产品定制过程中的顾客适应性决策行为研究

程丽娟+王晶

摘要：应用情境实验方法研究顾客在产品定制过程中的适应性决策行为，重点分析定制任务的复杂性如何影响顾客的定制策略。同时分析了顾客知识水平和任务参与程度两个因素对于适应性决策行为的调节作用。研究发现：定制任务的复杂程度增加，使用启发式策略的频率也增加；顾客知识水平与加权式策略使用频率负相关，而与启发式策略使用频率正相关；与之相反，任务参与程度与加权策略的使用频率正相关，而与启发式策略的使用频率负相关。

关键词：产品定制；适应性行为；加权式策略；启发式策略

DOI：10.13956/j.ss.1001-8409.2017.03.23

中图分类号：F274 文献标识码：A 文章编号：1001-8409（2017）03-0107-04

Abstract： This paper analyzes the adaptive decision behavior in product customization based on designing experimental study， and investigates the decision strategies used by customers in making decisions of the product customization. And then， it discusses the moderating role of customer knowledge level and task involvement on adaptive decision behavior.

Results show that， firstly， when the task complexity of product customization becomes higher， more people will prefer to use the heuristic strategies.There is a positive correlation between customer knowledge level and the use frequency of heuristic strategies.There is a negative correlation between task involvement and heuristic strategies.

Key words： product customization； adaptive behavior； weighted additive strategy； heuristic strategies

眾所周知，顾客在定制自己喜欢的产品时，必须针对产品的可定制属性进行各项选择。根据经典效用理论，理性顾客会进行效用最大化选择，所以无论企业采取何种定制模式，顾客最终定制的产品配置都应该是一致的[1]。然而，研究表明事实并非如此，顾客在产品定制过程中的决策行为并不符合经典效用理论的预测[2]。如Park等 [3]和Levin等[4]发现了选项框架效应，其他学者也从不同的角度探讨和分析了类似的现象。总之，企业所采取的不同定制模式，如选项的不同呈现方式、捆绑方式和默认方案设置方式等，都会对顾客的选择产生巨大影响，并且关系到产品销量、企业利润等诸多绩效指标[2]。Biswas和Grau[5]发现，当顾客在定制过程中受到认知资源的约束时，选项框架效应会表现得更为显著。这意味着处于认知过载状态的顾客更容易在定制产品时受到定制模式的影响而做出非理性选择。

关于顾客在选择过程中的非理性行为，决策科学领域已经有很多学者做了大量研究。最知名的是心理学家H Simon提出的有限理性概念，他认为人的信息加工系统只需要做到令人满意，而不必最优化[6]。德国的心理学家Gigerenzer提出了生态理性的概念，进一步强调人的认知局限性是具有适应性的[7]。Payne和Bettman等人[8，9]则重点讨论了顾客的适应性决策行为特征，即顾客会在不同的任务环境中采用不同的决策策略。随后，一些学者尝试讨论不同领域的顾客在决策过程中是否具有适应性行为特征[10]。已有的关于适应性决策行为的研究都局限于探讨一次性决策，而产品定制过程中顾客需要进行连续的多步骤决策[11]。到目前为止，顾客的产品定制决策是否具有适应性特征以及哪些因素会影响策略的选择还没有人讨论。

本文将通过情境实验的方式来探讨顾客在产品定制过程中的适应性决策行为，重点分析定制任务的复杂度如何影响顾客选择的决策策略。由于定制任务的复杂程度由多个因素共同构成，除了定制任务的结构属性（如可供选择的属性数量和选项数量），还包括决策个体的产品知识以及任务参与程度等因素。因此本文还将探讨顾客的个体特性和任务特性对于顾客定制决策过程中的适应性行为有何影响。

