 Modern Marketing 现代市场营销, 2012, 2, 18-25 http://dx.doi.org/10.12677/mom.2012.21004 Published Online February 2012 (http://www.hanspub.org/journal/mom) The Research of Factors Affecting Consumer Channel Migration Behavior* Lei Jia, Xing Zhou, Helin Wei School of Management, Xiamen University, Xiamen Email: Jialei626@163.com Received: Nov. 14th, 2011; revised: Dec. 3rd, 2011; accepted: Dec. 19th, 2011 Abstract: The advent of network economy, make the consumer formed a trend of movement from offline to online channels. This paper uses PPM model in the theory of migration and analyzes the factors influencing consumers from offline to online from the characteristic of consumers and channel characteristics, the study found that there are the positive correlation between the push effects of offline, pull effects of online and the migration intention and effect of pulling more obvious, there are the negative relationship between mooring effects of channels and migration intentions, indicating that the mooring effects will impede movement be- tween the consumer channel. Accordingly, the paper brings up multi-channel enterprise’s marketing enlighten- ment and limitations of t he study and the future research di rection. Keywords: Channel Migration; PPM Model; Factors 消费者渠道迁徙行为影响因素研究* 贾 雷，周 星，韦荷琳 厦门大学管理学院，厦门 Email: Jialei626@163.com 收稿日期：2011 年11 月14日；修回日期：2011 年12 月3日；录用日期：2011 年12 月19 日 摘 要：网络经济的来临，使消费者形成了一股从离线渠道迁徙到在线渠道的潮流。本文借鉴人口迁 徙理论中的 PPM 模型，从渠道特征和消费者特征的角度分析了消费者从离线渠道迁徙到在线渠道的 影响因素，研究发现离线渠道的推力作用和在线渠道的拉力作用与消费者的渠道迁徙意向具有正相关 的关系，且拉力作用比较明显，而渠道间的锚定作用与消费者的渠道迁徙意向具有负相关关系，说明 锚定作用会阻碍消费者渠道间的迁徙。据此，提出了针对多渠道企业的营销启示和研究的不足以及未 来的研究方向。 关键词：渠道迁徙；PPM 模型；影响因素 1. 引言 随着网络经济的来临，中国网民数量迅速增加， 据中国互联网信息中心 CNNIC发布的《第 27 次中国 互联网络发展状况统计报告》(以下简称《报告》)显 示，截至 2010 年12 月底，我国网民规模已达到 4.57 亿，互联网普及率攀升至 34.3%。由于网络购物更加 快捷、方便，而且价格比较合理，越来越多的消费者 采取网络购物的方式。《报告》显示，中国网络购物 用户规模已达到1.61 亿，较2009 年增长 48.6%，同 时网上支付和网上银行也以 45.8%和48.2%的速度增 *本研究受教育部课题《多渠道环境下的消费者渠道迁徙行为研究》 (项目批准号：11YJA630215)及国家软科学研究计划项目《经济转 型期企业社会责任的践行与企业能力协同效应研究》(项目编号 2010GXQ5D340)的资助。 Copyright © 2012 Hanspub 18  消费者渠道迁徙行为影响因素研究 长，远远超过其他类网络应用，这表明我国越来越多 的经济活动正在加速步入互联网时代。