韓東林，趙祥娟

(安徽大學(xué) 商學(xué)院，安徽 合肥 230601)

數(shù)字音樂平臺(Digital Music Platform,DMP)，又稱網(wǎng)絡(luò)音樂平臺，是利用數(shù)字技術(shù)為用戶提供各種音樂產(chǎn)品和服務(wù)的經(jīng)營機(jī)構(gòu)。數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字音樂平臺已逐漸成為人們進(jìn)行網(wǎng)絡(luò)文娛活動(dòng)的重要方式。截至2020年3月，我國網(wǎng)絡(luò)音樂用戶規(guī)模較2018年底增長迅速，增幅10%以上，網(wǎng)絡(luò)音樂用戶規(guī)模達(dá)到6.35億，使用率為70.3%[1]。目前，以90后、00后為代表的年輕群體已成為網(wǎng)絡(luò)用戶主體，開拓年輕群體市場成為數(shù)字音樂生存壯大的關(guān)鍵所在[2]。持續(xù)使用意愿指用戶對某一產(chǎn)品或服務(wù)的持續(xù)使用的意愿程度，體現(xiàn)了產(chǎn)品或服務(wù)對用戶的吸引力。

關(guān)于數(shù)字音樂平臺用戶使用意愿的研究，已有不同角度的分析。翟珊珊等[3]基于期望確認(rèn)模型，對移動(dòng)音樂平臺使用者持續(xù)使用意愿進(jìn)行研究，發(fā)現(xiàn)用戶滿意度受獲得體驗(yàn)、沉浸體驗(yàn)與人際體驗(yàn)的正向影響，獲得體驗(yàn)和滿意度積極作用于持續(xù)使用意愿；劉丹等[4]在網(wǎng)絡(luò)音樂使用意愿的研究中發(fā)現(xiàn)，社會(huì)網(wǎng)絡(luò)依賴程度的不同能夠影響用戶對網(wǎng)絡(luò)音樂的使用意愿；夏立新等[5]基于PPM模型實(shí)證分析用戶在移動(dòng)音樂平臺間的轉(zhuǎn)移行為，驗(yàn)證了移動(dòng)音樂平臺用戶的轉(zhuǎn)移意愿受到不滿意度、網(wǎng)絡(luò)義務(wù)性和相對匱乏性的顯著影響。

已有研究大多基于用戶視角，而有關(guān)數(shù)字音樂平臺與用戶反應(yīng)的作用關(guān)系探討較少，且忽視了用戶使用習(xí)慣的影響。為此，本研究依托SOR和D&M模型，構(gòu)建變量間的內(nèi)在邏輯框架。以信息質(zhì)量、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量為環(huán)境刺激，以心流體驗(yàn)為機(jī)體要素，以滿意度和持續(xù)使用意愿為用戶內(nèi)外反應(yīng)，同時(shí)引入使用習(xí)慣變量，并以高校大學(xué)生為對象，研究數(shù)字音樂平臺持續(xù)使用意愿的影響因素，以期為改進(jìn)數(shù)字音樂平臺的運(yùn)營模式，提高數(shù)字音樂平臺的吸引力提供借鑒。

1 理論基礎(chǔ)

1.1 SOR模型

SOR模型即刺激-機(jī)體-反應(yīng)模型，一般用于研究環(huán)境刺激、用戶情緒和反應(yīng)之間關(guān)系。其中“S”(Stimulation)指刺激，產(chǎn)生于組織內(nèi)外部環(huán)境，“O”(Organization)指機(jī)體，反映個(gè)體在環(huán)境刺激下的內(nèi)在情緒，“R”(Reaction)指用戶情緒所引發(fā)的各種內(nèi)外反應(yīng)。1974年Mehrabian提出該模型后，學(xué)術(shù)界將其廣泛應(yīng)用于用戶行為研究。如，Bigne等[6]基于SOR模型研究了在線評論沖突對消費(fèi)者購買意愿的影響；Triantoro等[7]基于SOR模型研究了在線調(diào)查游戲化對參與者的行為反應(yīng)的作用；Zhao等[8]基于SOR模型研究了用戶持續(xù)使用在線學(xué)習(xí)軟件MOOC的影響機(jī)制；周濤等[9]基于SOR模型研究了社會(huì)化商務(wù)用戶行為；趙文軍等[10]基于SOR模型研究了移動(dòng)閱讀服務(wù)持續(xù)使用意愿。朱紅燦等[11]研究表明SOR模型中，刺激是影響用戶情緒的前提，情緒會(huì)影響他們的行為或意圖。

