<tt id="ukqso"></tt>
<acronym id="ukqso"><wbr id="ukqso"></wbr></acronym>
<object id="ukqso"><tr id="ukqso"></tr></object><object id="ukqso"><noscript id="ukqso"></noscript></object>
文章快速檢索     高級檢索
  重慶郵電大學學報(社會科學版)  2020, Vol. 32 Issue (4): 111-123  DOI: 10.3969/j.issn.1673-8268.2020.04.014
0

引用本文 [復制中英文]

陳渝, 彭芳艷?;赑PM理論的社交媒體平臺間的用戶轉移行為研究[J]. 重慶郵電大學學報(社會科學版), 2020, 32(4): 111-123. DOI: 10.3969/j.issn.1673-8268.2020.04.014. [復制中文]
CHEN Yu, PENG Fangyan. Investigating on User Switching Behavior between Social Media Based on PPM Theory[J]. Journal of Chongqing University of Posts and Telecommunications(Social Science Edition), 2020, 32(4): 111-123. DOI: 10.3969/j.issn.1673-8268.2020.04.014. [復制英文]

基金項目

國家自然科學基金項目:基于示能性視角的信息系統有效使用研究:維度、影響因素和形成機制(71461016);國家自然科學基金項目(71864021);昆明理工大學管理與經濟學院碩博生科研項目

作者簡介

陳渝(1971-),男,云南昆明人,教授,博士生導師,博士,主要從事IS使用行為研究; 彭芳艷(1995-),女,湖北天門人,碩士研究生,主要從事IS使用/轉移行為研究。

文章歷史

收稿日期: 2020-05-02
基于PPM理論的社交媒體平臺間的用戶轉移行為研究
陳渝 , 彭芳艷     
昆明理工大學 管理與經濟學院,云南 昆明 650093
摘要:社交媒體平臺可以從“推拉系泊”方面進行有效管理,以滿足用戶需求,促進平臺發展?;谇叭说难芯刻釤捪嚓P變量,基于PPM(push-pull-mooring)理論框架, 采用結構方程模型,使用227個有效樣本對模型進行驗證。研究顯示,系統質量缺陷、信息質量缺陷和感知隱私風險等顯著影響用戶的負面性感知價值,對用戶的轉移意愿產生推動作用,替代品吸引力作為拉力因素顯著影響轉移意愿,轉移成本作為系泊因素對習慣無顯著影響,技術自我效能和社會影響作為系泊因素顯著影響用戶習慣,從而顯著影響用戶轉移意愿,且轉移意愿顯著影響其轉移行為。
關鍵詞PPM理論    社交媒體    用戶轉移    
一、引言

移動互聯網平臺的發展使得各個社交媒體平臺的競爭更加激烈,據《第45次中國互聯網絡發展狀況統計報告》顯示,截至2020年3月,我國的網民規模達到9.04億,全年增長7 508萬,移動互聯網端活躍用戶規模比例達到99.3%;截止到2019年6月,我國即時通信用戶規模達8.96億,較2019年年底增長1.04億[1]。各種社交媒體平臺的普及使得人們的精力被分散,且不同社交媒體平臺的優勢和典型使用場景各有側重,用戶在不同社交媒體平臺間的轉移行為也愈加普遍,在此情況下,吸引和保留用戶就具有較強的現實意義。

隨著互聯網的不斷發展,社交媒體平臺逐漸成為信息傳播與人際溝通的重要途徑。除了提供在線交流功能外,使用社交媒體平臺的用戶可以在網絡環境中根據自己的情感、興趣和需求自由組成群體,這是用戶參與社交活動的重要原因。Kietzmann等認為消費者使用社交媒體平臺只是為了更大程度地獲得信息、購買產品和使用服務。然而,消費者卻越來越多地利用社交媒體平臺來創建、修改、共享和討論互聯網內容[2]。相對于以運營為主導的傳統模式,近年來的社交媒體平臺主要以社交裂變為核心,并契合更寬泛人群的需求,僅以“社交+利益捆綁”并不能使其持續發展。當然,用戶轉移也并不意味著用戶會徹底放棄使用原社交媒體平臺,若運營商能采取恰當有效的方法,用戶也可能會增加對原社交媒體平臺的使用[3]。

王晰巍等基于期望理論、沉浸理論以及構建信息系統成功模型對社交媒體用戶轉移行為影響因素進行了實證研究[4]。陳明紅等以雙系統認知理論為基礎, 構建用戶搜索行為轉移意愿理論模型,表明感知移動性、感知場景性和低轉移成本對用戶從PC搜索到手機搜索的轉移意愿具有正向影響[5]。然而,關于用戶在社交媒體平臺之間的轉移行為的研究尚不多見,鑒于此,本文以新的視角,引入人口學中的PPM理論來研究用戶的轉移行為,認為用戶在社交媒體平臺間的轉移受三個方面的影響,即來自原社交媒體平臺的推力作用、其他社交媒體平臺的拉力因素和可能是推力或拉力的系泊因素,對用戶在社交媒體間的轉移行為進行研究。

