1. 引言
当前,新能源汽车行业正面临诸多挑战,包括产品性能提升、区域发展不均以及补贴政策逐步减少等问题,市场的进一步扩展仍需经历一个复杂且长期的过程[1]。在这一困难阶段,新能源汽车在使用过程中引发的各种争议容易引发负面舆论,进而削弱消费者的购买意愿,影响其购车热情。尤其是在互联网环境下,负面信息通过网络媒体迅速传播,其影响范围更广、程度更深[1]。因此,研究新能源汽车的网络负面评价显得尤为重要。近年来,学术界对负面评价与消费者购买意愿的关系展开了广泛探讨,如张洁梅借助心理学实验[2],探究网络负面评论对消费者购买意愿的影响机制;Ismagilova等通过综合以往研究[3],分析网络评论数量、可信度等对消费者购买意愿影响效应的大小;熊勇清和舒楠茜也通过负面评价的数量与质量,探究网络负面评价对消费者购买意愿的影响[1]。但是现阶段学者对负面评价的研究多通过其数量与强度,来衡量其对消费者购买意愿的影响效应,却忽视了不同类型负面评价对评论阅读消费者的影响。
Verhagen等学者依据评论的情感色彩及其核心论点的说服力强弱,将评价分为理性的信息导向型和感性的情绪导向型[4]。消费者在网络对新能源汽车撰写负面评价时,如果在其中表达出较为明显且强烈的负面情绪,如愤怒、恐惧等,都会通过网络平台将这种负面情绪“传染”给阅读评论的人,且情绪化的消费者还有可能会夸大自身的消极体验,最终降低或打消阅读评论者对新能源汽车的购买欲望。那么,网络上关于新能源汽车负面评价的情绪性信息是如何影响消费者购买意愿的?他们还受到了哪些更深层次的因素影响?若要促进消费者对新能源汽车的购买欲望,各相关汽车企业应该为消费者解决哪些障碍因素?解决上述问题,可以从消费者的角度为我国新能源汽车产业的发展提供助力。
因此,本研究基于创新抵抗理论(IRT),通过实验与实证研究,深入剖析不同类型网络负面评价对消费者新能源汽车购买意愿的影响机制,从消费者感知障碍角度,系统地了解消费者对新能源汽车这一新产品的购买障碍,为新能源汽车企业提供营销与发展建议,为我国新能源汽车市场的发展提供理论支持。
2. 理论基础与研究假设
2.1. 理论基础
Ram和Sheth认为如果使用一种新的创新会改变消费者的生活方式和地位,就可能会导致消费者的抵制行为[5]。而创新抵抗理论(IRT理论)则是从创新和用户特征的角度解释用户对创新抵制的理论,该理论构建起了用户抵制的理论框架,侧重于通过障碍(如使用、风险、价值、传统和形象障碍)来解释消费者对任何产品的反应,为学者提供了解释创新抵制的理论基础。大部分学者将创新抵抗理论分为功能性和心理性感知障碍两大类,其中功能性感知障碍包括感知使用、价值和风险障碍,而心理性感知障碍则包括感知形象和传统障碍[6],前者源于消费者对采用创新带来的变化的感知,而后者则源于消费者在采用创新时对其先前信念体系的感知矛盾,这两类障碍都会阻碍消费者进行创新。
学术界针对创新抵抗理论开展的一系列消费者行为研究大致包括两个方面。首先,一方面是验证该理论在解释消费者意愿与行为方面的有效性。Kaur等证明了在移动支付环境中,消费者自身的感知障碍会影响用户抵制和采用的意向[7]。Sadiq等使用创新阻力理论研究消费者对购买环保化妆品的抵抗原因[8],而Chen等也基于创新抵制理论来验证移动购票应用使用的先决条件,最终发现,消费者自身的感知障碍都会负向影响用户使用移动应用的意愿[9]。而另一方面则是在创新抵抗理论模型的基础上寻求新的解释变量与模型架构,即构建新的拓展模型,以丰富该理论。Talwar等使用扩展IRT模型研究消费者对在线旅行社的感知障碍以及其对最终购买意愿的影响效果,最后发现福利障碍是消费者购买意愿的主要抑制因素[10]。而Chaouali和Souiden在IRT模型的基础上进行了拓展,研究老年人群对移动银行的抵制,在发现所有障碍都显著影响老年人群对移动支付服务的抵制行为外,还发现消费者的感知心理障碍会正向影响其感知功能障碍。具体到消费领域中,消费者在面对一个全新的产品或品牌时,出于对其的不熟悉,很容易会产生功能或心理上的障碍,从而不太愿意进行尝试或购买,这也是消费领域下,逃避创新常见的表现形式。
2.2. 研究假设
2.2.1. 网络负面评价与购买意愿的关系
