退货政策宽松度对消费者网购意愿的影响

摘要：在网络购物中，由于产品收货时间滞后于支付时间而导致退货现象频发，因此退货政策成为影响消费者行为的重要因素之一。基于“刺激-组织-反应”模型（SOR模型），并结合信号理论，以感知质量和感知风险为中介变量，以产品异质性和店铺口碑为调节变量，通过有调节的双中介效应检验考察退货政策宽松度对消费者购买意愿的影响及其传导路径，结果表明：宽松的退货政策使消费者产生更高的感知质量和更低的感知风险，感知质量的提高和感知风险的降低会增强消费者购买意愿，从而形成“退货政策宽松→感知质量提高→购买意愿增强”和“退货政策宽松→感知风险降低→购买意愿增强”两条传导路径；在口碑较好的店铺中，退货政策宽松对消费者感知质量和感知风险的影响更强；对于异质性较弱的产品，退货政策宽松对消费者感知风险的影响更强。这些研究结果不仅有助于揭示退货政策影响消费者购买意愿的机制，而且对消费者、网络店铺和电商平台都具有重要的管理启示。

关键词：网络购物；退货政策；购买意愿；感知质量；感知风险；产品异质性；网络口碑

中图分类号：F713.36文献标志码：A文章编号：1674-8131（2024）0-0111-14

引用格式：刘涵秋，杨林岩.退货政策宽松度对消费者网购意愿的影响——基于SOR模型的有调节双中介效应分析［J］.西部论坛，2024，34（1）：111-124.

LIU Han-qiu， YANG Lin-yan. The impact of the leniency of return policy on consumers purchase intentions in online shopping： An analysis of moderated dual-mediator effects based on SOR model［J］. West Forum， 2024， 34（1）： 111-124.

一、引言

据中国互联网信息中心发布的第52次《中国互联网络发展状况统计报告》，截至2023年8月，我国网络购物用户已达8.84亿。随着移动互联网的发展以及网络购物的普及，大众越来越关注网络购物这一热点话题，其中，网购退货问题亦引发了较多讨论。交易过程由实体环境转移到虚拟网络环境使网络购物与实体购物的消费者行为存在较大差异，其中，购买决策在前而产品评价在后的流程变化导致网络购物退货现象频发。具而言之，实体购物主要包含需求确认、信息收集、产品评价、购买决策和购后支持获得五个流程［1］，消费者可当面评估产品后再决定是否购买，交易往往结束在消费者付款并拿到产品后；而网络购物中购买决策提前，只有当产品配送后消费者完成验收和评价才意味着交易结束。如果验收时产品存在质量问题或与预期不符，都会导致消费者选择退货，这使得消费者在网购时表现得更为谨慎，常常要多方比较后再进行最终决策，比较的内容包括产品本身及商家提供的政策和服务等。因此，网络店铺提供的退换货政策也就成为影响消费者购买意愿和行为的重要因素之一。

目前，退货政策的相关研究主要集中在分类及其对消费者后续购买和退货行为的影响等方面［2-4］。退货政策是指商家针对消费者由于产品、商家、自身等方面原因的退货行为所规定的一系列条例。根据限制条件，退货政策可分为限制宽松型和限制严格型两类［4］，也可进一步从退货期限、费用及方式等维度对其进行细分［5］，比如Janakiraman等（2016）基于退货政策宽松维度提出时间、货币、努力、范围、换货五种分类［6］。关于退货政策对消费者购买意愿及行为的影响，Wang（2009）通过实验研究证实宽松的退货政策会提高消费者的初期购买倾向［7］；Wang等（2020）和Wood（2001）也证实宽松的退货政策会显著增加消费者的购买量［3-4］。但相较于严格的退货政策，宽松的退货政策也可能导致消费者滥用退货权，做出非道德的退货行为。如在推行七天内未使用产品可无理由退货时，消费者有可能滥用这一保护权，提交模糊性的退货申请［8］。Chang和Yang（2022）同样发现不同属性（自由和限制）的退货政策会导致消费者做出不同的道德判断和欺诈性退货意向等［9］。此外，现有研究也关注到消费者感知的作用，基于感知风险理论、感知公平理论、信号理论、线索推断框架等探究内部感知在退货政策影响消费者购买和退货行为过程中的作用。如：Jeng（2017）研究发现退货政策宽松度会通过影响消费者的感知价值提高消费者的购买意愿［2］ ；Wang等（2020）、Pei等（2014）认为，退货政策宽松度会增强消费者对公平的感知，进而影响他们的消费行为［3］［10］ 。

感知风险和感知质量作为影响消费者行为的两个直观内部因素，在退货政策影响消费者行为的过程中发挥着重要作用。消费者在购买过程中面临着多种感知风险，如Heiman等（2001）认为购买前的不确定性风险包括技术、性能、匹配和反应四种［5］，井淼等（2006）指出感知风险包括经济、隐私、社会、功能、身体、时间、服务和心理八个维度［11］。零售商就可能通过使用宽松的退货政策来减少消费者的感知风险，从而增加销售［6］。Rokonuzzamanr等（2020）研究發现，宽松的退货政策在与产品价格及质量的交互作用下会降低消费者的感知风险，进而提高消费者光顾的意愿［12］。此外，Wood（2001）认为退货政策会释放出积极的质量信号，提高消费者对产品质量的期待［4］ ；Bonifield等（2010）、Oghazi等（2018）认为，退货政策会释放出可信度高的信号，使消费者感知更高的产品质量，减少对产品质量的担忧［13-14］；Zhang等（2017）则认为宽松的退货政策（包括较长的退货窗口期和退货金额）会让消费者有更为积极的服务质量感知［15］；Wang等（2020）也证实退货政策宽松度会影响消费者感知质量［3］。但以上研究大部分只关注了其中一个视角，较少从消费者的多个内部感知视角透视退货政策宽松度影响消费者购买意愿的内在机制，也较少从店铺及产品的差异角度研究退货政策影响消费者感知的边界条件。