二、文獻綜述 (一) 社交媒體

Boyd和Ellison將社交媒體定義為基于互聯網的服務,用戶可以在限定的系統內構建公共或半公共簡檔,建立用戶列表和共享一個鏈接[6]。用戶可以搜索其社交網絡的配置文件,共享信息,并顯示他們希望其他成員在其配置文件上查看的內容。此外,成員還可以自定義他們的個人頁面并添加媒體內容,如照片、視頻和音樂文件,并與其他人共享這些內容[7]。社交媒體的媒體屬性主要體現在用戶生成的內容上,即社交媒體中的內容(如狀態、日志、照片、視頻等)是由社交媒體用戶原創或者拷貝而來,并且能夠通過社交媒體進行分享和傳播[8]。賈若男等將社交媒體用戶轉移行為路徑分為轉移初始、過渡和成果三個階段,且和某些學者一樣認為社交媒體用戶轉移的原因主要在于用戶的安全需求、隱私需求、信息需求和替代品吸引力[9]。

社交媒體用戶群體具有增強組織傳播和社會影響力的特點。張瑞等基于方法目的鏈視角,通過訪談和問卷的形式研究了社交媒體情境下的群體行為,指出社交媒體對群體行為帶來的最直接影響是促進了特定形式公眾輿論。因此,研究社交媒體用戶群體行為是網絡輿情中的重要課題[8]。

(二) 用戶轉移

用戶轉移的概念形成最早是在社會學和人類學領域,通常指的是人在特定時間和物理空間上的移動[10]。徐孝娟等通過攀梯法研究了用戶從傳統圖書館到數字圖書館轉移的原因,認為用戶轉移是在使用產品的各項功能之后,為達到更深層次價值體驗的行為表現[11]。然而,在轉移到其他社交媒體平臺一段時間后,用戶再次轉移到原社交媒體的行為也并不少見, 用戶的轉移行為會受原來使用經歷的影響。王晰巍等基于期望理論、沉浸理論以及構建信息系統成功模型,實證研究了社交媒體系統質量、信息質量、服務質量以及沉浸體驗會提高用戶對原社交媒體的滿意度,從而負向影響轉移行為[4]。Chang等將社交媒體的用戶轉移定義為用戶在已經停止或者未完全停止對原社交媒體平臺的使用的情況下,轉移到其他社交媒體平臺服務[12]。

(三) PPM理論

PPM理論框架最開始應用于人口學的移民中,是指將人們從一個地理區域移動到另一個地理區域的決定分別受到推、拉和系泊因素的影響[10]。同時PPM也是揭示用戶“交換行為”的理論基礎,包括造成用戶遠離目前產品或服務的推力因素、將用戶吸引到其他服務促使用戶產生轉移行為的拉力因素,以及阻礙或促進轉移行為的系泊因素[13]。

PPM框架適用于探索與大量技術產品有關的轉移行為,以往利用PPM框架研究轉移行為的文章中大多將不滿意、替代吸引力和轉移成本看作是推、拉和系泊因素, 但是影響用戶轉移行為的具體變量尚未被完全識別[14]。用戶的轉移行為是由于對產品或服務的不滿意,或者是因為有更好的替代品使用戶產生了轉移意愿。陳曉枚用遷移理論解釋臺灣地區用戶在網購平臺之間的轉移行為并分析其影響因素,將社會影響、轉移成本和之前的轉移行為作為系泊影響因素,其研究發現在轉移行為中拉力因素影響最大,其次是商品差價和網絡服務品質等不滿意因素造成的推力,但較高的轉移成本會抑制轉移行為[15]。Fornell強調了消費者習慣是潛在的系泊因素[16]?;谏缃幻襟w平臺的特性,當用戶認為原平臺的功能和信息質量不再滿足用戶的需求,以及用戶在使用原平臺的過程中,覺得個人信息被非法搜集和利用時,會讓用戶對原平臺形成負面性感知價值,從而導致用戶從原平臺轉移到其他社交媒體平臺。在與PPM相關的研究中,替代吸引力也被認為是研究轉移意愿的一個關鍵拉動因素。當用戶感知其他社交媒體平臺的吸引力比原社交媒體平臺的吸引力更大時,會使用戶從原社交媒體平臺轉移到其他社交媒體平臺。因此,本文將用戶對原社交媒體平臺的感知隱私風險、系統質量缺陷、信息質量缺陷和負面性感知價值這四個方面作為推力因素,將替代品吸引力作為拉力因素,將用戶習慣、社會影響、轉移成本和技術自我效能作為系泊因素。

三、研究模型及假設

本研究基于PPM理論,提出了用戶對社交媒體平臺間的轉移意愿整合模型(見圖 1)。具體過程為:從國內外用戶轉移行為相關文獻中獲取相關可測度因素,適當增加PPM理論中研究的因素如習慣,依據現有文獻,構建社交媒體平臺間的用戶轉移意愿和行為研究意愿整合模型,最后采用結構方程模型進行分析。

