Summary
המוצג כאן הוא פרוטוקול לבחון תגובות לצרכן לקראת התאמה אישית מסה בהקשר של קמעונאות מקוונת. הפרוטוקול מפרט את פרוצדורת הסקר המקוונת וכיצד לנתח נתונים באמצעות מידול משוואות מבניים והבדלים קבוצתיים באמצעות ניתוח ממוצע נסתר.
Abstract
ככל שלומדים ומתרגלים רבים מחקר התאמה אישית ושיווק מערכות יחסים, חשוב לספק התאמה אישית כגון התאמה אישית מאסיבית באמצעות טכנולוגיית השיווק. מטרת מחקר זה היא לבחון כיצד לבצע מחקר צרכני באמצעות סקר מקוון וניתוח נתונים. מחקר זה בוחן את היתרונות הנתפסים של הצרכנים תוך התאמה אישית של מוצר וכן מצורף מוצר רגשי, גישות לתוכנית התאמה אישית וכוונות נאמנות בהקשר של קמעונאות מקוונת. בנוסף, מחקר זה חוקר כיצד התגובות הצרכנים שונות בהתבסס על מאפיינים בודדים כגון חדשנות אופנה. חברה לסקר מקוון בדרום קוריאה גייסה 290 לקוחות הלבשה נקבה שרכשו ואביזרים באינטרנט. כדי לשפר את תוקפו של החיצוני, מחקר זה השתמש באתר הקמעונאי הקיים עם תוכנית התאמה אישית המונית מבוססת היטב. לאחר השלמת תוכנית ההתאמה האישית, המשתתפים משלימים את השאלון המקוון. מידול משוואות מבנית (SEM) וניתוח ממוצע נסתר (LMAs) מבוצעים לאחר מכן לניתוח. מחקר זה מדגיש את החשיבות של מדידת בדיקות קבוע עבור השוואות הממוצע. לפני ה-SEM ו-LMA, מחקר זה עוקב אחר ההיררכיה של בדיקות קבוע (מבחן configural קבוע, בדיקות שוליות מטרי ומבחן קבוע קבוע), אשר אינן נחשבות על-ידי גישות מסורתיות כגון ANOVA. מבחנים סטטיסטיים אלה מספקים את הישימות של הליכי הבדיקה הקבועה ו-LMA להתנהגויות של צרכנים. המסקנות של הבדלים מתכוון יש יושרה ותוקף כי הם מונחים על ידי הליך סטטיסטי מתוחכם כדי להבטיח קבוע מדידה.
Introduction
התאמה אישית מאסיבית מתייחסת ליכולת של קמעונאי אלקטרוני כדי להתאים מוצרים, שירותים וסביבת הטרנזקציות ללקוחות בודדים1. הצרכנים של היום אינם מרוצים מוצרים סטנדרטיים, קמעונאים רבים זיהו את זה. הצעת אפשרות התאמה אישית מאסיבית היא שיטה אחת להשגת נאמנות לקוחות ויתרונות תחרותיים2. התאמה אישית מאסיבית כטקטיקת שיווק מאפשרת לצרכנים ליצור מוצרים משלהם בהתבסס על צרכים מסוימים ובכך מספק מוצרים או שירותים אינדיווידואליזציה3. לדוגמה, הצרכנים לא יכולים לרכוש רק זוג נעליים המיוצרים המוני, אבל הם יכולים גם ליצור זוג חדש וייחודי של נעליים שאינן זמינות באתרי אינטרנט הקמעונאי הרגיל על ידי בחירת צבע, בד, ורכיבי עיצוב אחרים. כתוצאה מכך, הצרכנים יכולים לרכוש מוצרים נוחים יותר, ואת שביעות הרצון שלהם עם מוצר מותאם אישית, כמו גם נאמנות המותג להגדיל4,5.
עם הגדלת השימוש באינטרנט, תהליך ההתאמה האישית ההמונית הפכה מהירה ויעילה יותר מבחינת הנמכת זמן הייצור והענקת אפשרויות עיצוב נוספות בעלות אותן עלויות. יתר על כן, קמעונאים יכולים להשיג מידע לגבי מה לקוחות היעד שלהם מעדיפים ובכך לבנות קשרים חזקים עם אותם6,7. ככזה, תעשיות רבות (כלומר, הלבשה, נעליים, מכוניות ומחשבים) אימצו תוכניות התאמה אישית. למרות התאמה אישית המסה יתרונות הן הצרכנים קמעונאים, כמה קמעונאים הפנים אתגרים8. לכן, יש צורך לבחון כיצד הצרכנים תופסים את היתרונות וכיצד היתרונות הללו משפיעים על תגובות קניות אחרות להצלחה ארוכת טווח.
ציור על ההיררכיה של ההשפעות (בנהו) מודל של תאוריות שכנוע9, מחקר זה מציע כי הצרכנים תהליך מידע המבוסס על הכרה-להשפיע על רצף. באופן ספציפי, מחקר זה בוחן (לאחר יצירת מוצר בהתאמה אישית), בין אם הטבות הצרכן נתפס (קוגניציה) משפיעים על כוונות נאמנות (הסכמה) באמצעות מוצר מצורף והיחס כלפי תוכנית התאמה אישית מאסיבית (להשפיע) . מבוסס על תיאוריה מוטיבציה10, הטבות נתפס מחולקים ליתרונות חיצוניים ופנימיים11.
היתרון החיצוני מתייחס לערך הנתפס של הצרכן הנגזר משימוש במוצר12 (כך, קרוב ערך לאיכות המוצר11), ואילו היתרון הפנימי מעיד על חוויה נעימה בעת שימוש במוצר11. בהקשר של התאמה אישית מאסיבית, היתרון החיצוני משויך למוצר שצרכן יוצר, והיתרון הפנימי קשור לחווית ההתאמה האישית העונה על הצרכים הנהנתניים והתנסותיים13,14. מחקרים קודמים מצאו כי הצרכנים ' נתפס הטבות לשפר את המוצר הרגשי מצורף15 וגישות חיוביות לקראת תוכנית התאמה אישית המונית16. אביזר המוצר הרגשי מתייחס עניבה רגשית כי הצרכנים להתחבר למוצר17, אשר באופן חיובי משפיע על הגישות כלפי תוכנית התאמה אישית18 וכוונות נאמנות19. יתרה מזאת, גישות לתוכנית התאמה אישית משפיעות באופן חיובי על כוונות נאמנות20.
לבסוף, מחקר זה בוחן כיצד מאפיין בודד (כלומר, חדשנות אופנה) משפיע על תגובות הצרכן באופן שונה. חדשנות באופנה מתייחסת למידה שבה הנטיה החדשנית של האדם משפיעה על אימוץ פריט אופנה חדש21. ממצאי המחקר מראים כי הצרכנים המבקשים להימנע מהתאמה (כלומר, הצרכנים חדשני אופנה מאוד) מונעים לרכוש מוצרים ייחודיים, המציין כי התאמה אישית המונית עשויה להיות טקטיקה יעילה כדי להבדיל את עצמם מאחרים 22. לכן, מחקר זה מניח כי מספר גדול יותר של תגובות חיוביות ייווצרו עבור צרכנים חדשניים במיוחד האופנה.