负面评价反映了消费者对产品或服务的不满,并通过分享这些不愉快的体验来提醒他人避免类似情况,而与正面评价相比,消费者在做出购买决策时往往更倾向于参考负面口碑[3]。同时,得益于移动互联网的快速发展与普及,网络评价更加丰富,搜索也更加便捷,消费者的选择决策越来越依赖于网络评价,这也进一步扩大了负面评价的影响力和破坏力。
Kohout等发现负面评论比正面评论更为吸引读者的注意,而网络负面评价可以分为理性的信息导向型与感性的情绪导向型,信息型这类网络负面评价往往基于事实和逻辑,罗列产品的不足与缺点,而情绪型评价的消费者则主要受情绪驱动,在评价中表达自己的不满或愤怒,更容易起到感染读者的效果[11]。消费者评论中的情绪不止会感染读者,还会影响读者的行为,Herrando等探讨了不同组合在线消费者评论的情感倾向对读者情绪和顾客体验的影响,并通过消费者神经科学实验,证实阅读在线评论会将其中的情绪传递给读者,并影响他们的行为反应[12]。不同类型的网络负面评价对消费者的影响存在差异性,而新能源汽车正面临着产品性能升级、区域发展不平衡、补贴政策退坡等多重挑战,其消费使用中的种种争议极易形成负面评价,消费者在使用失败的情况,其负面情绪也很容易在网络评价中外露,因此,本研究提出假设:
H1:不同类型的网络负面评价对消费者购买意愿的影响存在显著差异,相比于信息型网络负面评价,情绪型网络负面评价对购买意愿的消极影响更强。
2.2.2. 网络负面评价与消费者感知功能性障碍的关系
在消费领域视角下,个体一旦有了不满意的购物经历,就会产生气愤、怨恨、后悔等情绪,从而向其他人述说或在社交媒体上给该品牌、产品写负面评价,来宣泄心中的不满情绪,从而劝退很多潜在的消费者。这种“劝退”效果,主要是因为网络负面评价中的情绪感染了读者,让这些读者对该产品也抱有消极的情绪,降低了他们对该产品的信任度,并提高了他们对该产品的各种感知障碍。熊勇清与舒楠茜运用实验方法,探讨了在线负面评论对新能源汽车消费者购买决策的效应,研究表明,这些负面评论增强了潜在买家对产品风险的认知,进而抑制了其购买意向[1]。相较于正面评价,消费者更加依赖负面评价进行购买决策[13],且在充斥着各式信息的网络环境中,情绪性或情感性信息也更容易引起读者的注意力[11],而对于充斥着消极情绪的负面评价,这种负面影响效果更甚,也更容易感染阅读评论的消费者,让其对新能源汽车也持有担忧的负面情绪,从而感知到更多购买该产品的风险,并最终放弃对其的购买。因此,本研究提出以下假设:
H2:网络负面评价对消费者功能性感知障碍存在显著的正向影响,且相比于信息型,消费者对情绪型网络负面评价感知到的功能性障碍更高。
H2a:网络负面评价对消费者感知使用障碍存在显著的正向影响,且相比于信息型,消费者对情绪型网络负面评价感知到的使用障碍更高。
H2b:网络负面评价对消费者感知价值障碍存在显著的正向影响,且相比于信息型,消费者对情绪型网络负面评价感知到的价值障碍更高。
H2c:网络负面评价对消费者感知风险障碍存在显著的正向影响,且相比于信息型,消费者对情绪型网络负面评价感知到的风险障碍更高。
2.2.3. 消费者功能性感知障碍与购买意愿的关系
在采纳新产品前,消费者无法完全识别采纳该产品的所有优势,当消费者认为适应新创新可能改变其现状时,感知使用障碍便会出现[5]。消费者在面对具有创新特质的产品时,很容易感知到使用障碍,An等整合了多个理论,研究韩国消费者对新产品购买态度与意愿的影响因素,并发现感知使用障碍对韩国消费者的购买态度和意愿有显著的负面影响。而在环保产品领域,学者们也发现感知使用障碍对消费者购买意愿的负面影响也依旧存在[14]。Sadiq等在印度进行了实证调查,使用创新阻力理论研究印度消费者对购买环保化妆品的抵抗原因,并发现感知使用障碍对环保化妆品的购买意愿与行为有显著负面影响[8]。Xue等则基于创新抵制理论,在中国的大背景下研究消费者对电车的感知购买障碍与意愿,也发现了感知使用障碍会对电动车购买意愿产生负面的影响[15]。消费者面对这种具有创新属性的产品时,会担心该产品难以使用与充分利用其功能,这种不确定性会增加感知风险,降低购买信心,进而削弱购买意愿。
