大数据“杀熟”对顾客忠诚度的影响实证研究
文／王雪婷 孙晓雅
摘要：各大电商平台被爆出存在大数据“杀熟”的行为，此行为是对老顾客进行价格欺骗，本文对大数据“杀熟”对顾客忠诚度的影响情况进行实证研究。建立结构方程模型提出研究假设，发放调查问卷收集数据，进行结构方程模型验证大数据“杀熟”对顾客忠诚度的影响。研究发现：大数据“杀熟”对感知价值、顾客信任和顾客忠诚度具有显著的负向影响，大数据“杀熟”对转移成本的影响不显著；作为中介变量，转移成本、感知价值和顾客信任对顾客忠诚度均有显著的正向影响。
关键词：大数据“杀熟”；顾客忠诚度；结构方程；调查问卷
引言
大数据时代，互联网服务运用算法分析在互联网收集到的大量数据，进行个性化推荐与定制化服务。千人千面的精准营销方式通过提供更精准的服务，降低信息收集成本从而增加客户粘性。大数据“杀熟”行为是指：在电商平台中获得同样的产品或服务，老顾客所需支付的成本高于新顾客。此类事件在国外已有先例，2000年亚马逊进行小范围差别定价实验，不久一位用户反映删除浏览器cookies后，曾经浏览过的DVD商品售价下降了4.5美元。老用户们发声认为自己被亚马逊欺骗了并且极其愤怒，后来贝索斯亲自出面道歉结束了这场闹剧。大数据“杀熟”是利用消费者对价格信息的了解处于劣势一方，对忠诚度高的老顾客提高价格获以增大利润空间。一向高度依赖与信任电商平台的消费者成为了“被宰的羔羊”，更高的支付意愿成为了商家“杀熟”的借口。
现有文献鲜有涉及大数据“杀熟”，大多侧重于大数据的优势及应用领域。商家得益于大数据的同时，也应该善用数据的力量。结合电商平台行业的特点，引入转移成本、感知价值和顾客信任三个中介变量建立结构方程模型。通过SPSS和AMOS对模型进行修正与验证。
1、研究模型与假设
1.1结构方程模型建立
Wang研究发现，顾客感知价值和转移成本是顾客忠诚度的重要影响因素。其中，转移成本是影响顾客长期购买的最重要因素。曹磊表示利用大数据手段对高度信任感和忠诚度的消费者高价销售的行为属于价格欺骗。大数据“杀熟”这种行为曝光后，冲击的是老顾客与平台之间建立的信任感。因此，本文为探究大数据“杀熟”对顾客忠诚度的影响情况，对企业应该如何用好“大数据”这把双刃剑具有指导意义。由于顾客忠诚度是无法直
接测量的潜在变量，引入转移成本、感知价值和顾客信任中介变量。其中，三个中介变量分别设置三个测量指标，顾客忠诚度选取行为忠诚与情感忠诚两个角度设立六个测量指标，建立图1的大数据“杀熟”对顾客忠诚度的结构方程模型。
图1 大数据“杀熟”对顾客忠诚度影响的结构方程模型1.2转移成本
转移成本是指当顾客从一种产品或服务转向同类产品或服务时所需支付的成本。转移成本涵盖三个方面，一是用户学习使用原产品或服务产生的时间成本；二是附加的经济成本如积分、会员和折扣等优惠策略；三是情感上的精神层面的转移。
（1）如果转移到新的电商平台，消费者必将花费大量时间去寻求一个各方面既满意又能熟练使用的新平台。
（2）商家为了提高自身的转移成本，发展会员用户，采取积分制以及优惠券等策略。对于价格敏感度高的顾客，将很难放弃这些福利。
（3）老顾客对经常使用的电商产品存在情感依赖，甚至是某电商品牌的忠实粉丝，所以从情感上消费者很难转移到其他平台。
由此提出：
H1：转移成本对顾客忠诚度有正向影响。H2：大数据“杀熟”对转移成本有负向影响。1.3感知价值
感知价值是一种主观评价，分为两种情形。一类是消费者以固定的价格所获得产品的质量，另一类则是为达到某一质量而不得不支出的成本的一个主观评价。
（1）用户以某个价格获得产品或服务的体验后对此次消费进行评价，评价越高说明对此次交易更加满意。消费者认为此电商产品所提供的服务更加满足其需求。
（2）消费者认为所支付的成本值得这个价格，所提供的服
17
务恰巧满足自身需求，价格合理或低于同类产品，物超所值。
（3）能够提供优质独特区别于大众产品或服务的电商平台，忠诚的老顾客将容忍价格的小程度涨幅，但并不包括大数据“杀熟”行为。
由此提出：
H3：感知价值对顾客忠诚度有正向影响。H4：大数据“杀熟”对感知价值有负向影响。1.4顾客信任
Shu-Ching Chen(2012)发现电子信任消费者忠诚度有显著影响。顾客与商家之间的相互信任是一个品牌成功的基础，体现在平台的安全性与商家的真诚性两个方面。