1 文献回顾及研究假设

从信息加工理论的角度分析顾客决策过程的研究当中，普遍认为每个顾客在做决策时会参照不同的情境选择不同的策略。许多文献探讨了这些策略的定义和特点、影响策略选择的因素、以及划分不同决策策略的分类标准。依据这些准则，Bettman等[9]阐述了九种策略，包括作为名义模型存在的加权策略和信息处理最小化的启发式策略。加权式策略会处理所有的相关信息，而启发式策略则为了让决策速度更快而选择忽略部分信息。Gigerenzer[7]认为大部分人乐意使用启发式策略来将相关信息最小化，从而节约认知资源。本文的研究问题是：顾客在产品定制过程中，各种决策策略的使用比率分别有多少？为了解答这个问题，本文将具体分析定制任务的复杂程度，顾客知识水平和任务参与程度3个因素对于决策策略使用比率的影响。

1.1 定制任务的复杂程度与顾客决策策略

决定定制任务复杂度的因素有很多，本文只重点考虑选择集合规模，即可供定制的属性数量及选项数量。理由如下：每一个定制任务中的可定制属性及选项数量比较准确和客观，是企业相对容易控制的变量；现有研究显示选择集合的规模大小对顾客的心理有很大影响，并会体现到其随后的决策中[12，13]。

选择集合规模将会影响顾客采用的决策策略类型，因为适应性决策理论的核心是个人的决策策略取决于决策环境的各项特性。Diehl[14]发现人们在较大的选择集合当中搜索比例会低于在较小选择集合中的搜索比例。Meyer[15]也得出了类似的结论，即人们在面对较大的选择集合时，会更早结束搜索。可以认为一个小的选择集合会鼓励决策者进行深度搜索，而一个大的选择集合则会让他们倾向于有限搜索。由于选择集合规模的大小直接对应定制任务的复杂程度，这意味着定制任务越复杂，顾客越倾向于进行有限的信息搜索和处理，即采用启发式的决策策略；反之，定制任务越容易，顾客越倾向于进行深度的信息搜索和处理，即采用加权式的决策策略。所以提出假设：

H1：随着定制任务的复杂程度增加，顾客使用启发式策略的比率也会相应增加。

1.2 顾客知识水平对决策策略选择的影响

消费者行为学领域依照顾客对产品的了解程度将其划分为专家顾客和普通顾客两类[16]。顾客所掌握的产品知识水平可以直接反应顾客认知能力的高低，从而决定了同一个定制任务对于不同的顾客来说难度不同。因此顾客知识水平对于定制过程中的适应性决策行为应具有一定的调节作用。

一般认为专家顾客在决策过程中对于信息搜寻更有选择性，只重点识别和关注相关属性。因为他们做决策时对可接受和不可接受的属性水平都有非常清楚的认知。而新手顾客缺少一些必要的知识去简化信息处理过程，他们更有可能同时关注相关信息及不相关的信息。即与专家顾客相比，新手顾客将使用更具有综合性的判断准则（如加权法），因为他们缺少相关知识来直接选择满足自己偏好的相关选项，从而更有可能对所有的选项信息进行加权计算和综合比较。基于以上分析，提出假设：

H2：顾客知识水平对决策策略的选择有显著影响，且顾客知识水平越高，越倾向于使用启发式策略。

1.3 任务参与程度对决策策略选择的影响

消费者在产品选择任务中的参与程度会影响他们采用的决策策略，因为随着人们在某一个任务中参与程度的增加，他们会变得乐意搜寻信息和加工信息。顾客已经掌握的关于目标产品的知识直接关系到他们处理产品信息的能力，而他们在选择任务中的参与程度则是处理信息的动力来源。本文认为任务的参与程度可以直接反映出顾客对于信息搜寻和信息处理的深度。高度参与产品定制过程的顾客将分配和使用较多的认知资源在信息的注意、理解和加工过程当中，即他们愿意对所有的可定制属性和选项信息进行对比分析。相反，处于较低参与程度的顾客则不愿意花费多余的认知资源在定制任务当中，从而会偏好可以让信息搜寻和信息加工的努力最小化的策略。因此，本文提出以下假设：