网络经济的来 临，使得企业的产品或服务的销售渠道呈现多样化， 同时也引起了消费者消费观念的转变，越来越多的消 费者转向了网络消费，使得多渠道消费逐渐成为普遍 的方式。因此，近年来，消费者渠道迁徙成为国内外 的又一个研究热点。 然而目前学术界对消费者渠道迁徙的研究还处 于起步阶段，相关的文献主要集中在 2002~2010 年， 主要探讨了引起消费者渠道迁徙的影响因素和多渠 道环境下的渠道营销策略。虽然这些研究对消费者渠 道迁徙的影响因素进行了有益的探索，但是由于只考 虑到了消费者渠道迁徙作用因素的一个或两个方面， 造成目前的实证结论零碎、割裂，而且这些研究主要 是西方学者针对西方消费者的研究，对于中国消费者 渠道迁徙的研究目前还鲜有学者涉及。因此，本文以 人口迁徙理论为基础，利用 PPM(push-pull-mooring) 模型深入分析中国转型期多渠道环境下，消费者个体 特征、渠道特征等因素对消费者渠道迁徙行为的影 响，揭示消费者渠道迁徙行为的多样性和复杂性，并 积极探索渠道迁徙行为影响因素之间的作用机理，这 有助于我们从理论上进一步理解消费者渠道迁徙行 为的发生机制。 2. 文献回顾与研究假设 2.1. 消费者渠道迁徙 迁徙这一概念主要是社会学家用来研究人口迁 徙现象，联合国《多种语言人口学词典》曾给人口迁 徙下了一个为人们普遍接受的定义，即“人口在两个 地区之间的地理流动或空间流动(spatial mobility)，这 种流动通常会涉及到永久居住地(permanent residence) 由迁出地(place of origin，place of departure)到迁入地 (place of arrival，place of destination)的变化[1]。消 费 者 渠道迁徙与人口迁徙有其相似的地方，受某些迁徙因 素的影响，迁徙者从一个地方或国家移动到另外一个 地方或国家。同样的，在消费者行为领域，消费者也 可能会受到某些迁徙因素的影响而从一种消费渠道 迁徙到另一种消费渠道。事实上，西方的一些学者已 经进行了一些类似的研究，2002 年Steinfield 等人将 “迁徙”概念引入到消费者行为研究中[2]，2005 年 Thomos 和Sullivan 首次消将费者渠道迁徙(consumer channel migration)定义为一个动态的选择过程，在这 个过程中消费者重复地从零售商的渠道(比如杂货店、 商品目录、互联网等)中做出选择[3]。2008 年，Kauffman 进一步指出消费者渠道迁徙是指消费者从一个渠道 转移到另外一个渠道的过程[4]。在多渠道环境中，目 前比较常用的渠道划分方法是将渠道分为在线渠道 (如email 和internet)和离线渠道(如direct sales和phy- sical store)两类，网络经济的来临导致了消费者在不同 消费渠道间的迁徙，形成了一股从离线渠道向在线渠 道迁徙的潮流。因此，本文的研究重点是探讨消费者 从离线渠道迁徙到在线渠道的影响因素。 2.2. 推–拉理论及 PPM 模型 推–拉理论是在20世纪 60年代初流行很广泛的 一种解释个体迁徙决策过程的人口迁徙理论，它最早 可以追溯到莱文斯坦的“人口迁徙法则”(laws of migration)，他认为人们进行迁徙的目的是为了改善自 己的经济状况，并对人口迁徙的机制、结构和空间特 征规律进行了总结，提出了著名的人口迁徙七大定律 [5]。莱文斯坦关于人口迁徙以经济动机为主的论述， 道出了人口迁徙的本质，同时也构成了人口迁徙推拉 理论的雏形，为后者的发展打下了基础。Herberle 于 1938 年对传统的人口推拉理论进行了论述，认为决定 人口迁徙行为的因素是原住地的推力和迁入地的拉 力[6]。Herberle 的传统人口迁徙推拉理论提出了人口 迁徙推拉理论的基本内容，成为以后有关理论的基 础。但是这种宏观的分析模型只适合分析大量的人口 迁徙流，并不适合分析个人迁徙现象。之后 Lee 在其 《迁徙理论》中加入了个人因素并系统总结了推拉理 论，成为这一理论的集大成者，他将影响人口迁徙过 程的因素概括为四个方面：“推力因素”(push factors)； “拉力因素”(pull factors)；“中间阻碍因素”(inter- vening obstacles)；个体因素(personal factors)[7]。1995 年，Moon 将“锚定”的概念整合到推拉理论模型中， 构成了在社会学领域中应用范围极广的 PPM(push- pull-mooring)模型[8]，同时该模型在被提出之后，也被 应用到了人力资源的激励研究、人口城镇化研究和市 场学中的营销研究中去，都取得了一定的研究成果。 在消费者行为领域，PPM模型也是一种研究消费者动 机和消费者行为关系的有效途径，即将影响消费者消 Copyright © 2012 Hanspub 19  消费者渠道迁徙行为影响因素研究 费行为的因素围绕“推”和“拉”及“锚定”三种因 素来研究。 