引用本文
彭希羡, 冯祝斌, 孙霄凌, 朱庆华. 微博用户持续使用意向的理论模型及实证研究* . 现代图书情报技术, 2012, 28(11): 78-85
Peng Xixian, Feng Zhubin, Sun Xiaoling, Zhu Qinghua. The Empirical Research on Users’ Continuance Intention. 现代图书情报技术, 2012, 28(11): 78-85  
Permissions
Copyright©2012, 《现代图书情报技术》编辑部
《现代图书情报技术》编辑部版权所有
微博用户持续使用意向的理论模型及实证研究*
彭希羡1, 冯祝斌1, 孙霄凌2, 朱庆华1
1南京大学信息管理学院 南京 210093
2南京大学工程管理学院 南京 210093
基金:*本文系国家社会科学基金重点项目“互联网用户群体协作行为模式的理论与应用研究”(项目编号:10ATQ004)的研究成果之一;
摘要

以微博为研究对象,通过对相关文献的深度调查和分析,在传统ECM-ISC模型的基础上,从微博自身特点、系统质量、主观行为规范三个方面对其进行扩展和改进,建立微博用户持续使用意向的理论模型,并采用问卷调查和结构方程模型进行实证研究。结果表明,满意度、感知趣味性、隐私安全性等对微博用户持续使用意向有直接影响。

关键词: 微博; 持续使用; ECT-IS; SEM; 影响因素
中图分类号:G350
The Empirical Research on Users’ Continuance Intention
Peng Xixian1, Feng Zhubin1, Sun Xiaoling2, Zhu Qinghua1
Fund:
Abstract

With Microblog as the investigated object, based on deeply collecting and analysing the existing literatures, this paper attempts to develop an integrated model that incorporates features of microblog, system quality and subjective norm into the expectation-confirmation model. This research model is examined by questionnaire survey and Structural Equation Modeling(SEM), and the result reveales that users satisfaction, perceived enjoyment, privacy risks and etc. have direct relationship with microblog users’ continuance behavior.

Keyword: Microblog; Continuance behavior; ECT-IS; SEM; Influencing factors
1 前言

微博,源自于英文单词Microblog,又称为“围脖”。简单地说,微博使因特网用户可以描述自己感兴趣的事物,表达态度,并将其通过短消息的形式(国内通常为280个字符即140个汉字)与他人分享、讨论。作为一种新的沟通方式,用户可以通过微博融合的多种渠道(包括即时通讯、手机、E-mail、网页等)发布文字、图片、视频、音频等形式的信息[ 1]。据中国互联网络信息中心(CNNIC)发布的《第29次中国互联网络发展状况统计报告》可知,至2011年底,已有近半数的网民在使用微博,使用率从2010年底的13.8%提升到48.7%,年增长率达到296.0%,成为2011年增长率最大的网络应用[ 2]。微博良好的发展势头与潜藏商机,引起了新浪、腾讯、网易、搜狐等各大网络运营商的关注。 在我国,微博虽然是一个新兴行业,但是竞争却日趋激烈。目前各微博网站的同质化现象较为严重,核心竞争力不足,当微博新增用户趋于稳定并达到饱和时,微博运营商想要维护自身的用户规模,保持用户黏性,首要考虑的问题便是如何留住微博用户,培养和提高用户的持续使用意向。本文通过实证研究方法分析了国内微博用户持续使用意向的影响因素,以期为今后微博的相关研究提供借鉴,对微博网站的持续发展提供参考。

2 研究述评

随着微博影响力的不断增强,微博已成为学术界的重点关注对象,部分学者对目前微博的研究现状做了相关总结:Cheong等[ 3]在其综述性研究中指出,随着博客、电子邮件、Web、数据挖掘、人类因素等思想的引入,有关微博的研究日趋变化,更多其他领域的知识被引入去解答微博所产生的新问题;闫幸等[ 4]归纳了以往微博研究所涉及到的三个主要方面:微博的基础性研究、微博环境下的沟通研究和微博沟通价值的相关进展,并探讨了当前研究的不足和未来的研究方向;王晓兰[ 5]在其研究中从微博传播研究、微博发展研究、微博事件研究、微博融合研究、微博影响研究、微博治理研究几个方面对我国2011年微博研究的总体进展进行了回顾和分析。可见,当前学术界对微博的研究仍处于初级阶段,主要集中于对微博的认知和应用上,尚未形成系统完整的理论框架,而针对微博用户的持续使用行为的文献更占少数。

