17、在线购物系统中终端用户计算满意度工具的验证

在线购物系统中终端用户计算满意度工具的验证

1. 引言

电子商务在过去十年中迅速发展。为了让人们在全球在线商业环境中更有效地利用技术，需要更好地理解影响成功实施的因素。研究表明，购物者对网店的满意度是诸如回访和购买意愿等重要结果的关键决定因素。目前已经提出并开发了几种衡量用户对网店满意度的工具。

在线购物与其他购物环境的关键区别在于，它处于互联网中介的环境中。与实体店购物者相比，在线购物者扮演着双重角色：传统意义上的“购物者”和与计算机信息系统交互的“终端用户”。因此，可以从营销和计算两个视角来研究在线购物者的满意度。

2. 相关工作

2.1 用户满意度与系统成功

信息系统（IS）的实施过程具有不确定性，有些系统成功，有些则不然。因此，IS 成功是 IS 实施的重要结果，也是 IS 研究中的主要因变量之一。一直以来，人们都在寻求衡量 IS 成功的方法，研究哪些因素有助于 IS 成功是研究人员和从业者的主要关注点。

用户满意度被认为是 IS 成功的关键组成部分，因为假设不满意的用户不会接受和使用系统。用户信息满意度（UIS）指的是用户认为可用信息系统满足其需求的程度，常被用作衡量用户对信息系统有效性感知的指标。

在众多衡量用户满意度的工具中，终端用户计算满意度（EUCS）被广泛使用。EUCS 是一个包含 12 个项目的问卷，用于衡量用户对信息系统的满意度，它由内容、准确性、格式、易用性和及时性五个维度构成。过去十年中，EUCS 在各种研究中都表现出了良好的心理测量稳定性，但由于在线购物任务有其自身特点，不能保证 EUCS 对在线购物系统的有效性与其他计算机系统相同。

2.2 在线购物系统的满意度

在线购物是电子商务中的重要商业模式，支持电子商务的计算机系统的成功是在线业务成功的关键因素。目前研究在线购物系统有效性的方法有多种：
- 关注网站 ：网站是在线购物系统的重要组成部分，用户对网站的满意度可作为在线购物系统成功的指标。一些研究关注网站内容，还有些研究将人机界面设计因素和可用性原则应用于商业网站应用的开发和评估。
- 识别影响购物选择的关键因素 ：研究发现，在线购物因便利性和功能性购买而受青睐，而实体店购物则因能实地检查商品和购物氛围而受青睐。网站的额外设计特征不仅提供实用价值，还提供享乐价值，有助于提高用户满意度。
- 直接关注在线客户满意度 ：积极的态度是采用购物渠道的重要因素，客户满意度会导致购买意愿、忠诚度等理想结果。然而，大多数研究主要关注购物者的角色，只有一项研究尝试从营销和计算两个视角衡量整体在线客户满意度。

3. EUCS 用于在线购物系统

EUCS 的五个维度在电子商务中都适用，且对在线业务的成功至关重要：
- 内容 ：零售网站必须为终端用户（即客户）提供完整、正确和相关的内容，以建立客户对网站的信心。完整和正确的产品及服务信息能增强客户满意度，带来积极的消费态度。
- 准确性 ：在线业务系统的准确技术运行是成功的必要条件。网站必须没有断链和缺失页面，能够承受高峰流量，并随时可用。零售网站的功能稳健性会影响客户忠诚度，同时需要有可靠准确的在线交易系统来处理客户订单和付款。
- 格式 ：信息以清晰和逻辑的格式显示与其他系统一样重要。对于在线购物系统，设计良好的格式和组织有序的内容有助于购物者更高效地进行购买活动，并培养积极的态度。
- 易用性 ：易用性是影响用户对技术态度和对技术有用性感知的重要因素。它是在线购物质量的一个要素，会影响客户态度。
- 及时性 ：在线购物系统必须提供快速响应时间和最新信息。下载时间过长会让在线购物者感到沮丧，他们期望网站信息能经常更新。快速的交易速度会提高在线银行的感知有用性和使用意愿，提供最新的产品、服务、新闻和促销信息有助于产生积极的客户态度。

4. 研究方法

过去，使用验证性因子分析技术检验了 EUCS 工具的四种可能替代模型：
- 第一种模型假设存在一个一阶因子，以 12 个项目为指标。
- 第二种模型将 12 个项目分为五个不相关的一阶因子。
- 第三种模型允许五个一阶因子相关。
- 第四种模型进一步假设一个二阶因子（用户满意度）导致五个一阶因子。

