An Empirical Study on the Continuous Use of Mobile Browser by Users

  • Zhang Xinfang ,
  • Wang Fei ,
  • Liu Luchuan
Expand

Received date: 2012-09-03

  Online published: 2025-04-28

Cite this article

Zhang Xinfang , Wang Fei , Liu Luchuan . An Empirical Study on the Continuous Use of Mobile Browser by Users[J]. Knowledge Management Forum, 2013 , 2013(2) : 29 -36 . DOI: 10.7536/j.issn.2095-5472.2013.02.005

1 引言

浏览器是PC及手机上网的重要入口,近年来随着移动互联技术的快速发展,越来越多的传统PC互联网应用已可以在移动互联网上实现,由此推动了移动浏览器的进一步发展。移动浏览器已经成为用户随时随地接入移动互联网和使用移动新媒体的基础软件,并引发了各移动浏览器提供商为了吸引并保持用户的激烈竞争。然而,移动互联网类型多、制式多、环境复杂,也给其发展带来了障碍。而解决这些挑战的思路之一,就是借助云计算的技术和思路,走平台开放之路。为此,国外谷歌的ChromeLite、微软的IE移动版、苹果的Safari、火狐的Minimo,国内的腾讯QQ、UCWEB等移动浏览器纷纷涉足云计算,推出基于云的移动浏览器,通过强大的云端服务,让用户轻松享受丰富、安全的浏览体验。
中国互联网信息中心(CNNIC)2012年1月发布的 《第29次中国互联网发展状况统计报告》 显示[1],截至2011年12月底,中国手机网民规模达3.56亿。根据国家工业和信息部公布的最新数据,截至2012年年初,我国手机用户总数已经达到了9.2亿。由此可以推算出,手机网民只占手机用户的38.70%。上述数据一方面反映了移动浏览器巨大的市场成长空间,另一方面也难以掩饰大部分手机用户还没有接受或者长期使用移动浏览器的事实。
移动浏览器作为一种特定的信息系统,同任何信息系统的成功一样,其推广普及不仅仅在于技术本身先进与否,还在于用户的认知、接受和持续使用等行为问题的解决。信息系统的成功最终取决于用户的持续使用(continuous usage),最初的采纳(initial adoption)仅仅是迈向成功的第一步。若是用户没有长期且有效地使用,最初接受的信息系统也不可能带来用户预期的使用价值[2-3]。目前,信息系统用户持续使用(IS continuance)的行为模型研究已开始受到关注,成为国际MIS学界的前沿领域。本文聚焦移动浏览器这一移动互联网的IS应用,以期捕捉用户持续使用行为的微观机理,这对移动浏览器研发厂商有的放矢地开展系统开发、营销推广、用户吸引与保持具有现实的指导意义。

