1. 引言
新品类推广与冷链技术发展打破农产品产地限制，为安徽“隐藏特产”奠定基础。饮食选择受地域文化、个人偏好影响，部分特产适配海外市场，如霍邱鹅肝本土认知度低、以出口为主。本文所指“隐藏特产”，是具备地域专属属性、承载独特文化内涵、品质差异化显著，但市场认知度低、未广泛畅销，依赖特定渠道接触消费者的安徽本地特色产品[1]-[3]。
生活水平提高使消费者更关注产品质量、健康与环保属性，社会文化变化与技术进步丰富消费选择。国内市场需求升级，消费者追求绿色、“新特奇”产品，安徽“隐藏特产”极具特色，市场潜力巨大[4] [5]。
本研究填补农业特产稳定发展研究空白，丰富市场营销、产业经济学与创新理论[6]，助力地方特产推广、经济增收与文化传承[7] [8]，培养专业人才，兼具理论与现实意义[9]。
2. 理论分析和研究假设
2.1. 理论分析
2.1.1. 地方特产之“特”：锚定产品核心竞争力
地理标志作为知识产权保护的重要形式，不仅是地方特产“特”性的法定背书，更直接关联产品的市场竞争力与价格水平，其核心价值在于通过地域专属标识强化消费者认知[10]。而区域品牌与文化资源的深度融合，能显著提升产品感知价值与消费者行为忠诚，这为隐藏特产的差异化发展提供了关键思路[11]。
2.1.2. 消费者行为转型理论：明确消费需求导向
随着消费需求向绿色化、个性化、品质化转型[12]，家庭成员结构、职业、收入水平等人口统计学特征，以及求异心理、文化认同等心理因素，均对特色农产品购买决策产生显著影响[13]。
2.1.3. 营销差异化：搭建市场突围路径
在农产品市场同质化加剧的背景下，差异化营销是打破竞争壁垒的关键。通过资源整合、跨界合作实现优势互补，针对细分市场提供精准服务，能有效提升消费者满意度与转换成本[14]。
2.2. 研究假设
结合安徽隐藏特产的市场特征与消费者行为逻辑，基于理论分析框架，本文聚焦产品核心属性、消费者个体特征、市场推广支撑三大维度，提出以下研究假设，旨在明确各关键因素对购买意愿的影响路径与效应强度：
H1：产品特质对消费者购买意愿有显著正向影响。安徽隐藏特产的地域专属属性、独特文化内涵与品质差异化特征，作为其核心竞争力的集中体现，能满足消费者对“新特奇”产品的需求与文化认同诉求，进而提升购买意愿。
H2：人口统计变量对购买意愿有正向影响，且绿色认知、文化认同发挥中介作用。年龄、职业、收入水平、所在城市等人口统计特征会直接影响消费者的需求偏好与购买能力。同时，消费者的绿色健康认知程度与对安徽地域文化的认同度，会进一步调节人口统计变量与购买意愿之间的关联强度。
H3：营销策略、渠道拓展、物流配送对购买意愿有显著正向影响，且营销策略的影响效应最为突出。在市场认知度低的现状下，创新营销策略能有效打破信息壁垒，拓宽渠道可提升产品触达率，高效物流配送能优化消费体验，三者共同推动购买意愿提升，其中营销策略是激发消费需求的核心驱动力。
3. 研究方法
3.1. 抽样法
采用多阶段分层抽样法，按安徽16地级市分层，再按城市规模抽取社区、高校、企事业单位为抽样单元，涵盖10个城市常住居民，含学生、企事业单位员工等群体。筛选标准为年满18周岁、近1年有特产购买经历、了解至少1种安徽特产、自愿参与且信息完整。调研发放600份问卷，回收有效557份，有效回收率92.8%。
3.2. 变量测量
结合研究假设与理论基础，梳理外在因素、刺激因素、反应变量等核心研究变量，采用Likert 5级量表作为测量工具，通过“完全不同意–不太同意–一般–比较同意–完全同意”的等级评分，实现对变量的量化统计。
3.3. 信效度检验
信度检验显示Cronbach’s α系数为0.929，标准化Cronbach’s α系数为0.924，量表信度较好；效度检验中，KMO值为0.813，Bartlett球形度检验近似卡方值为419.242，P = 0.000***，量表有效性高，满足研究要求。
4. 数据分析与结果
4.1. 描述性分析
样本中20~30岁人群占比45.06%，学生群体占比46.86%，月收入2000元以下与2001~4000元群体合计占比65.53%。经信效度检验，问卷数据可靠有效，可用于后续分析。
分层：随机抽取社区、高校、企事业单位为抽样单元。抽样方法：多阶段分层抽样法，按安徽16地级市分层，再按城市规模。样本来源：涵盖10个城市常住居民，含学生、企事业单位员工等群体。筛选标准：① 年满18周岁；② 近1年有特产购买经历；③ 了解至少1种安徽特产；④ 自愿参与且信息完整。抽样实施：发放600份问卷，回收有效557份，有效回收率92.8%。
4.2. 基本分析
4.2.1. 关于样本基本信息统计情况见表1
