線上顧客感恩與信任之動態研究

A Dynamic Examination of Online Customer Gratitude and Trust

線上顧客感恩與信任之動態研究

Min-Hsin Huang, Department of Business Management, National Sun Yat-sen University

黃明新 / 國立中山大學企業管理學系

Li-Ting Shih, Department of Business Management, National Sun Yat-sen University

施麗婷 / 國立中山大學企業管理學系

Received 2019/5, Final revision received 2020/12 Abstract

Past literature has suggested that the relationship between enterprises and customers is likely to change over time; still, most scholars test their theoretical models by using measures of the relational constructs that represent a static point in time. Based on relationship dynamics theory, this study adopts the concepts of gratitude velocity and trust velocity, and uses longitudinal data gathered from online customers to examine how these constructs influence customers’ attitudinal and behavioral loyalty. We find gratitude velocity and trust velocity have significant positive effects on both forms of customer loyalty respectively. We also find that relationship benefits also have positive impacts on velocity. Our findings strengthen the literature regarding relationship marketing in e-commerce.

【 Keywords】customer gratitude, latent growth curve model, relationship dynamics theory 摘 要

過去文獻已提及企業與顧客的關係極可能隨著時間改變，但多數研究者仍採靜態的時 間點來驗證其理論模型。本研究以「關係動態理論」為基礎，運用潛在成長模型進行 長期資料分析，提出感恩與信任之變動速率，將其應用於線上購物環境，來驗證顧客 感恩與信任隨著時間推移，對顧客忠誠度（態度與行為忠誠）所帶來的影響。研究結 果顯示，感恩變動速率與信任變動速率正向影響顧客忠誠度，關係利益對關係變動速 率也有正向影響。研究結果將強化關係行銷理論應用在電子商務中。

【關鍵字】顧客感恩、潛在成長模型、關係動態理論

專題主編：王貞雅教授、白佩玉教授、黃俊堯教授、謝依靜教授（以上依姓氏筆畫排序）

壹、緒論

顧客關係管理一直是行銷實務與學術上重要的議題，和顧客關係維持越長久，

顧客會更忠誠，可以為企業帶來更多利潤 (Reichheld and Sasser, 1990) 。但是顧客關 係不會永遠處於同一個狀態，而會隨著時間推移而有所變化。例如 Dwyer, Schurr, and Oh (1987) 指出顧客關係有成長期、成熟期與衰退期，Kim, Ferrin, and Rao (2009) 的研究也著重在比較顧客購買前、中與後的顧客關係差異。儘管如此，多數研究還 是採單一時間的靜態觀點。這些採集於不同時間點的資料，雖可以解釋變數之間的 因果關係，但是無法確定時間對變數之間所產生的影響。亦即上述研究雖然都是在 不同的時間點做測量，也僅能解釋因果關係是存在的，變數間是有關連性的，但時 間如何變動與如何影響各個變數仍有待進一步釐清(Grayson and Ambler, 1999)。

因此，Palmatier, Houston, Dant, and Grewal (2013) 提出「關係變動率」(Relation- ship Velocity) 的研究方法，除了探討時間對變數變動之影響，也提出變動的速率 和方向，並採用「潛在成長曲線模型」(Latent Growth Curve Model; LGCM) 了解 變數的變動率，且以企業與企業之間(Business to Business; B2B) 的關係變化作為 研究背景，克服了過去時間分析方法之各種限制。然而企業與顧客間(Business to Customer; B2C) 少了企業間嚴謹的合約或是規範的限制，長時間下來，比企業之間 的關係更容易產生改變，故不論是業界或是學術界都積極探討如何發展並長期維持 顧客的忠誠度。

身為 E 世代的行銷人員或是消費者，都已經發現網路購物的商機不斷地增長，

拜科技所賜，現在不論是企業或是消費者，大多已習慣透過網路蒐集資訊。有人就 有商機，電子商務就是將交易的地點轉移至網路，比起傳統的通路，交易更是快速 與方便，甚至是打破時間與空間的限制。根據經濟部統計處之「批發、零售及餐飲 業營業額統計」，電子商務營業額零售業額2020 年第四季的年增率為 20.6%，優於 整體零售業年增率2.4%，占整體零售業額 9.5%，可見消費管道的轉移及網購市場 的成長，也顯示以電商為背景的研究有其重要性。

實務上，進軍電子商務的企業紛紛仰賴大數據資料(Big Data) 了解與分析線上 顧客群；在學術領域裡，不少學者透過調查線上評論與評比、線上顧客瀏覽次數與 時間或是透過分析網站的性質、網站品質、產品類型與價格探討電子商務中消費者 之 行 為(Bart, Shankar, Sultan, and Urban, 2005; Ordenes, Ludwig, De Ruyter, Grewal, and Wetzels, 2017; Huggins, White, Holloway, and Hansen, 2020)。

此外，社群媒體的崛起改變了電商既有的行銷策略和手法。社群媒體在虛擬世 界裡搭起買賣雙方間溝通的橋梁(Motameni and Nordstrom, 2014)，而「關係行銷」

向來注重的即是買賣雙方情感的建立，故將關係行銷置入於電商環境仍舊是很適合

的。在電子商務的情境下，電商的行銷策略多為透過網路互動以利不斷獲取消費者 的相關資訊，進而提升顧客滿意度與顧客的購買意願(Park and Kim, 2003; Peppers and Rogers, 2004; Ordenes et al., 2017)。既有電子商務的研究則指出，「信任」(Trust) 是一個非常重要的關係中介因子(Turban, King, Viehland, and Lee, 2006)，因為網路 購物不像傳統實體通路，少了人與人及與產品的接觸，對線上顧客而言有著更多不 確定性因素。因此，不少學者主張，企業要經營電商，必須先創造出能使線上消費 者安心的購物環境，而信任不但是促進關係建立的重要因子（李涵、施權峰與黃 恆獎，2020），亦是關鍵成功因素 (Grabosky and Duffield, 2001; Pavlou and Gefen, 2004)。換言之，在虛擬環境中，線上消費者對企業的忠誠度會透過信任產生 (Kim et al., 2009)。

不 過，Palmatier, Jarvis, Bechkoff, and Kardes (2009) 的 研 究 發 現， 相 較 於 過 去常用的關係中介因子感恩(Gratitude) 可以更有效地解釋關係行銷前因對企業獲 利的影響，並明確指出「顧客感恩」(Customer Graditutde) 與信任 (Trust)—承諾 (Commitment) 不同。雖然信任與承諾兩因子在關係行銷研究中，總是被放在一起討 論，但在Morgan and Hunt (1994) 的研究結果表示關係利益與關係承諾之間是不顯 著的；過去網路零售業相關研究中缺乏感恩，大部分研究認為信任在電子商務中是 最重要的關鍵成功因素，而感恩作為一個新的關係中介因子，在電子商務中是否能 如Palmatier et al. (2009) 結果，證實感恩比信任是較為重要的，故本研究以顧客感 恩與信任做為關係中介因子來做比較。

關係行銷著重長期顧客關係，而關係利益強調買賣雙方透過長期關係獲得利 益，是促進顧客關係的重要前因。本研究首先探討在虛擬的購物情境下，關係利益 經由顧客感恩與信任對顧客忠誠度所帶來的影響：採用動態關係理論，針對顧客感 恩和信任兩者進行靜態和動態分析；蒐集不同時間點的重複測量資料再透過潛在 成長模型進行分析，以了解顧客感恩和信任的長期變化，此呼應了 Palmatier et al.