在网络用户持续使用意向方面,学者的关注对象主要有电子商务网站、门户网站、虚拟社区、SNS网站等。支芬和等[ 6]研究发现,在电子商务环境下,用户持续使用意向的影响因素包括满意度、信任、用户期望、用户认知价值及转换成本;Chen等[ 7]对Web 2.0用户持续使用意向影响因素进行了探讨,发现用户满意度对用户的持续使用有显著影响,而主观行为规范、临界质量对用户满意度有较大影响;Shen等[ 8]则通过研究论证了人际吸引对虚拟社区用户持续使用意向的重要影响;Kim[ 9]以社交网络Cyworld为例,将主观范式整合到期望确认模型中形成新的用户持续使用意向模型,以验证影响SNS网站用户持续使用行为的各个因素;Barnes等[ 10]以Twitter为例研究了国外微博服务用户的忠诚行为的影响因素,认为用户选择是否持续使用与其感知有用性、满意度等有很大关系。

综上所知,目前国内针对微博用户持续使用意向的相关研究非常少,还存在较大的研究空间。在上述文献综述的基础上,笔者提出微博用户持续使用意向影响因素理论模型,并采用问卷调查的方式收集数据,通过结构方程模型对所提出的模型进行检验,得出相关结论。

3 研究模型与假设

早在1980年,Oliver[ 11]便提出了期望确认理论 (Expectation Confirmation Theory, ECT),Oliver[ 12]认为,用户或顾客的忠诚度来自他们的高度认同和承诺,而这种高度认同感和承诺将导致用户或顾客的在此使用和消费。在此基础上,Bhattacherjee[ 13]构建了全新的IS(Information System)持续使用模型,即基于ECT的IS持续使用模型(Expectation Confirmation Model of IS Continuance,ECM-ISC),如图1所示,并以网络银行为背景进行实证检验,从而做出开创性理论贡献。

图1 基于ECT的IS持续使用模型(ECM-ISC)[ 13]

目前,ECM-ISC已得到广泛应用。除Bhattacherjee将其应用到网上银行之外,许多学者将其融入虚拟社区、SNS网站等领域的研究中[ 8, 9, 14],同时一些国外学者将ECM-ISC延伸至Twitter用户持续使用的研究中,并取得一定成果[ 3, 10],由此可见将ECM-ISC应用到微薄领域具有较好的可行性。

鉴于上述分析,本文以ECM-ISC模型为参考理论框架,结合微博自身特点,将主观行为规范(Subjective Norm)、Web2.0环境特点、网络信息系统的质量融入ECM-ISC模型,对其进行理论扩展和假设开发,进而归纳出微博用户持续使用意向的理论模型,如图2所示:

图2 微博用户的持续行为模型

3.1 基于ECT的IS持续使用模型

基于ECM-ISC模型的用户持续使用意向的研究成果广泛发表在MIS Quarterly等国际高水平核心期刊上,肯定了该模型实践研究用户行为的价值[ 7, 9, 10]。用户满意度是用户关于一种产品或服务好坏的总体评价。提高用户满意度能够加强用户持续使用意向[ 15, 16],同时拥有较高的用户满意度能够更有效地保持电子服务提供商与其用户的长期关系[ 17]。

假设1(H1):微博用户的满意度直接正向影响用户持续使用意向。

感知有用性可以理解为用户认为在完成自己目标过程中,使用该IS能够帮助提升自身表现的程度[ 18]。根据ECM-ISC模型,得到假设2a及2b。

假设2a(H2a):微博用户的感知有用正向影响用户满意度。

假设2b(H2b):微博用户的感知有用直接正向影响用户持续使用意向。

期望确认是用户在采纳某IS后(Post-Adoption Stage)对该系统的认知评价[ 17]。当用户感觉其在使用某IS中的真实体验要好于他们的期望时,期望确认程度将正向影响感知有用性。此外,Bhattacherjee[ 13]、Kim等[ 19]的研究也表明期望确认对于保证用户满意度处于较高水平也起到重要作用。