本研究重点关注第三种和第四种模型，以研究该工具在在线购物环境中的心理测量特性。

研究采用问卷调查的方式，向有在线购物经验的网络用户发放问卷。调查对象包括台湾某大学的本科生和研究生，他们来自不同的专业和部门，还鼓励他们邀请朋友和家人参与调查，以使样本尽可能代表在线人群并具有异质性。

问卷分为三个主要部分：
1. 第一部分采用 EUCS 中的项目来衡量计算满意度，共 12 个问题，采用五点李克特量表，5 表示“几乎总是”，1 表示“几乎从不”。
2. 第二部分包括三个衡量态度的项目，采用五点李克特量表，5 表示“强烈同意”，1 表示“强烈不同意”。
3. 第三部分收集受访者的基本人口统计信息和购物历史。

在收集的 445 份问卷中，23 份不完整，最终用于分析的有 422 份。受访者的基本情况如下表所示：
|类别|详情|
| ---- | ---- |
|样本数量|422|
|性别|男性 183（43%）；女性 239（57%）|
|年龄|25 岁及以下 216（51%）；26 - 35 岁 166（39%）；36 - 45 岁 33（8%）；46 岁及以上 7（2%）|
|教育程度|高中及以下 144（34%）；大专和本科 210（50%）；研究生及以上 68（16%）|
|计算机能力|非常差 1（0%）；不太好 55（13%）；好 340（81%）；非常好 26（6%）|
|在线购物经验|少于 6 个月 75（18%）；6 个月 - 2 年 240（57%）；2 - 4 年 94（22%）；4 年及以上 13（3%）|
|平均在线购物频率|每月或更少 50（12%）；每 1 - 3 个月 230（55%）；每 3 - 6 个月 97（23%）；每 6 个月及以上 45（11%）|

5. 数据分析与结果

5.1 一阶模型和二阶模型

为了确定 EUCS 工具是否是在线购物系统的有效和可靠衡量工具，使用 LISREL 8.54 测试研究模型。首先对测量模型进行验证性因子分析，该测量模型以五个确定的维度为一阶因子，五个因子相互关联，观测变量（即项目）是五个因子的指标，与相应因子有非零载荷，与其他因子载荷为零，所有测量项目的误差项不相关。

一阶测量模型显示出合理的拟合度，各项拟合指标如下：
- $\chi^2$ 对样本量敏感，在大样本时通常显著，不适合用于测试结构效度，因此采用 $\chi^2$ 与自由度（df）的比值，本研究中该值为 3.80（$\chi^2$ = 167.22，df = 44），介于 2 - 5 之间，表明有一定的拟合度。
- 规范拟合指数（NFI）为 0.97，大于 0.90；拟合优度指数（GFI）为 0.94，调整后的拟合优度指数（AGFI）为 0.89，均大于 0.80；均方根残差（RMSR）为 0.024，小于 0.05。
- 比较拟合指数（CFI）为 0.98，近似误差均方根（RMSEA）为 0.08。

在以往研究中，除了一阶模型，还认为存在一个二阶因子（整体用户满意度）来解释五个一阶因子。本研究也测试了在线购物系统用户满意度的二阶模型，该模型与以往研究一致，显示出合理的拟合度，五个因子对二阶因子的载荷显著且较强（路径系数 > 0.59），表明存在在线购物系统用户满意度的二阶因子。

各因子的测量属性如下表所示：
|因子|均值|标准差|载荷|t 值|
| ---- | ---- | ---- | ---- | ---- |
|内容（Cronbach’s Alpha = 0.85，AVE = 0.59）| | | | |
|C1. 在线购物系统是否提供你所需的精确信息？|3.41|0.76|0.78|18.34|
|C2. 信息内容是否满足你的需求？|3.38|0.81|0.78|18.40|
|C3. 在线购物系统是否提供似乎正是你需要的报告？|3.31|0.73|0.77|17.89|
|C4. 系统是否提供足够的信息？|3.32|0.78|0.74|16.97|
|准确性（Cronbach’s Alpha = 0.78，AVE = 0.64）| | | | |
|A1. 在线购物系统是否准确？|3.40|0.77|0.76|17.20|
|A2. 你对在线购物系统的准确性是否满意？|3.35|0.78|0.83|19.32|
|格式（Cronbach’s Alpha = 0.75，AVE = 0.61）| | | | |
|F1. 你认为在线购物系统的输出是否以有用的格式呈现？|3.41|0.70|0.74|16.10|
|F2. 在线购物系统上的信息是否清晰？|3.31|0.72|0.81|17.75|
|易用性（Cronbach’s Alpha = 0.79，AVE = 0.68）| | | | |
|E1. 在线购物系统是否用户友好？|3.43|0.69|0.71|14.21|
|E2. 在线购物系统是否易于使用？|3.55|0.71|0.92|18.28|
|及时性（Cronbach’s Alpha = 0.72，AVE = 0.57）| | | | |
|T1. 你是否能及时获得所需信息？|3.42|0.77|0.81|17.56|
|T2. 在线购物系统是否提供最新信息？|3.14|0.85|0.70|14.87|