目前已有两篇文献将该模型成功引入到消费者 行为的研究中[9,10]，但是他们对推力因素、拉力因素、 锚定因素等变量的选取及划分上还有待商榷，而且 Bansal 等人研究的是消费者在不同服务提供商之间的 迁徙，并没有涉及到消费者在线上渠道和离线渠道间 的迁徙，Chui 等人也只是研究了渠道迁徙中“渠道搭 便车”这一现象。因此，本文借鉴社会学中的 PPM (push-pull-mooring)模型来分析消费者从离线渠道迁 徙到在线渠道的影响因素及内在机理，不但丰富了消 费者渠道迁徙行为研究的理论视角，而且为企业界理 解消费者渠道迁徙行为提供了指导。 2.3. 研究模型及研究假设 本文的因变量为消费者从离线渠道迁徙到在线 渠道的渠道迁徙意向，它决定了消费者的渠道迁徙行 为。计划行为理论认为，消费者的行为意向解释了消 费者行为的大部分方差，而根据PPM 模型，消费者 的渠道迁徙意向受到推力作用、拉力作用和锚定作用 的影响。在渠道迁徙中消费者是主体，渠道是客体， 同时消费者的渠道迁徙又受到消费者所处环境的影 响，因此本文在选择影响消费者渠道迁徙因素的时候 主要从消费者自身因素和渠道因素以及消费者所处 的环境等三个方面来考虑。具体来说，在推力作用中 包括离线渠道的特征价格因素以及消费者自身特征 自我效能两个方面，在拉力作用中包括在线渠道的特 征搜索便利性以及消费者自身特征网络经验两个方 面，在锚定作用中包括消费者感知的迁徙成本和感知 的环境压力即主观规范两个方面，具体如下。 2.3.1. 推力作用 (Push Effects) 推力因素是指那些在原居住地对人们的生活质 量有负面影响的因素，这些因素刺激人们离开原来的 居住地[8]。在消费者从离线渠道迁徙到在线渠道的过 程中，推力作用指的是刺激人们离开离线渠道的因 素，本文中包括离线渠道的特征价格因素以及消费者 自身特征自我效能两个方面。 1) 价格因素 根据理性行为理论，消费者做出选择是基于自己 效用的最大化，效用最大化的实现是以最小的成本获 得最大的收益，而价格是消费者在购买产品时所要考 虑的最重要的因素。Bakos，Brynjolfsson 和Smith通 过消费者线上离线购买产品的研究发现，通过离线渠 道购买的产品的价格要高于通过线上购买的产品的 价格，因为线上购买渠道广泛的利用搜索引擎，极大 的降低了消费者的搜索成本，因此利用网上渠道出售 的商品的价格较低，打折现象较为流行[11,12]。Brynjol- fsson 和Smith 发现在 1999 年书籍和 CD的在线价格 低于离线价格，这意味着在线渠道比离线渠道有更高 的价格竞争力[12]。因为消费者期望通过网上渠道购买 到比较便宜的商品，所以相对于离线渠道，消费者对 线上渠道表现出较高的价格搜索意向，这对消费者从 离线渠道迁徙到线上渠道有积极的影响[13]。 2) 自我效能 自我效能(self-efficacy)指一个人在特定情景中从 事某种行为并取得预期结果的能力，它在很大程度上 指个体对自我有关能力的判断，即如果人们自认为有 能力改变某种情况时，就越容易表现出某种行为[14]。 一般来说，成功经验会增强自我效能，反复的失败会 降低自我效能。消费者在多渠道环境下的自我效能为 消费者利用多渠道(在线渠道和离线渠道)来搜索信息 并完成交易的信心和能力。现在大多数的研究常常用 “技能”来描述消费者感觉对自己选择最好的购买渠 道的能力[15]。拥有较高多渠道自我效能的人认为他们 是选择渠道的专家，能够很好的选择使他们获得最大 满意的购买渠道，因此，消费者越能感知到他们能较 好的处理渠道迁徙中的问题，越会发生渠道迁徙。 因此，本文提出如下假设： H1：离线渠道的推力作用对消费者从离线渠道迁 徙到在线渠道有积极的影响。 2.3.2. 拉力作用 (Pull Effects) 拉力因素是刺激迁徙者迁向目的地的因素[8]， Bansal 等也在研究中指出拉力因素是目的地吸引人们 迁入的因素[9]。在消费者从离线渠道迁徙到在线渠道 的过程中，拉力作用指的是吸引消费者利用在线渠道 的因素。本文包括在线渠道的特征搜索便利性以及消 费者自身特征网络经验两个方面。 3) 搜索便利性 Forster 在研究中指出用来解释消费者渠道选择 的一个重要的因素为渠道的便利性[16]。消费者在实体 Copyright © 2012 Hanspub 20  消费者渠道迁徙行为影响因素研究 店里购买要花费大量的时间去寻找那些合适的商品， 如果没有找到合适的商品，比如说价格太高了、款式 不合适了等等，消费者就要花费更多的努力去寻找， 但是在线渠道为消费者提供了极大的搜索商品的便 利，而不用再去不同的实体店里反复比较[13]。Wol- finbarger 和Gilly指出网络上存在的大量可以迅速获 得的信息，是消费者把在线渠道作为搜索信息并且购 买的主要原因之一[17]。网络给经销商提供了以较低的 成本向消费者提供信息的机会，同时也可以使消费者 以较低的成本获得大量的信息。