1）研究结论

本研究基于行为执行意向理论，通过数据挖掘方法，分别就“双十一”和“双十二”电商购物节抢券决策行为建立了训练模型和验证模型。结果显示：①优惠券类别、身份特征、折率、使用条件、品牌特征、面值等变量依次由大到小影响消费者抢券决策行为；②决策树中各个变量之间存在交叉影响；③抢券决策树模型得到了较高准确性检验。

2）理论贡献

首先，扩展了行为执行意向的过程性机理探究。以往研究的主要不足是，执行意向中情景线索与行为决策的动态匹配过程未能被充分揭示，消费者在电子商务中的情景感知与决策心理一直是研究的难点，导致行为执行意向的相关研究重在揭示个体的情景线索效应和行为目标绩效，而忽略了执行意向的形成机制和神经反应过程对于行为结果的影响。在电子商务平台中，商家为了提前获得消费者的情景线索及行为意向，虽然发放了很多优惠券、折价券等试图锁定潜在消费者，但由于商家对优惠券的使用采取多种复杂的限制性条件，使抢购优惠券行为变得异常复杂，这在一定程度上提高了客户转移成本，却很难揭示客户心理对比策略和心理过程（Ludwig，Srivastava ＆ amp；Berkman，2018）。为此，本研究结合执行意向理论与决策树理论，探索了电商购物节抢券行为中消费者的自我调节策略，优化了决策树的分枝过程，发展了行为执行意向理论应用研究的过程性机理。

其次，本研究加强了对计划行为理论的额外支持。本研究结果显示，影响抢购优惠券行为决策树模型的变量主要是优惠券类别、身份特征、折率、使用条件、品牌特征、面值，本研究揭示了消费者依据不同变量的重要性进行抢券的认知心理过程。这进一步印证了Ludwig等学者的研究，即执行意向的计划性通过认知策略和心理灵活性等心理过程，提高了个体追求目标时采取的有效性认知（Ludwig，Srivastava，＆ amp；Berkman，2018），进而提升了预测行为的准确性。

最后，本研究结论具有一定的普适性和推广价值。纵观各种网络购物平台，尽管商家推出各种优惠券，但大多与京东优惠券模式比较相似，而且在优惠券发放的规模和类别上京东平台处于领先地位和示范效应。本研究通过数据挖掘平台得到的抢券行为决策树模型具有良好的预测准确率，并结合执行意向理论思想，归纳、整理得到抢券行为决策的心理过程，这些理论发现将有助于更多的中小型商家根据消费者的认知路径和决策行为过程进行商品或服务优化、预售策略改进、个性化推荐优化及客户关系管理提升。(www.daowen.com)

3）管理启示

首先，从连接生态价值视角优化客户忠诚度提升策略。当今移动互联环境下，赢得客户持久忠诚成为企业间进行客户竞争的主要手段。所以，在电商互动过程中商家应减少对消费者的信息干扰，增强消费者的心理流体验。因为消费者体验会直接影响客户满意度，进而影响客户忠诚度，它已经不再满足于接触点的优化，全渠道购物体验已成为一种常态，消费者对于商品或服务的个性化体验与决策必然会促使企业进行全渠道数字化变革。在商务智能时代，定期采集促销相关数据，整合、挖掘与分析消费者决策行为，进行场景化数字生态价值的设计与开发，这有助于结构性地锁定消费者，提高客户的系统性认知，识别消费者的购物心理过程，提升客户对产品的关注度，高效率地实现产品的精准营销与交叉销售，降低营销成本。其次，企业应注重引导和升级消费者的习惯。随着产业升级，消费者的品位和个性化需求也开始升级，商家应从数字化场景中捕捉消费者的情景记忆和语义记忆线索，对其计划性和目标意向进行关联挖掘，通过个性化定制进行升级销售，使消费者养成“高阶”消费习惯（Phillips，Johnson，＆ amp；More，2019），也为个性化推荐系统的优化提供了可借鉴的方法。最后，通过数据赋能和持续行为强化，使消费者能够自动启动高执行意向，提高其决策效率。

4）研究局限与未来研究展望

近几年，电商购物节发生着翻天覆地的变化，商业模式也不断创新，其核心是围绕消费者需求对其决策行为进行挖掘与预测，而行为预测一直是当今世界的热点和难题。本研究虽然获得了较好的预测效果，但还存在一些不足，未来研究中需要进一步优化：①受京东平台本身的优惠券采集信息的限制，未能获得更多的变量信息；②受CHAID决策树算法的限制，未能生成更为理想的抢券决策树模型。因此，在未来的研究中，我们将更加注重多元平台抢券数据的采集、集成，进行元分析，确定能够预测抢购行为的其他重要变量，进而利用Python或R语言优化决策树算法，提高模型的准确率和普适性。