1. 引言
随着新媒体时代的快速到来，社交网络和新媒介的新消费关系驱动着人们消费行为的转变以及新的消费模式的形成。网络预售模式在新消费模式盛行的当今时代得到大力发展，成为拉动国内消费、国内经济循环的一个重要途径。
在预售模式下，订单的产生是由消费者的感知风险和感知价值共同塑造的。其中，消费者对于风险的感知构成了这种模式下的核心风险因素[1]。大学生群体因其对外界事物的敏锐性，往往能迅速接纳新兴的消费模式。然而，由于经验尚浅且判断能力相对不足，他们容易受到媒体宣传的引导和周围人的影响。这种特点使得他们在消费上既展现出个性独特的排他性，又表现出一定程度的从众性和迎合性[2]，从而不能很好地进行感知风险与感知价值的衡量，导致冲动性消费行为的产生。冲动性消费不仅将在一定程度上影响大学生的基本经济状况及消费观念的形成，而且也可能借助新媒体的快速发展以及大学生在新媒体中担任的重要角色形成一种非健康的消费趋势。因此，在当前预售模式大受欢迎并得到迅速发展的时期，探究网络预售模式驱动大学生冲动性消费行为的内在机理以及为企业和大学生群体提出合理引导策略就显得尤为重要。
考察现有文献发现，国内外目前虽然对网络预售模式对消费者购买行为产生的影响有了一定程度的研究，但却很少涉及冲动性消费层面以及聚焦大学生消费群体。网络预售是指企业利用互联网在产品或服务正式开售之前，向消费者提供售卖、预约或预订服务。现在的网络预售模式与传统的预售不同，预售产品通常伴随折扣、优惠券、满减等优惠措施。在该模式下，消费者更倾向于主动选择产品而不是被动接受，其购买意愿受产品的功能价值、享乐价值、财务鼓励和消费情境中的信息质量、信誉决定，并且受消费者自我效能感和时间偏好影响[3]。王夏阳等研究结果表明，预售库存量和描述相符度正向影响网络预售购买意愿和预定决策，价格负向影响网络预售购买意愿，流行等级正向影响网络预售购买决策，预售剩余时间对购买意愿影响预定决策起负向调节作用[1]。同时，国内外虽然对大学生冲动性消费的形成机理研究也具备一定深度，但却很少以网络预售模式为背景。冲动性消费意愿是一种具有突发性、自发性，并且缺乏思考的计划外购买倾向[4]。张伟等研究发现：平台功能、促销折让、顾客评价、消费者决策、网站互动和手机依赖等因素，对大学生冲动消费行为产生显著影响[5]。王德武等发现互动营销、情绪、品牌影响力、情感营销和意见领袖参与对大学生冲动性消费行为有显著的影响，其中情绪和冲动消费意愿在消费者形成冲动性消费行为的路径中发挥中介作用[6]。大学生群体作为参与网络消费的主力群体，其中隐含的冲动性消费量不可小觑。大学生群体具有对价格敏感，追求时尚，价值观不成熟，易受外界影响等特征，其网络消费行为受到社会价值、文化发展、政治、经济和学校教育方式、家庭等多因素影响[7]，同时他们网络消费观念、方式和结构的变化也将对社会产生深远的影响。因此，本文拟以大学生为研究对象，采取大规模问卷调查的方式，着重考察网络预售模式下消费者冲动性购买行为的影响因素和作用机制。使用问卷调查并展开实证结果分析，最后提出企业营销创新活动及引导大学生在网络预售模式下进行合理消费的相关对策。
2. 研究设计
(一) 研究假设
预售平台作为消费者参与网络预售模式的重要背景，其操作设置、页面布局等都能直接影响消费者的购物体验，进而对消费者的情绪和购买意愿产生影响。网购保证、商品信息、售后服务、网购系统等平台因素对消费者满意度起正向显著的影响作用[8]。大学生群体对外界事物敏锐性强，预售商品是否有正品保障，以及商家的信誉也对其情绪和购买意愿产生直接影响。因此，本文提出如下假设：
H1：平台因素对情绪具有显著的正向影响。
H2：平台因素对冲动消费意愿具有显著的正向影响。
和传统销售模式不同，网络预售模式常常通过限时、限量的形式为消费者制造富有紧迫感和竞争感的情景，而这种时间上的压力会让消费者产生紧张和忧虑的情绪，并在预售结束前迅速采取行动购买商品[9]。对于追求新鲜感和刺激的大学生群体而言，这种情景往往会增加他们的购买欲望并形成冲动性消费，尤其是在看到限时优惠倒计时或商品数量有限时。同时，王夏阳(2020)等认为预售库存量及预售剩余时间都对消费者购买意愿存显著的影响[1]。因此提出如下假设：
