一、Consumers' continuance intention towards metaverse-based virtual stores: A multi-study perspective
消费者对基于元世界的虚拟商店的持续意向：多重研究视角
1、研究背景
随着元宇宙（Metaverse）技术的发展，虚拟商店正在改变零售业的格局，为消费者提供了新的探索、参与和满足需求的方式。然而，对于元宇宙零售购买行为的研究相对较少，尤其是在消费者行为动态和元宇宙零售动态方面存在研究空白。
2、研究思路
文章基于使用与满足理论（Uses & Gratification Theory, U&G），通过纵向分析两组不同时间点的受访者数据，探讨了消费者对元宇宙虚拟商店的初始期望（寻求的满足）和实际体验（获得的满足）。
3、理论基础
U&G理论是本文的理论基础，它提供了一个框架来理解用户对特定媒介平台的动机。理论假设用户识别出他们的社会和心理需求，并在媒体选择时考虑不同的特征。本文将满足分为“寻求的满足”和“获得的满足”，并将这些概念应用于元宇宙虚拟商店的购物体验。
在消费者行为和媒体研究中，区分“寻求的满足”（Sought Gratifications）和“获得的满足”（Obtained Gratifications）是基于使用与满足理论（Uses and Gratifications Theory, U&G Theory）的一个重要概念。这种区分有助于更深入地理解消费者的动机、行为和体验。以下是为什么满足会分为这两类的原因：
-
期望与现实：消费者在接触媒体或技术（如元宇宙虚拟商店）之前，会有一系列的期望或需求（寻求的满足）。这些期望可能包括便利性、娱乐性或社交需求。而当消费者实际体验了媒体或技术后，他们的实际感受和满足程度（获得的满足）可能与最初的期望不同。
-
行为预测：了解消费者最初寻求的满足有助于预测他们是否会采用并持续使用某种技术或服务。如果消费者的期望得到满足，他们更有可能继续使用该技术。
-
动态评估：消费者的需求和期望是动态变化的。随着时间的推移，他们可能会根据初次使用体验调整自己的期望，并寻求新的满足。
-
持续参与：获得的满足反映了消费者在实际使用过程中得到的满足程度，这影响他们是否会持续参与或继续使用服务。如果获得的满足与寻求的满足一致或超出预期，消费者可能会成为忠实用户。
-
反馈循环：获得的满足可以反馈到消费者的未来行为中，影响他们对未来媒体使用的选择和期望，形成一个连续的循环。
-
个性化体验：每个人寻求的满足可能不同，这种区分允许研究者探索不同个体如何根据自己的需求和偏好与媒体互动。
-
市场策略：对寻求的满足和获得的满足的理解可以帮助服务提供商和营销人员设计更符合用户期望的服务和营销策略，以提高用户满意度和忠诚度。
-
理论发展：这种区分也促进了U&G理论的发展，使其能够更细致地解释和预测消费者行为，尤其是在新兴的媒体和技术领域。
4、理论模型
研究模型包括六个满足构建，包括便利性、娱乐性、消遣性、信息寻求、共享体验和地位。这些构建与使用元宇宙虚拟商店的意图和持续使用意图紧密相关。研究还考虑了感知的享乐动机和初始信任作为两个不同研究中的调节变量。
下图展示了首次研究时（Wave 1）消费者使用元宇宙虚拟商店的初始期望（寻求的满足）对使用意图的影响。
持续满足的需求：持续使用意愿需要消费者在长期使用过程中持续获得满足。仅仅在寻求满足阶段的期望可能不足以支撑长期的使用行为。
下图展示了第二次研究时（Wave 2）消费者使用元宇宙虚拟商店的实际体验（获得的满足）对使用意图的影响。
5、研究方法
采用混合方法设计，结合定性研究和定量研究。定性研究采用扎根理论方法，通过深度访谈收集数据，形成初步模型。定量研究通过问卷调查的方式，验证定性研究的结果。
6、研究对象与数据收集
研究对象为印度的元宇宙虚拟商店用户。数据收集通过在线问卷进行，Wave 1收集了508份问卷，Wave 2收集了474份问卷。
7、实验过程/实证过程
通过结构方程建模（SEM）对数据进行分析，检验了寻求的满足和获得的满足对使用意图的影响，以及感知的享乐动机和初始信任的调节作用。
8、研究结论