感知价值障碍是消费者对创新性产品在价格方面相对于其替代品的性能与付出价值的感知,也被称为新产品相对于其替代品的感知价值[6]。先前的研究表明,感知价值障碍是阻止消费者采用新产品或进行创新的最强阻碍因素之一,Chen等基于创新抵制理论,研究影响移动购票应用普及的因素,最终发现消费者的感知价值障碍对其使用移动购票应用的意愿产生了负面影响[9],Talwar等也使用扩展IRT模型,发现对在线旅行社而言,感知价值障碍是消费者购买意愿的主要抑制因素。而在环保产品领域,感知价值障碍对消费者的购买也存在抑制作用[10]。Kushwah等发现,感知价值障碍是阻止消费者进行有机食品选择行为的最强阻碍因素,会影响消费者对有机食品的购买[6]。Sadiq等在研究消费者对购买环保化妆品的抵抗因素时,也发现感知价值障碍对购买环保化妆品的意愿有显著负面影响[8]。感知价值障碍与新产品在性能和价格方面相较于替代品的优势密切相关,因此。当产品在这两个方面有一处表现不佳时,消费者就很容易认为该产品性价比不高,这种低性价比的感知会直接削弱购买欲望,促使消费者寻找更物有所值的替代品。
在采纳新产品前,消费者可能会担心该产品的质量、性能等无法满足自身的预期,这种担忧会增强消费者对新产品的风险感知,故感知风险障碍被定义为消费者对创新产品相对于替代品所感知到的潜在风险[16],由于不确定性导致的风险,消费者更倾向于推迟采纳创新产品。为了证实感知风险障碍对消费者购买的消极作用,Kim和Park基于用户抵制角度研究了用户对物联网服务的使用意愿,发现感知风险障碍加强了消费者对物联网服务的抵制[17]。Khalil等也考察了不同功能性对消费者抵制无人机食品配送服务的影响,结果也证实了消费者的感知风险障碍与其对无人机送餐服务的抵制行为显著相关[18]。而在环保产品领域,消费者面对环保产品这一“新”产品,也会产生风险感知障碍,并最终可能会阻碍消费者对环保产品的购买意愿。Xue等基于创新抵制理论,研究中国消费者对电车的购买意愿,发现感知风险障碍会显著负面影响消费者的购买意愿[15]。因为风险障碍会影响个体对新事物的接受与采用,面对新事物,个体对其的特质并不十分了解,便十分容易产生不信任的感觉,并避免体验该新事物。综上,本研究提出假设如下:
H3:消费者功能性感知障碍会负向影响新能源汽车的购买意愿。
H3a:消费者感知使用障碍会负向影响新能源汽车的购买意愿。
H3b:消费者感知价值障碍会负向影响新能源汽车的购买意愿。
H3c:消费者感知风险障碍会负向影响新能源汽车的购买意愿。
本研究的概念模型如图1:
Figure 1. Conceptual model
图1. 概念模型
3. 实验设计与结果分析
3.1. 实验一
3.1.1. 实验目的与实验流程
实验一的主要目的是检验网络负面评价的类型对新能源汽车购买意愿的影响作用是否有差异,即检验假设H1。实验采取单因素组间设计(网络负面评价:情绪导向型vs.信息导向型),通过问卷星平台发放,并将实验对象随机分到两个实验组中,每个实验70人,共招募140人。
(1) 实验材料:网络负面评价设计。本研究设计了情绪导向和信息导向两组不同类型的负面评价,两组评价保持字数上的一致性,情绪组侧重情绪、情感与体验感受,信息组则侧重产品的客观数据,并在每种评价下方设计相同的评论区,评论区负面评价八条,正面评价两条,均选用正式研究前爬虫到的实际网络评价,两组的负面评论数量与支持数量相同,测试不同类型负面评价对个体负面评价强度的感知以及其购买意愿的影响。
为确保研究中各类网络负面评价内容的有效性,本研究在正式实验前招募了测试者进行阅读评估。结果表明,被试者能够有效区分不同类型的网络负面评价,说明实验内容设计基本合理,可以继续进行实验。