H3：情景因素对情绪具有显著的正向影响。
H4：情景因素对冲动消费意愿具有显著的正向影响。
在网络预售模式中，在线评论作为为消费者提供有关商品的更多细节和用户体验的载体，也是能够影响情绪和冲动性消费意愿的重要因素。何军红(2019)等人认为，互联网商品线上评论对冲动消费的影响的作用机制在于，在线评价通过唤起消费者情绪，进而影响消费者冲动性消费[10]。钟凯(2013)等人认为，正面在线口碑会促进消费者购买意愿的形成，负面在线口碑会阻碍购买意愿的形成[11]。当大学生群体浏览到其他消费者对某商品的正面评价或推荐时，会产生情感共鸣，从而强化他们的购买意愿和冲动性消费。相反，负面的在线评论和低分评价则会对他们的情绪和购买欲望造成消极冲击，通过引发他们对产品的疑虑，削弱其购买意愿。因此提出如下假设：
H5：在线评论对情绪具有显著的正向影响。
H6：在线评论对冲动消费意愿具有显著的正向影响。
网络预售模式通过折扣促销将购物与积极情绪相联系，通过参与抢购折扣商品以及成功享受满减优惠，消费者能在一定程度上获得满足感和幸福感，并且折扣力度越大，消费者往往表现地更加兴奋和喜悦[12]。大学生群体往往经济能力有限，较低的价格能够给其带来价值感，对于越低价格的商品，内心的可接受程度越高，这对情绪有正向促进作用[13]，并可能会进一步激发他们的冲动性消费意愿。同时，何璇芳(2021)等人认为营销因素中的商品价格和促销刺激等对消费者冲动性购买行为影响显著[14]。因此提出如下假设：
H7：折扣促销对情绪具有显著的正向影响。
H8：折扣促销对冲动消费意愿具有显著的正向影响。
拥有较高知名度和良好声誉的品牌在一定程度上保证产品的质量和性能，能够正向影响消费者对质量与价值的感知，增加消费者购买过程中的情感体验[15]。并且，消费者更倾向对品牌质量高的品牌形成良好印象并作出积极反应[16]。同时，具有品牌特征的商品能够在一定程度上帮助消费者树立个人形象，增强社交认同。知名品牌也往往与潮流时尚同步，且频繁进行广告宣传和品牌活动，这对追求时尚的大学生群体颇具吸引力。大学生群体消费观念尚未成熟，可能为了追求社会认同和潮流个性，从而进行冲动性消费。此外，杨沛(2017)通过研究表明，品牌知名度与消费者情感体验间具有正向效应关系以及消费者情感体验在品牌知名度、信誉与购买意愿之间起到完全中介效应[17]。因此提出如下假设：
H9：品牌知名度对情绪具有显著的正向影响。
H10：品牌知名度对冲动消费意愿具有显著的正向影响。
积极情绪能激发人的内心需求与渴望，高涨的情绪提升了人们更寻求满足的概率，在预售模式下，消费者积极的情绪可能促使消费者通过冲动消费来获得身心或社交的愉悦。
王嵩(2020)认为移动电商环境的知识性、互动性、易用性和娱乐性的特征均促进消费者的愉悦情绪的产生，并且愉悦情绪容易刺激消费者产生冲动消费意向[18]。吴萍(2022)认为，愉悦情感和消费唤醒共同引起消费者产生冲动性消费行为，且愉悦情感作为内在机制，其产生的间接效应较为显著[19]。王德武(2023)认为，情绪发挥了中介作用，对冲动消费行为有显著正向影响[6]。因此提出如下假设：
H11：情绪对冲动性消费行为具有显著的正向影响。
冲动性消费行为的前提是有冲动消费意愿，且据研究证明冲动购买意愿对冲动购买行为有正向影响[20]。网络预售模式的设计往往通过直观的界面设计、简单的操作步骤和快速的支付方式，使消费者更容易完成购买行为，从而减少他们进行深思熟虑的机会，这将在一定程度上促进冲动性消费行为的产生。大学生群体常常较高的自由消费决定权，但他们的消费行为在对他人产生影响的同时，也易受他人及社交媒体和网络环境的影响，较易产生冲动消费意愿，并进行冲动性消费行为。因此提出如下假设：
H12：冲动消费意愿对冲动性消费行为具有显著的正向影响。
(二) 理论模型构建
根据前述理论及假设，以S-O-R理论作为理论基础，本文以大学生冲动消费行为为研究对象，将平台因素、情景因素、在线评论、折扣促销、品牌知名度作为影响大学生冲动性消费行为的外界刺激因素，以情绪和冲动性消费意愿作为大学生对外界刺激的内心机制，探究在网络预售模式下大学生冲动性消费行为的作用机理，提出本文的研究假设模型，如图1所示。
