1. 引言
医疗电商平台作为传统行业与互联网技术融合的新产品应运而生[1]，互联网技术的迅速发展为医疗领域带来了新的机遇，为医疗电商平台的发展提供了基础条件。医疗电商平台给人们带来了便利，逐渐变成消费者日常消费活动的重要途径[2]。此外，随着社会经济水平的提高，人们对医疗服务和健康管理的需求也不断增加。消费者更加注重自身的健康状况，倾向于通过医疗电商平台来满足自己的医疗需求[3]。因此，如何在让人民享受便利的同时，规范医疗电商平台市场，保障人民权益就变得重中之重。为了更好地揭示医疗电商平台的现状和发展趋势，本文以医疗电商行业的现状以及医疗电商用户满意度的影响因素为依据，为政府管理部门和企业提供可行性的建议，以此来给医疗电商用户提供更好的服务和体验。
李雪梅等人[4]在通过技术助力优化医药电商各环节方面指出，电商具有天然的数据记录属性，在精准把握患者用药需求、辅助药企研发决策等方面具有优势，且市面上的多种医疗电商平台的建设明显提升了消费者使用的便捷性和效率。王丹[5]提出，医疗电商平台在电子商务环境下，要根据管理新要求，建立网络财务系统及相关的安全保障体系，从而使消费者具有安全的消费环境，提高用户信任度。张小广[6]指出，我国市场机制的完善程度相对较低，医疗体制的信息化建设仍存在一些问题，医疗电商在中国的发展仍处于起步阶段，行业还没有达到理想的发展状态。因此，需要进一步改进和完善医药电子商务，以推动其更好地发展。
实践表明，医疗电商发展前景广阔，它改变了传统医疗行业的运营模式，提高了医疗服务的便捷性和效率。然而，在发展过程中仍面临着一些挑战，如用户信任度、药品监管等问题。目前已有许多学者对此进行了研究，但是对于消费者满意度以及满意度影响因素的研究有所欠缺，因此本文对此展开了研究。
2. 现状分析
随着“互联网+”的持续推进和生活水平的提高，人们开始自主通过互联网平台关注自身健康状况。由互联网技术和传统医药行业融合的医疗电商平台应运而生，为人们的生活带来了极大的便利。为了更好地为人们提供服务，有必要了解人们对医疗电商产品的需求以及使用意愿的现状。因此，本文通过设计问卷，收取了有效问卷220份，对数据进行描述性统计分析。
2.1. 医疗电商平台的使用偏好
通过问卷调查收取了有效问卷220份，对数据进行描述性统计分析，结果如图1所示。
Figure 1. Status quo of the e-commerce medical use preference survey
图1. 电商医疗使用偏好调查现状
通过图1可以看到，目前人们如果使用电商医疗平台更倾向于去用于线上购药，对于其他服务，人们使用的相对较少。
2.2. 用户对医疗电商平台附加服务关注度
Figure 2. Attention status of e-commerce medical services
图2. 电商医疗服务关注度现状
通过图2可以看到，关于电商医疗，人们更加关心运动、饮食习惯上的建议，其次是药师或医生的用药指导。用户对电商医疗附加服务的关注总体上表现出积极态度。
3. 基于SEM结构方程模型的消费者使用医疗电商平台满意度的影响因素分析
3.1. 指标选取
为了研究影响消费者使用医疗电商平台满意度的因素，本文将问卷中收集到的相关数据进行汇总整理，提取出适用于研究消费者使用医疗电商平台满意度影响因素的题目，划分出5个一级指标来进行满意度影响因素的衡量，再将每个一级指标进行细分，得到19个二级指标，使用220份有效问卷作为样本，统计每一个样本的指标数据，如表1所示。
Table 1. Indicator selection table
表1. 指标选取表
一级指标 |
测量维度 |
产品质量保证 |
产品符合预期 |
产品符合广告宣传 |
产品符合交易协议 |
网站设计特色 |
平台搜寻功能强 |
平台使用界面简单 |
结账操作过程简单 |
平台好的引导系统 |
提供全天无休服务 |
网络安全性 |
在线付款方式安全 |
资料传送不会被截取 |
注重个人隐私保护 |
购物便利性 |
首次使用不需要帮助 |
消费不需要太多时间 |
购物满意度 |
设计有魅力吸引人 |
平台消费有乐趣 |
平台外观吸引人 |
色调和风格很具特色 |
消费后感到满意 |
消费后喜欢这个平台 |
3.2. 因子分析
本文对影响消费者使用医疗电商平台的满意度因素的19个指标进行信效度和因子分析，如表2所示，得到KMO值为0.965 > 0.7，p值为0.000，小于显著性水平，所以拒绝各样本独立的原假设。由此说明采样数据可以进行因子分析。
Table 2. KMO and Bartlett’s test
表2. KMO和巴特利特检验
KMO取样适切性量数 |
0.965 |
巴特利特球形度检验近似卡方 |
5536.8 |
自由度 |
171 |
显著性 |
0.000 |
借助SPSS进行因子分析，可得出各主成分因子的贡献率。因子分析共选取了5个主因子，其贡献率分别为第一主因子26.217%、第二主因子19.292%、第三主因子14.939%、第四主因子12.018%、第五主因子10.838%，累计贡献率83.304%。即5个主因子涵盖了19个满意度影响因素83%以上的数据信息。
