（副教授）

一、引言

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和移動(dòng)技術(shù)的迅猛發(fā)展，以及大數(shù)據(jù)時(shí)代的來(lái)臨，網(wǎng)絡(luò)用戶的私人信息成倍增加，用戶信息的存儲(chǔ)和管理成為亟待解決的問(wèn)題。近年來(lái)，云存儲(chǔ)作為一種集按需提供、海量存儲(chǔ)、跨平臺(tái)同步和實(shí)時(shí)分享為一體的信息管理工具，在生活的各個(gè)方面均有廣泛應(yīng)用，除數(shù)字圖書館、檔案管理等領(lǐng)域外，在個(gè)人信息存儲(chǔ)和管理方面也引起了較大反響。

目前，云存儲(chǔ)采納研究產(chǎn)生了許多成果，Low等（2011）使用技術(shù)—組織—環(huán)境模型，驗(yàn)證了影響企業(yè)用戶云存儲(chǔ)采納行為的因素為相對(duì)優(yōu)勢(shì)、復(fù)雜性和兼容性；Wu等（2013）驗(yàn)證了影響學(xué)校云存儲(chǔ)采納行為的因素為感知易用性和感知有用性；Shin等（2013）研究證明影響政府采納行為的因素主要為可用性、可訪問(wèn)性、安全性和可靠性。然而從采納主體來(lái)看，目前用戶采納行為的研究主要針對(duì)企業(yè)層面，針對(duì)個(gè)人層面的云計(jì)算采納研究較少，曹越等（2014）基于UTAUT模型，引入感知風(fēng)險(xiǎn)、感知費(fèi)用、個(gè)人創(chuàng)新能力，研究了影響個(gè)人云存儲(chǔ)采納行為的因素；王建亞等（2016）以TAM、網(wǎng)絡(luò)外部性理論、信任理論為基礎(chǔ)構(gòu)建個(gè)人云存儲(chǔ)用戶采納模型，從個(gè)人信息管理視角研究了個(gè)人云存儲(chǔ)采納影響因素。但此類研究在模型構(gòu)建上，均存在對(duì)用戶需求的變化和云存儲(chǔ)特征關(guān)注較少的問(wèn)題，且忽略了模型和用戶特征之間的關(guān)系。然而研究不同消費(fèi)類型用戶的行為差異，在許多領(lǐng)域的研究均有較好成果，梁靜（2013）通過(guò)消費(fèi)動(dòng)機(jī)和商品形式將用戶分為經(jīng)濟(jì)型、應(yīng)用型、享受型和體驗(yàn)型，發(fā)現(xiàn)這四類用戶在核心需求、信息搜索和價(jià)格敏感度等方面存在巨大差異；冉建榮等（2008）采用聚類分析的方法，根據(jù)用戶當(dāng)前價(jià)值和潛在價(jià)值等指標(biāo)，將用戶分為價(jià)值用戶群、次價(jià)值用戶群、潛在價(jià)值用戶群和低價(jià)值用戶群，分析四類用戶在移動(dòng)通信行業(yè)的行為差異，并提出相關(guān)行業(yè)建議。雖然不同消費(fèi)類型用戶行為差異的研究在許多領(lǐng)域已取得較好成果，但其在個(gè)人云存儲(chǔ)采納方面的研究幾乎為零。因此，本文在已有研究成果的基礎(chǔ)上，探索影響個(gè)人云存儲(chǔ)采納的因素，構(gòu)建采納模型分析不同消費(fèi)類型用戶個(gè)人云存儲(chǔ)采納行為的差異，為云存儲(chǔ)服務(wù)商及相關(guān)者產(chǎn)品的設(shè)計(jì)和銷售策略的制定提供依據(jù)。

綜合上述已有研究，從采納主體來(lái)看，目前云計(jì)算采納相關(guān)研究主要針對(duì)企業(yè)，基于個(gè)人用戶層面的研究相對(duì)較少。針對(duì)不同消費(fèi)類型用戶行為差異的研究在網(wǎng)絡(luò)購(gòu)物、移動(dòng)通信等行業(yè)均取得了較好的成果，然而區(qū)分用戶消費(fèi)類型在云計(jì)算個(gè)人用戶采納方面的研究幾乎沒(méi)有。因此，筆者針對(duì)不同消費(fèi)水平的用戶進(jìn)行了小范圍訪談?wù){(diào)研，發(fā)現(xiàn)消費(fèi)水平較高的用戶對(duì)個(gè)人云存儲(chǔ)的采納相對(duì)比較積極。最終，本文采用RFM方法（盧小賓等，2015），按照人口屬性、購(gòu)買云存儲(chǔ)及相關(guān)服務(wù)的頻率、購(gòu)買云存儲(chǔ)及相關(guān)服務(wù)總金額以及最近一次購(gòu)買云存儲(chǔ)及相關(guān)服務(wù)時(shí)間，將用戶分為經(jīng)濟(jì)追求型、高消費(fèi)型、習(xí)慣型和潛在二次消費(fèi)型。通過(guò)構(gòu)建個(gè)人云存儲(chǔ)用戶采納模型，探究同一因素對(duì)不同消費(fèi)類型用戶的個(gè)人云存儲(chǔ)采納行為的影響差異，得出行為現(xiàn)狀的相關(guān)規(guī)律并分析其成因。