5.2 可靠性和有效性

各因子的 Cronbach’s alpha 值分别为：内容 0.85、准确性 0.78、格式 0.75、易用性 0.79、及时性 0.72，所有 12 个项目的可靠性为 0.91，均高于可接受的可靠性水平 0.70。

从三个方面检验了该工具的结构效度：
- 收敛效度 ：所有项目对相应因子的载荷应显著（t 值 > 1.96）且高于 0.60，平均方差提取（AVE）估计值应大于 0.50。本研究中，项目的 t 值范围为 14.21 - 19.32，标准化载荷范围为 0.70 - 0.92，各因子的 AVE 值均大于 0.50，支持了收敛效度。
- 区分效度 ：通过对约束模型进行一系列验证性因子分析来评估区分效度。无约束模型是未设置因子间相关性值的一阶测量模型，约束模型是将一对因子的相关性固定为 1 的模型。计算每个约束模型与无约束模型的 $\chi^2$ 差异，最小差异为 25，大于 $\chi^2$（0.999,1） = 10.83，表明实现了区分效度。
- 法理效度 ：法理网络由感兴趣的构念和其他理论相关的构念组成。通过检验该工具在网络中的表现是否符合预期来确定其法理效度。先前研究支持满意度对客户态度有积极影响，因此测试了一个将整体计算满意度与购物者对在线购物的整体态度相关联的结构模型。该结构模型显示出良好的拟合度，整体满意度对态度有显著的正向影响，支持了该工具的法理效度。

以下是 EUCS 与态度的法理模型流程图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(内容):::process --> E(EUCS):::process
    B(准确性):::process --> E
    C(易用性):::process --> E
    D(格式):::process --> E
    F(及时性):::process --> E
    E --> G(态度):::process

6. 讨论

从上述结果可以看出，与其他系统一样，在线购物系统的用户满意度由内容、准确性、格式、易用性和及时性五个因素组成。一阶和二阶模型的结果都有力地证明了这一五因素结构的可靠性和有效性。这五个因素显著影响在线购物系统的整体用户满意度，进而影响他们对在线购物的态度，这为 EUCS 作为在线购物系统有效衡量工具的有效性提供了有力证据。

将本研究结果与之前三项研究结果进行比较，能获得更多见解：
- 模型拟合度 ：本研究的二阶模型在拟合优度指标方面表现良好（NFI = 0.96，GFI = 0.93，AGFI = 0.88，RMSR = 0.029）。与之前研究相比，本研究模型的拟合度更好，这表明 EUCS 对在线购物系统的适用性至少与决策支持系统和企业资源规划应用等其他应用一样好。
- 重要因素对比 ：本研究中，内容和准确性的系数最高，而在之前的三项研究中，内容和格式的系数最高。这并不意味着 EUCS 不是基于网络的购物系统的良好衡量工具，而是表明互联网和网络与其他“传统”计算系统有所不同。内容在所有研究中都是系数最高的因素之一，其重要性显而易见，信息系统的核心是其内容，应精确且完整，这是确保系统成功的首要要求。在进行在线活动（尤其是购物）时，用户更关注信息的准确性而非格式，这可以用网络信息的可控性较低来解释。相比之下，对于生产力系统（如 ERP 和 DSS），信息的呈现方式会影响终端用户的绩效，因此格式对用户满意度更为关键。

此外，本研究发现易用性因素的 t 值显著，但与其他四个因素相比，其载荷相对较低（0.59）。从表 2 中易用性项目的高均值可以看出，终端用户认为在线购物系统易于使用，这意味着易用性是在线购物系统终端用户计算满意度的必要但并非最重要的因素。因此，在线零售商和网站设计师应更多关注用户体验的其他方面（如准确性和内容），以提高终端用户的计算满意度。

