第 1 章 绪论
1.1 研究背景
随着电子商务的迅猛发展，使得商品销售逐渐开始从线下转为线上，更重要的它深刻的改变了消费者的行为和态度[1]。2019 年 6 月，中国互联网信息（CNNIC）通过统计调研，发布了《第 44 次中国互联网络发展状况统计报告》指出，截至 2019 年 6 月 30 日，我国网民规模达 8.54 亿，较 2018 年底增长 2598万，互联网普及率达 61.2%，较 2018 年底提升 1.6 个百分点;截至 2019 年 6 月，我国网络购物用户规模达 6.39 亿，较 2018 年底增长 2871 万，占网民总体的74.8% ，网络购物保持较快增长[2]。消费者可以随时随地通过智能手机、电脑或者平板电脑等终端设备完成消费行为，消费者在网络购物端根据自身的需求买到自己所需的产品。B2C 的发展模式为消费者提供了多元化的购物选择，更产生一种便捷的购物方式。消费者在享受大量商品信息带给他们方便的同时也伴随着信息过载带来的困扰，在购物网站的搜索栏输入一个关键词，就会出现成千上百的商品信息，由于消费者自身的知识储备是有限的，现代的消费者处于信息爆炸的环境中，大量的垃圾信息很大程度的影响消费者的识别和处理能力，使得消费者存在疑惑、纠结甚至是焦虑当中，从而影响消费者购买行为的产生。针对这一大环境，如何调节消费者的情绪和满足消费者的需求，是电子商务网站需要思考的问题。
如何高效的帮助消费者找到符合个性化需求的商品，直接推进在购物终端个性化推荐系统的诞生和快速发展。个性化推荐系统能实时的根据消费者当前的需求和以往的购买习惯提供的个性化推荐服务，有效的改善了消费者信息过载的问题，帮助消费者做出简明而有效的消费决策[3]。个性化推荐系统的价值在于能在降低时间成本的同时为消费者带来个性化的体验。电商网站的个性化推荐系统与目前的网站搜索引擎不同，搜索引擎是基于网站用户主动输入相应的关键词、文字、图片以及素材等全方位搜索，而个性化推荐系统则是基于网络用户之前的浏览记录、浏览的时长、消费记录、点击链接次数等行为进行数据建模分析，推算出消费者可能需要的商品并进行推荐[4]。
...................
1.2 研究目的和意义
1.2.1 研究目的
在电子商务的研究当中，个性化推荐系统一直是研究者们热情不减的研究重点。个性化推荐系统有助于增加购物网站的客流量和商品销售，提升消费者满意度和忠诚度。尽管如此，消费者在接收个性化推荐系统推送的信息时对推荐系统的情感状态并不是十分明确。本文在国内外相关学者研究成果的基础上，基于SOR 理论，主要从个性化推荐系统的特性出发，基于情感状态的视角，对消费者购买意愿进行研究，为电商网站的个性化推荐系统更好的发展提出相关的对策和建议。具体来说，主要有以下几个研究目的。
第一，通过梳理国内外关于个性化推荐系统的文献，梳理出个性化推荐系统的一些重要特性，探究其对消费者网购时情感状态的影响，进而影响消费者购买意愿。
第二，通过所得研究结果对电商网站的个性化推荐系统的建设提出对策建议，这对网站提升消费者的用户体验、增加消费者的忠诚度有一定的作用，有助于增加消费者的购买力度与提升网站的商品销量。
1.2.2 研究意义
（1)理论意义
本文基于消费者情感状态的角度，选取个性化推荐系统的几个重要的特性维度，研究个性化推荐系统的特性是如何对消费者购买意愿造成影响的。目前在个性化推荐系统与购买意愿的模型构建中，主要以感知有用、感知易用以及信任作为中介变量的居多，本文将情感状态主要分为愉悦感和信任感，将消费者的愉悦感纳入到两者的研究模型中去，拓宽了个性化推荐系统与消费者购买意愿的内部机制研究。
...........................
