嚴煒煒，陳若瑜，張 敏

（武漢大學信息管理學院，武漢 430072）

1 引 言

在共享經(jīng)濟時代下，知識的共享也成為了一種經(jīng)濟，我國在線支付技術的成熟和操作方法的普及為知識經(jīng)濟提供了可靠的付費渠道，形成了從免費到付費的轉變；版權環(huán)境的改善、知識產(chǎn)權意識的養(yǎng)成以及公民消費結構的轉變[1]，促使我國獨特且龐大的知識付費市場快速成型。2016 年被稱為“知識付費元年”，截至2017 年中國知識付費產(chǎn)業(yè)規(guī)模約49 億元，預計于2021 年突破600 億元，知識付費已然成為我國的風口產(chǎn)業(yè)[2]。

目前，由于我國在線知識付費行業(yè)興起時間較短，相關研究對知識付費概念的定義尚未統(tǒng)一[3]，存在將“內容付費”與“知識付費”概念混淆的情況。通常而言，知識付費的模式被認為脫胎于內容付費，即內容付費指用戶通過付費來獲取免費用戶難以獲取且更具有價值的內容，囊括了以視頻、音樂、文字等為載體的多個類型產(chǎn)品，而當前的知識付費產(chǎn)品雖然載體相同但區(qū)別于內容付費的泛娛樂性，是以“知識”為內核的產(chǎn)品[4-5]。廣義上講，在書店購買一本書是一種知識付費行為，但狹義的在線知識付費行為則是指有需要的用戶出于明確的求知目的在線上平臺主動購買內容創(chuàng)造者將個人認知盈余轉化形成的知識產(chǎn)品的交易過程[6-7]，本文所探討的知識付費行為均為狹義的在線知識付費行為。

目前，針對在線知識付費的研究，主要集中在行業(yè)發(fā)展趨勢及用戶付費意愿兩方面。概括而言，在線知識付費平臺的發(fā)展主要經(jīng)歷了三個階段[8]：第一階段，2010 年以前，以UGC 模式運營的免費共享階段；第二階段，2011—2015 年，付費萌芽階段，傳統(tǒng)的知識共享不再免費，展現(xiàn)商業(yè)化趨勢；第三階段，2016 年，進入我國知識付費發(fā)展的分水嶺，分答、得到、喜馬拉雅、FM 以及知乎Live 等產(chǎn)品陸續(xù)推出，在線知識付費平臺快速拓展。然而，目前的平臺運營主要以內容產(chǎn)品為中心，依賴意見領袖吸引用戶，可復制性強，平臺同質化問題嚴重。面對龐大的市場和激烈的競爭，對在線知識付費平臺而言，如何準確把握用戶意愿、打造平臺內容以吸引用戶、增強用戶黏性是其應該考慮的主要問題。另一方面，當前對用戶知識付費意愿的相關研究大多基于感知價值理論、計劃行為理論、技術接受模型等理論模型進行探索，例如，李武等[9]基于感知價值視角探討用戶的收獲與付出對付費意愿的影響；黃彬[10]結合技術接受模型和計劃行為理論，構建網(wǎng)絡社區(qū)知識服務購買意愿影響因素的理論模型；周濤等[11]基于社會資本理論，考察了影響用戶付費意愿的因素。相關實證研究雖然數(shù)量眾多，但涵蓋因素冗雜且至今沒有統(tǒng)一的定論，甚至存在對于同一因素研究的結論呈現(xiàn)相反的情況。例如，方愛華等[12]認為感知成本作為自變量對知識付費意愿呈負向影響，而盧恒等[13]指出二者之間是正向作用。這些不一致的研究結論不僅造成了認知上的分歧，不利于相關理論的深化，而且也對相關實踐工作帶來了困擾。

鑒于上述情況，本文使用元分析方法，旨在結合已有的在線知識付費意愿研究，對影響用戶在線知識付費意愿的因素進行定量驗證分析，以系統(tǒng)梳理和評估相關因素的影響效果，并測驗影響在線知識付費意愿的調節(jié)變量和調節(jié)效應，從而形成具有適用性和穩(wěn)定性的在線知識付費意愿影響因素模型，實現(xiàn)對用戶在線知識付費行為的全面理解，為在線知識付費平臺的功能完善和有序運營提供理論指導。

