爱华网一、引言
电子商务的快速发展不仅为消费者提供了极大的购物便利，同时也带来了大量的产品选择和海量的产品信息。然而，由于受到认知能力的制约，人们的信息处理能力是有限的。面对过量的信息，消费者要识别出满足自身需求的产品并不是一件容易的事。为了帮助客户减轻信息过载压力，各大商务网站推出了种种信息过滤技术，产品推荐代理(Recommendation Agent，简称RA)是其中的典型代表。Shopping.com和BizRate等著名的购物比较网站之所以大获成功，靠的就是RA[1]。
RA是一种获取个体用户产品兴趣或偏好，并或明或暗作相应产品推荐的软件[1]。它一般嵌套在消费者购物的电子商务网站之中，可看做是商家为消费者提供的一个“虚拟顾问”，它为消费者推荐产品，并提供购物过程中所需的各类信息，引导其迅速便捷地完成网上购物。
RA的核心功用是帮助消费者搜索和选择产品。从使用者来看，消费者希望RA的使用能改善其购买决策，从而以合理的价格购买到最符合自身需求和偏好的产品；从提供者来看，商家希望消费者最大程度地接受RA的推荐，以加快购买决策进程，从而实现自己的销售目标。由此可以看出，不论是作为RA使用者的消费者还是作为RA提供者的商家都希望RA能影响购买决策，因此，RA对购买决策的影响是RA研究中必须关注的一个核心和焦点。
以往有关RA的研究主要关注推荐内容的形成过程，即推荐信息形成算法的开发与评价，关于RA对消费者购买决策影响的研究非常少，目前尚停留在刚刚起步的阶段。值得一提的是，Xiao和Benbasat的研究将RA看做是一种嵌入在不同商务网站的消费者决策支持系统(DSS)，由此观点出发，在综合了大量相关文献的基础上，系统探讨了RA使用、RA特征和其他因素(如用户特征、用户与RA交互特征、被推荐的产品特征、RA提供者的可信性等)是如何影响消费者决策和消费者对RA评价的，并提出了一个较完整的概念模型，该研究虽然并未对所提出的模型作任何实证检验，但它为该领域的研究奠定了一个良好的基础[1]。
为了探讨RA对消费者购买决策的影响，本文主要研究两个问题：(1)如何度量RA对消费者购买决策的影响；(2)RA如何影响消费者的购买决策，即RA对消费者购买决策的影响机理是什么。为此，本文提出了用“RA影响力”来度量RA对购买决策的影响，并构建了“RA影响力模型”来考察RA对消费者购买决策的影响机理。下面首先讨论RA对消费者购买决策的影响，然后提出并检验“RA影响力模型”。
二、RA使用对消费者购买决策的影响
一个完整的决策包括决策过程和决策结果两个方面。研究表明，RA使用既影响消费者的购买决策过程，也影响消费者的购买决策结果[1]。
(一)RA对消费者购买决策过程的影响
根据经典的购买决策信息处理理论[2]，消费者的购买决策可以划分为三个阶段：信息检索、考虑集形成、最终选择。RA对消费者决策过程中的三个阶段都有明显的影响。
1.在信息检索阶段影响产品评价和偏好函数。信息搜索是RA最擅长的能力，RA强大的信息检索和推荐功能将从两个方面影响消费者对产品的评价[1]：首先，RA为消费者提供了更全面、更充分、更个性化的信息，这使消费者对产品功能、性能和价格合理性等的评价更加深入和准确，从而减少对不同品牌产品的认知(评价)偏差；其次，对于所推荐的产品，RA往往同时向消费者提供诸如专家评论和消费者评论等信息，这些将会在不同程度上左右消费者对产品的评价和态度。另外，研究表明，消费者常常由于对产品信息缺乏完整、准确的把握，不能形成稳定、明确的偏好，消费者的选择偏好不是固定不变的，而是在购买过程中随着信息掌握广度和深度的变化不断修正的[3-4]，因此，RA使用为消费者所带来的全面、充分和个性化的信息，必然改变消费者的偏好函数(preference function)。消费者偏好函数的变化也是影响产品评价的原因之一。