בהתבסס על ביקורות הספרות הקודמות, מחקר זה מתייחס להשערות המחקר הבאות. H1: הטבות שנתפסו (a: יתרון חיצוני, b: יתרון פנימי) של מוצר מותאם אישית המוני ישפיע באופן חיובי על הקובץ המצורף למוצר הרגשי; H2: הטבות שנתפסו (a: יתרון חיצוני, b: יתרון פנימי) של מוצר מותאם אישית המוני ישפיע באופן חיובי על הגישות כלפי תוכנית התאמה אישית מאסיבית; H3: אביזר מוצר רגשי ישפיע באופן חיובי על הגישות לקראת תוכנית התאמה אישית המונית; H4: אביזר מוצר רגשי ישפיע באופן חיובי על כוונות נאמנות; H5: הגישה כלפי תוכנית התאמה אישית המונית תשפיע באופן חיובי על כוונות נאמנות; ו H6: לעומת חדשנות אופנה נמוכה, ממציאים אופנה גבוהה יהיו תגובות חיוביות יותר (a) נתפס היתרונות, (ב) המוצר הרגשי המצורף, (ג) הגישות, ו (ד) כוונות התנהגותיות.
כדי לשפר את תוקפו של החיצוני, מחקר זה משתמש בתוכנית קיימת של התאמה אישית מאסיבית. משתתפים פוטנציאליים בדרום קוריאה גויסו למחקר זה ומתבקשים ליצור מעילים התעלה שלהם באמצעות תוכנית כאילו הם באמת לרכוש את המוצר. כדי לחקור את התגובות של המשתתפים בהתבסס על התנסויות ההתאמה האישית שלהם, מחקר זה משתמש בסקר מקוון. המשתתפים יכולים לגשת לשאלון מיד לאחר שימוש בתוכנית ההתאמה האישית באינטרנט. לאחר איסוף הנתונים, המחקר משתמש ב-SEM קבוצה אחת כדי לחקור את ההשפעות של יתרונות הצרכן על המוצר המצורף, גישה, וכוונות נאמנות. כדי לבחון את תפקידי המתן של חדשנות אופנה, המחקר משתמש ב-LMAs.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
מחקר זה היה פטור מסקירה IRB באוניברסיטת Ewha נשית והוקצה פרוטוקול מספר #143-18.
1. גיוס משתתפים
- היכונו לעריכת סקר מקוון.
הערה: סקר מקוון נערך באמצעות חברת הסקרים בדרום קוריאה. חברת המחקר יש פאנל הצרכן הגדול ביותר עם שיעורי תגובה גבוהה בקוריאה. הפצות הגיל והמין בפאנל משקפות את מצב האוכלוסייה הקוריאנית. ללוח הצרכן יש אמינות גבוהה באמצעות אימות שמות אמיתיים. כיוון שחברת המחקר מנהלת את הפאנל ברציפות עם שיטות חדשניות שונות, נאמנות הפאנל לקראת חברת המחקר גבוהה; לפיכך, תוצאות הסקר שהושגו על-ידי החברה ידועות כאמינות רבה. - לגייס צרכנים נקבה שיש להם ניסיון לקנות ואביזרים באינטרנט.
הערה: הצרכנים נקבה בקוריאה לבלות אחוז גבוה של הכנסות על קניות ואביזרים, והתנהגויות קניות להתרחש בעיקר באינטרנט23. לכן, בחירת קבוצה זו כמשתתפים במחקר זה מתאימה. - שלח הזמנה באימייל למשתתפים הכוללים מידע בנוגע למטרת הלימוד והבטחת הסודיות של תגובותיהם.
- שילחו קווים מנחים לאלה היסכימו לקחת חלק בסקר שמראה כיצד ליצור מעילי גשם באמצעות תוכנית ההתאמה האישית (ראה איור 1).
הערה: כדי להימנע ממצבים פוטנציאליים שבהם המשתתפים עלולים להיתקל בקשיים באמצעות תוכנית ההתאמה האישית, מנחה מחברת המחקר שלח את ההנחיות. יתרה מזאת, המנחה קרא למשתתפים והסביר את הליך ההתאמה האישית בזמן שהמשתתפים סקרו את ההנחיות. - בקש מהמשתתפים ללכוד צילום מסך של מעיל התעלה שנוצר ולספק מחיר עבור המעיל כדי להבטיח כי הם בעצם ליצור מעיל גשם בתוכנית התאמה אישית.
- שלח קישור המחובר לתוכנית ההתאמה האישית ההמונית באתר קניות קיים כאשר המשתתפים מבינים את השגרה.
- לספק את התרחיש הבא למשתתפים: "תארו לעצמכם שאתם מספיק טוב כדי לרכוש בגדים חביב יש לרכוש מעיל גשם כדי להשתתף בפגישה חשובה. אתה רוצה ליצור מעיל גשם ייחודי. בעת גלישה באינטרנט, אתה נתקל באתר הלבשה מושלמת כי יש תוכנית התאמה אישית המונית ".
הערה: שלב זה נדרש להגברת רמות המעורבות ולשליטה בסוג המוצר ותפיסת הצרכן של מחיר המוצר. - אפשר למשתתפים 24 שעות ליצור מעיל גשם לאחר קריאת התרחיש.
הערה: המשתתפים חופשיים ליצור מעיל גשם על ידי בחירת הסגנון הכולל המועדף, צווארון, אורכי מעיל, אורך השרוול, כיסים, בד, רירית במקרה שהם למעשה לרכוש אותו. אם יש להם בעיות ביצירת מעיל בתוכנית ההתאמה האישית, הם רשאים להתקשר ולשאול את המנחה בכל עת במהלך התקופה ה -24. - הפעל את הקישור לסקר לאחר 24 שעות כך שהמשתתפים מוכנים לקחת את הסקר (כלומר, אלה שסיימו לכידת את צילום המסך של מעיל הגשם שהם יצרו) יכולים ללחוץ על הקישור לסקר.
איור 1: הוראות לשימוש בתוכנית ההתאמה האישית ההמונית. המשתתפים בסקר מקוון לקרוא הוראות לגבי איך ליצור את מעילי הגשם באמצעות תוכנית התאמה אישית ובצע את שלבים 1 – 8. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
2. תהליך הסקר
- בקש מהמשתתפים להעלות את צילום המסך ואת המחיר של מעיל הגשם שהם יצרו לעמוד הראשון של הסקר (ראה איור 2).