因此，为了更好地探究退货政策影响消费者购买意愿的内在机制，本文基于Mehrabian和 Russell（1974）提出的SOR模型（Stimulus-Organism-Response Model，SOR Model）［16］，即“刺激-组织-反应”模型，并结合信号理论重点探究网络购物退货政策宽松度影响消费者购买意愿的作用效果。相比已有文献，本文可能的创新之处在于：（1）尽管已有研究证实了退货政策会影响消费者的感知质量和感知风险，但多基于单一感知进行分析，本文基于多个感知视角，结合信号理论探究网购退货政策宽松度对消费者感知质量和感知风险的影响，有助于进一步厘清退货政策宽松度与消费者内部感知之间的关系；（2）基于SOR模型，将感知质量和感知风险作为中介变量，探究网络购物情境中退货政策宽松度影响消费者购买意愿的传导机制，丰富了退货政策与消费者行为之间关系的研究，同时也扩展了SOR模型和信号理论的应用范围；（3）基于产品和店铺视角，探讨产品异质性和店铺口碑在网购退货政策宽松度影响消费者感知质量和感知风险中的调节作用，为揭示退货政策的适用条件提供了理论支撑，并为未来相关研究的开展提供了思路。因此，本文不仅具有进一步拓展和深化SOR模型、信号理论、退货政策相关研究的理论价值，而且具有为消费者、网络店铺、电商平台等提供管理启示的实践意义。

二、理论分析与研究假说

1.研究框架

本文基于“刺激-组织-反应”模型（SOR Model）构建研究框架。该理论模型解释了物理环境中的外部刺激如何影响个体的内部情感和认知状态，进而影响个体行为反应的完整路径［16］。其中，刺激（S）指的是物理环境中的某种属性，如产品特征、促销、价格、布局、音乐、服务和政策等，这些刺激将影响个体的情感和认知状态（即组织O），受刺激影响的个体情感和认知状态最终导致个体后续的行为反应（即反应R），在心理学中行为反应主要指接近或回避行为，在营销学的应用中行为反应则主要指消费者的购买意愿或行为。

在本文的研究中，将退货政策宽松度作为刺激源，将感知质量和感知风险这两个消费者的认知因素作为个体的内部反应，将购买意愿作为个体的行为反应，同时从产品和零售商的角度考察产品异质性和店铺口碑的影响，从而构建退货政策影响消费者购买意愿的SOR模型如图1所示：

2.退货政策宽松度对消费者感知质量和感知风险的影响

根据SOR模型，外部环境中的刺激会影响个体的情感和认知状态。退货政策是商家针对消费者退货行为所规定的一系列条例，是厂商用来提升顾客满意度的常用售后服务政策之一［13］［17］。信号理论认为，市场中具有信息优势的一方会将信号传递给信息弱势一方以实现有效率的市场均衡［18］。当网上交易市场不够成熟、交易双方存在严重的信息不对称时，商家就可以借助隐私保护、无条件退换货等措施向消费者传递正向信号，以增强消费者的信任及购物信心［19］。退货政策作为零售商给予消费者的一个政策性刺激因素，可传达出厂商可信和产品质量过关的信号［12］，从而影响消费者的内部感知。

感知质量是消费者对于产品整体性能优劣的一个判断［20］。一方面，退货政策会通过释放出正向的质量信号强化消费者对产品质量的期待［4］。在市场均衡条件下，高能力的供应商发出强信号，低能力供应商不发信号，外包商或顾客就可以基于此挑选高能力供应商［21］。对于那些产品质量不佳、能力较差的零售商而言，其主要目的在于将产品销售出去，会因希望避免消费者退货而选择制定严苛的退货政策（即不发送相关信号）。另一方面，宽松的退货政策让卖家承担了较高的时间、精力、经济成本，使得消费者更倾向于相信卖方在发送信号时付出了巨大的成本。一般来说，具备高质量产品的企业或零售商更有可能提供宽松的退货政策，因此宽松的退货政策也意味着更高质量的产品［13］。消费者会认为零售商对自身产品质量做出了担保，进而产生积极的质量信任感知［22］。已有研究也表明退货政策会影响消费者的感知质量［3］［23］，如Wang等（2020）认为较为宽松的退货政策会增加顾客的满意度，提高顾客对零售商的服务质量感知［3］。但退货政策对产品质量感知的影响未得到证实，有待进一步检验。对于消费者而言，基于不同零售商发送的不同的退货政策信号，他们会认为宽松的退货政策可以为产品质量提供更强的保障。

因此，本文提出研究假说H1：网购退货政策宽松度会影响消费者的感知质量，相比于严格的网购退货政策，消费者的感知质量在宽松的网购退货政策条件下更高。

感知风险是消费者对于自身所做决策和行为选择可能产生的结果的一种预期［24］，是消费者的一种内部认知状态。通常来说，在网络购物中，消费者无法在购买前检查商品，导致商品可能无法满足其需求，或担心出现售后问题，又或个人信息安全可能无法得到有效保护［25］，这些问題都可能导致网络购物的感知风险高于实体店。一方面，宽松的退货政策相当于零售商给消费者提供一次免费试用产品的机会［14］，传达出购物风险低的信号，可以增强消费者的信任，减少消费者的感知风险，并进一步影响他们的购买决策［12］。另一方面，宽松的退货政策实质上能为消费者提供购后保障，可以降低售后服务带来的时间风险以及产品退换中的经济风险等。正如Askarifar等（2023）进行的准实验研究所证实的，消费者对于有退货保证的产品会产生更高的感知价值、好奇心和体验感，从而降低对厂商经营和财务风险的担忧程度，减少心理风险认知［26］。总的来说，退货政策会影响消费者的感知风险［14］［23］，相较于严格的退货政策而言，宽松程度较高的退货政策更方便消费者退货，能更有效地减少消费者在购物中感受的经济和产品风险［12］。