圖 1 用戶對社交媒體平臺間的轉移意愿整合研究模型

本研究模型共包括11個因素:系統質量缺陷、信息質量缺陷、感知隱私風險、負面性感知價值、替代品吸引力、轉移成本、社會影響、技術自我效能、習慣、轉移意愿和轉移行為。每個因素均使用多個題項進行測量。各因素的定義在參考信息系統采納與使用研究領域廣泛認可的解釋變量基礎上,結合社交媒體的特點最終修訂而成,具體如表 1所示。

表 1 因素定義及參考來源
(一) push推力因素

1.信息、系統質量缺陷

信息質量和系統質量是信息系統成功模型中的重要概念。DeLone和McLean提出的信息系統成功模型對信息系統性能進行了詳細探討[17],結合目前社交媒體的使用情況,本研究假設用戶在社交媒體間的轉移行為受到信息質量和系統質量方面的影響。

Gu等指出,低質量的信息分散了人們的注意力,因為它增加了用戶的搜索和信息處理成本[18]。用戶可能把他們的時間和精力浪費在無用的社交媒體上,對于不可靠的社交媒體信息可能存在偏見或誤導,從而影響用戶的感知價值。Butler提出了一種基于資源的可持續社會結構理論,認為成員貢獻時間、精力和其他資源,使社會結構能夠為個人提供利益,其中信息質量是社會結構吸引和保留成員能力的基礎[36]。Lin認為更高的信息質量和系統質量提高了用戶滿意度,導致了更多的用戶忠誠度[37]。Zhang Wei和Watts表明,信息質量和系統質量都與信息呈正相關,低質量的系統和信息不能使用戶從中得到更多信息以做出判斷[19]。董慶興等使用感知價值理論來分析用戶持續使用健康社區的意愿,證實了信息準確性、來源可靠性和時效性對感知價值有顯著影響,當信息質量高時,用戶的感知價值會相應升高[38],同理,當信息質量低時,用戶的感知價值會降低,從而影響用戶的持續使用意愿。本文將信息質量缺陷和系統質量缺陷作為推力因素,研究用戶是否會因原社交媒體的信息質量缺陷和系統質量缺陷而使用戶產生負面性感知價值。因此,本文提出以下假設:

H1:原社交媒體平臺的系統質量缺陷正向顯著影響用戶對原社交媒體平臺的負面性感知價值。

H2:原社交媒體平臺的信息質量缺陷正向顯著影響用戶對原社交媒體平臺的負面性感知價值。

2.感知隱私風險

隱私關注是指用戶使用社交媒體過程中,對個人隱私泄露程度的感知,Featherman等基于感知風險理論,在技術接受模型中對特定的風險方面進行了操作、集成和經驗測試,表明電子服務的采用主要受到基于性能的風險感知的負面影響[20]。Xu等基于通信隱私管理(communication privacy mangement, CPM)理論建立研究模型,指出個人的隱私關注通過感知隱私風險、隱私控制和認知過程形成,當用戶感覺到個人隱私會被泄露時,使用此產品或服務會有反感情緒[21]。Wang L和Luo X等在研究移動支付用戶轉移行為時,指出移動支付平臺收集到的個人資料遠遠超過瀏覽交易及使用移動支付應用的基本要求,當在支付過程中,用戶感知供應商把他們的個人信息置于危險之中,且認為現有的服務可以使用其他平臺代替時,那么他們就會轉移到其他平臺[14]。董慶興等認為提升隱私安全性以及反饋及時性有助于提高感知價值[38],如果用戶的隱私得不到保障,用戶不能在披露隱私較少的情況下獲得所需要的信息,會降低用戶在使用過程中的感知價值。因此,本文提出以下假設:

H3:用戶對原社交媒體平臺的感知隱私風險正向顯著影響用戶對原社交媒體平臺的負面性感知價值。

3.負面性感知價值

當社交媒體用戶面臨可行的替代方案時,這些替代方案的高感知利益可能會導致更高的轉移意愿的可能性。董慶興等基于感知價值理論,認為用戶的感知收益會從社交媒體的內容、格式、呈現形式、時效性、準確性和加載速度這幾個維度影響用戶的使用體驗[38]。Sweeney認為用戶通過感知情感價值、感知社會價值、感知經濟價值和感知功能價值來影響用戶的感知價值,證實了用戶對產品的高感知價值對行為有正向影響[22]。Bhattacherjee等表明對使用新IT的相對優勢的感知價值與轉移者轉向新IT的意愿呈正相關[23],當用戶對原有產品的感知價值低時,會導致用戶轉移到其他替代品。感知價值已經被提議作為轉移決策中的第三個推動因素,Bansal認為低感知價值是決定用戶轉移的直接決定因素[13]。本文將感知價值因素作為推力因素,研究用戶是否會因為對原社交媒體的負面性感知價值產生轉移意愿,因此,本文提出以下假設:

H4:原社交媒體平臺的負面性感知價值正向顯著影響用戶轉移到其他社交媒體平臺的轉移意愿。

(二) pull拉力因素

替代品吸引力通常是指用戶想要從原社交媒體更換到其他社交媒體的意愿強度。Jones等將替代吸引力定義為“消費者對市場上存在可行的競爭替代方案的程度的看法”,競爭者提供的產品和服務對用戶的吸引力越高,則會對用戶的轉移意向產生積極的影響[24]。Kim等提出顧客感知替代服務提供者的吸引力可以通過各種信息渠道來塑造,包括傳聞、口碑、廣告和媒體,替代方案的吸引力與消費者轉移服務的意愿呈正相關[25]。在與PPM相關的研究中,替代吸引力也被認為是研究轉移意愿的一個關鍵拉動因素。如果用戶認為其他社交媒體平臺能提供更好的服務,具有更大的吸引力,那么他們可能會決定轉向其他社交媒體平臺。因此,本文提出了以下假設:

H5:其他社交媒體的吸引力正向顯著影響用戶的轉移意愿。

(三) mooring系泊因素

1.轉移成本

轉移成本是指改變社交媒體使用所造成的相關成本。轉移成本包括可能發生的經濟、心理、身體和情感上的犧牲,這些成本體現在服務轉移之前、期間和之后[25]。這些成本可以是真實的、可感知的貨幣成本或非貨幣成本,也可以是兩者的混合。趙禮強等認為轉移成本是影響顧客習慣形成的重要因素,企業可以通過管理用戶的轉移成本來讓用戶形成習慣,例如推行會員制度和俱樂部等手段來提高轉移成本[26]。劉魯川等在研究用戶對移動搜索結果的采納行為時指出,轉移成本使用戶體驗到被“鎖定”的感受,轉移成本對用戶的習慣有顯著影響,習慣可以顯著影響用戶的重復購買意愿[27]。轉移到新的社交媒體平臺上可能使用戶失去當前的朋友圈,并需要花費額外的時間和精力來重建他們的社會關系網絡,這些因素都和用戶的習慣有關。因此,本文提出以下假設:

H6:從原社交媒體平臺轉移到其他社交媒體平臺的轉移成本負向顯著影響習慣。

2.技術自我效能

技術自我效能是指用戶轉移到其他社交媒體過程中對使用其他社交媒體的技術上的自我認知。趙宇翔等基于感知自我價值探究了用戶在虛擬社區中的參與意愿,認為用戶感知自我效能越高時,虛擬社區歸屬感會對其參與意愿產生更顯著的影響[28]。技術效能感低的用戶很可能在轉移到其他社交媒體平臺時,被相關的技術問題所淹沒,并且更有可能繼續使用原社交媒體平臺。此外,技術自我效能感高的用戶在使用其他社交媒體平臺時感受到的困難要小。因此,本文提出以下假設:

H7:用戶在其他社交媒體平臺的技術自我效能感正向顯著影響用戶使用其他社交媒體平臺的習慣。

3.社會影響

當大量朋友推薦一個社交媒體平臺時,用戶更有可能轉移到這個社交媒體平臺。人們會調整自己的信念/態度,以適應與自己相似或重要的其他人。Watjatrakul等證實了社會影響會影響個人對服務的認識和感知(感知有用性、感知易用性和感知享樂)[29]。Li等認為員工在使用互聯網時對互聯網政策的遵守受個人主觀感受和社會影響因素的正向影響[30]。而在研究即時通訊的使用時認為,除了主觀規范外,群體規范和社會認同都對用戶使用意愿具有顯著影響[30-31]。葛仲夏等將個人的社會化心理分為從眾、社會促進和模仿,認為用戶可能會因為周圍人使用某種社交媒體平臺的人較多而傾向于使用該社交媒體平臺。同樣, 當該社交媒體的用戶數量很少或周圍的人認為其不應該被使用時,用戶有可能因為這種影響而放棄使用它[39]。因此,本文提出以下假設:

H8:其他社交媒體平臺的社會影響正向顯著影響用戶對其他社交媒體平臺的習慣。

4.習慣

習慣是用戶在使用社交媒體過程中產生的某種自發行為的導向。Ye和Potter將習慣作為用戶轉移意愿的系泊因素,認為個人的感知、信仰和個體差異都會導致他們在不同IT服務提供者之間的轉移,當用戶習慣于使用某一特定技術產品時,他就不太可能有使用替代產品的意愿[32]。習慣會降低用戶對新引入的系統的易用性和相對優勢的認識,并對使用新系統的意愿產生負面影響[33]。Petersen認為習慣是信息系統使用過程中產生轉移意愿的重要調節因素,但當所研究的行為更具習慣性時,習慣在決定行為時的重要性會隨之降低[40]。外國學者Jung等對社交媒體用戶進行訪談時發現,用戶抵制轉移到可替代的社交媒體的原因在于不愿改變現有的社交方式,不愿花費時間來學習新的社交方式[41]。大多學者都是研究用戶對原社交媒體的習慣對轉移意愿的影響,本文與他們的不同之處是,本文研究的是用戶從原社交媒體轉移到可替代社交媒體的轉移成本、社會影響和技術自我效能對習慣的影響,探究的是在當今社交媒體平臺功能逐漸趨同和類似的情況下,用戶是否能因為技術自我效能等因素而快速習慣其他社交媒體的使用,對其他社交媒體的習慣是否會促使用戶在類似社交平臺群上形成轉移意愿。因此,本文提出以下假設:

H9:用戶對其他社交媒體平臺的習慣正向顯著影響轉移意愿。

(四) 轉移意愿和轉移行為

根據Venkatesh等提出的整合性技術接受模型可知,用戶的行為意向和實際行為是兩個有區別的變量。他認為用戶在接受一個系統之前會首先產生使用它的意向。對于轉移過程而言,用戶首先會產生從一個信息系統轉移到另一個信息系統的意愿,而后產生實際的轉移行為[34]。Bhattacherjee等證實了用戶IT轉移意向和實際轉移行為之間存在正向影響關系[23],Hsieh等認為社交網站用戶的轉移意愿正向影響其轉移行為[35]。因此,本文提出以下假設:

H10:用戶的轉移意愿正向顯著影響轉移行為。

四、研究方法與分析 (一) 研究方法

本研究通過問卷收集數據來驗證所提出的概念模型。問卷分為兩個部分,第一部分為用戶的基本信息統計;第二部分為本次調查問卷的主體部分,共包含11個變量,其中推力因素的測量借助Delone & Mclean[17]、Gu等[18]、Lin[37]的研究,從信息質量缺陷(IQD)、系統質量缺陷(SQD)、感知隱私風險(PPR)和負面性感知價值(NPP)方面進行設計,拉力因素的測量借助Jones等[24]、Kim等[25]的研究,從替代品吸引力(AA)方面進行設計,系泊因素的測量借助趙禮強等[26]、趙宇翔等[28]、Ye和Potter[32]等的研究,從社會影響因素(SIF)、轉移成本(TC)、習慣(H)和技術自我效能(TSE)方面進行設計,轉移意愿(TI)和轉移行為(TB)的測量借助Venkatesh等[34]、Bhattacherjee等[23]和Hsieh等[35]的研究。為了驗證研究假設,本文的變量采用了國內外相關研究已經驗證過的題項,并結合社交媒體的特點和應用場景進行了適當的修改,問題題項詳如表 2所示。

表 2 測量量表

表 2中除了基本信息,其他的測度項均采用七點李克特法(Likert)進行,1分代表“非常不同意”,7分代表“非常同意”。

在正式問卷調查之前,通過線上渠道小范圍收集了41份問卷進行檢測,目的是檢驗問卷的題項設置是否合理,信效度是否符合要求。本文的正式問卷借助于問卷星收集,并在朋友圈、微信群等社交媒體平臺發放網上問卷,共發放問卷250份,為了保證問卷的有效性和可行性,剔除了問卷填寫時間低于一分鐘和答案重復度過高的問卷,有效回收問卷227份,占總樣本的90.8%。

(二) 數據分析

本研究利用SPSS對樣本數據進行描述性統計分析,結果如表 3所示。此外,調查用戶信息表顯示,用戶經常使用的社交媒體平臺有微信(98.68%)、微博(66.96%)、QQ(88.11%)、論壇貼吧(40、53%)、抖音(58.59%)和其他(18.06%包括知乎、豆瓣、人人、虎撲等)。

表 3 樣本基本情況統計

本研究采用SmartPLS進行數據分析,采用克朗巴赫系數(Cronbach’s α)和組合信度(Composite Reliability)來檢驗問卷信度。由表 4可知,本研究的Cronbach’s α介于0.77~0.96之間,組合信度值介于0.89~0.97之間,克朗巴赫系數和組合信度值均大于0.7,證明該量表具有較高的信度水平,所有構念在統計意義上具有內部一致性及穩定性。在檢驗檢測量表的效度時以兩種方式進行了測試。首先,本文的平均萃取方差AVE的值介于0.67~0.93之間,且均高于0.5,表明量表的聚合效度較好,并且本文表明由于各因子的AVE值的平方根(見表 5對角線值)均大于因子間的相關系數,表明量表的區別效度較好[42]。其次,本文審查了所有項目的交叉負載(見表 6),以確保所有結構上沒有比它本身更好的項目。它們各自構造的項的負載高于0.7,這表明它們有令人滿意的收斂有效性[43]。

表 4 信度和聚合效度分析
表 5 各變量的AVE平方根及相關系數矩陣
表 6 交叉負載

本研究使用偏最小二乘法(PLS)對模型進行路徑分析,模型結果如圖 2所示。檢驗結果顯示,10條假設中有9條假設成立,且都在P < 0.001的水平上顯著,其中,轉移成本對習慣無顯著影響,假設H6不成立。此外,感知價值、習慣、轉移意愿和轉移行為被解釋程度分別為0.473、0.568、0.749和0.586,被解釋程度較高,說明該模型能較好地反映用戶轉移的過程。

圖 2 轉移意愿整合模型分析結果
五、結果討論

本研究基于PPM理論,結合問卷預測試確定的社交媒體平臺用戶轉移意愿的具體維度,進行正式問卷調查探究Push、Pull和Mooring三者對轉移意愿的影響。研究表明:

第一,本文以用戶對原有社交媒體平臺的系統質量缺陷、信息質量缺陷、感知隱私風險和負面性感知價值作為推力因素,研究用戶是否會因為原有社交媒體平臺的系統質量缺陷、信息質量缺陷和感知隱私風險影響用戶對原有社交媒體平臺的負面性感知價值,從而影響用戶轉移到其他社交媒體平臺的意愿。結果顯示,系統質量缺陷、信息質量缺陷和感知隱私風險對負面性感知價值之間的標準化路徑系數分別為0.373、0.313和0.134,且在P<0.001的水平上顯著。這表明,社交媒體平臺的系統質量缺陷、信息質量缺陷和感知隱私風險會顯著正向影響用戶的負面性感知價值。同時,負面性感知價值與轉移意愿的路徑系數為0.256,且在P<0.001的水平上顯著,表明用戶對原社交媒體的負面性感知價值對用戶轉移到其他社交媒體平臺的轉移意愿有顯著正向影響,用戶感知價值的不高使得其對社交媒體平臺的黏性不強,從而導致用戶產生轉移意愿。因此,假設H1、H2、H3、H4均成立。已有研究探討的是替代品高的系統質量,高的信息質量會正向影響用戶的感知價值,低的感知隱私風險會正向影響用戶的感知價值。本文將這些因素作為推力因素,分析所得的結果與已有研究所提的高信息質量和高系統質量使用戶的感知價值高、高的隱私風險使用戶的感知價值低的研究結果一致,說明將PPM理論應用于用戶在社交媒體平臺間的轉移行為是可行的。由此可知,用戶對原社交媒體平臺的感知價值越低,用戶轉移到其他社交媒體平臺的意愿就越強烈,用戶對原社交媒體平臺的負面性感知價值對用戶轉移到其他社交媒體平臺起著推力作用。用戶的感知價值不高是造成用戶產生轉移意愿的關鍵因素,社交媒體平臺應在更新自身平臺的基礎上,同時建設自身安全系統,保障用戶的信息不被泄漏,從而提升用戶的感知價值,使用戶繼續使用原社交媒體平臺。

第二,替代品吸引力對轉移意愿的路徑系數為0.192,且在P<0.001的水平上顯著,說明替代品吸引力對轉移意愿有顯著影響,假設H5成立。就實際情況來看,當用戶發現有其他社交媒體平臺能替代原社交媒體平臺,并且在系統、功能或是信息上讓用戶更加滿意時,他們更傾向于轉移到其他社交媒體平臺。

第三,其他社交媒體平臺帶來的社會影響和技術自我效能對習慣的路徑系數分別為0.436和0.308,且在P<0.001的水平上顯著,這表明,其他社交媒體平臺用戶的社會影響和技術自我效能顯著正向影響用戶習慣;同時,習慣和轉移意愿的路徑系數為0.547,且在P<0.001的水平上顯著,表明用戶習慣顯著影響用戶轉移意愿,說明系泊因素在社交媒體平臺功能逐漸趨同和類似的情況下,習慣會促使用戶在類似社交平臺群上形成轉移意愿。檢驗結果顯示,轉移成本對習慣無顯著影響,假設H6不成立。本研究中的轉移成本主要是用戶在社交媒體平臺的使用過程中投入的時間、精力等,H6不成立的原因首先是不同的個體具有差異性,且大部分用戶可能僅滿足于分享和交流,對社交媒體投入的成本感知不明顯;其次,由基本信息可知,有50.22%用戶每天使用社交媒體的時間超過3個小時,用戶對社交媒體平臺的使用已經形成了一種依賴和無意識的行為,因此,成本并不能左右用戶對社交媒體平臺的選擇。

第四,轉移意愿對轉移行為的路徑系數為0.767,且在P<0.001的水平上顯著。顯示轉移意愿對轉移行為具有顯著影響,由此認為用戶是先產生轉移意愿進而產生轉移行為。

六、結論與展望

本研究基于PPM理論,運用結構方程模型對問卷收集的數據進行統計,分析信息質量缺陷、系統質量缺陷、感知隱私風險、負面性感知價值、替代品吸引力、社會影響因素、轉移成本、習慣和技術自我效能對社交媒體平臺用戶轉移過程的影響。結果顯示,除了轉移成本外,信息質量缺陷、系統質量缺陷、感知隱私風險、負面性感知價值、替代品吸引力、社會影響因素、習慣和技術自我效能都對社交媒體平臺間用戶的轉移意愿有正向的顯著影響,且用戶的轉移意愿也會正向影響其實際轉移行為。

在信息管理領域,研究用戶轉移行為通常使用滿足理論、動機理論、技術接受模型和雙因素理論[3],本文的理論意義是將PPM模型與基于社會網絡的遷移理論相融合,用一個新的視角來研究用戶在社交媒體平臺間的轉移行為,豐富了用戶轉移行為的相關研究。本文的實踐意義是基于檢驗結果為社交媒體平臺提出可操作性建議,社交媒體平臺可以從“推拉系泊”方面進行有效管理,滿足用戶需求,促進平臺發展。同時,當前社交平臺呈現出功能趨同的現象,各個社交平臺在突出自身特點或競爭力方面還需提升。