二、基于用戶消費(fèi)類型聚類細(xì)分的個(gè)人云存儲(chǔ)采納模型構(gòu)建

（一）基于RFM模型的用戶消費(fèi)類型聚類細(xì)分

1.RFM模型。RFM是一種衡量用戶價(jià)值并對(duì)用戶進(jìn)行分類的方法，早期主要被應(yīng)用于生產(chǎn)多種商品且商品單價(jià)不高的企業(yè)，隨著互聯(lián)網(wǎng)的發(fā)展及大數(shù)據(jù)時(shí)代的來(lái)臨，RFM在網(wǎng)絡(luò)消費(fèi)者價(jià)值評(píng)估方面的研究也日趨成熟。徐翔斌等（2012）將RFM模型中購(gòu)買商品總金額這一指標(biāo)換成商家銷售商品所獲利潤(rùn)，同時(shí)通過(guò)K-Means聚類方法將用戶分為企業(yè)大客戶、企業(yè)臨時(shí)客戶和企業(yè)潛在客戶，針對(duì)不同類型用戶為商家提出相應(yīng)銷售策略；王文賢等（2012）在RFM模型基礎(chǔ)上，提出多層級(jí)個(gè)人客戶忠誠(chéng)度衡量指標(biāo)及評(píng)估模型，將個(gè)人客戶按忠誠(chéng)度劃分為“摯友、藤壺、蝴蝶、陌生人”，并為商家制定個(gè)性化銷售策略提供合理建議。

從商業(yè)模式上看，個(gè)人云存儲(chǔ)服務(wù)商主要的收費(fèi)模式分為基本功能收費(fèi)和特色功能收費(fèi)，基本功能收費(fèi)包括流量收費(fèi)、額外擴(kuò)容收費(fèi)等，特色功能收費(fèi)包括額外傳輸速度收費(fèi)、搜索全局資源收費(fèi)、提高上傳單個(gè)文件大小上限收費(fèi)等。據(jù)小范圍調(diào)研訪談得知，用戶主要的付費(fèi)方式為按年度或月度購(gòu)買網(wǎng)盤額定容量獲得基本功能或按年度或月度購(gòu)買會(huì)員獲得特色功能。因此，做出如下假設(shè)：

R：用戶一年內(nèi)最近一次購(gòu)買個(gè)人云存儲(chǔ)及其相關(guān)服務(wù)距離現(xiàn)在的天數(shù)。

F：用戶一年內(nèi)購(gòu)買個(gè)人云存儲(chǔ)及其相關(guān)服務(wù)的次數(shù)。

M：用戶一年內(nèi)購(gòu)買個(gè)人云存儲(chǔ)及其相關(guān)服務(wù)的總金額。

需要說(shuō)明的是，在用戶一年內(nèi)購(gòu)買個(gè)人云存儲(chǔ)及其相關(guān)服務(wù)的次數(shù)的核算中：若用戶按月度購(gòu)買，每次購(gòu)買算1次；若按年度購(gòu)買，每次購(gòu)買算12次；若以其他形式購(gòu)買，每支付一筆算1次。

2.K-Means聚類算法。K-Means算法于1967年由MacQueen提出。其主要思想是找出數(shù)據(jù)集的K個(gè)簇中心，將數(shù)據(jù)集劃分為K類，計(jì)算數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)與各簇中心的距離，使得數(shù)據(jù)點(diǎn)與所屬中心的距離平方和最小。K-Means算法原理簡(jiǎn)單，容易解釋，對(duì)于數(shù)據(jù)量少、類別簡(jiǎn)單的數(shù)據(jù)的聚類效果較好。算法過(guò)程如下：①?gòu)囊粋€(gè)樣本容量為n的樣本集合中選取k個(gè)樣本作為簇中心；②依次計(jì)算剩下的樣本到每一個(gè)簇中心的距離，將其劃分到最接近的簇中；③計(jì)算每個(gè)簇中樣本平均值作為各個(gè)簇樣本新的中心；④重復(fù)第二、三步驟至不再有新的分配發(fā)生，算法結(jié)束。