因此，本文提出研究假说H2：网购退货政策宽松度会影响消费者的感知风险，相比于严格的网购退货政策，消费者的感知风险在宽松的网购退货政策条件下更低。

3.感知质量和感知风险在退货政策宽松度影响消费者购买意愿中的中介作用

消费者的购买意愿受众多因素的影响，如产品价格、质量、服务态度等。购买意愿作为消费者对产品的一种直接反应，受到消费者的内部情感和认知影响。根据SOR模型，外部环境中的刺激会通过影响个体的内部情感和认知状态来影响个体后续的行为和反应。已有研究也证实了退货政策会通过改变消费者的内部感知状态（如感知价值）来影响其购买意愿［2］。多数情况下，消费者在购买前会通过综合多方信息形成对产品的整体认知，并将认知结果运用于决策过程中，并基于理性考量决定是否購买。其中，产品质量和购买风险是影响消费者购买意愿的两个直观内部因素。

感知质量是消费者评估产品或品牌的标准之一［27］，消费者相信提供高质量产品的厂商会提供高附加价值的服务［28］，从而增强购买意愿。Jacoby和Olson（1985）认为感知质量是影响消费者购买意愿的主要驱动因素［29］，Yen（2018）、Golalizadeh等（2023）的研究均证实消费者对产品的质量感知会影响他们的购买意愿和行为［27］［30］。同时，消费者在购买过程中会面临多种风险，而人具有趋利避害的本能，当感知可能有风险时会选择避开风险以免受到伤害。因此，当消费者感知到更高程度的风险时就有可能降低对产品的积极态度［31］，从而降低购买意愿。Mitchell（1999）认为，感知风险是影响消费者做出产品购买决策的重要因素，当感知风险较低时消费者的购买意愿较强［32］；Zhang和Luo（2021）、Azhar等（2023）的研究均证实感知风险增加会对消费者的购买意愿和行为产生消极影响［31］［33］。

因此，本文提出研究假说H3和H4：消费者的感知质量和感知风险对其购买意愿具有显著影响，感知质量提高会增强购买意愿（H3），而感知风险增加会降低购买意愿（H4）。

综上所述，消费者的感知质量和感知风险会受到网购退货政策宽松度的影响，而感知质量和感知风险又会影响消费者的购买意愿，因此，网购退货政策宽松度可以通过影响消费者的感知质量和感知风险来影响消费者购买意愿，即感知质量和感知风险在网购退货政策宽松度影响消费者购买意愿的过程中发挥了中介作用。具体来讲就是，网购退货政策宽松度增加可以提高消费者的感知质量和降低消费者的感知风险，感知质量的提高和感知风险的降低又会增强消费者的购买意愿，从而网购退货政策宽松度的增加可以增强消费者的购买意愿。由此，形成“退货政策宽松→感知质量提高→购买意愿增强”和“退货政策宽松→感知风险降低→购买意愿增强”两条传导路径。

因此，提出本文的核心研究假说H0：感知质量和感知风险在退货政策宽松度影响消费者购买意愿过程中发挥中介作用，即退货政策宽松可以通过提高消费者感知质量和降低消费者感知风险两条路径增强消费者购买意愿。

4.产品异质性的调节作用

产品有不同的种类，比如在传统购物情景下产品可被分为日用品、选购品和特殊品［34］，在网络购物情景下产品可分为搜索品、体验品与信任品［35］，而在同类产品中也存在产品异质性。企业为了提高市场竞争力，通常会选择生产差异化产品或提供差异化服务，其中同类产品间的差异即产品异质性。产品异质性包括水平和垂直两个维度，水平异质性指同一类产品的核心特征相同但存在某些可替代的差异（如型号、服务、外观等），垂直异质性则指同一类产品因档次不同而存在质量差异（如手机和服装的低、中、高端产品）。 本文将基于市场中产品的差异化程度将产品划分为异质性强产品和异质性弱产品两种类型：网购情境下水平异质性和垂直异质性均不显著的产品（如水、纸巾等），视为异质性弱产品；而具有较高的独特性和较小的可替代性的产品（如原创女装、手工艺品等），视为异质性强产品。

一方面，根据SOR模型，产品异质性也是外部环境刺激之一，会对消费者的内部情感和认知产生影响。另一方面，根据信号理论，产品异质性同样可视为商家向消费者传达的信号。接收到信号后，消费者会进行综合的甄别和评价。当消费者购买强异质性产品时，会更加关注于产品的独特性，减少对退货政策信号的关注，此时退货政策对消费者感知的影响会较小；而当消费者购买弱异质性产品时，往往更倾向于“货比三家”，会更多地考虑包括退货政策在内的诸多因素，此时退货政策对消费者感知的影响会较大。此外，强异质性产品一般有较高的价格，价格在一定程度上又是产品质量的反映，因此二者可能产生交互效应，进一步影响消费者感知。Rokonuzzaman等（2020）研究发现，在宽松的退货政策与产品价格及质量的交互作用下，消费者的感知风险会降低［12］。

因此，本文提出研究假说H5：产品异质性对退货政策宽松度影响消费者感知具有调节作用，相比异质性较强的产品，对于异质性较弱的产品，网购退货政策宽松对消费者感知质量的提升作用更强（H5a）、对消费者感知风险的降低作用也更强（H5b）。

5.店铺口碑的调节作用

口碑被定义为介于传播者和接收者之间的关于品牌、产品或服务的一种沟通形式［36］。区别于传统口碑，Newman（2003）更为具体地将网络口碑定义为通过计算机进行的两个或多个消费者之间的文本信息交流［37］。网络口碑与个体间的口头沟通相似，主要差异在于信息呈现形式为书写［38］。网络口碑传播的主要载体包括消费者评论网站、博客、在线论坛、商业入口网站讨论区、社交媒体等，不同的网络口碑传播方式在交流范围、交互作用水平上有所差异［39］。口碑会对消费者的内部感知和购买决策产生重要影响［40］，而且相较于传统的广告传播方式，口碑传播是消费者的一种自发行为，可以传达更高程度的真实信息［41］，也更值得信任［42］。