2.在考虑集形成阶段影响考虑集形成策略。考虑集是指从可供选择的产品中选出的一组最有可能购买的产品。借助RA，消费者可以采用一些新的考虑集形成策略，例如：(1)采用基于完全解空间的考虑集构建策略[1]，即在整个数据库中搜索、评估所有的可选产品，然后形成考虑集，这种策略如果没有RA的支持是不可能做到的；(2)采用基于完全委托的考虑集构建策略，即把考虑集形成过程中本来应当由消费者承担的所有工作全部委托给RA来完成，消费者所要做的就是下达委托指令，并将自己的需求、偏好输入系统，以此作为RA遴选考虑集产品的标准；(3)采用全盘接受的考虑集构建策略，即按RA提供的产品推荐排名，简单地截取排名靠前的若干产品进入考虑集。
3.在最终选择阶段影响产品选择策略。RA的支持使消费者可以采取一些全新的产品选择策略，例如基于深度比较的选择策略：借助RA，消费者可以轻松地做到对考虑集产品的深度比较，要做的只是定义需要比较的产品属性集以及每个属性的权重，RA利用内嵌的各种方法，如加权平均法、比较矩阵法等将自动完成综合比较，并给出排名，排名第一的产品就是按照消费者综合偏好遴选出来的最佳产品。
(二)RA对消费者购买决策结果的影响
RA对购买决策结果的影响将体现在产品的最终选择、决策质量和决策自信三个方面。1.对最终选择的影响。如前所述，在购买决策过程中，RA的使用将影响消费者的偏好函数、产品评价和产品筛选策略(包括考虑集形成策略和最终选择策略)，很显然，这些影响势必会反映到对产品的最终选择上[1]。偏好函数的变化意味着消费者选择标准的变化，这将引起产品搜索范围、产品评价准则和产品考虑集等一系列的变化；产品评价的变化意味着消费者改变了对相应产品的态度和购买意愿；产品筛选策略的变化意味着消费者将采用不同的思路、方法和路径筛选产品，这些显然也将带来最终选择的不同。
2.对决策质量的影响。决策质量是对消费者购买决策水平的评估，可以有以下多种不同的测量方法[1]：(1)消费者所选产品是最优方案还是次优方案；(2)所选产品属性与消费者偏好的匹配度；(3)考虑集中产品的平均质量；(4)消费者在做出购买决策后是否会后悔。
大量学者的研究表明，RA的使用将提高购买决策质量，原因有三个方面：(1)RA能节省消费者大量的信息搜索、评价和筛选时间，使消费者可以有更多的时间做更好的决策[1]；(2)RA能提高产品考虑集的质量，使消费者更容易定位和匹配自己的偏好[5]；(3)RA的使用能增强消费者的认知能力，排除认知局限，从而提高决策质量[6]。
3.对决策自信的影响。不少研究表明，RA的使用还能增强消费者的决策自信[1，6]。比如，RA的使用扩大了产品搜索和评价范围，使消费者拥有更大的产品选择余地，从而增强消费者购买决策的信心①。当然，也有一些相反的观点，如Hostler等人认为RA的使用对消费者的决策信心没有任何影响[7]。
三、RA影响力模型构建
上述讨论表明，RA的使用对消费者的购买决策过程和结果都有重要影响，受“口碑影响力”概念[8]的启发，本文提出用“RA影响力”来衡量RA对消费者决策的影响②。RA影响力模型就是描述RA影响力与其决定因素之间关系的一个概念模型，它反映了RA对消费者购买决策的影响机理。
综合购买决策信息处理理论[2]、TAM(科技接受度模型)理论[9]和IT信任形成理论[3，10]等多种理论视角，本文认为：RA对消费者影响力的大小取决于消费者认为RA是否有价值，是否值得信任，而这两方面的评价又取决于消费者对RA自身特性和RA相关特性的考察。RA认知价值和RA信任统称RA评价，RA自身特性和RA相关特性统称RA特性，两者与RA影响力之间是一种因果关系，存在因果关系链“RA特性→RA评价→RA影响力”，即“RA特性决定RA评价，RA评价决定RA影响力”，RA影响力模型描述的正是这三类模型构成要素之间的因果关系集合。下面首先根据相关研究成果讨论模型要素及其关系，然后给出RA影响力模型。
(一)模型要素