7. 研究贡献

本研究复制了广泛使用的终端用户计算满意度工具 EUCS，目的是验证其作为衡量在线购物系统终端用户满意度的工具的有效性。通过在在线购物背景下进一步检验 EUCS，本研究提供了有力证据，表明 EUCS 是一个由内容、准确性、格式、易用性和及时性五个子量表组成的多方面构念。

对于研究人员来说，本研究的主要贡献在于测量领域。EUCS 经过了严格验证，使研究人员能够更有信心地使用该工具，特别是在在线购物和互联网应用方面。此外，该工具不仅能提供终端用户计算满意度的整体评估，其路径系数的大小还能提供每个子量表相对重要性的有用见解，可用于检测特定系统中终端用户满意度或不满意的主要领域，使管理人员能够专注于对整体满意度贡献最大的因素，并以高效的方式改进系统。

在线购物体验的满意度对卖家的盈利能力有重要影响，本研究有助于理解电子商务中购物者作为终端用户的情况，并为在线零售商提供了一个评估其系统终端用户计算满意度的工具。研究还表明，准确性和内容是在线购物者最重要的两个信息需求，因此网站应密切关注这两个方面，以更好地服务购物者。

本研究结果对于 B2B 电子商务等买家信息需求和系统可靠性要求比交易其他方面更重要的情况具有特别的启示。在 B2B 电子商务中，买家使用信息和系统（如采购系统或供应链系统）的方式更类似于 EUCS 起源的其他研究中的终端用户，因此 EUCS 在这种情况下更适用。未来针对 B2B 买家的研究将具有重要价值。

虽然本研究的样本有限，但它提供了研究特定潜在市场的机会。大学生代表了当前和未来市场中庞大且有利可图的细分市场，同时亚洲电子商务正变得越来越重要，具有巨大的增长潜力。台湾拥有相对成熟的电子商务环境，而中国的互联网用户数量已经超过了美国，台湾不仅可以作为其他亚洲市场的范例，还代表了目前欠发达市场未来可能的发展方向。

8. 未来研究方向

在线购物者既是购物者又是系统用户，本研究主要关注了他们作为终端用户对在线购物系统的满意度。然而，电子商务客户满意度更为复杂，客户服务与在线购物系统的质量在决定客户关系和客户忠诚度方面同样重要。未来的研究计划将考虑在线购物者的双重角色，将研究模型扩展到包括在线购物的两个方面的满意度：客户满意度和终端用户计算满意度，并将信任和服务质量等被认为对客户满意度至关重要的因素纳入综合模型。

本研究的研究方法和样本存在局限性。使用单一来源的调查可能会导致数据出现共同方法偏差，未来可以使用各种数据收集方法来减少这种威胁。以大学生为主的样本引发了普遍性的担忧，更具多样性的样本将有助于更深入地了解影响在线购物者对在线购物系统评价的因素。未来计划使用不同计算机技能和文化背景的样本重复该研究，以便比较和对比结果。

综上所述，本研究聚焦于影响互联网商业系统的一个重要变量：用户满意度。通过对广泛使用的 EUCS 进行在线购物系统的有效性研究，我们对 EUCS 有了更深入的理解，并将其作为先进信息技术标准化衡量工具的适用性扩展到了在线购物领域。因此，EUCS 可以为研究人员提供总结性评估，为从业者提供正式评估商业网站终端用户计算满意度的方法。

在线购物系统中终端用户计算满意度工具的验证

9. 总结与展望

本研究围绕在线购物系统终端用户计算满意度展开了深入探讨，通过对 EUCS 工具的验证，为在线购物领域的用户满意度研究提供了重要的理论和实践依据。

从研究结果来看，EUCS 工具在在线购物系统中表现出了良好的可靠性和有效性。五个维度（内容、准确性、格式、易用性和及时性）构成的多方面构念能够准确地衡量终端用户的满意度。这不仅为研究人员提供了一个可靠的测量工具，也为在线零售商和网站设计师提供了明确的改进方向。

在实践应用方面，研究结果具有重要的指导意义。对于在线零售商来说，应着重关注内容和准确性这两个关键因素，确保网站提供的信息精确、完整且可靠。同时，也要注意格式的设计，使信息呈现更加清晰和逻辑，以提高用户的购物体验。虽然易用性是在线购物系统的基本要求，但并非是影响用户满意度的最关键因素，因此可以在保证易用性的基础上，将更多的精力放在其他重要方面。

