How Can Business Models and Customer Journeys Lead to Positive Customer Experiences in the Digital Age: Analysis Based on the Mixed Method of NCA and fsQCA
-
摘要: 数字化时代顾客体验方式发生了巨大变化，通过改善顾客体验吸引顾客成为企业提升竞争力的关键。现有研究大多关注单一要素对顾客体验的净效应，而忽视多要素对于顾客体验的组态效应。本文采用NCA与fsQCA混合方法，以服务型企业为对象，研究数字化(深度及广度)、商业模式(新颖性与效率性)与顾客旅程(主题连贯性、设计一致性及场景敏感性)等多因素组合引致顾客实用体验与享乐体验的多重路径。基于258份有效问卷的实证分析发现：简单追求数字化不一定能引致积极顾客体验；商业模式的高新颖性和高效率性有助于引致积极顾客体验，反之则易引致消极顾客体验；主题连贯性和场景敏感性“一高一低”的条件组合也能引致积极顾客体验；积极实用体验和积极享乐体验可同时发生。研究结论对于正确认识数字化的广度与深度对于顾客体验的差异化影响、科学有效地设计顾客旅程和不断优化商业模式具有一定理论与现实意义。Abstract: In the digital age, the way of customer experience has changed greatly. To attract customers by improving customer experience has become the key to enhance competitiveness of enterprises. Most of the existing studies focus on the net effect of a single factor on customer experience, but ignore the configuration effect of multiple factors on customer experience. This paper uses the mixed method of NCA and fsQCA to investigate the multiple paths of customer pragmatic experience and hedonic experience caused by the combination of multiple factors such as digitization (digital technology level and digital application scope), business model (novelty and efficiency) and customer journey (thematic coherence, consistency, and scene sensitivity). The empirical analysis based on 258 valid questionnaires found that simply pursuing digitalization does not necessarily lead to positive customer experience; the high novelty and efficiency of the business model contribute to the positive customer experience, while the negative customer experience is easily induced. The combination of "one high and one low" condition of thematic coherence and scene sensitivity can also lead to positive customer experience. Positive pragmatic experience and positive hedonic experience can occur simultaneously. These conclusions have certain theoretical and practical significance for the correct understanding of the breadth and depth of digitalization on the differentiated impact of customer experience, scientific and effective design of customer journey and continuous optimization of business models.
-
一、 引言
随着数字化技术的快速发展，顾客在购物、娱乐、学习和社交等领域越来越依赖于数字渠道，顾客体验方式由此发生重大转变，日益呈现出个性化、场景化和数字化的特点，由此恰当的顾客体验管理成为企业吸引顾客和提升绩效的关键所在。面对利润率增长、战略周期缩短和顾客期望提高带来的持续压力，企业在越来越多的场景中应用数字化技术，以期通过与顾客产生更多互动来增强顾客体验和满足顾客需求(沈鹏熠等，2022)[1]。数字化技术使企业得以利用数字平台及时采集到顾客数据，通过整合、筛选和分析数据，可设计出合适的顾客价值主张以及可动态调整的商业模式，达到改善顾客体验的目的(Miklosik和Evans，2020)[2]。在此过程中，若想维系存量顾客、提高顾客忠诚度并持续获取企业价值，对购前、购中到购后全旅程的顾客体验进行管理显得更为重要(Märtin等，2023)[3]。如大型商超增加线上购物模式，提供更为完善的售前咨询、购物指导、产品介绍、免费停车、商品退换等全旅程服务，可以满足顾客足不出户的购物需求。
企业通过数字化转型、商业模式创新和顾客旅程设计，促成数字化技术和实体经济融合以获得更优的顾客体验并非易事。现有文献大多采用定性或定量方法研究顾客体验与其影响因素间的线性关系，解决了单一因素是否是产生积极顾客体验的前因条件，但未能分析该因素对于特定类型顾客体验所具有的必要性，也未能阐述该条件与其他条件组合对于特定顾客体验所具有的充分性。鉴此，本文将同时引入必要条件分析(Necessary Condition Analysis，NCA)和模糊集定性比较分析(Fuzzy-set Qualitative Comparative Analysis，fsQCA)方法，以探索数字化时代影响顾客体验的单一前因条件的必要性水平及引致差异化顾客体验的前因组态，揭示引致积极顾客体验、消极顾客体验的多重路径。
二、 文献综述与研究框架构建
（一） 关于顾客体验
顾客体验是指顾客在整个消费旅程中与企业提供的一切触点互动时所获得的一种心理状态(Puccinelli等，2009)[4]。顾客体验包括认知、情感、感官、行为和关系等多个维度，具体的维度数量因顾客体验场景而异(Gentile等，2007；Nysveen等，2013)[5-6]。如Morgan-Thomas和Veloutsou(2013)[7]将在线品牌体验概念化为认知和情感两个维度；黄苏萍等(2023)[8]将顾客体验划分为功能和情感两个方面。还有研究者从实用体验和享乐体验两个角度分析顾客体验。所谓实用体验，是指顾客对于产品或服务本身效用的相关价值感知，包括节省购物时间成本、使用便利性等(张洪等，2022)[9]。当顾客实用体验感不强即感知实用价值与预期不符时，其付费的内生驱动力随之降低，继续购买行为意向弱化，最终会导致服务失败，不利于提升企业绩效(邢绍艳和朱学芳，2022)[10]。实用体验水平高时，顾客感知的产品或服务效用更高，产品或服务的功能和属性能更好地满足顾客需求，进而能带来更好的整体体验(田甜，2021)[11]。所谓享乐体验，是指顾客在整个购买过程中产生的愉悦、放松(Ahn等，2019)[12]、唤醒、好奇心和惊喜之感(Alba和Williams，2013)[13]，以及精神集中和对互动过程的兴趣程度。体验能赋予顾客感知价值，当感知价值超过期望时，顾客容易产生满意情绪，反之则会产生负面情绪(付方达，2021)[14]。体验兼具娱乐性和情感性，能为顾客带来效用体验之外的享乐体验(王艺璇和安真真，2021)[15]。由此可见，实用体验和享乐体验作为顾客体验的两个方面，二者之间存在复杂的相互关系，有必要去探索两者形成路径的异同。
当今时代数字化已成为传统服务企业适应潮流、适应不断变化的市场需求和商业环境的重要手段(武常岐等，2022)[16]。企业将数字化技术应用到设计、生产、营销、服务和管理等各个环节，通过改变现有商业模式，能显著提升顾客在产品或服务生产过程中的参与度，能更好地满足顾客的个性化需求(许华和宋琦，2021)[17]。数字化时代商业模式的转变体现在与顾客旅程的交汇之处(Lemon和Verhoef，2016)[18]，令顾客体验与数字化、商业模式、顾客旅程的关系产生了许多新的特点。