年龄：在本次调查中，20岁~30岁的人群最多，达到45.06%的比例，而占比最小的是51岁以上的人群，仅占4.13%。值得注意的是20岁到30岁这个群体，他们接受新事物的能力更强，追求潮流时尚，关注网络趋势，更容易接受新事物，并对购物消费保持热情。
职业：本次样本的职业分布主要涵盖社会群体和在校学生等群体，其中，学生占比为46.86%，企事业单位员工为25.85%，个体户和自由工作者占比为16.52%。
Table 1. Statistics on basic information
表1. 关于基本信息的统计
变量名 |
样本量 |
最大值 |
最小值 |
平均值 |
标准差 |
中位数 |
方差 |
峰度 |
偏度 |
变异系数(CV) |
性别 |
557 |
2 |
1 |
1.78 |
0.416 |
2 |
0.173 |
−0.119 |
−1.373 |
0.234 |
年龄 |
557 |
5 |
1 |
1.9 |
0.916 |
2 |
0.838 |
3.262 |
1.652 |
0.482 |
职业 |
557 |
5 |
1 |
1.26 |
0.824 |
1 |
0.679 |
12.558 |
3.569 |
0.654 |
所在城市 |
557 |
10 |
1 |
5.36 |
4.284 |
3 |
18.354 |
−1.961 |
0.077 |
0.799 |
月收入水平 |
557 |
5 |
1 |
1.47 |
0.948 |
1 |
0.898 |
4.192 |
2.195 |
0.645 |
月收入水平：见图1，其中2001~4000元占比最大，为33.21%，其次为2000元以下，占比32.32%。
Figure 1. Distribution map of monthly income level
图1. 月收入水平分布图
4.2.2. 信度和效度分析
见表2，利用SPSSPro对11个量表题进行信度检验，信度检验结果显示，克隆巴赫系数Alpha为0.929 > 0.7，说明问卷量表信度较好。
问卷量表的效度检验结果中，巴特利特球检验的显著性水平为0，结果小于0.05。近似卡方值为419.242，KMO值等于0.813，结果大于0.7。从这一点可以看出，调查问卷的有效性很高。
Table 2. Summary of formal questionnaire reliability test
表2. 正式问卷信度检验汇总
Cronbach’s α系数 |
标准化Cronbach’s α系数 |
项数 |
样本数 |
0.929 |
0.924 |
11 |
557 |
KMO检验和Bartlett的检验 |
KMO值 |
0.813 |
Bartlett球形度检验 |
近似卡方 |
419.242 |
df |
6 |
P |
0.000*** |
注：***、**、*分别代表1%、5%、10%的显著性水平。
4.3. 方差分析
对o于以下的方差分析结果，sig值超过0.05代表没有变化，而sig值低于0.05则意味着存在变化。sig值越接近0，变化就越明显。
4.3.1. 年龄与消费者行为影响因素的方差分析
检验不同年龄群体在产品特质、营销策略、售后服务、渠道拓展、物流配送5个核心变量上的感知差异，判断年龄是否为影响消费行为的显著分组变量，为后续精准定位目标年龄客群、制定差异化推广策略提供依据。
Table 3. Analysis of variance of influencing factors between age and consumer behavior
表3. 年龄与消费者行为影响因素的方差分析
分析项 |
分组变量 |
样本量 |
中位数 |
标准差 |
统计量 |
P |
Cohen’s f值 |
产品特质 |
20岁以下 |
251 |
2 |
0.81 |
25.512 |
0.000*** |
0.023 |
20~30岁 |
101 |
2 |
0.86 |
31~40岁 |
58 |
1 |
0.682 |
41~50岁 |
23 |
2 |
0.878 |
51岁以上 |
124 |
1 |
0.82 |
总计 |
557 |
2 |
0.825 |
营销策略 |
20岁以下 |
251 |
2 |
1.284 |
18.907 |
0.001*** |
0.019 |
20~30岁 |
101 |
2 |
1.291 |
31~40岁 |
58 |
2.5 |
1.286 |
41~50岁 |
23 |
2 |
1.27 |
51岁以上 |
124 |
4 |
1.193 |
总计 |
557 |