口碑是消费者网络购物过程中的重要信息来源之一［43］，是消费者决策时的重要线索。但由于有正面口碑与负面口碑之分，口碑在传播时具有双面性。一方面，正面口碑（即对产品的正面评价）在一定程度上会使消费者对产品产生积极看法，并可能使其转变先前的想法；另一方面，负面口碑（即买家在经历不满意的消费经历后，将其告知他人或消极抱怨）则会带来更多负面影响［44］。而且，负面口碑的传播距离和影响程度是正面口碑的两倍以上［43］。消费者的负面口碑会影响其他人在不同购物网站或是实体店铺之间转换的意愿［45］，正面口碑会影响后续消费者的消费意向［46］。此外，消费者评级也会调节退货政策宽松度对消费者感知的影响［47］，而口碑可以表达消费者对于零售商及产品的评价，是消费者对零售商的评级方式之一。进一步结合信号理论，本文认为，当消费者在口碑较好的店铺消费時，会更加信赖这家店铺传递的信号，包括宽松的退货政策释放出的关于质量和风险的信号；反之，当消费者在口碑较差的店铺消费时，会更加谨慎地进行信号甄别，倾向于不信任商家通过退货政策传递的积极信号。

因此，本文提出研究假说H6：店铺口碑对退货政策宽松度影响消费者感知具有调节作用，相比口碑较差的店铺，在口碑较好的店铺，网购退货政策宽松对消费者感知质量的提升作用更强（H6a）、对消费者感知风险的降低作用也更强（H6b）。

三、实验过程与数据检验

1.预实验

（1）实验产品预调研

预调研以在校大学生为被试，发布产品征集问卷。考虑到样本对象普遍的购物经历，仅征集一般网购情况下可退货的产品。问卷包括两个问题，要求每位被试分别填写一种异质性强和异质性弱的代表性产品，共收回有效问卷71 份，选取异质性强和异质性弱的产品各11种（共22种产品）。再次招募被试完成Likert 7级异质性程度评分量表，选取消费者感知异质性较弱和较强的产品用于正式调研。共回收问卷116份，有效问卷104份。而后，在发展相对成熟且用户众多的网购平台——淘宝网上对选取的产品进行价格搜索，为排除账号搜索记录干扰，搜索在网页版未登录状态下进行。搜索结果表明鞋架和特定IP玩偶的价格区间相近，且该两种产品异质性的强弱程度差异明显（鞋架：2.650；特定IP玩偶：5.650），因此选择特定IP玩偶和鞋架为实验产品用于正式调研。

（2）预实验设计

预实验的主要目的为检查实验情景和问卷设置是否合理，采取2×2×2组间实验设计，其中实验组设计为（退货政策宽松度：宽松 vs. 严格）×（产品异质性：强 vs. 弱）×（店铺口碑：高 vs. 低），共8个组分别模拟8种场景，具体操控方法为给被试呈现由研究者设计的退货政策、店铺口碑和产品异质性情景。情景设置为：您打算购入一个【原创IP 的玩偶】（如哆啦A梦、Hello Kitty或其他您喜爱的原创知识产权玩偶）（vs. 鞋架），您打算购买的店铺是一家【口碑较好】（vs. 口碑较差）的店铺。这家店铺的退货政策如下：【1. 退货要求：请登录您的账户，联系客服或在系统发起申请。您需填写正确的订单号、选择退货原因，寄回货品时，请您确保商品的完好，将商品及一切附件随商品一同寄回厂家，并将包含订单号和您的账号的信息附于盒内。否则将无法退货。2. 退货期限：自收货之日起7日内。3. 退货费用：若非产品自身问题，需由消费者自行承担商品的退回费用】（vs. 1. 退货要求：如果您有任何不满意，都可以直接在线申请退货。2. 退货期限：自收货之日起一个月内。3. 退货费用：您不需承担任何费用，商家承担退回的一切费用）。实验流程为发布问卷链接至微信群招募被试，被试点开链接后填写基本信息，阅读实验情景材料并填答问卷。使用的测量量表包括“退货政策宽松度”“产品异质性”“感知质量”“感知风险”“购买意愿”。“退货政策宽松度”基于张蓓佳（2017）的分类维度［48］，借鉴Bonifield（2010）、Hsieh（2013）使用的5项Likert 7级量表（例如“相较于其他退货政策，我认为该政策的限制较为宽松”）［13］［49］；“产品异质性”使用4项Likert 7级量表（例如“我认为各店铺销售的此产品都是一样的，在哪里买都差不多”）；“感知质量”使用Dodds等（1991）开发的量表（例如“我觉得该产品有很大可能是值得信赖的”）［50］；“感知风险”借鉴井淼等（2006）和Suwelack等（2011）使用的量表（例如“我认为就使用性能而言，我购买此产品会承担很大的风险”）［11］［51］；“购买意愿”借鉴Dodds等（1991）使用的量表（例如“我购买此产品的概率很高”）［50］。每个实验组分别回收有效问卷10份，共计回收80份有效问卷。

（3）信效度分析

运用SPSS 24.0和AMOS 28.0的统计结果显示：“退货政策宽松度”“感知质量”“感知风险”“购买意愿”四个变量间有显著的相关性，Cronbachs α系数介于0.882～0.961之间，均大于0.700，具有较好的内部一致性；各测量题项的标准因子载荷介于0.562～0.990之间，大于0.500；同时，四个变量的平均方差萃取量AVE均大于0.500，组合信度CR值均大于0.700，表明具有较好的收敛效度；且各变量AVE平方根值均大于与其他变量间的相关系数，表明各变量具有良好的区分效度。