1.2 D&M模型

D&M模型也叫信息系統(tǒng)成功模型，用以研究信息系統(tǒng)對用戶行為的影響路徑。20世紀(jì)90年代，由學(xué)者Delone和Mclean首次提出，并在隨后的研究中對模型不斷優(yōu)化。D&M模型包含信息質(zhì)量、系統(tǒng)質(zhì)量、服務(wù)質(zhì)量、滿意度、使用意愿、凈收益6大要素。該模型在研究中應(yīng)用廣泛。如，張鐠心等[12]基于該模型對社交軟件持續(xù)使用意愿進(jìn)行了研究；王夢浛等[13]應(yīng)用該模型研究了“互聯(lián)網(wǎng)+創(chuàng)業(yè)”服務(wù)平臺用戶使用意愿的影響機(jī)理；歐陽博等[14]應(yīng)用該模型探討了移動(dòng)虛擬社區(qū)持續(xù)信息搜索意愿影響因素；劉小鋒等[15]應(yīng)用該模型對移動(dòng)圖書館的滿意度和使用行為進(jìn)行了研究。多次研究驗(yàn)證，信息系統(tǒng)的3大質(zhì)量與滿意度、使用意愿之間存在著直接或間接的相關(guān)關(guān)系。

1.3 心流體驗(yàn)理論

1975年Csikszentmihalyi提出心流體驗(yàn)(Flow Experience，F(xiàn)E)的概念，指人們?nèi)硇膮⑴c活動(dòng)時(shí)獲得的一種整體感受。心流體驗(yàn)下，用戶完全被所參與的活動(dòng)吸引，注意力高度集中，會(huì)暫時(shí)忘卻周圍的環(huán)境。心流體驗(yàn)?zāi)芙o用戶帶來愉悅和滿足感，進(jìn)而影響用戶滿意度和行為意愿。有關(guān)心流體驗(yàn)對用戶行為影響的研究頗為豐富。如，Rohman等[16]研究發(fā)現(xiàn)社交媒介的心流體驗(yàn)對顧客的品牌忠誠度有著積極的影響；Liu[17]驗(yàn)證了心流體驗(yàn)是影響網(wǎng)絡(luò)游戲用戶重復(fù)參與游戲意向的重要因素；Kang等[18]研究發(fā)現(xiàn)心流體驗(yàn)積極作用于顧客對餐廳SNS滿意度和線下消費(fèi)意向；朱靜雯等[19]基于心流體驗(yàn)理論發(fā)現(xiàn)沉浸體驗(yàn)對移動(dòng)閱讀用戶黏性有著積極的影響；林艷等[20]驗(yàn)證了在線心流體驗(yàn)會(huì)對顧客品牌忠誠度產(chǎn)生積極的作用。

1.4 習(xí)慣理論

習(xí)慣被普遍認(rèn)為是在人們長時(shí)期反復(fù)動(dòng)作中形成的固定無意識的慣性行為。當(dāng)人們長時(shí)間頻繁使用某種信息系統(tǒng)，會(huì)無形中加深其對信息系統(tǒng)的接受程度。使用習(xí)慣是影響用戶行為的重要變量，這在許多研究中得以體現(xiàn)。如，陳明紅等[21]引入使用習(xí)慣對移動(dòng)社交媒體用戶信息共享持續(xù)意愿進(jìn)行了研究；李宗富等[22]引入對微信公眾號用戶持續(xù)使用意愿進(jìn)行了研究；張培[23]研究了高校學(xué)生對學(xué)術(shù)數(shù)據(jù)庫使用意向時(shí)納入使用習(xí)慣的影響因素；胡瑩瑩等[24]研究消費(fèi)者渠道擴(kuò)展行為時(shí)衡量使用習(xí)慣的作用；孟猛等[25]引入習(xí)慣變量對社交媒體用戶持續(xù)使用行為進(jìn)行了研究。