假设3a(H3a):微博用户的期望确认程度正向影响用户感知有用性。

假设3b(H3b):微博用户的期望确认程度正向影响用户满意度。

3.2 微博的Web 2.0特性

Web2.0和传统Web间最为显著的差异在于Web2.0中信息都为用户自主产生,且用户之间有了更多的协作[ 20]。作为Web 2.0环境下的新兴产物,微博给人们带来新的体验和乐趣,同时它也将用户的隐私信息公共化,使用户担心其隐私信息的安全性[ 21]。因此,笔者将感知趣味性和感知隐私安全性加入到ECM-ISC模型中。

感知趣味性是指在除去其他性能结果的影响下,使用某一IS的愉快程度[ 22]。感知趣味性被认为是用户使用后行为的一个重要因素,并且影响用户的满意度和持续使用意向[ 9, 14, 23]。Park等[ 24]通过研究揭示了在Twitter使用中感知趣味性对于用户持续使用行为的正向影响。此外,Kim等[ 19]的研究也表明用户的期望确认程度对于用户感知趣味性也有一定正向影响。

假设4a(H4a):微博用户的感知趣味性直接正向影响用户持续使用意向。

假设4b(H4b):微博用户的感知趣味性正向影响用户满意度。

假设4c(H4c):微博用户的期望确认程度正向影响用户感知趣味性。

微博具有高不确定性和高风险,用户却需要提供自己的真实信息,如新浪微博需要用户提供手机号或者邮箱进行注册等。网络用户会关注其在参与过程中网站对于收集的个人信息的保护能力[ 25],Debatin等[ 26]发现Facebook用户有很强的感知隐私风险性。而在我国相关法律尚不健全的环境下,分析微博用户感知隐私安全性(Perceived Privacy Risk)对于持续使用的负向影响显得尤为重要。

假设5(H5):微博用户的感知隐私安全性负向影响用户持续使用意向。

3.3 网络信息系统的质量

一个微博网站可看作是一个基于网络的信息系统,网站建设的质量是一个网站是否成功的关键,其从侧面反映了一个公司发展电子服务的态度和思想[ 27],而对于微博这类社会化网络服务的网站可以从信息质量、设计质量、服务质量三个方面考察其系统质量[ 28]。信息质量包括用户从微博中获取的信息、自身发布的信息等,设计质量包括微博激励机制、认证机制等,而服务质量则包含个性化、反馈机制等,这些方面都在不同程度上影响着用户的感知趣味性和持续使用意向[ 14, 29, 30]。

假设6a(H6a):微博网站的系统质量正向影响用户持续使用意向。

假设6b(H6b):微博网站的系统质量正向影响用户感知趣味性。

3.4 主观行为规范

主观行为规范主要由人际影响(Interpersonal Influence)和媒体影响(Media Influence)两方面组成[ 31]。其中人际影响指的是在一个社会网络中不同个体彼此相互影响的程度[ 32]。在Web环境下,网络用户的行为时常受到其管理者(Supervisors)或者同龄人的认同的影响[ 33, 34],因此从人际关系网络中获取的信息和意见对用户的使用意向有很重要的影响。

假设7a(H7a):人际影响正向影响用户的持续使用意向。

外界信息来源包括大众媒体,例如电视、报纸、网络等,一些IS公司通过这些渠道进行市场营销以吸引用户[ 35]。各个微博运营商之间竞争非常激烈,并提出不同的媒体宣传策略。因此,媒体影响有可能在一定程度上正向影响微博用户的持续使用意向。

假设7b(H7b):媒体影响正向影响微博用户持续使用意向。

4 问卷设计及数据采集

本文选取正在使用微博的用户作为问卷调查的目标群体,问卷采用通行的Likert5级量表,其中1表示“完全不同意”,5表示“完全同意”。调查的内容如表1所示:

表1 问卷的具体问项及相应的参考来源

本次问卷通过网络发放,发放时间为2012年6月20日到2012年7月10日, 共回收问卷163份,并按照以下标准选取有效问卷:

(1)样本用户正在使用微博;

(2)问卷填答完整,没有遗漏项;

(3)数据没有大范围(大于80%)相同;

(4)没有前后矛盾的答案;

(5)月使用微博次数大于1次。

剔除无效问卷后,共得到有效问卷149份,问卷有效率为91.4%。样本特征信息如表2所示。

从年龄角度来看,21-25岁的用户最多(占总数的71.81%),这说明年轻一代为使用微博的主要人群。从使用时间来看,87.98%用户是在近两年才开始接触微博的,这与微博在近两年飞速的发展是吻合的。从使用频率来看,高达35.57%的用户每隔几小时就会使用微博,体现了微博的即时沟通功能,同时还有36.91%的用户每天至少使用一次微博,这说明目前用户对微博的使用已经比较普遍,有些还对微博产生了依赖心理。

表2 样本特征信息
5 实证检验及结果分析
5.1 问卷的信度和效度分析

根据结构方程分析的步骤,首先对问卷的信度和效度进行评估,如表3所示 :

表3 测量指标的因子载荷、Alpha、CR、AVE值

本文采用Cronbach’s α、CR系数来考察本卷的信度。其中,Cronbach’s α系数大于0.7,表示因子有较好的可靠性;CR系数大于0.7,表示因子有较好的指标信度。各个潜变量的CR系数都是符合标准的,除人际影响的Cronbach’s α系数(0.695)稍低于0.7,其余都在0.7之上。效度反映了测量结果的有效性程度。本研究中的各个潜变量的平均萃取变差(AVE)都大于0.5,而因子载荷中只有测量指标II3小于0.5(0.41),其余都明显大于0.5。考虑到潜变量人际影响的问项较少,故本文保留该问项。同时,通过验证性因子分析,如表4所示:

表4 验证因子的效度分析

发现对角线上的AVE的平方根均大于0.707,并且对角线上的AVE平方根均大于各个因子间的相关系数,符合要求。由此可见,本问卷具有较好信度与效度。

5.2 结构模型分析

本文利用基于最小二乘法的软件WarpPLS对建立的结构方程进行检验。PLS方法的以下特征使其更适用于本研究[ 38]:

(1)对于小样本也较适宜,结论更为可靠;

(2)在考虑变量间线性关系的基础上,还可以对变量间可能存在的非线性关系进行拟合;

(3)与多元回归类似,PLS可以获得R2系数,作为因变量的被解释程度。

表5 整体拟合参数

表5中是方程整体拟合度的相关指标,APC(平均路径系数)、ARS(平均解释度)均在p<0.001的水平上显著,AVIF(平均方差膨胀因子)<5,各项指标均在可接受范围之内,具有较好的拟合度[ 39]。

各个假设的检验情况及路径系数如图3所示:

图3 模型路径系数分析

(注: *表示p<0.05,** 表示p<0.01,*** 表示p<0.001,虚线部分表示不显著。)

5.3 实证结果分析

从图3中可以看出,微博用户持续使用意向的R2为0.501,说明它可以解释微博用户持续使用意向50%以上变动方差,模型总体上具备较强的解释能力。根据图3中的结构模型得到本研究的假设检验结果,如表6所示:

表6 假设检验结果

模型研究表明,13条假设有10条得到有效支持(显著性水平p小于0.05),具体结果如下:

(1)期望确认程度对有用感知性和满意度有明显的正向影响,同时有用感知性也正向影响满意度,而满意度对于微博用户持续使用意向也有一定正向影响。基于ECT的IS持续使用模型对于微博用户持续使用研究是较为适用的。

(2)期望确认程度对感知趣味性有很强的正向影响(路径系数高达0.480,p<0.001),而感知趣味性又对满意度具有较强影响(路径系数为0.411,p<0.001),同时感知趣味性又直接正向影响用户持续使用行为意向。由此可见,感知趣味性在此模型中的重要性,不仅直接与用户持续行为相关,同时也是满意度、期望确认程度的桥梁。