הערה: רק משתתפים אשר להעלות את צילום המסך עשוי לגשת לשאלון. - בקש מהמשתתפים להשלים את השאלון המקוון לגבי היתרונות הנתפסים, ההחזקה הרגשית למוצר המותאם אישית, היחס לתוכנית ההתאמה האישית, כוונות הנאמנות והשאלות הדמוגרפיות (ראה טבלה 1).
- . תן פרס לאלו שמשלימים את הסקר
הערה: כאן, המשתתפים קיבלו פרס של ₩10,000 (כ $10) להשתתפות. משתתפים שפורשים את הסקר או מצליחים לספק את צילום המסך ואת המחיר שהתקבלו ₩1,000 (אודות US $1).
איור 2: דוגמאות של מעילי תעלה שנוצרו באמצעות תוכנית ההתאמה האישית של e-המוני. המשתתפים יצרו מעילי תעלה על ידי בחירת צווארון מועדף, אורך, בד, וכו ', ואחריו על ידי העלאת צילום מסך של יצירת מעיל התעלה. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
| יתרון חיצוני (הסקה ואח ', 2009) |
| לעומת המוצר הסטנדרטי, המוצר המותאם אישית היה _ _. |
| 1. עדיף לספק את הדרישות שלי |
| 2. כדאי לפגוש את ההעדפות האישיות שלי |
| 3. יותר סביר להיות הפתרון הטוב ביותר עבורי |
| יתרון פנימי (פרנקה ושרייר, 2010) |
| 1. נהניתי מפעילות העיצוב הזאת מאוד |
| 2. חשבתי שעיצוב המוצר היה די מהנה |
| 3. עיצוב מוצר זה היה מעניין מאוד |
| אביזר מוצר רגשי (תומסון ואח ', 2005) |
| לעומת המוצר הסטנדרטי של המותג הזה, התחושה שלי כלפי המוצר המותאם אישית שלה יכול להיות מאופיין על ידי _ _. |
| 1. חיבה |
| 2. קשר |
| 3. תשוקה |
| 4. התגלמות הדבר |
| גישה לתוכנית התאמה אישית המונית (לי ואח ', 2001) |
| תוכנית ההתאמה האישית ההמונית באתר זה התבצעה. |
| 1. ושך e מושך |
| 2. לא נעים e נעים |
| 3. מושכת e אטרקטיבי |
| 4. מאוד לא חביב |
| כוונות נאמנות (קוואן ולנון, 2009) |
| 1. הייתי רוכש מוצר מותאם אישית בתוכנית התאמה אישית זו בעתיד הקרוב |
| 2. אני ממליץ על תוכנית התאמה אישית זו לחברים או קרובי משפחה |
| 3. אני אחזור לאתר זה ולהתאים אישית מוצר בעתיד הקרוב |
| מעורבות במוצר (זאיקובסקי, 1985) |
| . בשבילי, בגדים זה הדבר הנכון |
| 1. לא חשוב e |
| 2. משעמם e מעניין |
| 3. ושך e מושך |
| 4. לא נדרש אי צורך |
| 5. unexciting e מרגש. חסר ערך |
| חדשנות אופנה (פארק ואח ', 2007) |
| 1. באופן כללי, אני האחרון במעגל החברים שלי כדי לדעת את השמות של האופנה החדשה האחרונה (R) |
| 2. באופן כללי, אני בין האחרון במעגל החברים שלי לקנות פריט אופנה חדש כאשר הוא מופיע (R) |
| 3. בהשוואה לחברים שלי, יש לי פריטי אופנה חדשים. |
| 4. אני מכיר את השמות של מעצבי האופנה החדשים לפני שאנשים אחרים עושים. |
| 5. אם שמעתי שפריט אופנה חדש היה זמין בחנות, הייתי מתעניין מספיק כדי לקנות אותו. |
| 6. אני אקנה פריט אופנה חדש גם אם לא ראיתי את זה לפני. |
| (R) קוד הפוך |
טבלה 1: קנה מידה של מדידה. טבלה זו שימש בעבר29.
3. הכנת הנתונים
- שמור את נתוני הסקר בקובץ SPSS כ-"Data_TOTAL." (ראה איור 3), המכיל את כל התגובות של משתתפי הסקר. מחק אירועים הכוללים ערכים חסרים. השתמש בנתונים הנקיים כדי לבצע ניתוח SEM.
- הפרד את הנתונים הכולל לשני קבצי נתונים: קבוצות חדשניות של אופנה גבוהה ונמוכה. השתמש בפיצול חציון. סכום וממוצע של עשרות שישה פריטים של חדשנות אופנה, ולחשב את הציון החציוני של חדשנות אופנה (med = 4.17).
הערה: פיצול חציון משמש לעתים קרובות בחקר הפסיכולוגיה והשיווק, ושימוש בפיצול חציון עבור משתנה רציף כדי לבחון את ההבדלים בקבוצה הוא בתוקף24. - לחץ על "המרה לתוך משתנים שונים" בתפריט "שינוי צורה". צור משתנה חדש, "אופנה חדשנית הקבוצה (תאנה)", על ידי קידוד "1 (קבוצה חדשנית האופנה חדשני)" אם הציון הממוצע נמוך יותר החציון (למשל, חציון = 4.17), או על ידי קידוד "2 (קבוצה גבוהה חדשנית אופנה)" אם הוא גבוה יותר החציון (ראה איור 4 ).
- לחץ על "פצל לקבצים" תחת התפריט "נתונים", לחץ פעמיים על המשתנה "הקבוצה החדשנית של האופנה (איור)" כדי להעביר אותו לשדה "פצל מקרים by", ולהקצות את מיקום "ספריית קובץ הפלט" כדי לשמור את הקבצים (ראה איור 5).
- שמור "1." ו-"2. ו" בספריה שהוקצתה. לשנות את שמות הקבצים "Data_low אופנה חדשנות." ו "Data_high אופנה חדשנות. שמור" כדי להשתמש בשניהם עבור LMA.
איור 3: Data_TOTAL. הנתונים כוללים תגובות של כל המשתתפים (n = 290) המשמשים לניתוח SEM. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
איור 4: יצירת המשתנה החדש "הקבוצה החדשנית של האופנה" (איור). המשתנה החדש (איור) נעשה על-ידי קידוד "1 (קבוצה חדשנית בעלת אופנה נמוכה)" ו-"2 (קבוצה חדשנית גבוהה)". אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
איור 5: פיצול ערכת הנתונים לשני קבצים. קובץ הנתונים הכולל, "Data_TOTAL", מחולק לתוך "מData_low האופנה חדשנות." ו-"Data_high האופנה חדשנות." קבצים לשימוש הבאים ב-LMA. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
4. הפעלת ניתוח Confirmatory פקטור (פרנק)
-
הנהל קבוצה יחידה עם מודל המדידה של חמשת הגורמים כדי לאשר את החוקיות המתכנסת. לחץ על "בחר קבצי נתונים | Data_TOTAL ". לפתח את מודל המדידה על בסיס שאלות המחקר.