H3：任务参与程度对决策策略的选择有显著影响，且顾客的参与程度越低，则越偏好使用启发式策略。

2 实验设计及数据收集

2.1 实验方案设计

本文所模拟的实验情境是假定被试者要为自己选购一台新笔记本电脑，经过某知名品牌的宣传，决定采用网上在线定制的方式。假设有3个因素会影响顾客在产品定制過程中的决策策略选择：任务复杂度、顾客知识水平和任务参与程度。为了验证假设，将可供顾客定制的属性数量作为实验因素，构造一个单因素实验设计，设计了3个不同的实验组，可定制的属性数量分别5个、7个和10个。具体来说，该实验是模拟实际的产品定制过程，把被试随机分配到3种不同的情境下，让他们完全按照自己的喜好进行定制决策。通过记录他们的选择过程来分析被试在复杂程度不同的3种情境下，使用的决策策略是否存在差异。

2.2 问卷设计及变量测量

通过比较目前几大主流电脑品牌的在线定制网站，本文决定参照索尼公司的笔记本电脑定制界面来设计实验问卷。为避免电脑品牌对于实验结果的影响，在问卷中将不出现具体的品牌名称。本文选取的用于定制的笔记本电脑型号基础价格为4400元，为了与真实定制过程完全一致，所有问卷都选择将各属性的最低配置作为推荐配置，即基础价格是选择最低配置的总价，而其他选项后面都会标注出超出基础价格的费用。

将3个实验组分别编号为A、B、C。其中A组的可定制属性为5个，具体为颜色、处理器、显卡、内存、硬盘；B组为7个，添加了显示器和光驱；C组为10个，增加了操作系统、防病毒软件和Office软件3项属性。除了可定制属性的数量不同，每个属性对应的选项数量也有差异，从而保证了3种实验情境下的定制任务复杂程度各不相同，且随着属性数量增加呈递增趋势。问卷还采用主观自评的方式，测量了被试对于产品的知识水平（顾客知识），在实验中的参与程度（任务参与程度）以及他们使用的决策策略。

2.3 实验过程

某高校140名本科学生作为被试参与了实验。由于实验被试来自同一所学校，而且都有选购笔记本电脑的经验，样本具有极高的同质性。同时大学生对于使用在线定制的方式比较感兴趣，参与实验的热情也较高。这些都可以有效减少实验的干扰因素，提高实验的内部效度。最后总共回收了140份问卷，剔除无效问卷后保留的有效问卷为117份。其中，A组为39份，B组为39份，C组也为39份。

3 数据分析与讨论

3.1 变量测量的信度和效度检验

本文对顾客知识水平和任务参与程度的测量都采用了多个问项，需要检验其测量信度。分析结果显示，顾客知识和任务参与两个变量的Cronbach α值分别为0.969和0.813，表明这两个变量的测项均具有良好的内部一致性。

接下来对问卷中使用的所有测项进行效度检验，结果显示KMO系数为0.747，接近0.8，说明本实验设计的问卷各测项之间的相关程度差异不大，收集的数据适合做因子分析。采用探索性因子分析检验问卷的结构效度，结果表明7个测项可以较好地纳入两个主成分中，而且与问卷的设计初衷完全对应，这说明问卷的7个测量项目设计合理。

对所有被试的人口统计特征进行分析，结果显示男性75人（64%），女性42人（36%），在3个实验组中的分布没有显著差异（p=0.401）；顾客知识水平的分布（p=0.612）和任务参与程度的评分（p=0.331）同样没有显著差异。说明3组实验情境下的被试同质性很高，实验结果的内部效度得到了保障。

3.2 假设检验

为了验证假设H1，需要针对3个实验组中所有被试对两类决策策略的使用人数和比率进行对比分析，结果如图1和图2所示。从图1中发现随着可供定制的属性数量增加，两类策略的使用人数发生了明显的变化：使用启发式策略的人数不断上升，而使用加权式策略的人数则相应持续下降。由于3个实验组的有效被试数量均为39人，接下来重点考察每组被试对两种策略使用比率的变化。

