质量属性变化对满意与忠诚关系的调节作用，本文主要内容关键词为：忠诚论文,属性论文,调节作用论文,满意论文,关系论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
提高顾客满意度，使满意的顾客转化为忠诚的顾客，是企业防御型市场策略的重要手段。[1]虽然大量研究已经证实，顾客满意是顾客忠诚最关键的前置变量，[2-13]但是相反的证据同样令人吃惊，顾客满意并不是在任何情况下都能转化为忠诚，而在某些情况下，忠诚甚至与满意无关。[14-16]例如，Reichheld和Teal的研究发现，那些叛逃的顾客中，有65%-85%曾在叛逃前宣称自己满意或者很满意。15]而且，一项关于顾客满意的元分析发现，满意对于重复购买行为的预测能力非常有限，受到众多调节因素的影响。[17，18]因此，亟需挖掘有效的调节变量，探索在什么条件下满意才能转化为忠诚，企业对提高顾客满意的投资是有回报的；在什么条件下满意无法转化为忠诚，企业应转向其他手段维护老顾客。[19]
研究满意与忠诚之间关系强度的变化，探讨调节变量以及调节机制，关键是从概念内涵上找出二者的区别。一些研究将满意与忠诚之间的断层归因于态度与行为(意向)间的差异，认为满意是态度，而忠诚是行为(意向)，[6]也有研究提出满意与忠诚是顾客不同的反应模式，满意是评价，而忠诚是选择。[20]多数的调节变量研究如人文类、社会经济类变量研究并未深入探讨概念差异及调节机制，研究结果不一致的情况频繁出现。[5，19，21]在解释效力方面，许多调节变量仅能解释低满意—高忠诚或者高满意—低忠诚的一种情况。满意与忠诚关系的研究亟需从概念层面进行更深入的分析比较，提出具有创新性的思路。
一、文献综述与理论框架
本研究将顾客满意定义为顾客对以往消费使用产品或服务经历的累积性评价，[1]而顾客忠诚被定义为顾客对未来持续重复购买某产品或服务以及是否向他人推荐的意愿。[22]已有关于满意与忠诚关系的研究所挖掘的调节变量包括行业变量、顾客变量、关系变量以及满意度量变量。其中行业变量包括转移成本、竞争强度、产品类别特征等。[4，15，23，24]顾客变量既包括人文变量如性别、年龄与社会经济变量如收入、受教育程度等，[5，19，21]还包括心理变量如涉入度、多样化寻求倾向、动机等。[19，25，26]关系变量主要是从关系营销的范式下关注企业与顾客的交易关系时间长度、是否参加关系计划等。[6，18]满意度量变量研究主要是从满意评价确定性的角度来解释满意与忠诚之间的关系强度。[27]
在已有的关于满意与忠诚关系调节效应的研究中，少数研究试图从满意与忠诚概念的差异出发，深入探讨调节机制。其中，一类研究将满意定义为一种特定类型的态度，即消费后评价，[28]而忠诚定义为持续重复购买行为(意向)。22]在态度—意向—行为的研究中，态度不能转化为行为的一个重要原因就是个体对行为缺乏控制力，即便自身持有正向态度，但是受到环境条件的制约而无法实施行为。[6，29，30]Seiders等认为，满意—忠诚关系的问题与态度—行为(意向)关系的问题相似，受到个体行为控制力的影响。例如在对转移成本的研究中发现，顾客虽然对原有产品或服务不满意(负向态度)，但是在决定是否重购时，由于存在较大的转移成本，不得不继续购买产品或保留原有合约关系。[31]再如对收入的研究，多数研究发现收入高的顾客，其满意能更多地转化为忠诚，[16，19]Seiders等认为这是由于高收入赋予顾客一种克服经济类障碍、实现自身想法的能力。[6]Auh和Johnson的研究则认为，满意是一种评价任务，而忠诚是选择任务，二者是不同的反应方式(Response Mode)，并基于不同的产品属性信息。而当满意与忠诚判断所采用的属性信息差异越大时，满意与忠诚的关系则越弱。[20]