- מודל המדידה כולל חמישה משתנים סמויים (כלומר, יתרון חיצוני, תועלת פנימית, מצורף המוצר הרגשי, עמדות כלפי תוכנית התאמה אישית המונית, וכוונות נאמנות) ו -17 משתנים נצפו (שלושה משתנים נצפו עבור היתרון החיצוני, שלושה לתועלת פנימית, ארבעה עבור האביזר המוצר הרגשי, ארבע לגישות לתוכנית התאמה אישית המונית, ושלושה עבור כוונות נאמנות). קבעו סטיות של המשתנים הסמויים כ-"1" (ראה איור 6 ואיור 7). לחץ על "חשב הערכות".
- בדוק את מדדי ההתאמה של מודל המדידה מתוצאות הקבוצה היחידה של הלהקה: טוב-בהתאמה המדד (GFI), מותאם הטוב ביותר המדד (AGFI), מדד התאמה normed (NFI), המדד טאקר-לואיס (TLI), מדד התאמה השוואתית (CFI), ואת השורש קירוב (RMSEA).
איור 6: מפרט מודל לניתוח confirmatory פקטור. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
איור 7: מודל מדידה לניתוח confirmatory פקטור. מודל המדידה של פרנק נוצר באמצעות תוכנית עמוס. שונות של משתנים סמויים הוגדרו כ-"1". אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
5. הפעלת SEM
- כדי לבדוק את קשרי הגומלין בין משתנים סמויים, נהל SEM. לחץ על "בחר קבצי נתונים | Data_TOTAL ". פתח את ה-SEM בהתאם לשאלות המחקר, כולל חמישה משתנים סמויים ו -17 משתנים שנצפו.
- לצייר חיצים מ "Extrinsic_V" ו "Intrinsic_V" כדי "EP_Attachment" ו "Attitude_MP," כמו גם מ "EP_Attachment" ו-"Attitude_MP" ל "נאמנות". הוסף שלושה משתנים שלא נצפו, כלומר "z1" כמנבא של "EP_Attatchment", "z2" כמנבא של "Attitude_MP", ו-"z3" כמנבא של "נאמנות" (ראה איור 8, איור 9). לחץ על "חשב הערכות". בדוק את "אומדנים" והתאם את מדדי הדגם.
איור 8: מפרט מודל עבור מידול משוואות מבניות. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
איור 9: ניתוח מודלים מבניים של משוואות. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
6. ביצוע בדיקות שוליות עבור LMA
- כדי להשוות את הקבוצה הגבוהה והנמוכה אופנה חדשנית, לנהל LMA מבוסס על מרובת קבוצות confirmatory factor ניתוח (MGCFA). לפני LMA, בדוק configural קבוע, מטרי קבוע, וקבוע שיטתי בין שתי הקבוצות25.
- יצירת מודל מדידה רב-קבוצתית: יצירת מודל המדידה (כלומר, המודל ל-MGCFA) עם שתי קבוצות בשם "גבוהה" ו-"נמוך" תחת "ניהול קבוצות". בחר את קבצי הנתונים עבור הקבוצות באופן הבא: "Data_low מחדשנות אופנה." לקבוצת האופנה הנמוכה והחדשנית "ולחדשנות האופנה הData_high." לקבוצה החדשנית של האופנה (ראה איור 10).
איור 10: בחירת קובצי נתונים לקבוצות. מודל המדידה של MGCFA נוצר, ושני קבצי נתונים ("Data_low האופנה חדשנות." ו "Data_high האופנה חדשנות.") הועלו. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
-
בדיקת configural וליות
הערה: אם למבנה מודלים המדידה בשתי הקבוצות יש אותו טופס (כלומר, ממדים זהים ואותם דפוסים של ערכים קבועים ושאינם קבועים), הconfigural קבוע מרוצה (ראה איור 11). אם ההתאמה של מודל המדידה משביעת רצון, המשך לשלב הבא לבדיקת קבוע מטרי26.- בצעו את הנגן במודל המדידה הקודם של חמשת הגורמים לכל קבוצה. לחץ על "חשב הערכות". בדוק את "אומדנים" והתאם מדדים של שני הדגמים. אם ההתאמה של שני הדגמים משביעת רצון ומקדמי הפקטור משמעותיים, המשך לשלב הבא.
- התנהלות MGCFA עם מודל המדידה של חמשת הגורמים כמודל בסיסי. תקן "1" עבור מקדם הפקטור מכל משתנה נסתר למשתנה הנצפה הראשון ולאפשר לשחרר את מקדמי הגורם האחרים. לחץ על "חשב הערכות".
- בדוק את "הערכות" של שתי הקבוצות והתאם את מדדי הדגם. אם ההתאמה של המודל משביעת רצון ומקדמי הפקטור משמעותיים, configural קבוע מסופקת. לאחר מכן, המשך לשלב הבא הכולל את הבדיקה הקבועה במדד.
איור 11: ממדים וצורות שוות של דגמי המדידה על פני שתי קבוצות. (א) מודל לקבוצת האופנה הגבוהה והחדשנית של הקבוצה והמודל לקבוצת האופנה הנמוכה והחדשנית. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
-
בדיקת קבוע מטרי
הערה: הבדיקה של שורה מטרי מעריכה אם מקדמי הפקטור המקשרים משתנים סמויים למשתנים שנצפו שווים בין קבוצות.- לבדיקת קבוע מטרי, תקן את מקדמי הפקטור בין קבוצות. הזן את אותו שם למקדמים בין קבוצות (לדוגמה, "a" for Extrinsic_V | E2, "j" עבור EP_Attachment | EA4, ראה איור 12). לחץ על "חשב הערכות". בדוק את "הערכות" של שתי הקבוצות והתאם את מדדי הדגם.
- התנהלות בדיקת הפרש מרובע הצ על ידי השוואת המודל המלא של המדד (כלומר, המודל עם מקדמי פקטור קבוע על פני קבוצות) עם מודל configural קבוע (כלומר, המודל עם מקדמי גורם חופשי על פני קבוצה). אם ההפרש בריבוע הצ אינו משמעותי, השינוי המטרי מסופק. לאחר מכן, המשך לשלב הבא הכולל את הבדיקה הסקלארית שיטתית25,26,27.
איור 12: תיקון מקדמי הפקטור בין קבוצות. על-ידי הזנת שם זהה עבור אותם מקדמים על פני קבוצות, מקדמי הפקטור הרוסלו. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
-
בדיקת קבוע קבוע
הערה: קבוע שיטתי פירושו ש 1) אותם ערכים על המבנה החבוי משויכים לאותם ערכים במשתנה הנצפה ו-2) ההבדלים באמצעי המשתנים הנצפים נגזרים מהבדלי הממוצע של המשתנים הסמויים. כדי לבדוק שיטתיות שיטתית, הגבל את ההודעות של משתנים שנצפו כך שיהיו שווים בין קבוצות28.- לחץ על "מאפייני ניתוח" בתפריט "תצוגה". לחץ על הכרטיסייה "הערכה" ובדוק "אמצעי הערכה ומשיחות". לחץ לחיצה ימנית על כל משתנה שנצפה ובחר באפשרות "מאפייני אובייקט". בחר בכרטיסייה "פרמטרים" והזן את שמות הפרמטרים כגון "int_e1" ו-"int_ea1" בתיבות טקסט החיתוך (ראה איור 13).