（4）退货政策宽松度感知操控检验

进一步通过独立样本t检验分析预实验对退货政策的操控是否成功。将感知退货政策宽松度的5个题项均值化为一个整体变量，检验两组被试对退货政策宽松度的感知差异。莱文检验结果显示，F=3.265，Sig.=0.075>0.050，表明方差齐性；t检验结果显示，t=-10.592，df=78，P<0.001，表明两个实验组平均水平有显著差异。组统计结果进一步表明，相较于严格退货政策组，宽松退货政策下的参与者对退货政策的评价较高（M严格=3.735，M宽松=6.110）。因此，实验对退货政策宽松度感知的操控是成功的。

2.正式实验

（1）实验设计

正式实验的实验情景、问卷材料和流程与预实验完全一致，共招募539名网络用户，筛除完全不了解退货政策、作答时间小于90秒、答案全部相同及陷阱题作答错误等无效问卷后，得到有效问卷452份。样本覆盖不同性别、年龄、学历、网购频率的人群，以18～50岁、一个月网购至少1～4次或更多次数的群体为主（18～24岁的受试者占比55.75%，25～34岁的受试者占比27.21%，35～50岁被试者占比15.92%；网购频率一周1次或更多的受试者占比44.47%，一月1～4次占比45.58%）。可以看出选取的样本有丰富的网购经验，能够较好理解问题并做出回答，也较符合当下网购主要人群的画像。为便于后续运算，对数据进行预处理，包括：将问卷中负向题项取反（得分x的相反题项修正后分值为8-x），感知风险分数取反（后续分析时使用原数据），计算“退货政策宽松度”“产品异质性”“感知质量”“感知风险”“购买意愿”变量的平均值。

（2）信效度分析

运用SPSS 24.0和AMOS 28.0的统计结果显示：“退货政策宽松度”“产品异质性”“感知质量”“感知风险”“消费者购买意愿”间均有显著的相关性，Cronbachs α介于0.898～0.967之间，均大于0.700，表明具有较好的内部一致性；变量测量题项的标准因子载荷介于0.668～0.970之间，均大于0.500，表明各变量具有较好的收敛效度；五个变量的平均方差萃取量AVE均大于0.500，组合信度CR值均大于0.700，且各变量的AVE平方根值均大于与其他变量间的相关系数，表明各变量具有良好的区分效度。

（3）產品异质性感知操控检验

进一步通过独立样本t检验分析实验对产品异质性的操控是否成功。将产品异质性的4个题项均值化为一个整体变量，检验两组被试对产品异质性的感知程度差异。莱文检验结果显示，F=0.200，Sig.=0.887>0.050，表明方差齐性；t检验结果显示，t=14.616，df=450，P<0.001，表明两个实验组的平均水平有显著差异，且异质性强组的被试对产品异质性的评价（M异质性强=4.878）显著高于异质性弱组的被试对产品异质性的评价（M异质性弱=2.979）。因此，实验对产品异质性感知的操控是成功的。

四、假说检验

1.直接效应检验

为检验网购退货政策宽松度对消费者感知质量和感知风险的影响，运用SPSS 24.0进行ANOVA单因素方差分析。表1的分析结果显示：退货政策宽松度对消费者感知质量的主效应显著（F（1，450）=52.158，P<0.001），当退货政策宽松时（M宽松=5.047），被试的感知质量显著高于退货政策严格条件下（M严格=4.018）的感知质量，表明退货政策越宽松则消费者感知的产品质量越高。因此，假说H1成立。同时，退货政策宽松度对消费者感知风险的主效应显著（F（1，450）=32.196，P<0.001）。需要说明的是，感知风险数值为原数值的相反数，较高的数值代表着较低的感知风险水平。当退货政策宽松时（M宽松=4.240），被试的感知风险显著低于退货政策严格条件下（M严格=3.466）的感知风险，表明退货政策越宽松则消费者感知的产品风险越低。因此，假说H2成立。

进一步通过回归分析检验感知质量和感知风险对消费者购买意愿的影响。以“感知质量”和“感知风险”为自变量、“购买意愿”为因变量的线性回归结果见表2（F（2，449）=366.361，p<0.050）：“感知质量”的标准化回归系数为0.763（t（449）=25.305，p<0.001），表明感知质量的提高显著增强了消费者购买意愿。因此，假说H3成立。“感知风险”的标准化回归系数为-0.080（t（449）= -2.664，p=0.008<0.010），表明感知风险的提高显著降低了消费者购买意愿。因此，假说H4成立。

2.中介效应检验

为进一步检验感知质量和感知风险在退货政策宽松度影响消费者购买意愿中的中介作用，采取Bootstrapping方法［52］，进行5 000次迭代得到中介效应的95%置信区间估计值。表3的分析结果显示：“感知质量”的间接效应值为0.342，置信区间为［0.260，0.388］，不包含0值，表明感知质量的中介作用显著；“感知风险”的间接效应值为0.071，置信区间为［0.034，0.108］，不包含0值，表明感知风险的中介作用显著。因此，假说H0成立。此外，表3中的a、b、c均显著，且同号，表明感知质量和感知风险均发挥了部分中介作用。进一步计算中介效应占比（见表4），感知质量的中介效应占比为57.841%，感知风险的中介效应占比为12.022%，可见，感知质量的中介效应更大，同时也说明退货政策宽松度对消费者购买意愿的影响可能还存在其他的传导路径。

3.调节效应检验

由于本文的因变量、自变量和调节变量都属于类别变量，因此通过双因素方差分析来检验产品异质性和店铺口碑的调节作用。根据图2的分析结果，得到以下结论：

（1）产品异质性对感知质量的主效应不显著（P=0.651>0.050），退货政策宽松度与产品异质性的交互效应也不显著（P=0.962>0.050）。因此，产品异质性对网购退货政策宽松度影响消费者感知质量的调节作用不显著，H5a不成立。这可能是因为本文实验选取的两类产品（即鞋架和特定IP玩偶）均为生活耐用品，两者的价格波动也不会很大，且退货政策实际上已为产品质量提供了保障，因此产品异质性的强弱对退货政策宽松度影响消费者感知质量的作用较小。

