本文选取有O2O电子商务购买经历的高校大学生消费群体作为调研对象,分析研究在O2O电子商务模式下的顾客忠诚度,根据问卷搜集的数据运用AMOS分析软件对高校大学生消费群体顾客忠诚度进行实证分析。通过分析得知:在O2O电子商务模式下,影响高校大学生消费群体顾客忠诚度最重要的因素依次是顾客满意度、产品质量、线下服务、线上服务等因素,并根据实证分析的结果对O2O电子商务发展提出建议。
关键词:O2O模式;电子商务;高校大学生;顾客忠诚度
一、引言
随着互联网技术的飞速发展,电子商务竞争也变得越来越激烈。通过O2O电子商务模式的优势可以将顾客从线上迁移到线下,同样也能够让在线下的顾客了解并进一步喜欢依赖线上购买。从消费者的角度看,能够实现7×24小时的浏览购买,可以节约去实体店挑选购买的时间,同时能够实现产品后续的售后服务工作,对产品质量放心;对企业来说,通过网络可以集聚大量的用户,可以吸引更多的用户,另一方面能够节约相应的成本,更好的培养忠诚的客户,因此O2O模式的电子商务代表着未来的发展趋势和方向,引起了企业的高度重视。
在我国庞大的消费人群中,大学生消费者在当前电子商务环境下是不能忽视的消费群体。一个方面是他们热爱新鲜事物,熟悉互联网操作,同时也有较多的富余时间,且目前的大学生消费能力逐步提高,另一方面高校大学生在毕业之后就会成为未来消费的主力人群。根据国家统计局发布的《2015 年国民经济和社会发展统计公报》显示,全年研究生教育招生 64.5 万人,在学研究生 191.1 万人,毕业生 55.2 万人。普通本专科招生 737.8 万人,在校生 2625.3 万人,毕业生 680.9 万人。众多商家和研究学者认为这是一个极具挖掘潜力的消费人群。
顾客忠诚是指顾客在进行购买决策时,有意愿和有能力多次重复购买某个企业或某种品牌产品的购买行为。研究表明,顾客忠诚度的提高会带来企业经营利润的大幅增加,在企业营销的过程中要能够做到将第一次使用的用户快速的转变成忠实的用户,有利于企业的持续健康发展。在电子商务时代,顾客忠诚度又被形象的称为E-忠诚,由于电子商务起源于西方,在2003年的时候,Moonkyu Lee阐述E-忠诚是网络上的消费者在购买一次之后想要再次重复购买的意愿和能力,同时毕马威咨询公司将其进一步阐述为网络顾客对网上企业或品牌的忠诚。本文认为在O2O电子商务模式下,顾客忠诚度实际上是网络为主题的环境中客户对公司或产品的忠实程度,具体表现是消费者在同一家网络公司的重复购买。当顾客买到的产品符合预期,顾客就会对产品及企业产生信赖,从而建立起顾客忠诚,且在下次购买时继续购买或向身边的人介绍这家企业或品牌,因此,顾客忠诚是顾客对企业产品和品牌持续、长久的偏好,具有重复购买、交叉购买产品和对产品进行正面的口碑传播等特征。
为了分析和研究高校大学生消费群体的顾客忠诚度,本文首先分析在O2O电子商务模式下的顾客忠诚度的影响因素,通过构建针对于大学生消费群体顾客忠诚度的结构方程逻辑图来说明大学生消费群体对O2O下电子商务的需求,同时针对问卷搜集的数据运用eviews8.0对问卷的数据进行分析研究,在此基础上又运用AMOS分析软件对大学生消费群体顾客忠诚度进行实证研究和数据分析。
二、研究假设和模型构建
国外学者Dinney认为基于网络环境下的顾客忠诚度是指消费者对于网上企业的商品、服务以及网站品牌等等外延的忠诚。而Oliver则认为在顾客忠诚度形成之前的一个极其重要的步骤是顾客的满意度。Rikes通过实证分析研究后得出结论:影响顾客忠诚度最主要的因素是消费者的信任感和满意度。目前影响我国网络消费者顾客忠诚度的因素较多,总的来说主要包括网购经验、网站服务、顾客满意度、物流速度等等方面的因素。本文结合O2O电子商务模式下的发展特点,采用Amos做出O2O电子商务模式下高校大学生顾客忠诚度的SEM(structural equation modeling)观念架构图,综合前人的研究观点,本研究模型的观念架构图及研究假设的如下图一所示,在图中箭头的指向方向则表示假设这两个变量之间的因果关系是正相关。