研究发现，便利性、娱乐性和消遣性在Wave 1显著预测了使用意图，而信息寻求、地位和共享体验在Wave 2显著预测了使用意图。此外，感知的享乐动机在Wave 1调节了消遣性和使用意图之间的关系，感知的初始信任在Wave 2调节了使用意图和持续使用意图之间的关系。
9、局限性
研究的局限性包括样本规模有限和缺乏地理和人口统计学的多样性。此外，在线调查可能吸引对技术较为熟悉的受访者，可能排除了不太精通技术或互联网接入有限的人群，这可能导致样本偏差。自我报告偏差也是局限性之一，因为参与者的回应可能受到社会期望或记忆回忆偏差的影响。
二、How to stay competitive: An innovative concept to assess the business competitiveness using online restaurant reviews
1、研究背景
餐厅业是一个竞争激烈的市场，尤其是在COVID-19大流行期间，行业受到了严重打击。因此，了解和提升餐厅的竞争力变得尤为重要。传统的竞争力分析依赖于新闻报道或调查问卷，但这些方法成本高且耗时。随着信息技术的发展，越来越多的消费者在线分享他们的就餐体验，产生了大量在线评论，这些评论可以作为评估餐厅竞争力的新途径。
2、研究思路
文章提出了一个新的概念框架，使用在线评论来评估餐厅的竞争力。通过深度学习技术（特别是BERT模型）来衡量餐厅属性的表现，并利用麦肯锡矩阵（McKinsey Matrix）来理解竞争力，同时考虑了属性表现与顾客满意度之间的非对称效应。下图是本文的研究框架示意图。
3、理论基础
-
情感分析（Sentiment Analysis）：使用情感分析来捕捉在线评论中的消费者情感，反映产品和服务的质量。
-
KANO模型：用于解决属性表现和消费者满意度之间的非对称问题，将属性分为吸引人的（Attractive）、一维的（One-dimensional）、必须的（Must-be）等类别。
-
麦肯锡矩阵（McKinsey Matrix）：用于分析和优先级排序产品/服务属性，以提升竞争力。
4、理论模型
模型考虑了餐厅的属性表现和竞争力，通过情感分析得出属性表现的量化结果，然后使用KANO模型来确定属性的非对称类别，最后利用麦肯锡矩阵将属性分布在不同的象限中，以识别改进的优先级。
4-1 KANO模型
Fig 1 在文章中指的是KANO模型的可视化表示，该模型由日本学者狩野纪昭（Noriaki Kano）在1984年提出，用于描述产品或服务属性与顾客满意度之间的关系。KANO模型将属性分为以下几类，并在图1中以不同的线条表示：
-
吸引人的属性（Attractive Attributes）：这些属性超出了消费者的期望，当它们表现良好时，可以显著提升顾客的满意度。在图1中，这通常用蓝色线条表示，显示了当属性表现提升时，顾客满意度会有显著增加。
-
一维属性（One-dimensional Attributes）：这些属性与顾客满意度之间存在正相关关系，即属性表现好时顾客满意度高，属性表现差时顾客满意度低。在图1中，这通常用紫色线条表示，呈现出一种对称的上升或下降趋势。
-
必须属性（Must-be Attributes）：这些属性是顾客认为必须具备的基本要求，如果表现不佳会严重影响顾客满意度，但如果表现良好则不会额外提升满意度。在图1中，这通常用红色线条表示，显示出在属性表现不佳时顾客满意度急剧下降，但提升表现并不会显著增加满意度。
-
逆属性（Inverse Attributes）：这些属性与顾客满意度之间存在负相关关系，即提供这些属性会导致顾客不满意度，不提供则会增加满意度。在图1中，这通常用黑色线条表示，反映了一种与一维属性相反的对称关系。
-
无关属性（Indifferent Attributes）：这些属性对顾客满意度没有显著影响，无论它们的表现如何。在图1中，这通常用绿色线条表示，呈现出一种水平线，表示属性表现的变化不会影响顾客满意度。
KANO模型的应用可以帮助企业识别哪些属性是提升顾客满意度的关键，哪些属性是基础要求，以及哪些属性可能会引起顾客的不满。通过这种分析，企业可以更有效地分配资源，优化产品或服务设计，以提高市场竞争力。在本文中，作者使用KANO模型来确定餐厅服务属性的非对称类别，并据此制定提升餐厅竞争力的策略。
