同伴购物车探索策略：基于信息觅食理论(IFT)降低在线弃购率的机制研究

为应对电商平台购物车高弃置率难题，研究人员通过结构方程模型(SEM)分析340名用户数据，发现同伴购物车探索行为能通过提升信息可诊断性(降低弃购)与意外发现感(增加弃购)显著影响弃购决策。该研究为购物车嵌入式推荐系统设计提供了关键理论依据与实践启示。

　　

基于信息觅食理论(Information Foraging Theory, IFT)——该认知框架阐释了个体如何依赖环境线索搜寻信息，本研究探讨了同伴购物车探索（即消费者通过购物车内嵌推荐系统浏览他人分享的精选商品集合）对降低在线购物车弃置率的作用机制。通过对电商平台340名用户的调查数据开展结构方程建模(Structural Equation Modeling, SEM)分析，发现该行为能显著减少弃购现象。其中感知诊断性（获得可评估信息）与意外发现感（发现非预期信息）起中介作用：诊断性信息降低弃购率，而偶然性信息则呈现反向影响。研究同时揭示购物车使用模式与消费者信息摄入的关联——分享型购物车用户比研究型用户更倾向于探索他人购物车。这些发现为电商平台在购物车中整合推荐系统提供了实证支持与实施路径。