董金金1  齐歌祺2

（1.洛阳理工学院，河南 洛阳 471023；2.河南科技大学,河南 洛阳 471023）

摘要：电商平台个性化推荐技术的运用，可以帮助消费者快速在海量信息中找到自己心仪的商品，提升购买意愿。文章通过构建SOR理论模型，从信息编排、个性化、推荐方法以及推荐强度这四个维度对电商平台个性化推荐服务如何影响大学生消费者的购买意愿展开研究。研究结果表明：个性化和信息编排分别正向影响大学生消费者信任度；推荐强度和推荐方式分别正向影响大学生消费者满意度；大学生消费者情感态度对其购买意愿具有显著的正向影响；大学生消费者情感态度在个性化推荐和大学生购买意愿之间起到显著的中介作用。最后，文章针对电商平台优化个性化推荐服务和增强大学生消费者的购买意愿提出了相关建议。

关键词：电商平台；个性化推荐服务；大学生；购买意愿

一、引言

移动互联网的高速发展的同时，消费者在网络购物常面临信息过载困扰，难以迅速精准定位需求的产品。为缓解这一难题，各大电商平台普遍采用个性化推荐技术，通过分析用户的浏览记录、购买行为、收藏偏好等数据，深度挖掘消费者个性化需求，进而实现商品的精准推荐，也极大地满足了大学生追求个性与多元的消费心理。大学生这一庞大的消费群体，正深刻影响着电子商务市场的发展走向。因此，深入探究个性化推荐与大学生消费者购买意愿的作用关系，对电商平台改善用户消费体验和增加用户粘性具有很强的理论和实践意义。

在既有研究中，不少学者针对性化推荐服务与消费者购买意愿之间的关系进行了研究^[1]，提出了一系列“刺激-反应”、感知价值等理论^[2]。同时也验证了SOR模型对研究个性化推荐对消费者购买行为的可行性^[3,4]。而关于推荐系统能否实质性引导大学生消费者选择推荐产品，理论上获得了大多数学者的认可，但鲜少有人对此进行研究。因此，本文在借鉴相关研究成果的基础上，选取大学生作为研究对象，构建了电商平台个性化推荐服务对大学生消费者购买意愿影响因素的模型，收集实证数据，深入分析个性化推荐系统的不同特性对大学生消费者购买意愿的作用路径及内在机理，以期为电商平台优化个性化推荐服务与实践应用提供相关建议。

二、理论基础与假设构建

（一）SOR理论

SOR模型主要描述了外部环境刺激（Stimulus）通过中介机体（Organism）让机体做出反应（Response）的过程，由行为心理学的创始人约翰沃森最早建立S-R模型，Mehrabian和Russell完善为“刺激-感知-反应模型(S-O-R模型)”^[5]。Richard将研究关注点从传统实体转移至互联网情境下，探究基于SOR视角的网络氛围是如何通过消费者态度的传导机制影响其购买意愿的。基于SOR模型的解释路径，个性化推荐的相关因素作为外部刺激，通过引发大学生的情感态度变化，最终影响其购买意愿。当大学生接触个性化推荐信息时，会对信息编排方式、信息的相关性等方面形成主观评估，进而产生积极或消极的情感反应。这种信任度判断、满意度评价的中介心理将影响消费者最终的消费意愿强度。

（二）个性化推荐

Resnick首次认为，个性化推荐系统相当于传统的营销人员，是为消费者提供购买决策建议^[7]。朱岩认为个性化推荐系统是根据用户的需求设计的决策辅助工具^[8]。李芳认为个性化推荐系统为消费者提供偏好信息，以提高决策质量和效率^[9]。虽然不同学者定义有所差别，但普遍认同个性化推荐的核心本质是实现对用户潜在需求与兴趣偏好预测，帮助用户从海量的信息中快速找到自己需要的内容，提升用户获取信息的效率与满意度。

在个性化推荐维度与情感态度的研究中，刘智鹏认为信息编排对用户的情感感知有着直接的影响^[10]。戴和忠认为电商网站的推荐强度对页面访问具有显著的积极作用，且在达到某一临界点后，该效应将出现边际收益下降，且呈下降趋势^[11]。罗玉葵论证了个性化推荐的强度对消费者感情认知具有显著的正影响^[12]。

综上，本文综合相关学者研究和实际调研，将个性化推荐对情感态度的影响主要划分为信息编排、推荐强度、推荐方式以及个性化这四个维度，提出如下假设：

H1：个性化推荐过程中信息编排正向影响大学生消费者信任度

H2：个性化推荐过程中推荐强度正向影响大学生消费者满意度

H3：个性化推荐过程中推荐方式正向影响大学生消费者满意度

H4：个性化推荐过程中个性化正向影响大学生消费者信任度

（三）情感态度

消费者的满意度和信任度是情感态度的核心维度，影响消费者的购买决策和品牌忠诚度。满意度反映了用户对某一产品或服务的体验与预期之间的差距。信任度则反映了消费者对某一电商平台或品牌可靠性的认同感心理。线上购物活动时，消费者的情感态度是动态变化且相互影响的。信任度往往是促成消费者在某一电商平台进行首次交易的决定性因素；随着消费者该平台购买次数的增加，满意度则成为消费者长期选择该平台的重要因素。在相关学者的研究中，产品互动性、售后服务以及产品满意度等因素均对消费者购买意愿产生正向影响，感知信任度是用户的持续购买行为产生影响的重要因素^[13，14]。基于此，本文将情感态度划分为满意度与信任度两个维度，提出假设：