2 |
1.282 |
售后服务 |
20岁以下 |
251 |
2 |
0.826 |
10.258 |
0.036** |
0.013 |
20~30岁 |
101 |
2 |
0.873 |
31~40岁 |
58 |
2 |
0.859 |
41~50岁 |
23 |
2 |
0.902 |
51岁以上 |
124 |
1 |
0.69 |
总计 |
557 |
2 |
0.818 |
渠道拓展 |
20岁以下 |
251 |
2 |
0.967 |
23.731 |
0.000*** |
0.026 |
20~30岁 |
101 |
2 |
1.026 |
31~40岁 |
58 |
1 |
0.883 |
41~50岁 |
23 |
3 |
1.112 |
51岁以上 |
124 |
1 |
0.897 |
总计 |
557 |
2 |
0.979 |
物流配送 |
20岁以下 |
251 |
2 |
0.977 |
5.956 |
0.202 |
0.009 |
20~30岁 |
101 |
2 |
0.993 |
31~40岁 |
58 |
1 |
1.021 |
41~50岁 |
23 |
2 |
0.928 |
51岁以上 |
124 |
1 |
1.004 |
总计 |
557 |
2 |
0.99 |
注：***、**、*分别代表1%、5%、10%的显著性水平。
见表3，不同年龄层次在产品特质、营销策略、售后服务和渠道拓展上存在显著差异(sig < 0.05)，物流配送无显著差异，不同年龄段群体对产品特质的感知存在具体差异。
4.3.2. 职业与消费者行为影响因素的方差分析
Table 4. Analysis of variance of influencing factors between occupation and consumer behavior
表4. 职业与消费者行为影响因素的方差分析
分析项 |
分组变量 |
样本量 |
中位数 |
标准差 |
统计量 |
P |
Cohen’s f值 |
产品特质 |
A. 学生 |
261 |
2 |
0.767 |
14.787 |
0.005*** |
0.013 |
B. 企事业单位员工 |
144 |
1 |
0.906 |
E. 其他 |
23 |
2 |
0.869 |
D. 退休、无业或待业人员 |
37 |
2 |
0.672 |
C. 个体户或自由工作者 |
92 |
1 |
0.882 |
总计 |
557 |
2 |
0.825 |
营销策略 |
A. 学生 |
261 |
2 |
1.323 |
11.274 |
0.024** |
0.013 |
B. 企事业单位员工 |
144 |
2 |
1.261 |
E. 其他 |
23 |
2 |
1.377 |
D. 退休、无业或待业人员 |
37 |
2 |
1.191 |
C. 个体户或自由工作者 |
92 |
4 |
1.158 |
总计 |
557 |
2 |
1.282 |
售后服务 |
A. 学生 |
261 |
2 |
0.808 |
7.177 |
0.127 |
0.008 |
B. 企事业单位员工 |
144 |
2 |
0.826 |
E. 其他 |
23 |
2 |
0.834 |
|
|
|
D. 退休、无业或待业人员 |
37 |
2 |
0.618 |
C. 个体户或自由工作者 |
92 |
1 |
0.897 |
总计 |
557 |
2 |
0.818 |
渠道拓展 |
A. 学生 |
261 |
2 |
0.972 |
2.806 |
0.591 |
0.01 |
B. 企事业单位员工 |
144 |
1.5 |
0.974 |
E. 其他 |
23 |
2 |
1.058 |
D. 退休、无业或待业人员 |
37 |
2 |
0.983 |
C. 个体户或自由工作者 |
92 |
1 |
0.99 |
总计 |
557 |
2 |
0.979 |
物流配送 |
A. 学生 |
261 |
2 |
0.957 |
6.757 |
0.149 |
0.018 |
B. 企事业单位员工 |
144 |
1 |
1.072 |
E. 其他 |
23 |
3 |
0.935 |
D. 退休、无业或待业人员 |
37 |
2 |
0.918 |
C. 个体户或自由工作者 |
92 |
1 |
0.982 |
总计 |
557 |
2 |
0.99 |
注：***、**、*分别代表1%、5%、10%的显著性水平。
见表4，不同职业在产品特质、营销策略上存在显著差异(sig < 0.05)，学生更关注产品新颖性，企事业单位员工更看重品牌化营销。
