中国自古便有通过加工手段延长肉类保鲜期、提升风味的传统。从《齐民要术》中对“瘃脯”的记载，到宋代《格物粗谈》对火腿加工的阐述，再至明代《宋氏养生部》中对腌制、干制等方法的系统总结，肉类的初级加工方式历经千年演化，构成了肉品科学与加工的源流。然而，受限于历史时期的生产条件与保鲜手段，早期肉类加工多依赖于手工作坊和当时的自然环境，制作方式具有鲜明的地域特色与传统工艺色彩，因而难以实现规模化、标准化。进入现代，随着居民生活节奏加快，预制菜作为融合初级农产品加工与现代食品工业的新兴业态迅速崛起，成为连接农产品供给与消费需求的重要桥梁。其中，肉类预制菜凭借其营养保存、口感保持、高附加值等产品属性，日益成为预制菜产品体系的核心，不仅契合快捷、营养、高效的饮食趋势，更承载着中华饮食文化的深厚底蕴，体现出传统工艺与现代科技融合发展的新路径。
近年来，随着我国食品加工业技术进步与居民营养结构的持续优化，肉类消费由“佐餐”向“主餐”转变，呈现出高频次、高质量的消费趋势。2023年，中央一号文件提出“提升净菜、中央厨房等产业标准化和规范化水平，培育发展预制菜产业”[1]；2024年，市场监管总局等六部门联合发布通知，明确禁止防腐剂添加、严格规范食品添加剂使用、推动消费端信息“明示”机制等关键措施，标志着我国预制菜政策由鼓励发展转向以质量监管为核心的规范化阶段，这一政策导向不仅对行业生产标准提出了更高要求，也通过信息披露与机制透明强化了消费者的风险认知与决策行为[2]。
然而，相比于美国、日本、法国等国家对预制菜行业的成熟布局与消费普及，中国的预制菜产业在快速扩张的同时仍面临原料品质不一、冷链物流薄弱、产品信息不透明等挑战，尤其是消费者普遍存在“安全焦虑”“信任缺失”等风险感知问题。不同代际消费者对加工过程、成分添加及营养保留等方面的关注因成长背景和社会经验的差异而呈现显著异质性，而当前市场尚缺乏对这些需求的精准响应，导致产品接受度整体偏低。据《中国烹饪协会（2021—2025年）工作规划》统计，当前我国消费者对预制菜的接受度仍处于10%～15%的较低水平[3]，信任构建机制亟需完善，成为制约产业发展的关键因素。肉类食品因加工工艺复杂、食品安全要求高及营养密度大，在现代家庭餐桌中承担“主菜”核心角色，同时也是消费者关注度最高的品类。因此，如何在产业快速发展与消费者风险感知之间寻求平衡，成为推动肉类预制菜行业高质量发展的关键突破口。
风险感知是指消费者在购买前无法确定结果是否符合预期，由此感知到购买过程中潜在的不确定性[4]，风险感知理论为理解消费者的预制菜购买行为提供了重要分析框架。在消费者购买决策中，风险感知和风险偏好是直接影响食品接受度的重要因素，在改变、推迟或取消购买决策时，风险感知起着关键作用[5-6]。随着研究发展，风险感知逐渐形成健康、质量、时间、财务与社会等多维度框架，并被广泛应用于解释消费者在食品安全、营养与便利性选择中的心理机制[7-8]。实证研究[9-10]显示，消费者对健康与质量风险的担忧显著影响其偏好与选择，加工程度和添加剂使用更会强化风险感知并抑制购买意愿。因此，在我国预制菜市场，理解消费者的风险认知尤为关键。与此同时，自我效能理论强调个体在面对不确定性时的信心与行动倾向，不仅直接影响消费者对风险信息的解读与应对，也会影响其在风险情境下的选择，是解释消费者决策差异的重要心理变量[11]。将风险感知与自我效能结合，能够更全面地刻画不同群体的选择异质性，从而提升研究的解释力与外部效度。
在市场细分研究中，消费者画像被广泛用于识别群体特征及制定精准营销策略。例如，韩天明等[12]通过聚类分析将消费者划分为平衡型、便捷型和谨慎型，并提出相应的营销对策，表明不同群体的认知与行为差异对市场定位和产品设计具有重要意义。然而，针对我国人口基数庞大的市场，现有研究在细分群体与个性化偏好方面仍显不足，缺乏系统性探讨。在各类预制菜品中，肉类预制菜因具有加工营养保留度高、烹饪与加工耗时短且符合消费者肉类消费偏好等特点，既是产业发展的核心板块，也是风险感知最为突出的品类，因此成为本研究的切入对象。基于此，本文在消费者画像理论框架下，从风险感知与自我效能的交叉视角出发，聚焦肉类预制菜消费者行为，运用多重对应分析（multiple correspondence analysis，MCA）与聚类分析揭示不同消费群体的社会人口学特征、心理特征及行为差异，旨在拓展食品消费研究的心理学维度，并为预制菜产业的市场细分与精准营销提供科学依据。
1 预制菜行业发展概况
1.1 概念术语
预制菜行业发展初期，相关主体主要依托团体标准对产品概念进行初步界定与规范。中国烹饪协会协同多家行业机构及头部企业发布的《预制菜》团体标准，将预制菜定义为“以一种或多种农产品为主要原料，通过标准化流水作业生产”的产品。为产业起步提供了技术规范依据，并在一定程度上推动了市场普及与产业化进程。随着消费者对便捷化、个性化食品需求的日益增长，叠加冷链物流等供应链体系的不断完善，预制菜逐渐发展成为食品行业的重要组成部分。根据加工深度与食用便利性不同，预制菜通常可分为即食食品、即热食品、即烹食品和预制净菜四大类[13]；按照原料类别又可划分为粮谷类、畜禽类、水产类和果蔬类等[14]。在不同地区和行业背景下，关于预制菜的定义也呈现出一定的泛化趋势，部分界定过于宽泛、边界模糊，导致行业标准不一、产品参差不齐，制约了行业规范化发展。