（二） 关于数字化与顾客体验
企业数字化的过程是企业使用数字化技术全面改进顶层战略、运营管理、生产制造、组织架构和资源基础的变革性过程(Warner和Wäger，2019)[19]，主要体现在产出数字化、流程数字化以及组织数字化等方面。企业在一个新型的数字化商业环境中发展出新的商业模式和新的核心竞争力，有助于更深入地了解顾客，并通过互动为顾客提供个性化体验，进而建立更牢固的顾企关系。
企业数字化发展体现在数字化深度和数字化广度两个方面(杨震宁等，2021)[20]。其中，数字化深度是指企业对移动互联网、物联网和即时通讯等各类数字化技术应用的层级水平。企业利用数字化技术不仅能够打破各部门之间的信息壁垒，改善跨部门、跨组织的交流水平(毛倩等，2021)[21]，提升企业创新水平和商业模式运行效率，还能经由数字化改善或催生的接触点与顾客保持实时互动，通过识别、收集、分析和处理互动数据，及时了解顾客的个性化需求，动态调整资源配置，为顾客创造个性化体验(胡宇辰等，2023)[22]。数字化广度是指企业对各类数字化技术应用的领域、覆盖面和范围。数字化技术应用可以增加新产品和服务组合的可能性，促进产品、服务及研发流程的创新。基于数字化技术建立的数字化连接能突破组织边界，因而还可能导致企业面临不同领域的竞争(陈怀超等，2023)[23]，为应对竞争压力，企业会将数字化技术融入创新的各个流程，以增强自身持续变革的能力，进而提高数字化创新水平。
（三） 关于商业模式与顾客体验
商业模式是跨越焦点厂商边界的一个相互依赖的活动系统，它描述了一个商业单元(组)如何为顾客创造价值并从中捕获价值的逻辑和方式(Zott和Amit，2007)[24]。好的商业模式能提高特定商业单元创造的总价值，进而有助于提升企业竞争优势和企业绩效(罗兴武等，2018)[25]。商业模式创新可从根本上改变顾客体验，但却不能保证顾客体验一定会有所改善。
能创造高水平企业绩效的商业模式具有某些共同的关键属性。如Amit和Zott(2001)[26]识别出商业模式的新颖性、锁定性、互补性与效率性是新创电子商业企业价值创造的源泉；江积海(2014)[27]将商业模式价值创造的属性归纳为一致性、新颖性、效率性和可持续性；罗兴武等(2018)[25]指出商业模式的新颖性和效率性是组织合法性的重要来源，等等。所谓商业模式的新颖性，是指交易活动系统所体现的创新程度，如使用新颖的方法开展业务活动、以新的方式连接合作伙伴等(Zott和Amit，2010)[28]。新颖性商业模式意味着构成商业模式架构的参与者、活动和交易不同，或与同行的商业模式架构配置不同。面对激烈的市场竞争和日益挑剔的顾客需求，更具新颖性的商业模式能帮助企业吸引更多流量，为顾客提供个性化体验并打造独特的竞争优势。所谓商业模式效率性，是指通过变革交易活动系统所带来的组织跨越边界活动的交易效率提高、成本节约[28]。效率性商业模式可简化交易流程，降低交易不确定性(魏泽龙等，2019)[29]。通过重新整合资源、优化升级组织架构、简化沟通交易流程等，能提高企业与合作伙伴之间、企业与顾客之间和企业员工之间的信息透明度与共享度，帮助企业实现降本增效，提升全旅程的顾客体验。
（四） 关于顾客旅程与顾客体验
顾客旅程描述了购买全周期中顾客与提供商之间的模式和多种直接或间接的交互[18]。顾客通过不计其数的接触点(可能存在于多种媒介和渠道中)使得体验更具社会化。潜在顾客接触点的增加和对体验控制的减少，要求企业整合包括信息技术、服务运营、物流、营销、人力资源甚至外部合作伙伴在内的多种业务功能，以创造和提供积极顾客体验。
顾客旅程包含了众多与顾客产生互动的接触点，企业通过设计具有主题连贯性(thematically cohesive)、设计一致性(design consistent)和场景敏感性(context sensitive)的有效的顾客旅程，可提升顾客在整个购买阶段的体验(Kuehnl等，2019)[30]。所谓主题连贯性，是指顾客将特定顾客旅程中的全部接触点视为共享一个共同品牌主题的程度。高主题连贯性有利于顾客将品牌与其特定生活方式、活动或愿望联系起来，因此，当顾客旅程中添加的新接触点与现有接触点表现出高度的主题连贯性时，有助于促进顾客在消费旅程中保持感知价值的连续性。所谓设计一致性，是指顾客感知特定顾客旅程中的全部接触点在语言、沟通信息、交互行为、流程和导航逻辑等方面品牌设计统一的程度[30]。高设计一致性能降低顾客体验的渠道差异(高伟等，2019)[31]，为触发顾客价值共创提供更大的可能性。所谓场景敏感性，是指顾客感知到的顾客旅程中的全部接触点对自己目标、情境、偏好和活动的响应性和适应性程度。场景敏感性越高，越有助于顾客与旅程中的各个接触点产生个性化交互[30]，进而能更有效地满足顾客的多元化和深层次需求，提高顾客黏性[31]。
（五） 本文研究框架
已有文献对影响顾客体验的前因展开了较为详尽的探索，发现数字化(唐健雄等，2023)[32]、商业模式(郑锐洪和杨蕾，2012)[33]和顾客旅程(Addis，2016)[34]均是影响顾客体验的重要前因变量，因而数字化时代的顾客体验是这三个要素复杂组合作用的结果。基于此，本文将从组态视角分析引致积极顾客体验和消极顾客体验的差异化路径。具体研究框架如图 1所示。
三、 研究设计
（一） 研究方法
传统的统计分析方法关注因果之间的线性关系，无法清晰判断前因之间的复杂组态效应。多元回归虽能探索变量之间的交互作用，但当变量过多(如超过3个)时，变量间复杂的多元共线性会使结果过于复杂且难以解释。比较而言，fsQCA方法聚焦于输出导致特定结果发生的前因条件组态(若干路径)，这些前因条件组态具有关系不对称性、多重等效性和因果复杂性等特点(杜运周和贾良定，2017)[35]，因而本文选择更能系统考察特定结果成因的fsQCA方法，用于求解引致数字化时代积极和消极顾客体验的差异化多重路径。
一般而言，一个条件若为必要条件，则结果出现时此条件必出现。换言之，若必要条件没出现，特定结果就必然不会发生。传统的数据分析方法(如相关或多元回归方法)不适合测试或归纳必要与充分因果关系，NCA是一种识别数据集中必要条件的方法和分析技术(Dul，2016)[36]，能识别引致特定水平的结果所需要的条件水平，因而本文采用NCA与fsQCA相结合的方法，以使研究结果将更为可信。
（二） 数据来源
本文的研究主题为数字化时代企业商业模式创新和顾客旅程设计对顾客体验的影响，因而调查样本锚定信息技术服务、餐饮、旅游和批发零售等领域的顾客。以问卷调查法收集相关研究数据，数据收集时间段为2023年5月初至2023年8月底。研究共发放问卷329份，剔除回答内容相互矛盾、填写时间过短、选项全部相同及错填漏填等问卷后，共得到有效问卷258份，回收率为78.1%。其中男性139人，占比53.9%；女性119人，占比46.1%；26~35岁的人最多，占比38.4%；月收入基本分布在5 001~10 000元人民币。样本具体特征见表 1。
表 1 样本基本特征(N=258)变量 类别 频率 百分比(%) 性别 男 139 53.9 女 119 46.1 年龄 25岁及以下 27 10.5 26~35岁 99 38.4 36~45岁 76 29.5 46岁及以上 56 21.7 学历 大专及以下 23 8.9 大学本科 188 72.9 硕士及以上 47 18.2 收入 3 000元人民币以下 1 0.4 3 001~5 000元人民币 13 5.0 5 001~10 000元人民币 219 84.9 10 000元人民币以上 25 9.7 （三） 变量测量
为保证问卷的信度和效度，本文采用国内外成熟量表设计题项，对专家、企业高管进行预测试后作了进一步修改和完善，以确保受访者能准确无误地理解问卷内容。所有量表测量均采用李克特5级量表打分，以1~5分表示与真实情况相符合的程度。图 1中的各个变量均采用熵值法处理，得出每个变量在各题项中的权重，从而获得每一个案例在每一个变量上的熵值。
1.顾客体验。参考Yin和Qiu(2021)[37]的成熟量表，从实用体验和享乐体验两个维度测量顾客体验。其中，实用体验以“该企业为我节省了更多的时间和成本”等5个题项测量，享乐体验以“该企业的产品或服务使我感觉很开心”等3个题项测量。
2.数字化。参考杨震宁等(2021)[20]的成熟量表，从数字化深度和数字化广度两个维度测量数字化水平。其中，数字化深度以“该企业对大数据技术的采纳程度很高(如大数据库、数据分析技术等)”等7个题项测量，数字化广度以“该企业为我提供大量数字产品或服务”等5个题项测量。
3.商业模式。参考Zott和Amit(2007)[24]的成熟量表，从商业模式新颖性与效率性两个维度测量商业模式。其中，商业模式新颖性以“该企业通过数字化技术为我带来全新体验的产品与服务”等4个题项测量，商业模式效率性以“该企业涉及与我之间的交易较简单、便捷”等4个题项测量。