第 2 章 文献综述
2.1 个性化推荐系统的相关研究
推荐的思想可以往前追溯 30 年，但对于个性化推荐系统的研究始于上世纪90 年代，个性化推荐系统在电子商务领域应用的优势是明显的，并得到了大多数学者的认同，它不仅仅是一种技术，很大程度上它被认为是一种帮助电子商务网站和消费者改善销售环境的一种工具，它将电商的销售目标与消费者的兴趣偏好紧密的联系在一起。
2.1.1 个性化推荐系统的内涵
推荐系统的前身是搜索引擎，出现于 20 世纪 90 年代初期，其初衷是为了方便信息的查阅以及获取，让消费者能在网络上快速的检索得到自己想要的信息，节省消费者搜索信息的时间成本。没过几年，便出现了第一个真正意义的推荐系统 Tapestry。推荐系统是早期针对所有用户而言，更多的是一种大众推荐，是指将相同的信息推送给所有的用户，随着技术的进步和时代的发展，这种推荐难以满足消费者的需求，为用户提供符合其个人偏好产品的个性化推荐系统应运而生，并成为了各大电子商务网站实施精准营销的重要工具，个性化推荐成为电商平台增加销售额的一个重要途径。
目前学术界对个性化推荐系统没有一个统一的定义，学者们有着不同的看法和理解。具体如下表 2-1 所示：
表 2-1 个性化推荐系统的定义
2.2 情感状态的相关研究
2.2.1 情感状态的内涵
情感是一种心理状态，情感对个人的心理过程和行为结果都会产生一定的影响，不同学者对于情感的理解与看法不一。Kakkar (1981)认为情感是个人对外部环境因素影响所作出的心理反应，外部环境因素虽然具有多变性，但人的心理状态和行为会受到其影响[45]。Petty(1986)指出顾客情感是顾客在消费的过程中对产品以及服务产生的一种情绪反应[46]。Bagozzi (1999)指出情感可以理解为一种精神状态，情感是个体对某些外部现象或事物的感知，是客观事物在人们心中引起的失望、满意、开心等心理状态[47]。
卢家楣（2002）认为情感是个体对客观事物的一种态度体验，是人们对客观事物是否满足自己需要的一种心理感受[48]。王潇（2013）指出消费行为领域的情感是消费者在环境刺激下产生的一种情绪反应，情感具有动态变化的特点[49]。
基于以上学者的论述，结合本文的具体情境，本文认为消费者情感状态可以理解为推荐商品以及服务的过程中消费者产生的一种情绪反应。2.2.2 情感状态的分类
就消费行为领域而言，不同学者对情感状态的划分方式有着不同的见解。主流的分类法主要沿用 Russell (1980)的二维度分类法和 Izard (1977)的四维度分类法。
Russell (1980)提出认为人的情感可以从愉悦维度和唤醒维度两个方面来解释，两个维度相互独立[50]，由此组成了四个象限，“愉快-不愉快”维度用来表示横坐标轴，“激动-平静(唤醒)”维度用来表示纵坐标抽，第一象限到第四象限分别表示强烈的正面情感、强烈的负面情感、一般的正面情感、一般的负面情感。比如欣喜若狂属于强烈的正面情感，暴怒属于强烈的负面情感，忧郁属于一般的负面情感。轻松属于一般的正面情感。具体如下图 2-1 所示：
图 2-1 Russell 的“愉悦-唤起”理论
第 3 章 理论模型与研究假设.............................17
3.1 理论基础..................................17
3.2 模型的构建............................18
第 4 章 研究设计...................................23
4.1 变量的定义........................23
4.2 变量的测量......................24
第 5 章 实证分析............................29
5.1 问卷统计结果描述性分析...................29
5.1.1 样本人口统计变量分析...............................29