(2) 实验流程。首先,设定一个购车场景:“假设您因出行需求,正计划购买一辆汽车。在做出购买决定前,您打算在社交媒体平台(如微博、抖音、小红书等)上查阅相关评价,且您的预算充足”。接着,将参与者随机分配两组实验情境中,让他们阅读相应的材料,情绪组看到的材料为“新买了一个H牌的新能源汽车,简要分享供大家购买参考:车的续航真是大问题!电只能用60%到80%,电量一看就紧张,不敢出远门,出门就担心、里程焦虑!加速减速太剧烈,完全没有平稳感,开久容易晕车,驾驶体验糟透了!而且一直在出新款,买了没多久就出新款,一年能亏十万,完全不保值,车一到手就贬值,太坑了!还有!今年的保险费是疯了嘛~去年车险3745,今年6600,技术又不成熟,出了问题维修麻烦!真的后悔买这个车!开着这车总是提心吊胆,怕随时自燃或爆炸,不知道能不能跑掉,还不知道保险公司会不会赔,没有安全感,真是后悔买了这个车!”,信息组看到的材料为“新买了一个H牌的新能源汽车,简要分享供大家购买参考:450 KM续航大打折扣,90%剩余里程330 KM,开空调只能到280 KM,而且相当于只能用60%到80%的电,加速特性也与传统燃油车不同,起步、加速、减速都特别快,我的平衡系统接受不了这样的刺激,而且新能源车市场保有量相对于传统燃油车仍然比较低,技术更新的太快,旧款车在技术和性能上很快落后新款车,并且液态锂电池普遍都存在电化学缺陷,对温度、挤压、碰撞都非常敏感,车辆碰撞中碰撞挤压、刺破变形都很容易发生爆燃,保险公司也不会做慈善,自燃和爆炸留给人逃生的时间很短,还很难找保险公司赔付。”并在阅读完实验材料后,完成网络评价类型量表[3]与购买意愿量表,最后请被试填写个人基本信息。
(3) 信效度检验与描述性统计。实验共发放140份问卷,收回113份(N1 = 57, N2 = 56)。在信效度检验方面:网络负面评价量表(α = 0.896),购买意愿量表(α = 0.710)均有较好的信度。且量表的KMO值均在0.7以上,具有较好的效度。在人口统计特征方面:性别比例较为均衡,整体学历水平较高,受访者以青、中年人为主,家庭月收入水平也较为均衡。
(4) 共同方法偏差。首先,本研究首先建立了验证性因子分析模型M1,随后在此基础上引入方法因子,构建模型M2,对比这两个模型的关键拟合指标后得:ΔRMSEA = 0.035、ΔCFI = 0.008、ΔTLI = 0.023、ΔILI = 0.013、ΔNFI = 0.032、ΔRFI = 0.021,由于其各项拟合指数的变化都小于0.05,表明在加入共同方法因子后,模型的改进不明显,因此没有严重的共同方法偏差。
3.1.2. 实验结果与小结
(1) 操纵检验。将情绪导向网络负面评价组标记为1,信息导向网络负面评价组标记为2。结果显示,情绪导向组被试在操纵检验题项上的得分(M = 5.37, SD = 1.144)显著高于信息导向组(M = 2.55, SD = 1.043),t (113) = 13.662,p < 0.001。
(2) 主效应检验。以购买意愿为因变量进行单因素方差分析,结果如表1所示:情绪导向组的购买
Table 1. Tests of main effects
表1. 主效应检验
变量 |
分组 |
个案数 |
平均值 |
标准差 |
T |
Sig. (双尾) |
购买意愿 |
情绪型 |
57 |
1.961 |
0.380 |
−7.114 |
0.000 |
信息型 |
56 |
2.576 |
0.529 |
意愿显著低于信息导向组(M (情绪组) = 1.961,SD = 0.38;M (信息组) = 2.576,SD = 0.529),t (138) = −7.114,p < 0.001),这表明消费者在阅读了不同负面评价信息后,两组消费者的购买意愿存在显著差异,假设H1得到支持。
(3) 实验一结果讨论。新能源汽车不同类型的网络负面评价会影响消费者购买意愿,感性的情绪型负面评价的内容以个人体验与情绪宣泄为主,侧重情绪与情感的表达,而理性的信息型负面评价则以产品属性特征为主。具体来说,信息类型的新能源汽车侧重于产品的基本属性,消费者难以第一时间将属性转化为自身的体验,而当网络上的负面评价为情绪型时,消费者更容易收到情绪的感染,更容易将该负面评价代入自身的体验,从而更容易感知到新能源汽车的缺点,这种感知进一步增加了消费者对购买结果的不确定性和风险感,而出于规避风险的心理,消费者便会更倾向于放弃购买。
3.2. 实验二
3.2.1. 实验目的及主要过程
实验二的目的是在实验一的基础上,再次检验网络负面评价类型对新能源汽车购买意愿的影响差异,并验证感知使用、价值与风险障碍在两者其中的中介作用,即检验假设H2与H3。实验采取单因素组间设计(网络负面评价:情绪导向型vs.信息导向型),通过问卷星平台发放,并将实验对象随机分到两个实验组中,每个实验90人,共招募180人。