5、研究方法
-
数据收集：通过网络爬虫技术从大众点评网站收集了38,479条在线评论。
-
深度学习模型（BERT）：用于情感分类，提高从在线评论中提取情感信息的准确性。
-
非对称效应分析：使用调节回归分析来确定属性的非对称类别。
-
动态分析：考虑时间动态性，分析属性重要性的随时间变化。
6、研究对象与数据收集
研究对象为两家自助餐厅，数据来源于中国的大众点评网站，收集了2012年9月至2019年11月之间的在线评论。
7、实验过程/实证过程
-
使用BERT模型对在线评论进行情感分类。
-
应用KANO模型和调节回归分析来确定属性的非对称类别。
-
利用改进的麦肯锡矩阵从静态和动态两个角度分析餐厅的竞争力。
8、研究结论
研究结果表明，使用在线评论评估餐厅竞争力的方法具有较高的准确性。通过非对称麦肯锡矩阵，可以有效地制定提升竞争力的策略。此外，研究还发现属性表现与顾客满意度之间存在非对称关系，这种关系在制定提升策略时需要被考虑。
9、局限性
-
研究仅使用了两家餐厅的数据，可能无法代表整个行业。
-
研究没有涵盖COVID-19期间的数据，这可能影响结果的普适性。
-
在线评论可能存在极端评论，这些评论可能无法代表真实的市场反馈。
-
麦肯锡矩阵只能考虑一个竞争对手，而在多竞争对手市场中可能需要更复杂的分析。
三、The impact of online consumer review confusion on online shopping cart abandonment: A mediating role of perceived risk and moderating role of mindfulness
网上消费者评论困惑对网上购物车放弃的影响：感知风险的中介作用和正念的调节作用
1、研究背景
在线购物车放弃（Online Shopping Cart Abandonment, OSCA）现象普遍存在，但学术界对在线消费者评论如何影响OSCA的研究相对较少。本研究旨在探讨在线评论中的消费者困惑如何影响OSCA，并利用消费者困惑理论和正念理论进行分析。
2、研究思路
研究通过调查在线评论困惑与OSCA之间的关系，分析感知风险的中介作用以及正念的调节作用，以期为减少在线购物车放弃率提供见解。
3、理论基础
-
消费者困惑理论：理论指出消费者在面对不清晰、难以理解的情况时会感到困惑，这会影响他们的在线/离线行为和决策。
-
正念理论：正念是指以特定方式注意：有目的、在当前时刻、并且非评判性。正念帮助消费者在购买过程中保持对当前时刻的控制，对管理风险以避免进一步的不利结果至关重要。
正念
-
当下意识：正念强调在当前时刻保持清醒和意识到自己的存在，而不是沉浸在过去或未来的想法中。
-
接受态度：正念鼓励以非评判性的态度接受自己的体验，无论是积极的还是消极的，都不带有偏见或批评。
-
目的性注意：正念涉及有意识地将注意力集中在当前的活动或体验上，而不是让注意力随意游走。
-
非反应性：在正念实践中，即使面对强烈的情绪或冲动，也尽量保持冷静，不立即做出反应，而是观察它们而不被它们所控制。
-
慈悲心：正念练习常常包括对自己和他人的慈悲和善意的培养，这有助于建立更深层次的自我接纳和同情。
-
自我调节：正念有助于提高自我调节能力，使个体能够更好地管理压力、情绪和行为。
4、理论模型
-
变量提出：研究将消费者困惑分为三个维度：模糊性困惑、过载困惑和相似性困惑，并探讨它们如何通过感知风险影响OSCA。
-
变量关系：提出假设，认为在线评论困惑会增加消费者的感知风险，从而增加放弃购物车的可能性。同时，正念在感知风险和OSCA之间起到调节作用。
-
模糊性和相似性困惑通过感知风险对OSCA有完全中介效应。
-
过载困惑对OSCA有直接效应，而感知风险没有在这一关系中起到中介作用。
5、研究方法
采用偏最小二乘结构方程模型（PLS-SEM）进行假设检验，这是一种适用于小样本且不要求数据正态分布的统计工具。
6、研究对象与数据收集
研究对象为338名最近放弃在线购物车的受访者。通过商场拦截法和随后的横截面调查收集数据。
7、实验过程/实证过程
-
数据分析：使用PLS-SEM分析假设。
-