- התנהלות בדיקת הפרש מרובע הצ על ידי השוואת המדד המלא/מודל שיטתי מלאה (כלומר, המודל עם מיירט קבוע של משתנים נצפו ומקדמי פקטור קבוע על פני קבוצות) עם המודל המלא המדד (כלומר, המודל עם מקדמי גורם קבוע לרוחב הקבוצה). אם ההפרש בריבוע הצ אינו משמעותי, המדד המלא/קבוע שיטתי מלא מרוצה.
הערה: כאן, היררכיה ספציפית (מבחן configural קבוע, מבחן קבוע מטרי, מבחן קבוע שיטתי) משמש. לאחר כל מבחן קבוע הוא מרוצה, לנהל את LMA באמצעות המודל הנבחר לבסוף (כלומר, המדד המלא/שיטתית מלאה מודל).
איור 13: הזנת שמות פרמטרים בתיבת המלל שבחיתוך.
אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
7. הפעלת LMA
- התנהלות lma על-ידי ניצול מודל שיטתי/מטרי מלאה בדגם27,28. כדי להשוות את האמצעים של משתנים סמויים, לתקן את האמצעים של משתנים סמויים בקבוצה אחת ולתת להם להיות חופשיים בקבוצה השנייה.
- הערכת ההבדלים בין הממוצע בקבוצות על-ידי תיקון אחד מאמצעי לאפס עבור קבוצת הפניות, ולאחר מכן הערכה של ערכי הממוצע עבור הקבוצה האחרת. כך, לתקן את האמצעים של כל המשתנים הסמויים בקבוצה החדשנית אופנה חדשני באפס. חשוב להבטיח שאמצעי המשתנים הסמויים בקבוצה החדשנית בעיצוב האופנה הגבוהה יהיו חופשיים והסטיות שלהם בשתי הקבוצות חופשיות (ראה איור 14).
- לחץ על "חשב הערכות". בדוק את "הערכות" של שתי הקבוצות והתאם את מדדי הדגם.
- לחץ על "הצג טקסט" ובדוק את האמצעים של משתנים סמויים בקבוצה החדשנית של האופנה הגבוהה תחת "הערכות" (ראה איור 15).
איור 14: קביעת אמצעי המשתנה הנסתר והסטיות. (א) הקבוצה החדשניתאופנה חדשני ו-(ב) נמוכה אופנה חדשנית הקבוצה. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
איור 15: פלט עבור ניתוח האמצעים הסמויים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
סטטיסטיקת תדירות מציעה מאפיינים של המדגם. סך של 290 נשים הצרכנים המקוונים השלימה את תהליך הקניות באמצעות תוכנית ההתאמה האישית e-המוני. המאפיינים הדמוגרפיים של המדגם הופצו באופן שווה. לפי קבוצת גיל, 23.1% היו בשנות העשרים שלהם, 28.3% בשנות השלושים שלהם, 26.6% בארבע הקשרים שלהם, ו22.1% בשנות החמישים שלהם. לפי מצב הנישואין, 58.3% היו נשואים, בעוד 40% היו רווקים. על-פי הכיבוש, 45.2% היו עובדי המשרד, 22.8% היו עקרות בית, 10.3% היו מקצוענים, 9.3% היו סטודנטים, ו-5.5% היו במגזר השירות (שולחן 2).
קבוצה אחת של הלהקה נערכה עם חמישה משתנים סמויים ("Extrinsic_V", "Intrinsic_V", "EP_Attachment", "Attitude_MP" ו-"נאמנות") ו -17 משתנים שנצפו. התאמת מודל המדידה של חמשת הגורמים הוערכו. למרות שהסטטיסטיקה המרובעת של הצ הייתה משמעותית (צ'י-סקוור = 179.63, df = 109, p = 0.000), הסטטיסטיקה של משבצת הצ רגישה למידות גדולות (n = 209). הערכים של מדדי התאמה אחרים הצביעו התאמה מודל הכולל טוב (GFI = 0.93, AGFI = 0.91, NFI = 0.97, TLI = 0.98, CFI = 0.99, ו-RMSEA = 0.05). כל היחס הקריטי (CRs) של מקדמי הפקטור היה משמעותי (p < 0.001), ורומז שתוקפו של המתכנסת הושג (איור 16).
| קבוצת גיל | ||
| תדירות | אחוז | |
| עשרים | 67 | 23.1 |
| שלושים | 82 | 28.3 |
| של 40 | 77 | 26.6 |
| 50 ' s ~ | 64 | 22.1 |
| כיבוש | ||
| תדירות | אחוז | |
| סטודנטים | 27 | 9.3 |
| עובדי המשרד | 131 | 45.2 |
| ייצור | 1 | 0.3 |
| שירות | 16 | 5.5 |
| אנשי מקצוע | 30 | 10.3 |
| עסקים | 12 | 4.1 |
| עקרות בית | 66 | 22.8 |
| אחרים | 7 | 2.4 |
| כולל | 290 | 100.0 |
| סטטוס משפחתי | ||
| תדירות | אחוז | |
| סיגל | 116 | 40.0 |
| נשוי | 169 | 58.3 |
| אחרים | מיכל 5 | 1.7 |
| כולל | 290 | 100.0 |
טבלה 2: מאפיינים לדוגמה.
איור 16: פלט עבור ניתוח confirmatory factor. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
קבוצה בודדת של SEM נערכה. מדדי התאמה של מודל המדידה חשף התאמה מקובלת (GFI = 0.93, AGFI = 0.91, NFI = 0.97, TLI = 0.98, CFI = 0.99, ו-RMSEA = 0.05). ערכי ה-CR של מקדמי הנתיב היו משמעותיים וחשפו את הפרטים הבאים: (1) השפעות חיוביות של "Extrinsic_V" (beta = 0.431, CR = 6.661, p < 0.001) ו-"Intrinsic_V" (beta = 0.339, CR = 6.848, p < 0.001) ב-"EP_Attachment"; (2) השפעות חיוביות של "Extrinsic_V" (beta = 0.159, CR = 2.581, p < 0.05) ו "Intrinsic_V" (beta = 0.378, CR = 6.688, p < 0.001) ב-"Attitude_MP"; (3) השפעות חיוביות של "EP_Attachment" על "Attitude_MP" (beta = 0.328, CR = 4.905, p < 0.001); ו (4) השפעות חיוביות של "Attitude_MP" על "נאמנות" (beta = 0.846, CR = 6.932, p < 0.001). ההשפעה של "EP_Attachment" על "נאמנות" לא היה משמעותי (ביתא = 0.078, CR = 0.696, p = 0.486; ראו שולחן 3).