未来的研究可以从多个方向进一步拓展。一方面，可以深入研究不同类型的在线购物系统（如 B2B、B2C 等）中 EUCS 工具的应用差异，为不同商业模式的在线企业提供更具针对性的建议。另一方面，可以将研究范围扩大到其他相关领域，如移动购物、社交媒体购物等，探索 EUCS 工具在新兴购物模式中的适用性。

此外，为了提高研究的普遍性和准确性，未来的研究可以采用更广泛和多样化的样本，减少样本偏差对研究结果的影响。同时，可以结合多种数据收集方法，如实验研究、案例分析等，综合评估在线购物系统的用户满意度。

10. 关键要点回顾

为了帮助读者更好地理解本研究的核心内容，以下是对关键要点的总结：
1. EUCS 工具 ：是一个由 12 个项目组成的问卷，包含内容、准确性、格式、易用性和及时性五个维度，用于衡量终端用户对信息系统的满意度。
2. 研究方法 ：采用问卷调查的方式，对有在线购物经验的网络用户进行了调查，并使用 LISREL 8.54 对研究模型进行了验证性因子分析。
3. 研究结果 ：
- 一阶和二阶模型均显示出良好的拟合度，证明了 EUCS 工具在在线购物系统中的有效性。
- 内容和准确性是影响在线购物系统用户满意度的最重要因素，而易用性虽然是必要条件，但并非最关键因素。
- EUCS 工具的可靠性和有效性得到了验证，包括收敛效度、区分效度和法理效度。
4. 实践建议 ：在线零售商和网站设计师应注重内容和准确性的提升，同时优化格式设计，以提高用户的购物体验和满意度。

11. 数据洞察与决策参考

为了更直观地展示研究结果，以下是对不同维度的均值和载荷的总结表格：
|维度|均值|载荷|重要性分析|
| ---- | ---- | ---- | ---- |
|内容|3.36|较高|是信息系统的核心，精确完整的内容是系统成功的首要要求|
|准确性|3.38|较高|在线业务系统准确运行是成功的必要条件，影响客户忠诚度|
|格式|3.36|适中|清晰逻辑的格式有助于购物者高效购物，培养积极态度|
|易用性|3.49|相对较低|是在线购物质量要素，但不是影响满意度的最关键因素|
|及时性|3.28|适中|快速响应和最新信息能提高用户体验，避免用户沮丧|

通过对这些数据的分析，在线零售商可以根据不同维度的重要性和表现，有针对性地进行系统优化。例如，如果某个维度的均值较低，说明该维度可能存在问题，需要重点改进；如果某个维度的载荷较高，说明该维度对用户满意度的影响较大，应给予更多的关注。

12. 未来研究路径规划

为了进一步推动在线购物系统用户满意度研究的发展，以下是未来研究的可能路径：
1. 拓展研究领域 ：将 EUCS 工具应用到更多类型的在线购物场景中，如跨境电商、直播购物等，探索其在不同场景下的适用性和有效性。
2. 结合新技术 ：随着人工智能、大数据等新技术的不断发展，可以将这些技术与 EUCS 工具相结合，开发更智能、更精准的用户满意度测量方法。
3. 跨文化研究 ：考虑不同文化背景下用户对在线购物系统的需求和期望差异，开展跨文化研究，为全球范围内的在线零售商提供更具普遍性的建议。
4. 长期跟踪研究 ：对同一组用户进行长期跟踪研究，观察其在不同时间段内对在线购物系统满意度的变化，以及影响满意度的因素的动态变化。

以下是未来研究路径的流程图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(拓展研究领域):::process --> B(结合新技术):::process
    B --> C(跨文化研究):::process
    C --> D(长期跟踪研究):::process

13. 结论

本研究通过对 EUCS 工具在在线购物系统中的验证，为在线购物领域的用户满意度研究做出了重要贡献。研究结果表明，EUCS 工具是一个可靠、有效的测量工具，能够准确地衡量终端用户的满意度。同时，研究也为在线零售商和网站设计师提供了有价值的实践建议，帮助他们优化系统，提高用户体验和满意度。

未来的研究可以在本研究的基础上进一步拓展和深化，为在线购物行业的发展提供更多的理论支持和实践指导。相信随着研究的不断深入，我们将能够更好地理解在线购物系统用户的需求和期望，为用户提供更加优质、便捷的购物体验。