4.顾客旅程。参考Kuehnl等(2019)[30]的成熟量表，从主题连贯性、设计一致性和场景敏感性三个方面测量顾客旅程。其中，主题连贯性以“该企业在不同的接触点上能够给人留下统一的印象”等4个题项测量，设计一致性以“该企业的接触点均以主题为基础”等4个题项测量，场景敏感性以“该企业能够考虑到顾客的具体活动、兴趣或需求”等4个题项测量。
（四） 信度与效度分析
为检验问卷变量量表的信度，先通过SPSS 26.0计算得出各个变量的Cronbach′s α系数，再采用AMOS 26.0和EXPS软件计算出各个变量的CR值。表 2的结果显示，各变量量表的Cronbach′s α系数均大于0.70，且CR值均大于0.60。表明问卷量表具有良好信度。
表 2 信度分析(N=258)变量 Cronbach′s α系数 CR 数字化深度 0.859 0.868 数字化广度 0.897 0.892 商业模式新颖性 0.874 0.884 商业模式效率性 0.869 0.876 主题连贯性 0.891 0.894 设计一致性 0.831 0.842 场景敏感性 0.872 0.876 实用体验 0.885 0.893 享乐体验 0.824 0.839 为验证问卷变量量表的聚合效度，采用SPSS 26.0软件计算出各个变量的CR值和AVE值，并与普遍接受的标准进行比较。表 3显示，问卷各个变量量表的AVE值均大于0.50，且CR值均大于0.70，说明调查问卷量表具有良好的聚合效度。
表 3 聚合效度分析(N=258)变量 CR AVE 数字化深度 0.868 0.561 数字化广度 0.892 0.627 商业模式新颖性 0.884 0.660 商业模式效率性 0.876 0.644 主题连贯性 0.894 0.683 设计一致性 0.842 0.578 场景敏感性 0.876 0.644 实用体验 0.893 0.630 享乐体验 0.839 0.643 区分效度主要用于检验问卷量表能否区分为不同因素的效度。由于调查问卷使用的均为成熟量表，因此可通过验证性因子分析检验区分效度，其衡量标准主要有比较拟合指数(Comparative Fit Index，CFI)、Tucker-Lewis指数(Tucker-Lewis Index，TLI)、卡方(χ2)及自由度(χ2/df)等。一般认为，当CFI值和TLI值大于0.90、RMSEA值小于0.08且χ2/df值小于3时，问卷量表具有良好的区分效度。采用AMOS 26.0软件对问卷量表进行验证性因子分析，表 4的结果显示，各量表的χ2/df、RMSEA、CFI、TLI均满足上述标准。
表 4 模型拟合指标指标 χ2/df GFI RMSEA IFI TLI CFI 判断标准 ＜3 >0.8 ＜0.10 >0.9 >0.9 >0.9 统计值 1.104 0.877 0.020 0.989 0.987 0.988 AVE平方根值可以说明因子的聚合性，相关系数则能反映各因子之间的相关关系。若因子的聚合性明显高于因子间相关系数的绝对值，则说明问卷设计具有良好的区分效度。为保证结果的准确性和严谨性，利用AMOS 26.0进行验证性因子分析，以比较Pearson相关系数与AVE平方根值。表 5的结果显示，本文问卷量表具有良好的区分效度。
表 5 Pearson相关系数与AVE平方根值变量 1 2 3 4 5 6 7 8 9 数字化深度 0.702 数字化广度 0.504 0.792 商业模式新颖性 0.462 0.281 0.812 商业模式效率性 0.477 0.234 0.269 0.802 主题连贯性 0.504 0.327 0.283 0.234 0.826 设计一致性 0.457 0.237 0.262 0.228 0.264 0.760 场景敏感性 0.458 0.270 0.277 0.285 0.373 0.249 0.803 实用体验 0.522 0.395 0.355 0.331 0.434 0.223 0.465 0.794 享乐体验 0.427 0.267 0.312 0.198 0.220 0.180 0.196 0.206 0.802 注：斜对角线数字为AVE平方根值。 （五） 变量校准
fsQCA校准是基于特定的校准函数、将所有变量值转换为0~1区间的数值并赋予案例在各个变量上隶属度的数据标定方式[35]。遵循主流QCA研究，采用直接法将原始数据校准为模糊集隶属值矩阵，使用客观分位数值确定3个定性锚点的位置(张明等，2019)[38]。结合实际数据分布情况，确定数字化深度、数字化广度、商业模式新颖性、商业模式效率性、主题连贯性、设计一致性、场景敏感性、实用体验、享乐体验的完全隶属阈值为95%、交叉点阈值为50%、完全不隶属阈值为5%。校准后位于交叉点(0.5)的样本不能被纳入真值表分析，可以根据需要修正为0.501或者0.499(Fiss，2011)[39]，因而本文将校准后恰为0.5的样本数值统一修正为0.501，所得研究结果和前因条件的校准锚点见表 6。
表 6 结果和条件的校准锚点变量 阈值 完全隶属 交叉点 完全不隶属 数字化深度 0.881 0.782 0.187 数字化广度 0.920 0.794 0.196 商业模式新颖性 0.939 0.750 0.158 商业模式效率性 0.940 0.767 0.178 主题连贯性 0.945 0.769 0.176 设计一致性 0.937 0.805 0.185 场景敏感性 0.948 0.802 0.179 实用体验 0.951 0.799 0.198 享乐体验 0.351 0.281 0.054 通过以上锚点将原始数据校准为模糊集隶属值矩阵，再借助软件fsQCA的真值表算法得到逻辑上可能的条件组合、所包含的案例数量及原始一致性值等，据此可展开后续研究。
四、 实证分析
（一） 单个条件的必要性分析
NCA不仅可以识别某个条件是否构成期望结果的必要条件，还可进一步分析该条件的必要性效应量。必要性效应量(d)的取值范围为0~1，数值越大代表效应越大。具体而言，d＜0.1代表低水平效应，0.1≤d＜0.3代表中等效应，0.3≤d＜0.5代表大效应，d≥0.5代表非常大的效应(杜运周等，2020)[40]。若某条件的必要性效应量为中等及以上，且使用蒙特卡洛仿真置换检验表明该效应量显著，则NCA方法认为该条件即为结果的一个必要条件。
统计与数据分析R软件的NCA包提供了上限回归(Ceiling Regression，CR)和上限包络(Ceiling Envelopment，CE)两种估计方法，分别用于处理连续变量和离散变量。采用NCA方法判定必要条件需要满足效应量(d)＞0.1，且蒙特卡洛仿真置换检验显著(p＜0.05)。表 7和表 8分别呈现了使用CR与CE方法得到的必要性相关指标结果。可以看出，7个前因变量均不是顾客体验的必要条件。
表 7 实用体验的必要条件分析条件 结果 方法 精确度(%) 上限区域 范围 效应量 P值 数字化深度 实用体验 CR 99.4 0.007 0.92 0.007 0.352 CE 100 0.010 0.92 0.011 0.157 数字化广度 实用体验 CR 100 0.000 0.92 0.000 1.000 CE 100 0.000 0.92 0.000 1.000 商业模式新颖性 实用体验 CR 99.0 0.007 0.92 0.007 0.123 CE 100 0.008 0.92 0.008 0.106 商业模式效率性 实用体验 CR 100 0.000 0.85 0.000 1.000 CE 100 0.000 0.85 0.000 1.000 主题连贯性 实用体验 CR 99.4 0.006 0.90 0.007 0.175 CE 100 0.009 0.90 0.011 0.060 设计一致性 实用体验 CR 99.4 0.007 0.92 0.007 0.352 CE 100 0.010 0.92 0.011 0.157 场景敏感性 实用体验 CR 100 0.000 0.92 0.000 1.000 CE 100 0.000 0.92 0.000 1.000 注：各条件值为校准后的模糊集隶属度值；NCA分析中的置换检验(permutation test)的重抽次数为10000次，下同。 表 8 享乐体验的必要条件分析条件 结果 方法 精确度(%) 上限区域 范围 效应量 P值 数字化深度 享乐体验 CR 96.5 0.049 0.95 0.052 0.037 CE 100 0.029 0.95 0.031 0.000 数字化广度 享乐体验 CR 99.4 0.008 0.95 0.009 0.124 CE 100 0.012 0.95 0.013 0.092 商业模式新颖性 享乐体验 CR 99.4 0.015 0.95 0.016 0.188 CE 100 0.022 0.95 0.023 0.013 商业模式效率性 享乐体验 CR 99.7 0.004 0.87 0.004 0.787 CE 100 0.005 0.87 0.006 0.775 主题连贯性 享乐体验 CR 99.7 0.013 0.93 0.014 0.285 CE 100 0.009 0.93 0.010 0.369 设计一致性 享乐体验 CR 96.5 0.049 0.95 0.052 0.037 CE 100 0.029 0.95 0.031 0.000 场景敏感性 享乐体验 CR 99.4 0.008 0.95 0.009 0.124 CE 100 0.012 0.95 0.013 0.092 表 9和表 10报告了瓶颈水平分析结果，即为实现在某一水平(%)的预期结果所需前因条件的最低水平(%)。如表 9显示，若要实现80%的顾客实用体验水平，需要2.5%水平的数字化深度、8.4%水平的商业模式新颖性和14.2%水平的主题连贯性。此时数字化深度、商业模式新颖性和主题连贯性是必要条件，但要素不是必要条件。