从图2中看到启发式策略的相对使用比率持续上升，从23.1%上升到33.3%，最后达到最高值51.3%。由于测量结果是相对比率数值，需要采用卡方检验来验证其统计显著性。结果显示卡方值为6.909，自由度为2，双尾检验概率值P=0.032。由于P < 0.05，可以认为3个实验组在决策策略的使用比率上有显著差异。假设H1得到验证，即随着定制任务的复杂程度增加，顾客使用启发式策略的比率也会相应增加，这意味着定制任务越复杂，选择使用启发式策略的顾客也会越多。

接下来验证假设H2和H3。将所有被试划分为启发式策略组和加权式策略组2个组别，然后分析这2组中的顾客知识水平与参与程度是否有显著差异。首先对两种策略组的均值和方差进行描述性统计，将均值的统计结果绘制成图3，可以看出，启发式策略组对定制产品的知识水平均值要高于加权式策略组；而在定制任务中的参与程度均值则是低于加权式策略组。为了验证该结果是否具有统计显著性，继续进行独立样本t检验分析，结果如表1所示。

对照方差齐次检验的结果，可以看到2个策略组中的顾客知识水平具有显著性不同（P=0.002 < 0.01）；同样，2个策略组中的任务参与程度也具有显著性不同（P=0.008 < 0.01）。这意味着图3中的数据分析结果通过了显著性检验，H2和H3都得到了支持。即顾客知识水平对决策策略的选择有显著影响，且顾客知识水平越高，越倾向于使用启发式策略；任务参与程度对决策策略的选择也有显著影响，且顾客的参与程度越低，则越偏好使用启发式策略。

3.3 Logistic回归分析

为了使数据分析更为完善并能更真实地反映被试的选择行为，本节利用二元Logistic回归方法对数据做进一步的分析。模型的设定方法如下：因变量为每一个被试对启发式策略的选择与否（“0”为不选择该策略，“1”为选择该策略），自变量为任务复杂程度、顾客知识水平、任务参与程度。各个自变量被纳入模型的方法为同时进入，总的分析样本量为N=117。

关于模型的总体拟合效果分析结果显示：Logistic回归模型的-2Log likelihood值为122.503，卡方值χ2 （ df =3） = 30.258 （p=0.000），說明模型总体拟合良好。Hosmer & Lemeshow拟合优度检验得到检验p值为0.084，卡方值χ2（df =8）=13.910，表明由预测概率获得的期望频率与观察数之间差异无统计学意义，再次验证模型拟合较好。而且该模型的整体预测准确率为76.9%，也表明预测效果很好。关于任务复杂度、顾客知识水平、任务参与程度3个变量对于决策策略的选择具体有多大影响需要参照各变量的回归系数，如表2所示。

结果显示：（1）任务复杂程度的主效应显著（B=1.127，p=0.020），即不同复杂程度的定制任务中，启发式策略和加权式策略被选择的概率有显著差异，且影响系数为正数，表明定制任务的复杂程度越高，顾客选择启发式策略的概率越高，假设H1再次得到了支持。（2）顾客知识水平的主效应显著（B=0.208，p<0.001），即顾客知识水平越高，使用启发式策略的概率也越大，假设H2得到了支持。（3）任务参与程度的主效应显著（B=-0.108，p=0.004），由于影响系数为负，表明顾客在定制任务中的参与程度越高，使用启发式策略的概率越低，使用加权式策略的概率则会比较高，假设H3也得到了支持。通过Logistic回归分析，对前面提出的3个研究假设再次进行了验证，所有的假设都得到了支持，充分说明了研究结果的可靠性。

4 结论

在产品定制过程中，顾客需要连续在众多可定制属性和选项当中做出选择。而消费者行为学和决策科学领域的众多研究显示，每个人都是适应性决策者，即其采用的决策策略取决于具体的决策环境。本文的主要目的是分析和探讨顾客在产品定制过程中的适应性决策行为特征，并重点分析定制任务的复杂性如何影响顾客的定制策略。同时还进一步分析了顾客知识水平和任务参与程度2个顾客的内在特征因素对于适应性决策行为的影响。