为加强监管、统一标准，2024年3月，国家市场监督管理总局同教育部、工业和信息化部、农业农村部、商务部、国家卫生健康委员会联合印发《关于加强预制菜食品安全监管 促进产业高质量发展的通知》，首次从国家层面对预制菜进行系统定义，明确其为“以一种或多种食用农产品及其制品为原料，使用或不使用调味料等辅料，不添加防腐剂，经工业化预加工（如搅拌、腌制、滚揉、成型、炒、炸、烤、煮、蒸等）制成，配以或不配以调味料包，符合产品标签标明的贮存、运输及销售条件，加热或熟制后方可食用的预包装菜肴，不包括主食类食品，如速冻面米食品、方便食品、盒饭、盖浇饭、馒头、糕点、肉夹馍、面包、汉堡、三明治、比萨等”。预制菜的概念内涵已由早期行业团体标准所倡导的宽泛定义逐步演变为以国家政策为依据，界限更清晰、监管更严格的科学定义体系，核心变化体现在加工标准的细化、添加剂使用的限制，以及与其他食品门类的明确区分上。
基于国家政策文件和行业规范，本研究聚焦的肉类预制菜是指以畜禽肉为主要原料，经过工业化预加工制成的预制菜产品。按照原料类别，可分为猪肉、牛肉、羊肉及禽肉预制菜；按照烹调方式，可分为即热类型和即烹类型：即热类型指产品在预加工阶段已熟制，食用前仅需蒸锅或微波炉加热即可食用；即烹类型指产品在预加工阶段未完全熟制，需入锅烹调熟制后方可食用。
1.2 发展历程与市场现状
近年来，冷链物流技术的进步和互联网的普及极大促进了预制菜的广泛应用，使其逐渐成为现代消费者日常饮食中不可或缺的一部分。预制菜产业的起源可以追溯到20世纪60年代，当时预制菜在美国开始初步发展。进入20世纪80年代，预制菜在日本得到了快速发展，年均增速达20%[15]。相较而言，我国虽在产业化层面起步较晚，但在饮食文化中早已存在食材预加工的传统。明代宋应星的《天工开物》记载了肉类的腌制、风干与熏制方法，强调其“久储而味不坏”的特性；李时珍的《本草纲目》对腊肉、酱猪肉及金华火腿等加工食品有所论述，指出其“味美而耐储”。这些记载展示了中国传统饮食文化中肉类预制加工的经验积累。然而，受制于生产力水平，肉类预制菜尚未实现工业化与标准化，直到19世纪罐头食品的出现，才标志着预制菜产业的初步形成。
进入21世纪，冷链物流的发展为产业扩展提供了有力支撑，2000年以后，好得睐、新聪橱等专注于半成品菜深加工的企业相继涌现，同时，部分老字号餐饮品牌如全聚德、广州酒家也开始推出特色预制菜品。2013年以后，随着预制菜零售门店及外卖行业的迅速崛起，商户端市场进入快速增长阶段[16]。进入2020年，受疫情影响，消费者对便捷食品的需求激增，预制菜产业迎来了爆发式增长，市场规模迅速扩大[17]。据统计，2023年，中国预制菜市场规模已达3 616亿 元，并以20%～35%的年增速保持高速增长。到2024年，行业渗透率突破25%，部分连锁餐饮企业的后厨预制化率甚至超过70%。尽管整体渗透率仍偏低，但消费者对便捷食品需求的持续增长推动了预制菜产业发展，使其更好地契合现代生活方式的需求，未来发展潜力巨大。随着消费升级及冷链物流的进一步完善，预制菜市场正向B端与C端协同扩展，预计到2026年，规模将达7 490亿 元，并有望突破万亿元[18]。
从市场增长趋势来看，不同原材料类型的预制菜呈现出差异化的发展态势。预计到2026年，肉类预制菜市场规模将由2019年的648亿 元增长至3 289亿 元，体现出显著的扩张潜力，反映了消费者对肉类产品的偏好以及餐饮业对相关产品的持续需求。届时，预计肉类、水产和蔬菜类预制菜的市场占比将分别达到44%、34%和22%，其中肉类产品处于主导地位。同时，沿海及贸易发达地区的预制菜企业已逐步拓展海外市场。海关数据显示，近年来，福建、山东、广东等地不断加大预制菜出口力度，出口业务已成为部分企业业绩增长的重要支撑[19]。可见，中国预制菜产业不仅在国内市场快速扩张，也正在全球食品供应链中展现日益重要的地位。2019—2026年中国预制菜行业分品类的市场规模 如图1所示。
图1 2019—2026年中国预制菜行业分品类的市场规模
Fig. 1 Market size of China’s prepared dishes industry by category, 2019-2026
2 数据来源与分析方法
2.1 数据来源
基于地域差异与数据可获得性，本研究依托Credamo（见数）在线问卷平台开展消费者随机调研。该平台拥有超过300万实名注册用户，样本在地域、行业、年龄、性别及职业等维度上分布广泛，在一定程度上保证了调查样本的代表性。通过问卷报酬、信用分机制及作答规范控制等方式提升数据质量并降低选择性偏差。共回收问卷1 025 份，经甄别题、作答时长及一致性检验等质量控制程序筛选后，最终获得832 份有效问卷，有效回收率为81%。