通过网络渠道购买的 消费者发现他们可以直接得到他们所要购买的商品 的信息，而不用去询问专门的售货员，而且售货员所 提供的信息也不一定会比他们从网络上搜索的信息 更详细[17]。因此，Gupta 等人指出在线渠道搜索信息 的便利性降低了消费者的搜索成本，使消费者更加倾 向于采用在线渠道购买[13]。 4) 网络经验 消费者的网络经验可以定义为在网络环境下一 种使用网络工具的知识和技巧。经验丰富的网络使用 者在利用网络搜索信息时能得到更多正确的结果。消 费者利用网络的频率越高，采取多渠道购买的概率越 大[18]。Chiu 等人发现对网络拥有丰富知识和经验的人 会减少利用网络时所感知到的不确定性和风险[10]。 Verhoef 等人指出拥有较高教育水平和丰富网络经验 的人较少担心网络交易的安全性，因此，拥有更多网 络经验的人在从离线渠道迁徙到在线渠道过程中遇 到的障碍较少[19]。 因此，本文提出如下假设： H2：在线渠道的拉力作用对消费者从离线渠道迁 徙到在线渠道有积极的影响。 2.3.3. 锚定作用 (Mooring Effects) 虽然有时候推力拉力作用很强大，但同样生活在 某一地区的一群人，受到来自迁出地推力和迁入地拉 力的影响相同，但是有的人会迁徙，有的人却不迁徙。 Lee 指出这是由于环境的限制，所以仅仅用推力拉力 不能很好的解释这一现象[7]。Moon 将锚定作用引入到 推拉理论中，所谓锚定作用指的是阻碍迁徙者从迁出 地迁出的因素[8]。在消费者从离线渠道迁徙到在线渠 道的过程中，锚定作用指的是阻碍消费者从离线渠道 迁徙到在线渠道的因素，在这些因素中，迁徙成本是 消费者首先要考虑的因素，消费者之所以会发生渠道 迁徙主要是基于渠道迁徙所带来的收益，但是当为获 得这种收益所付出的成本过大时，消费者可能就不会 选择迁徙，同时消费者生活在某一特定的社会环境 中，会受到所处社会环境的影响，因此本文在锚定作 用中包括消费者感知的迁徙成本和感知的环境压力 即主观规范两个方面。 5) 迁徙成本 Burnham 等人指出迁徙成本是消费者从一个服务 提供商迁徙到另一个服务商时所产生的一次性费用 [20]。因此，本文将消费者渠道迁徙的成本定义为消费 者从离线渠道迁徙到在线渠道时所产生的一次性费 用。信息经济学研究表明当信息成本增加时，信息搜 索的范围就会减少，因此，当消费者感知到一项活动 的成本增加时，他们参与这项活动的行为就会减少。 Tsai 等人指出迁徙成本对迁徙障碍有正面的影响，即 迁徙成本的增加会加大消费者渠道迁徙的障碍[21]。迁 徙成本会影响消费者搜寻和迁徙到其他选择的倾向， 比如高的迁徙成本会提高顾客的忠诚度。Zauberman 也在研究中指出如果顾客在迁徙中感知到的迁徙成 本较高，他们就会有较高的渠道锁定，会更加倾向于 待在同一个服务提供商而不会发生迁徙[22]。 6) 主观规范 主观规范(Subjective Norm)是指个人对于是否采 取某项特定行为所感受到的社会压力，亦即在预测个 人的行为时，那些对个人的行为决策具有影响力的个 人或团体(salient individuals or groups)对于个人是否 采取某项特定行为所发挥的影响作用的大小[23]。 Gardner 指出主观规范会阻碍或者有利于迁徙行为， 因此应该把主观规范加入到迁徙决策模型中[24]。 Bansal 和Taylor 在研究中指出主观规范影响消费者的 迁徙态度和迁徙意图，然而在消费者渠道迁徙中主观 规范却很少提到，直到最近才有学者有所涉及[9]。 Verhoef 等指出消费者的渠道选择受与他们相似的人 的影响[19]。 因此，本文提出如下假设： H3：渠道间的锚定作用对消费者从离线渠道迁徙 到在线渠道有消极的影响。 根据上文的分析，本文以推拉理论为基础，借助 于人口迁徙中的 PPM 模型，提出了如下研究模型， 如图 1所示。 Copyright © 2012 Hanspub 21  消费者渠道迁徙行为影响因素研究 Copyright © 2012 Hanspub 22 参考了 Pookulangara和Natesa[30]的量表，包括 2个题 项，渠道迁徙意向参考了Yu[ 31]等人的量表，包括2 个题项。并结合所研究的对象进行了修改，总共 20 个题项。 3.2. 样本选择及资料搜集 本文先对 50 名受访者进行了预调研，通过探索 性因子分析，去除了网络经验中一个因子载荷值较低 的测项，KMO 值为 0.834，适合做因子分析。本研究 选择大学生为调研对象，因为大学生是随网络经济一 块成长起来的一类群体，接触网络比较频繁，对在线 购物渠道较为熟悉，比较容易发生渠道迁徙。共发放 问卷 300 份，回收 258 份，回收率为 86%，对问卷进 行初步分析，剔除无效问卷，最后获得有效问卷 225 份，问卷有效率为 87%，其中男性占的比例为55%， 女性为 45%。 Figure 1. PPM model and research hypothsis 图1. PPM模型及研究假设 3. 