2 理论基础与文献综述

F. D. Davis于 1989 年提出的技术接受模型(Technology Acceptance Model,TAM)是信息技术采纳研究中最具影响的理论成果之一[4]。TAM以社会心理学,特别是理性行为理论为基础,把个人接受信息技术的影响因素简洁地概括为感知易用性、感知有用性、对技术的态度等,并建立了用户使用意图和实际使用行为与上述因素之间关系的逻辑结构。TAM后经扩展和修订,涌现出了TAM2、UTAUT等模型,并被广泛应用到各类不同的信息系统用户接受情境,以解释与预测用户采纳的影响因素,强调个人认知、态度、行为意图以及实际行为之间所存在的因果关系,由此形成了IT/IS 采纳理论体系。
然而,当人们将上述理论用于IT/IS采纳后的用户行为研究时,却遇到了解释力不足的尴尬,特别是难以解释用户采纳后却未持续使用的深层原因。A. Bhattacherjee(2001)最早突破IT/IS 采纳理论的研究框架,基于期望确认理论(Expectation Confirmation Theory,ECT)构建了全新的IS 持续使用模型(Expectation-Confirmation Model of IS Continuance, ECM-ISC),并以网络银行为背景进行了实证检验。随后,A. Bhattacherjee(2008)又对ECM-ISC进行了扩展[5]。ECM-ISC及其扩展模型将用户对IS使用的实际体验与先前的预期之间的比较称为期望确认,期望确认直接影响了用户的满意度和感知有用性,感知有用性和满意(满意度)被看作是构建和保持长期用户忠诚的基础,直接影响用户的持续使用意图,进而间接影响其持续使用行为;ECM-ISC及其扩展模型通过引入感知行为控制理论(Perceived Behaviors Control,PBC)以说明:如果用户缺少足够的系统资源或者使用技能和技巧,就无法将使用意图转变为使用行为,因此,IT自我效能(self-efficacy)和促成因素也是持续使用意图和行为的重要影响变量。
然而,IT/IS 采纳和使用研究因其更多地是关注对用户行为结果的预期和感知,而忽视了信息系统本身的特性而常遭到批评,这一不足在ECM-ISC 等模型中也可见一斑。按照ECM-ISC 的逻辑,用户通过对系统的实际体验与自己的期望进行比较,进而影响满意度和持续使用意图。但是,对于影响系统实际表现的因素并未加以说明。与之不同,任务—技术匹配模型(Task-Technology Fit,TTF)更注重信息系统本身的特性,从“是否匹配”的角度关注信息系统用户行为,具体是通过用户使用信息系统需完成的任务和系统本身具有的技术特性是否匹配来判断用户是否接受和采纳。任务—技术匹配度是指个体在使用某种技术完成某种特定任务的过程中,这项技术所具备的功能与任务的需求之间的匹配度[6],信息系统的技术特性和工作的任务特性共同决定着这种匹配程度。技术与任务的匹配程度越高,就越能提高工作效率,用户就越愿意使用这种技术。
但是,任务—技术匹配模型并没有对任务特征和技术特征进行具体的描述,所以在特定的研究情境中必须具体定义和分析其特征。与此同时,任务—技术匹配模型也因其对用户使用信息系统的态度、信念等内生性因素关注不够而遭诟病。因此,近年来学者们热衷于将TTF与TAM等模型相结合以弥补各自的缺憾,从而研究用户的IS采纳行为。J. Gebauer和M. J. Shaw(2002)提出了适用于移动应用的任务—技术匹配模型,他们认为移动应用的任务特征包括操作性任务、报告性任务和管理性任务,并分析出处理这些任务信息所应具备的功能;将技术特征定义为现有的移动设备所具备的功能,最后对比这两种功能的匹配程度,从而找到影响移动商务应用采纳的原因[7]。但是J. Gebauer和M. J. Shaw并没有对模型进行实证研究。J. Gebauer、M. J. Shaw和M. L. Gribbins(2005)针对移动信息系统,提出了适用于移动信息系统的任务—技术匹配理论模型,遗憾的是,他们也只是提出了研究模型,没有对模型进行实证检验[8]。邓朝华、鲁耀斌和汪曼(2008)基于创新扩散理论和任务—技术匹配理论提出了基于短信服务的企业移动服务采纳模型[9]。值得注意的是,迄今还未见到将TTF与ECM-ISC相整合从而研究移动浏览器用户的持续使用行为的学术报道。