（2）產品异质性对感知风险的主效应不显著（P=0.802>0.050），但退货政策宽松度与产品异质性的交互效应显著（P=0.012<0.050）。因此，产品异质性对网购退货政策宽松度影响消费者感知风险产生了调节作用，即对于异质性较弱的产品，退货政策宽松对消费者感知风险的降低作用更强，假说H5b成立。

（3）店铺口碑对感知质量的主效应显著（P<0.001），退货政策宽松度与店铺口碑的交互效应也显著（P=0.046<0.050）。因此，店铺口碑对网购退货政策宽松度影响消费者感知质量产生了调节作用，即在口碑较好的店铺，退货政策宽松对消费者感知质量的提升作用更强，假说H6a成立。

（4）店铺口碑对感知风险的主效应显著（P<0.001），退货政策宽松度与店铺口碑的交互效应也显著（P<0.001）。因此，店铺口碑对退货政策宽松度影响消费者感知风险产生了调节作用，即在口碑较好的店铺，退货政策宽松对消费者感知风险的降低作用更强，假说H6b成立。

五、结论与启示

本文研究发现：（1）退货政策宽松度会影响消费者对网购产品的质量感知和风险感知，宽松的退货政策有助于消费者产生更高的感知质量和更低的感知风险。当退货政策宽松时，通常代表着商家会提供更优质的服务、其产品具有较好的品质，同时也意味着给消费者提供了一次试用产品的机会，减轻了他们对购买风险的担忧。（2）感知质量和感知风险会影响消费者的购买意愿。当感知产品具有更高质量时，消费者会认为购买产品可以带来更大的使用价值并有更强烈的购买意愿；而当感知购买产品会带来风险时，消费者的积极态度和购买意愿都会降低。（3）感知质量和感知风险是网购退货政策宽松度影响消费者购买意愿的中介变量，退货政策宽松会提高消费者的感知质量、降低消费者的感知风险，进而增强消费者的购买意愿。感知质量和感知风险均发挥了显著的部分中介作用，且感知质量的中介效应更大。（4）产品异质性和店铺口碑是退货政策宽松度影响消费者感知质量和感知风险的调节变量。相比异质性较强的产品，对于异质性较弱产品，退货政策宽松对消费者的风险感知的降低作用更强，但退货政策宽松对消费者质量感知的影响不因产品异质性的强弱而产生显著差异；相比口碑较差的店铺，在口碑较好的店铺中，退货政策宽松对消费者感知质量的提升作用和感知风险的降低作用均更强。

基于本文的研究结论，提出以下管理启示：首先，对于消费者而言，应全面、谨慎地考量自己预期购买的产品及所属店铺，注意“货比三家”，避免因冲动购买后发现产品不及预期；尽管宽松的退货政策、产品的独特性以及良好的店铺口碑会给消费者带来积极感知，但消费者也应学会综合判别，因为有些零售商会利用消费者心理，通过刷店铺好评、上架异质性产品等方式诱导消费者做出购物决策。其次，对于网络零售商而言，应积极制定宽松的退货政策以提升消费者的积极感知和购买意愿，制定了较严格退货政策的零售商则可通过上架异质性强的商品或提升店铺口碑来削弱严格的退货政策可能带来的损失。最后，对于电商平台而言，应鼓励零售商通过制定宽松的退货政策、上架富有创意的产品等方式来吸引客流和增强消费者的积极感知，并激励零售商提升产品异质性和店铺口碑，同时也要加强对零售商家和消费者的监督管理，避免因店铺退货政策严苛和消费者肆意退换货给平台发展带来负面影响。

虽然本文具有一定的贡献，但同时也存在一些局限。第一，本文的多项指标都是总体性指标，未来的研究可以通过展开变量维度获得更加精细的结论，如考虑感知风险的更多维度，考虑产品异质性的垂直与水平两方面等。同时，本文仅从限制条件角度来考察退货政策的宽松度，未来可以考虑其他划分方式。第二，本文只分析了感知质量和感知风险的部分中介作用，但网购退货政策对消费者购买意愿的影响还可能存在其他机制，可以做进一步的探究。第三，本文仅从产品异质性维度进行产品分类，还可以从搜索品与体验品、产品的价格或功能等多个维度进行产品分类，进一步探讨对于不同的产品退货政策的影响是否存在差异。第四，本文从产品分类和店铺分类的角度分析了产品异质性和店铺口碑的调节效应，未来可以从消费者自身特点（如性别、年龄、购买习惯等）的角度展开相关研究。

参考文献：

［1］ENGEL J F， BLACKWELL R D， MINIARD P W. Consumer Behavior［M］. Dryden Press， 1986.

［2］JENG S. Increasing customer purchase intention through product return policies： the pivotal impacts of retailer brand familiarity and product categories［J］. Journal of Retailing and Consumer Services， 2017， 39： 182-189.

［3］WANG Y， ANDERSON J， JOO S J， et al. The leniency of return policy and consumers repurchase intention in online retailing［J］. Industrial Management & Data Systems， 2020， 120（1）： 21-39.

［4］WOOD S L.Remote purchase environments： the influence of return policy leniency on two-stage decision processes［J］. Journal of Marketing Research， 2001， 38（2）： 157-169.

［5］HEIMAN A， MCWILLIAMS B， ZILBERMAN D. Demonstrations and money-back guarantees： market mechanisms to reduce uncertainty［J］. Journal of Business Research， 2001， 54（1）： 71-84.

［6］JANAKIRAMAN N， SYRDAL H A， FRELING R. The effect of return policy leniency on consumer purchase and return decisions： a meta-analytic review［J］. Journal of Retailing， 2016， 92（2）： 226-235.

