随着电子商务的不断发展，国内网上交易的不诚信甚至诈骗行为也不断增多，诈骗手段也日趋高端，对电子商务平台的良好运转带来较大困扰。目前，电子商务消费者信任已成为制约电子商务发展和转型的重要因素。
内容摘要：本文采用结构方程模型，根据调查数据检验了社交网络属性对电子商务消费者信任的影响。结果显示，社交网络各项属性总体上对电子商务消费者信任有明显的正向影响。对此，文章基于卖家、买家和电子商务平台三个方面，提出了促进电子商务消费者信任的对策建议。
关键词：中国核心期刊投稿网,社交网络属性,电子商务,消费者信任
目前新型网络技术和社交网络服务已在全国范围不断扩散，通过社交网络的传播，可以实现社交互动，不断促进电子商务活动的社会化。社交网络的目的在于利用社交网络属性来推动网络消费和商品传播，提升消费者网络购物的体验，提高消费者对电子商务的信任度。在社交网络快速发展的环境下，如何良性利用社交网络中的各种属性，积极为电子商务消费者信任服务，已成为当前学术界研究的热点问题。本文致力于挖掘社交网络中的多种属性，分类研究这些社交网络属性对电子商务消费者信任的影响，为以后更深层的研究提供一定借鉴。
模型框架及理论假说
根据Sultan的观点，电子商务消费者信任的影响因素既存在一定的消费特性，也存在一定的网站特性。在这个层面上，笔者认为社交网络属性可能对电子商务消费者信任产生一定影响。本文基于Davis在1989年提出的技术接受模型框架，建立电子商务消费者信任模型。技术接受模型是以技术接受为基础的，而电子商务平台在本质上属于一种信息技术，因此对于电子商务消费者信任问题的研究，可以采用技术接受模型。技术接受模型(Technology Acceptance Model，简记为TAM)提出了影响信任或接受程度的两个重要因素：一是感知有用性(Perceived Usefulness)，它反映了消费者认为使用某个产品或系统促进其工作效率提升的程度;二是感知易用性(Perceived Ease of Use)，它反映了消费者认为使用某个产品或系统的容易程度。基于技术接受模型，文章构建电子商务消费者信任模型，如图1所示。
本文着重研究社交网络属性对电子商务消费者信任的影响，综合已有文献的研究基础，笔者认为网络消费者之间的关系程度、网络好友对产品的购买信息、网络好友的消费专业性、网络卖家的沟通能力、网络卖家的信誉程度等社交网络属性都可能影响消费者在电子商务平台下的网络消费行为。为此，本文将社交网络属性分为网络好友属性和网络卖家属性两类，其中网络好友属性包括社会中的真实好友推荐、纯粹网络好友的推荐、网络好友的交易信息、网络好友的购买专业性、消费者与网络好友的情感交互程度、消费者对社会网络的信任;网络卖家属性包括卖家的交易沟通性和卖家声誉度。根据这些社交网络属性，首先提出8个待检验假说，具体见表1。
实证模型及量表设计
(一)实证模型
基于前面构建的电子商务消费者信任的技术接受模型，本文采用结构方程模型方法进行检验性的因子和路径分析，验证前面提出的假说是否成立。根据结构方程模型的基本原理，可将模型分解为量测方程和结构方程两个部分。其中，量测方程定量反映了潜变量与指标的关系，结构方程则量化反映潜变量与潜变量之间的关系。潜变量与指标关系的量测方程具体形式如式(1)和式(2)所示：
X=Λxξ+δ (1)
Y=Λyη+ε (2)
其中，X表示由外源指标所组成的向量集;Y则表示由内生指标组成的向量集;Λx衡量了外源指标和外源潜变量的关系，由外源指标在外源变量上的因子载荷矩阵来表示;Λy衡量了内生指标和内生潜变量的关系，由内生指标在内生变量上的因子载荷矩阵来表示;ξ表示由外源潜变量组成的向量集;η表示由内生潜变量组成的向量集;δ为外源变量的随机误差项;ε为内生变量的随机误差项。
