消費者の利益を評価するための研究ツールとしてeMASSカスタマイズプログラムを適用する

Summary

ここでは、オンライン小売のコンテキストで大量のカスタマイズに対する消費者の反応を調べるプロトコルです。このプロトコルでは、オンライン調査手順と、潜在平均解析を使用して構造方程式モデリングとグループ差異を使用してデータを分析する方法について詳しく説明します。

Abstract

多くの学者や実務家がパーソナライゼーションとリレーションシップマーケティングを学ぶので、マーケティング技術を通じてマスカスタマイゼーションなどのパーソナライゼーションを提供することが重要です。本研究の目的は、オンライン調査とデータ分析を用いて消費者調査を行う方法を検討することです。この調査では、製品のカスタマイズ、感情的な製品の添付ファイル、カスタマイズ プログラムに対する態度、およびオンライン小売のコンテキストでのロイヤルティの意図をカスタマイズしながら、消費者の知覚された利点を調べます。また、ファッションの革新性など個々の特性に基づいて消費者の反応がどのように異なるかを調べた。韓国のオンライン調査会社は、オンラインでアパレルを購入した290人の女性アパレル買い物客を募集しました。外部の有効性を高めるために、この研究は、確立されたマスカスタマイゼーションプログラムを持つ既存の小売ウェブサイトを使用しました。カスタマイズプログラムを完了したら、参加者はオンラインアンケートに記入します。次に、構造方程式モデリング(SEM)および潜在平均解析(LMA)が解析のために実行されます。本研究では、平均比較に対する測定不変性のテストの重要性を強調する。SEM および LMA の前に、この研究は、ANOVA などの従来のアプローチでは考慮されない不変性検定 (構成不変性検定、メトリック不変性検定、およびスカラー不変性検定) の階層に従います。これらの統計分析は、消費者の行動に不変性試験手順とLMAの適用性を提供します。平均差の結論は、測定の不変性を確保するための高度な統計的手順によって導かれるため、完全性と妥当性を持っています。

Introduction

マスカスタマイゼーションとは、電子小売業者が製品、サービス、およびトランザクション環境を個々の顧客に合わせて調整する機能を指^{します 1}.今日の消費者は標準的な製品に満足しておらず、多くの小売業者はこれを認識しています。マスカスタマイゼーションオプションを提供することは、顧客ロイヤルティと競争上の優位性を得るための1つの方法です².マーケティング戦術としてのマスカスタマイゼーションは、消費者が特定のニーズに基づいて独自の製品を作成することができ、したがって、個別の製品やサービス^{を提供します 3}.たとえば、消費者は大量生産された靴を購入するだけでなく、色、ファブリック、およびその他のデザインコンポーネントを選択することで、通常の小売サイトでは利用できない新しいユニークな靴を作成することもできます。その結果、消費者はより有利な製品を購入することができ、カスタマイズされた製品だけでなく、ブランドの忠誠心^{の増加4、5}との満足度。

インターネットの使用の増加に伴い、大量のカスタマイズプロセスは、生産時間を削減し、同じコストでより多くの設計オプションを提供するという点で、より迅速かつ効率的になりました。さらに、小売業者はターゲット顧客が好むものに関する情報を取得し、彼らとの強固な関係を築くことができます^6,7.そのため、多くの業界(アパレル、靴、車、コンピュータ)がカスタマイズプログラムを採用しています。マスカスタマイゼーションは消費者と小売業者の両方に利益をもたらしますが、一部の小売業者は課題⁸に直面しています。したがって、消費者が利益をどのように認識し、これらの利点が長期的な成功のために他の買い物の反応にどのように影響するかを調べる必要があります。

本研究では、説得^理論9からの効果(HOE)モデルの階層に基づいて、消費者が認知影響協調配列に基づいて情報を処理することを提案する。具体的には、消費者の利益(認知)が製品の添付ファイルを通じてロイヤルティの意図(同化)に影響を与えるかどうか、およびマスカスタマイゼーションプログラムに対する態度(影響)を調べます(質量カスタマイズ製品を作成した後)。.動機付け^理論10に基づいて、知覚された利益は、外因性および本質的^利益11に分けられる。

外因性の利益は、^製品12を使用することから導き出された消費者の知覚値に関する(したがって、製品^品質11に値を近づける)が、本質的な利益は、^製品11を使用する際に快適な経験を示す。マスカスタマイゼーションコンテキストでは、外因性の利点は消費者が作成する製品に関連付けられており、本質的な利点は、ヘドニックおよび経験的ニーズを満たすカスタマイズエクスペリエンス^13,14に関連しています。以前の研究は、消費者の知覚利益が感情的な製品の添付^{ファイル15}と大量カスタマイズ^{プログラム16}に対する肯定的な態度を高めることを発見しました。感情的な製品の添付ファイルは、消費者が^製品17に接続する感情的な結びつきを指し、これは肯定的にカスタマイズ^{プログラム18}と忠誠心の^意図19に対する態度に影響を与えます。さらに、カスタマイズプログラムに対する態度は、忠誠心の意図にプラスの影響を与える²⁰.