测量模型：评估了构建的内部一致性和收敛效度。
-
结构模型：使用5000个bootstrap方法测试假设。
8、研究结论
-
过载困惑直接影响OSCA，而模糊性和相似性困惑通过感知风险间接影响OSCA。
-
正念显著调节感知风险与OSCA之间的关系，即正念水平越高，感知风险对OSCA的影响越小。
9、局限性
-
研究仅限于印度，可能无法代表其他文化背景。
-
研究只涉及一个中介变量、一个调节变量和一个结果变量，未来研究可以包括更多变量。
-
研究方法仅限于调查法，未来研究可以采用定性、定量或混合方法。
-
研究仅限于在线零售领域，未来研究可以扩展到不同的产品类别和服务行业。
四、Realisation that online advertisements are misleading: Involvement of middle-aged and older adults with botanical dietary supplements
1、研究背景
随着电子商务和数字营销的快速发展，网络广告成为推广产品的重要渠道，尤其是针对膳食补充剂（DSs）。成熟消费者（中年和老年人）对DSs的需求日益增长，但网络广告中存在的误导性声明可能会影响他们的购买决策。在中国，DS市场规模迅速增长，网络零售成为主要销售渠道，因此研究中国成熟消费者在面对网络误导性DS广告时的行为至关重要。
2、研究思路
本研究设计了包含误导性声明的丰富的网络植物性膳食补充剂（BDS）广告，并探究了影响成熟消费者购买意图的因素。研究识别了不同年龄组在广告中的消费者参与度和购买意图之间的路径差异，并分析了在广告中的误导性声明被突出显示后的影响。
3、理论基础
研究基于消费者参与理论，该理论认为个体在特定情境下会体验到与情境的联系，激发探索情境的好奇心。消费者参与度影响其决策过程，并调节其行为的多个方面。消费者参与度包括产品参与（PI）、广告参与（AI）和情境参与（SI）三个维度。本研究将此理论应用于模型中，探讨了PI、AI、SI对购买意图（INT）的影响。
4、理论模型
研究提出了一个理论模型，其中包括以下变量：
-
认知产品参与（CPI）和情感产品参与（API）作为产品参与的两个方面。
-
认知广告参与（CAI）和情感广告参与（AAI）作为广告参与的两个方面。
-
情境参与（SI）作为特定购买情境下的消费者响应。
-
购买意图（INT）作为消费者购买BDS的意愿。
模型中提出，产品参与和广告参与正向影响情境参与，情境参与在产品参与、广告参与和购买意图之间起中介作用。
5、研究方法
采用部分最小二乘结构方程模型（PLS-SEM）进行数据分析，这是一种适用于非正态分布数据和复杂模型的预测导向方法。
6、研究对象与数据收集
研究对象为中国的成熟消费者，包括244名中年消费者和223名老年消费者。通过在线问卷调查平台“问卷星”进行数据收集，问卷包含对BDS产品的认识、广告材料的评价以及购买意图的评估。
7、实验过程/实证过程
研究者首先设计了包含误导性声明的BDS广告，然后让参与者阅读并完成问卷。在参与者完成问卷后，研究者突出显示了广告中的误导性声明，并让参与者重新评估其购买意图。
8、研究结论
研究发现：
-
CPI在BDS购买决策中起主导作用，表明BDS消费是理性的、功利驱动的行为。
-
情境参与在产品参与、广告参与和购买意图之间起部分中介作用。
-
中年和老年消费者在面对BDS购买时有不同的信息处理路径，中年消费者更能识别误导信息，而老年消费者更容易受到广告中健康相关视觉线索的影响。
9、局限性
研究未考虑除年龄以外的其他社会人口统计因素，如性别、教育水平等，这些因素也可能影响购买动机。此外，研究未区分不同类型的BDS，不同的消费者可能基于不同的需求购买BDS。最后，研究聚焦于成熟消费者，特别是老年消费者，但对其他年龄段的消费者的研究较少。
五、Unlocking the potential of AI: Enhancing consumer engagement in the beauty and cosmetic product purchases
释放人工智能的潜力：提高消费者在购买美容和化妆品时的参与度
1、研究背景
-