［7］WANG X S. Retail return policy， endowment effect， and consumption propensity： an experimental study［J］. The B.E. Journal of Economic Analysis & Policy， 2009， 9（1）： 38.

［8］CHANG H H， GUO Y Y. Online fraudulent returns in Taiwan： the impacts of retailers transaction ethics and consumer personality［J］. Journal of Retailing and Consumer Services， 2021， 61： 102529.

［9］CHANG H， YANG T. Consumer rights or unethical behaviors： exploring the impacts of retailer return policies［J］. Journal of Retailing and Consumer Services， 2022， 64： 102779.

［10］PEI Z， PASWAN A， YAN R. E-tailers return policy， consumers perception of return policy fairness and purchase intention［J］. Journal of Retailing and Consumer Services， 2014， 21（3）： 249-257.

［11］井淼，周穎，吕巍. 互联网购物环境下的消费者感知风险维度［J］.上海交通大学学报， 2006， 40（4）： 607-610.

［12］ROKONUZZAMAN M， IYER P， HARUN A. Return policy， no joke： an investigation into the impact of a retailers return policy on consumers decision making［J］. Journal of Retailing and Consumer Services， 2020， 59： 102346.

［13］BONIFIELD C， COLE C， SCHULTZ R L. Product returns on the internet： a case of mixed signals？［J］. Journal of Business Research， 2010， 63（9-10）： 1058-1065.

［14］OGHAZI P， KARLSSON S H， HELLSTRM D， et al. Online purchase return policy leniency and purchase decision： mediating role of consumer trust［J］. Journal of Retailing and Consumer Services， 2018， 41： 190-200.

［15］ZHANG J， LI H， Yan R L， et al. Examining the signaling effect of E-tailers return policies［J］. Journal of Computer Information Systems， 2016， 57（3）： 191-200.

［16］MEHRABIAN A， RUSSELL J A. An approach to environmental psychology［M］. The MIT Press， 1974.

［17］CHEN J， YU B， CHEN B，et al. Lenient vs. stringent returns policies in the presence of fraudulent returns： the role of customers fairness perceptions［J］. Omega， 2023， 117： 102843.

［18］SPENCE M. Market signaling： Informational transfer in hiring and related screening processes［M］. Cambridge： Harvard University Press， 1974.

［19］魯耀斌， 周涛.电子商务信任［M］. 武汉： 华中科技大学出版社， 2007.

［20］LI Y， XU L， LI D. Examining relationships between the return policy， product quality， and pricing strategy in online direct selling［J］. International Journal of Production Economics， 2013， 144： 451-460.

［21］梁建英， 李垣， 廖貅武. 信号成本与服务外包供应商信号传递关系的博弈模型［J］. 中国管理科学， 2007， 69（1）： 99-105.

［22］SEGER-GUTTMANN T， VILNAI-YAVETZ I， WANG C Y， et al. Illegitimate returns as a trigger for customers ethical dissonance［J］. Journal of Retailing Consumer Services， 2018， 45： 120-131.

［23］SHAO B， CHENG Z， WAN L， et al. The impact of cross border E-tailers return policy on consumers purchase intention［J］. Journal of Retailing Consumer Services， 2020， 59： 102367.

［24］CONCHAR M P， ZINKHAN G M， PETERS C， et al.An integrated framework for the conceptualization of consumers perceived-risk processing［J］. Journal of the Academy of Marketing Science， 2004， 32（4）： 418-436.

［25］PAPPAS N. Marketing strategies， perceived risks， and consumer trust in online buying behaviour［J］. Journal of Retailing and Consumer Services， 2016， 29： 92-103.

［26］ASKARIFAR K， DEHBOZORGI Y， ALSAFI A. How risk-aversion level of return policies impact consumer trust in online shopping？ an intercultural study in the Middle East［J］. Journal of Islamic Marketing， 2023， 14（11）： 2871-2886.

［27］YEN Y S. Extending consumer ethnocentrism theory： the moderating effect test［J］. Asia Pacific Journal of Marketing and Logistics， 2018， 30（4）： 907-926.

［28］JENG S P. The effect of corporate reputations on customer perceptions and cross-buying intentions［J］. Service Industries Journal， 2011， 31（60）： 851-862.

［29］JACOBY J， OLSON J. Perceived quality： institute of retail management［C］. New York University. Lexington Books， D. C. Heath， Lexington， MA， 1985.

［30］GOLALIZADEH F， RANJBARIAN B， ANSARI A. Impact of customers emotions on online purchase intention and impulsive buying of luxury cosmetic products mediated by perceived service quality［J］. Journal of Global Fashion Marketing， 2023， 14： 468-488.

［31］ZHANG W， LUO B. Do environmental concern and perceived risk contribute to consumers intention toward buying remanufactured products？ an empirical study from China［J］. Clean Technologies and Environmental Policy， 2021， 23（2）： 463-474.

［32］MITCHELL V. Consumer perceived risk： conceptualisations and models［J］. European Journal of Marketing， 1999， 33（1/2）： 163-195.

［33］AZHAR M， AKHTAR M J， RAHMAN M N， et al.Measuring buying intention of generation Z on social networking sites： an application of social commerce adoption model［J］. Journal of Economic and Administrative Sciences， 2023， ahead-of-print.

［34］COPELAND M T. Relation of consumers buying habits to marketing methods［J］. Harvard Business Review， 1923， 1（2）： 282-289.

［35］KLEIN L R. Evaluating the potential of interactive media through a new lens： search versus experience goods［J］. Journal of Business Research， 1998， 41（3）： 195-203.

［36］ARNDT J. Role of product-related conversations in the diffusion of a new product［J］. Journal of Marketing Research， 1967， 4（3）： 291-295.

［37］NEWMAN M E. The structure and function of complex networks［J］. SIAM Review， 2003， 45（2）： 167-256.