为确保样本具有良好的代表性与统计推断效力，本文在样本量设定时综合考虑问卷结构与抽样精度要求。基于多维度分量表设计，参考题项数3～5 倍的样本量经验建议确定样本规模下限。同时，从抽样调查角度出发，结合置信水平与抽样误差要求，对理论最小样本量进行估算。在置信水平90%、容许误差3%、预期比例0.5的条件下，理论最小样本量为751 份。实际有效样本量为832 份，满足并超过样本量要求。
样本来自我国31 个省、自治区、直辖市，占比最多的前3 位依次是北京市、江苏省和山东省，分别占总样本数的15.4%、7.5%和6.8%。按我国三大地带划分，东部地区样本占60.6%，中部地区样本占25.5%，西部地区样本占13.9%。有效样本中男性、女性调查对象占比分别为42.5%和57.5%。调查对象的最小年龄为18 岁，最大年龄为60 岁，平均年龄为33 岁，样本年龄偏年轻化。这与线上为主的问卷发放方式有关，线上问卷要求被调查者有及时获取信息和善于操作智能手机或电脑的能力，青年群体更有优势。由于青年群体也是肉类预制菜的高消费群体，年轻化的年龄构成符合本研究要求。
在学历方面，59.7%（497 名）受访者为大学本科学历，24.3%（202 名）持有研究生及以上学历，反映出受访者普遍具有较高的教育程度。收入分析表明，40.9%（340 名）受访者月收入在5 001～10 000 元，样本主要由中低收入人群构成。在居住地方面，依据城区人口规模划分，城区人口500万以上与以下的受访者占比分别为52.7%和47.3%，样本分布大致均衡。在家庭户规模方面，35.8%（298 名）受访者为4 口之家，31.4%（261 名）受访者家庭为5 人及以上的多口之家，样本主要由中等规模家庭消费者构成（表1）。
表1 调查对象基本特征
Table 1 Basic characteristics of survey objects
女47857.518～30 岁40548.7年龄31～45 岁27933.546～60 岁14817.8学历大学本科49759.7研究生及以上20224.3城区人口规模500万～1 000万18322.0城市规模城区人口规模300万～500万17821.4家庭户规模4 口之家29835.85 口及以上家庭26131.4人群特征分类样本量占比/%性别男35442.5高中及以下212.5大学专科11213.55 000 元及以下20524.6月收入5 001～10 000 元34040.910 001 元及以上28734.5城区人口规模＞1 000万25530.7城区人口规模100万～300万10612.7城区人口规模≤100万11013.21 人独居11213.52～3 人家庭16119.4
2.2 分析方法
消费者画像是指通过分析实际消费者的数据和信息构建出的虚拟模型，旨在对预制菜的消费群体进行细致的划分[20]。基于用户画像的消费者洞察有助于系统识别消费者特征、行为偏好与潜在市场需求，从而为实现以用户为中心的产品优化与精准化商业决策提供理论支撑与实践依据。参照相关文献[21-23]提出的研究思路，本研究将通过3 个步骤对消费群体进行细分：一是群组细分。本研究采用MCA与K-means聚类相结合的方法，依据MCA的维度提取结果，确定最优聚类数，并通过可视化手段呈现群体结构。该方法有助于深入分析变量间的关系，评估各变量对群体划分的贡献，揭示其在多维空间中的分布特征，实现消费者群组的精细化分类。二是标签提取。标签提取是构建消费者画像的核心环节，涵盖消费者的基本属性（如年龄、收入等）以及心理特征和行为特征等多维信息，以便为画像构建提供详实依据。三是画像呈现。通过将数据和标签可视化表达进行画像呈现，常见的有标签+图片[24]、标签云[25]和统计图[26]等。本研究结合问卷统计数据，综合采用“标签+词云”的形式，直观呈现各类消费者群体特征与世代特点。
MCA是一种用于处理分类数据并揭示变量间相互作用的有效方法，能够帮助研究者深入理解各类变量对调查结果的影响[27]。通过将分类数据转化为数值形式，MCA可以有效分析变量（如年龄、收入、城市规模、家庭户规模、风险感知、自我效能及购买行为等）之间的关系。首先，通过创建列联表表示不同变量类别之间的频数关系，总惯性（I）按下式计算：
式中：fi和fj分别为不同变量的边际总频数。
通过协方差矩阵特征值分解提取累积方差贡献率达标的主要维度，以此捕捉数据变异的核心方向。随后，借助二维散点图或多维标度图等可视化手段，将变量类别映射至低维空间，直观呈现其在选定维度上的分布特征与相互关系，最终实现对数据结构的深度解析及消费者行为模式等潜在规律的识别。
3 变量描述