变量测量和数据调查 3.1. 量表的编制和数据测量 本文采用李克特5分量表，价格参考了蒋侃[25] 的量表，包括 3个题项，自我效能采用 Wang，Nete- myer[26]和McKee[27]等人的量表，包括 4个题项，便利 性参考了蒋侃[25]的量表，包括 3个题项，网络经验参 考了 Ford[28]等人的量表，包括 4个题项，迁徙成本参 考了 Jones[29]等人的量表，包括 2个题项，主观规范 4. 数据分析和假设检验 4.1. 量表的信度和效度的检验 本文对数据进行了信度和效度分析，分析结果如 表1所示。首先，针对潜变量计算其信度系数Cronbach’s Table 1. The test results of the reliability and validity 表1. 信度和效度检验结果 变量(信度) 测项 载荷 T值 CR 在线渠道的商品价格合理 0.817 - 同种商品在线渠道的价格比离线渠道的便宜 0.796 15.588 价格因素 (α = 0.849) 从经济角度考虑，通过在线渠道购买商品物有所值 0.812 16.004 0.850 我相信我能很好的在多渠道的选择中作出评估 0.699 - 我有能力去处理不同渠道的服务 0.785 12.783 在购买过程中我可以很容易的利用不同的渠道 0.783 12.807 自我效能 (α = 0.816) 我对我利用不同渠道的能力很自信 0.662 10.914 0.823 在线渠道对搜索商品信息很有用 0.819 - 在线渠道提高了搜索商品信息的效率 0.850 17.197 搜索便利性 (α = 0.869) 我能从在线渠道中搜索到足够的商品信息 0.820 16.419 0.869 我能够很容易的利用网络 0.748 - 我能很好的利用网络搜索信息 0.741 13.644 网络经验 (α = 0.784) 我能利用网络在很短的时间内发现产品信息 0.731 13.788 0.784 我从离线渠道迁徙到线上渠道会花掉很多时间 0.673 - 迁徙成本 (α = 0.794) 我要非常努力的才能从离线渠道迁徙到线上渠道 0.789 13.065 0.698 能够影响我决策的人不支持我从离线渠道迁移到线上渠道 0.771 - 主观规范 (α = 0.783) 能够影响我决策的人认为我不应该从离线渠道迁移到线上渠道 0.836 15.830 0.785 我打算在购物时从离线渠道迁移到线上渠道 0.917 - 迁徙意向 (α = 0.834) 我以后购物时会从离线渠道迁徙到线上渠道 0.779 17.555 0.839  消费者渠道迁徙行为影响因素研究 α值，结果显示所有潜变量的信度系数均高于 0.70这 一可接受的最小临界值，表明有较好的信度。之后， 通过验证性因子分析的结果表明，各个观测变量在相 应潜变量上的标准化载荷系数均在0.5 以上，统计上 显著，CR(组合信度)大于 0.6，说明数据有较好的内 敛效度。此外，AVE 的平方根都大于各潜在变量相关 系数的绝对值，显示出数据有较高的区别效度。 4.2. 研究假设的检验 本文使用 AMOS18.0软件并采用最大似然估计法 计算模型的拟合指数和路径指数。根据检验结果， x2/df = 1.986，RMSEA = 0.057，CFI = 0.93，GFI = 0.82， NFI = 0.91，基本上符合拟合的标准，各变量之间的 路径系数如图 2。 结构方程的路径系数图中，离线渠道的推力作用 的路径系数为 0.32，说明推力作用与消费者的渠道迁 徙意向呈正相关的关系，假设 1得到验证。在线渠道 的拉力作用的路径系数为 0.65，说明拉力作用与消费 者的渠道迁徙意向呈正相关的关系，假设 2得到验证。 拉力作用要比推力作用对消费者渠道迁徙意向的影 响大，说明消费者在渠道迁徙中更看重的是在线渠道 的吸引力。渠道间的锚定作用的路径系数为–0.27，说 明锚定作用与消费者的渠道迁徙意向呈负相关的关 系，假设 3得到验证。锚定作用与渠道迁徙的负相关 关系说明即便是消费者由于离线渠道的推力和线上 注：*代表 p < 0.05，**p < 0.01，虚线表示不显著。 Figure 2. The path coefficient model (standardized) 图2. 研究模型的路径系数 渠道的拉力而具备迁徙的意向，但是由于锚定作用的 存在，会使这种迁徙意向大大降低。 在推力作用中，价格因素对推力作用不显著，一 个可能的解释是消费者对价格的敏感性不同，有的消 费者对价格有较强的敏感性，对线上线下的价格差别 反应较强烈，但是有的消费者对价格的敏感性不强， 不太会注意到这种线上线下价格的差别，所以价格因 素对推力作用不明显。自我效能的载荷系数为 0.73， 统计上显著，说明消费者的自我效能越高，从离线渠 道迁徙到线上渠道的推力越大，越容易发生渠道迁 徙。