我们认为，绝大多数关于满意与忠诚关系的研究忽略了满意与忠诚概念之间的一个重要差异：时间视角的差别。满意是对过去经验的回溯式评价，而忠诚是对未来预测体验的前瞻式判断。[3，20，32]满意与忠诚在时间视角上的差别进一步导致它们在判断基础上的差异，满意是基于过去效用(也称体验效用，Experienced Utility)，而忠诚则基于未来效用(也称预测效用，Predicted Utility)。[33]过去效用与未来效用的关系强弱取决于人们能否基于过去体验到的效用来判别未来效用，其关键是过去信息对未来判断的有效性。34]与此对应，满意与忠诚的关系也取决于基于过去效用的满意信息是否对基于未来效用的忠诚判断有效。
以往营销研究已经注意到满意信息对忠诚判断的有效性问题。Lemon等提出，忠诚意向具有很强的未来性，顾客在决定是否忠诚(重复购买或延续服务合约)时，有两类信息输入，一个是以往的满意评价，另一个是关于未来情况的考虑，而顾客对未来的考虑包括两个变量即未来的使用程度与预期是否后悔。一方面，这两个变量对于忠诚具有直接的影响力；另一方面，顾客增加了对未来的考虑，就会减少对满意信息的使用，因此，这两个变量还会调节满意与忠诚的关系。[24]在Bolton早期的研究模型中，顾客保留决策是满意信息与新信息的函数，满意信息仅仅是保留决策信息来源的一部分。顾客以满意作为基准点，同时考虑新信息作为调整。[18]在其后的更新模型中，她进一步明确提出，现有服务质量是否提高这一新信息是决定顾客重复购买的直接因素，同时还可以调节满意与保留决策的关系。[7]
我们认为所谓有关未来的新信息，就是那些造成未来效用有别于过去效用的变化信息，顾客实际上在考虑，我在未来是否还能获得与过去相同的体验？是否会发生变化？过去效用能多大程度上反映未来效用？忠诚判断是满意信息与效用变化信息的函数。顾客试图以满意信息为基准点，根据效用变化的可能性、变化的方向、变化的幅度等做出调整，以此做出未来的忠诚判断。我们的理论推导已经与已有研究形成区别。Lemon等认为，对未来进行思考这一行为本身就会导致满意对忠诚的解释力下降。而我们认为，对未来思考的结果更为重要，只有当顾客发现未来情况与过去情况有差异时，满意对忠诚的解释力才会下降。因此效用是否在未来发生变化成为调节满意与忠诚关系的关键因素。[24]实际上，已经有证据表明产品或服务提供过程中的突发事件会对满意与忠诚关系造成影响。[35]
在什么情况下，效用会发生变化呢？根据多属性效用模型(Multi-attribute Utility Model)，整个产品或服务的效用等于各个质量属性的效用之和，而各属性效用等于属性水平与权重的乘积。[36]考虑背景效应(Context Effect)的存在，[37]产品质量属性水平变化、属性权重变化以及市场环境变化是效用发生变化的三大来源。根据以往相关营销战略研究所采用的方法，本研究将聚焦于产品或服务质量属性水平的变化，未涉及属性水平与属性权重及背景因素之间可能的相互影响与交互作用。①本研究所探讨的产品或服务质量属性，是指顾客在对产品或服务进行满意评价时具有重要影响的属性，也是满意的驱动属性。而属性水平的变化是指人们感知属性水平的变化，不是客观变化，而是主观(感知)变化。客观变化是主观(感知)变化的基础，但是主观(感知)变化还会受到其它因素的影响，如质量属性的易评价性、模糊性等，[38-39]属性水平的客观变化未必会引起主观变化。另外，人们对变化的感知有三种参照点，包括中心客体参照点、其他客体参照点与自我参照点。[40]而本研究所指的质量属性变化，是指质量属性在t时点的表现参照其在过去t-1时点表现的差异值，是以中心客体为参照点的。以往研究发现，顾客会根据质量属性过去的变化来预测未来的变化规律。[41]
质量属性具有行业差异性与个体差异性。首先，质量属性因品类而异。在后面的两个实证研究中，我们分别涉及了两个品类，一个是百货商店(属于服务)，另一个是汽车(属于产品)。显然，这两个品类有着不同的质量属性。我们主要是结合文献并通过焦点访谈会(Focus Group)的方法挖掘不同品类的质量属性。其次，质量属性因人而异，针对同一品类不同顾客所看重的质量属性也是不同的，必须充分考虑人群异质性。我们在研究一中，采用潜分层回归方法(Laten Class Regression)，提取了个人层面的影响系数；在研究二中，采用直接询问的方法，要求被调查者对每个质量属性的重要性程度打分，再从中挑选出对个人满意评价具有重要影响的质量驱动属性。