Table 3. Rotation orthogonal factor table of influencing factors
表3. 影响因素旋转正交因子表
指标 |
因子 |
命名 |
1 |
2 |
3 |
4 |
5 |
产品符合预期 |
0.410 |
0.495 |
0.190 |
0.638 |
0.151 |
产品质量保证 |
产品符合广告宣传 |
0.430 |
0.288 |
0.317 |
0.669 |
0.325 |
产品符合交易协议 |
0.372 |
0.482 |
0.289 |
0.563 |
0.353 |
平台搜寻功能强 |
0.367 |
0.636 |
0.267 |
0.374 |
0.278 |
网站设计特色 |
平台使用界面简单 |
0.339 |
0.712 |
0.316 |
0.222 |
0.260 |
结账操作过程简单 |
0.336 |
0.681 |
0.337 |
0.366 |
0.176 |
平台好的引导系统 |
0.389 |
0.654 |
0.324 |
0.290 |
0.300 |
提供全天无休服务 |
0.253 |
0.607 |
0.383 |
0.163 |
0.498 |
在线付款方式安全 |
0.347 |
0.431 |
0.401 |
0.388 |
0.480 |
网络安全性 |
资料传送不会被截取 |
0.493 |
0.269 |
0.297 |
0.356 |
0.586 |
注重个人隐私保护 |
0.491 |
0.370 |
0.134 |
0.226 |
0.680 |
首次使用不需要帮助 |
0.309 |
0.360 |
0.741 |
0.312 |
0.233 |
购物便利性 |
消费不需要太多时间 |
0.367 |
0.473 |
0.693 |
0.148 |
0.136 |
设计有魅力吸引人 |
0.616 |
0.265 |
0.518 |
0.261 |
0.298 |
购物满意度 |
平台消费有乐趣 |
0.776 |
0.154 |
0.350 |
0.308 |
0.249 |
平台外观吸引人 |
0.765 |
0.351 |
0.255 |
0.263 |
0.217 |
色调和风格很具特色 |
0.763 |
0.382 |
0.245 |
0.193 |
0.268 |
消费后感到满意 |
0.646 |
0.405 |
0.287 |
0.256 |
0.338 |
消费后喜欢这个平台 |
0.731 |
0.393 |
0.171 |
0.295 |
0.227 |
根据表3的结果将5个因子分别定义为产品质量保证、网络安全性、购物便利性、网站设计特色、购物满意度。
3.3. SEM模型初步构建
将前文中得到的因子和变量引入模型，可以得到医疗电商平台消费者满意度的SEM模型，对于此模型，本文做出了下列假设：
H1：产品质量保证因子能够直接影响购物满意度因子。
H2：网站设计特色因子能够间接影响购物满意度因子。
H3：网络安全因子能够间接影响购物满意度因子。
H4：便利性因子能够直接影响购物满意度因子。
根据上述的假设，建立医疗电商平台消费者满意度影响因素的SEM模型，得到的模型图如图3所示。
Figure 3. Initial SEM model path
图3. 初始SEM模型路径
Table 4. Initial SEM model evaluation results
表4. 初始SEM模型评价结果
指数名称 |
评价指标 |
评价标准 |
本例数据 |
结论 |
绝对拟合指数 |
χ2/df |
<3 |
3.217 |
不合格 |
GFI (拟合优度指数) |
大于0.9 |
0.821 |
不合格 |
RMSEA (近似误差均方根) |
小于0.08可接受 |
0.101 |
不合格 |
RMR (均方根残差) |
小于0.05，越小越好 |
0.031 |
合格 |
相对拟合指数 |
NFI (不规范拟合指数) |
大于0.9，越接近1越好 |
0.918 |
合格 |
TLI (Tucker-Lewis指数) |
大于0.9，越接近1越好大于 |
0.932 |
合格 |
CFI (比较拟合指数) |
0.9，越接近1越好 |
0.942 |
合格 |
由表4可得，χ2/df为3.217，大于参考值3，是不合格的。GFI (拟合优度指数)为0.821，小于参考值0.9，是不合格的。RMSEA (近似误差均方根)为0.101，大于可接受的参考值0.08，也是不合格的，因此模型需要修正。
3.4. SEM模型修正与检验
为了得到更理想的模型，根据修正指数增加相关路径与因果路径的方法对模型进行修正。通过AMOS的输出界面，得到的修正指数如表5所示。
Table 5. Revised index table
表5. 修正指数表
|
残差 |
修正指数 |
参数变化比率 |