在构建消费者画像时，通常需要从多个维度进行综合分析，以确保对消费者的全面理解。单一维度的分析方式往往忽视了消费者在心理态度和消费行为方面的个性化差异，这可能导致对其需求的认知偏差，从而对精准把握其个性化需求造成影响。Eke等[28]将消费者画像的构成要素主要划分为社会人口特征、心理态度、行为特征和生活习惯等。近年来，随着对消费者深层次需求的关注日益加深，学者们在消费者画像的构成要素方面更多地聚焦于心理态度和行为特征。通过深入挖掘这些方面的信息，能够更准确地把握消费者的内心世界和消费动机，进而为营销策略的制定提供更加精准的指导。因此，本研究综合考虑了社会人口特征、心理态度及购买行为3 个关键维度，将其作为分析框架，这有助于精确识别目标市场和制定有效的市场策略。
一是社会人口特征。研究[29]表明，消费者的年龄、收入、家庭人数、居住城市等人口特征会影响食品购买决策。1）年龄世代。在回顾现有研究[30-31]的基础上，本文将受访者分为Z世代（1995—2009年出生）、Y世代（1980—1994年出生）、X世代（1965—1979年出生）3 个年龄阶段，不同年龄阶段产生的饮食喜好也会影响消费者的接受行为。2）收入。消费者的收入情况可以划分为低（5 000 元以下）、中（5 001～10 000 元）、高（10 001 元以上）3 个等级。3）城市规模。城市规模可能影响消费者的消费观念和消费习惯[32]。4）家庭户规模。消费者家庭按家中常居住人口数量可分为1 人独居、2～3 人小规模家庭、4 人中等规模家庭、5 人及以上的大规模家庭。
二是自我效能。自我效能评估是个体自我能力感知的重要指标，包括量、强度和预测度3 个维度[33]。首先，自我效能的量度反映了个体对自身能力的整体评估，即其在面对特定情境时的信心强度。其次，强度维度关注个体对自身能力的自信程度，通常采用数字量表量化该维度，受试者根据其实际感受做出评分，进而得出具体分值。最后，预测度维度评估个体对未来情境中成功行为的预期，表现为个体在遇到挑战时，基于过去经验对行动结果的判断。研究[34]表明，自我效能在食品安全选择中的表现对消费者的决策行为具有重要影响。消费者自我效能的量、强度和预测度越高，他们在面对食品安全问题时，越能主动获取相关信息、作出理性判断，并采取相应的行动措施。本文消费者自我效能各维度具体的分布情况如表2所示。
表2 受访者肉类预制菜的自我效能
Table 2 Self-efficacy of respondents toward prepared meat dishes
注：CITC.题项-总分相关系数（corrected item-total correlation）。
变量赋值平均值标准差CITCCronbach’s α信息分析1（完全不同意）～5（完全同意）3.870.9060.5880.667风险应对1（完全不同意）～5（完全同意）3.931.0130.4890.729决策处理1（完全不同意）～5（完全同意）4.090.8500.5280.700个性选择1（完全不同意）～5（完全同意）3.920.8550.5860.670自我效能强度3.950.8250.7220.753
三是风险感知。鉴于风险感知维度的抽象性，通常通过一系列题项进行间接测量[35]，以便更精确地量化消费者在面对食品安全风险时的认知强度和感知水平，从而为相关决策提供有力依据。本研究基于肉类预制菜的5 个风险维度（表3）进行测量。具体而言，通过对这5 个维度的风险大小进行量化，并对其结果进行求和，得出消费者总体的风险感知水平。为便于分析，本研究采用平均值对消费者的风险感知水平进行划分，进一步探讨其在购买决策中的影响。
表3 受访者肉类预制菜的风险感知
Table 3 Respondents’ risk perception of prepared meat dishes
变量赋值平均值标准差CITCCronbach’s α健康风险1（完全不同意）～5（完全同意）3.411.1820.7270.784质量风险1（完全不同意）～5（完全同意）3.681.3540.7060.789时间风险1（完全不同意）～5（完全同意）2.791.1310.6350.810财务风险1（完全不同意）～5（完全同意）2.421.1060.5050.841社会风险1（完全不同意）～5（完全同意）3.201.3380.6540.805风险感知程度3.101.5050.6090.839
四是购买行为。包括购买类型和肉类预制菜消费支出，反映消费者在预制菜消费中的行为模式和偏好。 1）日常购买的肉类预制菜的烹调方式。根据预制菜定义及现有的文献[36]研究，将消费者购买的预制菜烹调方式分为即热类型和即烹类型。2）肉类预制菜消费支出。在消费者画像中，购买行为聚焦于消费者的购买决定，构成要素包括购买金额、购买频率等[32]。本文选取消费者每月肉类预制菜消费总支出作为衡量消费者购买行为的指标（表4），将肉类预制菜消费划分为低（≤200 元）、中（201～500 元）、高（≥501 元）3 类。
表4 消费者画像研究变量描述
Table 4 Variable description for consumer profiling