衡量潜变量与潜变量之间关系的结构方程如下：
η=Bη+Γξ+ε (3)
其中，B为衡量内生潜变量之间关系的矩阵;Γ为衡量外生潜变量对内生潜变量影响的矩阵;ε为随机误差项，反映了结构方程中不能被解释的成分。
(二)量表设计
根据前文提出的社交网络属性指标的相关理论假说，设计问卷调查所需的量表。基于现有的研究基础，本文采用Likert七点尺度量表方法进行设计。对前文提出的八大因素(社会中的真实好友推荐、纯粹网络好友的推荐、网络好友的交易信息、网络好友的购买专业性、消费者与网络好友的情感交互程度、消费者对社会网络的信任、卖家的交易沟通性、卖家声誉度)分别设计量表项目，假设8个因素的变量名称分别为ξ1、ξ2、ξ3、ξ4、ξ5、ξ6、ξ7、ξ8，因素集为 ξ = {ξ1、ξ2、ξ3、ξ4、ξ5、ξ6、ξ7、ξ8}。量表项目以电子商务消费者购买决策的步骤为脉络进行问题设计，具体为客户对购买需求的认知、客户对信息的搜索、客户对购买信息的对比和最终的产品购买。
“社会中的真实好友推荐”相关量表项目包括：我会同社会中的真实好友商讨欲在网上购买的商品;社会中的真实好友往往能向我提供欲购买商品的有效新信息;社会中的真实好友对商品购买信息的推荐很可能影响我对电子商务网站的选择;我觉得社会中真实好友推荐的电子商务网站往往能带给我更好的购物体验。
“纯粹网络好友的推荐”相关量表项目包括：我会同网络好友商讨欲在网上购买的商品;网络好友往往能向我提供欲购买商品的有效新信息;网络好友对商品购买信息的推荐很可能影响我对电子商务网站的选择;我觉得网络好友推荐的电子商务网站往往能带给我更好的购物体验。
“网络好友的交易信息”相关量表项目包括：我很有意愿选择好友光顾过的电子商务网站;好友在网站上的交易经验往往能为我提供购买商品的有效信息;好友在网站上的购物经验对我购买商品的网站选择产生重要影响;好友在网站上的交易经验对我购买商品的决策选择产生重要影响。 “网络好友的购买专业性”相关量表项目包括：我觉得能为我提供建议的好友往往对该商品具有较丰富的经验;在我决定购买商品之前，经常会向具有购买专业性的好友咨询意见;好友的购买专业性对我购买商品的网站选择产生重要影响;网络好友的购买专业性对我购买商品的决策选择产生重要影响。
“消费者与网络好友的情感交互程度”相关量表项目包括：网络好友经常会来光顾我的主页;我也会经常光顾网络好友的主页;我愿意和网络好友进行长时间的交流;我愿意与网络好友交流自身的隐私信息。
“消费者对社交网络的信任”相关量表项目包括：社交网络好友向我提供的信息往往是可靠的;社交网络好友往往会最大限度地帮助我;社交网络好友对我的购买需要十分关照;我觉得社交网络中的欺诈行为要比一般网络环境少。
“卖家的交易沟通性”相关量表项目包括：我会经常光顾较熟悉卖家的电子商务网站;我觉得与卖家的良好沟通往往能为我提供购买商品的有效信息;在我购买商品之前，经常会与卖家进行商品信息的交流;我能在与卖家的沟通中获得积极体验。
“卖家声誉度”相关量表项目包括：我会经常光顾声誉度较高的卖家的电子商务网站;我觉得声誉度较高的卖家往往具有更多的客户购买量;我经常会对比卖家的声誉度;卖家的声誉度对我购买商品的决策选择产生重要影响。
本文以社交网络属性的消费者信任为研究变量(η)，以消费者的态度和购买行为为切入点进行项目设置，最终构建量表项目如下：网络好友对商品的购买建议是值得信任的;网络好友的购物经验能增进我对卖家的购买信任度;我经常会选择和购买网络好友为我推荐的商品;社交网络好友的购买参与往往能进一步提高我对卖家的信任度;与网络卖家的社交沟通能增进我的购买信任度;声誉度较高的卖家往往是值得信任的。