研究结果显示：（1）随着定制任务的复杂程度增加，使用启发式策略的比率也会增加，相应的使用加权式策略的比率会降低。即当可供定制的属性数量不断增加时，顾客会逐渐失去处理所有属性和选项信息的兴趣和能力，而会偏好使用启发式策略，只凭借部分信息或者个人的经验及喜好来做出判断。（2）顾客知识水平与加权式策略使用频率负相关，而与启发式策略使用频率正相关，这意味着顾客对于定制的产品越了解，越有可能使用启发式策略。即专家型顾客在定制决策过程中更容易辨别出对自己有用的产品信息，而无需对所有的信息进行加权计算。（3）任务参与程度与加权策略的使用频率正相关，而与启发式策略的使用频率负相关。即顾客在定制任务中参与程度越高，越有可能使用加权式策略，在考虑产品所有的属性和选项相关信息后才做出决策。而低参与程度的顾客可能是没有耐心浏览所有信息，宁愿选取一些捷径来快速做出判断，或者是对产品比较了解，无需花费太多的时间。

参考文献：

[1]Levav J， Heitmann M， Herrmann A， et al. Order in Product Customization Decisions： Evidence from Field Experiment[J]. Journal of Political Economy， 2010， 18（2）： 274-299.

[2]金立印， 邹德强. 定制化购买情境下的消费者决策研究综述与展望[J]. 外国经济与管理， 2009， 31（6）： 32-38.

[3]Park C W， Jun S， Macinnis D. Choosing What I Want Versus Rejecting What I do not Want： An Application of Decision Framing to Product Option Choice Decisions[J]. Journal of Marketing Research， 2000， 37： 187-203.

[4]Levin I P， Schreiber J， Lauriola M， et al. A Tale of Two Pizzas： Building up from a Basic Product Versus Scaling down from a Fully-loaded Product[J]. Marketing Letters， 2002， 13（4）： 335-344.

[5]Biswas D， Grau S L. Consumer Choices under Product Option Framing： Loss Aversion Principles or Sensitivity to Price Differentials？[J]. Psychology & Marketing， 2008， 55（5）： 399-415.

[6]Simon H A. Rational Choice and the Structure of the Environment[J]. Psychological Review， 1956， 63： 129-138.

[7]Gigerenzer G， Gaissmaier W. Heuristic Decision Making[J]. Annual review of psychology， 2011， 62： 451-482.

[8]Payne J W， Bettman J R， Johnson E J. The Adaptive Decision Maker[M]. Cambridge University Press， Cambridge， MA， 1993.

[9]Bettman J R， Luce M F， Payne J W. Constructive Consumer Choice Processes[J]. Journal of Consumer Research， 1998， 25（3）： 187-217.

[10]Denstadli J M， Lines R. Conjoint Respondents as Adaptive Decision Makers[J]. International Journal of Market Research， 2007， 49（1）： 117-132.

[11]Levav J， Reinholtz N， Lin C. The Effect of Ordering Decisions by Choice-set Size on Consumer Search[J]. Journal of Consumer Research， 2012， 39（3）： 585-599.

[12]Iyengar S S， Kamenica E. Choice Proliferation， Simplicity Seeking， and Asset Allocation[J]. Journal of Public Economics， 2010， 94（7-8）： 530-539.

[13]王艳芝， 韩德昌. 顾客如何感知大规模定制[J]. 软科学， 2012， 26（4）：140-144.

[14]Diehl K. When Two Rights Make a Wrong： Searching too Much in Ordered Environments[J]. Journal of Marketing Research， 2005， 42（3）： 313-322.

[15]Meyer R. The Effect of Set Composition on Stopping Behavior in a Finite Search among Assortments[J]. Marketing Letters， 1997， 8（1）： 131-143.

[16]萬晓榆， 吴继飞， 李巧. 服务重要性和服务类型对选项框架效应的调节作用[J]. 软科学， 2015， 29（1）： 114-118.

（责任编辑：杨 锐）