变量名称变量定义频率百分比/%1＝Z世代（18～30 岁）40548.7年龄2＝Y世代（31～45 岁）27933.53＝X世代（46～60 岁）14817.81＝5 000 元及以下20524.6月收入2＝5 000～10 000 元34040.93＝10 000 元28734.5城市规模1＝城区人口规模＞500万43852.62＝城区人口规模≤500万39447.41=1 人独居11213.52＝2～3 人家庭16119.4家庭户规模3＝4 口之家29835.84＝5 人及以上家庭26131.4自我效能1＝自我效能低29735.72＝自我效能高53564.3风险感知1＝风险感知低40748.92＝风险感知高42551.5烹调方式1＝即热类型54165.02＝即烹类型29135.01＝肉类预制菜消费低33640.4肉类预制菜消费支出2＝肉类预制菜消费中等29034.93＝肉类预制菜消费高20624.8
4 肉类预制菜消费者画像
4.1 消费群组细分
本研究针对MCA处理分类数据的需求，选取“年龄”“收入”“城市规模”“家庭户规模”“自我效能”“风险感知”“烹调方式”和“肉类预制菜消费”等变量，以因子形式纳入模型分析，采用降维技术揭示数据的内在结构关系。相关性分析（图2）揭示了变量间的相互关系，明确了变量间的关系强度与方向，为后续分析提供了支持。
图2 消费者画像研究变量间相关性分析
Fig. 2 Correlation analysis of variables in consumer profiling
在MCA识别消费者属性群体的潜在关系与分布特征的基础上，进一步采用K-means聚类算法，依据社会人口学特征、心理特征及肉类偏好等变量在多维空间中的距离对数据进行分组。通过Gap统计量评估最优聚类数。如图3所示，当聚类数（k）＝3时，聚类效果最佳。因此，将消费者划分为3 个群体不仅能有效揭示数据中的内在规律，且在统计学上具有显著性。
图3 Gap统计量分布
Fig. 3 Gap statistic distribution
结合MCA空间坐标分布的差异，可以揭示不同消费群体的偏好结构，从而识别出3 个主要的消费群体（图4）。一是图中右上侧置信椭圆的Z世代小家组，聚焦于1 人独居或刚组建家庭的小规模年轻消费者，对于肉类预制菜风险感知程度高且自我效能感相对较低，因此消费偏低。二是图中左上侧置信椭圆的X世代都市组，聚焦于居住在人口规模＞500万城市的消费者，收入水平较高，且对肉类预制菜具有较高消费偏好，日常消费即烹类型的肉类预制菜。三是图中左下侧置信椭圆的Y世代家庭组，聚焦于居住在人口规模≤500万城市的Y世代青年消费者，具有高自我效能和低风险感知，预制菜消费偏好以加热即食的便捷烹调方式为主。
图4 消费者群体和变量的二维MCA图
Fig. 4 Two-dimensional multiple correspondence analysis plot
在对消费者进行肉类预制菜消费偏好的聚类分析中，识别了3 组具有显著组间差异特征的消费群体：Z世代小家组、X世代都市组和Y世代家庭组。通过计算每组的质心得到了各聚类中最具代表性的特征值，如表5所示。
表5 各消费群组的主要聚类质心分布
Table 5 Distribution of main cluster centroids of each consumer group
变量Z世代小家组X世代都市组Y世代家庭组年龄18～30 岁46～60 岁31～45 岁月收入5 000 元以下10 001 元及以上5 001～10 000 元城市规模城区人口规模≤500万城区人口规模＞500万城区人口规模≤500万家庭户规模1 人独居4 口之家5 人及以上家庭自我效能自我效能低自我效能高自我效能高风险感知风险感知高风险感知低风险感知低烹调方式即热类型即烹类型即热类型肉类预制菜消费支出肉类预制菜消费低肉类预制菜消费高肉类预制菜消费中等
在消费者群体差异化的背景下，各群组的风险感知水平存在显著差异（χ2检验结果：Pearson χ2＝110.69， P＜0.001）。具体而言，各消费群体在健康风险、质量风险、时间风险、财务风险等维度上的感知差异显著。如图5所示，通过组间比较分析，不同群体在各维度上的风险感知得分差异显著，且经方差分析检验的显著性检验验证了这一结论。Z世代小家组在健康风险（4.00）和质量风险（4.30）上的感知最为敏锐，表现出较强的风险防御意识；Y世代家庭组的风险感知水平整体居中，表明该群体对风险的态度较为平衡；而X世代都市组在时间风险（2.44）与财务风险（2.14）上的感知得分最低，体现出理性且低敏的风险态度。上述差异说明，不同代际及其生活背景会影响食品风险认知的侧重，并通过这一机制作用于群体的消费行为与心理特征。
图5 各群组风险感知维度差异
Fig. 5 Differences in risk perception dimensions among various groups
4.2 画像呈现