2 研究設計

元分析又稱薈萃分析，源于Fisher“合并P值”的思想，于1976 年第一次正式提出，是一種為了整合研究結果，對眾多的單個研究結果進行綜合統(tǒng)計學分析的文獻分析方法[14]。該方法主要目標是計算出已有研究的平均效應值（effect size）來表示整合后的結果，挖掘共同效應。效應值由于是經(jīng)過加權平均處理得到的，故受樣本量大小的影響較小[15]。不同于傳統(tǒng)的文獻綜述對文獻的描述性介紹，元分析是以定量與定性相結合的綜合性文獻分析方法，其主要步驟可劃分為：①確定研究主題與檢索詞；②檢索文獻并根據(jù)標準篩選；③數(shù)據(jù)編碼與處理；④統(tǒng)計分析，并對失效安全數(shù)、異質性和效應值進行判定。

目前，元分析方法已被廣泛應用于社會科學的各個行為研究領域，圖書情報領域同樣也略有涉獵[16]。本文采用元分析法，使用CMA 2.0（Compre‐hensive Meta-Analysis 2.0） 元分析專業(yè)軟件對現(xiàn)有在線知識付費意愿影響因素實證研究進行整合驗證分析。

2.1 數(shù)據(jù)來源

由于元分析法的數(shù)據(jù)來源于已發(fā)表的論文和工作論文，本研究對相關中英文文獻進行了全面檢索。英文文獻主要通過Web of Science、ScienceDi‐rect、SpringerLink、Wiley Online Library 等數(shù)據(jù)庫及搜索引擎如Google Scholar 進行檢索；中文文獻收集 使 用 了CNKI （China National Knowledge Infra‐structure） 數(shù)據(jù)庫、中國社會科學引文索引（Chi‐nese Social Sciences Citation Index，CSSCI）、維普中文科技期刊和萬方數(shù)據(jù)檢索系統(tǒng)。依據(jù)本文對在線知識付費的界定方式，選擇與其內涵密切相關的主題詞進行檢索，中文文獻檢索以“知識付費”“付費問答”“付費閱讀”“付費課程”為檢索詞，從題名、關鍵詞和摘要三個方面進行檢索，與之對應英文文獻檢索包含“paid knowledge”“knowledge pay‐ment”“pay for knowledge”“paid Q&A”“pay for an‐swer”“paid online reading”“pay for e-book”“paid online course”“pay for online course”的文獻，根據(jù)檢索詞直接檢索后，再根據(jù)檢索獲得文獻的參考文獻進行回溯和二次檢索，最終共獲取英文文獻3339篇、中文文獻2586 篇。

通過瀏覽文獻的標題和摘要，本研究發(fā)現(xiàn)在檢索到的文獻中，尤其是英文文獻中，存在大量與“知識付費”不相關的文獻，并且瀏覽文獻全文后發(fā)現(xiàn)，報告了影響在線知識付費意愿因素的實證性研究論文在相關文獻中占比較小。對相關文獻做進一步篩選，選取適用于元分析的文章，其標準為：①探討了在線知識付費意愿的影響因素；②數(shù)據(jù)資料完整，明確報告了信度、相關系數(shù)或可以轉換為相關系數(shù)的統(tǒng)計量（如路徑顯著性的t值）；③樣本大小明確；④同一研究對象多篇文獻只納入一篇。經(jīng)過人工篩選，符合要求的文獻包括：中文文獻40篇、英文文獻7 篇。其中，涉及學術期刊論文（24篇）、會議論文（1 篇）和學位論文（22 篇）三類文獻，文獻時間跨度為2015—2019 年。

2.2 數(shù)據(jù)編碼與處理

針對研究問題及樣本文獻提供的數(shù)據(jù)，本研究制定了信息編碼表進行統(tǒng)一編碼。編碼信息包括作者、發(fā)表時間、研究對象、研究區(qū)域、影響因素、平臺場景、樣本量、信度和相關系數(shù)等。為避免人工編碼產(chǎn)生的誤差，本研究由同一編碼者在不同時段（相隔一個星期）對全部入選文獻進行兩次編碼，并將兩次編碼的結果進行對比，除個別數(shù)據(jù)有所偏差，兩次編碼的一致性為91.2%，最后對編碼結果不一致之處進行第三次編碼和檢驗。