距離的計(jì)算方法主要有夾角余弦距離、曼哈頓距離、歐幾里得距離等，本文擬采用歐幾里得距離，計(jì)算公式如式（1）所示：

本文采用K-Means聚類算法對(duì)RFM模型中統(tǒng)計(jì)所得用戶數(shù)據(jù)進(jìn)行聚類分析，并根據(jù)分析結(jié)果區(qū)分用戶不同消費(fèi)類型。

3.基于RFM模型的聚類細(xì)分結(jié)果討論。

（1）數(shù)據(jù)描述。本文采用線上線下兩種形式進(jìn)行問(wèn)卷調(diào)查，最終獲得有效問(wèn)卷581份。問(wèn)卷中統(tǒng)計(jì)出每位用戶一年內(nèi)最近一次購(gòu)買距離現(xiàn)在的天數(shù)（R）、一年內(nèi)購(gòu)買的次數(shù)（F）和一年內(nèi)購(gòu)買的總金額（M）。

（2）數(shù)據(jù)規(guī)范化。為防止RFM模型中變量的不同計(jì)量單位對(duì)聚類結(jié)果造成不合理影響，需要對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理。數(shù)據(jù)規(guī)范化指從每一個(gè)變量中選出最大值和最小值，并用最大值減去最小值得出極差，然后用該變量中的每一個(gè)原始數(shù)據(jù)減去最小值，再除以極差，就得到了規(guī)范化處理后的數(shù)據(jù)，計(jì)算公式如式（2）所示：

（3）聚類結(jié)果分析。本文對(duì)K值進(jìn)行分析（K=3、4、5），通過(guò)sig＜0.01及F檢驗(yàn)，最終確定K=4，結(jié)果如表1、表2所示。

表1 RFM模型最終族中心

表2 RFM模型中每類成員數(shù)量

由表1、表2可知，2類用戶購(gòu)買金額最高，購(gòu)買頻率也較高，成員數(shù)量最少，因此是企業(yè)的大客戶，定義為高消費(fèi)型用戶；1類用戶除購(gòu)買時(shí)間較近以外，購(gòu)買總金額是四類用戶中最少的，購(gòu)買頻率也較少，可以看出這類用戶雖然有使用個(gè)人云存儲(chǔ)的需求，但是在付費(fèi)方面是比較謹(jǐn)慎的，定義為經(jīng)濟(jì)追求型用戶；3類用戶不僅購(gòu)買頻率最高，最近一次購(gòu)買時(shí)間離現(xiàn)在也是最近的，購(gòu)買金額遠(yuǎn)高于1類用戶，說(shuō)明這一類用戶對(duì)于個(gè)人云存儲(chǔ)有較強(qiáng)的依賴性，有一定的付費(fèi)習(xí)慣，且成員數(shù)量在四類用戶中最多，定義為習(xí)慣型用戶；4類用戶雖然購(gòu)買時(shí)間離現(xiàn)在最遠(yuǎn)，購(gòu)買頻率也不高，但是購(gòu)買的總金額卻僅次于高消費(fèi)型用戶，推測(cè)此類用戶為高收入人群，只是沒(méi)有經(jīng)常購(gòu)物的習(xí)慣，因此為企業(yè)最具潛力的消費(fèi)用戶，定義為潛在二次消費(fèi)型用戶。

因此，通過(guò)對(duì)RFM模型統(tǒng)計(jì)的用戶數(shù)據(jù)進(jìn)行聚類分析后得出，本文探討的不同消費(fèi)類型用戶主要為四類，分別是經(jīng)濟(jì)追求型、高消費(fèi)型、習(xí)慣型和潛在二次消費(fèi)型。

（二）個(gè)人云存儲(chǔ)采納研究假設(shè)與模型構(gòu)建

個(gè)人云存儲(chǔ)用戶采納模型由影響用戶采納的因素及其內(nèi)在關(guān)系組成，正確的因素選取及關(guān)系設(shè)定也是影響模型構(gòu)建合理及科學(xué)的保證。本文所提出的個(gè)人云存儲(chǔ)用戶采納模型保留了技術(shù)接受模型中的感知有用性和感知易用性兩個(gè)核心變量，以及UTAUT模型（Venkatesh，2003）中社會(huì)影響這個(gè)核心變量，同時(shí)結(jié)合云存儲(chǔ)按需提供、海量存儲(chǔ)、跨平臺(tái)同步等特點(diǎn)進(jìn)行小范圍調(diào)研，引入感知風(fēng)險(xiǎn)、感知費(fèi)用、個(gè)人創(chuàng)新能力、遷移能力和個(gè)性化五個(gè)外部因素。