1. RA影响力 RA影响力是RA的使用对消费者购买决策影响力的简称，指RA的使用对消费者购买决策所产生的影响程度，它是衡量RA对消费者购买决策影响的一个综合指标。如前所述，RA的使用对消费者的影响包括决策过程和决策结果两个方面，所以，相应的有决策过程影响力和决策结果影响力。其中，决策过程影响力体现在改变消费者偏好函数、产品评价和产品筛选策略三方面；决策结果影响力体现在对最终选择、决策质量及决策自信的影响。决策过程对决策结果的影响是显然的，因此，本文假定：RA决策结果影响力与RA决策过程影响力正相关。2. RA评价
RA评价是指用户对RA的理解和态度，包括RA认知价值和RA信任两个方面。(1)RA认知价值。RA认知价值指消费者对RA的使用给其带来的整体效用的主观评价。RA是一种典型的信息系统，根据TAM理论[9]，人们之所以采纳一些信息系统是因为感知有用性和感知易用性，两者实际上构成了人们对信息系统价值的主观评价，即认知价值。因此，RA认知价值包括RA认知有用性和RA认知易用性两部分。根据TAM理论和大量的相关实证研究成果，认知有用性和认知易用性与信息系统使用意愿或行为正相关，RA作为一种信息系统，认知有用性和认知易用性显然会正向影响RA的使用。另外，前文的讨论表明，RA的使用将影响消费者的决策过程和决策结果，因此存在关系链：RA认知价值→RA的使用→RA影响力。RA的使用不是本文关注的焦点，只是本文隐含的一个前提，本文直接假定：RA决策过程影响力和RA决策结果影响力与RA认知价值正相关。
(2)RA信任。信任是对他方按承诺行动、诚实协商和不采取机会主义行为的期望[11]。消费者与RA之间是一种委托代理关系，其中消费者是委托人，RA是代理人，委托任务是RA通过信息检索、过滤和评价为消费者提供个性化的产品推荐。由于委托代理关系中存在信息不对称，如消费者(用户)不知道RA是否有能力完成其委托的任务，不知道RA是完全代表消费者的利益还是代表在线商家(RA的提供者)的利益，因此，RA及RA推荐信息能否被用户接受和采纳，存在一个消费者对RA的信任问题。RA信任可定义为：消费者对RA按承诺诚实履行代理任务的一种期望。
RA信任包括能力信任和品质信任两个方面。能力信任指RA有能力理解并满足消费者真正的信息推荐需求，可从“产品知识是否丰富”、“推荐信息是否专业”两个维度考量；品质信任指RA是正直和善意的，能全心全意为消费者服务，不会采取有损消费者利益的机会主义行为。根据信任形成理论，如果RA能站在消费者的立场上(不以供应商利益为中心)，不提供虚假信息，并把双方交互的控制权更多地交给消费者，就被认为是正直和善意的[12-13]。综合IT信任形成理论和TAM理论可知，RA信任是决定消费者RA使用意愿或行为的关键要素，与RA认知价值相类似，并存在如下关系链：RA信任→RA的使用→RA影响力。如前所述，RA的使用不是本文关注的焦点，只是本文隐含的一个前提，本文直接假定：RA决策过程影响力和RA决策结果影响力与RA信任正相关。
另外，根据营销信任理论，客户认知价值是决定客户信任的核心要素[14]，与此类似，RA认知价值也是决定RA信任的重要因素，因此，本文假定：RA认知价值与RA信任正相关。
3. RA特性
RA特性分为两类：RA自身特性和RA相关特性。(1)RA自身特性。RA自身特性包括RA的类型、输入特性、过程特性和输出特性等方面，它们都可能会对消费者购买决策产生影响[1]，但基于大部分消费者并不了解RA的类型、输入及逻辑处理特性，他们所能感受的只有RA的输出特性，如RA推荐内容的个性化、推荐信息编排的合理性、推荐内容的信息量等。因此，本研究只考虑RA的输出特性。