表 9 实用体验的瓶颈水平分析% 实用体验 数字化深度 数字化广度 商业模式新颖性 商业模式效率性 主题连贯性 设计一致性 场景敏感性 0 NN NN NN NN NN NN NN 10 NN NN NN NN NN NN NN 20 NN NN 0.5 NN NN NN NN 30 NN NN 1.8 NN 1.5 NN NN 40 0.4 NN 3.1 NN 4.1 NN NN 50 0.9 NN 4.4 NN 6.6 NN NN 60 1.5 NN 5.8 NN 9.1 NN NN 70 2.0 NN 7.1 NN 11.7 NN NN 80 2.5 NN 8.4 NN 14.2 NN NN 90 3.0 10.2 9.7 NN 16.7 NN NN 100 3.5 22.9 11.1 31.6 19.2 NN NN 注：NN表示不必要，下表同。 表 10 享乐体验的瓶颈水平分析% 享乐体验 数字化深度 数字化广度 商业模式新颖性 商业模式效率性 主题连贯性 设计一致性 场景敏感性 0 NN NN NN NN NN NN NN 10 NN NN NN NN NN NN NN 20 0.5 NN NN NN NN NN NN 30 1.8 NN NN NN NN NN NN 40 3.1 NN NN NN NN 0.4 NN 50 4.4 NN NN NN NN 0.9 NN 60 5.8 NN NN NN NN 1.5 NN 70 7.1 NN NN NN NN 2.0 NN 80 8.4 NN NN NN NN 2.5 NN 90 9.7 10.2 NN NN NN 3.0 10.2 100 11.1 22.9 NN 31.6 NN 3.5 22.9 （二） 求解实用体验的前因组态
案例频数阈值需要根据案例总量、案例的组态分布结构(杜运周和贾良定，2017)[35]以及研究者对全部案例的熟悉程度(陶克涛等，2021)[41]等来确定。本文基于案例的组态分布结构、解的一致性与覆盖率的平衡，参考杜运周等(2020)[40]的研究设定，设置引致积极实用体验的案例频数阈值为1、行的一致率阈值为0.8、PRI(不一致性的比例减少)阈值为0.8，设置引致消极实用体验的案例频数阈值为1、行的一致性阈值为0.8、PRI阈值为0.55。采用fsQCA软件4.1版本计算得出引致积极实用体验的4条路径和引致消极实用体验的4条路径，具体如表 11所示。
表 11 实用体验的组态分析前因变量 积极实用体验 消极实用体验 H1 H2 H3a H3b L1 L2 L3 L4 数字化深度 Y Y N N n n N Y 数字化广度 y Y Y N N Y N 商业模式新颖性 Y Y y y N n n 商业模式效率性 N y Y Y N N N 主题连贯性 Y y N N N Y 设计一致性 y Y Y Y N N N n 场景敏感性 Y Y N y N N Y N 原始覆盖率 0.209 0.430 0.193 0.221 0.457 0.463 0.299 0.245 独特覆盖率 0.033 0.242 0.025 0.037 0.022 0.028 0.055 0.025 一致率 0.915 0.897 0.904 0.907 0.929 0.940 0.961 0.951 解的覆盖率 0.551 0.572 解的一致率 0.903 0.915 注：H、L代表具体组态或路径，Y/y表示“发生/强/高水平(条件值为1)”，N/n表示“未发生/弱/低水平(条件值为0)”，Y、N表示“核心条件”，y、n表示“边缘/外围条件”，空白表示“无关”，下同。fsQCA方法中，覆盖率表示在特定结果(如积极实用体验)发生的全部个案中走特定路径(如H1)的个案比例；一致率表示特定路径(如H1)或解引致特定结果(如积极实用体验)的可能性。 1.引致积极实用体验的组态分析。表 11显示，共有4个前因组态(路径)引致积极实用体验，单个组态的一致率分别为0.915、0.897、0.904、0.907，整体解的一致率为0.903，因而这些前因组态和解的一致率均大于0.80。解的覆盖率为55.1%，即可解释获得积极实用体验的全部路径的55.1%，这意味着还有部分路径基于当前的案例、计算规则没被识别出来。基于4个组态中的核心条件与边缘条件的分布特征，本文将引致积极实用体验的路径分别命名为“高数字化深度-低商业模式效率性路径(组态H1)”“顾客旅程三高属性路径(组态H2)”和“低数字化深度-高商业模式效率性路径(组态H3a与组态H3b)”。
(1) 高数字化深度-低商业模式效率性路径。组态H1以高数字化深度、高商业模式新颖性、低商业模式效率性、高场景敏感性为核心条件，高数字化广度、高设计一致性为边缘条件。与其他3个路径相比，组态H1的独特性在于高数字化深度和低商业模式效率性。数字化技术不仅能够帮助企业在短时间内开发和迭代新产品，还能通过AI、云计算等技术提高其服务的个性化与智慧化程度(贾少谦和单宇，2024)[42]，提升商业模式新颖性和场景敏感性，更好优化顾客体验。或许是因为高数字化深度和高场景敏感性，此路径中的商业模式效率性低。
(2) 顾客旅程三高属性路径。组态H2以高数字化深度、高商业模式新颖性、高主题连贯性、高设计一致性和高场景敏感性为核心条件，高商业模式效率性为边缘条件。与其他路径相比，组态H2的独特性在于顾客旅程维度下的3个条件值水平高，反映顾客旅程中接触点安排对于构建高满意度顾客体验的重要性。多种类数字化技术的广泛、深度应用，使企业能够更加清晰地感知顾客在顾客旅程中各接触点差异化场景中的行为与情绪，有利于及时根据顾客反馈调整接触点安排(邹波等，2023)[43]，为产生积极顾客体验提供保障。
(3) 低数字化深度-高商业模式效率性路径。与其他路径相比，组态H3a和H3b共同且独特的核心条件包括低数字化深度、高数字化广度和高商业模式效率性，共同且独特的边缘条件为高商业模式新颖性。这与组态H1中的高数字化深度、低商业模式效率性组合形成了鲜明对比。某种程度上，低数字化深度和高数字化广度的情境下，顾客更容易参与到商业模式的各个环节中，更有利于提升商业模式效率性和弥补低数字化深度的不足。
2.引致消极实用体验的组态分析。表 11显示，共有4条路径引致消极实用体验。组态L1表达式为“低数字化深度*低数字化广度*低商业模式效率性*低主题连贯性*低设计一致性*低场景敏感性”，该路径导致消极实用体验的一致率为92.9%、覆盖率为45.7%。路径L2表达式为“低数字化深度*低数字化广度*低商业模式新颖性*低主题连贯性*低设计一致性*低场景敏感性”，该路径导致消极实用体验的一致率为94.0%、覆盖率为46.3%。组态L3的表达式为“低数字化深度*高数字化广度*低商业模式新颖性*低商业模式效率性*低设计一致性*高场景敏感性”，该路径导致消极实用体验的一致率为96.1%、覆盖率为29.9%。路径L4表达式为“高数字化深度*低数字化广度*低商业模式新颖性*低商业模式效率性*高主题连贯性*低设计一致性*低场景敏感性”，该路径导致消极实用体验的一致率为95.1%、覆盖率为24.5%。
（三） 求解享乐体验的前因组态
参考杜运周和贾良定(2017)[35]的研究，设置引致积极享乐体验的频数阈值为1、行的一致率阈值为0.8、PRI一致率阈值为0.8，设置引致消极享乐体验频数阈值为1、行的一致率阈值为0.8、PRI一致率阈值为0.55，采用fsQCA软件4.1版本计算得到引致积极享乐体验的4条路径和引致消极享乐体验的3条路径，具体如表 12所示。
表 12 享乐体验的组态分析前因变量 积极享乐体验 消极享乐体验 M1 M2a M2b M3 N1 N2 N3 数字化深度 y Y Y y Y 数字化广度 y Y Y Y Y N 商业模式新颖性 y y y Y N N n 商业模式效率性 y Y Y Y N n N 主题连贯性 y N y N Y 设计一致性 y Y Y Y Y n 场景敏感性 N y Y y y Y 原始覆盖率 0.491 0.221 0.251 0.426 0.257 0.233 0.256 独特覆盖率 0.040 0.013 0.030 0.035 0.021 0.008 0.042 一致率 0.923 0.888 0.881 0.929 0.961 0.961 0.959 解的覆盖率 0.588 0.318 解的一致率 0.917 0.952 1.引致积极享乐体验的组态分析。根据表 12中各路径核心条件与边缘条件的分布结构和特征，将引致积极享乐体验的4条路径归纳为边缘条件主导型(M1)、高数字化广度-无关深度型(M2a和M2b)和高数字化深度-无关广度型(M3)三种类型。