| מקדם נתיב | ערכה | הערכות מתוקננת | S.E. | C.R. | P |
| "Extrinsic_V"--> "EP_Attachment" | 0.431 | 0.437 | 0.065 | 6.661 | *** |
| "Intrinsic_V"--> "EP_Attachment" | 0.399 | 0.439 | 0.058 | 6.848 | *** |
| "Extrinsic_V"--> "Attitude_MP" | 0.159 | 0.166 | 0.061 | 2.581 | 0.01 |
| "Intrinsic_V"--> "Attitude_MP" | 0.378 | 0.429 | 0.056 | 6.688 | *** |
| "EP_Attachment"--> "Attitude_MP" | 0.328 | 0.338 | 0.067 | 4.905 | *** |
| "EP_Attachment"--> "נאמנות" | 0.078 | 0.062 | 0.113 | 0.696 | 0.486 |
| "Attitude_MP"--> "נאמנות" | 0.846 | 0.645 | 0.122 | 6.932 | *** |
| פי-ערך < 0.001 | |||||
שולחן 3: תוצאות מידול בקבוצה יחידה למשוואות מבניות. טבלה זו שונתה מפרסום קודם של29.
על-ידי שימוש בפיצול חציון (med = 4.17), הנתונים חולקו לשתי קבוצות: קבוצה חדשנית בסגנון חדשני וקבוצה חדשנית בעלת סגנון חדשני. מבחן tנערך וחשף הבדלים משמעותיים משמעותי בחדשנות אופנה בין קבוצות גבוהות ונמוכות של אופנה חדשנית (Mגבוהה = 5.03 > mנמוך = 3.50; SDגבוהה = 0.72, sdנמוכה = 0.68; Nגבוה = 141, nנמוך = 149; t = 18.53, df = 288, p < 0.001).
לפני השוואת האמצעים הסמויים בין קבוצות חדשניות לאופנה הגבוהות והנמוכות, בוצעה היררכיה של בדיקות שוליות. ראשית, CFAs עם המודל המוצע של חמשת הגורמים המוצעים נערכו בנפרד עבור קבוצות חדשניות אופנה חדשנית וחדשנית. התוצאות חשפו מודל מעולה התאמה לקבוצה הנמוכה חדשני אופנה (NFI = 0.96, TLI = 0.99, CFI = 0.99, ו-RMSEA = 0.04) וקבוצה גבוהה חדשנית אופנה (NFI = 0.93, TLI = 0.97, CFI = 0.97, ו-RMSEA = 0.07). כל מקדמי הפקטור היו משמעותיים, רומז שמודל חמשת הגורמים מתקבל לשתי הקבוצות.
הצעד הבא היה לעבור מהקבוצה היחידה לMGCFA כדי לבצע אימות משני של מודל המדידה של חמש הגורמים עבור שתי הקבוצות. דגם 1 (מודל configural קבוע) נבדק כדי לאשר האם המבנה המוצע יהיה זהה לקבוצות חדשניות בסגנון האופנה הגבוהה והנמוכה. התוצאות מצאו כי ההתאמה של המודל היה משביע רצון. הערכים של מדדי התאמה אחרים הצביעו על התאמה מודל הכולל טוב (NFI = 0.94, TLI = 0.98, CFI = 0.98, ו RMSEA = 0.04; ראה טבלה 4). כך, הושג configural קבוע. כל CRs מקדמי הפקטור היו משמעותיים (p < 0.001). דגם 1 נחשב למודל בסיסי.
כדי לבדוק שינוי מטרי, מקדמי הפקטור היו מוגבל להיות זהים על פני שתי קבוצות, ו-MGCFA אחרת בוצעה (דגם 2). מאז דגם 2 היה מקונן בדגם 1, בדיקת ההפרש בריבוע הצ נערך. התוצאה העלתה כי הבדל מרובע הצ של 14.728 (df = 12) לא היה משמעותי (p = 0.257), והמדד הטרי היה מרוצה (ראה טבלה 4). דוגמה לבדיקת ההפרש בריבוע הצ היא כדלקמן: צ'י-סקוור (דגם 2)-צ'י-סקוור (דגם 1) = 323.492-308.764 = 14.728; df הפרש: df (דגם 3)-df (דגם 2) = 230-218 = 12; צ'י-סקוור (df = 12) = 14.728, p-value = 0.256649.
מאחר שמודל הקבוע הטרי (דגם 2) התקבל, הפונקציה הסקלרית נבדקה. היירוטים של חמישה משתנים סמויים היו שווים על פני שתי קבוצות, והאחרונה בוצעה (דגם 3). מאז המדד המלא/שיטתית מלאה מודל (דגם 3) היה מקונן במודל 2, בדיקת ההפרש בריבוע הצ נערך. התוצאות חשפו כי הבדל מרובע הצ של 11.18 (df = 12) לא היה משמעותי (p = 0.514), והקבוע הסקלר היה מרוצה (ראה טבלה 4). דוגמה לבדיקת ההפרש בריבוע הצ היא כדלקמן: צ'י-סקוור (דגם 3)-כיכר צ'י (דגם 2) = 334.672 – 323.492 = 11.18; df הפרש: df (דגם 3)-df (דגם 2) = 242-230 = 12; צ'י-סקוור (df = 12) = 11.18, p-value = 0.513559.
| כיכר הצ | df | הפקודה הrmsea | מיכל הסעדה | לפני ה, TLI | CFI | |
| קבוע Configural (מודל בסיס): דגם 1 | 308.764 | 218 | 0.038 | 0.94 | 0.98 | 0.98 |
| קבוע מטרי: דגם 2 | 323.492 | 230 | 0.038 | 0.94 | 0.98 | 0.98 |
| מטרי מלא/קבוע שיטתיות מלא: דגם 3 | 334.672 | 242 | 0.036 | 0.94 | 0.98 | 0.98 |
| הפרש מרובע הצ | הפרש df | p | החלטה | |||
| בדיקת קבוע מטרי (דגם 1 לעומת דגם 2) | 14.728 | 12 | 0.256649 | קבל | ||
| בדיקת שיטתיות שיטתית מלאה (דגם 1 לעומת דגם 2) | 11.18 | 12 | 0.513559 | קבל | ||
טבלה 4: מדדי התאמה לבדיקות שוליות עבור LMA. טבלה זו שונתה מפרסום קודם של29.