(1) 实验材料与实验流程:实验二的网络负面评价材料与实验一相同。实验二的流程在实验一的基础上,增加了功能性感知障碍(感知使用、价值与风险障碍)的量表[8] [19]。
(2) 信效度检验与描述性统计。实验共发放180份问卷,收回162份(N1 = 80, N2 = 82)。在量表信效度检验方面:网络负面评价量表(α = 0.9)、感知使用、价值与风险障碍量表(α = 0.894、0.889、0.945)、购买意愿量表(α = 0.857)均有较好的信度。且量表的KMO值均在0.7以上,具有较好的效度。在人口统计特征方面:性别比例较为均衡,整体学历水平较高,受访者以青、中年人为主,家庭月收入水平也较为均衡。
(3) 共同方法偏差。首先,本研究首先建立了验证性因子分析模型M1,随后在此基础上引入方法因子,构建模型M2,对比这两个模型的关键拟合指标后得:ΔRMSEA = 0.013、ΔCFI = ΔTLI = 0.019、ΔILI = 0.02、ΔNFI = 0.025、ΔRFI = 0.018,由于其各项拟合指数的变化都小于0.03,表明在加入共同方法因子后,模型的改进不明显,因此没有严重的共同方法偏差。
3.2.2. 实验结果与小结
(1) 操纵检验。将情绪导向网络负面评价组编码为1,信息导向网络负面评价组编码为2。结果显示,情绪导向组被试者在操纵检验题项上的得分(M = 4.99, SD = 1.053)显著高于信息导向组(M = 2.76, SD = 1.003),t (162) = 13.778,p < 0.001。
(2) 主效应检验。以购买意愿为因变量进行单因素方差分析,结果见表2:情绪导向组的购买意愿显著低于信息导向组(M (情绪组) = 2.08,SD = 0.558;M (信息组) = 2.84,SD = 0.75),t (162) = −7.294,p < 0.001),这表明消费者在阅读了不同负面评价信息后,两组消费者的购买意愿存在显著差异,假设H1再次得到支持。
Table 2. Tests of main effects
表2. 主效应检验
变量 |
分组 |
个案数 |
平均值 |
标准差 |
T |
Sig. (双尾) |
购买意愿 |
情绪型 |
83 |
2.08 |
0.558 |
−7.294 |
0.000 |
信息型 |
79 |
2.84 |
0.750 |
(3) 假设检验。各假设结果如表3,网络负面评价对感知使用障碍(β = 0.686, p < 0.001)、感知价值障碍(β = 0.694, p < 0.001)与感知风险障碍(β = 0.665, p < 0.001)的正向影响通过了显著性检验。同时,感知使用障碍(β = −0.320, p < 0.001)、感知价值障碍(β = −0.182, p < 0.05)与感知风险障碍(β = −0.458, p < 0.001)对消费者购买意愿的负向影响通过了显著性检验,因此,假设H2与H3初步得到检验,即假设H2、H3初步成立。
Table 3. Analysis of path coefficients for the theoretical model
表3. 理论模型路径系数分析
假设路径 |
Estimate |
S.E |
C.R |
检验结果 |
H2a:网络负面评价→感知使用障碍 |
0.686 |
0.101 |
8.002*** |
成立 |
H2b:网络负面评价→感知价格障碍 |
0.694 |
0.100 |
7.389*** |
成立 |
H2c:网络负面评价→感知风险障碍 |
0.665 |
0.102 |
7.489*** |
成立 |
H3a:感知使用障碍→购买意愿 |
−0.320 |
0.051 |
−3.326*** |
成立 |
H3b:感知价值障碍→购买意愿 |
−0.182 |
0.038 |
−2.781** |
成立 |
H3c:感知风险障碍→购买意愿 |
−0.458 |
0.050 |
−4.780*** |
成立 |
注:***代表p < 0.001,**代表p < 0.05。