本研究選擇相關系數(shù)作為效應量的值，由于每篇文獻報告的相關系數(shù)均不完全相同，在分析相關性之前，有必要將不同的統(tǒng)計量轉化成可以比較的效應值[17]。若文獻報告了相關系數(shù)或者相關矩陣，就使用兩變量相關系數(shù)與兩變量信度方根乘積的比值修正文獻中直接給出的相關效應，得到增強的相關系數(shù)作為效應量[18-19]；若文獻沒有直接報告相關系數(shù)，而給出了路徑顯著性的t值，則可以根據(jù)以下公式計算出效應值：

其中，t為路徑的顯著性t值；df是自由度。df可以根據(jù)結構方程模型數(shù)據(jù)點的數(shù)目減去自由參數(shù)得到。

編碼過程共識別了影響用戶在線知識付費意愿的158 個命名不同的自變量。但由于存在相似影響因素而命名不同的情況，故在分析數(shù)據(jù)之前，通過對文獻中自變量在研究中所指代的含義以及問卷、訪談中具體的題項進行查閱，比較自變量含義以及對應題項，進而將識別的相似自變量修正為出現(xiàn)頻次最高的自變量（如感知娛樂性、享樂性和趣味基于其相似性合并為出現(xiàn)頻次最高的感知娛樂性），最終得到126 個不同的自變量。

在本研究中，識別的自變量對應效應值出現(xiàn)頻次最大為13，盡管Rosenthal[20]認為1 個自變量只需2 個效應值即可進行元分析，為滿足后續(xù)對調節(jié)效應的分組研究要求，同時揭示影響在線知識付費意愿的核心影響因素，本文最終選擇了出現(xiàn)頻次最高的7 個自變量（出現(xiàn)頻次均大于5）進行元分析。

對樣本文獻的整體篩選流程如圖1 所示，最終確定的樣本文獻包括發(fā)表時間在2016—2019 年的24 篇中文文獻和5 篇英文文獻，納入自變量包括：

（1）感知價值，是指感知利得與感知利失的比重[21]，是消費者在消費過程中對所獲得收益與所付出的成本比較權衡的結果[22]。

（2）主觀規(guī)范，是指個人在決定采取某項行動之前，會判斷這一行為將會承受的社會壓力以及考慮他人對自己的看法[23]。

（3）信任，包括能力、善意和誠實三個方面，其中能力是指付費對象具有專業(yè)技能；善意是指用戶利益是否被關注；誠實是指付費對象會信守承諾[24]。

（4）滿意度，是指顧客接受知識付費產(chǎn)品和服務的實際感受與預期感受之間比較的結果[25]。

（5）感知有用性，是指用戶認為使用新技術將增強或改善績效的程度，即用戶使用付費知識產(chǎn)品時，所感知到的知識或信息對學習、工作或生活上有用性的程度[26]。

（6）感知娛樂性，是指用戶購買知識付費產(chǎn)品時主觀上的感受與情感，即用戶感知到的娛樂狀態(tài)[27]。

（7）感知風險性，用指戶在網(wǎng)絡交易中對潛在的不確定消極因素的感知[28]。

圖1 樣本篩選流程

3 在線知識付費意愿影響因素的元分析

元分析計算過程中，先根據(jù)公式(2)將每個r值轉換為Fisher'sZ值，根據(jù)計算模型求出Fisher'sZ的加權平均值，最后再轉換成相對應的效應值[29]，

經(jīng)過轉換后，知識付費意愿與其影響因素之間的整體元分析結果顯示（表1），7 個自變量的效應值均達到顯著性水平（p＜0.05）。

3.1 信度分析

信度分析衡量的是測量結果的一致性和穩(wěn)定性，一般采用Cronbach'sα系數(shù)作為評價指標。若文獻未報告該系數(shù)，則使用復合信度（composite reliability，CR）代替補充。根據(jù)Nunnally[30]對信度質量的劃分，信度值大于0.7 的變量具有較高的可信度，表2 中所有變量的信度均值均大于0.8，表明變量的一致性和穩(wěn)定性較高。因此，這些變量的測量項已經(jīng)廣泛應用于在線知識付費用戶付費意愿的研究。