人工智能（AI）技术，特别是增强现实（AR）和虚拟现实（VR），在美容和化妆品行业中显示出巨大的潜力，能够提供个性化的产品推荐、虚拟试妆和皮肤分析等服务。
-
尽管AI技术在多个领域得到广泛应用，但关于AI如何增强消费者在美容和化妆品购买过程中的参与度的研究仍然缺乏。
2、研究思路
-
本研究旨在填补这一研究空白，通过开发一个概念性框架，基于AI的功能，将AI功能分为四种不同的功能：存在、感知、实现和效果。
3、理论基础
-
文章主要应用了“可供性理论”（Affordance Theory, ToA）和技术接受模型（Technology Acceptance Model, TAM）。
-
可供性理论由Gibson在1981年提出，强调人与技术之间的互动关系，以及用户如何基于技术的特性、目标和特定情境来感知潜在的行动。
-
技术接受模型由Davis在1986年提出，解释和预测个体接受和使用新技术的倾向。
4、理论模型
-
研究基于AI的功能，提出了四个维度：存在感知、感知效果、实现感知和效果感知。
-
研究假设AI兼容性和感知相对优势对所有三个功能感知维度有显著正面影响。
-
研究还考虑了虚拟试妆体验在BCI中的调节作用。
-
AI功能分类：将AI功能分为四个维度，即存在（Existence）、感知（Perception）、实现（Actualisation）和效果（Effect）。
-
AI兼容性（AI Compatibility, AIC）：指AI系统在现有技术基础设施或环境中无缝集成和操作的能力。
-
感知相对优势（Perceived Relative Advantage, PRA）：用户认为新技术或创新比现有替代方案更优越的主观感知。
-
感知性能预期（Perceived Performance Expectancy, PPE）：用户对技术或系统实现期望结果的有效性和有用性的认知。
-
感知易用性（Perceived Ease of Use, PEU）：用户对产品或系统用户友好性或使用难易程度的主观感知。
-
感知AI可靠性（Perceived AI Reliability, PAR）：用户对人工智能系统的可靠性和信任度的认知。
-
虚拟试妆体验（Virtual Trial Experience, VTE）：一种数字模拟，使用户在购买决策前能够试用产品或服务。
-
采用智能技术的意愿（Willingness to adopt Smart Technology, WST）：用户将复杂的技术解决方案纳入日常生活或工作流程的倾向和准备程度。
-
采用传统方法的意愿（Willingness to adopt Traditional Methods, WTM）：个体坚持使用既定或传统方法而不是采用新技术或创新的倾向。
-
顾客满意度（Customer Satisfaction, CUS）：产品或服务满足或超越顾客期望的程度，导致对整体体验的有利评估。
5、研究方法：
-
采用了混合方法分析，结合了定性研究（177个用户评论）和定量分析（866个用户样本）。
6、研究对象与数据收集：
-
研究对象为使用AI辅助在线购买美容和化妆品的印度消费者。
-
数据通过在线调查问卷收集，目标人群为18岁及以上在印度居住并使用AI服务购买美容和化妆品的个体。
7、实验过程/实证过程
-
通过定性分析用户评论，识别了研究的主要构建。
-
定量分析使用结构方程模型（SEM）来测试假设，并评估模型的直接路径系数。
8、研究结论
-
AI兼容性显著影响了所有三个功能感知维度。
-
感知相对优势对所有功能感知维度也有显著正面影响。
-
功能感知变量显著正面影响了采用传统美容和化妆品购买方法的意愿。
-
虚拟试妆体验显著调节了感知效果预期和采用智能技术之间的意愿。
9、局限性
-
研究采用了目的性抽样，可能存在研究偏差。
-
研究是横断面研究，难以确定变量之间的因果关系。
-
研究的普遍性可能受到特定样本和地点的限制。
-
混合方法可能没有完全捕捉到参与者经验的细微差别。
希望大家都能在自己的领域twinkling~
标签：20,消费者,研究,模型,2024,AI,评论,感知,属性 From： https://blog.csdn.net/C1525007047/article/details/139829783