(2013) 所提「未來研究應著重於觀察隨時間變化的關係」的概念。其次，比較顧客 感恩與信任的靜態效果，是否如過去文獻(Palmatier et al., 2009) 所言，顧客感恩會 影響信任，並進一步探討在時間的推移下，顧客感恩之動態效果（長期）是否優於 信任之動態效果對忠誠度的影響。最後，關係行銷的縱斷面研究，過去多以實體通 路為主。有鑑於線上購物越來越普及，雙 11 創新話題不斷，電商競爭越來越激烈，

社群媒體使企業與顧客之間溝通方便，顧客與顧客之間的分享快速，消弭過去網路 購物上的資訊不對稱、關係無法建立的情況，故本研究以台灣電商為研究背景，不 僅彌補關係行銷研究縱斷面研究的缺口，也使關係行銷研究範疇更為完善。

貳、文獻探討與假說

關係行銷在電商的研究範疇中，過去多以信任—承諾理論(Trust-commitment Theory) 為主，Palmatier et al. (2009) 提出並證實顧客感恩可以更有效解釋關係投資 對企業績效的影響。根據社會交換理論中的互惠原則，當顧客從企業方面接收到其 所提供的利益後（例如：關係利益），會產生感恩的心理，這種念頭會促使顧客進 行回饋企業的義務，執行各種有利於企業的行為，例如增加購買頻率或金額、購買 其他產品或服務等。

本研究主要為探討顧客感恩與信任的動態效果（變動速率）對顧客忠誠度之影 響。為使研究模型更為完整，納入關係利益作為前因，因為關係利益是關係行銷理 論中重要的前因之一 (Palmatier, Dant, Grewal, and Evans, 2006)。

一、 關係動態理論

已有不少學者表示關係行銷的研究應朝縱斷面發展，並證實企業和顧客關係 在不同時間點，是會有所差異的(Hibbard, Brunel, Dant, and Iacobucci, 2001; Jap and Ganesan, 2000)。雖已有學者以不同時間點測量之資料，作為縱斷面研究，但是此 類研究方法只能了解變數間的因果關係，無法解釋時間長短對研究變數的影響；換 言之，關係形成的時間長短，影響關係構念間的關聯性，但影響其變動的特性依舊 不明(Grayson and Ambler, 1999)。由於以往研究方法的缺失，Palmatier et al. (2013) 提出變動率 (Velocity) 的概念。他們除了探討時間的影響之外，也提出了變動的速 率 (Rate) 和方向 (Direction)。同時作者蒐集多年期的資料，使用潛在成長曲線模型 (Latent Growth Curve Model)，以茲了解變數的變動率影響。這個方式克服了以往時 間分析方法的種種限制，為行銷學者對長期顧客關係的動態研究帶來新的觀點。

Palmatier et al. (2013) 在發展關係動態理論時，強調的是時間的變化所帶來的趨 勢發展。作者引用心理學趨勢文獻，認為人們通常會以常態性的判斷方式，進行未 來趨勢的推估，且此趨勢將會持續產生作用(Johnson, Tellis, and Maclnnis, 2005)；但 認知偏誤會強化此作用，並且對其他負面消息產生抗拒。Palmatier et al. (2013) 以此 觀點進一步推論出：關係變動速率會影響顧客判斷關係發展的趨勢，進而影響後續 行為；換言之，顧客的心理趨勢（包括速率與方向）會投射至未來事件。Palmatier et al. (2013) 所提出的承諾變動速率，則是指當顧客的關係承諾快速上升時（正向的 變動速率），代表因顧客承諾增加的預期心理，將促使顧客從事對公司更多有利的 支持行為，進而使公司績效提升。

關係動態理論在實證上，可透過潛在成長模型進行分析：將關係中介因子（顧 客感恩與信任），分為初始狀態（截距）與變動速率（斜率）；初始狀態為成長趨

勢的起始值，是為靜態效果（短期），變動速率為成長/ 衰退的幅度，為動態效果（長 期），藉此可了解關係變動的強度與關係的成長或衰退。

二、關係利益與顧客感恩、信任之短期與長期影響

（一）關係利益與顧客感恩之短、長期影響

感恩是各種行為科學的主要成分(Bartlett and DeSteno, 2006)。Morales (2005) 指出，感恩可以促使消費者對企業所做的額外努力和行動有所知覺或回報，Raggio and Folse (2009) 認為感恩可以幫助企業與顧客間關係的發展。Watkins, Scheer, Ovnicek, and Kolts (2006) 提出感恩與受惠兩者是不同的情感。Palmatier et al. (2006) 透過整合分析(Meta-analysis) 發現在關係行銷中，感恩是一個研究缺口，儘管許多 行銷學者討論交換行為，但是都建立在互惠原則上，還沒有行銷研究探討以感恩為 基礎的互惠行為。Palmatier et al. (2009) 則進一步提出並證實感恩是繼信任和承諾之 後，另一個值得重視的關係中介因子(Palmatier et al., 2009)。

關係利益的基礎為假設雙方在長期之下的關係是有利可圖的；對顧客而言，

這些關係可以鎖定在任一個核心服務或是關係的本身，後者即為關係利益(Hennig- Thurau, Gwinner, and Gremler, 2002)，意即在核心產品 / 服務外，顧客所獲得額外 的關係或利益。過去研究直指關係利益透過各種關係中介因子（如信任、滿意度等 等）對顧客忠誠度產生直接影響，而顧客感恩作為一個新的關係中介因子，本研究 合理推論關係利益也能透過顧客感恩對忠誠度產生影響。

關係利益都是從小交易、風險不大的交易關係開始(Chang, Cheung, and Tang, 2013)，賣方逐步展現各種利益，買方漸漸有回應，關係即開始發展，在交易和關係 規範的互相作用下，買賣雙方的關係會越來融入更多社會化的色彩，這是一個心理 關係昇華的承諾(Ring and Van de Ven, 1994)，這種社會關係的發展隨著時間長度的 增加，對買賣雙方會有很大的影響(Sweeney and Webb, 2007)。

關係利益既是建立在長期的雙方關係上，也已有不少學者研究各種關係利益在 長期下的變化(Gwinner, Gremler, and Bitner, 1998; Reynolds and Beatty, 1999)，故 本研究提出有關關係利益和顧客感恩之假說(H1) 如下：

H1a：關係利益正向影響顧客感恩之初始狀態。

H1b：關係利益正向影響顧客感恩之變動速率。

（二）關係利益與信任之短、長期影響

信任是一種心理狀態，是一個依賴關係，在買賣關係中代表著消費者對賣方的 觀察；如果消費者認為賣方是誠實、可靠、具一致性和可信賴的，就容易形成高度 信任，賣方就容易取得顧客較高的忠誠度。隨著網路購物的蓬勃發展，當消費者猶

豫要在網路上進行購物或是到實體店面進行購買時，信任將是一個重要的影響因素 (Wang, Malthouse, and Krishnamurthi, 2015)。網路沒有時間和空間的限制，消費者可 以更容易比價、搜尋，而線上零售商該如何獲得線上消費者的青睞，關鍵在於如何 獲得顧客信任，進而建立起顧客忠誠度(Lee and Overby, 2004; Jiang and Rosenbloom, 2005; Qu, Zhang, and Li, 2008)。

關係利益來自於廠商提供的親密關係，例如信任利益能建立顧客的安全感，進 而提升了顧客的信任，因此信任利益與信任是呈正相關的(Gwinner et al., 1998)。如 前所述，關係利益強調在長期關係下，買賣雙方都能獲得利益，從增加價值的關係 中，對關係中介因子會有積極正向的影響，並且增加顧客的忠誠度。Hennig-Thurau et al. (2002) 亦證實關係利益會透過關係中介因子影響顧客忠誠度。本研究提出關係 利益與信任之假說(H2) 如下：

H2a：關係利益正向影響信任之初始狀態。

H2b：關係利益正向影響信任之變動速率。

三、顧客感恩對信任之短期與長期影響

顧客感恩在買賣的交易關係上，可以彌補交易和關係交換之間的差距，從認 知、體驗到行為的表現，可以增進關係的發展，而認知和感恩行為之間會相互影響 (Bartlett and DeSteno, 2006)。當一個人充滿感恩時，會建立信任並採取行動（如增 加支付意願），將有利於公司的營收；換言之，感恩會積極影響顧客對企業的信任 (Palmatier et al., 2009; Soscia, 2007)。