4.3.3. 居住城市与消费者行为影响因素的方差分析
Table 5. Analysis of variance of influencing factors between residential city and consumer behavior
表5. 居住城市与消费者行为影响因素的方差分析
变量名 |
变量值 |
样本量 |
平均值 |
标准差 |
方差检验 |
Welch’s方差检验 |
产品特质 |
A. 合肥市 |
134 |
1.746 |
0.763 |
F = 2.114 P = 0.027** |
F = 2.167 P = 0.031** |
J. 其他 |
128 |
1.656 |
0.778 |
B. 芜湖市 |
74 |
1.959 |
0.928 |
H. 安庆市 |
20 |
2 |
0.725 |
E. 马鞍山 |
42 |
1.881 |
0.916 |
C. 蚌埠市 |
51 |
1.569 |
0.728 |
G. 铜陵市 |
23 |
1.696 |
1.063 |
D. 淮南市 |
52 |
1.442 |
0.698 |
F. 淮北市 |
25 |
1.76 |
1.012 |
I. 黄山市 |
8 |
1.75 |
0.707 |
总计 |
557 |
1.727 |
0.825 |
|
|
营销策略 |
A. 合肥市 |
134 |
2.403 |
1.239 |
F = 2.101 P = 0.028** |
F = 2.051 P = 0.042** |
J. 其他 |
128 |
2.508 |
1.397 |
B. 芜湖市 |
74 |
2.527 |
1.161 |
H. 安庆市 |
20 |
2.35 |
1.137 |
E. 马鞍山 |
42 |
2.857 |
1.16 |
C. 蚌埠市 |
51 |
2.843 |
1.286 |
G. 铜陵市 |
23 |
2.957 |
1.261 |
D. 淮南市 |
52 |
3 |
1.188 |
F. 淮北市 |
25 |
3.04 |
1.428 |
I. 黄山市 |
8 |
3 |
1.414 |
总计 |
557 |
2.632 |
1.282 |
|
|
售后服务 |
A. 合肥市 |
134 |
1.687 |
0.709 |
F = 1.085 P = 0.372 |
F = 0.877 P = 0.549 |
J. 其他 |
128 |
1.703 |
0.668 |
B. 芜湖市 |
74 |
1.905 |
0.83 |
H. 安庆市 |
20 |
1.8 |
0.696 |
E. 马鞍山 |
42 |
1.81 |
0.994 |
C. 蚌埠市 |
51 |
1.627 |
0.799 |
G. 铜陵市 |
23 |
1.913 |
1.164 |
D. 淮南市 |
52 |
1.596 |
0.913 |
F. 淮北市 |
25 |
1.92 |
1.187 |
I. 黄山市 |
8 |
1.5 |
0.756 |
总计 |
557 |
1.736 |
0.818 |
|
|
渠道拓展 |
A. 合肥市 |
134 |
1.896 |
0.92 |
F = 2.005 P = 0.037** |
F = 1.884 P = 0.063* |
J. 其他 |
128 |
1.805 |
0.914 |
B. 芜湖市 |
74 |
2.176 |
0.998 |
H. 安庆市 |
20 |
1.9 |
0.912 |
E. 马鞍山 |
42 |
2.167 |
1.08 |
C. 蚌埠市 |
51 |
1.627 |
0.824 |
G. 铜陵市 |
23 |
2.174 |
1.154 |
D. 淮南市 |
52 |
1.846 |
1.092 |
F. 淮北市 |
25 |
1.88 |
1.054 |
I. 黄山市 |
8 |
2.375 |
1.188 |
总计 |
557 |
1.921 |
0.979 |
|
|
物流配送 |
A. 合肥市 |
134 |
2.015 |
1.011 |
F = 0.806 P = 0.611 |
F = 0.776 P = 0.638 |
J. 其他 |
128 |
1.938 |
0.911 |
B. 芜湖市 |
74 |
2 |
0.993 |
H. 安庆市 |
20 |
1.8 |
0.951 |
|
|
E. 马鞍山 |
42 |
1.738 |
0.989 |
C. 蚌埠市 |
51 |
1.843 |
0.903 |
G. 铜陵市 |
23 |
2.217 |