5.1.2 测量量表描述性分析............................30
第 5 章 实证分析
5.1 问卷统计结果描述性分析
5.1.1 样本人口统计变量分析
本研究主要采用 SPSS23.0 对收集到的样本做了人口统计变量描述性分析。具体情况如下表 5-1 所示：
表 5-1 人口统计变量结果分析
由上述表格的数据分析，我们可以得出如下结论：从被调查对象的性别来看，男生 181 人，占总样本比例 48.3%，女生 194 人，占比 51.7%，男女比例相对均衡，从年龄层次来看，20 岁以下的人数占总样本 11.5%，21 岁到 25 岁的人数占比 66.4%，26 岁到 30 岁占比 16.8%，30 岁以上的人数占总样本的 5.3%，被调查者的年龄主要集中在 20-30 岁之间，该年龄段的消费者更易于接触新鲜事物并有着较强的学习和探索心理，对个性化推荐系统的接触和使用也比较频繁；从学历层次上来看，被调查者的受教育程度主要集中在本科和硕士两个层次，本科占比44.3%，研究生占比 38.7%，由此可见被调查者的学历普遍较高；从被调查者的职业上来看，学生 226 人，占比 60.3%，上班族 122 人，占比 32.5%；从被调查者的网购频率上来看，经常购买 228 人，占比 60.8%，偶尔 147 人，占比 30.2%；从被调查者对个性化系统的了解程度来看，不了解的 59 人，占比 15.7%，一般的 219 人，占比 58.4%，了解的 97 人，占比 25.9%；从被调查者是否使用过个性化推荐服务层面来看，使用过的有 304 人，占比 81.1%，没使用过的 71 人，占比 18.9%；从被调查者是否查看过个性化推荐系统推荐的信息来看，查看过的有310 人，占比 82.7%，没有查看过的有 65 人，占比 17.3%。由此可见个性化推荐系统在市场上还是占有了一席之地。
............................
第 6 章 研究结论与展望
6.1 研究结论
本文从个性化推荐系统的特性出发，研究其对消费者情感状态的影响，进而影响消费者的购买意愿。通过构建以个性化推荐系统的特性为刺激，消费者的情感状态为机体，购买意愿作为反应的刺激-机体-反应模型，基于上文的数据分析结果，我们可以得出以下结论。
（1）个性化推荐系统的特性（信息编排、推荐精度、推荐解释、系统交互）对消费者情感状态（愉悦感、信任感）有正向的影响。
信息编排是消费者对个性化推荐的商品信息最直观的视觉感受，消费者在面对个性化推荐的众多商品信息时，并没有太多的时间精力去仔细看每一个商品的信息，而逻辑有序的信息编排能帮消费者对推荐商品信息进行一个快速的比较，大大提高了购买决策的效率。合理以及美观的信息编排提升了消费者网购过程中的愉悦感，再加上信息编排的逻辑有序，势必增加了消费者对推荐产品以及服务的信任感，本文的实证研究也表明信息编排对消费者愉悦感以及信任感有着显著的正向影响。
推荐精度是个性化推荐系统的一个最重要的特性，反映的是个性化推荐的产品与消费者的个人需求所匹配的程度，推荐精度可以理解为个性化程度，在消费者浏览个性化推荐的商品信息时，推荐精度较高的商品直接增加了消费者对该产品的兴趣，消费者内心感到愉悦，价格、功能、品牌等比较符合消费者的个人需求偏好，让消费者觉得个性化推荐系统是站在自己的立场为其真心实意的推荐产品，使消费者对个性化系统推荐的产品以及服务产生了极大的信任感。经过实证研究也表明推荐精度对消费者的愉悦感以及信任感具有显著的正向影响。
推荐解释是对推荐产品的原因进行说明，推荐解释一般是伴随在产品推送的过程中，其目的是让消费者知道推荐系统为他推荐该产品的原因，比如“根据您的浏览足迹，我们为您推荐...”等字样的出现，消费者内心获得一定的满足感以及愉悦感，并且认为该产品的推荐是比较真实可靠的，增加了消费者的信任感。实证研究也表明推荐解释对消费者的愉悦感以及信任感有着显著的正向影响。
参考文献（略）