图一:高校大学生消费群体顾客忠诚度观念架构模型
H1:高校大学生消费群体顾客满意度对高校大学生消费群体顾客忠诚度正相关
H2:网站线上服务对高校大学生消费群体顾客满意度正相关
H3:网站线上服务对高校大学生消费群体顾客忠诚度正相关
H4:产品因素方面对高校大学生消费群体顾客满意度正相关
H5:产品因素方面对高校大学生消费群体顾客忠诚度正相关
H6:网站线下服务对高校大学生消费群体顾客满意度正相关
H7:网站线下服务对高校大学生消费群体顾客忠诚度正相关
三、问卷设计和样本说明
3.1 问卷设计和变量度量说明
本文将网站线上服务、产品质量因素和网站线下服务作为外在因素潜在变量,高校大学生消费群体顾客满意度和忠诚度当做内在因素潜在变量,模型中的观察变量分别设置为:网站页面、网站服务、产品因素、物流服务、售后服务、购物体验、介绍推荐和重复购买等方面,根据以上的观察变量结合高校大学生消费群体的具体调查对象在预设计问卷中共设计45个调查选项。采用Likert量表法,对问卷采用Likert 7 点量表进行设计,其中1分代表“完全不同意”,2分代表“不同意”,3分代表“基本不同意”,4分代表“无所谓”,5分代表“有点同意”,6分代表“基本同意”,7分代表“非常同意”,为保证问卷的信度和效度,本问卷进行了预设计和预调查,在预调查的基础上进行问卷的相应调整,因此最终问卷数量定位25个。
本文理论模型分成8个观察变量,每个观察变量分别对应相应量表,各个观察变量的具体度量项目如下表一所示。通过25个度量项目对应的8个观察变量的荷载系数的值来看,每个值都是大于0.68,远远大于0.5的临界值,这表明该调查量表具有良好的收敛效度。
表一:八个观察变量的具体度量项目
观察变量 |
具体度量项目 |
网站页面 |
网站颜色、产品展示、搜索服务、产品点评、网站音乐 |
网站服务 |
用户特权、支付方式、金融服务 |
产品因素 |
产品与实体店比较、产品与网上产品比较、产品质量、产品使用情况 |
物流服务 |
物流速度、物流服务 |
售后服务 |
用户回访、产品退还、产品维修 |
购物体验 |
购物感受、产品试用 |
介绍推荐 |
亲友推荐、户外广告、线上推广 |
重复购买 |
网站整体服务满意度、网站整体购物体验、网站购物整体满意性、再次购买 |
3.2 样本情况和检验说明
在进行预调查和调整的基础上主要进行线下的调查问卷,全部在高校校园内进行随机调查,一共发放492份问卷,共回收438份,回收率达89.02%,从调查数量来看,已经到达SEM的方法大样本的要求。总的调查样本,男生数量为190人,占比为43.38%,女生数量是248,占比为56.62%,基本上符合男女比例要求。
为了进一步验证样本问卷和数据的信度和效度,本文基于以上数据,运用SPSS 18.0对样本数据进行可靠性分析,采用Cronbach Alpha系数来对问卷进行检验。根据数据分析可以看出各个变量的Alpha系数都大于0.8,最低Alpha系数为0.879,最高是0.901,说明该研究数据的可信度还是比较高,详见表二。
表二:研究样本信度分析结果
变量 |
Cronbach Alpha系数 |
网站页面 |
0.879 |
网站服务 |
0.899 |
产品因素 |
0.901 |
物流服务 |
0.894 |
售后服务 |
0.882 |
购物体验 |
0.891 |
介绍推荐 |
0.886 |
重复购买 |
0.894 |
同时在此检验的基础上,本文又通过主成分分析的方法对调查问卷进行因子分析,在因子分析法的基础上,运用方差最大化方法进行因子旋转,并对数据进行KMO样本测试和Bartlett球形检验,运用SPSS18.0进行分析后,得到的KMO的值是0.936,从该数据表明可以进行因子分析,同时Bartlett球形检验的Sig.值是0.000,说明变量之间具有相关性,适合做因子分析。
四、实证结果和模型修正