0.998 |
D. 淮南市 |
52 |
2.077 |
1.064 |
F. 淮北市 |
25 |
1.88 |
1.301 |
I. 黄山市 |
8 |
1.625 |
0.916 |
总计 |
557 |
1.953 |
0.99 |
注：***、**、*分别代表1%、5%、10%的显著性水平。
见表5，不同城市在产品特质、营销策略存在显著差异(sig < 0.05)，城市规模越大，消费者对特产认知程度越高。
4.3.4. 家庭月收入与消费者行为影响因素的方差分析
Table 6. Analysis of variance of influencing factors between family monthly income and consumer behavior
表6. 家庭月收入与消费者行为影响因素的方差分析
分析项 |
分组变量 |
样本量 |
中位数 |
标准差 |
统计量 |
P |
Cohen’s f值 |
产品特质 |
A. 2000元以下 |
180 |
2 |
0.829 |
10.595 |
0.032** |
0.012 |
B. 2001~4000元 |
185 |
2 |
0.708 |
C. 4001~6000元 |
124 |
1 |
0.906 |
D. 6001~8000元 |
41 |
2 |
0.895 |
E. 8000元以上 |
27 |
2 |
0.974 |
总计 |
557 |
2 |
0.825 |
营销策略 |
A. 2000元以下 |
180 |
2 |
1.282 |
30.418 |
0.000*** |
0.018 |
B. 2001~4000元 |
185 |
2 |
1.203 |
C. 4001~6000元 |
124 |
4 |
1.247 |
D. 6001~8000元 |
41 |
2 |
1.235 |
E. 8000元以上 |
27 |
2 |
1.474 |
总计 |
557 |
2 |
1.282 |
售后服务 |
A. 2000元以下 |
180 |
2 |
0.828 |
12.641 |
0.013** |
0.013 |
B. 2001~4000元 |
185 |
2 |
0.774 |
C. 4001~6000元 |
124 |
1 |
0.812 |
D. 6001~8000元 |
41 |
2 |
0.834 |
E. 8000元以上 |
27 |
2 |
0.949 |
总计 |
557 |
2 |
0.818 |
渠道拓展 |
A. 2000元以下 |
180 |
2 |
0.916 |
17.407 |
0.002*** |
0.019 |
B. 2001~4000元 |
185 |
2 |
1.01 |
C. 4001~6000元 |
124 |
1 |
0.879 |
D. 6001~8000元 |
41 |
2 |
1.084 |
E. 8000元以上 |
27 |
2 |
1.174 |
总计 |
557 |
2 |
0.979 |
物流配送 |
A. 2000元以下 |
180 |
2 |
0.956 |
14.473 |
0.006*** |
0.019 |
B. 2001~4000元 |
185 |
1 |
1.004 |
C. 4001~6000元 |
124 |
1 |
0.989 |
D. 6001~8000元 |
41 |
3 |
0.943 |
E. 8000元以上 |
27 |
2 |
1.039 |
总计 |
557 |
2 |
0.99 |
注：***、**、*分别代表1%、5%、10%的显著性水平。
见表6，不同收入群体在产品特质、营销策略、售后服务、物流配送上存在显著差异(Sig < 0.05)，高收入群体购买金额更高。
4.4. 相关分析
性别、年龄、职业、所在城市、家庭月收入等外在因素均与购买金额成正比；产品特质、营销策略、售后服务、物流配送、渠道拓展等刺激因素与购买金额呈正相关。
将性别、年龄、职业、所在城市和家庭月收入与反应(或产出)因素进行相关分析，相关性分析结果显示，均与购买金额成正比关系。
Table 7. Correlation analysis results between external factors and purchase amount
表7. 外在因素与购买金额的相关性分析结果
|
性别 |
年龄 |
职业 |
所在城市 |
月收入水平 |
购买金额 |
性别 |
1 (0.000***) |
−0.046 (0.652) |
−0.11 (0.278) |
0.017 (0.864) |
0.094 (0.354) |