根据聚类结果及该类型覆盖的多个消费者样本的具体行为特征，可以对每一类型消费者进行详细的特征描述。本研究创新性地引入世代划分，在群体细分类型的描述中，结合现有文献对不同世代特征的研究[37]，再通过问卷调查收集的数据，从统计学的角度分析该类型消费者的相关人口统计学特征和消费习惯特点。通过这些信息可以系统提炼典型消费者的行为标签，并构建相应的标签体系。这一方法不仅丰富了消费者画像的构建过程，也为不同世代肉类预制菜群体的差异化分析提供了理论依据。
Z世代小家组的特点为年轻、收入低、风险感知高且自我效能低、消费决策和食品选择受到较多外部因素的影响，对食品安全有较高的警觉性，肉类预制菜消费较低（图6）。现有研究显示，Z世代有着更加立体化的消费需求感知，重视性价比和健康养生，倾向于选择符合自身标准的产品，并偏好充满趣味和创新元素的商品。在消费行为上，该组往往以取悦自己为主，通过消费体现自我认同，同时也寻求社会认同与圈层归属感。Z世代不仅活跃于数字消费、网络消费和信息消费领域，还积极参与绿色、健康以及节能环保等新兴消费领域[38]。然而，Z世代在成长过程中经历了信息爆炸和碎片化的环境，面对复杂的现实与虚拟世界，他们在从海量信息中筛选有效内容以及应对多变局面方面的能力尚未完全成熟，存在经济情商上的欠缺[39-40]。
图6 Z世代小家组消费者画像
Fig. 6 Consumer portrait of the small family group of Generation Z
Y世代家庭组的特点为壮年、中等收入，处于上有老下有小的大家庭阶段（图7）。该群体自我效能较高，风险感知较低，决策自主性强，对食品选择较为自信，偏好便捷的加热即食肉类预制菜。研究指出，Y世代正处于事业奋斗期，需平衡职业发展与家庭责任，这使他们在日常生活中常面临时间紧迫的压力，力求以最高效的方式完成任务。由于目标导向性强且自由时间有限，他们倾向于依赖专业服务以满足家庭需求，从而释放出更多时间和精力以减轻家务劳动的负担。消费上，Y世代倾向于理性消费，注重实用性与性价比，通常优选中等价位的产品，以便高效满足家庭的实际需求[41]。
图7 Y世代家庭组消费者画像
Fig. 7 Consumer portrait of the family group of Generation Y
X世代都市组的特点为中年、高收入，居住在城区人口规模较大的高层级城市（图8）。该群体自我效能较高，能够根据个人需求做出决策，风险感知较低，且具有较强的新产品接受能力。在消费行为上，其更倾向于购买烹饪熟制类肉类预制菜，并表现出较高的消费意愿。这一偏好反映出该群体重视“可控的便利性”，在降低备菜时间成本的同时，通过有限烹饪参与提升饮食体验的个性化与品质感。现有研究表明，X世代成长于改革开放初期，经历了经济快速增长、事业发展和家庭生活水平显著提升的过程。在消费行为上，X世代更加注重产品的品质和附加功能，这种消费倾向不仅反映了其对生活品质的追求，也符合其在社交场合中展示身份和地位的需求[42]。
图8 X世代都市组消费者画像
Fig. 8 Consumer portrait of the urban group of Generation X
5 结 语
本研究从消费者视角出发，基于预制菜典型消费群体的识别及消费行为分析，发现肉类预制菜市场潜力巨大，但不同代际群体在风险感知、自我效能与消费决策方面存在差异，显示出高度细分化特征。Z世代风险感知较高、自我效能较低，消费谨慎；而Y世代与X世代则自我效能较高，消费更积极，尤为关注品质、营养与品牌保障。其次，风险感知与自我效能是影响消费者购买决策的关键因素。高风险感知且低自我效能群体更易表现出消费回避倾向，需要通过科普教育、信息透明与追溯体系增强信任感；低风险感知且高自我效能群体则更注重产品功能与健康价值，企业应强化功能性标签与品牌建设以提升契合度。再次，不同世代在烹调方式上偏好明显分化：Z世代与Y世代偏好即热型产品，强调便利与效率；X世代则偏好即烹型产品，突出互动与体验。
随着肉类预制菜产业的快速发展，一方面，冷链保鲜、真空包装和低温熟化等工艺的广泛应用有效提升了肉类预制菜的安全性与营养保留度，使其逐步突破地域和时间的消费限制[43]；另一方面，产品从传统佐餐型逐步转向主餐型，更加契合现代消费者对便利化和品质化的双重需求。这些变化不仅推动了产业升级，也使肉类预制菜成为预制菜体系中的核心板块。本研究深入揭示了肉类预制菜消费者的代际差异及风险感知与自我效能在消费决策中的作用机制，为提升消费者接受度与持续购买力、构建兼顾便捷性与质量安全的产业发展路径提供理论与实践参考。同时，丰富了食品安全风险感知对食物消费行为影响研究的理论框架，为企业精准营销与产品创新提供实证依据，并为监管部门在完善预制菜行业监管中的风险沟通、消费者沟通等提供决策依据，兼具学术价值与实践指导意义。
[1] 中共中央, 国务院. 中共中央 国务院关于做好2023年全面推进乡村振兴重点工作的意见[EB/OL]. (2023-01-02). http://www.scio.gov.cn/zdgz/jj/202309/t20230913_769087.html.
