从用户评说到实际效果：采用混合方法评估来洞察时尚类应用程序的用户体验

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：From reviews to results: A mixed-methods evaluation to understand UX in fashion apps

　　Debarun Chakraborty | Atanu Manna | Francesco Paolo Appio
印度那格浦尔管理学院

摘要
本研究探讨了先进技术在塑造印度时尚应用程序用户体验（UX）方面的变革性作用，重点分析了Ajio、Myntra和Snapdeal。通过将SERVQUAL模型与机器学习技术相结合，我们分析了服务质量维度在数字零售环境中的用户体验影响。采用混合方法，我们进行了两项互补的研究：一项是使用Latent Dirichlet Allocation主题模型对用户生成的评论进行文本挖掘分析；另一项是借助结构方程模型进行的基于调查的研究。我们从每个应用程序的Google Play商店收集了大约300,000条用户评论用于内容分析，并通过目的性抽样技术获得了489条用于SEM分析的回复。研究结果表明，产品供应、可用性、价格透明度、产品质量、应用程序性能以及多样化的产品系列显著提升了用户体验，而客户服务挑战和低效的退换货流程则对其产生了负面影响。此外，服务反馈促进了共创和用户参与度，突显了其在数字平台中的关键作用。本研究通过将SERVQUAL框架应用于电子商务环境，为其提供了可操作的洞察，帮助时尚应用开发者利用技术提升客户满意度、参与度和忠诚度。我们的发现有助于理解技术创新的多方面影响，为零售商和政策制定者提供了创建以用户为中心、技术驱动的零售生态系统的路线图。

引言
近年来，时尚应用程序的普及极大地改变了消费者与时尚品牌互动及购物方式。智能手机的广泛使用加上互联网访问性的提高，使人们几乎随时随地都能获取在线信息（Silva和Bonetti，2021；Lee和Raghu，2014）。移动应用程序允许消费者直接通过智能手机购买商品，无需前往实体店（Burke，2002）。这些应用程序为购物体验带来了便利性和个性化；用户可以浏览产品系列，根据个人喜好接收推荐，并通过简单的屏幕操作完成购买（Liu等人，2014）。诸如增强现实（AR）等先进技术通过提供虚拟试衣间功能，进一步增强了用户互动性，使客户在购买前能够预览服装的佩戴效果（Spohrer等人，2021；Baytar等人，2020）。随着虚拟购物环境的不断发展，基于元宇宙的虚拟商店展示了沉浸式、互动式平台如何通过提升个性化体验和满意度来重新定义用户互动（Chakraborty等人，2024）。同样，时尚应用程序中越来越多先进功能的采用代表了整合需求与满足感以改善客户体验和忠诚度的趋势。此外，复杂的算法和数据分析技术实现了个性化内容创作和营销，从而在社交媒体和网红营销盛行的时代提高了客户满意度和忠诚度（Wedel和Kannan，2016；Appel等人，2020）。时尚应用程序利用人工智能驱动的个性化技术优化推荐算法，提升了用户参与度和购买满意度（Pereira等人，2022）。此外，人工智能（AI）与其他技术的结合彻底改变了面向消费者和零售商的流程，提高了客户参与度和运营效率（Inman和Nikolova，2017；Shankar，2018；Shankar等人，2021）。因此，许多公司正在开发针对技术成熟度较高消费者的时尚应用程序。

尽管时尚应用程序不断增长，但在电子商务领域，尤其是在印度背景下，关于用户体验（UX）的研究仍存在许多未解决的问题。首先，很少有研究从服务质量的角度探讨时尚应用平台内的用户体验理论维度。其次，大多数现有研究集中在应用可用性、设计和采纳意图上，而对这些平台的服务质量如何影响用户体验的探索有限，这在数字商务背景下仍缺乏理论支撑。移动时尚商务是一个快速发展的领域，也面临着独特的UX挑战，包括高感官不确定性、对视觉线索的依赖以及决策过程中的情感因素（Cyr等人，2018）。这些特点使得时尚应用程序成为探索服务质量（如响应性、可靠性和保障）如何影响用户信任、满意度和参与度的理想领域。第三，印度是全球最具活力的数字市场之一，这里以移动为先的消费习惯、地区语言多样性及价格敏感性共同塑造了对服务质量的独特期望（Ashraf等人，2017）。这些因素影响了效率、同理性和感知价值等关键UX方面（Jongmans等人，2022），使得印度市场在改善用户体验和服务质量研究方面具有重要的实际意义和理论价值。本研究还适用于考察在不断发展的基础设施和社会文化背景下，应用程序互动如何影响用户体验。研究印度知名平台如Myntra、Ajio和Snapdeal有助于探索传统服务构建和数字设计元素如何共同影响用户体验。这些发现不仅对印度具有理论意义，也对面临类似转型动态的其他新兴市场具有参考价值。第四，大多数现有研究依赖传统的调查方法，这些方法主要关注用户界面或系统交互，但往往忽略了在线内容消费关键阶段的用户间互动（Shin，2020）。尽管先进机器学习技术在分析UX方面具有揭示深层模式和提供超越传统方法的预测性洞察的潜力，但其应用仍不够广泛。因此，填补这些空白、通过改善服务提供来提升用户体验至关重要，从而促进业务增长。本研究旨在探究不同时尚应用平台中影响用户体验的因素。