2 研究假設(shè)與變量設(shè)計(jì)

2.1 研究假設(shè)

本研究將信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量作為環(huán)境刺激，將心流體驗(yàn)作為機(jī)體要素，將滿意度和持續(xù)使用意愿作為用戶內(nèi)外反應(yīng)?；赟OR模型的邏輯關(guān)系，作出如下假設(shè)：

H1：信息質(zhì)量對心流體驗(yàn)存在積極作用;

H2：系統(tǒng)質(zhì)量對心流體驗(yàn)存在積極作用;

H3：服務(wù)質(zhì)量對心流體驗(yàn)存在積極作用;

H4：心流體驗(yàn)對滿意度存在積極作用;

H5：心流體驗(yàn)對持續(xù)使用意愿存在積極作用。

滿意度對持續(xù)使用意愿起到重要作用，信息系統(tǒng)質(zhì)量通過滿意度作用于持續(xù)使用意愿?；贒&M模型，本研究作出如下假設(shè)：

H6：信息質(zhì)量對滿意度存在積極作用;

H7：系統(tǒng)質(zhì)量對滿意度存在積極作用;

H8：服務(wù)質(zhì)量對滿意度存在積極作用;

H9：滿意度對持續(xù)使用意愿存在積極作用。

在使用習(xí)慣的作用下，用戶持續(xù)使用意愿會(huì)不自覺地得到增強(qiáng)。據(jù)此，本研究提出假設(shè)：

H10：使用習(xí)慣對持續(xù)使用意愿存在積極作用。

依據(jù)上述研究假設(shè)，構(gòu)建如圖1所示的研究模型。

圖1 SOR和D&M模型下數(shù)字音樂平臺持續(xù)使用意愿研究模型

2.2 變量設(shè)計(jì)

本研究研究的變量均設(shè)置4或5個(gè)題項(xiàng)，并以李克特7級量表形式設(shè)計(jì)問卷。問卷問題參考以往成熟量表，以保證變量及題項(xiàng)的信度和效度，并結(jié)合數(shù)字音樂平臺特點(diǎn)進(jìn)行適度修改。本問卷量表中，借鑒Delone等[26]研究測量服務(wù)質(zhì)量、系統(tǒng)質(zhì)量和信息質(zhì)量；借鑒Chang等[27]研究測量心流體驗(yàn)；借鑒Hsu等[28]研究測量使用習(xí)慣；借鑒Bhattacherjee[29]和王晰巍等[30]研究測量滿意度；借鑒Gao等[31]研究測量持續(xù)使用意愿。變量及題項(xiàng)見表1。

表1 問卷量表

3 實(shí)證分析

本研究使用SPSS 23.0軟件進(jìn)行樣本數(shù)據(jù)的描述性統(tǒng)計(jì)分析和變量多重共線性評估。借助Smart PLS2.0軟件，利用偏最小二乘法-結(jié)構(gòu)方程模型(PLS-SEM Model)進(jìn)行模型信效度和模型效果檢驗(yàn)。使用該模型檢驗(yàn)數(shù)據(jù)有其獨(dú)特的優(yōu)勢：它以變異數(shù)為基礎(chǔ)，以預(yù)測為導(dǎo)向，目的在于使模型的預(yù)測能力最大化，特別適合于預(yù)測R2。此外，偏最小二乘法對樣本的需求量相對較少且無需樣本資料符合常態(tài)分布[32]。