(三) 数据搜集
本文以大学生(包含专科生、本科生、研究生)为研究对象，通过对现有文献和案例资料的整理，采用李克特量表法，基于Beatty和Ferrell (1998) [21]的问项，并参考单汨源(2014) [3]、王夏阳(2020) [1]、钟凯(2103) [11]、周颖(2019) [22]、岳海龙(2005)和[23]景奉杰[24]等人的量表设计调查问卷，问题包括样本的基本信息及对网络预售模式导致大学生冲动性消费的因子进行调查，并利用问卷星数据调研平台发放问卷。累计收回问卷316份，其中有效问卷308份。占总问卷的97.5%。
有效问卷中，男性占53.9%；年龄段在18~25岁的大学生最多，占59.09%；其次是36~30岁的大学生，占22.73%；从学历构成来看，大学专科学历占64.29%，大学本科学历占31.82%；月收入在5001~8000元的人数最多，占31.49%；网购经验为5~6年的人数最多，占58.44%；在消费金额维度中，月消费为3001~5000元的人数最多，占53.57%，具体数据如表1所示。
Figure 1. Study hypothetical theoretical model diagrams
图1. 研究假设理论模型图
Table 1. Sample descriptive statistics table
表1. 样本描述性统计
个人信息 |
调查情况 |
样本数量 |
样本所占比(%) |
性别 |
男 |
166 |
53.9 |
女 |
142 |
46.1 |
年龄 |
18岁以下 |
35 |
11.36 |
18~25 |
182 |
59.09 |
26~30 |
70 |
22.73 |
31~40 |
21 |
6.82 |
学历 |
大学专科 |
198 |
64.29 |
大学本科 |
98 |
31.82 |
研究生及以上 |
12 |
3.9 |
月收入 |
无收入/1000元以下 |
114 |
37.01 |
1001~3000元 |
24 |
7.79 |
3001~5000元 |
25 |
8.12 |
5001~8000元 |
97 |
31.49 |
8000以上 |
48 |
15.58 |
网购经验 |
一年及以下 |
8 |
2.6 |
2~3年 |
17 |
5.52 |
3~4年 |
23 |
7.47 |
5~6年 |
180 |
58.44 |
7年及以上 |
80 |
25.97 |
消费金额 |
500元以下 |
26 |
8.44 |
500~1500元 |
38 |
12.34 |
1501~3000元 |
65 |
21.1 |
3001~5000元 |
165 |
53.57 |
5000元以上 |
14 |
4.55 |
在效度的分析中，平台因素、情景因素、在线评论、折扣促销、品牌知名度、情绪、冲动消费意愿和冲动性购买行为的KMO值均大于0.6，如表2，因此认为本研究所选取的量表符合研究要求，可以进行后续的因子分析。
Table 2. Validity analysis table
表2. 效度分析表
变量 |
项数 |
KOM值 |
平台因素 |
4 |
0.803 |
情景因素 |
4 |
0.816 |
在线评论 |
4 |
0.852 |
折扣促销 |
4 |
0.806 |
品牌知名度 |
4 |
0.820 |
情绪 |
4 |
0.806 |
冲动消费意愿 |
4 |
0.807 |
冲动性购买行为 |
3 |
0.783 |
对问卷量表进行KMO和Bartlett球形度检验，结果如下表所示，本研究问卷的KMO值为0.965，Bartlett球形度检验结果显著(Sig = 0.000, p < 0.001)，如表3，表明该问卷数据可以进一步做因子分析。
Table 3. KMO and Bartlett sphericity tests
表3. KMO和Bartlett球形度检验
KMO取样适切性量数 |