1.感知風(fēng)險(xiǎn)。感知風(fēng)險(xiǎn)是指用戶在使用個(gè)人云存儲(chǔ)及服務(wù)過(guò)程中，能夠直接或間接感受到的風(fēng)險(xiǎn)，例如賬號(hào)密碼被盜、資料遺失、隱私外泄等均在感知風(fēng)險(xiǎn)范圍之內(nèi)。云存儲(chǔ)在云端保存著用戶大量的私人信息，而用戶的擔(dān)憂主要來(lái)源于兩個(gè)方面：一方面是云服務(wù)商不能恪守職業(yè)道德將用戶數(shù)據(jù)及隱私賣給第三方謀取利益；另一方面是黑客進(jìn)入云服務(wù)商數(shù)據(jù)中心，盜取用戶數(shù)據(jù)及隱私。因此，用戶對(duì)于個(gè)人云存儲(chǔ)的可靠性和安全性要求極高，引起了研究人員的高度重視，Shin（2013）在研究中發(fā)現(xiàn)影響云計(jì)算采納的因素有安全和隱私；Chong（2013）研究發(fā)現(xiàn)感知風(fēng)險(xiǎn)對(duì)用戶的行為意向有顯著負(fù)向作用。因此，本文提出假設(shè)H1和假設(shè)H2，見表3。

表3 感知風(fēng)險(xiǎn)對(duì)其他因素的研究假設(shè)

2.個(gè)人創(chuàng)新能力。個(gè)人創(chuàng)新能力指用戶在各個(gè)領(lǐng)域中具備敏銳的觀察力及創(chuàng)造性新思維，同時(shí)對(duì)新產(chǎn)品或服務(wù)具備高度傾向性的能力。一般情況下，個(gè)人創(chuàng)新能力越強(qiáng)的人，對(duì)新技術(shù)接納程度越高。王建亞等（2016）研究表明個(gè)人創(chuàng)新精神對(duì)個(gè)人云存儲(chǔ)用戶采納意向有正向影響，曹越等（2014）研究表明個(gè)人創(chuàng)新性對(duì)用戶采納云存儲(chǔ)服務(wù)有顯著影響。因此，本文提出假設(shè)H3，見表4。

表4 個(gè)人創(chuàng)新能力對(duì)其他因素的研究假設(shè)

3.感知費(fèi)用。感知費(fèi)用是指用戶在使用個(gè)人云存儲(chǔ)服務(wù)過(guò)程中，對(duì)可能產(chǎn)生費(fèi)用的心理預(yù)期。目前，研究人員在感知費(fèi)用對(duì)用戶采納個(gè)人云存儲(chǔ)的影響上產(chǎn)生了不同意見。Wu等（2005）研究發(fā)現(xiàn)感知費(fèi)用對(duì)潛在用戶采納個(gè)人云存儲(chǔ)產(chǎn)生負(fù)向影響，但是謝濱等（2009）卻認(rèn)為感知費(fèi)用并不是潛在用戶是否采納個(gè)人云存儲(chǔ)的因素之一。

云存儲(chǔ)服務(wù)的特征之一為按需使用，按使用流量付費(fèi)，但是新用戶在初次使用時(shí)，服務(wù)商會(huì)贈(zèng)送一定容量的免費(fèi)存儲(chǔ)空間，比起用戶自建數(shù)據(jù)中心或購(gòu)買硬盤等外部存儲(chǔ)設(shè)備來(lái)說(shuō)，大大降低了用戶的使用成本。但是，當(dāng)用戶的使用容量超出免費(fèi)贈(zèng)送的容量時(shí)，需要另行付費(fèi)，使用云存儲(chǔ)服務(wù)還會(huì)產(chǎn)生網(wǎng)絡(luò)接入費(fèi)等附加費(fèi)用。因此，提出假設(shè)H4，見表5。

表5 感知費(fèi)用對(duì)其他因素的研究假設(shè)

4.遷移能力。遷移能力指用戶個(gè)人擁有的數(shù)據(jù)信息，從當(dāng)前云端向其他云存儲(chǔ)服務(wù)商提供的云端轉(zhuǎn)移的難易程度。此種因素考慮到用戶未來(lái)某時(shí)刻可能需要將個(gè)人數(shù)據(jù)和信息遷移到其他平臺(tái)。石雙元等（2015）研究發(fā)現(xiàn)遷移能力對(duì)企業(yè)云存儲(chǔ)具有一定的影響。就目前而言，互聯(lián)網(wǎng)企業(yè)的更迭速度越來(lái)越快，2015年10月，酷盤停止個(gè)人用戶網(wǎng)絡(luò)存儲(chǔ)服務(wù)，2016年10月，360云盤宣布正式停用個(gè)人云存儲(chǔ)服務(wù)，個(gè)人云存儲(chǔ)服務(wù)商的不穩(wěn)定性使得數(shù)據(jù)遷移能力成為云存儲(chǔ)采納的重要考量因素。因此，本文提出假設(shè)H5，見表6。