企業追求的是長期利益，和顧客關係也需要長期經營。在不同時間點，顧客所 產生的感恩和信任也會隨之不同。誠如 Fazal-e-Hansan, Lings, Neale, and Mortimer (2017) 的研究，顧客感恩會影響關係中介因子、口碑傳播與購買意願，因此本研究 提出有關顧客感恩與信任之假說(H3) 如下：

H3a：顧客感恩之初始狀態會正向影響信任之初始狀態。

H3b：顧客感恩之變動速率會正向影響信任之變動速率。

四、顧客感恩、信任對顧客忠誠度之短期與長期影響

（一）顧客感恩對顧客忠誠度之短、長期影響

在關係行銷領域中，顧客忠誠度是常被探討的構念之一。無論從長期或是短期 看，顧客忠誠度對企業的獲利都影響頗大。忠誠度高的顧客，會從事對企業有利 益的行為例如口碑傳播、推薦、持續回購等等，不但有助於企業提升銷售量、市 占率和定價，甚至可以降低行銷成本(Reichheld and Teal, 1996; Zeithaml, Berry, and Parasuraman, 1996)。

雖然會重複購買的顧客與擁有高忠誠度的顧客，不能畫上等號(Dekimpe, Steenkamp, Mellens, and Abeele, 1997)，但是兩者都可代表顧客的忠誠度。基於此前 提，本研究由態度與行為兩面向衡量顧客忠誠度(Chaudhuri and Holbrook, 2001)，

行為忠誠指的是顧客實際購買行為，態度忠誠則含括顧客的心理層面。

當顧客獲得利益後產生的感恩會增加正面情感反應（如：喜歡或親密等），也 會提高對給予者（企業）的信任，因此顧客感恩會對忠誠度會產生正向影響(Algoe, Haidt, and Gable, 2008)。Raggio, Walz, Godbole, and Folse (2014) 認為感恩是買賣雙 方間重要的關係組成，不但具周期性且會強化長期的關係。社會學之「社會交換理 論」裡的互惠規範(Gouldner, 1960) 則提供了一個重要的理論依據：顧客的感恩之 情扮演重要的中介角色，對顧客忠誠度呈正向影響。本研究據此提出顧客感恩與顧 客忠誠度（態度與行為忠誠皆列入）之假說(H4)(H5) 如下：

H4a：顧客感恩之初始狀態會正向影響態度忠誠度。

H4b：顧客感恩之初始狀態會正向影響行為忠誠度。

H5a：顧客感恩之變動速率會正向影響態度忠誠度。

H5b：顧客感恩之變動速率會正向影響行為忠誠度。

（二）信任對顧客忠誠度之短、長期影響

過往已有不少研究證實信任會隨時間而改變，但也發現顧客的信任增長十分緩 慢甚至是呈現遞減的(Doney and Cannon, 1997)，而信任多是從小型的、風險不大的 交易開始建立(Chang et al., 2013)，而欲維持良好的顧客忠誠度，信任是不可缺少的 關鍵因素之一。Kim et al. (2009) 的研究以電子商務為背景，探討線上顧客忠誠度是 否透過信任建立，並發現信任對線上顧客忠誠度的影響更為長遠，從而認為信任是 線上交易行為的基礎。據此，本研究提出信任與顧客忠誠度（態度與行為忠誠皆列 入）之假說(H6) (H7) 如下：

H6a：信任之初始狀態會正向影響態度忠誠度。

H6b：信任之初始狀態會正向影響行為忠誠度。

H7a：信任之變動速率會正向影響態度忠誠度。

H7b：信任之變動速率會正向影響行為忠誠度。

參、研究方法

圖一為本研究概念性架構。以動態關係理論分析顧客感恩與信任對顧客忠誠度

一、資料蒐集與樣本描述

本研究以網路零售業為背景，探討顧客感恩與信任在時間的推移下，如何影響 顧客忠誠度，並針對同一批受測者進行多個時間點的重複測量相同問卷。以具會員 制的網路購物平台為調查對象，主要考量為：避免出現不存在帳號，購物頻率可以 滿足本研究多次測量的需求，同時也可排除消費者對購物平台完全不熟悉所造成的 差異。

該平台非單一品牌官網（如：蘋果官網或自營商品），平台合作對象不乏台灣

T1 關係利益

T3

態度忠誠度

行為忠誠度

H1a H4a/4b

H6a/6b H7a/7b H5a/5b H3a

H3b H1b

H2b H2a

靜態效果 動態效果 顧客信任

初始狀態

顧客信任 變動速率 T1-T3 T1-T3

顧客感恩 初始狀態

顧客感恩 變動速率

圖1　概念性架構圖

的長期效果，在關係行銷理論的發展上具有其意義與重要性。藉由動態研究，我們 可以瞭解顧客感恩與信任是如何隨時間發展與改變，以及如何影響顧客忠誠度。

動態關係理論強調的是時間的變化性，初始狀態與變動速率是必要分析的元 素，如圖一所示。顧客感恩與信任各為兩個潛在構念：初始狀態（靜態效果，單一 時間點）與變動速率（動態效果，多個時間點），實線路徑表示為靜態效果，虛線 為動態效果。關係利益採第一期測量資料，顧客感恩與信任採用第一至第三期測量 資料，顧客忠誠度採第三期測量資料，分為態度忠誠度與行為忠誠度。

消費者最愛的購物網站，如生活市集、FriDay 購物、金石堂網路書店等等。第一波 資料配合該平台所舉辦的大型活動發放問卷，由客服人員協助確認受測者的會員身 分與是否曾在該購物平台上進行消費，若兩者皆有方符合填卷資格。符合者經本研 究調查員徵求其同意後，進行問卷調查，並告知後續尚有二次調查。調查間隔為六 個月，時間為期二週，一共重複蒐集了三期資料，符合重複測量研究之次數(Chan, 1998)。因該購物平台有現金回饋機制，所以將電子郵件作為後續編碼的依據。

第一期在刪除無效問卷後（如資料不齊、遺漏題項者），有效問卷為 409 份，

後二期因為樣本資料流失，剩餘有效問卷各為 371 份與 358 份，最終可用有效問 卷為 358 份。受測者以女性佔多數 (82.12%)，教育程度以具有大專院校學歷為主 (65.5%)，平均年齡為 21-40 歲 (80.6%)，職業以服務業為主 (26.8%)，購物偏好以 喜歡在網路購物為主(44.7%)，其次為同時喜歡在線上與實體店面購物 (31.6%)，

67.8% 受測者表示在網路購物頻率為每個月至少一次，45.6% 受測者收入介於 10,000~30,000 元間。

二、測量工具

關係利益係參考 Hennig-Thurau et al. (2002) 之操作型定義，測量受測者對賣方 所提供的三種關係利益感受程度，共計 14 題。顧客感恩與信任參考 Palmatier et al.