3.1 描述性統(tǒng)計(jì)分析

通過“問卷星”平臺收集數(shù)據(jù)，并借助微信、QQ等軟件擴(kuò)散問卷。數(shù)據(jù)采集時(shí)間為2020年1月5日至2020年3月5日。問卷發(fā)放范圍主要集中于安徽省合肥市范圍高校。問卷中通過設(shè)置問題“是否為高校在校生”篩選出高校大學(xué)生用戶的問卷，在這基礎(chǔ)上刪除重復(fù)填寫及填寫時(shí)間極短的問卷(填寫時(shí)間<60s)，最終獲取有效樣本295份。其中，男生134人(45.40%)，女生161人(54.60%)，女生比例略高于男生。17～19歲群體占比21.70%，20～30歲占比78.30%。每周使用頻率方面，3次及以上占比88.10%。每次使用時(shí)長方面，15min及以上占比93.60%。在常用數(shù)字音樂平臺中，網(wǎng)易云音樂最受大學(xué)生群體歡迎(40.57%)，其次為QQ音樂(30.07%)和酷狗音樂(16.73%)。

3.2 多重共線性檢驗(yàn)

通過SS 23.0評估變量間的多重共線性，得出表2中的檢驗(yàn)結(jié)果。其中，所有自變量的容差值為0.459～0.690，均大于0.3。所有自變量的方差膨脹因子值(Variance Inflation Factor，VIF)為1.449～2.179，VIF遠(yuǎn)遠(yuǎn)<10。因此，自變量間不存在多重共線性。

表2 變量多重共線性檢驗(yàn)結(jié)果

3.3 信度和效度檢驗(yàn)

信度(Reliability)用來檢測模型的穩(wěn)定性和可靠性。信度分析的通常做法是判別α系數(shù)是否大于0.70，因子載荷(Factor Loading,FL)是否滿足最低標(biāo)準(zhǔn)0.60，組合信度(Composite Reliability,CR)是否達(dá)到0.70，若滿足以上標(biāo)準(zhǔn)則樣本數(shù)據(jù)具有較好的信度。由表3可知，本研究的因子載荷值為0.651～0.859，α系數(shù)為0.765～0.821，組合信度值為0.842～0.877，均在標(biāo)準(zhǔn)范圍內(nèi)，表明模型通過了信度檢驗(yàn)。

效度(Validity)通過收斂效度和區(qū)分效度來分析，用以反映數(shù)據(jù)的有效性。模型是否具有收斂效度(Convergent Validity,CV)可通過分析所有變量的平均萃取方差(Average Variance Extracted，AVE)是否達(dá)到0.50來確定。由表3可知，所有變量AVE值均>0.5，說明模型具有較好的收斂效度。區(qū)分效度(Discrimination Validity,DV)用來評估各變量測項(xiàng)間的差異化程度。由表4可知，每個(gè)變量AVE平方根(表中對角線數(shù)值)大于其與其他變量間的相關(guān)系數(shù)(表中對角線以下數(shù)值)，表明模型具有較好的區(qū)分效度。

表3 信度和收斂效度

表4 區(qū)分效度

3.4 模型效果檢驗(yàn)

本研究研究模型的效果檢驗(yàn)結(jié)果見表5。其中，假設(shè)1～10的標(biāo)準(zhǔn)誤差為0.057～0.081，均<1，表明收集樣本的分析結(jié)果與實(shí)際情況不存在嚴(yán)重的誤差。

表5 路徑分析結(jié)果

R2是檢驗(yàn)?zāi)Ｐ唾|(zhì)量的重要標(biāo)準(zhǔn)，根據(jù)Chin[33]提出的標(biāo)準(zhǔn)，R2值達(dá)到0.670,0.333，0.190分別代表潛變量的解釋能力高、中、弱。由圖2可知，心流體驗(yàn)、滿意度和持續(xù)使用意愿的R2分別為0.339,0.449,0.527，參考Chin提出的標(biāo)準(zhǔn)，該模型具有較好的解釋效果。

