互联网时代购物类APP受众接受与使用研究

王 迪 刘鸣筝

【内容提要】互联网时代，通过手机APP交流信息、购买产品和服务成为人们日常生活的内容之一。为了更好的了解购物类APP受众的使用偏好，本文以TAM模型为理论基础，通过AHP法构建模型，进行购物类APP受众接受度和满意度评估。在AHP模型基础上，利用TOPSIS法对下载量最高的淘宝、京东、网易考拉、小红书和唯品会5款购物类APP进行评估，总结其各自的特点，为受众提供选择依据。

据第43次《中国互联网络发展状况统计报告》显示，到2018年12月为止，我国手机上网用户达8.17亿，占全部网民的98.6%；我国通过手机互联网进行购物的消费者达5.9亿，占全部网民的72.5%；手机APP在架数量达449万款，其中电子商务类应用规模为42.1万款，占APP总数量的9.4%。手机上网已经成为了网民最经常使用的上网方式之一，而通过互联网进行购物也成为了购物的主要渠道之一。因此，受众在选择购物类APP时，对APP的需求有哪些、现有的购物类APP在哪些方面满足了受众需求就有了比较大的研究价值，对购物类APP的研究也可以为受众选择APP提供一定的参考。

网络的蓬勃发展引发了研究方法的变革，近年来，许多学者用量化研究方法进行互联网用户行为的研究，基于小样本的量化研究也逐渐成熟，本文在前人研究的基础上，以技术接受模型（Technology Acceptance Model，简写为TAM）为基础，用德尔菲法建立层次分析模型（Analytic Hierarchy Process，简写为AHP），并用TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法对用户数量最多的5款APP进行综合分析，找出其各自的优劣之处。如此，既帮助开发者充分了解受众需求，也帮助受众理性选择适合自己需求的APP。

一、模型构建

传播学经典理论“使用与满足理论”认为，受众选择媒介，是因为媒介可以满足其需求。受众选择购物类APP是为了满足其购物需求。受众的总体购物需求可以细分为不同层次的需求，受众对这些不同层次的需求强度可能是不同的，需要具体评估测量。对于购物类APP来说，受众就是其用户。为了测评用户对购物类APP不同层级的需求，构建模型如下：

（一）TAM模型

TAM模型是Davis等人在1989年以理性行为理论（TRA）为基础，并剔除了TRA中规范信念等三个构念所构建的模型，起初就是为了解释计算机被广泛接受的原因。理性行为理论认为人们对某事物的行为使用意向是由对该事物的态度决定的，而使用行为又被行为使用意向所决定。TAM模型认为感知易用性和感知有用性会影响人们对该事物的态度，并进而影响人们的使用行为，如图1所示。

图1 TAM模型示意图

（二）德尔菲法确立准则

为了避免个人主观意见和个人喜好对评估模型的结果带来偏差，本文采用德尔菲法对各准则进行评估，采纳多人意见，减少个人习惯和态度所带来的误差，尽可能对购物类APP的受众接受度有一个准确的评估。德尔菲法也叫专家调查法，这种方法以匿名的方式进行反馈，可以有效避免群体决策时出现少数服从多数或屈服于权威的弊端。

为确保调查数据的科学性、有效性和真实性，本研究选取了17位以互联网作为主要购物方式且用过多个购物类APP的用户进行数据收集。在量表发放的过程中，用户处于匿名状态，相互之间不见面，不讨论，只根据自身的使用经验来填写量表对各影响因素打分，确保发表的意见独立自由。

（三）AHP模型建立

AHP模型是1970年代初期由美国学者Saaty提出的。这种方法能够将定性问题进行定量研究，适用于多准则决策。AHP模型能够将一个事物的多种影响因素联系起来，变得有序化、层次化，然后再将专家的主观判断和研究人员的客观分析相结合，通过成对比较法确定各影响因素的权重。

互联网购物比实体店购物体现为以下几个方面的优势：在价格方面，网上购物本身就要低于实体购物，折扣、减免等活动也远远多于实体店面；在时间方面，用户不受时间限制，即使在深夜也可以去买自己想要的物品；在空间方面，可以让人们足不出户就能够进行采购，节约交通成本和时间成本；便捷性方面，在几分钟内就可以在多家店铺内对物品进行挑选、对比即使是同样的物品也能够找到不同的价格；在网上可以更容易地找到自己想要的物品，而不用四处询问翻找；同样时下最流行商品信息在通过互联网进行购物中更容易得知。

根据以上分析，在TAM模型的基础上，本文将影响受众信任度和使用感的影响因素概括为五方面，分别是便捷性、安全性、优惠性、服务性、丰富性；其中有便捷性和安全性属于易用性，优惠性、服务性和丰富性属于有用性，具体阐释如下：