(1) 边缘条件主导型路径。组态M1中，数字化深度、数字化广度、商业模式新颖性、商业模式效率性和设计一致性均处于高水平状态，但均为边缘条件，无核心条件，这说明没有核心条件也能产生积极享乐体验。另外需要注意的是，该路径中主题连贯性、场景敏感性对于积极享乐体验的影响均是无关变量，这也是此路径的鲜明特点。
(2) 高数字化广度-无关深度型路径。组态M2a和M2b共同的核心条件包括高数字化广度、高商业模式效率性和高设计一致性，共同的边缘条件为高商业模式新颖性。相比其他路径，组态M2a和M2b的鲜明特色在于高数字化广度，且数字化深度与积极享乐体验无关。
(3) 高数字化深度-无关广度型路径。组态M3中，高数字化深度、高商业模式新颖性、高商业模式效率性、高接触点一致性和高场景敏感性为核心条件，高主题连贯性为边缘条件。相比其他路径，组态M3的鲜明特色在于高数字化深度，且数字化广度与积极享乐体验无关。该路径还反映商业模式创新是提升顾客体验、降本增效的有效手段(侍姝雯等，2024)[44]。
2.引致消极享乐体验的组态分析。表 12显示引致消极享乐体验的路径有3条。其中，组态N1的表达式为“高数字化深度*数字化广度*低商业模式新颖性*低商业模式效率性*低主题连贯性*高场景敏感性”，该路径导致消极享乐体验的一致率为96.1%、覆盖率为25.7%；路径N2的表达式为“高数字化深度*高数字化广度*低商业模式新颖性*低商业模式效率性*高设计一致性*高场景敏感性”，该路径导致消极享乐体验的一致率为96.1%、覆盖率为23.3%；组态N3的表达式为“高数字化深度*低数字化广度*低商业模式新颖性*低商业模式效率性*高主题连贯性*低设计一致性*高场景敏感性”，该路径导致消极享乐体验的一致率为95.9%、覆盖率为25.6%。
（四） 稳健性检验
评估QCA结果的稳健性至少需要厘清两层概念：相关结果指标和可能改变这些指标的操作选择。为此，首先考察相关结果指标在不同操作选择下是否有显著变化；其次看不同模型即不同操作选择下所得的解，若是具有与原始模型相似的条件组合、一致性和覆盖率，则认为该解具有稳健性(Schneider和Wagemann，2012)[45]。稳健性分析中的“相似”，是指具有明确子集关系和参数的解，因而无需给出实质性不同的解释。
为此，先对实用体验和享乐体验的前因组态进行稳健性检验，将行的一致性阈值从0.8调整至0.85，运行结果基本一致。再将案例频数阈值从1调整为2，产生的组态是案例频数为1时所得出的组态的子集。如表 13和14的结果显示，本文构建的QCA分析模型具有稳健性。
表 13 实用体验组态的稳健性检验前因变量 调整一致性阈值为0.85 调整样本数阈值为2 H1′ H2′ H3a′ H3b′ H1″ H2″ H3a″ H3b″ 数字化深度 Y Y N N Y Y N N 数字化广度 y Y Y y Y Y 商业模式新颖性 Y Y y y Y y y y 商业模式效率性 N y Y Y N y Y Y 主题连贯性 Y y N Y y n 设计一致性 n Y Y Y n y y y 场景敏感性 Y Y N y n Y n y 原始覆盖率 0.209 0.430 0.193 0.221 0.209 0.430 0.193 0.221 独特覆盖率 0.033 0.242 0.025 0.037 0.033 0.242 0.025 0.037 一致率 0.915 0.897 0.904 0.907 0.915 0.897 0.904 0.907 解的覆盖率 0.551 0.551 解的一致率 0.903 0.903 表 14 享乐体验组态的稳健性检验前因变量 调整一致性阈值为0.85 调整样本数阈值为2 M1′ M2a′ M2b′ M3′ M1″ M2a″ M2b″ M3″ 数字化深度 y Y y y 数字化广度 y Y Y y y y 商业模式新颖性 y y y Y Y Y Y Y 商业模式效率性 y Y Y Y Y Y Y Y 主题连贯性 y N y y n y 设计一致性 y Y Y Y y y y y 场景敏感性 N y Y n y y 原始覆盖率 0.491 0.221 0.251 0.426 0.491 0.221 0.251 0.426 独特覆盖率 0.040 0.013 0.030 0.035 0.040 0.013 0.030 0.035 一致率 0.923 0.888 0.881 0.929 0.923 0.888 0.881 0.929 解的覆盖率 0.588 0.588 解的一致率 0.917 0.917 五、 结论与启示
（一） 研究结论
本文创造性地选择数字化、商业模式和顾客旅程3个视角识别出7个前因变量，采用NCA与fsQCA混合方法分别探索了引致积极实用体验、消极实用体验、积极享乐体验和消极享乐体验的前因组态，得出如下研究结论。
1.简单追求数字化不完全能引致积极顾客体验。引致积极实用体验和积极享乐体验的8条路径中，同为高数字化深度和高数字化广度的路径只有2条，有4条路径反映出数字化深度或数字化广度对于顾客体验是一个无关影响变量，积极实用体验的两条路径中还存在“低数字化深度”的条件。引致消极实用体验和消极享乐体验的7条路径中，更是有4条存在“高数字化深度”或“高数字化广度”的条件，说明脱离现实、一味追求深层次的数字化并不一定引致积极顾客体验。
2.商业模式高新颖性和高效率性有助于引致积极顾客体验，反之则会引致消极体验。引致积极实用体验和积极享乐体验的路径共8条，同为高商业模式新颖性和高商业模式效率性的路径共有7条，占比87.5%；引致消极实用体验和消极享乐体验的路径共7条，均没有出现“高商业模式新颖性”或“高商业模式效率性”的条件。尤其是引致积极享乐体验的4条路径均存在“高商业模式新颖性”且“高商业模式效率性”条件；引致消极享乐体验的3条路径均存在“低商业模式新颖性”且“低商业模式效率性”条件。这与现有大量文献对商业模式新颖性、效率性与顾客体验线性正相关的假设颇为一致[28]。
3.主题连贯性和场景敏感性“一高一低”的条件组合也能引致积极顾客体验。引致积极实用体验的两条路径H3a和H3b中，H3a存在“高主题连贯性”且“低场景敏感性”的条件组合，而H3b存在“低主题连贯性”且“高场景敏感性”的条件组合。同样，引致积极享乐体验的两条路径M2a和M2b中，M2a存在“高主题连贯性”且“低场景敏感性”的条件组合，而M2b存在“低主题连贯性”且“高场景敏感性”的条件组合。一般而言，顾客旅程接触点的高主题连贯性有助于顾客更易理解企业提供的产品/服务意图，将企业与其特定的生活方式、活动或期望联系起来；高场景敏感性有助于企业提供适合个体顾客场景的个性化顾客旅程，并帮助顾客根据当前的场景、偏好或活动更轻松地与多个品牌拥有的接触点交互[30]。特定情境下，主题连贯性和场景敏感性只需其中一个表现为高水平状态，另一个即使表现为低水平状态，也能引致积极的实用体验或享乐体验。
4.积极实用体验和积极享乐体验可同时发生。表 11中的H2路径和表 12中的M3路径，表达式均为“高数字化深度*高商业模式新颖性*高商业模式效率性*高主题连贯性*高设计一致性*高场景敏感性”，此时积极实用体验和积极享乐体验同时发生。表 11中H3b路径为“低数字化深度*高数字化广度*高商业模式新颖性*高商业模式效率性*低主题连贯性*高设计一致性*高场景敏感性”，表 12中M2b路径为“高数字化广度*高商业模式新颖性*高商业模式效率性*高主题连贯性*高设计一致性*高场景敏感性”，此时积极实用体验和积极享乐体验同时发生，“数字化深度”是一个无关条件变量。
（二） 管理启示
数字化时代，企业商业模式创新和顾客旅程设计的不同属性对构建顾客体验的作用不尽相同。实践中，企业管理人员需明晰不同关键属性组合对构建差异化顾客体验的影响路径，进而能根据场景需要匹配属性组合。
1.需关注数字化广度和深度对顾客体验的差异化影响。高数字化广度更有可能带来积极实用体验，高数字化深度更可能带来消极享乐体验。企业数字化广度能够缓解顾客旅程主题连贯性或是场景敏感性不足产生的负面影响，增进顾客对旅程可行性的感知，从而构建积极顾客体验。顾客旅程是顾客以一个事件如关注到一个品牌为起点、到另一个事件如发出订单的全活动过程，数字化技术的进步会使顾客旅程的结构更加社会化和复杂化。
2.应科学有效地设计顾客旅程。有效的顾客旅程设计逐渐被视作日益复杂化和数字化的消费市场中顾客价值的重要来源，其核心是市场导向的管理理念[30]。一个好的顾客旅程设计是基于对顾客旅程中多个接触点的感知，而顾客可以通过对一个或多个接触点的评估来建立体验。优质的顾客体验要求企业在设置和管理接触点时充分考虑触点的可达性，即通过有形或无形的方式将价值有效地传递给顾客。主题高度一致的接触点能帮助顾客在交易过程中清晰感知企业形象。通过与数字化技术的有机组合，接触点能够向顾客传递更加一致的品牌信息，降低顾客抵触情绪，减少服务噪音对顾客体验的负面影响，缩小期望价值与感知价值之间的差距，最终提升顾客满意度。