0.088 (0.002**) |
年龄 |
−0.046 (0.652) |
1 (0.000***) |
0.646 (0.000***) |
0.223 (0.026**) |
0.536 (0.000***) |
−0.14 (0.003) |
职业 |
−0.11 (0.278) |
0.646 (0.000***) |
1 (0.000***) |
0.15 (0.137) |
0.502 (0.000***) |
−0.167 (0.097*) |
所在
城市 |
0.017 (0.864) |
0.223 (0.026**) |
0.15 (0.137) |
1 (0.000***) |
0.086 (0.397) |
−0.281 (0.005***) |
月收入水平 |
0.094 (0.354) |
0.536 (0.000***) |
0.502 (0.000***) |
0.086 (0.397) |
1 (0.000***) |
−0.029 (0.085**) |
购买
金额 |
0.088 (0.382) |
−0.14 (0.163) |
−0.167 (0.097*) |
−0.281 (0.005***) |
−0.029 (0.777) |
1(0.000***) |
注：***、**、*分别代表1%、5%、10%的显著性水平。
表7的分析结果显示，均与购买金额成正比关系。
Table 8. Correlation analysis results between stimulus factors and purchase amount
表8. 刺激因素与购买金额的相关性分析结果
|
产品特质 |
营销策略 |
售后服务 |
物流配送 |
渠道拓展 |
购买金额 |
产品特质 |
1 (0.000***) |
0.028 (0.786) |
0.546 (0.000***) |
0.28 (0.005***) |
0.249 (0.012**) |
0.046 (0.02**) |
营销策略 |
0.028 (0.786) |
1 (0.000***) |
−0.091 (0.367) |
−0.13 (0.196) |
−0.069 (0.494) |
0.039 (0.001*) |
售后服务 |
0.546 (0.000***) |
−0.091 (0.367) |
1 (0.000***) |
0.38 (0.000***) |
0.425 (0.000***) |
−0.1 (0.001) |
物流配送 |
0.28 (0.005***) |
−0.13 (0.196) |
0.38 (0.000***) |
1 (0.000***) |
0.52 (0.000***) |
0.117 (0.01) |
渠道拓展 |
0.249 (0.012**) |
−0.069 (0.494) |
0.425 (0.000***) |
0.52 (0.000***) |
1 (0.000***) |
0.104 (0.03) |
表8的相关性分析结果显示，以上刺激因素呈现正相关关系。
4.5. 回归分析
以购买金额/购买意愿为因变量，以产品特质、营销策略等为自变量构建回归方程。
回归结果显示，营销策略影响系数最大，其次为产品特质，年龄、性别、城市、月收入水平等也呈显著正向影响(sig < 0.05)，渠道拓展、物流配送对购买意愿有显著正向影响，售后服务影响不显著且呈负向(表9)。
回归方程为
。
Table 9. Multiple linear regression analysis results of purchase intention
表9. 购买意愿的多元线性回归分析结果
线性回归分析结果n = 557 |
|
非标准化系数 |
标准化系数 |
t |
P |
VIF |
R2 |
调整R2 |
F |
B |
标准误 |
Beta |
常数 |
3.781 |
0.74 |
− |
5.108 |
0.000*** |
− |
0.412 |
0.224 |
F = 2.192
P = 0.005*** |
产品特质 × 1 |
0.021 |
0.15 |
0.017 |
0.137 |
0.001 |
2.032 |
营销策略 × 2 |
0.124 |
0.08 |
0.166 |
1.541 |
0.000 |
1.486 |
售后服务 × 3 |
−0.296 |
0.173 |
−0.242 |
−1.708 |
0.092* |
2.555 |
物流配送 × 4 |
0.197 |
0.127 |
0.185 |