(3)在研究模型中,感知隐私安全性体现出其对用户持续使用行为意向的直接负向影响。这是现今网络时代的一个普遍现象,由于网络信息的共享和公开化,用户对于其自身隐私信息是否被非正常利用十分关注。只有当用户对自己在微博上公布的隐私信息有了安全感,其持续使用意向才会随之增加。

H2a、H6a、H7a这三条研究假设则未得到有效支持。对于不支持的三条假设,笔者认为可能有以下原因:

(1)H2b:不支持

微博作为Web2.0环境下的产物,体现出社会性网络服务更加注重休闲娱乐性,而对有用性需求并不明显。类似于SNS网站,用户使用该类网站更多是出于生活消遣和感情维系的目的,因此对于网站是否有用并没过多要求[ 14]。

(2)H6a:不支持

虽然网站质量与用户感知趣味性有一定关系,但是并非直接影响用户持续使用意向。原因可能是由于国内微博至今并未出现较大的系统质量问题;同时国内各大微博特色不鲜明,结构功能大同小异,用户缺乏质量对比。

(3)H7a:不支持

对于主观行为规范的两个方面——人际影响和媒体影响,人际影响与用户持续使用意向并无统计意义上的因果关系,而媒体影响对于用户持续使用意向的正向影响力也相对偏低(路径系数为0.158,p=0.025)。这可能与抽样样本主要是在校大学生有关,作为年轻一代,在校大学生具有较强的思想独立性和自主性,受他人或媒体的影响较小。

6 结语

本文以微博为研究背景,探究影响微博用户持续使用意向的主要因素,包括直接因素和间接因素。本研究的创新性和研究意义主要体现在:以Web2.0环境下的新兴产物——微博为研究对象,将基于ECT的IS持续使用理论运用到对微博的研究中,扩展了其使用范围;在原有持续使用模型中引入新影响因素,为后续关于微博用户持续使用意向的研究提供借鉴;通过实证研究发现了影响用户持续使用意向的主要因素,对微博运营商考虑如何保持用户黏性有一定的参考作用。虽然本研究取得了一定研究成果,但由于条件的限制,尚有一些方面需要改进。后续的研究将在增加模型变量、完善问卷设计、扩大调查数量等方面展开。此外,如何针对不同领域、地区、年龄、收入的用户群体进行调查与跟踪研究;如何考察用户在微博使用过程中的意愿和行为的变化规律,都值得进一步研究。