0.965 |
巴特利特球形检验 |
近似卡方 |
5889.228 |
自由度 |
496 |
显著性检验 |
0.000 |
3. 实证检验
(一) 信效度检验
1) 信度检验
本研究使用SPSS26.0软件，采用Cronbach’s α信度系数来对本研究各量表的信度进行检验，分析结果如表4所示，各量表的Cronbach’s α均在0.7以上，表明量表具有良好的效度。
Table 4. Reliability analysis
表4. 信度分析
变量 |
项目数 |
Cronbach’s α |
平台因素 |
4 |
0.823 |
情景因素 |
4 |
0.820 |
在线评论 |
4 |
0.918 |
折扣促销 |
4 |
0.839 |
品牌知名度 |
4 |
0.844 |
情绪 |
4 |
0.818 |
冲动消费意愿 |
4 |
0.825 |
冲动性购买行为 |
4 |
0.787 |
2) 效度检验
a) 收敛效度
采用AMOS24.0对样本数据进行分析，分析结果如表5所示。
Table 5. Convergence validity analysis
表5. 收敛效度分析
路径 |
Estimate |
CR |
AVE |
X11 |
<--- |
平台因素 |
0.747 |
0.822 |
0.537 |
X12 |
<--- |
平台因素 |
0.683 |
X13 |
<--- |
平台因素 |
0.726 |
X14 |
<--- |
平台因素 |
0.773 |
X21 |
<--- |
情景因素 |
0.700 |
0.851 |
0.589 |
X22 |
<--- |
情景因素 |
0.797 |
X23 |
<--- |
情景因素 |
0.777 |
X24 |
<--- |
情景因素 |
0.793 |
X31 |
<--- |
在线评论 |
0.849 |
0.919 |
0.738 |
X32 |
<--- |
在线评论 |
0.856 |
X33 |
<--- |
在线评论 |
0.885 |
X34 |
<--- |
在线评论 |
0.846 |
X41 |
<--- |
折扣促销 |
0.758 |
0.839 |
0.566 |
X42 |
<--- |
折扣促销 |
0.719 |
X43 |
<--- |
折扣促销 |
0.753 |
X44 |
<--- |
折扣促销 |
0.777 |
X51 |
<--- |
品牌知名度 |
0.744 |
0.844 |
0.575 |
X52 |
<--- |
品牌知名度 |
0.752 |
X53 |
<--- |
品牌知名度 |
0.793 |
X54 |
<--- |
品牌知名度 |
0.743 |
M11 |
<--- |
情绪 |
0.696 |
0.818 |
0.529 |
M12 |
<--- |
情绪 |
0.766 |
M13 |
<--- |
情绪 |
0.741 |
M14 |
<--- |
情绪 |
0.705 |
M21 |
<--- |
冲动性消费意愿 |
0.744 |
0.825 |
0.542 |
M22 |
<--- |
冲动性消费意愿 |
0.747 |
M23 |
<--- |
冲动性消费意愿 |
0.720 |
M24 |
<--- |
冲动性消费意愿 |
0.733 |
Y1 |
<--- |
冲动性消费行为 |
0.783 |
0.862 |
0.61 |
Y2 |
<--- |
冲动性消费行为 |
0.790 |
Y3 |
<--- |
冲动性消费行为 |
0.798 |
Y4 |
<--- |
冲动性消费行为 |
0.752 |
b) 区分效度
为进一步检验各变量的区分效度，本研究使用AMOS对平台因素、情景因素、在线评论、折扣促销、品牌知名度、情绪、冲动性消费意愿以及冲动性消费行为这八个变量进行测量模型检验。如表6所示，假设模型(八因子模型)与数据之间的拟合效果良好(χ2 = 479.654, df = 436, CFI = 0.992, TLI = 0.991, IFI = 0.992, SRMR = 0.062, RMSEA = 0.018)。因此，本研究的八个核心变量之间具有良好的区分效度。