本研究雖取得階段性成果,但仍存在一定局限,需要在后續研究中加以改進。首先是樣本代表性問題。由基本信息統計可知,樣本中23歲以下的群體占50.66%,相對年輕化,表明該數據樣本覆蓋的群體不均衡,以后的研究數據覆蓋面應該更全面,使結論更可靠。其次,本文未能探討用戶在產生轉移行為之前的動態過程,因為用戶在社交媒體的轉移過程中并不是直接停止使用原社交媒體平臺而轉移到其他社交媒體平臺的,會存在一個逐步過渡的時期,在這期間用戶打算嘗試新的服務,同時使用現有的服務[12]。最后,社交媒體的種類很多,面對不同的社交媒體平臺服務,由于用戶的異質性,轉移原因勢必有所差異,所以在未來的研究中要更全面地考慮這些因素,探索用戶異質性對社交媒體平臺轉移行為的影響機制。

參考文獻
[1]
CNNIC.第45次中國互聯網絡發展狀況統計報告[R/OL].(2020-04-27)[2020-04-30].http://www.cac.gov.cn/2020-04/27/c_1589535470378587.htm.
[2]
KIETZMANN J H, HERMKENS K, MCCARTHY I P, et al. Social Media? Get Serious! Understanding the Functional Building Blocks of Social Media[J]. Business Horizons, 2011(3): 241-251.
[3]
趙宇翔, 劉周穎. IT采納和使用中用戶轉移行為研究綜述[J]. 圖書與情報, 2017(5): 86-96.
[4]
王晰巍, 賈若男, 王雷. 社交媒體用戶轉移行為影響因素模型及實證研究[J]. 圖書情報工作, 2018(18): 45-54.
[5]
陳明紅, 溫杰堯, 曾慶彬. 從PC搜索到手機搜索的用戶轉移行為意向研究[J]. 情報科學, 2018(7): 71-77.
[6]
BODY D M, ELLISON N B. Social Network Sites: Definition, History, and Scholarship[J]. Journal of Computer-mediated Communication, 2008(1): 210-230.
[7]
KAPLAN A M, HAENLEIN M. Users of the World, unite! The Challenges and Opportunities of Social Media[J]. Business Horizons, 2010(1): 59-68.
[8]
張瑞, 唐旭麗, 趙棟祥. 社交媒體用戶群體行為形成機理及實證分析——基于手段目的鏈視角[J]. 現代情報, 2019(4): 86-93.
[9]
賈若男, 王晰巍. 基于扎根理論的社交媒體用戶轉移行為特征研究[J]. 圖書館學研究, 2018(17): 26-33.
[10]
BROCKERHOFF R B M. Exploring Contemporary Migrationby Paul Boyle; Keith Halfacree; Vaughan Robin-son[J]. Population & Development Review, 1998(1): 188-189.
[11]
徐孝娟, 孫霄凌, 彭希羨. 由傳統圖書館到數字圖書館的用戶轉移行為研究——以大學生用戶為例[J]. 圖書與情報, 2014(4): 105-110.
[12]
CHANG I, LIU C, CHEN K. The Push, Pull and Mooring Effects in Virtual Migration for Social Networking Si-tes[J]. Information Systems Journal, 2014(4): 323-346.
[13]
BANSAL H S. "Migrating" to New Service Providers: Toward a Unifying Framework of Consumers' Switching Behaviors[J]. Journal of the Academy of Marketing Sci-ence, 2005(1): 96-115.
[14]
WANG L, LUO X R, YANG X, et al. Easy Come or Easy go? Empirical Evidence on Switching Behaviors in Mobile Payment Applications[J]. Information & Management, 2019(7): 103-150. DOI:10.1016/j.im.2019.02.005
[15]
陳曉枚.以人口遷徙理論探討顧客由網絡零售至網絡團購之轉移意圖[D].臺北: 中國文化大學, 2013: 76-89.
[16]
FORMELL C. A National Customer Satisfaction Barometer: The Swedish Experience[J]. Journal of Marketing, 1992(1): 6-21.
[17]
DELONE W H, MCLEAN E R. The DeLone and Mc-Lean Model of Information Systems Success: A Ten-Year Update[J]. Journal of Management Information Systems, 2003(4): 9-30.
[18]
GU B, KONANA P, RAJAGOPALAN B, et al. Competition Among Virtual Communities and User Valua-tion: The Case of Investing-Related Communities[J]. Information Systems Research, 2007(1): 68-85. DOI:10.1287/isre.1070.0114
[19]
ZHANG W, WATTS S A. Capitalizing on Content: Information Adoption in Two Online communities[J]. Journal of the Association for Information Systems, 2008(2): 73-94.
[20]
FEATHERMAN M S, PAVLOU P A. Predicting E-services Adoption: A Perceived Risk Facets Perspective[J]. International Journal of Human-computer Studies, 2003(4): 451-474.
[21]
XU H, DINEV T, SMITH J, et al. Information Privacy Concerns: Linking Individual Perceptions with Institutional Privacy Assurances[J]. Journal of the Association for Information Systems, 2011(12): 798-824.
[22]
SWEENEY J C, SOUTAR G N. Consumer Perceived Value: The Development of a Multiple Item Scale[J]. Journal of Retailing, 2001(2): 203-220.
[23]
BHATTACHER JEE A, LIMAYEM M, CHEUNG C M K. User Switching of Information Technology: A Theoretical Synthesis and Empirical Test[J]. Information & Management, 2012(7/8): 327-333.
[24]
JONES M A, MOTHERSBAUGH D L, Beatty S E. Switching Barriers and Repurchase Intentions in Services[J]. Journal of Retailing, 2000(2): 259-274.
[25]
KIM G, SHIN B, LEE H G. A Study of Factors that Affect User Intentions Toward Email Service Switching[J]. Information & Management, 2006(7): 884-893.
[26]
趙禮強, 劉正福, 徐嫻英, 等. 網絡消費者重復購買意愿的實證研究——基于習慣的中介作用[J]. 沈陽航空航天大學學報, 2015(4): 90-96.