在拉力作用中，搜索便利性和网络经验的载荷系 数分别为 0.62 和0.57，统计上显著，说明在线渠道的 搜索便利性越大，消费者网络经验越丰富，则线上渠 道的拉力越大，越容易发生渠道迁徙。在锚定作用中， 迁徙成本和主观规范的载荷系数分别为 0.46和0.57， 统计上显著，说明渠道间的迁徙成本越高，不利的主 观规范越强，则渠道间的锚定作用越大，越不容易发 生渠道迁徙。 5. 结论与讨论 5.1. 营销启示 本文借鉴人口迁徙理论中的PPM 模型，从渠道 特征和消费者特征以及消费者所处环境的角度分析 了消费者从离线渠道迁徙到线上渠道的影响因素，在 消费者从离线渠道迁徙到线上渠道的大潮中，对多渠 道的企业理解消费者渠道迁徙行为以及引导消费者 在新的渠道消费进而制定不同的渠道营销策略具有 指导意义。 第一、消费者进行渠道迁徙首先是因为新的渠道 具有较高的新引力，消费者通过新的渠道可以提高效 率，获得更大的效用。因此作为想通过线上渠道营销 的企业来讲，一方面要做好网站的设计，提供丰富、 全面、及时的信息并且做好网站的导航系统，提高消 费者搜索信息的便利性；一方面，对于消费者通过线 上购买所遇到的问题要及时解答，提高消费者在线购 买的成功率，使其迅速的积累起线上购物的经验。 第二、消费者的渠道迁徙还会受到离线渠道的推 力，通过上文的分析发现离线渠道的推力主要来自于 消费者的自我效能，而对于渠道迁徙有较高自我效能 主要是受过高等教育的年轻人，以大学生为主要的群 Copyright © 2012 Hanspub 23  消费者渠道迁徙行为影响因素研究 体，因此，企业在进行线上渠道的营销时要选择合适 的目标客户，以提高营销活动的效率。 第三、消费者是否发生渠道迁徙还受到锚定作用 的影响，当锚定作用大于离线渠道的推力和线上渠道 的拉力时，消费者就不会发生渠道迁徙。影响锚定作 用的主要的渠道间的迁徙成本以及消费者的主观规 范，因此企业一方面要积极的降低渠道间的迁徙成 本，保证通过在线渠道购买的产品的质量，以降低消 费者的经济成本，建立易学好懂的导航系统以降低消 费者的学习成本等；另一方面消费者是否发生渠道迁 徙还受到消费者主观规范的影响，而影响大学生群体 的主要是他们周围的同学及朋友，因此，企业的线上 营销活动要针对大学生特有的偏好及特质，营造适合 大学生的氛围，以产生示范效应。 5.2. 研究局限 首先、本文的研究模型中用消费者的渠道迁徙意 向作为因变量代替了消费者的渠道迁徙行为，虽然有 研究表明消费者的行为意向可以解释消费者行为的 大部分方差，但是仍有一部分无法解释，未来可以采 用纵向数据对有渠道迁徙意向的消费者进行跟踪，取 得消费者渠道迁徙行为的数据以完善 PPM 模型。 其次、本文在讨论消费者渠道迁徙的影响因素时 主要是从渠道特征和消费者特征以及消费者所处环 境因素出发，而实际上影响消费者渠道的迁徙的因素 还有很多，比如零售商因素、情景因素等，未来还需 要将这些因素综合考虑进去，或者重新构建一个更加 综合的模型以进行更深入的讨论。 最后，本文的研究样本只是针对大学生群体，而 我国即将进入老年社会，“银发族”也即将成为消费 的主力，这些人也日益受到网络经济的影响，他们会 不会发生渠道迁徙，会受到哪些因素的影响以及渠道 迁徙的路径是怎么样的，这都是将来需要研究的问 题。同时未来还可以进行不同文化情境下的比较，以 确定不同文化情景下消费者渠道迁徙行为的区别。 参考文献 (References) [1] United Nations. Mutilingual demographic dictionary, Population Studies No. 29, 1982. [2] C. Steinfield, H. Bouwman and T. Adelaar. The dynamics of click- and-mortar electronic commerce: Opportunities and management strategies. International Journal of Electronic Commerce, 2002, 7(1): 93-119. [3] J. S. Thomas, U. Y. Sullivan. Managing marketing communica- tions with multichannel customers. Journal of Marketing, 2005, 69(4): 239-251. [4] R. J. Kauffman, B. Wang. Tuning into the digital channel: Evalu- ating business model characteristics for Internet firm survival. Information Technology and Management, 2008, 9(3): 215-232. [5] 段成荣. 人口迁移研究原理与方法[M]. 