表1 知識付費影響因素及其整體元分析統(tǒng)計結果

表2 信度分析

3.2 異質性檢驗

為了檢驗各個獨立研究的一致性，從而判斷能否綜合加權合并分析，本研究需要進行異質性檢驗。目前，應用較為廣泛的異質性檢驗是Q檢驗，若Q檢驗結果不顯著，則表明研究不存在異質性，應采用固定效應模型結果；反之，則表明研究存在異質性。當研究間存在異質性時，通常有兩種方法進行處理：①刪除極端效應值，直至無異質性，再使用固定效應模型分析；②使用隨機效應模型進行分析。隨機效應模型不僅考慮研究內和研究間變異，還能夠估計效應分布的平均值，同時可以防止低估小樣本研究的權重或高估大樣本的權重，產(chǎn)生更大的置信區(qū)間，從而形成更加保守可靠的結論。

本研究異質性檢驗結果見表1，所有變量異質性檢驗均達到顯著性水平（P＜0.05），故本研究的所有變量的異質性顯著，采用隨機效應模型計算效應量，后續(xù)根據(jù)研究特征對研究進行分組分析，找出引起研究之間異質性的調節(jié)變量。

3.3 發(fā)表偏倚

元分析需要考慮發(fā)表偏倚問題，由于出版方更愿意出版具有顯著性結果的文章，導致低顯著性的文章不能被納入元分析中，從而出現(xiàn)了元分析的結果高于真實結果的發(fā)表偏倚現(xiàn)象。

作為評價元分析的發(fā)表偏倚的指標，失效安全數(shù)（fail-safeN，Nfs）是指當分析的結果具有統(tǒng)計學意義時，為排除發(fā)表偏倚的可能或者估計發(fā)表偏倚的程度，可計算最少需要多少個未發(fā)表的研究才能使元分析的結果逆轉，在一定程度上反映分析結果的可靠性[31]。當置信水平為95%時，計算公式[32]為

其中，Z為各獨立研究的Z值；k為納入的研究個數(shù)。

通常情況下，失效安全數(shù)應該大于5k+10。從表1 可知，所有變量的Nfs均大于5k+10。因此，本研究所識別的所有影響知識付費意愿因素均是穩(wěn)定的，受到發(fā)表偏倚影響的可能性較低。

3.4 關系強度

根據(jù)Cohen[33]提出的劃分標準，效應值r的關系強度可以分類為基本無相關關系（r＜0.1）、低（0.1≤r＜0.3）、中（0.3≤r＜0.5）和高（r≥0.5）等四類。從表1 可知，所有自變量對知識付費意愿均有顯著影響（p＜0.05），隨機效應模型分析的結果顯示，感知價值（r=0.654）、信任（r=0.540）和感知有用性（r=0.520）與付費意愿高度相關，滿意度（r=0.480）、感知娛樂性（r=0.440）和主觀規(guī)范（r=0.449）與付費意愿中度相關，而感知風險性（r=-0.275）與付費意愿低相關。顯然，除感知風險性與付費意愿負相關外，其余因素與付費意愿均為正相關。

3.5 調節(jié)效應

調節(jié)變量通常包括情境因素和測量因素[34]，由于樣本文獻中的研究對象普遍存在平臺類型（情境因素）的差異，并為深入探究平臺類型在研究用戶在線知識付費意愿中可能存在的調節(jié)作用，故本文將其作為調節(jié)變量進行分組研究。目前，知識產(chǎn)品包括問答、文檔、專欄、課程等[35]，與之相對應的知識平臺劃分為知識電商類、社交問答類、付費文檔類、專欄打賞類、講座課程類等[36]，呈現(xiàn)出產(chǎn)品類型和平臺定位的細分化的情況，其中知識電商類平臺主打“知識付費”“販賣知識”，涵蓋的知識產(chǎn)品多樣；而其他類別的平臺通常產(chǎn)品類型具體、平臺定位明確。因此，本研究結合文獻內容，將文獻中平臺場景為知識電商類平臺以及未明確定位的平臺（如“知識付費平臺”“網(wǎng)絡知識服務”等）歸納為綜合類平臺，而擁有明確場景定位的平臺（如“網(wǎng)絡教育”“移動閱讀”等）歸納為垂直類平臺。表3 所示為將平臺類型作為調節(jié)變量時的分析結果。