3.为避免产生消极顾客体验，企业应不断优化、调整商业模式。数字创新对商业模式创新提出了重大挑战。在数字化技术的驱动下，关键的价值创造逻辑在于通过技术赋能商业模式创新，重点在于设计和优化业务流程，重塑产品设计、生产、营销的全流程逻辑主线，从而提升供给体系并增强顾客的价值感知。新颖性商业模式能为顾客提供更高水平的体验价值，巩固并加深市场议价地位并获取竞争优势；效率性商业模式则可通过降低交易成本和提高交易效率，持续增强企业的溢价能力。因此，动态调整商业模式新颖性和效率性水平，能帮助企业提升竞争力、捕捉市场机会。
（三） 理论贡献、研究不足与展望
本文基于NCA和fsQCA方法求解出引致积极或消极顾客体验的多元前因组合，在理论层面深入探究了顾客体验的多元驱动因素和路径。其理论贡献在于：(1)将NCA与fsQCA方法结合，使用混合方法分析引致顾客体验的差异化路径。通过NCA方法分析了数字化、商业模式和顾客旅程对引致积极/消极顾客体验的必要性，采用fsQCA方法分析各个前因组态对于特定结果的一致率与覆盖率，弥补了既往研究对前因条件影响顾客体验程度探索的不足。(2)识别出4条积极实用体验的路径和4条积极享乐体验的路径，揭示了各影响因素之间复杂的相互作用关系，所得结论对企业实施顾客体验管理具有现实指导意义。
本研究也存在以下不足，有待未来作进一步探索：一是对前因条件阶段性变化的测量存在不足。未来的研究可进一步将顾客旅程细分为购前、购中和购后三个阶段，探索数字化、商业模式和顾客旅程属性如何组合方能成就积极顾客体验。二是对顾客体验类型的划分存在不足。本研究基于实用主义和享乐主义将顾客体验划分成两种类型，并将自我体验视作享乐体验的一部分，弱化了顾客自我统一性和连续性的重要性。未来的研究可进一步探索数字化时代顾客体验的多元类型。三是对不同行业服务企业的顾客体验前因条件的差异化影响研究不足。服务业包含零售、住宿以及餐饮业等，因而未来可以针对不同行业进行路径的比较研究。
-
表 1 样本基本特征(N=258)
变量 类别 频率 百分比(%) 性别 男 139 53.9 女 119 46.1 年龄 25岁及以下 27 10.5 26~35岁 99 38.4 36~45岁 76 29.5 46岁及以上 56 21.7 学历 大专及以下 23 8.9 大学本科 188 72.9 硕士及以上 47 18.2 收入 3 000元人民币以下 1 0.4 3 001~5 000元人民币 13 5.0 5 001~10 000元人民币 219 84.9 10 000元人民币以上 25 9.7 
下载: 导出CSV
表 2 信度分析(N=258)
变量 Cronbach′s α系数 CR 数字化深度 0.859 0.868 数字化广度 0.897 0.892 商业模式新颖性 0.874 0.884 商业模式效率性 0.869 0.876 主题连贯性 0.891 0.894 设计一致性 0.831 0.842 场景敏感性 0.872 0.876 实用体验 0.885 0.893 享乐体验 0.824 0.839
下载: 导出CSV
表 3 聚合效度分析(N=258)
变量 CR AVE 数字化深度 0.868 0.561 数字化广度 0.892 0.627 商业模式新颖性 0.884 0.660 商业模式效率性 0.876 0.644 主题连贯性 0.894 0.683 设计一致性 0.842 0.578 场景敏感性 0.876 0.644 实用体验 0.893 0.630 享乐体验 0.839 0.643
下载: 导出CSV
表 4 模型拟合指标
指标 χ2/df GFI RMSEA IFI TLI CFI 判断标准 ＜3 >0.8 ＜0.10 >0.9 >0.9 >0.9 统计值 1.104 0.877 0.020 0.989 0.987 0.988
下载: 导出CSV
表 5 Pearson相关系数与AVE平方根值
变量 1 2 3 4 5 6 7 8 9 数字化深度 0.702 数字化广度 0.504 0.792 商业模式新颖性 0.462 0.281 0.812 商业模式效率性 0.477 0.234 0.269 0.802 主题连贯性 0.504 0.327 0.283 0.234 0.826 设计一致性 0.457 0.237 0.262 0.228 0.264 0.760 场景敏感性 0.458 0.270 0.277 0.285 0.373 0.249 0.803 实用体验 0.522 0.395 0.355 0.331 0.434 0.223 0.465 0.794 享乐体验 0.427 0.267 0.312 0.198 0.220 0.180 0.196 0.206 0.802 注：斜对角线数字为AVE平方根值。
下载: 导出CSV
表 6 结果和条件的校准锚点
变量 阈值 完全隶属 交叉点 完全不隶属 数字化深度 0.881 0.782 0.187 数字化广度 0.920 0.794 0.196 商业模式新颖性 0.939 0.750 0.158 商业模式效率性 0.940 0.767 0.178 主题连贯性 0.945 0.769 0.176 设计一致性 0.937 0.805 0.185 场景敏感性 0.948 0.802 0.179 实用体验 0.951 0.799 0.198 享乐体验 0.351 0.281 0.054
下载: 导出CSV
表 7 实用体验的必要条件分析
条件 结果 方法 精确度(%) 上限区域 范围 效应量 P值 数字化深度 实用体验 CR 99.4 0.007 0.92 0.007 0.352 CE 100 0.010 0.92 0.011 0.157 数字化广度 实用体验 CR 100 0.000 0.92 0.000 1.000 CE 100 0.000 0.92 0.000 1.000 商业模式新颖性 实用体验 CR 99.0 0.007 0.92 0.007 0.123 CE 100 0.008 0.92 0.008 0.106 商业模式效率性 实用体验 CR 100 0.000 0.85 0.000 1.000 CE 100 0.000 0.85 0.000 1.000 主题连贯性 实用体验 CR 99.4 0.006 0.90 0.007 0.175 CE 100 0.009 0.90 0.011 0.060 设计一致性 实用体验 CR 99.4 0.007 0.92 0.007 0.352 CE 100 0.010 0.92 0.011 0.157 场景敏感性 实用体验 CR 100 0.000 0.92 0.000 1.000 CE 100 0.000 0.92 0.000 1.000 注：各条件值为校准后的模糊集隶属度值；NCA分析中的置换检验(permutation test)的重抽次数为10000次，下同。
下载: 导出CSV
表 8 享乐体验的必要条件分析
条件 结果 方法 精确度(%) 上限区域 范围 效应量 P值 数字化深度 享乐体验 CR 96.5 0.049 0.95 0.052 0.037 CE 100 0.029 0.95 0.031 0.000 数字化广度 享乐体验 CR 99.4 0.008 0.95 0.009 0.124 CE 100 0.012 0.95 0.013 0.092 商业模式新颖性 享乐体验 CR 99.4 0.015 0.95 0.016 0.188 CE 100 0.022 0.95 0.023 0.013 商业模式效率性 享乐体验 CR 99.7 0.004 0.87 0.004 0.787 CE 100 0.005 0.87 0.006 0.775 主题连贯性 享乐体验 CR 99.7 0.013 0.93 0.014 0.285 CE 100 0.009 0.93 0.010 0.369 设计一致性 享乐体验 CR 96.5 0.049 0.95 0.052 0.037 CE 100 0.029 0.95 0.031 0.000 场景敏感性 享乐体验 CR 99.4 0.008 0.95 0.009 0.124 CE 100 0.012 0.95 0.013 0.092
下载: 导出CSV
表 9 实用体验的瓶颈水平分析
% 实用体验 数字化深度 数字化广度 商业模式新颖性 商业模式效率性 主题连贯性 设计一致性 场景敏感性 0 NN NN NN NN NN NN NN 10 NN NN NN NN NN NN NN 20 NN NN 0.5 NN NN NN NN 30 NN NN 1.8 NN 1.5 NN NN 40 0.4 NN 3.1 NN 4.1 NN NN 50 0.9 NN 4.4 NN 6.6 NN NN 60 1.5 NN 5.8 NN 9.1 NN NN 70 2.0 NN 7.1 NN 11.7 NN NN 80 2.5 NN 8.4 NN 14.2 NN NN 90 3.0 10.2 9.7 NN 16.7 NN NN 100 3.5 22.9 11.1 31.6 19.2 NN NN 注：NN表示不必要，下表同。