(2009) 之操作型定義，測量受測者對賣方的感恩與信任程度，各為 3 題。顧客忠誠 度分為兩部分，態度忠誠度參考Auh, Bell, McLeod, and Shih (2007) 之操作型定義，

測量受測者重複購買的意願，共計 4 題，行為忠誠度參考 Auh et al. (2007) 之操作 型定義，衡量一段時間內受測者在購物平台上實際購買的次數與金額，共計 2 題。

Auh et al. (2007)以金融業做為研究範疇，所以採用金額作為行為忠誠度之衡量題項，

而本研究考量購物平台並非販賣單一商品，商品種類小至銅板價的生活用品，大至 高單價的 3C 產品或是家電用品，行為忠誠度指的是顧客實際購買行為，故除了購 物金額外，增加了購買次數。行為忠誠度為實際數據，因在進行結構方程模型推估 時，易使得模型無法收斂，故採權宜辦法：在李敦仁與余民寧(2005) 其運用結構方 程模型的研究中，亦有類似的轉換方式，亦即將實際數字的購買金額與次數轉換成 等距尺度(Greene, 2000)。問項皆以 Likert 七點量表測量，1 代表「非常不同意」，

7 代表「非常同意」。

正式問卷調查前，除了進行中、英文量表題意反覆比較外，亦邀請行銷領域學 者與購物平台人員協助澄清題意，降低問卷在陳述上被誤解的可能性，最後針對 30 位購物平台相關人員，進行問卷前測，藉由前測結果刪除不符合建議標準題項（因

素負荷量未達 0.5），關係利益刪除 3 題，並再次詢問語意是否不清，作為修正問 項依據。變數定義與衡量題項，如表 1。

表 1　 變數定義與衡量

變數 定義 衡量題項

關係 利益

關係利益的基礎為假設雙 方在長期之下的關係，是 有 利 可 圖 的， 對 顧 客 而 言，這些關係可以鎖定在 任一個核心服務或是關係 的本身，在核心服務 / 產

1. 我知道從 XYZ 購物平台進行購物時，會有什麼樣的服 務

2. 我可以放心的透過 XYZ 購物平台進行網路購物 3. XYZ 購物平台，是我可以信任的

4. XYZ 購物平台的購物價格、資訊和服務我都可以清楚 了解

品之外所獲得之關係或利 益即為關係利益。

5. 我認可 XYZ 購物平台提供的購物服務 6. 我享受在 XYZ 購物平台購物的過程 7. 我和 XYZ 購物平台的服務人員有一定交情 8. 我熟悉 XYZ 購物平台的購物流程和服務

9. 透過 XYZ 購物平台進行網路購物，我可以得到更好的 價格和優惠

10. 在搜尋和比價方面，透過 XYZ 購物平台我可以節省大 量的時間

11. XYZ 購物平台購物服務人員可以讓我感受到 VIP 的服 務

信任 一種心理狀態，是一個依

賴關係；是基於較弱勢的 一方對另一方的行為意圖 有著期望或信心。

1. 在 XYZ 網站購物是可靠的

2. 在 XYZ 網站購物是能信賴的，沒有不確定性 3. 在 XYZ 網站購物是一種值得信賴的體驗

顧客 感恩

顧客在獲得利益之後，產 生感激、感謝、或欣賞，

覺得有義務回報賣方的互 惠行為。

1. 我感恩 XYZ 購物平台 2. 我讚賞 XYZ 購物平台 3. 度我感謝 XYZ 購物平台

顧客忠 誠度

態度忠誠度：為一個深植 內心的承諾，讓顧客在未 來會持續購買特定的服務 或產品，而且不受其他競 爭者影響而改變這樣的行 為。

1. 在 XYZ 購物平台消費是一件很棒的事情 2. 我會繼續從 XYZ 購物平台購買產品或服務 3. 我所需要的東西會盡可能利用 XYZ 購物平台消費 4. 未來我會想在 XYZ 購物平台購買更多產品或服務

行為忠誠度：為顧客實際 上的購買行為，包含購買 次數與金額。

1. 上次在 XYZ 購物平台購買金額

2. 累積在 XYZ 購物平台的購物次數

肆、資料分析與結果

本研究以統計軟體 SPSS 22 執行描述性統計資料分析，以 LISREL 8.80 配合潛 在成長模型進行假說驗證。

一、測量模型

（一）信度與效度分析

依循 Anderson and Gerbing (1988) 建議，假說驗證前先進行資料的信、效度評 估。其中顧客感恩與信任包含三期，關係利益為第一期資料，態度忠誠度與行為忠 誠度為第三期資料，共 9 個潛在變數 35 個題項。根據配適度指標 CFI > 0.9，NNFI

> 0.9，SRMR < 0.08，RMSEA < 0.1 顯示模型配適度適當 (χ² = 1214.66，df = 524，

CFI = 0.91，NNFI = 0.9，SRMR = 0.079，RMSEA = 0.08) ，在可接受的範圍內。

表 2 為各潛在變數的描述性統計與相關係數，Cronbach’s α 值介於 0.685 ∼ 0.962，標準化因素負荷量介於 0.5 ∼ 0.93，組合信度介於 0.59 ∼ 0.91；但行為忠誠 度為實際購買數據，AVE 值為 0.42，仍屬可接受範圍，故本量表具有內部一致性，

各變數相關係數 95% 信賴區間並無涵蓋 1，顯示具有區別效度。

( 二）共同方法變異

資料來源為單一購物平台顧客，故本研究採單因子模型檢測是否具有共同方法 變異的威脅。分析結果顯示，單因子模型配適度不佳，χ² = 6791.62，df = 902，CFI

= 0.53，NNFI = 0.51，SRMR = 0.16，RMSEA = 0.192，劣於測量模型配適度，故排 除共同方法變異的威脅。

表 2　描述性統計與相關矩陣

1 2 3 4 5 6 7 8 9 平均數 標準差

1. 關係利益 (t

) .908 .073 .123* .278** .052 .127* .254** .189** .260** 5.22 1.13

2. 顧客感恩 (t

) .095* .838 .723** .457** .135* .119* .070 .116* .198* 4.47 0.88

3. 顧客感恩 (t

) .167** .752** .766 .573** .061 .093 .056 .082 .124* 5.46 0.77

4. 顧客感恩 (t

) .263** .520** .701** .822 .088 .124** .155** .360** .219** 6.59 0.74

5. 信任 (t

) .029 .124** .064 .081 .962 .832** .512** .149** .048 4.46 1.53

6. 信任 (t

) .145** .098* .075 .097* .823** .946 .642** .141** .100 5.43 1.25

7. 信任 (t

) .232** .041 .040 .103* .586** .796** .935 .263** .222** 6.32 1.19

8. 態度忠誠度 (t

) .170** .157** .150** .325** .168** .175** .240** .781 .502** 6.00 0.99

1 2 3 4 5 6 7 8 9 平均數 標準差 9. 行為忠誠度 (t

) .224** .197** .139** .203** .067 .123** .189** .452** .685 5.65 1.25 CR .91 .84 .77 .82 .76 .67 .78 .77 .59

AVE .49 .63 .53 .60 .52 .41 .57 .46 .42 註： *p < 0.05 **p < 0.01。

　　對角線數字為 Cronbach’s α 值。

　　左下為 Pearson 相關分析，右上為 Spearman 相關分析。

（三）恆等性測量

重複測量三期顧客感恩與信任，需先評估兩者確實會因為時間改變而產生變 動，而不是受測者於不同時間點被不同認知所影響，並採用恆等性測量檢測縱斷面 資料效度 (Ployhart and Vandenberg, 2010)。

依照 Steenkamp and Baumgartner (1998) 建議，先將因素負荷量、因素變異數、

共變異數與測量誤差設定為跨時間樣本自由估計（自由估計模型），配適度結果為 χ² = 2928.78，df = 698，CFI = 0.91，NNFI = 0.90，SRMR = 0.079，RMSEA = 0.095，

表示具有因素型態恆等性。接著將因素負荷量、因素變異數、共變異數與測量誤 差限制為具有跨時間樣本的恆等性（限制模型），配適度結果 χ² = 2964.72，df = 723，CFI = 0.91，NNFI = 0.90，SRMR = 0.08，RMSEA = 0.091。

恆等性測量著重在參數被限定後，模型配適度變化是否有意義。自由估計模型 與限制模型在配適度指標上都十分接近，隨著模型恆等限制的增加，限制模型的卡 方值也增加，表示恆等限制的加入對於模型估計產生負面影響。因此模型間配適度 的差異可以利用卡方差異值檢定，Δχ² (25) = 35.94 卡方差異值不顯著，意謂樣本間 的等同性是存在的，資料具有縱斷面效度，適合進行跨時間分析與比較。