采用SERVQUAL框架分析Ajio、Myntra和Snapdeal上的用户体验，为评估和比较这些在线购物网站的服务质量水平提供了一种结构化方法。通过应用SERVQUAL维度（Yarimoglu，2014），研究人员可以评估时尚应用程序的物理层面。服务互动（如配送可靠性、退换货流程和客户服务）直接影响用户体验，使我们能够详细了解服务的实际和情感方面（Vakulenko等人，2024）。这包括在数字环境中测量信任、响应性和感知关怀（Benlian等人，2011）。因此，在此背景下应用SERVQUAL框架有助于深入探讨服务相关因素如何影响数字用户体验。这一主题通常仅从界面层面或系统性能的角度进行分析，但时尚应用程序营造了一个服务品质、情感需求和数字互动相结合的特殊环境（Lee和Xiong，2024）。这不仅揭示了一个未充分研究的领域，还强化了服务质量与用户体验之间的联系。该领域不仅需要功能性可用性，还需要数字服务中的信任、情感联系和感知关怀。

这项研究具有多重意义。它揭示了印度电子商务巨头在消费者视角下所缺乏的方面，指出了消费者的偏好和不满之处。此外，通过聚焦快速增长的印度电子商务市场，该研究进一步丰富了服务质量文献。随着新移动应用用户的迅速增加，印度消费者的需求也在不断变化，这显著增强了该模型在数字商务平台中的适用性。此外，使用机器学习处理大量用户数据比手动处理更节省时间，并能发现可能被忽略的隐藏趋势和模式。这种数据驱动的方法确保了用户满意度的所有方面的准确性和全面性，包括应用性能、导航便捷性、产品质量保证和整体服务满意度。本研究采用混合方法（结合定性[LDA]和定量[回归和SEM]分析），在方法论贡献上取得了显著进展，预计将大幅丰富与UX和数字服务研究相关的理论发展。研究结果将帮助这些平台了解自身的不足，并指导其改进服务以满足个性化客户需求。最终，整个电子商务行业都能从这项研究中受益，建立促进组织内部创新的基准实践，增强行业竞争力，并最终增加印度的在线交易量。

研究背景
技术的快速发展通过引入时尚应用程序彻底改变了时尚产业，为消费者提供了便捷和个性化的在线购物方式，帮助他们发现时尚服装并随时了解最新潮流（Langley和Rieple，2021；Soni等人，2019）。这些应用程序提供了来自各种品牌和设计师的多样化产品系列，根据用户偏好进行了定制，从而提升了购物体验（Blázquez，2014）。

由于印度在数字和文化方面的独特性，本研究选择了印度作为研究焦点，以探讨时尚电子商务应用程序中的用户体验。过去十年间，印度时尚电子商务行业经历了指数级增长，这一增长得益于互联网普及率的提高、智能手机的广泛应用以及可支配收入增加的中产阶级的兴起（Coherent Market Insights）。

探索性研究
图3.a、图3.b和图3.c展示了聚类技术的输出结果。这些图表显示了根据词语相似性将其分组的可视化结果。样本评论见附录A（图A）。聚类的数量是通过肘部法则确定的，详见附录B中的图B.1、图B.2和图B.3。研究结果表明，Ajio的最佳聚类数量为3个，而Myntra和……

对理论的启示
本研究对时尚应用程序中用户体验的理论理解做出了重要贡献，尤其是在印度电子商务领域。我们的部分发现与其他关于移动商务、时尚应用程序和服务质量的研究结果一致。具体而言，与移动购物和个人化研究（Bilgihan，2016；Magrath和McCormick，2013；Soni等人，2019）一致，我们发现服务可用性、感知价值（价格和质量）以及产品多样性对用户体验有显著影响。

局限性与未来研究
虽然本研究为印度时尚应用程序中影响用户体验的因素提供了宝贵见解，但仍需承认一些局限性。首先，对特定机器学习技术（如LDA用于主题建模）和统计模型（如logit回归和SEM）的依赖可能会限制研究结果在其他时尚应用领域的普遍性。采用其他分析方法或机器学习算法可能会得出不同的结论。

作者贡献声明
Debarun Chakraborty：撰写——审稿与编辑、原始草稿撰写、可视化、资源管理、方法论设计、正式分析、数据整理、概念化。
Atanu Manna：撰写——审稿与编辑、原始草稿撰写、可视化、验证、方法论设计、正式分析。
Francesco Paolo Appio：撰写——审稿与编辑、原始草稿撰写、验证、资源管理、数据整理、概念化。

Debarun Chakraborty博士是印度那格浦尔管理学院的副教授，他在高影响力期刊上发表了关于技术采用与接受度、消费者行为、食品营销和可持续性等方面的研究。他的研究成果发表在《Journal of Business Research》、《Psychology & Marketing》、《Technovation》、《Technological Forecasting & Social Change》、《IEEE TEM》、《Journal of Retailing and Consumer Services》和《Journal of Hospitality Marketing &》等顶级期刊上。