后面的两个实证研究将先后采取横贯调查数据及纵贯调查数据对产品或服务质量属性变化对满意与忠诚关系的影响进行深入的分析。研究一从静态视角出发，采用横贯数据，将质量属性分为易变与不易变属性，对比分析了当满意主要为易变及不易变属性驱动时，满意与忠诚关系强度的变化。研究二从动态角度出发，采用纵贯数据，在顾客购买前后两个时点进行了质量属性感知的两次测量，从而计算属性感知的前后差值，分析是否变化与变化幅度对满意与忠诚关系的影响。
二、研究一：易变与不易变质量属性的影响
1.假设提出
大量行业、企业层面的顾客满意度调查数据为验证本理论提供了数据基础，但问题是，顾客满意度调查数据主要为横贯数据，[2，42]并未在两个以上的时间点对同一质量属性进行个人层面的测量。因此，也无法观测质量属性是否发生了变化，进而分析这种变化的影响。那么，如何在横贯数据的基础上开发假设，并为我们的理论找到证据？
由于形成满意的驱动要素具有易变性的差别，这就给我们提供了一个研究机会，即可以不通过对质量属性变化进行直接测量。而是通过理论推导确定质量属性发生变化的可能性。根据我们的核心理论，如果顾客主要基于一些稳定性强、不易变化的属性来形成满意，那么满意转化为忠诚的效率将会提高；反之，如果顾客主要基于一些稳定性差、容易变化的属性来形成满意，那么满意转化为忠诚的效率将会下降。
Purohit和Srivastava从稳定性角度将产品属性分成了两大类。高范围(High-scope)属性是指那些经历了长时间形成的不会轻易发生改变的稳定属性，而低范围(Low-scope)属性是指那些容易发生变化的不稳定属性。他们认为，企业声誉、企业形象等属性需要长时间的投入、积累足够多的证据才能建立起来，因此企业声誉与企业形象属于高范围属性，一旦建立就很难改变。与之对比，价格与质保条款等相对容易调整和变化，企业不需为它们投入很大成本，因此价格与质保条款属于低范围属性。[43]一些研究也从其它角度发现，企业对不同质量属性的可操控程度并不相同，企业对价格及促销策略的操控能力最强，可以很灵活地进行调整，而对企业形象短期内几乎没有调整余地。[44]
根据我们前面的理论框架，满意与忠诚的关系强度取决于满意形成的基础，当满意更多建立在企业形象的基础上(满意与企业形象的相关性越强时)，满意的基础越稳固，满意与忠诚的关系越强；当满意更多建立在价格促销的基础上(满意与价格促销的相关性越强时)，满意的基础越不稳固，满意与忠诚的关系越弱。根据上面的推理，我们的假设如下：
H1：满意与企业形象的关系越强时，满意与忠诚的关系越强
H2：满意与价格促销的关系越强时，满意与忠诚的关系越弱
除企业形象与价格促销外，服务营销中的环境设施与人员服务在易变程度上也有明显差异。环境设施是指如服务场所、环境以及配套的有形实物设施；而人员服务则是指服务人员的可靠性、反应性、关怀性等无形要素。[45]研究发现，相比于环境设施，服务人员的个人状态、个人技术乃至性格特点都会对服务质量造成影响，使质量水平更容易发生变化。[46]甚至适应性销售行为(Adaptive Selling Behavior)本身就要求服务人员在与顾客交互过程中提供因人而异的服务。[47]根据我们的核心理论，当满意更多建立在环境设施的基础上(满意与环境设施的关系越强时)，满意与忠诚的关系越强；而满意更多建立在人员服务的基础上(满意与人员服务关系越强时)，满意与忠诚的关系越弱。
H3：满意与环境设施的关系越强时，满意与忠诚的关系越强
H4：满意与人员服务的关系越强时，满意与忠诚的关系越弱
2.数据获取