圖2 數(shù)字音樂平臺持續(xù)使用意愿模型測算結(jié)果

實(shí)證結(jié)果顯示，用戶滿意度(β=0.395，t=4.994，P<0.001)、使用習(xí)慣(β=0.354，t=5.523，P<0.001)對用戶持續(xù)使用意愿的正向作用顯著，H9與H10成立。心流體驗(yàn)(β=0.103，t=1.02，P>0.05)對持續(xù)使用意愿的直接作用不顯著，H5不成立。心流體驗(yàn)(β=0.169，t=2.971，P<0.01)、信息質(zhì)量(β=0.150，t=2.598，P<0.01)、系統(tǒng)質(zhì)量(β=0.184，t=2.452，P<0.01)、服務(wù)質(zhì)量(β=0.325，t=4.904，P<0.001)均顯著作用于滿意度，H4、H6、H7、H8均成立。信息質(zhì)量(β=0.215，t=3.646，p<0.001)、系統(tǒng)質(zhì)量(β=0.162，t=2.007，P<0.05)、服務(wù)質(zhì)量(β=0.321，t=4.106，P<0.001)均積極作用于用戶的心流體驗(yàn)，H1、H2、H3均成立。

4 結(jié)果分析

本研究基于SOR模型和D&M模型，引入心流體驗(yàn)和使用習(xí)慣變量，對數(shù)字音樂平臺持續(xù)使用意愿影響因素進(jìn)行研究，得出以下結(jié)論：

(1)滿意度是數(shù)字音樂平臺持續(xù)使用意愿的關(guān)鍵要素

依據(jù)實(shí)證結(jié)果，滿意度對數(shù)字音樂平臺用戶持續(xù)使用意愿的路徑系數(shù)為0.395，在0.001的水平上顯著。由此可知，滿意度對數(shù)字音樂平臺的持續(xù)使用意愿具有較高的解釋力，滿意度是持續(xù)使用意愿的關(guān)鍵影響因素。從理論意義上來說，這也是對D&M模型的又一次有力的驗(yàn)證，說明該模型同樣適用于以數(shù)字音樂平臺為代表的數(shù)字技術(shù)應(yīng)用系統(tǒng)的研究。

(2)信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量是用戶持續(xù)使用意愿的前提

研究結(jié)果顯示，信息質(zhì)量、系統(tǒng)質(zhì)量、服務(wù)質(zhì)量對用戶心流體驗(yàn)和滿意度均有著顯著正向影響。對滿意度的影響路徑分別為0.150,0.184,0.325。說明平臺質(zhì)量影響用戶滿意度，進(jìn)而作用于用戶持續(xù)使用意愿。同時(shí)，本研究中驗(yàn)證了平臺質(zhì)量顯著影響用戶使用情緒，進(jìn)而影響用戶的內(nèi)在反應(yīng)。信息質(zhì)量、系統(tǒng)質(zhì)量、服務(wù)質(zhì)量對心流體驗(yàn)的影響路徑系數(shù)分別為0.215,0.162,0.321。由此可知，安全便捷的系統(tǒng)質(zhì)量、高質(zhì)量的信息資源以及高效的服務(wù)質(zhì)量能使用戶能從中獲得較好的心流體驗(yàn)并產(chǎn)生較高的滿意度。然而，從路徑系數(shù)和顯著性水平來看，平臺的服務(wù)質(zhì)量對心流體驗(yàn)和滿意度的影響更大。實(shí)證結(jié)果表明，平臺服務(wù)質(zhì)量的提升更能積極作用于用戶的情緒和心理反應(yīng)，進(jìn)而影響用戶持續(xù)使用意愿。

(3)心流體驗(yàn)對滿意度的積極效果明顯

心流體驗(yàn)是用戶全身心參與活動(dòng)時(shí)，獲得愉悅和滿足的整體感受。滿意度是用戶在使用產(chǎn)品后的心理評價(jià)。實(shí)證結(jié)果中，用戶心流體驗(yàn)積極影響滿意度。然而，與滿意度相比，心流體驗(yàn)對持續(xù)使用意愿的直接影響較弱，心流體驗(yàn)是通過滿意度間接作用于持續(xù)使用意愿。這說明心流體驗(yàn)對用戶的內(nèi)在心理反應(yīng)的積極作用更加明顯。

