【本篇報導由圖書資訊學研究所  吳怡瑾教授研究團隊提供】

　　隨著新零售的快速成長，瞭解顧客線上購物行為進而滿足目標客群之需求，為電子商務研究之重要議題。本研究基於顧客需求狀態（need-states）觀點，透過瞭解顧客對線上購物平台推薦與非推薦頁面功能之使用情形，以瞭解不同型態之顧客購物行為。研究採用最大重複樣式（maximal repeat patterns, MRPs）與滯後序列分析方法（lag sequential analysis, LSA）分析各群組之頁面序列移動路徑與顯著路徑樣式。研究進而根據頁面功能使用情形，採用分群法辨識出四種消費者群組（consumer segmentation），分別為：資訊瀏覽、推薦採用、評論與搜尋群組，其中資訊瀏覽與推薦群組採用則屬於探索型態之需求狀態；評論與搜尋群組屬於目標導向需求狀態。研究發現，目標導向族群傾向採用搜尋與有仔細閱讀評論之行為，且有比較固定的搜尋樣式；其中評論群組更有明顯的知識建構行為。研究並發現探索型態之需求狀態消費族群有比較多元的搜尋路徑，此外，他們傾向使用頁面分類結構進行探索並進而採用特殊的推薦功能。研究結果顯示，不同群組採用不同策略探索網頁並進而購買商品，故電商平台可透過消費者的購物行為與需求狀態，即早進行裁量式行銷策略與優化平台功能與頁面。

　　根據市場研究機構eMarketer所發行的研究報告，電子商務的全球零售銷售額已在2020年達到4.28兆美元（eMarketer, 2021），在全球經濟活動中扮演的角色也日益重要。Pappas et al. (2016)從認知與情感觀點分析消費者線上購物行為，發現屬認知觀點之個人化品質的為影響顧客購物之重要動機，且不受負面情感影響。因此，推薦技術廣被認為在電子商務中具有潛在商業價值。本研究著眼於此，透過瞭解顧客對線上購物平台推薦與非推薦頁面功能之使用情形，以瞭解不同型態之顧客購物行為。此外，相關研究指出消費者當下具有明確購買意圖或偏向較無意識之瀏覽行為會影響其選擇和比較之策略，所呈現的資訊尋求方式往往也有許多差異（Laran, Janiszewski, & Salerno, 2016）。縱觀過去主要從動機、偏好或者認知觀點探索其購物決策，少有研究從線上平台瀏覽、點擊與搜尋之即時性資訊行為進行檢視與分析消費者族群，以清楚地描繪各群組當下之線上互動行為。本研究由消費者需求狀態，探索消費者於平台功能之即時互動行為並由其行為辨識不同的消費群組以提供網路購物平台功能介面精進或提升消費者滿意度之實務參考指南。

　　本研究以「淘寶網」作為模擬實驗場域，依需求明確程度設計具有明確與不明確購物需求目的之模擬購物任務，執行共計74項任務。透過任務設計模擬消費者當下之需求狀態，並蒐集其網頁瀏覽與點擊推薦與非推薦網頁功能之頻率，以MRPs與LSA之搜尋移動路徑分析方法探索各消費群組之線上行為，如圖一示意圖，研究流程可參考本文發表之文章。研究顯示，需求狀態可清楚將消費群族區分為目標導向與探索導向之群組，其中評論型與搜尋型均屬於目標導向，資訊瀏覽與推薦採用型均屬於探索導向之群組。最後，綜述管理與實務意涵。 

圖一：購物網頁推薦與非推薦網頁功能使用行為分析示意圖

• 需求狀態層面探討：研究發現，目標導向型消費者偏好從搜尋功能開始尋找商品，探索型消費者偏好從商品目錄開始探索商品，兩者有十分不同的起始行為，值得商家參考與留意。強烈目標導向消費者之搜尋路徑簡單，顯見其有固定的購物樣式；反之，探索型消費者有最複雜的搜尋移動路徑，顯見其有多元的商品購物決定過程。
• 探索型需求狀態消費群組：資訊瀏覽群組與Moe (2003)研究發現的享樂型群族行為類似，著重在商品類別、商家與商品之間來回瀏覽資訊，偶而會採用即時推薦功能；故如何在消費者瀏覽資訊之時，即時刺激其購物動機，為商家值得探索面向。另一組推薦採用群組則顧名思義會廣為採用平台各式推薦功能探索商品，其對商品促銷也有興趣，故可能為衝動型之消費者；此外提供高品質推薦應為刺激消費方式之一。
• 目標導向型需求狀態消費群組：評論群組偏好反覆確認商品評論，有強烈的知識建構傾向。Liu et al.’s (2015)實證研究顯示，主動並具有高度忠誠度的購買群組消費者，傾向閱讀或發表評論並願意分享購物經驗。另一個搜尋群組知道如何透過搜尋尋找所需商品，並且有最高比例的消費者會頻繁進出購物車頁面。Richards and Li’s (2018)研究顯示，關鍵字搜尋行為與線上購物投入程度有關且傾向採用搜尋功能之消費者對廣告商品的價格十分敏感。

 　　本研究確認線上消費者具有不同需求狀態，歸納各群組結果如圖二所示。結論係基於淘寶網模擬任務所蒐集之網路購物行為，尚無法得知研究結果可否推論至行動裝置之有效性，但所提出之研究視角、方法與結論可提供相關消費者購物行為研究參考。

圖二：基於不同群組之需求狀態之推薦與非推薦功能與頁面採用建議
(註：深藍色為主要採用的功能；淡藍色為次要建議功能)

原文出處: I-Chin Wu* &, H.-K., Yu (2020). Sequential Analysis and Clustering to Investigate Users’ Online Shopping Behaviors Based on Need-states. Information Processing & Management, Vol. 57, No. 6, 102323 (MOST 108-2410-H-003-132-MY2)