推荐内容的个性化是用户最关注的输出特征，指RA所推荐产品与当前用户偏好的吻合程度，可从“推荐的产品是否符合消费者偏好”、“推荐的品牌消费者是否喜欢”、“产品的功能是否符合需求”、“产品的价格是否可以接受”等维度来衡量。推荐内容个性化直接影响消费者对RA的评价，个性化程度越高，消费者认为RA的价值越高，对RA的信任也越强，因而也越有可能接受推荐的产品③[13]。推荐信息编排的合理性(简称信息编排)也是用户关注的重要特征，如果推荐信息的输出杂乱无章，那么即使再好的推荐内容，消费者对它的评价和接受也会大打折扣，甚至置之不理。不少学者的研究表明，分类列出推荐产品，并按效用得分④高低排序，比随机排序方式更容易赢得消费者的认可，推荐产品被消费者选中的可能性更大⑤。因而可从“推荐的产品是否有列表”、“列出的产品是否有排序”、“整个输出信息编排是否逻辑有序”等方面衡量推荐信息编排的合理性。
网络时代信息过载是一个普遍的现象，推荐内容是否有信息过载问题也会影响消费者对RA推荐的评价。信息过载表现在两个方面：一是推荐的产品太多，面对长长的候选产品清单，消费者要耗费大量的时间和精力来评价和选择，有时甚至根本无从下手；二是对推荐产品的评价和注释信息过多、过细，令消费者眼花缭乱，甚至根本没有时间和精力去看完⑥。RA推荐内容的信息量如果超出了人们有限时间内的认知和信息处理能力，显然会降低消费者对RA价值的评价。因而，我们可从“推荐产品是否过多”、“推荐信息有没有时间或精力看完”等方面衡量推荐信息过载。
综上所述，推荐内容个性化、推荐信息编排合理性和推荐信息过载都会直接影响消费者对RA的评价，但三者的影响有所不同⑦[13]：推荐内容个性化同时影响RA认知价值和RA信任，而推荐信息编排合理性和推荐信息过载只影响RA认知价值，不直接影响RA信任。故本文假定：RA认知价值和RA信任与推荐内容个性化正相关；RA认知价值与推荐信息编排合理性正相关；RA认知价值与推荐信息过载负相关。
(2)RA相关特性。RA相关特性主要指与RA相关的消费者特性和RA平台特性。
消费者特性包括消费者自身的人口统计特性(如年龄、性别、收入等)、科技接受特性、感知风险特性、对RA的熟悉度及产品专业性等等。其中，对RA的熟悉度是影响消费者使用和评价RA的关键要素，主要包括消费者对RA推荐形式、推荐界面及推荐原理的熟悉程度。Komiak和Benbasat的研究证实了消费者对RA的熟悉度会影响消费者对RA的信任[12]，因此本文假定：消费者对RA的信任与消费者对RA的熟悉程度正相关。
作为网上商家提供的一种工具，RA都是嵌套、依附在特定的电子商务网站(如Amazon、CD NOW、MovieLens等)上为消费者提供服务的，一定程度上是代表提供者利益的，所以，RA所嵌套的网站的特性，即平台特性，必然影响消费者对RA的评价。平台特性主要指RA所在网站的形象，包括网站知名度、声誉、权威性、可靠性、可信性等方面。因此本研究假定：消费者对RA的认知价值和信任与RA所嵌套的网站的形象正相关。
(二)RA影响力模型
综合上述讨论，本文提出如图1所示的RA购买决策影响力理论模型，即RA影响力模型，模型包括9个变量，描述了RA特性(包括RA自身特性和RA相关特性)、RA评价和RA影响力三类变量之间的关系。图中的箭头线表示对应的两个变量之间存在因果关系，箭头处为内生变量，箭尾处为外生变量，一个因果关系就是一个假设，图中用“+”、“-”分别表示两变量之间正或负相关。模型共包含了13个假设，如“RA认知价值与RA推荐内容个性化正相关”、“RA认知价值与RA推荐信息过载负相关”等。
四、实证方法与数据采集
(一)实证方法
如图1所示，理论模型共涉及9个变量，这些变量主观性强，且均为隐变量。本文选择结构方程建模(简称SEM)软件作为样本数据的分析工具。SEM可方便地处理主观性强、误差大的隐变量，并可评估整个理论模型与观测的样本数据的拟合效果。所用的SEM软件为AMOS 6.0完全版。(二)变量度量
理论模型涉及的9个变量都有相对成熟的量表[12，15-16]，在已有量表基础上，笔者结合本研究的具体背景对各个变量的度量项目进行了设计。如表1所示，9个变量共有35个度量项目，每个度量项目均采用Likert七级分值刻度。35个度量项目对9个变量的载荷系数最小为0.69，最大为0.90，均大于0.5，表明量表具有良好的收敛效度。检验表明，9个变量之间具有良好的区分效度⑧。9个变量的度量可靠性系数(Cronbach‘s α)最小为0.85，最大为0.92，表明量表具有良好的信度。(三)数据采集