（1）对于平台新客采取优惠，是商家引流的一种方式并不算作“杀熟”行为。但是使用频率高的顾客得到的价格却高于平台的普通用户的价格，这种行为严重违反了诚信原则，“杀熟”实际杀掉的是顾客的信任度。
（2）大数据“杀熟”实质反映出企业不能很好利用和保护用户的隐私数据问题。对于电商平台的个人信息安全的保护，企业是否会为获取利益滥用隐私数据成为顾客信任的一方面。
（3）爆出疑似存在“杀熟”行为的电商企业，皆出面澄清不存在大数据“杀熟”行为，并保证以后也不会出现此类行为。可网友表示不会相信企业的说辞，由此可见被杀掉的信任度仍需要长时间重新建立。
由此提出：
H5：顾客信任对顾客忠诚度有正向影响。H6：大数据“杀熟”对感知价值有负向影响。1.5顾客忠诚度
顾客忠诚是消费者在长时间内对于某个品牌进行重复性购买的消费行为。学者朱爱玲（2007）构建顾客忠诚的指标体系，一级指标分为行为忠诚、意向忠诚以及情感忠诚。此次选取行为忠诚与情感忠诚作为测量顾客忠诚度的变量。
（1）行为忠诚表现为重复购买、向他人推荐以及价格敏感度降低等典型的忠诚行为。
（2）选择情感忠诚考虑到大数据“杀熟”更多是直接影响消费者的情感和精神层面进而引发一系列消极行为。对商家的好感度降低，在社交平台吐槽和曝光商家的行为和亲近竞争对手。
由此提出：
H7：大数据“杀熟”对顾客忠诚度有负向影响。
综合分析变量特点，汇总研究假设得到如表1研究假设汇总表。
表1 研究假设汇总表
假设假设内容H1转移成本对顾客忠诚度有正向影响。H2大数据“杀熟”对转移成本有负向影响。H3感知价值对顾客忠诚度有正向影响。H4大数据“杀熟”对感知价值有负向影响。H5顾客信任对顾客忠诚度有正向影响。H6大数据“杀熟”对感知价值有负向影响。H7大数据“杀熟”对顾客忠诚度有负向影响。2、实证研究方法
2.1问卷设计
问卷中的量表题项来自于国内外的学者已有的研究，并
18
且结合大数据“杀熟”的特点对测量题项进行修改，最终形成16个测量指标，并采用李克特 7 级量表形式，1 表示非常不同意，7 表示非常同意。此问卷背景设置为被调查者是某电商平台的老顾客，发现疑似被此平台大数据“杀熟”，各测量题项见表2。
表2 测量题项变量名称量表内容大数据杀熟我对大数据杀熟的敏感程度高 如果放弃使用原平台选择新平台，我会花费更多时间转移成本原平台积分、优惠很重要，我很难放弃这些福利我习惯了使用这个平台，情感上很难转换其他平台我认为这个产品提供的服务更好，满足我的需求感知价值我认为这个平台的价格低于同类产品，物超所值即使费用上升，我仍然认为这个平台值得使用我相信平台没实施大数据杀熟，这只是某些用户的误解顾客信任我认为在此平台交易是安全的，不会窃取隐私数据我相信此平台会不断升级提供更好的服务我会多次在这个平台交易我会向身边的人推荐此平台对此平台的产品或服务价格敏感度降低顾客忠诚度我更加偏爱这家平台的产品我排斥该平台的竞争对手我会持续关注该平台的产品状况2.2数据收集
本文采用线下发放纸质问卷与线上网络问卷相结合的方式，共发放问卷365份，删除无效问卷56份，得到有效问卷309份，问卷有效率约为84.7%。从性别上看，女性和男性比例接近，分别为48.9%和51.1%；从年龄上看，18-25岁的用户比例最高，大部分处于大专及本科层次；从职业来看，学生比重最大达到55.7%，见表3。
表3 人口统计特征表题项基本信息人数百分比题项基本信息人数百分比性男15148.9%在校学生17255.7%别
女15851.1%职业企业员工7724.9%18-25岁20265.4%事业单位3511.3%年26-35岁
68
22.0%
其他
25
8.1%
龄段
36-45岁2.1%1000以下
9430.4%>46岁
113.6%
月1000-20007524.3%收
受教高中及以下
32
10.4%入2000-5000
7925.6%育程大专及本科23676.4%
5000-80004414.2%度
硕士以上
41
13.3%
8000以上
17
5.5%
3、数据分析
3.1信效度检验
本文通过利用SPSS软件进行问卷的信度和效度检验。表4显示此问卷的Cronbach’s α值均在0.808-0.868之间，表明问卷各个测量题项的量表数据具有较好的可信度和一致性，通过了信度检验。又用因子分析对问卷进行了效度检验，KMO值均在0.7以上，表明适合进行因子分析。Bartlett球形检验得出统计量在相应的sig值均小于0.05达到显著性水平，表明问卷通过效度检验可以实证。