H5：个性化推荐过程中满意度对大学生购买意愿产生正相关影响

H6：个性化推荐过程中信任度对大学生购买意愿产生正相关影响

本文基于SOR理论框架，将情感态度界定为购买决策过程的中介变量。综合上述假设，个性化推荐通过信息编排、推荐强度、推荐方式和个性化直接作用消费者购买意愿，另一方面通过情感态度变化的中介作用影响消费者购买意愿。基于此，提出假设：

H7：信任度在信息编排与大学生购买意愿之间起到中介作用

H8：信任度在个性化与大学生购买意愿之间起到中介作用

H9：满意度在推荐强度与大学生购买意愿之间起到中介作用

H10：满意度在推荐方式与大学生购买意愿之间起到中介作用

综上，本文将4个测量维度作为个性化推荐模型的刺激因子，通过影响大学生网络在线消费的情绪，从而具体影响到他们的网络消费行为，具体研究模型如图1所示。

图1 电商平台个性化推荐服务对大学生消费者购买意愿影响因素的模型

    三、研究设计与实证分析

（一）调查量表设计

个性化推荐是指电商平台通过对用户的浏览历史和历史购买意愿等进行数据采集、分析和处理，从而对消费者的个体偏好进行分析，并对其进行合理的推荐。为验证本文提出的个性化推荐模型，本文将抽象变量定量化处理后再形成调查量表，具体测量量表如表1所示。

表1 个性化推荐测量量表

（二）问卷发放与回收

问卷聚焦高校大学生，借助问卷星等互联网工具发放，共计发放415份，剔除填写不规范、答案存在明显矛盾以及无网络购物经历的无效问卷15份，最终保留有效问卷400份，有效问卷率达到96.38%。

据样本信息，女性消费者占比为61.25%，年龄层面18至24岁的青年群体占比73.75%，本科学历在调查的样本中占据主导地位，为51.75%，在月生活费水平上，80%的受访者的月可支配收入集中在800-1800元之间，说明目前大学生对于网购月均消费水平较低，。在平均每月网购次数上，90.50%大学生平均每月网购次数大多为1~5次。样本数据分析可知，问卷数据较为客观且与本文假设具有较好的一致性。

（三）调查结果分析

1.信效度分析

可靠性指数的测量通常采用相关系数，常见的有稳定性、等效性和内在一致性三种。本研究使用的是内在一致指数，它可以反映观察对象间的相关性，并能反映出相同的独立概念的不同方面。

据表2示，可以看到在各变量中Cronbach’s α系数最低值为0.742，超过0.7的标准。这一结果证实了各变量均具有较好的信度水平。而各变量的组合信度均大于0.6，平均方差抽取量均大于0.5，则说明具有良好的收敛效度和组合信度。

表2  各变量信效度检验

本文采用KMO抽样适当性检验和Bartlett球形检验对7个研究变量的测量题项进行了因子分析。如表3所示，KMO值为0.838（>0.8），Bartlett检验显著（p<0.05），表明数据适合进行因子分析。

表3   KMO抽样适当性检验和Bartlett球形检验

本文采用主成分分析法，对测量模型中的22个观测指标进行因子提取，累计方差解释率达到76.475%，显著高于60%的临界标准，表明研究变量具有理想的因子解释效度，据碎石图显示，曲线在第7个因子处出现明显拐点后开始趋于平缓，表明提取7个公因子具有合理性。

图2 变量碎石图

本研究通过SPSS采用Person相关分析法，对个性化推荐各维度，情感态度各维度以及消费者购买意愿之间进行相关性分析，结果如表4所示，各维度变量均与购买意愿存在显著相关性。其中，推荐强度与推荐方式的相关系数最高，显示出较强的协同作用。满意度与信任度呈现中度相关，二者共同中介作用于购买意愿的形成，证实了推荐系统要素通过用户心理评价影响消费决策的理论路径。

表4  相关分析结果

注：P<0.01为**，本研究认为p<0.05表示结果显著。

在此基础上，本研究结合理论构想，将模型中的各变量纳入AMOS模型，构建模型。通过AMOS软件输出数据分析的结果，具体各核心拟合数值以及指标评价标准如表5所示：

表5  模型拟合度指标以及本文结果数值

2.路径分析模型

通过AMOS软件对符合标准拟合度的结构方程模型进行路径系数分析，图3直观的呈现了结构方程模型中各变量的标准化路径系数。结构方程模型的假设检验及其路径系数的结果如表6所示，并且在95%的置信区间上，临界比值均超过1.96，标准误保持在合理范围，表明