בהתחשב בעובדה שconfigural קבוע, המדד המטרי והקבוע הסקלר הושגו, ה-LMA בוצע. הקבוצה החדשנית בסגנון חדשני שימש כקבוצת ההתייחסות, עם האמצעים של משתנים סמויים קבוע באפס, בעוד ערכי ממוצע נסתר עבור הקבוצה החדשנית אופנה המשוער הוערך. תוצאות ה-LMA חשפו כי האמצעים של חמישה משתנים סמויים ("Extrinsic_V", "Intrinsic_V", "EP_Attachment", "Attitude_MP" ו-"נאמנות") לקבוצות חדשניות באופנה היו ערכים חיוביים והיו גבוהים באופן משמעותי מאלה עבור נמוך קבוצות חדשניות לאופנה (ראו טבלה 5).
| בנות | נמוך | גבוהה | SE | CR |
| "Extrinsic_V" | 0 | 0.590 | 0.134 | 4.393 * * * |
| "Intrinsic_V" | 0 | 0.690 | 0.141 | 4.878 * * * |
| "EP_Attachment" | 0 | 0.527 | 0.134 | 3.926 * * * |
| "Attitude_MP" | 0 | 0.521 | 0.127 | 4.084 * * * |
| נאמנות | 0 | 0.980 | 0.169 | 5.796 * * * |
| 0.001-ערך מ< | ||||
שולחן 5: תוצאות LMA. טבלה זו שונתה מפרסום קודם של29.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
השלכות הממצאים
ממצאי מחקר זה לגלות כי הצרכנים ' חיצוניים הטבות הפנימי נגזר יצירת מוצר המוני מותאם אישית לעזור לצמיחה של החזקה הרגשית המוצר, יצירת גישות חיוביות לקראת תוכנית ההתאמה האישית, ו עלה כוונות נאמנות. הממצאים על ההשפעות הממתן של חדשנות אופנה לגלות כי כאשר לעומת הצרכנים בקבוצה נמוכה האופנה חדשנות, אלה בקבוצה גבוהה חדשנות אופנה תופסים הטבות גדול יותר, יש קבצים מצורפים יותר, טופס יותר חיוביות עמדות כלפי התוכנית, ויש להם כוונות נאמנות גדולות יותר. תוצאות אלו מספקות תובנות תאורטיים ומעשיות התומכות במודל של מבנהו.
השלכות המתודולוגיה של הסקר המקוון
מחקר זה ערך סקר מקוון באמצעות חברת הסקר בדרום קוריאה. חברת המחקר יש פאנל הצרכן הגדול ביותר עם שיעורי תגובה גבוהה בקוריאה. הפצות הגיל והמין בפאנל משקפות את מצב האוכלוסיה הקוריאנית. ללוח הצרכן יש אמינות גבוהה באמצעות אימות שמות אמיתיים. כיוון שחברת המחקר מנהלת את הפאנל ברציפות עם שיטות חדשניות שונות, נאמנות הפאנל לקראת חברת המחקר גבוהה; לפיכך, תוצאות הסקר שהושגו על-ידי החברה הינן אמינות מאוד.
לשימוש בתוכנית התאמה אישית המונית קיימת יתרונות במחקרים ניסיוניים מסורתיים. המשתתפים יכולים לנסות תוכנית התאמה אישית מאסיבית בסביבה טבעית ומציאותית, ולא אחת שהיא מניפולציה במכוון עבור המחקר. למרות שהמשתתפים מבינים כי הם משתתפים במחקר, הם אינם מנצלים את תוכנית ההתאמה האישית ההמונית תחת חקירה. ניתן להסיר אפקטים מחדש של הפעילות, והתגובות שלהם כלפי המוצר המותאם אישית דומות יותר להתנהגויות האמיתיות שלהם בעת יצירת מוצר מותאם אישית. לכן, מחקר זה מכיל את היתרון של מחקר השדה המבוסס על טבעי30, ובכך שמירה על מידה גבוהה של תוקף חיצוני. בנוסף, התגובות של המשתתפים דומות לחברי האוכלוסייה שממנה נבחרו. מחקר זה מקבל את היכולת הגנריות של ממצאים עבור מצב ספציפי זה (כלומר, נשים הלבשה באינטרנט לקוחות בדרום קוריאה).
מחקר זה מספק תרחיש למשתתפים המעוניינים ליצור מוצר בתוכנית התאמה אישית. ביקורת על מחקרים מבוססי תרחיש היא תוקפו החיצוני. המשתתפים נוטים יותר להיות מעורבים הערכות קוגניטיביות מאשר הרגשיים בגלל האופי המלאכותי של התרחיש31. עם זאת, הממצאים חושפים כי צרכנים אשר תופסים את היתרונות של המוצר המותאם אישית להראות החזקה רגשית יותר למוצר, המציין כי הם יכולים להעריך הן היבטים קוגניטיביים ורגשיים של החוויה. מחקר זה מדמה חוויית רכישה בחיים האמיתיים באמצעות התרחיש המתואר. כתוצאה מכך, המשתתפים מראים מידה גבוהה יותר של מעורבות במצב הרכישה, ומשפרים את התקפות החיצוניות.
השלכות של SEM ו-LMA
מחקר זה מיישם את ה-SEM כדי לבדוק את הקשרים בין משתנים סמויים, והוא מנצל את ה-LMA עם MGCFA כדי להשוות את האמצעים של משתנים סמויים על פני שתי קבוצות צרכנים (קבוצות חדישות וחדשניות בצורה גבוהה). LMA דורש את ההיררכיה של בדיקות קבוע, אשר מעקב אחר צעדים קריטיים של (1) configural קבוע בדיקה, (2) מבחן קבוע מטרי, ו (3) בדיקה שיטתית. הודגש כי מחקר באיכות גבוהה צריך להחיל בדיקות קבוע לפני בדיקת SEM ו-LMA, מכיוון בדיקות קבוע יכול לתקן ולהעריך שגיאות מדידה בתוך כל משתנה נסתר, הערכת לבנות תוקף, ולהעריך את המדידה קבוע בין קבוצות13. התוצאות של השוואות משמעות יכולות להיות שונות בהתאם לניתוחי הנתונים שהוחלו, כגון ANOVA ו-MGCFA. אם קבוע המדידה אינו מחזיק, תוצאות סטטיסטיות של הבדלים ממוצע מ-ANOVA ו-MGCFA הופכים להיות שונים ולא חוקיים32.
מחקר זה מדגיש את החשיבות של בדיקות קבוע מדידה עבור השוואות הממוצע ומספק מידע על תחולתן של נוהלי בדיקה קבועה ו-LMA בנוגע למחקר על התנהגויות צרכנים. הקוראים צריכים להיות מסוגלים לבצע את הניתוחים שלהם בקלות. במקרה הצורך, הנחות הנוגעות לקבוע המדידה אינן משביעות רצון, וייתכן שלא יפורשו השוואות משמעות של משתנים סמויים. מסקנות המחקר של הבדלים מתכוון יכול להיות תוקף, כי הם מונחים על ידי הליך סטטיסטי מתוחכם כדי להבטיח קבוע מדידה. החוקרים צריכים להעריך קבוע מדידה ולבצע השוואות משמעות כדי להבטיח יושרה של מחקרים עתידיים.