重庆: 重庆出版社, 1998: 45-48. [6] R. Herberle. The causes of rural-urban migration: A survey of German theories. American Journal of Sociology, 1938, 43(6): 932-950. [7] E. S. Lee. A theory of migration. Demography, 1996, 3(1): 47- 57. [8] B. Moon. Paradigms in migration research: Exploring “Moor- ings” as a schema. Progress in Human Geography, 1995, 19(4): 504-524. [9] H. S. Bansal, S. F. Taylor. Investigating interactive effects in the theory of planned behavior in a service-provider switching con- text. Psychology and Marketing, 2002, 19(5): 407-425. [10] H.-C. Chiu, et al. The challeng e for multichannel serv ices: Cross- channel free-riding behavior. Electronic Commerce Research and Applications, 2010, 10(2): 268-277. [11] J. Y. Bakos. Reducing buyer search costs: Implications for elec- tronic marketplaces. Management Science, 1997, 43(12): 1676- 1692. [12] E. Brynjolfsson, M. Smith. Frictionless commerce: A compari- son of Internet and conventional retailers. Management Science, 2000, 46(4): 563-585. [13] A. Gupta, B.-C. Su and Z. Walter. Risk profile and consumer shopping behavior in electronic and traditional channels. Deci- sion Support Systems, 2004, 38(3): 347-367. [14] A. Bandura. Social foundations of thought and action: A social cognitive theory. Englewood Cliffs: Prentice-Hall, 1986: 523- 525. [15] S. Balasubramanian, R. Raghunathan and V. Mahajan. Consum- ers in a multichannel environment: Product utility, process utility, and channel choice. Journal of Interactive Marketing, 2005, 19 (2): 12-30. [16] S. Forster. When one hand doesn’t. The Wall Street Journal, 2004, R3. [17] M. Wolfinbarger, M. C. Gilly. Shopping online for freedom, con- trol and fun. California Management Review, 2001, 43(2): 34- 55. [18] V. Kumar, R. Venkatesan. Who are the multichannel shoppers and how do they perform correlates of multichannel shopping behavior. Journal of Interactive Marketing, 2005, 19(2): 44-62. [19] P. C. Verhoef, S. A. Neslin and B. Vroomen. Multichannel cus- tomer management: Understanding the research-shopper pheno- menon. International Journal of Research in Marketing, 2007, 24(2): 