Table 6. Model fitting index
表6. 模型拟合指标
模型 |
χ2 |
df |
χ2/df |
RMSEA |
SRMR |
CFI |
TLI |
IFI |
八因子 |
479.654 |
436 |
1.100 |
0.018 |
0.062 |
0.992 |
0.991 |
0.992 |
(二) 相关性分析
为了研究各变量之间的相关关系，本研究根据Person相关分析法，使用SPPS26.0对各变量的数据进行相关性分析。本研究各个变量的均值、标准差和变量之间的相关系数见表7。由此可知，情绪与平台因素(r = 0.631, p < 0.01)、情景因素(r = 0.583, p < 0.01)、在线评论(r = 0.576, p < 0.01)、折扣促销、(r = 0.686, p < 0.01)和品牌知名度(r = 0.624, p < 0.01)正相关；冲动消费意愿和平台因素(r = 0.701, p < 0.01)、情景因素(r = 0.649, p < 0.01)、在线评论(r = 0.652, p < 0.01)、折扣促销(r = 0.687, p < 0.01)、品牌知名度(r = 0.713, p < 0.01)正相关；冲动性购买行为与情绪(r = 0.662, p < 0.01)和冲动消费意愿(r = 0.760, p < 0.01)正相关。
Table 7. Descriptive statistics of variables and correlation analysis between variables
表7. 变量的描述性统计与变量间的相关分析
变量 |
平均值 |
标准差 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
1) 平台因素 |
3.455 |
1.189 |
|
|
|
|
|
|
|
2) 情景因素 |
3.458 |
1.243 |
0.651** |
|
|
|
|
|
|
3) 在线评论 |
3.447 |
1.330 |
0.604** |
0.658** |
|
|
|
|
|
4) 折扣促销 |
3.385 |
1.204 |
0.613** |
0.693** |
0.676** |
|
|
|
|
5) 品牌知名度 |
3.362 |
1.193 |
0.659** |
0.559** |
0.572** |
0.647** |
|
|
|
6) 情绪 |
3.558 |
1.112 |
0.631** |
0.583** |
0.576** |
0.686** |
0.624** |
|
|
7) 冲动性消费意愿 |
3.458 |
1.173 |
0.701** |
0.649** |
0.652** |
0.687** |
0.713** |
0.695** |
|
8) 冲动性购买行为 |
3.538 |
1.080 |
0.717** |
0.700** |
0.675** |
0.747** |
0.688** |
0.662** |
0.760** |
注：**表示p < 0.01。
(三) 假设检验
1) 结构方程模型
本研究依托AMOS软件，以设计的概念和模型和理论为基础，构建了平台因素、情景因素、在线评论、折扣促销、品牌知名度、情绪、冲动消费意愿到冲动性购买行为之间的关系路径图，软件运行初始拟合模型如图2所示。
Figure 2. Structural equation model
图2. 结构方程模型
模型适配度如表8所示，卡方自由度之比(χ2/df)的结果1.261，小于3，满足要求。近似均方根残差(RMSEA)的结果是0.029，小于0.08，满足要求。比较拟合指标IFI、TLI、CFI结果分别为0.980、0.977、0.979，均满足要求。说明本研究所构建的SEM模型具有良好的适配度。
Table 8. Model fitting index