(4) 功能性感知障碍的中介效应检验。为检验网络负面评价类型对消费者功能性感知障碍的影响是否存在差异,本研究采用独立样本T检验。在感知使用障碍上,M (情绪型) = 5.42 > M (信息型) = 4.23,SD (情绪组) = 0.967 < SD (信息型) = 1.550,t (162) = 5.848,p < 0.01,在感知价值障碍上,M (情绪型) = 4.26 > M (信息型) = 3.01,SD (情绪组) = 1.410 > SD (信息型) = 1.181,t (162) = 6.121,p < 0.01,而在感知风险障碍上,M (情绪型) = 5.68 > M (信息型) = 4.34,SD (情绪组) = 0.851 < SD (信息型) = 1.559,t (162) = 6.758,p < 0.01,这表明消费者在阅读了不同负面评价信息后,两组消费者对新能源汽车感知到的障碍存在显著差异,整体情绪组的消费者感知到的障碍水平较高于信息组,因此,H2a、H2b和H2c得到部分验证,即假设H2部分成立。
为进一步检验功能性感知障碍的中介效应,本文采用Bootstrap中介效应检验方法,由表4与表5可知,模型1调整后的R2明显小于模型3、模型6和模型7,说明模型在加入中介变量后拟合度较好,较为可靠,可以进一步进行分析实验。
Table 4. Regression analysis of perceived usage barriers
表4. 感知使用障碍的回归分析
模型因变量指标 |
模型1 |
模型2 |
模型3 |
PI |
UB |
PI |
β |
t |
β |
t |
β |
t |
NR |
−0.576 |
−8.910*** |
0.562 |
8.583*** |
−0.278 |
−4.207*** |
UB |
|
|
|
|
−0.530 |
−8.019*** |
R2 |
0.332 |
0.315 |
0.524 |
调整后的R2 |
0.327 |
0.311 |
0.518 |
F |
79.389*** |
73.675*** |
87.552*** |
注:***代表p < 0.001,NR代表网络负面评价,UB代表感知使用障碍,PI代表购买意愿。
由表4与表5可知,模型1中网络负面评价对购买意愿存在显著的影响关系(β = −0.576, p < 0.001),说明主效应成立。模型2结果表明网络负面评价显著正向影响消费者的感知使用障碍(β = 0.562, p < 0.001),同时模型3在模型1的基础上加入感知使用障碍后,网络负面评价与感知使用障碍均显著负向影响购买意愿(β (网络负面评价) = −0.278,β (感知使用障碍) = −0.53,p < 0.001);模型4结果表明网络负面评价显著正向影响消费者的感知价值障碍(β = 0.596, p < 0.001),同时模型6在模型1的基础上加入感知价值障碍后,网络负面评价与感知价值障碍均显著负向影响购买意愿(β (网络负面评价) = −0.324,β (感知价值障碍) = −0.423,p < 0.001);模型5结果表明网络负面评价显著正向影响消费者的感知风险障碍(β = 0.61, p < 0.001),同时模型7在模型1的基础上加入感知风险障碍后,网络负面评价与感知风险障碍均显著负向影响购买意愿(β (网络负面评价) = −0.224,β (感知风险障碍) = −0.578,p < 0.001)。
本研究进一步使用SPSS25.0的Process插件对功能性感知障碍的中介效应进行检验。其中,将自变量情绪型网络负面评价与信息型网络负面评价分别编码为1和2,选取功能性感知障碍(感知使用、价值与风险障碍)为中介变量(M),购买意愿为因变量。结果如表6所示,结果显示,感知使用、价值与风险障碍间接效应的置信区间分别为[−0.238, −0.109]、[−0.191, −0.095]和[−0.254, −0.143],都不包含0,间接效应系数均显著。且感知使用障碍直接效应的置信区间为[−0.23, 0.083],感知价值障碍直接效应的置信区间为[−0.263, −0.1],感知风险障碍直接效应的置信区间为[−0.201, −0.05],直接效应系数也都显著,这说明