我们采用了清华大学中国零售研究中心2007年对中国百货商店的顾客满意度调查数据来检验我们的假设。该调查在整理并借鉴相关文献的基础上，通过焦点访谈会点的方法，挖掘了能够较全面反映中国零售业特点的十个质量属性，并对这十个质量属性进行了多指标测量。[42]我们从中选取了企业形象、价格促销、环境设施以及人员服务这四个与本研究假设直接相关的变量及相应数据。忠诚概念的测量主要参考了Johnson等与Brown等研究的量表，包括对重复购买意愿与口碑推荐意愿的二维度测量。[48，49]满意的测量与美国顾客满意指数(American Customer Satisfaction Index)的设计一致，包括了四个指标，一是总体满意度，二是与期望相比的满意度，三是与其他竞争者相比的满意度，四是与理想相比的满意度。[1]
数据收集是以清华大学中国零售研究中心的名义，采取路面拦截访问方式进行的，最后完成有效问卷7513份。在全部样本中男性和女性顾客比例基本一致，分别为52.7%和43.5%(少量数据缺失)；18岁至40岁的顾客占总样本的87.2%以上；高中及以上学历的顾客占到总样本的93.9%；家庭年总收入在1-10万的人占总样本的73.2%；家庭人口在三人及以上的占90.1%。
3.数据分析与结果
由于采用同一问卷测量所有概念，可能存在共同方法偏差，偏差将导致这些概念间的关系被人为夸大。因此，我们先进行了样本的探索性因子分析(EFA)。结果发现，抽取出来的第一个因子并没有解释大部分方差，在未旋转前也不存在一般因子，从而排除了共同方法偏差造成的较大干扰。[50]
表1给出了主要潜变量的测量指标、标准载荷与信度指标。我们采用LISREL8.7软件进行了量表的验证性因子分析，来检验六个因子是否稳定合适。结果显示，
=22426.18，RMSEA为0.074；NNFI为0.86，CFI为0.87，GFI为0.82。CFI、GFI和NNFI均高于0.80的临界值，RMSEA低于0.08的临界值，说明模型整体拟合良好。其次，各个指标与对应的潜变量的因子负载都远高于0.4的临界值，并且其t值在p=0.01的水平下都是显著的，而且平均抽取方差(AVE)都大于0.5，说明测量的汇聚效度良好。
另外，我们还通过卡方差异检验来确定测量的判别效度。具体方法是分别固定模型中每一对潜变量间的相关系数为1，根据这个限制模型得到新的卡方值。然后计算限制模型与原来的非限制模型之间卡方值的差异是否具有显著性(相差一个自由度)。在p=0.05显著性水平下，(1)=3.84，在p=0.01显著性水平下，(1)=6.63。结果显示，卡方差异值均显著高于临界水平，说明模型的各个潜变量之间具有良好的判别效度。
根据假设H1、H2、H3、H4，我们需要获取个人层面的质量属性与满意以及满意与忠诚的关系系数。根据横贯数据的特点以及我们的研究目标，我们选择了潜分层回层分析方法。该方法假设整个市场由几个有限的细分市场构成，每个细分市场有独特的模型参数。通过这种方法，研究者既可以找到每个细分市场的特有参数，还可以估计个人属于每个细分市场的概率以及个人层面的特有系数。[51]而已有研究表明，零售市场非常适合采用潜分层线性回归。[52]
图1 商店质量属性→满意→忠诚模型
在上一步的验证性因子分析过程中，我们得到了每个被调查者在企业形象、价格促销、环境设施、人员服务、满意与忠诚这六个潜变量上的得分。按照质量(属性)→满意→忠诚这一满意前因与后果经典理论模型，[2]我们构造了五条路径，包括企业形象→满意、价格促销→满意、环境设施→满意、人员服务→满意、满意→忠诚(见图1)。接下来，我们使用Mplus 4.0进行了潜分层线性回归，根据模型的AIC以及BIC指标，将整个市场分为五个细分市场最为合适。表2给出了每个细分市场的路径系数。由于每个细分市场的潜变量关系系数并不是本研究的重点，因此我们仅对结果做简要汇报。总体上看，五个细分市场的满意驱动属性各不相同。第一个细分市场为价格环境双驱动型市场；第二个细分市场是纯价格驱动型市场；第三个细分市场是要素均衡型市场；第四个细分市场为价格厌恶型市场；第五个细分市场为服务驱动型市场。