最後に、本研究では、個々の特性(すなわち、ファッションの革新性)が消費者の反応にどのように影響するかを調べます。ファッションの革新性とは、個人の革新的な傾向が新しいファッション^{アイテム21}の採用に影響を与える程度を指します。調査結果によると、適合を避けたい消費者(すなわち、ファッションの革新的な消費者)は、独自の製品を取得する意欲を持っていることを示しており、大量のカスタマイズは他者との差別化に効果的な戦術である可能性があることを示しています。^22.したがって、この研究は、非常にファッションの革新的な消費者のために肯定的な応答のより多くの数が生成されることを前提としています。

これまでの文献レビューに基づき、本研究は以下の研究仮説に取り組む。H1: 大量カスタマイズされた製品の知覚利益(a:外因性の利点、b:本質的な利益)は、感情的な製品の添付ファイルにプラスの影響を与えます。H2: マスカスタマイズされた製品の知覚利益(a:外因性の利点、b:本質的な利益)は、マスカスタマイズプログラムに対する態度にプラスの影響を与えます。H3: 感情的な製品の添付ファイルは、マスカスタマイゼーションプログラムに対する態度にプラスの影響を与えます。H4: 感情的な製品の添付ファイルは、忠誠心の意図にプラスの影響を与えます。H5: マスカスタマイゼーションプログラムに対する態度は、忠誠心の意図にプラスの影響を与えます。とH6:低ファッションの革新性と比較して、ハイファッションイノベーターは、(a)知覚された利益、(b)感情的な製品の添付ファイル、(c)態度、および(d)行動の意図に対してより肯定的な反応を持つことになります。

外部の有効性を高めるために、この研究では、既存のマスカスタマイゼーションプログラムを使用します。韓国の潜在的な参加者は、この研究のために募集され、彼らは実際に製品を購入したかのように、プログラムを使用して独自のトレンチコートを作成するように求められます。この調査では、カスタマイズの経験に基づいて参加者の回答を調べるために、オンライン調査を使用します。参加者は、カスタマイズプログラムをオンラインで使用した直後にアンケートにアクセスできます。データを収集した後、この調査では、単一グループの SEM を使用して、製品の添付ファイル、態度、およびロイヤルティの意図に対する消費者の利益の影響を調査します。この研究では、ファッションの革新性のモデレートの役割を調べるために、LMAを使用しています。

Protocol

この研究は、梨花女子大学のIRBレビューから免除され、プロトコル番号#143-18を割り当てられました。 1. 参加者募集 オンライン調査を実施する準備をします。注:韓国の調査会社を利用してオンライン調査を実施しました。調査会社は、韓国で高い応答率を持つ最大の消費者パネルを持っています。パネルの年齢と性別の分布は、韓国の人口の状態?…

Representative Results

周波数統計は、サンプルの特性を提供しました。合計290人の女性オンライン消費者が、電子マスカスタマイズプログラムを使用してショッピングプロセスを完了しました。サンプルの人口統計学的特性は均等に分布した。年齢層では、23.1%が20代、30代が28.3%、40代が26.6%、50代が22.1%でした。婚姻状況では58.3%が既婚で、40%が独身であった。職業別では、45.2%がオフィスワーカー、22.8%が主婦、10….

Discussion

調査結果の意味
この研究の結果は、大量のカスタマイズされた製品を作成することから得られる消費者の外因性および本質的な利益が、製品への感情的な愛着の成長、カスタマイズプログラムに対する肯定的な態度の作成を助けることを明らかにし、忠誠心の意図を高めました。ファッションの革新性の緩和効果に関する調査結果は、低ファッションの革新的性グループの消?…

Materials

SPSS AMOS 22

IBM Corporation, Data Solution Inc.

used for confirmatory factor analyses, structural equation modeling analyses, and latent means analyses