表8. 模型拟合指标
χ2 |
df |
χ2/df |
RMSEA |
SRMR |
CFI |
TLI |
IFI |
557.485 |
442 |
1.261 |
0.029 |
0.074 |
0.979 |
0.977 |
0.980 |
接下来进行假设检验，各路径的路径系数如表9所示，平台因素对情绪的路径系数为0.187，p值小于0.05，说明呈现出显著的正向影响关系，假设H1成立；平台因素对冲动消费意愿的路径系数为0.177，p值小于0.05，说明呈现出显著的正向影响关系，假设H2成立；情景因素对情绪的路径系数为0.142，p值小于0.05，说明呈现出显著的正向影响关系，假设H3成立；情景因素对冲动消费意愿的路径系数为0.125，p值小于0.05，说明呈现出显著的正向影响关系，假设H4成立；在线评论对情绪的路径系数为0.072，p值小于0.05，说明呈现出显著的正向影响关系，假设H5成立；在线评论对冲动消费意愿的路径系数为0.233，p值小于0.05，说明呈现出显著的正向影响关系，假设H6成立；折扣促销对情绪的路径系数为0.286，p值小于0.05，说明呈现出显著的正向影响关系，假设H7成立；折扣促销对冲动消费意愿的路径系数为0.253，p值小于0.05，说明呈现出显著的正向影响关系，假设H8成立；品牌知名度对情绪的路径系数为0.287，p值小于0.05，说明呈现出显著的正向影响关系，假设H9成立；品牌知名度对冲动消费意愿的路径系数为0.199，p值小于0.05，说明呈现出显著的正向影响关系，假设H10成立；情绪对冲动消费行为的路径系数为0.431，p值小于0.05，说明呈现出显著的正向影响关系，假设H11成立；冲动消费意愿对冲动消费行为的路径系数为0.199，p值小于0.05，说明呈现出显著的正向影响关系，假设H12成立。
Table 9. Path coefficient summary
表9. 路径系数汇总
路径 |
Estimate |
S.E. |
C.R. |
p |
情绪 |
<--- |
平台因素 |
0.187 |
0.047 |
4.01 |
*** |
冲动消费意愿 |
<--- |
平台因素 |
0.177 |
0.045 |
3.934 |
*** |
情绪 |
<--- |
情景因素 |
0.142 |
0.041 |
3.496 |
*** |
冲动消费意愿 |
<--- |
情景因素 |
0.125 |
0.039 |
3.203 |
0.001 |
情绪 |
<--- |
在线评论 |
0.072 |
0.035 |
2.036 |
0.042 |
冲动消费意愿 |
<--- |
在线评论 |
0.233 |
0.04 |
5.875 |
*** |
情绪 |
<--- |
折扣促销 |
0.286 |
0.05 |
5.691 |
*** |
冲动消费意愿 |
<--- |
折扣促销 |
0.253 |
0.049 |
5.113 |
*** |
情绪 |
<--- |
品牌知名度 |
0.287 |
0.053 |
5.406 |
*** |
冲动消费意愿 |
<--- |
品牌知名度 |
0.199 |
0.044 |
4.495 |
*** |
冲动消费行为 |
<--- |
情绪 |
0.431 |
0.091 |
4.724 |
*** |
冲动消费行为 |
<--- |
冲动消费意愿 |
0.534 |
0.1 |
5.348 |
*** |
注：***表示p < 0.001。
2) 多元回归分析
为了进一步研究每个因素对冲动消费行为的影响，本研究建立线性回归模型，定量分析这些因素对大学生冲动消费行为的影响显著性和影响程度。以冲动消费行为为因变量，以平台因素、情景因素、在线评论、折扣促销、品牌知名度、情绪、冲动消费意愿为自变量，建立多元线性模型。
对各变量的多元线性回归模型如表10所示。结果表明自变量中显著影响大学生冲动消费行为的因素有：平台因素、折扣促销、冲动消费意愿。其他变量的显著性大于0.05，说明对冲动性购买行为的影响较弱。同时，各变量的VIF均<5，表明自变量间不存在多重共线性。