本研究通过问卷调查采集数据，调查对象为网上购物族。采用面对面纸质问卷和网上电子问卷两种方式发放问卷。其中电子问卷调查主要通过e-mail和QQ、MSN等渠道进行发放和回收。两种方式累计发放问卷1435份，收回问卷655份，回收率为45.6％，其中有效问卷605份，满足SEM方法大样本的要求。五、结果与分析
(一)求解结果
根据图1所示的变量之间的因果关系和表1的度量项目，利用AMOS建立结构模型并求解，求解结果包括模型统计参数和结构参数两部分。前者是一类判别模型拟合优劣的指标，主要指标有四个(组)：/df、TLI(即NNFI)、CFI和RMSEA。求解结果为/df=2.05，TLI=0.90，CFI=0.91，RMSEA=0.072。后者指变量与变量之间的路径系数(偏相关系数)，由本身的值和相应的显著性指标f值组成。f值与统计显著性水平α相对应，如α=0.05时，f=1.96。结构参数求解结果见表2，其中“路径”栏符号的意义见表1。
(二)结果分析
分析由两步构成：首先评估理论模型的拟合效果，然后在模型拟合效果可接受的前提下(否则进一步的分析没有意义)，分析理论模型假定的13个关系是否成立。根据通行的标准[17]，如果/df≤3.0，CFI≥0.9，TLI(NNFI)≥0.9，RMSEA≤0.08，那么模型的拟合效果是可接受的。由上文可知，模型统计参数均满足通行的评估标准，由此可见，结构模型与观测的样本数据有较好的拟合效果，样本数据总体上是支持本文所提出的RA影响力理论模型的。
据路径系数的显著性和方向可判别假设是否成立。以5％(T=1.96)和10％(T=1.65)两个显著性水平进行假设检验，分析过程和结果如下：(1)“信息过载()→RA认知价值()”的路径系数的T值为1.85，小于临界T值1.96，但大于临界值1.65，说明“信息过载与RA认知价值”之间的关系在5％水平上不显著，只在10％水平上显著，可认为是一种弱显著关系；其路径系数为负值，说明“RA认知价值”和“信息过载”之间负相关，对照前文假设可知，此假设基本成立。(2)其余12个路径系数的T值均大于1.96，在5％水平上通过统计显著性检验，且12个路径系数都为正值，说明12个路径系数所描述的变量之间都存在正相关关系，对照前文假设可知，其余12个假设均严格成立。
“RA认知价值与信息过载负相关”未被严格支持的原因可能有三个方面：一是目前总的来说RA推荐的信息量不是太大，在消费者可接受的范围内；二是推荐信息编排的合理性、个性化等削弱了消费者对信息过载的敏感性；三是消费者凭借购物经验有选择性地查看各类推荐信息，从而使得对信息过载的感知并不是那么明显。
六、结论、意义与未来研究方向
(一)研究结论
根据实证结果，可得出三个主要结论：(1)RA的使用确实会影响消费者的购买决策，不仅影响决策结果，而且影响决策过程，但RA对两者的影响是以RA认知价值和RA信任为中介的。(2)RA认知价值取决于RA所在网站的形象、推荐内容个性化程度及信息编排合理性程度，其中RA个性化程度影响最大(见表2的路径系数)；RA信任取决于RA认知价值、推荐内容个性化程度、RA所在网站的形象及消费者对RA的熟悉度，其中RA认知价值对RA信任的影响最大(见表2的路径系数)。(3)RA对消费者购买决策的影响可以用“RA影响力”来衡量，它包括决策过程影响力和决策结果影响力两个维度，并且前者影响后者。结论(3)解决了RA对消费者的影响如何度量的问题，结论(1)、(2)揭示了RA对消费者购买决策的影响机理。
(二)理论贡献