表6 遷移能力對(duì)其他因素的研究假設(shè)

5.個(gè)性化。個(gè)性化指企業(yè)能夠針對(duì)不同類型用戶定制不同類型的服務(wù)。80后、90后和00后是中國(guó)未來(lái)二十年的消費(fèi)主力，然而這三代人對(duì)個(gè)性化體驗(yàn)的重視越來(lái)越強(qiáng)，因此，根據(jù)用戶個(gè)性及行為習(xí)慣，為不同類型用戶制定個(gè)性化服務(wù)，可能會(huì)對(duì)個(gè)人云存儲(chǔ)的采納產(chǎn)生影響。因此，本文提出假設(shè)H6，見表7。

表7 個(gè)性化對(duì)其他因素的研究假設(shè)

在此基礎(chǔ)上，還需要對(duì)UTAUT模型及技術(shù)接受模型中原有假設(shè)進(jìn)行驗(yàn)證。因此，做出以下假設(shè)，見表8。

綜上所述，本文提出個(gè)人云存儲(chǔ)用戶采納理論模型，如圖所示。

表8 社會(huì)影響、感知易用性、感知有用性、行為意向?qū)ζ渌蛩氐难芯考僭O(shè)

個(gè)人云存儲(chǔ)用戶采納模型

三、研究方法設(shè)計(jì)與數(shù)據(jù)分析

（一）問(wèn)卷設(shè)計(jì)與數(shù)據(jù)收集

本文采用問(wèn)卷調(diào)查的方式獲取數(shù)據(jù)，進(jìn)行實(shí)證研究，問(wèn)卷主要參考前人已有成熟量表，結(jié)合云存儲(chǔ)自身特點(diǎn)對(duì)量表進(jìn)行修改和刪減。同時(shí)根據(jù)模型中的十個(gè)因素，采用李克特量表法進(jìn)行度量，設(shè)計(jì)了47個(gè)測(cè)量題項(xiàng)。被調(diào)查對(duì)象均為有使用云存儲(chǔ)經(jīng)歷的用戶，采用線上線下兩種形式進(jìn)行調(diào)查。線下采用紙質(zhì)問(wèn)卷形式，共計(jì)發(fā)放問(wèn)卷230份，回收219份，其中有效問(wèn)卷為145份，有效問(wèn)卷回收率為63%；線上利用問(wèn)卷星制作調(diào)查問(wèn)卷，通過(guò)微信、微博、論壇等各類社交軟件及平臺(tái)對(duì)社會(huì)各界人士進(jìn)行調(diào)查，共計(jì)回收問(wèn)卷587份，其中有效問(wèn)卷為436份，有效問(wèn)卷回收率為74.3%。因此，最終獲取有效問(wèn)卷581份。

問(wèn)卷在發(fā)放時(shí)沒(méi)有對(duì)不同消費(fèi)類型用戶進(jìn)行區(qū)分，回收并統(tǒng)計(jì)后，利用RFM方法將用戶消費(fèi)類型劃分為經(jīng)濟(jì)追求型、習(xí)慣型、潛在二次消費(fèi)型和高消費(fèi)型。

統(tǒng)計(jì)結(jié)果如表9所示：經(jīng)濟(jì)追求型用戶數(shù)有151人，占比26%；高消費(fèi)型用戶數(shù)有84人，占比14.5%；習(xí)慣型用戶數(shù)有245人，占比42.2%；潛在二次消費(fèi)型用戶數(shù)有101人，占比17.3%。被調(diào)研人群中男性數(shù)量略多于女性，但基本持平，年齡大多分布在18～40歲之間，職業(yè)類型中64.7%為學(xué)生和教師，企事業(yè)單位和黨政機(jī)關(guān)占27.4%，教育程度大部分在本科及以上。在網(wǎng)盤的使用情況中，最受歡迎的依次為百度網(wǎng)盤、堅(jiān)果云和騰訊微云，從調(diào)研訪談中得知大部分用戶選擇使用百度網(wǎng)盤的原因是受周圍朋友的影響以及資源共享的便捷性，而選擇堅(jiān)果云的用戶則表示，云存儲(chǔ)的選擇應(yīng)將安全放在第一位，而堅(jiān)果云的安全指數(shù)高于國(guó)內(nèi)其他網(wǎng)盤。

（二）信度和效度檢驗(yàn)