1.便捷性。便捷性共设置4项次准则：提高购物效率，即受众在购买商品时过程简单不繁琐，没有购买后久不发货的现象，可以有效地减少购物时间，提高效率；容易查找所需物品，即APP提供更好的信息检索系统可以更准确地查找商品，如图片识别、条形码识别等；操作界面简单，即操作简便易学；支付方式多，多种付款方式可以让用户在支付时有更多的选择，从而避免了用户持有的支付方式并不能在APP支付的困境，如微信支付、支付宝、白条免息等。

2.安全性。安全性共设置3项次准则：信息安全，即APP要更好地保护隐私，避免信息泄露，不做信息买卖交易；财务安全，避免商家欺诈、财务诈骗等状况出现；正品保障，APP加大监管力度，杜绝商家以仿当真，以劣充质的行为，尽可能保障用户的利益。

3.优惠性。优惠性共设置3项次准则：优惠活动多，多开展满减、折扣等促销活动；同物品价格低，相同物品的价格低于其他APP，让消费者以最低的价格实现商品购买；积分兑换，日常消费以及活动中积攒积分，积分达到一定数目可兑换物品或减少支付金额。

4.服务性。服务性共设置3项次准则：客服帮助，用户在有购买意向期间，遇到问题需要咨询或帮助时，能第一时间获得引导或得到解决办法；售后服务，购买商品后在商品保持原有状态下，支持七天无理由退货，售出商品出现产品质量等问题能够得到解决；配送服务，通过互联网购买的商品，除虚拟产品外，绝大多数都需要快递配送，APP可以将商品更快、更好的送到用户手中。

5.丰富性。丰富性共设置3项次准则：物品种类多，APP上对产品有细致的分类，拥有的商品更全面会使受众的购物体验更好；热门推荐多，对时下的热门产品、产品的最新消息有大量推送，让受众获得所需信息；同物品商家多，俗话说货比三家，同一商品的商家多可以让受众有更多的选择和对比，能够选一个价格、发货距离都更适合自己的。

依据德尔菲法回收的问卷，利用九级标度法构建判断矩阵K，反映出各级准则在同层准则中对上一级影响度的大小以及对总目标的影响程度。

表1 九级标度法

根据计算结果，本文最终建立了购物类APP受众接受度的评估模型，并确定了各级准则，模型表述如图2。

图2 AHP模型结构图

二、模型检验与权重分析

（一）一致性检验

为避免计算结果被随机因素干扰以及主观判断造成的不准确，判断矩阵需要满足一致性，进行一致性检验。一致性检验的检验方法如下：

RI是AHP方法中平均随机一致性指标，当

n

=1，2，3，...，9时，RI的具体取值可从表2查找。

表2 随机指标表a邓振源：《多准则决策分析》，台北：鼎茂图书出版股份有限公司，2012年，第113页。

CI

表示判断矩阵偏离一致性的指标，

CR

则是随机一致性比率，

CR

值越小，则判断矩阵的一致性越高；当

CR

=

CI

/

RI

≥ 0.1时，则需要排查判断矩阵数据，对判断矩阵进行调整。经过计算，本研究CR值小于0.1，层次总排序结果具有很好的一致性。

（二）权重计算

一致性检验成功后，即可把特征向量作为各层准则的相对重要性的排序权重。本调查为群体决策，所以当有R位专家、n个要素时，判断矩阵的特征向量W应满足：

本次运算均通过迈实层次分析法软件自动计算，最终计算结果见表3。

表3 群决策相对权重表

三、数据分析结果

从表3可以看见各级准则的同级权重和全局权重，根据计算结果，对所有准则对总目标的重要程度进行排序，可以看出：一级准则层中有用性（0.5481）比易用性（0.4519）重要；二级准则层中准则的权重顺序由高到低依次是安全性（0.2549）、服务性（0.2237）、便捷性（0.1970）、优惠性（0.1863）、丰富性（0.1381）；三级准则层中，权重重要度排在前五的是：财务安全（0.0905）、售后服务（0.08898）、信息安全（0.0825）、正品保障（0.0819）还有同物品价格低（0.0814）。

从排序结果可看出，人们通过互联网进行购物时最在意购物方式的安全性，其次通过互联网进行购物时能否得到优质、全面的服务也是人们所关心的。从三级准则层的同级权重排序结果反映出：在安全性上，人们更看重自己的财务安全（0.3550），其次是信息安全（0.3236）和正品保障（0.3214）；在服务问题上，售后服务（0.4014）最为重要，物流服务（0.3565）其次，人们对客服帮助（0.2422）在意程度较低；在便捷性方面，人们更喜欢在购物中能够比较容易地查找所需物品（0.3281），同时操作界面简单也是人们喜欢的，支付方式多少（0.1599）的重要程度较低；优惠性方面，同物品价格低（0.4371）最为重要，优惠活动多（0.4151）也是人们更加在意的一点，而积分兑换（0.1479）的重要程度排在最后；在丰富性中，物品种类多（0.5187）重要性最高。