下载: 导出CSV
表 10 享乐体验的瓶颈水平分析
% 享乐体验 数字化深度 数字化广度 商业模式新颖性 商业模式效率性 主题连贯性 设计一致性 场景敏感性 0 NN NN NN NN NN NN NN 10 NN NN NN NN NN NN NN 20 0.5 NN NN NN NN NN NN 30 1.8 NN NN NN NN NN NN 40 3.1 NN NN NN NN 0.4 NN 50 4.4 NN NN NN NN 0.9 NN 60 5.8 NN NN NN NN 1.5 NN 70 7.1 NN NN NN NN 2.0 NN 80 8.4 NN NN NN NN 2.5 NN 90 9.7 10.2 NN NN NN 3.0 10.2 100 11.1 22.9 NN 31.6 NN 3.5 22.9
下载: 导出CSV
表 11 实用体验的组态分析
前因变量 积极实用体验 消极实用体验 H1 H2 H3a H3b L1 L2 L3 L4 数字化深度 Y Y N N n n N Y 数字化广度 y Y Y N N Y N 商业模式新颖性 Y Y y y N n n 商业模式效率性 N y Y Y N N N 主题连贯性 Y y N N N Y 设计一致性 y Y Y Y N N N n 场景敏感性 Y Y N y N N Y N 原始覆盖率 0.209 0.430 0.193 0.221 0.457 0.463 0.299 0.245 独特覆盖率 0.033 0.242 0.025 0.037 0.022 0.028 0.055 0.025 一致率 0.915 0.897 0.904 0.907 0.929 0.940 0.961 0.951 解的覆盖率 0.551 0.572 解的一致率 0.903 0.915 注：H、L代表具体组态或路径，Y/y表示“发生/强/高水平(条件值为1)”，N/n表示“未发生/弱/低水平(条件值为0)”，Y、N表示“核心条件”，y、n表示“边缘/外围条件”，空白表示“无关”，下同。fsQCA方法中，覆盖率表示在特定结果(如积极实用体验)发生的全部个案中走特定路径(如H1)的个案比例；一致率表示特定路径(如H1)或解引致特定结果(如积极实用体验)的可能性。
下载: 导出CSV
表 12 享乐体验的组态分析
前因变量 积极享乐体验 消极享乐体验 M1 M2a M2b M3 N1 N2 N3 数字化深度 y Y Y y Y 数字化广度 y Y Y Y Y N 商业模式新颖性 y y y Y N N n 商业模式效率性 y Y Y Y N n N 主题连贯性 y N y N Y 设计一致性 y Y Y Y Y n 场景敏感性 N y Y y y Y 原始覆盖率 0.491 0.221 0.251 0.426 0.257 0.233 0.256 独特覆盖率 0.040 0.013 0.030 0.035 0.021 0.008 0.042 一致率 0.923 0.888 0.881 0.929 0.961 0.961 0.959 解的覆盖率 0.588 0.318 解的一致率 0.917 0.952
下载: 导出CSV
表 13 实用体验组态的稳健性检验
前因变量 调整一致性阈值为0.85 调整样本数阈值为2 H1′ H2′ H3a′ H3b′ H1″ H2″ H3a″ H3b″ 数字化深度 Y Y N N Y Y N N 数字化广度 y Y Y y Y Y 商业模式新颖性 Y Y y y Y y y y 商业模式效率性 N y Y Y N y Y Y 主题连贯性 Y y N Y y n 设计一致性 n Y Y Y n y y y 场景敏感性 Y Y N y n Y n y 原始覆盖率 0.209 0.430 0.193 0.221 0.209 0.430 0.193 0.221 独特覆盖率 0.033 0.242 0.025 0.037 0.033 0.242 0.025 0.037 一致率 0.915 0.897 0.904 0.907 0.915 0.897 0.904 0.907 解的覆盖率 0.551 0.551 解的一致率 0.903 0.903
下载: 导出CSV
表 14 享乐体验组态的稳健性检验
前因变量 调整一致性阈值为0.85 调整样本数阈值为2 M1′ M2a′ M2b′ M3′ M1″ M2a″ M2b″ M3″ 数字化深度 y Y y y 数字化广度 y Y Y y y y 商业模式新颖性 y y y Y Y Y Y Y 商业模式效率性 y Y Y Y Y Y Y Y 主题连贯性 y N y y n y 设计一致性 y Y Y Y y y y y 场景敏感性 N y Y n y y 原始覆盖率 0.491 0.221 0.251 0.426 0.491 0.221 0.251 0.426 独特覆盖率 0.040 0.013 0.030 0.035 0.040 0.013 0.030 0.035 一致率 0.923 0.888 0.881 0.929 0.923 0.888 0.881 0.929 解的覆盖率 0.588 0.588 解的一致率 0.917 0.917
下载: 导出CSV
-
[1] 沈鹏熠, 万德敏, 许基南. 人机交互感知的形成能促进顾客采纳行为吗——基于媒介丰富度理论视角[J]. 广东财经大学学报, 2022(5): 55-67. [2] MIKLOSIK A, EVANS N. Impact of big data and machine learning on digital transformation in marketing: a literature review[J]. Ieee Access, 2020, 8: 101284-101292. doi: 10.1109/ACCESS.2020.2998754 [3] MÄRTIN C, BISSINGER B C, ASTA P. Optimizing the digital customer journey: improving user experience by exploiting emotions, personas and situations for individualized user interface adaptations[J]. Journal of Consumer Behaviour, 2023, 22(5): 1050-1061. doi: 10.1002/cb.1964 [4] PUCCINELLI N M, GOODSTEIN R C, GREWAL D, et al. Customer experience management in retailing: understanding the buying process[J]. Journal of Retailing, 2009, 85(1): 15-30. doi: 10.1016/j.jretai.2008.11.003 [5] GENTILE C, SPILLER N, NOCI G. How to sustain the customer experience: an overview of experience components that co-create value with the customer[J]. European Management Journal, 2007, 25(5): 395-410. doi: 10.1016/j.emj.2007.08.005 [6] NYSVEEN H, PEDERSEN P E, SKARD S. Brand experiences in service organizations: exploring the individual effects of brand experience dimensions[J]. Journal of Brand Management, 2013, 20: 404-423. [7] MORGAN-THOMAS A, VELOUTSOU C. Beyond technology acceptance: brand relationships and online brand experience[J]. Journal of Business Research, 2013, 66(1): 21-27. doi: 10.1016/j.jbusres.2011.07.019 [8] 黄苏萍, 王珊, 王永贵. 基于信任视角的一线员工应对能力与同属顾客体验关系的研究[J]. 管理评论, 2023(5): 184-196. [9] 张洪, 江运君, 鲁耀斌, 等. 社会化媒体赋能的顾客共创体验价值: 多维度结构与多层次影响效应[J]. 