在進(jìn)行模型驗(yàn)證之前，本文采用驗(yàn)證性因子分析進(jìn)行信度和效度的檢驗(yàn)，分析結(jié)果如表10～12所示。為方便敘述，下文用字母代表模型中的構(gòu)念，分別是：感知有用性（PU）、感知易用性（PE）、社會(huì)影響（SI）、感知風(fēng)險(xiǎn)（PR）、個(gè)性化（IN）、遷移能力（TA）、個(gè)人創(chuàng)新能力（PI）、感知費(fèi)用（PF）、行為意向（BI）、使用行為（UB）。

根據(jù)表10分析，除PU3的因子載荷0.689和SI2的因子載荷0.695略低于0.7外，模型中的其他觀測(cè)指標(biāo)在對(duì)應(yīng)變量上的因子載荷均大于0.7，有的甚至達(dá)到0.8以上，且均在0.001水平上顯著。根據(jù)表11所示，組合信度（CR）的最大值為0.863，最小值為0.785，遠(yuǎn)大于0.7的標(biāo)準(zhǔn)，平均萃取方差（AVE）的最大值為0.679，最小值為0.551，均大于標(biāo)準(zhǔn)0.5。根據(jù)Fornell-Lacker準(zhǔn)則，潛變量AVE的平方根高于其他所有潛變量的相關(guān)系數(shù)，本量表的判別效度如表12所示，對(duì)角線上最小值為0.742，大于非對(duì)角線上的最大數(shù)0.691。上述分析均證明本量表具有較好的信度和效度水平。

表9 樣本的人口統(tǒng)計(jì)特征

表10 觀測(cè)指標(biāo)在對(duì)應(yīng)變量上的因子載荷

（三）結(jié)構(gòu)模型

將調(diào)研數(shù)據(jù)樣本按經(jīng)濟(jì)追求型（N=151）、高消費(fèi)型（N=84）、習(xí)慣型（N=245）和潛在二次消費(fèi)型（N=101）分為四類，結(jié)果如表13所示。對(duì)于經(jīng)濟(jì)追求型用戶而言，除感知風(fēng)險(xiǎn)和個(gè)人創(chuàng)新能力對(duì)行為意向，遷移能力對(duì)感知有用性的影響沒(méi)有通過(guò)檢驗(yàn)，其余假設(shè)均獲得支持；對(duì)于高消費(fèi)型用戶而言，除感知風(fēng)險(xiǎn)對(duì)行為意向的影響沒(méi)有通過(guò)檢驗(yàn)外，其余假設(shè)均獲得支持；對(duì)于習(xí)慣型用戶而言，除遷移能力對(duì)感知有用性，感知風(fēng)險(xiǎn)對(duì)行為意向的影響沒(méi)有通過(guò)檢驗(yàn)，其余假設(shè)均獲得支持；對(duì)于潛在二次消費(fèi)型用戶而言，除感知風(fēng)險(xiǎn)對(duì)行為意向，遷移能力對(duì)感知有用性的影響沒(méi)有通過(guò)檢驗(yàn)，其余假設(shè)均獲得支持。

表11 收斂效度

表12 判別效度

（四）結(jié)果討論

由表13得知，經(jīng)濟(jì)追求型、高消費(fèi)型、習(xí)慣型和潛在二次消費(fèi)型用戶在社會(huì)影響對(duì)感知有用性、感知易用性對(duì)感知有用性和行為意向、感知有用性對(duì)行為意向、行為意向?qū)κ褂眯袨榈挠绊懢@著。感知風(fēng)險(xiǎn)對(duì)這四類用戶行為意向的影響均顯著，說(shuō)明盡管四類用戶認(rèn)為使用個(gè)人云存儲(chǔ)存在一定風(fēng)險(xiǎn)，但仍然會(huì)使用。遷移能力對(duì)這四類用戶感知有用性的影響均不支持，說(shuō)明盡管目前個(gè)人云存儲(chǔ)遷移能力有限，這四類用戶依然會(huì)選擇使用。通過(guò)對(duì)經(jīng)濟(jì)追求型、高消費(fèi)型、習(xí)慣型和潛在二次消費(fèi)型這四類用戶結(jié)構(gòu)模型結(jié)果的進(jìn)一步比較，發(fā)現(xiàn)存在以下幾個(gè)方面的差異。