129-148. [20] T. A. Burnham, J. K. Frels and V. Mahajan. Consumer switching costs: A typology, antecedents, and consequences. Journal of the Academy of Marketing Science, 2003, 31(2): 109-126. [21] H. T. Tsai, H. C. Huang, Y. L. Jaw and W. K. Chen. Why on-line customers remain with a particular e-retailer: An integrative mo- del and empirical evidence. Psychology and Marketing, 2006, 23(5): 447-464. [22] G. Zauberman. The intertemporal dynamics of consumer lock-in. Journal of Consumer Research, 2003, 30(3): 405-419. [23] A. Icek, M. Fishbein. Understanding attitudes and predicting so- cial behavior. Englewood Cliffs: Prentice Hall, 1980. [24] R. W. Gardner. Macrolevel influences on the migration decision process. In: G. E. De Jong, R. W. Gardner, Migration decision making: Multidisciplinary approaches to microlevel studies in developed and developing countries. Pergamon: Elmsford, 1981. [25] 蒋侃. 基于理性和体验的 B2C多渠道消费行为研究[D]. 华中 科技大学, 2009: 117-118. [26] G. Wang, R. G. Netemyer. The effects of job autonomy, customer demandingness, and trait competitiveness on salesperson learn- Copyright © 2012 Hanspub 24  消费者渠道迁徙行为影响因素研究 Copyright © 2012 Hanspub 25 ing, self-efficacy, and performance. Journal of the Academy of Marketing Science, 2002, 30(3): 217-228. [27] D. McKee, C. S. Simmers and J. Licata. Customer self-efficacy and response to service. Journal of Service Research, 2006, 8(3): 207-220. [28] N. Ford, D. Miller and N. Moss. The role of individual differ- ences in Internet searching: An empirical study. Journal of the American Society for Information Science and Technology, 2001, 52(12): 1049-1066. [29] M. A. Jones, D. L. Mothersbaugh and S. E. Beatty. Switching barriers and repurchase intentions in services. Journal of Retail- ing, 2000, 76(2): 259-274. [30] S. Pookulangara, J. Hawley. Explaining multi-channel consu- mer’s channel-migration intention using theory of reasoned ac- tion. International Journal of Retail & Distribution Management, 2010, 39(3): 183-185. [31] J. Yu, I. Ha, M. Choi and J. Rho. Extending the TAM for a t- commerce. Information and Management, 2005, 42(7): 965-976. |