在获得了每个细分市场的路径系数后，我们还获得了每一位被调查者属于这五个细分市场的后验概率(p1，p2，p3，p4，p5)。我们以每一位被调查者的后验概率为权重，根据五个细分市场的路径系数，计算得出每一位被调查者个人层面的路径系数。
4.假设检验
根据假设H1、H2、H3、H4，我们需要检验个人层面的两个系数之间的相关关系，这两个系数分别是：(1)质量属性与满意之间的关系系数：(2)满意与忠诚的关系系数。根据上述潜分层线性回归方法我们获得每个样本的潜变量之间的系数，包括企业形象→满意、价格促销→满意、环境设施→满意度、人员服务→满意以及满意→忠诚的五个系数。然后我们再针对这五组系数进行相关分析。
结果显示，企业形象→满意与满意→忠诚之间的相关系数为0.634(p＜0.01)，这表明，当满意越依靠企业形象形成时，满意转化为忠诚的效率越高；价格促销→满意与满意→忠诚之间的相关系数为-0.148(p＜0.01)，这表明，当满意越依靠价格促销形成时，满意转化为忠诚的效率越低；环境设施→满意与满意→忠诚之间的相关系数为0.693(p＜0.01)，这表明，当满意越依靠环境设施形成时，满意转化为忠诚的效率越高；人员服务→满意与满意→忠诚之间的相关系数为-0.404(p＜0.01)，这表明，当满意越依靠人员服务形成时，满意转化为忠诚的效率越低。H1、H2、H3、H4均得到支持。
研究一结果表明，满意与忠诚的关系强度大小与满意的形成基础有关。当满意是受企业形象与环境设施这两个相对不易变化的属性驱动形成时，满意对忠诚的影响变大；当满意是受价格促销与人员服务这两个相对容易变化的属性驱动形成时，满意对忠诚的影响变小。研究一的局限是，我们并未直接测量质量属性是否发生了变化，而是根据理论推导区分了容易变化的属性和不易变化的属性。另外，我们揭示的是一种相关关系，我们最后获得的结果是两个关系系数之间的相关系数。对这个结果的直接解释是，当属性与满意的关系系数提高一个单位时，满意与忠诚的关系系数上升(或下降)多少。研究一的结果为本研究的核心理论提供了初步的支持。
三、研究二：质量属性变化与变化幅度的影响
1.假设提出
研究二的主要目的是采用纵贯调研数据，直接测量质量属性的变化，为核心理论提供更为直接的证据。当产品或服务质量属性发生变化时，顾客会同时产生两种反应。一是顾客认为变化割裂了过去效用与未来效用的联系，而代表过去效用评价的满意信息无法有效预测未来效用，因此满意对忠诚的影响力下降。二是质量属性的变化使顾客的注意力从整体评价(满意)挪向属性评价，他们更可能采取属性评价策略代替整体评价策略进行未来决策，结果使满意对忠诚的影响力进一步降低。也就是说，当质量属性发生变化时，顾客会从过去信息转向新信息，会从整体转向属性评价，这两个过程都会导致满意与忠诚的联系弱化。我们的具体假设如下：
H5：质量属性发生变化时(与没有变化相比)，满意对忠诚的影响变弱
有时，质量属性仅发生非常微小的变化。由于顾客对变化注意的感知是有阈值限制的，如果该变化达不到阈值，顾客几乎无法察觉。随着属性变化幅度的加大，变化引起了顾客的注意并产生反应。[53]因此，我们假设：
H6：随着质量属性变化幅度的增加，满意对忠诚的影响变弱
2.数据获取
我们的纵贯数据来源于清华大学经济管理学院2007-2008年一项关于购车者满意度的调查，是针对同一批家庭桥车购买者在购车前与购车后的两轮调查数据。该调查所采用的量表是采取焦点访谈会的方法，提取了汽车的主要七个质量属性，包括汽车的可靠性、安全性、经久耐用性、内外部设计，内外部做工，操控与动力性能，驾乘的舒适与便利性。除这七个质量属性外，问卷中顾客满意与忠诚的测量与研究一中的量表相同。