管理世界, 2022(2): 150-168, 10-17. doi: 10.3969/j.issn.1002-5502.2022.02.011 [10] 邢绍艳, 朱学芳. 付费知识直播用户流失预测实证研究[J]. 信息资源管理学报, 2022(4): 121-130. [11] 田甜. 基于S-O-R模型的非遗文创产品消费者购买意愿研究[J]. 统计与信息论坛, 2021(12): 116-124. doi: 10.3969/j.issn.1007-3116.2021.12.011 [12] AHN J, LEE C K, BACK K J, et al. Brand experiential value for creating integrated resort customers' co-creation behavior[J]. International Journal of Hospitality Management, 2019, 81: 104-112. doi: 10.1016/j.ijhm.2019.03.009 [13] ALBA J W, WILLIAMS E F. Pleasure principles: a review of research on hedonic consumption[J]. Journal of Consumer Psychology, 2013, 23(1): 2-18. doi: 10.1016/j.jcps.2012.07.003 [14] 付方达. 服务体验视角下观众观影体验满意度影响因素整合模型[J]. 文化学刊, 2021(7): 19-31. [15] 王艺璇, 安真真. 注意力经济: 电商直播中消费者注意力的生产与控制[J]. 中国青年研究, 2021(2): 14-21. [16] 武常岐, 张昆贤, 周欣雨, 等. 数字化转型、竞争战略选择与企业高质量发展——基于机器学习与文本分析的证据[J]. 经济管理, 2022(4): 5-22. [17] 许华, 宋琦. 商业模式场景化创新对消费行为的驱动影响——基于小米公司的实证分析[J]. 哈尔滨商业大学学报(社会科学版), 2021(6): 61-72. [18] LEMON K N, VERHOEF P C. Understanding customer experience throughout the customer journey[J]. Journal of Marketing, 2016, 80(6): 69-96. [19] WARNER K S R, WÄGER M. Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal[J]. Long Range Planning, 2019, 52(3): 326-349. [20] 杨震宁, 侯一凡, 李德辉, 等. 中国企业"双循环"中开放式创新网络的平衡效应——基于数字赋能与组织柔性的考察[J]. 管理世界, 2021(11): 184-205. [21] 毛倩, 顾颖, 张洁. 数字化体验环境、顾客—企业社会价值共创与顾客契合[J]. 广东财经大学学报, 2021(5): 61-74. [22] 胡宇辰, 胡勇浩, 李劼. 企业数字化能力: 研究述评与展望[J]. 外国经济与管理, 2023(12): 34-51. [23] 陈怀超, 梁晨, 范建红, 等. 组织特征和制度距离对在华外资企业社会责任绩效的影响——基于fsQCA和NCA方法的研究[J]. 管理评论, 2023(2): 280-293. [24] ZOTT C, AMIT R. Business model design and the performance of entrepreneurial firms[J]. Organization Science, 2007, 18(2): 181-199. [25] 罗兴武, 刘洋, 项国鹏, 等. 中国转型经济情境下的商业模式创新: 主题设计与量表开发[J]. 外国经济与管理, 2018(1): 33-49. [26] AMIT R, ZOTT C. Value creation in e-business[J]. Strategic Management Journal, 2001, 22(6-7): 493-520. [27] 江积海. 国外商业模式创新中价值创造研究的文献述评及展望[J]. 经济管理, 2014(8): 187-199. [28] ZOTT C, AMIT R. Business model design: an activity system perspective[J]. Long Range Planning, 2010, 43(2-3): 216-226. [29] 魏泽龙, 张琳倩, 魏泽盛, 等. 商业模式设计与企业绩效: 战略柔性的调节作用[J]. 管理评论, 2019(11): 171-182. [30] KUEHNL C, JOZIC D, HOMBURG C. Effective customer journey design: consumers' conception, measurement, and consequences[J]. Journal of the Academy of Marketing Science, 2019, 47: 551-568. [31] 高伟, 刘益, 李雪. 全渠道购物体验与品牌忠诚、品牌资产关系研究——全渠道一致性与无缝性的调节作用[J]. 工业工程与管理, 2019(4): 174-180. [32] 唐健雄, 孙婧瑶, 孙桥, 等. 酒店数字化转型动态能力: 内涵、结构及测量[J]. 旅游科学, 2023(6): 1-23. [33] 郑锐洪, 杨蕾. 体验营销: 顾客体验价值形成与实现的二维路径[J]. 经济问题探索, 2012(8): 86-89. [34] ADDIS M. Understanding the customer journey to create excellent customer experiences in bookshops[J]. International Journal of Marketing Studies, 2016, 8(4): 20-36. [35] 杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路[J]. 管理世界, 2017(6): 155-167. [36] DUL J. Identifying single necessary conditions with NCA and fsQCA[J]. Journal of Business Research, 2016, 69(4): 1516-1523. [37] YIN J, QIU X. AI technology and online purchase intention: structural equation model based on perceived value[J]. Sustainability, 2021, 13(10): 5671. [38] 张明, 陈伟宏, 蓝海林. 中国企业"凭什么"完全并购境外高新技术企业——基于94个案例的模糊集定性比较分析(fsQCA)[J]. 中国工业经济, 2019(4): 117-135. [39] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2): 393-420. [40] 杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?——基于制度组态的分析[J]. 管理世界, 2020(9): 141-155. [41] 陶克涛, 张术丹, 赵云辉. 什么决定了政府公共卫生治理绩效?——基于QCA方法的联动效应研究[J]. 管理世界, 2021(5): 128-138. [42] 贾少谦, 单宇. 科技企业数字服务化过程中的资源集成机制——基于单案例的探索性研究[J]. 财经问题研究, 2024(1): 86-100. [43] 邹波, 杨晓龙, 刘昶. 基于大数据合作资产的场景化创新价值创造机制研究[J]. 科技进步与对策, 2023(24): 1-9. [44] 侍姝雯, 马鹏, 张婷茹, 等. 零售商售前和售后服务下资金约束供应链的最优融资决策[J/OL]. 系统管理学报, (2024-01-03)[2024-06-20]. https://link.cnki.net/urlid/31.1977.N.20240103.1129.002 .[45] SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis[M]. New York: Cambridge University Press, 2012. -
下载:
点击查看大图
计量
- 文章访问数: 169
- HTML全文浏览量: 96
- PDF下载量: 17
- 被引次数: 0