1.549 |
0.025 |
1.816 |
渠道拓展 × 5 |
0.2 |
0.136 |
0.19 |
0.786 |
0.003 |
2.138 |
年龄 × 6 |
0.048 |
0.061 |
0.041 |
−0.54 |
0.056 |
3.175 |
性别 × 7 |
0.187 |
0.244 |
0.078 |
0.765 |
0.004 |
1.311 |
城市 × 8 |
−0.273 |
0.221 |
−0.135 |
−1.236 |
0.020 |
1.531 |
职业 × 9 |
0.267 |
1.267 |
0.046 |
0.211 |
0.833 |
6 |
月收入水平 × 10 |
3.941 |
1.797 |
0.554 |
2.193 |
0.001 |
8.135 |
注：***、**、*分别代表1%、5%、10%的显著性水平。
① 营销策略：影响最强，创新营销可激发购买；② 月收入：高收入群体支付意愿更高；③ 渠道拓展：拓宽渠道提升接触度；④ 性别：女性购买意愿略高；⑤ 产品特质：地域与文化属性受关注；⑥ 物流配送：高效物流提升体验。
5. 结构方程模型与假设检验
通过图2的结构方程模型，同时处理多个因变量与自变量的关系，考虑测量误差，验证整体理论模型的拟合度，全面揭示各变量之间的复杂路径关系，确保研究结论的科学性与严谨性。
Figure 2. Influence path model of external factors and stimulus factors on purchase intention
图2. 外在因素、刺激因素对购买意愿的影响路径模型
模型拟合度良好(
，RMSEA = 0.025，CFI = 0.989等)，外在因素通过刺激因素间接影响购买意愿。假设H1完全得到支持，H2、H3、H4部分得到支持，售后服务影响与预期不符。结构方程具体拟合指数见表10。
Table 10. Fit ındex results of the structural equation model
表10. 结构方程模型的拟合指标结果
拟合指标 |
|
P |
GFI |
RMSE |
RMR |
CFI |
NFI |
NNFI |
- |
- |
>0.05 |
>0.9 |
<0.10 |
<0.05 |
>0.9 |
>0.9 |
>0.9 |
拟合数值 |
1.316 |
0.000*** |
0.989 |
0.025 |
0.021 |
0.989 |
0.987 |
0.98 |
6. 研究结论与建议
6.1. 研究结论
从方差分析结果看：年龄、职业、居住城市、家庭月收入对产品特质、营销策略的感知存在显著差异(sig < 0.05)，而对物流配送的感知差异不显著(sig > 0.05)，说明群体差异主要集中在产品核心属性与营销方式上。具体而言，年轻群体(20~30岁)更关注产品个性化与新兴营销方式，中老年群体更注重产品品质；学生群体偏好高性价比、新颖的产品，企事业单位员工青睐品牌化高端特产；大城市消费者对特产的认知程度更高，高收入群体的购买能力更强。
从回归分析结果看：营销策略对购买决策影响最为显著(β = 0.124, sig = 0.000)，其次是产品特质(β = 0.021, sig = 0.001)，年龄、性别、所在城市等人口统计变量也呈显著正向影响(sig < 0.05)，验证了变量选择的合理性。此外，渠道拓展、物流配送对购买意愿也具有显著正向影响，售后服务的影响则不显著且呈负向，反映出当前安徽隐藏特产在售后服务方面存在短板。
从结构方程模型结果看：模型拟合度良好(
, RMSEA = 0.025, CFI = 0.989)，外在因素通过刺激因素间接影响购买意愿，进一步证实了变量间的理论假设关系。
本研究基于乡村振兴、地理标志保护等政策背景，发现安徽隐藏特产的地域专属属性、文化内涵是其核心竞争力，而地理标志保护能够强化这种竞争力，促进特色产业发展，进而助力乡村振兴。同时，不同群体的消费差异为精准对接政策、优化资源配置提供了依据，如针对农村地区消费者可强化本地特产推广，针对城市消费者可突出地理标志品牌效应。
同时本研究发现，影响隐藏特产消费行为的主要因素包括消费者心理(如求异心理、文化认同等)、市场环境(如市场竞争、政策扶持等)和产品特点(如品质、口感、包装等)。这些因素相互作用，共同影响着消费者的购买决策。此外，消费行为对商家和品牌形象的影响，隐藏特产消费行为对于商家和品牌形象塑造具有显著影响。一方面，成功的隐藏特产消费能够提升商家的知名度和美誉度，增强消费者的忠诚度；另一方面，隐藏特产的消费过程也是品牌文化传递和价值观输出的过程，有助于提升品牌形象和文化内涵。