在以上对问卷的数据进行信度和效度的检验之后,本研究采用结构方程模型的方式进行方程路径的分析,根据实证分析来验证前文提到的研究假设。调查问卷的数据进行正式的SEM分析研究之前,本文先用AMOS分别计算出每一个观测值远离群体中心的Mahalanobis d-squared 的距离,按照一般计量学的统计标准P2的值小于0.05的时候,则说明该变量的观察值很有可能为异常值。因此在以上分析的基础上对P2值低于0.05的个别值,进行逐个释放排查。对于经过排查属于异常值的个别值采取直接删除法,利用Amos软件再次绘制高校大学生顾客忠诚度SEM模型,如下图二所示。
图二:高校大学生消费群体顾客忠诚度SEM模型
本模型采用极大似然估计的方法(ML方法),在对模型进行拟合的过程中发现网站线上因素和网站线下因素对于高校大学生消费群体顾客忠诚度之间的回归系数分别是0.02和0.03,并且呈现出弱相关性,因此在假设路径中H3和H7不能够获得支持,因此需要删除H3和H7的路径,并且对模型进行重新修正。为了能够使假设模型更好的匹配要分析研究的问题,获得更高的适配度,进行了相应的修正,获得如下表三的模型指数修正结果。
表三:模型修正指数结果
模型残差项 |
极大似然估计值 |
修正指数 |
售后服务与高校大学生消费群体顾客忠诚度 |
6.803 |
0.349 |
网站服务与取货方式 |
8.291 |
0.045 |
物流服务与高校大学生消费群体顾客忠诚度 |
21.082 |
0.410 |
通过对以上的修正模型进行指数修正之后,最终得到修正模型的拟合结果和整体模型的适配度统计量,分别如下图三和表四所示。
图三:样本数据SEM修正模型拟合
表四:结构方程的拟合指标量值
拟合指标 |
量值 |
P |
0.672 |
χ2 |
21.331 |
df |
25 |
χ2 /df |
0.853 |
RMSEA |
0.000 |
NFI |
0.932 |
RFI |
0.971 |
IFI |
1.003 |
TLI |
1.005 |
CFI |
1.001 |
AGFI |
0.981 |
GFI |
0.994 |
通过以上的实证分析结合表四的显示路径分析模型图的自由度是25,整体模型的适配度的卡方值是21.331,显著性的概率值是0.672,这里的P值远远大于0.05,因此可以接受虚无假设,结合卡方自由度的量值可以看到,量值是0.853,远远的小于临界值3,这里可以看出得出的效果良好。在以上分析的基础上,本文进一步的分析NFI、RFI、IFI、TLI、CFI、AGFI、GFI的值都大于0.9,结合RMSEA的值,通过以上可以分析得出该模型中各个拟合指标都在可以接受的范围之内,也表示假设模型的适配度比较好,相对拟合较好。
本文根据图三的结构方程的修正模型的拟合数据的值可以通过计算出各个变量之间的回归方程的模型:
直接影响因素方面:高校大学生消费群体顾客忠诚度=1.21(高校大学生消费群体顾客满意度)
间接影响因素方面:高校大学生消费群体顾客忠诚度=0.67×1.21(网站线上因素)+0.72×1.21(网站线下因素)+0.92×1.21(产品因素方面)=0.8107(网站线上因素)+0.8712(网站线下因素)+1.1132(产品因素方面)
全部因素影响方面:高校大学生消费群体顾客忠诚度=0.8107(网站线上因素)+0.8712(网站线下因素)+1.1132(产品因素方面)+1.21(高校大学生消费群体顾客满意度)
本文通过上述回归方程的分析,可以看到,方程中四个因素对于高校大学生消费群体顾客忠诚度的影响程度按照从大到小的因素依次是:高校大学生消费群体顾客满意度、产品因素方面、网站线下服务和网站线上的服务,在结构方程下标准化的回归系数的值分别是:1.21、1.1132、0.8712、0.8107,通过显著性的水平分析都达到了0.05的显著性水平的标准,因此样本数据和分析模型也是有效的。因此通过以上分析可以看出在O2O电子商务模式下,影响高校大学生消费群体顾客忠诚度最重要的因素是高校大学生消费群体的顾客满意度,其次是产品因素,第三是线下服务,影响最小的是线上服务因素方面,这和经典的市场营销理论相符合。根据管理学大师彼得德鲁克的理论,顾客忠诚度源于顾客的满意度,不仅仅包括产品更重要的是产品给客户带来的用户体验能够超过他的预期,这种超预期所带来的顾客满意度能够对顾客忠诚度产生直接且重要的影响。