二、非條件化潛在成長模型

資料適合進行跨時間分析後，還須評估顧客感恩與信任之變動速率是否具備統 計意義，方能正式進行假說驗證。

首先，檢驗兩者變動趨勢為線性或非線性，結果顯示線性模型優於非線性模型，

故本研究將以線性模型作為後續分析。（非線性模型配適度χ² = 42.98，df = 9，CFI

= 0.97，NNFI = 0.95，SRMR = 0.028，RMSEA = 0.103，線性模型配適度 χ² = 13.63，

df = 7，CFI = 0.99，NNFI = 0.99，SRMR = 0.01，RMSEA = 0.052）

表 2　描述性統計與相關矩陣（續）

第二，以線性模型作為設定時，顧客感恩之初始狀態為 4.46 (t = 95.94，p <

0.001)，變動速率平均值為 1.05 (t = 49.13，p < 0.001)，信任之初始狀態為 4.47 (t = 56.23，p < 0.001)，變動速率平均值為 0.93 (t = 29.67，p < 0.001)；均達顯著水準，

具有統計意義，支持以此兩個潛在變數之變動速率作為後續假說驗證。

三、條件化潛在成長模型

以條件化潛在成長模型驗證假說，結果如表 3，模型配適度適當 (χ² = 853.32，

df = 214，CFI = 0.92，NNFI = 0.90，SRMR = 0.08，RMSEA = 0.092)。

表 3　條件化潛在模型成長結果

標準化係數 T 值 結果

H1a 關係利益→顧客感恩初始狀態 .11* 1.96 支持

H1b 關係利益→顧客感恩變動速率 .14* 2.19 支持

H2a 關係利益→信任初始狀態 .11* 1.97 支持

H2b 關係利益→信任變動速率 .12* 1.97 支持

H3a 顧客感恩初始狀態→信任初始狀態 .07 1.45 不支持

H3b 顧客感恩變動速率→信任變動速率 .13* 2.14 支持

H4a 顧客感恩初始狀態→態度忠誠度 .40*** 4.21 支持

H4b 顧客感恩初始狀態→行為忠誠度 .22* 2.02 支持

H5a 顧客感恩變動速率→態度忠誠度 .40*** 4.94 支持

H5b 顧客感恩變動速率→行為忠誠度 .30** 3.07 支持

H6a 信任初始狀態→態度忠誠度 .16* 2.07 支持

H6b 信任初始狀態→行為忠誠度 .26** 2.84 支持

H7a 信任變動速率→態度忠誠度 .30*** 3.99 支持

H7b 信任變動速率→行為忠誠度 .30** 2.86 支持

註： χ

= 853.32，df = 214，CFI = 0.92，NNFI = 0.90，SRMR = 0.08，RMSEA = 0.092。

　　 *p < 0.05 **p < 0.01 ***p < 0.001。

結果顯示關係利益對顧客感恩的靜態與動態效果，皆為正向相關且顯著 β = 0.11 (p < 0.05) 與 0.14 (p < 0.05)，假說 H1a 與 H1b 獲得支持；關係利益對信任的靜態與 動態效果，同樣為正向相關且顯著 β = 0.11 (p < 0.05) 與 0.12 (p < 0.05)，假說 H2a 與 H2b 獲得支持。在顧客感恩與信任的靜態與動態效果部分，靜態效果雖為正向相 關確未達顯著水準，故假說 H3a 不成立，在動態效果部分則正向相關並顯著 β = 0.13 (p < 0.05)，假說 H3b 獲得支持。

最後，對顧客的態度忠誠與行為忠誠的分析結果，無論是靜態或是動態效果，

顧客感恩與信任都有正向相關且顯著，假說 H4a ∼ H7b 獲得支持。進一步比較顧 客感恩靜態與動態效果對顧客忠誠度的影響，透過限制顧客感恩之靜態效果與動 態效果為相等時，在態度忠誠與行為忠誠度上，卡方值差異皆達統計水準(Δχ²(1)

= 12.25 與 7.26)，故動態效果的影響皆大於靜態效果。以同樣的方式比較信任與態 度忠誠與行為忠誠之靜態與動態效果，卡方值差異皆達統計水準(Δχ²(1) = 5.69 與 16.4)，同樣是動態效果影響大於靜態效果。

伍、結論與建議

一、研究結果與貢獻

本研究以關係動態理論，探討關係變動與顧客忠誠度之關係，以線上購物平台 的會員作為資料的來源，採用問卷方式訪問顧客的關係利益、顧客感恩、信任與態 度忠誠度。顧客忠誠度為本研究的主要焦點之一，有別於過往研究顧客忠誠度多以 問卷方式調查，除問卷調查外，我們還以實際數據紀錄顧客的行為忠誠（實際購買 金額與購買次數），而這兩項數據均由業者協助蒐集三個時期的資料作動態研究的 分析。

透過三期不同時間點的資料蒐集，進行線上顧客的動態關係分析，本研究發現 顧客感恩變動速率以平均每期以 1.05 倍成長，而信任變動速率以 0.93 倍成長；這 結果與 Palmatier et al. (2013) 主張顧客關係長期下會呈現倒 U 型的變化不同，會導 致這結果可能是因為蒐集的時間點不夠多，成長曲線無法呈現先增後降。另根據生 命週期理論的發展，電商環境尚未達到成熟期，一切都還有無限發展，這也可能是 本研究結果與 Palmatier et al. (2013) 主張不同的原因之一。顧客感恩初始狀態與變 動速率的共變數為 -0.18 (t = -6.13，p < 0.001)，負向相關且達顯著水準，信任初始 狀態與變動速率的共變數為 -0.5 (t = -7.34，p < 0.001)，負向相關並達顯著水準，此 結果表示顧客感恩與信任兩者的初始狀態對變動速率是有預測作用的，起始值越 高，跨時間的成長速率會較小。

雖假說 H3a 不成立，顧客感恩與信任在靜態效果呈現正向趨勢但未顯著，但顧

客感恩對行為與態度忠誠度在靜態效果上是正向且顯著的，這意味著顧客感恩並不 一定需要透過信任才能對顧客忠誠度產生影響，更證實顧客感恩為一個關係中介因 子。此外，本研究發現顧客感恩的變動速率對信任的變動速率有正向影響，動態效 果行為與態度忠誠度都有正向影響，亦即長期下來顧客感恩可以增加顧客信任，並 強化顧客關係結果，這呼應了 Palmatier et al. (2009) 對未來研究的建議：透過長期 的研究，來了解感恩會隨時間的推進，而有什麼變化與影響。此外在同時考量靜態 與動態效果時，顧客感恩與信任的變動速率影響顧客忠誠度皆強於初始狀態，換句 話說，當同時考慮關係構念的初始狀態與變動速率時，動態效果對關係結果的影響 大於靜態效果。

過去研究不論是橫斷面或是縱斷面，大多採單一測量方式驗證構念間的關係，

屬於靜態觀點，為呼應近年來學者提出未來研究應探討關係變動速率相關(Pick and Eisend, 2014)，本研究考量顧客關係會隨時間推移有所改變的特性，以動態關係理 論拓展現有文獻對新的關係行銷中介因子—顧客感恩之了解，此為本研究貢獻之 一。研究結果顯示關係變動速率影響顧客忠誠度的效果，甚於過去單一時間點衡量 關係構念的大小，可見不論在學術或實務上，長期動態的因素的納入是有其必要性。

為延伸關係動態理論的應用，本研究將其運用在電子商務 B2C 市場，以了解線 上網路通路和傳統實體通路的差異，在探討顧客感恩的變動外，另加入信任此一構 念，不僅探討兩者對線上顧客忠誠度的影響，同時驗證顧客感恩對信任的影響，以 彌補行銷研究上探討顧客感恩與信任隨時間變動效果之缺口，也讓關係行銷的研究 更加廣泛與周延，此為本研究貢獻之二。在顧客忠誠度上，本研究分為態度與行為 忠誠兩部分，不只是了解顧客的忠誠意圖，實際的購買金額與次數，讓本研究的關 係結果更具說服力。