[2] 市场监管总局, 教育部, 工业和信息化部, 等. 关于加强预制菜食品安全监管 促进产业高质量发展的通知[EB/OL]. (2024-03-18).https://www.gov.cn/zhengce/zhengceku/202403/content_6940808.htm.
[3] 中国烹饪协会. 中国烹饪协会五年(2021—2025)工作规划[R]. 北京:中国烹饪协会, 2021.
[4] SLOVIC P. Perception of risk[J]. Science, 1987, 236: 280-285.DOI:10.1126/science.3563507.
[5] FERRER R A, KLEIN W M. Risk perceptions and health behavior[J]. Current Opinion in Psychology, 2015, 5: 85-89. DOI:10.1016/j.copsyc.2015.03.012.
[6] GAO H X. Research on components of consumer perceived risk[C]//2006 IEEE International Engineering Management Conference, Salvador, Brazil, IEEE, 2006: 334-335. DOI:10.1109/IEMC.2006.4279880.
[7] VERBEKE W, FREWER L J, SCHOLDERER J, et al. Why consumers behave as they do with respect to food safety and risk information[J]. Analytica Chimica Acta, 2007, 586(1/2): 2-7. DOI:10.1016/j.aca.2006.07.065.
[8] HA T M, SHAKUR S, PHAM DO K H. Food risk in consumers’ eye and their consumption responses: evidence from Hanoi survey[J]. Journal of Asian Business and Economic Studies, 2021, 28(2): 86-100. DOI:10.1108/jabes-12-2019-0126.
[9] TIAN T, ZHAO X. Risk perception, risk preference, and timing of food sales: new insights into farmers’ negativity in China[J]. Foods, 2024, 13(14): 2243. DOI:10.3390/foods13142243.
[10] ZHAI Q, SHER A, LI Q. The impact of health risk perception on blockchain traceable fresh fruits purchase intention in China[J]. International Journal of Environmental Research and Public Health, 2022, 19(13): 7917. DOI:10.3390/ijerph19137917.
[11] BANDURA A. Self-efficacy: toward a unifying theory of behavioral change[J]. Psychological Review, 1977, 84(2): 191-215. DOI:10.1016/0146-6402(78)90002-4.
[12] 韩天明, 郝雨菲, 许赵田. 预制菜消费动机及市场细分研究[J]. 现代商业, 2023(20): 23-26. DOI:10.14097/j.cnki.5392/2023.20.044.
[13] 王静香, 张忠明, 李纪岳, 等. 我国预制菜产业发展特点与趋势预判[J]. 粮油食品科技, 2024, 32(1): 193-200. DOI:10.16210/j.cnki.1007-7561.2024.01.025.
[14] 曾璐瑶, 王海滨, 廖鄂, 等. 畜禽类预制菜加工技术研究进展[J]. 食品工业科技, 2023, 44(7): 490-499. DOI:10.13386/j.issn1002-0306.2022060279.
[15] 操秀英. 面临“万亿蓝海”预制菜产业要靠科技锚定方向[J]. 中国食品工业, 2022(14): 33-34.
[16] 卢昌彩. 关于推进水产品预制菜高质量发展的思考[J]. 新农村,2023(9): 14-16.
[17] 赵金梅, 周兴桃, 李娜, 等. 宫保鸡丁菜肴的呈味特性研究[J]. 食品与发酵工业, 2024, 50(2): 224-231. DOI:10.13995/j.cnki.11-1802/ts.033619.
[18] 艾媒咨询. 2024—2025年中国预制菜产业发展蓝皮书[EB/OL].(2025-07-18) [2025-09-21]. https://www.iimedia.cn.
[19] 姚敏, 刘岩, 王丹. 浅析我国预制菜产业及贸易发展若干问题[J]. 世界农业, 2023(6): 138-140.