［38］GELB B， JOHNSON M. Word-of-mouth communication： causes and consequences ［J］. Marketing Health Services， 1995， 5（3）： 54-48.

［39］CHEUNG C M K， THADANI D R. The impact of electronic word-of-mouth communication： a literature analysis and integr1ative model［J］. Decision Support Systems， 2012， 54（1）： 461-470.

［40］刘筱婷. 网络口碑、消费者鼓舞与冲动型购买行为的关系研究［J］. 商业经济研究， 2023， 16： 71-74.

［41］CHIU Y L， CHEN K H. The impact of online movie word-of-mouth on consumer choice［J］. International Marketing Review， 2019， 36（6）： 996-1025.

［42］RICHINS M L. Negative word-of-mouth by dissatisfied consumers： A pilot study ［J］. Journal of Marketing， 1983， 47 （1）： 68-78.

［43］OVERSTREET R E， MORGAN T R， LACZNIAK R N， et al.Stemming the tide of increasing retail returns： implications of targeted returns policies［J］. Journal of Business Research， 2022， 151： 551-562.

［44］LIU S， JIANG C， LIN Z， et al.Identifying effective influencers based on trust for electronic word-of-mouth marketing： a domain-aware approach［J］. Information Sciences，2015， 306：34-52.

［45］SINGH J. Voice， exit， and negative word-of-mouth behaviors： an investigation across three service categories［J］. Journal of the Academy of Marketing Science， 1990， 18： 1-15.

［46］張伟， 王笑， 何冬霞. 正面网络口碑对消费者绿色消费意向的影响机制研究［J］. 管理评论， 2023， 35（2）： 193-204.

［47］ROKONUZZAMAN M， MUKHERJEE A， IYER P， et al. Relationship between retailers return policies and consumer ratings［J］. Journal of Services Marketing， 2020， 34（5）： 621-633.

［48］張蓓佳. 网络购物环境下退货政策对消费者购买意愿的影响研究［J］. 软科学， 2017， 31（2）： 122-125.

［49］HSIEH P L. Perceived opportunism （PO） in e-return service encounters［J］. Managing Service Quality： An International Journal， 2013， 23（2）： 96-110.

［50］DODDS W B， MONROE K B， GREWAL D. Effects of price， brand， and store information on buyers product evaluations［J］. Journal of Marketing Research， 1991， 28（3）： 307-319.

［51］SUWELACK T， HOGREVE J， HOYER W D. Understanding money-back guarantees： Cognitive， affective， and behavioral outcomes［J］. Journal of Retailing， 2011， 87（4）： 462-478.

［52］PREACHER K J， HAYES A F. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models［J］. Behavior Research Methods， 2008， 40 （3）： 879-891.

The Impact of the Leniency of Return Policy on ConsumersPurchase Intentions in Online Shopping： An Analysis of Moderated Dual-mediator Effects Based on the SOR Model

LIU Han-qiu1， YANG Lin-yan2

（1. Business School， The Chinese University of Hong Kong， Hong Kong 999077， China;2. The School of Management， Xian Jiaotong University， Xian 710000， Shaanxi， China）

Abstract： The rapid growth of e-commerce and the increasing number of online shoppers have brought the topic of online shopping to the forefront of public and scholarly discourse. A distinguishing characteristic of online shopping， in contrast to traditional purchasing processes， is the temporal displacement between the decision to purchase and the actual receipt of the product， which has resulted in a surge of product returns. Consequently， the leniency of return policies has emerged as a critical determinant of consumer behavior.

However， existing research has paid limited attention to the influence of online shopping return policy leniency on consumer purchase intention from multiple internal perceptual perspectives. To address this research gap，this study employs signal theory and utilizes the SOR （Stimulus-Organism-Response） analytical framework to develop a model that considers the perceived quality and perceived risk as mediating variables， while store reputation and product heterogeneity serve as moderating variables. This comprehensive model aims to investigate the impact of return policy leniency on consumer purchase intention.

This study employs a multifactor experimental design， in which eight different experimental groups are created in online shopping contexts by manipulating the leniency of the return policy， product heterogeneity， and store reputation： 2 （return policy： lenient， strict） × 2 （product heterogeneity： high， low） × 2 （store reputation： high， low）.

The study examines the direct effect of return policy leniency on consumers perceived quality and risk， the mediating role of these perceptual factors on purchase intention， as well as the moderating influence of product heterogeneity and store reputation.

Empirical findings indicate that： （1） lenient return policies engender higher perceptions of quality and lower perceptions of risk， thereby augmenting consumer purchase intention; （2） in high-reputation stores， the impact of return policy leniency on consumer-perceived quality and risk is more pronounced compared with low-reputation stores; （3） when consumers encounter products with weaker heterogeneity as opposed to stronger heterogeneity， return policy leniency exerts a more substantial influence on perceived risk， while its impact on perceived quality remains statistically insignificant.

The potential contributions of this study are manifold： （1） the investigation delves into the impact of online retailers return policy leniency on consumer perceived quality and risk from various internal perceptual perspectives， thereby integrating relevant arguments from signal theory; （2） by employing the stimulus-organism-response model， the study elucidates the underlying mechanisms through which return policy leniency influences consumer purchase intention within the context of online shopping， with perceived quality and perceived risk serving as mediating variables; （3） the study adopts a dual perspective， considering both the product and store dimensions， and unveils the moderating role of product heterogeneity and store reputation in the relationship between return policy leniency and consumer perceived quality and risk within the realm of online shopping. Consequently， this study holds theoretical implications for advancing and refining the SOR model， signal theory， and research on the leniency of return policies in online shopping. Furthermore， it offers practical insights for consumers， online retailers， and e-commerce platforms.

Key words： online shopping; return policy; purchase intention; perceived quality; perceived risk; product heterogeneity; online reputation

CLC number：F713.36Document code：AArticle ID：1674-8131（2024）0-0111-14

（編辑：黄依洁;刘仁芳）