Table 10. Regression analysis
表10. 回归分析结果
|
非标准化系数 |
标准化系数 |
t |
p |
共线性诊断 |
B |
标准误 |
Beta |
VIF |
容忍度 |
常数 |
0.442 |
0.214 |
- |
2.059 |
0.042* |
- |
- |
平台因素 |
0.164 |
0.079 |
0.181 |
2.089 |
0.039* |
2.539 |
0.394 |
情景因素 |
0.116 |
0.075 |
0.133 |
1.555 |
0.123 |
2.490 |
0.402 |
在线评论 |
0.074 |
0.067 |
0.091 |
1.097 |
0.276 |
2.307 |
0.433 |
折扣促销 |
0.211 |
0.084 |
0.235 |
2.521 |
0.013* |
2.943 |
0.340 |
品牌知名度 |
0.100 |
0.077 |
0.110 |
1.299 |
0.197 |
2.444 |
0.409 |
情绪 |
0.029 |
0.082 |
0.029 |
0.348 |
0.729 |
2.427 |
0.412 |
冲动消费意愿 |
0.209 |
0.089 |
0.227 |
2.347 |
0.021* |
3.171 |
0.315 |
R2 |
0.728 |
调整R2 |
0.707 |
F |
F(7, 92) = 35.201, p = 0.000 |
注：因变量：冲动性购买行为；*p < 0.05，**p < 0.01。
4. 结论与建议
(一) 结论
本文通过构建网络预售模式下大学生冲动性消费行为影响因素的概念模型，依托调查问卷法、定量分析法、相关性分析法和结构方程模型分析了影响大学生发生冲动性消费行为的影响因素的作用路径，发现平台因素、情景因素、在线评论、折扣促销、品牌知名度、情绪、冲动消费意愿对网络预售模式下大学生发生冲动性消费行为具有显著正向作用，情绪和冲动性消费意愿在其中发挥了中介作用。不同的影响因素对大学生在浏览预售商品时的冲动性消费行为影响程度大不相同。
(二) 建议
1) 针对参与网络预售大学生
针对冲动消费的大学生，需实施多维度策略强化勤俭节约教育。首先要引导大学生树立正确的消费理念，并倡导健康消费的行为。学校应定期举办活动，强调冲动消费危害，通过比赛等形式深化理解。社会需加强舆论监督，提升大学生勤俭意识。大学生应具备独立的判断能力和勤俭节约的品质，不盲目追随潮流或轻易相信外界推广的信息，需要能够辨别其中可能存在的虚假成分。为了实现理性消费，大学生在购买前应充分了解产品信息，比较不同品牌和型号的差异。同时，设定消费预算，避免超出经济能力范围。在面对折扣促销时，要谨慎对待，学会控制自己的冲动消费意愿，避免冲动购买不必要的商品。在购买前，通过查看其他消费者的在线评价，了解产品的真实情况，并注意筛选评价的真实性，避免被虚假评价误导。此外，大学生在购物过程中应注意保护个人隐私和账户安全，选择可靠的支付方式和平台，避免遭受网络诈骗。
2) 针对参与网络预售的企业
参与网络预售的企业要加强发货时效和质量监督，并严格把控货源品质，同时贯彻落实预售时间限制，设定合理的预售目标和库存量，避免供不应求或库存积压。预防发生超过预售规定时间仍未发货的情况。同时，也要积极利用节日、纪念日或特殊事件创造促销情景，如“双十一”、“618”等，提前进行预售宣传，利用社交媒体、校园广告等方式扩大影响力，推出具有吸引力的折扣促销方式，设计吸引人的预售页面，通过图片、视频和故事性的文案，吸引大学生用户的兴趣。并且对在线评论进行高效管理，鼓励满意的顾客留下正面评价，并适当回应负面评价，展示解决问题的态度；设立专门的客服团队，及时解答用户疑问和处理问题，提升顾客满意度。受大学生群体特性的影响，企业也可以与校园组织或意见领袖合作，举办线下活动或推广活动，利用内容营销和社交媒体营销，传播品牌故事和价值观，利用情感营销策略，触发大学生的情感共鸣，激发消费者情绪。