研究假设H1-H6全部成立。

图3 标准化路径系数图

表6 模型路径系数与假设检验结果

注：P<0.001为***，本文认为P<0.05表示结果显著

（四）中介效应检验

通过2000次Bootstrap抽样检验，四条中介路径的效应值在95%置信区间均不包含零，这一统计结果表明所有中介效应的假设均达到显著水平。结果如表7所示。

表7 标准化的Bootstrap中介效应检验

四、研究结论和建议

（一）分析结果

1.个性化推荐服务中信息编排和个性化推荐对大学生消费者的信任度有正向影响。在当今资讯爆炸的网络环境中，信息的有序编排，消除雷同信息后的个性化推荐，可以帮助顾客更好的理解商品省去浏览的时间，进而快速做出购买决策。研究结果显示，在购物过程中，适当的信息安排和个性化推荐会提升大学生消费者对平台产品的信赖程度，从而对消费者的购买意愿产生正向的影响。

2.个性化推荐服务中推荐强度和推荐方式对大学生消费者的满意度有正向影响。新颖的推荐方式可以快速吸引消费者眼球，而适当的推荐强度会刺激消费者的购物心理，二者相互作用对大学生的购物满意度有正向的影响。注意避免高强度的推荐，进而使消费者对这种推荐产生负面心理。

3.满意度属性和信任度属性对大学生消费者的购买意愿有正向影响。当大学生在购物过程中个性化推荐系统为他们所提供推荐服务时，他们会觉得平台是值得信赖的。并且在之后的购物中，这些满意度和信任将会影响到他们的购买意愿，促使他们进行消费。

4.消费者的情感态度起到了显著的中介效应。在面对平台个性化推荐的产品时，大学生消费者内心会产生不同程度的主观情绪。平台通过提升消费者的满意度和信任度，进而作用于消费者的购买意愿，驱动消费者产生购买行为。

（二）对策与建议

利用个性化属性，电商平台的个性化推荐系统可以通过深度学习算法分析用户的浏览轨迹、收藏行为和购买记录等多维度的数据，精准刻画消费者的用户画像； 规范信息编排，平台可以根据消费者的购物偏好，合理的编排个性化推荐的相关信息，根据每种产品的具体参数进行设置，把与消费者偏好最契合的商品着重展示，做到主次清晰明了；合理设置推荐强度，购物网站的个性化推荐服务目的是为消费者提供方便快捷的商品信息，注意避免推荐强度过于频繁，进而造成消费者厌恶的心理；使用多样的推荐方式，电商平台可以以短视频为载体，以“故事叙述+商品广告”的推荐方式吸引消费者，在故事叙述中对消费者进行商品推荐，进而促进消费者的购买意愿。

参考文献：

[1]李瀚臣.基于知识图谱与图注意力网络的电影推荐方法[D].淮南：安徽理工大学,2024.

[2]范文芳,王千.个性化智能推荐对消费者在线冲动购买意愿的影响研究[J].管理评论,2022,34(12):146-156+194.

[3]赵佳.知识付费平台个性化推荐对知识付费意愿的影响研究[D].太原：山西财经大学,2024.

[4]罗喆.电商平台个性化推荐系统对消费者购买行为的影响研究[D].西安：陕西师范大学,2019.

[5]罗朝能,吴怡.个性化推荐对消费者网络购物购买意愿的影响研究[J].福建茶叶,2020,42(2):60-62.

[6]李绍朋.基于SOR理论的PDD在线购物平台顾客满意度研究[D].绵阳：西南科技大学,2024.

[7]Resnick P,Varian H R.Recommender systems[J].Communications of the ACM, 1997,40(3):56-58.

[8]朱岩,林泽楠.电子商务中的个性化推荐方法评述[J].中国软科学,2009(2):183-192.

[9]李芳,刘新民,王松.个性化推荐的信息呈现,心理距离与消费者接受意愿--基于解释水平理论的视角[J].企业经济,2018,37(5):109-115.

[10]刘智鹏.个性化推荐对大学生网购行为的影响研究[D].长沙：中南林业科技大学,2016.

[11]戴和忠.网络推荐和在线评论对数字内容商品体验消费的整合影响及实证研究[D].杭州：浙江大学,2014.

[12]罗玉葵.基于个性化推荐的消费者网络购买意愿影响因素分析[J].商业经济研究，2020（9）:75-79.

[13]刘嘉惠.抖音直播服装销售中用户购买意愿影响因素研究[D].太原：山西财经大学,2024.

[14]李贤.第三方众包平台用户持续参与意愿影响机制研究[D].天津：天津财经大学,2021.

[15]朱心如.基于用户与产品多属性挖掘的去流行度偏差推荐研究[D].哈尔滨：哈尔滨商业大学,2024.

基金项目：2025年度洛阳市社会科学规划项目：“信息茧房”效应下高校教师开展精准思政策略研究（项目编号：2025B204）