第一轮数据收集时间为2007年底，正式调查地点选择了北京亚运村汽车交易市场。调查委托专业市场调查公司，采用随机拦截访问的方法，访问了有购车意向的消费者，要求其对最有意向的汽车品牌的质量属性进行评价，并对这些属性的权重(重要性程度)打分。第二轮数据收集发生于七个月后，聘用专业市场调查公司采用电话访谈的方法。调研员与第一轮有效问卷的受访者进行电话联系，询问其是否已经买车。如果被调查者已经在第一轮与第二轮调查之间的时间内买车，则再次询问其对车辆质量属性的评价及满意与忠诚意向。最终获得有效问卷262份。这262名被访者购买了原意向车型，并针对同一车型分别在购买前与购买后进行了两次评价。在这262人中，男性占69.5%，年龄40岁以下的占75.9%，学历大学以上程度的占79.8%，家庭每月税前收入水平在4000元以上的占79.7%。被调查者的实际驾驶经验普遍在六年以下，占72.4%。
3.数据分析与结果
本研究测量的汽车质量属性为单指标变量，测量的潜变量为顾客满意与顾客忠诚。表3显示了这两个潜变量的主要信度及效度指标。
验证性因子分析结果显示，=88.90，RMSEA为0.081；NNFI为0.93，CFI为0.96，GFI为0.93。CFI、GFI和NNFI均高于0.80的临界值，RMSEA接近0.08的临界值，说明模型整体拟合良好。其次，各个指标与对应的潜变量的因子负载都远高于0.4的临界值，其t值在p=0.01的水平下都是显著的，而且平均抽取方差(AVE)都大于0.5，说明测量的汇聚效度良好。卡方差异检验显示，满意与忠诚之间具有良好的判别效度。
根据假设H5与H6，我们需要计算质量属性的变化值，并分别生成两个新的自变量。为检验假设H5，我们生成的第一个变量是“质量属性是否变化”，该变量为哑变量，若发生变化则取值为1，未发生变化则取值为0；为检验假设H6，我们生成的第二个变量是“质量属性变化幅度”，该变量为连续变量。
第一轮问卷中，在被调查者进行汽车质量属性的评价之前，我们询问了各质量属性的重要性程度，其问题为，“车辆在以下方面的表现对您来说重要吗(打分越高，表示越重要)”。我们选取了被调查者重要程度打分最高的质量属性作为研究对象。并根据如下公式1构造了变化幅度这一变量。
根据以上步骤我们得到了每位被调查者最看重的质量属性的前后变化绝对值均值，简称变化幅度(CM)，CM≥0，且为连续变量。进一步分析发现，262人中有32人质量属性未发生变化，即CM=0，另外230人的质量属性发生了变化，CM＞0，变化幅度的均值为1.52，标准差为0.94。另外为验证假设H5，我们借鉴了以往学者的作法，[54]生成了一个哑变量DCM，当购买前后的属性感知发生变化时，DCM值为1；当购买前后属性未发生变化时，DCM值为0。可以看出，当CM=0时，DCM=0：当CM＞0时，DCM=1。
4.假设检验
H5与H6的自变量分别为哑变量与连续变量，因此我们选取了分组分析(Subgroup Analysis,SA)以及调节回归分析(Moderated Regression Analysis,MRA)两种方法作为调节效应的检验手段。[55]
H5是指当质量属性发生变化时，满意对忠诚的影响变弱。根据这一假设，我们将样本分为不变组(DCM=0，CM=0)与变化组(DCM=1，CM＞0)。然后我们分别对不变组与变化组进行满意与忠诚的相关分析。结果显示，不变组满意与忠诚显著相关(r=0.593，p＜0.05)，变化组满意与忠诚显著相关(r=0.295，p＜0.05)，两个相关系数之间有显著差异(z=1.92，p＜0.05)，因此可认为变化组满意与忠诚的相关系数要小于不变组满意与忠诚的相关系数。
我们又采用带有调节变量的多元回归分析来进行H5-H6的检验，分析模型如公式2与公式3。考虑到调节效应检验时普遍存在的共线性问题，我们对满意及质量属性变化幅度进行了标准化处理，再由标准化处理后的得分相乘得到交互项得分。[56]根据假设H5-H6，我们希望变化(幅度)与满意的二次交互性系数
显著且符号为负。
