名为“物流支持”。
4.2.6. 因子得分
表10为各个因子的得分系数矩阵，可以利用该系数计算每个消费者这四个因子各个的得分是多少，便于接下来的操作。
Table 10. Component score coefficient matrix
表10. 成分得分系数矩阵
|
成分 |
1 |
2 |
3 |
4 |
网店知名度 |
0.005 |
0.199 |
−0.027 |
0.037 |
服务态度 |
0.266 |
−0.034 |
−0.082 |
−0.008 |
销售承诺 |
0.224 |
0.069 |
−0.092 |
−0.184 |
好评度 |
0.048 |
0.260 |
−0.074 |
−0.121 |
销售量 |
−0.069 |
0.336 |
−0.044 |
−0.103 |
收藏数(粉丝数) |
−0.122 |
0.310 |
0.007 |
0.001 |
图片精美程度 |
0.023 |
0.022 |
0.300 |
−0.187 |
页面的清晰明确程度 |
0.220 |
−0.026 |
0.058 |
−0.047 |
商品信息的详细准确度 |
0.230 |
−0.014 |
0.035 |
−0.124 |
价格 |
−0.146 |
−0.019 |
0.478 |
0.076 |
折扣力度 |
0.095 |
−0.186 |
0.385 |
−0.042 |
广告 |
−0.205 |
0.145 |
0.268 |
0.222 |
是否承包物流费用 |
0.298 |
−0.195 |
−0.026 |
0.222 |
发货速度 |
0.223 |
−0.127 |
−0.130 |
0.399 |
物流公司的选择 |
−0.100 |
0.006 |
0.010 |
0.510 |
店铺排序 |
−0.092 |
0.234 |
−0.069 |
0.191 |
4.3. 信度和效度分析
4.3.1. 信度分析
信度是指为问卷所得结果的一致性、稳定性和可靠性，指采用相同的技巧对同样一个目标反复测试时，所得到的结论一样的程度。我们通常采用的是Cronbach所创立的Alpha系数来判断，如表11所示，其Alpha系数均大于0.7，有较高的信度。
Table 11. Reliability analysis
表11. 信度分析
因子 |
Cronbach’s Alpha系数 |
服务水平 |
0.835 |
0.878 |
服务评价 |
0.793 |
促销力度 |
0.709 |
物流支持 |
0.701 |
4.3.2. 效度分析
效度是指所测量的结果反映想要的考察内容的程度，一般用KMO的检验来测量，结果如表12所示，其总的KMO值大于0.8，说明问卷结构比较合理。
Table 12. Validity analysis
表12. 效度分析
因子 |
KMO |
服务水平 |
0.832 |
0.820 |
服务评价 |
0.785 |
促销力度 |
0.707 |
物流支持 |
0.500 |
4.4. 相关性分析
在通过探索性因子分析之后，我们将所得到的4个核心因子，当作变量记录在数据中。为了分析所得出的这四个因子对于中介变量店铺吸引力的相关性如何，对它们进行相关性分析，结果为表13。
Table 13. Correlation analysis
表13. 相关性分析
相关性 |
|
服务水平 |
服务评价 |
促销力度 |
物流支持 |
网购意愿 |
服务水平 |
皮尔逊相关性 |
1 |
0.000 |
0.000 |
0.000 |
0.577** |
显著性(双尾) |
|
1.000 |
1.000 |
1.000 |
0.000 |
个案数 |
222 |
222 |
222 |
222 |
222 |
服务评价 |
皮尔逊相关性 |
0.000 |
1 |
0.000 |
0.000 |
0.614** |
显著性(双尾) |
1.000 |
|
1.000 |
1.000 |
0.000 |
个案数 |
222 |
222 |
222 |
222 |
222 |
促销力度 |
皮尔逊相关性 |
0.000 |
0.000 |
1 |
0.000 |
0.410** |
显著性(双尾) |
1.000 |
1.000 |
|
1.000 |
0.000 |