למרות שמחקר זה מתמקד בהשוואות קבוצתיות מרובות, ההשוואות מוגבלות לבחון חילוקי דעות סמויים ואינם מטפלים בהבדלים קבוצתיים ביחסים בין משתנים סמויים. גישה חלופית להשוואות קבוצתיות מרובות היא להחיל מידול משוואות מבנה של קבוצות מרובות של MGSEM (MGSEM) ולהשוות את מקדמי הנתיב בין קבוצות. לשם כך, נדרשות בדיקות מדידות מדידה וההירארכיה של בדיקות שנווליות תהיה ישימה לצורך מחקר נוסף.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
. למחברים אין מה לגלות
Acknowledgments
הנתונים שונו מתוך המחקר של פארק ו יו29. עבודה זו נתמכת על ידי משרד החינוך של הרפובליקה של קוריאה והקרן הלאומית למחקר של קוריאה (NRF = 2016S1A5A2A03927809).
Materials
| Name | Company | Catalog Number | Comments |
| SPSS AMOS 22 | IBM Corporation, Data Solution Inc. | used for confirmatory factor analyses, structural equation modeling analyses, and latent means analyses |
References
- Srinivasan, S. S., Anderson, R., Ponnavolu, K. Customer loyalty in e-commerce: an exploration of its antecedents and consequences. Journal of Retailing. 78 (1), 41-50 (2002).
- Mouw, R. Biggest challenges of mass customization and tips for addressing these challenges. Manufacturing Tomorrow. , Available from: http://www.manufacturingtomorrow.com/article/2016/05/biggest-challenges-of-mass-customization-and-tips-for-addressing-these-challenges-/8047 (2005).
- Fiore, A. M., Lee, S. E., Kunz, G. Individual differences, motivations, and willingness to use a mass customization option for fashion products. European Journal of Marketing. 38 (7), 835-849 (2004).
- Pine, B. J., Gilmore, J. H. The Experience Economy: Work is Theater and Every Business a Stage. , Harvard Business School Press. Boston, MA. (1999).
- Yoo, J., Park, M. The effects of e-mass customization on consumer perceived value, satisfaction, and loyalty toward luxury brands. Journal of Business Research. 69 (12), 5775-5784 (2016).
- Endo, S., Kincade, D. H. Mass customization for long-term relationship development: why consumers purchase mass customized products again. Qualitative Market Research: An International Journal. 11 (3), 275-294 (2008).
- Spiegel, E. How the U.S. can be a leader in the factory of the future. , Available from: http://blogs.wsj.com/experts/2015/06/04/how-the-u-s-can-be-a-leader-in-the-factory-of-the-future (2015).
- Franke, N., Piller, F. T. Value creation by toolkits for user innovation and design: the case of the watch market. The Journal of Product Innovation Management. 21 (6), 401-415 (2004).
- Lavidge, R. J., Steiner, G. A. A model for predictive measurements of advertising effectiveness. Journal of Marketing. 25, 59-62 (1961).
- Deci, E. L. Intrinsic Motivation. , Plenum Press. New York, NY. (1975).
- Kim, H. W., Chan, H. C., Gupta, S. Value-based adoption of mobile internet: an empirical investigation. Decision Support System. 43 (1), 111-126 (2007).
- Rogers, E. M. Diffusion of Innovations, 4th Edition. , The Free Press. New York, NY. (1995).
- Fiore, A. M., Lee, S. E., Kunz, G. Individual differences, motivations, and willingness to use a mass customization option for fashion products. European Journal of Marketing. 38 (7), 835-849 (2004).
- Franke, N., Piller, F. T. Key research issues in user interaction with configuration toolkits in a mass customization system. International Journal of Technology Management. 26 (5/6), 578-599 (2003).
- Grisaffe, D. B., Nguyen, H. P. Antecedents of emotional attachment to brands. Journal of Business Research. 64 (10), 1052-1059 (2011).
- Lee, M. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electronic Commerce Research and Applications. 8 (3), 130-141 (2009).
- Pedeliento, G., Andreini, D., Bergamaschi, M., Salo, J. Brand and product attachment in an industrial context: the effects on brand loyalty. Industrial Marketing Management. 53, 194-206 (2016).
- Ilicic, J., Webster, C. M. Effects of multiple endorsements and consumer celebrity attachment on attitude and purchase intention. Australasian Marketing Journal. 19 (4), 230-237 (2011).
- Koo, G. Y., Hardin, R. Difference in interrelationship between spectators’ motives and behavioral intentions based on emotional attachment. Sport Marketing Quarterly. 17 (1), (2008).
- Kang, J. M., Kim, E. e-Mass customization apparel shopping: effects of desire for unique consumer products and perceived risk on purchase intentions. International Journal of Fashion Design, Technology and Education. 5 (2), 91-103 (2012).
- Kim, J. B., Rhee, D. The relationship between psychic distance and foreign direct investment decisions: a Korean study. International Journal of Management. 18 (3), 286-293 (2001).
- Simonson, I. Determinants of customers' responses to customized offers: conceptual framework and research propositions. Journal of Marketing. 69 (1), 32-45 (2005).
- Consumer behavior study reveals South Korean online shopping habits. FedEx. , Available from: http://about.van.fedex.com/newsroom/asia-english/consumer-behavior-study-reveals-south-korean-online-shopping-habits/ (2015).
- Iacobucci, D., Posavac, S. S., Kardes, F. R., Schneider, M. J., Popovich, D. L. Toward a more nuanced understanding of the statistical properties of a median split. Journal of Consumer Psychology. 25 (4), 652-665 (2015).
- Steenkamp, J. B. E. M., Baumgartner, H. Assessing measurement invariance in cross-national consumer research. Journal of Consumer Research. 25 (1), 78-90 (1998).
- Bollen, K. A. Structural Equation with Latent Variables. , Wiley. New York, NY. (1989).
- Sass, D. A. Testing measurement invariance and comparing latent factor means within a confirmatory factor analysis framework. Journal of Psychoeducational Assessment. 29 (4), 347-363 (2011).
- Hong, S., Malik, M. L., Lee, M. K. Testing configural, metric, scalar, and latent mean invariance across genders in sociotropy and autonomy using a non-western sample. Educational and Psychological Measurement. 63 (4), 636-654 (2003).
- Park, M., Yoo, J. Benefits of mass customized products: moderating role of product involvement and fashion innovativeness. Heliyon. 4, 00537 (2018).
- Neuman, W. L. Social Research Methods: Qualitative and Quantitative Approaches, 6th Edition. , Allyn and Bacon. Boston, MA. (2006).
- Kim, J. H., Jang, S. A scenario-based experiment and a field study: a comparative examination for service failure and recovery. International Journal of Hospitality Management. 41, 125-132 (2014).
- Hancock, G. R., Lawrence, F. R., Nevitt, J. Type I error and power of latent mean methods and MANOVA in factorial invariant and noninvariant latent variable systems. Structural Equation Modeling. 7 (4), 534-556 (2000).
