溫小鄭++郝豆豆

摘 要：針對西北地區(qū)打車用戶，提出新的使用行為理論模型。該模型以整合技術(shù)接受模型（UTAUT）為基礎(chǔ)，根據(jù)打車軟件自身特點，加入感知風(fēng)險、感知娛樂性、習(xí)慣等變量，把打車軟件的消費者作為研究對象，利用SPSS和Amos軟件分析、處理數(shù)據(jù)。實驗結(jié)果表明，影響西北地區(qū)用戶使用行為的主要原因是價格與績效結(jié)果，感知娛樂性對其使用行為無影響?；诖耍瑸榇蜍囓浖倪\營商提供合理的營銷建議。

關(guān)鍵詞：西北地區(qū)；打車軟件；使用行為；影響因素；UTAUT模型

中圖分類號：F208 文獻標(biāo)志碼：A 文章編號：1673-291X（2017）14-0144-05

移動打車軟件是指在互聯(lián)網(wǎng)的背景下利用智能手機實現(xiàn)司機與乘客供需匹配的一款新型軟件。根據(jù)中國IT研究中心（CNIT）正式發(fā)布《2015年中國移動出行應(yīng)用市場研究報告》顯示，截至2015年6月，中國專車安卓應(yīng)用市場，滴滴專車（含一號專車）下載量超2億，遙遙領(lǐng)先于行業(yè)中其他專車應(yīng)用[1]。打車軟件的出現(xiàn)在一定程度上解決了乘客“打車難”和司機“空載率”高的問題。

針對不同類型的打車市場，國內(nèi)外學(xué)者進行了一系列的研究。Jason[2]以具體案例為基礎(chǔ)分析了出租車市場在固定費率下的社會福利問題；Jensen[3]通過討論美國部分地區(qū)對Uber的監(jiān)管做法和法律規(guī)定，為中國打車軟件提供了相關(guān)經(jīng)驗；陳坤[4]等將司機與乘客捆綁在一起，研究打車軟件消費者數(shù)量和獲得效用之間的關(guān)系，為打車軟件的發(fā)展研究提供了不一樣的視角；趙道致[5]等基于委托代理模型，得出打車軟件的出現(xiàn)對傳統(tǒng)打車收益的影響；楊旋[6]等從博弈論的角度出發(fā)探討打車軟件對我國打車市場均衡的影響；曹煒[7]等構(gòu)建了打車軟件使用率與空載率量化關(guān)系模型，得到打車軟件可以解決司機空載率高問題的結(jié)論。

打車軟件作為新型的商業(yè)應(yīng)用軟件，消費者由于軟件的使用而引起的需求是今后研究的重點方向。縱觀國內(nèi)外，只有學(xué)者孟建以消費者為對象、以UTAUT模型為基礎(chǔ)構(gòu)建模型研究打車用戶使用意愿的影響因素。實證研究是研究用戶使用行為的主要方法。相關(guān)研究表明，UTAUT模型對用戶使用行為的解釋能力高達0.7，比以往任何一個模型都更為有效[8]。但是學(xué)者孟建的研究是以武漢市這樣經(jīng)濟發(fā)達地區(qū)的用戶作為研究對象的，所得到的結(jié)果有地域性局限；對于西北經(jīng)濟不發(fā)達地區(qū)的用戶行為沒有研究。本文嘗試在孟建模型的基礎(chǔ)上做相應(yīng)修改，構(gòu)建理論模型，分析影響西北用戶使用行為的主要變量，為打車軟件的運營商提供合理的營銷建議。

一、模型構(gòu)建

移動打車軟件是集LBS、移動支付、及時通訊等功能于一體的一款智能手機軟件。用戶是打車軟件的使用者，同時也是使該軟件贏利的消費者。在研究影響用戶打車軟件使用行為的因素時，應(yīng)該把軟件自身因素與個體行為、心理因素同時考慮在內(nèi)。根據(jù)Vankatesh 和Davis[9]等人的UTAUT模型理論可得，績效期望、努力期望、社會影響均是直接影響用戶使用意愿的主要因素。打車軟件作為一種新型的移動應(yīng)用，實際上是信息技術(shù)在移動端的擴張，在研究時以UTAUT模型為基礎(chǔ)能更有效地分析影響用戶使用意愿的主要因素。