二、管理意涵

本研究透過顧客基本資料調查發現，超過 3 成的受測者，購物偏好不再是單從 實體或是網路上進行消費。智慧型手機的普及，讓顧客線上與線下結合，當顧客想 要購買某一商品時，會先進行線上搜尋，瞭解價格、評價或功用，資訊的透明化 讓顧客不再拘泥於單一通路，在現今顧客消費管道多樣化的狀況下，如何維持顧客 忠誠度，是企業的一大挑戰。企業在原本通路持續努力經營外，為了保持市佔率與 競爭力，電商通路的發展亦需要被重視。信任一直被認為在電商世界中很重要的一 個關鍵因子，而顧客感恩是關係行銷領域中，較晚被提出的關係中介因子，根據 Palmatier et al. (2009) 的研究認為顧客感恩可以提升信任承諾程度，因此本研究將顧 客感恩運用於電子商務，以期使企業在發展與維持線上顧客關係時，能有事半功倍 之效。

當顧客接收到企業所提供的利益時，基於互惠規範原則，會心生感激或感謝，

進而對企業產生回報，這一個過程即為顧客感恩；感恩在實體通路交易是時常發生 的，因為這是社會規範的一環，同樣的，在網路購物頻率逐漸上升的世代，要在虛 擬世界中，激發出顧客的感激之情，就是企業一個重要的課題。根據本研究結果發 現：顧客感恩在長期下會正向影響顧客信任與忠誠度，這說明感恩對維持顧客忠誠 度具有重要影響；當顧客在購物平台下單到收取包裹完成購物流程，這一過程企業 要使顧客知覺獲得額外的服務或是利益，例如提供各種折扣優惠、顧客收到商品時，

驚喜收到其他試用品或是贈品、甚至顧客購買很重的商品時，企業配合的宅配人員，

會盡責地將產品送到顧客指定位置等等。

其次，在電子商務中，信任一直是一個重要的關鍵成功因素，但有別於傳統通 路的信任，線上顧客的信任來自於網站、線上供應商和其他線上的陌生人，因此企 業在追求顧客信任時，提升顧客的感激之情，將有助於讓顧客對其更為信任。同時 本研究結果發現在初始狀態下，顧客感恩對忠誠度的影響，不需要透過信任，這意 味著買賣關係建立之初，顧客產生感恩的心對忠誠度的影響大於信任，企業的行銷 策略應該更加專注在如何激發顧客的感恩之心。

第三，關係利益與顧客感恩、信任之變動速率呈正向關係，此結果表示關係利 益可以持續發展顧客關係。在競爭激烈的電商環境，在少了實際面對面互動的虛擬 世界裡，忠誠度的維持一直有一定難度，本研究發現顧客感恩與信任會隨著時間，

對顧客忠誠度產生遞增的效果，因此線上業者可以透過發展各種關係利益，提供適 合的相關策略，與線上顧客維持良好的互動，促進顧客和企業的關係，正向影響顧 客感恩與信任，創造出獨特的服務/ 競爭優勢，強化不可取代性。如經濟利益方面 常見的作法有現金回饋、免運費、點數累積兌換等等，以此抓住顧客的心及回購率；

社會利益部分則是因應近年來科技進步及社群媒體興起帶來更多的線上互動模式而 產生，如直播為顧客帶來更有感的線上體驗，引導線上顧客對產品、企業以及品牌 產生印象，有助於顧客進行口碑傳播等行為。又或者透過社群媒體的互動，知曉顧 客購物是為了送禮，除了給予線上顧客適當建議外，主動告知可以提供包裝和寫卡 片的服務；提供多元化、客製化予以顧客需要/ 想要的優惠或服務，可以讓顧客接 收到超過核心產品/ 服務的價值，進而產生感激之情，使線上顧客出現美好的購物 體驗，增加了顧客的好感度與回訪意願等等（顧客忠誠度）。

最後，本研究發現關係變動速率對顧客忠誠度的影響，比起單一時間點的影響 程度大，這意謂著線上顧客關係管理，須著重在長期的關係行銷策略上，企業必須 體認到長期的關係變動對顧客忠誠度的影響甚鉅。目前大多企業透過定期的簡訊、

郵件等方式，定期與顧客單向式聯繫外，最重要的應該是了解顧客，創造線上顧客 忠誠度。在社群媒體出現後，企業可以將自身優勢與線上顧客進行結合，企業對消

費者資訊透明，同樣地也對消費者在線上做出的各種評論一目了然，長期下來針對 顧客的各種反應，企業能夠隨時採取合適的策略彌補或修復關係，方能避免關係行 銷夭折，並且與其他競爭者做出差異化，建立長期的顧客忠誠度。

三、研究限制與未來研究建議

本研究以 B2C 網路購物平台使用者為調查對象，但電商模式尚有 C2C 與 B2B，因此未來研究可進一步檢驗本研究理論模型是否適用於不同模式的電商平台，

以強化理論模型的一般化推論能力。本研究將關係利益作為一個潛在變數，未來可 以更細微衡量不同關係利益（如信任利益、社會利益、特殊利益）所帶來的影響，

方可提供更確切的實務上建議。礙於時間與人力限制，本研究追蹤的資料為三期，

雖可分析研究構念的變動趨勢，但未來研究仍建議蒐集更多的時間點資料，獲取更 精確的變化軌跡。最後，本研究以顧客感恩與信任探討顧客忠誠度的靜態與動態關 係，在初始狀態時，一個過去有多次消費經驗的顧客，與過去僅有較少次數消費經 驗的顧客對於平台的熟悉程度，在初始狀態的反應上，可能會有差異，未來研究可 在樣本上進行更仔細的分類與篩選，例如購買頻率高與低等等。

A Dynamic Examination of Online Customer Gratitude and Trust

Min-Hsin Huang, Department of Business Management, National Sun Yat-sen University Li-Ting Shih, Department of Business Management, National Sun Yat-sen University

1. Purpose and Objective

Although previous literature has suggested that the relationship between enterprises and customers would change over time, most studies still examine their theoretical models by using the level of relational constructs measured at a specific time point.

Customer gratitude is a new mediator in the theory of Relationship Marketing (RM), alongside other existed mediators such as commitment, trust and satisfaction (Palmatier, Jarvis, Bechkoff, and Kardes, 2009). However, few RM studies of e-commerce have taken customer gratitude into consideration. According to the research of Palmatier, Dant, Grewal, and Evans (2006), this study use relationship benefits as the antecedents of customer gratitude. In the past, most prior research on relationship benefits has been related to physical service (Gwinner, Gremler, and Bitner, 1998).

This study considers relationship benefits to be an antecedent of customer gratitude and trust, and uses the constructs of customer gratitude velocity and trust velocity to represent changes in the rate and direction of both customer gratitude and trust. The first purpose of this study is to explore how customer gratitude and trust influence customer loyalty over time. The second purpose is to examine the relative effects of static and dynamic components in order to clarify the ability of relationship velocity on predicting customers’ future behaviors. Lastly, we observe online shopping behavior over time to analyze how customer gratitude and trust influence customer loyalty attitudinally and behaviorally.

2. Methodology

Palmatier, Houston, Dant, and Grewal (2013) propose the relationship dynamics theory to discuss the rate and direction of change in a given relationship over time. Based on the relationship dynamics theory, this study uses the concepts of gratitude velocity and trust velocity to examine how they influence attitudinal and behavioral loyalty. We also use the Latent Growth Curve Model (LGCM) to analyze longitudinal data collected from

online customers. We model customers’ gratitude and trust by using data gathered at three points in time, and we employ the latent growth curve approach to assess how loyalty is impacted by both the static (level) and dynamic (velocity) components of the relationship state.