参考文献
[1] Jansen B J, Zhang M M, Sobel K, et al. Twitter Power: Tweets as Electronic Word of Mouth[J]. Journal of the American Society for Information Science and Technology, 2009, 60(11): 2169-2188. [本文引用:1] [JCR: 2.005]
[2] 中国互联网络信息中心. 第29次中国互联网络发展状况统计报告[R/OL]. [2012-06-15]. http://www.cnnic.net.cn/dtygg/dtgg/201201/W020120116337628870651.pdf.(CNNIC.The29thStatisticalReportonIntornetDevelopmentinChina[R/OL]. [2012-06-15]. http://www.cnnic.net.cn/dtygg/dtgg/201201/W020120116337628870651.pdf [本文引用:1]
[3] Cheong M, Lee V. Dissecting Twitter: A Review on Current Microblogging Research and Lessons from Related Fields[A]//Memon N, Alhajj R. From Sociology to Computing in Social Networks: Theory, Foundations and Applications[M]. 2010: 343-362. [本文引用:2]
[4] 闫幸, 常亚平. 微博研究综述[J]. 情报杂志, 2011, 30(9): 61-65.
(Yan Xing, Chang Yaping. A Review on the Research of Microblog[J]. Journal of Intelligence, 2011, 30(9): 61-65. ) [本文引用:1] [CJCR: 0.951]
[5] 王晓兰. 2011年中国微博客传播研究综述[J]. 国际新闻界, 2012, 34(1): 29-33. Wang Xiaolan. Review of China’s Microblogging Communication Studies in 2011[J]. Journal of International Communication, 2012, 34(1): 29-33. [本文引用:1]
[6] 支芬和, 田玲, 敖静海. 电子商务环境下客户忠诚的探究[J]. 商业研究, 2007(1): 178-179, 185. (Zhi Fenhe, Tian Ling, Ao Jinghai. Customer Loyalty in EB[J]. Commercial Research, 2007(1): 178-179, 185. ) [本文引用:1]
[7] Chen S C, Yen D C, Hwang M I. Factors Influencing the Continuance Intention to the Usage of Web 2. 0: An Empirical Study[J]. Computers in Human Behavior, 2012, 28(3): 933-941. [本文引用:2]
[8] Shen Y C, Huang C Y, Chu C H, et al. Virtual Community Loyalty: An Interpersonal-Interaction Perspective[J]. International Journal of Electronic Commerce, 2010, 15(1): 49-73. [本文引用:2] [JCR: 1.425]
[9] Kim B. Understand ing Antecedents of Continuance Intention in Social-Networking Services[J]. Cyberpsychology Behavior and Social Networking, 2011, 14(4): 199-205. [本文引用:4]
[10] Barnes S J, Bohringer M. Modeling Use Continuance Behavior in Microblogging Services: The Case of Twitter[J]. Journal of Computer Information Systems, 2011, 51(4): 1-10. [本文引用:3] [JCR: 0.495]
[11] Oliver R L. A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions[J]. Journal of Marketing Research, 1980, 17(4): 460-469. [本文引用:1]
[12] Oliver R L. Whence Consumer Loyalty?[J]. Journal of Marketing, 1999, 63: 33-44 [本文引用:1]
[13] Bhattacherjee A. Understand ing Information Systems Continuance: An Expectation-Confirmation Model[J]. MIS Quarterly, 2001, 25(3): 351-370. [本文引用:2]
[14] 唐莉斯, 邓胜利. SNS用户忠诚行为影响因素的实证研究[J]. 图书情报知识, 2012 (1): 102-107.
(Tang Lisi, Deng Shengli. The Empirical Research on the Influencing Factors of SNS Users’ Loyalty[J]. Document, Information & Knowledge, 2012 (1): 102-107. ) [本文引用:4] [CJCR: 1.169]
[15] Kettinger W J, Park S H, Smith J. Understand ing the Consequences of Information Systems Service Quality on IS Service Reuse[J]. Information and Management, 2009, 46(6): 335-341. [本文引用:1] [JCR: 1.663]
[16] Sanchez-Franco M J, Rondan-Cataluna F J. Virtual Travel Communities and Customer Loyalty: Customer Purchase Involvement and Website Design[J]. Electronic Commerce Research and Applications, 2010, 9(2): 171-182. [本文引用:1] [JCR: 1.48]
[17] Brown J, Broderick A J, Lee N. Word of Mouth Communication Within Online Communities: Conceptualizing the Online Social Network[J]. Journal of Interactive Marketing, 2007, 21(3): 2-20. [本文引用:2]
[18] Davis F D. Perceived Usefulness, Perceived Ease of Use and User Acceptance of Information Technology[J]. MIS Quarterly, 1989, 13(3): 319-340. [本文引用:1]
[19] Kim B, Han I. The Role of Trust Belief in Community-driven Knowledge and Its Antecedents[J]. Journal of the American Society for Information Science & Technology, 2009, 60(5): 1012-1026. [本文引用:2]
[20] Lai L S L, Turban E. Groups Formation and Operations in the Web 2. 0 Environment and Social Networks[J]. Group Decision and Negotiation, 2008, 17(5): 387-402. [本文引用:1]