Table 5. Regression analysis of perceived value barriers and perceived risk barriers
表5. 感知价值障碍与感知风险障碍的回归分析
模型因变量指标 |
模型4 |
模型5 |
模型6 |
模型7 |
VB |
RB |
PI |
PI |
β |
t |
β |
t |
β |
t |
β |
t |
NR |
0.596 |
9.380*** |
0.610 |
9.732*** |
−0.324 |
−4.412*** |
−0.224 |
−3.299*** |
VB |
|
|
|
|
−0.423 |
−5.761*** |
|
|
RB |
|
|
|
|
|
|
−0.578 |
−8.525*** |
R2 |
0.355 |
0.372 |
0.447 |
0.541 |
调整后的R2 |
0.351 |
0.368 |
0.440 |
0.536 |
F |
87.986*** |
94.707*** |
64.277*** |
93.815*** |
注:***代表p < 0.001,NR代表网络负面评价,VB代表感知价值障碍,RB代表感知风险障碍,PI代表购买意愿。
Table 6. Test of the mediating effect of functional perceived barriers
表6. 功能性感知障碍的中介效应检验
变量名称 |
效应关系 |
效应值 |
BootSE |
BootLLCI |
BootULCI |
|
总效应 |
−0.323 |
0.036 |
−0.395 |
−0.252 |
使用障碍 |
直接效应 |
−0.156 |
0.037 |
−0.230 |
−0.083 |
间接效应 |
−0.167 |
0.033 |
−0.238 |
−0.109 |
价值障碍 |
直接效应 |
−0.182 |
0.041 |
−0.263 |
−0.100 |
间接效应 |
−0.141 |
0.025 |
−0.191 |
−0.095 |
风险障碍 |
直接效应 |
−0.126 |
0.038 |
−0.201 |
−0.050 |
间接效应 |
−0.198 |
0.029 |
−0.254 |
−0.143 |
功能性感知障碍在网络负面评价与购买意愿中起到部分中介作用,上述稳健性检验结果再次验证研究结果可靠,因此,假设H2与H3成立。
(5) 实验二结果讨论。实验二再次验证不同类型的网络负面评价会影响消费者对新能源汽车的购买意愿,且相较于信息型网络负面评价,阅读了情绪型网络负面评价的消费者购买意愿会更低。而实验二则在实验一的基础上,验证了消费者阅读了不同类型的网络负面评价后,是通过感知到不同的功能性障碍来影响其购买意愿的。情绪型负面评价的内容以个人体验、情绪宣泄为主,侧重情绪与情感的表达,而信息型负面评价则以产品属性特征为主。信息型网络负面评价使得消费者难以第一时间将属性转化为自身的体验,即对功能性障碍感知的并不具体与强烈,而当网络上的负面评价为情绪型时,消费者更容易受到情绪的感染并代入自身的体验,从而更容易感知到新能源汽车的缺点,感知到的其功能性障碍水平也便更高了,最终使得消费者降低或放弃了对其的购买意愿。
4. 结语
本研究基于网络负面评价相关文献的回顾分析,探究了不同类型网络负面评价影响消费者感知障碍与购买意愿的作用路径,通过两组实验分别深入研究并比较了消费者对信息导向型网络负面评价与情绪导向型网络评价的功能性感知障碍以及购买意愿的差异,得到结论与启示如下:
4.1. 研究结论
首先,本研究证实了在不同类型网络负面评价刺激下,消费者购买意愿存在显著差异。本研究通过呈现不同的网络负面评价内容刺激消费者,发现情绪导向型网络负面评价比信息导向型评价更容易降低消费者的购买意愿。相比以产品属性、功能、特征等信息为主的网络负面评价,情绪导向型网络负面评价以消费者的使用体验为基础,并且带有强烈的情感导向,消费者更容易受到情绪的感染,更容易将该负面评价代入自身的体验,从而更容易感知到新能源汽车的缺点,故消费者对购买、体验结果存在更大的不确定性,出于趋利避害的心理,便很可能打消对新能源汽车的购买意愿。