表4 信度和效度检验变量题项CON1转移
CON2成本
CON3
PV1
感知价值
PV2PV3CF1
顾客信任
CF2CF3CL1CL2
顾客忠诚度
CL3CL4CL5CL6
.868.870.8.808
Cronbach’s 因子α载荷.847.837.865.860.903.901.754.7.7.827.7.799.776.709.786
.6
768.3850.000
.741
465.3770.000
.728
453.7710.000
.712
301.70.000
KMOBartlettSig(4) 大数据“杀熟”对顾客忠诚度产生显著负向影响，路径
系数在1%的置信度水平显著。
表6 路径分析及假设检验假设检验H1H2H3H4H5H6H7
Estimate.204-.096.222-.477.236-.677-.371
S.E..054.098.051.097.052.100.085
C.R3.802-.9854.342-4.9404.560-6.802-4.386
P***.325***************
结论接受拒绝接受接受接受接受接受
说明: ＊＊＊表示 P ＜0. 001;
4、结语
本文引入感知价值、顾客信任和转移成本三个中介变量，通过实证分析验证了大数据“杀熟”对顾客忠诚度有显著的负向影响。研究结果表明：
（1）大数据“杀熟”对顾客信任，感知价值以及顾客忠诚度存在显著的负向影响，因此只有企业使用正确的定价策略才能更好地维持顾客忠诚度留住老顾客。
（2）转移成本，顾客感知价值和顾客信任对顾客忠诚度的重要影响因素。
（3）大数据“杀熟”行为违背顾客的信任，导致老顾客的大量流失，造成负面口碑影响。
大数据技术的飞速发展，给电子商务的发展带来新机遇与新挑战。在没有个人隐私的大数据时代，商家应该学会正确使用数据的力量，不可以为追逐公司利益而伤害消费者的权益。最新电子商务法第二章第十表示电子商务经营者根据收集到的使用习惯等数据向消费者提供服务时，应一视同仁，不按个人特征定价，保护消费者权益。大数据“杀熟”已经明确规定为违法行为，希望电商企业能够看清本质，别为了蝇头小利昧了良心。3.2模型拟合优度
卡方值CMIN为121.676，自由度DF为98，相对卡方CMIN/DF 为1.242，p值为0.53＞0.05;其余各项拟合指标均满足要求，大于0.9，近似误差均方根RMSEA=0.028＜0.05。见表5，各参数表明模型拟合良好，该模型不被拒绝。
表5 模型拟合度检验拟合指标CMINDFCMIN/DF981.2421~2P.053NFI.947CFI.955>0.9AMOS输出值121.676拟合标准>0.05>0.9参考文献：
[1] 张国栋.大数据“杀熟”的是是非非[J].法人,2018(06):58-61.
[2] 李盼.电商中“降价”和“会员制”对顾
IFITLIRMSEA客忠诚度的影响研究[D].上海外国语大学,
2017..9.987.028[3] Wang C Y. Service quality, perceived
>0.9>0.9<0.05 value, corporate image, and customer
loyalty in the context of varying levels of switchingcosts
[J]. Psychology & Marketing, 2010, 27(3): 252–262.
[4]李颖.警惕!不良商家用大数据“杀熟”专坑老客户[J].中国质量万
里行,2018(04):38-39.
[5] 朱爱玲.顾客忠诚度综合评价体系研究[D].天津大学, 2008.作者简介：
王雪婷，本科生，辽宁师范大学管理学院，研究方向：电子商务；
孙晓雅，硕士生导师，辽宁师范大学管理学院副教授，研究方向：优化理论与定量分析。
3.3假设检验结果
经过AMOS进行路径分析后得出假设检验结果。在P值检验方面，除了大数据“杀熟”对转移成本的假设被拒绝，其余假设均被接受。从表6可以发现:
(1) 转移成本、顾客信任换人感知价值三个中介变与顾客忠诚度存在显著的正相关;
(2) 大数据“杀熟”对感知价值和顾客信任产生显著负向影响;
(3) 大数据“杀熟”对顾客信任负向影响显著，其路径系数绝对值达到0.677，大于对感知价值的影响作用;
19