五、结论和建议
通过分析,可以得出网站线上服务、网站线下服务和产品因素方面和高校大学生消费群体顾客满意度之间均存在正向相关性,从数据可以进一步看出,产品因素是增强高校大学生消费群体顾客满意度的重要因素,通过调查数据和访谈的内容,本文认为由于高校大学生是网购次数较多的群体,对于某宝、某东等都有过购物经历,早已经过了网站线上吸引的阶段,同时加上他们的消费能力和消费水平,他们这个阶段也更看重产品的质量。高校大学生消费群体顾客满意度对于高校大学生消费群体顾客忠诚度有着显著的正向影响。同时根据以上的模型的拟合结果,网站线下的服务对于高校大学生消费群体顾客满意度相对网站线上服务有着更为显著的影响,因为网站线下服务能够更好的保证产品的质量和产品的更换维修等方面,最终还是要回归到产品因素方面。
基于以上的分析和研究,本文针对于O2O电子商务模式发展提出以下建议:首先,未来的商业竞争是一个动态的竞争环境,企业要不断分析研究消费者的消费趋势动态,通过市场调查和研究,提高高校大学生消费群体的顾客满意度。其次,应该保证并进一步提高产品的质量,同时应该根据高校大学生消费群体的消费类型和消费特点来布局网站上相应的产品,做好高校大学生消费群体的需求调查的分析工作,有针对性的进行产品的布局,通过产品更好的突出自己的优势。最后,在O2O电子商务模式下要开展社群化的布局,企业需要进行社群化营销和推广,尤其是针对高校大学生消费群体,他们是未来消费的主力,着重培养“粉丝”群,利用“粉丝经济”,进一步取得可持续的竞争优势,做好此类群体的社群化营销将会取得事半功倍的营销效果。
参考文献
[1] V. Kumara and Denish Shah. Building and sustaining profitable customer loyalty for the 21st century[J].Journal of Retailing, 2004, 80(4) :317-329.
[2] Wu, Ing-Long. The antecedents of customer satisfaction and its link to complaint intentions in online shopping: An integration of justice, technology, and trust [J].International Journal of Information Management, 2013, 33(1).
[3]Moonkyu Lee, Lawrence F.Cunningham, A cost/benefit approach to understanding service loyalty [J]. Journal of Services Marketing, 2001, 15(2).
[4]杨萍.电子商务企业顾客忠诚度的建立与管理[J]. 科教文汇(中旬刊). 2010(10).201-202.
[5]吴明隆.结构方程模型: AMOS 的操作与应用[M].重庆:重庆大学出版社, 2010: 1-20.
[6]张长森.基于顾客感知视角的网络购物忠诚度实证检验[J]. 商业经济研究.2015(3).:60-62.
[7]孙莹,杜建刚,李文忠. 基于网络购物的服务质量与顾客满意度及顾客忠诚度研究[J]. 统计与决策,2011 (1).
[8]吴章光.基于SoLoMo与O2O 联合应用的商业模式研[J].常州工学院学报,2012,25( 5) : 57-60.
[9] 余思琴,王明宇,刘淑贞. O2O 模式对移动电子商务带来的机遇与挑战探析[J].中国商贸,2013( 9) : 84-85.