e5 |
<--> |
e19 |
7.865 |
−0.026 |
e21 |
<--> |
e5 |
8.173 |
−0.034 |
续表
e20 |
<--> |
e5 |
6.445 |
0.032 |
e11 |
<--> |
e19 |
4.009 |
0.021 |
e14 |
<--> |
e5 |
14.540 |
0.053 |
e14 |
<--> |
e20 |
10.571 |
0.054 |
e14 |
<--> |
e11 |
15.534 |
−0.063 |
e15 |
<--> |
e8 |
5.970 |
−0.049 |
e15 |
<--> |
e5 |
17.646 |
0.064 |
e15 |
<--> |
e22 |
16.354 |
0.082 |
e15 |
<--> |
e14 |
9.305 |
0.060 |
e2 |
<--> |
e15 |
6.689 |
0.042 |
e4 |
<--> |
e8 |
18.081 |
0.067 |
e4 |
<--> |
e5 |
7.748 |
−0.033 |
e4 |
<--> |
e20 |
5.760 |
0.034 |
e4 |
<--> |
e13 |
6.418 |
0.035 |
e4 |
<--> |
e1 |
11.297 |
−0.048 |
e18 |
<--> |
e5 |
8.111 |
−0.029 |
e18 |
<--> |
e11 |
7.486 |
0.033 |
e17 |
<--> |
e14 |
5.705 |
0.037 |
e16 |
<--> |
e14 |
5.492 |
−0.041 |
e7 |
<--> |
e19 |
4.132 |
0.024 |
e7 |
<--> |
e13 |
4.642 |
0.033 |
e7 |
<--> |
e15 |
9.109 |
−0.058 |
e7 |
<--> |
e1 |
10.454 |
−0.051 |
e7 |
<--> |
e2 |
4.163 |
−0.029 |
e7 |
<--> |
e3 |
7.084 |
−0.037 |
e7 |
<--> |
e4 |
20.215 |
0.068 |
选择修正指数较高的路径进行修正，e15与e5的MI值较大，表明如果增加e15与e5之间的残差的相关路径，模型的卡方值会减少很多，因此选择增加e15与e5之间的相关路径。同理，发现e11与e14、e7与e4存在不小的相关，因此考虑增加这两条残差路径。按此方法，不断调整，修正后的路径图如图4所示。
如表6所示，卡方与自由度之比为2.212，表示模型可以接受。GIF为0.904，大于0.9，是合格的，RMSEA为0.074，是可接受的，另外，NFI、TFI、CFI的值均大于0.9，这几个指标均满足模型检验与拟合优度的要求，因此说明改进后的模型可以进行数据分析。
Figure 4. Revised SEM model evaluation results
图4. 修正的SEM 模型评价结果
Table 6. Revised SEM model evaluation results
表6. 修正的SEM模型评价结果
指数名称 |
评价指标 |
评价标准 |
本例数据 |
结论 |
绝对拟合指数 |
χ2/df |
<3 |
2.212 |
合格 |
GFI (拟合优度指数) |
大于0.9 |
0.904 |
合格 |
RMSEA (近似误差均方根) |
小于0.08，可接受 |
0.074 |
合格 |
RMR (均方根残差) |
小于0.05，越小越好 |
0.024 |
合格 |
相对拟合指数 |
NFI (不规范拟合指数) |
大于0.9，越接近1越好 |
0.954 |
合格 |
TLI (Tucker-Lewis指数) |
大于0.9，越接近1越好 |
0.967 |
合格 |
CFI (比较拟合指数) |
大于0.9，越接近1越好 |
0.974 |
合格 |
如表7所示，SEM的测量模型和结构模型均在0.01水平下显著，因此该模型可以进行后续分析。
Table 7. Revised SEM model path coefficient estimation value
表7. 修正的SEM模型路径系数估计值
|
路径系数 |
标准误 |
临界比率 |
显著性 |
测量模型 |
|
网络安全 |
--> |
产品质量保证 |
0.950 |
0.055 |
17.322 |
*** |
网站设计特色 |
--> |
购物便利性 |
0.414 |
0.122 |
3.381 |
*** |
网站设计特色 |
--> |
产品质量保证 |
0.588 |
0.084 |
6.990 |
*** |
购物便利性 |
--> |
消费不需要太多时间 |
0.976 |
0.050 |
19.481 |
*** |
续表
购物便利性 |
--> |
首次使用不需要帮助 |
1.000 |
—— |
—— |