1.感知風(fēng)險(xiǎn)的影響。四類用戶感知風(fēng)險(xiǎn)對(duì)感知有用性的影響均顯著，且為負(fù)向影響，其中對(duì)高消費(fèi)型和習(xí)慣型用戶的影響高于經(jīng)濟(jì)追求型和潛在二次消費(fèi)型用戶，路徑值分別為-0.327和-0.318高于-0.109和-0.025，在高消費(fèi)型和習(xí)慣型用戶中風(fēng)險(xiǎn)對(duì)感知有用性的影響大于經(jīng)濟(jì)追求型和潛在二次消費(fèi)型用戶，說(shuō)明高消費(fèi)型和習(xí)慣型用戶的風(fēng)險(xiǎn)意識(shí)較高。高消費(fèi)型用戶可能是因?yàn)檩^高的經(jīng)濟(jì)收入導(dǎo)致其更加注重工作及個(gè)人隱私；習(xí)慣型用戶因長(zhǎng)期穩(wěn)定地使用個(gè)人云存儲(chǔ)，對(duì)于個(gè)人云存儲(chǔ)具有較強(qiáng)依賴性，可能會(huì)將較多工作及私人信息存儲(chǔ)在云端，因此對(duì)于風(fēng)險(xiǎn)更加敏感。

表13 四類用戶的結(jié)構(gòu)模型結(jié)果比較

雖然四類用戶感知風(fēng)險(xiǎn)對(duì)感知有用性的影響均為顯著，但是感知風(fēng)險(xiǎn)對(duì)行為意向的影響卻都是不顯著的，這說(shuō)明，雖然這四類用戶均認(rèn)為個(gè)人云存儲(chǔ)存在風(fēng)險(xiǎn)，且會(huì)因此降低個(gè)人云存儲(chǔ)的感知易用性，但仍然會(huì)選擇使用。

2.個(gè)性化的影響。個(gè)性化對(duì)四類用戶感知有用性的影響均顯著，但經(jīng)濟(jì)追求型用戶具有極高顯著性水平。這可能是因?yàn)榻?jīng)濟(jì)追求型用戶大多為年輕用戶，因此對(duì)個(gè)性化要求更高，而高消費(fèi)型和潛在二次型用戶大部分為中年用戶，對(duì)個(gè)性化要求不高，習(xí)慣型用戶可能只是將個(gè)人云存儲(chǔ)作為一種生活中必不可少的信息管理工具，因此對(duì)個(gè)性化的關(guān)注度也很低。

3.個(gè)人創(chuàng)新能力的影響。在個(gè)人創(chuàng)新能力對(duì)行為意向的影響中，除經(jīng)濟(jì)追求型用戶外其余三類用戶均顯著。說(shuō)明經(jīng)濟(jì)追求型用戶中大部分可能并不具備明顯的個(gè)人創(chuàng)新能力，而潛在二次消費(fèi)型用戶可能具備較高個(gè)人創(chuàng)新能力。這可能是因?yàn)榻?jīng)濟(jì)追求型用戶大多為經(jīng)濟(jì)水平一般的用戶，工作性質(zhì)大多可能為重復(fù)非創(chuàng)新類型，因此對(duì)于創(chuàng)新的意識(shí)并不高，而潛在二次消費(fèi)型用戶為購(gòu)買個(gè)人云存儲(chǔ)頻率不高但消費(fèi)金額較高的用戶，說(shuō)明此類用戶具有一定經(jīng)濟(jì)實(shí)力，更可能從事創(chuàng)新類型工作，因此對(duì)個(gè)人創(chuàng)新能力的要求較高。

4.感知費(fèi)用的影響。在感知費(fèi)用對(duì)行為意向的影響中，四類用戶均顯著。但經(jīng)濟(jì)追求型用戶具有極高的顯著性，其余三類用戶具有可以接受的顯著性水平，說(shuō)明經(jīng)濟(jì)追求型用戶對(duì)于費(fèi)用非常敏感。從高消費(fèi)型和潛在二次消費(fèi)型用戶個(gè)人云存儲(chǔ)的使用及消費(fèi)情況來(lái)看，他們幾乎不會(huì)考慮價(jià)格因素，良好的使用體驗(yàn)才是這類用戶真正關(guān)注的，因此感知費(fèi)用對(duì)行為意向的影響不大。對(duì)習(xí)慣型用戶而言，個(gè)人云存儲(chǔ)是生活中必不可少的工具，已經(jīng)養(yǎng)成及其良好的用戶習(xí)慣，因此對(duì)于費(fèi)用的承受能力可能較好，費(fèi)用大小對(duì)其使用不會(huì)造成太大影響。

四、研究結(jié)論與建議

本文采用RFM模型對(duì)用戶消費(fèi)類型進(jìn)行聚類分析，將用戶分為經(jīng)濟(jì)追求型、習(xí)慣型、高消費(fèi)型和潛在二次消費(fèi)型，結(jié)合云存儲(chǔ)服務(wù)自身特點(diǎn)提出了個(gè)人云存儲(chǔ)采納模型，同時(shí)對(duì)四類用戶結(jié)構(gòu)模型結(jié)果進(jìn)行對(duì)比研究。研究結(jié)果表明：經(jīng)濟(jì)追求型、高消費(fèi)型、習(xí)慣型和潛在二次消費(fèi)型這四類用戶對(duì)于感知風(fēng)險(xiǎn)、個(gè)性化、個(gè)人創(chuàng)新能力和感知費(fèi)用的影響方面存在差異。