We gathered our data from members of an online shopping platform. After three waves of the survey were completed, we obtained a total of 358 valid samples. We employ SPSS 22 and LISREL 8.80 software to perform confirmatory factor and latent growth curve analyses and to test for validity, reliability, common method variance and measurement invariance. All measures use a 7 point Likert scale.

In accordance with Anderson and Gerbing (1988), we employ confirmatory factor analysis with nine constructs (relationship benefits = t1, gratitude and trust = t1-t3, attitudinal and behavioral loyalty = t3). The analysis results show that the measurement model fit the data acceptably. For all measures, the Cronbach’s α is between 0.685-0.962, the standardized factor load is between 0.5-0.93, the composite reliability is between 0.59- 0.91, and the average variance extracted is between 0.41-0.63, all of which are within the range of acceptability. In accordance with Anderson and Gerbing’s proposed criteria for convergent validity (1988), the correlation coefficient between constructs and the confidence intervals do not include 1, indicating that each construct has good discriminant validity. We test and find that goodness-of-fit for the single factor model (χ² = 6791.62, df = 902, CFI = 0.53, NNFI = 0.51, SRMR = 0.16, RMSEA = 0.192) is worse than that of the measurement model. Thus, the data collected via our questionnaires can be used to examine the relationship between variables, without the risk of common method variance.

Before testing the hypotheses, we must confirm the longitudinal validity (gratitude and trust) by performing a measurement invariance test (Ployhart and Vandenberg, 2010).

3. Findings

We use three items to assess gratitude regarding the relationship at one point in time (level), and the direction and rate of change of the relationship (velocity). We repeat the same process for the construct of trust.

First, our analysis of the unconditional latent growth curve model shows that the gratitude velocity and trust velocity are statistically significant. The results reveal that the goodness-of-fit of the linear latent growth curve model is better than that of the non-linear latent growth curve model.

Second, we test Hypotheses 1 to 7 via the conditional latent growth curve model.

We find that relationship benefits have the positive impact on the level and velocity of gratitude (β = 0.11 & 0.14), and that relationship benefits also have the positive impact on the level and velocity of trust (β = 0.11 & 0.12). Gratitude velocity is positively and significantly related to trust velocity (β = 0.13). The initial levels of gratitude and trust have the positive and significant effect on the initial level of customer loyalty (both attitudinally and behaviorally). Both gratitude velocity and trust velocity positively and significantly affect customer loyalty (in terms of attitude and behavior).

Lastly, we compar how the level and velocity of gratitude and trust affect attitudinal loyalty and behavioral loyalty via the chi-square difference between the free model and the constrained model. The results are significant (Δχ²(1) = 12.25 & 7.26, Δχ²(1) = 5.69 &

16.4). We find that the mean dynamic effect of gratitude and trust on attitudinal loyalty and behavioral loyalty is greater than that of the static.

4. Research Limitations/Implications

The results of this study suggest that gratitude can have a positive effect on trust and customer loyalty over the long term. Gratitude is a key factor that can help enterprises develop and maintain online customer relationships more effectively. However, our sample is merely derived from a business-to-consumer (B2C) platform. To enhance the external validity of our conceptual framework, future studies can further investigate business-to- business (B2B) and consumer-to-consumer (C2C) platforms. When future studies employ relationship benefits as a potential variable, the impact of different relationship benefits such as trust benefits, social benefits and special benefits can also be measured. Besides, we collect our data at three points in time, and while it allows us to analyze changing trends among the research constructs, we still recommend that future studies collect more data points over time in order to plot a more precise change trajectory.

5. Contribution

Although previous research has pointed out that the relationship between sellers and buyers would change over time, most scholars still test the relational constructs in their theoretical model by using data collected at a single point in time. In response to recent calls in the literature, future studies should explore the relationship change rate correlation

(Pick and Eisend, 2014). Given that the customer relationship changes over time, we use the dynamic relationship theory and add a new mediator in the context of relationship marketing: gratitude. Our results show that the rate of change of the relationship (velocity) impacts the effect of customer loyalty more than that at a single point in time. Thus, long- term dynamic research is necessary for both academia and for business practices.

Trust is another key elements of building successful customer relationships in the virtual environment. This study reveals that relationship benefits have a positive impact on gratitude velocity and trust velocity, and the effect of gratitude (initial) on customer loyalty is greater than that on trust (initial), even though customer gratitude and trust both have positive impacts on customer loyalty over time. Thus, online sellers can create unique services and increase their competitive advantages by maximizing customer gratitude.

In other words, the enterprises should continue to provide various relationship benefits to maintain long-term customer relationships. Examples include building social benefits (e.g., friendship) with online customers via social media and offering customers extra services such as gift packages for the customers. For managers of e-commerce, our study indicates the degree to which gratitude and trust influence online consumers. Therefore, we recommend that enterprises develop marketing strategies that focus on understanding customer gratitude in relational exchanges in order to develop and maintain the loyalty of online customers.

References

李涵、施權峰與黃恆獎，2020，重建關係之路：電商平台中消費者寬恕之特性與 效 果，臺 大 管 理 論 叢，30 卷 1 期：201-234。(Lee, Han, Shih, Chuan-Feng, and Huang, Heng-Chiang. 2020. The way to reconstructing relationship: The characteristics and effects of consumer forgiveness in e-commerce. NTU Management Review, 30 (1): 201-234.)

李敦仁與余民寧，2005，社經地位、手足數目、家庭教育資源與教育成就結構關 係模式之驗證：以 TEPS 資料庫資料為例，臺灣教育社會學研究，5 卷 2 期：1-47。(Lee, Duen-Ren, and Yu, Min-Ning. 2005. The verification of a structural equation model on SES, siblings, household education resources and educational achievement: Using the empirical data of the 2001 TEPS. Taiwan Journal of Sociology of Education, 5 (2): 1-47.)

Algoe, S. B., Haidt, J., and Gable, S. L. 2008. Beyond reciprocity: Gratitude and relationships in everyday life. Emotion, 8 (3): 425-429.

Anderson, J. C., and Gerbing, D. W. 1988. Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103 (3):

411-423.

Auh, S., Bell, S. J., McLeod, C. S., and Shih, E. 2007. Co-production and customer loyalty in financial services. Journal of Retailing, 83 (3): 359-370.

Bart, Y., Shankar, V., Sultan, F., and Urban, G. L. 2005. Are the drivers and role of online trust the same for all web sites and consumers? A large-scale exploratory empirical study. Journal of Marketing, 69 (4): 133-152.

Bartlett, M. Y., and DeSteno, D. 2006. Gratitude and prosocial behavior: Helping when it costs you. Psychological Science, 17 (4): 319-325.

Chan, D. 1998. The conceptualization and analysis of change over time: An integrative approach incorporating longitudinal mean and covariance structures analysis (LMACS) and multiple indicator latent growth modeling (MLGM).

Organizational Research Methods, 1 (4): 421-483.

Chang, M. K., Cheung, W., and Tang, M. 2013. Building trust online: Interactions among trust building mechanisms. Information and Management, 50 (7): 439-445.

Chaudhuri, A., and Holbrook, M. B. 2001. The chain of effects from brand trust and brand affect to brand performance: The role of brand loyalty. Journal of Marketing, 65 (2): 81-93.

Dekimpe, M. G., Steenkamp, J. -B. E. M., Mellens, M., and Abeele, P. V. 1997. Decline and variability in brand loyalty. International Journal of Research in Marketing, 14 (5): 405-420.

Doney, P. M., and Cannon, J. P. 1997. An examination of the nature of trust in buyer-seller relationships. Journal of Marketing, 61 (2): 35-51.

Dwyer, F. R., Schurr, P. H., and Oh, S. 1987. Developing buyer-seller relationships.

Journal of Marketing, 51 (2): 11-27.

Fazal-e-Hasan, S. M., Lings, I., Neale, L., and Mortimer, G. 2017. How gratitude influences customer word-of-mouth intentions and involvement: The mediating role of affective commitment. Journal of Marketing Theory and Practice, 25 (2):

200-211.