*** |
产品质量保证 |
--> |
产品符合预期 |
1.046 |
0.051 |
20.407 |
*** |
产品质量保证 |
--> |
产品符合广告宣传 |
1.050 |
0.048 |
21.844 |
*** |
产品质量保证 |
--> |
产品符合交易协议 |
1.000 |
—— |
—— |
*** |
购物满意度 |
--> |
设计有魅力吸引人 |
1.069 |
0.047 |
22.831 |
*** |
购物满意度 |
--> |
平台外观吸引人 |
1.069 |
0.048 |
22.063 |
*** |
购物满意度 |
--> |
色调和风格很具特色 |
1.009 |
0.051 |
19.912 |
*** |
购物满意度 |
--> |
消费后喜欢这个平台 |
1.000 |
—— |
—— |
*** |
网络安全 |
--> |
注重个人隐私保护 |
1.055 |
0.058 |
18.152 |
*** |
网络安全 |
--> |
资料传送不会被截取 |
0.990 |
0.053 |
18.863 |
*** |
网络安全 |
--> |
在线付款方式安全 |
1.000 |
—— |
—— |
*** |
网站设计特色 |
--> |
平台好的引导系统 |
0.939 |
0.044 |
21.499 |
*** |
网站设计特色 |
--> |
结账操作过程简单 |
0.977 |
0.047 |
20.663 |
*** |
网站设计特色 |
--> |
平台使用界面简单 |
0.988 |
0.045 |
21.848 |
*** |
结构模型 |
|
|
|
|
产品质量保证 |
--> |
购物满意度 |
0.331 |
0.078 |
4.230 |
*** |
购物便利性 |
--> |
购物满意度 |
1.000 |
—— |
—— |
*** |
注：***表示0.01水平下显著。
3.5. 结果分析
直接效应与间接效应的和是总效应，体现了原因变量对结果变量的影响程度，计算各个变量对网络购物消费者满意度的直接效应和间接效应。
Table 8. Variable influence effect
表8. 变量影响效应
变量 |
直接效应 |
间接效应 |
总效应 |
网络安全性 |
—— |
0.320 |
0.320 |
网站设计特色 |
—— |
0.553 |
0.553 |
产品质量保证 |
0.588 |
—— |
0.588 |
购物便利性 |
0.355 |
—— |
0.355 |
由表8可得以下结论：
1) 网络安全性对网络购物消费者满意度有间接的正面影响
网络安全性对网络购物消费者满意度的影响是最小的。在如今网络发达、线上购物盛行的年代，人们更加注重自己的隐私保护和资金保护，购物平台若为购物者提供了安全保障，维护了消费者的权益，则可以大大提升消费者购物的满意度。
2) 网站设计特色对网络购物消费者满意度有间接的正面影响
网站设计特色是消费者满意度的重要影响因素，欣赏美是人们的本能，和谐的色调和风格、优越的外观设计常常能够吸引人们的注意，使消费者心情愉悦，满足消费者的消费体验，提升购物满意度。
3) 产品质量保证对网络购物消费者满意度有直接的正面影响
人们在购物中常常会注重产品的性价比，线上购物亦是如此，合适的价格下买到合适质量的产品往往会使消费者对平台购物产生好感，提升网络购物满意度。
4) 购物便利性对网络购物消费者满意度有直接的正面影响
购物便利性对网络购物消费者满意度有直接的正面影响，便利性是提高购物者满意度的首要原因，网络的便利程度和全天无休的服务提升了人们的购物体验，提高了人们的满意度。
4. 结论与建议
4.1. 完善相关领域的政策法规
政府部门应充分调研论证，设定医疗机构进行电商医疗必须具备的硬件条件、设立确保安全的规章制度、厘清相关责任。加强对电商医疗平台大数据应用与个人信息、患者隐私保护的监管。
4.2. 商铺应该提高网络购物服务质量，增强消费者对购物网站的信任感和满意度
影响网络购物满意度的关键因素不再仅限于web网页上的呈现方式或低价策略。根据本研究的结论，提高消费者网络购物满意度还可以从3个方面着手。1) 提高网络购物的安全性。交易安全可靠性因素是影响网络购物满意度的重要因素，网络商店必须提供安全的支付方式，确保网站使用安全的加密技术来保护消费者的个人信息和交易数据。2) 保证网络销售产品的质量，塑造网站品牌。消费者在网络购物时，首先关注的是产品的质量，高质量的产品能够满足消费者的需求，减少退换货的情况，从而提高消费者的满意度。此外，消费者在选择不熟悉的网站购物时，往往会担心风险。一个有良好声誉品牌的网站能够减少消费者的这种担忧，提高他们的购物满意度。3) 最大限度地为消费者提供便利，简化网络购物操作流程。网络商店应该提供功能强大的搜索工具和引导系统，并在商品运送方式和付款方式上给消费者更多的选择。
基金项目
2023年安徽省大学生创新创业训练计划项目(No. S202310371090)。