[21] 李畅. 中国微博发展隐忧[J]. 西南民族大学学报 : 人文社会科学版, 2011(8): 170-173.
(Li Chang. Secret Worry of Chinese Microblog’s Development[J]. Journal of Southwest University for Nationalities: Humanities and Social Science, 2011(8): 170-173. ) [本文引用:1]
[22] Davis F D, Bagozzi R P, Warshaw P R. Extrinsic and Intrinsicmotivation to User Computers in the Workplace[J]. Journal of Applied Social Psychology, 1992, 22(14): 1111-1132. [本文引用:1]
[23] Pelling E L, White K M. The Theory of Planned Behavior Applied to Young People’s Use of Social Networking Web sites[J]. CyberPsychology & Behavior, 2009, 12(6): 755-759. [本文引用:1]
[24] Park B W, Lee K C. Effects of Knowledge SharingSocial Presence on the Intention to Continuously Use Social Networking Sites: The Case of Twitter in Korea[A]. //Kim T H, Ma J H, Fang W C, et al. U and E-Service, Science and Technology[M]. Berlin Heidelberg: Springer-Verlag, 2010. 60-69. [本文引用:1]
[25] 殷国鹏, 杨波. SNS用户持续行为的理论模型及实证研究[J]. 信息系统学报, 2010, 4(1): 53-64.
(Yin Guopeng, Yang Bo. An Empirical Study on Usage Continuance Model of Social Network Services[J]. China Journal of Information Systems, 2010, 4(1): 53-64. ) [本文引用:1]
[26] Debatin B, Lovejoy J P, Horn A K, et al. Love Joy Facebook and Online Privacy: Attitudes, Behaviors, and Unintended Consequences[J]. Journal of Computer-Mediated Communication, 2009, 15(1): 83-108. [本文引用:1]
[27] 刘延民, 邵培基. 企业B2C电子商务网站质量研究[J]. 价值工程, 2005(1): 64-67.
(Liu Yanmin, Shao Peiji. Research on the Quality of Enterprise B2C Web Site for E-commerce[J]. Value Engineering, 2005(1): 64-67. ) [本文引用:1] [CJCR: 0.2458]
[28] 杨子武. SNS网站质量评价基本指标集分析[J]. 科技信息, 2011(14): 390. (Yang Ziwu. The Analysis of SNS Website Quality Evaluation’s Basic Indicators Set[J]. Science & Technology Information, 2011(14): 390. ) [本文引用:1]
[29] Hsieh C C, Kuo P L, Yang S C, et al. Assessing Blog-user Satisfaction Using the Expectation an Disconfirmation Approach[J]. Computer in Human Behavior, 2010, 26(6): 1434-1444. [本文引用:1]
[30] Ahn T, Ryu S, Han I. The Impact of Web Quality and Playfulness on User Acceptance of Online Retailing[J]. Information & Management, 2007, 44(3): 263-275. [本文引用:1]
[31] Hsu M H, Yen C H, Chiu C M, et al. A Longitudinal Investigation of Continued Online Shopping Behavior: An Extension of the Theory of Planned Behavior[J]. International Journal of Human-Computer Studies, 2006, 64(9): 889-904. [本文引用:1] [JCR: 1.415]
[32] Rogers E M. Diffusion of Innovations[M]. The 5th Edition. New York: Free Press, 2003. [本文引用:1]
[33] Liao C C, Chen J L, Yen D C. Theory of Planning Behavior (TPB) and Customer Satisfaction in the Continued Use of E-Service: An Integrated Model[J]. Computers in Human Behavior, 2007, 23(6): 2804-2822. [本文引用:1]
[34] Chen S C, Chen H H, Chen M F. Determinants of Satisfaction and Continuance Intention Towards Self-service Technologies[J]. Industrial Management and Data Systems, 2009, 109(9): 1248-1263. [本文引用:1] [JCR: 1.674]
[35] Venkatesh V, Brown S A. A Longitudinal Investigation of Personal Computers in Homes: Adoption Determinants and Emerging Challenges[J]. MIS Quarterly, 2001, 25(1): 71-82. [本文引用:1]
[36] Cronin J J, Brady M K, Hult G T M. Assessing the Effects of Quality, Value and Customer Satisfaction on Consumer Behavioral Intentions in Service Environments[J]. Journal of Retailing, 2000, 76(2): 193-218. [本文引用:1]
[37] McDougall G H G, Levesque T. Customer Satisfaction with Services: Putting Perceived Value into the Equation[J]. Journal of Services Marketing, 2000, 14(5): 392-410. [本文引用:1]
[38] Chin W W. Issues and Opinion Structural Equation Modeling[J]. MIS Quarterly, 1998, 22(1): 7-16. [本文引用:1]
[39] WarpPLS 3. 0 User Manual[R/OL]. [2011-03-19]. http: //www. scriptwarp. com/warppls/UserManual_WarpPLS_V3. pdf.
(作者E-mail: ropencil@163. com) [本文引用:1]