3 模型构建与研究假设

本文整合TTF与ECM-ISC模型并进行修正,结合移动浏览器的特点,引进系统质量、服务质量等变量,构建如图1所示的研究模型。在任务—技术匹配模型中,任务特征、技术特征和个人特征是影响任务—技术匹配度的三个重要的组成部分。经典的任务—技术匹配模型被学者们广泛应用,在特殊的信息系统和一般的信息系统中都可以使用。但在具体的研究情景下应用,需要根据实际情况对模型进行修正。在移动浏览器的研究情境中,需要对任务—技术匹配模型和ECM-ISC模型进行一定的调整和修改。
保留了任务—技术匹配模型中的 “任务特征(task characteristics)”和“技术特征 (tool functionality)”,借鉴王长林、陆振华[10]等人的研究,将任务--技术匹配定义为用户的感知匹配。将移动浏览器用户的需求特征定义为任务特征,指用户需要通过移动浏览器完成一定的任务(工作或者娱乐)并具备手机上网的条件。将移动浏览器具备的功能特征定义为技术特征。D. L. Goodhue和R. L. Thompson在TTF模型中将技术特征定义为系统的功能特征[6]。之后,M. T. Dishaw和D. M. Strong将软件的功能定义为技术特征,并指出在软件的功能能够很好地支持任务活动需求时用户才会使用[11]。I. Zigurs和B. K. Buckland也同样用系统的功能特征来替代系统的技术特征[12]。因此,本研究也将技术特征定义为移动浏览器的功能特性,即移动浏览器的系统质量和服务质量。研究模型删除了A. Bhattacherjee(2008)扩展IS 持续使用模型中的感知有用性的变量。移动浏览器是个人或组织利用手机、PDA等移动设备接入移动互联网,以满足其工作和娱乐任务的系统。结合TTF理论,作为接入移动互联网的门户,是体现移动浏览器系统对用户完成工作和娱乐任务的匹配程度,因此,TTF已经体现了用户的感知有用性的特征,在本文的研究模型中没有抽取感知有用性这个变量。
W. H. Delone在研究小企业对计算机系统的使用时发现,系统质量是测量信息系统是否成功的重要概念[13]。移动浏览器的系统质量包括界面、导航的设计以及链接速度等。在移动浏览器的特定情境下,提出以下假设:
假设1(H1):移动浏览器的系统质量正向影响用户的感知匹配。
学者们对网站质量的研究表明,服务质量是用户对网站服务商服务水平的感知程度,它包括可见性(tangibility)、可靠性(reliability)、响应性(responsiveness)、保证性(assurance)、移情性(empathy)5个维度[14]。可见性是用户对互联网网站的外观、页面布局设计等的感知;可靠性是指网站服务商是否可以为用户提供准时的服务;响应性是指当用户遇到问题或困难时,衡量移动服务商是否可以做出及时的回复或帮助;保证性是网站服务商保证其技术和能力可以完成为客户服务的任务;移情性是衡量对用户的重视程度的指标,表明其是否可以为用户提供个性化的产品与服务。
移动浏览器是为用户提供上网服务的基础软件和商务模式,对服务质量这一变量的引入就更显得重要。M. T. Dishaw和D. M. Strong针对工作场合的信息系统的研究表明,系统功能特征对任务—技术匹配有正向的影响[12]。那么,当我们将网站的质量标准借鉴到移动浏览器的特定情境时,可以猜测,移动浏览器的服务质量与用户的感知匹配之间也存在同样的关系。即:
假设2(H2):移动浏览器的服务质量正向影响用户的感知匹配。
营销学的理论表明,用户在购买产品或使用服务后的体验和情感回应称之为满意度。它是用户对产品或服务的购前期望与实际的购后认知之间的主观比较,是影响用户行为意向或忠诚度的因素[15-16]。在移动浏览器的特定情境下,我们有理由认为,用户积极的使用体验(感知匹配)往往能增加用户对使用移动浏览器的感知价值,从而增加用户使用移动浏览器的满意度。即:
假设3(H3):用户的感知匹配正向地影响用户对移动浏览器的满意度。
通过A. Bhattacherjee等(2008)对文献管理系统的研究可知,满意度对用户的持续使用意图有正向影响[5],它反映了用户对特定事物的短期情感,是与先前的使用经历相关的。在移动浏览器的特定情境下,提出以下假设:
假设4(H4):用户满意度正向影响移动浏览器用户的持续使用意愿。
A. Bhattacherjee针对网上银行信息系统,引入社会心理学的感知行为控制理论(PBC),以分析个体差异及外部环境因素对用户持续使用意图造成的影响。PBC包含自我效能和可控制性两个概念。自我效能指人对自己是否能够成功地进行某一行为的主观判断;可控制性是用户确信组织资源和技术资源可用程度的指标。IT自我效能是用户相信自己的能力足以支持自己使用信息技术的表现。用户在是否持续使用意愿选择时,会参照初始使用信息技术后的IT自我效能。在移动浏览器的特定情境下,提出以下假设:
假设5(H5):用户的IT自我效能正向影响移动浏览器用户的持续使用意图。