表3 平臺類型作為調節(jié)變量的分析結果

由表3 可知，平臺類型對主觀規(guī)范、感知價值、感知有用性、信任以及感知風險性與知識付費意愿的關系有顯著影響（P＜0.05），對滿意度和感知娛樂性與知識付費意愿之間的關系影響則不顯著（P＞0.05）。這說明了研究間的不同研究特征可以導致研究的部分異質性，表明平臺類型對于知識付費意愿與主觀規(guī)范、感知價值、感知有用性、信任以及感知風險性這些自變量之間的關系有一定的調節(jié)作用。相對于綜合類知識平臺而言，垂直類知識平臺的主觀規(guī)范、感知價值、感知有用性以及信任對于知識付費意愿的正向作用都更強，感知風險性的負向作用更弱。

4 結果與分析

4.1 影響因素及其影響強度

在知識付費意愿和其影響因素關系均穩(wěn)健的情況下，本研究所納入的自變量除了感知風險性對知識付費意愿具有負向影響以外，其他因素對知識付費意愿均具有顯著的正向影響，只是不同因素對知識付費意愿的影響強度有所不同。由圖2 可見（線條越粗表示影響強度越強），對于知識付費意愿而言，感知價值、信任和感知有用性的影響強度最大，其次是滿意度、主觀規(guī)范和感知娛樂性，感知風險性影響強度最弱。

圖2 影響知識付費意愿的因素及其影響強度

針對感知價值、信任和感知有用性這三個影響強度最高的因素，未來研究可以三者為核心搭建具有普適性的知識付費意愿模型，也將這三個因素進一步細分研究，如將信任劃分為對平臺的信任和對內容提供者的信任，探究其間的影響差異。然而，與影響強度高的自變量相比，影響強度中或低的自變量在不同研究中結果更有可能不一致[37]。例如，韓芳芳[38]認為感知風險性對知識付費意愿為正向影響；而王茂彬[39]則認為主觀規(guī)范（r=0.151）對知識付費意愿的正向影響強度相對元分析結果較低。后續(xù)研究可能需要就這些因素做進一步研究和確認其影響效果。

總之，納入研究的因素較多基于用戶感知角度，即當前研究主要集中于從用戶角度揭示在線知識付費意愿的影響因素。同時，目前的研究方法大多采用調查問卷，未能充分利用平臺上累積的真實用戶行為數(shù)據(jù)進行客觀、準確的綜合量化研究。因此，后續(xù)研究可在研究視角和研究方法上進一步拓展。

4.2 平臺類型的調節(jié)作用

通過異質性檢驗和分組分析，研究發(fā)現(xiàn)平臺類型可以部分解釋不同研究之間某些自變量與因變量關系的異質性，作為調節(jié)變量會影響到自變量與因變量之間的關系強度。與綜合類平臺相比，垂直類知識平臺中主觀規(guī)范、感知價值、感知有用性以及信任對用戶在線知識付費意愿的正向作用都更強。一方面，雖然“知識付費”是近年誕生的新興概念，但如在線問答平臺等以“知識服務”為內核的垂直類平臺早已出現(xiàn)，其順應知識付費的熱潮，完成了產(chǎn)品從免費到付費的轉變。這樣的平臺對于用戶來說認知度和接受度更高，更易產(chǎn)生付費意愿。另一方面，目前知識付費平臺整體而言呈現(xiàn)對知識內涵的界定不夠清晰，知識娛樂化，平臺定位模糊的情況[40]。垂直類平臺相較于綜合類平臺具有更明確的定位和產(chǎn)品，對于用戶來說，垂直類平臺也更易引發(fā)用戶的知識付費意愿。目前，在線知識付費產(chǎn)業(yè)也逐漸顯現(xiàn)出垂直細分發(fā)展趨勢，不僅產(chǎn)品類型可能在現(xiàn)有類型的基礎上進一步細分，產(chǎn)生更多的知識服務形式，涉及領域也將呈現(xiàn)出由大眾化平臺向健康、理財、技術等專業(yè)化平臺垂直轉型的特征[41]。在這樣的背景下，平臺已無法僅憑“知識付費”模式吸引并維系用戶，而需要以用戶需求為導向，明確平臺定位，避免平臺同質化問題。