实证结果及分析
(一)数据搜集
本文主要针对社会网络环境下电子商务平台的消费者购买信任进行研究，考虑到电子商务和社交网络用户基本以年轻人居多，因此本文的问卷调查对象主要为年轻人群体。通过电子邮件的形式发放问卷，最终回收问卷208份，根据问卷提供信息对问卷进行删减，最终得到有效问卷173份，有效率为83.17%。
(二)信度和效度检验
为了使收集的数据更加真实地反映社交网络属性及电子商务消费者信任的情况，从而使本文的实证结果更具实际意义，首先对样本数据进行了信度和效度检验。利用SPSS软件，根据Cronbach`s α系数进行信度检验，结果发现所有变量的信度均高于标准信度有效值0.7，这充分反映了本文收集的数据是可信的。其次，通过主成分分析，发现同一变量下问卷项目的最大载荷都具有聚积性，而且任意变量相对其他不同变量的最大载荷均超过0.5，不存在变量横跨的特征。因此，本文认为设计的量表具有较高的区分效度。
(三)实证分析
利用Lisrel软件对数据进行结构方程估计，以量表项目为观测值，8个反映社交网络属性的因素为潜变量，电子商务消费者信任度为因变量，构建式(1)、式(2)中外源潜变量组成的向量集和内生潜变量组成的向量集如下：
(4)
η=(0.82，0.84，0.71，0.76，0.78，0.84) (5)
根据变量数据对模型进行拟合，结果见表2。由表2的拟合程度数据可知，本文结构方程模型的拟合效果良好，能够较切实际地反映社交网络属性与电子商务消费者信任之间的关系。
下面对前面的假说进行实证检验，本文设定路径系数的显著性水平标准为0.05，即回归系数的t统计量达到1.96以上，则假说显著成立;路径系数的弱显著水平标准为0.1，即回归系数的t统计量达到1.64以上，则假说为弱显著成立。由Lisrel软件得到检验结果如表3所示。
根据表3的结果可知，除了客户与网络好友的情感交互程度这个变量对电子商务消费者信任的影响路径不显著之外，其余7个变量对电子商务消费者信任的影响路径都为正，且通过一定的显著性水平，因此真实好友推荐、纯粹网络好友的推荐、网络好友的交易信息、网络好友的购买专业性、消费者对社会网络的信任、卖家的交易沟通性、卖家声誉度对电子商务消费者信任度的提高都有明显的促进作用。其中，真实好友推荐、纯粹网络好友的推荐、网络好友的交易信息、网络好友的购买专业性、消费者对社会网络的信任这5项指标来源于社交网络中的买家与买家，卖家的交易沟通性、卖家声誉度这两项指标来源于社交网络中的买家与卖家。综合实证结果，社交网络各项属性总体上对电子商务消费者信任有明显的正向影响，因此无论是消费者还是卖家都要注重社交网络这一重要平台，争取通过这一网络平台获得对自己有利的信息。
结论及建议
本文采用结构方程模型，并结合问卷调查数据实证检验了社交网络属性对电子商务消费者信任的影响。结果显示，社交网络各项属性总体上对电子商务消费者信任有明显的正向影响，社交网络属性中尤其是真实好友推荐、纯粹网络好友的推荐、网络好友的交易信息、网络好友的购买专业性、消费者对社会网络的信任、卖家的交易沟通性、卖家声誉度这7项指标对电子商务消费者信任有明显的正向影响。根据本文的研究，笔者最后从卖家、买家和电子商务平台三个方面提出相关对策建议。
首先，对于卖家方面的建议：