4 研究设计与分析

4.1 样本信息

本项研究采取问卷法收集数据。问卷使用Likert 5级量表,要求被测根据使用微博的实际经历在非常同意、同意、一般、不同意、非常不同意中进行选择。共对562位用户进行了问卷调查,回收有效问卷502份,回收率为89.3%。被测中男性多于女性用户,占到了总样本数的58%;绝大多数移动浏览器用户都受过高等教育,其中大专以上学历者占77.2%,本科以上学历占33.3%,硕士及以上学历占19.6%;在年龄层次方面,主要以年轻人为主,18-24岁的用户占到43.14%,25-29岁的用户占到47.06%,30岁以上的用户仅占5.9%;使用移动浏览器的用户,一半以上是学生,占到57.3%;从使用移动浏览器的频率看,每天使用一次以上的人占到50.6%;用户使用移动浏览器的时间都不是很长,使用超过一年者所占比率不到一半。综上所述,样本的年龄、性别、学历等结构与CNNIC第29次报告中手机网民的相应分布基本吻合。

4.2 测量信度与效度检验

采用SPSS 17.0进行数据处理,其中用Cronbach's Alpha系数法进行信度的测量。一般认为,Alpha在0.60-0.65最好不用;0.65-0.70为最小可接受值;0.70-0.80相当好;0.80-0.90非常好。由此,一份信度系数好的量表或问卷,最好在0.80以上,0.70至0.80之间还算是可以接受的范围;分量表最好在0.70以上,0.60-0.70之间可以接受。若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下,应考虑重新修订量表或增删题项[17]。如表1所示,持续使用意愿、IT自我效能、用户满意度、服务质量、感知匹配的信度值都在0.7以上,说明这些变量的可靠性较高,系统质量的信度值为0.642,也在可以接受的范围。总之,所有变量的信度值都在可接受的范围之内,数据信度可接受,说明变量都表现出良好的内容一致性,表明本次调查问卷可靠性较好。
表1 信度分析(SPSS 17.0)
项目(Item) 克隆巴赫系数(Cronbach's alpha) 项目个数(N of Items)
系统质量 0.642 3
服务质量 0.731 4
感知匹配 0.776 3
持续使用意愿 0.812 3
IT自我效能 0.886 4
用户满意度 0.898 4
采用因子分析来检测量表的结构效度。由图2可知,KMO的值为0.835,Bartlett球体检验值在0.001水平显著,表明原有变量适合因子分析[18]。经过主成分析取和最大方差旋转,析出特征值大于1的6个因子,系统质量、服务质量、感知匹配、IT自我效能、满意度、持续使用意图的方差解释率分别为30.961%、10.990%、8.523%、7.350%、5.761%和4.524%,累计方差解释率为68.108%。各个项目在其相关联的变量上的因子负载值都大于0.5,交叉变量的因子负载基本都小于0.5。在旋转后的成分矩阵中,所有测量项目在对应因子中的负荷量都超过0.5,如表2灰色单元格所示,这说明所有的变量都具有良好的效度,问卷有效。
图2 KMO和Bartlett检验
表2 旋转后的因子载荷矩阵(SPSS V17.0)

成分
成份
1 2 3 4 5 6

1
SE3 0.870 0.083 0.089 0.115 0.141 0.008
SE4 0.823 0.182 0.169 0.044 0.136 -0.049
SE1 0.793 0.172 0.200 0.083 0.183 0.039
SE2 0.770 0.116 0.037 -0.019 0.117 0.186

2
ST1 0.203 0.852 0.089 0.059 0.119 0.029
ST4 0.049 0.851 0.093 0.178 0.008 0.221
ST3 0.149 0.836 0.044 0.141 0.056 0.090
ST2 0.123 0.819 0.145 0.004 0.212 0.095


3
SEQ1 0.216 0.070 0.767 -0.024 -0.063 0.124
SEQ2 -0.003 0.211 0.738 -0.007 0.328 -0.097
SEQ4 0.195 -0.020 0.643 0.103 0.034 -0.010
SEQ3 0.043 0.191 0.627 0.234 0.306 0.146

4
SQ1 0.227 0.037 -0.077 0.765 0.157 -0.013
SQ2 -0.129 0.173 0.090 0.707 0.359 0.005
SQ3 0.060 0.161 0.269 0.677 -0.097 0.188

5
PF1 0.278 0.182 0.142 0.072 0.705 0.240
PF2 0.325 0.056 0.194 0.363 0.613 0.142
PF3 0.246 0.204 0.202 0.217 0.556 0.311