4.3 國內外比較啟示

基于前述元分析結果，通過綜合對比國內外相關研究結論以及知識付費關聯(lián)產(chǎn)業(yè)的發(fā)展，本文發(fā)現(xiàn)目前國內關于用戶知識付費行為的研究主要集中于用戶角度，缺乏廣度與深度；而國外與“知識付費（paid knowledge）”直接相關的文獻較少，相關研究多集中于“內容付費（paid content）”概念。國外研究除了從用戶角度出發(fā)構建了用戶行為模型，按用戶特征將用戶分類以探究用戶特征與用戶行為之間的關系[42-43]，還對平臺性質如操作便利性、交互性的作用[44]，以及內容提供者的收費策略[45]等展開了研究，為本研究提供了有益的參考和可行的切入點。

此外，國外內容付費平臺自新聞媒體業(yè)衍生而覆蓋整個文化產(chǎn)業(yè)相關領域，其注重內容質量，多為垂直類平臺定向服務細分用戶，收費模式較多采用會員制以增加用戶黏性，但同樣也有隨你付（pay what you want）這樣一改固定價格，讓用戶自行決定內容價值的模式。相比之下，國內的綜合性知識付費平臺在初期多以覆蓋全面的內容和豐富的資源來搶占市場，而隨著用戶需求的提升，平臺需要向垂直細分化發(fā)展來突出自身特點，定向吸引用戶，滿足用戶的個性化需求，提升用戶感知價值和滿意度，進而刺激用戶的在線知識付費意愿。目前，國內的知識付費產(chǎn)品也多為碎片化知識，缺乏深度思考，用戶反饋最終的收獲感較低[46]?；诟兄杏眯詫χR付費意愿的顯著影響，知識產(chǎn)品的質量需要由平臺和內容提供者結合用戶反饋來共同把控。因此，平臺可設立內容提供者準入門檻和用戶反饋評價機制，激起內容提供者的競爭意識，促使內容提供者為了獲取更大利益而必須確保知識內容的質量。同時，出于提升用戶信任的目的，還須完善知識產(chǎn)品的監(jiān)管機制，對知識產(chǎn)品合理定價，加強產(chǎn)品版權的保護；保證用戶個人隱私安全，降低用戶對平臺使用風險的感知，以促進用戶在平臺的付費意愿。

5 結 語

傳統(tǒng)文獻綜述是帶有研究者主觀性的定性分析方法，與之相比，元分析則是以定量的方法解決大量研究主題相似但研究結果紛亂復雜的問題，找出變量之間明確的關系，進而得到一個統(tǒng)一的結論。本研究對收集到的包含用戶在線知識付費意愿影響因素的實證研究文獻進行定量綜合分析，探討了不同因素對用戶知識付費意愿的作用效果，并基于研究特征對文獻分組，分析和檢驗了引起不同研究間自變量對因變量影響效果的調節(jié)變量。研究結果發(fā)現(xiàn)了對知識付費意愿產(chǎn)生影響的7 個主要因素，其中感知價值、信任和感知有用性是影響強度最高的重要因素。同時，平臺類型會作為調節(jié)變量影響自變量的作用效果，以便于后續(xù)完善在線知識付費意愿影響因素模型，供未來的量化研究作參考，并為知識付費平臺的發(fā)展和運營提供理論支撐。

另外，本研究也存在一定的局限性。雖然知識付費方面的研究數(shù)量近幾年得到快速增長，但針對用戶在線知識付費意愿影響因素的實證研究數(shù)量仍然相對較少，導致本文納入研究的樣本文獻數(shù)量較為有限；并且由于樣本文獻數(shù)量及樣本文獻研究內容的限制，本文只探究了用戶對在線知識產(chǎn)品的付費意愿以及平臺類型作為調節(jié)變量的情況，未能對付費頻率、付費使用行為以及其他可能存在的調節(jié)變量（如人口統(tǒng)計特征）進行研究。后續(xù)研究可進一步拓展付費平臺文獻研究范圍，并針對不同的用戶特征如年齡、收入等展開討論，為仍存在不一致的結論提供佐證。

附表 文獻編碼信息