Gouldner, A. W. 1960. The norm of reciprocity: A preliminary statement. American Sociological Review, 25 (2): 161-178.

Grabosky, P., and Duffield, G. 2001. Red flags of fraud. Australian Institute of Criminology (Trends and Issues in Crime and Criminal Justice), 200: 1-6.

Grayson, K., and Ambler, T. 1999. The dark side of long-term relationships in marketing services. Journal of Marketing Research, 36 (1): 132-141.

Greene, W. H. 2000. Econometric Analysis (4th ed.). Upper Saddle River, NJ: Prentice Hall.

Gwinner, K. P., Gremler, D. D., and Bitner, M. J. 1998. Relational benefits in services industries: The customer's perspective. Journal of the Academy of Marketing Science, 26 (2): 101-114.

Hennig-Thurau, T., Gwinner, K. P., and Gremler, D. D. 2002. Understanding relationship marketing outcomes: An integration of relational benefits and relationship quality. Journal of Service Research, 4 (3): 230-247.

Hibbard, J. D., Brunel, F. F., Dant, R. P., and Iacobucci, D. 2001. Does relationship marketing age well?. Business Strategy Review, 12 (4): 29-35.

Huggins, K. A., White, D. W., Holloway, B. B., and Hansen, J. D. 2020. Customer gratitude in relationship marketing strategies: A cross-cultural e-tailing perspective. Journal of Consumer Marketing, 37 (4): 445-455.

Jap, S. D., and Ganesan, S. 2000. Control mechanisms and the relationship life cycle:

Implications for safeguarding specific investments and developing commitment.

Journal of Marketing Research, 37 (2): 227-245.

Jiang, P., and Rosenbloom, B. 2005. Customer intention to return online: Price perception, attribute-level performance, and satisfaction unfolding over time. European Journal of Marketing, 39 (1-2): 150-174.

Johnson, J., Tellis, G. J., and MacInnis, D. J. 2005. Losers, winners, and biased trades.

Journal of Consumer Research, 32 (2): 324-329.

Kim, D. J., Ferrin, D. L., and Rao, H. R. 2009. Trust and satisfaction, two stepping stones for successful e-commerce relationships: A longitudinal exploration. Information Systems Research, 20 (2): 237-257.

Lee, E. J., and Overby, J. W. 2004. Creating value for online shoppers: Implications for satisfaction and loyalty. Journal of Consumer Satisfaction, Dissatisfaction and Complaining Behavior, 17: 54-67.

Morales, A. C. 2005. Giving firms an “E” for effort: Consumer responses to high-effort firms. Journal of Consumer Research, 31 (4): 806-812.

Motameni, R., and Nordstrom, R. 2014. Correlating the social media functionalities to marketing goals and strategies. Journal of Marketing Management, 2 (3-4): 27- 48.

Ordenes, F. V., Ludwig, S., De Ruyter, K., Grewal, D., and Wetzels, M. 2017. Unveiling what is written in the stars: Analyzing explicit, implicit, and discourse patterns of sentiment in social media. Journal of Consumer Research, 43 (6): 875-894.

Palmatier, R. W., Dant, R. P., Grewal, D., and Evans, K. R. 2006. Factors influencing the effectiveness of relationship marketing: A meta-analysis. Journal of Marketing, 70 (4): 136-153.

Palmatier, R. W., Jarvis, C. B., Bechkoff, J. R., and Kardes, F. R. 2009. The role of customer gratitude in relationship marketing. Journal of Marketing, 73 (5): 1-18.

Palmatier, R. W., Houston, M. B., Dant, R. P., and Grewal, D. 2013. Relationship velocity:

Toward a theory of relationship dynamics. Journal of Marketing, 77 (1): 13-30.

Park, C. H., and Kim, Y. G. 2003. Identifying key factors affecting consumer purchase behavior in an online shopping context. International Journal of Retail and Distribution Management, 31 (1): 16-29.

Pavlou, P. A., and Gefen, D. 2004. Building effective online marketplaces with institution- based trust. Information Systems Research, 15 (1): 37-59.

Peppers, D., and Rogers, M. 2004. Managing Customer Relationships: A Strategic Framework. Hoboken, NJ: John Wiley and Sons.

Pick, D., and Eisend, M. 2014. Buyers' perceived switching costs and switching: A meta- analytic assessment of their antecedents. Journal of the Academy of Marketing Science, 42 (2): 186-204.

Ployhart, R. E., and Vandenberg, R. J. 2010. Longitudinal research: The theory, design, and analysis of change. Journal of Management, 36 (1): 94-120.

Qu, Z., Zhang, H., and Li, H. 2008. Determinants of online merchant rating: Content analysis of consumer comments about Yahoo merchants. Decision Support Systems, 46 (1): 440-449.

Raggio, R. D., and Folse, J. A. G. 2009. Gratitude works: Its impact and the mediating role of affective commitment in driving positive outcomes. Journal of the Academy of Marketing Science, 37 (4): 455-469.

Raggio, R. D., Walz, A. M., Godbole, M. B., and Folse, J. A. G. 2014. Gratitude in relationship marketing: Theoretical development and directions for future research. European Journal of Marketing, 48 (1-2): 2-24.

Reichheld, F. F., and Sasser W. E., Jr. 1990. Zero defections: Quality comes to services.

Harvard Business Review, 68 (5): 105-111.

Reichheld, F. F., and Teal, T. 1996. The Loyalty Effect: The Hidden Force Behind Growth, Profits, and Lasting Value. Boston, MA: Harvard Business School Press.

Reynolds, K. E., and Beatty, S. E. 1999. Customer benefits and company consequences of customer-salesperson relationships in retailing. Journal of Retailing, 75 (1): 11- 32.

Ring, P. S., and Van de Ven, A. H. 1994. Developmental processes of cooperative interorganizational relationships. Academy of Management Review, 19 (1): 90- 118.

Soscia, I. 2007. Gratitude, delight, or guilt: The role of consumers' emotions in predicting postconsumption behaviors. Psychology and Marketing, 24 (10): 871-894.

Steenkamp, J. -B. E. M., and Baumgartner, H. 1998. Assessing measurement invariance in cross-national consumer research. Journal of Consumer Research, 25 (1): 78- 90.

Sweeney, J. C., and Webb, D. A. 2007. How functional, psychological, and social relationship benefits influence individual and firm commitment to the relationship. Journal of Business and Industrial Marketing, 22 (7): 474-488.

Turban, E., King, D., Viehland, D., and Lee, J. 2006. Electronic Commerce 2006: A Managerial Perspective (4th ed.) Upper Sadde River, NJ: Pearson Prentice Hall.

Watkins, P., Scheer, J., Ovnicek, M., and Kolts, R. 2006. The debt of gratitude:

Dissociating gratitude and indebtedness. Cognition and Emotion, 20 (2): 217- 241.

Wang, R. J. H., Malthouse, E. C., and Krishnamurthi, L. 2015. On the go: How mobile shopping affects customer purchase behavior. Journal of Retailing, 91 (2): 217- 234.

Zeithaml, V. A., Berry, L. L., and Parasuraman, A. 1996. The behavioral consequences of service quality. Journal of Marketing, 60 (2): 31-46.

Author Biography

Min-Hsin Huang is a Professor of Marketing in the Department of Business Management at National Sun Yat-sen University. He received his Ph.D. from The Ohio State University. His research interests lie in retailing and services marketing. He has published in scholarly journals such as Journal of Business Research, Journal of Services Marketing, Journal of Service Management, International Journal of Service Industry Management, The Service Industries Journal, Journal of Revenue and Pricing Management, and Applied Economics.

*Li-Ting Shih

Li-Ting Shih is a Ph.D. student in the Department of Business Management at National Sun Yat-sen University.

*E-mail: lily70663@gmail.com