6.2. 研究建议
6.2.1. 人口特征细分策略
年龄细分：针对20~30岁群体(占比45.06%)，侧重通过短视频、直播等新兴营销方式推广，突出产品的个性化设计与文化内涵，结合年轻人喜爱的社交平台进行互动传播；对于51岁以上群体，强化产品品质、健康属性宣传，布局线下商超、农贸市场等传统渠道，提供便捷的购买体验。
职业细分：针对学生群体，推出小规格、低价格的试吃装，满足其高性价比需求；针对企事业单位员工，开发高端礼盒装，突出品牌化、礼品化属性，对接商务馈赠场景；针对个体户和自由工作者，优化线上购买渠道，提供快速发货、灵活退换等便捷服务。
收入细分：针对2000元以下及2001~4000元群体(合计占比65.53%)，聚焦中端高性价比产品，控制定价区间，保障产品品质；针对4000元以上高收入群体，推出高端定制款、限量款产品，融入更多文化元素和地理标志背书，提升产品附加值。
城市细分在合肥、芜湖等大城市，拓展高端商超、线上旗舰店等渠道，突出地理标志品牌效应和产品文化内涵；在中小城市及县域地区，强化“本地特产”标签，布局便利店、农贸市场等贴近消费者的渠道，借助乡村振兴政策红利，推动“特产进乡村”“特产进社区”。
6.2.2. 产品与营销优化
产品优化：强化产品的地域专属属性和文化内涵，在包装上标注地理标志标识、产品历史文化故事及传统制作工艺，突出绿色无添加、健康环保的品质特征。结合消费者对“新特奇”的需求，进行产品创新，开发衍生产品，如将霍邱鹅肝与本地特色食材结合，推出便捷食用的预制菜产品。同时，加强地理标志申报与保护，规范产品生产标准，提升产品核心竞争力。
营销创新：充分利用短视频、直播等新媒体平台，邀请本地网红、美食博主进行产品推广，讲述特产背后的文化故事和乡村振兴实践案例，增强消费者情感共鸣；开展跨界联名合作，如与文旅企业、文创品牌合作，开发联名产品，拓展消费场景；实施差异化广告投放，针对不同群体的偏好设计广告内容，如针对年轻群体的潮流化广告、针对中老年群体的品质化广告。此外，借助乡村旅游、农业节庆等活动，开展线下体验营销，让消费者实地感受特产的生产过程，提升认知度和信任度。
6.2.3. 支撑保障
渠道建设：完善电商平台、社交电商等线上渠道，优化店铺页面设计，提升物流配送效率，实现次日达或隔日达；推进“特产进商超、进社区、进景区”，拓展线下销售网络，构建“线上 + 线下”融合的全渠道销售体系。借助乡村振兴政策支持，建设县域特产集散中心，整合本地隐藏特产资源，实现规模化集约化销售。
政策对接：积极争取政府的品牌培育补贴、地理标志保护专项基金，支持企业参与各类农产品展会、产销对接会，提升安徽隐藏特产的知名度和影响力。加强与政府相关部门合作，推进地理标志产品认证，完善地理标志保护法律法规，打击假冒伪劣产品，规范市场秩序。同时，对接乡村振兴人才培育政策，培养一批既懂特产营销又了解地方文化的专业人才。
监管与服务提升：建立产品质量追溯体系，实现从生产、加工、销售到物流配送的全程追溯，保障产品质量安全。针对售后服务短板，优化售后服务流程，建立快速响应机制，及时解决消费者投诉与咨询，提升消费者满意度。此外，加强行业自律，成立特产行业协会，规范企业经营行为，推动行业健康发展。此外，推广优质品种的同时也要保持地区特色优势，扩大经营规模的同时也要充分考虑市场承载能力。科学引种、适度经营、深耕市场，才能在一鸣惊人后，变“隐藏款”特产为“爆款”“畅销款”。
6.2.4. 政策呼应与长效发展
助力乡村振兴：将隐藏特产产业发展与乡村振兴战略深度融合，鼓励农民参与特产生产、加工环节，通过“企业 + 合作社 + 农户”的模式，带动农民增收致富。利用乡村振兴政策资金，改善特产生产基础设施，提升规模化、标准化生产水平，推动特色产业集群发展。
强化地理标志保护：加大地理标志宣传力度，提升消费者对地理标志产品的认知度和信任度；建立地理标志产品质量监管体系，加强对生产过程、产品质量的监督检查，维护地理标志品牌声誉；推动地理标志产品跨境贸易，借助“一带一路”倡议，拓展国际市场，提升安徽隐藏特产的国际影响力。
总之，安徽隐藏特产的发展需充分发挥其地域和文化优势，结合乡村振兴、地理标志保护等政策导向，针对不同消费群体实施差异化策略，通过产品创新、营销升级、渠道拓展和政策支持，将“隐藏款”特产转化为“爆款”“畅销款”特产，实现经济效益、社会效益和文化效益的统一，为地方经济发展和乡村振兴注入强劲动力。
基金项目
2024年安徽新华学院省级大学生创新训练计划项目：“隐藏特产，不再隐藏”——安徽省隐藏特产特征对消费者购买行为的影响研究(项目编号：S202412216151)。