个案数 |
222 |
222 |
222 |
222 |
222 |
物流支持 |
皮尔逊相关性 |
0.000 |
0.000 |
0.000 |
1 |
0.306** |
显著性(双尾) |
1.000 |
1.000 |
1.000 |
|
0.000 |
续表
|
个案数 |
222 |
222 |
222 |
222 |
222 |
网购意愿 |
皮尔逊相关性 |
0.577** |
0.614** |
0.410** |
0.306** |
1 |
显著性(双尾) |
0.000 |
0.000 |
0.000 |
0.000 |
|
个案数 |
222 |
222 |
222 |
222 |
222 |
注：**表示在0.01级别(双尾)，相关性显著。
如表13所示，服务水平、服务评价、促销力度、物流支持分别与网购意愿做相关分析时，皮尔逊系数结果的右上角有*号，则表明这四个核心因子都分别与网购意愿有关系，且相关性显著。
在确定了相关性之后，我们要通过分析其系数的大小来判断关系的紧密程度，一般来说，学者们一般认为，其系数越大，变量间的关系越密切。而数的正负表明了两者间是正相关抑或是负相关，显然，四个核心因素都与网购意愿呈现正相关性。
同时，当系数大于0.5时，被认为两者高度相关，当在0.3~0.5之间时，被认为相关性一般，当0.1~0.3之间时，几乎没有相关性。上表中，服务水平与网购意愿的Pearson相关性系数为0.577，关系非常紧密；服务评价与网购意愿的Pearson相关性系数为0.614，关系非常紧密；促销力度与网购意愿的Pearson相关性系数为0.410，关系较为紧密；物流支持与网购意愿的Pearson相关性系数为0.306，两者关系一般。
而在上述数据分析过程中，四个核心因子对网购意愿的显著性sig均小于0.05，满足显著条件，假设成立。
5. 研究结论与建议
5.1. 研究结论
在“服务水平”这一因子包含的变量中，所占的重要性依次为“是否承包物流费用”大于“服务态度”大于“页面的清晰明确程度”大于“商品信息的详细准确度”大于“销售承诺”。但是从其载荷量上来看，这五个变量的载荷量都相差不大，分别为0.703、0.683、0.664、0.656、0.618，它们对于因子“服务水平”的影响效果差别不大。且通过相关性分析中，我们可以得到，服务水平和店铺网购意愿两者间具有强烈的正相关关系。
在“服务评价”这一因子包含的变量中，所占的重要性依次为“销售量”大于“收藏数(粉丝数)”大于“好评度”大于“店铺排序”大于“网店知名度”。从这五个因素的载荷量上来看，其分别为0.774、0.705、0.702、0.574、0.573，前三者的影响程度明显大于后两者。且通过相关性分析中，我们可以得到，服务评价和店铺网购意愿两者间具有强烈的正相关关系。
在“促销力度”这一因子包含的变量中，所占的重要性依次为“价格”大于“折扣力度”大于“图片精美程度”大于“广告”。这四个因素的载荷量分别为0.829、0.714、0.596、0.502，价格的影响程度明显超过其他三者许多，其次是折扣力度，后两者的影响程度较低。且通过相关性分析中我们可以得到，促销力度和店铺网购意愿两者间的正相关性一般。
在“物流支持”这一因子包含的变量中，所占的重要性依次为“物流公司的选择”大于“发货速度”。其载荷量分别为0.766、0.648，物流公司的选择的影响程度更大。且通过相关性分析中我们可以得到，物流支持和店铺网购意愿两者间的相关性不是很显著，但也有一定的正相关关系。
5.2. 建议
一个商家在经营一个网上店铺的过程中，不可能面面俱到地将该店铺所有的方面都做到最好，因为一个商家他本身的资源、时间、精力等是有效的，他所追求的是用自己有效的资源获得最好的效果。而从本次研究中我们可以看到一个消费者最为关注的包括商店页面上商品信息的准确、店铺的好评等，而比较忽视物流公司的选择等因素。与店铺吸引力息息相关的是服务水平和服务评价两者，它们对于消费者的购物决策的影响相比于其他两者要更为巨大。因此商家可以将更多的资源用在这两者上，而可以相对于忽视促销力度和物流支持，以此获得更大的投入产出比，获得更好的发展。
当然，相对忽视促销力度和物流支持，并不意味着放弃或者说完全不投入，它们与店铺吸引力也有着一定的正向联系，也会在一定程度上增加一个店铺的吸引力，只是相对而言比不上服务水平和服务评价。