用戶既是消費者又是打車軟件的使用者，影響用戶使用行為的因素既包含打車軟件內(nèi)部主要影響變量，還包含軟件自身提供的用戶可以感知到的因素。在使用打車軟件的過程中，消費者可以直觀感知到價格、危險性以及娛樂性，并在使用后將感知到的與自己的期望值比較而影響再次使用行為。感知娛樂性、感知風(fēng)險、感知價格是直接影響使用行為的外在變量。習(xí)慣理論認為，通過長期的使用學(xué)習(xí)，當(dāng)用戶習(xí)慣使用移動打車軟件，會對移動打車軟件產(chǎn)生依賴心理，促使用戶多次使用該軟件。習(xí)慣是直接影響用戶使用行為的一個潛在變量。

綜上所述，本文以整合技術(shù)接受與使用模型（UTAUT）為基礎(chǔ)，將模型績效期望、努力期望、社會影響這三個核心變量作為影響移動打車用戶使用意愿的主要因素，根據(jù)移動打車軟件自身的特點，通過用戶對移動打車軟件的使用意愿，去探索研究最終使用行為。與基本模型相比，由于移動打車軟件是一種新型技術(shù)，特征化差異并不十分明顯，所以本文的研究未考慮年齡、性格等因素的影響。同時，本模型結(jié)合打車軟件自身特點，引入了感知娛樂性、感知風(fēng)險、感知價格和習(xí)慣幾個需求變量，構(gòu)建了新的概念模型研究西北地區(qū)用戶使用行為的影響因素，具體模型見圖1。

圖1 打車軟件用戶使用模型

本文研究模型可分為3部分：

（1）自變量：績效期望、社會影響、努力期望、感知娛樂性、感知風(fēng)險、感知價格、習(xí)慣；

（2）中間變量：使用意愿；

（3）因變量：使用行為。

二、研究假設(shè)

用戶在使用打車軟件的過程中感知到的便利程度和所付出的努力程度會產(chǎn)生績效期望和努力期望，打車軟件操作越簡單，為消費者提供出行幫助越大，用戶的使用意愿就越強烈；用戶是群體的組成部分，用戶的使用行為會受到周圍人群的影響即社會影響，當(dāng)周圍的人都在使用打車軟件時，會增加用戶使用打車軟件的需求。

基于打車軟件自身特點，用戶在使用打車軟件的過程中獲得的樂趣是影響用戶使用行為的主要因素。對于用戶而言，選擇打車軟件最主要的原因是因為有價格補貼，用戶感知價格水平越低，使用打車軟件的意愿就越強烈。用戶在移動交易行為的過程中都會遇到承擔(dān)風(fēng)險的問題，每次交易的過程都會有不可預(yù)知的風(fēng)險存在，當(dāng)用戶感知到使用該應(yīng)用有潛在風(fēng)險時，用戶使用軟件的積極性就會減弱。根據(jù)理性行為理論，用戶覺得使用打車軟件便宜又方便時，便會對打車軟件形成依賴；由于習(xí)慣的作用增強，對軟件的使用頻率也會加強。

三、研究方法與數(shù)據(jù)分析

（一）量表設(shè)計及問卷回收

為了保證數(shù)據(jù)的準(zhǔn)確性和有效性，作者對問卷進行了一系列的編測與前測，最終選取33個測量項用來測量9個主要變量。問卷對每個測量項使用Likert5子量表測量。

本次調(diào)查利用問卷星調(diào)查平臺和微信鏈接發(fā)放問卷的形式收集問卷，共收集了308份問卷。對有缺失值、不符合規(guī)范要求的問卷進行了篩選，最終獲得有效問卷292份，有效比例達到94.8%。

（二）數(shù)據(jù)分析

1.信度分析

初始問卷可靠性測試的標(biāo)準(zhǔn)是：當(dāng)Cronbach α的系數(shù)值為0.9或更大時，問卷的可靠性非常好；當(dāng)系數(shù)值在0.7—0.9之間時，可靠性可以接受。Cronbach α系數(shù)的計算公式為：？鄣=■1-■，其中，K為量表的題項數(shù)，δ2Yi和δ2x分別代表觀測樣本方差和總體樣本方差[11]。將各個維度指標(biāo)各自對應(yīng)題項選擇，利用SPSS軟件中“度量”中的“可靠性分析”功能，計算各個測量因素的Cronbach α值，結(jié)果如表2所示。