模型结果见表4。在哑变量模型中(F=26.21，p＜0.000)，满意与质量属性是否变化的交互项系数显著且为负(t=-2.012，p＜0.05)。这说明，当质量属性发生变化时，满意对忠诚的作用降低，因此，H5得到支持。在连续变量模型中(F=29.35，p＜0.000)，满意与质量属性变化幅度的交互项系数显著为负(t=-2.454，p＜0.05)。这说明，随着质量属性变化幅度的加大，满意对忠诚的影响力会下降，因此，H6得到支持。
研究二的一个重要贡献就是直接对质量属性的变化进行了测量，并发现质量属性的变化对满意与忠诚之间的关系具有调节作用。研究结果从两个层面上支持了我们的假设。首先，将变化与不变化作为类别变量处理，变化组的满意与忠诚关系要显著高于不变组的满意与忠诚关系；其次，将变化幅度作为连续变量处理，发现随着变化幅度的增加，满意与忠诚关系将变得更弱。研究二对于我们的核心理论提供了直接的支持证据。
四、研究结论与讨论
1.主要结论与理论贡献
本研究从时间视角来理解满意与忠诚的差异，并发掘了产品或服务质量属性这一新的调节变量。我们的主要理论是，当产品或服务质量属性发生变化时，满意向忠诚的转化率降低。本研究的主要结论包括以下几个方面：第一，受不易变化的质量属性驱动的满意能转化为更多的忠诚。第二，质量属性变化将削弱满意与忠诚之间的关系，随着质量属性变化幅度的加大，满意与忠诚关系削弱得更为明显。
本研究的理论贡献是，提供了时间视角这一新思路理解满意与忠诚的概念差异，增加了新的理论洞见。我们认为，所有引起效用变化的要素变化都可以成为调节满意与忠诚关系的潜在变量，这个推断使我们的新理论拓展性很强。在这一核心理论的基础上，可以开发多个相关假设，提出一系列的调节变量，甚至可以涵盖解释已有的一些调节变量，例如多样化寻求。从我们的新理论看，多样化寻求会导致顾客偏好发生变化，这种变化也必然导致过去效用无法预测未来效用，进而致使满意向忠诚的转化率降低。
2.管理启示
首先，应认识到整体环境变动对满意与忠诚关系的潜在损害。本研究的核心理论认为，一切引起效用改变的因素都会削弱满意与忠诚之间的关系。在这个理论的指导下，竞争环境的变化、产品质量的变化、顾客个人偏好的变化等都是造成满意对忠诚影响力减弱的原因。尤其在变动的新兴市场环境下，满意与忠诚之间的联系更弱，使企业追求顾客满意所做的努力与投入无法在未来得到足够的利润回报，降低了企业的赢利能力，并加大了企业经营的风险。因此，在新兴市场环境下的营销实践者更要注重运用其它手段如设置高转移成本来获取顾客忠诚，而不能单纯依靠提高顾客满意。
其次，从企业经营角度，仅追求满意是不够的，还要关注满意建立的基础。虽然在竞争性的市场条件下，企业已经普遍将追求顾客满意作为经营的重要目标，但是仅仅追求顾客满意是不够的，企业更需要了解顾客满意的形成基础是什么。企业需要问自己：我的顾客因为什么因素而满意？这种因素是否具有稳定性？我们的研究结果已经显示，不同因素驱动的满意向忠诚转化的效率并不相同。如果企业的顾客满意是建立在那些容易发生改变的质量属性基础上，那么这种满意无法转化为足够的忠诚，这种满意对企业价值并不大。
3.研究局限
第一，虽然研究一与研究二对于质量属性变化的调节作用给出了间接与直接的支持证据，但是仍有许多深层问题值得探讨。例如在研究二中，在变化组中实际上包含了质量属性上升与质量属性下降两种情况。虽然就整体而言，变化组的满意与忠诚关系比不变组更弱，但是上升与下降的情况是否相同？也就是说，质量属性的上升与质量属性的下降对满意与忠诚关系的影响方向是否相同？影响力大小是否有差异？第二，研究二采用的是两次测量的纵贯数据，但现实生活中，顾客会与产品或服务产生多次的交互经历，变化曲线更为复杂。我们会在未来研究中对这些未解决的问题进行深入探索。第三，考虑到新建关系顾客与长期关系顾客在质量评价方式及行为反应方面的差异，未来研究应比较两种类型顾客在面对质量属性变化时对满意与忠诚判断的差异。
①质量属性水平、属性权重与背景之间可能存在相互影响关系，并在对满意的影响过程中产生交互作用。依据以往满意相关研究的惯例，[7，17]我们仅单独研究质量属性水平对满意及忠诚的影响。感谢匿名评审专家对该问题的建议。