6
CU2 -0.057 0.172 0.133 -0.065 0.309 0.731
CU3 0.532 0.005 0.239 0.144 -0.211 0.588
CU1 0.086 0.171 -0.102 0.139 0.191 0.576
提取方法:主成分,旋转法:具有Kaiser标准化的正交旋转法,a.旋转在8次迭代后收敛

4.3 结构模型与假设检验

使用AMOS18.0软件进行模型验证,结果显示:系统质量与感知匹配、服务质量与感知匹配、感知匹配与满意度之间的路径系数满足P<0.001的显著性水平;满意度与持续使用意图、IT自我效能与持续使用意图之间的路径系数满意P<0.05的显著性水平,所有的假设都得到了支持;同时,各假设的路径系数还表明了各因素间相关关系的强度。模型的路径系数如图3所示。
图3 结构模型与路径系数
注:*代表路径系数均在P<0.05的显著性水平下显著,**代表路径系数均在P<0.01的显著性水平下显著。

4.4 模型拟合程度评价

拟合指数的作用是考察理论模型与数据的适配程度。评价理论模型的实用性和拟合程度,可以通过模型的复杂程度、样本容量大小、相对性与绝对性等方面进行评价。拟合度可以通过拟合指数来度量,拟合指数可见表3。
表3 拟合指数(Amos V18)
指数名称 结果 评价
绝对拟合指数 RMSEA .078 尚可
相对拟合指数 CFI .856 尚可
表中指数绝对拟合指数RMSEA低于0.1表示好的拟合;低于0.05表示非常好的拟合,表中数据结果为0.078低于0.1,表示可以接受。相对拟合指数CFI,一般认为其大于0.9表示较好的拟合,表中数等于0.856,拟合度尚可。

5 结果讨论与后续研究

5.1 结果讨论

由数据分析结果可知,本文所提出的理论假设都得到了验证。
● 系统质量对感知匹配的影响。移动浏览器的系统质量对感知匹配有正向的显著影响,影响负荷为0.875。如果移动浏览器的界面可以接近电脑上的传统浏览器的样式、可以为用户自动保存曾经浏览过的网页、具有很强的系统稳定性而不出现网络突然断开的情况,用户会认为该移动浏览器的系统质量较高,从而产生积极的体检即感知匹配较高。
● 服务质量对感知匹配的影响。移动浏览器的服务质量对感知匹配有正向的显著影响,影响负荷为0.48。如果一款移动浏览器可以为用户提供如下服务,用户会觉得这款移动浏览器的功能比较强大,会产生积极的体验,感知匹配程度就越高:①热门导航服务,使用户可以轻松地链接到网页或者应用;②用户可以根据自己的喜好对移动浏览器系统进行个性化的操作,定义浏览器的主题、颜色、字体大小、光亮度等;③不断地升级、更新服务,以满足用户的需求;④可以提供大量丰富的资讯(如小说、热门新闻等)。
● 感知匹配对满意度的影响。用户的感知匹配对用户满意度有直接的正向影响,影响负荷为0.88。用户认为移动浏览器系统功能和操作能满足自己的娱乐和工作的任务需求的程度越高,就越认为移动浏览器与任务之间的匹配度高,感知匹配程度高,就会对该移动浏览器产生较高的满意度;反之,用户感觉移动浏览器提供的服务与任务的匹配程度低,感知匹配程度低,满意度就降低。
● 满意度对持续使用意图的影响。用户满意度对移动浏览器持续使用意愿有直接影响,影响负荷为0.82。用户在使用某款移动浏览器之后,会对使用经验做一个主观的心理评价,如果感到不满意,可能会终止对移动浏览器的使用,或者转向其他品牌的移动浏览器。这一结果与之前学者的研究发现相一致。正向、积极的满意度能够提高用户持续使用意图;负向、消极的满意度会降低用户持续使用意图。因此,移动浏览器服务商为了挽留住老的客户,需要对用户使用移动浏览器之后的满意度评价进行跟踪监测,一旦发现用户满意度降低,应该及时查找产生这种情况的原因。一般来说,如果使用过该业务的用户即老用户的满意度会对其是否持续使用产生积极的影响,则将转变为忠诚的客户,从而为移动浏览器服务商提供持续不断的利润。
● IT自我效能对持续使用意图的影响。本研究结果显示,用户的IT自我效能对于移动浏览器持续使用意愿有显著的正向影响。移动浏览器用户会根据对自我效能的判断决定是否持续使用移动浏览器,如果自我效能感很强,就会愿意持续使用,反之,可能不愿意持续使用。