综合来看，购物类APP想拥有更多的消费者，想让消费者成为自己的忠实用户，首先要保护好消费者的财务安全和信息安全；同时对消费者要负责到底，对售出的商品提供售后服务；其次平台一定注意自己的信誉度，力保所卖物品都是正品，严格打假，不要出现“挂羊头卖狗肉”的行为，让消费者买的放心，用的安心；价格方面也是非常被人们看重的，减少高额的利润，利薄多销才是吸引消费者的最好途径。而热门推荐多、积分兑换以及支付方式多几个影响因素对购物APP吸引消费者的影响程度较低。

四、购物类APP的使用与满足评估

（一）TOPSIS法的基本原理

TOPSIS法也叫理想解近似度偏好顺序评估法，是Yoon和Hwang两位学者1981年提出的多准则评估方法。TOPSIS法通过对多个评估对象和理想化最佳解的接近程度进行排序以确定最优方案。

根据TOPSIS的基本原理，我们利用购物类APP受众接受模型来估测具体的购物类APP，将相关准则量化并进行最优解的排序，从而对各购物类APP的受众接受度进行排序。

（二）利用TOPSIS法对购物类APP受众接受度评估

本次评估从Apple Store和安卓APP商城中选取了5款购物类APP，它们分别是淘宝、京东、网易考拉、小红书和唯品会。这五款购物类APP在Apple Store和安卓APP商城中无论是下载量还是用户评分排名都比较靠前，虽然都是购物类APP，但又都各有所长，都有各自的特点。

根据已经建立的购物类APP受众接受模型，我们让13位使用过上述5款购物类APP的用户依照模型的三级准则，根据自己的使用感受分别对这5款购物类APP的每一项指标进行评分。最后调查人员将所有问卷汇总，并求取5款购物类APP每项分数的算数平均值作为最终得分，评分均值见表4。

表4 用户评分均值

进行APP绩效值

X

（

i

=1，2，…，

n

；

j

=1，2，…，

m

）的衡量，根据表4建立对淘宝、京东、网易考拉、小红书和唯品会的评估矩阵

Q

=［

X

］（表5）。

表5 评估矩阵Q =［Xij］

2.为了使各准则的衡量单位具有一致性，同时避免产生极端值而影响近似度距离的衡量，使用（1）式将评估绩效值归一化，得到归一化矩阵

G

=［

g

（

A

）］

n×m

，

g

（

A

）表示

A

计划在

D

准则的归一化值（见表6）。

表6 …归一化矩阵G=［gj（Ai）］n×m

3.权重越大的评估准则，其绩效值也就越重要，用AHP计算出的各准则权重乘以归一化绩效值，建立加权归一化矩阵

V

=［

v

］（2）。

表7 加权归一化矩阵V =［vij］

即京东的受众接受度在五款购物类APP中最高，其次为淘宝，小红书的受众接受度最低排在最后。

五、购物类APP受众接受度评估结论

TOPSIS法对于购物类APP的受众接受度排序具有很好的适用性，通过计算5个模型中不同准则的理想解与负理想解，并计算5个购物类APP与其的距离，得到的最优解为京东，即京东在5款购物类APP中受众接受度最高，从数据可以看出，京东在安全性、物流服务和售后服务等方面做的要好于其他平台，而其他方面也都得到了受众的认可。

淘宝虽然商品丰富度很高，价格方面优惠更多，付款也更便捷，但在正品保障等受众更在意的方面上做的稍差一些，想要更好的发展，一定要把信息、财务安全以及物流、售后服务做得更好。网易考拉是一款以跨境业务为主的平台，正品保障是其优势，它在此次评估中排在第3位，它需要在物流服务等方面改善。唯品会在评估中排在第4位，该APP虽然优惠活动等方面做的很好，但物品丰富度、售后服务等方面急需加强。小红书的受众接受度最低，它虽然是一款购物类APP，但它对自己的定位很大一部分是社交，在此次测评中处于劣势也许与此有关。该评估流程与结论证明了前文所构建的购物类APP受众接受度评估体系有一定的实用意义，购物类APP受众接受度评估体系与TOPSIS法结合，适用于对所有购物类APP受众评价与排序。

通过互联网进行购物已经成为了人们购物的主要方式之一。本文构建的购物类APP受众接受度评估体系既可以帮助受众将不同的购物类APP进行比较，了解到各APP的差异性，选择适合自己的购物类APP，也可以让购物类APP经营者了解用户需求，发现各自的优势和劣势，及时完善和补救，从而得到良性发展。