從表2中可以看出，全部測量變量的Cronbach α系數(shù)值均在0.7之上，并且大部分變量的Cronbach α值都在0.8以上，問卷量表信度較好。

2.效度分析

效度檢驗分為區(qū)別效度和收斂效度兩方面。利用AMOS軟件對所有變量進行探索因子分析，檢驗各觀測變量的潛在因子結(jié)構(gòu)，進而根據(jù)主成分分析法對所測變量做相關(guān)的效度檢驗，從而得到表3、表4的結(jié)果。當(dāng)各測量項所對應(yīng)的因子載荷均大于0.5，且各變量的平均抽取方差A(yù)VE大于0.5時，可以認為量表收斂效度良好；當(dāng)各變量AVE的平方根的值均高于其他變量之間的相關(guān)系數(shù)時，可以認為量表的區(qū)別效度達到要求[12]。由此可見，量表具有良好的效度。

（三）結(jié)構(gòu)模型分析

1.擬合度分析

擬合優(yōu)度的檢驗采用了似然比方、CFI、NIF、RMSEA等檢驗，運用SPSS軟件計算得到各項擬合優(yōu)度指數(shù)如表5所示，與檢驗標(biāo)準(zhǔn)進行比較后發(fā)現(xiàn)所有的擬合指數(shù)都在可接受范圍內(nèi)。

2.結(jié)構(gòu)方程路徑分析結(jié)果

結(jié)構(gòu)方程路徑分析評定標(biāo)準(zhǔn)是：T的絕對值在1.96—2.58之間時，路徑系數(shù)在p<0.05的水平下顯著；T的絕對值在2.58—3.28之間時，路徑系數(shù)在p<0.01的水平下顯著；T的絕對值大于3.28時，路徑系數(shù)在p<0.001的水平下顯著。本文依據(jù)AMOS軟件對模型路徑分析，得到模型中各變量的影響系數(shù)和顯著性水平，具體結(jié)果如圖2。

從用戶的角度出發(fā)，通過對模型的假設(shè)檢驗，得出了模型中9個變量之間的顯著性關(guān)系。在前文提出的11個假設(shè)中，只有2個假設(shè)是不成立的，對結(jié)論的具體解釋如下：

績效期望、社會影響、努力期望均直接正向影響用戶對移動打車軟件的使用意愿，進而間接影響其使用行為，且影響用戶使用的顯著性依次減弱，說明用戶在選擇是否使用打車軟件時，首先考慮的是便利程度以及對生活質(zhì)量的提高程度，用戶周圍重要的朋友、家人頻繁使用打車軟件的行為能夠激發(fā)用戶使用該軟件的欲望。努力期望對使用意愿的影響最不顯著，可能因為隨著網(wǎng)絡(luò)的發(fā)展，各種軟件層出不窮，用戶已經(jīng)能夠熟練掌握各種軟件的操作過程。

感知風(fēng)險、感知價格均負向影響用戶對打車軟件的使用意愿和使用行為，且感知價格的影響更為顯著。價格是影響用戶消費的最主要因素。隨著這幾年打車軟件的不斷發(fā)展，補貼逐漸減少，而且在高峰時間、雨雪天氣時會有加價、多倍收款的情況發(fā)生。當(dāng)用戶感知到價格較普通打車昂貴或者差不多時，用戶對移動打車軟件的使用意愿和行為就會變得消極。打車軟件的客戶端已經(jīng)在積極解決這種安全性風(fēng)險問題；同時，移動打車軟件的便利性以及用戶感知到的其他價值的影響能夠抵消一部分風(fēng)險的消極影響，感知風(fēng)險對使用行為影響的顯著性較弱。

感知娛樂性對用戶的使用意愿和使用行為無影響。移動打車軟件作為一款實用性軟件，對于西北經(jīng)濟不發(fā)達地區(qū)用戶而言影響該軟件使用的主要因素在于是否可以更高效地打到出租車，用戶在使用軟件過程中感知到的娛樂程度不會影響其對該軟件的使用。當(dāng)用戶對移動打車軟件有了一定的依賴以后，在后續(xù)的出行選擇上就會首選該軟件。習(xí)慣正向影響用戶對打車軟件的使用行為。

四、結(jié)論及建議

根據(jù)所得結(jié)果分析，對于打車軟件的后續(xù)發(fā)展，本文提出以下建議。

（一）優(yōu)化用戶體驗，加強用戶的績效期望

打車軟件相較普通出租車而言，最主要的就是能夠通過LBS（Location Based Service）定位功能快速找到乘客的準(zhǔn)確位置，但就目前而言，打車軟件在定位功能上仍然需要改進。運營商為了讓打車軟件能夠更好更快發(fā)展下去應(yīng)該優(yōu)化定位技術(shù)，這樣既可提高司機的工作效率也可提高用戶的績效期望。