[20] KRASNOV A, CHARGAZIYA G, GRIFFITH R, et al. Dynamic and static elements of a consumer’s digital portrait and methods of their studying[J]. IOP Conference Series: Materials Science and Engineering, 2019, 497: 012123. DOI:10.1088/1757-899x/497/1/012123.
[21] 江子馨, 季铁. 基于购买行为的文创产品消费者画像构建研究[J]. 包装工程, 2021, 42(20): 218-224; 251. DOI:10.19554/j.cnki.1001-3563.2021.20.023.
[22] 刘凯. 购买行为下零售行业产品消费者画像构建研究: 以GD二十支商业连锁有限公司为例[J]. 财经界, 2023(32): 45-47.DOI:10.19887/j.cnki.cn11-4098/f.2023.32.019.
[23] 孙一文. 基于离散选择实验的信息干预对细胞培养肉消费偏好研究[D]. 北京: 中国农业科学院, 2024. DOI:10.27630/d.cnki.gznky.2024.000811.
[24] 刘速. 浅议数字图书馆知识发现系统中的用户画像: 以天津图书馆为例[J]. 图书馆理论与实践, 2017(6): 103-106. DOI:10.14064/j.cnki.issn1005-8214.2017.06.023.
[25] 方永发. 面向票务基于标签的用户画像系统研究与应用[D]. 秦皇岛:燕山大学, 2021. DOI:10.27440/d.cnki.gysdu.2021.002401.
[26] 余孟杰. 产品研发中用户画像的数据模建: 从具象到抽象[J]. 设计艺术研究, 2014, 4(6): 60-64.
[27] LIN Z, JIN S, ZHANG B, et al. Determinants of fish consumption by household type in China[J]. British Food Journal, 2015, 117(4): 1273-1288. DOI:10.1108/BFJ-05-2014-0182.
[28] EKE C I, NORMAN A A, SHUIB L, et al. A survey of user profiling:state-of-the-art, challenges, and solutions[J]. IEEE Access, 2019, 7:144907-144924.
[29] BOGUEVA D, MARINOVA D. Cultured meat and Australia’s generation Z[J]. Frontiers in Nutrition, 2020, 7: 148. DOI:10.3389/fnut.2020.00148.
[30] CENNAMO L, GARDNER D. Generational differences in work values, outcomes and person-organisation values fit[J]. IEEE Engineering Management Review, 2011, 39(2): 24-36. DOI:10.1109/EMR.2011.5876170.
[31] 乔丽娟. 国际Z世代研究的热点与主题: 工作、生活与社会心态分析[J]. 当代青年研究, 2025(1): 118-132.
[32] 王帅, 周丰婕. 新消费时代一线城市预制食品消费的影响因素分析[J].粮食科技与经济, 2023, 48(4): 53-57; 89. DOI:10.16465/j.gste.cn431252ts.20230412.
[33] 张鼎昆, 方俐洛, 凌文辁. 自我效能感的理论及研究现状[J]. 心理科学进展, 1999, 7(1): 39-43; 11.
[34] MARTIN K S, COLANTONIO A G, PICHO K, et al. Self-efficacy is associated with increased food security in a novel food pantry program[J]. SSM-Population Health, 2016, 2: 62-67. DOI:10.1016/j.ssmph.2016.01.005.
[35] 刘巍. 生鲜电商下消费者食品安全风险感知与购买行为研究[D]. 武汉:武汉理工大学, 2019. DOI:10.27381/d.cnki.gwlgu.2019.001566.
[36] 王丹, 黄雨濛, 鲁明. 预制菜研究进展[J]. 农业科技与装备, 2023(2):40-41. DOI:10.16313/j.cnki.nykjyzb.2023.02.005.
[37] DUFFETT R. The YouTube marketing communication effect on cognitive, affective and behavioural attitudes among Generation Z consumers[J]. Sustainability, 2020, 12(12): 5075. DOI:10.3390/su12125075.
[38] 陈杰. 洞察“Z世代”消费趋势[J]. 知识经济, 2019(26): 66-69.DOI:10.15880/j.cnki.zsjj.2019.26.016.
[39] 常鑫雨. 消费异化视域下Z世代消费问题分析[J]. 产业创新研究,2025(1): 65-68. DOI:10.3969/j.issn.2096-4714.2025.1.gkjj202501021.
[40] 平章起. 透视青年“经济情商”缺失的主要表征与内化机理[J]. 人民论坛, 2019(31): 104-106.
[41] 沈滔. “Y世代”消费者决策倾向与个人价值观相关关系研究[J]. 商业时代, 2014(27): 17-19. DOI:10.3969/j.issn.1002-5863.2014.27.006.
[42] 波士顿咨询. 14亿 人的四个世代[J]. 21世纪商业评论, 2023(5): 88-91.
[43] 郭双霜, 朱春, 刘海璐, 等. 肉类预制菜全产业链质量安全控制技术研究进展[J]. 肉类研究, 2023, 37(12): 61-68. DOI:10.7506/rlyj1001-8123-20231130-107.