其次,消费者功能性感知障碍在网络负面评价类型与购买意愿之间发挥中介作用。网络上的负面评价信息可以加强消费者对产品质量、性能等方面的了解,而在此过程中,消费者对产品会产生各种感知上的障碍,进而对其购买意愿产生消极负向的影响。而经过实验研究发现,相比信息导向型的网络负面评价,情绪导向型的评价更能唤起消费者对新能源汽车的感知障碍,情绪导向型网络负面评价以消费者的使用体验为基础,并且带有强烈的情感导向,更容易感染消费者,并使其感知到更高水平的新能源汽车功能性上的障碍,进而对其购买意愿产生差异化影响,降低消费者对新能源汽车的购买意愿。
4.2. 营销启示
首先,可以加强舆情监测,及时识别各类负面评价,并积极化解消费者的负面情绪。一方面,新能源汽车企业可以通过建立完善的舆情监测体系,重点关注社交媒体、论坛等平台上的网络负面评价,及时识别潜在的危机,做出回应并表达对消费者感受的理解和重视,并积极沟通解决问题,避免负面评价在网络上呈辐射状扩散。企业还需要注意不同类型网络负面评价的消极影响强度,因此在面对情绪导向型的评价时,企业应迅速做出回应,了解消费者的真实诉求,真诚表达歉意,化解消费者的负面情绪,而针对不实的信息和误解,也要及时提供证据并澄清,避免谣言影响品牌与企业形象。另一方面,构建网络评价分享的激励体系亦可行,可以借助线上线下联动的活动,激励消费者积极传播正面评价。针对各异的消费群体及其购物习性,实施差异化的正面评价分享激励措施,鼓励消费者依据自身真实体验,贡献出高质量、真实的购买评价和使用心得,这些评价和心得将成为其他消费者在购买决策时的重要参考,有效减少其购买过程中的不确定性。通过一系列正面引导措施,共同营造一个健康、积极的舆论环境。
其次,要关注消费者对新能源汽车的感知障碍,提升产品和服务质量。一方面,新能源汽车企业可以加强产品研发,解决消费者痛点,并针对消费者反映的各项问题,如续航里程短、充电不便等问题,加大研发投入并提升产品性能。也可以与充电桩运营商合作,扩大充电网络覆盖范围,为消费者提供便捷高效的充电服务,缓解消费者的里程焦虑。另一方面,新能源汽车企业可以加强对消费者的教育,消除信息不对称,通过官方网站、微信公众号、短视频平台等渠道,打造多元化的科普平台,以图文、视频、直播等形式向消费者普及新能源汽车的相关知识,并搭建用户社区平台,为消费者们提供交流互动的空间,帮助消费者解答疑问,增强消费者信任感。
4.3. 研究贡献与展望
从理论意义来说,本研究丰富了不同类型的网络负面评价对消费者购买意愿的研究。此前关于网络负面评价对消费者购买意愿的研究,多通过负面评价的数量与质量来衡量其对消费者的影响,却忽略了进行负面评价个体自身的负面情绪。情绪具有“传染”的特性,且该特性在互联网环境中也仍然存在,但是对情绪导向型负面评价的研究却十分鲜少。故本文将不同类型网络负面评价(情绪导向与信息导向型)作为自变量,探讨其对消费者新能源汽车购买意愿的影响机制,这为网络负面评价的研究开辟了新的视角,也为未来相关研究提供了理论基础。从实际意愿来说,信息技术的迅猛发展和社交媒体的普及,消费者可以轻松获取大量关于产品或服务的评价和反馈,其中负面评价依托于网络媒体常常呈现出裂变式传播,其造成的消极影响更大、更广。因此,探讨不同类型网络负面评价对购买意愿的负面作用,能够促使企业进行结构性调整与产业升级,从而激励消费者选择新能源汽车,推动经济的可持续发展。
本研究的局限及需要进一步深化研究的问题是从感知使用、价值与风险障碍三条路径,研究消费者功能性感知障碍(感知使用、价值与风险障碍)在网络负面评价与消费者购买意愿之间的中介作用。其次,研究样本主要为线上群体,同质性较高,可能影响结论的普适性,未来研究可采用多渠道抽样策略以提升样本代表性。此外,本研究仅聚焦于功能性感知障碍这一中介机制,未能考察消费者个体特征(如产品知识、风险偏好)可能存在的调节作用。未来研究可引入消费者个体特征作为调节变量,将有助于更深入、全面地揭示网络负面评价的影响边界与作用机理。未来研究可以从消费者的心理性感知障碍角度,探讨其在网络负面评价与购买意愿之间是否也同样存在中介作用,丰富消费者感知障碍的相关研究。
基金项目
国家社会科学基金重点项目(22AGL028)资助。