（二）強化安全措施，降低感知風(fēng)險

感知風(fēng)險是影響用戶使用意愿的主要因素，雖然運營商已經(jīng)做了一些保障措施，但是個人信息泄露、騷擾電話不斷、支付額外費用等仍然存在隱患。所以，運營商們應(yīng)該在現(xiàn)有的體制基礎(chǔ)上建立更加完善的控制風(fēng)險系統(tǒng)，降低風(fēng)險的發(fā)生幾率。保護用戶的隱私安全，提升用戶對軟件的感知安全性是運營商的當(dāng)務(wù)之急。

（三）加大線上、線下推廣力度，提高社會影響，爭取潛在用戶

雖然打車軟件眾所周知，但是仍有很多人未使用過該軟件，打車軟件在群體領(lǐng)域中仍有拓展的空間。作為打車軟件的運營商，應(yīng)該給舊用戶福利，提高社會影響，讓舊用戶去影響新用戶。對于未曾使用該軟件的用戶，運營商更應(yīng)注意這一部分用戶對軟件使用的初次使用體驗 ，可以對首次使用軟件的用戶開展免單活動，爭取更多潛在用戶。

（四）保證用戶優(yōu)惠體驗，培養(yǎng)用戶黏性

打車軟件最開始以瘋狂補貼的模式進入我們的視野，這種瘋狂補貼成功吸引了大規(guī)模的用戶使用打車軟件。隨著發(fā)展，這種優(yōu)惠活動在慢慢減少。2016年滴滴打車與優(yōu)步合并之后補貼與紅包變得少之又少，近期選擇打車軟件出行的用戶也越來越少。為了減少用戶流失，運營商應(yīng)該在保障自身利益的基礎(chǔ)上變換優(yōu)惠政策，比如向用戶推送與目的地綁定的商家優(yōu)惠券、賬戶積分兌換禮品等政策，這樣不僅可以保障用戶的利益，也可以培養(yǎng)用戶的黏性。

本文在充分考慮打車系統(tǒng)作用、總結(jié)前人研究成果的基礎(chǔ)上，分析了西北不發(fā)達地區(qū)用戶使用打車軟件的主要因素，得出對于西北地區(qū)的用戶而言，能夠促使用戶使用打車軟件的因素主要還是價格，用戶在使用該軟件的過程中體會到的娛樂性并不影響其使用行為，運營商應(yīng)該更多去保證用戶的優(yōu)惠體驗。

參考文獻：

[1] 艾瑞咨詢.2015年中國智能終端規(guī)模數(shù)[DB/OL].http：//news.yesky.com/prnews/314.shtml.

[2] Jason S K.Taxi Vacancy Rate，F(xiàn)are，and Subsidy With Maxium Social Willingness-to-pay under log-linear Demand Fuction[J].

Transportation Reasearch Research Record 2009，2111：90-99.

[3] Jensen Kendra.Special Taxi App and Special Taxi Service：the Empirical Evidence of Uber[J].Transportation Research，2016，（1）：

240-251.

[4] 陳坤，武立.物聯(lián)網(wǎng)網(wǎng)絡(luò)外部性內(nèi)生機制研究——以打車軟件為例[J].財經(jīng)問題研究，2014，（9）：39-44.

[5] 趙道致，吝云飛.打車軟件參與下出租車公司與司機行為博弈研究[J].甘肅科學(xué)學(xué)報，2016，（4）：124-128.

[6] 楊旋.新興移動打車軟件對我國出租車市場均衡的影響[J].大連理工大學(xué)學(xué)報，2016，（2）：65-70.

[7] 羅霞.打車軟件背景下空駛出租車出行分布預(yù)測模型[J].武漢理工大學(xué)學(xué)報，2015，（1）：51-54.

[8] 文鵬，蔡瑞.微信用戶使用意愿影響因素研究[J].情報雜志，2014（ 6）：156-161.

[9] Davis F D，Bagozzi R P，Warshaw P R.User Acceptance of Computer Technology：A Comparison of Two Theoretical Models.Manage-

ment Science[J].1989，August，（8）：982-1003.

[10] 孟健，劉陽.移動打車軟件用戶使用意愿影響因素研究[J].情報雜志2016，（2）：25-31.

[11] 趙喜林，李德宜，龔誼承.應(yīng)用數(shù)理統(tǒng)計與 SPSS 操作[M].武漢：武漢大學(xué)出版社，2014：51-57.

[12] 吳明隆.結(jié)構(gòu)方程模型[M].重慶：重慶大學(xué)出版社，2013：19-28.

[責(zé)任編輯 興 華]