根據(jù)研究結(jié)果，本文分別針對(duì)個(gè)人用戶、云存儲(chǔ)服務(wù)商及相關(guān)者和政府相關(guān)部門提供下述建議：

1.個(gè)人用戶。對(duì)于個(gè)人用戶而言，需要開闊眼界，打破傳統(tǒng)觀念和思維，努力培養(yǎng)個(gè)人創(chuàng)新能力，保持對(duì)新技術(shù)的熱愛，強(qiáng)化對(duì)新技術(shù)的使用。

2.云存儲(chǔ)服務(wù)商及相關(guān)者。對(duì)于云存儲(chǔ)服務(wù)商及相關(guān)者而言，需要針對(duì)不同消費(fèi)類型用戶采取不同的策略。在產(chǎn)品設(shè)計(jì)方面，經(jīng)濟(jì)追求型用戶對(duì)于個(gè)性化要求較高，而通過(guò)調(diào)研得知此類用戶人數(shù)最多，因此若想提高個(gè)人云存儲(chǔ)的用戶活躍度及傳播性，則應(yīng)高度重視產(chǎn)品的個(gè)性化設(shè)計(jì)；潛在二次消費(fèi)型用戶在四類用戶中具備較高的個(gè)人創(chuàng)新能力，這類用戶在個(gè)人云存儲(chǔ)中進(jìn)行過(guò)大金額消費(fèi)，但是對(duì)于個(gè)人云存儲(chǔ)的使用頻率卻并不高，為最具發(fā)展?jié)摿Φ囊活愑脩簦虼丝赏ㄟ^(guò)創(chuàng)新產(chǎn)品功能設(shè)計(jì)來(lái)挽留此類用戶。在營(yíng)銷方案的制定方面，經(jīng)濟(jì)追求型用戶對(duì)于價(jià)格的敏感度最高，因此可以針對(duì)此類用戶制定個(gè)性化消費(fèi)套餐，用優(yōu)惠的方式刺激此類用戶消費(fèi)；潛在二次消費(fèi)型用戶具有較高的個(gè)人創(chuàng)新能力，此類用戶是對(duì)新技術(shù)接納程度最高的用戶，可以向他們進(jìn)行大力宣傳和特別營(yíng)銷，利用他們的帶頭作用促進(jìn)更多的人采納個(gè)人云存儲(chǔ)。在安全技術(shù)方面，良好的安全技術(shù)才能營(yíng)造安全的云存儲(chǔ)空間，高消費(fèi)型用戶和習(xí)慣型用戶對(duì)于風(fēng)險(xiǎn)都非常的敏感，加強(qiáng)安全技術(shù)人才的培養(yǎng)，提高個(gè)人云存儲(chǔ)安全保障，是維持此類用戶的最佳方法。

3.政府。政府應(yīng)加強(qiáng)個(gè)人云存儲(chǔ)宣傳力度，增加用戶認(rèn)知度、激發(fā)用戶個(gè)人信息管理需求和提高全民信息素質(zhì)。同時(shí)，可以加強(qiáng)對(duì)于網(wǎng)絡(luò)安全犯罪的打擊力度，提高網(wǎng)絡(luò)安全性，為個(gè)人云存儲(chǔ)的推廣提供良好的外部環(huán)境。

本文的研究也存在一些局限性。受樣本數(shù)量的限制，不同消費(fèi)類型用戶的差異性不能很好地體現(xiàn)出來(lái)，后續(xù)研究將進(jìn)一步擴(kuò)大樣本容量，對(duì)不同消費(fèi)類型用戶進(jìn)行更細(xì)化的分類。

Low C.，Chen Y.，Wu M..Understanding the determinants of cloud computing adoption［J］.Industrial Management&Data Systems，2011（7）.

Wu W.，Lan L.W.，Lee Y..Factors hindering acceptance of using cloud services in university：A case study［J］.Electronic Library，2013（1）.

Shin D..User-centric cloud service model in public sectors：Policy implications of cloud services［J］.Government Information Quarterly，2013（2）.

曹越，畢新華.云存儲(chǔ)服務(wù)用戶采納影響因素實(shí)證研究［J］.情報(bào)科學(xué)，2014（9）.

王建亞，羅晨陽(yáng).個(gè)人云存儲(chǔ)用戶采納模型及實(shí)證研究［J］.情報(bào)資料工作，2016（1）.

梁靜.網(wǎng)絡(luò)消費(fèi)類型及其特征分析［J］.經(jīng)濟(jì)論壇，2013（5）.