(4)使用習(xí)慣是影響持續(xù)使用意愿的重要因素

實(shí)證結(jié)果顯示，用戶使用習(xí)慣對持續(xù)使用意愿的路徑系數(shù)為0.354，在0.001水平上顯著，用戶使用習(xí)慣積極作用于持續(xù)使用意愿。數(shù)字音樂平臺利用數(shù)字技術(shù)提供音樂產(chǎn)品和服務(wù)，其便捷性和趣味性容易吸引大學(xué)生等年輕群體使用。用戶長期使用該平臺所形成的習(xí)慣會(huì)強(qiáng)化用戶對平臺的持續(xù)使用意愿。由此可知，形成使用習(xí)慣的用戶更傾向于對平臺的持續(xù)使用，使用習(xí)慣是持續(xù)使用意愿的重要影響因素。

5 實(shí)踐啟示

如何提高數(shù)字音樂平臺吸引力，增強(qiáng)用戶持續(xù)使用意愿？結(jié)合討論，本研究得出如下幾點(diǎn)啟示。

(1)提高平臺系統(tǒng)質(zhì)量，有效挖掘用戶需求

提高數(shù)字音樂平臺的系統(tǒng)質(zhì)量，為用戶提供更為安全便捷的系統(tǒng)保障。較好的系統(tǒng)質(zhì)量是保持用戶使用量的基礎(chǔ)，如友好合理的頁面設(shè)計(jì)、安全高效的運(yùn)行系統(tǒng)、穩(wěn)定便捷的系統(tǒng)功能等。在這基礎(chǔ)上有效挖掘用戶需求，不斷改進(jìn)數(shù)字音樂平臺。數(shù)字音樂平臺運(yùn)營商可以優(yōu)化現(xiàn)有用戶評價(jià)和反饋機(jī)制，除了通過平臺上的反饋功能被動(dòng)接受用戶評價(jià)，運(yùn)營商還可通過公眾號等方式多渠道了解用戶對數(shù)字音樂平臺的看法，并借助各種激勵(lì)措施調(diào)動(dòng)用戶的反饋積極性。

(2)促進(jìn)平臺創(chuàng)新發(fā)展，提升用戶心流體驗(yàn)

平臺創(chuàng)新能為用戶帶來新鮮感，激發(fā)用戶對新事物的探索，提升用戶心流體驗(yàn)。在促進(jìn)平臺創(chuàng)新方面，更加注重服務(wù)質(zhì)量。如，在內(nèi)容創(chuàng)新上，從源頭打造音樂精品，發(fā)揮原創(chuàng)資源的流量拉動(dòng)效果。大力扶持音樂內(nèi)容創(chuàng)作者，建立有效的音樂激勵(lì)機(jī)制，鼓勵(lì)音樂創(chuàng)作者制作出更多用戶喜愛的音樂作品；在功能創(chuàng)新上，持續(xù)挖掘新功能新服務(wù)，深化數(shù)字音樂平臺的服務(wù)質(zhì)量。音樂平臺開發(fā)商可以通過大數(shù)據(jù)深入挖掘用戶信息，深化個(gè)性化和社交化服務(wù)功能，實(shí)現(xiàn)精準(zhǔn)服務(wù)；在經(jīng)營模式創(chuàng)新上，深化互動(dòng)，提升用戶心流體驗(yàn)。數(shù)字音樂平臺可以通過論壇、微博、公眾號等方式聚集人氣，加強(qiáng)與用戶的互動(dòng)。

(3)轉(zhuǎn)變平臺用戶認(rèn)知，培養(yǎng)用戶使用習(xí)慣

使用習(xí)慣的形成需要用戶長時(shí)期重復(fù)某種行為，在這個(gè)過程中用戶會(huì)不自覺地產(chǎn)生心理依賴，進(jìn)而增強(qiáng)其對該行為的持續(xù)意愿。習(xí)慣養(yǎng)成的前提是用戶從心理上能接納某種事物并愿意去嘗試。人們受認(rèn)知鎖定效應(yīng)的影響往往對新技術(shù)的接納程度較低。因此，在培養(yǎng)用戶使用習(xí)慣上，數(shù)字音樂平臺運(yùn)營商在不斷開發(fā)新技術(shù)新功能的同時(shí)，還要注重深化公眾對新技術(shù)新功能的認(rèn)知，從而使用戶在接納后的重復(fù)使用中形成習(xí)慣，增強(qiáng)用戶對數(shù)字音樂平臺的持續(xù)使用意愿。