加强与消费者的沟通。首先，在与买家的交涉过程中，卖家要本着“人本”观念，积极从买家的角度考虑，从言行上和实际服务上让买家感到购买信息的可信性，让买家对购买的商品有充分的认识，让买家更具有购买安全感，积极博得买家的购买信任。其次，卖家也要扮演买家的角色，不断在社交网络中结交好友，并与网络好友进行友善交流沟通。在与网络好友的沟通过程中，不仅要关注卖家自身店铺经营的商品，更应该关注好友对同类型的或可替代性较强商品的评价，扩大卖家对市场的认识面。 积极获取社交网络提供的信息。首先，积极关注店铺各商品的买家评论。根据理论分析联系实证检验的结果，我们认为消费者的交易经验对提高电子商务消费信任度有重要影响，而交易经验从平时各种交易活动中积聚，因此交易经验与交易后的评价有重要联系。所以，卖家要时刻关注买家评论，根据商品的评论性质来改进商品质量和服务。其次，卖家应主动咨询周边朋友，为完善产品经营服务质量和提高电子商务消费信任度提供更多的建议。这样的行动不仅能使卖家更直接地获得有效改进方案，也能通过周边朋友的宣传获得更广泛的购物信息来源。
诚信经营，优化服务，努力提高声誉度。由于买家在购物之后会对商品进行评价，因此卖家的声誉度是衡量信用的重要指标。由此可见，卖家在网络经营活动中应尽量避免不公平、不诚信的交易情况，为消费者提供优质的产品和服务，尽量提高消费者对自己的满意度。若在交易过程中发生一定冲突，卖家应及时采取措施补救，积极联系买家，留住老客户。
其次，对于买家方面的建议：
提高警惕，安全网上购物。首先，买家要本着严谨购物的心态，积极查阅信息，获取各种诈骗手段的防范和应对策略，做到网上购物保持公平。其次，要对商品及价格有充分的认识，切不可贪小便宜而尽量购买廉价商品，否则很可能既损害与卖家的关系，又无法获取满意的解决办法。再次，积极与好友洽谈购物安全防范经验，提高自己对安全购物的感知能力。
文明社交沟通，获取有效信息。第一，积极在社交环境中结识益友，并与好友进行多方位交流沟通，促进自己的购物经验提升;第二，在购物前积极与卖家进行沟通，有效了解所要购买商品的更多信息;第三，获取良好的购物经验，要积极与好友分享，不但可以增强好友购物经验，还可以通过交流升华经验。
最后，对于电子商务平台方面的建议：
积极规范卖家声誉度。根据目前的交易平台状况，制定分层次的金额等级，若交易者守信完成交易，可获得额外信用分，反之则扣除相应分数。进一步规范交易失信处理机制，采用“快升慢降”的方法约束交易失信行为。
完善第三方交易机制，提高交易安全性。由于消费者可能有一部分金额储存在支付平台内，因此电子商务平台要加强支付平台的安全机制，谨防盗骗行为。完善支付平台相关法律，使消费者的“电子货币”有安全保障，切实维护消费者的合法权益。
参考文献：
1.Sultan F，Urban G.L，Shankar V. & Bart I.Determinants and Consequences of Trust in e-Business[J].Working paper，Sloan school of Management，MIT，Cambridge，MA，2002
2.Davis.F.D.，Bagozzi，R.P.，and Warshaw，P.R.User Acceptance of Computer Technology：A Comparison of Two Theoretical Models[J].Management science，1989，35(8)
3.李萍.C2C电子商务中影响消费者网上购物态度的因素分析[D].哈尔滨工业大学，2007
4.武星星，苗维亚.基于结构方程模型的网上购买意愿影响因素实证研究[J].电子科技大学学报(社科版)，2007(9)
5.廖以臣，刘意.在线信任及前因后果研究的文献综述[J].武汉大学学报，2009(7)