[27]
劉魯川, 孫凱. 電子服務質量與沉浸體驗對享樂型信息系統用戶接受的影響[J]. 系統工程理論與實踐, 2011(S2): 160-164.
[28]
趙宇翔, 劉周穎. 知識眾包社區中用戶參與意愿的實證研究:基于虛擬社區歸屬感的視角[J]. 情報資料工作, 2018(3): 69-79. DOI:10.3969/j.issn.1002-0314.2018.03.011
[29]
WATJATRAKUL B. Intention to Use a Free Voluntary Service[J]. Journal of Systems and Information Technology, 2013(2): 202-220.
[30]
LI H, ZHANG J, SARATHY R. Understanding Compliance with Internet Use Policy from the Perspective of Rational Choice Theory[J]. Decision Support Systems, 2010(4): 635-645.
[31]
SHEN A X L, CHEUNG C M K, LEE M K O, et al. How Social Influence Affects We-intention to Use Instant Messaging: The Moderating Effect of Usage Experience[J]. Information Systems Frontiers, 2011(2): 157-169.
[32]
YE C, POTTER R. The Role of Habit in Post-Adoption Switching of Personal Information Technologies: An Empirical Investigation[J]. Communications of the Association for Information Systems, 2011(28): 585-610.
[33]
POLITES G L, KARAHANNA E. Shackled to the Status Quo: The Inhibiting Effects of Incumbent System Habit, Wwitching Costs, and Inertia on New System Acceptance[J]. Mis Quarterly, 2012(1): 21-42.
[34]
VENKATESH V, MORRIS M G, Davis G B, et al. User Acceptance of Information Technology: Toward a Unified View[J]. Mis Quarterly, 2003(3): 425-478.
[35]
HSIEH J, HSIEH Y, CHIU H, et al. Post-adoption Switching Behavior for Online Service Substitutes: A Perspective of the Push-pull-mooring Framework[J]. Computers in Human Behavior, 2012(5): 1912-1920.
[36]
BUTLER B S. Membership Size, Communication Activity, and Sustainability: A Resource-based Model of Online Social Structures[J]. Information Systems Rese-arch, 2001(4): 346-362.
[37]
LIN H F. Determinants of Successful Virtual Communities: Contributions from System Characteristics and So-cial Factors[J]. Information & Management, 2008(8): 522-527. DOI:10.1016/j.im.2008.08.002
[38]
董慶興, 周欣, 毛鳳華. 在線健康社區用戶持續使用意愿研究——基于感知價值理論[J]. 現代情報, 2019(3): 3-14.
[39]
葛仲夏, 顧東曉, 顧佐佐. 社交網絡工具持續使用影響因素的實證研究[J]. 圖書館學研究, 2015(1): 34-40.
[40]
PETERSEN K. How Habit Limits the Predictive Power of Intention: The Case of Information Systems Continuance[J]. Mis Quarterly, 2007(4): 705-737.
[41]
JUNG E H, WALDEN J, JOHNSON A C, et al. Social networking in the Aging Context: Why Older Adults Use or Avoid Facebook[J]. Telematics and Informa-tics, 2017(7): 1071-1080. DOI:10.1016/j.tele.2017.04.015
[42]
BAGOZZI R P. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error: A Comment[J]. Journal of Marketing Research, 1981(3): 375-381.
[43]
NUNNALLY J C. Psychometric Theory[J]. American Educational ResearchJournal, 1978(3): 678-685. DOI:10.2307/1161962
Investigating on User Switching Behavior between Social Media Based on PPM Theory
CHEN Yu , PENG Fangyan     
School of Management and Economics, Kunming University of Science and Technology, Kunming 650093, China
Abstract: put forward operational Suggestions for social media platforms, which can be managed effectively from the aspect of "push, pull and mooring" to meet user needs and promote platform development. based on previous studies, relevant variables were extracted, and structural equation model was used for analysis based on the PPM (push-pull-mooring) theoretical framework. 227 valid samples were used to validate the model. research shows that system quality defects, information quality defects and perceived privacy risks significantly affect users' negative perceived value, to the users' willingness to transfer, alternative attractiveness as pull factors significantly influence transfer, transfer cost as mooring factors had no significant effect on habit, self-efficacy and social factors as mooring significantly influence the user habit, which significantly affect the user transfer will, will significantly affect the transfer and transfer.
Keywords: PPM theory    social media    user switching behavior    
荣耀棋牌下载