5.2 后续研究

研究表明,用户的自我效能影响其持续使用意图,但哪些个体特性影响以及如何影响自我效能,本文并未提及。移动浏览器提供商要对细分的市场和某些特定的人群推出服务并长久保持住,这种深入细致的研究是必须的。从结构模型可见,满意度和持续使用的意图被解释的程度还偏低,这说明还有些未被发现的因素在发挥着作用。这些也是我们下一步要进一步深化的工作。由于受时间和人、财、物等限制,本研究只对用户的持续使用意图进行了调查。但是对于用户持续使用行为来说,持续使用意图是必要非充分条件。因此,为了更好地解释移动浏览器用户的持续行为,需要继续将研究从持续使用意图进一步推进到持续使用行为,并且需要通过对相关文献进行研究和借鉴,找到影响用户持续使用行为的其他因素。
[1]
中国互联网信息中心(CNNIC),第29次中国互联网发展状况统计报告[EB/OL].[2012-01-16].http: //research.cnnic.cn/.

[2]
Jasperson J, Carter P E, Zmud R W. A comprehensive conceptualization of post-adoptive behaviors associated with information technology enabled work systems[J].MIS Quarterly, 2005,29(3):525-557.

[3]
Limayem M , Hirt S G, CheungC. How habit limits the predictive power of intention:The case of information systems continuance[J].MIS Quarterly, 2007, 31(4):705-737.

[4]
Davis F D. A technology acceptance model of empirically testing new end-user information systems: Theory and results[D]. Massachusetts: Sloan School of Management, Massachusetts Institute of Technology, 1986.

[5]
Bhattacherjee A, Perols J, Sanford C. Information technology continuance: A theoretic extension and empirical test[J]. Journal of Computer Information Systems, 2008,45(6): 17-26.

[6]
Goodhue D L, Thompson R L. Task-technology fit and individual performance[J]. MIS Quarterly,1995,19(2):213-236.

[7]
Gebauer J, Shaw M J. A theory of task technology fit for mobile applications to support organizational processes. Working paper[J]. University of Ilinoisat Urbana-Champaign, 2002.

[8]
Gebauer J,Shaw M J,Gribbins M L. Task-technology fit for mobile information system. Working paper[J]. University of Illinoisat Urbana-Champaign,2005.

[9]
邓朝华,鲁耀斌,汪曼. 基于IDT-TTF整合模型的企业移动服务采纳实证研究[J],南开管理评论,2008,11(3):104-110.

[10]
王长林,陆振华,冯玉强,等.后采纳阶段移动政务的持续使用——基于任务—技术匹配理论的实证分析[J].情报杂志,2011,10(30):189-193.

[11]
Dishaw M T, Strong D M. Supporting software maintenance with software engineering tools[J]. The Journal of Systems and Software,1998,44(2):107-120.

[12]
Zigurs I,Buekland B K. A theory of task-technology fit and group support systems effectiveness[J]. MIS Quarterly,1998,22(3):313-334.

[13]
Delone W H. Determinants of success for computer use in small business[J].MIS Quarterly, 1988(1):51-61.

[14]
Bolton R N, Drew J H.A longitudinal analysis of the impact of service changes on customer attitudes[J]. Journal of Marketing Research, 1991, 55(1):1-9.

[15]
Kim H,Chan H,Gupta S.Value-based adoption of mobile Internet: An empirical investigation[J].Decision Support Systems,2007,43(1):111-126.

[16]
Wang Yishun.Assessing e-commerce systems success: A respecification and validation of the DeLone and McLean model of IS success[J].Information Systems Journal,2008,18(5):529-557.

[17]
薛薇.统计分析与SPSS的应用[M]. 北京: 中国人民大学出版社, 2008.

[18]
易丹辉. 结构方程模型方法与应用[M]. 北京: 中国人民大学出版社, 2008:80-98.

Outlines

/

〈 〉