本研究的主要贡献如下：1.丰富和拓展了RA理论。通过影响消费者购买决策行为进而赢得消费者对所推荐产品的青睐，是商家提供信息推荐的根本目的。为了很好地实现这个目的，商家必须解决三个基本问题：第一，如何衡量RA对消费者的影响大小？第二，RA对消费者购买决策的影响机理是什么？第三，如何控制对消费者购买决策的影响？本研究构建了RA特性、RA评价、RA购买决策影响力三类变量之间的关系模型，并实证检验了模型的合理性。该模型回答了这三个问题：第一，可以用过程影响力和结果影响力来度量RA对消费者购买决策的影响；第二，RA认知价值和RA信任是RA影响力的直接决定因素，两者在RA特性(包括RA自身特性、RA相关特性)和RA影响力之间起着中介作用；第三，RA特性是RA影响力的基本控制要素，要控制RA对消费者的影响，必须从RA特性着手。以往有关RA的研究主要集中在如何产生有价值的推荐内容，关注的焦点是RA技术，例如RA推荐算法的开发以及不同推荐算法的比较与评价等[1]。本研究突破了狭隘的技术研究视角，将RA的研究延伸到了RA对消费者决策行为的影响。本研究不仅解决了困扰商家的三个基本问题，而且可以反过来指导RA技术的研究：在RA的两类特性中，RA自身特性与技术密切相关，如何实现理想的RA自身特性(例如，如何产生更加个性化的推荐内容，如何避免推荐信息过载等)应当成为RA技术研究的基本目标。
2.丰富了网上购买决策理论。RA的出现是现代信息技术高度发展的一个结果，代表着最先进的信息技术。本文以RA为例，揭示了电子商务背景中信息技术对消费者决策行为的影响，在网上购买决策影响因素集中增加了一个很重要的元素。
(三)实践意义
本研究的结论对网上商家至少具有如下方面的意义：1.增强对RA的战略认知。RA的使用既影响消费者的决策过程，也影响消费者的决策结果，这为商家利用RA向消费者推荐产品提供了非常好的契机，网上商家必须高度认识RA的战略价值：RA的应用既是顺应消费者需求的一种必然，也为企业利用RA技术实施低成本、高效率的一对一网络营销策略，进而获得更多消费者对自身产品的青睐和忠诚，最终在日趋激烈的市场竞争中赢得优势提供了千载难逢的机会。
2.提高消费者对RA的评价。消费者对RA的评价，即消费者对RA的认知价值和信任，是决定RA对消费者购买决策影响力大小的直接因素。为了提高消费者对推荐信息的接受度，吸引更多的消费者在更短的时间内决定购买本企业的产品，网上商家就必须想方设法提高消费者对RA的认可，让其认识到RA是全心全意为他们服务的，RA不仅能大大减少产品信息检索、评价和选择的时间与精力，而且能帮助他们以更合理的价格购买到更符合自身需求与偏好的产品。
3.完善RA自身特性的设计。推荐内容个性化、推荐信息编排合理性、推荐信息过载等RA特性决定了消费者对RA的评价，商家必须在这些RA特性设计上下足功夫。首先要有一个高效的消费者需求、偏好获取机制，快速捕获、构建消费者偏好函数；其次，推荐信息的编排方式必须合理有序，以有利于消费者充分理解、吸收推荐内容；最后，推荐的信息量必须在可接受的范围内，不能超出消费者的认知极限。
(四)未来研究方向
为了进一步深入研究此问题，学者们可对如下方面作些探讨：1.考虑更多的消费者特性。本研究仅仅考虑了对RA的熟悉度这一个消费者特性，实际上消费者的其他特征，如对拟购产品的专业性、科技接受特性及风险偏好也会影响消费者对RA的评价[1]，进而影响RA对购买决策的影响力。未来研究中应考虑更多的消费者特性。
2.考虑产品类别的影响。一些个性化产品的购买需要消费者亲身体验后才能作出决策(如服装购买)，有些产品的购买则无需消费者体验，两种情况下RA推荐信息的影响力显然是有差异的，可将产品划分为体验和非体验两类，并将产品类别作为调节变量引入研究中。
3.将问卷调查和行为实验相结合。本研究采用回忆的方式让消费者填写问卷，这种情况下问卷数据产生误差在所难免。未来的研究可先让消费者在有RA的网站中进行一次模拟购物(行为实验)，然后再对其进行问卷调查，以增强问卷数据的有效性和可靠性。
